基于精密三维的全幅构造深度检测方法技术

本发明专利技术涉及路面检测技术领域，提供一种基于精密三维的全幅构造深度检测方法，包括：接收线扫描三维测量传感器获取的道路上各测点的原始路面高程数据和原始路面灰度数据，线扫描三维测量传感器的测量范围覆盖整个车道宽度；从原始路面高程数据和原始路面灰度数据中提取车道范围内的目标路面高程数据和目标路面灰度数据；基于目标路面高程数据和目标路面灰度数据，重建路面三维点云数据；基于重建的路面三维点云数据，结合预设的路面构造深度计算模型，确定路面全幅构造深度。本发明专利技术由于线扫描三维测量传感器的测量范围覆盖整个车道宽度，且去除了车道线及其边缘的数据干扰，因此，最终测量的构造深度能够全面且准确地反映路面全幅构造深度情况。路面全幅构造深度情况。路面全幅构造深度情况。

【技术实现步骤摘要】
基于精密三维的全幅构造深度检测方法


[0001]本专利技术涉及路面检测
，尤其涉及一种基于精密三维的全幅构造深度检测方法。

技术介绍

[0002]道路的构造深度是评价道路安全性的一个重要指标。现有技术主要使用的构造深度评价方法为：首先通过构造深度仪获得轮迹中央的纵断面曲线，再通过理论模型推算路面构造深度。目前采用的构造深度仪通常是由一个加速度传感器和一个点激光测距传感器组成。点激光测距传感器测量车辆与路面的距离，加速度传感器通过两次积分计算该车辆上下振动的距离，从理论上获得路面的纵向高程变化，即纵断面曲线。
[0003]目前，构造深度测量仅检测行车过程中的车轮迹带对应纵向轮廓的构造深度，此种测量方式无法反映路面车道的全幅构造深度情况；另外，检测设备在工作中的检测轨迹受驾驶人员的行车轨迹影响，特别是对路况较差的路段，为了保障自身行车的舒适性和安全性，行车过程中将会故意避开路况较差的轮迹带位置，进而导致测量结果不准确。

