CN204059164U - 一种带有相对基准点的线激光路面车辙检测系统 - Google Patents

Abstract

本实用新型公开了一种带有相对基准点的线激光路面车辙检测系统，该系统包括设置在车上由车载电源提供电能的定位系统、图像采集装置和车辙图像处理模块；定位系统包括GPS和光电编码器；图像采集系统包括两个高速CCD面阵相机，两个线激光器，八个点激光器和交换机；车辙图像处理模块包括工业计算机；GPS、光电编码器、线激光器和高速CCD面阵相机均连接至工业计算机。本实用新型将激光检测技术和数字图像技术相结合，提出基准点线激光路面车辙技术，以解决目前车辙检测中的关键技术，提高车辙检测精度。其操作简单，使用方便，而且测量结果直观、可靠；由于测量结果可以精确到1mm，因此，测量精度非常高。可以广泛应用于道路检测。

Description

一种带有相对基准点的线激光路面车辙检测系统

技术领域

本实用新型属于道路路面检测技术领域，涉及一种路面车辙检测系统，尤其是一种带有相对基准点的线激光路面车辙检测系统。

背景技术

十六大以来，我国的高速公路迅猛发展，横连东西、纵贯南北、通江达河、联结周边的道路网络初步建成。我国的高速公路由2002年底的2.51万千米增加到2011年底的8.49万千米，2012年又新增了1.1万千米，我国高速公路在2012年底达9.6万千米。我国高速公路的蓬勃发展，通车里程的不断增长，为我国的经济发展做出巨大的贡献，与此同时我国高速公路的维护与保养工作也变得更加的重要。在公路的建设、运营、管理的过程中，快速、准确的掌握公路的车辙、平整度、构造深度等参数，对公路的养护管理具有重要意义。

路面车辙的评估与检测是高等级路面养维护养护的重要内容，特别在我国现阶段，由于我国车辆超载现象比较普遍，在高速公路上出现较大车辙的现象也是很严重。鉴于以上的现状，我国众多从事公路检测仪器开发与研究的高校和研究机构都做了大量的研究，同时也为我国的公路检测做出了巨大的贡献。

本专利在长安大学点激光车辙的基础上，将激光检测技术和数字图像技术相结合，提出基准点线激光路面车辙技术，以解决目前车辙检测中的关键技术，提高车辙检测精度。

实用新型内容

本实用新型的目的在于克服上述现有技术的缺点，提供一种带有相对基准点的线激光路面车辙检测系统，其将激光检测技术和数字图像技术相结合，提出基准点线激光路面车辙技术，以解决目前车辙检测中的关键技术，提高车辙检测精度。

本实用新型的目的是通过以下技术方案来实现的：

这种带有相对基准点的线激光路面车辙检测系统，包括设置在车上由车载电源提供电能的定位系统、图像采集装置和车辙图像处理模块；所述定位系统包括GPS和光电编码器；所述图像采集系统包括两个高速CCD面阵相机，两个线激光器，八个点激光器和交换机；所述车辙图像处理模块包括工业计算机；所述GPS、光电编码器、线激光器和高速CCD面阵相机均连接至工业计算机。

上述线激光器的入射角度在30度到40度之间。

进一步的，以上采用两个高速CCD面阵相机进行路表面图像采集。

上述的高速CCD面阵相机采用德国Basler公司的scA1600-14gc型相机。

上述的线激光器为半导体红外线激光器，波长为808nm，线激光器扩束角为60度。

上述的八个点激光器，每两个一组上下间隔0.2米，4组激光器沿横向均匀分布。

上述的旋转编码器采用为三相增量型旋转编码器。

本实用新型具有以下有益效果：

本实用新型主要部件采用高速CCD面阵相机、线激光器和工业计算机，结构简单，适应多种外环境；其检测车辙的方法主要由计算机自动完成，操作简单，使用方便，而且测量结果直观、可靠；由于测量结果可以精确到1mm，因此，测量精度非常高。可以广泛应用于道路检测。

附图说明

图1为本实用新型的线激光路面车辙及结构原理图；

图2为本实用新型的基准点线激光路面车辙检测计算的基本原理图；

图3为本实用新型的硬件系统图像采集原理图；

图4为本实用新型的基准点线激光车辙采集系统硬件结构图；

图5为本实用新型的相机标定物象转换关系图；

图6为本实用新型的线激光车辙图像处理流程图。

具体实施方式

下面结合附图对本实用新型做进一步详细描述：

图1为本实用新型的线激光路面车辙及结构原理图。X为相机所拍摄的线激光在的照片上的距离，f为相机的焦距，H为相机距地面的垂直距离，S为线激光打在地面上的长度，也就是PQ的距离，L为线激光的垂直投影，A为线激光的入射角度，h为路面车辙的实际深度。

