CN104657961A - 一种基于双峰路面深度直方图的错台三维滤波算法及系统 - Google Patents

Abstract

本发明公开了一种基于双峰的路面深度直方图的错台三维滤波算法及系统：将图像采集设备采集到的路面三维图像数据矩阵输入计算机；对路面三维图像数据矩阵进行去噪处理：根据去噪后的路面三维数据矩阵求得路面深度直方图；获取路面深度直方图的两个峰值点及对应的滤波数据范围；求取平均值作为路面深度直方图上的滤波后的深度数据；得到滤波处理后的路面深度直方图。本发明算法复杂度低、运行时间短，无需人工参与。采用数理统计思想，只需输入采集到水泥混凝土路面的三维图像数据，即可完成对路面错台量的检测，因此，该检测算法效率高、检测精确。

Description

一种基于双峰路面深度直方图的错台三维滤波算法及系统

技术领域

本发明属于道路工程领域，具体涉及一种基于双峰路面深度直方图的错台三维滤波算法。

背景技术

水泥混凝土错台三维数据的滤波是指使用特定的滤波算法对采集到的路面错台三维数据进行滤波处理，从而保证后续错台量计算的准确性。水泥混凝土路面属于刚性路面，相较于柔性的沥青路面而言，错台这种路面病害在水泥混凝土路面更加常见，其产生的原因主要有：(1)路基基层碾压不密实,强度不足,致使基层在行车荷载作用下发生塑性累积位移；(2)局部地基不均匀下沉；(3)相邻板间的传荷能力下降；(4)水浸入基层，行车荷载会使路面板产生泵吸现象，动水将面板与基层间的碎屑抛向后方,把后方的板抬起。可见错台的产生原因很多，即错台这种路面病害随时都可能产生，同时，该路面病害对于路面质量的影响是直接性的，即一旦产生了错台，都会在一定程度上影响大路面质量，小的错台影响行车的舒适性，而大的错台可能直接导致交通事故的发生。因此，如何对错台量进行实时、准确和高效的检测，成为公路管理养护部门十分关注的问题。

在错台三维检测的第一步即为错台数据的滤波问题，只有最大程度的滤除各种噪声干扰，最大限度的保留错台实际路面深度数据，才能保证后期错台量检测的精度。目前常用的滤波算法一般都是基于二维图像的滤波算法，主要有均值滤波、中值滤波、数学形态学滤波等。均值滤波会增加二维图像的模糊程度，其实质相当于使用目标数据个数远远大于噪声数据的实际原理来磨平噪声数据，苍耳达到滤波的目的，这样并没有从根本上去除噪声数据，必然会产生模糊；中值滤波对于椒盐噪声等类似阶跃噪声的效果较好，但是其效果依赖于滤波模板的大小，由于错台数据统计直方图本身具有的双峰性，该算法滤波效果不是很理想；数学形态学滤波技术从几何学的角度通过移动结构元素完成对图像的滤波，其滤波后会丢失部分数据信息或者产生冗余信息；另外，以上滤波算法均是针对二维图像进行滤波的算法，而对于三维数据目前还没有一个成熟的滤波算法，而三维数据对于更能体现实际路面特征。因此，鉴于以上二维滤波算法的局限性，研究一种高效、精确的水泥混凝土路面错台三维数据滤波算法的很有必要。

发明内容

针对上述现有技术中存在的缺陷或不足，本发明的目的在于，提供一种基于双峰路面深度直方图的水泥混凝土路面错台滤波算法，从而实现对水泥混凝土路面错台三维路面深度数据的高效、准确的滤波，为后续错台量计算奠定基础。

为了达到上述目的，本发明采用如下的技术方案：

一种基于双峰的路面深度直方图的错台三维滤波算法，具体包括如下步骤：

步骤1：将图像采集设备采集到的路面三维图像数据矩阵输入计算机，计算机读取三维图像数据，将其存入路面三维图像数据矩阵Q_m×n；

步骤2：对路面三维图像数据矩阵Q_m×n进行去噪处理，得到去噪后的路面三维图像数据矩阵；

步骤3：根据去噪后的路面三维数据矩阵Q_m×n求得路面深度直方图；

步骤4：获取路面深度直方图的两个峰值点M₁、M₂，并记录这两个峰值点对应的路面三维深度值(即这两个峰值点在路面深度直方图上的横坐标)；在路面深度直方图上的两个峰值点两侧的深度统计数据进行处理，得到M₁对应的滤波数据范围[l₁₁,l₁₂]，以及M₂对应的滤波数据范围[l₂₁,l₂₂]；

