CN115908526A - 一种基于路面车辙病害三维重构的车辙长度计算方法 - Google Patents
一种基于路面车辙病害三维重构的车辙长度计算方法 Download PDFInfo
- Publication number
- CN115908526A CN115908526A CN202211487506.0A CN202211487506A CN115908526A CN 115908526 A CN115908526 A CN 115908526A CN 202211487506 A CN202211487506 A CN 202211487506A CN 115908526 A CN115908526 A CN 115908526A
- Authority
- CN
- China
- Prior art keywords
- rut
- image
- dimensional
- matrix
- calculating
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Image Processing (AREA)
Abstract
本发明提出一种基于路面车辙病害三维重构的车辙长度计算方法,属于车辙长度计算技术领域。包括以下步骤:S1.在车辆上安装气压式减振器、压电式加速度传感器和至少两台三维线结构光相机,采集路面图像数据和车辆的加速度数据;S2.将采集到的路面图像数据进行预处理;S3.消除车辆振动对采集数据的影响;S4.将三维线结构光相机采集到的路面图像数据进行融合;S5.构建三维空矩阵和平面断层切割,完成路面车辙病害的三维重构;S6.基于路面车辙病害三维重构计算车辙长度。解决了现有技术中存在的路面车辙长度计算不全面、不准确、所需算力大、计算速度慢、效率低的技术问题。
Description
技术领域
本申请涉及车辙长度计算方法,尤其涉及一种基于路面车辙病害三维重构的车辙长度计算方法,属于车辙长度计算技术领域。
背景技术
有很多情况可以造成路面车辙对道路的影响,具体包括:影响路面平整度,导致行车舒适性降低;减薄沥青层厚度,降低面层和车辙结构的整体强度,引起裂缝、坑槽等其它路面破坏;车辙路段较大位置处,影响车辆的方向控制;雨天路表排水不畅,车辆行驶易发生漂移,影响高速行车安全。路面车辙长度作为车辙的特征参数之一,可反映道路结构的性能,尤其是对于结构型车辙和流变型车辙而言,车辙的长度越小,结构抵抗变形的能力越强;而车辙的长度越大,表明道路结构发生了大范围的变形,道路结构难以适应相应环境和荷载下的正常服役。通过对路面车辙长度的统计和成因分析,可建立道路结构形式和材料性能与环境、荷载的匹配关系,辅助道路设计、建设与养护决策。
为此,有研究人员提出了以下方案:
1、一种路面车辙检定样件及其使用方法(CN111535130A)提出了一种对车辙长度检测结果标定的标准方法,此类方法操作简单、易行,但此类方法没有考虑车辙长度的分布差异,仅能以点式检测的方式,近似表征车辙的长度信息,无法准确分析车辙长度的分布规律。
2、一种基于路面连续激光点云的车辙精细三维特征提取方法(CN110675392A),通过提取车辙凹槽侧壁边缘线和凹槽底部中线信息。此种方法仅考虑了车辙凹槽底部中线的长度信息,而受到环境和荷载的影响,沿行车方向不同断面的车辙长度存在较大差异,无法通过中线长度准确表征车辙长度的分布状态。同时,直接对三维点云数据进行处理时,计算速度慢、效率低、对计算机要求高。
发明内容
在下文中给出了关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
鉴于此,为解决现有技术中存在的路面车辙长度计算不全面、不准确、所需算力大、计算速度慢、效率低的技术问题,本发明提供一种基于路面车辙病害三维重构的车辙长度计算方法
方案一:一种基于路面车辙病害三维重构的车辙长度计算方法,包括以下步骤:
S1.在车辆上安装气压式减振器、压电式加速度传感器和至少两台三维线结构光相机,采集路面图像数据和车辆的加速度数据;
S2.将采集到的路面图像数据进行预处理;
S3.消除车辆振动对采集数据的影响;
S4.将三维线结构光相机采集到的路面图像数据进行融合;
S5.构建三维空矩阵和平面断层切割,完成路面车辙病害的三维重构;
S6.基于路面车辙病害的三维重构计算车辙长度,包括以下步骤:
S61.建立虚拟平面VS,虚拟平面VS与道路横断面方向和道路平面垂直;
S62.提取车辙三维矩阵M的第一页矩阵MWH1,其中,W方向为道路横断面方向,H方向为行车方向;
S63.选取矩阵MWH1的第一列向量对应的全部元素,依次编号为NX1,NX2,…,NXH;
S64.将虚拟平面VS移动至NX1位置,记录虚拟平面VS与三维矩阵M的切割平面为VNX1;
