摘要
随着中国综合国力不断增强，全国道路总里程己达到世界前列，由于道路服役年限增加，各级路面开始出现不同程度损坏，若未能及时修缮会逐步造成大规模道路损毁，路面损坏的及时检测成为道路管养部门当务之急。传统利用人工、视觉图像、单点激光等路面损坏检测方法具有效率低、指标单一、范围小等不足，不能获得损坏三维信息或者信息不准确，难以协助制订合理的路面修缮决策。车载移动测量系统能够在快速移动状态下采集道路场景高精度三维点云数据，为路面损坏发现与特征提取提供了有力数据支撑。基于此，本文研究一种基于车载激光点云数据的路面损坏特征提取方法，主要内容如下: (1)针对道路场景点云包含的不同尺度噪声，设计一种路面点云提取与去噪方法。以车载移动测量系统轨迹为基准，利用融合点云多特征的双向格网搜索聚类方法提取路面点云;引入统计学滤波算子去除路面异物噪声，并通过改进双边滤波算子去除扫描仪自身噪声，为后续的损坏检测与特征提取奠定基础。 (2)根据点云数据中损坏与正常路面的高程差异性，设计一种路面局部深度图像生成方法。分析滤波后点云厚度，确定损坏提取可行性，通过高程差异提取损坏特征点，建立包含损坏区域的局部路面点云分割策略，将点云特征融入稳健RANSAC平面拟合过程，生成局部参考基准面，结合反距离加权插值算子得到准确表达损坏特征的深度图像。 (3)根据深度图像中损坏区域与正常路面的灰度异质性，研究一种基于局部灰度信息的主动轮廓模型分割方法，迭代查找路面损坏最佳分割位置。根据最终边界矢量提取的完整损坏点云，提出一种相对距离直方图统计分类方法进行沉陷与坑槽分类，准确判断损坏类型，得到损坏三维特征信息。 (4)使用城市沥青道路点云进行验证，并与已有方法进行对比。结果表明本文方法能够准确提取路面点云，去除噪声;所提方法对采集数据适用性较好，路面损坏准确率与召回率较优，均超过90％，提取的损坏几何信息与人工测量信息相对误差小于7％，能够为公路技术状况检测提供支撑。使用不同车速下获取的标准损坏量块点云进行实验，结果表明采集车速过快时，本文方法提取的损坏面积较为精确，损坏深度误差约为11％，能够支撑高速道路的快速巡检工作。
NETL