CN113487663B - 一种基于激光三维数据的路面构造深度计算方法 - Google Patents
一种基于激光三维数据的路面构造深度计算方法 Download PDFInfo
- Publication number
- CN113487663B CN113487663B CN202110630930.5A CN202110630930A CN113487663B CN 113487663 B CN113487663 B CN 113487663B CN 202110630930 A CN202110630930 A CN 202110630930A CN 113487663 B CN113487663 B CN 113487663B
- Authority
- CN
- China
- Prior art keywords
- dimensional data
- matrix
- road surface
- dimensional
- value
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 32
- 238000010276 construction Methods 0.000 title claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 8
- 230000000007 visual effect Effects 0.000 abstract description 7
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000005192 partition Methods 0.000 abstract description 2
- 239000010426 asphalt Substances 0.000 description 6
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于激光三维数据的路面构造深度计算方法，主要包含以下内容：1.线激光三维扫描设备通过移动扫描路面，获得路面扫描区域三维数据；2.将深度矩阵分为一定大小的小区域，提取分区最大值与位置，根据这些最大值点采用griddata函数进行插值，得到MTD计算基准矩阵RS；3.根据三维数据采用griddata函数进行插值，得到新的深度矩阵Z’；4.RS与Z’的差值矩阵的平均值即为扫描区域路面的MTD值。本发明提出的构造深度计算方法充分利用完整的路面三维数据，有效避免了外界噪声干扰，计算精确，运算效率高，三维直观显示，为路面抗滑性能智能化评估提供有效数据，实现路面三维智能检测评估。
Description
技术领域
本发明属于道路检测领域与三维数据处理技术领域，具体涉及一种基于激光三维数据的路面构造深度计算方法。
背景技术
截至2019年年末，我国已建成501.25万公里公路，公路密度52.21公里/百平方公里。随着高速公路车流量与车速的增加，交通安全问题凸显，路面状况对道路安全具有重要影响，恶劣天气下路面抗滑不足是事故发生的重要原因之一。经研究，沥青路面表面宏观构造深度(Mean Texture Depth，简称MTD)可以在雨天提供路表排水性能和轮胎滚动摩擦力，从而影响路面的抗滑性能，MTD还影响着车辆行驶舒适性、燃料消耗与噪声污染，同时是评价路面寿命周期内表现与性能的重要指标。《公路沥青路面设计规范》JTG D50-2017规定，高速公路、一级公路以及山岭重丘区二级和三级公路的沥青路面在交工验收时需满足构造深度技术要求，在表面层沥青混合料选择时考虑抗滑性能对公称最大粒径进行限制，在养护维修阶段构造深度可以表征路面性能状况。因此，沥青路面表面宏观构造深度作为路面抗滑性能重要指标之一，对其准确、高效检测在路面整个寿命周期内都具有重要意义。
目前常见的路面构造深度检测方法主要有：
(1)手工铺砂法和电动铺砂法，以体积法为原理计算MTD值，具有操作简便、成本低廉的优点，但耗费大量人力，影响正常通行，样本的选取具有随机性、不连续性，且不适于评估排水路面，不能全面地评估路面抗滑性能。
(2)基于数字图像的计算方法，以SFS(Shape from shading)法为原理，通过表面二维灰度图像恢复出三维几何模型，但路面表面形态复杂，灰度受光照等外界干扰大，实际应用前景较小。
(3)道路多功能智能检测系统，如国外的Hawkeye系统、ARAN系统和国内的武大卓越系统等，这些系统主要采用激光测距仪与加速度计检测断面信息，其采用的点激光存在数据间断问题，且系统成本高。
现有的这些方法均有自身局限，难以平衡检测精度、检测时间、设备成本和抗噪声干扰等多方面因素，基于激光三角法的线结构光三维扫描技术应用于路面检测具有很好的前景，具有高精度、高效率、成本适中、直观显示的优点，其采集的三维数据更能全面精确反映路面深度信息，但是针对激光扫描系统采集的三维数据的MTD快速稳定计算方法有待研究。