S65.以NX1点为起点,NX1点的元素为0,搜索与NX1点上方、下方、左方、右方、左上、右上、左下、右下共8个方向相连的元素为0的点,并记录;
S66.以NX1点与8个方向相连的元素为0的点为基准点,搜索8个方向相连的元素为0的点,并记录;
S67.重复S61-S66,直至无法搜索到与8个方向相连点的下方、左下、右下3个方向元素为0的点,停止搜索;
S68.将全部搜索到的0元素,定义为新的区域PPNX1;
S69.建立卷积矩阵Ux,Uy,分别如下:
将切割平面VNX1分别与卷积矩阵Ux,Uy进行卷积运算,将卷积最大值作为输出值,将输出结果记为PLX1;
S610.计算PPNX1与PLX1的交集,将得到车辙底部轮廓线,记为PLNX1,PLNX1在横断面方向对应的坐标依次记为:PLNX11,PLNX12,…,PLNX1(H-1),PLNX1H;
S611.依次计算PLNX1在PLNX11,PLNX12,…,PLNX1(H-1),PLNX1H位置处至MWH1的竖直距离HNX11,HNX12,…,HNX1H;
S612.依次将虚拟平面VS移动至点NX2,…,NXH上,并重复S64~步骤S611,依次得到点NX2,…,NXH断面对应的车辙底部轮廓线PLNX2,PLNX3…PLNXH;依次得到车辙底部轮廓线PLNX2对应的竖直距离HNX21,HNX22,…,HNX2H;依次得到车辙底部轮廓线PLNXH对应的竖直距离HNXH1,HNXH2,…,HNXHH;
S613.根据S611和S612可得到车辙的长度矩阵LL,具体如下:
优选的,采集路面图像数据的方法是:驾驶车辆且将车速控制在70km/h内,利用三维线结构光相机采集路面图像;
采集车辆的加速度数据的方法是:采用压电式加速度传感器采集车辆多个方向的加速度数据。
优选的,S2具体是,包括以下步骤:
S21.对图像进行变换;
将小波分解层数设置为10,小波基选择Haar,如下公式:
其中,V为支撑域的范围,ψ为小波基的值;
S22.对图像进行增强;
S23.对图像进行编码压缩。
优选的,S3具体是,将压电式加速度传感器采集到的加速度数据作为修正值,对三维结构光相机采集到的路面图像数据进行修正,如下公式:
me2+ce1+ke2=F(t)
其中,m为压电晶体的质量kg,c为胶层的阻尼系数N·s/m,k为压电晶体的刚度系数N/m,e为压电晶体的位移m,e1为压电晶体的速度m/s,e2为压电晶体的加速度m/s2,F(t)为作用于压电式加速度传感器的外力N。
优选的,S4具体是,包括以下步骤:
S41.将待融合的三维点云图A1、A2分别进行平面投影,投影后的图像记为B1、B2;
S42.对图像B1和B2分别进行傅里叶变换:
其中,f(q,r)代表图像像素矩阵,M和N为图像像素矩阵的行和列,q=0,1…M-1,r=0,1…N-1;F(u,v)表示f(q,r)的傅里叶变换,可以转换为三角函数表示方法,其中,u和v用于确定正余弦的频率;j表示复数;
S43.基于傅里叶变换后的图像,分别计算B1和B2的功率谱P1、P2和相位值Φ1和Φ2;
功率谱计算方法如下:
P(u,v)=|F(u,v)|2=R2(u,v)+I2(u,v)
其中,P(u,v)为F(u,v)的功率谱,R(u,v)和I(u,v)分别为F(u,v)的实部和虚部;
相位计算方法如下:
S44.以图像B1为基准,通过图像B2刚性变换的方式,进行两幅图像的配准;
S45.记录下相位匹配值的最大值Φmax,记录B2m往B1方向平移的平移矩阵Tm;
S46.记录相位匹配最大值对应的图像B2m的Tmax和Rmax;
Tmax=T1+TM
Rmax=R
其中,TM为B2m往B1方向平移的平移矩阵;Tmax表示最大平移矩阵;Rmax表示旋转矩阵;
S47.计算图像B1和B2m的重叠区域,记为矩形区域C;
S48.依据面积,对矩形区域C进行8等分,分割完成后,出现15个分割点;
S49.分别提取15个分割点位置,在三维点云图A1和A2中对应的高度值,分别计算高度的平均值H1和H2;
S410.计算高差ΔH=H1-H2;定义向上为正方向,向下为负方向;
S411.以A1为基准,将A2通过平移矩阵Tmax、旋转矩阵Rmax和竖向移动位移ΔH的位置变换,实现三维点云图A1和A2的配准融合,融合后的图像记为A3。
优选的,S44具体是,包括以下步骤:
S441.以图像B1的形心坐标(x1,y1)为坐标系原点O,沿图像长轴方向定义为x轴方向,沿图像短轴方向定位为y轴方向;
S442.确定图像B2的形心坐标(x2,y2);
S443.以图像B1的形心位置为基准,通过沿y轴平移B2图像,实现两张图像的形心在同一y轴高度,平移向量为T1,图像B2平移后的图像记为B2m,平移前后的图像位置关系如下:
其中,tx为沿x方向的平移距离;ty为沿y方向的平移距离;