从图1的几何关系可以得到线激光车辙的公式：

$\frac{X}{S*\cos A+S*\sin A*\frac{X}{2f}}=\frac{f}{H+S*\sin A}---\left(1\right)$

式(1)化简得到式(2)

$S=\frac{X*H}{f*\cos A-\frac{X}{2}*\sin A}---\left(2\right)$

或者

h＝S*sinA    (3)

公式(3)就可以求出路面的车辙深度。

参考图2，为本实用新型的基准点线激光路面车辙检测计算的基本原理图。当整个基准点线激光车辙检测系统固定之后，点激光器1和点激光器2的位置和角度都固定，它们之间的距离T就会固定不变。同时点激光器1和点激光器2两个点激光与检测车之间的夹角B也会固定不变，两个点激光器发出的激光点的线和线激光器发出的线激光平行，两个点激光器发出的光线与路面的夹角是A，并且两条光线是平行的。W为两个点激光器在标定水平地面上的实地距离。图2中检测车没有发生俯仰，点激光器发出的激光线与地面之间形成的几何关系。

L＝TsinB    (4)

当整个系统固定以后，式(4)中的Ｔ和Ｂ都是定值，实际的系统中的T＝700mm，B＝36°，同时也有：

$\sin A=\frac{L}{W}---\left(5\right)$

将式(4)代入式(5)中，就会得到(6)式：

$\sin A=\frac{T\sin B}{W}---\left(6\right)$

式(6)中的W就是要在图像处理中来求出的值，在将W的值代入式(6)。

就可以达到式(7)

$A={\sin }^{-1}\frac{T\sin B}{W}---\left(7\right)$

就可以求出激光线与地面的夹角A。

在将式(7)带到式(4)，就可以得到车辙的计算公式：

$h=S\sin \left({\sin }^{-1}\frac{T\sin B}{W}\right)---\left(8\right)$

式(8)中的S为线激光投射在地面上的距离。

上式(8)就是基准点路面车辙检测系统计算路面车辙的计算公式。

图3为本实用新型的硬件系统图像采集原理图。包括设置在检测车上由车载电源提供电能的定位系统、图像采集装置和车辙图像处理模块；所述定位系统包括GPS和光电编码器；所述图像采集系统包括两个高速CCD面阵相机，两个线激光器，八个点激光器和交换机；所述车辙图像处理模块包括工业计算机；所述GPS、光电编码器、线激光器和高速CCD面阵相机均连接至工业计算机。

参考图3，图像采集装置就是用于采集车辙图像数据。线激光器将一条线激光经过透镜投射到路面上，就会在路面上形成一条线激光曲线。光电编码器(在纵向距离上获得不同的采样距离)随车速旋转发出脉冲，将编码器采集的脉冲信号送至信号采集箱，由信号采集箱将脉冲信号分频，给相机一定频率的脉冲，相机拍摄路面车辙图像，将图像数据传送到IP交换机进行汇总，最后送到工业计算机(工控机)，将车辙数据存储于工控机的硬盘中。工控机通过GPS和光电编码器获得路面桩号信息，并将这些信息与图像对应起来。

在本实用新型的较佳实施例中，线激光器的入射角度在30度到40度之间。采用2个高速CCD面阵相机进行路表面图像采集。最佳方案中，高速CCD面阵相机采用德国Basler公司的scA1600-14gc型相机。所述的线激光器为半导体红外线激光器，波长为808nm，线激光器扩束角为60度，如：长春新产业光电技术有限公司生产的半导体红外线808激光器，波长为808nm，功率为5瓦。所述的八个点激光器，每两个一组上下间隔0.2米，4组激光器沿横向均匀分布。旋转编码器采用AutonicS生产的E40S—8—2000—3—2—24三相增量型旋转编码器。

参见图4，整个车辙检测系统的硬件组成是：两个Basler面阵CCD工业相机，两个线激光器，8个点激光器，交换机，旋转编码器，工控机，信号分配器，电源系统，电缆。

图5为物象的转换关系可以化简为由11个参数来代替的方程组(9)：

$\left\{\begin{array}{c}{x}_0+\frac{l_{1}X+l_{2}Y+l_{3}Z+L_4}{l_{9}X+l_{10}Y+l_{11}Z+1}=0\\ y_0+\frac{l_{5}X+l_{6}Y+l_{7}Z+L_8}{l_{9}X+l_{10}Y+l_{11}Z+1}=0\end{array}\right.---\left(9\right)$

