CN116242774A - 适用于农村公路的轻量化三维检测方法及装置 - Google Patents
适用于农村公路的轻量化三维检测方法及装置 Download PDFInfo
- Publication number
- CN116242774A CN116242774A CN202211098232.6A CN202211098232A CN116242774A CN 116242774 A CN116242774 A CN 116242774A CN 202211098232 A CN202211098232 A CN 202211098232A CN 116242774 A CN116242774 A CN 116242774A
- Authority
- CN
- China
- Prior art keywords
- road surface
- data
- dimensional
- pavement
- target area
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- 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
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种适用于农村公路的轻量化三维检测方法及装置,所述方法包括:利用线扫描三维测量传感器获取原始农村公路路面三维轮廓数据;基于所述原始农村公路路面三维轮廓数据,提取路面目标区域数据和位置,进而得到路面目标区域三维建模数据,对所述路面目标区域进行路面检测,得到检测结果。本发明的适用于农村公路的轻量化三维检测方法,通过利用线扫描三维测量传感器来获取公路的三维轮廓数据,再根据公路的各种特征确定出实际路面目标区域数据和位置,进而建立路面目标区域三维建模数据,以实现对路面病害等的检测,检测操作方便,结果准确,适合应用于农村公路的大批量检测场景。
Description
技术领域
本发明涉及道路检测技术领域,尤其涉及一种适用于农村公路的轻量化三维检测方法及装置。
背景技术
农村公路已进入“建养并重”的新发展阶段。截至2020年底,农村公路里程达到438万公里,评定里程达到381万公里,大规模的农村公路全覆盖自动化检测需求迫在眉睫,路况数据是农村公路交安设施安全性提升和大规模养护决策的刚需。
面向大规模的农村公路检测需求,现有公路设施状态检测技术主要面向高等级的高速公路。由于农村道路具有通行能力差、道路幅宽变化大、地形复杂以及路况差异大等特点,大量农村公路缺乏技术合理、经济可行且结果可靠的检测手段。如何设计一种可靠的农村公路检测方法是一个亟需解决的问题。
发明内容
本发明提供一种适用于农村公路的轻量化三维检测方法及装置,用以解决现有技术中农村公路难以检测的缺陷,实现对农村公路进行低成本以及高精度的检测。
本发明提供一种适用于农村公路的轻量化三维检测方法,包括:
利用线扫描三维测量传感器获取原始农村公路路面三维轮廓数据;所述原始农村公路路面三维轮廓数据为点云数据;
基于所述原始农村公路路面三维轮廓数据,利用路面表观轮廓的宏观连续性特征、非路面区域位于道路幅宽方向两侧的特征、路面区域与非路面区域相邻位置的高程突变性特征以及测量姿态的连续性特征,提取路面目标区域数据和位置;
基于所述路面目标区域数据,提取测量姿态信息,并从所述原始农村公路路面三维轮廓数据中消除测量姿态影响,得到路面目标区域三维建模数据;
基于所述路面目标区域三维建模数据,确定路面的类型;所述路面的类型包括沥青路面、水泥路面、砂石路面中的至少一种;
基于所述路面目标区域三维建模数据和确定的路面的类型,对所述路面目标区域进行路面检测,得到检测结果;所述路面检测包括路面破损检测、路面平整度检测和路面车辙检测中的至少一种。
根据本发明提供的一种适用于农村公路的轻量化三维检测方法,所述基于所述原始农村公路路面三维轮廓数据,利用路面表观轮廓的宏观连续性特征、非路面区域位于道路幅宽方向两侧的特征、路面区域与非路面区域相邻位置的高程突变性特征以及测量姿态的连续性特征,提取路面目标区域数据和位置,包括:
基于所述原始农村公路路面三维轮廓数据,对任一横断面内的所有测量点,由内向外计算测量点间距为第一预设距离的两个测量点的高程差;
若所述高程差大于第一预设阈值,则将位于外侧的测量点标记为异常突变点;
基于各异常突变点,生成二值图;
利用形态学处理方法对所述二值图进行延伸,并依据延伸后二值图中连通区域的面积和长度特征进行去噪,以确定路面目标区域数据和位置。
根据本发明提供的一种适用于农村公路的轻量化三维检测方法,所述基于所述路面目标区域数据,提取测量姿态信息,并从所述原始农村公路路面三维轮廓数据中消除测量姿态,得到路面目标区域三维建模数据,包括:
获取所述路面目标区域数据中任一横断面所对应的起始横断面平均高程和结束横断面平均高程的差值,将所述差值大于预设阈值的横断面确定为跳跃面,以根据所有跳跃面处理所述路面目标区域,并获取所有划分路段;
