CN104776810B - 一种基于3d线激光设备的坑槽三维指标提取计算方法 - Google Patents

Abstract

本发明公开了一种基于3D线激光设备的坑槽三维指标提取计算方法，包括以下步骤：首先制作若干深度不一、面积不一的规则模拟坑槽，对影响3D线激光设备识别率的参数进行标定，得到最佳参数组合；其次在最佳参数组合下进行坑槽深度、面积和体积指标的识别与计算；最后对检测设备和方法的可靠性进行了可靠性试验。本发明坑槽三维指标提取计算方法在现有设备下基本能够满足实际的坑槽检验，为坑槽三维指标提取计算提供了一种可靠的方法。

Description

一种基于3D线激光设备的坑槽三维指标提取计算方法

技术领域

本发明涉及一种坑槽三维指标检测方法，具体涉及一种基于3D线激光设备的坑槽三维指标提取计算方法。

背景技术

随着科技水平的不断发展，坑槽检测技术也从早期的人工检测技术发展到现在的非接触式路面检测技术。传统的坑槽检测是人工法，存在着安全、速度、精度等诸多方面的问题，而且后期处理的工作量通常也很巨大，不适应大规模公路检测的要求。为了解决这种局限性，现阶段已经开展了多种用于自动检测和病害分析的研究。

目前对坑槽的自动检测技术主要包括基于加速度传感器和振动感应器为基础的技术，基于图像像素点识别的二维外观检测技术，基于视觉识别的二维图像三维重构技术，以及基于3D线激光设备的三维表面重构技术。但前者只是用于初步的粗糙状况调查，缺乏准确性和可靠性，其后的两者不管是常规的二维图像技术还是基于动态视觉系统的图像识别其本质都是对照片的色素点进行差异化处理，通过路面病害的色素不同来进行区分识别，照片的像素，天气，光线等因素会影响照片的识别率和精度，同时通过相机对影像的采集范围有限，存在坑槽出现位置超出或部分超出相机采集范围的问题。

综上所述，基于图像识别技术的路面破损检测技术，尽管普遍被各省市所应用，但其受图像像素的影响较大，测量精准度较低，且无法得到破损的深度指标。而目前的线激光检测技术，或者其未脱离图像识别的本质，线激光仅仅作为辅助的深度标定，两种数据的结合难度高，或者并没有考虑坑槽面积的体积指标的计算，仅仅用于深度计算。因此，有必要提高坑槽检测的效率及精确度。而新兴的3D线激光成像技术是一种行之有效的解决方法，3D线激光车辙成像技术由于可获取高密度的车辙横断面数据(几百至几千个数据点)而成为目前坑槽检测的主要发展方向。然而，目前仍缺乏基于3D线激光坑槽三维指标检测尤其是面积、体积检测的相关室内检测精度检验与计算方法。

发明内容

本发明的目的在于提供一种基于3D线激光设备的坑槽三维指标提取计算方法，以克服上述现有技术存在的缺陷，本发明可以针对3D线激光检测设备进行室内检测精度标定，并基于检测数据进行三维指标的提取与计算。

为达到上述目的，本发明采用如下技术方案：

一种基于3D线激光设备的坑槽三维指标提取计算方法，包括以下步骤：

步骤1：制作若干深度不一、面积不一的规则模拟坑槽，对影响3D线激光设备识别率的参数进行标定，得到最佳参数组合；

步骤2：在步骤1标定的最佳参数组合下进行坑槽深度、面积和体积指标的识别与计算；具体操作步骤为：

步骤2.1：通过3D线激光设备对坑槽进行检测，获得3D点云激光数据；

步骤2.2：利用TIN插值法处理3D点云激光数据获得规则的栅格数据；

步骤2.3：将插值后所得到的栅格数据分割去噪后得到三维数据；

步骤2.4：将得到的三维数据进行数据边缘光滑和噪点消除，得到三维重构数据；

步骤2.5：根据三维重构数据计算坑槽深度、面积和体积指标。

进一步地，步骤1中对影响3D线激光设备识别率的参数进行标定的方法如下：

步骤1.1：对影响3D线激光设备识别率的参数进行单因素试验；

步骤1.2：对单因素试验结果进行分析，得到最佳参数组合。

进一步地，影响3D线激光设备识别率的参数包括其架设高度和曝光值。

进一步地，步骤2.3中对插值后所得到的栅格数据分割去噪的方法为：将插值后所得到的栅格数据进行等高程提取，获得高差间距相等的若干等高曲线及其对应的三维数据。

进一步地，步骤2.5中坑槽的深度的计算方法为：将模拟坑槽的上表面默认为地面，将其高程值Z_max和坑槽最低点的高程值Z_min相减，H＝Z_max-Z_min，即为坑槽的最大深度H。

