一种道路特征获取方法、装置、计算机设备和存储介质

技术领域

本发明涉及道路改扩建技术领域，尤其涉及一种道路特征获取方法、装置、计算机设备和存储介质。

背景技术

随着道路交通量持续快速增长，以及受原建设条件、建设理念、道路状况、养护需要及服务要求等诸多因素制约，产生了交通拥堵和公路损坏现象，影响了道路正常的服务水平和交通安全，导致高速公路的扩建、扩容问题逐渐突出。而公路扩建需要对当前大欧陆的空间信息进行获取分析才能制定扩建方案，因此如何快速精准地获取既有道路的空间信息是当前公路扩建的研究重点。

传统道路的空间信息的获取方式是通过人工外业测量或者基于激光雷达点云人工拾取的方式获得。而该方式需要投入大量的人力资源，不仅测量成本投入高、工作效率低下，而且人工拾取激光点云数据采集道路特征时，人员主观随意性大，从而导致获取的道路特征的精准度较低。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种道路特征获取方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

本发明解决上述技术问题的技术方案如下：

第一方面，本申请提供了一种道路特征获取方法。所述方法包括：

获取目标道路的图像信息、所述目标道路的空间结构信息、以及所述目标道路的放射波探测信息；

通过自注意力机制，识别所述图像信息的各缺陷特征图像、以及各所述缺陷特征图像的图像范围，并基于所述放射波探测信息、以及所述目标道路的空间结构信息，识别所述目标道路的各异常三维波动范围；

基于各所述异常三维波动范围、以及各所述缺陷特征图像的图像范围，在所述空间结构信息中，确定所述目标道路的各目标损伤区域，并基于所述目标道路的图像信息，确定各所述目标损伤区域对应的损伤信息；

基于各所述目标损伤区域的损伤信息，提取各所述目标损伤区域的特征信息，并将所有目标损伤区域的特征信息，作为所述目标道路的目标特征信息。

可选的，所述通过自注意力机制，识别所述图像信息的各缺陷特征图像、以及各所述缺陷特征图像的图像范围，包括：

将所述图像信息，输入自注意力网络，得到所述图像信息中的各初始缺陷图像，并通过图像特征识别网络，识别各所述初始缺陷图像的图像特征；

将满足缺陷特征信息的图像特征对应的初始缺陷图像，作为缺陷图像，并基于各所述缺陷图像在所述目标道路的图像信息的位置信息，将位置信息相连接的缺陷图像进行拼接处理，得到各缺陷特征图像；

基于所述图像信息，识别各所述缺陷特征图像的图像范围。

可选的，所述基于所述放射波探测信息、以及所述目标道路的空间结构信息，识别所述目标道路的各异常三维波动范围，包括：

将所述放射波探测信息投射至所述空间结构信息中，得到所述目标道路的三维结构波动图像；

识别所述三维结构波动图像中的各异常结构波动图像，并通过图像边缘算法，识别每个异常结构波动图像的图像边缘；

将各所述异常结构波动图像的图像边缘所包括的范围，作为异常三维波动范围。

可选的，所述基于各所述异常三维波动范围、以及各所述缺陷特征图像的图像范围，在所述空间结构信息中，确定所述目标道路的各目标损伤区域，包括：

将所述三维结构波动图像进行降维处理，得到所述三维结构波动图像的二维结构图像，并将所述二维结构图像与所述图像信息进行融合，判断是否存在与缺陷特征图像相交的异常三维波动范围对应的子二维结构图像；

在存在与缺陷特征图像相交的异常三维波动范围对应的子二维结构图像的情况下，基于各所述缺陷特征图像的图像范围，对各所述与缺陷特征图像相交的子二维结构图像对应的二维图像范围进行图像范围调整处理，得到各二维目标损伤区域，并将各所述二维目标损伤区域投射至所述三维结构波动图像中，得到所述目标道路的各目标损伤区域；

