CN107462204A - 一种三维路面标准轮廓提取方法及系统 - Google Patents
一种三维路面标准轮廓提取方法及系统 Download PDFInfo
- Publication number
- CN107462204A CN107462204A CN201710861319.7A CN201710861319A CN107462204A CN 107462204 A CN107462204 A CN 107462204A CN 201710861319 A CN201710861319 A CN 201710861319A CN 107462204 A CN107462204 A CN 107462204A
- Authority
- CN
- China
- Prior art keywords
- point
- section
- line
- profile
- characteristic point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/20—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring contours or curvatures, e.g. determining profile
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本发明提供三维路面标准轮廓提取方法及系统，所述方法包括：基于待检测三维路面断面控制轮廓，获取所述断面轮廓特征点；通过计算所述断面轮廓的上、下包络线以及所述断面轮廓各特征点到上、下包络线的距离，对所述断面轮廓特征点进行标准化处理；通过计算所述上、下包络线为相似标准轮廓的置信度获取所述断面的病害类型，依据所述断面的病害类型选取对应的断面轮廓特征点生成断面标准轮廓，实现待检测三维路面断面标准轮廓的提取。本发明具有快速、准确提取三维路面标准轮廓的有益效果。
Description
技术领域
本发明涉及道路检测技术领域，更具体地，涉及三维路面标准轮廓提取方法及系统。
背景技术
近年来，随着经济的飞速发展，我国公路里程数正在持续增加，公路交通已成为我国经济发展的命脉。在公路的使用过程中，由于受到各种自然和非自然因素的影响，会产生多种公路病害(诸如裂缝、车辙、坑槽、拥包、沉陷等)，这些病害严重影响着公路的使用性能及安全性。因此，快速准确地检测公路的健康状况，为公路养护维修提供路面状况分析指标是非常重要的。
目前，绝大多数的路面变形类病害检测主要依靠工作人员现场人眼观测，这种传统的人工检测法，存在着安全、速度及精度等诸方面的问题，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。此外，还有利用高速度高精度摄像机快速地拍摄路面图像，后利用计算机进行处理，得到路面病害信息，由于拍摄的图像是平面图形，无法获取病害的深度信息，坑槽、沉陷、拥包、车辙等变形类病害在路面图像中很难有效识别。
目前三维建模技术已经广泛应用于各个领域，从宏观国土调查、三维可视化、三维动漫、高精度三维建模到三维打印均得到广泛应用。根据激光三角测量原理，基于线结构光结合视觉传感器测量的方法实现同一姿态、同一时刻的同步测量，即要求一次测量采样一个完整断面，保证一个断面在同一个姿态下完成测量，基于线结构光结合视觉传感器测量获取的三维点云数据可准确获取高精度的路面断面轮廓三维信息，同时也包含了缺陷二维信息。
路面三维点云数据中单个断面轮廓主要由路面标准轮廓、控制轮廓、路面纹理三种成分构成。标准轮廓表示正常的路面轮廓，包含测量姿态(车载三维系统由于横滚等因素造成的横断面倾斜现象)，但不包含宏观和微观病害轮廓信息(如：坑槽、车辙、沉陷、拥包、裂缝等)；控制轮廓为贴合路面数据的轮廓，包含宏观病害轮廓信息(如：坑槽、车辙、沉陷、拥包等)，但不包含微观病害信息(如：裂缝)；路面纹理为正常情况下路面材料颗粒形成的轮廓局部细小起伏，如图1所示。
发明内容
本发明为克服上述问题或者至少部分地解决上述问题，提供三维路面标准轮廓提取方法及系统。
根据本发明的一个方面，提供一种三维路面标准轮廓提取方法，包括：
步骤1，基于待检测三维路面断面控制轮廓，获取所述断面轮廓特征点；
步骤2，通过计算所述断面轮廓的上、下包络线以及所述断面轮廓各特征点到上、下包络线的距离，对所述断面轮廓特征点进行标准化处理；
步骤3，通过计算所述上、下包络线为相似标准轮廓的置信度获取所述断面的病害类型，依据所述断面的病害类型选取对应的断面轮廓特征点生成断面标准轮廓，实现待检测三维路面断面标准轮廓的提取。
进一步，所述步骤1前还包括：
步骤0，利用基于线扫描的三维测量传感器对待检测三维路面断面进行数据采集，将采集到的数据经过预处理得到断面控制轮廓CP。
进一步，所述步骤1进一步包括：
S11，将所述断面控制轮廓CP的n个断面测量点作为输入，CP＝{CP1，CP2，…，CPn}；
S12，计算所述断面控制轮廓CP上各个测量点的支撑区域的右边界和左边界；
S13，依次计算所述断面控制轮廓上各个点CPi与其支撑区域左边界点、右边界点所形成夹角的余弦，将此余弦作为待计算点的曲率ci；
S14，求断面控制轮廓上各点CPi曲率ci的局部极大值，若极大值大于曲率阈值T1，将其作为特征点，得到特征点序列MP＝{MP1，MP2，…，MPs}，其中s为特征点的个数。
进一步，所述步骤2进一步包括：
S21，将所述断面控制轮廓CP的n个断面测量点作为输入，CP＝{CP1，CP2，…，CPn}；
S22，计算所述断面控制轮廓的上、下包络线集合；计算所述控制轮廓上各特征点距离上、下包络线的距离；
S23，其中距离轮廓上包络线较近的特征点标记为1并保存为序列KPU，距离轮廓下包络线较近的特征点标记为0并保存为序列KPD。
进一步，所述步骤3进一步包括：
S31，评估所述上包络线中各线段的方向一致性以及序列KPD中特征点所构成的线段的方向一致性；评估所述下包络线中各线段的方向一致性以及序列KPU中特征点构成的线段的方向一致性；
S32，评估所述上包络线和下包络线为相似标准轮廓的置信度；若上包络线具备相比下包线具有更高的置信度，则当前断面病害类型判别为向下型病害；若下包络线相比上包线具有更高的置信度，则当前断面病害类型判别为向上型病害；若上、下包络线的置信度近似，若上包络线相比下包络线作为相似标准轮廓得到的病害个数较少，则当前断面病害类型判别为向下型病害，若下包络线相比上包络线作为相似标准轮廓得到的病害个数较少，则当前断面病害类型判别为向上型病害；
S33，若为向上型病害，逐个连接标记为0的特征点得到一条折线，将此折线进行均值滤波，得到向上型病害的标准轮廓；若为向下型病害，逐个连接标标记为1的特征点得到一条折线，将此直线进行均值滤波，得到向下型病害的标准轮廓，两类标准轮廓均记作SP＝{SP1，SP2，…，SPn}，其中n为单个断面测量点个数，若断面的左端点或右端点为非特征点时，则断面两端的标准轮廓为相邻端点两个特征点连线的沿长线。
进一步，所述步骤S12中计算所述断面控制轮廓CP上各个测量点的支撑区域的右边界的步骤进一步包括：
S121，设置i＝2；
S122，以CPi为始点，CPi的支撑区域的右初始边界点CPp为终点，i+2≤p≤n，计算始点与终点的连线段LSi，其中i的取值范围为2≤i≤n-1，其中n为单个断面测量点个数；
S123，计算断面控制轮廓CP上位于始点和终点间各点CPk，k＝i+1，i+2，…，p，与线段LSi上对应的各个位置点的高程差值；依次判断各点高程差值是否大于Tl，Tl为高程差阈值；若大于Tl，将此点作为CPi支撑区域的右边界，i＝i+1；若高程差值均不大于Tl，p＝p+1；
重复步骤S122和S123，直到CPj上各个点均获取支撑区域右边界；