进一步地，坑槽的面积的计算方法为：

1)将高程最高的闭合曲线映射到XOY平面上；

2)将映射面中Y轴值和Z轴值相等的点相连，并将相邻的两点相连，得到由若干个三角形和梯形组成的近似圆形的多边形，其中每个三角形或梯形的高均为ΔLy，ΔLy表示Y轴相邻两个点间的Y坐标值之差；

3)按照积分中的三角形定理和梯形定理，首先计算每个三角形和梯形的面积，s_n＝(|X_n-1|+|X_n|)/2·ΔLy，其中X_n为对应点的X轴坐标值，然后对每个三角形和梯形进行求和，S＝s₁+s₂+s₃……+s_n，S即为坑槽面积。

进一步地，坑槽的体积的计算方法为：

1)按照坑槽面积的计算方法计算出整个坑槽内所有闭合等高曲线映射到XOY平面上的图形面积，得到S₁，S₂…..S_n；

2)按照积分原理，相邻的等高线所在平面间的体积，按照柱形体积求取公式进行计算，V_n＝Δh*S_n，其中Δh为相邻两个断面Z轴读数差值，坑槽总体积为V＝V₁+V₂+...+V_n。

进一步地，所述的模拟坑槽是在车辙板内处置的一个规则碗状坑，所述模拟坑槽的数量为3个。

与现有技术相比，本发明具有以下有益的技术效果：

本发明可以针对3D线激光检测设备进行室内检测精度标定，并基于检测数据进行三维指标的提取与计算，本发明利用3D线激光设备所生成的数据，基于等高线法则和积分计算原理，建立了一种能够快速提取坑槽深度、宽度指标并能够计算坑槽面积、体积数据的方法，并通过对多个模拟坑槽进行检测，所得到的数据表明，通过本发明所得到的深度、面积、体积数据精准度较高，且结果具有可重复性。

附图说明

图1是本发明中坑槽三维指标计算方法流程图；

图2是本发明中3D线激光设备的数据识别率随架设高度的变化情况；

图3是本发明中3D线激光设备的检测范围随架设高度的变化情况；

图4是本发明的坑槽高程线识别及最大面积映射图；

图5是本发明的坑槽二维面积计算模拟图；

图6是本发明的坑槽三维体积计算模拟图；

图7是本发明的坑槽面积检测误差图；

图8是本发明的坑槽体积检测误差图；

图9是本发明不同速度下设备深度检测结果图；

图10是本发明不同偏移位置下检测结果图；

图11是本发明的Gocator2075型线激光检测仪的检测模型；

图12是本发明的3D线激光设备的架设设备示意图。

其中，1、支架；2、钢桁架；3、直角支架；4、线激光检测仪；5、端面连接板；6、I/O数据线；7、以太网数据线；8、计算机；9、I/O数据连接端口；10、车辙板。

具体实施方式

下面对本发明的实施方式做进一步详细描述：

一种基于3D线激光设备的坑槽三维指标提取计算方法，包括以下步骤：

步骤1：制作3个深度不一、面积不一的规则模拟坑槽，所述的模拟坑槽是在车辙板内处置的一个规则碗状坑，对影响3D线激光设备识别率的参数(架设高度和曝光值)进行标定，得到最佳参数组合；

步骤1.1：对影响3D线激光设备识别率的参数进行单因素试验；

步骤1.2：对单因素试验结果进行分析，得到最佳参数组合。

步骤2：在步骤1标定的最佳参数组合下进行坑槽深度、面积和体积指标的识别与计算；具体操作步骤为：

步骤2.1：通过3D线激光设备对坑槽进行检测，获得3D点云激光数据；

步骤2.2：利用TIN插值法处理3D点云激光数据获得规则的栅格数据；

步骤2.3：将插值后所得到的栅格数据分割去噪后得到三维数据，具体方法为：将插值后所得到的栅格数据进行等高程提取，获得高差间距相等的若干等高曲线及其对应的三维数据；

步骤2.4：将得到的三维数据进行数据边缘光滑和噪点消除，得到三维重构数据；

步骤2.5：根据三维重构数据计算坑槽深度、面积和体积指标；

坑槽的深度的计算方法为：将模拟坑槽的上表面默认为地面，将其高程值Z_max和坑槽最低点的高程值Z_min相减，H＝Z_max-Z_min，即为坑槽的最大深度H；

坑槽的面积的计算方法为：

1)将高程最高的闭合曲线映射到XOY平面上；

2)将映射面中Y轴值和Z轴值相等的点相连，并将相邻的两点相连，得到由若干个三角形和梯形组成的近似圆形的多边形，其中每个三角形或梯形的高均为ΔLy，ΔLy表示Y轴相邻两个点间的Y坐标值之差；

3)按照积分中的三角形定理和梯形定理，首先计算每个三角形和梯形的面积，s_n＝(|X_n-1|+|X_n|)/2·ΔLy，其中X_n为对应点的X轴坐标值，然后对每个三角形和梯形进行求和，S＝s₁+s₂+s₃……+s_n，S即为坑槽面积。

坑槽的体积的计算方法为：

1)按照坑槽面积的计算方法计算出整个坑槽内所有闭合等高曲线映射到XOY平面上的图形面积，得到S₁，S₂…..S_n；

2)按照积分原理，相邻的等高线所在平面间的体积，按照柱形体积求取公式进行计算，V_n＝Δh*S_n，其中Δh为相邻两个断面Z轴读数差值，坑槽总体积为V＝V₁+V₂+...+V_n。

下面结合附图对本发明的实施过程作进一步详细说明：

参见图11至图12，本发明所述的室内坑槽三维激光检测设备包括：架设设备、计算机8、线激光检测仪4，架设设备包括支架1、钢桁架2、直角支架3、端面连接板5和蹄脚，所述支架1为50-45°支架，直角支架3为8080-50直角支架，端面连接板5为50100-M12端面连接板，蹄脚为M12X100-80D蹄脚，线激光检测仪4为Gocator2075型线激光检测仪。

将Gocator2075型线激光检测仪放置于架设设备的顶端，由50100-M12端面连接板将两者连接在一起，同时端面连接板也可以沿钢桁架2的顶部滑动。Gocator2075型线激光检测仪的输出端通过以太网数据线7连接至计算机8，可输出检测数据；输入端通过I/O数据线6接入I/O数据连接端口9，可保证电源和数据处理的正常运行，所述的I/O数据线6为GOCATORI/O数据线。将测量模型(量块或者成型的车辙板10)放置于Gocator2075型线激光检测仪的正下方，不得超出检测仪器的测量范围(约为1.2m)。

基于Gocator2075型线激光检测仪的坑槽三维指标提取计算方法主要分为3个部分，即参数标定实验、室内坑槽深度、面积、体积指标计算和模拟室外检测状态的可靠性试验。每个部分进行的实验次数互不相同，具体为：

(1)对3D线激光检测仪器进行初步调整，包括：架设高度的平整性、根据外界光线环境对仪器进行的曝光值调整以及基准线的校正等；

(2)在一个尺寸为50cm×50cm×5cm的AC-16沥青车辙板内处置一个规则碗状坑，模拟实际检测中的坑槽，制作3个深度不一、面积不一的模拟坑槽；

(3)用游标卡尺对坑槽的最大深度及最大宽度进行量测，测5次取其平均值作为坑槽的深度和宽度的实际值，再根据测得的模拟坑槽的最大外径计算坑槽的破损面积，采用填砂法测得模拟坑槽的体积，作为坑槽体积的实际值；

(4)本试验是在单一实验室内对3个不同的模拟坑槽进行的试验，根据美国ASTM规范中的规定，对每一个模拟坑槽需要分别进行4次以上的重复量测试验；

(5)将采集到的检测数据按照所建模型进行参数提取，并与实际结果进行对比分析。

(6)本文所采用的模拟坑槽均为规则弧形，外径均为规则圆形，车辙板放置于检测设备的正下方，设备的移动速度为200mm/s，架设高度为1.4m，曝光值为1200us，频率为最大值788.289Hz。

(7)将6)中所得到的三维重构数据作为坑槽真实形态，分别测试不同速度下设备对坑槽的检测精度。

1)室内坑槽深度指标的参数标定

合理的参数组合将会使线激光检测设备的检测精度达到最佳使用性能，即最佳识别率(某一个横断面上，线激光成像系统的相机可接收到的有效激光数据点所占比例)，这样就可以对路面损坏进行有效的三维构建。而对于线激光检测系统，其架设高度和曝光性均对其识别率有一定的影响，因此，有必要对各个影响因素进行参数标定以获取最佳性能组合。

将设备检测频率(仪器每秒钟可发出的激光点数)调至最大值(788.298HZ)，检测速度调至40km/h，然后调节钢架的架设高度(1.8m、1.6m、1.4m、1.2m、1.0m)，并在每一个高度下均按照200us至1200us，每200us取一个值进行测定，测定方法同上述室内车辙深度指标的检测方法，检测结果如表1所示：

表1不同高度与曝光值条件下的线激光检测数据情况

由表1可知，3D线激光系统的架设高度不仅对检测系统识别率有明显影响，同时也对系统检测范围有明显影响。对于一定的曝光值下，随着系统架设高度的增加，其识别率整体上将会下降。当高度低于1400mm时，800us的曝光值即可满足95％以上的识别率，但当设备架设高度高于1400时，设备曝光值需要达到1200us才能满足要求。同时，如图1所示，系统检测范围随架设高度近似呈线性增加，线性公式如下(D为检测范围，H为架设高度)：D＝0.5239H+21.945，R²＝0.9999。

参见图2和图3，对于一定的曝光值，当架设高度超过1400mm时，检测系统的数据识别率开始下降明显并逐渐趋于稳定，因此，在保证数据识别率的条件下，最佳架设高度应为1400mm以内，只有当曝光值超过1000us时，检测系统的数据识别率才可以保证在99％以上(根据ASTMC802，当采集的数据点中缺失点占总采集点的比例小于1％时，可认为该组采集的数据有效)。同时，考虑到检测范围随架设高度的增加而增加，因此，本实验确定了该线激光成像系统的最佳参数组合为：架设高度为1400mm，同时曝光值在1000us以上。

2)室内坑槽深度、面积、体积指标的识别与计算方法

参见图1，本发明针对3D线激光提出的分割方法是专门用于路面坑槽的自动识别。通过TIN插值的来获得规则的栅格数据。尽管，某些数据会丢失，但是网格数据被认为是常规的数据处理方式。等高差取值法，是数字地形图中的特征提取基础，通过等高线划定坑槽区域后消去噪点并提取坑槽部分数据。均值滤波器被用于网格数据的边缘光滑。然后，地形和纹理特征应用于坑槽特征提取。最后，将三维数据二维化，通过积分原理进行坑槽面积、体积计算。

具体步骤如下：

1.将差值后所得到的3D重构形态进行等高程提取，剔除所有在最高的等高线区域外部的数据，获得如图4所示的高差间距相等的若干等高曲线及其对应的数据点(具体的高差取值需要在实验中确定)；

2.将模拟坑槽的上表面默认为地面，将其高程值和坑槽最低点的高程值相减，H＝Z_max-Z_min，即为坑槽的最大深度；

3.将高程最高的闭合曲线映射到XOY平面上，即图4中XOY平面上的虚线；

4.将映射面中Y轴值和Z轴值相等的点相连，并将相邻的两点相连，得到如图5所示的由多个三角形和梯形组成的近似圆形的多边形，其中每个三角形或梯形的高均为ΔLy；

5.按照积分中的三角形定理和梯形定理，对每个三角形和梯形进行求和s_n＝(|X_n-1|+|X_n|)/2·ΔLy(其中ΔLy为Y轴相邻两个点间的Y坐标值之差，当设备架设高度为1.5m时ΔLy＝0.55mm，X_n为对应点的X轴坐标值)，累加后即为该图形的总面积S＝s₁+s₂+s₃……+s_n(Y轴间距与实际检测速度相关)；

