CN108710730A - 基于多点检测数据的车辙横断面类型识别与指标提取方法 - Google Patents

基于多点检测数据的车辙横断面类型识别与指标提取方法 Download PDF

Info

Publication number
CN108710730A
CN108710730A CN201810400475.8A CN201810400475A CN108710730A CN 108710730 A CN108710730 A CN 108710730A CN 201810400475 A CN201810400475 A CN 201810400475A CN 108710730 A CN108710730 A CN 108710730A
Authority
CN
China
Prior art keywords
section
track
points
raised points
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
Application number
CN201810400475.8A
Other languages
English (en)
Other versions
CN108710730B (zh
Inventor
高英
彭俊
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN201810400475.8A priority Critical patent/CN108710730B/zh
Publication of CN108710730A publication Critical patent/CN108710730A/zh
Application granted granted Critical
Publication of CN108710730B publication Critical patent/CN108710730B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C7/00Tracing profiles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)
  • Road Repair (AREA)

Abstract

本发明公开了一种基于多点检测数据的车辙横断面类型识别与指标提取方法,包括如下步骤:对车辙横断面进行数据检测,获取车辙横断面离散点初始高程数据,并将车辙横断面进行调平处理;(2)、对调平后离散点的竖向高程进行数据分析,寻找极大值点作为路表凸起点,极小值点作为路表凹陷点;(3)、基于路表凸起点和路表凹陷点的高程数据对横断面进行分类识别;(4)、基于车辙断面的分类进行车辙正负面积、车辙深度、填充面积以及辙槽侧壁宽高比的计算。本发明可有效解决目前车辙状态评价中缺乏车辙横断面形态类别信息以及特征指标的提取与计算,忽视道路横断面形态对车辙指标提取的影响以及车辙指标提取可能因路面形态不同而产生误差等问题。

Description

基于多点检测数据的车辙横断面类型识别与指标提取方法
技术领域
本发明涉及道路检测技术领域中的车辙横断面类型识别,尤其涉及基于多点检测数据的车辙横断面类型识别与指标提取方法。
背景技术
沥青路面因其良好的行车舒适性、优良的使用性能和维修方便,是我国高速公路最主要的路面类型。然而随着经济高速发展,交通量迅猛增长,重载及超载的情况加剧,沥青路面的损坏现象也日趋严重。
车辙是沥青路面的主要病害之一。据统计大约80%的沥青路面维修养护是由于路面车辙变形,与水损害和路面裂缝等其他病害相比,路面车辙的危害性最大。路面上车辙的危害主要包括路面结构与行车两大方面。就路面结构与质量而言,车辙的存在使得轮迹处沥青层厚度变薄,削弱了面层及其路面结构的整体强度,从而易于引起其他病害,同时轮迹凹陷处容易积水,进而引发水损害等其他病害。就行车安全性而言,路面表面过量的变形会导致路面平整度的降低从而影响行车舒适性;车辙辙槽壁倾角与竖向高程差使得车辆在超车或变换车道时会受到横向的作用力以及短时间内纵向的高差变化,影响车辆的操纵稳定性;雨雪天气车辙内容易积水结冰降低路面的抗滑能力,车辆出现漂滑,影响高速行车的安全性。
目前国内外使用最广泛的车辙评价指标是车辙深度,基于上述车辙对于路面质量与行车的危害性,仅仅使用车辙深度不能全面的反映车辙的上述危害,因此,国内外的一些学者基于养护管理与行车安全提出了相应的一些指标,如基于养护管理的横向断面正面积,负面积,填充面积,正负面积比;基于行车安全的车辙辙槽深度RD,辙槽顶部水平最大宽度,最大可能积水宽度,辙槽底部宽度,车辙辙槽壁倾角等等。但由于当时路面检测技术发展的限制,道路横断面形状的获取存在精度与准确性的问题,同时也难以大批量密集的采取道路横断面形状数据,这些指标更多的是从理论上进行分析以及少量数据的验证,车辙指标的提取难以实现大数据量的自动提取。近年来,随着检测技术的不断进步,车辙的检测也经历了人工测量,半人工测量到自动化测量的发展历程,车辙检测数据也由单一的仅能提供车辙深度到现在的能够连续获得道路横断面形状数据。目前车辙深度自动化检测设备普遍基于多点激光技术开发,该技术是目前国内外应用最广泛的车辙检测技术,其优点是能够快速、无损、连续的获取车辙横断面数据,过去的选取部分断面观测车辙横断面形状,人工计算车辙指标的方式便不能满足大量数据的车辙指标提取工作了,因此基于MATLAB自动化的车辙形状识别与车辙指标提取即成为必要。
发明内容
发明目的:本发明的目的是提供一种可解决目前车辙状态评价中缺乏车辙横断面形态类别信息以及特征指标的提取与计算问题的基于多点检测数据的车辙横断面类型识别与指标提取方法。
技术方案:为实现以上目的,本发明所述的一种基于多点检测数据的车辙横断面类型识别与指标提取方法,包括如下步骤:
(1)、对车辙横断面进行数据检测,获取车辙横断面离散点初始高程数据,其中各离散点横坐标为(x1,x2,x3,x4,...xn),竖向高程为(y1,y2,y3,y4,...yn),并将车辙横断面进行调平处理,得到调平后离散点的横坐标和竖向高程(Y1,Y2,Y3,Y4,...Yn);
(2)、对调平后离散点的竖向高程(Y1,Y2,Y3,Y4,...Yn)进行数据分析,寻找极大值点作为路表凸起点,极小值点作为路表凹陷点;
(3)、当路表凸起点个数为1,相应的路表凹陷点个数为0时定义为第一类车辙断面;
当路表凸起点个数为2,相应的路表凹陷点个数为1时定义为第二类车辙断面;
当路表凸起点个数为3,相应的路表凹陷点个数为2,且中间凸起点的高程小于两侧凸起点连线在相同位置的高程时,即
其中Yp1、Yp2、Yp3为凸起点的高程,xp1、xp2、xp3为凸起点的横坐标;将该断面定义为第三类车辙断面,否则将该断面定义为第四类车辙断面;
当路表凸起点个数为4时,相应的路表凹陷点个数为3,通过对比四个凸起点位置处的高程与相邻凹陷点处高程的差值,将差值最小的凸起点排除,剩余的3个凸起点Yi的下标重新编码为新的数列组(p1,p2,p3)作为新的凸起位置,同时新的相邻凸起位置中的凹陷点则作为新的凹陷位置,若两个凸起点中存在两个连续凹陷点,则选择其中高程较低的凹陷点,最后依据路表凸起点个数为3,相应的路表凹陷点个数为2时的判断方法进行车辙断面的分类;
