CN116356650A - 路面平整度检测方法及装置 - Google Patents

Abstract

本申请适用于路面巡检技术领域，提供了路面平整度检测方法及装置，包括：通过巡检车辆上的激光扫描设备获取目标点云数据，所述目标点云数据为待测路面区域的点云数据；获取当前所述巡检车辆的振动信号；根据所述振动信号和所述目标点云数据确定所述待测路面区域的平整度。通过上述方法，能够提高得到的待测路面区域的平整度的检测结果的准确度。

Description

路面平整度检测方法及装置

技术领域

本申请属于路面巡检技术领域，尤其涉及一种路面平整度检测方法及装置。

背景技术

随着经济的发展，公路网络体系中路网的覆盖区域越来越广泛。但随着路网的建设，道路养护问题也变得日益突出。若依靠过去人工道路巡检的方式对道路进行巡检，将耗费过多的人力和物力成本。

为了降低人力和物力成本，现有的道路巡检系统主要依靠智能相机或激光雷达等设备进行路面平整度的检测。但无论是智能相机还是激光雷达，在巡检过程中都会受到路面状态的影响，导致其得到的检测结果的准确度较低，故需要提供一种新的方法以解决上述技术问题。

发明内容

本申请实施例提供了一种路面平整度检测方法及装置，可以解决现有方法仅依靠激光雷达对路面进行检测时，检测结果不准确的问题。

第一方面，本申请实施例提供了一种路面平整度检测方法，包括：

通过巡检车辆上的激光扫描设备获取目标点云数据，所述目标点云数据为待测路面区域的点云数据；

获取当前所述巡检车辆的振动信号；

根据所述振动信号和所述目标点云数据确定所述待测路面区域的平整度。

第二方面，本申请实施例提供了一种路面平整度检测装置，包括：

目标点云数据获取模块，用于通过巡检车辆上的激光扫描设备获取目标点云数据，所述目标点云数据为待测路面区域的点云数据；

振动信号获取模块，用于获取当前所述巡检车辆的振动信号；

平整度确定模块，用于根据所述振动信号和所述目标点云数据确定所述待测路面区域的平整度。

第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的方法。

第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面所述的方法。

本申请实施例与现有技术相比存在的有益效果是：

由于当巡检车辆存在振动事件时，通过该巡检车辆上的激光扫描设备所获取的目标点云数据必然与实际的点云数据存在误差，而存在的误差与振动信号有关，因此，本申请根据目标点云数据和振动信号来对待测路面区域的平整度进行检测，能够提高检测结果的准确度。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。

图1是本申请一实施例提供的巡检车辆相关设备安装位置示意图；

图2是本申请一实施例提供的一种路面平整度检测方法的流程示意图；

图3是本申请一实施例提供的一种路面平整度检测装置的结构示意图；

图4是本申请一实施例提供的一种电子设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。

第一方面

在对道路进行巡检时，若仅依赖激光雷达所获得的点云数据进行巡检，则一旦激光雷达所获得的点云数据出现误差，例如路面状况较差，颠簸比较严重时，得到的点云数据会颠簸影响准确性较差，将导致得到的准确性较低。

为了提高检测结果的准确性，本申请实施例提供了一种路面平整度检测方法，在该方法中，由于结合点云数据和振动信号对待测路面区域的平整度进行识别，而巡检车辆的振动信号能够从另一维度反映该巡检车辆当前行驶的待测路面区域的情况，比如，反映该待测路面区域的凹凸情况，因此，通过上述方式进行平整度识别时，能够提高识别的准确度。

由于本申请实施例提供的路面平整度检测方法主要基于车载设备来进行道路巡检，因此需要将激光雷达和用于获取振动信号的传感器等相关设备安装在巡检车辆上，请参见图1。例如，将激光雷达(如单行线激光雷达)装置安装于车尾或车头顶部，该激光雷达用于采集点云数据；用于获取振动信号的传感器安装在于所述激光雷达邻近的位置，以保证二者之间的振动情况尽量一致。

下面结合附图对本申请实施例提供的路面平整度检测方法进行描述。

图2示出了本申请实施例提供的一种路面平整度检测方法的流程图，详述如下：

步骤S11，通过巡检车辆上的激光扫描设备获取目标点云数据，该目标点云数据为待测路面区域的点云数据。

本实施例中，巡检车辆沿着需要检测的路面区域(即待测路面区域)行驶，通过安装在该巡检车辆上的激光雷达采集车辆行驶过的路面区域的点云数据，并将该点云数据上传到数据处理平台，该数据处理平台可以安装在车辆上，也可以固定在其他地方。