6.按照同样的步骤计算出整个坑槽内所有闭合等高曲线映射到XOY平面上的形状面积，得到S₁，S₂.....S_n，如图6中的平面；

7.按照积分原理，相邻截面间的体积，分别按照柱形体积求取公式进行计算，V_n＝Δh*S_n，V＝V₁+V₂+...+V_n(Δh为相邻两个断面Z轴读数差值)。

根据上述步骤即可通过设备所测得的数据得到坑槽病害的深度，面积，体积值。坑槽的深度、面积和体积数据见表2。

表2坑槽检测数据情况

表2为3组坑槽的测量值情况，分别模拟了沥青路面养护规范中不同严重程度坑槽的三维指标检测数据。表格中识别率是设备接收到的激光点数与总激光点数的比值，根据美国的ASTM规范C802中规定，当数据丢失率低于1％时，可以认为该数据是完整的，由表2识别率结果显示，设备在动态检测过程中识别率均超过了99％以上，说明在检测过程中设备能够识别出足够多的激光点，能够防止由于激光点的无法识别而导致的检测数据缺失现象。

为了评价三维激光检测仪的重复性，本次实验分别对每个坑槽进行了四次独立测量。实验结果表明，两次测量绝对误差范围在0.066mm至0.142mm以内，误差结果精确于人工测量，同时各表中不同组数据间的标准值均处在同一个数量级，同时组别数据的变异系数均小于1，可以认为设备检测结果具有可重复性。

由表2数据可以看出，测量值相对误差基本在2％以内，这证明了该三维激光检测仪在较高的移动速度下进行动态检测的结果可以可达到高精度测量要求，能够较为准确的提取坑槽的深度数据。表2数据和图7显示，面积数据的检测值均小于真值，其面积数据相对误差基本处在5％左右，图8显示体积数据的相对误差则达到了2.5％-7.5％，并且随着坑槽实际面积或体积的增加，相对误差越大，且误差增大率与面积或体积的增加率成正比，且检测体积的相对误差明显大于面积，认为误差主要来源可能是这与本文算法本身的缺陷所造成的，三角形法则和梯形法则本身就会造成数据的低估，不过绝对误差值均较小，其中面积数据的绝对误差相比于规范中0.1m²的坑槽面积评定阈值，基本可以忽略不计。因此，通过本发明的坑槽检测方法，能够得到较为准确的坑槽深度，面积和体积数据。

3)室内坑槽三维指标检测精度可靠性试验

由于在实际操作中与实验室内有较多的不一致性，为了验证检测设备和方法的可靠性需要进行可靠性试验。在实际操作中设备的重复检验，移动速度，采集位置这三者是最主要的影响因素，其中重复性试验此节不再赘述，本节主要检验不同移动速度和坑槽偏移位置的是否对检测结果有明显影响。在检验速度对检测精度的影响时，移动速度选择1-5km/h阶段每1km/h重复检测四次，5-40km/h每5km/h重复检测四次，坑槽则默认为在检测设备正下方，检测对象为3号坑槽，检测结果如图9所示。在检验偏移位置对检测精度的影响时，偏移距离选择0mm-225mm每15mm重复检测四次，移动速度则假设为最大移动速度(在此为40km/h)，检测结果如图10所示。