步骤5：求取步骤4中得到的数据值l₁₁与l₁₂的平均值，作为路面深度直方图上的[l₁₁,l₁₂]范围内滤波后的深度数据；求取步骤4中得到的深度数据值l₂₁与l₂₂的平均值，作为路面深度直方图上[l₂₁,l₂₂]范围内滤波后的深度数据，得到滤波处理后的路面深度直方图。

进一步的，所述步骤1中所述路面三维图像数据矩阵Q_m×n为：

$\begin{array}{c}{Q}_{m\×n}=\left[\begin{array}{ccccccc}{Z}_{11}& Z_{21}& Z_{13}& ...& Z_{1j}& ...& Z_{1N}\\ Z_{21}& Z_{22}& Z_{23}& ...& Z_{2j}& ...& Z_{2N}\\ .& .& .& .& .& .& .\\ .& .& .& .& .& .& .\\ .& .& .& .& .& .& .\\ Z_{i1}& Z_{i2}& Z_{i3}& ...& Z_{\mathrm{ij}}& ...& Z_{\mathrm{iN}}\\ .& .& .& .& .& .& .\\ .& .& .& .& .& .& .\\ .& .& .& .& .& .& .\\ Z_{M1}& Z_{M2}& Z_{M3}& ...& Z_{\mathrm{Mj}}& ...& Z_{\mathrm{MN}}\end{array}\right]\\ (i=\mathrm{1,2,3}...M,j=\mathrm{1,2,3}...N)\end{array}$

其中，z_ij表示行号为i，列号为j所对应的路面深度。

进一步的，所述步骤2对路面三维数据矩阵Q_m×n进行去噪处理具体包括如下步骤：

画出路面深度直方图，图中横坐标为路面三维图像数据矩阵中的深度数据，纵坐标为路面三维图像数据矩阵中的对应于每个深度数据段的元素个数；将路面高度直方图中两个深度数据段所对应的元素分别标记；其他深度数据段对应的元素标记为噪声点；对步骤22中标记的噪声点进行滤波处理，得到去噪后的路面三维数据矩阵Q'_m×n。

进一步的，所述步骤3根据去噪后的路面三维数据矩阵Q'_m×n求得路面深度直方图具体包括如下步骤：

步骤31，将去噪后的三维数据矩阵M'_m×n中所有数据取与其最接近的整数，得到深度数据矩阵O_m×n；

步骤32，找出矩阵O_m×n中的最大高度数据值max；

步骤33，创建长度为(max+1)的一维矩阵f，将深度数据矩阵O_m×n中每个深度值value在深度数据矩阵O_m×n中出现的次数f_(value)按照从0到max的顺序依次存入一维矩阵f；其中max为深度数据矩阵O_m×n的最大值；

步骤34，以深度数据矩阵O_m×n中深度值value为横坐标，以每个深度值value值在一维矩阵f中出现的次数f_(value)为纵坐标绘图，得到路面深度直方图。

进一步的，所述步骤4具体包括以下步骤：

步骤41：获得路面深度直方图的两个峰值点M₁、M₂；

步骤42：以峰值点M₁对应的横坐标为中心，对其左侧数据，以五个数据步长为一个移动单元，将每个移动单元的五个数据元素对应的的横坐标与峰值点M₁对的横坐标求差，直至某个移动单元内出现满足式1的差值Δ，记录当前移动单元最左侧的数据点l₁₁，作为峰值点M₁对应的的滤波数据范围的左侧数据元素；

$\mathrm{\&Delta;}<\mathrm{\&delta;}=\mathrm{sqrt}\left(\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{(Z_{\mathrm{ij}}-\mathrm{\&mu;})}^2\right)---\left(1\right)$