S444.以图片形心为旋转基准点,旋转角度记为α,旋转后,保证B2的长轴与B1的长轴共线,旋转后的位置与初始位置间的关系如下:
其中,(x0,y0)为初始位置,(x2,y2)为旋转后的位置,α为旋转角度,R为旋转矩阵;
S445.以图像B1为基准,以B2m指向B1的方向为B2m的移动方向,将图像B2m向B1方向移动,当B2m与B1交叉时,移动的步长调整为1像素;此时,开始计算B2m与B1相位匹配值Φ,相位匹配值计算方法采用传统的傅里叶-梅林变换。
优选的,S5具体是,包括以下步骤:
S51.采用垂直投影的方式,将三维车辙图像进行垂直投影,得到车辙的二维图像;
S52.用卷积计算的方式,提取车辙的边缘,包括以下步骤:
S521.建立卷积矩阵Ux,Uy,分别如下:
S522.将车辙二维图像分别与矩阵Ux,Uy进行卷积运算,将卷积最大值作为输出值,运算结果为车辙图像的边缘;
S53.绘制车辙边缘的外接矩形,提取外接矩形的长度H和宽度W;
S54.提取三维车辙图像中,车辙病害的最大长度,记为D;
S55.建立一个空的三维矩阵J,三维矩阵的尺寸与车辙病害的长度、宽度和长度保持一致,三维矩阵的行数为W,列数为H,页数为D;矩阵内部元素均设置为0;
S56.提取采集到的三维车辙图像,采用平面A逐层切割图像的方式,记录全部层位的切割断面位置;
S57.将切割位置映射到S55所述的三维矩阵J中,切割断面区域的元素全部设置为1,即构建得到三维车辙形成的三维矩阵M。
方案二:一种电子设备,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现方案一所述一种基于路面车辙病害三维重构的车辙长度计算方法的步骤。
方案三:一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现方案一所述的一种基于路面车辙病害三维重构的车辙长度计算方法。
本发明的有益效果如下:
(1)全面覆盖所有车辙位置信息,没有对车辙信息进行简化处理,计算精度高;
(2)通过车辆防震、压电式加速度传感器数据的修正,可获取高精度的路面三维数据,尤其是长度方向的数据,精度更高;
(3)双相机采集数据的融合方法快速易行、普适性强,且占用计算资源少;
(4)采用平面断层扫描,对计算机算力需求小,计算速度快;
(5)路面车辙病害的三维重构和尺寸提取方法更加快速、便捷,占用计算资源少。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为一种基于路面车辙病害三维重构的车辙长度计算方法示意图;
图2为以图像B1的形心坐标为坐标系原点O,沿图像长轴方向定义为x轴方向,沿图像短轴方向定位为y轴方向的坐标示意图;
图3为平移前后图像的位置关系示意图;
图4为旋转角度示意图;
图5为旋转后B1和B2m共线示意图。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白,以下结合附图对本申请的示例性实施例进行进一步详细的说明,显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例1、参照图1-图5说明本实施方式,一种基于路面车辙病害三维重构的车辙长度计算方法,包括以下步骤:
S1.在车辆上安装气压式减振器、压电式加速度传感器和至少两台三维线结构光相机;采集路面图像数据和车辆的加速度数据;
采集路面图像数据:驾驶车辆且将车速控制在70km/h内,利用三维线结构光相机采集路面图像;
采集车辆的加速度数据:采用压电式加速度传感器采集车辆多个方向的加速度数据;
S2.将采集到的路面图像数据进行预处理;
对图像进行预处理的方法是:
S21.对图像进行变换;
将小波分解层数设置为10,小波基选择Haar,如下公式:
其中,V为支撑域的范围,ψ为小波基的值;
采用小波变换的方式,处理采集到的路面三维数据,实现时域信息到频域信息的转变,进而提取道路表面的频率特征;同时,在频域上对路面信息进行处理时,可以减小计算量,获得更佳的处理效果。
S22.对图像进行增强;
图像在形成、传输和记录中,由于成像系统、传输介质和设备的不完善,导致图像质量下降;因此,为了提高图像的质量,去除噪声、提高图像的清晰度,采用传统的高斯滤波法对图像进行增强。
S23.对图像进行编码压缩。
图像编码压缩技术可减少描述图像的数据量,以便节省图像传输、处理时间和减少所占用的存储器容量,因此,采用哈夫曼编码方式,实现图像的压缩。
S3.消除车辆振动对采集数据的影响;
将压电式加速度传感器采集到的加速度数据作为修正值,对三维结构光相机采集到的路面图像数据进行修正,如下公式:
me2+ce1+ke2=F(t)
其中,m为压电晶体的质量kg,c为胶层的阻尼系数N·s/m,k为压电晶体的刚度系数N/m,e为压电晶体的位移m,e1为压电晶体的速度m/s,e2为压电晶体的加速度m/s2,F(t)为作用于压电式加速度传感器的外力N;
