CN101089548B - 路面车辙三维信息检测方法 - Google Patents
路面车辙三维信息检测方法 Download PDFInfo
- Publication number
- CN101089548B CN101089548B CN200710072471A CN200710072471A CN101089548B CN 101089548 B CN101089548 B CN 101089548B CN 200710072471 A CN200710072471 A CN 200710072471A CN 200710072471 A CN200710072471 A CN 200710072471A CN 101089548 B CN101089548 B CN 101089548B
- Authority
- CN
- China
- Prior art keywords
- road surface
- dimensional
- pavement
- information
- laser instrument
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
路面车辙三维信息检测方法。它解决了现有技术中的信息不准确,误差源多,结构复杂,无法准确还原路面横断面轮廓的问题,它的三维结构光视觉检测组件输出端连处理系统输入端;三维结构光视觉检测组件横向排列在车底部,三维结构光视觉检测组件的结构光激光器的结构光条覆盖横向路面,三维结构光视觉检测组件的面阵CCD的摄像头朝向结构光激光器的下方地面。其方法是:一、结构光激光器的结构光条被路面三维信息调制后,在面阵CCD上成像,获取路面信息,通过关系进行计算;二、滤波去除病害影响;三、采用虚拟直尺计算参数;四、数据存储、分析和显示。其优点是提取的横向轮廓完整准确,结构简单。通过数据处理,消除路面病害的影响。
Description
技术领域
本发明涉及一种车辙检测方法。
背景技术
路面是公路的重要组成部分,随着公路通车里程数和重型车数量的增加,车轮轮迹在路面形成的车辙成为影响公路使用性能的主要因素之一。车辙变形产生的“沟槽效应”,引起车体倾斜、颠簸,加速了车辆的损坏。雨后车辙积水,严重影响车辆的可操纵性和稳定性,甚至会引发交通事故。因此,如何对车辙指标进行准确、高效的检测和评价,一直是公路管理部门十分关注的问题。
路面车辙自动检测技术在国际上已经取得很大进步,有多种产品问世。美国ICC、South Dakota DOT、澳大利亚ARRB等公司均能生产车载式车辙自动测量仪。这类仪器可对车辙进行高速、连续的测量,具有自动化程度高、操作安全、不影响交通等优点,在国外已得到广泛应用。但这类车载式车辙自动测量仪测量时多采用分立高程测量技术,需要多个距离传感器(常用7个传感器,横向漏测间隔达半米以上,即使用20多个传感器其间隔也达15公分以上)来测量路面车辙信息,主要通过两种方法来进行测量,一种方法是根据这多个距离传感器测得的多个路面高程值,直接确定路面车辙参数,这种方法的缺点是很难保证测量数据的可靠性、一致性和重复性;另一种方法,利用多个距离传感器采集得到的离散点拟合出的路面横向轮廓曲线,根据拟合曲线来计算出车辙等参数,这种方法的缺点是由于采样点少,拟合出的路面横向轮廓一般与真实轮廓差别很大,测量误差很难控制,计算得到的路面车辙参数不准确,重复性差。总的来说,这种采用分立高程测量车辙的方法,往往需要多组激光距离传感器,误差源多,实现复杂,采集的数据容易受到路面其他病变影响,计算得到的路面车辙参数不准确,重复性差。
我国大部分地区对车辙变形数据的获取仍然停留在对典型断面的抽样测量和手工操作的水平,常用3m直尺来获取路面横向车辙信息。这种检测手段落后,随意性大,受主观因素影响多,评价方法不准确、不科学,并且速度慢、危险性大。近年来我国部分单位也陆续开展了车辙自动测量技术的研究,并取得一定进展,如南京理工大学研制的多功能路面智能检测车。该系统采用等高程摆动激光扫描测距法,用于对路面横向车辙形状和深度的精密测量。该系统以激光三角法测量为基础,控制激光摆动的装置结构复杂,获取的路面横向轮廓信息由于车速的影响,不是准确的横向轮廓,在路面上是一条之字形的断面,甚至是一条曲线;另外在测量过程中,还存在保持同一基准的问题。
此外,现有的路面车辙检测技术都没有考虑路面其他病变对数据的影响,未进行相应的处理,从而产生计算错误。
发明内容
本发明为了解决现有路面车辙检测技术中的数据信息不准确,误差源多,结构复杂,无法准确还原路面横断面轮廓的问题,而提出的一种路面车辙三维信息检测方法。