由图9可知，随着移动速度的提高，设备的对坑槽的检测精度不断下降，当移动速度达到40km/h时，检测数据的相对误差为2.12％，这主要是由于设备在移动速度达到40km/h后，在设备最大频率788.289Hz下，线激光点的Y轴跨度已经达到了1.4cm以上，很难检测到坑槽的最深点。不过40km/h速度下坑槽深度检测的绝对误差依然在1mm以内，相比于规范规定的2.5cm的坑槽阈值而言影响有限，可以认为设备在40km/h以内的速度下，设备基本能够保证必要的深度检测精度。但坑槽的面积精度则受移动速度的影响明显，尤其是当移动速度为30km/h时，检测误差为9.71％，而速度为40km/h时，检测误差已经达到了12.59％，超过了10％，这是由于算法本身是基于积分原理，当ΔLy越大时，其误差就越大，虽然40km/h下，其数据绝对误差仅为0.01m²，相比于规范设定的0.1m²而言较小，但建议速度应该尽量在30km/h以下，保证数据误差不超过10％。同样的，对于坑槽的体积检测，由于算法是基于面积而来的积分求取，其误差更在面积之上，当速度达到20％，体积误差已经达到了20.24％，已经难以得到准确的坑槽体积数据。

由图10可知，在整个偏移过程中设备对坑槽的检测深度基本处于2％以下，而对面积的检测误差也无明显变化，可以认为偏移对坑槽的检测精度影响有限。

综上所述，本发明的坑槽三维指标提取计算方法在现有设备下基本能够满足实际的坑槽检验。但由于设备自身频率过小的原因，导致在高速状态下对坑槽的深度，尤其是面积的检测进度不佳。

Claims (4)

1.一种基于3D线激光设备的坑槽三维指标提取计算方法，其特征在于，包括以下步骤：

步骤1：制作若干深度不一、面积不一的规则模拟坑槽，对影响3D线激光设备识别率的参数进行标定，得到最佳参数组合；

步骤2：在步骤1标定的最佳参数组合下进行坑槽深度、面积和体积指标的识别与计算；具体操作步骤为：

步骤2.1：通过3D线激光设备对坑槽进行检测，获得3D点云激光数据；

步骤2.2：利用TIN插值法处理3D点云激光数据获得规则的栅格数据；

步骤2.3：将插值后所得到的栅格数据进行等高程提取，获得高差间距相等的若干等高曲线及其对应的三维数据；

步骤2.4：将得到的三维数据进行数据边缘光滑和噪点消除，得到三维重构数据；

步骤2.5：根据三维重构数据计算坑槽深度、面积和体积指标；

其中，坑槽的深度的计算方法为：将模拟坑槽的上表面默认为地面，将其高程值Z_max和坑槽最低点的高程值Z_min相减，H＝Z_max-Z_min，即为坑槽的最大深度H；

坑槽的面积的计算方法为：

1)将高程最高的闭合曲线映射到XOY平面上；

2)将映射面中Y轴值和Z轴值相等的点相连，并将相邻的两点相连，得到由若干个三角形和梯形组成的近似圆形的多边形，其中每个三角形或梯形的高均为ΔLy，ΔLy表示Y轴相邻两个点间的Y坐标值之差；

3)按照积分中的三角形定理和梯形定理，首先计算每个三角形和梯形的面积，s_n＝(|X_n-1|+|X_n|)/2·ΔLy，其中X_n为对应点的X轴坐标值，然后对每个三角形和梯形进行求和，S＝s₁+s₂+s₃……+s_n，S即为坑槽面积；

坑槽的体积的计算方法为：

1)按照坑槽面积的计算方法计算出整个坑槽内所有闭合等高曲线映射到XOY平面上的图形面积，得到S₁，S₂…..S_n；

2)按照积分原理，相邻的等高线所在平面间的体积，按照柱形体积求取公式进行计算，V_n＝Δh*S_n，其中Δh为相邻两个断面Z轴读数差值，坑槽总体积为V＝V₁+V₂+...+V_n。

2.根据权利要求1所述的一种基于3D线激光设备的坑槽三维指标提取计算方法，其特征在于，步骤1中对影响3D线激光设备识别率的参数进行标定的方法如下：

步骤1.1：对影响3D线激光设备识别率的参数进行单因素试验；

步骤1.2：对单因素试验结果进行分析，得到最佳参数组合。

3.根据权利要求2所述的一种基于3D线激光设备的坑槽三维指标提取计算方法，其特征在于，影响3D线激光设备识别率的参数包括其架设高度和曝光值。

4.根据权利要求1所述的一种基于3D线激光设备的坑槽三维指标提取计算方法，其特征在于，所述的模拟坑槽是在车辙板内处置的一个规则碗状坑，所述模拟坑槽的数量为3个。