CN108319920B - 一种基于线扫描三维点云的路面标线检测及参数计算方法 - Google Patents

一种基于线扫描三维点云的路面标线检测及参数计算方法 Download PDF

Info

Publication number
CN108319920B
CN108319920B CN201810113407.3A CN201810113407A CN108319920B CN 108319920 B CN108319920 B CN 108319920B CN 201810113407 A CN201810113407 A CN 201810113407A CN 108319920 B CN108319920 B CN 108319920B
Authority
CN
China
Prior art keywords
suspected
marked line
marked
dimensional
edge
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.)
Active
Application number
CN201810113407.3A
Other languages
English (en)
Other versions
CN108319920A (zh
Inventor
李清泉
张德津
曹民
桂容
林红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Optical Valley Excellence Technology Co ltd
Original Assignee
Wuhan Optical Valley Excellence Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Optical Valley Excellence Technology Co ltd filed Critical Wuhan Optical Valley Excellence Technology Co ltd
Priority to CN201810113407.3A priority Critical patent/CN108319920B/zh
Publication of CN108319920A publication Critical patent/CN108319920A/zh
Application granted granted Critical
Publication of CN108319920B publication Critical patent/CN108319920B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • Geometry (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Road Repair (AREA)

Abstract

本发明提供一种基于线扫描三维点云的路面标线检测及参数计算方法。所述方法包括：基于设有标线的目标路面的三维点云数据，利用预设阶跃算子进行卷积运算，获取所述目标路面的标线的边缘疑似点；基于所述标线的边缘疑似点，进行边缘子块有效性判定，获得标线的疑似区域；基于所述标线的疑似区域，进行标线纵向定位及邻接子块延伸判定，获取标线的定位信息；基于标线的定位信息结合该区域内的高程信息进行标线三维参数计算，以实现路面标线的检测并获取标线的三维参数信息。本发明首次将三维点云数据用于路面标线检测及参数计算，克服了基于二维图像进行标线识别容易受路面磨损、光照、阴影等影响，能实现标线准确定位及标线三维参数的精确获取。

