CN104411887B - 滚动轮挠度计 - Google Patents

Abstract

本发明涉及一种用于滚动轮挠度测量的方法和装置(1)。所述装置包括：滚动轮(4)，其在第一方向上沿测量表面(2)移动，框架(6)，其从至少所述滚动轮(4)在所述第一方向上沿所述测量表面(2)实质上进行延伸，四个分隔开的激光距离传感器(7，8，9，10)，用于在第一时间间隔中使用每个所述距离传感器(7，8，9，10)来扫描多个线条以获得对应数量的虚像的装置，在所述虚像中像素值代表距离，适于对虚像进行比较和匹配以识别对应的区域的数据处理装置，以及适于基于所述识别对应的区域而从虚像中通过使用所述虚像的匹配像素值来计算挠度值的数据处理装置。

Description

滚动轮挠度计

技术领域

本发明涉及一种用于滚动轮挠度(Deflection)测量的方法和装置。

背景技术

滚动轮挠度计被用于对诸如覆盖有混凝土或沥青的公路或机场跑道等道路的断层或缺陷进行测定。滚动轮挠度计包括由车轮支撑的重量(比如2万千克)，其中该车轮以达至100千米/小时的相对高速在道路上进行滚动翻转。这个重量在车轮周围的道路中引起局部化的弯沉盆。弯沉盆的深度和形状可以被用作为道路中的断层或缺陷的指示器，断层或缺陷需要进一步的调查。由于高速度，滚动轮挠度计的使用是对道路进行测定的一种有效方式。

然而，如在US-A-5753808或文章“Rolling Weight Deflectometer with Thermaland Vibration Bending Compensation”John，R.F.等人，TRANSPORTATION RESEARCHRECORD 1540，1996中所解释的，与道路总体的表面粗糙度相比，道路中所引起的挠度是相当微小的，比如在100微米至2000微米的量级，因此以100千米/小时进行测量是一项不太容易的工作。如在US-A-5753808中所解释的，传统的滚动轮挠度计使用多个(比如四个)距离传感器，其中，这些距离传感器沿横梁以等距间隔进行布置并且测量向下至道路的距离。距离传感器中的一个布置在这样一个点的上方：在该点处，承载轮与道路啮合并且使道路偏转，而其他距离传感器沿在承载轮前方的横梁以等距间隔进行布置，如在运动方向上所见的。当在两个后来情形中对来自于所有传感器的测量数据进行比较时，即当承载轮准确地移动了一个距离传感器间隔时，也就是从第一位置到第二位置(该位置准确对应于当承载轮在第一位置时在前距离传感器所处的位置)时，通过使用合适的、比如在US-A-5753808中所解释的被称为哈尔算法(Harr algorithm)的算法可以对引起的挠度进行非常精确地计算。

然而，对于产生精确及有用结果的算法而言，位于移动的承载轮和在前距离检测器之间的准确相同位置的识别需要非常的准确。同样的情况在运动方向 上也存在于另外在前距离传感器以及它们相应的前辈。这意味着用于测量移动距离的里程表是需要精确的以防止在第二位置前面或后面的测量，而且这种追踪需要精确以不测量第二位置的左侧或右侧，这是因为在这些相邻区域中道路的自然高度可能远远超过挠度的高度，这才是测量的意图并且因此破坏了任何一种测量。

US-A-5753808通过使用激光来测量至相对大的斑点、比如具有5厘米和2.5厘米的主轴的椭圆形的距离从而寻求克服这种问题，因此取在发亮区域中的变化的平均值。斑点的尺寸也增加了以下可能性：即两个后来测量的椭圆形登记了足够的重叠，以并非不利地影响测量。