相应的，所述步骤S12中计算所述断面控制轮廓CP上各个测量点的支撑区域的左边界的步骤进一步包括：
S121’，设置i＝n-1，其中n为单个断面测量点个数；
S122’，以CPi为始点、CPi的支撑区域的左初始边界点CPt，1≤t≤i-2，为终点，计算始点与终点的连线段LSi，2≤i≤n-1；
S123’，计算断面控制轮廓CP上位于始点和终点间各点CPk，k＝i-1，i-2，…，t，与线段LSi上对应的各个位置点的高程差值；依次判断各点高程差值是否大于Tl，Tl为高程差阈值；若大于Tl，将此点作为CPi的支撑区域的左边界，i＝i-1；若高程差值均不大于Tl，t＝t-1；
重复步骤S122’和S123’，直到CPj上各个点均获取支撑区域左边界。
进一步，所述步骤S13进一步包括：
依次计算断面控制轮廓上各个点CPi，坐标(xi，yi)(i＝2，3，…，n-1)，与其支撑区域左边界点CPiL(坐标(xi-k，yi-k))、右边界点CPiR，坐标(xi+s，yi+s)所形成夹角的余弦，将此余弦作为待计算点的曲率ci；其中n为单个断面测量点个数，xi为轮廓点的横向排列序号，yi为轮廓点的高程值；
ai＝(xi-xi-k,yi-yi-k),bi＝(xi-xi+s,yi-yi+s)
ci＝(ai*bi)/|ai|*|bi|。
进一步，所述S22中计算所述断面控制轮廓的上、下包络线集合的步骤进一步包括：
计算断面轮廓的上包络线集合Su＝{Su1，Su2，…，Sun}，n为单个断面测量点个数；对于控制断面轮廓CP：F(x,y,c)=0，c为方程参数，逐点直线连接断面的“峰”值点P(xi,yi)，使折线在“峰”值点上的外转折角大于等于180°，包络点S＝{(x，y)|峰值点P}，断面轮廓包络线由包络点的连线构成，此处的外转折角为左侧边沿顺时针旋转到与右侧边共线时所需的旋转角度。
计算断面轮廓的下包络线集合Sd＝{Sd1，Sd2，…，Sdn}，n为单个断面测量点个数；对于控制断面轮廓CP：F(x,y,c)=0，c为方程参数，逐点直线连接断面的“峰”值点P(xi,yi)，使折线在“峰”值点上的外转折角小于等于180°，包络点S＝{(x，y)|峰值点P}，断面轮廓包络线由包络点的连线构成，此处的外转折角为左侧边沿顺时针旋转到与右侧边共线时所需的旋转角度。
进一步，所述S22中计算所述控制轮廓上各特征点距离上、下包络线的距离的步骤进一步包括：
计算huk＝|Suk-MPk|和hdk＝|Sdk-MPk|，k＝1，2，…，s，其中s为特征点的个数；
通过比较huk与hdk的大小，对控制轮廓各个特征点进行类别判定，其中靠近轮廓上包络线的特征点标记为1，靠近轮廓下包络点的特征点标记为0；然后分别生成标记值为1的特征点序列KPU＝{KPU1，KPU2，…，KPUw}，其中w为标记值为1的特征点个数，和标记值为0的特征点序列KPD＝{KPD1，KPD2，…，KPDb}，b为标记值为0的特征点个数。
根据本发明另一方面，提供一种三维路面标准轮廓提取系统，包括特征点获取模块、标准化处理模块和标准轮廓提取模块：
所述特征点获取模块，用于基于待检测三维路面断面控制轮廓，获取所述断面轮廓特征点；
所述标准化处理模块，用于通过计算所述断面轮廓的上、下包络线以及所述断面轮廓各特征点到上、下包络线的距离，对所述断面轮廓特征点进行标准化处理；
所述标准轮廓提取模块，用于通过计算所述上、下包络线为相似标准轮廓的置信度获取所述断面的病害类型，依据所述断面的病害类型选取对应的断面轮廓特征点生成断面标准轮廓，实现待检测三维路面断面标准轮廓的提取。
本申请提出的三维路面标准轮廓提取方法及系统，所述方案具有快速、准确提取三维路面标准轮廓的有益效果。
附图说明
图1为路面横断面数据成分示意图；
图2为根据本发明实施例一种三维路面标准轮廓提取方法的整体流程示意图；
图3为根据本发明实施例一种三维路面标准轮廓提取方法中提取断面轮廓的特征点流程示意图；
图4为根据本发明实施例一种三维路面标准轮廓提取方法中断面抽象表达示意图；
图5为根据本发明实施例一种三维路面标准轮廓提取方法中断面特征点标准化流程示意图；
图6为根据本发明实施例一种三维路面标准轮廓提取方法中断面标准轮廓获取流程示意图；
图7为根据本发明实施例一种三维路面标准轮廓提取方法中断面特征点获取示例示意图；
图8为根据本发明实施例一种三维路面标准轮廓提取方法中断面特征点标准化示例示意图；
图9为根据本发明实施例一种三维路面标准轮廓提取方法中提取断面标准轮廓示例示意图；
图10为根据本发明实施例又一种三维路面标准轮廓提取系统的整体框架示意图；
图11为根据本发明实施例一种三维路面标准轮廓提取方法的设备的结构框架示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
本专利基于线扫描三维点云数据，提出了一种路面标准轮廓的提取方法，为路面变形病害的自动识别奠定基础。
本方案提出了一种三维路面横断面标准轮廓的提取方法，要解决的技术问题包含以下三个：
断面轮廓特征点获取。本专利通过分析路面断面轮廓特征，完成断面轮廓特征点的有效提取，实现了用少数的特征点表征断面轮廓。
断面特征点的标准化。本专利通过计算单个断面轮廓的上、下包络线及特征点到上、下包络线的距离等信息，对特征点进行类别判定，实现特征点标准化。
提取断面标准轮廓。通过计算上、下包络线为相似标准轮廓的置信度获取所述断面的病害类型，依据所述断面的病害类型选取对应的断面轮廓特征点生成断面标准轮廓，实现待检测三维路面断面标准轮廓的提取。
如图2，示出本发明的一个具体实施例中，一种三维路面标准轮廓提取方法的整体流程图。总体上，包括：
步骤1，基于待检测三维路面断面控制轮廓，获取所述断面轮廓特征点；
步骤2，通过计算所述断面轮廓的上、下包络线以及所述断面轮廓各特征点到上、下包络线的距离，对所述断面轮廓特征点进行标准化处理；
步骤3，通过计算所述上、下包络线为相似标准轮廓的置信度获取所述断面的病害类型，依据所述断面的病害类型选取对应的断面轮廓特征点生成断面标准轮廓，实现待检测三维路面断面标准轮廓的提取。
在本发明上述具体实施例的基础上，一种三维路面标准轮廓提取方法，所述步骤1前还包括：
步骤0，利用基于线扫描的三维测量传感器对待检测三维路面断面进行数据采集，将采集到的数据经过预处理得到断面控制轮廓CP。
在本发明任一上述具体实施例的基础上，一种三维路面标准轮廓提取方法，所述步骤1进一步包括：
S11，将所述断面控制轮廓CP的n个断面测量点作为输入，CP＝{CP1，CP2，…，CPn}；
S12，计算所述断面控制轮廓CP上各个测量点的支撑区域的右边界和左边界；
S13，依次计算所述断面控制轮廓上各个点CPi与其支撑区域左边界点、右边界点所形成夹角的余弦，将此余弦作为待计算点的曲率ci；
S14，求断面控制轮廓上各点CPi曲率ci的局部极大值，若极大值大于曲率阈值T1，将其作为特征点，得到特征点序列MP＝{MP1，MP2，…，MPs}，其中s为特征点的个数。
在本发明任一上述具体实施例的基础上，一种三维路面标准轮廓提取方法，所述步骤2进一步包括：
S21，将所述断面控制轮廓CP的n个断面测量点作为输入，CP＝{CP1，CP2，…，CPn}；
S22，计算所述断面控制轮廓的上、下包络线集合；计算所述控制轮廓上各特征点距离上、下包络线的距离；
S23，其中距离轮廓上包络线较近的特征点标记为1并保存为序列KPU，距离轮廓下包络线较近的特征点标记为0并保存为序列KPD。
在本发明任一上述具体实施例的基础上，一种三维路面标准轮廓提取方法，所述步骤3进一步包括：
S31，评估所述上包络线中各线段的方向一致性以及序列KPD中特征点所构成的线段的方向一致性；评估所述下包络线中各线段的方向一致性以及序列KPU中特征点构成的线段的方向一致性；