在不存在与缺陷特征图像相交的异常三维波动范围对应的子二维结构图像的情况下，对各所述缺陷特征图像的图像范围投射至所述空间结构信息中，识别每个缺陷特征图像对应的缺陷特征三维结构信息，并将所述缺陷特征三维结构信息对应的三维图像范围，作为所述目标道路的第一目标损伤区域；

对各所述异常三维波动范围在所述空间结构信息中的三维图像范围，作为第二目标损伤区域，并将所有第一目标损伤区域、以及所有第二目标损伤区域，作为所述目标道路的各目标损伤区域。

可选的，所述基于所述目标道路的图像信息，确定各所述目标损伤区域对应的损伤信息，包括：

将各目标损伤区域进行降维处理，得到各所述目标损伤区域对应的二维目标损伤区域，并在所述图像信息中，查询各所述二维目标损伤区域对应的损伤范围；

通过图像识别策略，识别每个损伤范围的损伤类型，并将各包含损伤类型的损伤范围，作为各所述目标损伤区域对应的损伤信息。

可选的，所述基于各所述目标损伤区域的损伤信息，提取各所述目标损伤区域的特征信息，包括：

通过特征识别策略，提取各所述目标损伤区域的图像特征，并基于各所述目标损伤区域的损伤范围、以及各所述损伤范围的损伤类型，对各所述图像特征添加特征标签，得到各所述目标损伤区域的特征信息。

第二方面，本申请还提供了一种道路特征获取装置。所述装置包括：

获取模块，用于获取目标道路的图像信息、所述目标道路的空间结构信息、以及所述目标道路的放射波探测信息；

识别模块，用于通过自注意力机制，识别所述图像信息的各缺陷特征图像、以及各所述缺陷特征图像的图像范围，并基于所述放射波探测信息、以及所述目标道路的空间结构信息，识别所述目标道路的各异常三维波动范围；

确定模块，用于基于各所述异常三维波动范围、以及各所述缺陷特征图像的图像范围，在所述空间结构信息中，确定所述目标道路的各目标损伤区域，并基于所述目标道路的图像信息，确定各所述目标损伤区域对应的损伤信息；

提取模块，用于基于各所述目标损伤区域的损伤信息，提取各所述目标损伤区域的特征信息，并将所有目标损伤区域的特征信息，作为所述目标道路的目标特征信息。

可选的，所述识别模块，具体用于：

将所述图像信息，输入自注意力网络，得到所述图像信息中的各初始缺陷图像，并通过图像特征识别网络，识别各所述初始缺陷图像的图像特征；

将满足缺陷特征信息的图像特征对应的初始缺陷图像，作为缺陷图像，并基于各所述缺陷图像在所述目标道路的图像信息的位置信息，将位置信息相连接的缺陷图像进行拼接处理，得到各缺陷特征图像；

基于所述图像信息，识别各所述缺陷特征图像的图像范围。

可选的，所述识别模块，具体用于：

将所述放射波探测信息投射至所述空间结构信息中，得到所述目标道路的三维结构波动图像；

识别所述三维结构波动图像中的各异常结构波动图像，并通过图像边缘算法，识别每个异常结构波动图像的图像边缘；

将各所述异常结构波动图像的图像边缘所包括的范围，作为异常三维波动范围。

可选的，所述确定模块，具体用于：

将所述三维结构波动图像进行降维处理，得到所述三维结构波动图像的二维结构图像，并将所述二维结构图像与所述图像信息进行融合，判断是否存在与缺陷特征图像相交的异常三维波动范围对应的子二维结构图像；

在存在与缺陷特征图像相交的异常三维波动范围对应的子二维结构图像的情况下，基于各所述缺陷特征图像的图像范围，对各所述与缺陷特征图像相交的子二维结构图像对应的二维图像范围进行图像范围调整处理，得到各二维目标损伤区域，并将各所述二维目标损伤区域投射至所述三维结构波动图像中，得到所述目标道路的各目标损伤区域；

