李清泉，毛慶洲

1. 深圳大學(xué)海岸帶地理環(huán)境監(jiān)測國家測繪地理信息局重點實驗室，廣東 深圳 518060； 2. 武漢大學(xué)測繪遙感信息工程國家重點實驗室，湖北 武漢 430079

道路/軌道動態(tài)精密測量進(jìn)展

李清泉1，毛慶洲2

1. 深圳大學(xué)海岸帶地理環(huán)境監(jiān)測國家測繪地理信息局重點實驗室，廣東 深圳 518060； 2. 武漢大學(xué)測繪遙感信息工程國家重點實驗室，湖北 武漢 430079

傳統(tǒng)精密工程測量采用人工靜態(tài)離散觀測和幾何模型解算方法，無法滿足道路/軌道等大型基礎(chǔ)設(shè)施建設(shè)及其復(fù)雜運營維護(hù)管理所要求的大范圍、連續(xù)、動態(tài)、高精度與精細(xì)測量。以多傳感器集成技術(shù)為核心的動態(tài)觀測和多源時空數(shù)據(jù)的協(xié)同解算是精密工程測量重要發(fā)展方向，并取得了重要的進(jìn)展。本文首先介紹了道路/軌道動態(tài)精密測量所涉及的高精度時空基準(zhǔn)統(tǒng)一與轉(zhuǎn)換、多傳感器同步控制、多源觀測數(shù)據(jù)的融合配準(zhǔn)、測量數(shù)據(jù)的質(zhì)量增強(qiáng)以及基于精細(xì)三維模型的目標(biāo)特征提取與識別等技術(shù)，然后闡述了動態(tài)精密測量技術(shù)在道路與軌道運營檢測與測量領(lǐng)域的應(yīng)用進(jìn)展。

動態(tài)測量;精密測量;時空基準(zhǔn);多傳感器同步

我國交通基礎(chǔ)設(shè)施近年來得到高速發(fā)展，截至2016年末，全國高速公路通車?yán)锍踢_(dá)到130 000 km，高速鐵路運營里程超過20 000 km。隨著道路/軌道的投入使用，必須要對其進(jìn)行經(jīng)常性的檢測和測量，以確保其處于正常的使用狀態(tài)。高精度、高效率和高細(xì)致測量是道路/軌道等大型基礎(chǔ)設(shè)施檢測的3個基本要求。傳統(tǒng)的精密工程測量采用人工靜態(tài)離散觀測和幾何模型解算方法，雖然可以達(dá)到高精度和高可靠性的要求，但是無法滿足交通基礎(chǔ)設(shè)施的大范圍、連續(xù)、高效和細(xì)致的檢測與測量要求[1-3]。

以多傳感器集成技術(shù)為核心的動態(tài)觀測和多源時空數(shù)據(jù)的協(xié)同解算是精密測量發(fā)展的重要方向，動態(tài)化、自動化、智能化、集成化和實時化是未來精密測量發(fā)展的必然要求。近年來，隨著傳感器技術(shù)、激光測微技術(shù)、圖像智能處理技術(shù)以及計算機(jī)技術(shù)的快速發(fā)展，基于時空動態(tài)數(shù)據(jù)的感知、分析和認(rèn)知的精密測量技術(shù)取得了長足的進(jìn)步，并在道路/軌道精密檢測與測量領(lǐng)域得到了成功的應(yīng)用，并將會發(fā)揮越來越大的作用[4-6]。本文針對道路/軌道的動態(tài)精密測量所涉及的時空基準(zhǔn)建立與維持、觀測數(shù)據(jù)協(xié)同處理等關(guān)鍵技術(shù)及其應(yīng)用展開論述。

1 多測量系統(tǒng)時空基準(zhǔn)的統(tǒng)一與轉(zhuǎn)換

動態(tài)精密測量面臨的核心問題是動態(tài)環(huán)境下各傳感器時空參考框架的統(tǒng)一，包括高精度時空基準(zhǔn)的統(tǒng)一與轉(zhuǎn)換。

1.1 多測量系統(tǒng)時間基準(zhǔn)的統(tǒng)一

高精度時間基準(zhǔn)的建立與維持是實現(xiàn)動態(tài)測量的基礎(chǔ)，參與測量的各個傳感器必須工作在統(tǒng)一的時間基準(zhǔn)下。建立時間基準(zhǔn)需要兩個基本要素：時間的計量起點和時間間隔的長度。全球?qū)Ш叫l(wèi)星系統(tǒng)(GNSS)是目前應(yīng)用最為廣泛的一種定位和授時系統(tǒng)[7]，GNSS衛(wèi)星的原子鐘頻率穩(wěn)定度為1×10-13左右，并可以通過地面注入站適時修正GNSS衛(wèi)星的時鐘，使其達(dá)到預(yù)定的導(dǎo)航與定位精度要求，因此，GNSS時鐘是一種理想的高精度時間參考基準(zhǔn)。另外，時間間隔的長度一般采用時鐘來計量，常用時鐘產(chǎn)生方法包括LC振蕩器、石英晶體振蕩器、鎖相環(huán)、直接數(shù)字頻率合成以及原子頻標(biāo)等。直接數(shù)字頻率合成技術(shù)(DDS)具有極高頻率分辨率，可以實現(xiàn)輸出信號快速頻率切換，并且在輸出信號頻率改變時能夠保持相位連續(xù)，特別是具有容易實現(xiàn)輸出信號頻率、相位和幅度的數(shù)控調(diào)制等優(yōu)勢，常作為時間基準(zhǔn)的高精度時鐘源。