S32，评估所述上包络线和下包络线为相似标准轮廓的置信度；若上包络线具备相比下包线具有更高的置信度，则当前断面病害类型判别为向下型病害；若下包络线相比上包线具有更高的置信度，则当前断面病害类型判别为向上型病害；若上、下包络线的置信度近似，若上包络线相比下包络线作为相似标准轮廓得到的病害个数较少，则当前断面病害类型判别为向下型病害，若下包络线相比上包络线作为相似标准轮廓得到的病害个数较少，则当前断面病害类型判别为向上型病害；
S33，若为向上型病害，逐个连接标记为0的特征点得到一条折线，将此折线进行均值滤波，得到向上型病害的标准轮廓；若为向下型病害，逐个连接标标记为1的特征点得到一条折线，将此直线进行均值滤波，得到向下型病害的标准轮廓，两类标准轮廓均记作SP＝{SP1，SP2，…，SPn}，其中n为单个断面测量点个数，需要注意的是，若断面的左端点或右端点为非特征点时，则断面两端的标准轮廓为相邻端点两个特征点连线的沿长线。
在本发明任一上述具体实施例的基础上，一种三维路面标准轮廓提取方法，所述步骤S12中计算所述断面控制轮廓CP上各个测量点的支撑区域的右边界的步骤进一步包括：
S121，设置i＝2；
S122，以CPi为始点，CPi的支撑区域的右初始边界点CPp为终点，i+2≤p≤n，计算始点与终点的连线段LSi，其中i的取值范围为2≤i≤n-1，其中n为单个断面测量点个数；
S123，计算断面控制轮廓CP上位于始点和终点间各点CPk，k＝i+1，i+2，…，p，与线段LSi上对应的各个位置点的高程差值；依次判断各点高程差值是否大于Tl，Tl为高程差阈值；若大于Tl，将此点作为CPi支撑区域的右边界，i＝i+1；若高程差值均不大于Tl，p＝p+1；
重复步骤S122和S123，直到CPj上各个点均获取支撑区域右边界；
相应的，所述步骤S12中计算所述断面控制轮廓CP上各个测量点的支撑区域的左边界的步骤进一步包括：
S121’，设置i＝n-1，其中n为单个断面测量点个数；
S122’，以CPi为始点、CPi的支撑区域的左初始边界点CPt，1≤t≤i-2，为终点，计算始点与终点的连线段LSi，2≤i≤n-1；
S123’，计算断面控制轮廓CP上位于始点和终点间各点CPk，k＝i-1，i-2，…，t，与线段LSi上对应的各个位置点的高程差值；依次判断各点高程差值是否大于Tl，Tl为高程差阈值；若大于Tl，将此点作为CPi的支撑区域的左边界，i＝i-1；若高程差值均不大于Tl，t＝t-1；
重复步骤S122’和S123’，直到CPj上各个点均获取支撑区域左边界。
在本发明任一上述具体实施例的基础上，一种三维路面标准轮廓提取方法，所述步骤S13进一步包括：
依次计算断面控制轮廓上各个点CPi，坐标(xi，yi)(i＝2，3，…，n-1)，与其支撑区域左边界点CPiL(坐标(xi-k，yi-k))、右边界点CPiR，坐标(xi+s，yi+s)所形成夹角的余弦，将此余弦作为待计算点的曲率ci；其中n为单个断面测量点个数，xi为轮廓点的横向排列序号，yi为轮廓点的高程值；
ai＝(xi-xi-k,yi-yi-k),bi＝(xi-xi+s,yi-yi+s)
ci＝(ai*bi)/|ai|*|bi|。
在本发明任一上述具体实施例的基础上，一种三维路面标准轮廓提取方法，所述S22中计算所述断面控制轮廓的上、下包络线集合的步骤进一步包括：
计算断面轮廓的上包络线集合Su＝{Su1，Su2，…，Sun}，n为单个断面测量点个数；对于控制断面轮廓CP：F(x,y,c)＝0，c为方程参数，逐点直线连接断面的“峰”值点P(xi,yi)，使折线在“峰”值点上的外转折角大于等于180°，包络点S＝{(x，y)|峰值点P}，断面轮廓包络线由包络点的连线构成，此处的外转折角为左侧边沿顺时针旋转到与右侧边共线时所需的旋转角度。
计算断面轮廓的下包络线集合Sd＝{Sd1，Sd2，…，Sdn}，n为单个断面测量点个数；对于控制断面轮廓CP：F(x,y,c)＝0，c为方程参数，逐点直线连接断面的“峰”值点P(xi,yi)，使折线在“峰”值点上的外转折角小于等于180°，包络点S＝{(x，y)|峰值点P}，断面轮廓包络线由包络点的连线构成，此处的外转折角为左侧边沿顺时针旋转到与右侧边共线时所需的旋转角度。
在本发明任一上述具体实施例的基础上，一种三维路面标准轮廓提取方法，所述S22中计算所述控制轮廓上各特征点距离上、下包络线的距离的步骤进一步包括：
计算huk＝|Suk-MPk|和hdk＝|Sdk-MPk|，k＝1，2，…，s，其中s为特征点的个数；
通过比较huk与hdk的大小，对控制轮廓各个特征点进行类别判定，其中靠近轮廓上包络线的特征点标记为1，靠近轮廓下包络点的特征点标记为0；然后分别生成标记值为1的特征点序列KPU＝{KPU1，KPU2，…，KPUw}，其中w为标记值为1的特征点个数，和标记值为0的特征点序列KPD＝{KPD1，KPD2，…，KPDb}，b为标记值为0的特征点个数。
在本发明任一上述具体实施例的基础上，一种三维路面标准轮廓提取方法，接下来围绕下述几个方面对本发明技术方案进行展开说明。
本具体实施例基础数据来源于线扫描三维测量传感器，通过传感器测量得到被测物表面高程相对变化情况，获取的三维数据可以反映被测物表面的高程变化信息。
本专利涉及的数据采集利用基于线扫描的三维测量传感器进行数据采集，实现同一姿态、同一时刻的断面轮廓同步测量，采集方式包含两种方式：其一，三维测量传感器安装在固定支架上，在三维测量传感器测量范围内，被测物体以一定速度穿过测量区域，在被测物体运动过程中，实现对被测物体的三维轮廓数据采集；其二，三维测量传感器安装在运动载体上，在测量载体运动过程中，对被测物体三维轮廓进行数据采集。采集到的基础数据经过预处理(异常值剔除、数据标定、滤波等)得到断面控制轮廓CP。
1、断面轮廓特征点获取。
结合变形类病害断面轮廓特征，获取断面的特征点，特征点是能够代表边界断面轮廓特征的一些点，是数字曲线上的高曲率点和曲线变化的关键点；获取断面特征点的具体步骤如下：
将断面控制轮廓CP作为输入(CP＝{CP1，CP2，…，CPn}，其中n为单个断面测量点个数)；
求断面控制轮廓CPj上各个点的支撑区域的右边界，计算步骤如下：
(1)设置i＝2；
(2)以CPi(2≤i≤n-1，其中n为单个断面测量点个数)为始点、CPi的支撑区域的右初始边界点CPp(i+2≤p≤n，其中n为单个断面测量点个数)为终点，计算始点与终点的连线段LSi；
(3)计算断面控制轮廓CP上位于始点和终点间各点CPk(k＝i+1，i+2，…，p)，与线段LSi上对应的各个位置点的高程差值；依次判断各点高程差值是否大于Tl(Tl为高程差阈值)；若大于Tl，将此点作为CPi支撑区域的右边界，i＝i+1；若高程差值均不大于Tl，p＝p+1；
重复步骤(2)(3)，直到CPj上各个点均获取支撑区域右边界；
求断面控制轮廓CP上各个点CPi的支撑区域的左边界，计算步骤如下：
(1)设置i＝n-1，其中n为单个断面测量点个数；
(2)以CPi(2≤i≤n-1，其中n为单个断面测量点个数)为始点、CPi的支撑区域的左初始边界点CPt(1≤t≤i-2)为终点，计算始点与终点的连线段LSi；
(3)计算断面控制轮廓CP上位于始点和终点间各点CPk(k＝i-1，i-2，…，t)，与线段LSi上对应的各个位置点的高程差值；依次判断各点高程差值是否大于Tl(Tl为高程差阈值)；若大于Tl，将此点作为CPi的支撑区域的左边界，i＝i-1；若高程差值均不大于Tl，t＝t-1；
重复步骤(2)(3)，直到CPj上各个点均获取支撑区域左边界；
如图3，依次计算断面控制轮廓上各个点CPi(坐标(xi，yi)(i＝2，3，…，n-1)，其中n为单个断面测量点个数，xi为轮廓点的横向排列序号，yi为轮廓点的高程值)与其支撑区域左边界点CPiL(坐标(xi-k，yi-k))、右边界点CPiR(坐标(xi+s，yi+s))所形成夹角的余弦，将此余弦作为待计算点的曲率ci；
