CN108344384B - 一种基于车辆采集信息的坑槽自动识别方法 - Google Patents
一种基于车辆采集信息的坑槽自动识别方法 Download PDFInfo
- Publication number
- CN108344384B CN108344384B CN201810062110.9A CN201810062110A CN108344384B CN 108344384 B CN108344384 B CN 108344384B CN 201810062110 A CN201810062110 A CN 201810062110A CN 108344384 B CN108344384 B CN 108344384B
- Authority
- CN
- China
- Prior art keywords
- point
- pit
- descending
- ascending
- paired
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
- G01B11/303—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces using photoelectric detection means
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
- E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
- E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
- G01B11/285—Measuring arrangements characterised by the use of optical techniques for measuring areas using photoelectric detection means
Abstract
本发明提出了一种基于线结构光进行的路面坑槽自动识别装置,其能够利用本发明提出的自动识别方法对路面坑槽进行自动识别。其中,该装置包括光源、图像采集单元以及图像处理单元,其特征在于,所述光源所发出的光为线结构光,所述图像处理单元能够基于所述图像采集单元发送的数据来自动识别路面是否存在坑槽。根据本发明的技术,可以实现路面坑槽的快速、准确识别。
Description
技术领域
本申请属于车辆领域,具体涉及一种利用车辆来实现路面坑槽的自动识别方法。
背景技术
路面坑槽指的是在行车作用下,路面骨料局部脱落而产生的坑洼。由于行车荷载和水的影响,目前坑槽已经成为我国公路浙青路面的一种主要的水损坏形式。我国最新发布的《公路技术状况评定标准》(JTG H20-2007)和《公路浙青路面养护技术规范》(JTJ073.2-2001)将坑槽深度及面积检测作为坑槽检测的重要部分,其中坑槽面积的计算方法为:测定实际长度和宽度后,每边再增加0.1m后计算其面积大小,检测手段为传统的人工检测,这种检测方法效率低、劳动强度大,检测速度慢且检测误差较大,人工测量会存在人工读数和选点的误差导致的测量数据精度低,并且在高速上即使封闭路段测量也存在作业不安全的因素。
多点激光技术可以实现自动化检测得到坑槽指标,该技术不受光照、天气等的影响,在激光探头数量较多时,能较为真实地反映道路路面破损情况,虽然激光检测设备有抗干扰性强等优点,但其检测精度会受到激光探头数量和安装位置的影响,由于目前路面坑槽数目较为大量,检测误差大会带来修补材料预算及工程量估计的误差,给实际的养护带来不便。
本发明需要解决的是现有公路路基路面无损检测设备误差大、误识别率高和测量麻烦的问题,提供一种基于线结构光的坑槽快速检测方法。线结构光与以往激光多单点式的错台检测装置不同在于,多点式激光投射在路面上的是激光点,获取数据有限;而线结构光投在路面上是激光线,获取数据远多于多点式激光,因此在测量及识别时,精度远大于激光多点式。
发明内容
本发明的目的在于克服上述现有技术的缺点,提供一种用于坑槽自动检测的设备及方法,该设备可以对路面坑槽进行高识别率的检测。
1、一种坑槽自动识别装置,包括光源、图像采集单元以及图像处理单元,其特征在于,所述光源所发出的光为线结构光,所述图像处理单元能够基于所述图像采集单元发送的数据来自动识别路面是否存在坑槽。
2、如技术方案1所述的图像采集装置,其特征在于,所述光源为激光器。
3、如技术方案1所述的图像采集装置,其特征在于,所述图像采集单元为CCD相机。
4、如技术方案1-3任一项所述的图像采集装置,其特征在于,所述图像采集装置安装于车辆上。
5、一种路面坑槽自动识别方法,其特征在于,包括以下步骤:
步骤1:读取由图像采集单元采集到的三维数据的高度数据矩阵;
步骤2:按行取断面数据,按预先确定的步长计算移动高差,并判断上升点和下降点;
步骤3:在断面上搜寻成对的上升点和下降点;
步骤4:将成对的下降点和上升点判定坑槽。
6、如技术方案5所述识别方法,其特征在于,所述判断上升点和下降点的方法为,将一行中的间隔所述预先确定的步长的后一个点的高度值减去前一个点的高度值,如果该值为负值,则确定后一个点为下降点,如果该值为正值,则确定该点为上升点。
7、如技术方案5所述识别方法,所述步骤1中的所述的路面高度数据矩阵Zm×n如下:
zij表示行号为i,列号为j所对应的路面高度。