為了提高時間基準(zhǔn)的長期穩(wěn)定度，采用GNSS輸出的秒脈沖(PPS)對DDS輸出時鐘進(jìn)行調(diào)控，其原理是通過檢測基準(zhǔn)時鐘邊沿與GNSS輸出的PPS邊沿之間的偏差，進(jìn)而控制DDS輸出時間基準(zhǔn)的相位，使之在時間上對齊，從而建立和維持高精度的時間基準(zhǔn)。

1.2 多測量系統(tǒng)空間基準(zhǔn)的統(tǒng)一

空間基準(zhǔn)是一組用于位置測量和計算的參考點、線、面，各個坐標(biāo)系的定義都建立在給定的基準(zhǔn)之上。坐標(biāo)參照系是提供系統(tǒng)原點、尺度、定向及其時間演變的一組協(xié)議、算法和參數(shù)。坐標(biāo)參考框架是一組具有相應(yīng)坐標(biāo)參照系下坐標(biāo)及其時間演變的點，它是坐標(biāo)參照系的具體實現(xiàn)。動態(tài)精密測量可以通過GNSS獲取對應(yīng)的坐標(biāo)參考框架下的狀態(tài)量，并通過GNSS、慣性導(dǎo)航系統(tǒng)(INS)以及距離測量裝置(DMI)的融合建立該參考框架下的動態(tài)測量坐標(biāo)系統(tǒng)。

慣性導(dǎo)航系統(tǒng)(INS)在給定初始狀態(tài)下，根據(jù)三軸加速度計及三軸陀螺儀的測量值，由導(dǎo)航計算機(jī)計算每個時刻的位置、速度和姿態(tài)。由于INS采用積分運算的方式進(jìn)行導(dǎo)航狀態(tài)解算，會導(dǎo)致傳感器測量噪聲及誤差不斷地累積，使得推算出的位置、速度和姿態(tài)數(shù)值隨時間增長會逐漸偏離真實值。INS數(shù)據(jù)更新快、短時精度高且穩(wěn)定性好，而GNSS具有較好的長期精度，因此基于GNSS/INS組合的導(dǎo)航定位系統(tǒng)可以長時間持續(xù)保持較高的位置精度和數(shù)據(jù)更新速度。道路/軌道等基礎(chǔ)設(shè)施的精密測量也可采用距離測量裝置(DMI)輔助GNSS/INS進(jìn)行組合解算。DMI輸出速度值和位移值，可以顯著提高GNSS/INS組合導(dǎo)航中的速度和位置精度。GNSS/IMU/DMI組合導(dǎo)航可由擴(kuò)展卡爾曼濾波器(EKF)來實現(xiàn)[8]，其組合導(dǎo)航算法流程如圖1所示。

1.3 時空關(guān)聯(lián)與時空基準(zhǔn)的高精度轉(zhuǎn)換

在動態(tài)測量中，需要將各個傳感器的位置姿態(tài)與其對應(yīng)的時間相關(guān)聯(lián)，才能實現(xiàn)各觀測傳感器數(shù)據(jù)的高精度融合[9-10]。多傳感器同步控制的核心思想是要將高精度時間基準(zhǔn)轉(zhuǎn)換到各個傳感器，使不同傳感器獲取的數(shù)據(jù)具有同一時間基準(zhǔn)下的精確的時間標(biāo)簽，從而為不同類型觀測數(shù)據(jù)的同步提供參考標(biāo)識。

圖1 GNSS/IMU/DMI組合導(dǎo)航算法流程Fig.1 Flow chart of GNSS/IMU/DMI integrated navigation algorithm

根據(jù)傳感器的工作特性，可將同步控制方式分為3種：主動同步、被動同步以及授時同步。主動同步是指控制電路主動向傳感器發(fā)送同步控制指令，控制器記錄同步控制指令的精確時刻。被動同步是指移動測量系統(tǒng)工作時，各傳感器向同步控制器發(fā)送相應(yīng)的同步工作信號，同步控制器接收到該信號后，由內(nèi)部中斷響應(yīng)機(jī)制記錄下該信號發(fā)生的精確時刻。授時同步是指同步控制器只需完成傳感器的時間授時，傳感器接收授時的PPS脈沖和時間信號，實現(xiàn)所采集的數(shù)據(jù)和時間的高精度關(guān)聯(lián)。

2 多源動態(tài)觀測數(shù)據(jù)協(xié)同處理

動態(tài)精密測量采集的傳感器數(shù)據(jù)具有時間多粒度、空間多尺度、海量以及噪聲強(qiáng)等特點，且常常不滿足經(jīng)典測量誤差理論的前提假設(shè)。因此，多源數(shù)據(jù)的融合配準(zhǔn)、數(shù)據(jù)的質(zhì)量增強(qiáng)、基于目標(biāo)精細(xì)三維模型的特征提取與識別是多源動態(tài)觀測數(shù)據(jù)處理的重要研究內(nèi)容。

2.1 激光掃描數(shù)據(jù)、影像與POS數(shù)據(jù)融合配準(zhǔn)

移動三維激光掃描系統(tǒng)是一種典型的動態(tài)測量系統(tǒng)，一般裝備有激光掃描儀、GNSS/IMU組合測量裝置(POS)及全景相機(jī)等數(shù)據(jù)采集傳感器，各個傳感器獲取的數(shù)據(jù)在物理含義、頻率及空間維度都不相同，為了得到對所觀測的客觀地物目標(biāo)的統(tǒng)一描述，需要將3種數(shù)據(jù)進(jìn)行融合配準(zhǔn)，得到顏色點云數(shù)據(jù)[11]。

