CN113808124A - 一种基于点云技术的桥头跳车判定方法 - Google Patents
一种基于点云技术的桥头跳车判定方法 Download PDFInfo
- Publication number
- CN113808124A CN113808124A CN202111138154.3A CN202111138154A CN113808124A CN 113808124 A CN113808124 A CN 113808124A CN 202111138154 A CN202111138154 A CN 202111138154A CN 113808124 A CN113808124 A CN 113808124A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- bump
- bridge head
- road
- elevation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005516 engineering process Methods 0.000 title claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000011282 treatment Methods 0.000 claims description 14
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000011835 investigation Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 239000010426 asphalt Substances 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 10
- 238000012423 maintenance Methods 0.000 abstract description 5
- 230000009191 jumping Effects 0.000 description 12
- 238000005259 measurement Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000003801 milling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000011150 reinforced concrete Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 230000007704 transition Effects 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
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Road Repair (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种基于点云技术的桥头跳车判定方法,包括:点云扫描仪的布设和采集、三维地貌的生成、点云数据预处理、点云数据网格化、高程面拟合、高程差值矩阵生成、桥头跳车严重程度判定以及处治方法。本发明能够对全幅道路桥头跳车情况进行判定,检测速度快,精度高,检测范围大,突破了以往只能检测单条侧线的障碍,确保了桥头跳车快速判定的准确性,且能够做到及时发现问题,及时处置,对于提升道路养护水平、保障道路行驶质量、保证公路安全具有重要的现实意义,可广泛应用于高等级公路桥头跳车的判定。
Description
技术领域
本发明属于公路养护技术领域,尤其涉及一种基于点云技术的桥头跳车判定方法。
背景技术
桥头跳车是普遍存在于我国高等级公路中的一种典型路面病害形式,随着公路等级的提高,桥隧比也越来越大,桥头跳车病害发生的频次也越来越多,桥头跳车病害的处置工作日益成为现阶段公路养护部门的工作重点之一。而常规的检查方法仅是进行行车调查,只有当跳车现象较为严重时,才能够对其判断。公路养护工作者对快速化判断高速公路桥头跳车进行了系统研究,首次提出了采用路面平整度判定桥头跳车的方法,同时也提出了相应的处置措施,但是该处置措施仍需要花费大量的时间进行外业数据采集,存在浪费时间、安全度低、数据采集量较小等突出问题。
发明内容
本发明针对现有的采用路面平整度判定桥头跳车的方法相应的处置措施存在的浪费时间、安全度低、数据采集量较小等突出问题,提出一种基于点云技术的桥头跳车判定方法,具有检测速度快,精度高,检测范围大,突破了以往只能检测单条车道的障碍,对于提升道路养护水平、保障道路行驶质量、保证公路安全具有重要的现实意义。