Description

一种基于线扫描三维点云的路面标线检测及参数计算方法
技术领域
本发明属于激光扫描数据处理和智能交通系统的交叉领域，更具体地，涉及一种基于线扫描三维点云的路面标线检测及参数计算方法。
背景技术
道路交通标线是由标划于路面上的各种线条、箭头、文字、立面标记、突起路标和轮廓标等所构成的交通安全设施。作为交通管理系统中的一个重要特征成分，路面标线在司机行车和行人安全等方面提供了重要的引导作用。另外，标线的自动识别在路网信息管理和更新、路面状况评定以及自动驾驶和行车导航方面有重要意义。在上述应用中，标线信息需要快速有效地进行定位、测量和识别等处理。所以，鲁棒而快速有效的标线自动检测算法在很多应用场景中具有重要意义。
近年来，相关致力于标线自动检测的方法所采用的数据包括数字图像/视频、立体影像对、车载激光扫描数据等。这些方法大多从标线表面的光学特性出发，即认为标线表面的颜色及反光特性与正常路面背景具备较明显的差别从而进行标线检测。
具体来说，现有的路面标线自动检测技术主要包含以下两类：
(1)基于二维视觉特征的路面标线检测方法：基于二维视觉特征的标线检测方法主要通过光学相机及视频等获取路面数据，通过标线的颜色特性与路面背景之间的差异进行标线提取。此类方法无法克服环境光照、阴影、以及路表轮胎磨痕、油渍等对标线检测的影响，其适用性较为有限，而且基于二维灰度图像无法测量标线厚度等几何参数。
(2)基于三维激光反射强度特征的路面标线检测方法：此类方法通常使用车载三维激光扫描数据，利用激光扫描过程中标线表面与路面非标线表面的反射强度差异实现路面与标线的分离。此类方法虽然能克服传统二维方法容易受到光照、阴影影响的缺陷，但是利用激光反射强度特征的方法也存在以下缺陷：激光线本身存在光线过强时，极容易将普通路面检测为标线区域；对于部分磨损型的标线，基于激光反射强度的方法检测效果较差。
另外，以上基于二维视觉以及基于三维激光反射强度特征的标线检测方法，都无法获取较为完整的标线信息，例如标线的高程信息及磨损状况等。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的基于线扫描三维点云的路面标线检测及参数计算方法。
根据本发明的一个方面，提供一种路面标线检测及参数计算方法，包括：
基于设有标线的目标路面的三维点云数据，利用预设阶跃算子进行卷积运算，获取所述目标路面的标线的边缘疑似点；
基于所述标线的边缘疑似点，进行边缘子块有效性判定，获得标线的疑似区域；
基于所述标线的疑似区域，进行标线纵向定位及邻接子块延伸判定，获取标线的定位信息，以实现路面标线的检测；
基于所述标线的定位信息，结合所述三维点云数据，计算标线的三维参数，获取所述标线的三维参数信息。
本发明提出一种路面标线检测及参数计算方法，首次将三维点云数据用于路面标线检测，根据线线扫描三维路面数据中标线所具备的高程阶跃属性，设计阶跃算子获取路面三维点云数据中标线的位置及高程等信息，获取边缘疑似点，进一步获取疑似区域，进一步根据疑似区域获取标线的定位信息，实现路面标线的检测；然后根据检测到的路面标线进行三维参数的计算，获取标线的三维参数信息。本发明克服了采用二维灰度图像进行标线识别的受路面磨损、光照、阴影等的影响，以及三维激光检测效果差的问题，能实现标线准确定位和三维参数的准确计算。
附图说明
图1为本发明实施例一种基于线扫描三维点云的路面标线检测方法流程示意图；
图2为本发明实施例基于阶跃算子卷积的断面标线边缘疑似点获取流程示意图；
图3为本发明实施例所述预设阶跃算子示意图；
图4为本发明实施例基于三维点云数据的断面预处理后的数据示意图；
图5为本发明实施例断面数据与阶跃算子卷积后的卷积值序列示意图；
图6为本发明实施例利用标线高度以及宽度限制获取的卷积极值对即选取的断面标线边缘疑似点示意图；
图7为本发明实施例边缘子块4-邻域及去虚检过程示意图；
图8为本发明实施例基于卷积极差值连续性的标线纵向范围定位示意图；
图9为本发明实施例基于线扫描三维测量的沥青路面标线检测结果示意图，其中a为三维深度图转灰度图，b为去噪增强后的标线边缘二值图，c为标线区域检测结果；
图10为本发明实施例一种路面标线检测设备的框架示意图。
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。
目前三维建模技术已经广泛应用于各个领域，包括国土调查、三维可视化、三维动漫、高精度三维建模及三维打印等方面。根据激光三角测量原理，线扫描三维测量方法可实现同一姿态、同一时刻的路面横断面高程信息同步测量。基于车载设备，结合线扫描三维测量传感器获取的三维路面点云数据可获取包含了路面标线特征在内的路面高精度断面轮廓三维特征信息。路面标线在施划及使用过程中是具备一定的高程要求，通常约为2mm及以上，因此，在三维路面点云数据中标线具备明显的高程特性，能直接和方便地获取标线完整信息，包括标线位置、高程、宽度及磨损等参数信息。
为解决现有技术问题，本发明实施例基于线扫描三维点云数据，获取高精度的道路表面高程的三维点云数据，并提出了一种基于线扫描三维点云的路面标线检测方法。所述线扫描三维点云数据，是根据激光三角测量原理，基于线扫描结合视觉传感器测量的方法可获取同一姿态、同一时刻的路面横断面的高程信息。
图1为本发明实施例一种基于线扫描三维点云的路面标线检测方法流程示意图，如图1所示的路面标线检测方法，包括：
S100，基于设有标线的目标路面的三维点云数据，利用预设阶跃算子进行卷积运算，获取所述目标路面的标线的边缘疑似点；
本发明实施例所述目标路面是指设有标线的路面，所述预设阶跃算子如图3所示，其长度N为奇数(N>3)，中心点(N+1)/2的值为0，前半段[1,2,3,…,(N-1)/2]的值为1，后半段[(N+1)/2+1,(N+1)/2+2,…,N]的值为-1。
本发明实施例利用三维路面横断面数据中标线边缘的阶跃属性，结合设计的阶跃算子以及标线宽度及高程约束等信息获取标线疑似点。
S200，基于所述标线的边缘疑似点，进行边缘子块有效性判定，获得标线的疑似区域；
本发明实施例依据标线的连续性，对三维拼接路面的标线疑似点进行子块有效性判定以及子块邻接有效性判定，用于标线边缘子块去噪及增强，获取标线疑似区域。
