一种基于路面连续激光点云的车辙精细三维特征提取方法技术

本发明专利技术公开了一种基于路面连续激光点云的车辙精细三维特征提取方法，首先用点云数据拟合路面平面，将路面点云数据预处理，进一步生成路面高程特征图像、坡度特征图像和坡向特征图像，综合分析各特征图像中车辙特性，提取出车辙凹槽侧壁边缘线和凹槽底部中线信息。然后基于横断面激光点云扫描线，等间隔连续采样精确提取车辙平面轮廓位置点和横断面轮廓线；以基于点云提取的精确车辙轮廓点为约束，修正基于特征图像提取的连续车辙轮廓线信息。最终用车辙凹槽侧壁边缘线、凹槽底部中线和横断面轮廓线表达车辙精细三维特征。本发明专利技术能获取连续精确的车辙位置信息，克服了基于点云提取车辙时非断面处信息缺失的问题。

A precise 3D feature extraction method of rutting based on continuous laser point cloud

【技术实现步骤摘要】
一种基于路面连续激光点云的车辙精细三维特征提取方法
本专利技术涉及移动测量系统路面病害检测
，特别是涉及一种基于路面连续激光点云的车辙精细三维特征提取方法。
技术介绍
由于自然环境特别是高温的影响，沥青容易软化，再在行车荷载作用下沥青路面容易产生塑性流动或进一步被压实，轮迹带逐渐变形下凹，两侧鼓起形成车辙。车辙使得路面平整度下降，影响行车舒适度和安全性；同时车辙消弱了路面整体强度，会进一步诱发其他路面病害。因此，路面车辙病害的监测预防至关重要。目前，国内外对于路面病害的测量提取正在实现由人工测量到车载移动测量的转变。这种转变大大减少了外业工作强度，可以在不影响行车安全的情况下快速获取海量路面点云数据，为公路养护管理提供数据支撑。现有方法存在如下不足：路面点云数据的车辙提取多采用断面法，这种方法可以精细获取当前断面处的车辙信息，但是两个断面之间的间隔通常都很大，导致断面之间的信息完全丢失，不能达到车辙整体的精细化提取。
技术实现思路
针对现有方法存在的不能达到车辙整体的精细化提取的问题，本专利技术提供了一本文档来自技高网...

【技术保护点】
1.一种基于路面连续激光点云的车辙精细三维特征提取方法，其特征在于，包括以下步骤：/n步骤1：抽样提取一定数量的路面点云数据，粗略拟合路面平面，以路面平面为基准，对路面点云数据高程归一化；/n步骤2：获取路面点云数据的平面投影范围，交互确定尺度信息，生成路面高程特征图像，并对高程特征图像进行基于图像的滤波去噪；/n生成路面坡度特征图和坡向特征图像；/n根据车辙不同位置在三幅特征图像中表现的特征分类；/n通过聚类、去噪、区域生长和图像补全获取包括车辙凹槽侧壁边缘线和凹槽底部中线的连续位置信息；/n步骤3：等间隔获取路面横断面激光点云扫描线，对断面扫描线采用传统的车辙提取方法精细获取车辙局部三位维...

【技术特征摘要】
1.一种基于路面连续激光点云的车辙精细三维特征提取方法，其特征在于，包括以下步骤：
步骤1：抽样提取一定数量的路面点云数据，粗略拟合路面平面，以路面平面为基准，对路面点云数据高程归一化；
步骤2：获取路面点云数据的平面投影范围，交互确定尺度信息，生成路面高程特征图像，并对高程特征图像进行基于图像的滤波去噪；
生成路面坡度特征图和坡向特征图像；
根据车辙不同位置在三幅特征图像中表现的特征分类；
通过聚类、去噪、区域生长和图像补全获取包括车辙凹槽侧壁边缘线和凹槽底部中线的连续位置信息；
步骤3：等间隔获取路面横断面激光点云扫描线，对断面扫描线采用传统的车辙提取方法精细获取车辙局部三位维位置和断面曲线；
步骤4：以基于路面横断面激光点云扫描线提取的离散精细车辙位置信息为约束，修正基于特征图像提取的连续车辙位置信息，获取连续且更加精细的车辙位置信息；
用修正后的车辙凹槽侧壁边缘线、凹槽底部中线和车辙断面曲线共同表达车辙三维特征。


2.根据权利要求1所述的一种基于路面连续激光点云的车辙精细三维特征提取方法，其特征在于，步骤1具体包括：
建立路面平面多元线性回归模型：
z＝b0+b1x+b2y+e；
矩阵法求解平面方程系数，得到路面平面方程：
b1x+b2y+(-1)z+b0＝0；
计算点到路面平面的距离，将高程以路面平面为基准归一化：



x、y和z代表路面点的三维坐标；
b0、b1和b2为多元线性回归系数，即平面方程系数；
d为路面点到拟合路面平面的距离，也即为归一化后相对高程。


3.根据权利要求2所述的一种基于路面连续激光点云的车辙精细三维特征提取方法，其特征在于，步骤2具体包括以下子步骤：
步骤2.1：正射投影生成初始路面高程特征图像：
获取点云平面投影的最小外接矩形，即由横坐标最大值xmax、最小值xmin和纵坐标最大值ymax、最小值ymin所确定的二维平面范围；
交互输入生成图像精度的参数，即图像沿行方向的分辨率Pixr和图像沿列方向的分辨率Pixc；
根据点云平面投影范围和图像像素分辨率计算图像的尺寸并向上取整，即图像的行Row数、列Col数；



其中，ceil为向上取整；
预设一张Row行，Col列的空白图像；
由点的平面坐标计算投影后对应图像中的位置，由归一化后高程计算对应图像位置的灰度值，计算过程如下：
依次计算单个点(x，y，z)对应图像中的位置：



rID、cID分别为点在图像中对应的行号和列号，即点在图像中的位置，round为四舍五入取整；
计算对应图像位置的灰度值Grayval：



zmin和zmax分别为归一化后相对高程最大值和最小值；
遍历点云，将所有点投影到平面图像上，生成初始路面高程特征图像，其中多个点投影到同一像素位置时，保留灰度值较小点；
步骤2.2：处理路面高程特征图像，使之变成行与道路前进方向一致，列与道路横断面方向一致的最终路面高程特征图像；
步骤2.2.1：判断图像行列的大小，初步确定道路大致走向：
行＞列，道路大致为南北走向；
行＜列，道路大致走向为东西走向；
步骤2.2.2：沿道路大致走向对应的行或列获取道路边缘点，计算道路前进方向的方位角；
步骤2.2.3：根据道路方位角对高程特征图像旋转，使道路前进方向对应图像的行，道路横断...

【专利技术属性】
技术研发人员：刘如飞，柴永宁，朱健，王旻烨，马新江，杨雷，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：山东;37