CN116091714A - 一种沥青路面车辙三维形貌自动生成方法 - Google Patents

一种沥青路面车辙三维形貌自动生成方法 Download PDF

Info

Publication number
CN116091714A
CN116091714A CN202211446498.5A CN202211446498A CN116091714A CN 116091714 A CN116091714 A CN 116091714A CN 202211446498 A CN202211446498 A CN 202211446498A CN 116091714 A CN116091714 A CN 116091714A
Authority
CN
China
Prior art keywords
section
rut
cross
point
ruts
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
Application number
CN202211446498.5A
Other languages
English (en)
Other versions
CN116091714B (zh
Inventor
陈磊磊
陈道燮
刘雨萱
钱振东
黎威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202211446498.5A priority Critical patent/CN116091714B/zh
Priority to PCT/CN2022/134003 priority patent/WO2024103434A1/zh
Publication of CN116091714A publication Critical patent/CN116091714A/zh
Application granted granted Critical
Publication of CN116091714B publication Critical patent/CN116091714B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/203—Drawing of straight lines or curves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/08—Volume rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Remote Sensing (AREA)
  • Road Paving Structures (AREA)
  • Road Repair (AREA)

Abstract

本发明公开了一种沥青路面车辙三维形貌自动生成方法，包括构建标准车辙横断面表征模型，对车辙类型分类，获取沥青路面车辙路段检测数据，沿道路纵向等距选取不同的车辙横断面，然后对各车辙横断面进行去噪平滑处理，根据车辙横断面几何波动特性选取特征点，基于车辙变形演变规律连接特征点并拟合断面曲线，对多组重构的车辙横断面进行融合，实现车辙三维形貌的自动生成和可视化。本发明能够保留车辙横断面关键几何特征，解决现有车辙数字化建模中建模效率低、存储空间占用大的问题；应用范围广，可灵活匹配实现工程中的复杂车辙横断面形态。另外，本发明能构建车辙横断面表征模型，为车辙数字化建模提供理论基础。