根据每一划分路段所有横断面平均高程构建第一时序数据,转化所述第一时序数据为第一频率数据,以根据所述第一频率数据获取各横断面对应测量姿态的俯仰与振动高程;
根据每一划分路段所有横断面的斜率构建第二时序数据,转化所述第二时序数据为第二频率数据,以根据所述第二频率数据获取各横断面对应测量姿态的横滚角度;
根据所述横断面对应测量姿态的俯仰与振动高程、所述横断面对应测量姿态的横滚角度修正所述路面目标区域数据,得到路面目标区域三维建模数据;
所述起始横断面是以所述横断面为中心面,沿数据采集顺序,间隔第一预设长度向前取的对应横断面;所述结束横断面是以所述横断面为中心面,沿数据采集顺序,间隔第一预设长度向后取的对应横断面。
根据本发明提供的一种适用于农村公路的轻量化三维检测方法,所述基于所述路面目标区域三维建模数据,确定路面的类型,包括:
基于所述路面目标区域的路面三维建模数据,计算所述路面目标区域中各测量点的构造深度;
根据所述路面目标区域中各测量点的构造深度,得到所述路面目标区域的路面纹理特征;所述路面纹理特征包括路面纹理分布的均匀性、周期性以及尺寸数据大小;
基于所述路面目标区域的路面纹理特征,确定路面的类型。
根据本发明提供的一种适用于农村公路的轻量化三维检测方法,所述路面平整度检测包括以下步骤:
基于所述路面目标区域的路面三维建模数据,确定预设位置的纵向轮廓数据;
在所述预设位置位于所述路面目标区域内的情况下,基于所述预设位置的纵向轮廓数据,计算国际平整度指数IRI;
在所述预设位置不位于所述路面目标区域内的情况下,对所述预设位置进行标记。
根据本发明提供的一种适用于农村公路的轻量化三维检测方法,所述路面破损检测包括以下步骤:
将所述路面目标区域的路面目标区域三维建模数据输入至病害识别模型,得到所述病害识别模型输出的病害区域点云数据;所述病害识别模型是以病害路面的点云数据为样本,以所述病害路面中病害区域的点云数据为标签训练得到的;
基于所述病害区域点云数据以及所述病害区域点云数据对应的位置,确定所述病害区域的位置;
基于所述病害区域的位置以及所述路面目标区域的路面三维建模数据,确定所述病害区域的位置、类型、尺寸信息以及影响区域信息。
根据本发明提供的一种适用于农村公路的轻量化三维检测方法,所述病害区域的类型包括裂缝、坑槽、拥包、沉陷、错台、修补、破碎板以及板角断裂中的至少一种,所述病害区域的尺寸信息包括所述病害区域的长度、宽度和深度中的至少一种,所述病害区域的影响区域信息包括影响长度、影响宽度、影响深度、影响面积和影响程度中的至少一种。
根据本发明提供的一种适用于农村公路的轻量化三维检测方法,在所述基于所述路面目标区域三维建模数据和确定的路面的类型,对所述路面目标区域进行路面检测,得到检测结果之后,所述方法还包括:
将所述路面目标区域的检测结果发送至数据管理平台;
所述数据管理平台的功能包括数据分析、数据存储、数据分发以及数据展示中的至少一项。
根据本发明提供的一种适用于农村公路的轻量化三维检测方法,所述线扫描三维测量传感器包括:
传感器,所述传感器包括激光器和高速3D相机,所述激光器用于将激光光束垂直投射到路面,所述高速3D相机与所述激光器呈一定角度获取激光线所在位置对应的断面数据;
控制器,所述控制器用于控制所述传感器获取路面的断面数据;
所述断面数据包括激光线对应路面的高程和灰度和;
所述断面数据沿采集的时间顺序组成原始农村公路路面三维轮廓数据。
本发明还提供一种适用于农村公路的轻量化三维检测装置,包括载具、线扫描三维测量传感器、定位装置、处理器和存储器;所述线扫描三维测量传感器、所述定位装置和所述存储器均与所述处理器电连接;
所述定位装置用于获取所述线扫描三维测量传感器的位置信息,所述载具用于承载所述线扫描三维测量传感器按照目标轨迹采集目标路段路面的点云数据;
还包括存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时执行如上述任一中所述适用于农村公路的轻量化三维检测方法。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述适用于农村公路的轻量化三维检测方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述适用于农村公路的轻量化三维检测方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述适用于农村公路的轻量化三维检测方法。
本发明提供的适用于农村公路的轻量化三维检测方法及装置,通过利用线扫描三维测量传感器来获取公路的三维轮廓数据,再根据公路的各种特征确定出实际路面目标区域数据和位置,进而建立路面目标区域三维建模数据,以实现对路面病害等的检测,检测操作方便,结果准确,适合应用于农村公路的大批量检测场景。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的适用于农村公路的轻量化三维检测方法的流程示意图;