步骤S12，获取当前该巡检车辆的振动信号。

本实施例中，巡检车辆的振动信号可以只包括水平方向上的振动信号，也可以只包括竖直方向上的振动信号，还可以同时包括水平方向上的振动信号和竖直方向上的振动信号。

其中，水平方向上的振动信号用于描述巡检车辆发生的左转或右转的事件，竖直方向上的振动信号用于描述巡检车辆发生的上下震荡的事件。

在本实施例中，传感器获取车辆的振动信号后，将该振动信号上传到数据处理平台。

步骤S13，根据该振动信号和该目标点云数据确定该待测路面区域的平整度。

由于当巡检车辆存在振动事件时，通过该巡检车辆上的激光扫描设备所获取的目标点云数据必然与实际的点云数据存在误差，而存在的误差与振动信号有关，因此，本申请实施例根据目标点云数据和振动信号来对待测路面区域的平整度进行检测，能够提高检测结果的准确度。

在一些实施例中，该步骤S11包括：

从通过巡检车辆上的激光扫描所获得的点云数据中筛选出该目标点云数据。

本申请实施例中，由于激光雷达采集到的点云数据可能包括待测路面区域和待测路面区域周围的数据，因此，数据处理平台在获取到点云数据后，可通过k-means聚类算法筛选出待测路面区域的点云数据。为了便于描述，将待测路面区域对应的点云数据称为目标点云数据。

对应地，该步骤S13包括：

A1、根据该目标点云数据，确定与该待测路面区域对应的振动信号，得到目标振动信号。

本实施例中，数据处理平台将接收的振动信号和点云数据对齐，并根据对齐后的振动信号和点云数据识别对应路面区域的平整度。由于对齐后的振动信号和点云数据能够保证时间的统一，因此，根据对齐后的振动信号和点云数据对待测路面区域的平整度进行识别，能够提高识别的准确度。

A2、利用该目标振动信号对该目标点云数据进行修正。

由于激光雷达和振动传感器均是安装在巡检车辆上，而巡检车辆在发生振动事件时，该激光雷达扫描得到的点云数据与实际的点云数据是不同的，例如，当巡检车辆发生上下振动时，激光雷达也跟随巡检车辆发生上下振动，此时，其扫描得到的点云数据至少在竖直方向上是存在误差的，且存在的误差与振动幅度有关，而振动幅度能够从振动信号获取，因此，根据目标振动信号对目标点云数据进行修正，能够消除因振动所导致的误差，提高修正后的目标点云数据的准确度。

A3、利用修正后的该目标点云数据确定该待测路面区域的平整度。

具体地，假设修正后的目标点云数据的高程数据(即修正后的目标点云数据在z轴上的数值)和理论的高程数据的样本为：

(z_i，y_i)(i＝1，2，3...，m)，(z为实际检测的高程数据，y为路面纵坡的理论值)

样本采用h_θ(z)为n次的多项式拟合：

h_θ(z)＝θ₀+θ₁z¹+θ₂z²+...+θ_nzⁿ，(θ₀，θ₁，...，θ_n)为未知参数。

计算求

的值，获取该组(θ₀，θ₁，...，θ_n)未知参数的集合。

将获取的样本z_i代入方程式h_θ(z)中，计算得到一组路面纵坡的数据集合(h₁，h₂，...，h_m)。

获取路面相对高程数据集合：

(Δx₁，Δx₂，...，Δx_m)＝(x₁，x₂，...，x_m)-(h₁，h₂，...，h_m)

当各个修正后的目标点云数据的相对高程数据越大，表明该各个修正后的目标点云数据所对应的路面区域越不平整，反之，表明该各个修正后的目标点云数据所对应的路面区域越平整。

本申请实施例中，由于对目标点云数据修正后再进行平整度的检测，因此，能够提高检测结果的准确度。

在一些实施例中，为了减少计算量，可根据振动信号来筛选需进行平整度识别的修正后的目标点云数据。如选取幅值较大的振动信号所对应的所有的修正后的目标点云数据，而只在幅值较小的振动信号所对应的修正后的目标点云数据中，选取部分的修正后的目标点云数据。