本发明方法所采用的检测装置由处理系统2、三维结构光视觉检测组件3组成;三维结构光视觉检测组件3的输出端连接在处理系统2的输入端;三维结构光视觉检测组件3横向排列在车体1底部的横截面上,三维结构光视觉检测组件3由结构光激光器3-2和面阵CCD3-1组成,结构光激光器3-2发出的结构光条覆盖横向路面,面阵CCD3-1的摄像头朝向结构光激光器3-2的下方路面4,以拍摄结构光激光器3-2投射到路面4处覆盖横向路面的光条图像;处理系统2位于车体1内。
本发明的方法有以下步骤实现:
步骤一:车体1在行进中,结构光激光器3-2发出的结构光条投射到待检测路面4上,该结构光条被路面三维信息调制后在面阵CCD3-1上成像,从而获取路面数据信息,并根据标定确定CCD二维图像坐标系和世界三维坐标系之间的关系,通过处理系统2计算路面光条位置的三维信息;
步骤二:在得到路面光条位置的三维信息的基础上,采用滤波的方法,消除裂缝的影响;
步骤三:采用基于straight-edge模型的虚拟直尺算法,实现路面车辙深度、宽度、位置的指标参数计算;
步骤四:数据存储、分析和显示。
本发明基于结构光三维视觉检测原理设计而成,可对路面进行全车道高速扫描,得到连续的、完全真实的横向断面曲线。比前现有的分立高程测量方法具有简单、精度较高、误差源少的优点。由于结构光三维视觉检测的特点,可得到连续的路面横向轮廓。并进一步辅以相应的数据处理软件,采用中值滤波和小波变换相结合的方法,消除裂缝等路面其他病害的影响;同时基于路面车辙现场测试规程,提出了针对straight-edge模型的虚拟直尺算法,实现了路面车辙深度、位置指标参数计算。
本方法克服了用分立高程测量方法拟合路面横向断面曲线不准确的缺点,数据可靠性高,重复性好;与南京理工大学的多功能路面智能检测车采用的等高程摆动激光扫描测距法相比,本方法结构简单,提取的路面横向轮廓完整准确,检测效率高,不存在高度基准不一致的问题。
本发明的优点是提取的路面横向轮廓完整准确,结构简单,检测效率高。通过相应的数据处理算法,有效消除路面其它病害的影响,得到准确的路面车辙特征参数,数据可靠,重复性好。
附图说明
图1是本发明的结构示意图;图2是实施方式四的示意图;图3是本发明图像采集原理示意图;图4是基于straight-edge模型的虚拟直尺示意图。
具体实施方式
具体实施方式一:结合图1、图2和图3说明本实施方式,本实施方式由处理系统2、三维结构光视觉检测组件3组成;三维结构光视觉检测组件3的输出端连接在处理系统2的输入端;三维结构光视觉检测组件3横向排列在车体1底部的横截面上,三维结构光视觉检测组件3由结构光激光器3-2和面阵CCD3-1组成,结构光激光器3-2发出的结构光条覆盖横向路面,面阵CCD3-1的摄像头朝向结构光激光器3-2的下方路面4,以拍摄结构光激光器3-2投射到路面4处覆盖横向路面的光条图像;处理系统2位于车体1内。
具体实施方式二:结合图1说明本实施方式,本实施方式与具体实施方式一不同点在于处理系统2由图像采集卡2-1和计算机2-2组成;面阵CCD3-1的输出端连接图像采集卡2-1的输入端,图像采集卡2-1连接于计算机2-2内部。图像采集卡2-1采用北京嘉恒中自的OK_M20A,计算机2-3采用台湾研华工控机。其它组成和连接方式与具体实施方式一相同。
具体实施方式三:本实施方式与具体实施方式一不同点在于面阵CCD3-1采用单目面阵CCD或双目面阵CCD;其它组成和连接方式与具体实施方式一相同。
具体实施方式四:结合图2说明本实施方式,本实施方式与具体实施方式一不同点在于车底部1的横向水平面上有至少一个三维结构光视觉检测组件3,以采集整个横向路面的信息数据;其它组成和连接方式与具体实施方式一相同。
具体实施方式五:本实施方式与具体实施方式一不同点在于三维结构光视觉检测组件3放置在车体1底部的中部、前部或后部。其它组成和连接方式与具体实施方式一相同。
具体实施方式六:本实施方式的步骤如下:
步骤一:车体1在行进中,结构光激光器3-2发出的结构光条投射到待检测路面4上,该结构光条被路面三维信息调制后在面阵CCD3-1上成像,从而获取路面数据信息,并根据标定确定的CCD二维图像坐标系和世界三维坐标系之间的关系矩阵,通过处理系统2计算路面光条位置的三维信息;三维结构光视觉检测组件3提取的是连续的整个横向轮廓的信息,该信息包括路面车辙和其他路面特征信息;
步骤二:在得到路面光条位置的三维信息的基础上,采用滤波的方法,消除裂缝等路面其他病害的影响;
步骤三:采用基于straight-edge模型的虚拟直尺算法,实现路面车辙深度、宽度、位置的指标参数计算;