技术实现思路

[0004]本专利技术提供一种基于精密三维的全幅构造深度检测方法，用以解决现有技术中构造深度测量技术无法反映路面车道的全幅构造深度，且测量不准确的问题。
[0005]本专利技术提供一种基于精密三维的全幅构造深度检测方法，包括：
[0006]接收线扫描三维测量传感器获取的道路上各测点的原始路面高程数据和原始路面灰度数据，所述线扫描三维测量传感器的测量范围覆盖整个车道宽度；
[0007]从原始路面高程数据和原始路面灰度数据中提取车道范围内的目标路面高程数据和目标路面灰度数据；
[0008]基于所述目标路面高程数据和目标路面灰度数据，重建路面三维点云数据；
[0009]基于重建的路面三维点云数据，结合预设的路面构造深度计算模型，确定路面全幅构造深度。
[0010]根据本专利技术提供的一种基于精密三维的全幅构造深度检测方法，从原始路面高程数据和原始路面灰度数据中提取车道范围内的目标路面高程数据和目标路面灰度数据，包括：
[0011]基于所述原始路面高程数据，利用路面车道线的高程特征和几何尺寸特征，标记潜在的车道线第一区域；
[0012]基于所述原始路面灰度数据，利用路面车道线的反光特性和几何尺寸特征，标记潜在的车道线第二区域；
[0013]结合所述潜在的车道线第一区域和潜在的车道线第二区域，确定当前路面的车道线位置；
[0014]基于当前路面的车道线位置，提取车道范围内的目标路面高程数据和目标路面灰
度数据。
[0015]根据本专利技术提供的一种基于精密三维的全幅构造深度检测方法，基于所述目标路面高程数据和目标路面灰度数据，重建路面三维点云数据，包括：
[0016]基于所述目标路面高程数据和目标路面灰度数据，确定车道范围内的异常高程测点；
[0017]基于非异常高程测点的目标路面高程数据，估计异常高程测点的高程估计数据，以生成有效路面高程数据，所述有效路面高程数据包括：非异常高程测点的目标路面高程数据和所述高程估计数据；
[0018]基于所述有效路面高程数据，重建路面三维点云数据。
[0019]根据本专利技术提供的一种基于精密三维的全幅构造深度检测方法，基于所述目标路面高程数据和目标路面灰度数据，确定车道范围内的异常高程测点，包括：
[0020]基于所述目标路面高程数据，确定车道范围内的初步异常高程测点；
[0021]基于所述目标路面灰度数据和所述初步异常高程测点，确定所述异常高程测点。
[0022]根据本专利技术提供的一种基于精密三维的全幅构造深度检测方法，基于所述目标路面高程数据，确定车道范围内的初步异常高程测点，包括：
[0023]获取所述目标路面高程数据中的高频路面高程信号；
[0024]对任一测点，计算任一测点周围第一预设范围内所有测点的高频路面高程信号的高程均值和高程方差；
[0025]对任一测点，基于对应的高程均值和高程方差计算第一异常高程分割阈值和第二异常高程分割阈值，使第一异常高程分割阈值大于第二异常高程分割阈值；
[0026]对任一测点，其对应的高频路面高程信号在大于第一异常高程分割阈值，或小于第二异常高程分割阈值的情况下，确定所述任一测点为所述初步异常高程测点。
[0027]根据本专利技术提供的一种基于精密三维的全幅构造深度检测方法，基于所述目标路面灰度数据和所述初步异常高程测点，确定所述异常高程测点，包括：
[0028]对任一初步异常高程测点，计算任一初步高程异常测点周围第二预设范围内所有测点的目标路面灰度数据的灰度均值和灰度方差；
[0029]对任一初步异常高程测点，基于对应的灰度均值和灰度方差计算第一异常灰度分割阈值和第二异常灰度分割阈值，使第一异常灰度分割阈值大于第二异常灰度分割阈值；
[0030]对任一初步异常高程测点，其对应的目标路面灰度数据在大于第一异常高程分割阈值，或小于第二异常高程分割阈值的情况下，确定所述任一初步异常高程测点为所述异常高程测点。
[0031]根据本专利技术提供的一种基于精密三维的全幅构造深度检测方法，基于非异常高程测点的目标路面高程数据，估计异常高程测点的高程估计数据，以生成有效路面高程数据，包括：
[0032]对任一异常高程测点，基于所述任一异常高程测点周围预定区域内的非异常高程测点的目标路面高程数据，估计所述任一异常高程测点的高程估计数据；
[0033]将所述高程估计数据和非异常高程测点的目标路面高程数据确定为所述有效路面高程数据。
[0034]根据本专利技术提供的一种基于精密三维的全幅构造深度检测方法，基于重建的路面
三维点云数据，结合预设的路面构造深度计算模型，确定路面全幅构造深度，包括：
[0035]沿行车方向将重建的路面三维点云数据划分为多个一级点云单元；
[0036]将任一所述一级点云单元沿道路宽度方向划分为多个二级点云单元；
[0037]对任一所述一级点云单元中的所有二级点云单元，基于预设的路面构造深度计算模型计算得到所述所有二级点云单元的构造深度，进而得到每个所述一级点云单元的构造深度集合；
[0038]基于所述构造深度集合确定所述路面全幅构造深度。
[0039]根据本专利技术提供的一种基于精密三维的全幅构造深度检测方法，基于所述构造深度集合确定所述路面全幅构造深度，包括：
[0040]基于所述构造深度集合确定：全幅最大构造深度、全幅平均构造深度、全幅加权构造深度、左轮迹构造深度、右轮迹构造深度以及所述构造深度集合至少之一；
[0041]其中，所述全幅最大构造深度为各一级点云单元的构造深度集合中构造深度的最大值；
[0042]所述全幅平均构造深度为各一级点云单元的构造深度集合中构造深度的平均值；
[0043]所述全幅加权构造深度为各一级点云单元的构造深度集合中构造深度的加权平均值；
[0044]所述左轮迹构造深度为左轮迹带对应的二级点云单元本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于精密三维的全幅构造深度检测方法，其特征在于，包括：接收线扫描三维测量传感器获取的道路上各测点的原始路面高程数据和原始路面灰度数据，所述线扫描三维测量传感器的测量范围覆盖整个车道宽度；从原始路面高程数据和原始路面灰度数据中提取车道范围内的目标路面高程数据和目标路面灰度数据；基于所述目标路面高程数据和目标路面灰度数据，重建路面三维点云数据；基于重建的路面三维点云数据，结合预设的路面构造深度计算模型，确定路面全幅构造深度。2.根据权利要求1所述的基于精密三维的全幅构造深度检测方法，其特征在于，从原始路面高程数据和原始路面灰度数据中提取车道范围内的目标路面高程数据和目标路面灰度数据，包括：基于所述原始路面高程数据，利用路面车道线的高程特征和几何尺寸特征，标记潜在的车道线第一区域；基于所述原始路面灰度数据，利用路面车道线的反光特性和几何尺寸特征，标记潜在的车道线第二区域；结合所述潜在的车道线第一区域和潜在的车道线第二区域，确定当前路面的车道线位置；基于当前路面的车道线位置，提取车道范围内的目标路面高程数据和目标路面灰度数据。3.根据权利要求1所述的基于精密三维的全幅构造深度检测方法，其特征在于，基于所述目标路面高程数据和目标路面灰度数据，重建路面三维点云数据，包括：基于所述目标路面高程数据和目标路面灰度数据，确定车道范围内的异常高程测点；基于非异常高程测点的目标路面高程数据，估计异常高程测点的高程估计数据，以生成有效路面高程数据，所述有效路面高程数据包括：非异常高程测点的目标路面高程数据和所述高程估计数据；基于所述有效路面高程数据，重建路面三维点云数据。4.根据权利要求3所述的基于精密三维的全幅构造深度检测方法，其特征在于，基于所述目标路面高程数据和目标路面灰度数据，确定车道范围内的异常高程测点，包括：基于所述目标路面高程数据，确定车道范围内的初步异常高程测点；基于所述目标路面灰度数据和所述初步异常高程测点，确定所述异常高程测点。5.根据权利要求4所述的基于精密三维的全幅构造深度检测方法，其特征在于，基于所述目标路面高程数据，确定车道范围内的初步异常高程测点，包括：获取所述目标路面高程数据中的高频路面高程信号；对任一测点，计算任一测点周围第一预设范围内所有测点的高频路面高程信号的高程均值和高程方差；对任一测点，基于对应的高程均值和高程方差计算第一异常高程分割阈值和第二异常高程分割阈值，使第一异常高程分割阈值大于第二异常高程分割阈值；对任一测点，其对应的高频路面高程信号在大于第一异常高程分割阈值，或小于第二异常高程分割阈值的情况下，确定所述任一测点为所述初步异常高程测点。
6.根据权利要求4所述的基于精密三维的全幅构造深度检测方法，其特征在于，基于所述目标路面灰度数据和所述初步异常高程测点，确定所述异常高程测点，包括：对任一初步异常高程测点，计算任一初步高程异常测点周围第二预设范围内所有测点的目标路面灰度数据的灰度均值和灰度方差；对任一初步异常高程测点，基于对应的灰度均值和灰度方差计算第一异常灰度分割阈值和第二异常灰度分割阈值，使第一异常灰度分割阈值大于第二异常灰度分割阈值；对任一初步异常高程测点，其对应的目标路面灰度数据在大于第一异常高程分割阈值，或小于第二异常高程分割阈值的情况下，确定所述任一初步异常高程测点为所述异常高程测点。7.根据权利要求3所述的基于精密三维的全幅构造深度检测方法，...

【专利技术属性】
技术研发人员：李清泉，曹民，林红，
申请(专利权)人：武汉光谷卓越科技股份有限公司，
类型：发明
国别省市：