CN106296814A - 公路养护检测与可视化交互方法和系统 - Google Patents

Abstract

本发明提供一种公路养护检测与可视化交互方法和系统。该方法包括：通过预定义的数据接口导入利用采集设备采集到的公路数据，将公路数据进行集成与融合处理，获得用于养护检测信息提取的融合数据。根据融合数据、以及路面破损特征库对公路上的路面破损进行识别和分类，得到公路的路面破损信息；并且根据融合数据对公路的平整度以及车辙进行检测，得到公路的平整度和车辙评价结果数据。路面破损信息和平整度和车辙评价结果数据作为养护检测信息；根据融合数据、养护检测信息构建资源整合数据库，以便用户通过三维可视化窗口与资源整合数据库进行交互，实现了自动高效地可视化公路养护。

Description

公路养护检测与可视化交互方法和系统

技术领域

本发明实施例涉及公路养护及管理技术，尤其涉及一种公路养护检测与可视化交互方法和系统。

背景技术

为保持公路经常处于完好状态，防止其使用质量下降，需进行公路养护，近年来，我国高速公路建设迅猛发展，随着公路里程增加，公路建成后养护检测和管理的工作量也急剧增加。

现有技术中，通常采用检测车在待检测道路上行驶，通过设置在车辆前部的激光传感器或超声波传感器对道路进行检测，得到采集数据。常见的公路检测指标主要有平整度检测、车辙检测和路面破损检测等。但是现有的数据检测时间长、效率低、准确率低，且检测数据的利用率低。针对路面破损检测通常利用高速摄像机采集的路面影像进行破损识别，现阶段的后处理软件在图像的自动识别方面存在较多误判、漏判及难判定等现象，而由人工辅助处理，则导致工作量大且人工成本较高。同时，现阶段通常采用像对测量的方式对公路及附属设施进行查看和量测，通过图片进行现场情况展示，该方法存在局限性。

发明内容

本发明实施例提供一种公路养护检测与可视化交互方法和系统，以解决现有技术中公路养护效率低、养护信息准确率低、养护数据不具备直观可视化的问题。

本发明实施例一方面提供一种公路养护检测与可视化交互方法，包括：

通过预定义的数据接口导入利用采集设备采集到的公路数据，所述公路数据包括全景影像数据、激光点云数据；

将所述公路数据进行集成与融合处理，获得用于养护检测信息提取的融合数据；

根据所述融合数据、以及路面破损特征库对所述公路上的路面破损进行识别和分类，得到所述公路的路面破损信息；并且根据所述融合数据对所述公路的平整度以及车辙进行检测，得到所述公路的平整度和车辙评价结果数据；所述路面破损信息和所述平整度和车辙评价结果数据作为养护检测信息；

根据所述融合数据、所述养护检测信息构建资源整合数据库，以便用户通过三维可视化窗口与所述资源整合数据库进行交互。

本发明实施例另一方面提供一种公路养护检测与可视化交互系统，包括：

数据获取模块，用于通过预定义的数据接口导入利用采集设备采集到的公路数据，所述公路数据包括全景影像数据、激光点云数据；

数据处理模块，用于将所述公路数据进行集成与融合处理，获得用于养护检测信息提取的融合数据；

养护检测信息获取模块，用于根据所述融合数据、以及路面破损特征库对所述公路上的路面破损进行识别和分类，得到所述公路的路面破损信息；并且根据所述融合数据对所述公路的平整度以及车辙进行检测，得到所述公路的平整度和车辙评价结果数据；所述路面破损信息和所述平整度和车辙评价结果数据作为养护检测信息；

可视化交互模块，用于根据所述融合数据、所述养护检测信息构建资源整合数据库，以便用户通过三维可视化窗口与所述资源整合数据库进行交互。

本发明实施例提供的公路养护检测与可视化交互方法和系统能够快速高效的获取多源公路数据，将采集设备采集到的公路数据通过预定义的数据接口导入，实现多源异构数据的整合与统一管理，简化用户对数据调度和使用的开发难度，无需直接读取和写入对应的数据格式；然后将导入的公路数据进行集成与融合处理，获得用于养护检测信息提取的融合数据；然后根据融合数据、以及路面破损特征库自动化识别公路上的路面破损、平整度和车辙，得到公路的养护检测信息，提高了养护信息的准确性，降低了工作量，显著提升了养护信息采集和处理效率；最后构建资源整合数据库，可实现360°全景激光展示和三维可视化关联展示，并实现了养护信息与公路模型关联互动，可提供养护应用、量测、设施标识等交互功能，可快速直观展示公路养护现场，通过养护评价结果，辅助管理者进行分析决策，制定养护方案。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种公路养护检测与可视化交互方法的流程图；

