CN112348798A - 一种沥青路面病害自动化检测与分析评估方法 - Google Patents
一种沥青路面病害自动化检测与分析评估方法 Download PDFInfo
- Publication number
- CN112348798A CN112348798A CN202011247347.8A CN202011247347A CN112348798A CN 112348798 A CN112348798 A CN 112348798A CN 202011247347 A CN202011247347 A CN 202011247347A CN 112348798 A CN112348798 A CN 112348798A
- Authority
- CN
- China
- Prior art keywords
- information
- pavement
- deep
- steps
- disease
- 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.)
- Pending
Links
- 201000010099 disease Diseases 0.000 title claims abstract description 48
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 title claims abstract description 15
- 238000004458 analytical method Methods 0.000 title claims abstract description 10
- 239000010426 asphalt Substances 0.000 title claims abstract description 10
- 238000011156 evaluation Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 26
- 239000002344 surface layer Substances 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 13
- 238000001228 spectrum Methods 0.000 claims description 9
- 230000009429 distress Effects 0.000 claims 2
- 238000012360 testing method Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种沥青路面病害自动化检测与分析评估方法,包括沿路面进行拍照获取表层信息;使用雷达获取路面深层信息;将表层信息和深层信息上传控制中心;将表层信息和表层数据库进行比对,获取病害类型;将深层信息和深层数据库比对,获取危害等级;将病害类型和危害等级一起生成路面病害图。通过表层信息获取病害类型,深层信息获得危害等级,将所有时段的路面病害类型和危害等级生成总的路面病害图,可以对检测路段的路面损害情况进行整体把握,可以对危害等级较高的区域进行及时的维修,提高路面的稳定性,使得车辆行驶更加安全,从而解决现有方法无法及时对公路病害进行检测,使得公路不能及时维护而影响驾驶的问题。
Description
技术领域
本发明涉及公路病害检测领域,尤其涉及一种沥青路面病害自动化检测与分析评估方法。
背景技术
近年来,我国的交通基础设施建设作为国家优先发展的战略目标,在规模总量上实现了快速增长,随着公路里程的不断增长、交通流量的快速增加,公众需求也随之日益提高,因此,如何做好养护工作,使公路保持一个良好的运行状态,是公路养护管理者面临的十分艰巨的任务。
现有技术中的取芯方法,主要是现场取件做室内体积及物理指标的测试。这样无法对公路现场的情况进行检测,使得无法及时掌握公路状况,使得公路损害而影响驾驶。
发明内容
本发明的目的在于提供一种沥青路面病害自动化检测与分析评估方法,旨在解决现有方法无法及时对公路病害进行检测,使得公路不能及时维护而影响驾驶的问题。
为实现上述目的,一方面,本发明提供了一种沥青路面病害自动化检测与分析评估方法,包括沿路面进行拍照获取表层信息;使用雷达获取路面深层信息;将表层信息和深层信息上传控制中心;将表层信息和表层数据库进行比对,获取病害类型;将深层信息和深层数据库比对,获取危害等级;将病害类型和危害等级一起生成路面病害图。
其中,在所述将表层信息和深层信息上传控制中心之前,所述方法还包括:对深层信息进行高通滤波。
其中,所述对深层信息进行高通滤波的具体步骤是:进行低通滤波处理和全谱保真处理;将全谱保真处理得到的全谱断面数值图像与低通滤波处理得到的低通滤波连续断面数值图像进行差分。
其中,在所述将病害类型和危害等级一起生成路面病害图之前,所述方法还包括:沿路面记录抖动信息,并对危害等级进行修正。
其中,所述对路面进行拍照获取表层信息的具体步骤是:对路面进行拍照获取灰度图;切割灰度图,并提取含有边缘信息的黑白二值图像,边缘为白色,背景为黑色;填补黑白二值图像线条和轮廓缝隙得到表层信息。
其中,所述使用雷达获取路面深层信息的具体步骤是:采用阵列雷达沿路面进行扫描;接收路面反射信息;对反射信息进行存储并拼接形成深层信息。
其中,所述扫描间隔为1-2S。
本发明的一种沥青路面病害自动化检测与分析评估方法,包括沿路面进行拍照获取表层信息;使用雷达获取路面深层信息;将表层信息和深层信息上传控制中心;将表层信息和表层数据库进行比对,获取病害类型;将深层信息和深层数据库比对,获取危害等级;将病害类型和危害等级一起生成路面病害图。通过表层信息和表层数据库比对可以获取病害类型,然后深层信息和深层数据库对比可以获得危害等级,最后将所有时段的路面病害类型和危害等级生成总的路面病害图,就可以对检测路段的路面损害情况进行整体的展示和把握,从而可以对危害等级较高的区域进行及时的维修,提高路面的稳定性,使得车辆行驶更加安全,从而解决现有方法无法及时对公路病害进行检测,使得公路不能及时维护而影响驾驶的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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是本发明的一种沥青路面病害自动化检测与分析评估方法的流程图;
图2是本发明的沿路面进行拍照获取表层信息的流程图;
图3是本发明的使用雷达获取路面深层信息的流程图;
图4是本发明的对深层信息进行高通滤波的流程图;
图5是本发明的将表层信息和表层数据库进行比对,获取病害类型的流程图;
图6是本发明的将深层信息和深层数据库比对,获取危害等级的流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
请参阅图1,本发明提供一种沥青路面病害自动化检测与分析评估方法,包括:
S101沿路面进行拍照获取表层信息;
在待测路面放置测试车,在测试车辆上放置摄像头阵列,沿公路横截面椅子排开,从而可以同时对路面的一个横截面进行拍照,减少由于摄像头畸变引起的失真。请参阅图2,具体的步骤是:
S201对路面进行拍照获取灰度图;
灰度图,是把白色与黑色之间按对数关系分为若干等级,称为灰度。灰度分为256阶。通过图片像素的灰度值变化率可以对图像中的路面破损情况进行识别。
S202切割灰度图,并提取含有边缘信息的黑白二值图像,边缘为白色,背景为黑色;
按照一定长度将灰度图进行分块切割,并对灰度值变化率大的区域进行标记并识别边缘信息,将边缘设置为白色,其他设置为黑色,从而使得白色区域为特征区域。
S203填补黑白二值图像线条和轮廓缝隙得到表层信息。
基于插值法将断点进行填充,从而形成连续的白色轮廓图像,可选的插值函数包括多项式和三角函数,针对值差较大的去还可以进行分段插值,从而可以得到当前区域的表层信息。
S102使用雷达获取路面深层信息;
采用摄像头的方式,会因为路面杂物和摄像头的影响而带入较大的误差,因此采用雷达扫描的方式进行修正。雷达发射电磁波对目标进行照射并接收其回波,由此获得目标至电磁波发射点的距离、距离变化率(径向速度)、方位、高度等信息。在照射到地表的杂物时,距离更短,而照射到缝隙、端面时,反射距离更长,从而可以对缝隙的深度进行判断,并剔除路面以上物体的干扰。
请参阅图3,具体步骤是:
S301采用阵列雷达沿路面进行扫描;
阵列雷达沿路面横截面放置,同时对路面的一个横截面进行扫描,可以获取对应位置的路面深度情况,还可以辅助对临近雷达的数据进行修正。考虑到功耗的要求,所述扫描间隔为1-2S。
S302接收路面反射信息;
使用雷达的接收系统接收路面的反射信息。
S303对反射信息进行存储并拼接形成深层信息。
将所有雷达的反射信息进行存储,然后基于预先设计的拼接算法对所有反射信息进行拼接,并对邻近雷达的参数进行校正,可以形成最终的深层信息。
S103对深层信息进行高通滤波;
雷达在接收数据的过程中会产生误差,因此需要进行滤波。
请参阅图4,具体步骤是:
S401进行低通滤波处理和全谱保真处理;
S402将全谱保真处理得到的全谱断面数值图像与低通滤波处理得到的低通滤波连续断面数值图像进行差分。
S104将表层信息和深层信息上传控制中心;
对数据进行处理需要强大的算力支撑,而在测量车上搭载这样的系统成本较高,因此采用云计算的方式将信息上传控制中心进行处理。
S105将表层信息和表层数据库进行比对,获取病害类型;
请参阅图5,具体步骤是:
S501获取表层数据库;
在检测之前,已经预先搜集了部分的表层信息特征的数据库,并对不同的病害特征提取了不同的标签,从而可以和现在检测的数据进行比对,以确认现有的病害类型。
S502基于表层数据库对表层信息进行扩张检测,对判断出的病害区域进行标记;
在整段待检测路面会生成大量的检测数据,为了进行更加准确地判断,采用将当前时刻的表层信息和附近时刻的表层信息进行综合判断的扩张检测,从而可以对一段路面的病害情况进行判断。
S503将病害区域进行连接,形成整体病害图;
将相邻的病害区域进行连接,可以形成整体的病害图以辅助判断。
S504基于表层数据库判断整体病害图的病害类型。
提取整体病害图的标签和表层数据库进行比对,从而可以判断当前路段的病害类型。
S106将深层信息和深层数据库比对,获取危害等级;
请参阅图6,具体步骤是:
S601对深层信息进行分段;
对同一横截面的深层信息,沿横截面进行分段,从而可以对不同段的病害情况进行同时比对,提高工作效率。
S602抽取每段深层信息的最大灰度值;
每段深层信息的最大灰度值代表了最深的深度,从而可以对当前段的危害等级进行判断,缝隙越深,使得最大灰度值越大。
S603将最大灰度值与深层数据库进行比对,获取每段的危害等级;
在深度数据库中预先对不同的最大灰度值进行分段,将每段深层信息的最大灰度值和深层数据库对比后,可以得到危害等级。
S604基于不同的权重计算总危害等级。
由于路面的碾压情况是不一致的,一般车辆靠路面中间行驶,使得有两个位置范围会经常受压,因此可以将路面分成五段,中间段相邻的两端受压更重,可以采用的计算公式如下:
A=0.1A1+0.3A2+0.2A3+0.3A4+0.1A5,其中A为总危险等级,Ai为每段的危害等级。
S107沿路面记录抖动信息,并对危害等级进行修正;
在检测车辆上设置陀螺仪可以对车辆的抖动情况进行记录,在抖动幅度大的地方路面危害等级就更高,从而可以对雷达产生的危害等级进行进一步的修正以提高准确性。
S108将病害类型和危害等级一起生成路面病害图。
最后将所有时段的路面病害类型和危害等级生成总的路面病害图,就可以对检测路段的路面损害情况进行整体的展示和把握,从而可以对危害等级较高的区域进行及时的维修,提高路面的稳定性,使得车辆行驶更加安全,从而解决现有方法无法及时对公路病害进行检测,使得公路不能及时维护而影响驾驶的问题。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (7)
1.一种沥青路面病害自动化检测与分析评估方法,其特征在于,
包括沿路面进行拍照获取表层信息;
使用雷达获取路面深层信息;
将表层信息和深层信息上传控制中心;
将表层信息和表层数据库进行比对,获取病害类型;
将深层信息和深层数据库比对,获取危害等级;
将病害类型和危害等级一起生成路面病害图。
2.如权利要求1所述的一种沥青路面病害自动化检测与分析评估方法,其特征在于,
在所述将表层信息和深层信息上传控制中心之前,所述方法还包括:对深层信息进行高通滤波。
3.如权利要求2所述的一种沥青路面病害自动化检测与分析评估方法,其特征在于,
所述对深层信息进行高通滤波的具体步骤是:
进行低通滤波处理和全谱保真处理;
将全谱保真处理得到的全谱断面数值图像与低通滤波处理得到的低通滤波连续断面数值图像进行差分。
4.如权利要求1所述的一种沥青路面病害自动化检测与分析评估方法,其特征在于,
在所述将病害类型和危害等级一起生成路面病害图之前,所述方法还包括:沿路面记录抖动信息,并对危害等级进行修正。
5.如权利要求1所述的一种沥青路面病害自动化检测与分析评估方法,其特征在于,
所述对路面进行拍照获取表层信息的具体步骤是:
对路面进行拍照获取灰度图;
切割灰度图,并提取含有边缘信息的黑白二值图像,边缘为白色,背景为黑色;
填补黑白二值图像线条和轮廓缝隙得到表层信息。
6.如权利要求1所述的一种沥青路面病害自动化检测与分析评估方法,其特征在于,
所述使用雷达获取路面深层信息的具体步骤是:
采用阵列雷达沿路面进行扫描;
接收路面反射信息;
对反射信息进行存储并拼接形成深层信息。
7.如权利要求6所述的一种沥青路面病害自动化检测与分析评估方法,其特征在于,
所述扫描间隔为1-2S。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011247347.8A CN112348798A (zh) | 2020-11-10 | 2020-11-10 | 一种沥青路面病害自动化检测与分析评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011247347.8A CN112348798A (zh) | 2020-11-10 | 2020-11-10 | 一种沥青路面病害自动化检测与分析评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112348798A true CN112348798A (zh) | 2021-02-09 |
Family
ID=74362371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011247347.8A Pending CN112348798A (zh) | 2020-11-10 | 2020-11-10 | 一种沥青路面病害自动化检测与分析评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112348798A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1074812A (ja) * | 1996-06-26 | 1998-03-17 | Hitachi Ltd | 被検査パターンの検査方法及び製造プロセス診断方法並びに半導体基板の製造方法 |
CN104751435A (zh) * | 2013-12-27 | 2015-07-01 | 哈尔滨理大晟源科技开发有限公司 | 基于无线传感器的公路路面病害检测方法 |
CN107059578A (zh) * | 2017-03-24 | 2017-08-18 | 东北林业大学 | 基于图像处理的路面裂缝病害检测系统 |
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 |
JP2019190838A (ja) * | 2018-04-18 | 2019-10-31 | コニカミノルタ株式会社 | 路面状態検出システムおよび路面状態検出方法 |
CN110910354A (zh) * | 2019-11-07 | 2020-03-24 | 安徽乐道信息科技有限公司 | 道路检测车及道路检测方法、装置 |
CN110965439A (zh) * | 2019-08-12 | 2020-04-07 | 武汉理工大学 | 基于沥青混合料介电模型的道路沉陷病害图像解译方法 |
SE1851273A1 (en) * | 2018-10-17 | 2020-04-18 | Zuragon Sweden AB | Method and system for calibration of sensor signals in a vehicle |
CN111783686A (zh) * | 2020-07-03 | 2020-10-16 | 中国交通通信信息中心 | 一种沥青路面健康状态监测系统和方法 |
-
2020
- 2020-11-10 CN CN202011247347.8A patent/CN112348798A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1074812A (ja) * | 1996-06-26 | 1998-03-17 | Hitachi Ltd | 被検査パターンの検査方法及び製造プロセス診断方法並びに半導体基板の製造方法 |
CN104751435A (zh) * | 2013-12-27 | 2015-07-01 | 哈尔滨理大晟源科技开发有限公司 | 基于无线传感器的公路路面病害检测方法 |
CN107059578A (zh) * | 2017-03-24 | 2017-08-18 | 东北林业大学 | 基于图像处理的路面裂缝病害检测系统 |
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 |
JP2019190838A (ja) * | 2018-04-18 | 2019-10-31 | コニカミノルタ株式会社 | 路面状態検出システムおよび路面状態検出方法 |
SE1851273A1 (en) * | 2018-10-17 | 2020-04-18 | Zuragon Sweden AB | Method and system for calibration of sensor signals in a vehicle |
CN110965439A (zh) * | 2019-08-12 | 2020-04-07 | 武汉理工大学 | 基于沥青混合料介电模型的道路沉陷病害图像解译方法 |
CN110910354A (zh) * | 2019-11-07 | 2020-03-24 | 安徽乐道信息科技有限公司 | 道路检测车及道路检测方法、装置 |
CN111783686A (zh) * | 2020-07-03 | 2020-10-16 | 中国交通通信信息中心 | 一种沥青路面健康状态监测系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11391569B2 (en) | Method and device for monitoring water volume change, computer device and storage medium | |
Kumar et al. | Automated road markings extraction from mobile laser scanning data | |
CN109522804B (zh) | 一种道路边沿识别方法及系统 | |
CN111985494B (zh) | 一种基于轻量化车载终端的道路病害检测及分类方法 | |
CN102768022B (zh) | 采用数码照相技术的隧道围岩变形检测方法 | |
CN111179152B (zh) | 一种道路标识识别方法及装置、介质、终端 | |
Sithole et al. | Bridge detection in airborne laser scanner data | |
CN108845569A (zh) | 生成三维高清道路图水平弯道行车线的半自动点云方法 | |
CN101689296A (zh) | 用于产生道路信息的方法及设备 | |
CN104463903A (zh) | 一种基于目标行为分析的行人图像实时检测方法 | |
CN114280322B (zh) | 基于光栅阵列传感器的车辆定位测速系统及方法 | |
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 | |
Zhang et al. | A patch-based method for the evaluation of dense image matching quality | |
CN112070756A (zh) | 一种基于无人机倾斜摄影的路面立体病害测量方法 | |
CN115422981B (zh) | 面向单频机载激光测深数据的水陆分类方法、系统及应用 | |
Che et al. | Efficient segment-based ground filtering and adaptive road detection from mobile light detection and ranging (LiDAR) data | |
CN114842166A (zh) | 应用于结构化道路的负障碍检测方法、系统、介质及设备 | |
CN112379393B (zh) | 一种列车碰撞预警方法及其装置 | |
CN112857312A (zh) | 依据沉降速率的不同时序差分干涉地面沉降测量融合方法 | |
CN112348798A (zh) | 一种沥青路面病害自动化检测与分析评估方法 | |
CN116245996A (zh) | 一种矿区非结构化道路的点云渲染方法及系统 | |
CN115436966A (zh) | 一种激光雷达参考水深控制点批量提取方法 | |
CN109580979B (zh) | 基于视频处理的车速实时测量方法 | |
CN114236538A (zh) | 一种三维探地雷达评价沥青路面结构内部状况的方法 | |
KR102568111B1 (ko) | 도로 경계 추출 장치 및 방법 |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Yuan Shouguo Inventor after: Hu Jian Inventor after: Mao Zhijian Inventor after: Chen Yang Inventor before: Yuan Shouguo Inventor before: Hu Jian Inventor before: Mao Zhijian Inventor before: Chen Yang |
|
CB03 | Change of inventor or designer information |