S300，基于所述标线的疑似区域，进行标线纵向定位及邻接子块延伸判定，获取标线的定位信息，以实现路面标线的检测；
本发明实施例所述标线的疑似区域进行标线纵向定位，结合标线纵向起止位置范围内的标线边缘疑似子块的邻接信息进行延伸及连接判定，根据标线较为标准的几何形状特征以及连续性进一步获取标线的边缘定位信息，标线的边缘一旦确定，该标线即被检测出来。
S400，基于所述标线的定位信息，结合所述三维点云数据，计算标线的三维参数，获取所述标线的三维参数信息。
本发明实施例步骤S400对标线定位进行后处理及标线三维参数提取。结合步骤S300获取的标线定位信息，对该区域内的标线边缘点信息进行适当匹配扩充，然后结合标线区域内的高程分布信息计算标线长度、宽度及高程等技术参数。
本发明实施例提出一种路面标线检测方法，首次将三维点云数据用于路面标线检测，根据线线扫描三维路面数据中标线所具备的高程阶跃属性，设计阶跃算子获取路面三维点云数据中标线的位置及高程等信息，获取边缘疑似点，进一步获取疑似区域，进一步根据疑似区域获取标线的边缘定位信息，实现路面标线的检测；然后根据检测到的路面标线进行三维参数的计算，获取标线的三维参数信息。本发明实施例克服了采用二维灰度图像进行标线识别的受路面磨损、光照、阴影等的影响，以及三维激光检测效果差的问题，能实现标线准确定位和三维参数的准确计算。
在一个可选的实施例中，步骤S100，所述基于设有标线的目标路面的三维点云数据，利用预设阶跃算子进行卷积运算，获取所述目标路面的标线的边缘疑似点，之前还包括：
获取有标线的目标路面的三维点云数据；
对于所述三维点云数据的每个断面，利用靠近每个断面中心区域的非异常采样点替换异常噪声点，得到像方断面数据；
根据标定文件对所述像方断面数据进行校正，并将所述像方断面数据转换为物方数据；
相应的，根据所述物方数据，利用预设阶跃算子进行卷积运算，获取所述目标路面的标线的边缘疑似点。
具体的，时本发明实施例数据基础来源于线扫描三维测量传感器，通过传感器基于三角测量原理测量得到被测物表面相对高程情况，获取的三维数据可以反映被测物表面的高程信息。
本发明实施例涉及的数据采集利用上述的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，可以在数据采集中将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，对被测物三维轮廓进行数据采集。
具体的，采集到了三维轮廓数据后，需要进行预处理。由于测量环境的干扰(路面水渍、油渍或被测区域有异物)，采集到的数据可能存在少量异常噪声(零值点)，由于三维测量传感器是由面阵相机与一字激光器相结合的方式构成的，相机中心处的畸变最小，采集到的断面三维点云数据在断面中心点附近最为稳定，本发明利用靠近断面中心区域的非异常采样点替换异常噪声点，得到像方断面数据。
面阵相机与大功率线激光器组成的路面三维测量系统中，存在着传感器安装角度、激光线准直度、激光光强分布不均等系统误差。这些系统误差将弱化路面感兴趣目标的特征，因此需要对三维测量传感器采集的数据通过标定文件进行校正，同时将像方数据转换成物方数据。
在一个可选的实施例中，步骤S100，所述基于设有标线的目标路面的三维点云数据，利用预设阶跃算子进行卷积运算，获取所述目标路面的标线的边缘疑似点，具体包括：
基于所述三维点云数据的所有断面的物方数据，将每个断面的物方数据与预设阶跃算子进行卷积运算，获取卷积值序列；
在所述卷积值序列中，选取在预设标线高程范围内的极值位置，获取极值位置序列；
在极值位置序列中，获取不小于预设高程阈值的极值位置作为标线的边缘疑似点，所述预设高程阈值根据标线高度限制及所述预设算子的长度与差值确定。
具体的，线扫描三维测量系统获取的三维路面高程数据，标线在此断面数据中呈现一定的高程特性，即标线区域存在一定的高程阶跃凸起特性(凸起范围一般为1.8～5mm)和特定的宽度属性(宽度范围一般为15～20cm)。按照三维数据中的标线具备的高程阶跃特性，可以设计阶跃算子对数据进行卷积，获取断面中的阶跃凸起位置作为标线边缘疑似点。
所述预设标线高程范围可以设置为与凸起范围一致，也根据实际情况而定，在此不做具体限定。
图2为本发明实施例基于阶跃算子卷积的断面标线边缘疑似点获取流程示意图，图3为本发明实施例所述预设阶跃算子示意图，请参考图2和图3，步骤S100的主要流程包括：
(1)三维路面横断面数据获取：获取三维路面横断面数据及三维点云数据作为初始数据。
(2)断面数据的阶跃算子卷积：利用如图3所示的阶跃算子，将断面的物方数据与阶跃算子进行卷积计算，获取卷积值序列。
(3)卷积值序列极值提取：依据卷积性质，即在物方数据与预设阶跃算子匹配程度较高的位置会出现极值，而此极值的幅值除了与阶跃算子相关也与数据中阶跃凸起的高程相关；此处结合标线高程限制与阶跃算子宽度约束，在卷积值序列中获取满足标线高程范围内的极值位置。所述标线高程限制即实际的标线的凸起范围。
(4)基于标线特征的卷积极值匹配：对于含有标线的路面横断面数据，进行卷积之后的卷积值序列中，会在标线阶跃边缘对应的位置出现满足预设高程阈值的极值，其中预设高程阈值通过标线的高度、阶跃算子的长度以及阶跃算子的差值共同确定。
(5)将满足预设高程阈值要求的极值作为断面标线边缘疑似点。
在一个可选的实施例中，步骤S200，基于所述标线的边缘疑似点，进行边缘子块有效性判定，获得标线的疑似区域，具体包括：
将所有标线的边缘疑似点进行拼接，获取三维路面标线疑似点图像，并对所述三维路面标线疑似点图像进行子块划分，获得所有子块；
基于所述所有子块，获取子块内的标线疑似点总数大于第一总数阈值且所述子块及其多邻域范围的标线疑似点总数大于第二总数阈值的子块，作为保留子块集合；
对于所述保留子块集合中的每个子块，根据边缘疑似点的投影方向进行延伸和拼接，从而获得所述标线的疑似区域。
本发明实施例所述第一总数阈值和第二总数阈值可以根据实际情况而定，在此不做具体限定。具体的，所述多邻域范围可以是4-邻域范围或8-领域范围。
本发明实施例步骤100通过断面级处理获取标线的边缘疑似点，步骤200将断面处理结果进行拼接可以获取三维路面标线疑似点图像，利用标线具备的连续性对标线边缘子块进行邻接特性判定，具备较好邻接特性的边缘子块则进行保留及增强，而邻接性较差的边缘子块则进行去除，从而获取路面三维点云数据中的标线疑似区域。步骤S200的主要流程包括：
(1)将拼接路面标线疑似点数据进行子块划分；
(2)获取子块单元i内的标线疑似点总数，若总数i_sum满足设定阈值要求，则进一步获取该子块的4-邻域，并统计该子块与其4-邻域范围内的标线疑似点的总数i_f_sum；若i_sum不满足设定阈值要求，则将该子块区域内的数据置0且不作邻域统计；
(3)对于统计子块与其4-邻域范围内的标线疑似点的总数i_f_sum满足阈值要求的区域则保留标线疑似点，并做相应的延伸处理；
延伸过程首先需要判断标线疑似点投影方向，投影方向分为横断面方向和行车方向，通过当前子块及其4邻域组成的区域疑似点在横断面方向和行车方向的投影长度确定；若投影长度满足阈值要求，则将该方向对应的子块进行连接延伸。
经过上述步骤可获取拼接路面中较为可信的标线疑似区域。具体的投影方向的判断如下：
在一个可选的实施例中，对于所述保留子块集合中的每个子块，根据边缘疑似点的投影方向进行延伸和拼接，从而获得所述标线的疑似区域，具体包括：
对于所述保留子块集合中的每个子块，获取每个子块及其多邻域范围的标线疑似点在横断面方向的投影长度和行车方向的投影长度；
将所述投影长度大于预设投影长度阈值的横断面方向或行车方向作为投影方向；
在所述投影方向上对所述每个子块进行延伸，然后拼接所有的子块，从而获得所述标线的疑似区域。
其中，所述预设投影长度阈值可根据标线的长度限制、宽度限制等实际情况而确定，在此不做具体限定。
在一个可选的实施例中，步骤S300，基于所述标线的疑似区域，进行标线纵向定位及邻接子块延伸判定，获取标线的定位信息，以实现路面标线的检测，具体包括：
基于所述三维点云数据的所有断面，获取所述标线的疑似区域的疑似点所在的每个疑似断面；
对于每个疑似断面，获取所述每个疑似断面所在的疑似区域的疑似点对应的卷积值，选取其中最大的卷积值作为所述每个疑似断面的卷积极差值；
对于所有疑似断面的卷积极差值组成的卷积极差值序列，通过分段统计的方式计算所述卷积极差值序列的连续性，获取所述标线的纵向起止范围；
根据所述标线的纵向起止范围，对所述纵向起止范围的疑似点进行子块划分、延伸和连接处理，从而获得标线的边缘定位信息，以实现路面标线的检测。
具体的，本发明实施例对步骤S200中获取的标线的边缘疑似点进行噪增强，对于噪增强后后的标线疑似点以及对应位置的卷积值，获取各个断面标线边缘疑似点集的卷积极差值。根据标线区域具备的连续性以及高程相似性，那么，相邻断面的卷积极差也应该具有一定的连续性。将拼接路面的卷积极差进行连续性判断，符合标线高程应有的卷积极差的行车方向数据段可以判定为标线区域。
标线纵向起止位置确定之后，结合起止位置范围内标线边缘疑似子块的邻接信息进行延伸及连接判定，根据标线较为标准的几何形状特征以及连续性进一步获取标线的边缘定位信息。
步骤S300的主要流程包括：
(1)基于步骤300获取的标线的疑似点数据，进行去噪延伸，逐个断面获取疑似点对应的卷积值，选取最大的卷积极值差作为该断面的卷积极差值，所有断面的卷积极差值构成的卷积极差值序列；
(2)对于获取的断面的卷积极值差序列(设拼接路面长度为M)，通过分段统计的方式计算评价该卷积极值序列的连续性，获取所述标线的纵向起止范围；
(3)获取了标线纵向起止范围后，对于划定范围内的标线疑似点进行子块划分，并获取各个子块的8-邻域子块，对于邻接范围较大的子块进行一定的延伸，对于邻接方向较为一致且较为相近的子块进行相应的连接，结合标线几何形状约束选取拼接路面中置信度较高的子块集区域为标线的定位信息。
在一个可选的实施例中，所述对于所有疑似断面的卷积极差值组成的卷积极差值序列，通过分段统计的方式计算所述卷积极差值序列的连续性，获取所述标线的纵向起止范围，具体包括：
以所述卷积极差值序列中的每一卷积极差值对应的一疑似点为中心，截取所述一疑似点左右各预设窗口长度内的卷积极差值；
统计所述预设窗口长度内的卷积极差值大于预设极差值阈值的疑似断面个数；
若所述疑似断面个数大于预设断面个数阈值，则将所述一疑似点所在的区域两端点标定为分段的纵向起止点；
对于所有分段的纵向起止点组成的分段序列，若所述分段序列的间隔均不大于预设间隔，则对所有分段的纵向起止点进行拼接，获取所述标线的纵向起止范围；否则，将所述分段序列中间隔大于预设间隔的分段断开，获得多个标线的纵向起止范围。
本实施例是连续性判定的具体方法，可通过如下方式具体实施：
以卷积极差值序列的当前点j(即对应的疑似点)为中心，截取其左右各
Figure BDA0001569956700000121
(w为长度且w<M)窗口内的卷积极差值，统计该长度为(w+1)窗口内的卷积和极差值满足阈值的断面个数N。若点数比例Ratio＝N/(w+1)满足条件，则将该点所在的区域两端点标定为标线纵向起止点PjL,PjR；每个分段的标线起止位置构成标线起止位置序列。
对于获取的标线起止位置序列PjL,PjR(j＝1,....,M)，统计其连续性，若序列的间隔均小于2*w则拼接路面的标线起止位置为P1L,PMR；若序列的间隔存在大于2*w的位置，则将位置标记序列断开为多个，此种情况下拼接路面中可能存在多段纵向标线。
在一个可选的实施例中，步骤S400，基于所述标线的定位信息，结合所述三维点云数据，计算标线的三维参数，获取所述标线的三维参数信息，具体包括：
根据所述标线的边缘定位信息，获取标线的长度和宽度，并结合所述三维点云数据的断面高程信息，获取所述标线的高度分布信息；
基于所述标线的边缘定位信息及所述三维点云数据的所有断面，逐个断面计算所述标线的定位区域的高度值，并计算每个断面的定位区域的高度值的均值和方差；
根据所述每个断面的定位区域的高度值的均值和方差，计算所述标线的定位区域的总体高程均值序列和总体方差序列，从而获取所述标线的三维参数信息。
本实施例根据步骤5获取的标线定位信息，对该区域内的标线边缘点信息进行适当匹配扩充，然后利用形态学处理对整个区域内标线进行平滑、填充等操作，获取较为完整的标线位置信息；然后结合标线区域内的高程分布信息获取标线的长度、宽度、高度以及磨损程度等信息。
步骤S400依据标线的边缘定位信息所确定的定位区域，获取标线的长度、宽度等参数；结合断面高程信息，获取标线高度分布信息。
