CN102967561B - 一种后向多波长红外光谱非接触式路面状况检测方法 - Google Patents

Abstract

本发明涉及一种后向多波长红外光谱非接触式路面状况检测方法，属于红外光谱应用技术领域。本发明基于水、冰、雪的红外光谱特性实现了路面状况的非接触测量，首先将筛选出来的三个不同波长的红外光通过发射透镜照射目标物形成照射面，然后接收经过照射面反射及吸收和散射后的光信号，根据信号的大小关系可以判别路面状态，最后利用相应的厚度计算公式计算覆盖物的厚度，从而检测出路面的状况。与接触式检测方法相比，本发明实测面积大，数据更真实，目标更直接，从而检测结果更加准确。

Description

一种后向多波长红外光谱非接触式路面状况检测方法

技术领域

本发明涉及一种后向多波长红外光谱非接触式路面状况检测方法，属于红外光谱应用技术领域。

背景技术

现有的路面状态检测方法最多的是嵌入路面的接触式检测方法，使用复杂，需要把检测器件切割路面埋入地下，一次埋入，不能取出，维护困难，破坏路面，限制了接触式路面状况检测方法的应用推广；接触式检测过程中由于检测器件长期受压会沉陷于路面，从而使测量结果出现偏差，不能检测真实路表状况，接触式路面状况检测方法检测的是路面和覆盖物底面的物质，不能真实反映机车接触面的状况。

发明内容

本发明的目的是提供一种后向多波长红外光谱非接触式路面状况检测方法，以解决目前接触式路面状况检测方法由于检测的是路面和覆盖物底面的物质，不能真实反应机车接触面的状况的问题。

本发明为解决上述技术问题而提供一种后向多波长红外光谱非接触式路面状况检测方法，该检测方法的步骤如下：

1）.根据水吸收光谱、冰吸收光谱和雪散射光谱分别筛选各自对应的红外光波段；

2）.将筛选出各波段的红外光分别通过发射透镜照射目标物路面，形成相对平行的照面；

3）.利用接收透镜接收相对平行照明的反射光线，并将接收到的光信号转换为电信号；

4）.将接收到的三个信号的大小关系判断覆盖物的种类；

5）.根据判断的覆盖物种类利用相应的厚度计算公式以计算覆盖物厚度，从而判断出照射目标物的路面状况。

所述步骤1）中筛选出来的三个红外光的波段分别为1280～1340nm、1400～1460nm和1500～1560nm。

所述步骤5）中的厚度计算公式为：

Ln(os/dp)=εd+k

其中dp为干信号，os为有覆盖物时的光信号，d为覆盖物厚度，ε为吸光系数，k为常数，受路面条件影响。

所述步骤5）在计算覆盖物厚度时加入了干扰数据剔除算法，该算法利用分段统计方法实现，用于将由车辆行人引起的少量突变信号剔除。

所述厚度计算公式中干信号dp是通过计算一定时间内干燥路面反射的光信号的平均值得到的。

本发明的有益效果是:本发明基于水、冰、雪的红外光谱特性实现了路面状况的非接触测量，首先将筛选出来的三个不同波长的红外光通过发射透镜照射目标物形成照射面，然后接收经过照射面反射及吸收和散射后的的光信号，根据信号的大小关系可以判别路面状态，最后利用相应的厚度计算公式计算覆盖物的厚度，从而检测出路面的状况。与接触式检测方法相比，本发明实测面积大，数据更真实，目标更直接，从而检测结果更加准确。

附图说明

图1是本发明后向多波长红外光谱非接触式路面状况检测方法的检测光路示意图；

图2是本发明后向多波长红外光谱非接触式路面状况检测方法的检测原理示意图。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步的说明。

本发明是基于水、冰、雪的红外光谱特性实现了路面状况的非接触测量，一旦路面潮湿、积水、结冰、积雪，入射光由于照面表面反射及水分子和固体颗粒对光信号的吸收和散射共同作用，实测到的三个后向散射光信号表现出不同的特点，根据三个信号的大小关系可以判别路面状态，根据判断的覆盖物种类进入不同的厚度计算公式；然后根据物质的吸光度可以计算覆盖物厚度，测量理论基础为修正的朗伯-比尔定律，本发明采用三波长测量能够减小覆盖物颗粒度等引起的测量误差，比单波长进行更精确的测量。其具体步骤如下：

1.根据水吸收光谱、冰吸收光谱、雪散射光谱筛选出三个波长为λ₁＝1280～1340nm、λ₂=1400～1460nm和λ₃=1500～1560nm的红外光，用于作为检测路面状况的红外光源。

2.将筛选出来的三个不同波长的红外光通过发射透镜照射目标物，形成三个相对平行的照面，照面表面反射及水分子和固体颗粒对光信号进行吸收和散射。

3.利用接收透镜接收三个相对平行照面的反射及水分子和固体颗粒对光信号的吸收和散射后的光线。

4.根据接收到的三个信号的大小关系判断覆盖物的种类，实测到的后向散射信号的表现如下，其中水对三个波长的主要为反射和吸收，后向散射系数ε₁₁>ε₁₃>ε₁₂；冰对三个波长的后向散射系数ε₂₁>ε₂₂>ε₂₃；雪对三个波长的后向散射系数ε₃₁>ε₃₂>ε₃₃；如表1所示，根据三个后向散射光信号与路面干燥时光信号的比值的大小及差值，定性分析路面状况。

表1

5.根据判断的覆盖物种类利用相应的厚度计算公式以计算覆盖物厚度，从而判断出照射目标物的路面状况，在计算覆盖物厚度时加入了干扰数据剔除算法，该算法利用分段统计方法实现，用于将由车辆行人引起的少量突变信号剔除，

厚度计算公式为：

Ln(os/dp)=εd+k

其中dp为干信号，干信号dp是通过计算一定时间内干燥路面散射的光信号的平均值得到的，os为有覆盖物时的光信号，d为覆盖物厚度，ε为吸光系数，k为常数，受路面条件影响，实际吸光系数未知，是从大量的试验中线性回归获得。设三个波长对应的干标定信号分别为DP1、DP2和DP3，对应三个波长的接收信号分别为OS1、OS2、和OS3，水冰雪厚度分别为d1、d2和d3。

$k_{11}{\mathrm{\ϵ}}_{11}{d}_1+k_{21}{\mathrm{\ϵ}}_{21}{d}_2+k_{31}{\mathrm{\ϵ}}_{31}{d}_3=\ln \frac{{\mathrm{DP}}_1}{{\mathrm{OS}}_1}$

$k_{12}{\mathrm{\ϵ}}_{12}{d}_1+k_{22}{\mathrm{\ϵ}}_{22}{d}_2+k_{32}{\mathrm{\ϵ}}_{32}{d}_3=\ln \frac{{\mathrm{DP}}_2}{{\mathrm{OS}}_2}$

$k_{13}{\mathrm{\ϵ}}_{13}{d}_1+k_{23}{\mathrm{\ϵ}}_{23}{d}_2+k_{33}{\mathrm{\ϵ}}_{33}{d}_3=\ln \frac{{\mathrm{DP}}_3}{{\mathrm{OS}}_3}$

经过整理得到

${\mathrm{\α}}_{11}{d}_1+{\mathrm{\α}}_{21}{d}_2+{\mathrm{\α}}_{31}{d}_3=\ln \frac{{\mathrm{DP}}_1}{{\mathrm{OS}}_1}$

${\mathrm{\α}}_{12}{d}_1+{\mathrm{\α}}_{22}{d}_2+{\mathrm{\α}}_{32}{d}_3=\ln \frac{{\mathrm{DP}}_2}{{\mathrm{OS}}_2}$

${\mathrm{\α}}_{13}{d}_1+{\mathrm{\α}}_{23}{d}_2+{\mathrm{\α}}_{33}{d}_3=\ln \frac{{\mathrm{DP}}_3}{{\mathrm{OS}}_3}$

因为Ln(DP/OS)与覆盖物厚度具有线性关系，所以选择多元线性回归方法分析数据，获得βxx和常数项K。

$d_1={\mathrm{\β}}_{11}\ln \frac{{\mathrm{DP}}_1}{{\mathrm{OS}}_1}+{\mathrm{\β}}_{12}\ln \frac{{\mathrm{DP}}_2}{{\mathrm{OS}}_2}+{\mathrm{\β}}_{13}\ln \frac{{\mathrm{DP}}_3}{{\mathrm{OS}}_3}+K_1$

$d_2={\mathrm{\β}}_{21}\ln \frac{{\mathrm{DP}}_1}{{\mathrm{OS}}_1}+{\mathrm{\β}}_{22}\ln \frac{{\mathrm{DP}}_2}{{\mathrm{OS}}_2}+{\mathrm{\β}}_{23}\ln \frac{{\mathrm{DP}}_3}{{\mathrm{OS}}_3}+K_2$

