随着我国公路的不断扩建,需要检测和养护的公路里程在不断增大,快速精准的对已建成路面进行路况评价,成为当下重要的研究内容。三维探地雷达作为一种路面无损检测技术,由于其多维、精准、快速、无损等优秀特性,近年来逐渐成为路面病害检测的重要工具。然而,三维探地雷达由于其多维度的特点,每公里采集的雷达图像可达数万张。现有人工识别、标注的方法不仅耗时巨大,且存在主观判断的风险。如何发挥三维探地雷达在道路检测方向的优势,实现路面内部结构病害的自动识别,成为当下研究热点。本文在深度学习基础上,结合三维探地雷达中纵断面和水平面图像来综合判断路面内部结构病害,真正意义上实现了三维探地雷达多维、精准等优势。首先,分别训练纵断面和水平面CP-YOLOX异常波形定位模型,通过训练好的模型分别预测平、纵断面异常波形的位置坐标。然后,通过坐标截取出异常波形图像分别建立平、纵病害分类数据集。之后,在不同病害分类数据集的基础上,分别搭建训练平、纵断面SVi T病害分类模型,实现异常波形的自动分类。最后,通过D-S证据理论,将平、纵断面病害分类模型的预测结果进行融合,以两个维度的雷达图像来综合判断同一位置路面病害类别。主要研究工作如下:（1）采集和处理雷达图像,并通过现场检测、室内分析和文献查阅,分析了不同病害对应的雷达波形特征,将雷达异常波形划分为6种类别。（2）建立了平、纵异常波形定位数据集,搭建了5种不同规模的CP-YOLOX定位模型;完成了模型的训练和测试,筛选出对雷达图像识别效率最佳的模型参数规模;此外,对比分析了不同主干特征提取网络和特征加强网络对模型精度、参数量、FLOPs和运行速度的影响。（3）建立了1种纵断面和3种水平面病害分类数据集,搭建了5种不同参数规模的SVi T分类模型;完成了模型的训练和测试,筛选出病害识别准确率最高的模型;此外,对比分析了SVi T模型与其他深度学习模型之间准确率和性能的差异。（4）通过纵断面定位模型,筛选出平纵交叉位置的异常波形,建立了平纵一一对应的病害分类数据集;通过D-S证据理论,分别将3种水平面分类模型与纵断面分类模型进行了融合,分析了水平面异常波形分类策略对平纵模型融合结果的影响;此外,通过对比SVi T和Res Net50模型融合前后的结果,验证了模型融合方法的有效性。