为了实现上述目的,本发明采用以下技术方案:
一种基于点云技术的桥头跳车判定方法,包括:利用点云扫描仪扫描桥头附近地表高程,生成桥头三维模型,进行桥头跳车快速判定。
进一步地,包括:
步骤1:选定待判断桥头跳车的桥梁位置;
步骤2:基于步骤1中所述位置选定扫描点位,将点云扫描仪放置于该扫描点位,开启点云扫描仪测得桥头附近30~50米范围内路表点云数据,自动生成桥头三维模型;
步骤3:对步骤2得出的桥头三维模型数据进行预处理及数据网格化;
步骤4:对整个路幅宽度的高程进行拟合,得出拟合高程面;
步骤5:比较拟合高程面与现有路面高程差值,输出高程差值矩阵;
步骤6:根据高程差值矩阵分车道判定桥头跳车程度,并将桥头跳车程度分为轻、重两级。
进一步地,所述步骤1中,采用经验式行车调查或平整度快速判定方法,选定待判断桥头跳车的桥梁位置。
进一步地,所述步骤3包括:
剪辑桥头三维模型数据,只保留道路护栏以内的路表数据值,同时对原始点云数据进行粗差剔除、降噪处理,排除异常点;
将网格横向或纵向中心点位置坐标记为该网格二维坐标值(X,Y),然后对网格内所有点的Z值即高程值进行遍历,计算平均值与标准偏差,根据3S法剔除超限Z值,剩余Z值求平均值作为该网格的代表Z值。
进一步地,所述步骤4包括:
以桥梁处网格数据为基础,采用二次抛物线以5~100cm间隔在道路纵向进行拟合,构成拟合骨架,在道路横向对同一X值网格数据点平滑连接构成拟合高程面。
进一步地,所述步骤6中,按照h>α×L对桥头跳车程度进行判定,当α大于0.5时为重度跳车,α大于0.3小于0.5时为轻度跳车;其中h为当前路面与拟合高程面的高程差;α为控制参数;L为从桥梁伸缩缝处到道路扫描点位的纵向距离。
进一步地,还包括:
步骤7:根据桥头跳车程度拟定不同的处置方式。
进一步地,所述步骤7包括:
对于轻度桥头跳车,采用压浆方式,根据需要压浆的范围确定压浆孔的布置;对于重度桥头跳车,分别拉坡计算处置厚度、长度,计算沥青铺筑工程量,选定处置方案,必要时分层铺筑。
与现有技术相比,本发明具有的有益效果:
(1)采样多。有别于原有的高程测量,选取一条或两条测线,每条测线测点数较少。激光雷达点云可实现桥头路面50~100米范围内的全路幅三维坐标的采集,数据采集量是传统方法的上万倍。
(2)精度高。以往高程测量需要人工读数,数据精度受仪器精度、技术人员操作熟练程度等影响。依靠点云技术获得的桥头三维数据间隔为毫米级,可以拟合整个路幅的高程起伏状况,而且不受人为因素影响,精度高,保持测量结果的实用性,以及桥头判定的准确性。
(3)效率快。以往依靠测线量测高程需要逐点读取相对高程数据,耗时多,工作量大,所需配备技术人员较多。激光雷达点云测量每个桥头,实际检测时间仅需3~5分钟,测量速度更快,时效性更强。
(4)安全好。人工检测车道高程需要封闭车道交通,占据车道时间较长,危险性较大。激光雷达点云的测点位置可以设置在紧急停车带或硬路肩处,保通工作量小,安全风险低。
本发明提供的一种基于点云技术的桥头跳车判定方法利用点云技术,道路模型生成速度快,数据采集频率高,检测范围大,覆盖面广,可以做到路幅全宽范围的桥头跳车检测,保证行车安全性。
附图说明
图1为本发明实施例一种基于点云技术的桥头跳车判定方法的流程图;
图2为本发明实施例一种基于点云技术的桥头跳车判定方法的桥头三维模型示例图;
图3为本发明实施例一种基于点云技术的桥头跳车判定方法的桥头附近点云数据预处理后示意图;
图4为本发明实施例一种基于点云技术的桥头跳车判定方法的网格化数据示意图;
图5为本发明实施例一种基于点云技术的桥头跳车判定方法的高程拟合面示意图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的解释说明:
本发明的一种基于点云技术的桥头跳车判定方法,包括:
利用点云扫描仪扫描桥头附近地表高程,生成桥头三维模型,进行桥头跳车快速判定。
进一步地,如图1所示,所述一种基于点云技术的桥头跳车判定方法具体包括:
步骤S101:选定待判断桥头跳车的桥梁位置;
步骤S102:基于步骤S101中所述位置选定扫描点位,将点云扫描仪放置于该扫描点位,开启点云扫描仪测得桥头附近30~50米范围内路表点云数据,自动生成桥头三维模型;
步骤S103:对步骤S102得出的桥头三维模型数据进行预处理及数据网格化;
步骤S104:对整个路幅宽度的高程进行拟合,得出拟合高程面;
步骤S105:比较拟合高程面与现有路面高程差值,输出高程差值矩阵;
步骤S106:根据高程差值矩阵分车道判定桥头跳车程度,并将桥头跳车程度分为轻、重两级。
进一步地,所述步骤S101中,采用经验式行车调查或平整度快速判定方法,选定待判断桥头跳车的桥梁位置。通过初步筛选,标定可能存在的桥头跳车位置,为点云扫描仪的扫描点位的选择奠定基础,避免了扫描点位选定的盲目性。
