一种基于关键渗水点识别的路面渗水性能评估方法技术

本发明专利技术涉及一种基于关键渗水点识别的路面渗水性能评估方法，包括以下步骤：S1：测量并获取无破损路面和路面上关键渗水点的平均渗水系数；S2：检测并获取路面的三维点云数据；S3：对三维点云数据进行数字图像处理，识别关键渗水点；S4：计算识别到的关键渗水点的参数信息；S5：根据平均渗水系数和关键渗水点的参数信息构建路面渗水性能评价模型，对路面渗水性能进行评估。与现有技术相比，本发明专利技术为传统渗水检测引入新的信息源，以减缓沥青路面受到水损坏的风险，为预防性养护提供全新的视角，无需破坏现有路面获取、采集的数据点多，评估准确性高，受环境约束小，能够满足日常使用，更好地评估路面的整体渗水性能。好地评估路面的整体渗水性能。好地评估路面的整体渗水性能。

【技术实现步骤摘要】
一种基于关键渗水点识别的路面渗水性能评估方法


[0001]本专利技术涉及路面渗水性能评估领域，尤其是涉及一种基于关键渗水点识别的路面渗水性能评估方法。

技术介绍

[0002]沥青路面的渗水性能是衡量沥青路面质量的重要标准之一，路面内部的孔隙水是路面早期水损坏的主要成因。由于动水压力将路表面的水通过孔隙挤进路面，对沥青和骨料的连接处进行侵蚀，直至沥青膜逐渐从集料的表面剥离，骨料开始松散，丧失集料之间的粘结力，沥青层的结构强度变低，出现沥青迁移现象，导致路面泛油、剥落、甚至出现坑槽。
[0003]传统的路面渗水性能评估方法主要有三种，渗水试验法、CT扫描法、红外差热法。渗水仪试验法通过测量单位时间内路面渗水的体积来求得渗水系数，然而该方法费时费力、效率低下，易因为密封性不良导致试验失败，且采用以点代面的方法，在一段路中随机抽取三个试验点进行渗水试验并取其均值作为整个路段的渗水系数指标。CT扫描法通过解析沥青混合料内部结构与渗流的关系预估渗水系数，然而，CT扫描是有损检测，需要对路面进行采样，耗时费力且破坏原有的路面结构，不适合已建成路面的检测。红外差热法受到温度、日照、温差等因素影响，受环境因素约束大，不能满足日常性地使用。

