基于三维激光点云的公路路表大变形沉降快速检测方法技术

本发明专利技术公开了一种基于三维激光点云的公路路表大变形沉降快速检测方法，包括：基于三维激光扫描仪获取公路路表的三维点云数据；对三维点云数据进行点云补全；基于补全后的三维点云数据获取路表沉降数据；将每次检测获取的三维点云数据与路表沉降数据进行存储；通过存储的历史检测数据对单一沉降的发展趋势进行预测，并对沉降分布趋势进行预测。本发明专利技术通过三维激光扫描获取公路的三维点云图，采用点云补全技术将点云图中的缺失点云进行补全，采用三维卷积神经网络对沉降位置进行精准标记，并通过构建坐标系与点云的分布特征展现出单一沉降点的发展变化，同时实现了对单一沉降拓展以及沉降分布趋势的预测。以及沉降分布趋势的预测。以及沉降分布趋势的预测。

【技术实现步骤摘要】
基于三维激光点云的公路路表大变形沉降快速检测方法


[0001]本专利技术属于道路检测领域，特别是涉及一种基于三维激光点云的公路路表大变形沉降快速检测方法。

技术介绍

[0002]在公路建设以及改扩建工程中，路基在施工阶段受到不断增加的填土和施工机械的碾压所产生的庞大荷载以及降雨、地下水、温度等因素的综合影响，将会产生不同程度的沉降；在运营阶段，受路基本身的集中荷载和车辆等其他运动荷载的多种因素影响，也会产生一定程度的沉降，而过大的沉降量和沉降速率可能导致路基失稳甚至破坏，危及工程的施工安全或运营安全，对社会经济发展和人民群众的生命财产安全造构成严重威胁。因此为了保证路表路基的施工安全和在运营阶段的运营安全，需要对路面的沉降情况进行监测。
[0003]现有技术对于公路的检测方法主要是通过卫星定位系统(GPS)和布设水准测网、以及建立地下水动态监测网,通过调查分析地下水开采量、地下水水位埋深和标高、地下水水质变化进行沉降检测，上述方法在检测时没有选取一定量的沉降检测点，检测路段范围较小，检测数据可信度不足，不能够对路面沉降区域的位置以及沉降深度和宽度进行充分检测，也不便于检测后的数据进行备份存储，可能发生数据丢失的情况，同时无法有效地体现沉降的发展变化，无法对沉降的分布趋势进行预测。

