近年来,越来越多的高速公路进入了养护期,其沥青路面的养护需要在病害检测的基础上进行对症维修,而许多由于车辆荷载和恶劣天气等外界作用引发的不同程度的病害不易被直接发现,因此往往需要借助外部设备来进行检测。目前国内的检测方法主要以传统探地雷达和钻芯取样等为主,检测效率慢且准确度不高;而三维探地雷达较传统探地雷达有明显的优势,不仅对路面不会造成任何破坏,检测效果还不错,但由于其图像处理及解释很大程度上依赖于技术人员的经验分析,存在效率低等缺点,因此在工程领域的应用还未广泛开展。本文针对以上情况开展了如下研究:（1）基于gprMax3D软件分别建立了频率、大小、埋深、形状和介质不同的五组三维沥青路面空洞模型,此外还建立了沉陷和松散等常见病害模型,通过对不同模型进行正演模拟,得到了相对应的A-Scan和B-Scan图。在此基础上总结了不同病害以及不同影响因素情况下雷达图像的特征规律,丰富了探地雷达图像库的数据,为沥青路面雷达图像的解释提供了理论支撑。（2）在山西境内选取了三条具有代表性的高速公路,对其分别进行了传统探地雷达和三维探地雷达的现场实测。对采集的雷达数据进行处理分析,得到了各实测路面的内部结构情况,并从结构层厚度和路面内部隐性病害等方面对沥青路面结构性能进行了分析,最后根据现场实测表现和检测结果等方面对比了传统探地雷达和三维探地雷达的特点和检测效果,结果表明三维探地雷达不但检测效率高,而且检测结果更加准确。（3）在三维探地雷达检测路段进行了落锤式弯沉仪检测和钻芯取样,通过钻芯取样直接证明了三维探地雷达进行沥青路面结构性能检测的准确性,利用落锤式弯沉仪采集的弯沉盆数据反算出路面各结构层的模量,根据各模量值间接证明了三维探地雷达检测结果的可靠性。（4）开展了基于卷积神经网络的三维探地雷达图像病害自动识别研究,通过神经网络模型进行了现场实测雷达图像的训练及验证,结果表明沉陷、脱空、裂缝和松散等四种病害的识别准确率均大于70%,且其受路面结构层类型的影响较小。本文对三维探地雷达在沥青路面结构性能检测及其图像的解释和自动识别等方面进行了研究,对于三维探地雷达在沥青路面结构性能检测上的应用提供了技术支撑。