CN116973302B - 一种路面抗滑性能检测方法、装置、设备和介质 - Google Patents
一种路面抗滑性能检测方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN116973302B CN116973302B CN202311217469.6A CN202311217469A CN116973302B CN 116973302 B CN116973302 B CN 116973302B CN 202311217469 A CN202311217469 A CN 202311217469A CN 116973302 B CN116973302 B CN 116973302B
- Authority
- CN
- China
- Prior art keywords
- road surface
- texture
- data
- obtaining
- value
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 74
- 238000010276 construction Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000429 assembly Methods 0.000 claims description 5
- 230000000712 assembly Effects 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 2
- 239000004033 plastic Substances 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000001502 supplementing effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000002156 mixing Methods 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000004567 concrete Substances 0.000 description 1
- 239000004035 construction material Substances 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N19/00—Investigating materials by mechanical methods
- G01N19/02—Measuring coefficient of friction between materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本申请公开了一种路面抗滑性能检测方法、装置、设备和介质,涉及道路安全监测技术领域;解决了现有技术对路面抗滑性能的检测精度较低的技术问题。所述检测方法,包括以下步骤:获取目标路面的路面纹理点云数据,所述路面纹理点云数据基于对目标路面进行表面纹理三维扫描获得;基于所述路面纹理点云数据,获得平均构造深度值;基于所述路面纹理点云数据,获得宏观纹理数据和微观纹理数据;基于所述宏观纹理数据和所述微观纹理数据,获得路面摩擦系数值;基于所述平均构造深度值和所述路面摩擦系数值,获得目标路面的抗滑性能值。
Description
技术领域
本申请涉及道路安全监测技术领域,尤其涉及一种路面抗滑性能检测方法、装置、设备和介质。
背景技术
随着各种各样车辆被广泛应用于日常工作生活中,路面行车安全的要求越来越高。路面抗滑性能对路面行车安全至关重要,尤其是在路面有积水的场景中,在小雨甚至是微雨环境下,路面湿滑导致交通事故发生的概率较干燥路面高出10%以上,尤其在长下坡路段由降雨引发的事故占60%以上。
目前检测路面的抗滑性能,主要采用车载激光扫描路面,然后结合近景图像处理识别方法进行实时分析,但采用这种方法对路面抗滑性能进行检测时,容易存在偏差,如检测条件不同时,同一路面的抗滑性能检测结果也会不同。因此,目前的检测方法的检测精度有待提高。
发明内容
本申请实施例提供了一种路面抗滑性能检测方法、装置、设备和介质,解决了现有技术对路面抗滑性能的检测精度较低的技术问题。
一方面,本申请实施例提供了一种路面抗滑性能检测方法,包括以下步骤:
获取目标路面的路面纹理点云数据,所述路面纹理点云数据基于对目标路面进行表面纹理三维扫描获得;
基于所述路面纹理点云数据,获得平均构造深度值;
基于所述路面纹理点云数据,获得宏观纹理数据和微观纹理数据;基于所述宏观纹理数据和所述微观纹理数据,获得路面摩擦系数值;
基于所述平均构造深度值和所述路面摩擦系数值,获得目标路面的抗滑性能值。
作为本申请一些可选实施方式,所述基于所述路面纹理点云数据,获得平均构造深度值,包括:
对所述路面纹理点云数据中的畸变数据进行去除处理后,保留激光光线交叠区域内的点云数据,获得标准化路面三维高程数据;
基于所述标准化路面三维高程数据,获得标准化路面三维高程点;
将所述目标路面的各集料顶点进行连线拟合平面处理,获得集料顶点基准面;
基于所述集料顶点基准面和所述标准化路面三维高程点形成的目标区域,获得所述目标区域的体积值;基于所述目标区域的体积值和所述集料顶点基准面的面积值的比值,获得平均构造深度值。
作为本申请一些可选实施方式,所述基于所述路面纹理点云数据,获得宏观纹理数据和微观纹理数据,包括:
利用高斯平滑滤波器对所述所述路面纹理点云数据进行去噪处理,获得三维纹理数据;
对所述三维纹理数据进行傅里叶逆变换,获得所述三维纹理数据对应的频域数据;
利用巴特沃斯带通滤波器对所述频域数据的中心化频率矩阵进行滤波处理,获得宏观纹理频域数据和微观纹理频域数据;
对所述宏观纹理频域数据和所述微观纹理频域数据分别进行逆傅里叶变换处理,获得宏观纹理空域数据和微观纹理空域数据;
基于所述宏观纹理频域数据和所述宏观纹理空域数据,获得得到宏观纹理数据;基于所述微观纹理频域数据和所述微观纹理空域数据,获得微观纹理数据。
作为本申请一些可选实施方式,所述基于所述宏观纹理数据和所述微观纹理数据,获得路面摩擦系数值,包括:
基于所述宏观纹理数据和所述微观纹理数据,获得三维纹理参数;
将所述三维纹理参数输入至预先训练好的路面摩擦系数确定模型,获得所述路面摩擦系数值;其中,所述路面摩擦系数确定模型是通过对路面纹理数据与路面抗滑性能之间的对应关系进行深度学习计算获得的。
作为本申请一些可选实施方式,在所述基于所述平均构造深度值和所述路面摩擦系数值,获得目标路面的抗滑性能值之后,还包括:
基于所述平均构造深度值和所述路面摩擦系数值,获得目标路面的抗滑性能值;
将路面抗滑性能值与预设阈值进行比较,获得比较结果;
基于比较结果,对目标路面的抗滑性能进行评估。