在不存在与缺陷特征图像相交的异常三维波动范围对应的子二维结构图像的情况下，对各所述缺陷特征图像的图像范围投射至所述空间结构信息中，识别每个缺陷特征图像对应的缺陷特征三维结构信息，并将所述缺陷特征三维结构信息对应的三维图像范围，作为所述目标道路的第一目标损伤区域；

对各所述异常三维波动范围在所述空间结构信息中的三维图像范围，作为第二目标损伤区域，并将所有第一目标损伤区域、以及所有第二目标损伤区域，作为所述目标道路的各目标损伤区域。

可选的，所述确定模块，具体用于：

将各目标损伤区域进行降维处理，得到各所述目标损伤区域对应的二维目标损伤区域，并在所述图像信息中，查询各所述二维目标损伤区域对应的损伤范围；

通过图像识别策略，识别每个损伤范围的损伤类型，并将各包含损伤类型的损伤范围，作为各所述目标损伤区域对应的损伤信息。

可选的，所述提取模块，具体用于：

通过特征识别策略，提取各所述目标损伤区域的图像特征，并基于各所述目标损伤区域的损伤范围、以及各所述损伤范围的损伤类型，对各所述图像特征添加特征标签，得到各所述目标损伤区域的特征信息。

第三方面，本申请提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面中任一项所述的方法的步骤。

第四方面，本申请提供了一种计算机可读存储介质。其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。

第五方面，本申请提供了一种计算机程序产品。所述计算机程序产品包括计算机程序，该计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。

上述道路特征获取方法、装置、计算机设备和存储介质，通过获取目标道路的图像信息、所述目标道路的空间结构信息、以及所述目标道路的放射波探测信息；通过自注意力机制，识别所述图像信息的各缺陷特征图像、以及各所述缺陷特征图像的图像范围，并基于所述放射波探测信息、以及所述目标道路的空间结构信息，识别所述目标道路的各异常三维波动范围；基于各所述异常三维波动范围、以及各所述缺陷特征图像的图像范围，在所述空间结构信息中，确定所述目标道路的各目标损伤区域，并基于所述目标道路的图像信息，确定各所述目标损伤区域对应的损伤信息；基于各所述目标损伤区域的损伤信息，提取各所述目标损伤区域的特征信息，并将所有目标损伤区域的特征信息，作为所述目标道路的目标特征信息。通过目标道路的图像信息、目标道路的放射波探测信息，确定目标道路的缺陷特征图像的图像范围、以及目标道路的异常三维波动范围，并通过目标道路的空间结构信息，将各图像范围和三维波动范围进行范围优化处理，得到各目标损伤区域，最后再识别每个目标损伤区域的损伤信息，从而提取各目标损伤区域的特征信息，不进能够精确识别各道路结构的表面损伤特征，还能够识别各道路结构的深层损伤特征，从而提升了获取的道路特征的精准度。

附图说明

图1为一个实施例中道路特征获取方法的流程示意图；

图2为一个实施例中道路特征获取装置的结构框图；

图3为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的道路特征获取方法，可以应用于终端中，也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，终端可以包括但不限于是各种个人计算机、笔记本电脑、平板电脑等。该终端通过目标道路的图像信息、目标道路的放射波探测信息，确定目标道路的缺陷特征图像的图像范围、以及目标道路的异常三维波动范围，并通过目标道路的空间结构信息，将各图像范围和三维波动范围进行范围优化处理，得到各目标损伤区域，最后再识别每个目标损伤区域的损伤信息，从而提取各目标损伤区域的特征信息，不进能够精确识别各道路结构的表面损伤特征，还能够识别各道路结构的深层损伤特征，从而提升了获取的道路特征的精准度。

