CN108267116A - 一种基于路面三维数据的路面错台检测方法及装置 - Google Patents
一种基于路面三维数据的路面错台检测方法及装置 Download PDFInfo
- Publication number
- CN108267116A CN108267116A CN201711351387.5A CN201711351387A CN108267116A CN 108267116 A CN108267116 A CN 108267116A CN 201711351387 A CN201711351387 A CN 201711351387A CN 108267116 A CN108267116 A CN 108267116A
- Authority
- CN
- China
- Prior art keywords
- ordinate
- road surface
- difference
- faulting
- matrix
- 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
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
Abstract
本发明公开一种基于路面三维数据的路面错台检测方法及装置。该方法包括:获取由路面三维数据的第一竖坐标组成的矩阵;获取矩阵中每列第一竖坐标的跳变点;以跳变点为分界点,将跳变点所在列的第一竖坐标分为至少两组;获取每一第一竖坐标与所在组的第一竖坐标的均值之间的第一差值的绝对值,每列的相邻两组第一竖坐标的均值之间的第二差值的绝对值;若任一列的相邻两组对应的第一差值的绝对值均小于第一预设阈值,且相邻两组的第二差值的绝对值大于第二预设阈值,则标记分隔相邻两组的跳变点;若数量大于第三预设阈值的连序列均标记了位于矩阵的同行的跳变点,则确定路面具有错台。本发明采用错台上下两块的高度存在差别进行识别,完成错台检测。
Description
技术领域
本发明涉及路面错台检测技术领域,尤其涉及一种基于路面三维数据的路面错台检测方法及装置。
背景技术
错台是指路面在人工构造物端部接头、水泥混凝土路面或桥梁的伸缩缝以及沥青路面裂缝两侧的沉降量。由于常年的车流可能造成相邻的旧混凝土板高低不平,形成错台现象。这种现象会对新铺筑的沥青混凝土路面在错台处形成裂缝,严重影响道路使用性能。目前国内外错台检测的方法主要有人工检测和自动检测法两种。现有的检测方法检测误差较大,容易误检。
发明内容
本发明实施例提供一种基于路面三维数据的路面错台检测方法及装置,以解决现有技术的检测方法检测误差较大,容易误检的问题。
第一方面,提供一种基于路面三维数据的路面错台检测方法,所述方法包括:获取由路面三维数据的第一竖坐标组成的矩阵;获取所述矩阵中每列所述第一竖坐标的跳变点;以所述跳变点为分界点,将所述跳变点所在列的所述第一竖坐标分为至少两组;获取每一所述第一竖坐标与所在组的所述第一竖坐标的均值之间的第一差值的绝对值,以及每列的相邻两组所述第一竖坐标的均值之间的第二差值的绝对值;若任一列的所述相邻两组对应的所述第一差值的绝对值均小于第一预设阈值,且所述相邻两组的所述第二差值的绝对值大于第二预设阈值,则标记分隔所述相邻两组的所述跳变点;若数量大于第三预设阈值的连序列均标记了位于所述矩阵的同行的所述跳变点,则确定路面具有错台;其中,所述第一竖坐标表示采集的检测点对应的高度。
第二方面,提供一种基于路面三维数据的路面错台检测装置,所述装置包括:第一获取模块,用于获取由路面三维数据的第一竖坐标组成的矩阵;第二获取模块,用于获取所述矩阵中每列所述第一竖坐标的跳变点;分组模块,用于以所述跳变点为分界点,将所述跳变点所在列的所述第一竖坐标分为至少两组;第三获取模块,用于获取每一所述第一竖坐标与所在组的所述第一竖坐标的均值之间的第一差值的绝对值,以及每列的相邻两组所述第一竖坐标的均值之间的第二差值的绝对值;标记模块,用于若任一列的所述相邻两组对应的所述第一差值的绝对值均小于第一预设阈值,且所述相邻两组的所述第二差值的绝对值大于第二预设阈值,则标记分隔所述相邻两组的所述跳变点;确定模块,用于若数量大于第三预设阈值的连序列均标记了位于矩阵的同行的所述跳变点,则确定路面具有错台;其中,所述第一竖坐标表示采集的检测点对应的高度。
这样,本发明实施例可以检测路面是否具有错台,基于路面三维数据,只需输入采集到的路面三维数据的高度数据矩阵(竖坐标矩阵),通过采用错台上下两块的高度数据明显存在较大的差别来进行识别,即可完成错台的检测,直接利用数据的方法此现有技术利用图像的方法简单、直观、高效,检测精确,便于在实时系统中采用。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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是本发明实施例的基于路面三维数据的路面错台检测方法的流程图;
图2是本发明实施例的基于路面三维数据的路面错台检测方法的处理路面三维数据的步骤的流程图;
图3是本发明实施例的检测器向路面发射线结构光的示意图;
图4是本发明实施例的不包含异常数据的路面三维数据的三维显示图;
图5是本发明实施例的包含异常数据的路面三维数据的三维显示图;
图6是双向插值法的原理示意图;
图7是本发明实施例的基于路面三维数据的路面错台检测装置的结构框图;
图8是本发明应用例的原始的路面三维数据的三维显示图;
图9是本发明应用例的去黑点和去异常数据后的路面三维数据的三维显示图;
