CN110363743A - 基于沥青混凝土路面激光三维数据的表面纹理分离方法 - Google Patents

基于沥青混凝土路面激光三维数据的表面纹理分离方法 Download PDF

Info

Publication number
CN110363743A
CN110363743A CN201910498480.1A CN201910498480A CN110363743A CN 110363743 A CN110363743 A CN 110363743A CN 201910498480 A CN201910498480 A CN 201910498480A CN 110363743 A CN110363743 A CN 110363743A
Authority
CN
China
Prior art keywords
surface texture
bituminous pavement
data
range data
texture
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
CN201910498480.1A
Other languages
English (en)
Other versions
CN110363743B (zh
Inventor
沙爱民
李伟
孙朝云
郝雪丽
孙红超
裴莉莉
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.)
Changan University
Original Assignee
Changan 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 Changan University filed Critical Changan University
Priority to CN201910498480.1A priority Critical patent/CN110363743B/zh
Publication of CN110363743A publication Critical patent/CN110363743A/zh
Application granted granted Critical
Publication of CN110363743B publication Critical patent/CN110363743B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • 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
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • 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
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30132—Masonry; Concrete

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Road Paving Structures (AREA)
  • Image Generation (AREA)

Abstract

本发明提供了一种基于沥青混凝土路面激光三维数据的表面纹理分离方法，包括以下步骤：步骤1，获取沥青路面表面纹理三维深度数据集合Q；步骤2，对所述沥青路面表面纹理三维深度数据集合Q中缺失数据进行填充处理；步骤3，对填充处理后的沥青路面表面纹理三维深度数据集合Q进行滤波处理，得到滤波后的沥青路面表面纹理三维深度数据集合Q′；步骤4，对Q′中的沥青路面表面纹理三维深度数据进行宏观纹理与微观纹理分离，得到沥青路面宏观纹理数据和沥青路面微观纹理数据；本发明在传统的分离方法上引入稳健估计理论，有效的解决宏观纹理受奇异值影响的问题，从而提升了传统分离方法的稳定性。

