近年来,我国公路基础设施建设规模不断扩大,公路通车里程迅速增加,已修公路和新修公路都需要进行合理养护,高效、准确的获取路面病害信息是公路养护部门进行科学决策的基础。裂缝是路面最常见的一种病害,为了满足公路养护工作需求,提高养护效率,裂缝的快速检测成为了当前的重要研究课题。针对路面裂缝快速检测的需求,本文进行了基于语义分割的车载路面裂缝自动识别技术的研究。首先通过分析路面裂缝检测系统的功能要求,提出车载路面裂缝图像采集系统总体设计方案,设计了车载路面裂缝图像采集系统搭载车,开发了图像采集硬件系统、辅助照明系统和路面裂缝图像采集软件。所开发的辅助照明系统为采用倾斜方式照射的LED模块化聚光照明灯。然后基于语义分割原理,以Deeplab V3+模型为架构,设计了一种能够进行路面裂缝识别的网络模型。模型以Resnet152为基础网络,采用在特征图通道方向进行分组的组归一化方式,使模型能够在较小的batch size下达到较高的精度,加入了注意力优化机制,使用全局平均池化获取全局上下文信息,同时通过计算权重向量,为目标裂缝分配较大的权重,更有利于裂缝的识别。最后构建了路面裂缝图像数据集,数据集图像中包含路面标志线、油污、刹车痕等干扰信息。利用数据集中的训练集对本文所建立的基于语义分割的路面裂缝识别网络模型进行训练,并采用验证集对模型训练效果进行验证,验证结果表明,训练后的模型能够对图像中的裂缝和背景进行较好的分割,得到的平均交并比指标为81.31%。试验证明,本文提出的基于语义分割的路面裂缝识别方法有较好的识别效果,可以为路面的裂缝自动识别提供有益参考。