一种基于三维数据的路面错台量检测算法及系统

摘要

本发明公开了一种基于三维数据的路面错台量检测算法及系统，具体包括如下步骤：输入路面三维数据矩阵并对数据进行去噪处理；然后绘制出错台的高度直方图；根据错台的高度直方图找出计算错台量的阈值；再根据阈值将错台的三维数据矩阵划分为两部分；最后分别计算两部分的平均值并求两值之差便为该错台的错台量。本发明只需输入采集到的路面三维数据矩阵，即可计算出路面错台量，因此，该检测计算简单、运行时间短，无需人工参与，算法效率高、检测精确。

说明书

技术领域

本发明属于道路工程领域，特别是指一种路面裂缝类别判断及特征提取的方法。

背景技术

路面错台对路面平整度、舒适性等路用性能有很大影响。很多国家对路面错台的研 究非常重视，已经陆续开展了许多相关研究。国际高速公路研究协会对包括美国各州、 加拿大多个省份、联邦公路局以及世界道路协会等56个在业界有一定权威性的道路交 通部门多年来实际使用的错台检测技术进行了调研、分析，结果证明，当前使用普遍并 且检测结果能得到认可的方法主要分为两大类：人工检测方法和自动检测方法。

人工检测方法主要有佐治亚电子错台仪、机械式错台仪以及AASHTO方法，这三 种检测方法，速度慢、对交通造成的干扰大、精度低，而且由于采样点数据的限制，存 在无法通过检测得到精确错台量进而对错台破坏程度进行等级划分即评价的缺陷。自动 检测方法近年来国内外均有涉足，取得了一些成果，但是，尚存在比如检测过程中的很 多环节需要检测人员的参与而导致的自动化程度较低、实际操作难实现、无法消除路面 的不一致性和多样性等自然环境所带来的影响，以及在路面面板变形或倾斜的情况下错 台量的计算存在较大失真等问题。对于目前国内外的研究现状而言，已有的路面错台检 测方法中，还没有一种能够比较准确的测定错台量的方法，所以路面错台量的检测方法 的研究将是错台检测发展的方向。

发明内容

针对上述现有技术中存在的缺陷或不足，本发明的主要目的在于，提供一种基于三 维数据的路面错台量检测算法。

为了达到上述目的，本发明采用如下的技术方案：

一种基于三维数据的路面错台量检测算法，具体包括如下步骤：

步骤1：读取路面三维数据矩阵M_m×n；

步骤2：对路面三维数据矩阵M_m×n进行去噪处理，得到去噪后的路面三维数据矩阵 M'_m×n；

步骤3：绘制错台的高度直方图Hist；

步骤4：根据错台的高度直方图得到错台量的阈值th；

步骤5：逐行遍历去噪后的路面三维数据矩阵M'_m×n，将矩阵M'_m×n中所有大于等于 错台量阈值th的数据存入一个矩阵O₁中，并将所有小于错台量阈值th的数据存入另一 个矩阵O₂中，从而将去噪后的路面三维数据矩阵M'_m×n划分为两部分；

步骤6：分别计算两个矩阵中数据的算术平均值avg₁和avg₂，利用下式计算目标错 台的错台量：

JFMV＝|avg₁-avg₂|*u

其中，u为采集路面图像的相机的转换系数。

进一步的，所述步骤1中的路面三维数据矩阵M_m×n：

$M_{m\times n}=\left(\begin{array}{ccccccc}{z}_{11}& z_{12}& z_{13}& ......& z_{1j}& ...& z_{1n}\\ z_{21}& z_{22}& z_{23}& ......& z_{2j}& ...& z_{2n}\\ ...& ...& ...& ......& ...& ...& ...\\ z_{i1}& z_{i2}& z_{i3}& ......& z_{\mathrm{ij}}& ...& z_{\mathrm{in}}\\ ...& ...& ...& ......& ...& ...& ...\\ z_{m1}& z_{m2}& z_{m3}& ......& z_{\mathrm{mj}}& ...& z_{\mathrm{mn}}\end{array}\right),(i=\mathrm{1,2}...m,j=\mathrm{1,2}...n)$

z_ij表示行号为i，列号为j所对应的路面高度。

进一步的，所述步骤2对路面三维数据矩阵M_m×n进行去噪处理具体包括如下步骤：

画出路面高度直方图，图中横坐标为路面三维数据矩阵中的高度数据，纵坐标为路 面三维数据矩阵中的对应于每个高度数据段的元素个数；将路面高度直方图中两个高度 数据段所对应的元素分别标记；其他高度数据段对应的元素标记为噪声点；对步骤22 中标记的噪声点进行滤波处理，得到去噪后的路面三维数据矩阵M'_m×n。