其中，μ表示路面深度直方图中所有数据的路面深度数据平均值(即所有数据的横坐标平均值)，Z_ij为步骤1得到的路面三维图像数据矩阵中的数据元素；

同理，求得峰值点M₁对应的的滤波数据范围的右侧数据元素；从而得到峰值点M₁ 对应的滤波数据范围[l₁₁,l₁₂]。

步骤43：对峰值点M₂进行与步骤42中对峰值点M₁的处理相同的处理，得到峰值点M₂对应的滤波数据范围[l₂₁,l₂₂]。

本发明的另一个目的在于，提供一种基于双峰的路面深度直方图的错台三维滤波系统，该系统具体包括如下依次相连的模块：

路面三维图像数据读取模块，用以将图像采集设备采集到的路面三维图像数据矩阵输入计算机，计算机读取三维图像数据，将其存入路面三维图像数据矩阵Q_m×n；

去噪模块，用以对路面三维图像数据矩阵Q_m×n进行去噪处理，得到去噪后的路面三维图像数据矩阵；

路面深度直方图求取模块，用以根据去噪后的路面三维数据矩阵Q_m×n求得路面深度直方图；

峰值点及滤波范围获取模块，用以实现如下功能：

获取路面深度直方图的两个峰值点M₁、M₂，并记录这两个峰值点对应的路面三维深度值(即这两个峰值点在路面深度直方图上的横坐标)；在路面深度直方图上的两个峰值点两侧的深度统计数据进行处理，得到M₁对应的滤波数据范围[l₁₁,l₁₂]，以及M₂对应的滤波数据范围[l₂₁,l₂₂]；

滤波后路面深度直方图获取模块，用以实现如下功能：

求取得到的数据值l₁₁与l₁₂的平均值，作为路面深度直方图上的[l₁₁,l₁₂]范围内滤波后的深度数据；求取得到的深度数据值l₂₁与l₂₂的平均值，作为路面深度直方图上[l₂₁,l₂₂]范围内滤波后的深度数据，得到滤波处理后的路面深度直方图。

进一步的，所述路面三维图像数据读取模块中，所述路面三维图像数据矩阵Q_m×n为：

$\begin{array}{c}{Q}_{m\&times;n}=\left[\begin{array}{ccccccc}{Z}_{11}& Z_{21}& Z_{13}& ...& Z_{1j}& ...& Z_{1N}\\ Z_{21}& Z_{22}& Z_{23}& ...& Z_{2j}& ...& Z_{2N}\\ .& .& .& .& .& .& .\\ .& .& .& .& .& .& .\\ .& .& .& .& .& .& .\\ Z_{i1}& Z_{i2}& Z_{i3}& ...& Z_{\mathrm{ij}}& ...& Z_{\mathrm{iN}}\\ .& .& .& .& .& .& .\\ .& .& .& .& .& .& .\\ .& .& .& .& .& .& .\\ Z_{M1}& Z_{M2}& Z_{M3}& ...& Z_{\mathrm{Mj}}& ...& Z_{\mathrm{MN}}\end{array}\right]\\ (i=\mathrm{1,2,3}...M,j=\mathrm{1,2,3}...N)\end{array}$

其中，z_ij表示行号为i，列号为j所对应的路面深度。

进一步的，所述去噪模块中，对路面三维数据矩阵Q_m×n进行去噪处理具体包括如下步骤：

画出路面深度直方图，图中横坐标为路面三维图像数据矩阵中的深度数据，纵坐标为路面三维图像数据矩阵中的对应于每个深度数据段的元素个数；将路面高度直方图中两个深度数据段所对应的元素分别标记；其他深度数据段对应的元素标记为噪声点；对步骤22中标记的噪声点进行滤波处理，得到去噪后的路面三维数据矩阵Q'_m×n。

进一步的，所述路面深度直方图求取模块中，所述根据去噪后的路面三维数据矩阵Q'_m×n求得路面深度直方图具体包括如下步骤：

步骤31，将去噪后的三维数据矩阵M'_m×n中所有数据取与其最接近的整数，得到深度数据矩阵O_m×n；

步骤32，找出矩阵O_m×n中的最大高度数据值max；

步骤33，创建长度为(max+1)的一维矩阵f，将深度数据矩阵O_m×n中每个深度值value在深度数据矩阵O_m×n中出现的次数f_(value)按照从0到max的顺序依次存入一维矩阵f；其中max为深度数据矩阵O_m×n的最大值；

步骤34，以深度数据矩阵O_m×n中深度值value为横坐标，以每个深度值value值在一维矩阵f中出现的次数f_(value)为纵坐标绘图，得到路面深度直方图。