图10是本发明应用例的错台的一个纵断面的高度示意图;
图11是本发明应用例的错台的两个错台的位置示意图。
具体实施方式
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取的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种基于路面三维数据的路面错台检测方法。
具体的,如图1所示,该检测方法包括如下的步骤:
步骤S101:获取由路面三维数据的第一竖坐标组成的矩阵。
路面三维数据包括横坐标、纵坐标和竖坐标。其中,第一竖坐标表示采集的检测点对应的高度。横坐标和纵坐标所在的平面为路面所在的平面。
具体的,该矩阵如下所示:
其中,i表示行号,j表示列号。
步骤S102:获取矩阵中每列第一竖坐标的跳变点。
应当理解的是,每列的跳变点的数量不限,可能有一个、两个、多个。
例如,该矩阵的第一列为:获取到第一列的跳变点为z″k1(1<k<m)。
步骤S103:以跳变点为分界点,将跳变点所在列的第一竖坐标分为至少两组。
应当理解的是,当跳变点只有一个时,该列可被分为两组;当跳变点为p个时,该列可被分为p+1组。本实施例中,该相邻两组均包含分隔该相邻两组的跳变点。
例如,对于该矩阵的第一列,以跳变点z″k1为分界点,则第一组是从z″11到z″k1,第二组是从z″k1到z″m1。
步骤S104:获取每一第一竖坐标与所在组的第一竖坐标的均值之间的第一差值的绝对值,以及每列的相邻两组第一竖坐标的均值之间的第二差值的绝对值。
本发明实施例中的第一竖坐标的均值为算术平均值。
例如,对于该矩阵的第一列,获取第一组(z″11到z″k1)的每个第一竖坐标与第一组的第一竖坐标的均值之间的第一差值的绝对值:
获取第二组(z″k1到z″m1)的每个第一竖坐标与第二组的第一竖坐标的均值之间的第一差值的绝对值:
以及,获取第一组(z″11到z″k1)的第一竖坐标的均值与第二组(z″k1到zm1)的第一竖坐标的均值之间的差值的绝对值:
步骤S105:若任一列的相邻两组对应的第一差值的绝对值均小于第一预设阈值,且相邻两组的第二差值的绝对值大于第二预设阈值,则标记分隔相邻两组的跳变点。
一般的,第一预设阈值h1可以为2mm,第二预设阈值h2至少为5mm。例如,对于该矩阵的第一列,当同时满足下式时,
则标记分隔第一组和第二组的跳变点zk1。
步骤S106:若数量大于第三预设阈值的连序列均标记了位于矩阵的同行的跳变点,则确定路面具有错台。
由于错台必然有一定长度,若标记了跳变点的列为单一列;或者,标记了跳变点的连序列中的跳变点位于不同行;或者,标记了位于同行的跳变点的连序列的数量不大于第三阈值,均认为该位置实际是孤立的,没有形成一定长度,不能认为是错台,因此,在进行判断时,只有数量大于第三预设阈值的连序列均标记了位于矩阵的同行的跳变点,才能认为该路面具有错台。该第三阈值可根据采集的路面三维数据的数量等实际情况确定。此外,应当理解的是当数量大于第三预设阈值的连序列均标记了位于矩阵的同行的跳变点时,该行数决定了路面的错台的数量。例如,有两行,则路面具有两个错台。
本发明实施例通过上述的方法,可以检测路面是否具有错台,基于路面三维数据,只需输入采集到的路面三维数据的高度数据矩阵(竖坐标矩阵),通过采用错台上下两块的高度数据明显存在较大的差别来进行识别,即可完成错台的检测,直接利用数据的方法此现有技术利用图像的方法简单、直观、高效,检测精确,便于在实时系统中采用。
优选的,本发明实施例的方法可以进一步确定错台的位置和高度。具体的,步骤S106可通过如下的具体方法确定错台的位置:
确定数量大于第三预设阈值的连序列的位于矩阵的同行的跳变点对应的路面三维数据为错台的位置。
当数量大于第三预设阈值的连序列均标记了位于矩阵的同行的跳变点时,可确定路面具有错台,且通过这些跳变点对应的路面三维数据可以确定错台的具体位置。
例如,数量大于第三预设阈值的连序列均标记了位于矩阵的同行的跳变点,这些跳变点分别为z″34、z″35、z″36、z″37、z″38、z″39,则通过这些跳变点对应的路面三维数据可以确定错台的具体位置。
具体的,步骤S106可通过如下的具体方法确定错台的高度:
确定数量大于第三预设阈值的连序列的位于矩阵的同行的跳变点对应的第二差值的绝对值的均值为该位置的错台的高度。
同样的,当数量大于第三预设阈值的连序列均标记了位于矩阵的同行的跳变点时,可确定路面具有错台,且通过这些跳变点对应的第二差值的绝对值的均值可以确定错台的高度。应当理解的是,跳变点对应的第二差值的绝对值指的是以该跳变点分隔的相邻两组的第二差值的绝对值。
优选的,如图2所示,在步骤S101之前,本发明实施例的方法还包括如下的步骤:
步骤S201:获取由路面三维数据的第二竖坐标组成的矩阵。
其中,第二竖坐标为路面三维数据的原始竖坐标。现有技术的单点式激光投射在路面上,若路面上有小石块等微小障碍,由于其造成了高度差,容易造成误检测为错台。因此,本发明可采用现有的基于线结构光三维检测技术,采集有横向和纵向的大量的数据,可以排除小石块等非错台因素的误检测。因此,相对于基于单点激光检测的方法,基于线结构光进行检测,准确度较高。
具体的,在检测车在道路上行进的过程中,采用安装在检测车上的检测系统的激光器向道路的路面发射线结构光,通过检测系统的3D相机采集路面三维数据。