Description

一种沥青路面车辙三维形貌自动生成方法
技术领域
本发明涉及道路基础设施数字化领域，特别是一种沥青路面车辙三维形貌自动生成方法。
背景技术
道路基础设施数字化是指将道路空间属性、状态属性等复杂多变的信息转变为可以度量的特征数据，并依托数字孪生、BIM等技术建立相适应的数字化模型，实现道路实体在虚拟世界中的映射。目前，道路线形、车道布设、标志标线等静态要素的数字化建模已取得一定进展。然而，道路通车后会劣化出现各种具有明显时空演变特性的路面病害，关于这类动态要素的数字化建模则鲜有文献报道。
车辙作为沥青路面的主要病害之一，受到业内的广泛关注。早期车辙多采用人工巡检的方式进行检测，难以批量采集车辙横断面形状数据。近年来随着自动化检测技术和检测设备的快速发展，逐步实现了车辙横断面数据的连续、高精度采集，其中包含路段名称、车辙空间属性、时间属性、预测发展情况、养护措施等内容。然而这些数据无法直接应用于车辙的数字化建模，究其原因在于：
1、海量检测数据中的冗余信息和无效信息占用大量的存储空间，需要提取可以抽象化描述车辙的关键属性，保留车辙横断面主要特征，提高建模效率。
2、在物理实体中，车辙表现为沿道路纵向的带状凹槽，除深度、宽度特征外还具有一定纵向长度，需要对多组横断面数据进行融合，构建三维车辙数字化模型。
在此背景下，部分学者和技术人员开始考虑对车辙进行参数化建模，但往往过度简化，忽略了车辙横断面的几何波动特征。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足，而提供一种沥青路面车辙三维形貌自动生成方法，该沥青路面车辙三维形貌自动生成方法能根据车辙横断面几何波动特性选取特征点，基于车辙变形演变规律连接特征点并拟合断面曲线，进而对多组重构的车辙横断面进行融合，实现车辙三维形貌的自动生成和可视化。
为解决上述技术问题，本发明采用的技术方案是：
一种沥青路面车辙三维形貌自动生成方法，包括如下步骤。
步骤1、构建标准车辙横断面表征模型：以路面基准线为基准，从左至右依次布设7个特征点A、B、C、D、E、F和G，并将7个特征点依次曲线连接，形成两侧隆起的W型形态的标准车辙横断面表征模型；其中，特征点A和G均与路面基准线相交，分别称为左边缘点和右边缘点；特征点B和F均位于路面基准线上方，分别称为左侧隆起点和右侧隆起点；特征点C、D和E均位于路面基准线下方，且特征点D向上隆起，分别称为槽底左谷点、槽底隆起点和槽底右谷点；标准车辙横断面表征模型与路面基准线围合形成若干个封闭区；将位于路面基准线上方的封闭区称为正区段，将位于路面基准线下方的封闭区称为负区段。
步骤2、车辙类型分类：根据现有车辙横断面的曲线形态，将车辙类型分为9类，分别为：U型边缘无隆起车辙、U型单侧隆起车辙、U型双侧隆起车辙、W-Ⅰ型边缘无隆起车辙、W-Ⅰ型单侧隆起车辙、W-Ⅰ型双侧隆起车辙、W-Ⅱ型边缘无隆起车辙、W-Ⅱ型单侧隆起车辙和W-Ⅱ型双侧隆起车辙；9类车辙类型均能通过调整步骤1中标准车辙横断面表征模型中7个特征点的空间位置，匹配得到；W-Ⅰ型和W-Ⅱ型的区别点在于，W-Ⅰ型中的槽底隆起点D位于负区段，W-Ⅱ型中的槽底隆起点D位于正区段。
步骤3、获取原始车辙断面：对待生成车辙三维形貌的沥青路面，沿道路纵向等距选取若干个原始车辙横断面ti；其中，i≥3。
步骤4、预处理：将步骤3中的每个原始车辙横断面ti均进行去噪平滑，从而得到预处理后的车辙横断面Ti。
步骤5、划分区段：根据车辙横断面Ti和路面基准线的相交情况，获取交点；根据交点，将车辙横断面Ti和路面基准线围合形成的封闭区，划分为若干个正区段和若干个负区段。
步骤6、寻找特征点：根据步骤5得到的正区段数量、负区段数量和极值点分布，并与步骤2中的车辙类型相匹配，从而确定车辙横断面Ti的车辙类型；接着，根据确定的车辙类型，在每个正区段和负区段内寻找车辙横断面Ti的特征点。
步骤7、重构车辙横断面采用平滑曲线连接特征点，重构形成车辙横断面
步骤8、在三维环境中，沿道路纵向依次连接重构的车辙横断面生成车辙三维形貌。
步骤3中，相邻原始车辙横断面的纵向距离不超过0.5m。
步骤3中，为保留车辙横断面的波动特征，每一个原始车辙横断面ti在选取时，采样点数量不低于11个，各采样点的点间距不超过0.2m。