如圖2所示，OW-XWYWZW代表WGS-84坐標(biāo)系，OPOS-XPOSYPOSZPOS代表POS坐標(biāo)系，OS-XSYSZS表示相機(jī)成像坐標(biāo)系，OL-XLYLZL表示激光掃描坐標(biāo)系。設(shè)激光掃描P點的時刻為tL，P點的激光掃描點在OW-XWYWZW坐標(biāo)系下的坐標(biāo)如式(1)

(1)

圖2 4個坐標(biāo)系之間的關(guān)系Fig.2 The relation between four coordinate systems

設(shè)相機(jī)拍攝P點的時刻為tS，設(shè)P點在OS-XSYSZS坐標(biāo)系下的坐標(biāo)為[XS,YS,ZS]T，P點的成像點在OW-XWYWZW坐標(biāo)系下的坐標(biāo)如式(2)

(2)

聯(lián)合解算式(1)和式(2)，可得P點在成像系統(tǒng)中坐標(biāo)[XSYSZS]T，即

(3)

為了得到P點的坐標(biāo)，只需要實現(xiàn)從激光掃描坐標(biāo)系中的坐標(biāo)到CCD圖像成像點的坐標(biāo)的映射，從而獲得P點的顏色信息，如式(4)

(4)

2.2 基于控制點坐標(biāo)改正的點云質(zhì)量增強(qiáng)方法

顏色點云數(shù)據(jù)是精密測量得到的一種重要的數(shù)據(jù)形態(tài)，描述其質(zhì)量的指標(biāo)主要有精度、可靠性和密度等。在實際應(yīng)用中，點云數(shù)據(jù)的精度和可靠性往往是最受關(guān)注的。對點云數(shù)據(jù)的精度控制和可靠性評估方法主要有數(shù)據(jù)驅(qū)動和模型驅(qū)動兩大類[12]。

數(shù)據(jù)驅(qū)動技術(shù)利用地面控制點(GCP)直接提高點云數(shù)據(jù)精度。常用方法有：①從點云中提取控制標(biāo)靶，然后采用條帶平差處理方法以糾正數(shù)據(jù)的絕對誤差；②采用路面標(biāo)記作為地面控制點來評估點云精度和控制點云質(zhì)量；③采用最鄰近點迭代算法(ICP)計算點云到地面控制點的變換參數(shù)；④利用12參數(shù)仿射變化法以改善點云精度。這些數(shù)據(jù)驅(qū)動的方法通過坐標(biāo)變換直接對點云數(shù)據(jù)進(jìn)行改正，其改善效果取決于很多因素，如控制點數(shù)量和分布、目標(biāo)屬性等。實際應(yīng)用中，往往與控制點具有相近掃描角度以及相似誤差的點的精度能得到顯著提高，而其他點的精度提高則相對較弱[13]。

模型驅(qū)動技術(shù)側(cè)重分析動態(tài)精密測量裝置可能存在的隨機(jī)誤差和系統(tǒng)誤差及其對點云的影響，進(jìn)而建立誤差分配模型。該模型將定位定姿(POS)誤差視為噪聲，激光掃描儀和POS之間的標(biāo)定參數(shù)誤差被看作系統(tǒng)誤差。模型驅(qū)動方法常常注重POS與激光掃描儀之間的標(biāo)定參數(shù)誤差的修正，而忽略了POS本身存在的誤差，但是POS誤差在某些情況下將是動態(tài)精密測量誤差的主要來源[14]。

動態(tài)精密測量裝置的姿態(tài)誤差可以被看作是一種較小的隨機(jī)誤差，而定位誤差則僅僅在GNSS信號良好的條件下能得到較好的修正。在GNSS信號較差的環(huán)境中，GNSS精確性會大大降低，INS累積位置誤差將得不到應(yīng)有的補償，甚至可能被錯誤修正，從而產(chǎn)生較大的定位誤差。由于反向平滑處理使得POS軌跡連續(xù)、平滑、定位誤差呈現(xiàn)出一種隨時間平穩(wěn)變化的趨勢性?？紤]到GNSS誤差具有很強(qiáng)的隨機(jī)性，最終POS定位誤差中將包含趨勢誤差和隨機(jī)誤差。針對這種誤差模型，可以采用最小二乘配置模型對POS的誤差進(jìn)行改正以提高點云的精度。

2.3 基于精細(xì)三維模型的目標(biāo)特征提取與識別

動態(tài)精密三維測量技術(shù)通過激光掃描儀可以獲得與被檢測物體直接相關(guān)的點云數(shù)據(jù)，其中包含了豐富特征信息，如被測物體輪廓、微觀粗糙度以及缺陷等。目標(biāo)的特征提取與識別就是從測量數(shù)據(jù)中自動檢測并識別出這些特征信息，為后期的模型重建作準(zhǔn)備[15-17]。

通常情況下，物體輪廓包括標(biāo)準(zhǔn)輪廓、控制輪廓及表面微觀粗糙度等。標(biāo)準(zhǔn)輪廓反映了物體無缺陷情況下的表面輪廓；控制輪廓是指表面輪廓的大致形狀，包含了控制輪廓和表面較大尺度的變形；微觀粗糙度是指表面微觀的深度的波段。針對表面控制輪廓，可以通過對點云采用級聯(lián)濾波的方法，去除局部缺陷以及微觀粗糙不平的點。標(biāo)準(zhǔn)輪廓是指物體自然狀態(tài)下理想的外形。表面缺陷及微觀粗糙度可以通過物體的點云與控制輪廓的差值獲得[18-21]。