一般的,该检测系统可安装在检测车的顶部。3D相机可以为面阵CCD(Charge-coupled Device,电荷耦合元件)相机。理想状态下,该线结构光垂直射向地面,形成激光线。如图3所示,图3中箭头方向为检测车行进方向。激光器1向路面2垂直发射线结构光,在路面2形成一条投影亮线。3D相机3的镜头上安装仅允许激光线波长的光线通过的滤光片,3D相机3以一定角度采集线结构光投射到路面2反射的激光线的像,3D相机3上成像的激光线就是道路表面的截断面。3D相机3采用激光三角算法,计算激光线在CCD上的像素高度,利用标定的像与实际空间坐标的对应关系,就可以求出实际路面截面的空间坐标,沿着车辆前进方向进行扫描,就可以完成了对道路路面的三维测量。因此,采集的路面三维数据中的横坐标表示路面上垂直于检测车移动方向的方向上的坐标,纵坐标表示路面上检测车移动方向上的坐标,竖坐标表示采集的检测点对应的高度。
路面三维数据中包含的坐标为原始坐标。由于原始坐标可能包含黑点、异常数据等等,会对最终的检测结果产生影响,因此需要通过后续的步骤对数据进行处理,才能最终得到用于计算的第一竖坐标。如图4和5所示,分别为不包含异常数据和包含异常数据的路面三维数据的三维显示图。其中,图4示出的原始坐标不包含异常数据;图5示出的三维显示图中有尖角,表明原始坐标包含异常数据。
例如,第二竖坐标组成的矩阵如下:
其中,i表示行号,j表示列号。应当理解的是,每一行的第二竖坐标对应的检测点位于垂直于检测车行进方向的同一直线上,每一列的第二竖坐标对应的检测点位于平行于检测车行进方向的同一直线上。
步骤S202:对第二竖坐标进行去黑点处理,得到第三竖坐标。
具体的,该步骤如下:
(1)根据第二竖坐标,得到深度图像。
路面三维数据的第二竖坐标形成的图像,是一种代表了高度信息的图像,称为深度图,也可以称为高度图。
(2)采用双向插值法得到的计算值替换深度图中的灰度值为0的点对应的第二竖坐标,得到第三竖坐标。
当线结构光照射到路面某些位置时,激光线容易丢失,造成了灰度值为0,采用该数据会使最终检测结果不准确。因此,通过本步骤,将这些位置的竖坐标替换为采用双向插值法得到的计算值。如图6所示,双向插值法的原理为:求未知函数f在点P=(a,b)的值,假设已知函数f在Q11=(a1,b1)、Q12=(a2,b1),Q21=(a1,b2)以及Q22=(a2,b2)四个点的值。首先在横轴方向进行线性插值,得到R1和R2,然后在纵轴方向进行线性插值,得到P。这样就得到所要的结果f(a,b)。其中Q11、Q12、Q21、Q22为已知的4个像素点,具体计算过程如下:
其中,R1=(a,b1)。
其中,R2=(a,b2)。
将上述原理应用于本发明的技术方案中,例如,矩阵中的第二竖坐标z23对应的灰度值为0,则选择用于双向插值法计算的四个第二竖坐标。该四个第二竖坐标满足如下条件:每个第二竖坐标与灰度值为0的第二竖坐标所在的行数和列数均相差预设步长。例如,本实施例中该特定的预设步长为1,则对于第二坐标z23,选择用于双向插值法计算的四个第二竖坐标为:z12、z14、z32和z34。可以看出,z12与z23相比,z12的行数和列数分别与z23的行数和列数之间相差的步长为1。同理z14、z32和z34。应当理解的是,该预设步长并不限制为1,一般根据黑点的数量进行选择。其中,z32的列数相当于a1,z34的列数相当于a2,z23的列数相当于a,z32的行数相当于b2,z12的行数相当于b1,z23的行数相当于b,z12相当于f(Q11),z14相当于f(Q12),z32相当于f(Q21),z34相当于f(Q22),相当于f(R1),相当于f(R2),z23相当于f(P)。
双向插值法的计算过程为:
具体的,z23的双向插值法的计算值的计算过程如下:
首先横向插值:
然后纵向插值,得到z23的双向插值法的计算值:
因此,通过本步骤得到的第三竖坐标,若第二竖坐标对应的灰度值不为0,则该第三竖坐标就是第二竖坐标;若第二竖坐标对应的灰度值为0,则该第三竖坐标为对该第二竖坐标采用双向插值法得到的计算值。
步骤S204:对第三竖坐标进行去异常数据处理,得到第四竖坐标。
具体的,该步骤如下:
(1)获取每一第三竖坐标与所有第三竖坐标的均值之间的第四差值的绝对值。
本发明实施例中的所有第三竖坐标的均值为算术平均值。每一第三竖坐标与所有第三竖坐标的均值之间的第四差值的绝对值为:
(2)若第四差值的绝对值大于第五预设阈值,则比较第三竖坐标对应的原始横坐标与所有路面三维数据的原始横坐标的均值之间的第五差值的绝对值。
异常数据表现为异常的尖角数据。虽然异常数据的主要表现是路面高程断面(纵断面)上出现突出的尖角,但有时路面裂缝也会在高程断面上呈现一个突出的向下的尖角。因此仅从竖坐标对异常数据进行判断比较困难,易造成误判,还需根据横坐标来判断异常点。
具体的,若第四差值的绝对值大于第五预设阈值h5,则表明该第三竖坐标有非常大的跳变,此时,需比较该第三竖坐标对应的原始横坐标是否有较大跳变。
(3)若第五差值的绝对值大于第六预设阈值,则确定路面三维数据的原始横坐标对应的第三竖坐标异常。
由于采用线结构光的三维测量的一个特点是每个纵断面的横坐标是单调增加的,因此,若一个纵断面中的横坐标出现了尖角,则可认为该点数据异常,需要进行处理。
具体的,若第五差值的绝对值大于第六预设阈值h6,则表明该原始横坐标有较大跳变,则为异常数据,否则为正常数据。
(4)采用双向插值法得到的计算值替换异常的第三竖坐标,得到第四竖坐标。
该双向插值法与去黑点的双向插值法相同,在此不再赘述。
例如,矩阵中的第三竖坐标z23为异常点,
即z23满足
且x23满足
那么,选择z12、z14、z32和z34,采用双向插值法进行计算。与去黑点的处理相同,应当理解的是,预设步长并不限制为1,一般根据异常值的数量进行选择。