8、如技术方案7所述识别方法,所述步骤2对应路面高度数据矩阵进行寻找上升点和下降点的操作如下:
按行取断面;按步长S计算移动高差ΔZi=zi+s-zi;将高差小于-V0的标为下降点,将高差大于V1的标为b上升点。
9、如技术方案9所述识别方法,所述步骤3对应在断面上搜寻成对的下降点和上升点的操作如下:
1)从最左侧开始,找到第一个下降点,继续向后搜索上升点,找到离这个下降点最近的上升点,得到第一个成对的上升点和下降点,两个点之间的地方就被判断为坑槽;同理继续向后搜索第2个、第3个成对的上升点和下降点,判断为第2个坑槽、第3个坑槽,记录坑槽覆盖的范围;
2)如果一个断面只有一个下降点,则将最后一列定为上升点;
3)完成所有搜索后,对每一个坑槽计算成对的上升点和下降点之间的距离D,如果D小于预定值,则删去该对数据;
10、一种路面坑槽自动识别方法,其特征在于,包括以下步骤:
步骤1:读取由图像采集单元采集到的三维数据的高度数据矩阵;
步骤2:提取所述高度数据矩阵中的所有高度值,将其中出现次数最多的值设定为基准值;
步骤3:将一行中的点的高度数据与该基准值进行比较,如果小于该基准值,则确定为下降点;
步骤4:将间隔小于预先规定的值的相邻的两个下降点之间判定坑槽。
与现有的技术相比,本发明提出的方法具有以下优点:
1、基于线结构光的3D数据的坑槽识别技术比激光多点式坑槽识别技术数据量大,识别精确。
2、采用面测量,只需输入采集到的路面高度数据矩阵,即可完成坑槽的判别以及特征提取,其效率高、检测精确,适合在实时系统中采用。
3、本发明采用坑槽与路面的高度数据明显存在较大的差别来进行识别,并使用移动步长进行判断,直接利用数据的方法比利用图像的方法简单、直观、高效,便于在实时系统中采用。
附图说明
图1是本发明的自动识别系统的原理图。
图2是本发明的路面坑槽识别的流程图。
图3是含坑槽的高度数据的3D图。
图4是坑槽横断面数学模型图。
图5是基于高度数据阈值坑槽二值化结果。
图6是基于高度数据的坑槽自动识别结果。
具体实施方式
以下结合附图来对本发明进行具体阐述。
图1是本发明的坑槽自动识别装置,包括光源、图像采集单元以及图像处理单元,不同于现有技术中的多点激光式结构,本发明中的光源所发出的光为线结构光,图像采集单元进行数据采集,并将采集到的数据发送给图像处理单元,图像处理单元能够基于所述图像采集单元发送的数据来自动识别路面是否存在坑槽。
优选地,所述光源为激光器,所述图像采集单元为CCD相机。
在使用本发明中的装置进行识别时,将整套装置安装于车辆上。通过车辆前行而不断地工作,自动识别路面上的沟槽。
进一步地,如图2所示,本发明的图像处理单元基于本发明的下述方法来进行图像处理:
步骤1:读取路面三维数据的高度数据矩阵;
步骤2:按行取断面数据,按步长S计算移动高差,判断上升点和下降点;
步骤3:在断面上搜寻成对的上升点和下降点;
步骤4:利用步骤3中成对的下降点和上升点判定坑槽。
进一步的,所述步骤1中的所述的路面高度数据矩阵Zm×n如下:
zij表示行号为i,列号为j所对应的路面高度。
进一步,所述步骤2对应路面高度数据矩阵进行寻找上升点和下降点的操作如下:
按行取断面;按步长S计算移动高差ΔZi=zi+s-zi;将高差小于-V0的标为a(下降点),将高差大于V1的标为b(上升点)。
进一步,所述步骤3对应在断面上搜寻成对的下降点和上升点的操作如下:
1)从最左侧开始,找到第一个下降点(a),继续向后搜索上升点,找到离这个下降点最近的上升点b,得到第一个成对的(a,b),a和b之间的地方就被判断为坑槽;同理继续向后搜索第2个、第3个成对的(a,b),判断为第2个坑槽、第三个坑槽,记录坑槽覆盖的范围2)如果一个断面只有一个下降点a,则将最后一列定为另一个上升点b。
3)完成所有搜索后,对每一个坑槽计算(a,b)之间的距离D,如果D小于P,则删去该对数据;
进一步,所述步骤4对应坑槽判定的操作如下:
读取下一列断面重复2、3步骤,并记录位置范围,直至整幅图的数据,如果列方向存在一定面积的此特征可判定为坑槽。
以下结合附图来说明本发明的具体的一个实施例。
如图3所示,对路面有坑槽的路段进行采集,从中挑选一幅含有坑槽的高度数据进行应用标定文件后,变成了标定后的高度数据,得到其3D图。然后计算机读取路面采集软件采集到路面三维数据,将图3的高度数据(.dat格式)通过解析,将z方向的数据存储为矩阵形式(.txt格式),然后使用matlab加载此txt文件。
随后,按行取断面数据,按步长S计算移动高差,判断下降点和上升点,如图4所示,按行取断面;按步长S计算移动高差ΔZi=zi+s-zi;将高差小于V0的标为a(下降点),将高差大于V1的标为b(上升点),V0取经验值-5mm,V1取经验值5mm。
步骤3:在断面上搜寻成对的下降点和上升点,将下降点和上升点之间的像素值赋值1,这样进行整幅图循环时坑槽部分的像素点均为1,路面部分的像素点均为0,实现坑槽和路面的二值化,坑槽二值化结果见图5。
步骤4:利用步骤3中二值化图,对连通域面积大于一定值的,进行方格标记,如图6所示。根据方格即可计算出坑槽的面积。
Claims (1)
1.一种基于坑槽自动识别装置的路面坑槽自动识别方法,所述坑槽自动识别装置包括光源、图像采集单元以及图像处理单元,所述光源所发出的光为线结构光,所述图像处理单元能够基于所述图像采集单元发送的数据来自动识别路面是否存在坑槽,所述坑槽自动识别装置安装于车辆上,