再一方面,本申请实施例提供了一种路面抗滑性能检测装置,包括:
路面纹理数据采集模块,用于获取目标路面的路面纹理点云数据,所述路面纹理点云数据基于对目标路面进行表面纹理三维扫描获得;
路面抗滑性能检测模块,用于基于所述路面纹理点云数据,获得平均构造深度值;基于所述路面纹理点云数据,获得宏观纹理数据和微观纹理数据;基于所述宏观纹理数据和所述微观纹理数据,获得路面摩擦系数值;基于所述平均构造深度值和所述路面摩擦系数值,获得目标路面的抗滑性能值。
作为本申请一些可选实施方式,所述路面抗滑性能检测装置设于路面抗滑性能检测设备内;所述路面抗滑性能检测设备包括:
外壳,所述外壳的底部为柔性支撑体,以通过所述底部的形状变化实时调整各激光测量组件的激光点至所述目标路面的距离;
多个激光测量组件,环绕设置于所述外壳的中部,各所述激光测量组件均包括多个激光发射单元以及相对应的激光接收单元,各激光发射单元发射激光线在所述目标路面的表面交叠形成一块激光面,以生成路面纹理点云数据;
触控显示屏,用于支持嵌入式图形用户界面。
作为本申请一些可选实施方式,所述路面抗滑性能检测设备还包括把手和光源组件;
所述外壳的顶部设置有一凹槽,用于嵌入所述把手;
所述光源组件为环布在所述外壳底部的白炽灯。
再一方面,本申请实施例提供了一种电子设备,该电子设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,实现如上所述路面抗滑性能检测方法。
再一方面,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上存储有计算机程序,处理器执行所述计算机程序,实现如上所述路面抗滑性能检测方法。
与现有技术相比,本申请实施例提供了一种路面抗滑性能检测方法,包括以下步骤:获取目标路面的路面纹理点云数据,所述路面纹理点云数据基于对目标路面进行表面纹理三维扫描获得;基于所述路面纹理点云数据,获得平均构造深度值;基于所述路面纹理点云数据,获得宏观纹理数据和微观纹理数据;基于所述宏观纹理数据和所述微观纹理数据,获得路面摩擦系数值;基于所述平均构造深度值和所述路面摩擦系数值,获得目标路面的抗滑性能值。可以看出,本申请所述技术方案在获取原始路面纹理点云数据后,通过数据分析将数据分为宏观纹理数据和微观纹理数据;其中,微观纹理数据用于评价低速行车时路面的抗滑性能,宏观纹理数据用于评价高速行车时路面的抗滑性能和较为干燥时路面的抗滑性能;因此相较于现有技术,本申请所述方法在对目标路面的抗滑性能进行评价时,同时对宏观和微观进行分析,使得所获得的抗滑性能值更为准确。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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是本申请实施例提供的一种路面抗滑性能检测方法的流程示意图;
图2是本申请实施例提供的去除畸变数据前后的对比图;
图3是本申请实施例提供的一种将路面纹理数据分割为宏观纹理频域数据和微观纹理频域数据的分割过程示意图;
图4是本申请实施例提供的一种路面纹理数据在频域内中心平移的效果图;
图5是本申请实施例提供的一种宏观纹理三维图像;
图6是本申请实施例提供的一种微观纹理三维图像;
图7是本申请实施例提供的一种所述路面抗滑性能检测设备的结构示意图;
图8是本申请实施例提供的一种路面抗滑性能检测方法装置示意图;
图9是本申请实施例提供的一种电子设备的结构示意图;
其中,10-外壳,11-激光测量组件,12-补光光源组件,13-把手,14-触控显示屏。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例的主要解决方案是:一种路面抗滑性能检测方法,包括以下步骤:获取目标路面的路面纹理点云数据,所述路面纹理点云数据基于对目标路面进行表面纹理三维扫描获得;基于所述路面纹理点云数据,获得平均构造深度值;基于所述路面纹理点云数据,获得宏观纹理数据和微观纹理数据;基于所述宏观纹理数据和所述微观纹理数据,获得路面摩擦系数值;基于所述平均构造深度值和所述路面摩擦系数值,获得目标路面的抗滑性能值。
随着各种各样车辆被广泛应用于日常工作生活中,路面行车安全的要求越来越高。路面抗滑性能对路面行车安全至关重要,尤其是在路面有积水的场景中,在小雨甚至是微雨环境下,路面湿滑导致交通事故发生的概率较干燥路面高出10%以上,尤其在长下坡路段由降雨引发的事故占60%以上。目前检测路面的抗滑性能,主要采用车载激光扫描路面,然后结合近景图像处理识别方法进行实时分析,但采用这种方法对路面抗滑性能进行检测时,容易存在偏差,如检测条件不同时,同一路面的抗滑性能检测结果也会不同。因此,目前的检测方法的检测精度有待提高。
对此,本申请实施例所提供的技术方案在对路面抗滑性能进行检测时,通过数据分析将原始路面纹理点云数据计算获得宏观纹理数据和微观纹理数据;其中,微观纹理数据用于评价低速行车时路面的抗滑性能,宏观纹理数据用于评价高速行车时路面的抗滑性能和较为干燥时路面的抗滑性能;因此相较于现有技术,本申请所述方法在对目标路面的抗滑性能进行评价时,同时对宏观和微观进行分析,使得所获得的抗滑性能值更为准确。
参见图1,本申请的实施例提供了一种路面抗滑性能检测方法,包括:
步骤S10、对目标路面进行表面纹理三维扫描,获得路面纹理点云数据。
需要说明的是,所述目标路面是指需要检测抗滑性能的路面,因此也可以称为待测路面。路面是指用筑路材料铺在路基顶面,供车辆直接在其表面行驶的一层或多层的层状构造物。本申请所述路面包括但不限于水泥混凝土路面、沥青路面或碎石路面等。
具体来说,本申请所述方法在对所述目标路面进行表面纹理三维扫描时,可以利用多个激光测量组件对待测路面表面进行纹理三维扫描,并根据采集的路面纹理数据生成原始点云数据。所述激光测量组件包括激光发射单元和激光接收单元,激光发射单元用于向待测路面发出射激光光线,激光接收单元用于接收待测路面反射回来的光信号也即纹理三维扫描信号。
步骤S20、基于所述路面纹理点云数据,获得平均构造深度值。
具体来说,所述基于所述路面纹理点云数据,获得平均构造深度值,包括:对所述路面纹理点云数据中的畸变数据进行去除处理后,保留激光光线交叠区域内的点云数据,获得标准化路面三维高程数据;基于所述标准化路面三维高程数据,获得标准化路面三维高程点;将所述目标路面的各集料顶点进行连线拟合平面处理,获得集料顶点基准面;基于所述集料顶点基准面和所述标准化路面三维高程点形成的目标区域,获得所述目标区域的体积值;基于所述目标区域的体积值和所述集料顶点基准面的面积值的比值,获得平均构造深度值。
需要说明的是,所述畸变数据是指是指在纹理采集过程中,由于各种外界因素的干扰,而在纹理云数据处理中产生的数据失真现象。所述去除处理是指采用二维高斯平滑滤波器方法对所述畸变数据进行去除。所述集料顶点是指纹理图中显示的集料高程最高点。