因此,通过本步骤得到的第四竖坐标,若第三竖坐标对应的原始横坐标正常,则该第四竖坐标就是第三竖坐标;若第四竖坐标对应的原始横坐标异常,则该第四竖坐标为对第三竖坐标采用双向插值法得到的计算值。
通过步骤S202和步骤S203处理,使所需要的错台数据以及正常的路面数据保持原值,不予进行滤波处理,而只对黑点数据和异常数据进行去噪,更好的保证了去噪处理后的高度数据(竖坐标)矩阵的准确性。
步骤S204:对第四竖坐标进行倾斜修正处理,得到第五竖坐标。
路面三维数据的获取始终以安装于检测车顶部的三维传感器为基准进行测量。在行驶过程中,由于车辆不可避免的会在横向产生倾角,由此造成高程测量值的误差,使得竖坐标不准确。为了消除由此产生的误差,采用横断面线性回归的方法进行估计。
具体的,按照第一修正公式修正第四竖坐标,得到第五竖坐标。
其中,第一修正公式为:
zij′=zij×cosα+xij×sinα。
zij′表示第五竖坐标,xij表示通过去黑点和去异常数据处理后的横坐标,即xii是对横坐标矩阵中的原始横坐标通过去黑点和去异常数据处理后的横坐标。对于横坐标的去黑点和去异常处理的方法与对竖坐标的去黑点和去异常处理的方法相同,在此不再赘述。zij表示第四竖坐标,α表示线结构光与路面的夹角(应当理解的是,该夹角为线结构光与道路表面的夹角),i为矩阵的行号,j为矩阵的列号。
步骤S205:对第五竖坐标进行惯性修正处理,得到第一竖坐标。
同样的,在行驶过程中,由于检测车不可避免的会在纵向产生上下的移动,也会造成高程测量值的误差,使得竖坐标不准确。为了消除由此产生的误差,采用加速度计获取检测车纵向的运动位移。其中,加速度计的数据是每个纵断面采集一次数据,积分结果(即纵向运动位移)记为zia。
具体的,按照第二修正公式修正第五竖坐标,得到第一竖坐标;
其中,第二修正公式为:
zij″=zij′+zia,zij″表示第一竖坐标,zia表示检测器在垂直于路面的纵断面上移动的距离,且该纵断面包含第i行对应的检测点位于的同一直线。
通过步骤S204和S205,对去噪后的高度数据(竖坐标)矩阵进行倾斜矫正,能够去掉在标定及安装过程中引入的倾斜误差;对去噪后的高度数据(竖坐标)矩阵进行惯性修正,可以去除车辆颠簸引入的抖动误差,使得高度数据更加准确代表路面的高低信息。
优选的,步骤S102具体包括如下的过程:
(1)从每列第一行的第一竖坐标开始,依次获取该列第一竖坐标中相差预设步长的两个第一竖坐标之间的第三差值的绝对值。
预设步长越小,计算量越大;预设步长越大,可以起到加快计算速度的效果;但是,步长太大,也容易错过跳变点。具体的,该预设步长的选择可根据实际情况确定。
例如,预设步长为s,则该列第一竖坐标中相差预设步长的两个第一竖坐标之间的第三差值的绝对值为:
Δz″ij=|z″(i+s)j-z″ij|。
(2)当第三差值的绝对值大于第四预设阈值,则确定第三差值对应的两个第一竖坐标中的行数较大的第一竖坐标为该列第一竖坐标的跳变点。
第四预设阈值h4为经验值,应该远大于噪声水平,一般为至少5mm。
例如,当Δz″ij=|z″(i+s)j-z″ij|>h4,则确定z″(i+s)j为跳变点。
应当理解的是,该列可能会有多个Δz″ij>h4,则该列有多个跳变点。
通过步骤S102,采用步长选择数据进行判断找到跳变点,效率较高。
本发明实施例还公开了一种基于路面三维数据的路面错台检测装置。如图7所示,该装置包括:
第一获取模块701用于获取由路面三维数据的第一竖坐标组成的矩阵。
其中,第一竖坐标表示采集的检测点对应的高度。
第二获取模块702,用于获取矩阵中每列第一竖坐标的跳变点。
分组模块703,用于以跳变点为分界点,将跳变点所在列的第一竖坐标分为至少两组。
第三获取模块704,用于获取每一第一竖坐标与所在组的第一竖坐标的均值之间的第一差值的绝对值,以及每列的相邻两组第一竖坐标的均值之间的第二差值的绝对值。
标记模块705,用于若任一列的相邻两组对应的第一差值的绝对值均小于第一预设阈值,且相邻两组的第二差值的绝对值大于第二预设阈值,则标记分隔相邻两组的跳变点。
确定模块706,用于若数量大于第三预设阈值的连序列均标记了位于矩阵的同行的跳变点,则确定路面具有错台。
优选的,确定模块706包括:
第一确定子模块,用于确定数量大于第三预设阈值的连序列的位于矩阵的同行的跳变点对应的路面三维数据为错台的位置。
优选的,确定模块706包括:
第二确定子模块,用于确定数量大于第三预设阈值的连序列的位于矩阵的同行的跳变点对应的第二差值的绝对值的均值为该位置的错台的高度。
优选的,第二获取模块702包括:
第一获取子模块,用于从每列第一行的第一竖坐标开始,依次获取该列第一竖坐标中相差预设步长的两个第一竖坐标之间的第三差值的绝对值。
第三确定子模块,用于当第三差值的绝对值大于第四预设阈值,则确定第三差值对应的两个第一竖坐标中的行数较大的第一竖坐标为该列第一竖坐标的跳变点。
优选的,该装置还包括:
第四获取模块,用于获取由路面三维数据的第一竖坐标组成的矩阵的步骤之前,获取由路面三维数据的第二竖坐标组成的矩阵。
其中,第二竖坐标为路面三维数据的原始竖坐标。
去黑点模块,用于对第二竖坐标进行去黑点处理,得到第三竖坐标。
去异常模块,用于对第三竖坐标进行去异常数据处理,得到第四竖坐标。
倾斜修正模块,用于对第四竖坐标进行倾斜修正处理,得到第五竖坐标。
惯性修正模块,用于对第五竖坐标进行惯性修正处理,得到第一竖坐标。
优选的,去黑点模块包括:
第二获取子模块,用于根据第二竖坐标,得到深度图。
第一替换子模块,用于采用双向插值法得到的计算值替换深度图中的灰度值为0的点对应的第二竖坐标,得到第三竖坐标。
优选的,去异常模块包括:
第三获取子模块,用于获取每一第三竖坐标与所有第三竖坐标的均值之间的第四差值的绝对值。
比较子模块,用于若第四差值的绝对值大于第五预设阈值,则比较第三竖坐标对应的原始横坐标与所有路面三维数据的原始横坐标的均值之间的第五差值的绝对值。
第四确定子模块,用于若第五差值的绝对值大于第六预设阈值,则确定路面三维数据的原始横坐标对应的第三竖坐标异常。
第二替换子模块,用于采用双向插值法得到的计算值替换异常的第三竖坐标,得到第四竖坐标。
优选的,倾斜修正模块包括:
第一修正子模块,用于按照第一修正公式修正第四竖坐标,得到第五竖坐标。
其中,第一修正公式为:zij′=zij×cosα+xij×sinα,zij′表示第五竖坐标,xij表示通过去黑点和去异常数据处理后的横坐标,zij表示第四竖坐标,α表示线结构光与路面的夹角,i为矩阵的行号。
优选的,惯性修正模块包括:
第二修正子模块,用于按照第二修正公式修正第五竖坐标,得到第一竖坐标。
其中,第二修正公式为:zij″=zij′+zia,zij″表示第一竖坐标,zia表示检测器在垂直于路面的纵断面上移动的距离,且纵断面包含第i行对应的检测点位于的同一直线。
综上,本发明实施例的装置,可以检测路面是否具有错台,基于路面三维数据,只需输入采集到的路面三维数据的高度数据矩阵(竖坐标矩阵),通过采用错台上下两块的高度数据明显存在较大的差别来进行识别,即可完成错台的检测,直接利用数据的方法此现有技术利用图像的方法简单、直观、高效,检测精确,便于在实时系统中采用。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
下面以一具体应用例对本发明实施例的方法做进一步说明。
该应用例使用方砖排成一长条模拟错台,形成高于路面的台阶。如图8所示,为本发明应用例的原始的路面三维数据的三维显示图。将该路面三维数据的第二竖坐标组成的矩阵的行数m=2000,列数n=1720。通过去黑点、去异常数据、倾斜修正和惯性修正处理,得到第一竖坐标组成的矩阵。如图9所示,为本发明应用例的去黑点和去异常数据后的路面三维数据的三维显示图。同样的,该矩阵的行数m=2000,列数n=1720。如表1所示,为第482列的第二竖坐标。
表1第482列的第二竖坐标
通过本发明实施例的方法首先找到第482列的跳变点为z″k1(k1=279)和z″k2(k2=372)。如图9所示,为本发明应用例的错台的一个纵断面的高度示意图,其中,横坐标为路面三维数据的横坐标,纵坐标为路面三维数据的第一竖坐标。z″k1和z″k2将该列的第一竖坐标分隔为三组,其中第一组包括的第一竖坐标为z″1到z″k1,第二组包括的第一竖坐标为z″k1到z″k2,第三组包括的第一竖坐标为z″k2到z″2000。第一组第一竖坐标的均值为717.701,第二组第一竖坐标的均值为837.8901,第三组第一竖坐标的均值为716.5149。
第一组的第一竖坐标包括(应当理解的是,此处只列出部分数据):717.4890128、717.9043596、716.6470101、717.0602759、716.2192462、716.6313251、717.042835、717.4539444、716.1930678、717.4391488、......。与第一组第一竖坐标的均值(717.701)之间的第一差值的绝对值分别为0.211987226、0.203359603、1.053989929、0.64072407、1.481753752、1.069674907、0.65816503、0.247055616、1.507932159、0.261851154、......。
第二组的第一竖坐标包括(应当理解的是,此处只列出部分数据):837.6941896、838.0528267、838.7900273、839.1469418、839.1235709、839.1002251、839.837525、839.0536112、838.6500342、839.0071046、......。与第二组第一竖坐标的均值(837.8901)之间的第一差值的绝对值分别为-0.195910412、0.162726707、0.899927253、1.25684179、1.233470886、1.210125106、1.947425016、1.163511183、0.759934173、1.117004551、......。
第三组的第一竖坐标包括(应当理解的是,此处只列出部分数据):714.6333546、715.470445、717.5530088、717.5562164、718.3911401、717.5624194、715.9019635、715.9048899、717.1553669、715.4947019、......。与第三组第一竖坐标的均值(716.5149)之间的第一差值的绝对值分别为1.881545385、1.044455003、1.038108793、1.041316372、1.876240103、1.047519351、0.612936514、0.610010125、0.640466886、1.020198113、......。
第一组的第一差值的绝对值均小于第一预设阈值h1(2mm);第二组第一差值的绝对值均小于第一预设阈值h1(2mm);第三组第一差值的绝对值均小于第一预设阈值h1(2mm)。