通常,道路检测通过车载相机的形式进行,因此,车辆行驶过程中,相机采集图像的质量影响车辙病害的分析效果;对于三维图像而言,长度方向的信息受到车辆振动的影响较大;因此,提出通过数据处理和加装防振设备两种方式组合的方法,消除车辆振动对数据造成的影响。
在车辆上安装气压式减振器,可将路面颠簸引起的振动由防振设备吸收,有效减小车载相机的振动。
S4.将三维线结构光相机采集到的路面图像数据进行融合;
由于单相机的拍摄范围有限,无法无盖单个车道的宽度,本实施例采用两台相机协同拍摄的,开展路面信息的采集工作;两台相机同时拍摄时,需要将两台相机的图像融合成为一张图像,由于采集到的是三维图像,两张三维图像进行融合时,受到点云数量的影响,图像融合过程工作量大、计算时间长,融合效果易受到长度信息的影响;而路表的长度信息易受到采集过程的干扰,与平面信息相比,长度方向上点云的完美匹配更加困难;因此,将三维线结构光相机采集到的路面图像数据进行融合,具体包括以下步骤:
S41.将待融合的三维点云图A1、A2分别进行平面投影,投影后的图像记为B1、B2;
S42.对图像B1和B2分别进行傅里叶变换:
其中,f(q,r)代表图像像素矩阵,M和N为图像像素矩阵的行和列,q=0,1…M-1,r=0,1…N-1;F(u,v)表示f(x,y)的傅里叶变换,可以转换为三角函数表示方法,其中,u和v用于确定正余弦的频率;j表示复数;
S43.基于傅里叶变换后的图像,分别计算B1和B2的功率谱P1、P2和相位值Φ1和Φ2;
功率谱计算方法如下:
P(u,v)=|F(u,v)|2=R2(u,v)+I2(u,v)
其中,P(u,v)为F(u,v)的功率谱,R(u,v)和I(u,v)分别为F(u,v)的实部和虚部;
相位计算方法如下:
S44.以图像B1为基准,通过图像B2刚性变换的方式,进行两幅图像的配准,包括以下步骤:
S441.以图像B1的形心坐标(x1,y1)为坐标系原点O,沿图像长轴方向定义为x轴方向,沿图像短轴方向定位为y轴方向;坐标系示意图参照图2;
S442.确定图像B2的形心坐标(x2,y2);
S443.以图像B1的形心位置为基准,通过沿y轴平移B2图像,实现两张图像的形心在同一y轴高度,平移向量为T1,图像B2平移后的图像记为B2m,平移前后的图像位置关系如下:平移前后图像的位置关系示意图参照图3;
其中,tx为沿x方向的平移距离;ty为沿y方向的平移距离;
S444.以图片形心为旋转基准点,旋转角度记为α,旋转后,保证B2的长轴与B1的长轴共线,旋转后的位置与初始位置间的关系如下:
其中,(x0,y0)为初始位置,(x2,y2)为旋转后的位置,α为旋转角度,R为旋转矩阵;旋转角度示意图参照图4,旋转后B1和B2m共线示意图参照图5;
S445.以图像B1为基准,以B2m指向B1的方向为B2m的移动方向,将图像B2m向B1方向移动,当B2m与B1交叉时,移动的步长调整为1像素;此时,开始计算B2m与B1相位匹配值Φ,相位匹配值计算方法采用传统的傅里叶-梅林变换。
S45.记录下相位匹配值的最大值Φmax,记录B2m往B1方向平移的平移矩阵Tm;
S46.记录相位匹配最大值对应的图像B2m的Tmax和Rmax;
Tmax=T1+TM
Rmax=R
其中,TM为B2m往B1方向平移的平移矩阵;Tmax表示最大平移矩阵;Rmax表示旋转矩阵;
S47.计算图像B1和B2m的重叠区域,记为矩形区域C;
S48.依据面积,对矩形区域C进行8等分,分割完成后,出现15个分割点;
S49.分别提取15个分割点位置,在三维点云图A1和A2中对应的高度值,分别计算高度的平均值H1和H2;
S410.计算高差ΔH=H1-H2;定义向上为正方向,向下为负方向;
S411.以A1为基准,将A2通过平移矩阵Tmax、旋转矩阵Rmax和竖向移动位移ΔH的位置变换,实现三维点云图A1和A2的配准融合,融合后的图像记为A3。
S5.构建三维空矩阵和平面断层切割,完成路面车辙病害的三维重构;
S51.采用垂直投影的方式,将三维车辙图像进行垂直投影,得到车辙的二维图像;
S52.用卷积计算的方式,提取车辙的边缘,包括以下步骤:
S521.建立卷积矩阵Ux,Uy,分别如下:
S522.将车辙二维图像分别与矩阵Ux,Uy进行卷积运算,将卷积最大值作为输出值,运算结果为车辙图像的边缘;
S53.绘制车辙边缘的外接矩形,提取外接矩形的长度H和宽度W;
S54.提取三维车辙图像中,车辙病害的最大长度,记为D;
S55.建立一个空的三维矩阵J,三维矩阵的尺寸与车辙病害的长度、宽度和长度保持一致,三维矩阵的行数为W,列数为H,页数为D;矩阵内部元素均设置为0;
S56.提取采集到的三维车辙图像,采用平面A逐层切割图像的方式,记录全部层位的切割断面位置;