如图2所示,为去除畸变数据前后的对比图,其中(a)为未对畸变数据进行去除处理的三维图像,(b)为去除畸变数据后的三维图像。
步骤S30、基于所述路面纹理点云数据,获得宏观纹理数据和微观纹理数据;基于所述宏观纹理数据和所述微观纹理数据,获得路面摩擦系数值。
在一些可选实施方式中,所述基于所述路面纹理点云数据,获得宏观纹理数据和微观纹理数据,包括:利用高斯平滑滤波器对所述所述路面纹理点云数据进行去噪处理,获得三维纹理数据。其中,所述三维纹理数据(也称为三维纹理参数)包括但不限于高度数据、空间数据、混合数据、功能数据以及形态数据。对所述三维纹理数据进行傅里叶逆变换,获得所述三维纹理数据对应的频域数据。利用巴特沃斯带通滤波器对所述频域数据的中心化频率矩阵进行滤波处理,获得宏观纹理频域数据和微观纹理频域数据。对所述宏观纹理频域数据和所述微观纹理频域数据分别进行逆傅里叶变换处理,获得宏观纹理空域数据和微观纹理空域数据。基于所述宏观纹理频域数据和所述宏观纹理空域数据,获得得到宏观纹理数据;基于所述微观纹理频域数据和所述微观纹理空域数据,获得微观纹理数据。可以看出,本申请实施例通过高斯平滑滤波器来消除原始路面纹理数据中的尖锐噪声、采用傅里叶逆变换将去噪后的三维纹理数据由空间域转换到频域,采用巴特沃斯带通滤波器对中心化频率矩阵进行滤波,分离宏观纹理和微观纹理对应的频域数据,对采用巴特沃斯滤波器得到的宏观和微观频域数据分别进行逆傅里叶变换,得到空间域结果,基于分离出了宏观纹理和微观纹理的三维纹理数据,计算高度、空间、混合、功能以及形态参数。
可以看出,本申请实施例通过将路面纹理数据精准分割为宏观纹理数据和微观纹理数据,有利于提高路面抗滑性能检测结果的精准度。如图3所示,为将路面纹理数据分割为宏观纹理频域数据和微观纹理频域数据的分割过程示意图。如图4所示,为路面纹理数据在频域内中心平移的效果图。如图5所示,为宏观纹理三维图像;如图6所示,为微观纹理三维图像。
再将三维纹理参数输入至预先训练好的路面摩擦系数确定模型,得到路面摩擦系数;其中,路面摩擦系数确定模型为基于深度学习算法,通过学习路面纹理数据与路面抗滑性能之间的对应关系所得到。举例来说,可根据路面纹理数据如高度、空间、混合、功能以及形态参数与路面抗滑性能关系,采用前馈神经网络拟合得到神经网络预测模型也即路面摩擦系数确定模型,从而计算得到路面摩擦系数。即:
在一些可选实施方式中,所述基于所述宏观纹理数据和所述微观纹理数据,获得路面摩擦系数值,包括:基于所述宏观纹理数据和所述微观纹理数据,获得三维纹理参数;将所述三维纹理参数输入至预先训练好的路面摩擦系数确定模型,获得所述路面摩擦系数值;其中,所述路面摩擦系数确定模型是通过对路面纹理数据与路面抗滑性能之间的对应关系进行深度学习计算获得的。
由上可知,本实施例通过去原始点云数据进行处理来确定测试域内的平均构造深度,借助深度学习的优势得到能够精准计算路面摩擦系数的模型,最后根据所计算得到路面摩擦系数和平均构造深度结合路面抗滑标准下的路面摩擦系数标准和平均构造深度标准便可精准、高效地确定待测路面的抗滑性能。
步骤S40、基于所述平均构造深度值和所述路面摩擦系数值,获得目标路面的抗滑性能值。
在一些可选实施方式中,在所述基于所述平均构造深度值和所述路面摩擦系数值,获得目标路面的抗滑性能值之后,还包括:基于所述平均构造深度值和所述路面摩擦系数值,获得目标路面的抗滑性能值;将路面抗滑性能值与预设阈值进行比较,获得比较结果;基于比较结果,对目标路面的抗滑性能进行评估。
其中,所述目标路面的抗滑性能值满足以下关系式:
式中:
F(s) ——目标路面的抗滑性能值;
——平均构造深度值;
µs——路面摩擦系数值;
——拟合参数。
需要说明的是,当测试F(s)值大于预设阈值时,抗滑性能满足要求。如年平均降雨量大于1000的地区F(s)测值为56,大于预设阈值54时,则路面抗滑性能满足要求。
需要说明的是,本申请中各步骤之间没有严格的先后执行顺序,只要符合逻辑上的顺序,则这些步骤可以同时执行,也可按照某种预设顺序执行,上述顺序只是一种示意顺序,并不代表只能是这样的执行顺序。
基于相同的发明思路,本申请的实施例还提供一种路面抗滑性能检测装置,包括:
路面纹理数据采集模块,用于获取目标路面的路面纹理点云数据,所述路面纹理点云数据基于对目标路面进行表面纹理三维扫描获得;
路面抗滑性能检测模块,用于基于所述路面纹理点云数据,获得平均构造深度值;基于所述路面纹理点云数据,获得宏观纹理数据和微观纹理数据;基于所述宏观纹理数据和所述微观纹理数据,获得路面摩擦系数值;基于所述平均构造深度值和所述路面摩擦系数值,获得目标路面的抗滑性能值。
需要说明的是,所述路面抗滑性能检测装置设于路面抗滑性能检测设备内;所述路面抗滑性能检测设备包括:
外壳,所述外壳的底部为柔性支撑体,以通过所述底部的形状变化实时调整各激光测量组件的激光点至所述目标路面的距离;
多个激光测量组件,环绕设置于所述外壳的中部,各所述激光测量组件均包括多个激光发射单元以及相对应的激光接收单元,各激光发射单元发射激光线在所述目标路面的表面交叠形成一块激光面,以生成路面纹理点云数据;
触控显示屏,用于支持嵌入式图形用户界面;
把手和光源组件,所述外壳的顶部设置有一凹槽,用于嵌入所述把手;所述光源组件为环布在所述外壳底部的白炽灯。
具体来说,所述路面抗滑性能检测设备还可以分为便携式路面纹理数据采集器1和路面抗滑性能检测器;其中,所述路面抗滑性能检测器内置于便携式路面纹理数据采集器1中,所以路面抗滑性能检测设备整体也是便携式的,也就不需要现有技术中专门的大型设备,如检测车等,从而实现随身携带以对路面的抗滑性能进行实时检测,操作方便且检测效率高。
所述路面抗滑性能检测设备在实际应用时,通过便携式路面纹理数据采集器1对待测路面进行纹理扫描之后,将数据直接传输至路面抗滑性能检测器中,以对数据进行分析,从而获得路面抗滑性能检测结果。
其中,所述便携式路面纹理数据采集器1用于利用多个激光测量组件对待测路面表面进行纹理三维扫描,并根据采集的路面纹理数据生成原始点云数据。便携式路面纹理数据采集装置的体积较小且易于携带,激光测量组件包括激光发射单元和激光接收单元,激光发射单元用于向待测路线出射激光光线,激光接收单元用于接收待测路面反射回来的光信号也即纹理三维扫描。激光测量组件的个数可根据实际便携式路面纹理数据采集装置的体积、重量以及用户需求来决定,本申请对此不作任何限定。
其中,所述路面抗滑性能检测器用于接收所述便携式路面纹理数据采集器1发送的原始点云数据,并通过分析原始点云数据得到待测路面的宏观纹理数据和微观纹理数据,并根据原始点云数据、宏观纹理数据和微观纹理数据计算路面抗滑性能值;最后根据路面抗滑性能参数生成路面抗滑性能检测结果。
在研发过程中,发明人发现,路面纹理与路面抗滑性能是具有一定的关系,且路面纹理包括路面的宏观构造和微观构造两个部分,其中微观纹理决定低速行车条件下路面的抗滑性能,其中宏观纹理不仅影响干燥条件下的抗滑性能,而且影响高速行车过程中的路面抗滑性能,且各参数随着路面运营时间的延长性能劣化不一致。因此本申请同时从宏观层面和微观层面对路面抗滑性能进行检测,相较于只考虑单一宏观构造来评价路面是否抗滑,评价结果更精确和准确。