进一步，根据高度分布信息获取高程参数，具体为：根据提取的标线区域信息，逐个断面获取标线区域的高度信息，该高度信息通过断面标线区域原始高程Mar_Ele_i与该区域参考路面高程Pav_Ele_i的差值Dis_i获取。Dis_i即为该断面标线的高度值，统计断面范围内标线高度均值Mea_i及方差Var_i；对于标线区域内断面都进行该计算，获取标线区域的总体高程均值序列MEA＝[Mea1,Mea2,…,Meai,…,MeaN]，以及总体方差序列VAR＝[Var1,Var2,…,Vari,…,VarN]，其中N为数据中含有标线的断面区间长度。
在一个可选的实施例中，根据所述标线的边缘定位信息，获取标线的长度和宽度，并结合所述三维点云数据的断面高程信息，获取所述标线的高度分布信息，之前还包括：
基于所述标线的边缘定位信息，根据标线宽度限制，对所述标线的定位区域内的边缘点在断面级别进行填充延长，超出所述定位区域内的边缘点进行去除，获取所述定位区域的连通域
对所述连通域进行膨胀、去除孔洞、腐蚀和边缘平滑处理，获取完整的标线区域；
相应的，根据所述完整的标线区域的位置信息，获取标线的长度和宽度，并结合所述三维点云数据的断面高程信息，获取所述标线的高度分布信息。
具体的，本发明实施例在进行步骤S400计算高程参数之前，首先对所述标线的边缘定位信息进行了如下处理：
(1)结合定位区域内的边缘点信息，利用标线宽度限制，对定位区域内的边缘点首先在断面级别进行填充延长，超出定位区域内的边缘点直接进行去除；
(2)对于定位区域内边缘点经过上述步骤延伸后的获取的连通域，依次进行膨胀、去除孔洞、腐蚀和边缘平滑等处理，获取较为完整的标线区域信息；
然后根据所述完整的标线区域信息，进行步骤S400的处理，可以获得更加精确的计算参数。
在一个可选的实施例中，步骤S400，基于所述标线的定位信息，结合所述三维点云数据，计算标线的三维参数，获取所述标线的三维参数信息，之后还包括：
获取所述总体高程均值序列的均值作为第一均值，并获取所述总体方差序列的均值作为第二均值；
若所述第一均值大于等于第一预设高程阈值、且所述第二均值小于第一预设方差阈值，则将所述标线标记为完好；
若所述第一均值大于等于第二预设高程阈值小于第一预设高程阈值、且所述第二均值大于等于第一预设方差阈值，则将所述标线标记为一般磨损；
若所述第一均值小于第二预设高程阈值、且所述第二均值大于等于第一预设方差阈值，则将所述标线标记为严重磨损。
本实施例你利用标线区域的总体高程均值及总体方差均值进行标线磨损程度评估，设第一均值(即总体高程均值序列的均值)为INDEX1，第二均值(即总体方差序列的均值)为INDEX2，具体判断为：
若INDEX1≥THm1且INDEX2<THv1，式中THm1与相关部门设定的标线高度规范相关，THv1通常小于0.35，说明数据中的标线高度整体符合标线高程规范，且高程分布差异较小，则将该标线标记为完好标线；
若THm2≤INDEX1<THm1且INDEX2>THv1，式中THm2设为0.5*THm1，则将该标线标记一般磨损的标线；
若INDEX1<THm2且INDEX2>THv1，则将该标线标记严重磨损的标线。
基于上述实施例，下面对本发明实施例所述路面标线检测方法进行一个梳理及具体实施的说明，包括：
(1)数据来源
本实施例以沥青路面纵向标线为例，描述基于线扫描三维测量的沥青路面标线检测及信息提取方法。
(2)数据预处理
由于测量环境的干扰(路面水渍、油渍或被测区域有异物)，采集到的数据可能存在部分异常噪声(零值点)，本发明实施例利用靠近断面中心区域的非异常采样点替换异常噪声点；利用标定文件，校正三维测量传感器测量的物体断面轮廓中因传感器安装、激光线弧度及光强分布不均引起的系统误差，同时将像方数据转换成物方数据。同时将预处理后的一系列断面沿行车方向进行拼接，得到沥青路面三维点云数据。
(3)基于阶跃算子卷积的断面标线边缘疑似点获取
对于预处理后的断面数据，本发明实施例采用设计的阶跃算子与断面数据进行卷积，结合标线高程范围及宽度限制进行卷积极值提取并进一步获取断面中的标线边缘疑似点。断面数据与阶跃算子卷积获取标线疑似点的过程实施例如图所示，图4为断面预处理后的数据；图5为断面数据与图4所示的阶跃算子卷积后获取的卷积值序列；图6为利用标线高度以及宽度限制获取的卷积极值，即为选取的断面标线边缘疑似点。
(4)标线疑似区域获取
逐个断面进行阶跃算子卷积获取断面标线疑似点之后，将断面标线疑似点数据进行拼接形成标线区域二值图，利用标线所具备的区域邻接属性对标线二值图进行基于子块邻接特性的去噪判定，获取标线疑似区域。图7示例了依据标线边缘邻接性质的疑似边缘子块去虚检的过程，实际情况中由于标线具备良好的线性特性，即标线子块的邻接特性多为4-邻域邻接(也可以扩展为多邻域)。(为了便于显示，图7中仅仅截取了三维数据中的一部分)。
(5)基于标线疑似区域几何特征的标线定位
拼接路面中的标线边缘经过去噪增强后，如图8中(a)所示；结合数据中有效的边缘点获取相应断面中的卷积极差值序列，如图8中(b)所示，行车方向上存在标线的区域的卷积和极差会明显高于没有标线的卷积和极差，而且存在标线的断面的卷积和极差是具有连续性的。按照此规则截取该卷积极值和序列中满足阈值及连续性要求的起止位置，即为标线纵向的起止位置，如图8中(c)所示。
获取了标线纵向起止范围后，对于划定范围内的标线疑似点进行子块划分，并获取各个子块的8-邻域子块，对于邻接范围较大的子块进行按照置信度较高的方向进行一定的延伸，对于邻接方向较为一致且较为相近的子块进行相应的连接，结合标线几何形状约束选取拼接路面中置信度较高的子块集区域为标线的定位信息，如图8中(d)所示。
(6)标线定位后处理及标线三维参数提取
结合获取的标线定位信息，对定位区域内的边缘点进行填充延长、膨胀、去除孔洞以及腐蚀平滑之后，获取的标线区域信息如图9中c所示。可以利用此区域信息结合原始的三维点云数据对标线范围内的标线长度、宽度以及高程等参数进行计算，利用标线高程统计指标INDEX1和INDEX2根据前述的评价规则对数据中的标线磨损程度进行评价。对于实施例工程数据中所采用的阈值为THm1＝1.2mm，THv1＝0.35mm，图9中a所示的数据INDEX1>THm1且INDEX2<0.35，该标线为完好标线。图9中b为去噪增强后的标线边缘二值图。