例如，假设振动信号为水平方向上的振动信号p，该振动信号p相当于巡检车辆的转向数据，即相当于巡检车辆与道路中轴线的偏移数据。数据处理平台根据巡检车辆的偏移数据来获取巡检车辆在行驶过程中的避障情况。假设为偏移数据设定一个偏移阈值Hp，当巡检车辆的偏移数据p大于阈值Hp时，记录这一段的时间范围，并获取这段时间范围内对应的修正后的目标点云数据的相对高程数据。由于这段时间范围内巡检车辆发生偏移，即巡检车辆行驶的路况出现问题，因此，需要将这段时间范围内的相对高程数据全部带入到路面平整度的计算中，以此来提高这段时间范围内路面所占的权重，同时对时间范围外的修正后的目标点云数据进行采样，将采样点的相对高程数据带入到路面平整度的计算中，以此来获取需要巡检的整条道路的平整度。

在一些实施例中，该步骤A2包括：

A21、利用该目标点云数据在竖直方向上的幅值分量，减去该目标振动信号在竖直方向上的幅值分量。

和/或，

A22、利用该目标点云数据在水平方向上的幅值分量，减去该目标振动信号在水平方向上的幅值分量。

本申请实施例中，当目标振动信号只包括竖直方向的振动信号时，目标点云数据只修正竖直方向上的数值，其余方向上的数值不变。具体地，将目标点云数据在竖直方向上的幅值分量与目标振动信号在竖直方向上的幅值分量相减，得到的值作为该目标点云数据在竖直方向上的数值。

当目标振动信号只包括水平方向的振动信号时，目标点云数据只修正水平方向上的数值，其余方向上的数值不变。具体地，将目标点云数据在水平方向上的幅值分量与目标振动信号在水平方向上的幅值分量相减，得到的值作为该目标点云数据在水平方向上的数值。

当然，若目标振动信号同时包括竖直方向和水平方向上的振动信号，则目标点云数据在竖直方向上的数值和水平方向上的数值都可以进行修正。

在一些实施例中，考虑到待测路面区域除了存在平整度问题，还可能存在坑洞等病害问题，因此，本申请实施例提供的路面平整度检测方法，还对待测路面区域进行病害识别，此时，该路面平整度检测方法包括：

B1、按照时间对修正后的该目标点云数据进行划分，得到多个目标识别区域。

由于修正后的目标点云数据是待测路面区域对应的点云数据，因此，对修正后的目标点云数据按照时间进行划分，相当于对待测路面区域按照时间进行划分。

B2、针对每个该目标识别区域，根据该目标识别区域对应的目标点云数据和目标振动信号对该目标识别区域进行病害识别。

本申请实施例中，由于按照时间对修正后的目标点云数据进行划分，因此，使得划分到同一目标识别区域中的修正后的目标点云数据在时间维度上是相邻的，而由于巡检车辆只能按照待测路面区域逐渐行驶，因此，使得划分到同一目标识别区域中的修正后的目标点云数据在空间维度上也是相邻的。即本申请实施例将待测路面区域划分成多个目标识别区域，并根据目标识别区域对应的目标点云数据和目标振动信号对该目标识别区域进行病害识别，能够使得得到的病害识别的精度更高。同时，由于振动信号能够反映巡检车辆在该目标识别区域的振动情况，因此，根据同一个目标识别区域的目标振动信号和目标点云数据对该目标识别区域进行病害识别，能够提高得到的病害识别的准确度。

在一些实施例中，该目标振动信号为水平方向上的振动信号，该步骤B2中，根据该目标识别区域对应的目标点云数据和目标振动信号对该目标识别区域进行病害识别，包括：

B21、判断该目标识别区域对应的目标振动信号的幅值是否存在大于预设幅值阈值的目标振动信号。

本实施例中，数据处理平台将目标识别区域对应的各个目标振动信号的幅值分别与预设幅值阈值比较，以判断这些目标振动信号中是否存在大于该预设幅值阈值的目标振动信号。

B22、若存在大于预设幅值阈值的目标振动信号，则根据该目标识别区域对应的目标点云数据和目标振动信号对该目标识别区域进行病害识别，得到该目标识别区域的病害识别结果，其中，病害识别结果用于指示目标识别区域是否存在病害，以及在确认存在病害后确定病害类型。