路面抗滑性能值是指可为任何一种能够反映宏观纹理数据和微观纹理数据的指标。根据对路面交工验收时的抗滑性能评价指标包括横向摩擦力系数及路面平均构造深度,因此本实施例中的路面抗滑性能参数可为构造深度、平均构造深度、路面摩擦系数,当然,所属领域技术人员更加实际情况进行灵活选择。其中,横向摩擦力系数为路面抗滑性能的直接评价指标,路面的平均构造深度受路面表面形貌的影响,为抗滑性能间接评价指标,其可反映路表纹理的粗糙程度。可预先根据实际应用场景设置路面抗滑性能标准,通过比对路面抗滑性能参数与路面抗滑性能标准来生成路面抗滑性能检测结果。
当然,路面抗滑性能检测系统还可包括电源管理系统、数据存储系统和高速通信模块。电源管理模块可包括有电源控制器和锂电池组,用于为整个路面抗滑性能检测系统供电。数据存储系统可采用嵌入式存储技术实现对扫描路面数据的连续存储,为了进一步提高数据处理效率,提升实用性,数据存储系统还可内置一数据库,该数据库为面向激光扫描的主题数据库,用于对扫描路面的临时的点云数据进行存储更新。便携式路面纹理数据采集装置可将扫描所得到的原始点云数据先存储至该数据库中,路面抗滑性能检测器在执行路面抗滑性能检测任务时,从该数据库中读取相应的原始点云数据。高速通信模块用于支持便携式路面纹理数据采集装置及路面抗滑性能检测器之间的数据交互,以及触控显示屏与路面抗滑性能检测器之间的数据、信号的传输与交互。举例来说,高速通信模块可用于将计算得到的平均构造深度、路面摩擦系数计算结果传入路面抗滑性能检测器中进行储存,并显示给使用者。
在本申请提供的技术方案中,便携式路面纹理数据采集装置可以随身携带对路面进行实时在线测试,不仅操作方便,而且测试效率高;只需要将便携式路面纹理数据采集装置所采集的数据输出入至路面抗滑性能检测器中,路面抗滑性能检测器便可计算路面抗滑性能参数,进而实现路面抗滑性能的检测,对测试和数据分析人员的专业知识没有要求,实用性更强;进一步的,从宏观和微观两个角度评价路面抗滑性能,有利于得到更精准的路面抗滑性能检测结果。
需要说明的是,上述描述只是对所述路面抗滑性能检测设备的一种结构进行描述,并不构成任何限定。
基于上述结构描述,本申请实施例提供了一种所述路面抗滑性能检测设备的结构示意图,如图7所示,便携式路面纹理数据采集装置可包括外壳10、多个激光测量组件11、补光光源组件12、把手13及触控显示屏14。其中,路面抗滑性能检测器内置于外壳10内部,把手13置于外壳10的顶部,补光光源组件12置于外壳10的底部、各激光测量组件11环布在外壳10的中部。
其中,为了进一步检测整个系统的重量,外壳10和把手13可采用质量较轻的材质,激光测量组件11、补光光源组件12和触控显示屏14均可采用微型且轻型的型号。为了提升实用性,外壳10还包括一凹槽,该凹槽与把手13形状相匹配,以使把手13内嵌在外壳10内。为了提高抗滑性能的检测结果精准性,本实施例还环布在外壳10底部增设补光光源组件12,补光光源组件12例如可为白炽灯,补光光源组件12可有效防止三维扫描过程的反光影响,提升路面纹理数据的精度。外壳10的底部为柔性支撑体,其材料例如为橡胶塑料复合柔性材料,高度可为1~2cm,这样底部的形状可随路面的形状而变化,通过底部的形状变化实时调整各激光测量组件的激光点至待测路面的距离,拟合曲面形状与路面表面形状一致,这样便可根据路面的平整度和车辙适时调整激光至路面表面的角度和距离,使的三维扫描结果更为准确。每个激光测量组件11均可包括多个激光发射单元以及相对应的激光接收单元,各激光发射单元发射激光线在待测路面的表面交叠形成一块激光面。激光测量组件11可为线性激光器,其在外壳10中部被环形布置。触控显示屏14为支持嵌入式图形用户界面的显示,用于向用户提供友好的可视化信息与服务、显示路面抗滑性能参数如平均构造深度、路面摩擦系数计算结果等数据、并接收来自用户的输入的系统设定。
但需要说明的是,所述路面抗滑性能检测方法装置可从功能模块的角度和硬件的角度分别说明。下面对本申请提供的路面抗滑性能检测装置进行硬件角度的介绍,该装置用以实现本申请提供的路面抗滑性能检测方法,在本实施例中,路面抗滑性能检测装置可以包括或被分割成一个或多个程序模块,该一个或多个程序模块被存储在存储介质中,并由一个或多个处理器所执行,已完成实施例一公开的路面抗滑性能检测方法。本申请所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序本身更适合于描述路面抗滑性能检测装置在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能,下文描述的路面抗滑性能检测装置与上文描述的路面抗滑性能检测方法可相互对应参照。
从功能角度而言,参见图8,所述路面抗滑性能检测装置还可以包括:
点云数据生成模块,用于获取目标路面的路面纹理点云数据,所述路面纹理点云数据基于对目标路面进行表面纹理三维扫描获得;
数据分析模块,用于通过分析原始点云数据得到待测路面的宏观纹理数据和微观纹理数据;
参数计算模块,用于根据原始点云数据计算平均构造深度,并根据宏观纹理数据和微观纹理数据计算路面摩擦系数;
抗滑性能检测模块,用于根据路面摩擦系数和平均构造深度生成路面抗滑性能检测结果。
需要说明的是,本实施例中路面抗滑性能检测方法装置中各模块是与前述实施例中的路面抗滑性能检测方法中的各步骤一一对应,因此,本实施例的具体实施方式和达到的技术效果可参照前述路面抗滑性能检测方法的实施方式,这里不再赘述。
此外,在一种实施例中,图9为本申请实施例提供的电子设备在一种实施方式下的结构示意图。如图9所示,该电子设备包括存储器40,用于存储计算机程序;处理器41,用于执行计算机程序时实现如上述任一实施例提到的路面抗滑性能检测方法的步骤。