S57.将切割位置映射到S55所述的三维矩阵J中,切割断面区域的元素全部设置为1,即构建得到三维车辙形成的三维矩阵M。
S6.基于路面车辙病害的三维重构计算车辙长度,包括以下步骤:
S61.建立虚拟平面VS,虚拟平面VS与道路横断面方向和道路平面垂直;
S62.提取车辙三维矩阵M的第一页矩阵MWH1,其中,W方向为道路横断面方向,H方向为行车方向;
S63.选取矩阵MWH1的第一列向量对应的全部元素,依次编号为NX1,NX2,…,NXH;
S64.将虚拟平面VS移动至NX1位置,记录虚拟平面VS与三维矩阵M的切割平面为VNX1;
S65.以NX1点为起点,NX1点的元素为0,搜索与NX1点上方、下方、左方、右方、左上、右上、左下、右下共8个方向相连的元素为0的点,并记录;
S66.以NX1点与8个方向相连的元素为0的点为基准点,搜索8个方向相连的元素为0的点,并记录;
S67.重复S666,直至无法搜索到与8个方向相连点的下方、左下、右下3个方向元素为0的点,停止搜索;
S68.将全部搜索到的0元素,定义为新的区域PPNX1;
S69.建立卷积矩阵Ux,Uy,分别如下:
将切割平面VNX1分别与卷积矩阵Ux,Uy进行卷积运算,将卷积最大值作为输出值,将输出结果记为PLX1;
S610.计算PPNX1与PLX1的交集,将得到车辙底部轮廓线,记为PLNX1,PLNX1在横断面方向对应的坐标依次记为:PLNX11,PLNX12,…,PLNX1(H-1),PLNX1H;
S611.依次计算PLNX1在PLNX11,PLNX12,…,PLNX1(H-1),PLNX1H位置处至MWH1的竖直距离HNX11,HNX12,…,HNX1H;
S612.依次将虚拟平面VS移动至点NX2,…,NXH上,并重复S64~步骤S611,依次得到点NX2,…,NXH断面对应的车辙底部轮廓线PLNX2,PLNX3…PLNXH;依次得到车辙底部轮廓线PLNX2对应的竖直距离HNX21,HNX22,…,HNX2H;依次得到车辙底部轮廓线PLNXH对应的竖直距离HNXH1,HNXH2,…,HNXHH;
S613.根据S611和S612可得到车辙的长度矩阵LL,具体如下:
实施例2、本发明的计算机装置可以是包括有处理器以及存储器等装置,例如包含中央处理器的单片机等。并且,处理器用于执行存储器中存储的计算机程序时实现上述的基于CREO软件的可修改由关系驱动的推荐数据的推荐方法的步骤。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
实施例3、计算机可读存储介质实施例
本发明的计算机可读存储介质可以是被计算机装置的处理器所读取的任何形式的存储介质,包括但不限于非易失性存储器、易失性存储器、铁电存储器等,计算机可读存储介质上存储有计算机程序,当计算机装置的处理器读取并执行存储器中所存储的计算机程序时,可以实现上述的基于CREO软件的可修改由关系驱动的建模数据的建模方法的步骤。
所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
Claims (9)
1.一种基于路面车辙病害三维重构的车辙长度计算方法,其特征在于,包括以下步骤:
S1.在车辆上安装减振器、加速度传感器和至少两台三维线结构光相机,采集路面图像数据和车辆的加速度数据;
S2.将采集到的路面图像数据进行预处理;
S3.消除车辆振动对采集数据的影响;
S4.将三维线结构光相机采集到的路面图像数据进行融合;
S5.构建三维空矩阵和平面断层切割,完成路面车辙病害的三维重构;
S6.基于路面车辙病害的三维重构计算车辙长度,包括以下步骤:
S61.建立虚拟平面VS,虚拟平面VS与道路横断面方向和道路平面垂直;
S62.提取车辙三维矩阵M的第一页矩阵MWH1,其中,W方向为道路横断面方向,H方向为行车方向;
S63.选取矩阵MWH1的第一列向量对应的全部元素,依次编号为NX1,NX2,…,NXH;
S64.将虚拟平面VS移动至NX1位置,记录虚拟平面VS与三维矩阵M的切割平面为VNX1;
S65.以NX1点为起点,NX1点的元素为0,搜索与NX1点上方、下方、左方、右方、左上、右上、左下、右下共8个方向相连的元素为0的点,并记录;
S66.以NX1点与8个方向相连的元素为0的点为基准点,搜索8个方向相连的元素为0的点,并记录;
S67.重复S66,直至无法搜索到与8个方向相连点的下方、左下、右下3个方向元素为0的点,停止搜索;
S68.将全部搜索到的0元素,定义为新的区域PPNX1;
S69.建立卷积矩阵Ux,Uy,分别如下:
将切割平面VNX1分别与卷积矩阵Ux,Uy进行卷积运算,将卷积最大值作为输出值,将输出结果记为PLX1;
S610.计算PPNX1与PLX1的交集,将得到车辙底部轮廓线,记为PLNX1,PLNX1在横断面方向对应的坐标依次记为:PLNX11,PLNX12,…,PLNX1(H-1),PLNX1H;