其特征在于,所述方法包括以下步骤:
步骤1:读取由图像采集单元采集到的三维数据的高度数据矩阵,所述的路面高度数据矩阵Zm×n如下:
zij表示行号为i,列号为j所对应的路面高度;
步骤2:按行取断面数据,按预先确定的步长计算移动高差,并判断上升点和下降点,判断上升点和下降点的操作如下:
按行取断面;按步长S计算移动高差ΔZi=zi+s-zi;将高差小于-V0的标为下降点,将高差大于V1的标为上升点;
步骤3:在断面上搜寻成对的上升点和下降点,具体为:
1)从最左侧开始,找到第一个下降点,继续向后搜索上升点,找到离这个下降点最近的上升点,得到第一个成对的上升点和下降点,两个点之间的地方就被判断为坑槽;同理继续向后搜索第2个、第3个成对的上升点和下降点,判断为第2个坑槽、第3个坑槽,记录坑槽覆盖的范围;
2)如果一个断面只有一个下降点,则将最后一列定为上升点;
3)完成所有搜索后,对每一个坑槽计算成对的上升点和下降点之间的距离D,如果D小于预定值,则删去该对数据;
步骤4:将成对的下降点和上升点判定坑槽。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810062110.9A CN108344384B (zh) | 2018-01-23 | 2018-01-23 | 一种基于车辆采集信息的坑槽自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810062110.9A CN108344384B (zh) | 2018-01-23 | 2018-01-23 | 一种基于车辆采集信息的坑槽自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108344384A CN108344384A (zh) | 2018-07-31 |
CN108344384B true CN108344384B (zh) | 2020-03-13 |
Family
ID=62961634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810062110.9A Active CN108344384B (zh) | 2018-01-23 | 2018-01-23 | 一种基于车辆采集信息的坑槽自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108344384B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114111651A (zh) * | 2021-11-25 | 2022-03-01 | 江苏科技大学 | 一种基于多线结构光的车载路面凹陷检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246000A (zh) * | 2008-03-21 | 2008-08-20 | 哈尔滨工业大学 | 路面平整度自动检测装置及检测方法 |
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 |
CN104776810A (zh) * | 2015-03-24 | 2015-07-15 | 长安大学 | 一种基于3d线激光设备的坑槽三维指标提取计算方法 |
CN106441170A (zh) * | 2016-12-12 | 2017-02-22 | 东莞市凯锐电子自动化科技有限公司 | 键盘平整度测试机 |
CN106705847A (zh) * | 2017-01-18 | 2017-05-24 | 重庆市计量质量检测研究院 | 一种自由曲面内缝隙几何尺寸测量方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS62156506A (ja) * | 1985-12-27 | 1987-07-11 | Kansai Electric Power Co Inc:The | 回転機械の間隙測定方法 |
JPH08101029A (ja) * | 1994-09-30 | 1996-04-16 | Suzuki Motor Corp | ピストン加工溝の評価方法 |
JP3686182B2 (ja) * | 1996-09-13 | 2005-08-24 | Jfeスチール株式会社 | 表面形状測定方法及び装置 |
CN102030016A (zh) * | 2010-11-03 | 2011-04-27 | 西南交通大学 | 基于结构光视觉的轨道不平顺状态检测方法 |
CN104697467B (zh) * | 2015-02-12 | 2017-05-24 | 中北大学 | 基于线激光扫描的焊缝外观形状及表面缺陷检测方法 |
CN106978774B (zh) * | 2017-03-22 | 2019-02-22 | 中公高科养护科技股份有限公司 | 一种路面坑槽自动检测方法 |
-
2018
- 2018-01-23 CN CN201810062110.9A patent/CN108344384B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246000A (zh) * | 2008-03-21 | 2008-08-20 | 哈尔滨工业大学 | 路面平整度自动检测装置及检测方法 |