不同被測物體的形狀、粗糙度及幾何尺寸等特征不同，不同測量對象的變形特征也不同。通常情況下，描述變形特征包含線性特征(變形深度、長度、寬度、曲率、方向、距離等)、面陣特征(變形區(qū)域的深度、面積等)、變形程度特征(如輕、中、重)、連續(xù)性特征等。在變形特征提取中，結(jié)合變形特征知識庫信息，提取預(yù)定義的特定變形特征。

三維目標(biāo)識別技術(shù)主要分為兩類：①基于幾何模型的三維模型匹配，該方法是將數(shù)據(jù)場景與模型庫中的三維模型進(jìn)行幾何匹配；②基于形狀的二維模型描述，該方法是將三維識別問題轉(zhuǎn)化為一組二維識別問題，其中每個目標(biāo)的標(biāo)識用基于形狀的二維描述。常用的方法是模板匹配，常用的相似性度量指標(biāo)是相關(guān)度[22]。

3 動態(tài)精密測量典型應(yīng)用

動態(tài)精密測量技術(shù)以多傳感器集成技術(shù)為核心，具有很好的誤差補償能力，在高精度道路/軌道的檢測與測量中發(fā)揮了重要作用：①用于道路的平整度精密測量、車轍精密測量、路基彎沉值動態(tài)測量及路面損壞測量；②用于軌道幾何參數(shù)快速測量、軌道扣件狀態(tài)動態(tài)檢測及鋼軌傷損自動檢測。

3.1 高精度道路檢測與測量

3.1.1 道路平整度測量

路面平整度是評價路面使用性能的重要指標(biāo)，它反映了車輛行駛的舒適度、路面的安全性及使用狀態(tài)。評價道路平整度的指標(biāo)一般采用國際平整度指數(shù)(international roughness index，IRI)[23]。

通常采用的加速度慣性補償?shù)募す馄秸葴y量方法因其高效性和準(zhǔn)確性，已經(jīng)成為平整度檢測的主流方法。該方法采用高精度的激光測距儀測量檢測車車體與路面之間的距離，再使用加速度計的二次積分值補償激光測距值，從而獲得道路縱斷面相對高程數(shù)據(jù)，以此計算道路平整度指標(biāo)。鑒于加速度計本身的誤差，以及復(fù)雜的道路檢測環(huán)境，可以利用加速度數(shù)據(jù)積分計算過程中所得到的瞬時速度數(shù)據(jù)和位移數(shù)據(jù)的序列之間的關(guān)系，結(jié)合小波變換多分辨率和逐層分解的特性，從而精確地得到路面的平整度指數(shù)[24]。

3.1.2 道路車轍深度精密測量

車轍測量方法有激光斷面儀法、線結(jié)構(gòu)激光三角法以及激光掃描測量法等[25-26]。

激光斷面儀法在橫斷面方向上布置13個或更多的單點激光測距傳感器測量道路的橫斷面高程，以得到車轍值，但是由于測量姿態(tài)及駕駛等原因，不能精確測量車轍造成的橫斷面的波峰與波谷，得到的車轍深度普遍偏低，限制了其在道路檢測領(lǐng)域的應(yīng)用。

激光三角車轍測量法是目前應(yīng)用最為廣泛的測量方法。其原理為：激光線從一側(cè)以一定角度投射到道路表面，面陣CCD相機(jī)從另一側(cè)以一定角度采集道路表面圖像，如果物體表面有形變，則激光線發(fā)生變形。通過對相機(jī)進(jìn)行精細(xì)標(biāo)定，形成像素級標(biāo)定表，可直接計算出曲線對應(yīng)的物方實際坐標(biāo)，從而獲取道路表面的橫斷面數(shù)據(jù)，進(jìn)而計算車轍深度。

激光掃描方法采用高精度激光雷達(dá)實現(xiàn)毫米級的激光測距精度，在掃描棱鏡的轉(zhuǎn)動下，實現(xiàn)對道路橫斷面的掃描測量。由于激光掃描儀的體積小容易安裝、抗環(huán)境光干擾能力強(qiáng)、測量精度和可靠性好等優(yōu)點，逐步將成為車轍測量的重要方法。

3.1.3 道路路基彎沉值動態(tài)測量

路面彎沉值是表征道路路基路面整體強(qiáng)度的重要參數(shù)，反映了路面各結(jié)構(gòu)層及土基的整體強(qiáng)度和剛度，也直接反映了路面的使用性能。常用道路彎沉測量方法有貝克曼梁、自動彎沉儀和落錘式彎沉儀及多功能檢測車等測量方法[27-28]，但是這些方法檢測速度慢。

動態(tài)彎沉測量裝置以重型牽引車為測量平臺，可以在正常交通速度20～90 km/h范圍內(nèi)正常測量道路彎沉值。該方法建立在彈性地基梁的基礎(chǔ)上，通過安裝在剛性橫梁上的多個高精度激光測速儀測量路面在動荷載作用下的變形速度，采用歐拉-伯努利方程反演路面彎沉。實踐表明，基于變形速度的動態(tài)彎沉測量方法一次測量只需要一次采樣，并能夠滿足0.01 mm測量精度要求。