Description

基于沥青混凝土路面激光三维数据的表面纹理分离方法
技术领域
本发明属于道路工程领域，具体涉及一种基于沥青混凝土路面激光三维数据的表面纹理分离方法。
背景技术
沥青路面良好的抗滑性能是公路交通安全的前提。研究表明沥青路面抗滑性能主要取决于路面表面的宏观纹理和微观纹理，其中微观纹理决定低速行车条件下路面的抗滑性能，宏观纹理不仅影响干燥条件下的抗滑性能，而且影响高速行车过程中的路面抗滑性能。因此为了利用三维技术研究沥青路面的抗滑性能，对路面表面纹理有效地分离十分重要。目前表面形貌分离方法主要有分形法，Motif法，滤波法。上述现有方法的分离结果的精确度有待提高，且分离结果受奇异值的影响较大。
发明内容
针对现有技术中存在的不足，本发明的目的在于，提供一种基于沥青混凝土路面激光三维数据的表面纹理分离方法，解决现有技术无法高精度对路面的宏观纹理和微观纹理进行分离的技术问题。
为了解决上述技术问题，本申请采用如下技术方案予以实现：
一种基于沥青混凝土路面激光三维数据的表面纹理分离方法，包括以下步骤：
步骤1，获取沥青路面表面纹理三维深度数据集合Q；其中，m，n均为大于1的整数；z(x,y)表示第x行第y列所对应的沥青路面表面纹理三维深度数据；
步骤2，对所述沥青路面表面纹理三维深度数据集合Q中缺失数据进行填充处理；
步骤3，对填充处理后的沥青路面表面纹理三维深度数据集合Q进行滤波处理，得到滤波后的沥青路面表面纹理三维深度数据集合Q′；
步骤4，对Q′中的沥青路面表面纹理三维深度数据z′(x,y)进行宏观纹理与微观纹理分离，得到沥青路面宏观纹理数据w(x,y)和沥青路面微观纹理数据r(x,y)；
包括：
步骤41，设迭代因子i＝0，稳健权函数δ0(x,y)＝1，迭代精度t＝0.0001，迭代残差cB,0＝100000；
步骤42，通过式(1)得到疑似沥青路面宏观纹理特征wi(x,y)：
式(1)中，ξ为X方向上的卷积因子，η为Y方向上的卷积因子，δi(ξ,η)表示第i次迭代时的稳健权函数矩阵，g(x-ξ,y-η)为权函数矩阵；
步骤43，通过式(2)计算迭代残差cB,i+1；
CB,i+1＝4.4·med(|z′(x,y)-wi(x,y)|) (2)
步骤44，若|cB,i-cB,i+1|>t，i＝i+1，重复步骤42至步骤43；否则，将疑似沥青路面宏观纹理特征wi(x,y)作为沥青路面宏观纹理数据w(x,y)；
步骤45，通过式(3)得到沥青路面微观纹理数据r(x,y)：
r(x,y)＝z′(x,y)-w(x,y) (3)
式(3)中，z′(x,y)为滤波后的沥青路面表面纹理三维深度数据，w(x,y)为沥青路面宏观纹理数据。
进一步地，步骤2中对所述沥青路面表面纹理三维深度数据集合Q中缺失数据进行填充处理，包括：
步骤21，按照从上到下的顺序依次遍历沥青路面表面纹理三维深度数据集合Q每行的数据z(x,y)，若存在z(x,y)＝0，则利用三次样条插值算法和第y列上的沥青表面纹理三维深度数据对第x行第y列所对应的沥青表面纹理三维深度数据进行填充，得到Y方向上三次样条插值处理后的沥青表面纹理三维深度数据集合Qy；其中，x＝1,2,...,m，y＝1,2,...,n；
步骤22，按照从左到右的顺序依次遍历沥青路面表面纹理三维深度数据集合Q每列的数据z(x,y)，若存在z(x,y)＝0，则利用三次样条插值算法和第x行上的沥青表面纹理三维深度数据对第x行第y列所对应的沥青表面纹理三维深度数据进行填充，得到X方向上三次样条插值处理后的沥青表面纹理三维深度数据集合Qx；其中，x＝1,2,...,m，y＝1,2,...,n；
步骤23，依次从上到下，从左到右遍历集合Q、集合Qy和集合Qx，若存在z(x,y)＝0，则通过式(4)对第x行第y列所对应的沥青表面纹理三维深度数据进行填充；
z(x,y)＝(zx(x,y)+zy(x,y))/2,(x＝1,2,3…m,y＝1,2,3…n) (4)
式(4)中，zx(x,y)为X方向上三次样条插值处理后的沥青表面纹理三维深度数据；zy(x,y)为Y方向上三次样条插值处理后的沥青表面纹理三维深度数据。
进一步地，通过式(5)得到权函数矩阵g(x,y)；
式(5)中，lx为X方向上的扫描间隔，ly为Y方向上的扫描间隔，λc为沥青路面纹理分离截止波长，
x＝-mx,-mx+1,...,mx，y＝-my,-my+1,...,my，mx为X方向的半窗宽，mx＝λc/lx，my为Y方向的半窗宽，my＝λc/ly。
进一步地，通过式(6)得到第i次迭代时的稳健权函数矩阵；
其中，Δzi为第i次迭代后的残差，Δzi＝z′(x,y)-wi(x,y)。
本发明与现有技术相比，有益的技术效果是：
本发明在传统的分离方法上引入稳健估计理论，有效的解决宏观纹理受奇异值影响的问题，从而提升了传统分离方法的稳定性。
附图说明
图1是本发明方法的总流程图。
图2是所述沥青路面表面纹理三维深度数据三次样条插值处理效果图。
图3基于沥青混凝土路面激光三维数据的表面纹理分离方法的分离效果图。
图4是沥青路面表面纹理三维深度数据横断面轮廓的分离效果图。
图5是沥青路面表面纹理三维深度数据横断面轮廓宏观纹理对比图。
以下结合附图和实施例对本发明的具体内容作进一步详细解释说明。
具体实施方式
以下给出本发明的具体实施例，需要说明的是本发明并不局限于以下具体实施例，凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
实施例：
本实施例给出一种基于沥青混凝土路面激光三维数据的表面纹理分离方法，如图1所示，包括以下步骤：
步骤1，获取沥青路面表面纹理三维深度数据集合Q；其中，m，n均为大于1的整数；z(x,y)表示第x行第y列所对应的沥青表面纹理三维深度数据；
步骤2，对所述沥青路面表面纹理三维深度数据集合Q中缺失数据进行填充处理；
包括：
步骤21，按照从上到下的顺序依次遍历沥青路面表面纹理三维深度数据集合Q每行的数据z(x,y)，若存在z(x,y)＝0，说明该位置(第x行第y列所对应的沥青表面纹理三维深度数据)为数据缺失位置，则利用三次样条插值算法和第y列上的沥青表面纹理三维深度数据对第x行第y列所对应的沥青表面纹理三维深度数据进行填充，得到Y方向上三次样条插值处理后的沥青表面纹理三维深度数据集合Qy；其中，x＝1,2,...,m，y＝1,2,...,n；
步骤22，按照从左到右的顺序依次遍历沥青路面表面纹理三维深度数据集合Q每列的数据z(x,y)，若存在z(x,y)＝0，说明该位置(第x行第y列所对应的沥青表面纹理三维深度数据)为数据缺失位置，则利用三次样条插值算法和第x行上的沥青表面纹理三维深度数据对第x行第y列所对应的沥青表面纹理三维深度数据进行填充，得到X方向上三次样条插值处理后的沥青表面纹理三维深度数据集合Qx；其中，x＝1,2,...,m，y＝1,2,...,n；
步骤23，依次从上到下，从左到右遍历集合Q、集合Qy和集合Qx，若存在z(x,y)＝0，则通过式(4)对第x行第y列所对应的沥青表面纹理三维深度数据进行填充；最终的插值填充后的效果如图2所示。
z(x,y)＝(zx(x,y)+zy(x,y))/2,(x＝1,2,3…m,y＝1,2,3…n) (4)
式(4)中，zx(x,y)为X方向上三次样条插值处理后的沥青表面纹理三维深度数据；zy(x,y)为Y方向上三次样条插值处理后的沥青表面纹理三维深度数据。
步骤3，对填充处理后的沥青路面表面纹理三维深度数据集合Q进行滤波处理，得到滤波后的沥青路面表面纹理三维深度数据集合Q′；
本发明可采用中值滤波、高斯滤波等方法进行处理。
步骤4，对Q′中的沥青路面表面纹理三维深度数据z′(x,y)进行宏观纹理与微观纹理分离，得到沥青路面宏观纹理数据w(x,y)和沥青路面微观纹理数据r(x,y)；
包括：
步骤41，设迭代因子i＝0，稳健权函数δ0(x,y)＝1，迭代精度t＝0.0001，迭代残差cB,0＝100000；
步骤42，通过式(1)得到疑似沥青路面宏观纹理特征wi(x,y)：
式(1)中，ξ为X方向上的卷积因子，η为Y方向上的卷积因子，δi(ξ,η)表示第i次迭代时的稳健权函数矩阵，g(x-ξ,y-η)为权函数矩阵；
通过式(6)得到第i次迭代时的稳健权函数矩阵；
其中，Δzi为第i次迭代后的残差，Δzi＝z(x,y)-wi(x,y)。
通过式(5)得到权函数矩阵g(x,y)；
式(5)中，lx为X方向上的扫描间隔，ly为Y方向上的扫描间隔，λc为沥青路面纹理分离截止波长，
x＝-mx,-mx+1,...,mx，y＝-my,-my+1,...,my，mx为X方向的半窗宽，mx＝λc/lx，my为Y方向的半窗宽，my＝λc/ly。
由于微观纹理波长范围为0～0.5mm，宏观纹理波长范围为0.5～50mm，本实施例中沥青路面纹理分离截止波长λc＝0.5，根据双目立体视觉系统X,Y方向上的扫描间隔lx＝0.1，ly＝0.1。
步骤43，通过式(2)计算迭代残差cB,i+1；
CB,i+1＝4.4·med(|z(x,y)-wi(x,y)|) (2)
步骤44，若|cB,i-cB,i+1|>t，i＝i+1，重复步骤42至步骤43；否则，将疑似沥青路面宏观纹理特征wi(x,y)作为沥青路面宏观纹理数据w(x,y)；
步骤45，通过式(3)得到沥青路面微观纹理数据r(x,y)：
r(x,y)＝z′(x,y)-w(x,y) (3)
式(3)中，z′(x,y)为滤波后的沥青路面表面纹理三维深度数据，w(x,y)为沥青路面宏观纹理数据。
图3为基于沥青混凝土路面激光三维数据的表面纹理分离方法的分离效果，其中，图3(a)为滤波处理后路面三维深度数据，图3(b)为路面宏观纹理三维深度数据，图3(c)为路面微观纹理三维深度数据。从图3可以看出，宏观纹理三维深度数据的三维轮廓与滤波处理后的三维深度数据的三维轮廓基本一致，且微观纹理三维深度数据的幅值符合微观纹理的要求，因此本发明的路面表面纹理分离方法能够实现宏观纹理与微观纹理的有效分离。图4是沥青路面表面纹理三维深度数据横断面轮廓的分离效果，其中图4(a)为滤波后路面表面纹理三维深度数据横断面轮廓，图4(b)为滤波后路面宏观纹理三维深度数据横断面轮廓,图4(c)为滤波后路面微观纹理三维深度数据横断面轮廓，图4路面三维深度数据横断面轮廓可以更清晰的看出本发明能够有效实现宏观纹理与微观纹理的分离。图5是沥青路面表面纹理三维深度数据横断面轮廓宏观纹理对比，其中图5(a)为滤波后路面表面纹理三维深度数据横断面轮廓，图5(b)为基于传统分离方法的路面微观纹理三维深度数据横断面轮廓,图5(c)为基于本发明的路面宏观纹理三维深度数据横断面轮廓。从图5可以看出原始数据中存在奇异值时，基于传统分离方法得到的宏观纹理三维深度数据在奇异值处理发生波动，基于本发明的分离方法得到的宏观纹理在奇异值处相对比较平滑。因此基于本发明能够有效的解决奇异对宏观纹理的影响。