其中,处理器41可以包括一个或多个处理核心,比如4核心处理器、8核心处理器,处理器41还可为控制器、微控制器、微处理器或其他数据处理芯片等。处理器41可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable GateArray,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器41也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central Processing Unit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器41可以集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器41还可以包括AI(ArtificialIntelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器40可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器40还可包括高速随机存取存储器以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。存储器40在一些实施例中可以是电子设备的内部存储单元,例如服务器的硬盘。存储器40在另一些实施例中也可以是电子设备的外部存储设备,例如服务器上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器40还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器40不仅可以用于存储安装于电子设备的应用软件及各类数据,例如:执行路面抗滑性能检测方法过程中的程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。本实施例中,存储器40至少用于存储以下计算机程序401,其中,该计算机程序被处理器41加载并执行之后,能够实现前述任一实施例公开的路面抗滑性能检测方法的相关步骤。另外,存储器40所存储的资源还可以包括操作系统402和数据403等,存储方式可以是短暂存储或者永久存储。其中,操作系统402可以包括Windows、Unix、Linux等。数据403可以包括但不限于路面抗滑性能检测结果对应的数据等。
在一些实施例中,上述电子设备还可包括有显示屏42、输入输出接口43、通信接口44、电源45以及通信总线46。其中,显示屏42、输入输出接口43比如键盘(Keyboard)属于用户接口,可选的用户接口还可以包括标准的有线接口、无线接口等。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。通信接口44可选的可以包括有线接口和/或无线接口,如WI-FI接口、蓝牙接口等,通常用于在电子设备与其他电子设备之间建立通信连接。通信总线46可以是外设部件互连标准(peripheralcomponent interconnect,简称PCI)总线或扩展工业标准结构(extended industrystandard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图9中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
本领域技术人员可以理解,图9中示出的结构并不构成对该电子设备的限定,可以包括比图示更多或更少的组件,例如还可包括实现各类功能的传感器47。
本申请所述电子设备的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
此外,在一种实施例中,本申请还提供一种获取机存储介质,所述获取机存储介质上存储有获取机程序,所述获取机程序被处理器运行时实现前述实施例中方法的步骤。
在一些实施例中,获取机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器;也可以是包括上述存储器之一或任意组合的各种设备。获取机可以是包括智能终端和服务器在内的各种获取设备。
在一些实施例中,可执行指令可以采用程序、软件、软件模块、脚本或代码的形式,按任意形式的编程语言(包括编译或解释语言,或者声明性或过程性语言)来编写,并且其可按任意形式部署,包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在获取环境中使用的其它单元。
作为示例,可执行指令可以但不一定对应于文件系统中的文件,可以可被存储在保存其它程序或数据的文件的一部分,例如,存储在超文本标记语言(HTML,Hyper TextMarkup Language)文档中的一个或多个脚本中,存储在专用于所讨论的程序的单个文件中,或者,存储在多个协同文件(例如,存储一个或多个模块、子程序或代码部分的文件)中。
作为示例,可执行指令可被部署为在一个获取设备上执行,或者在位于一个地点的多个获取设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个获取设备上执行。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
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上述 实施例方法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,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的 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,该获取机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光 盘)中,包括若干指令用以使得一台多媒体终端设备(可以是手机,获取机,电视接收机,或者网络设备等)执行本申请各个实施例所述的方法。
以上所揭露的仅为本申请的局部实施例而已,当然不能以此来限定本申请之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或局部流程,并依本申请权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (9)
1.一种路面抗滑性能检测方法,其特征在于,包括以下步骤:
获取目标路面的路面纹理点云数据,所述路面纹理点云数据基于对目标路面进行表面纹理三维扫描获得;
基于所述路面纹理点云数据,获得平均构造深度值;
基于所述路面纹理点云数据,获得宏观纹理数据和微观纹理数据;基于所述宏观纹理数据和所述微观纹理数据,获得路面摩擦系数值;
基于所述平均构造深度值和所述路面摩擦系数值,获得目标路面的抗滑性能值;
其中,所述目标路面的抗滑性能值满足以下关系式:
式中:
F(s) ——目标路面的抗滑性能值;
——平均构造深度值;
µs——路面摩擦系数值;
——拟合参数。
2.根据权利要求1所述路面抗滑性能检测方法,其特征在于,所述基于所述路面纹理点云数据,获得平均构造深度值,包括:
对所述路面纹理点云数据中的畸变数据进行去除处理后,保留激光光线交叠区域内的点云数据,获得标准化路面三维高程数据;
基于所述标准化路面三维高程数据,获得标准化路面三维高程点;
将所述目标路面的各集料顶点进行连线拟合平面处理,获得集料顶点基准面;
基于所述集料顶点基准面和所述标准化路面三维高程点形成的目标区域,获得所述目标区域的体积值;基于所述目标区域的体积值和所述集料顶点基准面的面积值的比值,获得平均构造深度值。
3.根据权利要求1所述路面抗滑性能检测方法,其特征在于,所述基于所述路面纹理点云数据,获得宏观纹理数据和微观纹理数据,包括:
利用高斯平滑滤波器对所述路面纹理点云数据进行去噪处理,获得三维纹理数据;
对所述三维纹理数据进行傅里叶逆变换,获得所述三维纹理数据对应的频域数据;
利用巴特沃斯带通滤波器对所述频域数据的中心化频率矩阵进行滤波处理,获得宏观纹理频域数据和微观纹理频域数据;
对所述宏观纹理频域数据和所述微观纹理频域数据分别进行逆傅里叶变换处理,获得宏观纹理空域数据和微观纹理空域数据;
基于所述宏观纹理频域数据和所述宏观纹理空域数据,获得得到宏观纹理数据;基于所述微观纹理频域数据和所述微观纹理空域数据,获得微观纹理数据。
4.根据权利要求1所述路面抗滑性能检测方法,其特征在于,所述基于所述宏观纹理数据和所述微观纹理数据,获得路面摩擦系数值,包括:
基于所述宏观纹理数据和所述微观纹理数据,获得三维纹理参数;
将所述三维纹理参数输入至预先训练好的路面摩擦系数确定模型,获得所述路面摩擦系数值;其中,所述路面摩擦系数确定模型是通过对路面纹理数据与路面抗滑性能之间的对应关系进行深度学习计算获得的。
5.根据权利要求1所述路面抗滑性能检测方法,其特征在于,在所述基于所述平均构造深度值和所述路面摩擦系数值,获得目标路面的抗滑性能值之后,还包括:
基于所述平均构造深度值和所述路面摩擦系数值,获得目标路面的抗滑性能值;
将路面抗滑性能值与预设阈值进行比较,获得比较结果;
基于比较结果,对目标路面的抗滑性能进行评估。
6.一种路面抗滑性能检测装置,其特征在于,包括:
路面纹理数据采集模块,用于获取目标路面的路面纹理点云数据,所述路面纹理点云数据基于对目标路面进行表面纹理三维扫描获得;
路面抗滑性能检测模块,用于基于所述路面纹理点云数据,获得平均构造深度值;基于所述路面纹理点云数据,获得宏观纹理数据和微观纹理数据;基于所述宏观纹理数据和所述微观纹理数据,获得路面摩擦系数值;基于所述平均构造深度值和所述路面摩擦系数值,获得目标路面的抗滑性能值;其中,所述目标路面的抗滑性能值满足以下关系式:
式中:F(s) ——目标路面的抗滑性能值;——平均构造深度值;µs——路面摩擦系数值;/>——拟合参数。
7.根据权利要求6所述路面抗滑性能检测装置,其特征在于,所述路面抗滑性能检测装置设于路面抗滑性能检测设备内;所述路面抗滑性能检测设备包括:
外壳,所述外壳的底部为柔性支撑体,其材料为橡胶塑料复合柔性材料,在执行检测工作时,所述外壳的底部形状基于目标路面的形状进行调整;
多个激光测量组件,环绕设置于所述外壳的中部,各所述激光测量组件均包括多个激光发射单元以及相对应的激光接收单元,各激光发射单元发射激光线在所述目标路面的表面交叠形成一块激光面,以生成路面纹理点云数据;所述各激光测量组件在执行检测工作时,基于外壳底部的形状变化,对各激光测量组件的激光点至待测路面的距离进行实时调整,拟合曲面形状与路面表面形状一致;
触控显示屏,用于支持嵌入式图形用户界面;
所述路面抗滑性能检测设备还包括把手和光源组件;
所述外壳的顶部设置有一凹槽,用于嵌入所述把手;
所述光源组件为环布在所述外壳底部的白炽灯。
8.一种电子设备,其特征在于,该电子设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,实现如权利要求1-5中任一项所述路面抗滑性能检测方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,处理器执行所述计算机程序,实现如权利要求1-5中任一项所述路面抗滑性能检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311217469.6A CN116973302B (zh) | 2023-09-20 | 2023-09-20 | 一种路面抗滑性能检测方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311217469.6A CN116973302B (zh) | 2023-09-20 | 2023-09-20 | 一种路面抗滑性能检测方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116973302A CN116973302A (zh) | 2023-10-31 |
CN116973302B true CN116973302B (zh) | 2024-01-23 |
Family
ID=88485280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311217469.6A Active CN116973302B (zh) | 2023-09-20 | 2023-09-20 | 一种路面抗滑性能检测方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116973302B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103616311A (zh) * | 2013-12-02 | 2014-03-05 | 西南交通大学 | 热压式沥青混合料的磨耗层与嵌入层粘结性能的评价方法 |
CN104141275A (zh) * | 2014-08-12 | 2014-11-12 | 东南大学 | 一种公路路表抗滑纹理检测仪 |
CN104749095A (zh) * | 2015-03-06 | 2015-07-01 | 广东省建筑科学研究院集团股份有限公司 | 基于轮胎与路面接触压力特性的路面抗滑性能评价方法 |
CN104992049A (zh) * | 2015-06-10 | 2015-10-21 | 华南理工大学 | 一种以平面位置数据建立路面抗滑性能模型的方法 |
WO2015173557A1 (en) * | 2014-05-13 | 2015-11-19 | Friction Safe Limited | Method to improve friction level of a paved surface |
CN204944656U (zh) * | 2015-08-10 | 2016-01-06 | 海洋化工研究院有限公司 | 可拆装的地磅防滑涂覆板块儿 |
CN106023233A (zh) * | 2016-06-08 | 2016-10-12 | 河海大学 | 一种评估大空隙沥青混合料垂直双向上宏观纹理的方法 |
CN107798174A (zh) * | 2017-09-29 | 2018-03-13 | 长安大学 | 一种基于灰关联法的沥青路面抗滑影响因素评估方法 |
CN110363743A (zh) * | 2019-06-10 | 2019-10-22 | 长安大学 | 基于沥青混凝土路面激光三维数据的表面纹理分离方法 |