步骤四:数据存储、分析和显示。
具体实施方式七:本实施方式与具体实施方式六不同点在于步骤一中确定CCD二维图像坐标系和世界三维坐标系之间的关系是;首先设定空间三维坐标点的齐次坐标M=(X,Y,Z,1)T,其对应的二维图像点齐次坐标m=(x,y,l)T;其次面阵CCD3-1为理想的小孔成像模型;则根据下述关系式,可以确定CCD二维光条图像坐标和其对应的世界三维坐标之间的关系:
aX+bY+cZ+d=0 ①
λm=ρM=A(RT)M ②
公式①为光平面方程;公式②中的λ,ρ代表任意比例因子,即射影深度;(R,T)称为摄像机的外部参数,R是旋转矩阵,T是平移矩阵;A称为摄像机的内部参数;计算出路面三维信息;其它步骤与具体实施方式六相同。
具体实施方式八:本实施方式与具体实施方式六不同点在于步骤二中滤波方法为线性和非线性滤波相结合的方法,其目的是消除噪声和其他路面病害数据的影响。其它步骤与具体实施方式六相同。
具体实施方式九:本实施方式与具体实施方式八不同点在于线性和非线性滤波相结合的方法采用小波变换和中值滤波相结合。其它步骤与具体实施方式八相同。
Claims (4)
1.路面车辙三维信息检测方法,该方法所采用的检测装置由处理系统(2)、三维结构光视觉检测组件(3)组成;三维结构光视觉检测组件(3)的输出端连接在处理系统(2)的输入端;车体(1)底部的横向水平面上有一个三维结构光视觉检测组件(3);三维结构光视觉检测组件(3)由结构光激光器(3-2)和面阵CCD(3-1)组成,结构光激光器(3-2)发出的结构光条覆盖横向路面,面阵CCD(3-1)的摄像头朝向结构光激光器(3-2)的下方路面(4),以拍摄结构光激光器(3-2)投射到路面(4)处覆盖横向路面的光条图像;处理系统(2)位于车体(1)内;
其特征在于它的步骤如下:
步骤一:车体(1)在行进中,结构光激光器(3-2)发出的结构光条投射到待检测路面(4)上,该结构光条被路面三维信息调制后在面阵CCD(3-1)上成像,从而获取路面数据信息,并根据标定确定CCD二维图像坐标系和世界三维坐标系之间的关系,通过处理系统(2)计算路面光条位置的三维信息;三维结构光视觉检测组件(3)提取的是连续的整个横向轮廓的信息,该信息包括路面车辙和其他路面特征信息;
步骤二:在得到路面光条位置的三维信息的基础上,采用滤波的方法,消除裂缝的影响;
步骤三:采用基于straight-edge模型的虚拟直尺算法,实现路面车辙深度、宽度、位置的指标参数计算;
步骤四:数据存储、分析和显示。
2.根据权利要求1所述的路面车辙三维信息检测方法,其特征在于步骤一中确定CCD二维图像坐标系和世界三维坐标系之间的关系是:首先设定空间三锥坐标点的齐次坐标M=(X,Y,Z,1)T,其对应的二维图像点齐次坐标m=(x,y,1)T;其次面阵CCD(3-1)为理想的小孔成像模型;则根据下述关系式,确定CCD二维光条图像坐标和其对应的世界三维坐标之间的关系:
aX+bY+cZ+d=0 ①
λm=ρM=A(RT)M ②
公式①为光平面方程;公式②中的λ,ρ代表任意比例因子,即射影深度;(R,T)称为摄像机的外部参数,R是旋转矩阵,T是平移矩阵;A称为摄像机的内部参数;计算出路面三维信息。
3.根据权利要求1所述的路面车辙三维信息检测方法,其特征在于步骤二中滤波方法为线性和非线性滤波相结合的方法。
4.根据权利要求3所述的路面车辙三维信息检测方法,其特征在于线性和非线性滤波相结合的方法采用小波变换和中值滤波相结合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200710072471A CN101089548B (zh) | 2007-07-06 | 2007-07-06 | 路面车辙三维信息检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200710072471A CN101089548B (zh) | 2007-07-06 | 2007-07-06 | 路面车辙三维信息检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101089548A CN101089548A (zh) | 2007-12-19 |
CN101089548B true CN101089548B (zh) | 2010-05-26 |
Family