具体地,经验式行车调查:选择特定车辆和经验丰富的人员,在快速行车状况下对桥头是否发生跳车进行经验式评价;基于平整度的快速判定:利用现有平整度数据,拟合桥头附近平整度数据,对是否发生桥头跳车进行初步判定。
进一步地,所述步骤S102中,将步骤S101中筛选出的疑似发生桥头跳车的桥梁位置,布设点云扫描仪,点云扫描仪布设于桥头5~10m处,采用激光RGBD设备,采集疑似跳车的桥头三维数据。采集宽度为整个路幅宽度,长度50-100米。为提高准确度,采用两种模式:快速化采集(耗时1.5min)/精确采集(耗时4.5min)。
进一步地,所述步骤S103包括:
剪辑桥头三维模型数据,只保留道路护栏以内的路表数据值,同时对原始点云数据进行粗差剔除、降噪处理,排除异常点;具体地,首先进行数据剪辑处理,对原始点云数据进行人工剪辑,沿道路走形方向剪辑数据,剪辑宽度为道路两侧护栏内侧数据,其他数据删除。在数据剪辑处理过程中,对原始点云数据进行人工粗差剔除,具体来说对于一些肉眼可见的误差数据进行人工剔除,减少后续计算量,提升计算速度。点云数据经预处理后,以X、Y、Z相对坐标的形式保存。
将网格横向或纵向中心点位置坐标记为该网格二维坐标值(X,Y),然后对网格内所有点的Z值即高程值进行遍历,计算平均值与标准偏差,根据3S法剔除超限Z值,剩余Z值求平均值作为该网格的代表Z值。由于点云数据的数据量庞大,排列杂乱,在进行高程面拟合前应对点云数据进行网格化处理,将点云数据转换为二维网格,然后根据每个网格里的数据量将点云数据三值化。具体地,网格单元的横向纵向宽度保持一致为5~100cm。
进一步地,所述步骤S104包括:
将网格化处理后的网格面作为原始地面,因为桥梁为钢筋混凝土结构,可以不考虑其沉降,因此确定拟合面的参考点为桥梁上的网格点位。以桥梁处网格数据为基础,采用二次抛物线以5~100cm间隔在道路纵向进行拟合,相关性系数保证在0.95以上,构成拟合骨架,在道路横向对同一X值网格数据点平滑连接构成拟合高程面。
进一步地,所述步骤S105中,将当前路面网格与其对应的拟合高程面网格进行高程比对,生成对应网格的高程差值,输出高程差值矩阵。
进一步地,所述步骤S106中,按照h>α×L对桥头跳车程度进行判定,当α大于0.5时为重度跳车,α大于0.3小于0.5时为轻度跳车;其中h为当前路面与拟合高程面的高程差;α为控制参数,根据其数值判定桥头是否发生跳车,其取值范围(0,3);L为从桥梁伸缩缝处到道路扫描点位的纵向距离。
进一步地,还包括:
步骤S107:根据桥头跳车程度拟定不同的处置方式。
进一步地,所述步骤S107包括:
根据桥头跳车程度采取不同的处置方式,轻度桥头跳车,可以采用压浆等处置措施,避免路面沉降的继续发生;重度桥头跳车,可以采用重新铺筑沥青路面,改善桥头附近的通行质量。对于轻度桥头跳车,按照沉降范围和处置长度,确定压降孔的布置位置、数量以及压降量;对于重度桥头跳车,分别拉坡计算处置厚度、长度,计算沥青铺筑工程量,选定最优处置方案。
在上述实施例的基础上,作为一种具体可实施方式,详述如下:
1.疑似桥头跳车筛选
采用经验式的行车调查对郑州绕城高速进行桥头跳车初步筛查,根据工作人员的体感程度对桥头是否跳车进行判定。初步判定结果如表1所示:
表1桥头跳车初步判定结果
2.点云扫描仪布设
选定G3001郑州绕城高速K7+809上行方向入桥头布设激光RGBD设备,设备布设于桥梁伸缩缝往路面方向5m应急车道靠近护栏处。选定快速化采集扫描模式,对桥头前后路面三维高程进行扫描,得出数字化初步模型,见图2。
3.点云数据的预处理及原始数据网格化
(a)点云数据的预处理
将步骤2中采集到的数据进行预处理。由图2可以观察到,采集的点云数据范围较广,道路附近的绿化树木、边坡、护栏等均被采集,该模型数据较为杂乱,因此需对数据进行预处理。
首先对采集的点云数据进行剪辑处理,只保留两侧护栏以内数据,保证点云数据的单一指向性,确保数据只是道路路表的集合。然后对原始点云数据进行人工粗差剔除、降噪处理,排除异常点,见图3。
(b)原始数据网格化
具体地,对数据进行网格化处理,网格单元横向纵向宽度为5cm,以网格横纵向中心点位置对该网格进行标记(X/Y坐标)。然后对网格内所有点的Z值即高程值进行遍历,计算平均值与标准偏差,根据3S法剔除超限Z值,剩余Z值求平均值作为该网格的代表Z值。具体算法如下:
1)网格标记
每一个网格均进行唯一性标记,以网格横纵向中心点位置对该网格进行标记,形式为(Xi,Yi)。
2)数据计算
对(Xi,Yi)网格内Z值进行计算,根据扫描仪精度,该网格内数据约10000个,求(Xi,Yi)网格内Z值的平均值与标准偏差。
3)数据剔除
由于存在裂缝,扫描仪扫描点位很有可能会落在裂缝出,将会对数据造成偏差,因此要消除这一部分数据带来的影响。数据按照3S法剔除。
具体为:
4)高程代表值