在一个实施例中，如图1所示，提供了一种道路特征获取方法，以该方法应用于终端为例进行说明，包括以下步骤：

步骤S101，获取目标道路的图像信息、目标道路的空间结构信息、以及目标道路的放射波探测信息。

本实施例中，终端通过预设于终端的放射波探测程序，扫描所述目标道路，得到所述目标道路的三维探测信息，并将该三维探测信息，作为该目标道路的放射波探测信息。然后终端通过预设于目标道路周围各摄像设备，获取该目标道路的图像信息，其中，该图像信息为二维图像。放射波探测程序可以但不限于是雷达、振动波探测器等。最后，终端从道路数据库中，筛选该目标道路的空间三维结构图像，得到所述目标道路的空间结构信息。

步骤S102，通过自注意力机制，识别图像信息的各缺陷特征图像、以及各缺陷特征图像的图像范围，并基于放射波探测信息、以及目标道路的空间结构信息，识别目标道路的各异常三维波动范围。

本实施例中，终端将该目标道路的图像信息，输入已完成训练的自注意力网络，识别该目标道路的缺陷特征图像。其中，该缺陷特征图像为该目标道路的表面缺陷对应的图像，该表面缺陷可以但不限于是，裂缝、塌陷、破损、鼓包、断层等。终端识别每个缺陷特征图像的图像边缘，从而确定每个缺陷特征图像的图像范围，其中图像边缘的识别方式是通过图像边缘识别算法进行识别，该边缘识别算法包括但不限于是Roberts算子对应的算法，Prewitt算子对应的算法，Sobel算子对应的算法，Canny算子对应的算法，以及Laplacian算子对应的算法等。具体的识别缺陷特征图像的过程后续将详细说明。终端将目标道路的放射波探测信息投射至目标道路的空间结构信息，得到放射波探测信息的图像信息，然后识别该图像信息中的异常图像对应的范围，得到各异常三维波动范围。其中该图像信息为三维图像。具体的识别过程，后续将详细说明。该异常波动三维范围用于表征该目标道路的表面缺陷、以及深层缺陷。

步骤S103，基于各异常三维波动范围、以及各缺陷特征图像的图像范围，在空间结构信息中，确定目标道路的各目标损伤区域，并基于目标道路的图像信息，确定各目标损伤区域对应的损伤信息。

本实施例中，终端基于各异常三维波动范围、以及各缺陷特征图像的图像范围，在空间结构信息中，确定目标道路的各目标损伤区域。然后，终端基于目标道路的图像信息，确定各目标损伤区域对应的损伤信息。该损伤信息为该目标损伤区域的损伤图像、以及各损伤图像对应的损伤类型。具体的确定过程，后续将详细说明。

步骤S104，基于各目标损伤区域的损伤信息，提取各目标损伤区域的特征信息，并将所有目标损伤区域的特征信息，作为目标道路的目标特征信息。

本实施例中，终端通过图像特征提取算法，提取每个目标损伤区域的特征信息，得到每个目标损伤区域的目标特征信息。该图像特征提取算法为基于深度强化学习的图神经网络。

基于上述方案，通过目标道路的图像信息、目标道路的放射波探测信息，确定目标道路的缺陷特征图像的图像范围、以及目标道路的异常三维波动范围，并通过目标道路的空间结构信息，将各图像范围和三维波动范围进行范围优化处理，得到各目标损伤区域，最后再识别每个目标损伤区域的损伤信息，从而提取各目标损伤区域的特征信息，不进能够精确识别各道路结构的表面损伤特征，还能够识别各道路结构的深层损伤特征，从而提升了获取的道路特征的精准度。

可选的，通过自注意力机制，识别图像信息的各缺陷特征图像、以及各缺陷特征图像的图像范围包括：将图像信息，输入自注意力网络，得到图像信息中的各初始缺陷图像，并通过图像特征识别网络，识别各初始缺陷图像的图像特征；将满足缺陷特征信息的图像特征对应的初始缺陷图像，作为缺陷图像，并基于各缺陷图像在目标道路的图像信息的位置信息，将位置信息相连接的缺陷图像进行拼接处理，得到各缺陷特征图像；基于图像信息，识别各缺陷特征图像的图像范围。