然而，仍然存在以下期望：即，获取到比利用US-A-5753808的滚动轮挠度计来获取的测量更精确的测量。

发明内容

根据本发明的第一方面，通过用于滚动轮挠度测量的方法来实现这个目标，所述方法包括：提供在第一方向上沿测量表面移动的滚动轮，提供从至少所述滚动轮起在所述第一方向上沿所述测量表面实质上延伸的框架，提供至少四个分隔开的激光距离传感器，其中，第一距离传感器被布置在对应于所述滚动轮的位置，并且其余距离传感器以第一在前距离传感器、第二在前距离传感器和第三在前距离传感器在所述第一方向上分别在所述第一距离传感器前面而被布置，在第一时间间隔中扫描与每个所述距离传感器的目标区域相对应的所述测量表面上的多个线条，以获得对应数量的图像，在所述第一时间间隔中通过使用每个所述距离传感器来扫描所述测量表面上的多个线条，以获得对应数量的虚像，在所述虚像中像素值代表距离，通过使用数据处理装置来对所述图像进行比较和匹配，以识别对应的区域，从所述第一集合和第二集合虚像中通过使用所述虚像的匹配像素值来计算挠度值。

根据本发明的第二方面，通过用于滚动轮挠度测量的装置来实现这个目标，所述装置包括：滚动轮，其在第一方向上沿测量表面移动，框架，其从至少所述滚动轮在所述第一方向上沿所述测量表面实质上进行延伸，至少四个分隔开的激光距离传感器，其中，第一距离传感器布置在对应于所述滚动轮的位置，并且其余距离传感器以第一在前距离传感器、第二在前距离传感器和第三在前 距离传感器在所述第一方向上分别在所述第一距离传感器前面而被布置，用于在第一时间间隔中使用每个所述距离传感器来扫描多个线条以获得对应数量的虚像的装置，在所述虚像中像素值代表距离，适于对虚像进行比较和匹配以识别对应的区域的数据处理装置，以及适于基于所述识别对应的区域而从虚像中通过使用所述虚像的匹配像素值来计算挠度值的数据处理装置。

通过对虚像进行比较和匹配，可以实现测量中非常高的精确度，因为可以针对每个或每一匹配的像素和随后计算的平均值来进行使用哈尔算法的计算以消除任何可能的误差，比如匹配误差、CCD噪音误差、移动的外来目标的误差等。将哈尔算法使用在点上，即，被确定地识别为表面上相同位置的像素，显然会产生更好的结果，即对大区域上方的平均值进行比较，且其中的匹配程度是未知的。根据第一优选实施例，所述图像为所述虚像，并且在所述数据处理装置中对所述虚像进行比较和匹配，以识别对应的区域。直接使用虚像以用于比较确保了对应的区域的良好识别，并且避免针对额外图像捕捉设备的需要。

然而，根据本发明的另一实施例，所述图像包括光强度值。因而，给出了识别道路表面的对应区域的进一步的可能性。此外，替换或者除了距离信息之外，使用光强度值可以改善对于对应的区域的识别率。

根据进一步的优选实施例，所述图像包括由相应的距离传感器提供的光强度值。这允许具有双重信息输出的距离传感器的使用，因此避免了对另外传感器的需要。

根据另一优选实施例，对来自所述距离传感器的成对的图像执行所述比较和匹配。这使得在无需等待的情形下通过使用哈尔算法来对挠度进行计算，直到最后的距离传感器通过了与第一传感器相同的位置，并且例如如果滚动轮挠度计正在转向，则减轻了最后的距离传感器忽略了由第一传感器通过的任何点的风险。

根据另一优选实施例，通过对100×100像素或更小的优选为25×25像素的至少一个图像部分进行比较和匹配来识别所述区域。这已经被发现时是够的，并且产生可以通过使用个人电脑来执行的快速识别。

根据进一步的优选实施例，通过针对所述区域变化Δx、Δy和Δα的值来重复计算相关性以执行所述比较和匹配，其中Δx为传输方向上的位移，Δy为跨所 述方向的横向位移，而Δα为由距离传感器和随后距离传感器所记录的第一图像中所述区域的定向中的角偏差。这会产生哈尔算法被应用到的像素的有效识别，即使当它们位于识别区域的外部时也是如此。