ai＝(xi-xi-k,yi-yi-k),bi＝(xi-xi+s,yi-yi+s)(1-1)
ci＝(ai*bi)/|ai|*|bi| (1-2)
求断面各点曲率的局部极大值，若极大值大于曲率阈值T1，将其作为特征点，得到特征点序列MP(MP＝{MP1，MP2，…，MPs}，其中s为特征点的个数。
2、断面特征点标准化。
结合路面变形病害断面抽象模型，利用断面轮廓特征点将病害断面进行抽象表达，即使用极少量的数据来表征该断面最为显著的变形特征，并对深度信息标准化，即可构建基于特征点描述的病害模型知识库；利用特征点描述断面变形类病害同时也可以利用断面相对变化信息克服断面采集过程中车辆姿态的影响。通过对病害知识库中不同病害断面特征进行分析，基于特征点描述的病害模型知识库主要包含四类，如4和图5所示。断面轮廓特征点标准化具体步骤如下：
将断面控制轮廓CP(CP＝{CP1，CP2，…，CPn}，其中n为单个断面测量点个数)作为输入；
计算断面轮廓的上包络线集合Su＝{Su1，Su2，…，Sun}，n为单个断面测量点个数；对于控制断面轮廓CP：F(x,y,c)＝0，c为方程参数，逐点直线连接断面的“峰”值点P(xi,yi)，使折线在“峰”值点上的外转折角大于等于180°，包络点S＝{(x，y)|峰值点P}，断面轮廓包络线由包络点的连线构成，此处的外转折角为左侧边沿顺时针旋转到与右侧边共线时所需的旋转角度。
计算断面轮廓的下包络线集合Sd＝{Sd1，Sd2，…，Sdn}，n为单个断面测量点个数；对于控制断面轮廓CP：F(x,y,c)＝0，c为方程参数，逐点直线连接断面的“峰”值点P(xi,yi)，使折线在“峰”值点上的外转折角小于等于180°，包络点S＝{(x，y)|峰值点P}，断面轮廓包络线由包络点的连线构成，此处的外转折角为左侧边沿顺时针旋转到与右侧边共线时所需的旋转角度。
分别计算特征点MP到断面轮廓上、下包络线Su和Sd的距离。
3、提取断面标准轮廓
提取标准轮廓需要预先判断断面变形病害类型，断面病害类型判定主要是对当前断面中潜在存在的变形类病害为“向上型”或“向下型”进行判别，即假设单个断面中不存在同时含有“向上型”和“向下型”的病害，故断面的上、下包络线中存在一条包络线与当前断面的标准轮廓相似，具备良好的方向一致性，同时与此包络线距离较远的特征点具备较差的方向一致性。
如图6，标准轮廓获取的主要步骤如下：
将断面上包络线Su、下包络线Sd、特征点标准化结果作为输入；
评估上包络线Su中各线段的方向一致性以及潜在的向下型病害区域特征点(标记值为0的特征点KPD)构成的线段的方向一致性；评估下包络线Sd中各线段的方向一致性以及潜在向上型病害区域特征点(标记值为1的特征点KPU)构成的线段的方向一致性；
综合评估上包络线和下包络线为相似标准轮廓的置信度，若上包络线具备较高的置信度，则当前断面病害类型判别为向下型(1-0-0-1)，相反，若下包络线具备较高的置信度，则当前断面病害类型判别为向上型(0-1-1-0)；若上、下包络线的置信度近似，若上包络作为相似标准轮廓得到的病害个数较少，则当前断面病害类型判别为“向下型”病害；反之，判别为“向上型”病害。
若病害为“向上型”病害，逐个连接标准化结果为0的特征点得到一条折线，将此折线进行均值滤波，得到“向上型”病害的标准轮廓；若病害为“向下型”病害，逐个连接标准化结果为1的特征点得到一条折线，将此直线进行均值滤波，得到“向下型”病害的标准轮廓，两类标准轮廓均记作SP(SP＝{SP1，SP2，…，SPn}，其中n为单个断面测量点个数)。
在本发明任一上述具体实施例的基础上，一种三维路面标准轮廓提取方法，如下为某一具体应用实施例。
断面轮廓特征点获取。首先按照断面数据点的位置顺序求断面控制轮廓上各个点的左支撑区域和右支撑区域。计算断面控制轮廓上各个点与其支撑区域左右边界点夹角的余弦，作为待计算点的曲率，求曲率的局部极大值，若极大值大于阈值，将其作为特征点，得到特征点序列。图7中(a)、(b)为任意选择的两个横断面的特征点提取示例。
断面特征点标准化。基于单个断面轮廓分别计算断面的上、下包络线；依据特征点到上、下包络线的距离，对抽稀断面各个特征点进行类别判定，其中靠近上包络线的特征点标记为1，靠近下包络点的特征点标记为0；图8中(a)、(b)为断面特征点标准化示例；
提取断面标准轮廓。分别评估上包络线和潜在向下型病害区域特征点(标记值为0的特征点)的方向一致性、下包络线和潜在向上型病害区域特征点(标记值为1的特征点)的方向一致性；综合评估上包络线和下包络线为相似标准轮廓的置信度，若上包络线具备较高的置信度，则当前断面病害类型判别为向下型，相反，若下包络线具备较高的置信度，则当前断面病害类型判别为向上型；根据病害类型和特征点提取标准轮廓。图9中(a)、(b)为坑槽病害两个横断面的标准轮廓示例。
如图10，示出本发明的一个具体实施例中，一种三维路面标准轮廓提取系统的整体框架图。总体上，包括特征点获取模块A1、标准化处理模块A2和标准轮廓提取模块A3：
所述特征点获取模块A1，用于基于待检测三维路面断面控制轮廓，获取所述断面轮廓特征点；
所述标准化处理模块A2，用于通过计算所述断面轮廓的上、下包络线以及所述断面轮廓各特征点到上、下包络线的距离，对所述断面轮廓特征点进行标准化处理；
所述提取模块A3，用于通过计算所述上、下包络线为相似标准轮廓的置信度获取所述断面的病害类型，依据所述断面的病害类型选取对应的断面轮廓特征点生成断面标准轮廓，实现待检测三维路面断面标准轮廓的提取。
在上述任一具体实施例的基础上，一种三维路面标准轮廓提取系统，还包括数据采集模块，用于利用基于线扫描的三维测量传感器对待检测三维路面断面进行数据采集，将采集到的数据经过预处理及均值滤波得到断面控制轮廓CP。
在上述任一具体实施例的基础上，一种三维路面标准轮廓提取系统，所述特征点获取模块A1进一步用于：
S11，将所述断面控制轮廓CP的n个断面测量点作为输入，CP＝{CP1，CP2，…，CPn}；
S12，计算所述断面控制轮廓CP上各个测量点的支撑区域的右边界和左边界；
S13，依次计算所述断面控制轮廓上各个点CPi与其支撑区域左边界点、右边界点所形成夹角的余弦，将此余弦作为待计算点的曲率ci；
S14，求断面控制轮廓上各点CPi曲率ci的局部极大值，若极大值大于曲率阈值T1，将其作为特征点，得到特征点序列MP＝{MP1，MP2，…，MPs}，其中s为特征点的个数。
在上述任一具体实施例的基础上，一种三维路面标准轮廓提取系统，所述标准化处理模块A2进一步用于：
S21，将所述断面控制轮廓CP的n个断面测量点作为输入，CP＝{CP1，CP2，…，CPn}；
S22，计算所述断面控制轮廓的上、下包络线集合；计算所述控制轮廓上各特征点距离上、下包络线的距离；
S23，其中距离轮廓上包络线较近的特征点标记为1并保存为序列KPU，距离轮廓下包络线较近的特征点标记为0并保存为序列KPD。
在上述任一具体实施例的基础上，一种三维路面标准轮廓提取系统，所述提取模块A3进一步用于：
S31，评估所述上包络线中各线段的方向一致性以及序列KPD中特征点所构成的线段的方向一致性；评估所述下包络线中各线段的方向一致性以及序列KPU中特征点构成的线段的方向一致性；
S32，评估所述上包络线和下包络线为相似标准轮廓的置信度；若上包络线具备相比下包线具有更高的置信度，则当前断面病害类型判别为向下型病害；若下包络线相比上包线具有更高的置信度，则当前断面病害类型判别为向上型病害；若上、下包络线的置信度近似，若上包络线相比下包络线作为相似标准轮廓得到的病害个数较少，则当前断面病害类型判别为向下型病害，若下包络线相比上包络线作为相似标准轮廓得到的病害个数较少，则当前断面病害类型判别为向上型病害；