式(9)中：

$\left\{\begin{array}{c}{l}_1=\frac{m_1^{\text{'}}}{g_3};l_2=\frac{m_2^{\text{'}}}{g_3};l_3=\frac{m_3^{\text{'}}}{g_3};l_4=\frac{m_4^{\text{'}}}{g_3};\\ l_5=\frac{m_5^{\text{'}}}{g_3};l_6=\frac{m_6^{\text{'}}}{g_3};l_7=\frac{m_7^{\text{'}}}{g_3};l_8=\frac{m_8^{\text{'}}}{g_3};\\ l_9=\frac{a_3}{g_3};l_{10}=\frac{b_3}{g_3};l_{11}=\frac{c_3}{g_3};\end{array}\right.$

(9)式为物象空间直接线性转化关系公式，它包含了11个参数li(i＝1，2，3…，11)，通过这11个参数构建像平面上的坐标(x₀，y₀)与物的空间坐标(X，Y，Z)之间的对应关系。物空间上的已知点(X，Y，Z)，可以求出(9)式中一一对应的(x₀，y₀)。

对于线激光车辙系统来说，相机拍摄路面时，只需对应二维的物象关系。

(9)式中Z是(X，Y)的函数，则Z可以表示为

Z＝AX+BＹ+Ｃ    (10)

将(10)式代入(9)中，可以整理得到：

$\left\{\begin{array}{c}{x}_0+\frac{\frac{l_1+l_{3}A}{l_{11}C+1}X+\frac{l_2+l_{3}B}{l_{11}+1}Y+\frac{l_{3}C+l_4}{l_{11}C+1}}{\frac{l_9+l_{11}A}{l_{11}+1}X+\frac{l_{10}+l_{11}B}{l_{11}C+1}Y+1}=0\\ y_0+\frac{\frac{l_5+l_{7}A}{l_{11}C+1}X+\frac{l_6+l_{7}B}{l_{11}+1}Y+\frac{l_{7}C+l_8}{l_{11}C+1}}{\frac{l_9+l_{11}A}{l_{11}+1}X+\frac{l_{10}+l_{11}B}{l_{11}C+1}Y+1}=0\end{array}\right.---\left(11\right)$

(11)式可以化简为如下式：

$\left\{\begin{array}{c}{x}_0+\frac{p_{1}X+p_{2}Y+p_3}{p_{7}X+p_{8}Y+1}=0\\ y_0+\frac{p_{4}X+p_{5}Y+p_6}{p_{7}X+p_{8}Y+1}=0\end{array}\right.---\left(12\right)$

令：

$\left\{\begin{array}{c}{p}_1=\frac{l_1+l_{3}A}{l_{11}C+1};p_2=\frac{l_2+l_{3}B}{l_{11}+1};p_3=\frac{l_{3}C+l_4}{l_{11}C+1};\\ p_4=\frac{l_5+l_{7}A}{l_{11}C+1};p_5=\frac{l_6+l_{7}B}{l_{11}+1};p_6=\frac{l_{7}C+l_8}{l_{11}C+1};\\ p_7=\frac{l_9+l_{11}A}{l_{11}+1};p_8=\frac{l_{10}+l_{11}B}{l_{11}C+1};\end{array}\right.$

(12)式由原来的11个参数，变为了8个参数来表示空间物象关系。在物方空间平面上的每个已知点(X，Y)都可以得到一一对应的方程组。为了求出p_i(i＝1，2，3…，8)，从(12)方程式可以知道，只要知道4个点的像点坐标和与其对应的物点坐标，就可以求出8个未知系数p_i(i＝1，2，3…，8)。得到了(12)方程式，就可以通过单台相机上的坐标点(x₀，y₀)来求出对应的物空间平面上的坐标点。

参考图6，在图像处理的过程中，首先对车辙图像进行预处理，采用最大方差阈值分割方法从背景中分离出线激光条纹、基准点，再利用灰度领域性质法来消除孤点噪音，同时保证图像信息(灰度值和光点的位置坐标)在消除噪音的过程中不发生变化，通过重心法提取基准点的中心坐标，利用快速方向模板的方法提取光条纹中心坐标。最后存储条纹图像的中心坐标，在通过后续的车辙计算就可以计算出车辙的深度。其具体过程如下：

1)采集标定图像：首先制作标定板，在标定板上设置标志点，两个高速CCD面阵相机同步拍摄标定板，变化线激光器的入射角度，得到标定图像在两个相机所采集到图像中的像素位置坐标参数与成像关系；