进一步的，所述步骤3中绘制错台的高度直方图Hist具体包括如下步骤：

步骤31，将去噪后的三维数据矩阵M'_m×n中所有数据取与其最接近的整数，得到高 度数据矩阵O_m×n；

步骤32，找出矩阵O_m×n中的最大高度数据值max；

步骤33，创建长度为(max+1)的一维矩阵f，将高度数据矩阵O_m×n中每个高度值 value在高度数据矩阵O_m×n中出现的次数f_(value)按照从0到max的顺序依次存入一维矩阵 f；其中max为高度数据矩阵O_m×n的最大值；

步骤34，以高度数据矩阵O_m×n中高度值value为横坐标，以每个高度值value值在 一维矩阵f中出现的次数f_(value)为纵坐标绘图，得到错台的高度直方图Hist。

进一步的，所述步骤4根据错台的高度直方图得到错台量的阈值th具体包括如下步 骤：

步骤41，分别计算高度数据矩阵O_m×n中数据的平均值avg(即错台所在高低两个 面板的平均高度)、最大值max、最小值min和标准偏差sd；

步骤42，在错台的高度直方图Hist上，以横坐标值等于平均值avg为分界点，分 别找出其左、右两侧峰值所对应的横坐标即高度值，分别记为val₁和val₂；

步骤43，若val₂-val₁≤sd，则说明该错台的高度直方图Hist的两峰值中有一个峰 值很低，需另寻低峰的位置，则执行步骤44；否则，令val_p1＝val₁，val_p2＝val₂，若val_p2已被赋过值，此处就不再赋值；其中，val_p1与val_p2存储有效峰值所对应的高度；跳至 步骤47；

步骤44，比较和若则令val_P1＝val₁；否则令val_P1＝val₂；

步骤45，将一维矩阵f从小到大排列，找出其中值点对应的下标，记为val_mid；

步骤46，若val_mid＞avg，表明小峰在大峰左边；执行步骤(a)；若val_mid＜avg，表 明小峰在大峰右边，执行步骤(b)；

(a)向左调节分界点：逐行扫描高度数据矩阵O_m×n，找出所有满足O_ij≤val_p1的高度 值，存入一个新的一维矩阵F1，O_ij代表矩阵O_m×n中的第i行第j列数据；计算新矩阵 F1中高度值的平均值令avg＝avg',跳至步骤42；

(b)向右调节分界点：逐行扫描高度数据矩阵O_m×n，找出所有满足O_ij≥val_p1的高度 值，存入一个新的一维矩阵F1，计算新矩阵F1中高度值的平均值令 avg＝avg'，跳至步骤42；

步骤47，计算阈值th：

$\mathrm{th}=\frac{{\mathrm{val}}_{p1}+{\mathrm{val}}_{p2}}{2}.$

本发明的另一个目的在于，提供一种基于三维数据的路面错台量检测系统，具体包 括如下依次相连接的六个模块：

路面三维数据矩阵读取模块：是用于将路面三维矩阵读入计算机的模块；

去噪模块：是用于实现对路面三维数据矩阵去噪处理的模块；

错台高度直方图绘制模块：是用于实现错台高度直方图绘制的模块；

错台量阈值计算模块：是用于实现错台量的阈值的模块；

矩阵划分模块：是用于实现以下功能的模块：逐行遍历去噪后的路面三维数据矩阵 M'_m×n，将矩阵M'_m×n中所有大于等于错台量阈值th的数据存入一个矩阵O₁中，并将所 有小于错台量阈值th的数据存入另一个矩阵O₂中，将去噪后的路面三维数据矩阵M'_m×n划分为两部分；

错台量计算模块：是用于实现根据划分后的矩阵计算目标错台的错台量的模块；其 中，错台量计算公式为：

JFMV＝|avg₁-avg₂|*u

其中，avg₁和avg₂分别为两个矩阵中数据的算术平均值，u为采集路面图像的相机 的转换系数。

进一步的，所述路面三维数据矩阵读取模块中，读取的路面三维数据矩阵M_m×n：

$M_{m\times n}=\left(\begin{array}{ccccccc}{z}_{11}& z_{12}& z_{13}& ......& z_{1j}& ...& z_{1n}\\ z_{21}& z_{22}& z_{23}& ......& z_{2j}& ...& z_{2n}\\ ...& ...& ...& ......& ...& ...& ...\\ z_{i1}& z_{i2}& z_{i3}& ......& z_{\mathrm{ij}}& ...& z_{\mathrm{in}}\\ ...& ...& ...& ......& ...& ...& ...\\ z_{m1}& z_{m2}& z_{m3}& ......& z_{\mathrm{mj}}& ...& z_{\mathrm{mn}}\end{array}\right),(i=\mathrm{1,2}...m,j=\mathrm{1,2}...n)$

z_ij表示行号为i，列号为j所对应的路面高度。

进一步的，所述去噪模块用于实现如下功能：

画出路面高度直方图，图中横坐标为路面三维数据矩阵中的高度数据，纵坐标为路 面三维数据矩阵中的对应于每个高度数据段的元素个数；将路面高度直方图中两个高度 数据段所对应的元素分别标记；其他高度数据段对应的元素标记为噪声点；对步骤22 中标记的噪声点进行滤波处理，得到去噪后的路面三维数据矩阵M'_m×n。

进一步的，所述错台高度直方图绘制模块用于实现如下功能：

步骤31，将去噪后的三维数据矩阵M'_m×n中所有数据取与其最接近的整数，得到高 度数据矩阵O_m×n；

步骤32，找出矩阵O_m×n中的最大高度数据值max；

步骤33，创建长度为(max+1)的一维矩阵f，将高度数据矩阵O_m×n中每个高度值 value在高度数据矩阵O_m×n中出现的次数f_(value)按照从0到max的顺序依次存入一维矩阵 f；其中max为高度数据矩阵O_m×n的最大值；

步骤34，以高度数据矩阵O_m×n中高度值value为横坐标，以每个高度值value值在 一维矩阵f中出现的次数f_(value)为纵坐标绘图，得到错台的高度直方图Hist。

进一步的，所述错台量阈值计算模块用于实现如下功能：

步骤41，分别计算高度数据矩阵O_m×n中数据的平均值avg(即错台所在高低两个 面板的平均高度)、最大值max、最小值min和标准偏差sd；

步骤42，在错台的高度直方图Hist上，以横坐标值等于平均值avg为分界点，分 别找出其左、右两侧峰值所对应的横坐标即高度值，分别记为val₁和val₂；

步骤43，若val₂-val₁≤sd，则说明该错台的高度直方图Hist的两峰值中有一个峰 值很低，需另寻低峰的位置，则执行步骤44；否则，令val_p1＝val₁，val_p2＝val₂，若val_p2已被赋过值，此处就不再赋值；其中，val_p1与val_p2存储有效峰值所对应的高度；跳至 步骤47；

步骤44，比较和若则令val_P1＝val₁；否则令val_P1＝val₂；

步骤45，将一维矩阵f从小到大排列，找出其中值点对应的下标，记为val_mid；

步骤46，若val_mid＞avg，表明小峰在大峰左边；执行步骤(a)；若val_mid＜avg，表 明小峰在大峰右边，执行步骤(b)；

(a)向左调节分界点：逐行扫描高度数据矩阵O_m×n，找出所有满足O_ij≤val_p1的高度 值，存入一个新的一维矩阵F1，O_ij代表矩阵O_m×n中的第i行第j列数据；计算新矩阵 F1中高度值的平均值令avg＝avg',跳至步骤42；

(b)向右调节分界点：逐行扫描高度数据矩阵O_m×n，找出所有满足O_ij≥val_p1的高度 值，存入一个新的一维矩阵F1，计算新矩阵F1中高度值的平均值令 avg＝avg'，跳至步骤42；