综上所述，本发明实施例的主要技术特征包括：
(1)基于线扫描三维数据的标线检测技术路线和方法。
目前，标线检测都基于二维图像进行检测和识别，基于线扫描三维数据处理的技术路线是首次被用于路面标线检测。
(2)基于三维点云的路面标线检测技术路线
本发明实施例主要根据线线扫描三维路面数据中标线所具备的高程阶跃属性，设计阶跃算子获取路面三维点云数据中标线的位置及高程等信息。三维路面标线信息提取的思路主要包括以下步骤：
a.对断面数据进行预处理，以校正三维测量传感器测量的物体断面轮廓中因传感器安装及激光线弧度引起的系统误差，同时矫正异常零值点；
b.结合设计的阶跃算子以及标线宽度及高程约束等信息提取断面数据中的标线疑似点；
c.对三维拼接路面的标线疑似点进行子块有效性判定以及子块邻接有效性判定，对标线边缘子块去噪及增强以获取标线疑似区域；
d.结合去噪增强后的标线边缘数据获取断面中有效疑似点所对应的卷积极差，根据数据中卷积极差的连续性判定标线的纵向起止位置；结合标线纵向起止位置范围内的标线边缘疑似子块的邻接信息进行延伸及连接判定，根据标线较为标准的几何形状特征以及连续性进一步获取标线的边缘定位信息；
e.结合上述获取的标线定位信息，对该区域内的标线边缘点信息进行适当匹配扩充，然后进行平滑、填充等操作，获取较为完整的标线位置信息；然后结合标线区域内的高程分布信息获取标线的长度、宽度、高程以及磨损程度等信息。
(3)基于阶跃算子卷积的断面标线边缘疑似点获取
获取的线扫描三维点云数据中，标线的高程信息在数据中有一定的体现，利用标线高程具备的阶跃性质以及标线本身宽度及高度的限制，设计相应的阶跃算子，利用阶跃算子与断面进行卷积将断面中具备阶跃性质的区域进行放大并提取断面中标线边缘的疑似点。
(4)利用标线疑似区域几何特征进行标线定位
利用三维数据中标线所具备的几何特性(宽度及长度限制)以及与断面与阶跃算子卷积和极值差序列的连续性，在获取的拼接路面标线边缘疑似点集数据上进行标线区域定位。
(5)基于邻域的子块判断方法
对三维拼接路面的标线疑似点进行子块有效性判定以及子块邻接有效性判定，对标线边缘子块去噪及增强以获取标线疑似区域。
(6)标线高精度参数提取及磨损程度评价
结合上述步骤获取的标线区域定位信息，对该范围内的标线边缘点数据进行适当的匹配扩充，然后进行平滑、填充等操作，获取较为完整的标线位置信息；然后结合标线区域内的高程分布信息精确获取标线的长度、宽度、高程参数以及磨损程度等信息。
综上所述，本发明实施例的主要技术效果包括：
(1)本发明实施例通过预处理，对三维测量传感器测量的路面断面轮廓因测量环境干扰引起的部分异常零值噪声点进行处理，获取像方断面轮廓；利用标定文件，有效校正三维测量传感器测量的路面断面轮廓中因传感器安装、激光线弧度及光强不均引起的系统误差，并进行像方向物方的转换，获取被测路面的真实的物方断面轮廓信息，为后续的标线检测及信息提取提供了良好的数据输入。
(2)本发明实施例利用标线高程具备的阶跃性质以及标线本身宽度及高度的限制，设计相应的阶跃算子，利用阶跃算子与断面进行卷积将断面中具备阶跃性质的区域进行放大并提取断面中标线边缘的疑似点。
(3)本发明实施例利用三维数据中标线所具备的宽度及长度限制以及与断面与阶跃算子卷积和极值差序列的连续性，进行标线在拼接数据行车方向以及横断面方向的定位。
(4)本发明实施例结合获取的标线区域定位信息，对该范围内的标线边缘点数据进行适当的匹配扩充，然后进行平滑、填充等操作，获取较为完整的标线位置信息；然后结合标线区域内的高程分布信息获取标线精确的长度、宽度、高程参数以及磨损程度等信息。
图10示出了本发明实施例路面标线检测设备的框架示意图。
参照图10，所述设备，包括：处理器(processor)601、存储器(memory)602和总线603；其中，所述处理器601和存储器602通过所述总线603完成相互间的通信；
所述处理器601用于调用所述存储器602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：基于设有标线的目标路面的三维点云数据，利用预设阶跃算子进行卷积运算，获取所述目标路面的标线的边缘疑似点；基于所述标线的边缘疑似点，进行边缘子块有效性判定，获得标线的疑似区域；基于所述标线的疑似区域，进行标线纵向定位及邻接子块延伸判定，获取标线的定位信息，以实现路面标线的检测；基于所述标线的定位信息，结合所述三维点云数据，计算标线的三维参数，获取所述标线的三维参数信息。
本发明另一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：基于设有标线的目标路面的三维点云数据，利用预设阶跃算子进行卷积运算，获取所述目标路面的标线的边缘疑似点；基于所述标线的边缘疑似点，进行边缘子块有效性判定，获得标线的疑似区域；基于所述标线的疑似区域，进行标线纵向定位及邻接子块延伸判定，获取标线的定位信息，以实现路面标线的检测；基于所述标线的定位信息，结合所述三维点云数据，计算标线的三维参数，获取所述标线的三维参数信息。
本发明另一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：基于设有标线的目标路面的三维点云数据，利用预设阶跃算子进行卷积运算，获取所述目标路面的标线的边缘疑似点；基于所述标线的边缘疑似点，进行边缘子块有效性判定，获得标线的疑似区域；基于所述标线的疑似区域，进行标线纵向定位及邻接子块延伸判定，获取标线的定位信息，以实现路面标线的检测；基于所述标线的定位信息，结合所述三维点云数据，计算标线的三维参数，获取所述标线的三维参数信息。
本领域普通技术人员可以理解：实现上述设备实施例或方法实施例仅仅是示意性的，其中所述处理器和所述存储器可以是物理上分离的部件也可以不是物理上分离的，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。
最后应说明的是：以上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精神和范围。

