一种基于激光点云的路面病害特征图像生成方法技术

本发明专利技术公开了一种基于激光点云的路面病害特征图像生成方法，根据原始道路点云数据选取包含路面病害信息的种子点，利用多尺度环形插值的方法将路面内少量缺失的种子点进行插值计算，获得完整的包含路面病害信息的所有种子点；然后进行栅格化，以中心栅格为圆心，选取邻域范围作为半径，计算中心栅格与圆形范围内多个方向的邻域栅格的坡度值，在此基础上扩大邻域搜索半径，进行下一尺度的圆形范围多方向坡度计算，获得原始的包含路面病害特征的图像；在不损失路面病害信息的前提下，以邻域病害特征约束法对原始路面病害特征图进行平滑；再对平滑后的图像进行整体拉伸，得到路面病害特征图像。

A Method of Road Disease Characteristic Image Generation Based on Laser Point Cloud

The invention discloses a method for generating road disease characteristic image based on laser point cloud. According to the original road point cloud data, seed points containing road disease information are selected, and a small number of missing seed points in road surface are interpolated by multi-scale ring interpolation method to obtain a complete place containing road disease information. Then the gradient values of the center grid and the neighborhood grid in many directions in the circle are calculated by gridding, taking the center grid as the center and the neighborhood range as the radius. On this basis, the search radius of the neighborhood is enlarged, and the gradient of the next scale circle range in many directions is calculated to obtain the original inclusion. The image of pavement disease characteristics; on the premise of not losing the information of pavement disease, the original pavement disease feature map is smoothed by the neighborhood disease feature constraint method; and then the smoothed image is stretched to get the feature image of pavement disease.

【技术实现步骤摘要】
一种基于激光点云的路面病害特征图像生成方法
本专利技术涉及一种基于激光点云的路面病害特征图像生成方法。
技术介绍
道路交通在国民经济和人民生活中占有重要地位，极大地促进了国民经济的发展。随着道路的建成通车和使用年限的增加，加上雨雪、高温、超载等极端条件的影响，导致大多数路面出现了多种不同程度的病害，比如坑槽、裂缝、沉陷、车辙和松散等，从而影响了城市道路路面的使用，并且带来了很大的交通安全隐患。路面养护工作已经越来越重要，路面病害检测是养护工作的重要前期阶段，而路面病害特征图像是路面病害检测的主要依据。生成准确的路面病害特征图像，可以提高路面病害检测的准确性，从而可以节约维修成本，为行车安全提供保障。目前，国内对坡度生成特征图像大部分是基于数字高程模型(DigitalElevationModel，DEM)的，还没有利用激光点云生成专门针对路面病害的特征图像的应用实例，也并未系统的分析考虑路面病害的空间形态特征，相关研究较少，尚未形成成熟的方法。
技术实现思路
本专利技术的目的在于提出一种基于激光点云的路面病害特征图像生成方法，以便能够将激光点云数据快速、自动转换成路面病害特征图像。本专利技术为了实现上述目的，采用如下技术方案：一种基于激光点云的路面病害特征图像生成方法，包括如下步骤：a.将原始道路点云数据划分为多个小块，每块中含有多个点，并组成一个点集，选取点集中包含路面病害信息的点作为路面种子点；b.利用多尺度环形插值的方法，将路面内少量缺失的种子点进行插值计算，获得完整的包含路面病害信息的所有种子点；c.对上述获取的种子点进行栅格化，以中心栅格的几何中心为圆心，选取一定的邻域距离作为半径，计算中心栅格与圆形范围内多个方向的邻域栅格的坡度值；在此基础上，扩大邻域搜索半径，再进行下一尺度的圆形范围多方向坡度计算，从而实现基于圆形结构的多尺度坡度计算，获得原始的包含路面病害特征的图像；d.在不损失路面病害信息的前提下，用含有病害特征的邻域约束的方法对原始路面病害特征图进行平滑，从而过滤掉路面异常坡度值的影响；e.再对平滑后的图像进行整体的拉伸，使路面病害特征更加明显，容易区分，增强图像的可视化表达，最终得到路面病害的特征图像。优选地，利用多尺度环形插值方法获取包含路面病害信息的所有种子点的步骤如下：b1.获取步骤a中选取的路面种子点，路面种子点有部分缺失；b2.根据缺失的种子点，遍历其第一层邻域，邻域中如果含有选取的路面种子点，则进行标记，遍历完第一层后，统计标记的点的数量，如果数量超过邻域数量的1/2及以上，则计算所有包含种子点邻域的中间值，从而对缺失的种子点进行插值；b3.若数量不满足要求，则进行第二层邻域的遍历，方法同b2，逐层递进，通过设置距离阈值来限制遍历的最大邻域层数，若最终没有满足要求的邻域，则认为该处点云较稀疏或为噪点，不予插值。优选地，基于圆形结构的多尺度坡度计算的过程具体如下：c1.寻找第一层邻域栅格，以中心点为圆心，两倍的栅格边长为半径作圆，在圆形结构内找到完整的栅格，分别计算垂直方向、水平方向、45°方向和135°方向上的增量；c2.再寻找第二层邻域栅格，以三倍的栅格边长为半径作圆，在圆形结构内找到完整的栅格，分别计算出第二层上述四个方向上的增量，步骤同步骤c1；c3.通过上述步骤c1和c2得到第一层和第二层邻域栅格四个方向上总共8个增量值，从8个增量值的绝对值中找出增量最大的值，即为中心栅格的坡度值。优选地，一种基于病害特征的平滑特征图的方法的过程具体如下：首先遍历中心栅格的8邻域，得到每个邻域栅格的坡度值，将中心栅格的坡度值和8邻域的坡度值排序，取前四个较大的值，再计算其均值，将此值作为中心栅格的最终坡度值。优选地，对平滑后的图像进行整体的拉伸的具体过程为：利用标准差拉伸，计算出整体图像的标准差后，设立阈值范围，根据不同的需求进行整体的图像拉伸。本专利技术具有如下优点：本专利技术根据原始道路点云数据选取包含路面病害信息的种子点，利用多尺度环形插值的方法，将路面内少量缺失的种子点进行插值计算，获得完整的包含路面病害信息的所有种子点；然后对其进行栅格化，以中心栅格为圆心，选取邻域范围作为半径，计算中心栅格与圆形范围内多个方向的邻域栅格的坡度值，在此基础上，扩大邻域搜索半径，再进行下一尺度的圆形范围多方向坡度计算，从而实现基于圆形结构的多尺度坡度计算，获得原始的包含路面病害特征的图像；在不损失路面病害信息的前提下，以邻域病害特征约束的方法对原始路面病害特征图进行平滑，从而过滤掉路面异常坡度值的影响；再对平滑后的图像进行整体的拉伸，使路面病害特征更加明显，容易区分，增强图像的可视化表达，最终得到的路面病害特征图像，直观准确的反映了路面病害的分布情况，为后续分析提供了可靠的依据。附图说明图1为本专利技术中一种基于激光点云的路面病害特征图像生成方法的数据处理流程图。图2为传统坡度栅格计算方法示意图。图3为本专利技术中基于圆形结构的多尺度坡度计算方法示意图。具体实施方式本专利技术的基本思想是：根据激光点云的空间分布特征和高程信息，采用特征图像处理的方法，运用面向对象提取的思想，结合路面病害的空间形态特征，实现一种基于激光点云的路面病害特征图像生成方法，将激光点云数据快速、自动转换成路面病害特征图像。下面结合附图以及具体实施方式对本专利技术作进一步详细说明：结合图1所示，一种基于激光点云的路面病害特征图像生成方法，包括如下步骤：a.将原始道路点云数据划分为多个小块，每块中含有多个点，并组成一个点集，选取点集中包含路面病害信息的点作为路面种子点。本专利技术实施例中优先选取点集中所有高程均值，其次为高程最低点。b.利用多尺度环形插值的方法，将路面内少量缺失的种子点进行插值计算，获得完整的包含路面病害信息的所有种子点。其中，利用多尺度环形插值方法获取包含路面病害信息的所有种子点的步骤如下：b1.获取步骤a中选取的路面种子点，路面种子点有部分缺失。b2.根据缺失的种子点，遍历其第一层邻域(8邻域)，8个邻域中如果含有选取的路面种子点，则进行标记，遍历完第一层后，统计标记的点的数量，如果数量超过邻域数量的1/2及以上，则计算所有包含种子点邻域的中间值，从而对缺失的种子点进行插值。b3.若数量不满足要求，则进行第二层邻域(16邻域)的遍历，方法同b2，逐层递进，通过设置一个距离阈值(阈值范围在20-50cm之间)来限制遍历的最大邻域层数。若最终没有满足要求的邻域，则认为该处点云较稀疏或为噪点，不予插值。通过多尺度环形遍历的方法，利用邻域数量进行限制，在很好的找出缺失的包含病害信息的路面种子点的同时，还能对噪点进行很好的抑制，防止了过度插值对生成后续病害特征图的干扰，再对插值范围进行最大值约束，提高了寻找路面病害种子点的效率。c.对上述获取的种子点进行栅格化，以中心栅格的几何中心为圆心，选取一定的邻域距离作为半径，计算中心栅格与圆形范围内多个方向的邻域栅格的坡度值。在此基础上，扩大邻域搜索半径，再进行下一尺度的圆形范围多方向坡度计算，从而实现基于圆形结构的多尺度坡度计算，获得原始的包含路面损坏特征的图像。以种子点为中心，进行栅格化，使每个种子点都在一个小栅格内，而传统的坡度计算通常是基于中心点栅格，寻找其8邻域，通过计算其x方向(垂直)本文档来自技高网...