图2是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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作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。
下面结合图1-图2描述本发明的适用于农村公路的轻量化三维检测方法及装置。
本发明实施例的适用于农村公路的轻量化三维检测方法的执行主体可以是服务器,当然,在一些实施例中,执行主体还可以是处理器,此处对执行主体的具体类型不作限制。下面以处理器为执行主体来对本发明实施例的适用于农村公路的轻量化三维检测方法进行说明。
参照图1,本发明实施例的适用于农村公路的轻量化三维检测方法主要包括步骤110、步骤120、步骤130、步骤140以及步骤150。
步骤110,利用线扫描三维测量传感器获取原始农村公路路面三维轮廓数据。
需要说明的是,线扫描三维测量传感器是一种利用3D传感技术的测绘设备。线扫描三维测量传感器包括传感器和控制器。传感器包括激光器和高速3D相机,激光器用于将激光光束垂直投射到路面,高速3D相机与激光器呈一定角度(4°~10°)获取激光线所在位置对应的断面数据。
在一些实施例中,可以通过控制器来控制传感器获取路面的断面数据。
断面数据包括激光线对应路面的高程和灰度和,断面数据沿采集的时间顺序组成原始农村公路路面三维轮廓数据,即原始农村公路路面三维轮廓数据为按照采集时间排列的时间序列数据。
可以理解的是,控制器在接收到检测信号后,可以控制激光器向路面投射激光光束,并控制高速3D相机采集激光线所在位置对应的断面数据。
需要说明的是,激光光束可是一字激光线,或者是多线激光线束,此处不作限制。
在本实施方式中,可以利用线激光器投射一维线激光到路面,高速3D相机与激光器呈一定角度(4°~10°)获取激光线所在位置对应的断面数据,然后根据三角测量原理得到路面表面相应位置的三维信息,即得到路面的点云数据。断面数据是3D相机在同一测量姿态下获取沿道路幅宽方向多个测量点的路面轮廓数据。在沿道路的幅宽方向,可以存在1000个以上的测量点。
在进行数据采集的过程中,数据采集可以不依赖外部光照环境,对检测环境要求低,操作简单直观,自动化程度高。
在利用线扫描三维测量传感器来进行检测时,可以将线扫描三维测量传感器安装于载具,通过载具的移动来获取农村公路路面多个位置的检测数据,进而得到原始农村公路路面三维轮廓数据,原始农村公路路面三维轮廓数据为点云数据。
需要说明的是,农村道路具有通行能力差、道路幅宽变化大、地形复杂以及路况差异大等特点,在进行检测时,原始农村公路路面三维轮廓数据还会包括非路面区域等不相干区域的点云数据。
步骤120,基于原始农村公路路面三维轮廓数据,利用路面表观轮廓的宏观连续性特征、非路面区域位于道路幅宽方向两侧的特征、路面区域与非路面区域相邻位置的高程突变性特征以及测量姿态的连续性特征,提取路面目标区域数据和位置。
需要说明的是,路面目标区域为农村公路的路面区域。在此种情况下,根据道路路面区域与非路面区域相邻位置的高程差异特征从原始农村公路路面三维轮廓数据中提取出表征路面的路面目标区域数据和位置。
在一些实施例中,基于原始农村公路路面三维轮廓数据,对任一横断面内的所有测量点,由内向外计算测量点间距为第一预设距离的两个测量点的高程差。
在本实施方式中,内侧指靠近路面中心的位置,外侧指路面幅宽边缘位置方向。
可以理解的是,根据非路面区域位于道路幅宽方向两侧的特征以及路面区域与非路面区域相邻位置的高程突变性特征,在路面的幅宽方向上,先确定出高程突变的测量点。
第一预设值可以根据经验进行设置,针对不同区域的路段,第一预设值可以设置为不同的数值。
若高程差大于第一预设阈值,则将位于外侧的测量点标记为异常突变点,进而方便进一步确定路面的边界,以确定路面区域,进而再根据测量姿态的连续性特征和路面表观轮廓的宏观连续性特征,确定出路面区域各处的位置。
在此基础上,可以基于各异常突变点,生成二值图。二值图包括各个异常图变点。二值图又称为二值图像,是指每个像素点均为黑色或者白色的图像。
在本实施方式中,可以利用形态学处理方法对二值图进行延伸,并依据延伸后二值图中连通区域的面积和长度特征进行去噪,以确定路面目标区域数据和位置。
可以理解的是,可以根据路面表观轮廓的宏观连续性特征逐横断面,由内向外搜索,寻找正常区域边界,以此确认当前断面中的正常路面区域,得到路面目标区域数据和位置。
在本实施方式中,通过确定异常突变点进而可以生成二值图,确定出各个横断面出路面的边界,从而确定出路面目标区域数据和位置。
步骤130,基于路面目标区域数据,提取测量姿态信息,并从原始农村公路路面三维轮廓数据中消除测量姿态影响,得到路面目标区域三维建模数据。
可以理解的是,在检测的过程中,由于路面的高低不平、路面的坡度以及载具行驶过程中的振动,导致固定于载具的线扫描三维测量传感器的测量姿态会发生变化,检测得到的原始农村公路路面三维轮廓数据包含测量姿态的影响。
在确定出路面目标区域数据后进行建模得到的路面模型与实际路面并不符合,因此需要消除测量姿态影响。
在一些实施例中,可以先获取路面目标区域数据中任一横断面所对应的起始横断面平均高程和结束横断面平均高程的差值,将差值大于预设阈值的横断面确定为跳跃面,以根据所有跳跃面处理路面目标区域,并获取所有划分路段。
需要说明的是,起始横断面是以横断面为中心面,沿数据采集顺序,间隔第一预设长度向前取的对应横断面;结束横断面是以横断面为中心面,沿数据采集顺序,间隔第一预设长度向后取的对应横断面。
可以理解的是,通过根据横断面的平均高程确定出各跳跃面,进而方便确定测量姿态变化的位置。
在此基础上,可以根据每一划分路段所有横断面平均高程构建第一时序数据,转化第一时序数据为第一频率数据,以根据第一频率数据获取各横断面对应测量姿态的俯仰与振动高程。
在本实施方式中,可以在采用傅里叶变换处理第一时序数据后,获取第一频率数据,以根据第一频率数据确定每个频谱分量的振幅和相位信息。
具体地,可以根据每个频谱分量的振幅和相位信息获取测量姿态的振动与俯仰频率范围后,根据反傅里叶变换以及测量姿态的振动与俯仰频率范围重构测量传感器俯仰与振动周期信号,以获取各横断面对应测量姿态的俯仰与振动高程。
在此基础上,再根据每一划分路段所有横断面的斜率构建第二时序数据,转化第二时序数据为第二频率数据,以根据第二频率数据获取各横断面对应测量姿态的横滚角度。
在本实施方式中,可以根据线性拟合算法处理每一划分路段所有横断面,以获取每一横断面相对应的横断面斜率,并根据每一横断面的横断面斜率确定每一横断面的横滚角度,以根据所有横断面的横滚角度构建第二时序数据。
具体地,可以在采用傅里叶变换处理第二时序数据后,获取第二频率数据,以根据第二频率数据确定每个频谱分量的振幅和相位信息,进而在根据每个频谱分量的振幅和相位信息获取测量传感器测量姿态的横滚频率范围后,根据反傅里叶变换以及测量传感器测量姿态的横滚频率范围重构测量传感器横滚周期信号,以获取各横断面对应测量姿态的横滚角度。
在对所有横断面的数据进行解算后,可以根据横断面对应测量姿态的俯仰与振动高程、横断面对应测量姿态的横滚角度修正路面目标区域数据,得到路面目标区域三维建模数据。
路面目标区域三维建模数据不包括测量姿态的影响,根据此数据建立的模型,可以精准地反映路面的实际三维轮廓。
步骤140,基于路面目标区域三维建模数据,确定路面的类型。
在得到路面目标区域三维建模数据后,可以对数据进一步分析确定出路面的类型。
可以理解的是,路面的类型包括沥青路面、水泥路面、砂石路面中的至少一种。不同的类型的路面其表面的纹理也不同。
在一些实施例中,可以路面目标区域三维建模数据,计算路面目标区域中各测量点的构造深度。
路面表面的构造深度又称为纹理深度,是路面粗糙度的重要指标。路面表面的构造深度是指一定面积的路表面凹凸不平的开口孔隙的平均深度,主要用于评定路面表面的宏观粗糙度、排水性能及抗滑性。
但是由于国标中给定了不同类型路面的构造深度要求,例如按照《公路沥青路面设计规范JTG D50-2006》以及《沥青路面表层渗透再生修复技术指南》中的规定,沥青路面的构造深度不小于0.55mm。水泥混凝土路面构造深度有如下规定:高速、一级公路构造深度不小于0.7mm并且不大于1.1mm;其他公路构造深度不小于0.5mm并且不大于1.0mm。
在此基础上,可以根据路面的构造深度,确定出路面的类型。
换言之,可以根据路面目标区域中各测量点的构造深度,得到路面目标区域的路面纹理特征。
考虑到部分路面区域由于各种因素会导致数据存在一定的偶然性,可以根据构造深度确定出路面纹理特征,路面纹理特征包括路面纹理分布的均匀性、周期性以及尺寸数据大小。即确定出路面表面各个开口孔隙的分布均匀性。周期性以及尺寸数据大小。
在此基础上,综合考虑整个路面上开口空隙的特征,就可以基于路面目标区域的路面纹理特征确定出路面的类型。
在本实施例中,通过对路面表面的构造深度进行测算,能够方便地确定出路面的类型,为路面类型的确定提供更多简单的方式。
步骤150,基于路面目标区域三维建模数据和确定的路面的类型,对路面目标区域进行路面检测,得到检测结果。
路面检测包括路面破损检测、路面平整度检测和路面车辙检测中的至少一种。
各个不同类型的路面具有各自常见的病害类型以及病害规律。可以针对不同类型的路面分别来识别病害,进而提高病害的检测效率与精准度。
在本实施方式中,通过利用线扫描三维测量传感器来获取公路的三维轮廓数据,再根据公路的各种特征确定出实际路面目标区域数据和位置,进而建立路面目标区域三维建模数据,以实现对路面病害等的检测,检测操作方便,结果准确,适合应用于农村公路的大批量检测场景。
在一些实施例中,路面破损检测可以包括以下步骤。
将路面目标区域三维建模数据输入至病害识别模型,得到病害识别模型输出的病害区域点云数据。病害识别模型是以病害路面的点云数据为样本,以病害路面中病害区域的点云数据为标签训练得到的。
可以理解的是,病害识别模型可以是基于点云模型PointNet++或者CNN(Convolutional Neural Network,卷积神经网络)建立的。
以点云模型为例,在将路面目标区域三维建模数据输入至病害识别模型后,PointNet++模型会先对路面目标区域三维建模数据进行采样和划分区域,在各局部区域内通过PointNet网络进行特征提取,不断迭代后使用PointNet网络提取路面目标区域三维建模数据的全局特征,进而将点云中的点进行局部划分,提取局部的整体特征,并确定出局部是否存在病害,最后将病害区域的点云数据输出。
可以理解的是,可以针对不同类型的路面分别训练不同的病害识别模型,以提高对不同类型路面病害的识别效率和准确性。
在此基础上,可以基于病害区域点云数据以及病害区域点云数据对应的位置,确定病害区域的位置。在此之后,可以在地图上对病害区域的位置进行标记,以便于后续病害复核以及养护。
换言之,可以基于病害区域的位置以及路面目标区域的路面目标区域三维建模数据,确定病害区域的位置、类型、尺寸信息以及影响区域信息。
病害区域的类型包括裂缝、坑槽、拥包、沉陷、错台、修补、破碎板以及板角断裂中的至少一种,病害区域的尺寸信息包括病害区域的长度、宽度和深度中的至少一种,病害区域的影响区域信息包括影响长度、影响宽度、影响深度、影响面积和影响程度中的至少一种。
在本实施方式中,通过对病害区域进行识别,实现了对路面的破损检测,并方便根据检测结果进行公路养护。
在一些实施例中,路面平整度检测可以包括以下步骤。
首先可以基于路面目标区域三维建模数据,确定预设位置的纵向轮廓数据。
可以理解的是,预设位置为进行平整度检测的位置。在本实施方式中,可以根据实际情况和检测需求进行选取。
纵向轮廓数据可以根据路面目标区域三维建模数据,以及在预设位置沿着路面的长度方向的路面的高程数据来进行确定。
在本实施方式中,可以在多个沿着路面的长度方向上确定高程数据来求得平整度。
在一些实施例中,在预设位置位于路面目标区域内的情况下,基于预设位置的纵向轮廓数据,计算国际平整度指数IRI。
在另一些实施例中,由于预设位置是提前选取的,还未对路面目标区域进行确定。在预设位置不位于路面目标区域内的情况下,由于预设位置不在路面区域,只需要对预设位置进行标记,而不用计算国际平整度指数IRI。
在一些实施例中,可以根据路面目标区域的路面目标区域三维建模数据,依据设置参数,选取对应位置的横断面轮廓即道路幅宽方向轮廓,利用包络线法或三米直尺法计算车辙深度。若正常路面区域的宽度不足3m,则可以选用包络线法计算车辙深度。
在基于路面目标区域三维建模数据和确定的路面的类型,对路面目标区域进行路面检测,得到检测结果之后,本发明实施例的适用于农村公路的轻量化三维检测方法还包括:将路面目标区域的检测结果发送至数据管理平台。
数据管理平台的功能包括数据分析、数据存储、数据分发以及数据展示中的至少一项。
在此种情况下,可以将实时采集的数据发送至数据管理平台,还可以将分析得到的检测结果也发送至数据管理平台。数据管理平台可以对数据进行存储、分析处理并发送至别的终端设备或者服务器,进而方便后续处理。
下面对本发明提供的适用于农村公路的轻量化三维检测装置进行描述,下文描述的适用于农村公路的轻量化三维检测装置与上文描述的适用于农村公路的轻量化三维检测方法可相互对应参照。
本发明实施例的适用于农村公路的轻量化三维检测装置包括载具、线扫描三维测量传感器、定位装置、处理器和存储器;线扫描三维测量传感器、定位装置和存储器均与处理器电连接。
载具可以是轿车、SVU、皮卡或者小型货车中的任一车型。
定位装置用于获取线扫描三维测量传感器的位置信息,载具用于承载线扫描三维测量传感器按照目标轨迹采集目标路段路面的点云数据。
本发明实施例的适用于农村公路的轻量化三维检测装置还包括存储在存储器上并可在处理器上运行的程序或指令,程序或指令被处理器执行时执行如上述的适用于农村公路的轻量化三维检测方法。
根据本发明实施例提供的适用于农村公路的轻量化三维检测装置,通过利用线扫描三维测量传感器来获取公路的三维轮廓数据,再根据公路的各种特征确定出实际路面目标区域数据和位置,进而建立路面目标区域三维建模数据,以实现对路面病害等的检测,检测操作方便,结果准确,适合应用于农村公路的大批量检测场景。
图2示例了一种电子设备的实体结构示意图,如图2所示,该电子设备可以包括:处理器(processor)210、通信接口(Communications Interface)220、存储器(memory)230和通信总线240,其中,处理器210,通信接口220,存储器230通过通信总线240完成相互间的通信。处理器210可以调用存储器230中的逻辑指令,以执行适用于农村公路的轻量化三维检测方法,该方法包括:利用线扫描三维测量传感器获取原始农村公路路面三维轮廓数据;原始农村公路路面三维轮廓数据为点云数据;基于原始农村公路路面三维轮廓数据,利用路面表观轮廓的宏观连续性特征、非路面区域位于道路幅宽方向两侧的特征、路面区域与非路面区域相邻位置的高程突变性特征以及测量姿态的连续性特征,提取路面目标区域数据和位置;基于路面目标区域数据,提取测量姿态信息,并从原始农村公路路面三维轮廓数据中消除测量姿态影响,得到路面目标区域三维建模数据;基于路面目标区域三维建模数据,确定路面的类型;路面的类型包括沥青路面、水泥路面、砂石路面中的至少一种;基于路面目标区域三维建模数据和确定的路面的类型,对路面目标区域进行路面检测,得到检测结果;路面检测包括路面破损检测、路面平整度检测和路面车辙检测中的至少一种。
此外,上述的存储器230中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的适用于农村公路的轻量化三维检测方法,该方法包括:利用线扫描三维测量传感器获取原始农村公路路面三维轮廓数据;原始农村公路路面三维轮廓数据为点云数据;基于原始农村公路路面三维轮廓数据,利用路面表观轮廓的宏观连续性特征、非路面区域位于道路幅宽方向两侧的特征、路面区域与非路面区域相邻位置的高程突变性特征以及测量姿态的连续性特征,提取路面目标区域数据和位置;基于路面目标区域数据,提取测量姿态信息,并从原始农村公路路面三维轮廓数据中消除测量姿态影响,得到路面目标区域三维建模数据;基于路面目标区域三维建模数据,确定路面的类型;路面的类型包括沥青路面、水泥路面、砂石路面中的至少一种;基于路面目标区域三维建模数据和确定的路面的类型,对路面目标区域进行路面检测,得到检测结果;路面检测包括路面破损检测、路面平整度检测和路面车辙检测中的至少一种。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的适用于农村公路的轻量化三维检测方法,该方法包括:利用线扫描三维测量传感器获取原始农村公路路面三维轮廓数据;原始农村公路路面三维轮廓数据为点云数据;基于原始农村公路路面三维轮廓数据,利用路面表观轮廓的宏观连续性特征、非路面区域位于道路幅宽方向两侧的特征、路面区域与非路面区域相邻位置的高程突变性特征以及测量姿态的连续性特征,提取路面目标区域数据和位置;基于路面目标区域数据,提取测量姿态信息,并从原始农村公路路面三维轮廓数据中消除测量姿态影响,得到路面目标区域三维建模数据;基于路面目标区域三维建模数据,确定路面的类型;路面的类型包括沥青路面、水泥路面、砂石路面中的至少一种;基于路面目标区域三维建模数据和确定的路面的类型,对路面目标区域进行路面检测,得到检测结果;路面检测包括路面破损检测、路面平整度检测和路面车辙检测中的至少一种。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种适用于农村公路的轻量化三维检测方法,其特征在于,包括:
利用线扫描三维测量传感器获取原始农村公路路面三维轮廓数据;所述原始农村公路路面三维轮廓数据为点云数据;
基于所述原始农村公路路面三维轮廓数据,利用路面表观轮廓的宏观连续性特征、非路面区域位于道路幅宽方向两侧的特征、路面区域与非路面区域相邻位置的高程突变性特征以及测量姿态的连续性特征,提取路面目标区域数据和位置;
基于所述路面目标区域数据,提取测量姿态信息,并从所述原始农村公路路面三维轮廓数据中消除测量姿态影响,得到路面目标区域三维建模数据;
基于所述路面目标区域三维建模数据,确定路面的类型;所述路面的类型包括沥青路面、水泥路面、砂石路面中的至少一种;
基于所述路面目标区域三维建模数据和确定的路面的类型,对所述路面目标区域进行路面检测,得到检测结果;所述路面检测包括路面破损检测、路面平整度检测和路面车辙检测中的至少一种。
2.根据权利要求1所述的适用于农村公路的轻量化三维检测方法,其特征在于,所述基于所述原始农村公路路面三维轮廓数据,利用路面表观轮廓的宏观连续性特征、非路面区域位于道路幅宽方向两侧的特征、路面区域与非路面区域相邻位置的高程突变性特征以及测量姿态的连续性特征,提取路面目标区域数据和位置,包括:
基于所述原始农村公路路面三维轮廓数据,对任一横断面内的所有测量点,由内向外计算测量点间距为第一预设距离的两个测量点的高程差;
若所述高程差大于第一预设阈值,则将位于外侧的测量点标记为异常突变点;
基于各异常突变点,生成二值图;
利用形态学处理方法对所述二值图进行延伸,并依据延伸后二值图中连通区域的面积和长度特征进行去噪,以确定路面目标区域数据和位置。
3.根据权利要求1所述的适用于农村公路的轻量化三维检测方法,其特征在于,所述基于所述路面目标区域数据,提取测量姿态信息,并从所述原始农村公路路面三维轮廓数据中消除测量姿态,得到路面目标区域三维建模数据,包括:
获取所述路面目标区域数据中任一横断面所对应的起始横断面平均高程和结束横断面平均高程的差值,将所述差值大于预设阈值的横断面确定为跳跃面,以根据所有跳跃面处理所述路面目标区域,并获取所有划分路段;
根据每一划分路段所有横断面平均高程构建第一时序数据,转化所述第一时序数据为第一频率数据,以根据所述第一频率数据获取各横断面对应测量姿态的俯仰与振动高程;
根据每一划分路段所有横断面的斜率构建第二时序数据,转化所述第二时序数据为第二频率数据,以根据所述第二频率数据获取各横断面对应测量姿态的横滚角度;
根据所述横断面对应测量姿态的俯仰与振动高程、所述横断面对应测量姿态的横滚角度修正所述路面目标区域数据,得到路面目标区域三维建模数据;
所述起始横断面是以所述横断面为中心面,沿数据采集顺序,间隔第一预设长度向前取的对应横断面;所述结束横断面是以所述横断面为中心面,沿数据采集顺序,间隔第一预设长度向后取的对应横断面。
4.根据权利要求1所述的适用于农村公路的轻量化三维检测方法,其特征在于,所述基于所述路面目标区域三维建模数据,确定路面的类型,包括:
基于所述路面目标区域的路面目标区域三维建模数据,计算所述路面目标区域中各测量点的构造深度;
根据所述路面目标区域中各测量点的构造深度,得到所述路面目标区域的路面纹理特征;所述路面纹理特征包括路面纹理分布的均匀性、周期性以及尺寸数据大小;
基于所述路面目标区域的路面纹理特征,确定路面的类型。
5.根据权利要求1所述的适用于农村公路的轻量化三维检测方法,其特征在于,所述路面平整度检测包括以下步骤:
基于所述路面目标区域的路面目标区域三维建模数据,确定预设位置的纵向轮廓数据;
在所述预设位置位于所述路面目标区域内的情况下,基于所述预设位置的纵向轮廓数据,计算国际平整度指数IRI;
在所述预设位置不位于所述路面目标区域内的情况下,对所述预设位置进行标记。
6.根据权利要求1所述的适用于农村公路的轻量化三维检测方法,其特征在于,所述路面破损检测包括以下步骤:
将所述路面目标区域的路面目标区域三维建模数据输入至病害识别模型,得到所述病害识别模型输出的病害区域点云数据;所述病害识别模型是以病害路面的点云数据为样本,以所述病害路面中病害区域的点云数据为标签训练得到的;
基于所述病害区域点云数据以及所述病害区域点云数据对应的位置,确定所述病害区域的位置;
基于所述病害区域的位置以及所述路面目标区域的路面目标区域三维建模数据,确定所述病害区域的位置、类型、尺寸信息以及影响区域信息。
7.根据权利要求6所述的适用于农村公路的轻量化三维检测方法,其特征在于,所述病害区域的类型包括裂缝、坑槽、拥包、沉陷、错台、修补、破碎板以及板角断裂中的至少一种,所述病害区域的尺寸信息包括所述病害区域的长度、宽度和深度中的至少一种,所述病害区域的影响区域信息包括影响长度、影响宽度、影响深度、影响面积和影响程度中的至少一种。
8.根据权利要求1所述的适用于农村公路的轻量化三维检测方法,其特征在于,在所述基于所述路面目标区域三维建模数据和确定的路面的类型,对所述路面目标区域进行路面检测,得到检测结果之后,所述方法还包括:
将所述路面目标区域的检测结果发送至数据管理平台;
所述数据管理平台的功能包括数据分析、数据存储、数据分发以及数据展示中的至少一项。
9.根据权利要求1所述的适用于农村公路的轻量化三维检测方法,其特征在于,所述线扫描三维测量传感器包括:
传感器,所述传感器包括激光器和高速3D相机,所述激光器用于将激光光束垂直投射到路面,所述高速3D相机与所述激光器呈一定角度获取激光线所在位置对应的断面数据;
控制器,所述控制器用于控制所述传感器获取路面的断面数据;
所述断面数据包括激光线对应路面的高程和灰度和;
所述断面数据沿采集的时间顺序组成原始农村公路路面三维轮廓数据。
10.一种适用于农村公路的轻量化三维检测装置,其特征在于,包括载具、线扫描三维测量传感器、定位装置、处理器和存储器;所述线扫描三维测量传感器、所述定位装置和所述存储器均与所述处理器电连接;
所述定位装置用于获取所述线扫描三维测量传感器的位置信息,所述载具用于承载所述线扫描三维测量传感器按照目标轨迹采集目标路段路面的点云数据;还包括存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时执行如权利要求1至9任一项所述适用于农村公路的轻量化三维检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211098232.6A CN116242774A (zh) | 2022-09-08 | 2022-09-08 | 适用于农村公路的轻量化三维检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211098232.6A CN116242774A (zh) | 2022-09-08 | 2022-09-08 | 适用于农村公路的轻量化三维检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116242774A true CN116242774A (zh) | 2023-06-09 |
Family
ID=86635400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211098232.6A Pending CN116242774A (zh) | 2022-09-08 | 2022-09-08 | 适用于农村公路的轻量化三维检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116242774A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116858851A (zh) * | 2023-06-21 | 2023-10-10 | 清华大学 | 道路损伤检测方法、装置、计算机设备和存储介质 |
-
2022