ID=38942986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200710072471A Active CN101089548B (zh) | 2007-07-06 | 2007-07-06 | 路面车辙三维信息检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101089548B (zh) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102175148A (zh) * | 2011-01-25 | 2011-09-07 | 余韵致 | 基于小孔成像原理的三维物体空间测量装置 |
CN102359056B (zh) * | 2011-07-20 | 2013-07-10 | 东南大学 | 一种沥青路面数据的检测方法 |
CN102706880B (zh) * | 2012-06-26 | 2014-04-02 | 哈尔滨工业大学 | 基于二维图像和深度信息的路面信息提取装置及使用该装置实现路面裂纹信息的检测方法 |
CN103292736B (zh) * | 2013-06-09 | 2015-09-02 | 武汉科技大学 | 基于显微视觉的沥青路面微观形貌特征识别方法与装置 |
CN103886594B (zh) * | 2014-03-19 | 2015-08-19 | 武汉工程大学 | 路面线激光车辙检测与识别方法及处理系统 |
CN104048603B (zh) * | 2014-06-20 | 2017-05-17 | 南京理工技术转移中心有限公司 | 一种列阵激光标线‑面阵ccd高分辨大视场测量系统与方法 |
DE102014212032A1 (de) * | 2014-06-24 | 2015-12-24 | Robert Bosch Gmbh | Verfahren zum Detektieren einer Fahrbahn und entsprechendes Detektionssystem |
CN104239628B (zh) * | 2014-09-10 | 2016-11-30 | 长安大学 | 一种检测车辆横向偏移对车辙深度误差的模拟分析方法 |
CN104361627B (zh) * | 2014-11-07 | 2017-11-28 | 武汉科技大学 | 基于sift的双目视觉沥青路面微观纹理三维图像重构方法 |
CN104574393B (zh) * | 2014-12-30 | 2017-08-11 | 北京恒达锦程图像技术有限公司 | 一种三维路面裂缝图像生成系统和方法 |
CN104878679B (zh) * | 2015-05-25 | 2017-06-13 | 上海翌森信息科技有限公司 | 一种车载车辙实时检测系统及检测方法 |
CN106500645A (zh) * | 2016-12-20 | 2017-03-15 | 吉林大学 | 可调式汽车车辙深度测量仪 |
CN106758714B (zh) * | 2016-12-30 | 2019-05-31 | 中公高科养护科技股份有限公司 | 一种多点共梁车辙检测装置的标定方法及横断面确定方法 |
CN108664715B (zh) * | 2018-04-26 | 2022-03-29 | 长安大学 | 一种路面积水车辙三维评价与行车安全分析方法 |
CN108564621B (zh) * | 2018-04-28 | 2021-09-24 | 中国科学院电子学研究所 | 用于车辙检测的结构光光条中心提取方法及装置 |
CN108871243A (zh) * | 2018-09-18 | 2018-11-23 | 中公高科养护科技股份有限公司 | 一种车辙检测装置的安装参数的标定方法及系统 |
CN110306413A (zh) * | 2018-11-30 | 2019-10-08 | 武汉滨湖电子有限责任公司 | 一种基于单目测量的高精度车辙测量装置及测量方法 |
CN110674732B (zh) * | 2019-09-21 | 2022-06-07 | 福建农林大学 | 一种融合多元数据的沥青路面车辙三维尺寸自动检测及定位方法 |
CN111678430B (zh) * | 2020-04-20 | 2022-05-24 | 上海城建城市运营(集团)有限公司 | 一种道路几何线型和路面三维结构重构系统及重构方法 |
CN111855664B (zh) * | 2020-06-12 | 2023-04-07 | 山西省交通科技研发有限公司 | 一种可调节隧道病害三维检测系统 |
CN112815868A (zh) * | 2021-01-05 | 2021-05-18 | 长安大学 | 一种路面三维检测方法 |