因此这会考虑特定的优选实施例，其中，通过每次使用一个线条的像素值来逐行地重复计算所述挠度值。因此对于每个添加到虚像的新线条而言，可以在实际上整个扫描宽度上来对挠度进行计算。

根据另一优选实施例，所述挠度值被计算为多个匹配像素的各个挠度值的平均值。通过在多个匹配的计算值上计算平均值，平均值的精确度变得非常高，并且也抑制了源于诸如所用的CCD摄像机的噪音。

根据进一步的优选实施例，沿扫描线的分辨率至少为1000像素，优选为2000像素或更高。这产生了足够高的分辨率，同时使必要的计算能力保持在合理的水平，其中，可以通过使用标准便携式个人电脑来执行计算。同样，可以通过使用标准扫描产品来实现利用这种分辨率的扫描。

附图说明

基于非限制性示例性实施例及参考示意性附图，将对本发明进行更详细的描述，其中，

图1示意性地示出了一种根据本发明的、在两个位置中、在时间和位置上对应两个不同点的滚动轮挠度计，

图2为一种通过使用滚动轮挠度计的一个距离传感器来记录的虚像的示例，

图3为由四个不同的距离传感器随时间同时记载的与图2中的虚像类似的四个虚像的示意图，以及

图4为用于对一对虚像之间的像素进行匹配的转换中的随时间变化的示意性图视。

具体实施方式

图1的上部示意性地显示了根据本发明的、在第一位置的滚动轮挠度计。该滚动轮挠度计适于沿试验路面2被移动(典型地被牵引)，其中，试验路面2由在大体上用箭头来表示的第一方向上被测定的道路而形成。比如，该道路可以为覆盖有针对断层或缺陷务必进行测定的混凝土或沥青的公路或机场跑道。 如名字所暗示的，滚动轮挠度计包括作用在承载轮4上的重量。支撑的承载轮4大体上布置在由第一方向上的运动所限定的滚动轮挠度计1的后端处。承载轮4向下重压一个实质上的质量以将下压力、比如50kN、100kN或者200kN提供在道路上。这个下压力在承载轮4的周围产生弯沉盆5。为了图示的目的，承载轮周围的弯沉盆5中的挠度的深度在图1中的上部和下部都被夸大了。实际上，实际的挠度仅仅是微米范围的、典型地在100微米至2000微米的范围内，然而在第一方向的滚动轮挠度计1典型的全部长度为10米和15米之间。

沿滚动轮挠度计1的长度以本质上水平的横梁6形式来运行载体。该横梁承载被定向为朝向试验路面的多个距离传感器7、8、9、10。由于目的是在微米范围内执行测量，因此激光对准系统11被用于追踪由横梁6的挠性引起的各个距离传感器7、8、9、10的位置变化和沿其长度等的热膨胀的变化，如在通过引用并入于此的US-A-5753808中所描述的。距离传感器7、8、9、10优选是等距的，即任意两个相邻的距离传感器7、8、9、10具有相同的间隔。也可以使用不同的间隔。重要的是：间隔是已知的，距离传感器7、8、9位于在距离传感器10处产生的弯沉盆5的外侧。

在本发明中使用的距离传感器7、8、9、10优选为行扫描仪。在描述中，距离传感器7、8、9、10还可以被分别称为传感器A、传感器B、传感器C和传感器D，并且对应的字母被用在索引和等式中。当前优选的是可从LMI技术公司得到的Gocator 2340行扫描仪。这种类型的行扫描仪通过使用由点源散开的激光以一定角度将线条投射到表面上。当表面是不平滑的时候，投射到该表面上的线条将不是直的而是包含取决于到表面距离中的局部变化的波动。使用摄像机来捕捉线条的形状和位置并且由该形状和位置来计算到表面的距离。因为激光束从点源散开，因此线条的全部长度随着到表面的距离中的更多全局变化而变化。因此，全局距离越大，由激光产生的照明线条就变得越长。然而，由于CCD摄像机的视场也发生变化，因此这种效果被大大地减缓了，并且在Gocator 2300中不须要额外的长度标准化。