$d_3={\mathrm{\β}}_{31}\ln \frac{{\mathrm{DP}}_1}{{\mathrm{OS}}_1}+{\mathrm{\β}}_{32}\ln \frac{{\mathrm{DP}}_2}{{\mathrm{OS}}_2}+{\mathrm{\β}}_{33}\ln \frac{{\mathrm{DP}}_3}{{\mathrm{OS}}_3}+K_3$

由以上可知，只要有足够代表性的数据，就可以求出对应水冰雪厚度的3组系数，达到物质辨别和测量厚度的目的，具体的判断依据如表2所示。

表2

Claims (4)

1.一种后向多波长红外光谱非接触式路面状况检测方法，其特征在于：该检测方法的步骤如下：

1).根据水吸收光谱、冰吸收光谱和雪散射光谱分别筛选各自对应的红外光波段λ₁、λ₂和λ₃；

2).将筛选出各波段的红外光分别通过发射透镜照射目标物路面，形成相对平行的照面；

3).利用接收透镜接收相对平行照明的反射光线，并将接收到的光信号转换为电信号；

4).将接收到的三个信号的大小关系判断覆盖物的种类；

5).根据判断的覆盖物种类利用相应的厚度计算公式以计算覆盖物厚度，从而判断出照射目标物的路面状况；

所述步骤4)是根据接收到三个信号与路面干燥时的光信号比值的大小及差值实现的，具体过程如下：

以c作为第一判据，以a和b作为第二判据，其中c＝Ln(os3/dp3)，a＝Ln(os1/dp1)，b＝Ln(os2/dp2)，dp3、dp2和dp1分别为波长λ₃、λ₂和λ₁对应的干标定信号，os3、os2和os1分别为波长λ₃、λ₂和λ₁对应的接收信号；

当c>0.5时，在b>-0.5或a>-0.5下，路面状况为干，在b≤-0.5且a≤-0.5下，路面状况为为潮；

当c≤-0.5时，在b≤1.2c情况下，路面状况为水，在1.2c<b<c情况时，路面状况为水冰雪混合，在c≤b<-0.5且a<-0.5情况下，路面状况为冰，在b≥-0.5或a≥-0.5情况下，路面状况为雪；

所述步骤5)中的厚度计算公式为：

Ln(os/dp)＝εd+k

其中为dp干信号，os为有覆盖物时的光信号，d为覆盖物厚度，ε为吸光系数，k为常数，受路面条件影响；

基于上述公式，得到的水冰雪厚度分别为d1、d2和d3，

$k_{11}{\mathrm{\&epsiv;}}_{11}{d}_1+k_{21}{\mathrm{\&epsiv;}}_{21}{d}_2+k_{31}{\mathrm{\&epsiv;}}_{31}{d}_3=\ln \frac{{\mathrm{dp}}_1}{{\mathrm{os}}_1}$

$k_{12}{\mathrm{\&epsiv;}}_{12}{d}_1+k_{22}{\mathrm{\&epsiv;}}_{22}{d}_2+k_{32}{\mathrm{\&epsiv;}}_{32}{d}_3=\ln \frac{{\mathrm{dp}}_2}{{\mathrm{os}}_2}$

$k_{13}{\mathrm{\&epsiv;}}_{13}{d}_1+k_{23}{\mathrm{\&epsiv;}}_{23}{d}_2+k_{33}{\mathrm{\&epsiv;}}_{33}{d}_3=\ln \frac{{\mathrm{dp}}_3}{{\mathrm{os}}_3}$

其中dp3、dp2和dp1分别为波长λ₃、λ₂和λ₁对应的干标定信号，os3、os2和os1分别为波长λ₃、λ₂和λ₁对应的接收信号，ε₁₁、ε₁₂和ε₁₃分别为水对λ₁、λ₂和λ₃的后向散射系数，ε₂₁、ε₂₂和ε₂₃分别为冰对λ₁、λ₂和λ₃的后向散射系数，ε₃₁、ε₃₂和ε₃₃分别为雪对λ₁、λ₂和λ₃的后向散射系数。

2.根据权利要求1所述的后向多波长红外光谱非接触式路面状况检测方法，其特征在于：所述步骤1)中筛选出来的三个红外光的波段分别为1280～1340nm、1400～1460nm和1500～1560nm。

3.根据权利要求1所述的后向多波长红外光谱非接触式路面状况检测方法，其特征在于：所述步骤5)在计算覆盖物厚度时加入了干扰数据剔除算法，该算法利用分段统计方法实现，用于将由车辆行人引起的少量突变信号剔除。

4.根据权利要求1所述的后向多波长红外光谱非接触式路面状况检测方法，其特征在于：所述厚度计算公式中干信号dp是通过计算一定时间内的干燥路面返回光信号的平均值得到的。