S33，若为向上型病害，逐个连接标记为0的特征点得到一条折线，将此折线进行均值滤波，得到向上型病害的标准轮廓；若为向下型病害，逐个连接标标记为1的特征点得到一条折线，将此直线进行均值滤波，得到向下型病害的标准轮廓，两类标准轮廓均记作SP＝{SP1，SP2，…，SPn}，其中n为单个断面测量点个数，需要注意的是，若断面的左端点或右端点为非特征点时，则断面两端的标准轮廓为相邻端点两个特征点连线的沿长线。
在上述任一具体实施例的基础上，一种三维路面标准轮廓提取系统，所述特征点获取模块A1进一步用于：
S121，设置i＝2；
S122，以CPi为始点，CPi的支撑区域的右初始边界点CPp为终点，i+2≤p≤n，计算始点与终点的连线段LSi，2≤i≤n-1，其中n为单个断面测量点个数；
S123，计算断面控制轮廓CP上位于始点和终点间各点CPk，k＝i+1，i+2，…，p，与线段LSi上对应的各个位置点的高程差值；依次判断各点高程差值是否大于Tl，Tl为高程差阈值；若大于T l，将此点作为CPi支撑区域的右边界，i＝i+1；若高程差值均不大于Tl，p＝p+1；
重复步骤S122和S123，直到CPj上各个点均获取支撑区域右边界；
相应的，所述步骤S12中计算所述断面控制轮廓CP上各个测量点的支撑区域的左边界的步骤进一步包括：
S121’，设置i＝n-1，其中n为单个断面测量点个数；
S122’，以CPi为始点、CPi的支撑区域的左初始边界点CPt，1≤t≤i-2，为终点，计算始点与终点的连线段LSi，2≤i≤n-1；
S123’，计算断面控制轮廓CP上位于始点和终点间各点CPk，k＝i-1，i-2，…，t，与线段LSi上对应的各个位置点的高程差值；依次判断各点高程差值是否大于Tl，Tl为高程差阈值；若大于Tl，将此点作为CPi的支撑区域的左边界，i＝i-1；若高程差值均不大于Tl，t＝t-1；
重复步骤S122’和S123’，直到CPj上各个点均获取支撑区域左边界。
在上述任一具体实施例的基础上，一种三维路面标准轮廓提取系统，所述特征点获取模块A1进一步用于：
依次计算断面控制轮廓上各个点CPi，坐标(xi，yi)(i＝2，3，…，n-1)，与其支撑区域左边界点CPiL(坐标(xi-k，yi-k))、右边界点CPiR，坐标(xi+s，yi+s)所形成夹角的余弦，将此余弦作为待计算点的曲率ci；其中n为单个断面测量点个数，xi为轮廓点的横向排列序号，yi为轮廓点的高程值；
ai＝(xi-xi-k,yi-yi-k),bi＝(xi-xi+s,yi-yi+s)
ci=(ai*bi)/|ai|*|bi|。
在上述任一具体实施例的基础上，一种三维路面标准轮廓提取系统，所述标准化处理模块A2进一步用于：
计算断面轮廓的上包络线集合Su＝{Su1，Su2，…，Sun}，n为单个断面测量点个数；对于控制断面轮廓CP：F(x,y,c)＝0，c为方程参数，逐点直线连接断面的“峰”值点P(xi,yi)，使折线在“峰”值点上的外转折角大于等于180°，包络点S＝{(x，y)|峰值点P}，断面轮廓包络线由包络点的连线构成，此处的外转折角为左侧边沿顺时针旋转到与右侧边共线时所需的旋转角度。
计算断面轮廓的下包络线集合Sd＝{Sd1，Sd2，…，Sdn}，n为单个断面测量点个数；对于控制断面轮廓CP：F(x,y,c)＝0，c为方程参数，逐点直线连接断面的“峰”值点P(xi,yi)，使折线在“峰”值点上的外转折角小于等于180°，包络点S＝{(x，y)|峰值点P}，断面轮廓包络线由包络点的连线构成，此处的外转折角为左侧边沿顺时针旋转到与右侧边共线时所需的旋转角度。
在上述任一具体实施例的基础上，一种三维路面标准轮廓提取系统，所述标准化处理模块A2进一步用于：
计算huk＝|Suk-MPk|和hdk＝|Sdk-MPk|，k＝1，2，…，s，其中s为特征点的个数；
通过比较huk与hdk的大小Dk＝huk-hdk，对控制轮廓各个特征点进行类别判定，其中靠近轮廓上包络线的特征点标记为1，靠近轮廓下包络点的特征点标记为0；然后分别生成标记值为1的特征点序列KPU＝{KPU1，KPU2，…，KPUw}，其中w为标记值为1的特征点个数，和标记值为0的特征点序列KPD＝{KPD1，KPD2，…，KPDb}，b为标记值为0的特征点个数。
图11示出本申请实施例的三维路面标准轮廓提取方法的设备的结构框图。
参照图11，所述三维路面标准轮廓提取方法的设备，包括：处理器(processor)301、存储器(memory)302和总线303；
其中，所述处理器301和存储器302通过所述总线303完成相互间的通信；
所述处理器301用于调用所述存储器302中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：步骤1，基于待检测三维路面断面控制轮廓，获取所述断面轮廓特征点；步骤2，通过计算所述断面轮廓的上、下包络线以及所述断面轮廓各特征点到上、下包络线的距离，对所述断面轮廓特征点进行标准化处理；步骤3，通过计算所述上、下包络线为相似标准轮廓的置信度获取所述断面的病害类型，依据所述断面的病害类型选取对应的断面轮廓特征点生成断面标准轮廓，实现待检测三维路面断面标准轮廓的提取。
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：步骤1，基于待检测三维路面断面控制轮廓，获取所述断面轮廓特征点；步骤2，通过计算所述断面轮廓的上、下包络线以及所述断面轮廓各特征点到上、下包络线的距离，对所述断面轮廓特征点进行标准化处理；步骤3，通过计算所述上、下包络线为相似标准轮廓的置信度获取所述断面的病害类型，依据所述断面的病害类型选取对应的断面轮廓特征点生成断面标准轮廓，实现待检测三维路面断面标准轮廓的提取。
本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：步骤1，基于待检测三维路面断面控制轮廓，获取所述断面轮廓特征点；步骤2，通过计算所述断面轮廓的上、下包络线以及所述断面轮廓各特征点到上、下包络线的距离，对所述断面轮廓特征点进行标准化处理；步骤3，通过计算所述上、下包络线为相似标准轮廓的置信度获取所述断面的病害类型，依据所述断面的病害类型选取对应的断面轮廓特征点生成断面标准轮廓，实现待检测三维路面断面标准轮廓的提取。
本领域普通技术人员可以理解：实现上述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。
以上所描述的三维路面标准轮廓提取方法的设备等实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
本专利通过分析三维路面断面轮廓特征，首先求断面控制轮廓各数据点的左、右支撑区域，通过计算断面轮廓上各个点与其支撑区域左右边界点夹角的余弦，用余弦代替该点曲率，将曲率的局部极大值中大于阈值的点作为断面轮廓特征点，完成了断面轮廓特征点的有效提取，实现了用少数的特征点表征三维路面断面轮廓。
本专利在断面标准轮廓的提取过程中，通过计算单个断面轮廓的上、下包络线及特征点到上、下包络线的距离，对特征点的进行类别判定，实现了特征点的{0、1}标准化判定。
本专利通过评估断面轮廓包络线各组成线段的方向一致性、断面对应潜在病害区域特征点构成的线段的方向一致性获取断面轮廓上、下包络线分别为相似标准轮廓的置信度，依据所述上、下包络线为相似标准轮廓的置信度获取所述断面的病害类型，依据所述断面的病害类型选取对应的断面轮廓特征点生成断面标准轮廓，实现三维路面断面标准轮廓的有效提取。
本发明存在以下两个主要发明点。
特征点的标准化。基于三维路面单个断面分别计算断面轮廓的上、下包络线；依据断面轮廓特征点到上、下包络线的距离，对断面各个特征点进行标准化类别判定。
断面标准轮廓获取。基于变形类病害模型知识库分别评估断面轮廓上包络线和潜在向下型病害区域特征点的方向一致性、断面轮廓下包络线和潜在向上型病害区域特征点的方向一致性，综合评估断面轮廓上包络线和下包络线为路面相似标准轮廓的置信度以获取断面变形病害类型，结合断面变形病害类型和断面轮廓特征点提取断面标准轮廓。
最后，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种三维路面标准轮廓提取方法，其特征在于，包括：
步骤1，基于待检测三维路面断面控制轮廓，获取所述断面轮廓特征点；
步骤2，通过计算所述断面轮廓的上、下包络线以及所述断面轮廓各特征点到上、下包络线的距离，对所述断面轮廓特征点进行标准化处理；
步骤3，通过计算所述上、下包络线为相似标准轮廓的置信度获取所述断面的病害类型，依据所述断面的病害类型选取对应的断面轮廓特征点生成断面标准轮廓，实现待检测三维路面断面标准轮廓的提取。
2.如权利要求1所述的方法，其特征在于，所述步骤1前还包括：
步骤0，利用基于线扫描的三维测量传感器对待检测三维路面断面进行数据采集，将采集到的数据经过预处理得到断面控制轮廓CP。
3.如权利要求1所述的方法，其特征在于，所述步骤1进一步包括：
S11，将所述断面控制轮廓CP的n个断面测量点作为输入，CP＝{CP1，CP2，…，CPn}；
S12，计算所述断面控制轮廓CP上各个测量点的支撑区域的右边界和左边界；
S13，依次计算所述断面控制轮廓上各个点CPi与其支撑区域左边界点、右边界点所形成夹角的余弦，将此余弦作为待计算点的曲率ci；
S14，求断面控制轮廓上各点CPi曲率ci的局部极大值，若极大值大于曲率阈值T1，将其作为特征点，得到特征点序列MP＝{MP1，MP2，…，MPs}，其中s为特征点的个数。
4.如权利要求1所述的方法，其特征在于，所述步骤2进一步包括：
S21，将所述断面控制轮廓CP的n个断面测量点作为输入，CP＝{CP1，CP2，…，CPn}；
S22，计算所述断面控制轮廓的上、下包络线集合；计算所述控制轮廓上各特征点距离上、下包络线的距离；
S23，其中距离轮廓上包络线较近的特征点标记为1并保存为序列KPU，距离轮廓下包络线较近的特征点标记为0并保存为序列KPD。
5.如权利要求4所述的方法，其特征在于，所述步骤3进一步包括：
S31，评估所述上包络线中各线段的方向一致性以及序列KPD中特征点所构成的线段的方向一致性；评估所述下包络线中各线段的方向一致性以及序列KPU中特征点构成的线段的方向一致性；
S32，评估所述上包络线和下包络线为相似标准轮廓的置信度；若上包络线具备相比下包线具有更高的置信度，则当前断面病害类型判别为向下型病害；若下包络线相比上包线具有更高的置信度，则当前断面病害类型判别为向上型病害；若上、下包络线的置信度近似，若上包络线相比下包络线作为相似标准轮廓得到的病害个数较少，则当前断面病害类型判别为向下型病害，若下包络线相比上包络线作为相似标准轮廓得到的病害个数较少，则当前断面病害类型判别为向上型病害；
S33，若为向上型病害，逐个连接标记为0的特征点得到一条折线，将此折线进行均值滤波，得到向上型病害的标准轮廓；若为向下型病害，逐个连接标标记为1的特征点得到一条折线，将此直线进行均值滤波，得到向下型病害的标准轮廓，两类标准轮廓均记作SP＝{SP1，SP2，…，SPn}，其中n为单个断面测量点个数；若断面的左端点或右端点为非特征点时，则断面两端的标准轮廓为相邻端点两个特征点连线的沿长线。
6.如权利要求3所述的方法，其特征在于，所述步骤S12中计算所述断面控制轮廓CP上各个测量点的支撑区域的右边界的步骤进一步包括：
S121，设置i＝2；
S122，以CPi为始点，CPi的支撑区域的右初始边界点CPp为终点，i+2≤p≤n，计算始点与终点的连线段LSi，其中i的取值范围为2≤i≤n-1，其中n为单个断面测量点个数；
S123，计算断面控制轮廓CP上位于始点和终点间各点CPk，k＝i+1，i+2，…，p，与线段LSi上对应的各个位置点的高程差值；依次判断各点高程差值是否大于Tl，Tl为高程差阈值；若大于Tl，将此点作为CPi支撑区域的右边界，i＝i+1；若高程差值均不大于Tl，p＝p+1；
重复步骤S122和S123，直到CPj上各个点均获取支撑区域右边界；
相应的，所述步骤S12中计算所述断面控制轮廓CP上各个测量点的支撑区域的左边界的步骤进一步包括：
S121’，设置i＝n-1，其中n为单个断面测量点个数；
S122’，以CPi为始点、CPi的支撑区域的左初始边界点CPt，1≤t≤i-2，为终点，计算始点与终点的连线段LSi，2≤i≤n-1；
S123’，计算断面控制轮廓CP上位于始点和终点间各点CPk，k＝i-1，i-2，…，t，与线段LSi上对应的各个位置点的高程差值；依次判断各点高程差值是否大于Tl，Tl为高程差阈值；若大于Tl，将此点作为CPi的支撑区域的左边界，i＝i-1；若高程差值均不大于Tl，t＝t-1；
重复步骤S122’和S123’，直到CPj上各个点均获取支撑区域左边界。
7.如权利要求6所述的方法，其特征在于，所述步骤S13进一步包括：
依次计算断面控制轮廓上各个点CPi，坐标(xi，yi)(i＝2，3，…，n-1)，与其支撑区域左边界点CPiL(坐标(xi-k，yi-k))、右边界点CPiR，坐标(xi+s，yi+s)所形成夹角的余弦，将此余弦作为待计算点的曲率ci；其中n为单个断面测量点个数，xi为轮廓点的横向排列序号，yi为轮廓点的高程值；
ai=(xi-xi-k,yi-yi-k),bi＝(xi-xi+s,yi-yi+s)
ci＝(ai*bi)/|ai|*|bi|。
8.如权利要求4所述的方法，其特征在于，所述S22中计算所述断面控制轮廓的上、下包络线集合的步骤进一步包括：
计算断面轮廓的上包络线集合Su＝{Su1，Su2，…，Sun}，n为单个断面测量点个数；对于控制断面轮廓CP：F(x,y,c)＝0，c为方程参数，逐点直线连接断面的“峰”值点P(xi,yi)，使折线在“峰”值点上的外转折角大于等于180°，包络点S＝{(x，y)|峰值点P}，断面轮廓包络线由包络点的连线构成，此处的外转折角为左侧边沿顺时针旋转到与右侧边共线时所需的旋转角度；
计算断面轮廓的下包络线集合Sd＝{Sd1，Sd2，…，Sdn}，n为单个断面测量点个数；对于控制断面轮廓CP：F(x,y,c)＝0，c为方程参数，逐点直线连接断面的“峰”值点P(xi,yi)，使折线在“峰”值点上的外转折角小于等于180°，包络点S＝{(x，y)|峰值点P}，断面轮廓包络线由包络点的连线构成，此处的外转折角为左侧边沿顺时针旋转到与右侧边共线时所需的旋转角度。
9.如权利要求8所述的方法，其特征在于，所述S22中计算所述控制轮廓上各特征点距离上、下包络线的距离的步骤进一步包括：
计算huk＝|Suk-MPk|和hdk＝|Sdk-MPk|，k＝1，2，…，s，其中s为特征点的个数；
通过比较huk与hdk的大小，对控制轮廓各个特征点进行类别判定，其中靠近轮廓上包络线的特征点标记为1，靠近轮廓下包络点的特征点标记为0；然后分别生成标记值为1的特征点序列KPU＝{KPU1，KPU2，…，KPUw}，其中w为标记值为1的特征点个数，和标记值为0的特征点序列KPD＝{KPD1，KPD2，…，KPDb}，b为标记值为0的特征点个数。
10.一种三维路面标准轮廓提取系统，其特征在于，包括特征点获取模块、标准化处理模块和标准轮廓提取模块：
所述特征点获取模块，用于基于待检测三维路面断面控制轮廓，获取所述断面轮廓特征点；
所述标准化处理模块，用于通过计算所述断面轮廓的上、下包络线以及所述断面轮廓各特征点到上、下包络线的距离，对所述断面轮廓特征点进行标准化处理；