进一步的，所述峰值点及滤波范围获取模块具体实现如下流程：

步骤41：获得路面深度直方图的两个峰值点M₁、M₂；

步骤42：以峰值点M₁对应的横坐标为中心，对其左侧数据，以五个数据步长为一个移动单元，将每个移动单元的五个数据元素对应的的横坐标与峰值点M₁对的横坐标求差，直至某个移动单元内出现满足式1的差值Δ，记录当前移动单元最左侧的数据点l₁₁，作为峰值点M₁对应的的滤波数据范围的左侧数据元素；

$\mathrm{\&Delta;}<\mathrm{\&delta;}=\mathrm{sqrt}\left(\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{(Z_{\mathrm{ij}}-\mathrm{\&mu;})}^2\right)---\left(1\right)$

其中，μ表示路面深度直方图中所有数据的路面深度数据平均值(即所有数据的横坐标平均值)，Z_ij为步骤1得到的路面三维图像数 据矩阵中的数据元素；

同理，求得峰值点M₁对应的的滤波数据范围的右侧数据元素；从而得到峰值点M₁对应的滤波数据范围[l₁₁,l₁₂]。

步骤43：对峰值点M₂进行与步骤42中对峰值点M₁的处理相同的处理，得到峰值点M₂对应的滤波数据范围[l₂₁,l₂₂]。

与现有算法相比，本发明的方法具有以下优点：

1、计算简单、运行时间短，适合在实时系统中采用。

2、无需人工参与，克服了人工选取滤波模板方法具有的劳动强度大、移植性差、工作效率低和滤波效果较差的缺点。

3、采用水泥混凝土路面三维路面深度数据，避免了光照、油污等对滤波效果的影响，因此，该滤波算法效率高、检测精确。

4、充分利用数据统计特性，分析路面深度直方图进行数据滤波处理，算法具有一定的可移植性。

5、为水泥混凝土路面的养护管理提供有力的信息支持，提高了公路养护和管理水平。

附图说明

图1是本发明的基于双峰的路面深度直方图的错台三维滤波算法的流程图。

图2是本发明的方法对错台三维路面深度数据滤波结果与中值滤波结果的对比，其中，(a)为原始路面深度三维图；(b)、(c)分别为中值滤波和本发明算法进行滤波后的直方图对应的三维路面深度图。

图3为路面深度直方图。

图4为本发明的基于双峰的路面深度直方图的错台三维滤波系统的示意图。

以下结合附图和具体实施方式对本发明作进一步解释说明。

具体实施方式

参见图1，本实施例的基于双峰的路面深度直方图的错台三维滤波算法，具体包括如下步骤：

步骤1：计算路面深度数据。将路面三维深度数据存入路面深度数据矩阵Q_ij中，并求取路面深度直方图；

$\begin{array}{c}{Q}_{m\&times;n}=\left[\begin{array}{ccccccc}{z}_{11}& z_{21}& z_{13}& ...& z_{1j}& ...& z_{\mathrm{nj}}\\ Z_{21}& Z_{22}& Z_{23}& ...& Z_{2j}& ...& Z_{2n}\\ .& .& .& .& .& .& .\\ .& .& .& .& .& .& .\\ .& .& .& .& .& .& .\\ z_{i1}& z_{i2}& z_{i3}& ...& z_{\mathrm{ij}}& ...& z_{\mathrm{in}}\\ .& .& .& .& .& .& .\\ .& .& .& .& .& .& .\\ .& .& .& .& .& .& .\\ z_{m1}& z_{m2}& z_{m3}& ...& z_{\mathrm{mj}}& ...& z_{\mathrm{mn}}\end{array}\right]\\ \end{array}(i=\mathrm{1,2,3}...m,j=\mathrm{1,2,3}...n)$

其中，z_ij表示行号为i且列号为j所对应的三维路面深度数据。

步骤2：根据路面深度数据矩阵Q_ij求取路面深度直方图，包括以下步骤：

步骤21：从数据矩阵Q_ij中按照从左到右、从上到下的顺序搜索并求取其路面深度数据的最大值MAX。

步骤22：计算间距其中[]表示取整，N表示数据矩阵的列数。

步骤23：按照下式计算路面深度统计直方图的横坐标步长点的坐标值：

$\left[\frac{\mathrm{MAX}}{N}\right]\&times;i(i=\mathrm{1,2}...N)$

其中，i为步长变量，其取值范围为不超过路面深度数据矩阵的列数N,即i＝1,2···N。

步骤24：将三维路面深度数据按顺序依次搜索，并判定其属于哪一个横坐标(路面深度值)对应的范围，找到对应的路面深度范围就将其对应的统计数据加1，直到所有数据搜索完为止，得到三维数据统计直方图。