3.1.4 路面病害檢測

公路路面在使用過程中，由于車輛荷載和自然因素的作用會出現(xiàn)裂縫等病害，這些病害隨著時間的推移而日趨嚴(yán)重，并將會影響到車輛行駛速度、行駛安全性和道路維護(hù)。動態(tài)精密測量系統(tǒng)采用高分辨率成像裝置獲取路面的高質(zhì)量數(shù)字影像，然后通過病害提取軟件識別裂縫等病害。裂縫自動識別的精確性和可靠性是路面病害識別的關(guān)鍵技術(shù)[29-30]。

裂縫是圖像中空間分布相對集中、與背景有一定區(qū)分度、具備一定幾何特征且與整個圖像相比占有比例非常小的一部分像素組成。針對獲取的路面圖像，采用基于亮度高程模型的算法消除陰影，在整體上降低陰影的影響的同時，保持和增強(qiáng)裂縫等病害的完整性、連續(xù)性與可識別性[31]。通過提取組成裂縫的像素在圖像中的空間分布特征，用稀疏表征的方法對圖像重認(rèn)知，快速定位疑似裂縫區(qū)域。對疑似裂縫區(qū)域進(jìn)行子分塊劃分。以子塊為單位提取裂縫的特征值，根據(jù)模糊神經(jīng)網(wǎng)絡(luò)模型計算該子塊內(nèi)的裂縫置信度。在置信區(qū)域內(nèi)結(jié)合分塊置信度綜合確定裂縫發(fā)展趨勢，采用感知編組及動態(tài)規(guī)劃的方法實現(xiàn)裂縫定位、自動跟蹤與檢測[32-37]。

3.2 精密軌道測量

3.2.1 軌道幾何參數(shù)快速測量

軌道幾何參數(shù)的測量對確保列車安全行駛、改善軌道狀態(tài)及延長軌道部件和機(jī)車車輛使用壽命等有重要的指導(dǎo)作用[38]。主要的軌道幾何參數(shù)有：超高、三角坑、高低不平順以及軌向不平順。軌道動態(tài)精密測量系統(tǒng)采用激光掃描儀/慣性測量單元/里程計緊組合的方法實現(xiàn)軌道檢測平臺的精確位置與姿態(tài)的測量，從而計算出軌道幾何參數(shù)。

3.2.2 軌道扣件狀態(tài)動態(tài)檢測

軌道扣件狀態(tài)檢測常采用計算機(jī)視覺和圖像處理等技術(shù)實現(xiàn)[39-40]。其中，常利用線結(jié)構(gòu)激光傳感器獲取扣件系統(tǒng)的高精度和高精細(xì)三維點云數(shù)據(jù)，然后對扣件系統(tǒng)的三維點云進(jìn)行分類與精細(xì)建模，進(jìn)而可以測量扣件彈舌離縫值，并判定扣件系統(tǒng)是否存在零部件脫落、錯位以及型號不符等病害。另外通過軌枕檢測器配合高清相機(jī)獲取扣件彈條的高清圖像，通過圖像的分析與處理，實現(xiàn)彈條疲勞裂縫自動識別。

3.2.3 鋼軌傷損自動檢測

鋼軌傷損檢測技術(shù)常采用超聲波技術(shù)[41-43]，探測鋼軌內(nèi)部的裂紋及核傷?；诰苋S測量技術(shù)，通過線結(jié)構(gòu)激光傳感器獲取精細(xì)的鋼軌三維模型，通過與標(biāo)準(zhǔn)鋼軌輪廓進(jìn)行比較，可以測量鋼軌磨耗，并可檢測鋼軌的軌頂面及作用面是否有擦傷、剝離及掉塊等表面病害。

4 結(jié)論與展望

測量精度更高、可靠性更強(qiáng)、自動化更優(yōu)、實時性更好的動態(tài)測量技術(shù)是未來精密測量發(fā)展的重要趨勢。本文主要介紹了針對道路/軌道等帶狀目標(biāo)的動態(tài)精密測量及其關(guān)鍵技術(shù)，涉及高精度時空基準(zhǔn)統(tǒng)一與轉(zhuǎn)換、多傳感器時間同步控制、觀測數(shù)據(jù)的融合配準(zhǔn)、測量數(shù)據(jù)的質(zhì)量增強(qiáng)以及基于精細(xì)三維模型的特征提取與識別等技術(shù)，并簡要介紹了動態(tài)高精度測量在道路檢測、軌道檢測中的應(yīng)用。目前，已經(jīng)研制出大批高精度的智能化測量儀器來滿足現(xiàn)有的工程測量需求，同時自動化實時測量的精度要求不斷提高，也對軟硬件的進(jìn)一步研發(fā)提出要求。伴隨傳感器技術(shù)的不斷發(fā)展，未來將會有精度更高、頻率和速度更快、價格低廉、功能更全的傳感器及組合系統(tǒng)應(yīng)用于實際的道路與軌道檢測與測量。

[1] 李德仁. 展望大數(shù)據(jù)時代的地球空間信息學(xué)[J]. 測繪學(xué)報, 2016, 45(4): 379-384. DOI： 10.11947/j.AGCS.2016.20160057.

LI Deren. Towards Geo-spatial Information Science in Big Data Era[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45(4): 379-384. DOI： 10.11947/j.AGCS.2016.20160057.

[2] 葛紀(jì)坤, 萬宏德, 李軍吉. 精密工程測量的發(fā)展與展望[J]. 地理空間信息, 2015(1): 155-156.

GE Jikun, WAN Hongde, LI Junji. Development and Prospect of Precision Engineering Surveying[J]. Geospatial Information, 2015(1): 155-156.