在实际情况中，待测路面区域可能会出现形变类病害(例如路面出现裂缝、坑洞等)、路面抛洒物、山体滑坡的落石、倾斜的树木及违规占道车辆等情况，这些情况都统称为病害，这些病害的出现都有可能导致交通事故的发生。比如，当巡检车辆的正前方出现了山体滑坡的落石、倾斜的树木占用道路的情况时，该巡检车辆的行驶方向需要发生较大的偏移(如向左偏移或向右偏移)，才能通过被占用道路的路段。而当巡检车辆的正前方出现了小坑洞时，该巡检车辆的行驶方向只需要发生较小的偏移，就能通过被占用道路的路段。即，由于目标振动信号的幅值大小与病害的类型存在一定的关系，因此，根据目标振动信号中是否存在大于该预设幅值阈值的目标振动信号的判断结果，选择对应的病害识别算法对该目标识别区域对应的目标点云数据进行处理，能够得到更准确的病害识别结果。

在一些实施例中，该步骤B22包括：

B221、当判定目标识别区域对应的目标振动信号的幅值存在大于预设幅值阈值的目标振动信号时，对该目标识别区域对应的目标点云数据进行物体形状识别，根据物体形状识别结果判断该目标识别区域是否存在病害。

其中，可根据Second物体识别算法对目标识别区域对应的目标点云数据进行物体形状识别。

B222、当判定目标识别区域存在病害时，则确定该目标识别区域对应的各个目标点云数据的高程数据中的中值，并分别确定各个目标点云数据的高程数据与上述中值的差值的累加值，根据该累加值、预设的第一高度阈值以及对各个目标点云数据进行物体形状识别所得到的物体形状识别结果，确认存在病害后确定病害类型。

其中，目标点云数据的高程数据是指该目标点云数据中在z轴(竖直方向)上的数据。

本申请实施例中，可将目标识别区域对应的各个目标点云数据的高程数据按照从大到小的顺序进行排序，再根据排序结果查找该各个目标点云数据的高程数据所对应的中值。在确定中值之后，分别将各个目标点云数据与该中值相减，得到对应的差值，将得到的各个差值进行累加，得到累加值。再将该累加值与预设的第一高度阈值比较，若判断出累加值远大于该第一高度阈值(如路面凸起较高)，或，判断出累加值远小于该第一高度阈值(如路面凹陷较大)，则表明当前的目标识别区域存在病害，再结合得到的物体形状识别结果，确定该病害对应的病害类型，比如，当物体形状识别结果指示目标识别区域存在多个圆形，且该目标识别区域对应的累加值远小于该第一高度阈值时，确定的病害类型可为圆形的坑坑洼洼。

在一些实施例中，本申请实施例的预设幅值阈值可设为同一该目标识别区域中该目标振动信号的幅值的均值。

例如，假设有目标识别区域A和目标识别区域B这两个区域，则目标识别区域A中各个目标振动信号的幅值的均值作为该目标识别区域A的预设幅值阈值。而目标识别区域B中各个目标振动信号的幅值的均值作为该目标识别区域B的预设幅值阈值。

在一些实施例中，该目标振动信号为竖直方向上的振动信号，该步骤B2包括：

B21’、确定该目标识别区域对应的各个目标点云数据的高程数据中的中值，并分别确定该各个目标点云数据的高程数据与该中值的差值。

本实施例中，各个目标点云数据的高程数据中的中值的计算过程与目标振动信号为水平方向上的振动信号时，其对应的中值的计算过程类似，此处不再赘述。

B22’、判断该差值是否大于预设的第二高度阈值。

其中，预设的第二高度阈值可与上述的第一高度阈值相等，也可不等。

B23’、若该差值大于该第二高度阈值，则判定该差值对应的目标点云数据为该目标识别区域的病害点以及确定该病害点对应的病害类型。

本实施例中，若判断出某个目标点云数据的高程数据与中值的差值大于预设的第二高度阈值，则判定该目标点云数据所在的位置为病害点。进一步地，可根据该差值与预设的第二高度阈值的相差情况来确定该病害点的病害类型。

B23’、若该目标识别区域中的各个目标点云数据所对应的差值均不大于该第二高度阈值，则还可以根据该目标识别区域对应的目标振动信号的震荡幅度变化规律确定是否调整该第二高度阈值，并在该第二高度阈值被调整后，返回步骤B22’。可以理解，一般的所述第二高度阈值为根据经验设定的数值，此外还可以如步骤B23’中这样根据实际情况需要进行调整。