步骤3：对路面深度直方图进行分析，获得两个路面深度数据统计峰值点M₁、M₂，并基于这两个峰值点对数据进行滤波处理，获得滤波后的数据矩阵。另外，使用传统中值滤波算法对数据进行滤波处理，对比结果如图2。具体包括以下步骤：

(1)对峰值点M₁左侧错台路面深度数据，以五个间距为一个移动单元，每次移动步长为一个间距，依次求取其移动单元的路面深度数据与M₁的峰值数据的差值，并判定该差值是否小于错台路面深度数据的均方差其中，μ表示路面深度数据均值，按照步长不断左移，直到其有一个差值不满足条件为止，这样获得峰值M₁左侧的数据点l₁₁,用同样的方法右移可 以获得M₁右侧的数据点l₁₂，这样就可以获得峰值点M₁对应的滤波数据范围[l₁₁,l₁₂]。

(2)使用同(1)所述的算法对于峰值点M₂两侧数据的滤波求取峰值点M₂对应的滤波数据范围[l₂₁,l₂₂]。

步骤3：分别步骤2中获得的结果求取l₁₁与l₁₂的均值作为[l₁₁,l₁₂]范围内滤波后的路面深度数据输出，并求取l₂₁与l₂₂的均值作为[l₂₁,l₂₂]范围内滤波后的路面深度数据输出，其余部分均置为零，滤波完成。

对采集到的水泥混凝土路面错台原始路面深度数据，存入数据矩阵后，根据以上算法可以得到高效率、高精度的滤波效果，为后续错台量的计算奠定基础。

表1是本发明的算法进行双峰值点滤波的参数。

表1

表2中，用峰值信噪比(PSNR)、最小均方差(MSE)以及信噪比(SNR)对试验结果进行了定量评价。从表中结果可以看出，本发明的算法获得的PSNR、SNR均远远大于中值滤波结果，同时，在误差方面，本发明获得的MSE均远远小于中值滤波结果。

表2

Claims (10)

1.一种基于双峰的路面深度直方图的错台三维滤波算法，其特征在于，具体包括如下步骤：

步骤1：将图像采集设备采集到的路面三维图像数据矩阵输入计算机，计算机读取三维图像数据，将其存入路面三维图像数据矩阵Q_m×n；

步骤2：对路面三维图像数据矩阵Q_m×n进行去噪处理，得到去噪后的路面三维图像数据矩阵；

步骤3：根据去噪后的路面三维数据矩阵Q_m×n求得路面深度直方图；

步骤4：获取路面深度直方图的两个峰值点M₁、M₂，并记录这两个峰值点对应的路面三维深度值(即这两个峰值点在路面深度直方图上的横坐标)；在路面深度直方图上的两个峰值点两侧的深度统计数据进行处理，得到M₁对应的滤波数据范围[l₁₁,l₁₂]，以及M₂对应的滤波数据范围[l₂₁,l₂₂]；

步骤5：求取步骤4中得到的数据值l₁₁与l₁₂的平均值，作为路面深度直方图上的[l₁₁,l₁₂]范围内滤波后的深度数据；求取步骤4中得到的深度数据值l₂₁与l₂₂的平均值，作为路面深度直方图上[l₂₁,l₂₂]范围内滤波后的深度数据，得到滤波处理后的路面深度直方图。

2.如权利要求1所述的基于双峰的路面深度直方图的错台三维滤波算法，其特征在于，所述步骤1中所述路面三维图像数据矩阵Q_m×n为：

$Q_{m\&times;n}=\left[\begin{array}{ccccccc}{Z}_{11}& Z_{21}& Z_{13}& ...& Z_{1j}& ...& Z_{1N}\\ Z_{21}& Z_{22}& Z_{23}& ...& Z_{2j}& ...& Z_{2N}\\ .& .& .& & .& & .\\ .& .& .& & .& & .\\ .& .& .& & .& & .\\ Z_{i1}& Z_{i2}& Z_{i3}& ...& Z_{\mathrm{ij}}& ...& Z_{\mathrm{iN}}\\ .& .& .& & .& & .\\ .& .& .& & .& & .\\ .& .& .& & .& & .\\ Z_{M1}& Z_{M2}& Z_{M3}& ...& Z_{\mathrm{Mj}}& ...& Z_{\mathrm{MN}}\end{array}\right]$