- 2022-09-08 CN CN202211098232.6A patent/CN116242774A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116858851A (zh) * | 2023-06-21 | 2023-10-10 | 清华大学 | 道路损伤检测方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Automatic pavement defect detection using 3D laser profiling technology | |
AU2016385541B2 (en) | Object surface deformation feature extraction method based on line scanning three-dimensional point Cloud | |
Gargoum et al. | Automated extraction of road features using LiDAR data: A review of LiDAR applications in transportation | |
Kim et al. | Review and analysis of pothole detection methods | |
Sánchez-Rodríguez et al. | Automated detection and decomposition of railway tunnels from Mobile Laser Scanning Datasets | |
Radopoulou et al. | Patch detection for pavement assessment | |
US9365217B2 (en) | Mobile pothole detection system and method | |
WO2023045299A1 (zh) | 基于三维轮廓的路面技术状况检测方法及设备 | |
CN110473187B (zh) | 一种面向对象的线扫描三维路面裂缝提取方法 | |
Tsai et al. | Automatically detect and classify asphalt pavement raveling severity using 3D technology and machine learning | |
CN112070756B (zh) | 一种基于无人机倾斜摄影的路面立体病害测量方法 | |
CN112731440A (zh) | 高速铁路边坡形变检测方法及装置 | |
CN107944377B (zh) | 一种交通基础设施安全监控方法和系统 | |
Yun et al. | Crack recognition and segmentation using morphological image-processing techniques for flexible pavements | |
CN116416401B (zh) | 一种基于无人机航拍的污染场地评估方法及系统 | |
Kumar et al. | An automated road roughness detection from mobile laser scanning data | |
Van Der Horst et al. | Mobile laser scan data for road surface damage detection | |
CN116242774A (zh) | 适用于农村公路的轻量化三维检测方法及装置 | |
CN115755193A (zh) | 路面结构内部病害识别方法 | |
CN114004950B (zh) | 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法 | |
Rajab et al. | Application of image processing to measure road distresses | |
Safaei | Pixel and region-based image processing algorithms for detection and classification of pavement cracks | |
CN115661164A (zh) | 一种基于精密三维路面的病害三维信息提取方法 | |
CN113313689A (zh) | 一种路面构造深度测量方法、系统、设备及存储介质 | |
Bosurgi et al. | Automatic crack detection results using a novel device for survey and analysis of road pavement condition |
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 |