本实施例中，当目标识别区域中的各个目标点云数据所对应的差值均不大于该第二高度阈值时，该目标识别区域依然可能出现病害，这时需要根据该目标识别区域内的目标振动信号进一步计算该目标识别区域的病害情况。具体地，若目标识别区域对应的目标振动信号的震荡幅度变化规律(如所有目标振动信号在z轴的分量的变化规律，或者，部分目标信号在z轴的分量的变化规律)满足预设的条件(如z轴的分量达到预设的幅度阈值)，则调整第二高度阈值。由于第二高度阈值是根据满足预设的条件的震荡幅度变化规律所对应的点云数据的高程数据进行动态调整，因此，调整后的第二高度阈值与实际的高程数据更匹配，从而能够查找出更准确的病害点。

在一些实施例中，可根据以下方式对第二高度阈值进行调整：

确定满足预设的条件的目标振动信号所对应的目标点云数据，计算这些目标点云数据的高程数据与中值的差值，再计算各个差值的平均值，该平均值作为新的第二高度阈值。

在一些实施例中，采用离线计算方式对该目标识别区域进行病害识别。

可以理解，若数据处理平台本身的算力足够大，则可采用实时计算的方式对目标识别区域进行病害识别，以提高得到病害识别结果的及时性。本实施例中，处于成本考虑，采用离线计算方式对该目标识别区域进行病害识别，以降低对设备计算能力的要求。

在一些实施例中，采用振动传感器和/或惯性传感器采集该巡检车辆的振动信号。

其中，振动传感器可以有两个，分别安装在巡检车辆的左侧和右侧的顶部，以能够精确检测到两侧车轮上下振动情况。

本申请实施例中，可通过振动传感器采集巡检车辆在竖直方向上的振动信号。可通过惯性传感器采集巡检车辆在水平方向上的振动信号。

在一些实施例中，本申请实施例提供的路面平整度检测方法，还包括：

若通过定位装置没有获取到巡检车辆的定位信息，则采用惯性定位数据确定上述巡检车辆的定位信息。

其中，上述的定位装置安装在巡检车辆上，用于采集巡检车辆的定位信息。该定位装置采集到定位信息后，将该定位信息上传至数据处理平台。

其中，上述的惯性定位数据可通过惯性传感器装置采集。为了准确获取巡检车辆在水平方向上的振动信号，将惯性传感器装置安装与车首顶部，用于采集车辆的在水平方向上的振动信号和惯性定位数据。

本实施例中，考虑到巡检车辆经过隧道等定位信号较弱的路段时，定位装置难以采集到巡检车辆的定位信息，此时，数据处理平台将采用从惯性传感器装置获取的惯性定位数据对从定位装置获取的定位信息进行校正，以提高得到的定位信息的准确度。

在一些实施例中，将定位信息与目标点云数据进行绑定。

本申请实施例中，由于目标点云数据与定位信息绑定后，将能够获知该目标点云数据所对应的定位信息，因此，便于用户能够获知在哪个位置存在病害，以及，在哪个位置存在不平整的情况。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

第二方面

对应于上文的路面平整度检测方法，图3示出了本申请实施例提供的路面平整度检测装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。

参照图3，该路面平整度检测装置2包括：目标点云数据获取模块21、振动信号获取模块22、平整度确定模块23。其中：

目标点云数据获取模块21，用于通过巡检车辆上的激光扫描设备获取目标点云数据，所述目标点云数据为待测路面区域的点云数据。

振动信号获取模块22，用于获取当前所述巡检车辆的振动信号。

平整度确定模块23，用于根据所述振动信号和所述目标点云数据确定所述待测路面区域的平整度。

由于当巡检车辆存在振动事件时，通过该巡检车辆上的激光扫描所获取的目标点云数据必然与实际的点云数据存在误差，而存在的误差可根据振动信号确定，因此，本申请实施例根据目标点云数据和振动信号来对待测路面区域的平整度进行检测，能够提高检测结果的准确度。

在一些实施例中，所述目标点云数据获取模块21具体用于：

从通过巡检车辆上的激光扫描所获得的点云数据中筛选出所述目标点云数据。

对应地，所述平整度确定模块23包括：

目标振动信号确定单元，用于根据所述目标点云数据，确定与所述待测路面区域对应的振动信号，得到目标振动信号。

目标点云数据修正单元，用于利用所述目标振动信号对所述目标点云数据进行修正。

平整度识别单元，用于利用修正后的所述目标点云数据确定所述待测路面区域的平整度。

在一些实施例中，所述目标点云数据修正单元，具体用于：

利用所述目标点云数据在竖直方向上的幅值分量，减去所述目标振动信号在竖直方向上的幅值分量。

和/或，

利用所述目标点云数据在水平方向上的幅值分量，减去所述目标振动信号在水平方向上的幅值分量。

在一些实施例中，路面平整度检测装置2还包括：

目标识别区域确定模块，用于按照时间对修正后的所述目标点云数据进行划分，得到多个目标识别区域。

病害识别模块，用于针对每个所述目标识别区域，根据所述目标识别区域对应的目标点云数据和目标振动信号对所述目标识别区域进行病害识别。

在一些实施例中，所述目标振动信号为水平方向上的振动信号，所述病害识别模块具体用于：

判断所述目标识别区域对应的目标振动信号的幅值是否存在大于预设幅值阈值的目标振动信号。

若是，则根据该目标识别区域对应的目标点云数据和目标振动信号对该目标识别区域进行病害识别，得到该目标识别区域的病害识别结果，该病害识别结果用于指示该目标识别区域是否存在病害，以及在确认存在病害后确定病害类型。

在一些实施例中，该根据该目标识别区域对应的目标点云数据和目标振动信号对该目标识别区域进行病害识别，包括：

判定该目标识别区域对应的目标振动信号的幅值存在大于预设幅值阈值的目标振动信号时，对该目标识别区域对应的目标点云数据进行物体形状识别，根据物体形状识别结果判断该目标识别区域是否存在病害；

当判定该目标识别区域存在病害时，则确定该目标识别区域对应的各个目标点云数据的高程数据中的中值，并分别确定该各个目标点云数据的高程数据与该中值的差值的累加值，根据该累加值、预设的第一高度阈值以及对该各个目标点云数据进行物体形状识别所得到的物体形状识别结果，确认存在病害后确定病害类型。

在一些实施例中，所述预设幅值阈值为同一所述目标识别区域中所述目标振动信号的幅值的均值。

在一些实施例中，所述目标振动信号为竖直方向上的振动信号，所述病害识别模块具体用于：

确定所述目标识别区域对应的各个目标点云数据的高程数据中的中值，并分别确定所述各个目标点云数据的高程数据与所述中值的差值；

判断所述差值是否大于预设的第二高度阈值；

若所述差值大于所述第二高度阈值，则判定所述差值对应的目标点云数据为所述目标识别区域的病害点以及确定所述病害点对应的病害类型；

若所述目标识别区域中的各个目标点云数据所对应的差值均不大于所述第二高度阈值，则根据所述目标识别区域对应的目标振动信号的震荡幅度变化规律确定是否调整所述第二高度阈值，并在所述第二高度阈值被调整后，返回所述判断所述差值是否大于预设的第二高度阈值以及后续步骤。

在一些实施例中，采用离线计算方式对所述目标识别区域进行病害识别。

在一些实施例中，采用振动传感器和/或惯性传感器采集所述巡检车辆的振动信号。

在一些实施例中，本申请实施例提供的路面平整度检测装置2，还包括：

定位信息确定模块，用于若通过定位装置没有获取到巡检车辆的定位信息，则采用惯性定位数据确定上述巡检车辆的定位信息。

在一些实施例中，本申请实施例提供的路面平整度检测装置2，还包括：

信息绑定模块，用于将定位信息与目标点云数据进行绑定。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

实施例三：

图4为本申请一实施例提供的电子设备的结构示意图。如图4所示，该实施例的电子设备3包括：至少一个处理器30(图4中仅示出一个处理器)、存储器31以及存储在上述存储器31中并可在上述至少一个处理器30上运行的计算机程序32，上述处理器30执行上述计算机程序32时实现上述任意各个方法实施例中的步骤。

上述电子设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该电子设备可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图4仅仅是电子设备3的举例，并不构成对电子设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。

所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，该处理器30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)、现场可编程门阵列(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。

上述存储器31在一些实施例中可以是上述电子设备3的内部存储单元，例如电子设备3的硬盘或内存。上述存储器31在另一些实施例中也可以是上述电子设备3的外部存储设备，例如上述电子设备3上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，上述存储器31还可以既包括上述电子设备3的内部存储单元也包括外部存储设备。上述存储器31用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如上述计算机程序的程序代码等。上述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。