图2为本发明实施例提供的一种可视化交互模块的结构示意图；

图3为本发明实施例提供的一种获取融合数据的流程图；

图4为本发明实施例提供的一种决策树模型示意图；

图5为本发明实施例提供的一种公路养护检测与可视化交互系统的结构图；

图6为本发明实施例提供的一种数据处理模块的结构图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种公路养护检测与可视化交互方法，如图1所示，该方法包括：

步骤101、通过预定义的数据接口导入利用采集设备采集到的公路数据，公路数据包括全景影像数据、激光点云数据。

示例性的，可以采用360°全景激光数据采集车、车载激光探测与测量设备、路况多功能检测车和便携式路况采集设备等先进采集设备采集公路数据及处理公路数据。不同采集设备采集到的公路数据结构不同，具有多源性。示例性的，还可以直接导入已有的公路数据。可选的，也可通过数据接口直接关联其他已有数据库。

示例性的，数据接口包括：统一数据访问接口、多源数据输入输出接口、实时可视化接口、界面交互工具接口等。

其中，统一数据访问接口提供对文件系统数据库、关系数据库等多种数据库系统的一体化数据访问接口，隐藏数据库系统的具体形式，简化用户对数据调度和使用方面的开发难度。

其中，多源数据输入输出接口是提供对异构数据数据格式的解析及处理的统一接口，例如，采集的公路数据可以来自竣工资料，计算机辅助设计(Computer Aided Design，简称CAD)数据，车载激光探测与测量(LightDetection And Ranging，简称LiDAR)等。对于不同数据格式的数据的输入输出都要通过统一接口，使系统不需要直接读取和写入对应的数据格式。具体的，通过分析不同来源的数据的数据结构，利用各类数据在数据文件格式及数据组织形式上面的共通性，选择关键字段及合适的数据组织结构，将各类数据相关联，实现数据的查询、分析、实时更新。同时，赋予以上数据唯一的桩号。

其中，实时可视化接口可以实现通过可视化窗口进行数据展示和用户交互操作、查询等功能。

步骤102、将公路数据进行集成与融合处理，获得用于养护检测信息提取的融合数据。

由于不同来源的公路数据具有不同的数据结构以及不同的数据信息；同时，由于拍摄得到的影像不包含任何地理坐标信息，原始的激光点云数据也仅包含每个激光点的发射角、测量距离、反射率等信息，不包含坐标、姿态等地理坐标信息，因此，需要对公路数据进行集成与融合处理，得到可直接使用的融合数据，方便后续公路养护数据的提取，及可视化的数据挖掘、分析量测。

步骤103、根据融合数据、以及路面破损特征库对公路上的路面破损进行识别和分类，得到公路的路面破损信息；并且根据融合数据对公路的平整度以及车辙进行检测，得到公路的平整度和车辙评价结果数据；路面破损信息和平整度和车辙评价结果数据作为养护检测信息。

步骤104、根据融合数据、养护检测信息构建资源整合数据库，以便用户通过三维可视化窗口与资源整合数据库进行交互。

可选的，如图2所示，资源整合数据库有效整合融合数据、养护数据、路面管理系统数据及桥梁管理系统数据等，并应用异构系统的数据资源抽取、转换、装载(Extract Transform Load，简称ETL)技术，实现可定制转换规则的养护数据资源整合，并据此形成养护信息交换接口标准，解决了因系统结构和格式差异导致数据不能互通共享的问题。实现了以资源整合数据库为中心，与标准的公路基础数据库、中国公路桥梁管理系统(China BridgeManagement System,简称CBMS)及国省道干线公路沥青路面管理系统(Pavement Management System for China highways简称CPMS)系统数据库、养护工程数据库等的互联互通和数据共享。资源整合数据库的数据通过三维可视化交互窗口进行数据展示和用户交互操作、查询、智能分析决策。

示例性的，用户可浏览公路某点的三维全景影像及路面影像，通过地图点选、公路设施选择、桩号选择、路产破损结果选择等方式，快速定位到相应位置，显示该位置的三维全景影像。

示例性的，用户可以直接在三维全景影像中进行量测，包括平距、高差、斜距、面积等的测量。

示例性的，用户还可以直接提取平整度及车辙数据，资源整合数据库还可提供曲线图、表格、统计柱状图等结果视图及评价报告。

示例性的，用户还可以直接标示公路设施、路面破损等信息，直接生成路面破损评价报告。

资源整合数据库的可视化交互可快速直观展示公路养护现场，通过养护评价结果，辅助管理者进行分析决策，制定养护方案。

本发明实施例提供的公路养护检测与可视化交互方法，能够快速高效的获取多源公路数据，将采集设备采集到的公路数据通过预定义的数据接口导入，实现多源异构数据的整合与统一管理，简化用户对数据调度和使用的开发难度，无需直接读取和写入对应的数据格式；然后将导入的公路数据进行集成与融合处理，获得可直接用于养护检测信息提取的融合数据；然后根据融合数据、以及路面破损特征库自动化识别公路上的路面破损、平整度、和车辙，得到公路的养护检测信息，提高了养护信息的准确性，降低了工作量，显著提升了养护信息采集和处理效率；最后构建资源整合数据库，可实现360°全景激光和三维可视化关联展示，并实现了养护信息与公路模型关联互动，可提供养护应用、量测、设施标识等交互功能，可快速直观展示公路养护现场，通过养护评价结果，辅助管理者进行分析决策，制定养护方案。

为了使本领域技术人员能够更清楚地理解本发明实施例提供的技术方案，下面通过具体的实施例，对本发明的实施例提供的公路养护检测与可视化交互方法进行详细说明。

可选的，如图3所示，步骤102中的将公路数据进行集成与融合处理，获得用于养护检测结果数据提取的融合数据包括：

步骤201：利用测量得到的影像外方位元素对全景影像数据进行平差计算，得到全景影像数据的变换模型。

示例性的，影像外方位元素通过车载惯性测量单元(Inertial MeasurementUnit，简称IMU)测得。

步骤202、利用全景影像数据的变换模型对全景影像数据中属于各个摄像头的影像数据根据地理投影信息进行重采样，得到具有地理信息坐标的各个摄像头的影像数据。

步骤203、在球面坐标系中，将同一时间拍摄的影像数据进行拼接，获得在同一时间的球面拼接影像。

步骤204、根据GPS/IMU数据对激光点云数据进行几何定位，得到定位后的激光点云数据，定位后的激光点云数据包含空间坐标和姿态信息。

可选的，在步骤204之前可先利用全球定位系统(Global PositioningSystem，简称GPS)差分技术获取高精度的GPS数据。可选的，在步骤204之后，可对定位后的激光点云数据进行滤波处理，滤除干扰数据，提高养护信息的准确率。

步骤205、根据定位后的激光点云数据对球面拼接影像进行纠正，使球面拼接影像与激光点云数据匹配融合，得到用于养护检测信息提取的融合数据。

示例性，首先在全景影像和激光点云数据中找到明显的同名特征点，分别记录同名特征点在全景影像上的像素坐标(x，y)和在激光点云数据中的点云脚点坐标(X，Y，Z)，其次依据预设的坐标转换模型对影像坐标进行转换。可选的，坐标转换模型如下所示：

$x=-f\frac{a1(X-X_S)+b1(Y-Y_S)+c1(Z-Z_S)}{a3(X-X_S)+b3(Y-Y_S)+c3(Z-Z_S)}$

$y=-f\frac{a2(X-X_S)+b2(Y-Y_S)+c2(Z-Z_S)}{a3(X-X_S)+b3(Y-Y_S)+c3(Z-Z_S)}$

其中Xs，Ys，Zs是相机拍摄中心位置坐标，f是相机拍摄焦距。

首先通过上述转换模型求解9个未知参数a1、b1、c1、a2、b2、c2、a3、b3、c3，然后将这9个参数代入上述模型，即可将全景影像的每个像素纠正到激光点云数据中的相应位置，完成全景影像数据到激光点云数据的匹配。

可选的，在步骤205之前，还可先进行传感器检校。由于激光雷达测量要求LiDAR参考坐标系同IMU惯性平台参考坐标系的坐标轴间相互平行，但在设备安装时，并不能完全保证它们相互平行。IMU惯性平台的参考坐标系与LiDAR的Laser/Mirror(激光/反射镜)参考坐标系之间存在三个姿态角的偏移。这些偏移会在设备运输、设备安装或者随着时间的变化有所改变。传感器检校是指根据特定的地物在不同行进线路中所表现的特征，对LiDAR相机参考坐标系同IMU惯性平台参考坐标系的坐标轴间的三个姿态角偏移(侧滚角Roll、俯仰角Pitch、航偏角Heading)的检校工作。经过检校后的激光点云数据，具备高精度的空间坐标和姿态信息。可选的，还可通过系统检校和强度检校增加精确度。

可选的，步骤103中的根据融合数据、以及路面破损特征库对公路上的路面破损进行识别和分类，得到公路的路面破损信息包括：

根据融合数据，以及路面破损特征库对公路上的路面破损进行识别和分类，得到公路上的路面破损信息；路面破损特征库是由预设置的不同种类路面破损的影像特征的集合构成。

示例性的，根据《JTG H20-2007公路技术状况评定标准》的描述，将该标准中的公路路面破损分类及评定标准用作特征定义，将其影像特征及空间特征做标定，使其可以使用影像及空间坐标特征进行识别、分类，建立不同种类路面破损的对比识别模型，从而将这些对比识别模型作为预设置的不同种类路面破损的影像特征预设置在系统中，以便将其作为路面破损自动识别的判断标准。示例性的，归纳总结沥青路面破损中的横裂、坑槽等路面破损点的影像特征和特点，进行备份，存储至相应路面破损识别特征库中。通过建立公路路面破损识别特征库，可有效提高路面破损的自动识别率，提高检测评价的准确性，减轻人工工作量。

示例性的，基于融合数据中的全景影像、高程等数据，依照公路路面破损识别特征库中的对比识别模型，自动提取路面破损数据，如图4所示，采用决策树算法进行公路路面破损类别的判别，同步获取相同位置激光点云数据，进行精确识别，并自动保存影像数据、相关空间数据、分类及评价结果数据。

示例性的，首先按照决策树模型进行全景影像异常部位提取，具体的，获取正射影像图，可以先对正射影像图进行灰度处理以减少运算量，采用噪声消除算法除去图像上较小的异常点，再采用图像形态处理的粗细变换技术把裂缝类线型异常部位与其它面状异常部位分离开，然后采取图像形态处理的图像腐蚀技术把非常接近的面状异常部位合并，最后利用图像轮廓提取技术获取路面破损部位的长、宽、位置等信息。

示例性的，根据决策树算法，首先进行形状可分为线型、规则圆、规则矩形和其它面状，然后再依据尺寸和颜色进行进一步的破损识别。

示例性的，对裂缝长度计算，公式如下：

l＝{[(x_a-x_b)×H]²+[(y_a-y_b)×V]²}^1/2

其中(x_a-x_b)和(y_a-y_b)是水平方向和垂直方向上的像素个数差值，H是水平方向的比例因子，即水平方向上的像素个数与实际情况水平长度的比值；V是垂直方向的比例因子，即垂直方向上的像素个数与实际情况垂直长度的比值；l是两个相邻像素之间的长度。

示例性的，对裂缝宽度计算，方法如下：

分别计算裂缝点处的一个骨架点处的宽度D1，另一骨架点处的斜率D2，然后将二者进行比较，取较小值作为此裂缝的宽度D＝MIN(D1，D2)。

依照公路路面破损的对比识别模型，当用户选择了一个数据集合后，根据数据采集时车辆行驶路线的经纬度坐标自动进行桩号解算、路面影像数据正投处理、路面的激光点云数据叠加等操作；再根据路面的全景影像数据、高程数据进行路面破损自动识别；当能够确认为破损，则直接保存为路面破损信息，若不能确定，则获取相同位置的激光点云数据，进行进一步识别，并将识别结果保存为路面破损信息。

可选的，步骤103中的根据融合数据对公路的平整度以及车辙进行检测，得到公路的平整度和车辙评价结果数据包括：

根据车辆行驶轨迹的地理信息坐标进行线性坐标系转换，得到目标桩号所对应的路面的激光点云数据，根据路面范围的横向激光点云数据的高程值获取车辙评价结果数据，根据路面范围的纵向激光点云数据的高程值获取平整度评价结果数据。

示例性的，可以包括自动提取车辙深度(Rutting Depth，简称RD)检测结果并计算车辙深度指数(Rutting Depth Index，简称RDI)，自动计算国际平整度指标(International Roughness Index，简称IRI)，并分别对高速公路、一级公路评定路面行驶质量指数(Riding Quality Index，简称RQI)值。

具体的，当用户选择了一个数据集合后，根据数据采集时车辆行驶轨迹的经纬度坐标，进行线性坐标系转换，即可提取特定桩号所对应的路面激光点云数据。提取激光点云数据之后，选择路面范围的横向点云数据的高程值，代入RD计算公式进行车辙评价值计算；选择路面范围的纵向点云数据的高程值，代入路面平整度IRI值计算公式进行计算。

示例性的，车辙RD计算方法如下：

首先，计算横断面上每个激光点xi(i＝1,2,…,n)相对于选定的测量基准面的输出高度值：

$h_1^0,h_2^0,......,h_i^0(i=\mathrm{1,2},...,n)$

其次，计算横断面上每个激光点相对于实际路面的输出高度值：

h₁,h₂,……,h_i(i＝1,2,…,n)

再次，计算横断面上每个激光点得到的相对于测量基准面的高度值为：

$y1=h_1-h_1^0,y2=h_2-h_2^0,......,\mathrm{yi}=h_i-h_i^0$

最后，输出横断面曲线：

yi＝f(xi)(i＝1,2,…,n)

该横断面曲线即可直观的显示路面的车辙情况。

平整度IRI的计算采用迭代的方式，其计算方式如下：

示例性的，在每公里的数据中随机抽取多个测试点(例如20个)进行平整度计算，其结果直接保存为平整度评价结果数据。每个测点均对应4个变量其中可以理解为加速度，可以理解为速度。设路面高程为yk，测点间距为dx。

首先，设置4个变量的初始值：

${\stackrel{\·\·}{Z}}_M={\stackrel{\·\·}{Z}}_m=0$

${\stackrel{\·\·}{Z}}_M={\stackrel{\·}{Z}}_m=\frac{\mathrm{ya}-y1}{11}$

其中，y_a为第a个测点的路面高程，y₁为第1个测点的路面高程，其中：

$a=\frac{11}{\mathrm{dx}}+1$

计算下一测点的4个变量

${\stackrel{\·}{Z}}_M=S11{\stackrel{\·}{Z}}_M+S12{\stackrel{\·\·}{Z}}_M+S13{\stackrel{\·}{Z}}_m+S14{\stackrel{\·\·}{Z}}_m+P1\stackrel{\·}{y}$

${\stackrel{\·\·}{Z}}_M=S21{\stackrel{\·}{Z}}_M+S22{\stackrel{\·\·}{Z}}_M+S23{\stackrel{\·}{Z}}_m+S24{\stackrel{\·\·}{Z}}_m+P2\stackrel{\·}{y}$

${\stackrel{\·}{Z}}_M=S31{\stackrel{\·}{Z}}_M+S32{\stackrel{\·\·}{Z}}_M+S33{\stackrel{\·}{Z}}_m+S34{\stackrel{\·\·}{Z}}_m+P3\stackrel{\·}{y}$

${\stackrel{\·\·}{Z}}_M=S41{\stackrel{\·}{Z}}_M+S42{\stackrel{\·\·}{Z}}_M+S43{\stackrel{\·}{Z}}_m+S44{\stackrel{\·\·}{Z}}_m+P4\stackrel{\·}{y}$

其中，等号左侧的4个变量为矩阵计算求出的当前状态的变量值；等号右侧中的4个变量为矩阵计算前一个测点已知的变量值。S_ij、P_j(i、j＝1、2、3、4)分别为系数矩阵中的值，该值随测点间距不同而不同，可选的，也可以通过预设的查找表确定，查找表为本领域技术人员根据经验绘制。为斜率输出。

其次，通过斜率相减的方式计算各测点的调整坡度RS_k，其中RS为调整坡度，下标k表示第k个测点：

$R{S}_k=|{\stackrel{\·}{Z}}_m-{\stackrel{\·}{Z}}_M|$

最后，计算路面的国际平整度指标IRI，公式如下：

$\mathrm{IRI}=\frac{1}{n-1}\underset{k=2}{\overset{n}{\mathrm{\Σ}}}R{S}_k$

其中n表示检测路段长度的总测点数。

上述获得的路面破损信息和平整度和车辙评价结果数据作为养护检测信息，可用于构建资源整合数据库，以便用户通过三维可视化窗口与所述资源整合数据库进行交互。具体的，养护检测信息还可包括依照其他标准检测获得的路面养护信息。

