摘要
道路基础设施的健康状况直接关系到交通安全、通行效率与养护成本。随着计算机视觉与深度学习技术的突破，基于图像的自动化道路病害检测已成为研究和应用的前沿。然而，算法的性能高度依赖于高质量、大规模的训练数据。本文旨在系统性地梳理和评述当前全球范围内主流的公开公路病害检测数据集，包括其演进历程、技术特点、适用场景及面临的挑战。通过重点分析以RDD系列为代表的跨国基准数据集、以SVRDD为代表的新型街景数据集，以及其他区域性数据集（如CNRDD、IRRDD），本文为研究者和工程人员选择与利用数据集提供清晰的指南，并展望未来数据建设的方向。
1. 引言：从人工巡检到数据驱动的智能检测
传统道路养护严重依赖人工巡检，存在效率低、主观性强、风险高且难以持续量化等问题。自动化病害检测技术，尤其是基于深度学习的目标检测方法，为解决这一痛点带来了革命性希望。然而，深度学习模型是"数据饥饿型"模型，其泛化能力和鲁棒性从根本上取决于训练数据的质量、多样性和规模。因此，围绕公路病害检测任务构建公开、标准化的数据集，对于推动算法创新、建立公平的性能基准、促进技术落地至关重要。
过去几年，全球的研究机构通过组织大型挑战赛和独立发布，催生了一系列具有影响力的数据集。这些数据集在数据来源（车载、无人机、街景）、地域覆盖、病害类别定义和标注规范上各有侧重，共同构成了该领域发展的数据基石。
2. 主流数据集纵览：演进与特征
本节将按时间与影响力脉络，详细解读几个核心数据集。
2.1 基石与标杆：RDD系列跨国数据集
由日本Sekimoto实验室牵头组织的"道路损伤检测挑战赛"系列（RDDC）是领域内影响力最广的标杆，其数据集演进清晰反映了研究重心的转移。
- Road Damage Dataset 2018/2019：作为系列起点，提供了来自日本的早期基准数据，激发了全球研究兴趣。
- GRDDC'2020数据集：首个全球性挑战赛数据，整合了日本、印度、捷克三国的车载图像，首次强调了模型在跨国家、不同道路环境下的泛化能力挑战。
- CRDDC'2022数据集 (RDD2022) ：这是当前综合性最强、使用最广泛的基准数据集 。它涵盖了来自日本、印度、捷克、挪威、美国、中国 六个国家的数据，且中国的数据进一步细分为摩托车采集（近地面视角）和无人机采集（俯视视角）。该数据集主要标注纵向裂缝(D00)、横向裂缝(D10)、龟裂(D20)、坑洞(D40) 四类核心病害，部分国家数据包含井盖(D50)和修补(Repair)类别。其标注采用PASCAL VOC格式，提供了标准的训练/测试划分。
2.2 视角创新：SVRDD街景影像数据集
2024年由北京大学发布的SVRDD数据集代表了数据来源的重要创新。该数据集从百度地图街景图片 中截取并标注了8000张北京城区的图像，包含超过2万个实例。
- 核心特色 ：其数据模拟了真实的行车前视视角，背景包含车辆、行人、建筑、阴影等复杂城市环境，与车载摄像头采集的影像在视角和特征上高度一致，具有极强的现实应用相关性。
- 病害类别 ：除了纵向裂缝、横向裂缝、龟裂、坑槽四种病害外，还专门标注了纵向修补 和横向修补 两种状态，并包含了井盖作为干扰项。这种类别设计与实际养护工作中的"病害-修补"全周期管理结合更紧密。
2.3 区域性重要数据集
- CNRDD：中国本土数据集，采集自G303国道某段，包含8类病害，特点是同一路段内病害密度高、挑战大。但需注意，其原始标注存在"一标多类"的歧义问题，在与其他数据集合并使用时需进行严格的清洗与标签统一。
- IRRDD：包含2.5万张伊朗道路图像，标注了4类基本病害（D00, D10, D20, D40），格式为YOLO，为中东地区道路研究提供了资源。
- UAV-PDD 2023：纯粹的无人机俯拍视角数据集，包含斜裂缝等独特类别，适用于航检应用场景研究。