在本发明中，各个传感器被布置为沿在横跨移动方向的方向上的表面来对线条进行扫描。举例来说，由链接到承载轮4的转速器触发以合适小间隔来重复这种扫描。因此，进行了连续的行扫描以形成具有给定分辨率的表面的虚像，这还取决于记录了线条上的波动以及利用其来触发扫描的频率的摄像机的分辨 率。图像被称为是虚拟的，这是因为由此引起的像素值并不代表实际的视觉图像数据而是代表距离。距离无需必须为针对具体点的在测量区域上方的传感器的垂直高度，但可以以一定角度来进行测量，因此，导致了与高度成比例的值。随后的转化此时仅仅是知晓了角度并且执行适当计算的问题。滚动轮挠度计1还包括可能位于牵引车辆中的数据处理装置15。

图2为这种图像的示例。分辨率大约是650×700像素，其包括在每个扫描线的任一端之外的黑暗区域。在图2中所扫描的道路区域的宽度大约是10厘米，然而长度是几米长。后者是因为触发扫描的实例之间的时间延迟。在示例中，700个5毫米的线条对应3.5米的实际道路。图2仅为图像的图示。对于本发明3.5米比实际要少，但是本领域技术人员通过下面应该理解的是，如果距离传感器之间的间隔更少，比如3米，则是足够的。原则上长度不受限制。然而实际上，长度不超过道路测定伸长的长度。当然数据存储能力也可以限制道路的实际记录长度。代替这种由每个传感器对道路的连续记录，每个传感器当然也可以记录更短长度的多个连续虚像，以被单独相比(例如像图2中的一个那样)。

对于每个传感器而言，相似的虚像被记录了。显然虚像并非全部是等同的。很明显地，当传感器9、8、7穿过相同的区域并且几乎不被压下时，与由其他传感器9、8、7扫描的线条相比，由位于承载轮4处的传感器10扫描的线条以及因此测量到弯沉盆5的底部的距离将产生更长的距离并且因此产生用于对应像素的更大的像素值。理想地，在这一方面传感器7、8、9位于弯沉盆前面很远处并且远离牵引车辆，即道路并未被压下或者至少可假设道路并未被压下。此外，由于实际上滚动轮挠度计1不能以绝对的直线来进行移动，因此，当传感器7、8、9通过道路上所谓理想地为相同点时，即使具有最佳时序，也可能在由每个传感器7、8、9、10所扫描的线条之间存在偏差。例如，扫描线可以具有横向偏置，这是因为当牵引车辆并不遵循直线、或另外地不以直线方式对牵引车辆进行拖拽时，滚动轮挠度计1相比于牵引车辆在另一半径处转向。此外，转向可能施加于用于扫描线的角组件。最后，可能在移动方向还存在偏置以使得当扫描线一致时的定时熄灭，比如先于预期或落后预期。

本发明认识到了，不管这些变化，图像中对应区域之间的相关性是足够的以允许利用在不同图像中的极高程度的确定性来识别这些变化。

这通过选择一个图像中小的初始目标区域来完成，比如来自于图1中的距 离传感器A的虚像中的区域12。在这方面，小意味着小于大约100×100像素、优选为25×25像素。显然，目标区域不需要是正方形(就像素而言)。基本上，目标区域甚至不需要是矩形。已经发现，利用给定的处理能力，这会允许对应区域能够在其他图像中被发现。一旦记录了足够的线条，则可以以任意适合的方式来选择初始目标。这可以通过选择图像左侧、右侧或中心的目标来随机地或简单地来完成。如果足够的处理能力是可用的，则针对在另外图像中的可容易识别的区别特征可以执行用于分析图像的预处理。