【技术保护点】
1.一种基于激光点云的路面病害特征图像生成方法，其特征在于，包括如下步骤：a.将原始道路点云数据划分为多个小块，每块中含有多个点，并组成一个点集，选取点集中包含路面病害信息的点作为路面种子点；b.利用多尺度环形插值的方法，将路面内少量缺失的种子点进行插值计算，获得完整的包含路面病害信息的所有种子点；c.对上述获取的种子点进行栅格化，以中心栅格的几何中心为圆心，选取一定的邻域距离作为半径，计算中心栅格与圆形范围内多个方向的邻域栅格的坡度值；在此基础上，扩大邻域搜索半径，再进行下一尺度的圆形范围多方向坡度计算，从而实现基于圆形结构的多尺度坡度计算，获得原始的包含路面病害特征的图像；d.在不损失路面病害信息的前提下，用含有病害特征的邻域约束的方法对原始路面病害特征图进行平滑，从而过滤掉路面异常坡度值的影响；e.再对平滑后的图像进行整体的拉伸，使路面病害特征更加明显，容易区分，增强图像的可视化表达，最终得到路面病害的特征图像。

【技术特征摘要】
1.一种基于激光点云的路面病害特征图像生成方法，其特征在于，包括如下步骤：a.将原始道路点云数据划分为多个小块，每块中含有多个点，并组成一个点集，选取点集中包含路面病害信息的点作为路面种子点；b.利用多尺度环形插值的方法，将路面内少量缺失的种子点进行插值计算，获得完整的包含路面病害信息的所有种子点；c.对上述获取的种子点进行栅格化，以中心栅格的几何中心为圆心，选取一定的邻域距离作为半径，计算中心栅格与圆形范围内多个方向的邻域栅格的坡度值；在此基础上，扩大邻域搜索半径，再进行下一尺度的圆形范围多方向坡度计算，从而实现基于圆形结构的多尺度坡度计算，获得原始的包含路面病害特征的图像；d.在不损失路面病害信息的前提下，用含有病害特征的邻域约束的方法对原始路面病害特征图进行平滑，从而过滤掉路面异常坡度值的影响；e.再对平滑后的图像进行整体的拉伸，使路面病害特征更加明显，容易区分，增强图像的可视化表达，最终得到路面病害的特征图像。2.根据权利要求1所述的一种基于激光点云的路面病害特征图像生成方法，其特征在于，所述步骤b中，利用多尺度环形插值方法获取包含路面病害信息的所有种子点的步骤如下：b1.获取步骤a中选取的路面种子点，路面种子点有部分缺失；b2.根据缺失的种子点，遍历其第一层邻域，邻域中如果含有选取的路面种子点，则进行标记，遍历完第一层后，统计标记的点的数量，如果数量超过邻域数量的1/2及以上，则计算所有包含种子点邻域的中间值，从而对缺失的种子点进行插值；b...

【专利技术属性】
技术研发人员：刘如飞，卢秀山，朱健，马新江，王鹏，杨雷，
申请(专利权)人：青岛秀山移动测量有限公司，
类型：发明
国别省市：山东,37