本发明另一方面提供一种公路养护检测与可视化交互系统，如图5所示，包括：

数据获取模块501，用于通过预定义的数据接口导入利用采集设备采集到的公路数据，公路数据包括全景影像数据、激光点云数据；

数据处理模块502，用于将所述公路数据进行集成与融合处理，获得用于养护检测信息提取的融合数据；

养护检测信息获取模块503，用于根据融合数据、以及路面破损特征库对公路上的路面破损进行识别和分类，得到公路的路面破损信息；并且根据融合数据对公路的平整度以及车辙进行检测，得到公路的平整度和车辙评价结果数据；路面破损信息和平整度和车辙评价结果数据作为养护检测信息；

可视化交互模块504，用于根据融合数据、养护检测信息构建资源整合数据库，以便用户通过三维可视化窗口与资源整合数据库进行交互。

示例性的，如图6所示，数据处理模块502包括：

影像纠正模块5021，用于利用测量得到的影像外方位元素对全景影像数据进行平差计算，得到全景影像数据的变换模型；

重采样模块5022，用于利用全景影像数据的变换模型对全景影像数据中属于各个摄像头的影像数据根据地理投影信息进行重采样，得到具有地理信息坐标的各个摄像头的影像数据；

影像拼接模块5023，用于在球面坐标系中，将同一时间拍摄的影像数据进行拼接，获得在同一时间的球面拼接影像；

几何定位模块5024，用于根据GPS/IMU数据对激光点云数据进行几何定位，得到定位后的激光点云数据，定位后的激光点云数据包含空间坐标和姿态信息；

匹配模块5025，用于根据定位后的激光点云数据对球面拼接影像进行纠正，使球面拼接影像与激光点云数据匹配融合，获得用于养护检测信息提取的融合数据。

示例性的，养护数据获取模503块包括：

路面破损自动识别模块，用于根据融合数据，以及路面破损特征库对公路上的路面破损进行识别和分类，得到公路上的路面破损信息；路面破损特征库是由预设置的不同种类路面破损的影像特征的集合构成。

示例性的，养护数据获取模块503还包括：

平整度和车辙自动检测模块，用于根据车辆行驶轨迹的地理信息坐标进行线性坐标系转换，得到目标桩号所对应的路面的激光点云数据，根据路面范围的横向激光点云数据的高程值获取车辙评价结果数据，根据路面范围的纵向激光点云数据的高程值获取路面的平整度评价结果数据。

本发明实施例提供的公路养护检测与可视化交互系统，能够快速高效的获取多源公路数据，将采集设备采集到的公路数据通过预定义的数据接口导入，实现多源异构数据的整合与统一管理，简化用户对数据调度和使用的开发难度，无需直接读取和写入对应的数据格式；然后将导入的公路数据进行集成与融合处理，获得用于养护检测信息提取的融合数据，进而方便了用户与公路数据的可视化交互；然后根据融合数据、以及路面破损特征库自动化识别公路上的路面破损、平整度、和车辙，得到公路的养护检测信息，提高了养护信息的准确性，降低了工作量，显著提升了养护信息采集和处理效率；最后构建资源整合数据库，可实现360°全景激光和三维可视化关联展示，并实现了养护信息与公路模型关联互动，可提供养护应用、量测、设施标识等交互功能，可快速直观展示公路养护现场，通过养护评价结果，辅助管理者进行分析决策，制定养护方案。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (8)

1.一种公路养护检测与可视化交互方法，其特征在于，包括：

通过预定义的数据接口导入利用采集设备采集到的公路数据，所述公路数据包括全景影像数据、激光点云数据；

将所述公路数据进行集成与融合处理，获得用于养护检测信息提取的融合数据；

根据所述融合数据、以及路面破损特征库对所述公路上的路面破损进行识别和分类，得到所述公路的路面破损信息；并且根据所述融合数据对所述公路的平整度以及车辙进行检测，得到所述公路的平整度和车辙评价结果数据；所述路面破损信息和所述平整度和车辙评价结果数据作为养护检测信息；