S611.依次计算PLNX1在PLNX11,PLNX12,…,PLNX1(H-1),PLNX1H位置处至MWH1的竖直距离HNX11,HNX12,…,HNX1H;
S612.依次将虚拟平面VS移动至点NX2,…,NXH上,并重复S64~步骤S611,依次得到点NX2,…,NXH断面对应的车辙底部轮廓线PLNX2,PLNX3…PLNXH;依次得到车辙底部轮廓线PLNX2对应的竖直距离HNX21,HNX22,…,HNX2H;依次得到车辙底部轮廓线PLNXH对应的竖直距离HNXH1,HNXH2,…,HNXHH;
S613.根据S611和S612可得到车辙的深度矩阵LL,具体如下:
2.根据权利要求1所述的一种基于路面车辙病害三维重构的车辙长度计算方法,其特征在于,
采集路面图像数据的方法是:驾驶车辆且将车速控制在70km/h内,利用三维线结构光相机采集路面图像;
采集车辆的加速度数据的方法是:采用加速度传感器采集车辆多个方向的加速度数据。
4.根据权利要求3所述的一种基于路面车辙病害三维重构的车辙长度计算方法,其特征在于,S3具体是,将加速度传感器采集到的加速度数据作为修正值,对三维结构光相机采集到的路面图像数据进行修正,如下公式:
me2+ce1+ke2=F(t)
其中,m为压电晶体的质量kg,c为胶层的阻尼系数N·s/m,k为压电晶体的刚度系数N/m,e为压电晶体的位移m,e1为压电晶体的速度m/s,e2为压电晶体的加速度m/s2,F(t)为作用于压电式加速度传感器的外力N。
5.根据权利要求4所述的一种基于路面车辙病害三维重构的车辙长度计算方法,其特征在于,S4具体是,包括以下步骤:
S41.将待融合的三维点云图A1、A2分别进行平面投影,投影后的图像记为B1、B2;
S42.对图像B1和B2分别进行傅里叶变换:
其中,f(q,r)代表图像像素矩阵,M和N为图像像素矩阵的行和列,q=0,1…M-1,r=0,1…N-1;F(u,v)表示f(q,r)的傅里叶变换,可以转换为三角函数表示方法,其中,u和v用于确定正余弦的频率;j表示复数;
S43.基于傅里叶变换后的图像,分别计算B1和B2的功率谱P1、P2和相位值Φ1和Φ2;
功率谱计算方法如下:
P(u,v)=|F(u,v)|2=R2(u,v)+I2(u,v)
其中,P(u,v)为F(u,v)的功率谱,R(u,v)和I(u,v)分别为F(u,v)的实部和虚部;
相位计算方法如下:
S44.以图像B1为基准,通过图像B2刚性变换的方式,进行两幅图像的配准;
S45.记录下相位匹配值的最大值Φmax,记录B2m往B1方向平移的平移矩阵Tm;
S46.记录相位匹配最大值对应的图像B2m的Tmax和Rmax;
Tmax=T1+TM
Rmax=R
其中,TM为B2m往B1方向平移的平移矩阵;Tmax表示最大平移矩阵;Rmax表示旋转矩阵;
S47.计算图像B1和B2m的重叠区域,记为矩形区域C;
S48.依据面积,对矩形区域C进行8等分,分割完成后,出现15个分割点;
S49.分别提取15个分割点位置,在三维点云图A1和A2中对应的高度值,分别计算高度的平均值H1和H2;
S410.计算高差ΔH=H1-H2;定义向上为正方向,向下为负方向;
S411.以A1为基准,将A2通过平移矩阵Tmax、旋转矩阵Rmax和竖向移动位移ΔH的位置变换,实现三维点云图A1和A2的配准融合,融合后的图像记为A3。
6.根据权利要求5所述的一种基于路面车辙病害三维重构的车辙长度计算方法,其特征在于,S44具体是,包括以下步骤:
S441.以图像B1的形心坐标(x1,y1)为坐标系原点O,沿图像长轴方向定义为x轴方向,沿图像短轴方向定位为y轴方向;
S442.确定图像B2的形心坐标(x2,y2);
S443.以图像B1的形心位置为基准,通过沿y轴平移B2图像,实现两张图像的形心在同一y轴高度,平移向量为T1,图像B2平移后的图像记为B2m,平移前后的图像位置关系如下:
其中,tx为沿x方向的平移距离;ty为沿y方向的平移距离;
S444.以图片形心为旋转基准点,旋转角度记为α,旋转后,保证B2的长轴与B1的长轴共线,旋转后的位置与初始位置间的关系如下:
其中,(x0,y0)为初始位置,(x2,y2)为旋转后的位置,α为旋转角度,R为旋转矩阵;
S445.以图像B1为基准,以B2m指向B1的方向为B2m的移动方向,将图像B2m向B1方向移动,当B2m与B1交叉时,移动的步长调整为1像素;此时,开始计算B2m与B1相位匹配值Φ,相位匹配值计算方法采用传统的傅里叶-梅林变换。
7.根据权利要求6所述的一种基于路面车辙病害三维重构的车辙长度计算方法,其特征在于,S5具体是,包括以下步骤:
S51.采用垂直投影的方式,将三维车辙图像进行垂直投影,得到车辙的二维图像;