本实施例中，终端将该目标道路的图像信息，输入自注意力网络，得到图像信息中的各初始缺陷图像。其中，各初始缺陷图像的范围大小相同。例如均是4cm*4cm的图像。然后，终端通过图像特征识别网络，识别各初始缺陷图像的图像特征。其中，该图像特征识别网络可以但不限于是基于多个卷积层和全量池化层的图像特征提取网络(VGG16)。

终端判断各图像特征是否满足缺陷特征信息，并将满足缺陷特征信息的图像特征对应的初始缺陷图像，作为缺陷图像。其中，缺陷特征信息为预设于终端的提取工作人员经验、互联网道路缺陷信息数据、以及历史数据库中的各道路缺陷信息的各种类型的表面道路缺陷的特征信息。然后，终端基于各缺陷图像在目标道路的图像信息的位置信息，将位置信息相连接的缺陷图像进行图像拼接处理，得到各缺陷特征图像。然后，终端通过图像边缘识别算法，识别该图像信息中的每个缺陷图像的图像边缘，并将各缺陷特征图像的图像边缘包括的范围作为各缺陷特征图像的图像范围。

基于上述方案，通过图像信息，识别缺陷特征图像，提升了识别的表面缺陷的精准度。

可选的，基于、以及目标道路的空间结构信息，识别目标道路的各异常三维波动范围，包括：将放射波探测信息投射至空间结构信息中，得到目标道路的三维结构波动图像；识别三维结构波动图像中的各异常结构波动图像，并通过图像边缘算法，识别每个异常结构波动图像的图像边缘；将各异常结构波动图像的图像边缘所包括的范围，作为异常三维波动范围。

本实施例中，终端将放射波探测信息从投射至空间结构信息中，得到该目标道路的三维结构波动图像。其中该三维结构波动图像用于表征该目标道路在空间结构中的异常波动信息，每个异常波动信息用于反应一个深度缺陷。然后，终端通过图像特征识别算法，识别该三维结构波动图像中的各异常结构波动图像。其中该图像特征识别算法为三维图像特征识别算法三维特征描述算法(3D-WHGO)，终端通过图像边缘算法，识别每个异常结构波动图像的图像边缘，最后，终端将各异常结构波动图像的图像边缘所包括的范围，作为异常三维波动范围。

基于上述方案，终端通过将放射波探测信息投射至空间结构信息，从而那个是别每个异常三维波动范围，提升了识别的异常三维波动范围的精准度。

可选的，基于各异常三维波动范围、以及各缺陷特征图像的图像范围，在空间结构信息中，确定目标道路的各目标损伤区域，包括：将三维结构波动图像进行降维处理，得到三维结构波动图像的二维结构图像，并将二维结构图像与图像信息进行融合，判断是否存在与缺陷特征图像相交的异常三维波动范围对应的子二维结构图像；在存在与缺陷特征图像相交的异常三维波动范围对应的子二维结构图像的情况下，基于各缺陷特征图像的图像范围，对各与缺陷特征图像相交的子二维结构图像对应的二维图像范围进行图像范围调整处理，得到各二维目标损伤区域，并将各二维目标损伤区域投射至三维结构波动图像中，得到目标道路的各目标损伤区域；在不存在与缺陷特征图像相交的异常三维波动范围对应的子二维结构图像的情况下，对各缺陷特征图像的图像范围投射至空间结构信息中，识别每个缺陷特征图像对应的缺陷特征三维结构信息，并将缺陷特征三维结构信息对应的三维图像范围，作为目标道路的第一目标损伤区域；对各异常三维波动范围在空间结构信息中的三维图像范围，作为第二目标损伤区域，并将所有第一目标损伤区域、以及所有第二目标损伤区域，作为目标道路的各目标损伤区域。

