报告题目：基于深度学习的探地雷达回波数据中目标检测与精准定位的方法研究
报告时间：2020年11月26日晚上19:30
报告地点：铁道综合实验楼308
报 告 人：侯斐斐
报告摘要：
近年来，探地雷达在全球公路领域得到了广泛的应用，主要应用于路面厚度检测、材料评估和路面病害调查。我国作为公路大国，目前高速公路正在蓬勃发展，将探地雷达完美地用于路况评价非常必要，因为一旦路面潜伏病害显现化以后，其维修的有效性、经济性均会受到限制，所以利用雷达探测技术及时发现路面潜在问题，尽早维护，对提高路面使用寿命，节省维护费用具有重要意义。由于地下介质的复杂性，导致采集数据不理想甚至是不可用的情况，且传统的方法依赖于专家判别，主观性较强，当下急需设计一种自动化实时化的目标检测算法。本报告讲述了以探地雷达回波数据目标检测和参数反演为应用背景，基于改进的深度学习框架和雷达信号特征提取的理论基础，通过对探地雷达回波数据的特征进行分析得到有用信息，采用Faster-RCNN深度学习框架进行目标双曲线的检测，继而对检测到的目标进行数据分类。初步框定目标位置后，设计一种双重聚类搜素评估算法对框定的目标区域进行分割，得到点聚类，包括目标聚类和非目标聚类。接着，设计筛选条件保留目标聚类，去除干扰噪声。最后，设计一种拟合点自动提取算法从最终得到的目标聚类中提取样本点用于后续的双曲线拟合，得到其顶点，即目标的真实位置。通过仿真数据和实测数据进行交叉验证，证实提出算法的有效性。