步骤2中，W-Ⅰ型的三种车辙和W-Ⅱ型三种车辙的槽底左谷点C和槽底右谷点E均为槽底隆起点D两侧负区段内的最小值点；W-Ⅰ型中三种车辙的槽底隆起点D位于负区段，且槽底隆起点D与槽底左谷点C或槽底右谷点E的高度差值均不小于5mm；W-Ⅱ型中三种车辙的槽底隆起点D位于正区段，且槽底隆起点D与槽底左谷点C或槽底右谷点E的高度差值均不小于5mm。
步骤6中，基于机器学习智能匹配算法确定车辙横断面Ti的类型。
步骤6中，通过人工或计算机识别车辙横断面Ti的类型，具体识别方法为：
A、当车辙横断面Ti仅有1个负区段时，若该负区段存在某个极大值点Pk，且极大值点Pk与两侧局部负区段内的最小值点Ql、Qr的高度差值均不低于5mm，则车辙横断面Ti判断为W-Ⅰ型，否则为U型车辙；接着，再根据正区段数量继续进行判断，具体判断方法为：
A-1、当车辙横断面Ti判断为W-Ⅰ型且存在0个正区段时，则车辙横断面Ti为W-Ⅰ型边缘无隆起车辙。
A-2、当车辙横断面Ti判断为U型且存在0个正区段时，则车辙横断面Ti为U型边缘无隆起车辙。
A-3、当车辙横断面Ti判断为W-Ⅰ型且存在1个正区段时，则车辙横断面Ti为W-Ⅰ型单侧隆起车辙。
A-4、当车辙横断面Ti判断为U型且存在1个正区段时，则车辙横断面Ti为U型单侧隆起车辙。
A-5、当车辙横断面Ti判断为W-Ⅰ型且存在2个正区段时，则车辙横断面Ti为W-Ⅰ型双侧隆起车辙。
A-6、当车辙横断面Ti判断为U型且存在2个正区段时，则车辙横断面Ti为U型双侧隆起车辙。
B、当车辙横断面Ti具有2个负区段时，则车辙横断面Ti判断为W-Ⅱ型，再根据正区段数量继续进行如下判断。
B-1、当存在1个正区段时，则车辙横断面Ti为W-Ⅱ型边缘无隆起车辙。
B-2、当存在2个正区段时，则车辙横断面Ti为W-Ⅱ型单侧隆起车辙。
B-3、当存在3个正区段时，则车辙横断面Ti为W-Ⅱ型双侧隆起车辙。
步骤7中，采用三角函数或生长曲线函数进行特征点之间的曲线平滑连接，从而重构形成车辙横断面
步骤7中，采用三角函数或生长曲线函数进行特征点之间曲线平滑连接的方法，包括如下步骤：
步骤7-1、确定分割点横向位置：选取相邻特征点Fk-1(Xk-1，Yk-1)和Fk(Xk，Yk)作为分段曲线的起终点，然后对所选取的两个特征点间的水平间距进行等距划分，形成n个分割点，并确定第i个分割点的横向位置坐标Xi；其中，1≤i≤n。
步骤7-2、确定分割点纵向位置：第i个分割点的纵向位置坐标Xi，采用具有如下三角函数进行计算得到：
步骤7-3、曲线平滑：根据步骤7-1确定的分割点横向位置以及步骤7-2确定的分割点纵向位置，从而得到每个分割点的坐标位置，从左至右，将特征点和各分割点依次连接，从而形成车辙横断面
步骤7-1中，相邻两个特征点之间的分割点数量，根据两个特征点之间的横向间距进行确定。
本发明具有如下有益效果：
(1)根据车辙横断面几何波动特性选取特征点，能够保留车辙横断面关键几何特征，同时提高建模效率，节省存储空间；(2)调整特征点的空间位置，可灵活匹配实现工程中的复杂车辙横断面形态，具有普适性；(3)基于路面材料衰变规律和车辙变形演变规律，连接特征点并拟合断面曲线，能够快速构建车辙横断面表征模型，为车辙数字化建模提供理论基础。
附图说明
图1显示了本发明一种沥青路面车辙三维形貌自动生成方法的流程图。
图2显示了主要车辙横断面类型示意图；其中，(a)图为U型无隆起车辙横断面；(b)图为U型双侧隆起车辙横断面；(c)图为W-Ⅰ型无隆起车辙横断面；(d)图为)W-Ⅱ型双侧隆起车辙横断面。
图3为标准车辙横断面表征模型的示意图。
图4为试验段的原始车辙横断面示意图。
图5为试验段经去噪平滑处理后的车辙横断面示意图。
图6为车辙横断面特征点示意图。
图7为采用三角函数拟合后的车辙横断面示意图。
图8为生成的试验段的车辙三维形貌示意图。
具体实施方式
下面结合附图和具体较佳实施方式对本发明作进一步详细的说明。
本发明的描述中，需要理解的是，术语“左侧”、“右侧”、“上部”、“下部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，“第一”、“第二”等并不表示零部件的重要程度，因此不能理解为对本发明的限制。本实施例中采用的具体尺寸只是为了举例说明技术方案，并不限制本发明的保护范围。
如图1所示，一种沥青路面车辙三维形貌自动生成方法，包括如下步骤。
步骤1、构建标准车辙横断面表征模型
本发明中的路面基准线，优选通过连接道路设计文件中车道横断面两侧端点确定。
如图3所示，以路面基准线为基准，从左至右依次布设7个特征点A、B、C、D、E、F和G，并将7个特征点依次曲线连接，形成两侧隆起的W型形态的标准车辙横断面表征模型；其中，特征点A(XA,YA)和G(XG,YG)均与路面基准线相交，分别称为左边缘点和右边缘点；特征点B(XB,YB)和F(XF,YF)均位于路面基准线上方，分别称为左侧隆起点和右侧隆起点；特征点C(XC,YC)、D(XD,YD)和E(XE,YE)均位于路面基准线下方，且特征点D向上隆起，分别称为槽底左谷点、槽底隆起点和槽底右谷点；标准车辙横断面表征模型与路面基准线围合形成若干个封闭区；将位于路面基准线上方的封闭区(也即相邻特征点间在路面基准线上方的局部车辙横断面)称为正区段，将位于路面基准线下方的封闭区(也即相邻特征点间在路面基准线下方的局部车辙横断面)称为负区段。
步骤2、车辙类型分类
根据现有车辙横断面的曲线形态，将车辙类型分为3大类和9小类。
如图2所示，车辙横断面的3大类，分别为：U型、W-Ⅰ型和W-Ⅱ型。
U型包括U型边缘无隆起车辙、U型单侧隆起车辙、U型双侧隆起车辙。
W-Ⅰ型包括W-Ⅰ型边缘无隆起车辙、W-Ⅰ型单侧隆起车辙和W-Ⅰ型双侧隆起车辙。
W-Ⅱ型包括W-Ⅱ型边缘无隆起车辙、W-Ⅱ型单侧隆起车辙和W-Ⅱ型双侧隆起车辙。
上述W-Ⅰ型和W-Ⅱ型的区别点在于，W-Ⅰ型中的槽底隆起点D位于负区段，W-Ⅱ型中的槽底隆起点D位于正区段。
W-Ⅰ型的三种车辙和W-Ⅱ型三种车辙的槽底左谷点C和槽底右谷点E均为槽底隆起点D两侧负区段内的最小值点；W-Ⅰ型中三种车辙的槽底隆起点D位于负区段，且槽底隆起点D与槽底左谷点C或槽底右谷点E的高度差值均不小于5mm。
W-Ⅱ型中三种车辙的槽底隆起点D位于正区段，且槽底隆起点D与槽底左谷点C或槽底右谷点E的高度差值均不小于5mm。
上述9类车辙类型均能通过调整步骤1中标准车辙横断面表征模型中7个特征点的空间位置，匹配得到。
步骤3、获取原始车辙断面
对待生成车辙三维形貌的沥青路面，沿道路纵向等距选取若干个原始车辙横断面ti；其中，i≥3。
为保留车辙横断面的波动特征，每一个原始车辙横断面ti在选取时，采样点数量不低于11个，各采样点的点间距不超过0.2m。相邻原始车辙横断面的纵向距离不超过0.5m。
本实例中，沿道路纵向优选以0.1m为区间划分并标记车辙横断面，原始车辙横断面t1如图4所示。
步骤4、预处理：将步骤3中的每个原始车辙横断面ti均进行去噪平滑，从而得到预处理后的车辙横断面Ti。
本实例中，优选采用Savitzky-Golay滤波拟合法进行去噪和平滑处理，处理后的车辙横断面T1如图5所示。
步骤5、划分区段：根据车辙横断面Ti和路面基准线的相交情况，获取交点；根据交点，将车辙横断面Ti和路面基准线围合形成的封闭区，划分为若干个正区段和若干个负区段。
本实例中，路面基准线和车辙横断面T1的交点共有5个，记为交点数组(C1l,C11,C12,C13,C14,C1r)。C1lC11、C12C13、C14C1r连线上方分别为正区段1、正区段2、正区段3，C11C12、C13C14连线下方分别为负区段1、负区段2，如图5所示。
步骤6、寻找特征点：根据步骤5得到的正区段数量、负区段数量和极值点分布，并与步骤2中的车辙类型相匹配，从而确定车辙横断面Ti的车辙类型；接着，根据确定的车辙类型，在每个正区段和负区段内寻找车辙横断面Ti的特征点。
区段划分后，对每个区段进行数据分析，寻找区段Dj内所有极大值点，记为极大值点数组(Pij1,Pij2,Pij3,…,Pijn)，所有极小值点记为极小值点数组(Qij1,Qij2,Qij3,…,Qijm)。
上述车辙横断面Ti类型确定时，可以采用人工、计算机识别或基于机器学习智能匹配算法等进行确定。其中，通过人工或计算机识别车辙横断面Ti的类型，具体识别方法优选为：
A、当车辙横断面Ti仅有1个负区段时，若该负区段存在某个极大值点Pk，且极大值点Pk与两侧局部负区段内的最小值点Ql、Qr的高度差值均不低于5mm，则车辙横断面Ti判断为W-Ⅰ型，否则为U型车辙；接着，再根据正区段数量继续进行判断，具体判断方法为：
A-1、当车辙横断面Ti判断为W-Ⅰ型且存在0个正区段时，则车辙横断面Ti为W-Ⅰ型边缘无隆起车辙。
A-2、当车辙横断面Ti判断为U型且存在0个正区段时，则车辙横断面Ti为U型边缘无隆起车辙。
A-3、当车辙横断面Ti判断为W-Ⅰ型且存在1个正区段时，则车辙横断面Ti为W-Ⅰ型单侧隆起车辙。
A-4、当车辙横断面Ti判断为U型且存在1个正区段时，则车辙横断面Ti为U型单侧隆起车辙。
A-5、当车辙横断面Ti判断为W-Ⅰ型且存在2个正区段时，则车辙横断面Ti为W-Ⅰ型双侧隆起车辙。
A-6、当车辙横断面Ti判断为U型且存在2个正区段时，则车辙横断面Ti为U型双侧隆起车辙。
B、当车辙横断面Ti具有2个负区段时，则车辙横断面Ti判断为W-Ⅱ型，再根据正区段数量继续进行如下判断。
B-1、当存在1个正区段时，则车辙横断面Ti为W-Ⅱ型边缘无隆起车辙。
B-2、当存在2个正区段时，则车辙横断面Ti为W-Ⅱ型单侧隆起车辙。
B-3、当存在3个正区段时，则车辙横断面Ti为W-Ⅱ型双侧隆起车辙。
最后，根据确定的车辙类型，在每个正区段和负区段内寻找对应的车辙横断面Ti特征点。
其中，左、右边缘点定义为路面基准线与车辙横断面Ti的左、右侧交点。左、右边缘隆起点定义为左、右侧正区段内的最大值点。对于W-Ⅰ型车辙，槽底隆起点定义为与其两侧负区段内最小值差值(不低于5mm)最大的点。对于W-Ⅱ型车辙，槽底隆起点定义为中间正区段内的最大值点。对于W型车辙，槽底左、
右谷点定义为槽底隆起点两侧负区段内的最小值点。对于U型车辙，槽底左右谷点重合，定义为负区段内的最小值点。
本实例中，通过人工识别可知T1具有2个负区段，3个正区段，为W-Ⅱ型双侧隆起车辙。分区段寻找特征点，可得左边缘点A1(-407.53,0.13)，左边缘隆起点B1(-393.58,4.67)，槽底左谷点C1(-274.43,-10.99)，槽底隆起点D1(7.46,11.16)，槽底右谷点E1(211.70,-12.82)，右边缘隆起点F1(394.67,4.58)，右边缘点G1(399.98,0.28)，如图6所示，其中，横向零点为车辙横断面的中点。
步骤7中，采用三角函数或生长曲线函数进行特征点之间的曲线平滑连接，从而重构形成车辙横断面其中，曲线平滑连接方法，优选包括如下步骤。
步骤7-1、确定分割点横向位置：选取相邻特征点Fk-1(Xk-1，Yk-1)和Fk(Xk，Yk)作为分段曲线的起终点，然后对所选取的两个特征点间的水平间距进行等距划分，形成n个分割点，并确定第i个分割点的横向位置坐标Xi；其中，1≤i≤n。
步骤7-2、确定分割点纵向位置：第i个分割点的纵向位置坐标Xi，采用具有如下三角函数进行计算得到：
步骤7-3、曲线平滑：根据步骤7-1确定的分割点横向位置以及步骤7-2确定的分割点纵向位置，从而得到每个分割点的坐标位置，从左至右，将特征点和各分割点依次连接，从而形成车辙横断面
步骤7-1中，相邻两个特征点之间的分割点数量，根据两个特征点之间的横向间距进行确定。
本实施例中，基于步骤6提取的车辙横断面T1中的特征点，以相邻特征点为起终点，每分段设置10个分割点，从左至右进行拟合，各段分割点纵向计算位置如式(2)-(7)所示，重构后的车辙横断面如图7所示。
A1B1段：
B1C1段：
C1D1段：
D1E1段：
E1G1段：
G1F1段：
步骤8、在三维环境中，沿道路纵向依次连接重构的车辙横断面生成车辙三维形貌。
本实施例中，重构车辙横断面后，重复步骤1-步骤5，继续重构标记的车辙横断面 累计长度为5m，然后沿行车方向依次进行连接，生成试验段的车辙三维形貌，如图8所示。
本发明能够保留车辙横断面关键几何特征，解决现有车辙数字化建模中建模效率低、存储空间占用大的问题；应用范围广，可灵活匹配实现工程中的复杂车辙横断面形态。另外，本发明能构建车辙横断面表征模型，为车辙数字化建模提供理论基础。
以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。

Claims (9)

1.一种沥青路面车辙三维形貌自动生成方法，其特征在于：包括如下步骤：
步骤1、构建标准车辙横断面表征模型：以路面基准线为基准，从左至右依次布设7个特征点A、B、C、D、E、F和G，并将7个特征点依次曲线连接，形成两侧隆起的W型形态的标准车辙横断面表征模型；其中，特征点A和G均与路面基准线相交，分别称为左边缘点和右边缘点；特征点B和F均位于路面基准线上方，分别称为左侧隆起点和右侧隆起点；特征点C、D和E均位于路面基准线下方，且特征点D向上隆起，分别称为槽底左谷点、槽底隆起点和槽底右谷点；标准车辙横断面表征模型与路面基准线围合形成若干个封闭区；将位于路面基准线上方的封闭区称为正区段，将位于路面基准线下方的封闭区称为负区段；
步骤2、车辙类型分类：根据现有车辙横断面的曲线形态，将车辙类型分为9类，分别为：U型边缘无隆起车辙、U型单侧隆起车辙、U型双侧隆起车辙、W-Ⅰ型边缘无隆起车辙、W-Ⅰ型单侧隆起车辙、W-Ⅰ型双侧隆起车辙、W-Ⅱ型边缘无隆起车辙、W-Ⅱ型单侧隆起车辙和W-Ⅱ型双侧隆起车辙；9类车辙类型均能通过调整步骤1中标准车辙横断面表征模型中7个特征点的空间位置，匹配得到；W-Ⅰ型和W-Ⅱ型的区别点在于，W-Ⅰ型中的槽底隆起点D位于负区段，W-Ⅱ型中的槽底隆起点D位于正区段；
步骤3、获取原始车辙断面：对待生成车辙三维形貌的沥青路面，沿道路纵向等距选取若干个原始车辙横断面ti；其中，i≥3；
步骤4、预处理：将步骤3中的每个原始车辙横断面ti均进行去噪平滑，从而得到预处理后的车辙横断面Ti；
步骤5、划分区段：根据车辙横断面Ti和路面基准线的相交情况，获取交点；根据交点，将车辙横断面Ti和路面基准线围合形成的封闭区，划分为若干个正区段和若干个负区段；
步骤6、寻找特征点：根据步骤5得到的正区段数量、负区段数量和极值点分布，并与步骤2中的车辙类型相匹配，从而确定车辙横断面Ti的车辙类型；接着，根据确定的车辙类型，在每个正区段和负区段内寻找车辙横断面Ti的特征点；
步骤7、重构车辙横断面
Figure FDA0003949741140000011
采用平滑曲线连接特征点，重构形成车辙横断面
Figure FDA0003949741140000013
步骤8、在三维环境中，沿道路纵向依次连接重构的车辙横断面
Figure FDA0003949741140000012
生成车辙三维形貌。
2.根据权利要求1所述的沥青路面车辙三维形貌自动生成方法，其特征在于：步骤3中，相邻原始车辙横断面的纵向距离不超过0.5m。
3.根据权利要求1所述的沥青路面车辙三维形貌自动生成方法，其特征在于：步骤3中，为保留车辙横断面的波动特征，每一个原始车辙横断面ti在选取时，采样点数量不低于11个，各采样点的点间距不超过0.2m。
4.根据权利要求1所述的沥青路面车辙三维形貌自动生成方法，其特征在于：步骤2中，W-Ⅰ型的三种车辙和W-Ⅱ型三种车辙的槽底左谷点C和槽底右谷点E均为槽底隆起点D两侧负区段内的最小值点；W-Ⅰ型中三种车辙的槽底隆起点D位于负区段，且槽底隆起点D与槽底左谷点C或槽底右谷点E的高度差值均不小于5mm；W-Ⅱ型中三种车辙的槽底隆起点D位于正区段，且槽底隆起点D与槽底左谷点C或槽底右谷点E的高度差值均不小于5mm。
5.根据权利要求4所述的沥青路面车辙三维形貌自动生成方法，其特征在于：步骤6中，基于机器学习智能匹配算法确定车辙横断面Ti的类型。
6.根据权利要求4所述的沥青路面车辙三维形貌自动生成方法，其特征在于：步骤6中，通过人工或计算机识别车辙横断面Ti的类型，具体识别方法为：