同时,第一组的第一竖坐标的均值与第二组的第一竖坐标的均值之间的第二差值的绝对值为|837.8901-717.701|=120.1891;第二组的第一竖坐标的均值与第三组的第一竖坐标的均值之间的第二差值的绝对值为|716.5149-837.8901|=121.3752,如图9所示,表述该列的上述两个跳变点z″k1和z″k2。对每一列都采用本发明实施例的方法进行判断后,可以找到连续的第435列到第484列均标记了分别与z″k1和z″k2位于同行的跳变点。因此确定路面具有错台,并且,错台的数量为两个。第一个错台的位置为第435列到第484列z″k1跳变点对应的路面三维数据所表示的位置,求出第435列至484每列的z″k1跳变点对应的相邻两组的第二差值的绝对值,再对这些第二差值的绝对值求均值,作为第一个错台的高度,计算得到第一个错台的高度为120.1731mm。第二个错台的位置为第435列到第484列z″k2跳变点对应的路面三维数据所表示的位置,求出第435列至484每列的z″k2跳变点对应的相邻两组的第二差值的绝对值,再对这些第二差值的绝对值求均值,作为第二个错台的高度,计算得第二个错台的高度为122.3245mm。如图11所示,为本发明应用例的两个错台的位置示意图,该图示出了第一个错台4、第二个错台5和非错台路面6。由于本应用例是采用方砖排成一长条模拟错台,因此,其具有两个错台,表明本发明实施例的方法的检测结果准确。实际使用直尺测量方砖模拟的第一个错台高度测量结果为119mm,第二个错台高度测量结果为120mm。因此第一个错台的测量误差为120.1891-119=1.1891,第二个错台的测量误差为122.3245mm-120=2.3245。因此,通过该应用例可以看出本发明的检测方法的精确度高,误差较小。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于路面三维数据的路面错台检测方法,其特征在于,所述方法包括:
获取由路面三维数据的第一竖坐标组成的矩阵;
获取所述矩阵中每列所述第一竖坐标的跳变点;
以所述跳变点为分界点,将所述跳变点所在列的所述第一竖坐标分为至少两组;
获取每一所述第一竖坐标与所在组的所述第一竖坐标的均值之间的第一差值的绝对值,以及每列的相邻两组所述第一竖坐标的均值之间的第二差值的绝对值;
若任一列的所述相邻两组对应的所述第一差值的绝对值均小于第一预设阈值,且所述相邻两组的所述第二差值的绝对值大于第二预设阈值,则标记分隔所述相邻两组的所述跳变点;
若数量大于第三预设阈值的连序列均标记了位于所述矩阵的同行的所述跳变点,则确定路面具有错台;其中,所述第一竖坐标表示采集的检测点对应的高度。
2.根据权利要求1所述的方法,其特征在于,所述确定路面具有错台的步骤,包括:
确定所述数量大于第三预设阈值的连序列的位于所述矩阵的同行的所述跳变点对应的所述路面三维数据为所述错台的位置。
3.根据权利要求1所述的方法,其特征在于,所述确定路面具有错台的步骤,包括:
确定所述数量大于第三预设阈值的连序列的位于所述矩阵的同行的所述跳变点对应的所述第二差值的绝对值的均值为该位置的所述错台的高度。
4.根据权利要求1所述的方法,其特征在于,所述获取所述矩阵中每列所述第一竖坐标的跳变点的步骤,包括:
从每列第一行的所述第一竖坐标开始,依次获取该列所述第一竖坐标中相差预设步长的两个所述第一竖坐标之间的第三差值的绝对值;
当所述第三差值的绝对值大于第四预设阈值,则确定所述第三差值对应的两个所述第一竖坐标中的行数较大的所述第一竖坐标为该列所述第一竖坐标的跳变点。
5.根据权利要求1所述的方法,其特征在于,所述获取由路面三维数据的第一竖坐标组成的矩阵的步骤之前,所述方法还包括:
获取由所述路面三维数据的第二竖坐标组成的矩阵,其中,所述第二竖坐标为所述路面三维数据的原始竖坐标;
对所述第二竖坐标进行去黑点处理,得到第三竖坐标;
对所述第三竖坐标进行去异常数据处理,得到第四竖坐标;
对所述第四竖坐标进行倾斜修正处理,得到第五竖坐标;
对所述第五竖坐标进行惯性修正处理,得到所述第一竖坐标。
6.根据权利要求5所述的方法,其特征在于,所述对所述第二竖坐标进行去黑点处理,得到第三竖坐标的步骤,包括:
根据所述第二竖坐标,得到深度图;
采用双向插值法得到的计算值替换所述深度图中的灰度值为0的点对应的所述第二竖坐标,得到所述第三竖坐标。
7.根据权利要求5所述的方法,其特征在于,所述对所述第三竖坐标进行去异常数据处理,得到第四竖坐标的步骤,包括:
获取每一所述第三竖坐标与所有所述第三竖坐标的均值之间的第四差值的绝对值;
若所述第四差值的绝对值大于第五预设阈值,则比较所述第三竖坐标对应的原始横坐标与所有所述路面三维数据的原始横坐标的均值之间的第五差值的绝对值;
若所述第五差值的绝对值大于第六预设阈值,则确定所述路面三维数据的原始横坐标对应的所述第三竖坐标异常;
采用双向插值法得到的计算值替换异常的所述第三竖坐标,得到所述第四竖坐标。
8.根据权利要求5所述的方法,其特征在于,所述对所述第四竖坐标进行倾斜修正处理,得到第五竖坐标的步骤,包括:
按照第一修正公式修正所述第四竖坐标,得到所述第五竖坐标;
其中,所述第一修正公式为:zij′=zij×cosα+xij×sinα,Zij′表示第五竖坐标,xij表示通过去黑点和去异常数据处理后的横坐标,zij表示第四竖坐标,α表示线结构光与路面的夹角,i为所述矩阵的行号,j为所述矩阵的列号。
9.根据权利要求5所述的方法,其特征在于,所述对所述第五竖坐标进行惯性修正处理,得到所述第一竖坐标的步骤,包括:
按照第二修正公式修正所述第五竖坐标,得到所述第一竖坐标;
其中,所述第二修正公式为:zij″=zij′+Zia,Zij″表示第一竖坐标,Zia表示所述检测器在垂直于路面的纵断面上移动的距离,且所述纵断面包含第i行对应的检测点位于的同一直线。