CN114481767A (zh) * | 2022-01-20 | 2022-05-13 | 云南省公路科学技术研究院 | 一种多功能路面状况激光三维检测方法 |
CN115578430B (zh) * | 2022-11-24 | 2023-04-07 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种路面车辙病害的三维重构方法、电子设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4700223A (en) * | 1985-06-07 | 1987-10-13 | Kokusai Kogyo Co., Ltd. | Vehicle for evaluating properties of road surfaces |
-
2007
- 2007-07-06 CN CN200710072471A patent/CN101089548B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4700223A (en) * | 1985-06-07 | 1987-10-13 | Kokusai Kogyo Co., Ltd. | Vehicle for evaluating properties of road surfaces |
Also Published As
Publication number | Publication date |
---|---|
CN101089548A (zh) | 2007-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101089548B (zh) | 路面车辙三维信息检测方法 | |
CN100573043C (zh) | 路面平整度自动检测方法 | |
CN104567708B (zh) | 基于主动式全景视觉的隧道全断面高速动态健康检测装置与方法 | |
CN101694084B (zh) | 地面车载移动检测系统 | |
CN103758017B (zh) | 路面高程三维网格数值检测方法与检测系统 | |
CN106978774B (zh) | 一种路面坑槽自动检测方法 | |
CN103644896B (zh) | 一种基于三维激光扫描的工程地质测绘方法 | |
CN111855664A (zh) | 一种可调节隧道病害三维检测系统 | |
CN202533046U (zh) | 一种道路路面构造深度的激光路面检测装置 | |
CN106296814B (zh) | 公路养护检测与可视化交互方法和系统 | |
CN109269466A (zh) | 基于特征点的靶面相对位姿测量方法及系统 | |
Staniek | Stereo vision method application to road inspection | |
CN107576432A (zh) | 一种动态裂纹尖端应力场量测方法及装置 | |
CN111272139B (zh) | 一种基于单目视觉的车辆长度测量方法 | |
CN102635056A (zh) | 一种沥青路面构造深度的测量方法 | |
CN103290768A (zh) | 平整度测量仪及测量方法 | |
CN2938028Y (zh) | 路面平整度测量装置 | |
CN203310400U (zh) | 限界检测系统 | |
CN204286379U (zh) | 一种用于测量路面平整度的装置 | |
Dan et al. | An improved computation method for asphalt pavement texture depth based on multiocular vision 3D reconstruction technology | |
CN107792116B (zh) | 一种便携式接触轨检测装置及检测方法 | |
CN106767421B (zh) | 基于多目视觉的动车车身关键尺寸检测系统解决方案 | |
CN104180756A (zh) | 激光位移传感器测对接件相对位移的方法 | |
CN103234483B (zh) | 一种相机芯片平行度的检测方法及装置 | |
CN101470080A (zh) | 基于结构光投射的表面形状图象检测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |