1.本发明涉及路面断面技术领域，具体地说，涉及一种非接触式路面断面信息提取与分析方法。
背景技术：2.常用的道路路面检测人工识别法属于传统的检测方法，该方法影响道路交通通畅与安全，同时路面信息获取效率低下。随着道路交通事业不断发展，对道路路面信息获取与处理提出了更高的要求，无接触条件下快速获取准确的路面信息有着十分广阔的应用前景。
3.目前，无人机倾斜摄影、三维激光扫描等非接触手段可以获取通过点云反映的路面信息数据，路面点云数据的精确识别处理及三维数据拟合可以达到技术要求，但由于数据处理繁琐使得难度较大且存在较大的误差，并不能实时准确反应路面病害等真实的情况。
技术实现要素：4.本发明的内容是提供一种非接触式路面断面信息提取与分析方法，其能够克服现有技术的某种或某些缺陷。
5.根据本发明的一种非接触式路面断面信息提取与分析方法，其包括以下步骤：
6.步骤一、借助无人机扫描生成路面点云数据，对数据进行整合并剔除无效的且远离路面的点云点，在笛卡尔三维坐标系中表示这些空间点云点，构建路面信息化基础数据模型；
7.步骤二、基于步骤一，建立点云数据断面的坐标集合，截取多个距离为l的断面，初步分析每个断面上的点云数据信息，为进一步分析做准备；
8.步骤三、通过断面上点云数据的线性拟合，筛选得到不同于基础公路横断面线的异常区域；将提取到的断面β，进行精细化处理，扩大基于该断面选取点云数据的范围，尽可能多的表征路面信息；
9.步骤四、将得到的密集点云数据进行道路纵断面分析，分析方法与步骤三相同，得到路面纵断面特征；
10.步骤五、根据纵横断面提取的点云数据，以拟合结果为研究对象，判断目标病害区域的几何特征与类型。
11.作为优选，步骤一中，为使点云数据的以坐标的形式来表达，在用笛卡尔坐标系中表示数据库中的所有点云数据，每个点云数据由三维坐标矢量元素构成，记为(a
x
,ay,az)
t
；点云数据集合表达为矩阵内每一列代表一个点的坐标信息，根据所有三维坐标数据将代表路面信息的数据概化为模型，反应路面的特征。
12.作为优选，步骤二中，在生成的坐标基础数据库中，选取x＝b的断面记为β，将断面上所有的点提取到集合该集合反应的是此断面的路面信息。在截取断面β时，b的取值在整个路面长度上，范围为[0,x]，间距为l；l的取值大小决定了路面信息识别的精度。
[0013]
作为优选，步骤三中，具体方法如下：
[0014]
将x＝b断面向两侧扩大，从平面β'到β
″
，点云横坐标取值范围为[b-δ,b+δ]，此时范围内更多的点云数据来表征断面信息；基于几何数学中空间中点、直线、平面的相互关系，平面β的在空间(x,y,z)中的表达式为x-b＝0；由此在点云集合矩阵d中可以得到点(a
x
,ay,az)到平面β的距离满足|a
x-b|≤δ的点；提取到的点云数据记为矩阵将所有点云数据投影到中间断面β，得到的密集点云数据；对f
′
中第二、三行数据进行拟合分析，获取反应路面信息的迹线，反应了具体路面的几何特征，从而推断出路面的病害特征及形状。
[0015]
作为优选，步骤四中，结合横断面点云数据的提取与分析，重新对数据进行提取，标记出横断面β上纵坐标的最大或最小值，记为c，以y＝c平面为基础，建立路面纵断面数据组，提取[c-δ,c+δ]范围内的点云数据进行拟合分析，分析方法与步骤三相同，得到路面纵断面特征。
[0016]
不同于以往路面检测方法效率低、难度大，本发明提供了一种非接触式路面断面信息提取与分析方法，包括路面点云数据的整合、无效点云数据的剔除、点云数据的断面处理、道路剖面特征提取、病害分析等一系列流程；用统计分析法和拟合法对路面点云断面数据进行处理，建立路面断面数据模型，以迹线的形式表征路面剖面特征；该方法采用非接触式获取路面断面信息，在保障交通效率与安全的同时提高了信息获取的速度、精度，为路面的检测和养护提供技术支持，实现路面监测自动化。
[0017]
本发明提出通过非接触方法获取路面的点云数据，通过点云数据提取路面的断面特征信息的方法。此方法通过断面来表征路面特征具有较高的可信度，且识别效果明显，满足应用要求，可以准确判别路面病害位置和类型，印证了该发明成果的可靠性。
附图说明
[0018]
图1为实施例1中一种非接触式路面断面信息提取与分析方法的流程图；
[0019]
图2为实施例1中三维点云数据坐标表示的示意图；
[0020]
图3为实施例1中断面β上点云数据的提取与处理的示意图；
[0021]
图4为实施例1中断面点云数据的详细分析的示意图；
[0022]
图5为实施例1中点云数据模型构建与处理的示意图；
[0023]
图6为实施例1中断面β点云数据的处理与拟合分析的示意图；
[0024]
图7为实施例1中平面γ点云数据处理过程及分析的示意图。
具体实施方式
[0025]
为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述。应当理解的是，实施例仅仅是对本发明进行解释而并非限定。
[0026]
实施例1
[0027]
如图1所示，本实施例提供了一种非接触式路面断面信息提取与分析方法，其包括以下步骤：
[0028]
步骤一、借助无人机扫描生成路面点云数据，对数据进行整合并剔除无效的且远离路面的点云点，在笛卡尔三维坐标系中表示这些空间点云点，构建路面信息化基础数据模型；
[0029]
为使点云数据的以坐标的形式来表达，在用笛卡尔坐标系中表示数据库中的所有点云数据，每个点云数据由三维坐标矢量元素构成，记为(a
x
,ay,az)
t
；点云数据集合表达为矩阵内每一列代表一个点的坐标信息，根据所有三维坐标数据将代表路面信息的数据概化为模型，反应路面的特征。
[0030]
假定点的密度足够，能有效地反应路面信息。在数据模型中点的表示如图2(以a、b点为例)，点的集合反应了路面范围内不同位置的信息，在点足够多的情况下就可以表征路面信息。
[0031]
步骤二、基于步骤一，建立点云数据断面的坐标集合，截取多个距离为l的断面，初步分析每个断面上的点云数据信息，为进一步分析做准备；
[0032]
在生成的坐标基础数据库中，选取x＝b的断面记为β，将断面上所有的点提取到集合该集合反应的是此断面的路面信息。在截取断面β时，b的取值在整个路面长度上，范围为[0,x]，间距为l；l的取值大小决定了路面信息识别的精度，如图3所示。
[0033]
步骤三、通过断面上点云数据的线性拟合，筛选得到不同于基础公路横断面线的异常区域；将提取到的断面β，进行精细化处理，扩大基于该断面选取点云数据的范围，尽可能多的表征路面信息；
[0034]
具体方法如下：
[0035]
将x＝b断面向两侧扩大，从平面β'到β
″
，点云横坐标取值范围为[b-δ,b+δ]，此时范围内更多的点云数据来表征断面信息；基于几何数学中空间中点、直线、平面的相互关系，平面β的在空间(x,y,z)中的表达式为x-b＝0；由此在点云集合矩阵d中可以得到点(a
x
,ay,az)到平面β的距离满足|a
x-b|≤δ的点；提取到的点云数据记为矩阵
将所有点云数据投影到中间断面β，得到的密集点云数据；对f
′
中第二、三行数据进行拟合分析，获取反应路面信息的迹线，反应了具体路面的几何特征，从而推断出路面的病害特征及形状，如图4所示。
[0036]
步骤四、将得到的密集点云数据进行道路纵断面分析，分析方法与步骤三相同，得到路面纵断面特征；
[0037]
结合横断面点云数据的提取与分析，重新对数据进行提取，标记出横断面β上纵坐标的最大或最小值，记为c，以y＝c平面为基础，建立路面纵断面数据组，提取[c-δ,c+δ]范围内的点云数据进行拟合分析，分析方法与步骤三相同，得到路面纵断面特征。
[0038]
步骤五、根据纵横断面提取的点云数据，以拟合结果为研究对象，判断目标病害区域的几何特征与类型。
[0039]
下面总结一种路面断面信息获取和处理的分析方法，主要是针对路面信息的识别与处理提出了系统的方法。首先将非接触式获取的点云数据进行预处理，剔除远离路面或者无效的噪点，截取一个断面进行数据拟合分析，标记处拟合结果出现异常的断面β，然后在此基础上，扩大选取点云数据的范围，与断面β距离小于或等于δ的点，将该范围内所有的点云数据投影到断面β。
[0040]
进一步分析断面β上的点云数据，利用matlab语句将点云数据进行拟合处理，得到一条反应路面信息的直(或曲)线，因此提出了非接触式路面点云数信息数据的构建和分析方法，对数据的处理与分析成果验证了该方法的可靠性。
[0041]
1.路面点云信息的数据模型构建
[0042]
导入研究点收集的点云数据，对点云数据进行预处理，剔除非表征路面信息的噪点，对每一个点云数据进行编号，建立了坐标为a(x1,y1,z1)、b(x2,y2,z2)
……
的路面点数据库，可以将其表达为路面数字模型，如图5所示。
[0043]
对不同位置的点云数据而言，坐标代表了路面在该位置的信息特征，反映了该点的相对高程与位置，同时对于密集区域的点云数据组合将能准确的表达路面信息，保障计算机在进行数据识别时更加高效、准确。
[0044]
2.路面几何特征的数字化表示与预处理
[0045]
由于公路是一条带状物，横断面表征着不同里程桩号的路面信息，为提高检测的精确性，需要建立多个切割公路点云数据的横断面β1、β2、β3……
来提取信息，间距为l。同时将l作为阈值，通过调节l值的大小，可以提高路面信息识别精确率，有效满足路面高精度检测的要求。具体实施如下：
[0046]
以平面β截取横断面的点云数据，由于点云数据的离散性较大，往往截取到的数据较少，为了减小计算的工作量，此步骤仅筛选了需要作进一步分析的断面β。因此，平面内的点将变为二维数据，坐标是以x轴为定值的yoz平面内的点，m(b,y1,z1)、n(b,y2,z2)
……
。
[0047]
在二维平面β中，用线性回归的方法将点拟合成一条纵剖面信息线，有效地反映路面信息特征，如图6所示，此剖面信息只是作为基础筛选的流程进行，为下一步做准备。
[0048]
3.路面断面信息的详细提取与处理
[0049]
通过断面β1、β2、β3……
点云数据的处理分析，识别出路面异常区域，记为为γ1、γ2、γ3……
。由于在三维空间中一个平面反映的路面信息有限，不足以说明路面具体信息，因此，需要进一步分析。以断面γ为例，向两侧扩大范围δ，其中提取的点云数据横坐标x的取值范围为：x
γ-δ≤x
γ
≤x
γ
+δ。
[0050]
然后将该空间范围所有的点投影到平面γ，得到在二维平面的坐标p(x
γ
,y1,z1)、q(x
γ
,y2,z2)
……
，据此生成较为密集的二维平面点云数据，借助matlab语句对点数据进行拟合，分析其迹线特征，得到路面横断面信息。由断面拟合曲线分析可知，中部出现凹陷病害，形成了路面信息的监测方法，实时处理与警示病害位置，如图7所示。
[0051]
4.路面信息精细化识别
[0052]
横断面点云数据的提取与处理可以有效表征路面信息，准确识别路面病害，为了反应三维路面信息，通过此方法结合纵断面点云数据，通过处理与分析，可以得到两条断面的迹线，并对其几何特征进行综合分析，从而准确的提取到路面病害的有效信息，建立路面病害系统实时对路面进行监测。
[0053]
以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。
技术特征：1.一种非接触式路面断面信息提取与分析方法，其特征在于：包括以下步骤：步骤一、借助无人机扫描生成路面点云数据，对数据进行整合并剔除无效的且远离路面的点云点，在笛卡尔三维坐标系中表示这些空间点云点，构建路面信息化基础数据模型；步骤二、基于步骤一，建立点云数据断面的坐标集合，截取多个距离为l的断面，初步分析每个断面上的点云数据信息，为进一步分析做准备；步骤三、通过断面上点云数据的线性拟合，筛选得到不同于基础公路横断面线的异常区域；将提取到的断面β，进行精细化处理，扩大基于该断面选取点云数据的范围，表征路面信息；步骤四、将得到的密集点云数据进行道路纵断面分析，分析方法与步骤三相同，得到路面纵断面特征；步骤五、根据纵横断面提取的点云数据，以拟合结果为研究对象，判断目标病害区域的几何特征与类型。2.根据权利要求1所述的一种非接触式路面断面信息提取与分析方法，其特征在于：步骤一中，为使点云数据的以坐标的形式来表达，在用笛卡尔坐标系中表示数据库中的所有点云数据，每个点云数据由三维坐标矢量元素构成，记为(a
x
,a
y
,a
z
)
t
；点云数据集合表达为矩阵内每一列代表一个点的坐标信息，根据所有三维坐标数据将代表路面信息的数据概化为模型，反应路面的特征。3.根据权利要求1所述的一种非接触式路面断面信息提取与分析方法，其特征在于：步骤二中，在生成的坐标基础数据库中，选取x＝b的断面记为β，将断面上所有的点提取到集合该集合反应的是此断面的路面信息。在截取断面β时，b的取值在整个路面长度上，范围为[0,x]，间距为l；l的取值大小决定了路面信息识别的精度。4.根据权利要求1所述的一种非接触式路面断面信息提取与分析方法，其特征在于：步骤三中，具体方法如下：将x＝b断面向两侧扩大，从平面β'到β”，点云横坐标取值范围为[b-δ,b+δ]，此时范围内更多的点云数据来表征断面信息；基于几何数学中空间中点、直线、平面的相互关系，平面β的在空间(x,y,z)中的表达式为x-b＝0；由此在点云集合矩阵d中可以得到点(a
x
,a
y
,a
z
)到平面β的距离满足|a
x-b|≤δ的点；提取到的点云数据记为矩阵将所有点云数据投影到中间断面β，得到的密集点云数据；对f'中第二、三行数据进行拟合分
析，获取反应路面信息的迹线，反应了具体路面的几何特征，从而推断出路面的病害特征及形状。5.根据权利要求1所述的一种非接触式路面断面信息提取与分析方法，其特征在于：步骤四中，结合横断面点云数据的提取与分析，重新对数据进行提取，标记出横断面β上纵坐标的最大或最小值，记为c，以y＝c平面为基础，建立路面纵断面数据组，提取[c-δ,c+δ]范围内的点云数据进行拟合分析，分析方法与步骤三相同，得到路面纵断面特征。
技术总结本发明涉及路面断面技术领域，涉及一种非接触式路面断面信息提取与分析方法，包括：一、生成路面点云数据，对数据进行整合并剔除无效的且远离路面的点云点，在笛卡尔三维坐标系中表示这些空间点云点，构建路面信息化基础数据模型；二、建立点云数据断面的坐标集合，截取断面，初步分析点云数据信息；三、通过线性拟合，筛选得到异常区域；将提取到的断面，进行精细化处理，扩大选取点云数据的范围，表征路面信息；四、将得到的密集点云数据进行道路纵断面分析，得到路面纵断面特征；五、根据纵横断面提取的点云数据，以拟合结果为研究对象，判断目标病害区域的几何特征与类型。本发明可以准确判别路面病害位置和类型。判别路面病害位置和类型。判别路面病害位置和类型。
技术研发人员：廖军 王陈宾 李頔 谢明 王睿麟 钟鑫阳
受保护的技术使用者：成都理工大学
技术研发日：2022.06.15
技术公布日：2022/11/1