CN111458409A (zh) * | 2020-05-15 | 2020-07-28 | 苏州希声科技有限公司 | 一种柔性超声探头、超声成像检测系统和检测方法 |
CN112818563A (zh) * | 2021-02-25 | 2021-05-18 | 同济大学 | 一种基于摩擦接触面预估的路面抗滑性能评价方法 |
CN113718582A (zh) * | 2021-10-13 | 2021-11-30 | 北京金港场道工程建设有限公司 | 一种机场水泥混凝土道面表面纹理处置方法 |
CN114441436A (zh) * | 2021-12-20 | 2022-05-06 | 中国公路工程咨询集团有限公司 | 一种基于路面纹理评价抗滑性能的分析方法 |
CN114739312A (zh) * | 2022-04-26 | 2022-07-12 | 黄晓明 | 一种手持式路面构造深度激光测定装置 |
CN115797427A (zh) * | 2022-11-28 | 2023-03-14 | 同济大学 | 一种排水沥青路面结构抗滑性能分析方法和装置 |
CN116523129A (zh) * | 2023-04-27 | 2023-08-01 | 重庆交通大学 | 基于xgboost与分形维数的路面抗滑性能预测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8085987B2 (en) * | 2007-10-26 | 2011-12-27 | Ahmed Shalaby | Method and tool for surface texture evaluation |
US20190362510A1 (en) * | 2018-05-24 | 2019-11-28 | Lu Sun | Method and system for evaluating friction coefficient and skid resistence of a surface |
-
2023
- 2023-09-20 CN CN202311217469.6A patent/CN116973302B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103616311A (zh) * | 2013-12-02 | 2014-03-05 | 西南交通大学 | 热压式沥青混合料的磨耗层与嵌入层粘结性能的评价方法 |
WO2015173557A1 (en) * | 2014-05-13 | 2015-11-19 | Friction Safe Limited | Method to improve friction level of a paved surface |
CN104141275A (zh) * | 2014-08-12 | 2014-11-12 | 东南大学 | 一种公路路表抗滑纹理检测仪 |
CN104749095A (zh) * | 2015-03-06 | 2015-07-01 | 广东省建筑科学研究院集团股份有限公司 | 基于轮胎与路面接触压力特性的路面抗滑性能评价方法 |
CN104992049A (zh) * | 2015-06-10 | 2015-10-21 | 华南理工大学 | 一种以平面位置数据建立路面抗滑性能模型的方法 |
CN204944656U (zh) * | 2015-08-10 | 2016-01-06 | 海洋化工研究院有限公司 | 可拆装的地磅防滑涂覆板块儿 |
CN106023233A (zh) * | 2016-06-08 | 2016-10-12 | 河海大学 | 一种评估大空隙沥青混合料垂直双向上宏观纹理的方法 |
CN107798174A (zh) * | 2017-09-29 | 2018-03-13 | 长安大学 | 一种基于灰关联法的沥青路面抗滑影响因素评估方法 |
CN110363743A (zh) * | 2019-06-10 | 2019-10-22 | 长安大学 | 基于沥青混凝土路面激光三维数据的表面纹理分离方法 |
CN111458409A (zh) * | 2020-05-15 | 2020-07-28 | 苏州希声科技有限公司 | 一种柔性超声探头、超声成像检测系统和检测方法 |
CN112818563A (zh) * | 2021-02-25 | 2021-05-18 | 同济大学 | 一种基于摩擦接触面预估的路面抗滑性能评价方法 |
CN113718582A (zh) * | 2021-10-13 | 2021-11-30 | 北京金港场道工程建设有限公司 | 一种机场水泥混凝土道面表面纹理处置方法 |
CN114441436A (zh) * | 2021-12-20 | 2022-05-06 | 中国公路工程咨询集团有限公司 | 一种基于路面纹理评价抗滑性能的分析方法 |
CN114739312A (zh) * | 2022-04-26 | 2022-07-12 | 黄晓明 | 一种手持式路面构造深度激光测定装置 |
CN115797427A (zh) * | 2022-11-28 | 2023-03-14 | 同济大学 | 一种排水沥青路面结构抗滑性能分析方法和装置 |
CN116523129A (zh) * | 2023-04-27 | 2023-08-01 | 重庆交通大学 | 基于xgboost与分形维数的路面抗滑性能预测方法 |
Non-Patent Citations (17)
Title |
---|
Analysis of the pavement surface texture by 3D scanner;Ján Čelko 等;《Transportation Research Procedia》;第2994-3003页 * |
Dynamic friction coefficient between tire and compacted asphalt mixtures using tire-pavement dynamic friction analyzer;Dynamic friction coefficient between tire and compacted asphalt mixtures using tire-pavement dynamic friction analyzer miao yu 等;《Construction and Building Materials》;第1-12页 * |
Evaluation of Pavement Skid Resistance Using Surface Three-Dimensional Texture Data;yuanyuan wang 等;《coatings》;第1-14页 * |