如果已经选定来自于传感器A的虚像中的目标区域12，则来自于传感器B的虚像中的相同的区域12’已被识别。由于虚像不是瞬时图像而虚像中的每一个实际上都是随时间的行扫描，为此缘故，等同的目标区域不存在于传感器B的虚像中或传感器C和传感器D的虚像中。

然而，本发明认识到了：这种相关性对于在两个虚像中待被识别的相同区域是足够的，因此产生允许对应的像素值能被识别的信息，这继而允许像素信息被直接用在哈尔算法中。更具体而言，可以计算用于补偿在来自于传感器A的第一虚像被记录期间的时间与第二虚像被记录期间的时间之间的偏差的转换。存在描述两个图像之间的转换T_ab的三个参数，转换包括参数Δx_ab、Δy_ab和Δα_ab。Δx为沿虚像的x轴的偏差，这将显著地对应记录在道路上的相同点上方的传感器A和传感器B未受到干扰的通道之间的线条数量，但是包括一些偏差。Δy为横向偏差，如果滚动轮挠度计1以直线方式来牵引，则其理想值为0。Δα为旋转组分，如果滚动轮挠度计1以直线方式来牵引，则其理想值也为0。上述及下述的索引“ab”表示转换是从由距离传感器A记录的虚像到由距离传感器B记录的虚像。如在图4中所图示的，对于所有的转换T_ab、T_bc和T_cd，关于Δx、Δy和Δα的这些偏差随时间而变化，图4可以应用到它们中的任意一个。

如从图3可以看到的，可以在来自于距离传感器B的虚像中的目标区域13与来自于距离传感器C的虚像中的对应区域13’之间来执行对应的相关性，因此，产生具有参数Δx_bc、Δy_bc和Δα_bc的转换T_bc。也可以被完成针对来自于距离传感器C的虚像中的目标区域14和来自于距离传感器D的虚像中的目标区域14’，以产生具有参数Δx_cd、Δy_cd和Δα_cd的转换T_cd。如果使用另外的距离传感器，则另外的转换源于相同的方式。

经验显示，通过识别了转换，可以安全地假设该转换不仅对于实际识别的区域是有效的，而且显著地应用到至少在目标附近的虚像。显然，在该转换可以被得到之前，至少对应两个距离传感器之间的距离的多个线条务必被初始地记录。然而，在这之后，使用得到的转换允许哈尔算法被应用到各个像素值的大数据集合，比如横跨所记录的虚像的宽度的全部线条。

大体上，使用哈尔算法的挠度(Deflection)由以下公式给出：

Deflection＝[(B(t₁)-2C(t₁)+D(t₁))-(A(t₀)-2B(t₀)+C(t₀))]

其中，A，B，C和D为由距离传感器记录的距离值、其中时间t₀或t₁用于对应的字母。

如果A，B，C和D不是离散点，比如横跨虚像的宽度的扫描线，则像素值在向量A，B，C和D中。为了匹配各个像素以在表面上的等同点上使用哈尔算法，必须使用转换。因此，等式采用以下形式：

Deflection＝[(T_ABB(t₁)-T_abT_bc2C(t₁)+T_abT_bcT_cdD(t₁))-(A(t₀)-2B(t₀)+T_bcC(t₀))]

因此相比于目标区域，可以为更大区域(比如上述向量)或者甚至虚像的更大部分(也就是包括多个线条)来完成该计算。这意味着可以利用比现有技术更大的精确度来计算平均挠度值，其中对两个平均值进行比较。此处，对大量实际值的平均值进行了比较，因此使误差和噪音最小化。在空闲时优选地由诸如形成滚动轮挠度计1一部分的便携式个人电脑之类的数据处理装置15来完成该计算，其安装在框架等等上或位于牵引车辆中(未示出)。

