综述：基于LiDAR的道路表面损伤分类：综述 Trevor Greene, Meisam Shayegh Moradi, Muhammad Umair, Nafiul Nawjis, Naima Kaabouch, Timothy Pasch

《Sensors》：LiDAR-Based Road Surface Damage Classification: A Survey Trevor Greene, Meisam Shayegh Moradi, Muhammad Umair, Nafiul Nawjis, Naima Kaabouch and Timothy Pasch

　　

摘要

与仅依赖图像的系统不同，这些系统在处理阴影、眩光和低对比度场景时表现不佳，而激光雷达（LiDAR）可以直接记录表面几何信息，并支持基于深度的量化分析。本综述探讨了基于激光雷达的道路表面损伤分类方法，涵盖了从移动激光扫描和地面激光扫描的数据采集，到预处理和数据表示方式，以及监督学习、半监督学习和无监督学习技术的全过程。此外，还讨论了在数据采集的早期、中期和后期阶段的多传感器融合技术。贯穿始终的核心理念是“测量”，而不仅仅是“检测”：我们阐述了激光雷达损伤分类结果如何与实际应用（如《道路损坏识别手册》和《路面状况指数》）相结合。我们总结了用于检测、分割、3D重建和行驶质量评估的数据集和评估协议，并指出了在实际应用中需要考虑的关键问题，包括校准和时机选择、强度归一化、数据拼接/流式传输以及运行时间预算。最后，本文总结了当前存在的问题，并提出了开发鲁棒、能够考虑损伤严重程度且可扩展的现场系统的方向。