当路表凸起点个数大于或等于5时,则绘制该断面的横断面形状,并判断是正常断面还是异形断面,若为异形断面则退出计算,若为正常断面则重新选择3个凸起点和2个凹陷点,并依据路表凸起点个数为3,相应的路表凹陷点个数为2时的判断方法进行车辙断面的分类;
(4)、基于车辙断面的分类进行车辙正负面积、车辙深度、填充面积以及辙槽侧壁宽高比的计算。
其中,所述步骤(1)中横断面的检测宽度不小于3.5m,检测点不少于13点。
优选的,所述步骤(1)中调平处理后各离散点的横坐标不变,调平处理后竖向高程Yi
再者,所述步骤(2)中具体方法为利用MATLAB中的寻峰函数寻找数列(-1,Y1,Y2,Y3,Y4,...Yn,-1)中的极大值点个数,并将个数k与相应若干个极大点处的相应Yi的下标i返回,各极大值点处Yi的下标构成新的数列组(p1,p2,…pk),并将极大值点作为路表凸起点;寻找数列(Y1,Y2,Y3,Y4,...Yn)中的极小值点,并将其个数t与相应Yi的下标i返回,各极小值点处Yi的下标构成新的数列组(d1,d2,…dt),并将极小值点作为路表凹陷点。
优选的,所述步骤(3)中第一类车辙断面的路表呈中间高两侧低的状态,第二类车辙断面的路表上具有一个车辙辙槽,2个凸起点的位置和凹陷点的位置分别为辙槽的左右端点和辙槽的最低点;所述第三类车辙断面和第四类车辙断面的路表上具有2个车辙辙槽,3个凸起点的位置和2个凹陷点的位置分别对应2个辙槽的左右端点和辙槽的最低点。
优选的,所述步骤(3)中当路表凸起点个数大于或等于5时,若能明显看出辙槽位置则为正常断面,若路面表面高程沿横向变化呈现波浪形各相邻的凸起点与凹陷点之间的竖向高程差均≥5mm或≤1mm,则判断为异形断面。
进一步,所述步骤(4)中车辙正负面积的计算方法为连接断面左右两个端点的直线,路面表面之下直线之上为正面积,路表之上直线之下为负面积;其中第一类断面只有正面积,第一类断面的车辙深度,填充面积,负面积和辙槽侧壁宽高比均为0;
车辙深度与填充面积的计算采用包络线法,第二类断面连接两个凸起点作为包络线,第三类断面连接凸起点1和凸起点3作为包络线,第四类断面依次连接凸起点1、凸起点2和凸起点3作为包络线,填充面积为包络线与路面表面所围成的面积,车辙深度为相应凹陷点到包络线的竖直距离;辙槽侧壁宽高比为第二、三、四类断面的凹陷点与相邻的凸起点的横向距离与竖向高程差之比。
有益效果:与现有技术相比,本发明具有以下显著优点:本发明的车辙横断面类型识别方法与指标提取方法可有效解决目前车辙状态评价中缺乏车辙横断面形态类别信息以及特征指标的提取与计算,忽视道路横断面形态对车辙指标提取的影响以及车辙指标提取可能因路面形态不同而产生误差等问题;本发明利用MATLAB编程实现车辙类别的自动化识别与车辙指标的自动化提取,得到车辙断面类别、车辙深度、正负面积、填充面积以及辙槽壁宽高比等数据,可真实全面的反映了路面车辙状态,为路面车辙的准确评价提供了数据支持与理论依据。
附图说明
图1是本发明中第一类车辙断面的示意图;
图2是本发明中第二类车辙断面的示意图;
图3是本发明中第三类车辙断面的示意图;
图4是本发明中第四类车辙断面的示意图;
图5是本发明中有4个凸起点的车辙断面的示意图;
图6是本发明中有5个凸起点的正常断面的示意图;
图7为本发明中异型断面的示意图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
本发明一种基于多点检测数据的车辙横断面类型识别与指标提取方法,包括如下步骤:
(1)、通过自动化车辙检测设备对车辙横断面进行数据检测,横断面的检测宽度不小于3.5m,检测点不少于13点;获取车辙横断面离散点初始高程数据,其中各离散点横坐标为(x1,x2,x3,x4,...xn),竖向高程为(y1,y2,y3,y4,...yn),并将车辙横断面进行调平处理,得到调平后离散点的横坐标和竖向高程(Y1,Y2,Y3,Y4,...Yn);调平处理后各离散点的横坐标不变,调平处理后竖向高程Yi
(2)、对调平后离散点的竖向高程(Y1,Y2,Y3,Y4,...Yn)进行数据分析,利用MATLAB中的寻峰函数寻找数列(-1,Y1,Y2,Y3,Y4,...Yn,-1)中的极大值点个数,并将个数k与相应若干个极大点处的相应Yi的下标i返回,各极大值点处Yi的下标构成新的数列组(p1,p2,…pk),并将极大值点作为路表凸起点;寻找数列(Y1,Y2,Y3,Y4,...Yn)中的极小值点,并将其个数t与相应Yi的下标i返回,各极小值点处Yi的下标构成新的数列组(d1,d2,…dt),并将极小值点作为路表凹陷点;
(3)、当路表凸起点个数为1,相应的路表凹陷点个数为0时定义为第一类车辙断面,第一类车辙断面的路表呈中间高两侧低的状态;
当路表凸起点个数为2,相应的路表凹陷点个数为1时定义为第二类车辙断面,该第二类车辙断面的路表上具有一个车辙辙槽,2个凸起点的位置和凹陷点的位置分别为辙槽的左右端点和辙槽的最低点;
当路表凸起点个数为3,相应的路表凹陷点个数为2,且中间凸起点的高程小于两侧凸起点连线在相同位置的高程时,即
其中Yp1、Yp2、Yp3为凸起点的高程,xp1、xp2、xp3为凸起点的横坐标;将该断面定义为第三类车辙断面,否则将该断面定义为第四类车辙断面;所述第三类车辙断面和第四类车辙断面的路表上具有2个车辙辙槽,3个凸起点的位置和2个凹陷点的位置分别对应2个辙槽的左右端点和辙槽的最低点;
当路表凸起点个数为4时,相应的路表凹陷点个数为3,通过对比四个凸起点位置处的高程与相邻凹陷点处高程的差值,将差值最小的凸起点排除,剩余的3个凸起点Yi的下标重新编码为新的数列组(p1,p2,p3)作为新的凸起位置,同时新的相邻凸起位置中的凹陷点则作为新的凹陷位置,若两个凸起点中存在两个连续凹陷点,则选择其中高程较低的凹陷点,最后依据路表凸起点个数为3,相应的路表凹陷点个数为2时的判断方法进行车辙断面的分类;
当路表凸起点个数大于或等于5时,则绘制该断面的横断面形状,在断面上标明凸起点与凹陷点的序号,并判断是正常断面还是异形断面,若能明显看出辙槽位置则为正常断面,若路面表面高程沿横向变化呈现波浪形各相邻的凸起点与凹陷点之间的竖向高程差均≥5mm或≤1mm,则判断为异形断面;若为异形断面则退出计算,若为正常断面则重新选择3个凸起点和2个凹陷点,再依据路表凸起点个数为3,相应的路表凹陷点个数为2时的判断方法进行车辙断面的分类,在重新选择凸起点和凹陷点位置时,选择左右两端的凸起点以及中间高程最高的凸起点作为新的3个凸起点,相邻新的凸起点之间的凹陷点作为新的凹陷点,若两个凸起点之间的凹陷点个数大于1,则选择高程最低的凹陷点作为新的凹陷点;
(4)、基于车辙断面的分类进行车辙正负面积、车辙深度、填充面积以及辙槽侧壁宽高比的计算,车辙正负面积的计算方法为连接断面左右两个端点的直线,路面表面之下直线之上为正面积,路表之上直线之下为负面积;其中第一类断面只有正面积,第一类断面的车辙深度,填充面积,负面积和辙槽侧壁宽高比均为0;
车辙深度与填充面积的计算采用包络线法,第二类断面连接两个凸起点作为包络线,第三类断面连接凸起点1和凸起点3作为包络线,第四类断面依次连接凸起点1、凸起点2和凸起点3作为包络线,填充面积为包络线与路面表面所围成的面积,车辙深度为相应凹陷点到包络线的竖直距离;辙槽侧壁宽高比为第二、三、四类断面的凹陷点与相邻的凸起点的横向距离与竖向高程差之比。
本发明选用美国路面长期使用性能研究计划(Long Term PavementPerformance,缩写为LTPP)数据库中的横断面数据进行实例演示,LTPP是美国联邦公路局战略公路研究计划(SHRP)的一部分,自1987年以来持续观测记录了北美超过2400段不同地区、不同类型路面结构的性能,供道路设计、材料、养护等方面学者开展研究。
实施例1
LTPP数据库中某断面,调平后的横断面检测点的横坐标(mm)与竖向高程(mm)分别为(0,305,610,914,1219,1524,1829,2134,2438,2743,3048,3353,3658)和(0,2,3,4,5,6,5,5,4,3,3,2,0)。横断面图形如图1所示,该断面只有一个凸起点,判断为第一类车辙断面,该断面的车辙特征指标只有正面积,为12802mm2
实施例2
LTPP数据库中某断面,调平后的横断面检测点的横坐标(mm)与竖向高程(mm)分别为(0,305,610,914,1219,1524,1829,2134,2438,2743,3048,3353,3658)和(0,-2,-4,-5,-5,-7,-7,-8,-8,-7,-4,-2,0)。横断面图形如图2所示,该断面有两个凸起点和一个凹陷点,判断为第二类车辙断面。该第二类车辙断面有一个辙槽,其中一个车辙深度为8mm,正面积为0mm2,负面积为-17982.5mm2,填充面积为17982.5mm2,两个辙槽壁宽高比分别为266.75和190.5。