优选地，然而并非对所有值进行比较。明显超出范围或另外不正确的值可以在计算之前被过滤掉。这种误差有可能发生，因为道路相同部分的虚像并未被同时记录。因此，变化可以发生。想象比如在滚动轮挠度计1下面四周旋转的簧片。这种簧片在虚像中显示出非常短的距离。实际上，非常相同的簧片可以显示在更多记录的虚像中的不同地点中、或者甚至在一个虚像以及相同虚像中的不同地点中。因此，优选的是使用诸如中值滤波器来过滤虚像的比较部分的值以抑制这种强烈的偏差值。对于本领域技术人员显而易见的是，其它类型的数据预处理、尤其是过滤可以被使用。

为了确定相关性而确定转换，多种可能性是可用的，比如快速退火方法。下面的方法是优选的。可以通过用于哈尔算法的相同数据处理装置15来执行这种方法。

初始地，在虚像中选择目标区域。针对以下描述，来自于距离传感器A的虚像中的区域目标12被使用。与例如大于1000个像素或甚至大于2000个像素的行扫描的宽度相比，目标尺寸优选地比虚像更小，例如100×100的像素或者更小的优选地25×25的像素。一旦足够的线条是可用的，则可以以多种方式来对初始目标区域12进行选择，比如可以简单地通过起始于左侧边缘、或右侧边缘或虚像的中心来对初始目标区域12进行选择。就x、y和α而言，在目标区域12中的参考像素具有限定的位置，例如为(y，1，0)。一旦比所需更多的线条是可用的，就可以改变初始目标区域12的x位置。相关图像12’被发现在来自于距离传感器B的虚像中。很明显，当使用链接到滚动轮挠度计1的运动的转速器来记录线条时，就线条的数量而言在距离传感器7和8之间的距离是理想已知的。因此为了寻求来自传感器B的虚像中的对应区域12’为(y+d，1，0)，因此假设滚动轮挠度计1沿直线延伸而没有横向偏置。这继而对应转换T_ab＝(Δx_ab，Δy_ab，Δα_ab)＝(d，1，0)。

使用皮尔逊(Pearson)相关性，现在可以计算目标区域12和目标区域12’的像素之间的相关性，在-1和1之间产生一个值。1为完美的相关性，其不可能存在于这种情形中，且-1是完全不相关的，即虚像对应负光(photo negative)。

显然地，由于在没有偏置的情况下在直线上运行的滚动轮挠度计1的假设很少保持为真，因此T_ab＝(d，1，0)几乎不会是正确的转换。因此，通过从起始点重复地使增量中的(Δx_ab，Δy_ab，Δα_ab)发生改变，直到达到最大相关性为止，并且重复这个过程，直到通过增加Δx_ab，Δy_ab，Δα_ab而没有进一步的极大值被发现为止，因此局部最大相关性被发现了。如果这个局部最大相关性的相关性值足够的高，则目标区域12’被假设为对应于初始目标区域12。相应地，转换T_ab随后也被知晓。通过分别使用目标区域13，13’和14，14’从而使相同的方法被用于确定T_bc和T_cd，基于此如上所述地可以执行使用哈尔算法的计算。不然的话，存在两种可能性。一种是放弃找到任何的相关性并因此不执行任何测量的可能性。可选方案是，如果足够的计算能力是可用的，则开始搜索在由距离传感器B所记录的虚像的另一地点中的目标区域12’，比如以转换T_ab＝(d’，1，0)或T_ab＝(d，y，O)开始，其中d’为比预期的d值更高的值或更低的值，并且y为横向上从0开始的正偏差或负偏差。

然而，如果针对每个新添加的线条来执行相关性算法，则关于ΔX_ab，Δy_ab，Δα_ab的偏差可能是小的，因为针对具有滚动轮挠度计1的质量和尺寸的车辆而言，在图4曲线中的任何实质上的不连续是不太可能的。

如果更小的计算能力是可用的，则针对每个添加的新线条来执行相关性算法也许是不适合的。然而，在这个情形下，证明了仍然可以针对每个新线条来执行哈尔算法。由于缺乏关于Δx，Δy，Δα的不连续性，因此针对中间近似匹配的线条，在两个确定性之间来使用Δx，Δy，Δα的近似值仍然会产生足够的精确挠度测量。

还可以使用用来计算涉及角度简单位移值的上述转换的可选方案。在这一点上，为在由传感器A所记录的第一图像中的每个像素而可以取得以及存储一个集合的位移值Δx，Δy。通过从表格简单地将Δx，Δy值添加到由传感器A所记录的图像中的给定像素的X，Y位置，将这些值制成查阅表会使得由传感器A所记录的图像中的被识别像素的对应部分被发现在由传感器B所记录的第二图像中。当然，这具有附加条件，即，像素不会完全落入第二图像的外部。如果当建立查阅表时未相关区域被发现了，比如对应于图4中的P₁和P₂之间的区域，则这些区域的像素的值可以是被知晓在存在相关性的周围区域的、被内插形式的Δx，Δy的值。表1的下面示例出了在由传感器A所记录的第一图像和由传感器B所记录的第二图像之间的这种查阅表。其它图像之间、比如从由传感器B所记录的图像到由传感器C所记录的图像之间、或者从由传感器C所记录的图像到由传感器D所记录的图像之间的位移的查阅表将被建立并且被对应地使用。

表I：Δx，Δy，查阅表A-B

X/Y	1	2	3	…	N
						1	(5000，0)	(5000，0)	(5000，0)	…	(5000，0)
2	(4999，-1)	(4999，-1)	(4999，-1)	…	(5001，-2)
						3	(4999，-1)	(4999，-1)	(4999，-1)	…	(5001，-2)
…	…	…	…	…	…
						n	(4999，-1)	(4999，-1)	(4999，-1)	(5000，0)	(5001，-2)

如可以看到的，与Δy的值相比，Δx的值相当大。这是因为Δx的值包括传 感器A和传感器B之间的位移，如上表明的，其可以为几米。这些值仅仅是示例，Δx的值取决于转速器的分辨率、即在测量表面的对应区域上方的传感器A和传感器B的通道之间扫描的线条的数量。Δy的值小得多，这是因为滚动轮挠度计1典型地遵循曲率很小的线条，并且如果滚动轮挠度计1遵循直线，则理想的Δy的值应该为0。如可以看到的，Δx、Δy的值表明滚动轮挠度计1采用了轻微的曲线。表I试图说明这种情形，其中，与如果滚动轮挠度计遵循直线那样所期望的相比，传感器B稍微早到达一侧，而稍微太晚到达另一侧。类似地，由于转向，线条成一定角度并且变得更短并且有些偏置，从而导致在Δy值上的偏差。

迅速发现相关目标区域的其他方式对本领域技术人员而言是众所周知的。

为了进一步改善对应目标区域的可靠检测，本发明还认识到：与上述虚像中的距离值的相关性平行，实际光强度值之间进一步的相关性被记录在线条中。诸如混凝土或沥青的道路表面并不是均匀着色的，但比如在沥青或混凝土与岩石填充物之间的暗度是变化的。作为一种可选方案，图像可以因此为B/W强度图像，而不是虚像。Gocator 2300能够记录和输出扫描像素的距离值和强度值。继而，这会产生可提选的相关性，其可以替换或除了使用虚像来识别的相关性之外而被使用。因此，如果由于某种理由，通过使用虚像没有相关性可以被发现，则强度图像可以被替代地使用，或反之亦然。因此，提供了信息的冗余，并且增加了发现好的相关性的可能性。

因此，对于每个目标区域而言，可以通过使用上述相同寻求的算法来执行光强度之间的最大相关性，并且这个信息用于校验识别。如果由于某种理由，在两个虚像中的目标区域之间的相关性失效了，也可以通过其他相关性来替代该识别。

虽然参考具体实施例对本发明进行了描述，但本领域技术人员应该知晓在权利要求保护范围内的这些实施例的多种变体。具体地，本领域技术人员应该注意的是，可以使用除了优选的Gocator之外的其他距离传感器，可以使用用于寻求相关区域的其他方法并且多种过滤和处理方法可以被用于减少噪音、误差等。

Claims (13)

1.一种用于滚动轮挠度测量的方法，包括：

提供在第一方向上沿测量表面移动的滚动轮，

提供从至少所述滚动轮在所述第一方向上沿所述测量表面实质上延伸的框架，

提供至少四个分隔开的激光距离传感器，其中，第一距离传感器被布置在对应于所述滚动轮的位置，并且其余距离传感器以第一在前距离传感器、第二在前距离传感器和第三在前距离传感器在所述第一方向上分别在所述第一距离传感器前面而被布置，

在第一时间间隔中扫描与每个所述距离传感器的目标区域相对应的所述测量表面上的多个线条，以获得对应数量的图像，

在第一时间间隔中通过使用每个所述距离传感器来扫描所述测量表面上的多个线条，以获得对应数量的虚像，在所述虚像中像素值代表距离，

通过使用数据处理装置来对所述图像进行比较和匹配，以识别对应的区域，并且

基于对应的区域的所述识别而从虚像中通过使用所述虚像的匹配像素值来计算挠度值。

2.根据权利要求1所述的方法，其中，所述图像为所述虚像，并且在所述数据处理装置中对所述虚像进行比较和匹配，以识别对应的区域。

3.根据权利要求2所述的方法，其中，所述图像还包括光强度值。

4.根据权利要求3所述的方法，其中，所述图像包括由相应的距离传感器提供的光强度值。

5.根据权利要求1或2所述的方法，其中，对来自所述距离传感器的成对的图像执行所述比较和匹配。

6.根据权利要求1所述的方法，其中，通过对100×100像素或更小的至少一个图像部分进行比较和匹配来识别所述区域的匹配。

7.根据权利要求5所述的方法，其中，通过针对所述区域变化Δx、Δy和Δα的值来重复计算相关性以执行所述比较和匹配，其中Δx为第一方向上的位移，Δy为跨所述第一方向的横向位移，而Δα为由距离传感器和随后距离传感器所记录的第一图像中所述区域的定向中的角偏差。

8.根据权利要求6所述的方法，其中，通过针对所述区域变化Δx、Δy和Δα的值来重复计算相关性以执行所述比较和匹配，其中Δx为第一方向上的位移，Δy为跨所述第一方向的横向位移，而Δα为由距离传感器和随后距离传感器所记录的第一图像中所述区域的定向中的角偏差。

9.根据权利要求1所述的方法，其中，通过每次使用一个线条的像素值来逐行地重复计算所述挠度值。

10.根据权利要求1所述的方法，其中，沿扫描线的分辨率至少为1000像素。

11.根据权利要求1所述的方法，其中，沿扫描线的分辨率为2000像素或更高。

12.根据权利要求1所述的方法，其中，所述挠度值被计算为多个匹配像素的各个挠度值的平均值。

13.一种用于滚动轮挠度测量的装置，包括：

滚动轮，其在第一方向上沿测量表面移动，

框架，其从至少所述滚动轮在所述第一方向上沿所述测量表面实质上进行延伸，

至少四个分隔开的激光距离传感器，其中，第一距离传感器布置在对应于所述滚动轮的位置，并且其余距离传感器以第一在前距离传感器、第二在前距离传感器和第三在前距离传感器在所述第一方向上分别在所述第一距离传感器前面而被布置，

用于在第一时间间隔中使用每个所述距离传感器来扫描多个线条以获得对应数量的虚像的装置，在所述虚像中像素值代表距离，

适于对虚像进行比较和匹配以识别对应的区域以及适于基于所述识别对应的区域而从虚像中通过使用所述虚像的匹配像素值来计算挠度值的数据处理装置。