WANG Dan. Engineering Surveying: Development and Demands[J]. Bulletin of Surveying and Mapping, 2003(4): 18-21. DOI: 10.3969/j.issn.0494-0911.2003.04.006.

[4] 李清泉, 毛慶洲. 車載道路快速檢測與測量技術(shù)研究[J]. 交通信息與安全, 2009, 27(1): 7-10.

LI Qingquan, MAO Qingzhou. Land-borne Pavement Rapid Test and Measurement[J]. Journal of Transport Information and Safety, 2009, 27(1): 7-10.

[5] 張德津, 李清泉. 公路路面快速檢測技術(shù)發(fā)展綜述[J]. 測繪地理信息, 2015, 40(1): 1-8.

ZHANG Dejin, LI Qingquan. A Review of Pavement High Speed Detection Technology[J]. Journal of Geomatics, 2015, 40(1): 1-8.

[6] 王剛. 路面病害光學(xué)無損檢測技術(shù)——基于超小波與分形理論的算法研究[D]. 南京: 南京理工大學(xué), 2007.

WANG Gang. The Optical Nondestructive Examination for Pavement Distress—Algorithm Research Based on Super Wavelet and Multifractal Theorem[D]. Nanjing: Nanjing University of Science and Technology, 2007.

[7] 王泉. 北斗衛(wèi)星通信授時系統(tǒng)設(shè)計及應(yīng)用[D]. 西安: 西北大學(xué), 2009.

WANG Quan. Design and Application of Beidou Satellite Communication Time Service System[D]. Xi’an: Northwestern University, 2009.

[8] CHEN Qijin, NIU Xiaoji, ZHANG Quan, et al. Railway Track Irregularity Measuring by GNSS/INS Integration[J]. Navigation, 2015, 62(1): 83-93.

[9] 李清泉, 毛慶洲, 高慶武, 等. 高精度時空數(shù)據(jù)獲取的多傳感器集成同步控制方法和系統(tǒng): 中國, CN101949715A[P]. 2011-01-19.

LI Qingquan, MAO Qingzhou, GAO Qingwu, et al. Multi-sensor Integrated Synchronous Control Method and System for High-precision Time-space Space Data Acquisition: China, CN101949715A[P]. 2011-01-19.

[10] LI Qingquan, LIU Yong, MAO Qingzhou, et al. Data Acquisition, Analysis and Applications of Multi-sensor Integration[J]. Engineering Sciences, 2010, 8(1): 2-10.

[11] 毛慶洲. 車載道路快速檢測與測量關(guān)鍵技術(shù)研究[D]. 武漢: 武漢大學(xué), 2008.

MAO Qingzhou. Research on Key Technique of Land-borne based Pavement Rapid Test and Measurement[D]. Wuhan: Wuhan University, 2008.

[12] 張亮. 地面復(fù)雜環(huán)境下移動三維測量精度改善方法研究[D]. 武漢: 武漢大學(xué), 2015.

ZHANG Liang. Accuracy Improvement for Mobile Mapping in Complex Ground Environments[D]. Wuhan: Wuhan University, 2015.

[13] MAO Qingzhou, ZHANG Liang, LI Qingquan, et al. A Least Squares Collocation Method for Accuracy Improvement of Mobile LiDAR Systems[J]. Remote Sensing, 2015, 7(6): 7402-7424.

[14] ZHANG Liang, MAO Qingzhou, LI Qingquan, et al. An Accuracy-Improvement Method for GPS/INS Kinematic Levelling for Use in Linear Engineering Surveying Projects[J]. Measurement, 2014, 54: 22-30.

[15] 楊必勝, 魏征, 李清泉, 等. 面向車載激光掃描點云快速分類的點云特征圖像生成方法[J]. 測繪學(xué)報, 2010, 39(5): 540-545.

YANG Bisheng, WEI Zheng, LI Qingquan, et al. A Classification-oriented Method of Feature Image Generation for Vehicle-borne Laser Scanning Point Clouds[J]. Acta Geodaetica et Cartographica Sinica, 2010, 39(5): 540-545.

[16] 程效軍, 賈東峰, 程小龍. 海量點云數(shù)據(jù)處理理論與技術(shù)[M]. 上海: 同濟(jì)大學(xué)出版社, 2014.

CHENG Xiaojun, JIA Dongfeng, CHENG Xiaolong. Theory and Technology of Massive Point Cloud Data Processing [M]. Shanghai: Tongji University Press, 2014.

[17] 陳利, 賈友, 張爾嚴(yán). 激光雷達(dá)技術(shù)及其應(yīng)用[J]. 河南理工大學(xué)學(xué)報(自然科學(xué)版), 2009, 28(5): 583-586.

CHEN Li, JIA You, ZHANG Eryan. LiDAR Technology and Its Application[J]. Journal of Henan Polytechnic University (Natural Science), 2009, 28(5): 583-586.

[18] 王愉龍. 公路路面裂縫三維檢測技術(shù)[J]. 電子測試, 2016(7): 49-50.

WANG Yulong. 3D Road Surface Cracks Detection Technology[J]. Electronic Test, 2016(7): 49-50.

[19] 趙海偉. 路面裂縫三維檢測算法研究[D]. 西安: 長安大學(xué), 2015.

ZHAO Haiwei. The Research on 3D Pavement Crack Detection Algorithm[D]. Xi’an: Chang’an University, 2015.

[20] 李清泉, 毛慶洲, 熊智敏, 等. 基于深度和灰度圖像的路面裂縫檢測裝置和方法: 中國, CN104005325A[P].2014-08-27.