(i＝1,2,3…M,j＝1,2,3…N)

其中，z_ij表示行号为i，列号为j所对应的路面深度。

3.如权利要求1所述的基于双峰的路面深度直方图的错台三维滤波算法，其特征在于，所述步骤2对路面三维数据矩阵Q_m×n进行去噪处理具体包括如下步骤：

画出路面深度直方图，图中横坐标为路面三维图像数据矩阵中的深度数据，纵坐标为路面三维图像数据矩阵中的对应于每个深度数据段的元素个数；将路面高度直方图中两个深度数据段所对应的元素分别标记；其他深度数据段对应的元素标记为噪声点；对步骤22中标记的噪声点进行滤波处理，得到去噪后的路面三维数据矩阵Q'_m×n。

4.如权利要求1所述的基于双峰的路面深度直方图的错台三维滤波算法，其特征在于，所述步骤3根据去噪后的路面三维数据矩阵Q'_m×n求得路面深度直方图具体包括如下步骤：

步骤31，将去噪后的三维数据矩阵M'_m×n中所有数据取与其最接近的整数，得到深度数据矩阵O_m×n；

步骤32，找出矩阵O_m×n中的最大高度数据值max；

步骤33，创建长度为(max+1)的一维矩阵f，将深度数据矩阵O_m×n中每个深度值value在深度数据矩阵O_m×n中出现的次数f_(value)按照从0到max的顺序依次存入一维矩阵f；其中max为深度数据矩阵O_m×n的最大值；

步骤34，以深度数据矩阵O_m×n中深度值value为横坐标，以每个深度值value值在一维矩阵f中出现的次数f_(value)为纵坐标绘图，得到路面深度直方图。

5.如权利要求1所述的基于双峰的路面深度直方图的错台三维滤波算法，其特征在于，所述步骤4具体包括以下步骤：

步骤41：获得路面深度直方图的两个峰值点M₁、M₂；

步骤42：以峰值点M₁对应的横坐标为中心，对其左侧数据，以五个数据步长为一个移动单元，将每个移动单元的五个数据元素对应的的横坐标与峰值点M₁对的横坐标求差，直至某个移动单元内出现满足式1的差值Δ，记录当前移动单元最左侧的数据点l₁₁，作为峰值点M₁对应的的滤波数据范围的左侧数据元素；

$\mathrm{\&Delta;}<\mathrm{\&delta;}=\mathrm{sqrt}\left(\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{(Z_{\mathrm{ij}}-\mathrm{\&mu;})}^2\right)---\left(1\right)$

其中，μ表示路面深度直方图中所有数据的路面深度数据平均值(即所有数据的横坐标平均值)，Z_ij为步骤1得到的路面三维图像数据矩阵中的数据元素；

同理，求得峰值点M₁对应的的滤波数据范围的右侧数据元素；从而得到峰值点M₁对应的滤波数据范围[l₁₁,l₁₂]。

步骤43：对峰值点M₂进行与步骤42中对峰值点M₁的处理相同的处理，得到峰值点M₂对应的滤波数据范围[l₂₁,l₂₂]。

6.一种基于双峰的路面深度直方图的错台三维滤波系统，其特征在于，具体包括如下依次相连的模块：

路面三维图像数据读取模块，用以将图像采集设备采集到的路面三维图像数据矩阵输入计算机，计算机读取三维图像数据，将其存入路面三维图像数据矩阵Q_m×n；

去噪模块，用以对路面三维图像数据矩阵Q_m×n进行去噪处理，得到去噪后的路面三维图像数据矩阵；

路面深度直方图求取模块，用以根据去噪后的路面三维数据矩阵Q_m×n求得路面深度直方图；

峰值点及滤波范围获取模块，用以实现如下功能：

获取路面深度直方图的两个峰值点M₁、M₂，并记录这两个峰值点对应的路面三维深度值(即这两个峰值点在路面深度直方图上的横坐标)；在路面深度直方图上的两个峰值点两侧的深度统计数据进行处理，得到M₁对应的滤波数据范围[l₁₁,l₁₂]，以及M₂对应的滤波数据范围[l₂₁,l₂₂]；

滤波后路面深度直方图获取模块，用以实现如下功能：

求取得到的数据值l₁₁与l₁₂的平均值，作为路面深度直方图上的[l₁₁,l₁₂]范围内滤波后的深度数据；求取得到的深度数据值l₂₁与l₂₂的平均值，作为路面深度直方图上[l₂₁,l₂₂]范围内滤波后的深度数据，得到滤波处理后的路面深度直方图。