3. 综合对比分析与选型指南
为直观展示各数据集特点，下表从关键维度进行对比：
| 数据集 | 数据来源 | 规模（图像） | 核心病害类别 | 主要特点与优势 | 潜在挑战与注意事项 |
|---|---|---|---|---|---|
| RDD2022 | 车载/无人机/摩托 | 六国综合，总量大 | D00, D10, D20, D40 (核心4类) | 跨国多样性黄金标准；数据采集方式多；基准地位稳固 | D40类别包含多种损坏，需细化处理；不同国家数据分布不均 |
| SVRDD | 地图街景 | 8，000 | 4病害 + 2修补 + 井盖 | 真实行车视角；背景复杂实用性强；包含"修补"状态 | 目前仅限北京地区；街景图像存在拼接畸变、季节时差 |
| CNRDD | 车载（固定路段） | 4，319 | 8类（含裂缝细分、车辙等） | 中国典型路段，病害密集，挑战性高 | 标注歧义严重，合并使用风险高 |
| IRRDD | 车载 | 25，000 | D00, D10, D20, D40 | 数据量大，标注干净（YOLO格式） | 地域单一，类别较少 |
3.1 如何选择数据集？
- 追求算法泛化性与国际对标 ：首选 RDD2022。它是验证模型能否克服国家、环境差异的试金石。
- 开发贴近实用的车载或养护系统 ：强烈推荐 SVRDD。其街景视角和修补类别对开发具有高实用价值的系统至关重要。
- 研究特定高密度病害或中国道路 ：可探索 CNRDD，但必须投入精力处理标注问题。
- 需要大规模数据预训练或研究中东道路 ：IRRDD 是一个不错的选择。
3.2 数据集合并的挑战与策略
为提升模型鲁棒性，合并多个数据集是常见做法，但必须谨慎处理以下问题：
- 标签语义统一：例如，将RDD2022的"D00"， SVRDD的"纵向裂缝"， CNRDD的"Longitudinal Crack"统一为同一标签。
- 类别粒度处理：RDD2022的"D40"是坑洞、车辙等的集合，若只想检测坑洞，必须从中精细分离或使用第三方重标注数据（如Modified-RDD2022-Dataset）。
- 数据分布差异：不同来源的图像在分辨率、光照、角度、背景上存在巨大差异，可能引发域适应问题。需要采用数据增强或领域泛化技术。
- 标注质量审核：合并前应对各数据集的标注错误（如CNRDD的歧义标注）进行清洗和校正。
4. 从数据到应用：挑战与未来趋势
当前数据集的繁荣为技术发展奠定了基础，但通向大规模应用仍面临挑战：
- 细粒度与标准化标注：现有类别仍较粗。未来需要更精细的标注（如裂缝宽度、坑洞深度、破损等级），并推动全球或国家层面的标注标准统一。
- 时序与多模态数据 ：绝大多数数据集是静态单一时点的图像。融合时序图像 （分析病害演变）和多模态数据（如激光雷达点云、红外图像）将是突破性方向。
- 数据隐私与开源生态：街景等数据涉及隐私，如何在合规前提下构建更大规模数据集是一大挑战。健康的开源数据社区对于可持续发展至关重要。
- 面向"边缘"的数据集 ：随着检测模型向车载终端、巡检设备等边缘侧部署，需要能支持轻量化、高效率模型训练的数据集，这正是ORDDC'2024等新挑战赛所关注的方向。
5. 结论
公路病害检测数据集的发展，经历了从单一国家到全球协作、从单一视角到多视角融合、从简单类别到贴合工程实践的演进过程。RDD2022作为跨国基准，SVRDD作为视角创新的代表，连同其他区域性数据集，共同构成了一个多层次、互补的资源生态。研究者与开发者应深刻理解各数据集的设计哲学、优势与局限，根据具体任务进行合理选择和必要的数据治理。未来，随着细粒度标注、时序分析、多模态融合等需求的增长，下一代数据集必将向着更智能、更系统、更贴近养护业务全流程的方向进化，持续驱动公路基础设施智能运维技术的革新。