发明内容
本发明基于激光三维数据，分区域求最大值并拟合出计算基准面，利用蒙特卡洛求定积分法求取计算基准面与路面之间的体积进而求得MTD值，本发明针对线激光三维扫描设备采集的路面三维数据提出了一种基于激光三维数据的路面构造深度计算方法，稳定高效精确地计算激光三维扫描区域路面MTD值。
为了解决上述技术问题，本发明提供了一种基于激光三维数据的路面构造深度计算方法，包括以下步骤：
步骤1、通过线激光三维扫描设备获得路面扫描区域的三维数据，所述三维数据构成大小为m*n的深度矩阵Z，Z中的元素值表示深度信息；
步骤2、将Z划分为若干设定大小的分块矩阵，提取每个分块矩阵中元素的最大值及其在Z中的位置；
步骤3、根据步骤2提取得到的最大值及其在Z中的位置，采用griddata函数进行插值，插值的结果构成MTD计算基准矩阵RS；
步骤4、根据步骤1中的三维数据，采用griddata函数进行与RS相同间隔的插值，插值的结果构成路面扫描区域新的深度矩阵Z’；
步骤5、求取RS与Z’的差值矩阵，该差值矩阵的平均值即为扫描区域路面的MTD值。
进一步：所述步骤2具体包括以下步骤：
步骤2.1：将Z划分为M*N个分块矩阵，则第i行、第j列的分块矩阵表示为aij；
步骤2.2：提取aij中元素的最大值valueij，同时记录该最大值在Z中的位置。
进一步：所述步骤3具体包括以下步骤：
步骤3.1：根据valueij及其在Z中的位置，得到M*N个三维数据(rij,cij,valueij)，其中(rij,cij)为valueij在Z中的位置；
步骤3.2：采用griddata函数，以插值间隔d对步骤3.1得到的三维数据进行插值，插值的结果构成MTD计算基准矩阵RS。
有益效果：
(1)本发明利用了激光三维扫描完整的三维数据对MTD值进行计算，避免了二维图像的问题，扫描过程与处理过程智能化减少人工操作影响，且设备成本较低，计算效率高，稳定性好，完整的扫描数据有利于准确评估路面抗滑性能；
(2)本发明提供的提取计算基准面对路面三维数据进行MTD计算的方法，是铺砂法体积法原理在三维数据中的实现，有效避免了外界噪声干扰，计算精确，运算效率高，三维直观显示，为路面抗滑性能智能化评估提供有效数据。
附图说明
图1是本发明的方法流程图；
图2是本发明具体实施方式中的三维数据深度矩阵Z的部分数据；
图3是本发明具体实施方式中的计算基准矩阵RS三维显示；
图4是本发明具体实施方式中的深度矩阵Z’与MTD计算基准矩阵RS共同三维显示。
具体实施方式
下面通过附件以及具体实施例对本发明的技术方案作进一步阐述：
本实施例基于以下假设，以实现对路面激光三维数据的构造深度计算：
1、激光三维扫描路面经过处理得到三维数据；
2、深度矩阵Z的行列实际间隔为已知值；
3、经过试验验证对于300*300的深度矩阵，区域分割为60*60的大小计算MTD值较为准确，对于其他大小矩阵可灵活调整。
如图1所示，本实施例具体包括以下步骤：
步骤1、线激光三维扫描设备通过移动扫描路面，获得路面扫描区域的三维数据，所述三维数据构成大小为300*300(实际大小为9cm*9cm)的深度矩阵Z，Z中的元素值表示深度信息，图2是Z的部分数据示例。
步骤2、将Z划分为若干设定大小的分块矩阵，提取每个分块矩阵中元素的最大值及其在Z中的位置。
步骤2.1：将Z划分为5*5个分块矩阵，则第i行、第j列的分块矩阵表示为aij；；
步骤2.2：提取aij中元素的最大值valueij，同时记录该最大值在Z中的位置。
步骤3、根据步骤2提取得到的最大值及其在Z中的位置，采用griddata函数进行插值拟合，得到MTD计算基准矩阵RS。
步骤3.1：根据valueij及其在Z中的位置，得到5*5个三维数据(rij,cij,valueij)，其中(rij,cij)为valueij在Z中的位置；
步骤3.2：以插值间隔0.1mm对步骤3.1得到的三维数据进行插值，使用griddata函数对插值得到的三维数据进行拟合，得到MTD计算基准矩阵RS，并采用surf函数对矩阵进行三维直观显示如图3所示。
步骤4、根据步骤1中的三维数据，采用griddata函数进行与RS相同间隔0.1mm的插值拟合，得到路面扫描区域新的深度矩阵Z’。
步骤5、求取MTD计算基准矩阵RS与路面深度矩阵Z’的差值矩阵记为矩阵Q，Q＝RS-Z’，将RS和Z’两个矩阵分别通过surf函数进行三维直观显示如图4所示。计算矩阵Q的平均值即为扫描区域路面的MTD值。
本实施例应用体积法原理，对三维深度矩阵进行分区求取最大值，采用griddata函数拟合曲面，得到MTD计算基准曲面；在根据三维数据采用griddata函数拟合出路面扫描区域的路面曲面；利用蒙特卡洛求定积分法求取计算MTD基准面与路面曲面间的体积，体积与路面扫描区域面积之比即为MTD值。