Claims (10)

1.一种路面标线检测及参数计算方法，其特征在于，包括：
基于设有标线的目标路面的三维点云数据，利用预设阶跃算子进行卷积运算，获取所述目标路面的标线的边缘疑似点；
基于所述标线的边缘疑似点，进行边缘子块有效性判定，获得标线的疑似区域；
基于所述标线的疑似区域，进行标线纵向定位及邻接子块延伸判定，获取标线的定位信息，以实现路面标线的检测；
基于所述标线的定位信息，结合所述三维点云数据，计算标线的三维参数，获取所述标线的三维参数信息；
其中，所述邻接子块延伸判定是基于标线纵向起止位置范围内的标线边缘疑似子块的邻接信息进行延伸及连接判定。
2.根据权利要求1所述的方法，其特征在于，所述基于设有标线的目标路面的三维点云数据，利用预设阶跃算子进行卷积运算，获取所述目标路面的标线的边缘疑似点，之前还包括：
获取有标线的目标路面的三维点云数据；
对于所述三维点云数据的每个断面，利用靠近每个断面中心区域的非异常采样点替换异常噪声点，得到像方断面数据；
根据标定文件对所述像方断面数据进行校正，并将所述像方断面数据转换为物方数据；
相应的，根据所述物方数据，利用预设阶跃算子进行卷积运算，获取所述目标路面的标线的边缘疑似点。
3.根据权利要求1所述的方法，其特征在于，所述基于设有标线的目标路面的三维点云数据，利用预设阶跃算子进行卷积运算，获取所述目标路面的标线的边缘疑似点，具体包括：
基于所述三维点云数据的所有断面的物方数据，将每个断面的物方数据与预设阶跃算子进行卷积运算，获取卷积值序列；
在所述卷积值序列中，选取在预设标线高程范围内的极值位置，获取极值位置序列；
在极值位置序列中，获取不小于预设高程阈值的极值位置作为标线的边缘疑似点，所述预设高程阈值根据标线高度限制及所述预设阶跃算子的长度与差值而确定。
4.根据权利要求3所述的方法，其特征在于，基于所述标线的边缘疑似点，进行边缘子块有效性判定，获得标线的疑似区域，具体包括：
将所有标线的边缘疑似点进行拼接，获取三维路面标线疑似点图像，并对所述三维路面标线疑似点图像进行子块划分，获得所有子块；
基于所述所有子块，获取子块内的标线疑似点总数大于第一总数阈值且所述子块及其多邻域范围的标线疑似点总数大于第二总数阈值的子块，作为保留子块集合；
对于所述保留子块集合中的每个子块，根据边缘疑似点的投影方向进行延伸和拼接，从而获得所述标线的疑似区域。
5.根据权利要求4所述的方法，其特征在于，对于所述保留子块集合中的每个子块，根据边缘疑似点的投影方向进行延伸和拼接，从而获得所述标线的疑似区域，具体包括：
对于所述保留子块集合中的每个子块，获取每个子块及其多邻域范围的标线疑似点在横断面方向的投影长度和行车方向的投影长度；
将所述投影长度大于预设投影长度阈值的横断面方向或行车方向作为投影方向；
在所述投影方向上对所述每个子块进行延伸，然后拼接所有的子块，从而获得所述标线的疑似区域。
6.根据权利要求3-5任一项所述的方法，其特征在于，基于所述标线的疑似区域，进行标线纵向定位及邻接子块延伸判定，获取标线的定位信息，以实现路面标线的检测，具体包括：
基于所述三维点云数据的所有断面，获取所述标线的疑似区域的疑似点所在的每个疑似断面；
对于每个疑似断面，获取所述每个疑似断面所在的疑似区域的疑似点对应的卷积值，选取其中最大的卷积值作为所述每个疑似断面的卷积极差值；
对于所有疑似断面的卷积极差值组成的卷积极差值序列，通过分段统计的方式计算所述卷积极差值序列的连续性，获取所述标线的纵向起止范围；
根据所述标线的纵向起止范围，对所述纵向起止范围的疑似点进行子块划分、延伸和连接处理，从而获得标线的边缘定位信息，以实现路面标线的检测。
7.根据权利要求6所述的方法，其特征在于，所述对于所有疑似断面的卷积极差值组成的卷积极差值序列，通过分段统计的方式计算所述卷积极差值序列的连续性，获取所述标线的纵向起止范围，具体包括：
以所述卷积极差值序列中的每一卷积极差值对应的一疑似点为中心，截取所述一疑似点左右各预设窗口长度内的卷积极差值；
统计所述预设窗口长度内的卷积极差值大于预设极差值阈值的疑似断面个数；
若所述疑似断面个数大于预设断面个数阈值，则将所述一疑似点所在的区域两端点标定为分段的纵向起止点；
对于所有分段的纵向起止点组成的分段序列，若所述分段序列的间隔均不大于预设间隔，则对所有分段的纵向起止点进行拼接，获取所述标线的纵向起止范围；否则，将所述分段序列中间隔大于预设间隔的分段断开，获得多个标线的纵向起止范围。
8.根据权利要求1所述的方法，其特征在于，基于所述标线的定位信息，结合所述三维点云数据，计算标线的三维参数，获取所述标线的三维参数信息，具体包括：
根据所述标线的定位信息，获取标线的长度和宽度，并结合所述三维点云数据的断面高程信息，获取所述标线的高度分布信息；
基于所述标线的边缘定位信息及所述三维点云数据的所有断面，逐个断面计算所述标线的定位区域的高度值，并计算每个断面的定位区域的高度值的均值和方差；
根据所述每个断面的定位区域的高度值的均值和方差，计算所述标线的定位区域的总体高程均值序列和总体方差序列，从而获取所述标线的三维参数信息。
9.根据权利要求8所述的方法，其特征在于，根据所述标线的定位信息，获取标线的长度和宽度，并结合所述三维点云数据的断面高程信息，获取所述标线的高度分布信息，之前还包括：
基于所述标线的定位信息，根据标线宽度限制，对所述标线的定位区域内的边缘点在断面级别进行填充延长，超出所述定位区域内的边缘点进行去除，获取所述定位区域的连通域
对所述连通域进行膨胀、去除孔洞、腐蚀和边缘平滑处理，获取完整的标线区域；
相应的，根据所述完整的标线区域的位置信息，获取标线的长度和宽度，并结合所述三维点云数据的断面高程信息，获取所述标线的高度分布信息。
10.根据权利要求8或9所述的方法，其特征在于，基于所述标线的定位信息，结合所述三维点云数据，计算标线的三维参数，获取所述标线的三维参数信息，之后还包括：
获取所述总体高程均值序列的均值作为第一均值，并获取所述总体方差序列的均值作为第二均值；
若所述第一均值大于等于第一预设高程阈值、且所述第二均值小于第一预设方差阈值，则将所述标线标记为完好；
若所述第一均值大于等于第二预设高程阈值并小于第一预设高程阈值、且所述第二均值大于等于第一预设方差阈值，则将所述标线标记为一般磨损；
若所述第一均值小于第二预设高程阈值、且所述第二均值大于等于第一预设方差阈值，则将所述标线标记为严重磨损。
CN201810113407.3A 2018-02-05 2018-02-05 一种基于线扫描三维点云的路面标线检测及参数计算方法 Active CN108319920B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810113407.3A CN108319920B (zh) 2018-02-05 2018-02-05 一种基于线扫描三维点云的路面标线检测及参数计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810113407.3A CN108319920B (zh) 2018-02-05 2018-02-05 一种基于线扫描三维点云的路面标线检测及参数计算方法