S52.用卷积计算的方式,提取车辙的边缘,包括以下步骤:
S521.建立卷积矩阵Ux,Uy,分别如下:
S522.将车辙二维图像分别与矩阵Ux,Uy进行卷积运算,将卷积最大值作为输出值,运算结果为车辙图像的边缘;
S53.绘制车辙边缘的外接矩形,提取外接矩形的长度H和宽度W;
S54.提取三维车辙图像中,车辙病害的最大深度,记为D;
S55.建立一个空的三维矩阵J,三维矩阵的尺寸与车辙病害的长度、宽度和深度保持一致,三维矩阵的行数为W,列数为H,页数为D;矩阵内部元素均设置为0;
S56.提取采集到的三维车辙图像,采用平面A逐层切割图像的方式,记录全部层位的切割断面位置;
S57.将切割位置映射到S55所述的三维矩阵J中,切割断面区域的元素全部设置为1,即构建得到三维车辙形成的三维矩阵M。
8.一种电子设备,其特征在于,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现权利要求1-7任一项所述的一种基于路面车辙病害三维重构的车辙长度计算方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的一种基于路面车辙病害三维重构的车辙长度计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211487506.0A CN115908526B (zh) | 2022-11-24 | 2022-11-24 | 一种基于路面车辙病害三维重构的车辙长度计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211487506.0A CN115908526B (zh) | 2022-11-24 | 2022-11-24 | 一种基于路面车辙病害三维重构的车辙长度计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115908526A true CN115908526A (zh) | 2023-04-04 |
CN115908526B CN115908526B (zh) | 2023-08-18 |
Family
ID=86480129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211487506.0A Active CN115908526B (zh) | 2022-11-24 | 2022-11-24 | 一种基于路面车辙病害三维重构的车辙长度计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115908526B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117079147A (zh) * | 2023-10-17 | 2023-11-17 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路内部病害识别方法、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3494412A1 (fr) * | 2016-08-03 | 2019-06-12 | Valeo Comfort and Driving Assistance | Système d'aide visuelle à la conduite |
CN112200779A (zh) * | 2020-09-29 | 2021-01-08 | 河海大学 | 面向无人驾驶的路表车辙形状及构造横向差异度评价方法 |
CN113435420A (zh) * | 2021-08-26 | 2021-09-24 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种路面病害尺寸检测方法、装置和存储介质 |
CN115164762A (zh) * | 2022-07-04 | 2022-10-11 | 上海城建城市运营(集团)有限公司 | 一种基于结构光的路面车辙精细测量方法 |
-
2022
- 2022-11-24 CN CN202211487506.0A patent/CN115908526B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3494412A1 (fr) * | 2016-08-03 | 2019-06-12 | Valeo Comfort and Driving Assistance | Système d'aide visuelle à la conduite |