高程代表值为去除异常值以后的所有高程值的平均值。该平均值即为该网格的唯一高程,网格化示意图见图4。
4.拟合高程面
将网格化处理后的网格面作为原始地面,网格面的高程值为代表Z值,根据各网格面的高程,采用二次抛物线对路面高程进行拟合,得出拟合高程面。具体算法如下:
1)拟合方式确定
桥梁为钢筋混凝土结构,在其设计寿命内可以不考虑其沉降,因此将桥梁部分作为参考点位。根据设计要求,道路纵断面竖曲线采用的线形一般为二次抛物线,因此,对纵向点位用二次抛物线拟合,拟合线密度5~100cm一道,相关性系数保证在0.95以上。
2)拟合面的生成
根据纵向的拟合抛物线,横向以平滑曲线相连,构成拟合高程面,见图5。
5.高程差值矩阵输出
根据拟合高程面与现有路面的高程,确定桥头路面沉降状况,即拟合高程面与现路面高程差值,输出高程差值矩阵。
具体地,将路面网格与其对应的拟合高程面网格进行高程比对,生成对应网格的高程差值,输出高程差值矩阵,如表2所示。
表2高程差值矩阵
需要说明的是,表2中其他未描述路段,高程差值较小或没有发生明显沉降。
6.沉降状况分级评定
根据步骤5中输出的高程差值矩阵,分车道判定桥头跳车程度,并将其分为轻、重两级。
具体地,按照h>α×L(cm),对桥头是否跳车进行判定。
其中h为路面与拟合面高差;α为控制参数,其值大于0.5时为重度跳车,大于0.3小于0.5时为轻度跳车;L为从桥梁伸缩缝处到道路某一点位的纵向距离。
根据高程差值分析该桥头的桥头跳车情况,如表3所示,·表示发生轻度跳车;··表示发生重度跳车。具体地,表3可以根据现场要求精度划分具体间隔精度。
表3桥头跳车情况判定结果
综合判定该桥头属于重度桥头跳车,跳车最严重处为第一/二行车道距桥梁伸缩缝0~5米位置。
7.处置方式选择
本桥头经判定属于重度桥头跳车,应选择铣刨重铺作为处治方式。本桥头纵向距离超过9米后,拟合面高差几乎为零,表明沉降只发生在0-9米范围,为保证道路线形平滑过渡,可以在30m处进行拉破,进行铣刨重铺作业。
综上,本发明的一种基于点云技术的桥头跳车判定方法:
(1)采样多。有别于原有的高程测量,选取一条或两条测线,每条测线测点数较少。激光雷达点云可实现桥头路面50~100米范围内的全路幅三维坐标的采集,数据采集量是传统方法的上万倍。
(2)精度高。以往高程测量需要人工读数,数据精度受仪器精度、技术人员操作熟练程度等影响。依靠点云技术获得的桥头三维数据间隔为毫米级,可以拟合整个路幅的高程起伏状况,而且不受人为因素影响,精度高,保持测量结果的实用性,以及桥头判定的准确性。
(3)效率快。以往依靠测线量测高程需要逐点读取相对高程数据,耗时多,工作量大,所需配备技术人员较多。激光雷达点云测量每个桥头,实际检测时间仅需3~5分钟,测量速度更快,时效性更强。
(4)安全好。人工检测车道高程需要封闭车道交通,占据车道时间较长,危险性较大。激光雷达点云的测点位置可以设置在紧急停车带或硬路肩处,保通工作量小,安全风险低。
本发明提供的一种基于点云技术的桥头跳车判定方法利用点云技术,道路模型生成速度快,数据采集频率高,检测范围大,覆盖面广,可以做到路幅全宽范围的桥头跳车检测,保证行车安全性。
以上所示仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种基于点云技术的桥头跳车判定方法,其特征在于,包括:利用点云扫描仪扫描桥头附近地表高程,生成桥头三维模型,进行桥头跳车快速判定。
2.根据权利要求1所述的一种基于点云技术的桥头跳车判定方法,其特征在于,包括:
步骤1:选定待判断桥头跳车的桥梁位置;
步骤2:基于步骤1中所述位置选定扫描点位,将点云扫描仪放置于该扫描点位,开启点云扫描仪测得桥头附近30~50米范围内路表点云数据,自动生成桥头三维模型;
步骤3:对步骤2得出的桥头三维模型数据进行预处理及数据网格化;
步骤4:对整个路幅宽度的高程进行拟合,得出拟合高程面;
步骤5:比较拟合高程面与现有路面高程差值,输出高程差值矩阵;
步骤6:根据高程差值矩阵分车道判定桥头跳车程度,并将桥头跳车程度分为轻、重两级。
3.根据权利要求2所述的一种基于点云技术的桥头跳车判定方法,其特征在于,所述步骤1中,采用经验式行车调查或平整度快速判定方法,选定待判断桥头跳车的桥梁位置。
4.根据权利要求2所述的一种基于点云技术的桥头跳车判定方法,其特征在于,所述步骤3包括:
剪辑桥头三维模型数据,只保留道路护栏以内的路表数据值,同时对原始点云数据进行粗差剔除、降噪处理,排除异常点;
将网格横向或纵向中心点位置坐标记为该网格二维坐标值(X,Y),然后对网格内所有点的Z值即高程值进行遍历,计算平均值与标准偏差,根据3S法剔除超限Z值,剩余Z值求平均值作为该网格的代表Z值。
5.根据权利要求4所述的一种基于点云技术的桥头跳车判定方法,其特征在于,所述步骤4包括:
以桥梁处网格数据为基础,采用二次抛物线以5~100cm间隔在道路纵向进行拟合,构成拟合骨架,在道路横向对同一X值网格数据点平滑连接构成拟合高程面。
6.根据权利要求2所述的一种基于点云技术的桥头跳车判定方法,其特征在于,所述步骤6中,按照h>α×L对桥头跳车程度进行判定,当α大于0.5时为重度跳车,α大于0.3小于0.5时为轻度跳车;其中h为当前路面与拟合高程面的高程差;α为控制参数;L为从桥梁伸缩缝处到道路扫描点位的纵向距离。
7.根据权利要求2所述的一种基于点云技术的桥头跳车判定方法,其特征在于,还包括:
步骤7:根据桥头跳车程度拟定不同的处置方式。
8.根据权利要求7所述的一种基于点云技术的桥头跳车判定方法,其特征在于,所述步骤7包括:
对于轻度桥头跳车,采用压浆方式,根据需要压浆的范围确定压浆孔的布置;对于重度桥头跳车,分别拉坡计算处置厚度、长度,计算沥青铺筑工程量,选定处置方案,必要时分层铺筑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111138154.3A CN113808124B (zh) | 2021-09-27 | 2021-09-27 | 一种基于点云技术的桥头跳车判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111138154.3A CN113808124B (zh) | 2021-09-27 | 2021-09-27 | 一种基于点云技术的桥头跳车判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113808124A true CN113808124A (zh) | 2021-12-17 |
CN113808124B CN113808124B (zh) | 2024-05-10 |
Family
ID=78938759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111138154.3A Active CN113808124B (zh) | 2021-09-27 | 2021-09-27 | 一种基于点云技术的桥头跳车判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113808124B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114519695A (zh) * | 2021-12-29 | 2022-05-20 | 郑州大学 | 一种沥青路面变形病害判定方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106597416A (zh) * | 2016-11-18 | 2017-04-26 | 长安大学 | 一种地面GPS辅助的LiDAR数据高程差的误差修正方法 |
CN107883891A (zh) * | 2017-12-27 | 2018-04-06 | 长安大学 | 一种沥青路面拥包多维度特征指标识别方法 |
CN109489623A (zh) * | 2018-11-24 | 2019-03-19 | 上海勘察设计研究院(集团)有限公司 | 一种采用三维激光扫描仪测量桥头引道不均匀沉降的方法 |
CN109544607A (zh) * | 2018-11-24 | 2019-03-29 | 上海勘察设计研究院(集团)有限公司 | 一种基于道路标志线的点云数据配准方法 |
US20190178989A1 (en) * | 2017-12-11 | 2019-06-13 | Automotive Research & Testing Center | Dynamic road surface detecting method based on three-dimensional sensor |
CN110021008A (zh) * | 2019-01-17 | 2019-07-16 | 重庆交通大学 | 一种路面沉降识别方法、终端及计算机可读存储介质 |
KR102055585B1 (ko) * | 2018-10-29 | 2019-12-13 | (주)케이웍스 | 포트홀의 크기, 형상 및 위치를 실사사진과 함께 제공하는 포트홀 측정방법 및 시스템 |
CN110763194A (zh) * | 2019-11-01 | 2020-02-07 | 中国矿业大学 | 一种地面三维激光扫描无标靶监测矿区地表沉陷的方法 |
CN110888143A (zh) * | 2019-10-30 | 2020-03-17 | 中铁四局集团第五工程有限公司 | 一种基于无人机机载激光雷达的桥梁贯通测量方法 |
US20200142067A1 (en) * | 2018-11-01 | 2020-05-07 | Automotive Research & Testing Center | Lane stripe detecting method based on three-dimensional lidar and system thereof |
EP3671278A1 (en) * | 2018-12-19 | 2020-06-24 | HERE Global B.V. | Road surface detection |
CN111415403A (zh) * | 2020-03-10 | 2020-07-14 | 重庆长安汽车股份有限公司 | 基于路面扫描数据建虚拟实验数字路面的方法及存储介质 |
CN112465948A (zh) * | 2020-11-24 | 2021-03-09 | 山东科技大学 | 一种保留空间特征的车载激光路面点云抽稀方法 |
CN113295142A (zh) * | 2021-05-14 | 2021-08-24 | 上海大学 | 一种基于faro扫描仪和点云的地形扫描分析方法和装置 |
CN113340239A (zh) * | 2021-05-20 | 2021-09-03 | 东南大学 | 一种基于无人机的路面跳车检测装置与方法 |
-
2021
- 2021-09-27 CN CN202111138154.3A patent/CN113808124B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106597416A (zh) * | 2016-11-18 | 2017-04-26 | 长安大学 | 一种地面GPS辅助的LiDAR数据高程差的误差修正方法 |
US20190178989A1 (en) * | 2017-12-11 | 2019-06-13 | Automotive Research & Testing Center | Dynamic road surface detecting method based on three-dimensional sensor |
CN107883891A (zh) * | 2017-12-27 | 2018-04-06 | 长安大学 | 一种沥青路面拥包多维度特征指标识别方法 |
KR102055585B1 (ko) * | 2018-10-29 | 2019-12-13 | (주)케이웍스 | 포트홀의 크기, 형상 및 위치를 실사사진과 함께 제공하는 포트홀 측정방법 및 시스템 |
US20200142067A1 (en) * | 2018-11-01 | 2020-05-07 | Automotive Research & Testing Center | Lane stripe detecting method based on three-dimensional lidar and system thereof |
CN109544607A (zh) * | 2018-11-24 | 2019-03-29 | 上海勘察设计研究院(集团)有限公司 | 一种基于道路标志线的点云数据配准方法 |
CN109489623A (zh) * | 2018-11-24 | 2019-03-19 | 上海勘察设计研究院(集团)有限公司 | 一种采用三维激光扫描仪测量桥头引道不均匀沉降的方法 |
EP3671278A1 (en) * | 2018-12-19 | 2020-06-24 | HERE Global B.V. | Road surface detection |
CN110021008A (zh) * | 2019-01-17 | 2019-07-16 | 重庆交通大学 | 一种路面沉降识别方法、终端及计算机可读存储介质 |
CN110888143A (zh) * | 2019-10-30 | 2020-03-17 | 中铁四局集团第五工程有限公司 | 一种基于无人机机载激光雷达的桥梁贯通测量方法 |
CN110763194A (zh) * | 2019-11-01 | 2020-02-07 | 中国矿业大学 | 一种地面三维激光扫描无标靶监测矿区地表沉陷的方法 |
CN111415403A (zh) * | 2020-03-10 | 2020-07-14 | 重庆长安汽车股份有限公司 | 基于路面扫描数据建虚拟实验数字路面的方法及存储介质 |
CN112465948A (zh) * | 2020-11-24 | 2021-03-09 | 山东科技大学 | 一种保留空间特征的车载激光路面点云抽稀方法 |
CN113295142A (zh) * | 2021-05-14 | 2021-08-24 | 上海大学 | 一种基于faro扫描仪和点云的地形扫描分析方法和装置 |