Study of Pavement Micro- and Macro-Texture Evolution Due to Traffic Polishing Using 3D Areal Parameters;Zou Y. 等;《Materials》;第1-19页 * |
基于三维点云的沥青路面平均构造深度计算方法;肖承龙;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;第1-63页 * |
基于不同路表状态下加速磨耗试验的沥青路面抗滑性能衰变研究;李晓龙;蔡春兵;刘宗祥;王川;;交通科技(第02期);第45-49页 * |
基于抗滑性能的SMA沥青混合料配合比设计方法研究;马宝国 等;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;第1-88页 * |
基于现场实测三维高精度纹理数据的沥青路面抗滑性能预测研究;彭毅;《中国博士学位论文全文数据库工程科技Ⅱ辑》;第15-16、19-20、55-78页 * |
基于纹理演变机理的密级配沥青路面潮湿抗滑性能研究;邹逸文;《中国博士学位论文全文数据库工程科技Ⅱ辑》;第1-149页 * |
张发如 ; 王福胜 ; 刘俊勇 ; 陈跃 ; 程小强 ; .许平南高速公路抗滑性测试及相关问题分析.《公路》.2007,(12),第186-189页. * |
机场道面磨损规律及抗滑构造设计;陈悦 等;《2020年工业建筑学术交流会论文集》;第715-721页 * |
沥青路面抗滑性不同评价指标及测试方法比较;李志强 等;《筑路机械与施工机械化》;第111-115页 * |
沥青路面抗滑性能检测技术;吴琛 等;《 运输经理世界》;第29-31页 * |
沥青路面抗滑性能研究现状;朱洪洲;廖亦源;;公路(第01期);第41-51页 * |
许平南高速公路抗滑性测试及相关问题分析;张发如 等;《公路》;第181-184页 * |
路表纹理与抗滑性能相关性分析;吴凡;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;第1-79页 * |
路面抗滑性能评价指标的相关性研究;刘澔 等;《公路交通科技(应用技术版)》;第78-81页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116973302A (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110286387B (zh) | 应用于自动驾驶系统的障碍物检测方法、装置及存储介质 | |
Huang et al. | A pavement crack detection method combining 2D with 3D information based on Dempster‐Shafer theory | |
CN108319895B (zh) | 用于识别电子地图中的路口的方法和装置 | |
CN105551016B (zh) | 一种基于激光点云的路沿识别方法及装置 | |
Zhang et al. | 3D shadow modeling for detection of descended patterns on 3D pavement surface | |
Lokeshwor et al. | Robust method for automated segmentation of frames with/without distress from road surface video clips | |
CN105045950A (zh) | 一种基于三维激光扫描的桥梁安全评估系统 | |
CN106952303A (zh) | 车距检测方法、装置和系统 | |
US9189572B2 (en) | Simulation device, simulation system, method of simulation and program | |
Yadav et al. | Identification of trees and their trunks from mobile laser scanning data of roadway scenes | |
CN115661045A (zh) | 汽车轮胎的质量3d视觉全息检测方法、装置、设备及介质 | |
CN116973302B (zh) | 一种路面抗滑性能检测方法、装置、设备和介质 | |
CN116229451A (zh) | 一种三维目标检测方法、装置、设备及存储介质 | |
CN114693617A (zh) | 一种铁路钢轨缺陷检测方法、系统、设备及存储介质 | |
JP7485011B2 (ja) | 道路劣化診断装置、道路劣化診断システム、道路劣化診断方法、及び、プログラム | |
US20230127338A1 (en) | Road deterioration determination device, road deterioration determination method, and storage medium | |
Ge et al. | Automated detection and characterization of cracks on concrete using laser scanning | |
CN116486377B (zh) | 可行驶区域的生成方法及装置 | |
CN115512098B (zh) | 一种桥梁电子化巡检系统及巡检方法 | |
Liimatainen et al. | Sparse logistic regression and polynomial modelling for detection of artificial drainage networks | |
KR20200052500A (ko) | 고해상도 드론 영상을 활용한 산림지역 변화 탐지 및 변화지역 투수/불투수도 갱신 방법 | |
Hou et al. | Network-level guardrail extraction based on 3d local features from mobile lidar sensor | |
Al-Suleiman et al. | Assessment of the effect of alligator cracking on pavement condition using WSN-image processing | |
CN116242774A (zh) | 适用于农村公路的轻量化三维检测方法及装置 | |
WO2022271742A1 (en) | Granularity-flexible existence-based object detection |
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 |