10.一种基于路面三维数据的路面错台检测装置,其特征在于,所述装置包括:
第一获取模块,用于获取由路面三维数据的第一竖坐标组成的矩阵;
第二获取模块,用于获取所述矩阵中每列所述第一竖坐标的跳变点;
分组模块,用于以所述跳变点为分界点,将所述跳变点所在列的所述第一竖坐标分为至少两组;
第三获取模块,用于获取每一所述第一竖坐标与所在组的所述第一竖坐标的均值之间的第一差值的绝对值,以及每列的相邻两组所述第一竖坐标的均值之间的第二差值的绝对值;
标记模块,用于若任一列的所述相邻两组对应的所述第一差值的绝对值均小于第一预设阈值,且所述相邻两组的所述第二差值的绝对值大于第二预设阈值,则标记分隔所述相邻两组的所述跳变点;
确定模块,用于若数量大于第三预设阈值的连序列均标记了位于矩阵的同行的所述跳变点,则确定路面具有错台;其中,所述第一竖坐标表示采集的检测点对应的高度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711351387.5A CN108267116B (zh) | 2017-12-15 | 2017-12-15 | 一种基于路面三维数据的路面错台检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711351387.5A CN108267116B (zh) | 2017-12-15 | 2017-12-15 | 一种基于路面三维数据的路面错台检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108267116A true CN108267116A (zh) | 2018-07-10 |
CN108267116B CN108267116B (zh) | 2020-08-04 |
Family
ID=62772046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711351387.5A Active CN108267116B (zh) | 2017-12-15 | 2017-12-15 | 一种基于路面三维数据的路面错台检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108267116B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110243293A (zh) * | 2019-06-18 | 2019-09-17 | 上海同岩土木工程科技股份有限公司 | 基于结构光和机器视觉的管片错台快速检测装置与方法 |
CN111397578A (zh) * | 2020-03-11 | 2020-07-10 | 中煤航测遥感集团有限公司 | 管道焊口的高程获取方法、装置及存储介质 |
CN116862976A (zh) * | 2023-06-08 | 2023-10-10 | 中铁第四勘察设计院集团有限公司 | 一种基于无人机激光点云的铁轨中心线提取方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101845788A (zh) * | 2010-04-09 | 2010-09-29 | 同济大学 | 基于结构光视觉的水泥混凝土路面错台检测装置及方法 |
CN103061237A (zh) * | 2013-01-31 | 2013-04-24 | 长安大学 | 一种水泥混凝土路面错台量的检测算法 |
CN104537652A (zh) * | 2014-12-17 | 2015-04-22 | 中交第一公路勘察设计研究院有限公司 | 一种水泥混凝土路面刻槽深度三维检测算法及系统 |
US20170083763A1 (en) * | 2015-06-29 | 2017-03-23 | Nokia Technologies Oy | METHOD AND APPARATUS FOR CONSTRUCTING A DIGITAL ELEVATION MODEL UTILIZING GROUND POINTS CAPTURED BY GROUND-BASED LiDAR |
-
2017
- 2017-12-15 CN CN201711351387.5A patent/CN108267116B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101845788A (zh) * | 2010-04-09 | 2010-09-29 | 同济大学 | 基于结构光视觉的水泥混凝土路面错台检测装置及方法 |
CN103061237A (zh) * | 2013-01-31 | 2013-04-24 | 长安大学 | 一种水泥混凝土路面错台量的检测算法 |
CN104537652A (zh) * | 2014-12-17 | 2015-04-22 | 中交第一公路勘察设计研究院有限公司 | 一种水泥混凝土路面刻槽深度三维检测算法及系统 |
US20170083763A1 (en) * | 2015-06-29 | 2017-03-23 | Nokia Technologies Oy | METHOD AND APPARATUS FOR CONSTRUCTING A DIGITAL ELEVATION MODEL UTILIZING GROUND POINTS CAPTURED BY GROUND-BASED LiDAR |
Non-Patent Citations (2)