A、当车辙横断面Ti仅有1个负区段时，若该负区段存在某个极大值点Pk，且极大值点Pk与两侧局部负区段内的最小值点Ql、Qr的高度差值均不低于5mm，则车辙横断面Ti判断为W-Ⅰ型，否则为U型车辙；接着，再根据正区段数量继续进行判断，具体判断方法为：
A-1、当车辙横断面Ti判断为W-Ⅰ型且存在0个正区段时，则车辙横断面Ti为W-Ⅰ型边缘无隆起车辙；
A-2、当车辙横断面Ti判断为U型且存在0个正区段时，则车辙横断面Ti为U型边缘无隆起车辙；
A-3、当车辙横断面Ti判断为W-Ⅰ型且存在1个正区段时，则车辙横断面Ti为W-Ⅰ型单侧隆起车辙；
A-4、当车辙横断面Ti判断为U型且存在1个正区段时，则车辙横断面Ti为U型单侧隆起车辙；
A-5、当车辙横断面Ti判断为W-Ⅰ型且存在2个正区段时，则车辙横断面Ti为W-Ⅰ型双侧隆起车辙；
A-6、当车辙横断面Ti判断为U型且存在2个正区段时，则车辙横断面Ti为U型双侧隆起车辙；
B、当车辙横断面Ti具有2个负区段时，则车辙横断面Ti判断为W-Ⅱ型，再根据正区段数量继续进行如下判断；
B-1、当存在1个正区段时，则车辙横断面Ti为W-Ⅱ型边缘无隆起车辙；
B-2、当存在2个正区段时，则车辙横断面Ti为W-Ⅱ型单侧隆起车辙；
B-3、当存在3个正区段时，则车辙横断面Ti为W-Ⅱ型双侧隆起车辙。
7.根据权利要求1所述的沥青路面车辙三维形貌自动生成方法，其特征在于：步骤7中，采用三角函数或生长曲线函数进行特征点之间的曲线平滑连接，从而重构形成车辙横断面
Figure FDA0003949741140000021
8.根据权利要求7所述的沥青路面车辙三维形貌自动生成方法，其特征在于：步骤7中，采用三角函数或生长曲线函数进行特征点之间曲线平滑连接的方法，包括如下步骤：
步骤7-1、确定分割点横向位置：选取相邻特征点Fk-1(Xk-1，Yk-1)和Fk(Xk，Yk)作为分段曲线的起终点，然后对所选取的两个特征点间的水平间距进行等距划分，形成n个分割点，并确定第i个分割点的横向位置坐标Xi；其中，1≤i≤n；
步骤7-2、确定分割点纵向位置：第i个分割点的纵向位置坐标Xi，采用具有如下三角函数进行计算得到：
Figure FDA0003949741140000031
步骤7-3、曲线平滑：根据步骤7-1确定的分割点横向位置以及步骤7-2确定的分割点纵向位置，从而得到每个分割点的坐标位置，从左至右，将特征点和各分割点依次连接，从而形成车辙横断面
Figure FDA0003949741140000032
9.根据权利要求8所述的沥青路面车辙三维形貌自动生成方法，其特征在于：步骤7-1中，相邻两个特征点之间的分割点数量，根据两个特征点之间的横向间距进行确定。
CN202211446498.5A 2022-11-18 2022-11-18 一种沥青路面车辙三维形貌自动生成方法 Active CN116091714B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211446498.5A CN116091714B (zh) 2022-11-18 2022-11-18 一种沥青路面车辙三维形貌自动生成方法
PCT/CN2022/134003 WO2024103434A1 (zh) 2022-11-18 2022-11-24 一种沥青路面车辙三维形貌自动生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211446498.5A CN116091714B (zh) 2022-11-18 2022-11-18 一种沥青路面车辙三维形貌自动生成方法