LI Qingquan, MAO Qingzhou, XIONG Zhimin, et al. Pavement Crack Detecting Device and Method Based on Depth and Gray Level Images: China, CN104005325A[P]. 2014-08-27.

[21] 李清泉, 毛慶洲, 靳華中, 等. 融合影像梯度信息和分水嶺方法的裂縫檢測方法: 中國, CN104008553B [P]. 2017-03-22.

LI Qingquan, MAO Qingzhou, JIN Huazhong, et al. Crack Detection Method with Image Gradient Direction Histogram and Watershed Method Conflated: China, CN104008553B[P]. 2017-03-22.

[22] 劉瑤. 基于激光雷達(dá)的三維典型地面目標(biāo)識別技術(shù)研究[D]. 武漢: 華中科技大學(xué), 2011.

LIU Yao. Study of Typical Three-Dimensional Ground Target Recognition Based on Laser Radar[D]. Wuhan: Huazhong University of Science and Technology, 2011.

[23] 蔚曉丹. 國際平整度指數(shù)IRI作為路面平整度評價指標(biāo)的研究[J]. 公路交通科技, 1999, 16(S1): 9-13.

WEI Xiaodan. Research on the International Roughness Index (IRI) as the Pavement Roughness Index[J]. Journal of Highway and Transportation Research and Development, 1999, 16(S1): 9-13.

[24] 毛慶洲, 葉浩, 丁詩雄, 等. 基于小波變換的路面平整度自適應(yīng)提取算法[J]. 中國公路學(xué)報, 2015, 28(10): 11-17.

MAO Qingzhou, YE Hao, DING Shixiong, et al. Adaptive Extraction Algorithm of Pavement Roughness Based on Wavelet Transformation[J]. China Journal of Highway and Transport, 2015, 28(10): 11-17.

[25] 李清泉, 雷波, 毛慶洲, 等. 利用激光三角法進(jìn)行快速車轍檢測[J]. 武漢大學(xué)學(xué)報(信息科學(xué)版), 2010, 35(3): 302-307.

LI Qingquan, LEI Bo, MAO Qingzhou, et al. A Fast Method for Pavement Ruts Measuring with Laser Triangulation[J]. Geomatics and Information Science of Wuhan University, 2010, 35(3): 302-307.

[26] 張德津, 李清泉, 何莉. 一種新的激光車轍深度測量方法研究[J]. 光學(xué)學(xué)報, 2013, 33(1): 115-121.

ZHANG Dejin, LI Qingquan, HE Li. A New Method for Laser Rut Depth Measurement[J]. Acta Optica Sinica, 2013, 33(1): 115-121.

[27] LI Qingquan, ZOU Qin, MAO Qingzhou, et al. Efficient Calibration of a Laser Dynamic Deflectometer[J]. IEEE Transactions on Instrumentation and Measurement, 2013, 62(4): 806-813.

[28] 張德津. 基于路面變形速度的彎沉測量方法[D]. 武漢: 武漢大學(xué), 2012.

ZHANG Dejin. Deflection Measurement Method Based on the Velocities of Pavement Deflections[D]. Wuhan: Wuhan University, 2012.

[29] ZOU Qin, CAO Yu, LI Qingquan, et al. CrackTree: Automatic Crack Detection from Pavement Images[J]. Pattern Recognition Letters, 2012, 33(3): 227-238.

[30] LI Qingquan, ZOU Qin, ZHANG Daqiang, et al. FoSA: F*Seed-Growing Approach for Crack-Line Detection from Pavement Images[J]. Image and Vision Computing, 2011, 29(12): 861-872.

[31] 李清泉, 胡慶武. 基于圖像自動勻光的路面裂縫圖像分析方法[J]. 公路交通科技, 2010, 27(4): 1-5, 27.

LI Qingquan, HU Qingwu. A Pavement Crack Image Analysis Approach Based on Automatic Image Dodging[J]. Journal of Highway and Transportation Research and Development, 2010, 27(4): 1-5, 27.

[32] 李清泉, 鄒勤, 毛慶洲. 基于最小代價路徑搜索的路面裂縫檢測[J]. 中國公路學(xué)報, 2010, 23(6): 28-33.

LI Qingquan, ZOU Qin, MAO Qingzhou. Pavement Crack Detection Based on Minimum Cost Path Searching[J]. China Journal of Highway and Transport, 2010, 23(6): 28-33.

[33] 鄒勤, 李清泉, 毛慶洲, 等. 利用目標(biāo)點最小生成樹的路面裂縫檢測[J]. 武漢大學(xué)學(xué)報(信息科學(xué)版), 2011, 36(1): 71-75.

ZOU Qin, LI Qingquan, MAO Qingzhou, et al. Target-Points MST for Pavement Crack Detection[J]. Geomatics and Information Science of Wuhan University, 2011, 23(6): 71-75.

[34] LI Qingquan, ZHANG Dequan, ZOU Qin, et al. 3D Laser Imaging and Sparse Points Grouping for Pavement Crack Detection[C]∥25th European Signal Processing Conference (EUSIPCO). 2017.

[35] ZHANG Dejin, LI Qingquan, CHEN Ying, et al. An Efficient and Reliable Coarse-to-fine Approach for Asphalt Pavement Crack Detection[J]. Image and Vision Computing, 2017, 57: 130-146.

[36] 李清泉, 劉向龍. 路面裂縫影像幾何特征提取算法[J]. 中國科技論文在線, 2007, 2(7): 517-522.