Publications (2)

Publication Number Publication Date
CN108319920A CN108319920A (zh) 2018-07-24
CN108319920B true CN108319920B (zh) 2021-02-09

Family

ID=62902393

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810113407.3A Active CN108319920B (zh) 2018-02-05 2018-02-05 一种基于线扫描三维点云的路面标线检测及参数计算方法

Country Status (1)

Country Link
CN (1) CN108319920B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109658398B (zh) * 2018-12-12 2021-05-18 华中科技大学 一种基于三维测量点云的零件表面缺陷识别与评估方法
CN109839068A (zh) * 2018-12-26 2019-06-04 中交国通公路工程技术有限公司 路面标线线激光检测装置
CN109653045B (zh) * 2019-01-28 2021-03-12 武汉光谷卓越科技股份有限公司 轨距测量方法及装置
CN112154454A (zh) * 2019-09-10 2020-12-29 深圳市大疆创新科技有限公司 目标对象的检测方法、系统、设备及存储介质
CN112069974B (zh) * 2020-09-02 2023-04-18 安徽铜峰电子股份有限公司 一种识别元器件缺损的图像识别方法及其系统
CN112686089B (zh) * 2020-10-10 2023-06-13 星际空间（天津）科技发展有限公司 道路信息智能化自动提取方法
CN113551636B (zh) * 2021-07-02 2023-06-06 武汉光谷卓越科技股份有限公司 基于异常数据矫正的平整度检测方法
CN114511495A (zh) * 2021-12-21 2022-05-17 武汉光谷卓越科技股份有限公司 基于精密三维的路面错台检测方法及装置
CN114486732B (zh) * 2021-12-30 2024-04-09 武汉光谷卓越科技股份有限公司 一种基于线扫描三维的瓷砖缺陷在线检测方法
CN117689784A (zh) * 2022-08-23 2024-03-12 北京初速度科技有限公司 三维路面的着色方法、装置、存储介质、电子设备及车辆
CN115546747B (zh) * 2022-08-29 2023-09-19 珠海视熙科技有限公司 一种路沿检测方法、装置、摄像设备以及存储介质
CN116699644B (zh) * 2023-08-07 2023-10-27 四川华腾公路试验检测有限责任公司 基于三维激光雷达的标线可靠性评估方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030132946A1 (en) * 2002-01-11 2003-07-17 Applied Materials, Inc. System and method for edge ehnancement of images
CN106373134A (zh) * 2016-09-18 2017-02-01 武汉武大卓越科技有限责任公司 一种基于线结构光三维测量的公路标线检测方法
CN107463918A (zh) * 2017-08-17 2017-12-12 武汉大学 基于激光点云与影像数据融合的车道线提取方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030132946A1 (en) * 2002-01-11 2003-07-17 Applied Materials, Inc. System and method for edge ehnancement of images
CN106373134A (zh) * 2016-09-18 2017-02-01 武汉武大卓越科技有限责任公司 一种基于线结构光三维测量的公路标线检测方法
CN107463918A (zh) * 2017-08-17 2017-12-12 武汉大学 基于激光点云与影像数据融合的车道线提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"利用高精度三维测量技术进行路面破损检测";李清泉等;《利用高精度三维测量技术进行路面破损检测》;20171130;第42卷(第11期);论文第1-2.1节 *

Also Published As

Publication number Publication date
CN108319920A (zh) 2018-07-24

Similar Documents

Publication Publication Date Title
CN108319920B (zh) 一种基于线扫描三维点云的路面标线检测及参数计算方法
Ouma et al. Pothole detection on asphalt pavements from 2D-colour pothole images using fuzzy c-means clustering and morphological reconstruction
CN107633516B (zh) 一种识别路面变形类病害的方法和装置
CN107463918B (zh) 基于激光点云与影像数据融合的车道线提取方法
CN107154040B (zh) 一种隧道衬砌表面图像裂缝检测方法
US10755132B2 (en) Methods for extracting surface deformation feature of object based on linear scanning three-dimensional point cloud
CN110246130B (zh) 基于红外和可见光图像数据融合的机场道面裂缝检测方法
US10872247B2 (en) Image feature emphasis device, road surface feature analysis device, image feature emphasis method, and road surface feature analysis method
CN110473187B (zh) 一种面向对象的线扫描三维路面裂缝提取方法
CN107705294B (zh) 一种十字激光的图像式路基表面沉降监测方法和监测系统
CN111007531A (zh) 一种基于激光点云数据的道路边沿检测方法
CN107798293A (zh) 一种道路裂缝检测装置
CN111354047B (zh) 一种基于计算机视觉的摄像模组定位方法及系统
CN112070756B (zh) 一种基于无人机倾斜摄影的路面立体病害测量方法
CN112017243B (zh) 一种介质能见度识别方法
CN111968079B (zh) 基于断面局部极值及分段稀疏的三维路面裂缝提取方法
CN109035218B (zh) 路面修补区域检测方法
Choi et al. Detection of cracks in paved road surface using laser scan image data
CN108399360B (zh) 一种连续型障碍物检测方法、装置及终端
CN107367245B (zh) 光学三维轮廓测量中的无效点探测与剔除方法
CN101986322B (zh) 结构光光条中心点信度评价方法
Ong et al. A hybrid method for pavement crack width measurement
Dhiman et al. A multi-frame stereo vision-based road profiling technique for distress analysis
Ryu et al. Feature-based pothole detection in two-dimensional images
CN112016558B (zh) 一种基于图像质量的介质能见度识别方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 430223 No.6, 4th Road, Wuda Science Park, Donghu high tech Zone, Wuhan City, Hubei Province

Applicant 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

Applicant 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

Applicant 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

Applicant before: WUHAN WUDA ZOYON SCIENCE AND TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant