CN112907739B - 一种井盖高程差信息获取方法、装置及系统 - Google Patents
一种井盖高程差信息获取方法、装置及系统 Download PDFInfo
- Publication number
- CN112907739B CN112907739B CN202110087587.4A CN202110087587A CN112907739B CN 112907739 B CN112907739 B CN 112907739B CN 202110087587 A CN202110087587 A CN 202110087587A CN 112907739 B CN112907739 B CN 112907739B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- well
- circle
- frame
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000000605 extraction Methods 0.000 claims abstract description 23
- 238000006243 chemical reaction Methods 0.000 claims abstract description 5
- 230000009466 transformation Effects 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000003708 edge detection Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种井盖高程差信息获取方法、装置及系统,该方法包括:通过点云数据采集装置获得井盖的点云数据;对所述点云数据存在的倾角进行姿态角弥补;所述姿态角为所述点云数据采集装置的姿态角;对姿态角弥补后的所述点云数据进行图像边缘提取,获得边缘信息图像;根据所述边缘信息图像采用Hough变换圆识别方法分别确定井盖和井框的位置;根据所述井盖和所述井框的位置计算所述井盖的盖框差和路框差。本发明提高了井盖高程差信息获取的速度和准确性。
Description
技术领域
本发明涉及井盖高程差获取技术领域,特别是涉及一种井盖高程差信息获取方法、装置及系统。
背景技术
在城市道路的建设中,地下管线设施担负起城市中排水、燃气、电力、光纤网络等各种职能。而作为地下管道的入口,井盖保护着城市地下管线设施的正常运转。但同时井盖也给地面上行人、车辆的活动带来了一定程度的安全隐患。井盖缺失、井盖破损带来的安全问题层出不穷。各个地区都出现过因井盖问题造成的人员伤亡或是财产损失。随着道路基础建设的加快,及时检查获取到井盖的病害情况,对井盖病害情况做出相应的措施,从而降低井盖的安全隐患,成为了需要被日益重视的问题。在井盖病害的检查上,井盖的高程差是参考性很强的指标。当前对于井盖高程差的测量上,以盖框差、路框差为主要指标。其中盖框差指井盖和井框的高程差,路框差指井框和路面的高程差。以上指标不仅可以衡量井盖的病害情况,还可根据井盖高度差来判定路面的平整情况,确定路面质量。
目前,在井盖高程差的测量上,传统的测量方式为手动测量。手动测量的方式不仅费时费力,而且在公路上进行手动测量还会给测量人员带来安全隐患。近年来,通过车载激光探头测量系统对井盖和路面高程差的检查方式也被投入使用,但是这种测量方式要求激光探头扫过井盖顶部,井盖在公路的位置和激光探头在工作车辆上的安装位置都对这种测量方式有一定的限制,且在使用车载激光探头测量系统时,也无法在未对地面观测时判断井盖存在于测量信息的哪一部分。
发明内容
基于此,本发明的目的是提供一种井盖高程差信息获取方法、装置及系统,提高了井盖高程差信息的获取速度和准确性。
为实现上述目的,本发明提供了如下方案:
一种井盖高程差信息获取方法,所述方法包括:
通过点云数据采集装置获得井盖的点云数据;
对所述点云数据存在的倾角进行姿态角弥补;所述姿态角为所述点云数据采集装置的姿态角;
对姿态角弥补后的所述点云数据进行图像边缘提取,获得边缘信息图像;
根据所述边缘信息图像采用Hough变换圆识别方法分别确定井盖和井框的位置;
根据所述井盖和所述井框的位置计算所述井盖的盖框差和路框差。
可选地,所述通过点云数据采集装置获得井盖的点云数据,具体包括:
通过激光雷达摄像头获得井盖的点云数据;
可选地,所述对姿态角弥补后的所述点云数据进行图像边缘提取,获得边缘信息图像,具体包括:
对姿态角弥补后的所述点云数据进行图像增强处理;
对图像增强后的所述点云数据的灰度值进行OSTU最大分割阈值法得到OSTU阈值;
将所述OSTU阈值作为Canny算子边缘检测方法的阈值;
采用所述Canny算子边缘检测方法对图像增强后的所述点云数据进行图像边缘提取,获得边缘信息图像。
可选地,所述根据所述边缘信息图像采用Hough变换圆识别方法分别确定井盖和井框的位置,具体包括:
在所述边缘信息图像中取N条平行的横向直线和M条平行的纵向直线;各平行直线之间的间距小于设定值;
将各直线与所述边缘信息图像的边缘的焦点定义为关键点,各所述关键点组成关键点点集;
在所述关键点点集中通过随机Hough变换圆识别所述边缘信息图像中的圆,定义为第一圆;
获取所述第一圆的同心圆,将所述同心圆定义为第二圆,并确定井盖和井框的位置;所述第一圆和所述第二圆中半径大的圆为井框,半径小的圆为井盖。
本发明还公开了一种井盖高程差信息获取装置,所述的井盖高程差信息获取方法应用于所述井盖高程差信息获取装置,所述井盖高程差信息获取装置包括:
移动设备、搭载支架、点云数据采集装置和控制器;所述搭载支架搭载于所述移动设备顶部,所述点云数据采集装置设置在所述搭载支架上;所述控制器与所述点云数据采集装置通讯连接;
点云数据采集装置用于获得井盖的点云数据并将所述点云数据发送到所述控制器,所述控制器用于根据所述点云数据确定所述井盖的盖框差和路框差;所述盖框差为井盖和井框的高程差,所述路框差为路面与井框的高程差。
可选地,所述点云数据采集装置为激光雷达摄像头。
可选地,所述搭载支架上设有支架臂,所述点云数据采集装置搭载于所述支架臂上,所述点云数据采集装置的镜头方向与地面的水平夹角为120°。
可选地,所述支架臂距地面2m以上。
可选地,还包括显示装置,所述显示装置与所述点云数据采集装置电连接,所述显示装置用于显示所述点云数据。
本发明公开了一种井盖高程差信息获取系统,所述系统包括:
点云数据获取模块,用于获得井盖的点云数据;
姿态角弥补模块,用于对所述点云数据存在的倾角进行姿态角弥补;所述姿态角为所述点云数据采集装置的姿态角,所述点云数据通过所述点云数据采集装置获得;
边缘信息图像提取模块,用于对姿态角弥补后的所述点云数据进行图像边缘提取,获得边缘信息图像;
Hough变换圆识别模块,用于根据所述边缘信息图像采用Hough变换圆识别方法分别确定井盖和井框的位置;
高程差计算模块,用于根据所述井盖和所述井框的位置计算所述井盖的盖框差和路框差。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明根据获取的井盖的点云数据依次进行姿态角弥补、边缘信息图像提取、Hough变换圆识别和高程差计算确定所述井盖的盖框差和路框差,降低了人为因素影响,使井盖高程差信息获取更便捷,提高了井盖高程差信息获取的速度和准确性。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种井盖高程差信息获取方法流程示意图;
图2为本发明一种井盖高程差信息获取装置结构示意图;
图3为本发明姿态角弥补的方法流程示意图;
图4为本发明边缘信息图像提取的方法流程示意图;
图5为本发明关键点采样的方法流程示意图;
图6为本发明基于关键点的随机Hough变换圆识别的方法流程示意图;
图7为本发明同心圆识别的方法流程示意图;
图8为本发明高程值计算原理示意图;
图9为本发明一种井盖高程差信息获取系统示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种井盖高程差信息获取方法、装置及系统,提高了井盖高程差信息的获取速度和准确性。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明一种井盖高程差信息获取方法流程示意图,如图1所示,一种井盖高程差信息获取方法包括以下步骤:
步骤101:通过点云数据采集装置获得井盖的点云数据。
所述通过点云数据采集装置获得井盖的点云数据,具体包括:通过激光雷达摄像头(简称LiDAR)获得井盖的点云数据。
步骤102:对所述点云数据存在的倾角进行姿态角弥补;所述姿态角为所述点云数据采集装置的姿态角。
步骤103:对姿态角弥补后的所述点云数据进行图像边缘提取,获得边缘信息图像。
所述对姿态角弥补后的所述点云数据进行图像边缘提取,获得边缘信息图像,具体包括:
对姿态角弥补后的所述点云数据进行图像增强处理。
对图像增强后的所述点云数据的灰度值进行OSTU最大分割阈值法得到OSTU阈值。
将所述OSTU阈值作为Canny算子边缘检测方法的阈值。
采用所述Canny算子边缘检测方法对图像增强后的所述点云数据进行图像边缘提取,获得边缘信息图像。
步骤104:根据所述边缘信息图像采用Hough变换圆识别方法分别确定井盖和井框的位置。
所述根据所述边缘信息图像采用Hough变换圆识别方法分别确定井盖和井框的位置,具体包括:
在所述边缘信息图像中取N条平行的横向直线和M条平行的纵向直线;各平行直线之间的间距小于设定值。
将各直线与所述边缘信息图像的边缘的焦点定义为关键点,各所述关键点组成关键点点集。
在所述关键点点集中通过随机Hough变换圆识别所述边缘信息图像中的圆,定义为第一圆。
获取所述第一圆的同心圆,将所述同心圆定义为第二圆,并确定井盖和井框的位置;所述第一圆和所述第二圆中半径大的圆为井框,半径小的圆为井盖。
步骤105:根据所述井盖和所述井框的位置计算所述井盖的盖框差和路框差。
本发明一种井盖高程差信息获取方法中姿态角弥补可将采集的公路井盖点云数据存在的倾角进行弥补,从而使点云数据中公路部分高程值基本一致,使井盖部分高程值在公路中更为显著;图像边缘提取可提取出公路井盖点云数据中包含的像素灰度值的边缘信息,便于改良Hough变换圆识别通过边缘信息提取出井盖部分在点云数据中的位置;改良Hough变换圆识别借助图像边缘提取的结果,识别井盖部分在点云数据中的位置,以确保高程值计算可获取到合理的井盖高程值、井框高程值以及路面高程值;高程值计算借助改良Hough变换圆识别的结果,根据井盖、井框在点云数据中的位置,计算出准确的盖框差、路框差的值。
所述姿态角弥补,指通过LiDAR的姿态角对点云数据进行弥补,还原路面的原始信息,将LiDAR采集帧信息中点云数据的角度进行补偿,使点云数据的公路部分高程值基本一致,井盖部分高程值与公路相比更为显著,高程值的计算更准确。
LiDAR与地面存在的夹角以空间直角坐标系为基准,故对点云的角度信息进行补偿,便是将由于LiDAR倾角造成的含倾斜角的点云数据转化至与水平面平齐的点云数据,即通过一个映射以实现该功能。
图3为本发明姿态角弥补的方法流程示意图,如图3所示姿态角弥补具体步骤如下:首先根据原始点云信息(点云数据)中边缘位置的点(坐标是(0,0)的点,一般为点云数据中的左上角,以下称为点云边缘点)的水平面坐标(0,0)高程值h0以及任意点的水平面坐标(xi,yi)高程值hi,获取两点间的欧几里得距离mi,这一步通常由姿态角弥补算法使用的点云处理功能库完成;在获得mi后,由mi以及h0-hi求得两点直线与LiDAR平面夹角α,且有:
获得以上信息,再根据LiDAR的姿态角信息,得到LiDAR所在平面与水平面的夹角θ,可得到将含倾斜角的点云数据转化至与水平面平齐的点云数据的映射如下:
h′0=h0cosθ
h′i=(hi-micosαtanθ)cosθ
通过以上映射,可以使公路上的所有点高程差基本一致,让井盖的高程差信息在点云数据中更为显著。
所述图像边缘提取,指通过图像增强、OSTU最大分割阈值法和Canny算子边缘提取法对所述点云数据中的边缘信息进行提取,提取后的图像中仅存在点云数据中的物体边缘信息,用于提供良好的边缘信息给所述改良Hough变换圆识别,使其可获取到井盖在点云数据中的位置。
所述图像增强,指将图像的可用信息增强,用于增强所述井盖信息获取设备采集到的各图像中的可用信息;可选的,图像增强的方式为同态滤波法。
所述OSTU最大间隔方差阈值法,用于将图像的OSTU阈值提供给所述Canny算子边缘检测,以实现自适应Canny算子边缘检测。
图4为本发明边缘信息图像提取的方法流程示意图,如图4所示,通过边缘信息图像提取方法对点云数据中的灰度值进行处理。
首先对点云数据中的灰度值进行图像增强处理,使灰度信息更为显著,便于边缘提取操作。
图像增强后,对灰度信息进行OSTU最大分割阈值法得到OSTU阈值,再将阈值用于Canny算子边缘检测中,实现Canny边缘检测的阈值自适应化。
Canny算子边缘检测包括以下步骤:对图像进行高斯模糊、对图像各像素点计算梯度幅值和方向、对梯度幅值进行非极大值抑制、对非极大值抑制后的结果进行双阈值检测和边缘连接;所述双阈值检测中含高阈值、低阈值两个参数;所述高阈值为OSTU最大间隔方差阈值(OSTU阈值);所述低阈值为OSTU最大间隔方差阈值的λ倍(0<λ<1);λ为0.5。
所述改良Hough变换圆识别,指在所述点云数据中通过改良的Hough变换圆识别获取点云数据中的圆,用于定位井盖在点云数据中的方位,便于对井盖高程差进行获取;其中改良Hough变换圆识别,包括关键点采样、基于关键点的随机Hough变换圆识别和同心圆识别,改良Hough变换圆识别用于获取井盖、井框、路面三个部分在图像中的区域。
所述关键点采样,指在点云数据被Canny算子边缘提取后的边缘信息中,在图像中取若干条间距相等且间距为d的横纵直线,在所述横纵直线上存在边缘信息的像素则是采样获取的关键点,关键点组成点集U;所述间距d的大小应小于井盖在边缘信息中的半径r,使得每一个井盖的边缘都可被取到10个点以上在点集U中;所述半径r为井盖在边缘信息中的半径,由井盖的实际半径以及LiDAR的安装方式有关;由于单条街道的井盖规格一致,故r的值在单次测量时为恒定。
所述基于关键点的随机Hough变换圆识别,指在点集U中通过随机Hough变换圆识别获取图像中的圆;在进行随机Hough变换圆识别时,规定圆半径r±ξr为识别范围,ξ为一误差区间值,有0<ξ<1;所述随机Hough变换圆识别获取的圆即为所述公路点云中的井盖或是对应井框在点云数据的范围。
图5为本发明关键点采样的方法流程示意图,如图5所示,首先在边缘信息图像中取横纵若干道横纵直线,各平行直线间距d应小于井盖在图像中的半径r;所述井盖在图像中的半径r由LiDAR的姿态及LiDAR距地面的高度所决定,r为井盖在图像中可能出现的最小半径;d=r/2;所述各直线与边缘信息的交点为关键点,所有关键点组成点集U;点集U为基于关键点的随机Hough变换圆识别提供了数据基础。
通过点集U限定随机Hough变换圆识别的范围,而不是对所有的边缘信息进行Hough变换圆识别,可在保证识别结果准确的前提下,大幅度减少随机Hough变换圆识别的计算量,大幅提升随机Hough变换圆识别的计算速度,使井盖识别所需时间大幅减小。
所述同心圆识别,指对所述基于关键点的随机Hough变换圆识别的结果的同心圆进行获取,用于在获取所述点云数据中的井盖或对应井框中的其中一者时,得到另一者在点云数据中的范围。
图6为本发明基于关键点的随机Hough变换圆识别的方法流程示意图,如图6所示,基于所述点集U进行随机Hough变换的具体步骤如下:在点集U中任选3个点U1、U2、U3进行遍历,取点P0使P0U1=P0U2=P0U3,且P0Ui=rc、r<rc<r+Δr(i=1,2,3),其中r为井盖在图像中可能出现的最小半径,Δr为误差值,r+Δr为井盖在图像中可能出现的最大半径;此时U1、U2、U3均处于以P0为圆心、rc为半径的圆上;在点集U中寻找若干点Uk,使rc-Δrc<P0Uk<rc+Δrc,其中Δrc为误差值且足够小;若存在m个点Uki满足条件rc-Δrc<P0Uki<rc+Δrc,则认定以P0为圆心、rc为半径的圆是需识别的圆,即该圆可代表井盖在边缘信息中的位置;将识别到的圆放入集合C中,并将该圆记为Ci;所述遍历,指将U中所有元素中取出任意3个元素进行组合,直到不存在新的组合为止;点集U中不存在新的3个元素的组合时,认为点集U遍历结束;遍历结束且将所有遍历结果进行随机Hough变换圆识别后,则对集合C中的圆进行同心圆识别。
图7为本发明同心圆识别的方法流程示意图,如图7所示,步骤如下:将C中各圆Ci圆心Pi组成一个点集P,寻找点集U中n个及以上的点Upi与P中的点Pi距离接近同心圆基准,则由Upi组成的半径为rci’的圆Ci’和半径为rci的圆Ci组成同心圆;所述Upi与Pi距离接近同心圆基准,指Upi与Pi的距离在(1+δ)rci-Δrci与(1+δ)rci+Δrci之间,或是在rci/(1+δ)-Δrci与rci/(1+δ)+Δrci之间;其中δ为井框半径大于井盖半径部分rci’-rci与井盖半径rci之比,Δrci为误差值且足够小;δ为5%;若Ci存在同心圆Ci’,则认为Ci和Ci’为一组井盖目标,记为C0和C0’;若在集合C中有多个Ci存在同心圆Ci’,则从中选择|rci’-rci|/max(rci’,rci)的值最接近δ的一组同心圆为井盖目标,记为C0和C0’;其中C0为半径小的圆,为井盖;C0’为半径大的圆,为井框;若集合C中所有元素均不存在同心圆,则认为该图像中不存在井盖。
通过同心圆识别,可在识别到井盖或是井框时,识别井盖对应的井框或是井框对应的井盖,使得获取井盖的盖框差、路框差成为可能。
图8为本发明高程值计算原理示意图,如图8所示,在同心圆识别中获取的C0和C0’的圆周附近取一部分区域的高程值分别计算各对象的高程差。所述取一部分区域,指C0和C0’圆周边缘的一部分区域,分别为4个和C0圆同心、半径不一致且宽度为m个像素的圆环:半径为r1(r1小于C0圆半径rc0)的圆环M1;半径为r2(r2大于rc0,小于C0’圆半径rc0’)的圆环M2;半径为r3(r3大于r2,小于rc0’)的圆环M3和半径为r4(r4大于rc0’)的圆环M4。r1、rc0、r2和r3、rc0’、r4分别为两组等差数列,差值为ΔM。
计算得到M1、M2、M3和M4的平均高程值分别对应为h1、h2、h3和h4。
所述高程值计算,指在获取到井盖及对应井框在点云数据中的方位后,根据井盖及对应井框在公路点云中占据的像素点计算井盖、井框、井框附近路面三个部分的高程值,并根据三个高程值获得所述盖框差、路框差,计算公式如下:
hG=h2-h1
hL=h4-h3
hG为盖框差,hL为路框差;h1为井盖部分靠近井盖边缘处的一部分区域的平均高程值,该部分区域为与井盖同圆心、半径略小于井盖半径且宽度为m的圆环,记为M1;h2为井框部分靠近井盖边缘处的一部分区域的平均高程值,该部分区域为与井盖同圆心、半径在井盖半径与井框半径之间且宽度为m的圆环,记为M2;h3为井框部分靠近公路边缘处的一部分区域的平均高程值,该部分区域为与井盖同圆心、半径在M2半径与井框半径之间且宽度为m的圆环,记为M3;h4为公路部分靠近井框边缘处的一部分区域的平均高程值,该部分区域为与井盖同圆心、半径略大于井框半径之间且宽度为m的圆环,记为M4;
由M1、M2、M3、M4的定义可知,M1的平均高程值与M2的平均高程值的差便是盖框差,M3的平均高程值与M4的平均高程值的差便是路框差。
本发明还公开了一种井盖高程差信息获取装置,所述的井盖高程差信息获取方法应用于所述井盖高程差信息获取装置,图2为本发明一种井盖高程差信息获取装置结构示意图,如图2所示,所述井盖高程差信息获取装置包括:
移动设备、搭载支架(简称支架)、点云数据采集装置和控制器;所述搭载支架搭载于所述移动设备顶部,所述点云数据采集装置设置在所述搭载支架上;所述控制器与所述点云数据采集装置通讯连接。移动设备为任务用车辆(简称车辆),所述点云数据采集装置为激光雷达摄像头。
点云数据采集装置用于获得井盖的点云数据并将所述点云数据发送到所述控制器,所述控制器用于根据所述点云数据确定所述井盖的盖框差和路框差;所述盖框差为井盖和井框的高程差,所述路框差为路面与井框的高程差。
所述搭载支架上设有支架臂,所述点云数据采集装置搭载于所述支架臂上,支架臂顶端位于所车辆的车顶后端,用于搭载LiDAR使其获取地面的数据信息,所述支架臂与地面平行,且与所述车辆车尾构成平面垂直;且支架臂顶端分别距地面2m以上;支架臂顶端装载一个LiDAR,使LiDAR镜头方向与地面水平夹角为120°,且无向内或向外偏角。LiDAR镜头方向与地面水平夹角根据具体车辆以及路况来决定。
LiDAR获取点云数据并通过有线传输将数据传输至计算机,点云数据包含了LiDAR采集的灰度图像画面,以及画面中每一个点距离LiDAR拍摄面所在平面的水平距离,以及各点所处相对位置的三维坐标。连接LiDAR的数据线固定在所述支架和所述车辆上,并与置于车内的所述计算机连接。
LiDAR需获取自身设备的姿态角,所述姿态角包括LiDAR的前后方向、左右方向、上下方向的三个角度,用于算法完善所述点云数据。
所述计算机具有两个硬件接口,硬件接口用于通过数据线与LiDAR进行有线传输。
所述计算机中安装有所述软件,用于供用户通过操作软件以对井盖的高程差信息进行获取。所述软件中封装了井盖高程差信息获取方法,对LiDAR采集到的数据进行解析,以获得井盖的高程差数据。
软件提供操作界面,用于对所述LiDAR采集到的信息可视化处理,同时可由操作者控制LiDAR采集帧信息,并将LiDAR采集帧信息由软件封装的算法(井盖高程差信息获取方法)进行处理,以获取所述信息中的公路井盖高程差信息。所述软件使用C++进行编写,使用开发框架为Qt5
所述帧信息指LiDAR拍摄的单帧数据,其中包含该帧的点云数据以及8位灰度图像信息;所述点云数据中的每一像素点都具备高程值,该高程值为该像素距离LiDAR所在水平面的值。
本发明一种井盖高程差信息获取装置还包括显示装置,所述显示装置与所述点云数据采集装置电连接,所述显示装置用于显示所述点云数据。
LiDAR搭载于支架的支架臂顶端,通过有线传输将数据传输给计算机;计算机获取数据之后,由软件通过内部封装的算法将所述计算机获取的数据进行解析,根据LiDAR获取的公路井盖点云数据求得该井盖的盖框差和路框差,从而实现对公路井盖高程差的获取。
所述LiDAR搭载在安装于车辆的支架上,LiDAR将含公路井盖部分公路的颜色、形状等属性采集为点云数据,并将点云数据传输至放置于车辆内部的计算机中;计算机内安装有所述软件,所述软件中封装了所述算法,所述软件通过计算机端口获取到LiDAR传输的点云数据,再将相关信息经过软件中封装的所述算法进行处理;经过所述算法对LiDAR采集的点云数据依次执行姿态角弥补、图像边缘提取、改良Hough变换圆识别、高程值计算四个步骤处理后,即可通过LiDAR采集的含井盖的点云数据获得LiDAR采集的公路井盖的盖框差及路框差。
图9为本发明一种井盖高程差信息获取系统示意图,如图9所示,一种井盖高程差信息获取系统包括:
点云数据获取模块201,用于获得井盖的点云数据。
姿态角弥补模块202,用于对所述点云数据存在的倾角进行姿态角弥补;所述姿态角为所述点云数据采集装置的姿态角,所述点云数据通过所述点云数据采集装置获得。
边缘信息图像提取模块203,用于对姿态角弥补后的所述点云数据进行图像边缘提取,获得边缘信息图像。
Hough变换圆识别模块204,用于根据所述边缘信息图像采用Hough变换圆识别方法分别确定井盖和井框的位置。
高程差计算模块205,用于根据所述井盖和所述井框的位置计算所述井盖的盖框差和路框差。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种井盖高程差信息获取方法,其特征在于,所述方法包括:
通过点云数据采集装置获得井盖的点云数据;
对所述点云数据存在的倾角进行姿态角弥补;所述姿态角为所述点云数据采集装置的姿态角;
对姿态角弥补后的所述点云数据进行图像边缘提取,获得边缘信息图像;
根据所述边缘信息图像采用Hough变换圆识别方法分别确定井盖和井框的位置;
根据所述井盖和所述井框的位置计算所述井盖的盖框差和路框差;所述盖框差为井盖和井框的高程差,所述路框差为路面与井框的高程差;
所述根据所述边缘信息图像采用Hough变换圆识别方法分别确定井盖和井框的位置,具体包括:
在所述边缘信息图像中取N条平行的横向直线和M条平行的纵向直线;各平行直线之间的间距小于设定值;
将各直线与所述边缘信息图像的边缘的交点定义为关键点,各所述关键点组成关键点点集;
在所述关键点点集中通过随机Hough变换圆识别所述边缘信息图像中的圆,定义为第一圆;
获取所述第一圆的同心圆,将所述同心圆定义为第二圆,并确定井盖和井框的位置;所述第一圆和所述第二圆中半径大的圆为井框,半径小的圆为井盖。
2.根据权利要求1所述的井盖高程差信息获取方法,其特征在于,所述通过点云数据采集装置获得井盖的点云数据,具体包括:
通过激光雷达摄像头获得井盖的点云数据。
3.根据权利要求1所述的井盖高程差信息获取方法,其特征在于,所述对姿态角弥补后的所述点云数据进行图像边缘提取,获得边缘信息图像,具体包括:
对姿态角弥补后的所述点云数据进行图像增强处理;
对图像增强后的所述点云数据的灰度值进行OSTU最大分割阈值法得到OSTU阈值;
将所述OSTU阈值作为Canny算子边缘检测方法的阈值;
采用所述Canny算子边缘检测方法对图像增强后的所述点云数据进行图像边缘提取,获得边缘信息图像。
4.一种井盖高程差信息获取装置,其特征在于,权利要求1-3任意一项所述的井盖高程差信息获取方法应用于所述井盖高程差信息获取装置,所述井盖高程差信息获取装置包括:
移动设备、搭载支架、点云数据采集装置和控制器;所述搭载支架搭载于所述移动设备顶部,所述点云数据采集装置设置在所述搭载支架上;所述控制器与所述点云数据采集装置通讯连接;
点云数据采集装置用于获得井盖的点云数据并将所述点云数据发送到所述控制器,所述控制器用于根据所述点云数据确定所述井盖的盖框差和路框差;所述盖框差为井盖和井框的高程差,所述路框差为路面与井框的高程差。
5.根据权利要求4所述的井盖高程差信息获取装置,其特征在于,所述点云数据采集装置为激光雷达摄像头。
6.根据权利要求4所述的井盖高程差信息获取装置,其特征在于,所述搭载支架上设有支架臂,所述点云数据采集装置搭载于所述支架臂上,所述点云数据采集装置的镜头方向与地面的水平夹角为120°。
7.根据权利要求6所述的井盖高程差信息获取装置,其特征在于,所述支架臂距地面2m以上。
8.根据权利要求4所述的井盖高程差信息获取装置,其特征在于,还包括显示装置,所述显示装置与所述点云数据采集装置电连接,所述显示装置用于显示所述点云数据。
9.一种井盖高程差信息获取系统,其特征在于,所述系统包括:
点云数据获取模块,用于获得井盖的点云数据;
姿态角弥补模块,用于对所述点云数据存在的倾角进行姿态角弥补;所述姿态角为所述点云数据采集装置的姿态角,所述点云数据通过所述点云数据采集装置获得;
边缘信息图像提取模块,用于对姿态角弥补后的所述点云数据进行图像边缘提取,获得边缘信息图像;
Hough变换圆识别模块,用于根据所述边缘信息图像采用Hough变换圆识别方法分别确定井盖和井框的位置;
高程差计算模块,用于根据所述井盖和所述井框的位置计算所述井盖的盖框差和路框差;所述盖框差为井盖和井框的高程差,所述路框差为路面与井框的高程差;
所述根据所述边缘信息图像采用Hough变换圆识别方法分别确定井盖和井框的位置,具体包括:
在所述边缘信息图像中取N条平行的横向直线和M条平行的纵向直线;各平行直线之间的间距小于设定值;
将各直线与所述边缘信息图像的边缘的交点定义为关键点,各所述关键点组成关键点点集;
在所述关键点点集中通过随机Hough变换圆识别所述边缘信息图像中的圆,定义为第一圆;
获取所述第一圆的同心圆,将所述同心圆定义为第二圆,并确定井盖和井框的位置;所述第一圆和所述第二圆中半径大的圆为井框,半径小的圆为井盖。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110087587.4A CN112907739B (zh) | 2021-01-22 | 2021-01-22 | 一种井盖高程差信息获取方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110087587.4A CN112907739B (zh) | 2021-01-22 | 2021-01-22 | 一种井盖高程差信息获取方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112907739A CN112907739A (zh) | 2021-06-04 |
CN112907739B true CN112907739B (zh) | 2022-10-04 |
Family
ID=76117037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110087587.4A Active CN112907739B (zh) | 2021-01-22 | 2021-01-22 | 一种井盖高程差信息获取方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112907739B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160702A (zh) * | 2015-08-20 | 2015-12-16 | 武汉大学 | 基于LiDAR点云辅助的立体影像密集匹配方法及系统 |
CN106203238A (zh) * | 2015-05-05 | 2016-12-07 | 北京建筑大学 | 移动测图系统街景影像中井盖部件识别方法 |
CN106447683A (zh) * | 2016-08-09 | 2017-02-22 | 上海柏楚电子科技有限公司 | 一种圆的特征提取算法 |
CN109658428A (zh) * | 2018-12-14 | 2019-04-19 | 南京工程学院 | 基于Hough变换实现圆的快速检测方法 |
CN110866449A (zh) * | 2019-10-21 | 2020-03-06 | 北京京东尚科信息技术有限公司 | 识别道路中目标对象的方法和装置 |
CN111045021A (zh) * | 2019-12-19 | 2020-04-21 | 北京无线电计量测试研究所 | 一种井盖智能监测方法及系统 |
CN111626259A (zh) * | 2020-06-04 | 2020-09-04 | 哈尔滨理工大学 | 一种基于图像处理的结构化道路识别方法 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CH598432A5 (en) * | 1976-08-17 | 1978-04-28 | Alberto Corbetti | Draining shaft gulley grillage in road surface |
JP3245065B2 (ja) * | 1996-08-09 | 2002-01-07 | 株式会社東芝 | 管渠点検装置 |
JP3522268B2 (ja) * | 2002-04-26 | 2004-04-26 | 志賀産業株式会社 | マンホール蓋を含む枠取替え工法 |
CN102074011B (zh) * | 2011-01-12 | 2012-05-30 | 河南理工大学 | 数字图像中任意三角形的检测方法 |
KR101216528B1 (ko) * | 2012-11-08 | 2012-12-31 | (주) 일신이앤씨 | 도로 시설물을 이용한 도로대장의 데이터 측량시스템 |
JP2015059768A (ja) * | 2013-09-17 | 2015-03-30 | 株式会社Ntec | 段差計測装置、段差計測方法及びプログラム |
JP5628401B1 (ja) * | 2013-11-20 | 2014-11-19 | 日本電信電話株式会社 | マンホール鉄蓋最大段差量測定装置および方法、並びにこれに用いられる画素分解能算出装置、マンホール鉄蓋最大段差箇所検知装置、画素分解能算出方法、マンホール鉄蓋最大段差箇所検知方法 |
CN103778411B (zh) * | 2014-01-15 | 2017-02-01 | 宁波韦尔德斯凯勒智能科技有限公司 | 一种基于栅格图像划分的圆检测方法及装置 |
JP2015191572A (ja) * | 2014-03-28 | 2015-11-02 | 株式会社パスコ | マンホール検出装置、マンホール検出方法及びプログラム |
CN105182868A (zh) * | 2015-08-05 | 2015-12-23 | 中北大学 | 一种基于模块化和虚拟仪器的井盖状态监测系统 |
CN106056563A (zh) * | 2016-05-20 | 2016-10-26 | 首都师范大学 | 一种机载激光点云数据与车载激光点云数据融合方法 |
FR3067474B1 (fr) * | 2017-06-09 | 2021-11-19 | Inria Inst Nat Rech Informatique & Automatique | Dispositif informatique pour l'aide a la conduite |
US10901068B2 (en) * | 2017-08-14 | 2021-01-26 | Smartcover Systems | Manhole cover roadway radar safety device |
CN207376651U (zh) * | 2017-09-08 | 2018-05-18 | 泉州荼火贸易有限公司 | 一种交通道路井盖的安全装置 |
US10458093B2 (en) * | 2017-10-16 | 2019-10-29 | Jeffrey Allan Gilbert | On-site manhole casting system |
CN110264502B (zh) * | 2019-05-17 | 2021-05-18 | 华为技术有限公司 | 点云配准方法和装置 |
CN110728650B (zh) * | 2019-08-27 | 2023-04-18 | 深圳大学 | 一种基于智能终端的井盖凹陷检测方法及相关设备 |
CN211928621U (zh) * | 2020-03-26 | 2020-11-13 | 北京智城联合科技发展有限公司 | 市政设施管理系统 |
CN112095673B (zh) * | 2020-09-18 | 2021-11-26 | 国网江苏省电力有限公司宝应县供电分公司 | 一种电力防护安全报警装置 |
CN112081141A (zh) * | 2020-09-30 | 2020-12-15 | 上海浦林城建工程有限公司 | 一种基于圆弧状防腐垫块的窨井井框及其施工工艺 |
-
2021
- 2021-01-22 CN CN202110087587.4A patent/CN112907739B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203238A (zh) * | 2015-05-05 | 2016-12-07 | 北京建筑大学 | 移动测图系统街景影像中井盖部件识别方法 |
CN105160702A (zh) * | 2015-08-20 | 2015-12-16 | 武汉大学 | 基于LiDAR点云辅助的立体影像密集匹配方法及系统 |
CN106447683A (zh) * | 2016-08-09 | 2017-02-22 | 上海柏楚电子科技有限公司 | 一种圆的特征提取算法 |
CN109658428A (zh) * | 2018-12-14 | 2019-04-19 | 南京工程学院 | 基于Hough变换实现圆的快速检测方法 |
CN110866449A (zh) * | 2019-10-21 | 2020-03-06 | 北京京东尚科信息技术有限公司 | 识别道路中目标对象的方法和装置 |
CN111045021A (zh) * | 2019-12-19 | 2020-04-21 | 北京无线电计量测试研究所 | 一种井盖智能监测方法及系统 |
CN111626259A (zh) * | 2020-06-04 | 2020-09-04 | 哈尔滨理工大学 | 一种基于图像处理的结构化道路识别方法 |
Non-Patent Citations (3)
Title |
---|
一种新型Canny边缘检测算法研究;段志达 等;《牡丹江大学学报》;20200131;第29卷(第1期);第92-97页 * |
车载LiDAR系统在井盖病害监测中的应用研究;郭峰 等;《能源与环保》;20170430;第39卷(第4期);第64-67页 * |
车载激光扫描系统在井盖检测中的应用研究;孟强;《中国优秀博硕士学位论文全文数据库(硕士) 工程科技II辑》;20190515(第5期);第C038-1173页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112907739A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111855664B (zh) | 一种可调节隧道病害三维检测系统 | |
CN103778681B (zh) | 一种车载高速公路巡检系统及数据获取和处理方法 | |
EP3327198B1 (en) | Crack analyzer, crack analysis method, and crack analysis program | |
CN110008893B (zh) | 一种基于车载图像传感器的车辆行驶跑偏自动检测方法 | |
JP6646527B2 (ja) | 物体検知評価システム及び物体検知評価方法 | |
WO2008130219A1 (en) | Method of and apparatus for producing road information | |
JP2011504248A (ja) | 車線情報を作成する方法及び装置 | |
CN109060820B (zh) | 基于激光检测的隧道病害检测方法及隧道病害检测装置 | |
Soheilian et al. | 3D road marking reconstruction from street-level calibrated stereo pairs | |
CN112070756B (zh) | 一种基于无人机倾斜摄影的路面立体病害测量方法 | |
WO2021017211A1 (zh) | 一种基于视觉的车辆定位方法、装置及车载终端 | |
CN107145828B (zh) | 车辆全景图像处理方法及装置 | |
Ioli et al. | UAV photogrammetry for metric evaluation of concrete bridge cracks | |
CN112749584A (zh) | 一种基于图像检测的车辆定位方法及车载终端 | |
JP6929207B2 (ja) | 道路画像処理装置、道路画像処理方法、道路画像処理プログラム、および、記録媒体 | |
CN111310651B (zh) | 一种基于偏振相机和rgb-d传感器的水面检测方法 | |
CN113221883A (zh) | 无人机飞行导航路线实时修正方法 | |
CN112907739B (zh) | 一种井盖高程差信息获取方法、装置及系统 | |
CN113744393B (zh) | 一种多层级边坡滑坡变化监测方法 | |
CN115797338A (zh) | 基于双目视觉的全景路面多性能指标计算方法及系统 | |
CN115409691A (zh) | 融合激光测距和监控图像的双模态学习边坡风险检测方法 | |
Laureshyn et al. | Automated video analysis as a tool for analysing road user behaviour | |
Ziqiang et al. | Research of the algorithm calculating the length of bridge crack based on stereo vision | |
CN113191239A (zh) | 一种基于计算机视觉的车辆外廓尺寸动态检测系统 | |
CN112883778A (zh) | 一种基于计算机视觉的道路井盖高差识别方法及设备 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231102 Address after: 101, 8th Floor, Building 1, No. 8 Heiquan Road, Haidian District, Beijing, 100192 Patentee after: BEIJING BEIDOU TEACHING INSTRUMENT TECHNOLOGY Co.,Ltd. Address before: 030051 College of information and communication engineering, Zhongbei University, Jiancaoping District, Taiyuan City, Shanxi Province Patentee before: NORTH University OF CHINA |
|
TR01 | Transfer of patent right |