技术实现思路

[0004]本专利技术的目的是提供一种基于三维激光点云的公路路表大变形沉降快速检测方法，以解决上述现有技术存在的问题。
[0005]为实现上述目的，本专利技术提供了一种基于三维激光点云的公路路表大变形沉降快速检测方法，包括以下步骤：
[0006]通过三维激光扫描仪对需要检测的公路路表进行扫描，获取公路路表的三维点云图；
[0007]由于三维激光扫描仪的单一视角或少量视角原因，以及公路路表的不可抗因素，导致扫描出的物体存在残缺不全的现象，因此需要对扫描获取后的三维点云数据中点云缺失、点云分布不均的部分进行识别，并进行点云补全处理；
[0008]点云补全的具体步骤包括：根据公路道路的组成部分将三维点云数据中的点云块(点云块为包含不同分布类型的点云集合，例如公路道路中交通标志的点云分布类型与路面的点云分布类型完全不同)进行划分，获取不同分布类型的多组点云块，并统计每组点云块中的点云分布特征；确定点云缺失部分包括的点云块类型，基于点云块类型所对应的点云分布特征对点云残缺部分进行补全。
[0009]在点云补全获得三维点云数据后，即对三维点云数据中道路发生沉降的位置进行标记：
[0010]根据划分后的点云块获取路面点云分布特征与沉降点云分布特征；基于三维卷积神经网络构建沉降识别模型；
[0011]正样本是属于某一类别的样本，负样本指不属于某一类别的样本，采用正负样本可以对公路路表的沉降点进行有效识别，因此将沉降所对应的点云分布特征作为正样本，将路面所对应的点云分布特征作为负样本输入沉降识别模型进行训练；
[0012]将需要检测的三维点云数据输入训练后的沉降识别模型，即可对路面的沉降位置进行识别并输出；
[0013]获取路面的沉降位置后，以公路的道路中心点为原点构建空间直角坐标系，将沉降位置以坐标的形式进行表示并标记。
[0014]将每次检测获取的三维点云数据与路表沉降数据进行存储；
[0015]基于历史存储的所述三维点云数据与所述路表沉降数据对单一沉降的发展趋势进行预测，并对沉降分布趋势进行预测。
[0016]可选地，所述路表沉降数据包括沉降分布数量与沉降分布情况；基于预处理后的三维点云数据获取路表沉降数据的过程包括：
[0017]基于预处理后的三维点云获取路表沉降分布位置；
[0018]基于所述路表沉降分布位置确定沉降分布数量并获取公路沉降分布情况。
[0019]可选地，基于预处理后的三维点云数据获取路表沉降分布位置的过程包括：
[0020]根据划分后的点云块获取路面点云分布特征与沉降点云分布特征；
[0021]基于三维卷积神经网络构建沉降识别模型；
[0022]将所述沉降点云分布特征作为正样本，将所述路面点云分布特征作为负样本输入所述沉降识别模型进行训练；
[0023]将所述三维点云数据输入训练后的沉降识别模型，对路面的沉降位置进行识别并输出；
[0024]以公路的道路中心点为原点构建空间直角坐标系，获取并标记所述沉降位置的坐标。
[0025]可选地，基于所述路表沉降分布位置统计沉降分布数量并获取公路沉降分布情况的过程包括：
[0026]对所述三维点云数据中的空间直角坐标系进行象限划分，将每个划分后的象限进行标号；
[0027]统计每个象限中的沉降分布数量，基于每组标号象限与对应的沉降分布数量获取公路沉降分布情况。
[0028]可选地，基于历史存储的所述三维点云数据与所述路表沉降数据对单一沉降的发展趋势进行预测的过程包括：
[0029]将历史存储的每组所述三维点云数据中的空间直角坐标系基于原点进行重叠；
[0030]基于重叠后每组三维点云数据中的沉降点云分布特征获取沉降扩大的点云坐标；
[0031]基于三维卷积神经网络构建点云扩大预测模型；
[0032]将沉降扩大的点云坐标所对应的每组沉降电云分布特征输入所述点云扩大预测模型，输出沉降的预测分布特征；
[0033]基于所述预测分布特征计算沉降预测值，并根据道路损坏时的沉降点云分布特征
设置阈值；
[0034]重复将所述预测分布特征输入所述点云扩大预测模型进行预测并计算沉降预测值，当所述沉降预测值达到设置的阈值时停止预测，输出重复预测的次数。
[0035]可选地，对沉降分布趋势进行预测的过程包括：
[0036]统计历史存储的路表沉降数据中的公路沉降分布情况，基于所述公路沉降分布情况中每组标号象限的沉降分布数量构建分布趋势预测曲线；
[0037]基于所述分布趋势预测曲线对沉降分布进行趋势预测。
[0038]本专利技术的技术效果为：
[0039]本专利技术提出了一种基于三维激光点云的公路路表沉降检测方法，通过三维激光扫描获取公路的三维点云图，采用点云补全技术将点云图中的缺失点云进行补全，采用三维卷积神经网络对沉降位置进行精确标记，并通过构建坐标系与点云的分布特征展现出单一沉降点的发展变化，同时实现了对单一沉降拓展以及沉降分布趋势的预测。
附图说明
[0040]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0041]图1为本专利技术实施例中的基于三维激光点云的公路路表大变形沉降快速检测方法流程图。
具体实施方式
[0042]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0043]需要说明的是，在附图的流程图示出的步骤可以在诸本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三维激光点云的公路路表大变形沉降快速检测方法，其特征在于，包括以下步骤：基于三维激光扫描仪获取公路路表的三维点云数据；对所述三维点云数据进行预处理；基于预处理后的三维点云数据获取路表沉降数据；将每次检测获取的所述三维点云数据与所述路表沉降数据进行存储；基于历史存储的所述三维点云数据与所述路表沉降数据对单一沉降的发展趋势进行预测，并对沉降分布趋势进行预测。2.根据权利要求1所述的基于三维激光点云的公路路表大变形沉降快速检测方法，其特征在于，对所述三维点云数据进行预处理的过程包括：识别所述三维点云数据中的点云残缺部分，并对所述点云残缺部分进行点云补全；所述点云残缺部分为点云缺失、点云分布不均的部分。3.根据权利要求2所述的基于三维激光点云的公路路表大变形沉降快速检测方法，其特征在于，对所述点云残缺部分进行点云补全的过程包括：根据公路道路的组成部分将所述三维点云数据中的点云块进行划分，获取不同分布类型的多组点云块，并统计每组点云块中的点云分布特征；确定所述点云缺失部分包括的点云块类型，基于所述点云块类型所对应的点云分布特征对所述点云残缺部分进行补全。4.根据权利要求1所述的基于三维激光点云的公路路表大变形沉降快速检测方法，其特征在于，所述路表沉降数据包括沉降分布数量与沉降分布情况；基于预处理后的三维点云数据获取路表沉降数据的过程包括：基于预处理后的三维点云获取路表沉降分布位置；基于所述路表沉降分布位置确定沉降分布数量并获取公路沉降分布情况。5.根据权利要求4所述的基于三维激光点云的公路路表大变形沉降快速检测方法，其特征在于，基于预处理后的三维点云数据获取路表沉降分布位置的过程包括：根据划分后的点云块获取路面点云分布特征与沉降点云分布特征；基于三维卷积神经网络构建沉降识别模型；将所述沉降点云分布特征作...

【专利技术属性】
技术研发人员：李思李，田波，权磊，张盼盼，谢晋德，李立辉，何哲，
申请(专利权)人：交通运输部公路科学研究所，
类型：发明
国别省市：