2)图像预处理(平滑和锐化)：

将拍摄的线激光图片在图像处理的第一步，就是要进行预处理，用高斯—拉普拉斯换算(Laplacian of a Gaussian，LOG)。该算子同时可以达到平滑与锐化的目的。

通过高斯—拉普拉斯换算的预处理之后，图中的一些噪音点没有了，但是同时也是需要的基准点被部分滤掉，这不是想要的，图中共有8个基准点，用8个基准点的目的也是以防止有些基准点被滤掉，或者被打偏。

3)图像分割：使用最大方差阈值分割，将基准点和激光线与背景分离，得到二值图像。具体为：

基准点线激光车辙系统使用的相机镜头是红外线镜头，该镜头对红外线光十分的敏感，从图像上看就是808nm的红外线光带是高亮度的，灰度值一般情况下是最大的。最大阈值分割可以自动的对整个图片灰度直方图处理，求出一个方差最大的，也就是最明显区分整个图像的最佳阈值，最大阈值分割的这一特点对车辙图片十分适合。

通过最大方差阈值分割后的线激光结构光的线性已经很清晰了，这为后续的图像处理带来了很多便利，同时基准点也十分的清晰，对找到基准点的坐标值有很大的帮助。

4)灰度领域属性算法实验：采用灰度领域属性法消除噪音点，同时找到激光线的位置。

由于最大阈值分割的的二值化图像可能从在一些小的孤点，这些孤点对提取基准点的中心坐标是个干扰，可能会因为小孤点的从在而提取错误。本实用新型用灰度领域属性算法来消除人的肉眼观察不出来的孤点，选用了6领域的矩阵[1,2,3,4,3,2,1]来消除孤点。

通过灰度领域属性法处理后的车辙图片不仅对小孤点做了滤除，也可以细化线激光结构光，基准点也变的小了不少。为了观察方便讲光带的宽度设为50个像素点。

5)基准点坐标的提取：使用点与线在形状上的不同，以及基准点的位置，使用重心法准确的提取出基准点的中心坐标，计算出线激光器的入射角度。

6)激光线中心坐标提取：使用可变模板法首先修复断点，同时提取出激光线的中心坐标，计算出路面车辙的深度。

通过灰度属性算法得到了宽度为10个像素点的线结构光宽带，使用可变模板法在四个方向：水平、垂直、左斜45，右斜45，使用设制K₀、K₁、K₂、K₃的加权模板来寻找结构光的中心。所得到的光带中心不仅准确，同时可以一定程度的修复断点。使用水平、垂直、左斜45，右斜45(L₁、L₂、L₃、L₄)的方法来定位基准点的位置，在利用重心法求出基准点的准确坐标值。

可以提取出线激光结构光的中心和基准点中心坐标，同时将这些中心点的坐标存入出在txt文件中，为下一步的路面模拟和出车辙报表做准备。

路面车辙形状模拟实验

通过上面的图像处理得到了线激光结构光的中心坐标和基准点的中心坐标，式(8)和式(12)就可以计算路面车辙。得到了车辙数据就可以模拟路面的实际车辙的形状，同时可以显示路面最大车辙的数值。

Claims (6)

1.一种带有相对基准点的线激光路面车辙检测系统，其特征在于，包括设置在车上由车载电源提供电能的定位系统、图像采集装置和车辙图像处理模块；所述定位系统包括GPS和光电编码器；所述图像采集系统包括两个高速CCD面阵相机，两个线激光器，八个点激光器和交换机；所述车辙图像处理模块包括工业计算机；所述GPS、光电编码器、线激光器和高速CCD面阵相机均连接至工业计算机。 

2.根据权利要求1所述的带有相对基准点的线激光路面车辙检测系统，其特征在于，所述线激光器的入射角度在30度到40度之间。 

3.根据权利要求1所述的带有相对基准点的线激光路面车辙检测系统，其特征在于，采用两个高速CCD面阵相机进行路表面图像采集。 

4.根据权利要求3所述的带有相对基准点的线激光路面车辙检测系统，其特征在于，所述的高速CCD面阵相机采用德国Basler公司的scA1600-14gc型相机。 

5.根据权利要求1所述的带有相对基准点的线激光路面车辙检测系统，其特征在于，所述的线激光器为半导体红外线激光器，波长为808nm，线激光器扩束角为60度。 

6.根据权利要求1所述的带有相对基准点的线激光路面车辙检测系统，其特征在于，所述的八个点激光器，每两个一组上下间隔0.2米，4组激光器沿横向均匀分布。