本申请实施例还提供了一种网络设备，该网络设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。

本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行时实现可实现上述各个方法实施例中的步骤。

所述集成的单元如果以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，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，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至少可以包括：能够将计算机程序代码携带到拍照装置/电子设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

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单元来实现本实施例方案的目的。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种路面平整度检测方法，其特征在于，包括：

通过巡检车辆上的激光扫描设备获取目标点云数据，所述目标点云数据为待测路面区域的点云数据；

获取当前所述巡检车辆的振动信号；

根据所述振动信号和所述目标点云数据确定所述待测路面区域的平整度。

2.如权利要求1所述的路面平整度检测方法，其特征在于，所述根据所述振动信号和所述目标点云数据确定所述待测路面区域的平整度，包括：

根据所述目标点云数据，确定与所述待测路面区域对应的振动信号，得到目标振动信号；

利用所述目标振动信号对所述目标点云数据进行修正；

利用修正后的所述目标点云数据确定所述待测路面区域的平整度。

3.如权利要求2所述的路面平整度检测方法，其特征在于，所述利用所述目标振动信号对所述目标点云数据进行修正，包括：

利用所述目标点云数据在竖直方向上的幅值分量，减去所述目标振动信号在竖直方向上的幅值分量；

和/或，

利用所述目标点云数据在水平方向上的幅值分量，减去所述目标振动信号在水平方向上的幅值分量。

4.如权利要求2所述的路面平整度检测方法，其特征在于，还包括：

按照时间对修正后的所述目标点云数据进行划分，得到多个目标识别区域；

针对每个所述目标识别区域，根据所述目标识别区域对应的目标点云数据和目标振动信号对所述目标识别区域进行病害识别。

5.如权利要求4所述的路面平整度检测方法，其特征在于，所述目标振动信号为水平方向上的振动信号，所述根据所述目标识别区域对应的目标点云数据和目标振动信号对所述目标识别区域进行病害识别，包括：

判断所述目标识别区域对应的目标振动信号的幅值是否存在大于预设幅值阈值的目标振动信号；

若是，则根据所述目标识别区域对应的目标点云数据和目标振动信号对所述目标识别区域进行病害识别，得到所述目标识别区域的病害识别结果，所述病害识别结果用于指示所述目标识别区域是否存在病害，以及在确认存在病害后确定病害类型。

6.如权利要求5所述的路面平整度检测方法，其特征在于，所述根据所述目标识别区域对应的目标点云数据和目标振动信号对所述目标识别区域进行病害识别，包括：

对所述目标识别区域对应的目标点云数据进行物体形状识别，根据物体形状识别结果判断所述目标识别区域是否存在病害；

当判定所述目标识别区域存在病害时，则确定所述目标识别区域对应的各个目标点云数据的高程数据中的中值，并分别确定所述各个目标点云数据的高程数据与所述中值的差值的累加值，根据所述累加值、预设的第一高度阈值以及对所述各个目标点云数据进行物体形状识别所得到的物体形状识别结果，确认存在病害后确定病害类型。

7.如权利要求6所述的路面平整度检测方法，其特征在于，所述预设幅值阈值为同一所述目标识别区域中所述目标振动信号的幅值的均值。

8.如权利要求4所述的路面平整度检测方法，其特征在于，所述目标振动信号为竖直方向上的振动信号，所述根据所述目标识别区域对应的目标点云数据和目标振动信号对所述目标识别区域进行病害识别，包括：

确定所述目标识别区域对应的各个目标点云数据的高程数据中的中值，并分别确定所述各个目标点云数据的高程数据与所述中值的差值；

判断所述差值是否大于预设的第二高度阈值；

若所述差值大于所述第二高度阈值，则判定所述差值对应的目标点云数据为所述目标识别区域的病害点以及确定所述病害点对应的病害类型。

9.如权利要求1-8任一项所述的路面平整度检测方法，其特征在于，采用振动传感器和/或惯性传感器采集所述巡检车辆的振动信号。

10.一种路面平整度检测装置，其特征在于，包括：

目标点云数据获取模块，用于通过巡检车辆上的激光扫描设备获取目标点云数据，所述目标点云数据为待测路面区域的点云数据；

振动信号获取模块，用于获取当前所述巡检车辆的振动信号；

平整度确定模块，用于根据所述振动信号和所述目标点云数据确定所述待测路面区域的平整度。

Images