技术实现思路

[0004]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于关键渗水点识别的路面渗水性能评估方法。
[0005]本专利技术的目的可以通过以下技术方案来实现：
[0006]一种基于关键渗水点识别的路面渗水性能评估方法，包括以下步骤：
[0007]S1：测量并获取无破损路面和路面上关键渗水点的平均渗水系数；
[0008]S2：检测并获取路面的三维点云数据；
[0009]S3：对三维点云数据进行数字图像处理，识别关键渗水点；
[0010]S4：计算识别到的关键渗水点的参数信息；
[0011]S5：根据平均渗水系数和关键渗水点的参数信息构建路面渗水性能评价模型，对路面渗水性能进行评估。
[0012]优选地，所述的步骤S4中获取的关键渗水点的参数信息包括关键渗水点的面积相对于总的被测路面的占比和关键渗水点的空间分布特征系数。
[0013]优选地，所述的步骤S5以关键渗水点的面积相对于总的被测路面的占比、关键渗水点的空间分布特征系数为权重进行加权平均，获取路面渗水性能评价模型。
[0014]优选地，所述的路面渗水性能评价模型为：
[0015]C
w
＝C
w0
+P
Q
×
C
w1
[0016]其中，C
w
为路面渗水系数，C
w0
为无破损路面的平均渗水系数，C
w1
为关键渗水点的平均渗水系数，P为关键渗水点的面积相对于总的被测路面的占比，Q为关键渗水点的空间分
布特征系数。
[0017]优选地，所述的关键渗水点的空间分布特征系数的获取方法包括：将S3中获取的带有关键渗水点识别结果的三维点云数据网格化，将三维点云数据中被检测为关键渗水点区域的区域赋值为1，其余赋值为0获取网格化数据，网格化数据的二维熵值即为关键渗水点的空间分布特征系数。
[0018]优选地，所述的关键渗水点的空间分布特征系数的计算公式为：
[0019][0020][0021]其中，N为网格化数据中包含的3
×
3网格的总数，不同的3
×
3网格间可以有重叠部分，n
i
为第i种3
×
3网格的(0，1)分布形式出现的频次，P
i
为第i种3
×
3网格(0，1)分布形式出现的频率。
[0022]优选地，所述的步骤S1中的关键渗水点包括出现骨料剥落、微裂缝、微坑槽的沥青路面。
[0023]优选地，所述的S2使用三维激光扫描设备对路面进行扫描，获取路面的三维点云数据。
[0024]优选地，所述的步骤S3具体包括：
[0025]S31：对三维点云数据进行预处理；
[0026]S32：采用数字图像处理方法对三维点云数据进行处理，识别关键渗水点。
[0027]优选地，所述的S31具体包括：
[0028]S311：对三维点云数据进行网格化操作，按一定间隔对三维点云数据进行网格化，将空间上分散的数值转换成规则分布的网格数值，压抑局部噪音，弥补空白网格的数值；
[0029]S312：对三维点云数据进行插值操作，填充三维点云数据中的缺失值，填充数据间的空隙，增加点云密度数据，保证三维点云数据的连续性；
[0030]S313：对三维点云数据进行滤波降噪操作，采用二维滤波方法处理去除数据中突变的异常值，降低三维点云数据中的噪声点。
[0031]优选地，所述的S313中的二维滤波方法为中值滤波、均值滤波、高斯滤波中的一种。
[0032]优选地，所述的步骤S32具体包括：
[0033]S321：应用二维小波分解三维点云数据，将三维纹理中的高频部分分解并剥离，以达到去除微观纹理的目的；
[0034]S322：应用边缘检测算法处理图像，计算梯度幅值图像和角度图像，对梯度幅值图像应用非最大抑制，用双阈值处理和连接分析来检测并连接边缘，找到所有的关键渗水点的真实边缘；
[0035]S323：应用图像分割算法，将检测到的异常区域通过边界与原图像分离开。
[0036]与现有技术相比，本专利技术具有以下优点：
[0037](1)本专利技术针对路面早期表面破损结合其渗水特性，定义关键渗水点，获取无破损路面和关键渗水点的平均渗水系数，并对路面进行三维激光扫描，构建新的渗水性能评价
模型，为传统渗水检测引入新的信息源，以减缓沥青路面受到水损坏的风险，为预防性养护提供全新的视角，无需破坏现有路面获取、采集的数据点多，评估准确性高，受环境约束小，能够满足日常使用，更好地评估路面的整体渗水性能；
[0038](2)本专利技术在对路面的三维点云数据进行处理时，先进行预处理，进行网格化、插值、滤波降噪等操作，有效降低数据的噪声，提高数据的连续性，降低突变点的异常值，提高后续数字图像处理时的处理效率和处理准确性，提高本专利技术对关键渗水点的识别效果；
[0039](3)本专利技术基于二维小波分解、边缘检测算法、图像分割算法对关键渗水点图像进行分析、识别、分割，获取关键渗水点的参数信息，便于后续评价模型的建立，本专利技术对路面渗水性能的评估准确性和评估效率；
[0040](4)本专利技术基于关键渗水点的参数信息对路面渗水性能进行评估，关键渗水点的参数信息关键渗水点的面积相对于总的被测路面的占比和关键渗水点的空间分布特征系数，有效提高路面渗水性能评价模型的可靠性和准确性。
附图说明
[0041]图1为本专利技术的流程图；
[0042]图2为本专利技术激光三维相机获取的路面的三维点云数据；
[0043]图3为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于关键渗水点识别的路面渗水性能评估方法，其特征在于，包括以下步骤：S1：测量并获取无破损路面和路面上关键渗水点的平均渗水系数；S2：检测并获取路面的三维点云数据；S3：对三维点云数据进行数字图像处理，识别关键渗水点；S4：计算识别到的关键渗水点的参数信息；S5：根据平均渗水系数和关键渗水点的参数信息构建路面渗水性能评价模型，对路面渗水性能进行评估。2.根据权利要求1所述的一种基于关键渗水点识别的路面渗水性能评估方法，其特征在于，所述的步骤S4中获取的关键渗水点的参数信息包括关键渗水点的面积相对于总的被测路面的占比和关键渗水点的空间分布特征系数。3.根据权利要求2所述的一种基于关键渗水点识别的路面渗水性能评估方法，其特征在于，所述的步骤S5以关键渗水点的面积相对于总的被测路面的占比、关键渗水点的空间分布特征系数为权重进行加权平均，获取路面渗水性能评价模型。4.根据权利要求3所述的一种基于关键渗水点识别的路面渗水性能评估方法，其特征在于，所述的路面渗水性能评价模型为：C
w
＝C
w0
+P
Q
×
C
w1
其中，C
w
为路面渗水系数，C
w0
为无破损路面的平均渗水系数，C
w1
为关键渗水点的平均渗水系数，P为关键渗水点的面积相对于总的被测路面的占比，Q为关键渗水点的空间分布特征系数。5.根据权利要求4所述的一种基于关键渗水点识别的路面渗水性能评估方法，其特征在于，所述的关键渗水点的空间分布特征系数的获取方法包括：将S3中获取的带有关键渗水点识别结果的三维点云数据网格化，将三维点云数据中被检测为关键渗水点区域的区域赋值为1，其余赋值为0获取网格化数据，网格化数据的二维熵值即为关键渗水点的空间分布特征系数。6.根据权利要求5所述的一种基于关键渗水点识别的路面渗水性能评估方法，其特征在于，所述的关键渗水点的...

【专利技术属性】
技术研发人员：杜豫川，翁梓航，林雨超，吴荻非，刘成龙，
申请(专利权)人：同济大学，
类型：发明
国别省市：