CN113340239A (zh) * | 2021-05-20 | 2021-09-03 | 东南大学 | 一种基于无人机的路面跳车检测装置与方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114519695A (zh) * | 2021-12-29 | 2022-05-20 | 郑州大学 | 一种沥青路面变形病害判定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113808124B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108664715B (zh) | 一种路面积水车辙三维评价与行车安全分析方法 | |
CN112411324B (zh) | 一种线结构光路面跳车检测方法 | |
CN102620721B (zh) | 一种基于精细数字地面模型的公路测设方法 | |
CN106087677B (zh) | 沥青路面裂缝类型自动识别方法 | |
WO2019080380A1 (zh) | 轮迹横向分布测量系统及测量方法 | |
EP1862593B1 (de) | Verfahren und Vorrichtung zum Erfassen des Zustands von Linienbauwerken | |
CN105844995A (zh) | 基于车载LiDAR技术的铁路线路运营维护测量方法 | |
Lantieri et al. | Mobile laser scanning system for assessment of the rainwater runoff and drainage conditions on road pavements | |
CN107119543B (zh) | 一种非接触式快速道路弯沉检测系统 | |
Elseifi et al. | Evaluation and validation of a model for predicting pavement structural number with rolling wheel deflectometer data | |
CN117574493B (zh) | 一种多年冻土地区高速公路冻土范围形变识别方法及系统 | |
CN102564333A (zh) | 铁路路基动态弯沉测试方法 | |
CN116737989B (zh) | 一种基于视频图像的城市地表水文监测网构建方法 | |
CN113808124A (zh) | 一种基于点云技术的桥头跳车判定方法 | |
CN111455787A (zh) | 一种基于路面三维数字化的路面检测系统 | |
CN116012348A (zh) | 一种适用于路面裂缝的最大裂缝宽度测定方法 | |
Tsai et al. | A remote sensing and GIS-enabled asset management system (RS-GAMS). | |
Serigos et al. | Evaluation of rut-depth accuracy and precision using different automated measurement systems | |
Wright et al. | New methods for network level automated assessment of surface condition in the UK | |
De Blasiis et al. | Characterization of road surface by means of laser scanner technologies | |
Liang et al. | Analysis of Road Surface Texture for Asphalt Pavement Adhesion Assessment Using 3D Laser Technology | |
CN109991400A (zh) | 一种沥青路面激光构造深度仪测值与铺砂法测值相关关系的评价方法 | |
Chen et al. | Comparisons of five computational methods for transverse profiles | |
CN118244296B (zh) | 高速公路下伏采空区的自动化监测预警平台 | |
Ip et al. | Use of traffic-speed ravelling data for the resurfacing intervention on open graded asphalt |
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 |