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 |
CN104776810A (zh) * | 2015-03-24 | 2015-07-15 | 长安大学 | 一种基于3d线激光设备的坑槽三维指标提取计算方法 |
CN106441170A (zh) * | 2016-12-12 | 2017-02-22 | 东莞市凯锐电子自动化科技有限公司 | 键盘平整度测试机 |
CN106705847A (zh) * | 2017-01-18 | 2017-05-24 | 重庆市计量质量检测研究院 | 一种自由曲面内缝隙几何尺寸测量方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108344384A (zh) | 2018-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102680480A (zh) | 一种混凝土结构裂缝智能化检测方法 | |
Zhang et al. | Automatic road-marking detection and measurement from laser-scanning 3D profile data | |
CN108921076B (zh) | 基于图像的道面裂缝病害自适应恒虚警检测方法 | |
CN100452079C (zh) | 一种全自动汽车清洗中车辆模式识别的方法 | |
CN107798293A (zh) | 一种道路裂缝检测装置 | |
CN105427324A (zh) | 基于二值化阈值自动搜索的磁光成像缺陷检测方法 | |
CN113781537B (zh) | 一种轨道弹条扣件缺陷识别方法、装置和计算机设备 | |
CN101814138B (zh) | 基于图像的水泥混凝土路面嵌缝料损坏类型识别分类方法 | |
CN108344384B (zh) | 一种基于车辆采集信息的坑槽自动识别方法 | |
CN111582271A (zh) | 一种基于地质雷达的铁路隧道内部病害检测方法及其装置 | |
CN114387328A (zh) | 基于深度学习模型和岩心图像的rqd计算方法 | |
CN110954074A (zh) | 一种基于三维激光扫描技术的公路施工质量检测方法 | |
KR20230073221A (ko) | 트레드 깊이 추정 시스템 및 이의 방법 | |
Ravi et al. | Highway and airport runway pavement inspection using mobile lidar | |
CN112651988A (zh) | 基于双指针定位的指形图像分割、指形板错台和紧固件异常检测方法 | |
Kargah-Ostadi et al. | Evaluation framework for automated pavement distress identification and quantification applications | |
CN111025285A (zh) | 一种基于图谱灰度自适应选取的沥青路面水损害检测方法 | |
CN112595719A (zh) | 一种基于三维激光扫描技术的路面病害精细化检测方法 | |
CN112950562A (zh) | 一种基于线结构光的扣件检测算法 | |
Chen et al. | 3D pavement data decomposition and texture level evaluation based on step extraction and pavement-transformer | |
CN116242774A (zh) | 适用于农村公路的轻量化三维检测方法及装置 | |
CN116336939A (zh) | 一种基于自动化检测的路面车辙指标即时分析方法 | |
CN112254701B (zh) | 车载式桥头跳车检测分析系统及其方法 | |
CN113313689A (zh) | 一种路面构造深度测量方法、系统、设备及存储介质 | |
CN113077465A (zh) | 一种路面裂缝检测提取装置及其检测方法 |
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 | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230413 Address after: 04-965, 8th floor, No. 18 Zhongguancun Street, Haidian District, Beijing, 100080 Patentee after: Beijing Daluo Technology Co.,Ltd. Address before: 211300 1 1 of ancient Tan Road, Gaochun Economic Development Zone, Nanjing, Jiangsu. Patentee before: NANJING XINJING PHOTOELECTRIC TECHNOLOGY Co.,Ltd. |
|
TR01 | Transfer of patent right |