裂纹作为一种沥青路面的常见病害,传统的人工检测、养护方法已难以满足现代化公路高速发展的需要。针对沥青路面的典型裂纹,如何进行高效准确的路面评估,已经成为智能交通领域的一个重要研究方向。本文针对实际交通环境下采集的沥青路面图像数据,提出了基于典型裂纹的沥青路面损坏状况视觉评估方法。主要工作如下:（1）研究了沥青路面裂纹的像素级检测方法,提出了基于通道注意力改进的嵌套U-Net网络,解决了现有裂纹检测手段对复杂裂纹和细小裂纹检测精度低的问题。通过将一种嵌套U-Net网络（UNet++）作为主干特征提取网络,对路面裂纹进行检测,然后对主干特征提取网络的顶层特征进行融合,并利用通道注意力对融合特征优化,最终输出像素级裂纹预测图像。该网络充分利用了嵌套U-Net结构在图像分割任务中的能力,提升了沥青路面的裂纹检测性能。（2）研究了沥青路面裂纹骨架提取方法,基于边界条件和图形学处理方法改进了裂纹骨架提取方法,改善了骨架毛刺与边界异常的情况。基于边界条件改进了Zhang-Suen方法,通过在子迭代的条件判断之前,对边界像素进行八邻域补全,有效解决了边界骨架异常的问题。同时,基于两步图形学处理改进了Zhang-Suen方法,对裂纹图像进行图形学膨胀操作和边界填充,使裂纹边缘平滑减少毛刺后再提取骨架,最后裁剪输出不含异常边界的骨架图像。（3）研究了自动化路面损坏评估方法,提出了基于典型裂纹的路面损坏程度自动化评估方法,解决了现有的方法无法判断裂纹损坏程度、评估精度较差等问题。该方法利用自动化手段检测路面裂纹,提取典型裂纹特征,并结合人工标准进行路面损坏状况评估,提高了自动化检测手段的准确性。本文实现了针对沥青路面典型裂纹的路面损坏状况视觉评估方法。经实验表明,该方法对沥青路面典型裂纹检测的像素准确率为96.86%,路面损坏状况的评估结果与人工方法的相对误差低至1.06%。该方法可以有效完成沥青路面典型裂纹的像素级检测,并提升路面损坏状况视觉评估的自动化程度。