本实施例中，终端将三维结构波动图像从三维映射到二维平面，得到三维结构波动图像的二维结构图像。然后，终端将二维结构图像与图像信息进行图像融合处理，得到该三维结构波动图像在目标道路的图像信息中的二维结构图像。终端判断是否存在与缺陷特征图像相交的异常三维波动范围对应的子二维结构图像。在存在与缺陷特征图像相交的异常三维波动范围对应的子二维结构图像的情况下，终端基于各缺陷特征图像的图像范围，对各与缺陷特征图像相交的子二维结构图像对应的二维图像范围进行图像范围调整处理，将缺陷特征图像与子二维结构图像相交的部分，作为二维目标损伤区域。然后，终端将各二维目标损伤区域投射至原三维结构波动图像中，得到目标道路的各目标损伤区域。在不存在与缺陷特征图像相交的异常三维波动范围对应的子二维结构图像的情况下，终端对各缺陷特征图像的图像范围投射至空间结构信息中，识别每个缺陷特征图像对应的缺陷特征三维结构信息。然后终端将缺陷特征三维结构信息对应的三维图像范围，作为目标道路的第一目标损伤区域。终端对各异常三维波动范围在空间结构信息中的三维图像范围，作为第二目标损伤区域，并将所有第一目标损伤区域、以及所有第二目标损伤区域，作为目标道路的各目标损伤区域。其中，在即存在与缺陷特征图像相交的异常三维波动范围对应的子二维结构图像，又存在与缺陷特征图像不相交的异常三维波动范围对应的子二维结构图像的情况下，分别对不同判断结果对应的图像按照不同判断结构结果的图像处理方式进行处理，得到各目标损伤区域。

基于上述方案，终端通过分别对不同判断结果对应的图像按照不同判断结构结果的图像处理方式进行处理，得到各目标损伤区域，在确保得到的目标损伤区域的全局性，同时提升了每个目标损伤区域的确定精准度。

可选的，基于目标道路的图像信息，确定各目标损伤区域对应的损伤信息，包括：将各目标损伤区域进行降维处理，得到各目标损伤区域对应的二维目标损伤区域，并在图像信息中，查询各二维目标损伤区域对应的损伤范围；通过图像识别策略，识别每个损伤范围的损伤类型，并将各包含损伤类型的损伤范围，作为各目标损伤区域对应的损伤信息。

本实施例中，终端将各目标损伤区域从三维图像降维至二维图像，得到各目标损伤区域对应的二维目标损伤区域。然后，终端在目标道路的图像信息中，查询各二维目标损伤区域对应的损伤范围。终端通过图像识别策略，识别每个损伤范围的损伤类型，并将各包含损伤类型的损伤范围，作为各目标损伤区域对应的损伤信息。其中，损伤类型包括表面损伤、以及深度损伤，在识别的每个损伤范围内没有识别到表面缺陷的情况下，确定该损伤范围的类型为深度损伤，在识别的每个损伤范围内有表面缺陷的情况下，确定该损伤范围的类型为表面缺陷。

基于上述方案，通过将各目标损伤区域进行规律，提升了后续提取特征信息的效率。

可选的，基于各目标损伤区域的损伤信息，提取各目标损伤区域的特征信息，包括：通过特征识别策略，提取各目标损伤区域的图像特征，并基于各目标损伤区域的损伤范围、以及各损伤范围的损伤类型，对各图像特征添加特征标签，得到各目标损伤区域的特征信息。

本实施例中，终端针对类型为表面损伤的目标损伤区域，通过图像特征提取策略，直接提取该目标损伤区域的二维图像特征。针对类型为深度损伤的目标损伤区域，终端通过三维特征识别策略，提取各目标损伤区域的三维图像特征。然后，终端针对每个目标损伤区域，将该目标损伤区域的损伤范围、以及该损伤范围的损伤类型，作为该目标损伤区域的图像特征的特征标签，得到各目标损伤区域的特征信息。

基于上述方案，通过对不同类型的目标损伤区域进行分类提取，提升了提取特征信息的效率。

应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的道路特征获取方法的道路特征获取装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个道路特征获取装置实施例中的具体限定可以参见上文中对于道路特征获取方法的限定，在此不再赘述。