蒙特卡洛求定积分法求两个曲面间包络的体积时公式为其中Q(x)＝q1(x)-q2(x)，q1(x)和q2(x)分别为两个曲面函数值，在面积Sn内按均匀分布取N个随机样本点xi，则构造深度计算公式为/>
由于MTD计算基准曲面是基于RS拟合得到，路面曲面是基于Z’拟合得到，那么根据可以将MTD值的计算简化为：直接对RS和Z’作差，得到的差值矩阵的平均值即为所要求的MTD值。
以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。
Claims (3)
1.一种基于激光三维数据的路面构造深度计算方法，其特征在于：包括以下步骤：
步骤1、通过线激光三维扫描设备获得路面扫描区域的三维数据，所述三维数据构成大小为m*n的深度矩阵Z，Z中的元素值表示深度信息；
步骤2、将Z划分为若干设定大小的分块矩阵，提取每个分块矩阵中元素的最大值及其在Z中的位置；
步骤3、根据步骤2提取得到的最大值及其在Z中的位置，采用griddata函数进行插值，插值的结果构成MTD计算基准矩阵RS；
步骤4、根据步骤1中的三维数据，采用griddata函数进行与RS相同间隔的插值，插值的结果构成路面扫描区域新的深度矩阵Z’；
步骤5、求取RS与Z’的差值矩阵，该差值矩阵的平均值即为扫描区域路面的MTD值。
2.根据权利要求1所述的一种基于激光三维数据的路面构造深度计算方法，其特征在于：所述步骤2具体包括以下步骤：
步骤2.1：将Z划分为M*N个分块矩阵，则第i行、第j列的分块矩阵表示为aij；
步骤2.2：提取aij中元素的最大值valueij，同时记录该最大值在Z中的位置。
3.根据权利要求2所述的一种基于激光三维数据的路面构造深度计算方法，其特征在于：所述步骤3具体包括以下步骤：
步骤3.1：根据valueij及其在Z中的位置，得到M*N个三维数据(rij,cij,valueij)，其中(rij,cij)为valueij在Z中的位置；
步骤3.2：采用griddata函数，以插值间隔d对步骤3.1得到的三维数据进行插值，插值的结果构成MTD计算基准矩阵RS。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110630930.5A CN113487663B (zh) | 2021-06-07 | 2021-06-07 | 一种基于激光三维数据的路面构造深度计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110630930.5A CN113487663B (zh) | 2021-06-07 | 2021-06-07 | 一种基于激光三维数据的路面构造深度计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113487663A CN113487663A (zh) | 2021-10-08 |
| CN113487663B true CN113487663B (zh) | 2024-03-22 |
Family
ID=77934365
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110630930.5A Active CN113487663B (zh) | 2021-06-07 | 2021-06-07 | 一种基于激光三维数据的路面构造深度计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113487663B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104537652A (zh) * | 2014-12-17 | 2015-04-22 | 中交第一公路勘察设计研究院有限公司 | 一种水泥混凝土路面刻槽深度三维检测算法及系统 |
| CN106767493A (zh) * | 2016-12-05 | 2017-05-31 | 南京理工大学 | 一种变基准面凹坑深度测量方法 |
| WO2017219391A1 (zh) * | 2016-06-24 | 2017-12-28 | 深圳市唯特视科技有限公司 | 一种基于三维数据的人脸识别系统 |
| CN107796325A (zh) * | 2017-10-12 | 2018-03-13 | 南京中高知识产权股份有限公司 | 一种路面纹理构造深度的测量方法与测量系统 |
-
2021
- 2021-06-07 CN CN202110630930.5A patent/CN113487663B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104537652A (zh) * | 2014-12-17 | 2015-04-22 | 中交第一公路勘察设计研究院有限公司 | 一种水泥混凝土路面刻槽深度三维检测算法及系统 |
| WO2017219391A1 (zh) * | 2016-06-24 | 2017-12-28 | 深圳市唯特视科技有限公司 | 一种基于三维数据的人脸识别系统 |
| CN106767493A (zh) * | 2016-12-05 | 2017-05-31 | 南京理工大学 | 一种变基准面凹坑深度测量方法 |
| CN107796325A (zh) * | 2017-10-12 | 2018-03-13 | 南京中高知识产权股份有限公司 | 一种路面纹理构造深度的测量方法与测量系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113487663A (zh) | 2021-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103114514B (zh) | 一种水泥混凝土路面刻槽构造深度检测算法 | |
| CN102494667B (zh) | 一种表征地面沉降的方法 | |
| CN102096072B (zh) | 一种城市部件自动化测量方法 | |
| CN107705566B (zh) | 一种城市道路交通噪声预测方法及系统 | |
| CN111507375B (zh) | 一种城市内涝风险快速评估方法及系统 | |
| CN112270677B (zh) | 一种路面宏观纹理获取及典型指标计算方法 | |
| CN112965077B (zh) | 一种基于车载激光雷达的道路巡检系统与方法 | |
| 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 | |
| CN111553017B (zh) | 基于bim的路面病害分析展示方法及系统 | |
| CN105261018A (zh) | 基于光学模型和暗原色先验理论的能见度检测方法 | |
| CN108984599B (zh) | 一种利用行驶轨迹参考的车载激光点云路面提取方法 | |
| CN103310459B (zh) | 一种基于三维信息的水泥混凝土路面构造深度的检测方法 | |
| CN111815117B (zh) | 一种基于Grasshopper平台城市易涝程度模拟评价方法 | |
| Xing et al. | Improving the performance of city-scale hydrodynamic flood modelling through a GIS-based DEM correction method | |
| CN112766664A (zh) | 基于gis平台的城市面源污染风险识别方法及装置 | |
| Lee et al. | Automating the evaluation of urban roadside drainage systems using mobile lidar data | |
| Li et al. | 2D-wavelet based micro and macro texture analysis for asphalt pavement under snow or ice condition | |
| CN109190593B (zh) | 基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法 | |
| CN113487663B (zh) | 一种基于激光三维数据的路面构造深度计算方法 | |
| CN116737989B (zh) | 一种基于视频图像的城市地表水文监测网构建方法 | |
| CN111455787B (zh) | 一种基于路面三维数字化的路面检测系统 | |
| Sidorchuk et al. | Variability of shallow overland flow velocity and soil aggregate transport observed with digital videography | |
| Ihs et al. | Road user effect models: the influence of rut depth on traffic safety | |
| CN117541928B (zh) | 一种基于卷积神经网络的城市建筑物质存量估算方法及系统 | |
| CN116977666A (zh) | 一种城市道路点云数据的绿度空间的评价方法及可读存储介质 |
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 |