LI Qingquan, LIU Xianglong. An Algorithm to Image-based Pavement Cracks Geometry Features Extraction[J]. Sciencepaper Online, 2007, 2(7): 517-522.

[37] 劉向龍, 李清泉. 基于金字塔結(jié)構(gòu)的海量路面影像破損統(tǒng)計模型[J]. 武漢大學(xué)學(xué)報(信息科學(xué)版), 2008, 33(4): 430-432, 436.

LIU Xianglong, LI Qingquan. A Pyramid-based Cracks Statistical Modal for Massive Pavement Images[J]. Geomatics and Information Science of Wuhan University, 2008, 33(4): 430-432, 436.

[38] 馮超. 接觸軌幾何參數(shù)高精度動態(tài)測量方法研究[D]. 成都: 西南交通大學(xué), 2014.

FENG Chao. Study of the High Precision Dynamic Measurement Method of Contact Rail Geometric Parameters[D]. Chengdu: Southwest Jiao Tong University, 2014.

[39] 毛慶洲. 鐵路彈條扣件緊固狀態(tài)自動檢查方法及其裝置: 中國, CN103061219A[P].2013-04-24.

MAO Qingzhou. Method and Device for Automatically Checking Fastening States of Railway Fasteners And Spring Fasteners: China, CN103061219A[P]. 2013-04-24.

[40] 吳夢, 陳建政, 林森. 基于圖像處理的軌道扣件狀態(tài)檢測[J]. 信息與電腦, 2013(1): 46-47.

WU Meng, CHEN Jianzheng, LIN Sen. Track Fastener State Detection Based on Image Processing[J]. China Computer & Communication, 2013(1): 46-47.

[41] 張利斌. 基于結(jié)構(gòu)光技術(shù)的高速鐵路道岔三維檢測及應(yīng)用研究[D]. 成都: 西南交通大學(xué), 2016.

ZHANG Libin. Research on 3D Detection and Application of High-speed Railway Turnout Based on Structured Light Technology[D]. Chengdu: Southwest Jiao Tong University,2016.

[42] 王旺華, 毛慶洲, 熊智敏. 鋼軌幾何尺寸自動測量系統(tǒng)研究[J]. 中國鐵道科學(xué), 2012, 33(S1): 117-121.

WANG Wanghua, MAO Qingzhou, XIONG Zhimin. Research on the Automatic Measurement System for Rail Physical Dimension[J]. China Railway Science, 2012, 33(S1): 117-121.

[43] 徐其瑞, 許建明, 黎國清. 軌道檢查車技術(shù)的發(fā)展與應(yīng)用[J]. 中國鐵路, 2005(9): 37-39.

XU Qirui, XU Jianming, LI Guoqing. Development and Application of the Technology of Track Inspection Car[J]. Chinese Railways, 2005(9): 37-39.

(責(zé)任編輯：宋啟凡)

Progress on Dynamic and Precise Engineering Surveying for Pavement and Track

LI Qingquan1，MAO Qingzhou2

1. Key Laboratory for Geo-Environmental Monitoring for Coastal Zone of the National Administration of Surveying,Mapping and GeoInformation,Shenzhen University,Shenzhen 518060,China; 2. State Key Laboratory of Information Engineering in Surveying,Mapping and Remote Sensing,Wuhan University,Wuhan 430079,China

The traditional precise engineering surveying is characterized by manual static discrete observation and geometric model solution,which cannot meet the requirements of large-scale infrastructure such as pavement and track,where need of wide-range,continuous,dynamic and high-precision surveying for these infrastructures’ and systems’ maintenance and management.The dynamic surveying based on multi-sensor integration technology and the cooperative computing based on multi-source spatial-temporal data are the important development directions for precise engineering surveying.First,the paper introduced the uniform and conversion of high-precision spatial-temporal datum,the multi-sensor synchronous control,the fusion of the observed data,the quality improvement of the surveying data and the feature extraction and recognition of the pavement cracks based on the three-dimensional image.Then,the progress of dynamic and precise surveying applications such as pavement roughness,rutting and deflection survey,as well as geometrical parameters of track,fastener status and rail damage detection are described.

dynamic measurement;precision measurement;spatial-temporal datum;multi-sensor synchronization

The National Natural Science Foundation of China(Nos. 91546106; 41201483);The Fundamental Research Funds for the Central Universities；The National Key Research and Development Plan(No. 2016YFF0103502)

LI Qingquan(1965—),male,professor,PhD supervisor,majors in the research of transportation geographic information system and intelligent transportation system.

李清泉，毛慶洲.道路/軌道動態(tài)精密測量進(jìn)展[J].測繪學(xué)報，2017,46(10)：1734-1741.

10.11947/j.AGCS.2017.20170323.

LI Qingquan，MAO Qingzhou.Progress on Dynamic and Precise Engineering Surveying for Pavement and Track[J]. Acta Geodaetica et Cartographica Sinica,2017,46(10):1734-1741. DOI:10.11947/j.AGCS.2017.20170323.

P258

A

1001-1595(2017)10-1734-08

國家自然科學(xué)基金(91546106；41201483)；中央高?；究蒲袠I(yè)務(wù)費專項資金;國家重點研發(fā)計劃(2016YFF0103502)

10.3969/j.issn.0494-0911.2003.04.006.

2017-06-19

修回日期： 2017-07-05

李清泉(1965—)，男，教授，博士生導(dǎo)師，研究方向為交通地理信息系統(tǒng)與智能交通系統(tǒng)。

E-mail： liqq@szu.edu.cn