所述标准轮廓提取模块，用于通过计算所述上、下包络线为相似标准轮廓的置信度获取所述断面的病害类型，依据所述断面的病害类型选取对应的断面轮廓特征点生成断面标准轮廓，实现待检测三维路面断面标准轮廓的提取。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710861319.7A CN107462204B (zh) | 2017-09-21 | 2017-09-21 | 一种三维路面标准轮廓提取方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710861319.7A CN107462204B (zh) | 2017-09-21 | 2017-09-21 | 一种三维路面标准轮廓提取方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107462204A true CN107462204A (zh) | 2017-12-12 |
| CN107462204B CN107462204B (zh) | 2019-05-31 |
Family
ID=60552976
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710861319.7A Active CN107462204B (zh) | 2017-09-21 | 2017-09-21 | 一种三维路面标准轮廓提取方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107462204B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108389250A (zh) * | 2018-03-08 | 2018-08-10 | 武汉大学 | 基于点云数据快速生成建筑物断面图的方法 |
| CN109800773A (zh) * | 2019-02-19 | 2019-05-24 | 北京大学 | 基于三维激光雷达的越野路面提取方法 |
| CN111968079A (zh) * | 2020-07-28 | 2020-11-20 | 武汉武大卓越科技有限责任公司 | 基于断面局部极值及分段稀疏的三维路面裂缝提取方法 |
| CN112411324A (zh) * | 2020-09-30 | 2021-02-26 | 武汉光谷卓越科技股份有限公司 | 一种线结构光路面跳车检测方法 |
| CN113156364A (zh) * | 2020-01-22 | 2021-07-23 | 西克股份公司 | 安全系统和方法 |
| CN113514837A (zh) * | 2021-06-02 | 2021-10-19 | 东南大学 | 一种路面车辙检测装置和方法 |
| CN114049294A (zh) * | 2021-09-26 | 2022-02-15 | 武汉光谷卓越科技股份有限公司 | 基于三维轮廓的路面技术状况检测方法及设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102108666A (zh) * | 2011-01-17 | 2011-06-29 | 长安大学 | 一种沥青路面施工质量实时控制方法 |
| US8094896B2 (en) * | 2008-04-14 | 2012-01-10 | General Electric Company | Systems, methods and apparatus for detection of organ wall thickness and cross-section color-coding |
| CN102880866A (zh) * | 2012-09-29 | 2013-01-16 | 宁波大学 | 一种人脸特征提取方法 |
| CN104021574A (zh) * | 2014-07-04 | 2014-09-03 | 武汉武大卓越科技有限责任公司 | 路面病害自动识别方法 |
| CN104792792A (zh) * | 2015-04-27 | 2015-07-22 | 武汉武大卓越科技有限责任公司 | 一种逐步求精的路面裂缝检测方法 |
| CN106296691A (zh) * | 2016-08-11 | 2017-01-04 | 梁晓东 | 基于图像分析的路面病害识别方法 |
| CN106529593A (zh) * | 2016-11-08 | 2017-03-22 | 广东诚泰交通科技发展有限公司 | 路面病害检测方法和系统 |
| CN106546185A (zh) * | 2016-10-18 | 2017-03-29 | 福州觉感视觉软件科技有限公司 | 一种基于机器视觉检测的轮廓质量检测方法 |
| CN106997588A (zh) * | 2017-03-24 | 2017-08-01 | 东北林业大学 | 基于计算机图像处理的公路路面、隧道病害诊断系统 |
-
2017
- 2017-09-21 CN CN201710861319.7A patent/CN107462204B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8094896B2 (en) * | 2008-04-14 | 2012-01-10 | General Electric Company | Systems, methods and apparatus for detection of organ wall thickness and cross-section color-coding |
| CN102108666A (zh) * | 2011-01-17 | 2011-06-29 | 长安大学 | 一种沥青路面施工质量实时控制方法 |
| CN102880866A (zh) * | 2012-09-29 | 2013-01-16 | 宁波大学 | 一种人脸特征提取方法 |
| CN104021574A (zh) * | 2014-07-04 | 2014-09-03 | 武汉武大卓越科技有限责任公司 | 路面病害自动识别方法 |
| CN104792792A (zh) * | 2015-04-27 | 2015-07-22 | 武汉武大卓越科技有限责任公司 | 一种逐步求精的路面裂缝检测方法 |
| CN106296691A (zh) * | 2016-08-11 | 2017-01-04 | 梁晓东 | 基于图像分析的路面病害识别方法 |
| CN106546185A (zh) * | 2016-10-18 | 2017-03-29 | 福州觉感视觉软件科技有限公司 | 一种基于机器视觉检测的轮廓质量检测方法 |
| CN106529593A (zh) * | 2016-11-08 | 2017-03-22 | 广东诚泰交通科技发展有限公司 | 路面病害检测方法和系统 |
| CN106997588A (zh) * | 2017-03-24 | 2017-08-01 | 东北林业大学 | 基于计算机图像处理的公路路面、隧道病害诊断系统 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108389250A (zh) * | 2018-03-08 | 2018-08-10 | 武汉大学 | 基于点云数据快速生成建筑物断面图的方法 |
| CN108389250B (zh) * | 2018-03-08 | 2020-05-22 | 武汉大学 | 基于点云数据快速生成建筑物断面图的方法 |
