基于双目 BEV与改进 YOLOv8的路面裂缝识别方法

谢海波 1，邱杨航 1，黄莹颖 2，张汇祥 1，蔡生勇 1，王培玉 3，萧白 4

（1. 长沙理工大学 土木与环境工程学院，湖南 长沙 410114；2. 湖南水利水电勘测设计规划研究总院有限公司，湖南 长沙410007；3. 湖南拓达结构监测技术有限公司，湖南 长沙 410017；4. 天津津港建设有限公司，天津 滨海 300456）

摘要：【目的】针对路面裂缝检测过程中目标尺度不一致、全局特征建模能力不足的问题，提出一种基于双目鸟瞰图（bird’s eye view，BEV）与改进 YOLOv8 模型的路面裂缝识别方法，旨在实现高效、精准的裂缝检测与分割。【方法】首先，通过双目立体视觉与逆透视变换技术生成高精度 BEV 图像，解决传统视角下目标尺度不一致问题；其次，提出的 C2f-DRR 模块利用区域残差化-语义残差化的解耦策略有效捕获裂缝的多尺度上下文信息，通过大核卷积与小核空洞卷积协同作用丰富图像的细节信息并减少背景干扰；最后，引入上下文锚点注意力机制，使模型能够动态聚焦裂缝中心区域，并实现对远距离像素间的长程依赖关系的建模。【结果】为验证改进模型的有效性，在测试集上进行了对比试验。改进后模型的平均精度均值 MAP50达 83.7%，准确率 P 达 83.9%，F1分数达 83.5%，较原始的 YOLOv8n 模型的分别提升 4.4、4.0、1.8 个百分点。在公开数据集UAV-PDD2023 上验证的 MAP50达 70.5%，召回率 R 达 64.8%，准确度 P 达 74.1%，较原模型的分别提升了 3.5、4.5、0.6个百分点。改进模型在识别精度、鲁棒性、泛化学习能力方面均优于原始模型。【结论】本研究提出的基于双目 BEV 视角的裂缝分割方法有效提升了模型在复杂道路场景下的检测精度与泛化能力，为自动化路面病害检测提供了技术支持。

关键词：路面裂缝识别；双目立体视觉；鸟瞰图；YOLOv8；上下文锚点注意力；特征提取

全文下载地址:基于双目BEV与改进YOLOv8的路面裂缝识别方法_谢海波

引用格式： 谢海波，邱杨航，黄莹颖，等 .基于双目 BEV 与改进 YOLOv8的路面裂缝识别方法［J］.长沙理工大学学报（自然科学版），2025， 22（5）：1-16.

扫一扫分享本文