Title |
---|
张娟等: "水泥混凝土路面错台自动检测方法", 《交通运输工程学报》 * |
马荣贵: "路面三维检测系统原理及方法研究", 《中国博士学位论文全文数据库(电子期刊)》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110243293A (zh) * | 2019-06-18 | 2019-09-17 | 上海同岩土木工程科技股份有限公司 | 基于结构光和机器视觉的管片错台快速检测装置与方法 |
CN110243293B (zh) * | 2019-06-18 | 2021-01-08 | 上海同岩土木工程科技股份有限公司 | 基于结构光和机器视觉的管片错台快速检测装置与方法 |
CN111397578A (zh) * | 2020-03-11 | 2020-07-10 | 中煤航测遥感集团有限公司 | 管道焊口的高程获取方法、装置及存储介质 |
CN116862976A (zh) * | 2023-06-08 | 2023-10-10 | 中铁第四勘察设计院集团有限公司 | 一种基于无人机激光点云的铁轨中心线提取方法及系统 |
CN116862976B (zh) * | 2023-06-08 | 2024-04-02 | 中铁第四勘察设计院集团有限公司 | 一种基于无人机激光点云的铁轨中心线提取方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108267116B (zh) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104313986B (zh) | 路面平整度检测系统和方法 | |
CN101694084B (zh) | 地面车载移动检测系统 | |
CN100561121C (zh) | 基于图像处理与图像识别的平整度检测方法 | |
US8352188B2 (en) | Apparatus for generating high resolution surface topology map using surface profiling and surveying instrumentation | |
CN106043355B (zh) | 一种铁路检测车沉降和位姿的高精度摄像测量方法 | |
CN108106801A (zh) | 桥隧病害非接触检测系统及检测方法 | |
CN103938531B (zh) | 激光道路错台检测系统和方法 | |
CN104851088B (zh) | 一种高铁检测系统的线阵相机标定设备及标定方法 | |
EP2434457A1 (en) | Image information output method | |
Teza et al. | Geometric characterization of a cylinder-shaped structure from laser scanner data: Development of an analysis tool and its use on a leaning bell tower | |
CN108267116A (zh) | 一种基于路面三维数据的路面错台检测方法及装置 | |
JP2008082870A (ja) | 画像処理プログラム及びこれを用いた路面状態計測システム | |
Gruen et al. | Joint processing of UAV imagery and terrestrial mobile mapping system data for very high resolution city modeling | |
CN111457848B (zh) | 通过相邻监测点间坐标变化而测定位移量的方法及系统 | |
CN110646231B (zh) | 一种扫地机器人测试方法和装置 | |
CN105115560A (zh) | 一种船舱舱容的非接触测量方法 | |
CN111121643B (zh) | 一种道路宽度的测量方法及系统 | |
Fryskowska et al. | Mobile Laser Scanning accuracy assessment for the purpose of base-map updating | |
CN102384726A (zh) | 一种含动态裂隙材料的数字散斑相关变形分析方法 | |
CN204650606U (zh) | 一种高铁检测系统的线阵相机标定设备 | |
CN114997009B (zh) | 一种基于机器视觉和模型修正的桥梁承载力快速评估方法 | |
NL2027547B1 (en) | Method of and apparatus for determining deformations of quay walls using a photogrammetric system | |
Huang et al. | Integration of mobile laser scanning data with UAV imagery for very high resolution 3D city modeling | |
CN104976986B (zh) | 一种铁轨路基沉降测量方法 | |
CN102779341B (zh) | 一种新型的基坑施工过程支撑位置的识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |