【技術實現步驟摘要】
本申請涉及路面平整度檢測，具體涉及基于雙目視覺的路面平整度檢測方法及系統。
技術介紹
1、道路路面會在各種自然因素與行車載荷等的長期作用下極易產生不同程度的破損，當破損積累到一定程度以后就會降低路面平整度，若不能及時對道路進行路面平整度檢測并加以維護，就會使得路面破損日益加重，進而導致道路無法正常使用。
2、基于雙目視覺的路面平整度檢測技術相比于傳統的基于激光傳感器的路面平整度檢測技術，能以更低的成本，快速地檢測路面平整度，如中國專利公開號cn115797338b基于雙目視覺的全景路面多性能指標計算方法及系統，基于雙目相機獲取的路面點云數據計算路面平整度，而路面點云數據在使用前通常要進行一些預處理，包括降采樣、濾波等，其中降采樣是點云預處理中的一個關鍵步驟，能夠有效降低雙目相機獲取的路面點云數據中包含的冗余數據對后續路面點云數據的平面擬合造成的影響，進而提高路面平整度的計算精度。
3、然而現有的點云降采樣方法通常是采用一種方法對采集的點云數據進行降采樣處理，而道路路面上存在的井蓋、雨水箅子這些附屬物也會在獲取的路面點云數據中形成突變，使得這種單一的點云降采樣方法很容易導致降采樣后的路面點云數據中保留較多的所述附屬物區域內的路面細節信息以及損失較多的路面破損坑洞區域內的路面細節信息，進而影響后續路面平整度檢測的精度。
技術實現思路
1、為了解決上述技術問題，本申請提供基于雙目視覺的路面平整度檢測方法及系統，所采用的技術方案具體如下：
2、第一方面，
3、步驟一：利用該系統的點云數據獲取模塊獲取待測道路的路面點云數據；其中，路面點云數據的z軸正方向為垂直于雙目相機鏡頭平面向上的方向；
4、步驟二：分析路面點云數據特征，構建路面點云數據中每個超體素的綜合特征值；具體為：
5、s1，利用路面點云數據中每個體素的z坐標值與所有體素的z坐標值均值的差異，篩選出異常體素；對所有異常體素進行聚類處理，并獲取聚類得到的每個簇的最小包圍盒，并將其內的所有體素組成一個體素集合；
6、s2，基于每個體素集合與剩余所有體素集合之間的esf直方圖的距離均值以及最小包圍盒體積的差異均值，得到每個體素集合的第一特征值；
7、s3，將每個體素集合分割成多個超體素，分析每個超體素內所有體素的曲率的標準差以及每個超體素與其所屬體素集合的距離，得到每個體素集合的第二特征值；
8、s4，將路面點云數據分割成多個超體素，將超體素內每個體素所屬體素集合中的第一特征值和第二特征值進行正向融合的結果的平均水平，作為該超體素的綜合特征值；
9、步驟三：利用路面點云數據中所有超體素的綜合特征值區分超體素，并按照區分后的超體素分別進行降采樣處理；將降采樣處理后的路面點云數據進行平面擬合，輸出擬合平面以及離群點集；將離群點集中的所有離群點分別到擬合平面的最短距離的均值，作為待測道路的路面平整度。
10、優選地，在步驟s1中，所述異常體素的篩選方法為：獲取路面點云數據中所有體素計算得到的所有所述差異的分割閾值m；將路面點云數據中所述差異大于或等于分割閾值m的體素記為異常體素。
11、優選地，在步驟s1中，所述對所有異常體素進行聚類處理的聚類距離為異常體素之間的空間坐標距離。
12、優選地，在步驟s2中，所述esf直方圖由點云全局特征esf算法對路面點云數據中的每個體素集合分別提取得到。
13、優選地，在步驟s2中，所述每個體素集合的第一特征值由對應體素集合計算得到的所述esf直方圖的距離均值與所述最小包圍盒體積的差異均值的乘積結果確定。
14、優選地，在步驟s3中，所述每個超體素與其所屬體素集合的距離為：每個超體素的中心點坐標與其所屬體素集合的中心點坐標之間的距離。
15、優選地，在步驟s3中，所述每個體素集合的第二特征值的獲取方法為：
16、將每個體素集合中每個超體素計算得到的所述標準差和所述每個超體素與其所屬體素集合的距離進行正向融合；
17、將每個體素集合中所有超體素的正向融合結果的平均水平，作為所述每個體素集合的第二特征值。
18、優選地，在步驟s4中，對于超體素內不屬于任何一個體素集合的體素，將該體素所屬的體素集合確定為路面點云數據中第一特征值和第二特征值進行正向融合的結果中的最大值對應的體素集合。
19、優選地，所述利用路面點云數據中所有超體素的綜合特征值區分超體素，并按照區分后的超體素分別進行降采樣處理的方法包括：
20、獲取路面點云數據中的所有超體素的第二綜合特征值的分割閾值w；
21、將路面點云數據中綜合特征值小于或等于分割閾值w的所有超體素，使用點云的幾何采樣法進行降采樣處理；將路面點云數據中綜合特征值大于分割閾值w的所有超體素，使用點云的體素質心采樣法進行降采樣處理。
22、第二方面，本申請另一個實施例還提供了基于雙目視覺的路面平整度檢測系統，實現上述所述的基于雙目視覺的路面平整度檢測方法，該系統包括點云數據獲取模塊、點云數據處理模塊、路面平整度計算模塊：
23、點云數據獲取模塊用于通過在測試車輛上安裝雙目相機實時采集路面點云數據，并將路面點云數據輸入點云數據處理模塊；
24、點云數據處理模塊用于對點云數據獲取模塊獲取的數據進行處理，處理方法采用所述基于雙目視覺的路面平整度檢測方法中的步驟二，并將處理后的數據輸入到路面平整度計算模塊；
25、路面平整度計算模塊用于對點云數據處理模塊輸出的數據分析路面平整度，分析方法采用所述基于雙目視覺的路面平整度檢測方法中的步驟三。
26、本申請至少具有如下有益效果：
27、1.本申請通過分析路面點云數據特征得到綜合特征值，能夠有效的識別出待測道路的路面破損坑洞區域在路面點云數據中對應的點云數據，避免待測道路中的井蓋、雨水箅子等附屬物區域被識別為路面破損坑洞區域的可能性；
28、2.本申請利用綜合特征值對路面點云數據中的每個超體素選擇不同的降采樣方法，能夠有效地保留路面點云數據中的路面破損坑洞區域內的細節信息，并抑制路面點云數據中的道路附屬物區域內的細節信息，進而能夠使得降采樣處理后的路面點云數據能夠真實反映路面的實際破損狀況，提高路面平整度檢測的精度。
本文檔來自技高網...【技術保護點】
1.基于雙目視覺的路面平整度檢測方法，該方法由基于雙目視覺的路面平整度檢測系統實現，其特征在于，該方法包括以下步驟：
2.如權利要求1所述的基于雙目視覺的路面平整度檢測方法，其特征在于，在步驟S1中，所述異常體素的篩選方法為：獲取路面點云數據中所有體素計算得到的所有所述差異的分割閾值m；將路面點云數據中所述差異大于或等于分割閾值m的體素記為異常體素。
3.如權利要求2所述的基于雙目視覺的路面平整度檢測方法，其特征在于，在步驟S1中，所述對所有異常體素進行聚類處理的聚類距離為異常體素之間的空間坐標距離。
4.如權利要求1所述的基于雙目視覺的路面平整度檢測方法，其特征在于，在步驟S2中，所述ESF直方圖由點云全局特征ESF算法對路面點云數據中的每個體素集合分別提取得到。
5.如權利要求4所述的基于雙目視覺的路面平整度檢測方法，其特征在于，在步驟S2中，所述每個體素集合的第一特征值由對應體素集合計算得到的所述ESF直方圖的距離均值與所述最小包圍盒體積的差異均值的乘積結果確定。
6.如權利要求1所述的基于雙目視覺的路面平整度檢測
7.如權利要求6所述的基于雙目視覺的路面平整度檢測方法，其特征在于，在步驟S3中，所述每個體素集合的第二特征值的獲取方法為：
8.如權利要求1所述的基于雙目視覺的路面平整度檢測方法，其特征在于，在步驟S4中，對于超體素內不屬于任何一個體素集合的體素，將該體素所屬的體素集合確定為路面點云數據中第一特征值和第二特征值進行正向融合的結果中的最大值對應的體素集合。
9.如權利要求1所述的基于雙目視覺的路面平整度檢測方法，其特征在于，所述利用路面點云數據中所有超體素的綜合特征值區分超體素，并按照區分后的超體素分別進行降采樣處理的方法包括：
10.基于雙目視覺的路面平整度檢測系統，實現如權利要求1-9任意一項所述的基于雙目視覺的路面平整度檢測方法，其特征在于，該系統包括點云數據獲取模塊、點云數據處理模塊、路面平整度計算模塊：
...【技術特征摘要】
1.基于雙目視覺的路面平整度檢測方法，該方法由基于雙目視覺的路面平整度檢測系統實現，其特征在于，該方法包括以下步驟：
2.如權利要求1所述的基于雙目視覺的路面平整度檢測方法，其特征在于，在步驟s1中，所述異常體素的篩選方法為：獲取路面點云數據中所有體素計算得到的所有所述差異的分割閾值m；將路面點云數據中所述差異大于或等于分割閾值m的體素記為異常體素。
3.如權利要求2所述的基于雙目視覺的路面平整度檢測方法，其特征在于，在步驟s1中，所述對所有異常體素進行聚類處理的聚類距離為異常體素之間的空間坐標距離。
4.如權利要求1所述的基于雙目視覺的路面平整度檢測方法，其特征在于，在步驟s2中，所述esf直方圖由點云全局特征esf算法對路面點云數據中的每個體素集合分別提取得到。
5.如權利要求4所述的基于雙目視覺的路面平整度檢測方法，其特征在于，在步驟s2中，所述每個體素集合的第一特征值由對應體素集合計算得到的所述esf直方圖的距離均值與所述最小包圍盒體積的差異均值的乘積結果確定。
6.如...
【專利技術屬性】
技術研發人員：李勇，趙竹瑩，王如先，徐榮彪，劉駿濤，劉鴿，吳曉丹，
申請(專利權)人：蘇交科集團股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。