| CN109800773A (zh) * | 2019-02-19 | 2019-05-24 | 北京大学 | 基于三维激光雷达的越野路面提取方法 |
| CN113156364A (zh) * | 2020-01-22 | 2021-07-23 | 西克股份公司 | 安全系统和方法 |
| CN111968079A (zh) * | 2020-07-28 | 2020-11-20 | 武汉武大卓越科技有限责任公司 | 基于断面局部极值及分段稀疏的三维路面裂缝提取方法 |
| CN111968079B (zh) * | 2020-07-28 | 2023-11-17 | 武汉光谷卓越科技股份有限公司 | 基于断面局部极值及分段稀疏的三维路面裂缝提取方法 |
| CN112411324A (zh) * | 2020-09-30 | 2021-02-26 | 武汉光谷卓越科技股份有限公司 | 一种线结构光路面跳车检测方法 |
| CN112411324B (zh) * | 2020-09-30 | 2022-03-29 | 武汉光谷卓越科技股份有限公司 | 一种线结构光路面跳车检测方法 |
| CN113514837A (zh) * | 2021-06-02 | 2021-10-19 | 东南大学 | 一种路面车辙检测装置和方法 |
| CN114049294A (zh) * | 2021-09-26 | 2022-02-15 | 武汉光谷卓越科技股份有限公司 | 基于三维轮廓的路面技术状况检测方法及设备 |
| WO2023045299A1 (zh) * | 2021-09-26 | 2023-03-30 | 武汉光谷卓越科技股份有限公司 | 基于三维轮廓的路面技术状况检测方法及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107462204B (zh) | 2019-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107462204A (zh) | 一种三维路面标准轮廓提取方法及系统 | |
| CN108230344B (zh) | 一种隧道渗漏水病害自动识别方法 | |
| CN110738642A (zh) | 基于Mask R-CNN的钢筋混凝土裂缝识别及测量方法及存储介质 | |
| Akagic et al. | Pothole detection: An efficient vision based method using rgb color space image segmentation | |
| WO2018028103A1 (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
| CN108460760B (zh) | 一种基于生成式对抗网络的桥梁裂缝图像判别修复方法 | |
| CN110544233B (zh) | 基于人脸识别应用的深度图像质量评价方法 | |
| CN106228528B (zh) | 一种基于决策图与稀疏表示的多聚焦图像融合方法 | |
| CN109584294A (zh) | 一种基于激光点云的路面点云提取方法和装置 | |
| KR101787542B1 (ko) | 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템 및 방법 | |
| CN113379712B (zh) | 一种基于计算机视觉的钢桥螺栓病害检测方法及系统 | |
| JP2022549541A (ja) | 欠陥検出方法、装置、電子機器及びコンピュータ記憶媒体 | |
| CN107730519A (zh) | 一种人脸二维图像到人脸三维重建的方法及系统 | |
| Pathak et al. | An object detection approach for detecting damages in heritage sites using 3-D point clouds and 2-D visual data | |
| CN113240623B (zh) | 一种路面病害检测方法及装置 | |
| CN113808098A (zh) | 道路病害识别方法、装置、电子设备及可读存储介质 | |
| CN108052909A (zh) | 一种基于心血管oct影像的薄纤维帽斑块自动检测方法和装置 | |
| CN115797354A (zh) | 用于检测激光焊接焊缝外观缺陷的方法 | |
| CN107808524A (zh) | 一种基于无人机的道路交叉口车辆检测方法 | |
| CN116563262A (zh) | 基于多模态的建筑裂缝检测算法 | |
| CN114596262A (zh) | 一种基于图像识别技术的大坝监测分析方法及系统 | |
| CN111028247A (zh) | 一种基于点云缺失的盘类元件识别方法及系统 | |
| CN115830262B (zh) | 一种基于对象分割的实景三维模型建立方法及装置 | |
| CN109785313A (zh) | 一种基于lbp的轮胎合格检测方法 | |
| Liang et al. | An Automatic Measurement Method of Test Beam Response Based on Spliced Images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Li Qingquan Inventor after: Zhang Dejin Inventor after: Cao Min Inventor after: Lin Hong Inventor after: Gui Rong Inventor before: Li Qingquan Inventor before: Zhang Dejin Inventor before: Cao Min Inventor before: Lin Hong Inventor before: Gui Rong |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 430223 No.6, 4th Road, Wuda Science Park, Donghu high tech Zone, Wuhan City, Hubei Province Patentee after: Wuhan Optical Valley excellence Technology Co.,Ltd. Address before: 430223 No.6, 4th Road, Wuda Science Park, Donghu high tech Zone, Wuhan City, Hubei Province Patentee before: Wuhan Wuda excellence Technology Co.,Ltd. Address after: 430223 No.6, 4th Road, Wuda Science Park, Donghu high tech Zone, Wuhan City, Hubei Province Patentee after: Wuhan Wuda excellence Technology Co.,Ltd. Address before: 430223 No.6, 4th Road, Wuda Science Park, Donghu high tech Zone, Wuhan City, Hubei Province Patentee before: WUHAN WUDA ZOYON SCIENCE AND TECHNOLOGY Co.,Ltd. |