在一个实施例中，如图2所示，提供了一种道路特征获取装置，包括：获取模块210、识别模块220、确定模块230和提取模块240，其中：

获取模块210，用于获取目标道路的图像信息、所述目标道路的空间结构信息、以及所述目标道路的放射波探测信息；

识别模块220，用于通过自注意力机制，识别所述图像信息的各缺陷特征图像、以及各所述缺陷特征图像的图像范围，并基于所述放射波探测信息、以及所述目标道路的空间结构信息，识别所述目标道路的各异常三维波动范围；

确定模块230，用于基于各所述异常三维波动范围、以及各所述缺陷特征图像的图像范围，在所述空间结构信息中，确定所述目标道路的各目标损伤区域，并基于所述目标道路的图像信息，确定各所述目标损伤区域对应的损伤信息；

提取模块240，用于基于各所述目标损伤区域的损伤信息，提取各所述目标损伤区域的特征信息，并将所有目标损伤区域的特征信息，作为所述目标道路的目标特征信息。

可选的，所述识别模块220，具体用于：

将所述图像信息，输入自注意力网络，得到所述图像信息中的各初始缺陷图像，并通过图像特征识别网络，识别各所述初始缺陷图像的图像特征；

将满足缺陷特征信息的图像特征对应的初始缺陷图像，作为缺陷图像，并基于各所述缺陷图像在所述目标道路的图像信息的位置信息，将位置信息相连接的缺陷图像进行拼接处理，得到各缺陷特征图像；

基于所述图像信息，识别各所述缺陷特征图像的图像范围。

可选的，所述识别模块220，具体用于：

将所述放射波探测信息投射至所述空间结构信息中，得到所述目标道路的三维结构波动图像；

识别所述三维结构波动图像中的各异常结构波动图像，并通过图像边缘算法，识别每个异常结构波动图像的图像边缘；

将各所述异常结构波动图像的图像边缘所包括的范围，作为异常三维波动范围。

可选的，所述确定模块230，具体用于：

将所述三维结构波动图像进行降维处理，得到所述三维结构波动图像的二维结构图像，并将所述二维结构图像与所述图像信息进行融合，判断是否存在与缺陷特征图像相交的异常三维波动范围对应的子二维结构图像；

在存在与缺陷特征图像相交的异常三维波动范围对应的子二维结构图像的情况下，基于各所述缺陷特征图像的图像范围，对各所述与缺陷特征图像相交的子二维结构图像对应的二维图像范围进行图像范围调整处理，得到各二维目标损伤区域，并将各所述二维目标损伤区域投射至所述三维结构波动图像中，得到所述目标道路的各目标损伤区域；

在不存在与缺陷特征图像相交的异常三维波动范围对应的子二维结构图像的情况下，对各所述缺陷特征图像的图像范围投射至所述空间结构信息中，识别每个缺陷特征图像对应的缺陷特征三维结构信息，并将所述缺陷特征三维结构信息对应的三维图像范围，作为所述目标道路的第一目标损伤区域；

对各所述异常三维波动范围在所述空间结构信息中的三维图像范围，作为第二目标损伤区域，并将所有第一目标损伤区域、以及所有第二目标损伤区域，作为所述目标道路的各目标损伤区域。

可选的，所述确定模块230，具体用于：

将各目标损伤区域进行降维处理，得到各所述目标损伤区域对应的二维目标损伤区域，并在所述图像信息中，查询各所述二维目标损伤区域对应的损伤范围；

通过图像识别策略，识别每个损伤范围的损伤类型，并将各包含损伤类型的损伤范围，作为各所述目标损伤区域对应的损伤信息。

可选的，所述提取模块240，具体用于：

通过特征识别策略，提取各所述目标损伤区域的图像特征，并基于各所述目标损伤区域的损伤范围、以及各所述损伤范围的损伤类型，对各所述图像特征添加特征标签，得到各所述目标损伤区域的特征信息。

上述道路特征获取装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种道路特征获取方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现第一方面中任一项所述的方法的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。