CN112200779A (zh) * | 2020-09-29 | 2021-01-08 | 河海大学 | 面向无人驾驶的路表车辙形状及构造横向差异度评价方法 |
CN113435420A (zh) * | 2021-08-26 | 2021-09-24 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种路面病害尺寸检测方法、装置和存储介质 |
CN115164762A (zh) * | 2022-07-04 | 2022-10-11 | 上海城建城市运营(集团)有限公司 | 一种基于结构光的路面车辙精细测量方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117079147A (zh) * | 2023-10-17 | 2023-11-17 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路内部病害识别方法、电子设备及存储介质 |
CN117079147B (zh) * | 2023-10-17 | 2024-02-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路内部病害识别方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115908526B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115578430B (zh) | 一种路面车辙病害的三维重构方法、电子设备及存储介质 | |
US10764559B2 (en) | Depth information acquisition method and device | |
CN111179152B (zh) | 一种道路标识识别方法及装置、介质、终端 | |
JP6270102B2 (ja) | 移動面境界線認識装置、これを用いた移動体機器制御システム、移動面境界線認識方法及び移動面境界線認識用プログラム | |
CN112613378B (zh) | 3d目标检测方法、系统、介质及终端 | |
CN112037159B (zh) | 一种跨相机道路空间融合及车辆目标检测跟踪方法及系统 | |
CN112254656B (zh) | 一种基于结构表面点特征的立体视觉三维位移测量方法 | |
CN101383899A (zh) | 一种空基平台悬停视频稳像方法 | |
CN115908526B (zh) | 一种基于路面车辙病害三维重构的车辙长度计算方法 | |
US20170270680A1 (en) | Method for Determining Depth Maps from Stereo Images with Improved Depth Resolution in a Range | |
CN112424565B (zh) | 车载环境识别装置 | |
CN111429344B (zh) | 基于感知哈希的激光slam闭环检测方法及系统 | |
CN115937289B (zh) | 一种基于路面车辙病害三维重构的车辙深度计算方法 | |
CN111243003A (zh) | 车载双目摄像机及其检测道路限高杆的方法、装置 | |
CN115752432A (zh) | 无人机采集道路交通图中虚线车道线自动提取方法及系统 | |
CN103700082A (zh) | 基于对偶四元数相对定向的图像拼接方法 | |
CN117011704A (zh) | 一种基于点线特征融合与自适应阈值的特征提取方法 | |
CN110197104B (zh) | 基于车辆的测距方法及装置 | |
JP3516118B2 (ja) | 物体認識方法および物体認識装置 | |
CN116817887A (zh) | 语义视觉slam地图构建方法、电子设备及存储介质 | |
CN115908525B (zh) | 一种基于路面车辙病害三维重构的车辙体积计算方法 | |
CN114998412B (zh) | 基于深度网络和双目视觉的阴影区域视差计算方法和系统 | |
CN116091322A (zh) | 超分辨率图像重建方法和计算机设备 | |
CN114563000B (zh) | 一种基于改进型激光雷达里程计的室内外slam方法 | |
Tuytelaars et al. | The cascaded Hough transform as support for grouping and finding vanishing points and lines |
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 |