【技术实现步骤摘要】
一种基于结构光的路面车辙精细测量方法
[0001]本专利技术属于路面质量检测和信息自动采集
,特别涉及一种基于结构光的路面车辙精细测量方法。
技术介绍
[0002]车辙是路面由汽车轮胎反复行驶碾压,在车行道轨迹线上产生的永久性变形。近年来随着交通量的迅猛增长和重载、超载情况加剧,车辙成为影响道路使用性能的主要因素之一,不仅直接行车安全性和舒适性,还严重危害道路结构整体性和稳定性,缩短道路使用寿命,增加养护维修成本。
[0003]车辙检测技术主要可分为两类,人工检测和自动化检测。传统基于人工接触式的车辙测量方法,如AASHTO车辙量规、表面高程计、手推式断面仪等,测量效率低、测量精度与准确性受人员影响较大,具有随机性误差,不适用于大规模车辙检测。随着激光技术的快速发展,三维激光技术已经逐渐成熟并开始应用于路面检测领域,目前的自动化检测设备均为激光设备,包括点激光车辙仪和线激光车辙仪。点激光采用三角测距原理,接受方向不可变,每次处理一个点,测量速度慢;线激光通过投射源投射出平面狭缝光,每次投射一个结构光条纹,得到一个截面的深度,但车载线激光易受到车辆颠簸和自身振动的影响,精度大幅降低。因此相对于现有车辙测量设备效率低、误差大的劣势,先进的面结构光3D快照技术为大范围的车辙检测提供了可能。
[0004]面结构光技术通过对道路表面的高帧率快照,得到拍摄面同一瞬时的三维坐标信息,分析可得路面的彩色深度图像,实现了车辙的亚毫米高精度测量,且不受车载振动和颠簸影响,在保证车载大规模测量的同时最大可能满足了精度 ...
【技术保护点】
【技术特征摘要】
1.一种基于结构光的路面车辙精细测量方法,其特征在于,包括:步骤S1,将结构光采集设备安装在检测车上,以俯视角度拍摄待测路面,采集路面点云数据;步骤S2,对所述点云数据进行预处理;步骤S3,对预处理后的点云数据进行x,y平面的二维栅格化处理;步骤S4,提取各栅格内的点云数据的各类特征,并将归一化后的各类特征分别映射为灰度图像;步骤S5,利用图像识别方法识别所述灰度图像中的异常区域作为车辙区域;步骤S6,提取所述车辙区域内的点云数据,以此计算该车辙区域的最大深度、宽度、长度、区域面积以及区域体积作为车辙的评价指标。2.根据权利要求1所述的一种基于结构光的路面车辙精细测量方法,其特征在于:其中,所述路面点云数据至少包含深度信息,即被采集点距离采集设备的距离。3.根据权利要求1所述的一种基于结构光的路面车辙精细测量方法,其特征在于:其中,所述预处理包括去噪和去坡度。4.根据权利要求3所述的一种基于结构光的路面车辙精细测量方法,其特征在于:其中,所述去噪包括以下步骤:步骤S2
‑
1a,计算所述点云数据中每个点到其最近的k个点的平均距离d,并构建集合D{d1,d2,
…
,d
n
};步骤S2
‑
2a,正态拟合集合D{d1,d2,
…
,d
n
},并计算其均值μ和方差σ;步骤S2
‑
2a,取d
i
超出[μ
‑
3σ,μ+3σ]区间的点作为噪声点并剔除。5.根据权利要求4所述的一种基于结构光的路面车辙精细测量方法,其特征在于:其中,所述去坡度的过程如下:步骤S2
‑
1b,取所有点云数据的三维坐标集合O{(x1,y1,z1),(x2,y2,z2),
…
,(x
n
,y
n
,z
n
)};步骤S2
‑
2b,采用最小二乘法拟合集合O,获取对应的三维平面参数k
x
,k
y
,b;步骤S2
‑
3b,计算去坡度后的点云数据三维坐标集合O
′
{(x1,y1,z1‑
k
x
x1‑
k
y
y1‑
b),(x2,y2,z2‑
k
x
x2‑
k
y
y2‑
b),
…
,(x
n
,y
...
【专利技术属性】
技术研发人员:戴振宇,滕丽,李亦舜,杜豫川,操莉,刘成龙,张香,
申请(专利权)人:同济大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。