步骤47，计算阈值th：

$\mathrm{th}=\frac{{\mathrm{val}}_{p1}+{\mathrm{val}}_{p2}}{2}.$

与现有技术相比，本发明的方法具有重要的实际意义，尤其是在公路养护和维护方 面具有重要的应用价值，其具有以下优点：

1、采用面测量，只需输入采集到的路面三维数据矩阵，即可完成错台量的计算， 其效率高、检测精确，适合在实时的系统中采用。

2、对于所需要的错台数据以及正常的路面数据保持原值不予进行滤波处理，而只 对毛刺点数据进行滤波去噪，从而更好的保证了去噪处理后的三维信息数据的准确性。

以下结合附图和具体实施方式对本发明作进一步解释说明。

附图说明

图1是本发明的基于三维数据的路面错台量检测算法的总流程图。

图2是原始路面三维数据的三维显示图。

图3是路面高度直方图。

图4是去噪后的路面三维数据矩阵的三维显示图。

图5是错台的高度直方图。

图6是本发明的基于三维数据的路面错台的错台量检测系统的功能结构框图。

具体实施方式

以下是发明人给出的实施例，需要说明的是，该实施例是对本发明的进一步解释说 明，本发明所要保护的范围并不限于该实施例。

参见图1～图5，遵循本发明的技术方案，本实施例的基于三维数据的路面错台量检 测算法，具体包括如下步骤：

步骤1：计算机输入路面三维数据矩阵M_m×n；m＝100，n＝900。原始路面三维数据 显示如图2所示。

步骤2：对路面三维数据矩阵M_m×n进行去噪处理，得到去除噪声后的路面三维数据 矩阵M'_m×n；包括以下步骤：

步骤21：画出如图3所示的路面高度直方图：即对原始路面三维数据矩阵的处于 各个数据段的元素个数进行统计；在该路面高度直方图中，横坐标为路面三维数据矩阵 中的高度数据，纵坐标为路面三维数据矩阵中的对应于每个高度数据段的元素个数；

步骤22：进行元素标记：路面高度直方图存在两个波峰，分别在304和310附近， 一个波峰所在的数据段代表路面错台的一个错台面的元素个数，另一个波峰所在的数据 段代表路面裂缝的另一个错台面的元素个数，这两个波峰所在的数据段是所需要的三维 高度信息，其对应的三维信息矩阵中的元素数据保留原值；而其他高度数据段对应的元 素在路面三维数据矩阵中标记为噪声点；

步骤23：对步骤22中标记的噪声点进行滤波处理：1>逐行处理：对噪声点元素 所在的行的所有数据求算术平均值，然后将该噪声点元素用该算术平均值代替。2>逐 列处理：在逐行处理后的路面三维数据矩阵中，对噪声点元素所在的列的所有数据求 算术平均值，然后将该噪声点元素用该列的算术平均值代替，得到去噪后的路面三维 数据矩阵M'_m×n，如图4所示。

步骤3：绘制错台的高度直方图Hist；具体包括如下步骤：

步骤31，将去噪后的三维数据矩阵M'_m×n中所有数据取与其最接近的整数，得到高 度数据矩阵O_m×n；

将数据取整一方面是由于路面三维数据采集系统中使用的相机分辨率高，采集到的 路面三维高度数据精确到0.01mm，在一般情况下，工程应用中对检测精度无需这么高 的要求；另一方面，要统计其高度直方图，若是精确到0.01mm则步长太小，不利于后 面的分析。

步骤32：找出O_m×n的最大值max＝308。

步骤33：创建长度为309的一维矩阵f，用来存放高度数据矩阵O_m×n中每个高度 值出现的次数。此处高度值为从0到308的顺序统计的，亦即f_(value)便为高度为value的 值在矩阵O_m×n中出现的次数。

步骤34：以value为横坐标(为了便于观察，此处取value的值从200递增到350)， 以每个value值在一维矩阵f中对应的次数f_(value)为纵坐标绘图，得到如图5所示的错台 的高度直方图Hist。

步骤4：根据错台的高度直方图得到错台量的阈值th＝303；

步骤5：根据阈值将错台的三维数据矩阵划分为两部分：以阈值th＝303为分界点， 逐行遍历滤波后的矩阵M'_m×n，将矩阵M'_m×n中所有大于等于th＝303的数据存入一个矩 阵O₁中，所有小于th＝303的数据存入另一个矩阵O₂中。

步骤6：计算矩阵O₁的平均值avg₁＝304.4986，矩阵O₂的平均值avg₂＝301.2570。车 采集路面图像使用的相机的转换系数u＝0.036cm，因此错台的错台量为：

JFMV＝|avg₁-avg₂|*u＝|304.4986-301.2570|*0.036＝3.2416*0.036＝0.1167cm。

遵循本发明的技术方案，进行了本发明的基于三维数据的路面错台的错台量计算系 统的开发，以下是运行该系统的结果与传统的水准仪法的结果进行比较。如图6所示， 为本发明的系统的功能结构框图。

我们知道，传统的测量错台量的方法较常用的是水准仪法，附图中的图6为本发明 的方法与传统的水准仪法测量错台量的结果对比表：

本发明与水准仪法测量错台量结果对比表

由上表可以看出，本发明的方法与传统的水准仪法测量得到的错台量相对误差以及 绝对误差都很小，由此可见本发明的方法对错台量测量有很高的准确度。