Claims (4)

1.一种基于沥青混凝土路面激光三维数据的表面纹理分离方法，其特征在于，包括以下步骤：
步骤1，获取沥青路面表面纹理三维深度数据集合Q；其中，m，n均为大于1的整数；z(x,y)表示第x行第y列所对应的沥青路面表面纹理三维深度数据；
步骤2，对所述沥青路面表面纹理三维深度数据集合Q中缺失数据进行填充处理；
步骤3，对填充处理后的沥青路面表面纹理三维深度数据集合Q进行滤波处理，得到滤波后的沥青路面表面纹理三维深度数据集合Q′；
步骤4，对Q′中的沥青路面表面纹理三维深度数据z′(x,y)进行宏观纹理与微观纹理分离，得到沥青路面宏观纹理数据w(x,y)和沥青路面微观纹理数据r(x,y)；
包括：
步骤41，设迭代因子i＝0，稳健权函数δ0(x,y)＝1，迭代精度t＝0.0001，迭代残差cB,0＝100000；
步骤42，通过式(1)得到疑似沥青路面宏观纹理特征wi(x,y)：
式(1)中，ξ为X方向上的卷积因子，η为Y方向上的卷积因子，δi(ξ,η)表示第i次迭代时的稳健权函数矩阵，g(x-ξ,y-η)为权函数矩阵；
步骤43，通过式(2)计算迭代残差cB,i+1；
CB,i+1＝4.4·med(|z′(x,y)-wi(x,y)|) (2)
步骤44，若|cB,i-cB,i+1|>t，i＝i+1，重复步骤42至步骤43；否则，将疑似沥青路面宏观纹理特征wi(x,y)作为沥青路面宏观纹理数据w(x,y)；
步骤45，通过式(3)得到沥青路面微观纹理数据r(x,y)：
r(x,y)＝z′(x,y)-w(x,y) (3)
式(3)中，z′(x,y)为滤波后的沥青路面表面纹理三维深度数据，w(x,y)为沥青路面宏观纹理数据。
2.如权利要求1所述的基于沥青混凝土路面激光三维数据的表面纹理分离方法，其特征在于，步骤2中对所述沥青路面表面纹理三维深度数据集合Q中缺失数据进行填充处理，包括：
步骤21，按照从上到下的顺序依次遍历沥青路面表面纹理三维深度数据集合Q每行的数据z(x,y)，若存在z(x,y)＝0，则利用三次样条插值算法和第y列上的沥青表面纹理三维深度数据对第x行第y列所对应的沥青表面纹理三维深度数据进行填充，得到Y方向上三次样条插值处理后的沥青表面纹理三维深度数据集合Qy；其中，x＝1,2,...,m，y＝1,2,...,n；
步骤22，按照从左到右的顺序依次遍历沥青路面表面纹理三维深度数据集合Q每列的数据z(x,y)，若存在z(x,y)＝0，则利用三次样条插值算法和第x行上的沥青表面纹理三维深度数据对第x行第y列所对应的沥青表面纹理三维深度数据进行填充，得到X方向上三次样条插值处理后的沥青表面纹理三维深度数据集合Qx；其中，x＝1,2,...,m，y＝1,2,...,n；
步骤23，依次从上到下，从左到右遍历集合Q、集合Qy和集合Qx，若存在z(x,y)＝0，则通过式(4)对第x行第y列所对应的沥青表面纹理三维深度数据进行填充；
z(x,y)＝(zx(x,y)+zy(x,y))/2,(x＝1,2,3…m,y＝1,2,3…n) (4)
式(4)中，zx(x,y)为X方向上三次样条插值处理后的沥青表面纹理三维深度数据；zy(x,y)为Y方向上三次样条插值处理后的沥青表面纹理三维深度数据。
3.如权利要求1所述的基于沥青混凝土路面激光三维数据的表面纹理分离方法，其特征在于，通过式(5)得到权函数矩阵g(x,y)；
式(5)中，lx为X方向上的扫描间隔，ly为Y方向上的扫描间隔，λc为沥青路面纹理分离截止波长，
x＝-mx,-mx+1,...,mx，y＝-my,-my+1,...,my，mx为X方向的半窗宽，mx＝λc/lx，my为Y方向的半窗宽，my＝λc/ly。
4.如权利要求1所述的基于沥青混凝土路面激光三维数据的表面纹理分离方法，其特征在于，通过式(6)得到第i次迭代时的稳健权函数矩阵；
其中，Δzi为第i次迭代后的残差，Δzi＝z′(x,y)-wi(x,y)。
CN201910498480.1A 2019-06-10 2019-06-10 基于沥青混凝土路面激光三维数据的表面纹理分离方法 Active CN110363743B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910498480.1A CN110363743B (zh) 2019-06-10 2019-06-10 基于沥青混凝土路面激光三维数据的表面纹理分离方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910498480.1A CN110363743B (zh) 2019-06-10 2019-06-10 基于沥青混凝土路面激光三维数据的表面纹理分离方法

Publications (2)

Publication Number Publication Date
CN110363743A true CN110363743A (zh) 2019-10-22
CN110363743B CN110363743B (zh) 2021-08-10

Family

ID=68216904

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910498480.1A Active CN110363743B (zh) 2019-06-10 2019-06-10 基于沥青混凝土路面激光三维数据的表面纹理分离方法

Country Status (1)

Country Link
CN (1) CN110363743B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111893849A (zh) * 2020-08-04 2020-11-06 广州市道路工程研究中心 同步碎石封层碎石撒布量和沥青洒布量检测方法及系统
CN112270677A (zh) * 2020-11-16 2021-01-26 武汉大学 一种路面宏观纹理获取及典型指标计算方法
CN116973302A (zh) * 2023-09-20 2023-10-31 四川省交通勘察设计研究院有限公司 一种路面抗滑性能检测方法、装置、设备和介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106441207A (zh) * 2016-10-18 2017-02-22 哈尔滨理工大学 用于具有表面深谷信号的表面粗糙度测量的高斯滤波方法
CN106839987A (zh) * 2017-03-30 2017-06-13 信阳师范学院 一种基于树干曲面模型的树干材积获取方法
CN107121440A (zh) * 2017-04-20 2017-09-01 阜阳师范学院 一种沥青路面集料分布均匀性检测与评价方法
CN108764157A (zh) * 2018-05-30 2018-11-06 湖北大学 基于法向量高斯分布的建筑物激光脚点提取方法及系统
CN108776729A (zh) * 2018-05-30 2018-11-09 四川大学 一种基于改进聚类算法的电动汽车充电负荷特征提取方法
CN109029328A (zh) * 2018-06-21 2018-12-18 哈尔滨工业大学 一种基于m估计的表面轮廓稳健样条滤波方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106441207A (zh) * 2016-10-18 2017-02-22 哈尔滨理工大学 用于具有表面深谷信号的表面粗糙度测量的高斯滤波方法
CN106839987A (zh) * 2017-03-30 2017-06-13 信阳师范学院 一种基于树干曲面模型的树干材积获取方法
CN107121440A (zh) * 2017-04-20 2017-09-01 阜阳师范学院 一种沥青路面集料分布均匀性检测与评价方法
CN108764157A (zh) * 2018-05-30 2018-11-06 湖北大学 基于法向量高斯分布的建筑物激光脚点提取方法及系统
CN108776729A (zh) * 2018-05-30 2018-11-09 四川大学 一种基于改进聚类算法的电动汽车充电负荷特征提取方法
CN109029328A (zh) * 2018-06-21 2018-12-18 哈尔滨工业大学 一种基于m估计的表面轮廓稳健样条滤波方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张建廷等: "新型自适应稳健双边滤波图像分割", 《浙江大学学报(工学版)》 *
王元元: "沥青路面抗滑特性与其表面粗糙特性之关系研究", 《中国博士学位论文全文数据库工程科技Ⅱ辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111893849A (zh) * 2020-08-04 2020-11-06 广州市道路工程研究中心 同步碎石封层碎石撒布量和沥青洒布量检测方法及系统
CN112270677A (zh) * 2020-11-16 2021-01-26 武汉大学 一种路面宏观纹理获取及典型指标计算方法
CN112270677B (zh) * 2020-11-16 2023-08-15 武汉大学 一种路面宏观纹理获取及典型指标计算方法
CN116973302A (zh) * 2023-09-20 2023-10-31 四川省交通勘察设计研究院有限公司 一种路面抗滑性能检测方法、装置、设备和介质
CN116973302B (zh) * 2023-09-20 2024-01-23 四川省交通勘察设计研究院有限公司 一种路面抗滑性能检测方法、装置、设备和介质

Also Published As

Publication number Publication date
CN110363743B (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
CN110363743A (zh) 基于沥青混凝土路面激光三维数据的表面纹理分离方法
Wei Building boundary extraction based on lidar point clouds data
EP2777952B1 (en) Pneumatic tire
CN102529594B (zh) 充气轮胎
CN102609917B (zh) 一种基于聚类算法的图像边缘拟合b样条生成方法
CN104029567B (zh) 一种摩托车充气轮胎胎面结构
CN107160948A (zh) 机动两轮车用轮胎胎面花纹结构
CN102883893B (zh) 充气轮胎
CN203600907U (zh) 载重汽车轮胎胎面
EP3025877B1 (en) Pneumatic tire
CN105216551A (zh) 一种全路况轮胎
CN203974424U (zh) 一种全地形轮胎
CN203995493U (zh) 摩托车充气轮胎胎面结构
CN202826991U (zh) 一种防夹石轮胎
WO2016097015A1 (en) Laser sintering method for manufacturing a tread molding element
CN206537085U (zh) 一种商用轻型载重汽车轮胎
JP5746522B2 (ja) 空気入りタイヤ
CN205044445U (zh) 脚踏电动两用的自行车胎胎面花纹
CN206666973U (zh) 一种用于路面排水的沥青混凝土路面横向刻槽结构
CN106739833A (zh) 一种轮胎
JP6236857B2 (ja) 空気入りタイヤ
CN203600908U (zh) 载重汽车轮胎胎面花纹
CN202782522U (zh) 街跑车两用充气轮胎
CN108932743B (zh) 一种基于激光点云的路面病害特征图像生成方法
CN209126445U (zh) 一种轮胎胎面花纹及轮胎

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