实施例3
LTPP数据库中某断面,调平后的横断面检测点的横坐标(mm)与竖向高程(mm)分别为(0,305,610,914,1219,1524,1829,2134,2438,2743,3048,3353,3658)和(0,-3,-4,-5,-3,-1,-2,-4,-4,-5,-3,0,0)。横断面图形如图3所示,该断面有3个凸起点和2个凹陷点,且中间凸起点的高程低于凸起点1、凸起点3的连线,判断为第三类车辙断面。该第三类车辙断面具有两个辙槽,其中两个辙槽的车辙深度分别为5mm和5mm,正面积为0mm2,负面积为-10361.5mm2,填充面积为10361.5mm2,四个辙槽壁宽高比分别为182.8,152.5,304.75和122。
实施例4
LTPP数据库中某断面,调平后的横断面检测点的横坐标(mm)与竖向高程(mm)分别为(0,305,610,914,1219,1524,1829,2134,2438,2743,3048,3353,3658)和(0,3,-4,-5,3,4,1,-4,-9,-9,-4,-1,0)。横断面图形如图4所示,该断面有3个凸起点和2个凹陷点,且中间凸起点的高程高于凸起点1、凸起点3的连线,判断为第四类车辙断面。该第四类车辙断面具有两个辙槽,其中两个辙槽的车辙深度分别为8.5mm和11.3mm,正面积为2685.6mm2,负面积为-10299.6mm2,填充面积为16606mm2,四个辙槽壁宽高比分别为76.13,67.78,70.31和135.56。
实施例5
LTPP数据库中某断面,调平后的横断面检测点的横坐标(mm)与竖向高程(mm)分别为(0,305,610,914,1219,1524,1829,2134,2438,2743,3048,3353,3658)和(0,-4.1,-4.2,-3.3,-1.4,-0.5,-5.5,-8.6,-6.7,-7.8,-5.9,-1,0)。横断面形状如图5所示,该断面有4个凸起点和2个凹陷点,其中凸起点3和凹陷点3的高程差值为1.1mm,为四个凸起点位置处高程与相邻凹陷点处高程的差值中的最小值,故将凸起点3排除,新的三个凸起点为原先的凸起点1、凸起点2和凸起点4,凸起点1与凸起点2之间只有一个凹陷点,为凹陷点1,凸起点2和凸起点4之间有两个凹陷点,选择高程较低的凹陷点2,所以新的凹陷点为原先的凹陷点1和凹陷点2。基于新的3个凸起点与新的2个凹陷点判断,该断面为第三类车辙断面,其中两个辙槽的车辙深度分别为4.2mm和8.6mm,正面积为0mm2,负面积为-14933.6mm2,填充面积为-14933.6mm2,四个辙槽壁宽高比分别为145.24,247.03,75.31和177.21。
实施例6
LTPP数据库中某断面,调平后的横断面检测点的横坐标(mm)与竖向高程(mm)分别为(0,305,610,914,1219,1524,1829,2134,2438,2743,3048,3353,3658)和(0,-1.9,-7.8,-5.7,-1.6,1.5,0.5,0.6,-2.3,-7.2,-6.1,-10,0)。横断面图形如图6所示,该断面有5个凸起点和4个凹陷点,可以明显看出断面有两个凹槽为正常断面。选择凸起点1、凸起点2和凸起点5作为3个新的凸起点,凹陷点1和凹陷点4作为2个新的凹陷点。基于3个新的凸起点与2个新的凹陷点判断,该断面为第四类车辙断面。该第四类车辙断面具有两个辙槽,其中两个辙槽的车辙深度分别为8.4mm和10.2mm,正面积为602.3mm2,负面积为-12794.7mm2,填充面积为14935.9mm2,四个辙槽壁宽高比分别为78.21,98.27,159.04和30.5。
实施例7
LTPP数据库中某断面,调平后的横断面检测点的横坐标(mm)与竖向高程(mm)分别为(0,305,610,914,1219,1524,1829,2134,2438,2743,3048,3353,3658)和(0,-13,-5,-11,2,-5,4,-11,-3,-12,0,-8,0)。横断面图形如图7所示,该断面有7个凸起点和6个凹陷点,路面表面高程沿横向变化呈现波浪形各相邻的凸起点与凹陷点之间的竖向高差均大于等于5mm或小于等于1mm,判断该断面为异形断面,退出计算。

Claims (7)

1.一种基于多点检测数据的车辙横断面类型识别与指标提取方法,其特征在于,包括如下步骤:
(1)、对车辙横断面进行数据检测,获取车辙横断面离散点初始高程数据,其中各离散点横坐标为(x1,x2,x3,x4,...xn),竖向高程为(y1,y2,y3,y4,...yn),并将车辙横断面进行调平处理,得到调平后离散点的横坐标和竖向高程(Y1,Y2,Y3,Y4,...Yn);
(2)、对调平后离散点的竖向高程(Y1,Y2,Y3,Y4,...Yn)进行数据分析,寻找极大值点作为路表凸起点,极小值点作为路表凹陷点;
(3)、当路表凸起点个数为1,相应的路表凹陷点个数为0时定义为第一类车辙断面;
当路表凸起点个数为2,相应的路表凹陷点个数为1时定义为第二类车辙断面;
当路表凸起点个数为3,相应的路表凹陷点个数为2,且中间凸起点的高程小于两侧凸起点连线在相同位置的高程时,即
其中Yp1、Yp2、Yp3为凸起点的高程,xp1、xp2、xp3为凸起点的横坐标;将该断面定义为第三类车辙断面,否则将该断面定义为第四类车辙断面;
当路表凸起点个数为4时,相应的路表凹陷点个数为3,通过对比四个凸起点位置处的高程与相邻凹陷点处高程的差值,将差值最小的凸起点排除,剩余的3个凸起点Yi的下标重新编码为新的数列组(p1,p2,p3)作为新的凸起位置,同时新的相邻凸起位置中的凹陷点则作为新的凹陷位置,若两个凸起点中存在两个连续凹陷点,则选择其中高程较低的凹陷点,最后依据路表凸起点个数为3,相应的路表凹陷点个数为2时的判断方法进行车辙断面的分类;
当路表凸起点个数大于或等于5时,则绘制该断面的横断面形状,并判断是正常断面还是异形断面,若为异形断面则退出计算,若为正常断面则重新选择3个凸起点和2个凹陷点,并依据路表凸起点个数为3,相应的路表凹陷点个数为2时的判断方法进行车辙断面的分类;
(4)、基于车辙断面的分类进行车辙正负面积、车辙深度、填充面积以及辙槽侧壁宽高比的计算。
2.根据权利要求1所述的基于多点检测数据的车辙横断面类型识别与指标提取方法,其特征在于:所述步骤(1)中横断面的检测宽度不小于3.5m,检测点不少于13点。
3.根据权利要求1所述的基于多点检测数据的车辙横断面类型识别与指标提取方法,其特征在于:所述步骤(1)中调平处理后各离散点的横坐标不变,调平处理后竖向高程Yi
4.根据权利要求1所述的基于多点检测数据的车辙横断面类型识别与指标提取方法,其特征在于:所述步骤(2)中具体方法为利用MATLAB中的寻峰函数寻找数列(-1,Y1,Y2,Y3,Y4,...Yn,-1)中的极大值点个数,并将个数k与相应若干个极大点处的相应Yi的下标i返回,各极大值点处Yi的下标构成新的数列组(p1,p2,…pk),并将极大值点作为路表凸起点;寻找数列(Y1,Y2,Y3,Y4,...Yn)中的极小值点,并将其个数t与相应Yi的下标i返回,各极小值点处Yi的下标构成新的数列组(d1,d2,…dt),并将极小值点作为路表凹陷点。
5.根据权利要求1所述的基于多点检测数据的车辙横断面类型识别与指标提取方法,其特征在于:所述步骤(3)中第一类车辙断面的路表呈中间高两侧低的状态,第二类车辙断面的路表上具有一个车辙辙槽,2个凸起点的位置和凹陷点的位置分别为辙槽的左右端点和辙槽的最低点;所述第三类车辙断面和第四类车辙断面的路表上具有2个车辙辙槽,3个凸起点的位置和2个凹陷点的位置分别对应2个辙槽的左右端点和辙槽的最低点。
6.根据权利要求1所述的基于多点检测数据的车辙横断面类型识别与指标提取方法,其特征在于:所述步骤(3)中当路表凸起点个数大于或等于5时,若能明显看出辙槽位置则为正常断面,若路面表面高程沿横向变化呈现波浪形各相邻的凸起点与凹陷点之间的竖向高程差均≥5mm或≤1mm,则判断为异形断面。
7.根据权利要求1所述的基于多点检测数据的车辙横断面类型识别与指标提取方法,其特征在于:所述步骤(4)中车辙正负面积的计算方法为连接断面左右两个端点的直线,路面表面之下直线之上为正面积,路表之上直线之下为负面积;其中第一类断面只有正面积,第一类断面的车辙深度,填充面积,负面积和辙槽侧壁宽高比均为0;
车辙深度与填充面积的计算采用包络线法,第二类断面连接两个凸起点作为包络线,第三类断面连接凸起点1和凸起点3作为包络线,第四类断面依次连接凸起点1、凸起点2和凸起点3作为包络线,填充面积为包络线与路面表面所围成的面积,车辙深度为相应凹陷点到包络线的竖直距离;辙槽侧壁宽高比为第二、三、四类断面的凹陷点与相邻的凸起点的横向距离与竖向高程差之比。
CN201810400475.8A 2018-04-28 2018-04-28 基于多点检测数据的车辙横断面类型识别与指标提取方法 Active CN108710730B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810400475.8A CN108710730B (zh) 2018-04-28 2018-04-28 基于多点检测数据的车辙横断面类型识别与指标提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810400475.8A CN108710730B (zh) 2018-04-28 2018-04-28 基于多点检测数据的车辙横断面类型识别与指标提取方法

