背景技术
路面错台是水泥混凝土路面最主要的病害之一,也是水泥混凝土路面养护工作的主要内容之一。我国于2008年发布的《公路路基路面现场测试规程》(JTG 059--95)中将路面在人工构造物端部接头、水泥混凝土路面或桥梁的伸缩缝以及沥青路面裂缝两侧的沉降定义为错台。
目前,国外错台测量方法主要有两种:人工法和自动检测法。
人工法主要是采用佐治亚错台仪采集错台量数据。如图1所示,美国国家高速公路和交通运输协会(AASHTO)建议的方法为通过直尺检测接缝前后相距300mm的两个点(每一边距离接缝位置不能少于75mm)的高差,当高差大于5mm即认为错台存在。
自动检测法是利用错台的存在会显著影响国际平整度指标(IRI)的特性,用传感器来检测轮迹带的纵断面数据,然后利用设备开发商提供的计算程序来计算错台数据。
现阶段,国内测量错台的主要方法还停留在人工测量阶段,即:当错台变形超过3米时,采用水准仪测量从错台一端无沉降或鼓包的位置起,沿路线纵向用皮尺量取一定距离,作为测点,在该处测量海拔高度。再向前量取一定距离,作为测点,测量海拔高度。如此重复,直至错台另一端无明显沉降或鼓包的位置为止。无特殊需要,距离错台位置的2m内应每隔0.2m量测一次,2~5m内宜每隔0.5m量测一次,5m以上可每隔1m量测一次,由此得出沉降纵断面及最大沉降值,即为最大错台高度。当错台变形范围不足3米时,可沿道路行驶方向将3米尺搭在错台两侧,然后使用钢尺沿3米尺每隔 20cm测量路面距离3米尺的距离,最后选取测量最大值为最大错台高度。
在《水泥混凝土路面维修养护手册》中规定错台高度在5mm~10mm属于轻度错台,大于10mm属于重度错台,5mm以下可以忽略,以上标准数据需应用在错台识别中作为阈值,可根据不同的标准进行更改。
然而,上述现有技术主要有以下几个方面的缺点:
(1)人工测量精度低,作业不安全。人工测量会引入人工读数误差与选点误差,导致测量精度较低;
(2)自动测量方式不能在同一时间获得完整的纵断面数据,不完整的纵断面数据对最终测量结果引入很大的误差。例如,采用测距机对轮迹带进行测量,在检测设备行进过程中,由于颠簸等因素,沿车行方向,激光测距机会出现左右倾斜,造成测距机所测距离变大,从而引起误差。
发明内容
本发明的目的是使用激光三角测量原理,提出一种基于道路检测车的错台自动检测方法,其能够提高错台的测量精度与测量速度。根据本发明的实施例,通过摄像机对道路纵断面进行拍摄、获取某一时刻的道路纵断面高度数据,然后对道路纵断面高度数据进行分析,以识别出道路错台位置以及错台高度。根据本发明的错台自动检测方法,其错台测量精度至少能够达到0.5mm。
根据本发明的实施例,提出了一种激光道路错台检测系统,其被安装于道路检测车辆上,用来在道路检测车辆行进的过程中检测道路纵面错台的位置和高度,所述激光道路错台检测系统包括图像采集模块与数据分析模块,所述图像采集模块包括用来对道路纵面进行图像采集的传感器、以及用来存储所采集的图像的采集服务器,其中,所述传感器包括摄像机和激光器,所述激光器用来向路面照射激光线,所述激光线沿着道路纵向方向延伸,摄像机用来沿固定方向拍摄包含所述激光线的道路纵断面图像,所述数据分析模块用来读取在所述采集服务器中存储的所采集的图像,识别所述激光线在所采集的道路纵面图像中的位置,并将所识别的位置转换为道路纵面高度数据,最终根据道路纵面高度数据检测是否出现错台,所述数据分析模块包括:激光线识别部件,用于识别激光线在所采集的图像中的像素坐标;像方-物方坐 标转换部件,用来将经过识别后的像素坐标转换为激光线在路面上的高度数据;以及错台特征识别部件,用来从所述高度数据中识别出错台的出现位置和高度,所述激光线识别部件用来通过以下操作来识别激光线在所采集的图像中的像素坐标:选取所采集的图像的第一行像素灰度值的平均值加上一个固定值作为阈值;将所采集的图像的所有像素列之中的灰度值大于所述阈值的像素记录为亮点,并记录其位置与灰度值;选择灰度值大于所述阈值的像素最多的一行中灰度值最大的点作为该列的识别点,并作为识别起点;从此识别起点起,逐列向前和向后进行遍历,选择与之前列的识别点距离最近的亮点,作为该列的识别点。