7.如权利要求6所述的基于双峰的路面深度直方图的错台三维滤波系统，其特征在于，所述路面三维图像数据读取模块中，所述路面三维图像数据矩阵Q_m×n为：

$Q_{m\&times;n}=\left[\begin{array}{ccccccc}{Z}_{11}& Z_{21}& Z_{13}& ...& Z_{1j}& ...& Z_{1N}\\ Z_{21}& Z_{22}& Z_{23}& ...& Z_{2j}& ...& Z_{2N}\\ .& .& .& & .& & .\\ .& .& .& & .& & .\\ .& .& .& & .& & .\\ Z_{i1}& Z_{i2}& Z_{i3}& ...& Z_{\mathrm{ij}}& ...& Z_{\mathrm{iN}}\\ .& .& .& & .& & .\\ .& .& .& & .& & .\\ .& .& .& & .& & .\\ Z_{M1}& Z_{M2}& Z_{M3}& ...& Z_{\mathrm{Mj}}& ...& Z_{\mathrm{MN}}\end{array}\right]$

(i＝1,2,3…M,j＝1,2,3…N)

其中，z_ij表示行号为i，列号为j所对应的路面深度。

8.如权利要求6所述的基于双峰的路面深度直方图的错台三维滤波系统，其特征在于，所述去噪模块中，对路面三维数据矩阵Q_m×n进行去噪处理具体包括如下步骤：

画出路面深度直方图，图中横坐标为路面三维图像数据矩阵中的深度数据，纵坐标为路面三维图像数据矩阵中的对应于每个深度数据段的元素个数；将路面高度直方图中两个深度数据段所对应的元素分别标记；其他深度数据段对应的元素标记为噪声点；对步骤22中标记的噪声点进行滤波处理，得到去噪后的路面三维数据矩阵Q'_m×n。

9.如权利要求6所述的基于双峰的路面深度直方图的错台三维滤波系统，其特征在于，所述路面深度直方图求取模块中，所述根据去噪后的路面三维数据矩阵Q'_m×n求得路面深度直方图具体包括如下步骤：

步骤31，将去噪后的三维数据矩阵M'_m×n中所有数据取与其最接近的整数，得到深度数据矩阵O_m×n；

步骤32，找出矩阵O_m×n中的最大高度数据值max；

步骤33，创建长度为(max+1)的一维矩阵f，将深度数据矩阵O_m×n中每个深度值value在深度数据矩阵O_m×n中出现的次数f_(value)按照从0到max的顺序依次存入一维矩阵f；其中max为深度数据矩阵O_m×n的最大值；

步骤34，以深度数据矩阵O_m×n中深度值value为横坐标，以每个深度值value值在一维矩阵f中出现的次数f_(value)为纵坐标绘图，得到路面深度直方图。

10.如权利要求6所述的基于双峰的路面深度直方图的错台三维滤波系统，其特征在于，所述峰值点及滤波范围获取模块具体实现如下流程：

步骤41：获得路面深度直方图的两个峰值点M₁、M₂；

步骤42：以峰值点M₁对应的横坐标为中心，对其左侧数据，以五个数据步长为一个移动单元，将每个移动单元的五个数据元素对应的的横坐标与峰值点M₁对的横坐标求差，直至某个移动单元内出现满足式1的差值Δ，记录当前移动单元最左侧的数据点l₁₁，作为峰值点M₁对应的的滤波数据范围的左侧数据元素；

$\mathrm{\&Delta;}<\mathrm{\&delta;}=\mathrm{sqrt}\left(\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{(Z_{\mathrm{ij}}-\mathrm{\&mu;})}^2\right)---\left(1\right)$

其中，μ表示路面深度直方图中所有数据的路面深度数据平均值(即所有数据的横坐标平均值)，Z_ij为步骤1得到的路面三维图像数据矩阵中的数据元素；

同理，求得峰值点M₁对应的的滤波数据范围的右侧数据元素；从而得到峰值点M₁对应的滤波数据范围[l₁₁,l₁₂]。

步骤43：对峰值点M₂进行与步骤42中对峰值点M₁的处理相同的处理，得到峰值点M₂对应的滤波数据范围[l₂₁,l₂₂]。