Publications (2)

Publication Number Publication Date
CN108710730A true CN108710730A (zh) 2018-10-26
CN108710730B CN108710730B (zh) 2021-10-19

Family

ID=63867633

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810400475.8A Active CN108710730B (zh) 2018-04-28 2018-04-28 基于多点检测数据的车辙横断面类型识别与指标提取方法

Country Status (1)

Country Link
CN (1) CN108710730B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111121659A (zh) * 2019-12-26 2020-05-08 扬州大学 一种路面车辙断面曲线成像仪
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
CN112160222A (zh) * 2020-07-28 2021-01-01 山东东泰工程咨询有限公司 基于点激光的路面车辙测试方法
CN112200779A (zh) * 2020-09-29 2021-01-08 河海大学 面向无人驾驶的路表车辙形状及构造横向差异度评价方法
CN112966393A (zh) * 2021-03-26 2021-06-15 深圳大学 路面跳车指数计算方法、装置、设备及可读存储介质
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
CN114108420A (zh) * 2021-12-01 2022-03-01 泗洪县城市建设投资经营集团有限公司 一种梯度洒布式的交叉口车辙修复方法
CN116091714A (zh) * 2022-11-18 2023-05-09 东南大学 一种沥青路面车辙三维形貌自动生成方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62152902A (ja) * 1985-12-26 1987-07-07 Yokohama Rubber Co Ltd:The 空気入りラジアルタイヤ
CN102359056A (zh) * 2011-07-20 2012-02-22 东南大学 一种沥青路面数据的检测方法
CN104239628A (zh) * 2014-09-10 2014-12-24 长安大学 一种检测车辆横向偏移对车辙深度误差的模拟分析方法
CN107633516A (zh) * 2017-09-21 2018-01-26 武汉武大卓越科技有限责任公司 一种识别路面变形类病害的方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62152902A (ja) * 1985-12-26 1987-07-07 Yokohama Rubber Co Ltd:The 空気入りラジアルタイヤ
CN102359056A (zh) * 2011-07-20 2012-02-22 东南大学 一种沥青路面数据的检测方法
CN104239628A (zh) * 2014-09-10 2014-12-24 长安大学 一种检测车辆横向偏移对车辙深度误差的模拟分析方法
CN107633516A (zh) * 2017-09-21 2018-01-26 武汉武大卓越科技有限责任公司 一种识别路面变形类病害的方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HAYDER KAMILSHANBARA等: "Rutting Prediction of a Reinforced Cold Bituminous Emulsion Mixture Using Finite Element Modelling", 《HTTPS://DOI.ORG/10.1016/J.PROENG.2016.11.613》 *
许新权 等: "沥青路面车辙评价指标与分级标准研究", 《交通科技》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111121659A (zh) * 2019-12-26 2020-05-08 扬州大学 一种路面车辙断面曲线成像仪
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
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
CN112160222A (zh) * 2020-07-28 2021-01-01 山东东泰工程咨询有限公司 基于点激光的路面车辙测试方法
CN112200779A (zh) * 2020-09-29 2021-01-08 河海大学 面向无人驾驶的路表车辙形状及构造横向差异度评价方法
CN112200779B (zh) * 2020-09-29 2022-07-19 河海大学 面向无人驾驶的路表车辙形状及构造横向差异度评价方法
CN112966393A (zh) * 2021-03-26 2021-06-15 深圳大学 路面跳车指数计算方法、装置、设备及可读存储介质
CN112966393B (zh) * 2021-03-26 2024-01-12 深圳大学 一种路面跳车指数计算方法
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
CN114108420A (zh) * 2021-12-01 2022-03-01 泗洪县城市建设投资经营集团有限公司 一种梯度洒布式的交叉口车辙修复方法
CN114108420B (zh) * 2021-12-01 2023-11-24 南京恒菲交通科技有限公司 一种梯度洒布式的交叉口车辙修复方法
CN116091714B (zh) * 2022-11-18 2023-10-31 东南大学 一种沥青路面车辙三维形貌自动生成方法
CN116091714A (zh) * 2022-11-18 2023-05-09 东南大学 一种沥青路面车辙三维形貌自动生成方法

Also Published As

Publication number Publication date
CN108710730B (zh) 2021-10-19

Similar Documents

Publication Publication Date Title
CN108710730A (zh) 基于多点检测数据的车辙横断面类型识别与指标提取方法
CN103778429B (zh) 一种车载激光扫描点云中道路信息自动提取方法
CN108664715B (zh) 一种路面积水车辙三维评价与行车安全分析方法
CN102913233B (zh) 一种基于无因次对比图版的优势流动通道识别方法
CN109737976A (zh) 地图道路区间和车道线全自动生成方法
CN104866670B (zh) 基于gps时空轨迹的路网拓扑变化自动检测方法及系统
CN105803909B (zh) 沥青路面半刚性基层破损状况的评价方法
CN106529593B (zh) 路面病害检测方法和系统
CN112132159B (zh) 一种连续剖面点云特征分析的路面坑槽提取方法
CN102879286A (zh) 公路土基回弹模量参数确定方法
CN109870458B (zh) 一种基于三维激光传感器及包围盒的路面裂缝检测与分类方法
CN104897676A (zh) 一种路表纹理的表征方法
CN111523825A (zh) 基于多维度的高速公路沥青路面长期性能评价方法
CN104931331B (zh) 一种沥青路面施工质量检测与评价方法
Jia et al. Characterization of rutting on asphalt pavement in terms of transverse profile shapes based on LTPP data
CN103245577A (zh) 沥青路面路基有效回弹模量确定方法
CN112884041A (zh) 一种基于养护历史路段划分方法、系统、设备及存储介质
CN106289036A (zh) 一种基于浮动车数据分析的道路宽度测量方法
CN106087645A (zh) 一种排水沥青路面养护时机的判定方法
CN115100173A (zh) 基于深度卷积神经网络的公路路面图像裂缝几何属性检测与裂缝识别方法
CN110837082B (zh) 一种用于路面裂缝探地雷达检测的试验装置及试验方法
CN108320324A (zh) 一种城市变化监测方法及系统
CN114386137A (zh) 基于倾斜摄影技术的道路地形曲面优化设计方法
CN109948282A (zh) 一种沥青路面使用性能区间非概率可靠性计算方法
CN113487663B (zh) 一种基于激光三维数据的路面构造深度计算方法

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
GR01 Patent grant