根据所述融合数据、所述养护检测信息构建资源整合数据库，以便用户通过三维可视化窗口与所述资源整合数据库进行交互。

2.根据权利要求1所述的方法，其特征在于，所述将所述公路数据进行集成与融合处理过程，包括：

利用测量得到的影像外方位元素对所述全景影像数据进行平差计算，得到所述全景影像数据的变换模型；

利用所述全景影像数据的变换模型对所述全景影像数据中属于各个摄像头的影像数据根据地理投影信息进行重采样，得到具有地理信息坐标的各个摄像头的影像数据；

在球面坐标系中，将同一时间拍摄的影像数据进行拼接，获得在所述同一时间的球面拼接影像；

根据全球定位系统GPS或惯性测量单元IMU数据对所述激光点云数据进行几何定位，得到定位后的激光点云数据，所述定位后的激光点云数据包含空间坐标和姿态信息；

根据所述定位后的激光点云数据对所述球面拼接影像进行纠正，使所述球面拼接影像与所述激光点云数据匹配融合，获得用于养护检测信息提取的融合数据。

3.根据权利要求1所述的方法，其特征在于，所述根据所述融合数据、以及路面破损特征库对所述公路上的路面破损进行识别和分类，得到所述公路的路面破损信息包括：

根据所述融合数据，以及路面破损特征库对所述公路上的路面破损进行识别和分类，得到所述公路上的路面破损信息；所述路面破损特征库是由预设置的不同种类路面破损的影像特征的集合构成。

4.根据权利要求1所述的方法，其特征在于，所述根据所述融合数据对所述公路的平整度以及车辙进行检测，得到所述公路的平整度和车辙评价结果数据包括：

根据车辆行驶轨迹的地理信息坐标进行线性坐标系转换，得到目标桩号所对应的路面的激光点云数据，根据所述路面范围的横向激光点云数据的高程值获取车辙评价结果数据，根据所述路面范围的纵向激光点云数据的高程值获取平整度评价结果数据。

5.一种公路养护检测与可视化交互系统，其特征在于，包括：

数据获取模块，用于通过预定义的数据接口导入利用采集设备采集到的公路数据，所述公路数据包括全景影像数据、激光点云数据；

数据处理模块，用于将所述公路数据进行集成与融合处理，获得用于养护检测信息提取的融合数据；

养护检测信息获取模块，用于根据所述融合数据、以及路面破损特征库对所述公路上的路面破损进行识别和分类，得到所述公路的路面破损信息；并且根据所述融合数据对所述公路的平整度以及车辙进行检测，得到所述公路的平整度和车辙评价结果数据；所述路面破损信息和所述平整度和车辙评价结果数据作为养护检测信息；

可视化交互模块，用于根据所述融合数据、所述养护检测信息构建资源整合数据库，以便用户通过三维可视化窗口与所述资源整合数据库进行交互。

6.根据权利要求5所述的系统，其特征在于，所述数据处理模块包括：

影像纠正模块，用于利用测量得到的影像外方位元素对所述全景影像数据进行平差计算，得到所述全景影像数据的变换模型；

重采样模块，用于利用所述全景影像数据的变换模型对所述全景影像数据中属于各个摄像头的影像数据根据地理投影信息进行重采样，得到具有地理信息坐标的各个摄像头的影像数据；

影像拼接模块，用于在球面坐标系中，将同一时间拍摄的影像数据进行拼接，获得在所述同一时间的球面拼接影像；

几何定位模块，用于根据全球定位系统GPS或惯性测量单元IMU数据对所述激光点云数据进行几何定位，得到定位后的激光点云数据，所述定位后的激光点云数据包含空间坐标和姿态信息；

匹配模块，用于根据所述定位后的激光点云数据对所述球面拼接影像进行纠正，使所述球面拼接影像与所述激光点云数据匹配融合，获得用于养护检测信息提取的融合数据。

7.根据权利要求5所述的系统，其特征在于，所述养护检测信息获取模块包括：

路面破损自动识别模块，用于根据所述融合数据，以及路面破损特征库对所述公路上的路面破损进行识别和分类，得到所述公路上的路面破损信息；所述路面破损特征库是由预设置的不同种类路面破损的影像特征的集合构成。

8.根据权利要求5所述的系统，其特征在于，所述养护检测信息获取模块还包括：

平整度和车辙自动检测模块，用于根据车辆行驶轨迹的地理信息坐标进行线性坐标系转换，得到目标桩号所对应的路面的激光点云数据，根据所述路面范围的横向激光点云数据的高程值获取车辙评价结果数据，根据所述路面范围的纵向激光点云数据的高程值获取所述路面的平整度评价结果数据。