Publications (2)

Publication Number Publication Date
CN116091714A true CN116091714A (zh) 2023-05-09
CN116091714B CN116091714B (zh) 2023-10-31

Family

ID=86201370

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211446498.5A Active CN116091714B (zh) 2022-11-18 2022-11-18 一种沥青路面车辙三维形貌自动生成方法

Country Status (2)

Country Link
CN (1) CN116091714B (zh)
WO (1) WO2024103434A1 (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104598669A (zh) * 2014-12-22 2015-05-06 重庆交通大学 沥青混合料路面永久变形预测方法
CN107301307A (zh) * 2017-08-08 2017-10-27 武汉理工大学 基于实测形貌的沥青混凝土劈裂试验细观有限元建模方法
CN108710730A (zh) * 2018-04-28 2018-10-26 东南大学 基于多点检测数据的车辙横断面类型识别与指标提取方法
CN110674732A (zh) * 2019-09-21 2020-01-10 福建农林大学 一种融合多元数据的沥青路面车辙三维尺寸自动检测及定位方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6198190B2 (ja) * 2013-08-01 2017-09-20 国際航業株式会社 路面性状計測システム、及び路面性状計測方法
CN107462204B (zh) * 2017-09-21 2019-05-31 武汉武大卓越科技有限责任公司 一种三维路面标准轮廓提取方法及系统
CN112160222A (zh) * 2020-07-28 2021-01-01 山东东泰工程咨询有限公司 基于点激光的路面车辙测试方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104598669A (zh) * 2014-12-22 2015-05-06 重庆交通大学 沥青混合料路面永久变形预测方法
CN107301307A (zh) * 2017-08-08 2017-10-27 武汉理工大学 基于实测形貌的沥青混凝土劈裂试验细观有限元建模方法
CN108710730A (zh) * 2018-04-28 2018-10-26 东南大学 基于多点检测数据的车辙横断面类型识别与指标提取方法
CN110674732A (zh) * 2019-09-21 2020-01-10 福建农林大学 一种融合多元数据的沥青路面车辙三维尺寸自动检测及定位方法

Also Published As

Publication number Publication date
WO2024103434A1 (zh) 2024-05-23
CN116091714B (zh) 2023-10-31

Similar Documents

Publication Publication Date Title
Jenson et al. Extracting topographic structure from digital elevation data for geographic information system analysis
Frankhauser Fractal geometry of urban patterns and their morphogenesis
CN111651545A (zh) 一种基于多源数据融合的城市边缘区提取方法
CN104635262B (zh) 一种基于增强型矩形网格的正逆断层等值线自动生成方法
CN108959598B (zh) 基于gis的cad数据导入到swmm的方法
CN112487521B (zh) 一种基于点云的隧道改建工程bim建模方法及系统
CN112070769A (zh) 一种基于dbscan的分层点云分割方法
CN106446910B (zh) 一种复杂地质曲面特征提取与重构方法
CN108257142A (zh) Dem中斜坡单元提取方法
CN108389255A (zh) 基于分层高程云图的地形几何参数提取方法
Seemuller The extraction of ordered vector drainage networks from elevation data
CN110688756B (zh) 一种采集和制图一体化的竣工图制作方法
CN116911055B (zh) 一种基于数字孪生的智慧城市规划治理系统
Chen et al. Analyzing inundation extent in small reservoirs: A combined use of topography, bathymetry and a 3D dam model
CN113705019A (zh) 一种基于数字化设计过程的电缆敷设设计系统
CN110660027B (zh) 一种针对复杂地形的激光点云连续剖面地面滤波方法
CN111523606B (zh) 一种道路信息的更新方法
CN110415362B (zh) 重叠点云融合方法
CN116342815A (zh) 一种页岩孔隙空间的多尺度孔隙网络模型构建方法
Zhang et al. Updating authoritative spatial data from timely sources: A multiple representation approach
CN116434539A (zh) 基于数字孪生的极端雨水天气下高速公路车速预警方法
CN116091714B (zh) 一种沥青路面车辙三维形貌自动生成方法
CN103995944A (zh) 一种空间异常极值无偏等值图绘制方法
CN117012004B (zh) 一种城市内涝风险预警方法及系统
CN103617291B (zh) 储层成因单元界面等效表征方法

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