根据本发明的实施例,所述激光器为红外线激光器或非红外激光器;所述摄像机为面阵相机或红外相机、3D相机;所述激光器和所述摄像机被安装在所述道路检测车辆的尾部,其中,所述摄像机的镜头与所述激光器的发光头的离地高度介于300mm~1000mm之间。
根据本发明的实施例,所述数据分析模块还包括数据滤波处理部件,用来通过数字滤波来消除在图像数据采集中的噪声。
根据本发明的实施例,所述像方-物方坐标转换部件根据预先标定的像方-物方坐标转换关系,将识别出来的一系列激光点的像方坐标转换为物方坐标,其中,像方坐标表示像素点在所采集的图像中的位置信息,物方坐标表示所采集的图像中的每个像素点所代表的高度值。
根据本发明的实施例,所述数据滤波处理部件对转换后的道路纵面高度数据进行滤波操作,消除因外界强光、其他红外线、路面异物引起的噪声。
根据本发明的实施例,所述道路纵面高度数据包括所述道路纵断面的各个点的高度,所述错台特征识别部件计算各个相邻点的高度之间的差,在所述差的最大值大于预定阈值的情况下,判断出现错台,并记录所述差的最大值出现的点的位置、以及所述差的最大值。
根据本发明的实施例,所述数据分析模块还用来:在确定了所有识别点之后,对所采集的图像进行曲线线性拟合,得出线性方程y=kx+b中的k、b值,其中,x、y分别为识别点的横纵坐标值,然后根据k、b值对所采集的图像进行旋转,得到水平化的图像,旋转所使用的公式如下:y’=y-kx,其中y’为旋转后的识别点的纵坐标值。
根据本发明的实施例,一种用于所述激光道路错台检测系统的激光道路错台检测方法,包括以下步骤:S1,所述图像采集模块对道路纵面进行图像采集,并将所采集的道路纵面图像存储在所述采集服务器;S2,所述数据分析模块从所述采集服务器读取所采集的道路纵面图像,根据所述激光线在所采集的道路纵面图像中的位置而得到道路纵面高度数据;S3,所述数据分析模块计算道路纵面高度数据中的最大高度值和最小高度值之间的差,在所述差的最大值大于预定阈值的情况下,判断出现错台,并记录所述差的最大值出现的点的位置、以及所述差的最大值。
本发明的错台检测方法的有益效果主要在于:
(1)利用激光三角测量原理,能够快速、准确地测量道路错台高度,并定位错台的位置;
(2)能够在获得同一时刻完整的纵断面数据,克服了由于不完整的纵断面数据对测量结果带来大误差的问题;
(3)本发明可采用面阵相机,极大地消除了车辆颠簸带来的影响。
附图说明
图1是作为现有技术的AASHTO所建议的人工法的错台测量示意图;
图2为根据本发明的实施例的错台检测系统的示意图;
图3为根据本发明的实施例的错台检测系统的图像采集模块的组成示意图;
图4为根据本发明的实施例的错台检测系统的数据分析模块的组成部件的概略图;
图5为根据本发明的实施例的错台检测系统的图像采集模块采集的图像数据的示意图;
图6为根据本发明的实施例的错台检测系统的图像采集模块进行图像标定的拍摄图像的示意图;
图7为车辆行驶中,因道路颠簸,车辆行驶中发生前后倾斜所采集的路面错台数据的示意图;
图8为根据本发明的实施例的经过旋转补偿之后的路面错台数据的示意图;
图9是根据本发明的实施例的实际采集过程中对图像进行处理后得到的错台数据的示意图;
图10是根据本发明的实施例的经过滤波处理之后得到的错台数据的示意图;以及
图11是根据本发明的实施例的经过抽稀处理之后得到的错台数据的示意图。
具体实施方式
下面结合附图和具体实施方式对本发明的技术方案作进一步具体说明,由此,本发明的优点和特点将会随着描述而更为清楚。
本领域的技术人员能够理解,尽管以下的说明涉及到有关错台检测技术的很多细节,但这仅为用来说明本发明的原理的示例、而不意味着任何限制。本发明能够适用于不同于以下例举的技术细节之外的场合,只要它们不背离被发明的原理和精神即可。
另外,为了避免使本说明书的描述限于冗繁,在本说明书中的描述中,可能对可在现有技术资料中获得的部分技术细节进行了省略、简化、变通等处理,这对于本领域的技术人员来说是可以理解的,并且这不会影响本发明公开的充分性。
图2为根据本发明的实施例的错台检测系统的示意图。所述错台检测系统主要包括图像采集模块与数据分析模块。
图3为根据本发明的实施例的错台检测系统的图像采集模块的组成示意图。
图像采集模块中使用的传感器可为红外激光器和面阵相机。如图3所示,红外激光器和面阵相机可安装在检测车尾部。其中,相机镜头与红外激光器发光头离地高度一般介于300mm~400mm之间,具体高度根据相机镜头的可视角度、相机的精度、激光器的发光角度以及面阵相机与水平面之间的夹角确定。例如,如果单次错台检测距离为500mm,为保证镜头内出现的错台均满足测量要求(例如AASHTO规定的测量要求),图像内激光线的长度应大于650mm。面阵相机和红外激光器需安装在同一刚性材料上,以保证其相对位置不发生改变,从而保证测量的准确性。
图像采集模块由安装有采集软件和图像采集卡的采集服务器和传感器组成。图像采集模块的主要功能是接收由外部通过串口或网口提供的同步信号,同步信号需要同时发送给采集软件和面阵相机,接到同步信号后,相机进行拍照,采集软件控制图像采集卡向传感器(面阵相机)请求数据,在成功采集图像后,会将图像按照预先的设置保存在采集服务器的磁盘中。
数据分析模块的主要功能是对采集到的图像数据进行处理并进行分析,最终得到道路错台位置与高度。
图4为根据本发明的实施例的错台检测系统的数据分析模块的组成部件的概略图。
如图4所示,数据分析模块主要包括以下部件:激光线识别部件、像方-物方坐标转换部件、数据滤波处理部件、错台特征识别部件、识别结果分析部件。
其中,激光线识别部件主要用于识别激光线在原始图片中的位置;像方-物方坐标转换部件可以将经过识别后的位置转换为实际的高度数据,以用于后面的分析与错台识别;数据滤波处理部件用来通过数字滤波来消除在图像数据采集中的噪声;错台特征识别部件用来对将经过转换、滤波后的数据根据错台的特征并结合国内现使用的人工测量方式进行错台特征分析,从采集的数据中识别出错台;识别结果分析部件用来分析错台高度。
接下来,具体描述数据分析模块的上述各个部件的功能和操作。
图5为根据本发明的实施例的错台检测系统的图像采集模块采集的图像数据的示意图。
在图像采集模块中,面阵相机的镜头可加装只允许红外线通过的滤光片,以便于对激光线进行识别、同时可以过滤强光等干扰因素。根据图片的灰度信息,激光线识别部件将图中的激光线识别出来,并得到激光线所对应的像素坐标序列。
作为示例,激光线识别部件可基于图片进行逐列识别。具体地,首先计算得到图片的灰度阈值,认为灰度值小于该阈值的像素均为背景色,所有此类像素点均已不参与识别,具体方式为选取图片第一行像素灰度值的平均值加上一个固定的值作为阈值。然后,获取所有列灰度值大于阈值的像素的位置与灰度值,并予以记录,选择灰度值大于阈值出现最多的一行中灰度值最 大的点作为识别起点,由此识别起点逐列向前和向后进行识别;识别中可根据已确定的上一列或者下一列的识别点,选择距离与已确定点最近的亮点作为该列的识别点。最后,若相邻两列识别结果位置差距较大(例如,大于某个阈值),则删除差异过大的点。得到的点集即为识别出来的激光线。
下面说明像方-物方坐标转换,该部件采用了三角测量原理,其用来将上述激光线识别部件得到的激光线的像方坐标位置数据转换为物方坐标位置数据。
三角测量原理简述:在地面选一系列控制点,相互连接成若干个三角形,构成各种网(锁)状图形。通过观测三角形的内角或(边长),再根据已知控制点的坐标、起始边的边长和坐标方位角,经解算三角形和坐标方位角推算可得到三角形各边的边长和坐标方位角,进而有直角坐标正算公式计算待定点的平面坐标。
其中,像方坐标系的定义如下:以图片左上方为原点,一个像素为一个坐标单位,横向为X坐标,纵向为Y坐标。物方坐标系的定义如下:激光线垂直射向路面,X轴沿道路行进方向,X坐标表示道路纵断面的里程数据,Y坐标表示距离地面的高度数据。
像方坐标系与物方坐标系的对应关系在对采集系统进行标定过程中得到。标定就是在激光器和相机相对静止的情况下,将图片中每一个像素点对应到一个实际的物方坐标。
例如,可通过标定器材进行标定。本实施例中所使用标定器材为黑色长方体型材,大小为1000mm*80mm*40mm(建议值),标定器材上有间距为20mm的白色标识,每个标签的位置是固定的。
标定时,道路检测车静止不动,依次将标定器材抬高10mm,并拍摄照片保存(如图6所示),照片效果如下:每个白点代表一个标签位置,标签的横向坐标和高度坐标是固定的,可以依此确定一部分物方坐标和像方坐标的对应关系。然后根据摄像机标定-成像原理可以计算出在标定区域内,图片上每一个坐标的物方坐标。
在标定之后,会生成标定文件,标定文件记录了图片中每个像素对应的物方坐标,像方-物方坐标转换即为将上述识别出的像方坐标序列经过查表后得到物方坐标的过程。
如上所述,图像采集模块使用面阵相机,消除了载车行进中自身颠簸带来的影响,但是,由于受到采集图像数据时车辆姿态的影响,采集到的激光线与水平线会存在一定的夹角。并且,由于道路路面的粗糙,道路存在的颗粒、坑洞和鼓包等会引起路面高度差的变化,给错台的判定带来噪声,且经过激光识别部件识别出来的道路纵断面高度数据会有微小的噪声。为了消除这些噪声,需要对数据进行滤波处理,滤波方式包括但不限于均值滤波、中值滤波、高斯滤波等。
图7示出了因道路颠簸车辆行驶中发生前后倾斜时所采集的道路纵断面高度数据。
由图7可知,检测车处于水平状态时,激光线如图5所示为一条水平线,此时激光线上每一点距离镜头的距离是固定的。当车辆出现前后倾斜时,激光线上各个点距离镜头的距离将发生变化,此时,激光线在图片上的位置亦将发生改变,就会发生倾斜的现象。
由于错台为出现裂缝两边板块所出现的高度差,若高度数据的总体斜率与水平呈一定的夹角,则会对计算精确的错台高度产生一定的误差。因此,可能需要对所采集的数据进行水平化处理。处理方法为:首先对曲线进行线性拟合,得出线性方程y=kx+b中的k、b值,然后根据k、b值对测量数据进行旋转,得到水平化的数据。公式如下:
y’=y-kx
其中y’为旋转后的值,由于错台高度只与裂缝两侧板块的高度差有关,所以不需要考虑b值带来的影响。
使用上述公式,经旋转后的数据如图8所示。
图9是实际采集过程中对图像进行处理后得到的错台数据。
由于曝光亮度、激光反射强度、地面粗糙等原因会造成数据出现一些噪声。如上图所示,为了在一定程度上消除这些噪音部分,需要对数据采用滤波处理。经观察,噪音类似于椒盐噪声,消除椒盐噪声最好的滤波方法是中值滤波。对于滤波半径的选择则根据错台的特征进行选择,为了保证裂缝特征,滤波半径选择0.5mm,可以减少因为滤波半径过大对裂缝识别的影响。由于道路噪音多为路面不平整带来的噪音,故可以采用均值滤波以提高所采集数据的平滑性,经滤波后,图像数据如图10所示。
由图10可得,滤波后的曲线大致体现了道路纵断面高度数据的整体情况,并且曲线变得比较平滑,利于对数据进行分析。
接下来,说明错台特征识别部件的操作。
错台特征识别部件的主要功能是将经过旋转、滤波后的数据根据错台的特征并结合国内现使用的人工测量方式进行错台特征分析,从采集的数据中识别出错台。
首先,可将滤波后的道路纵断面曲线进行抽稀处理,抽稀处理的目的是在基本不影响数据整体特征的情况下减少数据量,以加速后期的数据分析速度。抽稀可采用线段法,即使用某一段数据的均值代表该段的值。效果如图11所示。
从图11可得,抽稀后的数据已经较好地表现出了道路纵断面的特征,抽稀半径(即上述线段法的长度)越短,效果越接近原始数据。如图1,AASHTO错台检测方法是根据错台发生处前后相距300mm的高度差,采用该方法进行错台识别,假设抽稀半径为25mm,则需比较抽稀后的第1个点与第12个点之间的高度差,因为第1个点与第12个点之间的距离为300mm,若两点之间的高度差大于5mm,则认为存在错台,上述错台识别方式基于AASHTO错台检测方法,在实际应用中,亦可使用其他基于道路纵断面高度数据进行错台检测的方法代替。然后依次计算出所有相邻的点的高度差,最后取高度差最大的数值,然后根据该值判定是否存在错台,该值即为最大错台高度。最后可根据外部输入的空间位置信息(道路里程桩号、经纬度等信息)即可确定该错台的空间位置。
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。