李中軼,羅文婷,李 林,郭建鋼

(福建農(nóng)林大學(xué)交通與土木工程學(xué)院,福州 350100)

車轍是由汽車輪胎荷載,溫度和環(huán)境因素的共同作用下形成的行車道輪跡帶處的永久形變。車輛行駛時,轍槽處積水所產(chǎn)生的水霧影響行車視線,導(dǎo)致制動系數(shù)下降,會影響車輛轉(zhuǎn)彎或變道時的穩(wěn)定性。同時,車轍病害會繼續(xù)惡化為龜裂等路面病害,影響行車的安全性和舒適性以及路面結(jié)構(gòu)完整性[1-2]。因此,對路面車轍進(jìn)行快速,準(zhǔn)確地檢測并對其特征參數(shù)進(jìn)行提取,是路面養(yǎng)護(hù)工作的重要任務(wù)。

目前國內(nèi)普遍采用共梁式非均布13點激光檢測設(shè)備進(jìn)行車轍測量[3-4]。但由于點激光數(shù)量有限,無法獲得完整、連續(xù)的道路橫斷面數(shù)據(jù);固定點提取車轍最大深度信息,會影響測量的準(zhǔn)確性。同時,采集過程中檢測車的偏移,致使無法準(zhǔn)確獲取車轍的橫向位置。模擬人工直尺法和包絡(luò)線法是較為常用的車轍最大深度測量方法[5-7]。但模擬直尺法和包絡(luò)線法需要借助于擁包和推波產(chǎn)生的波峰和波谷點,導(dǎo)致了一定的測量誤差。

本研究采用全車道覆蓋、完全匹配的2D/3D激光點云數(shù)據(jù)進(jìn)行車轍的測量及橫向定位。研究針對傳統(tǒng)車轍檢測由于檢測車偏移導(dǎo)致車轍定位不準(zhǔn)及擁包和推波影響的問題,提出基于路面水平軸處理車轍數(shù)據(jù)的方法,實現(xiàn)路面車轍的精確測量。同時,通過定位路面2D圖像數(shù)據(jù)中的車道邊緣線,獲取車轍于車道上的橫向位置。最后,本文結(jié)合應(yīng)用實例對比基于路面水平軸的車轍測量方法與包絡(luò)線法,并通過人工測量結(jié)果驗證兩種方法的準(zhǔn)確性。

1 路面3D激光點云數(shù)據(jù)采集方法

1.1 車載三維激光圖像采集設(shè)備

本研究采用車載三維激光圖像設(shè)備進(jìn)行數(shù)據(jù)采集,見圖1。該設(shè)備由兩組激光成像設(shè)備構(gòu)成,設(shè)備間距2 m,距離地面1.65 m,通過圖像拼接,可覆蓋整個車道寬度,數(shù)據(jù)采集速度達(dá)100 km/h。檢測車行駛中,高功率線激光投影系統(tǒng)向路面發(fā)射扇形高亮度線激光,CCD相機(jī)以一定角度實時采集路面車轍激光線圖像,激光線在相機(jī)傳感器上顯示為被測對象的一個斷面,其隨車轍深度形態(tài)變化而發(fā)生彎曲變形[2]。根據(jù)激光三角測量原理,測點高程值可以由CCD像平面測量值,相機(jī)距地面高度,相機(jī)焦距,激光入射線與受光面法線夾角和激光入射線與相機(jī)光軸夾角計算得出[8]。通過高功率線激光投影系統(tǒng)和定制光學(xué)濾波器,該系統(tǒng)可以在不同光線條件下工作,并保證圖像質(zhì)量的一致性[9-10]。

圖1 路面3D激光圖像采集設(shè)備

1.2 路面2D/3D激光點云數(shù)據(jù)

三維激光成像設(shè)備同時采集完全匹配的2D/3D路面圖像數(shù)據(jù)。2D圖像尺寸為4 096 mm(寬)(2 048 mm(長),3D數(shù)據(jù)尺寸為3 884 mm(寬)(2 048 mm(長)。3D激光點云數(shù)據(jù)垂直方向上精度可達(dá)0.3 mm,水平方向精度可達(dá)1 mm[11-12]。2D激光圖像數(shù)據(jù)用于車道邊緣線的識別。3D激光點云數(shù)據(jù)中可提取連續(xù)的路面橫斷面高程曲線,作為車轍檢測數(shù)據(jù)樣本。

2 基于路面水平軸的車轍檢測方法

2.1 車道內(nèi)區(qū)域數(shù)據(jù)截取

本文所用的原始數(shù)據(jù)為4 m覆蓋寬度的路面3D激光點云數(shù)據(jù)。由于數(shù)據(jù)覆蓋范圍超過車道寬度,采集數(shù)據(jù)時會受車道外高程差較大的路面雜物或沿線交通設(shè)施的影響,導(dǎo)致激光點云數(shù)據(jù)兩側(cè)出現(xiàn)異常值,從而干擾路面橫斷面曲線坡度校正和數(shù)據(jù)平滑,造成曲線坡度校正過高或過低,進(jìn)而影響車轍參數(shù)測量。因此,本研究首先提取路面2D圖像上的車道邊緣線的橫向位置,并基于此截取車道內(nèi)區(qū)域的3D路面圖像數(shù)據(jù)[13-14]。

首先,提取2D路面數(shù)據(jù)車道邊緣線橫向位置。本文使用窗口大小為7×7的二維自適應(yīng)維納濾波對2D路面圖像進(jìn)行濾波處理,并對非標(biāo)線區(qū)域進(jìn)行平滑,明確標(biāo)線區(qū)域和非標(biāo)線區(qū)域邊緣。采用OSTU最大類間方差法自適應(yīng)地獲取圖像閾值,將圖像分割為前景(標(biāo)線區(qū)域)和背景(非標(biāo)線區(qū)域)。最后采取準(zhǔn)偏區(qū)域的方法對標(biāo)線邊緣進(jìn)行提取和定位。圖2(a)為2D路面原始數(shù)據(jù),采用上述方法對其標(biāo)線邊緣進(jìn)行檢測和定位,結(jié)果見圖2(b):左側(cè)標(biāo)線內(nèi)側(cè)邊緣位于圖像上的橫坐標(biāo)為199,右側(cè)標(biāo)線內(nèi)側(cè)邊緣位于圖像上的橫坐標(biāo)為3 553,結(jié)果表明,可以實現(xiàn)2D圖像標(biāo)線邊緣的提取和橫向坐標(biāo)定位。

圖2 車道邊緣線橫向位置提取示意圖

在標(biāo)線邊緣提取的基礎(chǔ)上,對3D激光點云數(shù)據(jù)中提取的路面橫斷面曲線進(jìn)行截取,以獲得車道內(nèi)區(qū)域。圖3為提取的原始橫斷面數(shù)據(jù)和截取后效果對比,圖2(a)為處理前效果,圖2(b)為處理后效果,方框內(nèi)為車道外區(qū)域,X軸表示路面橫斷面寬度,Z軸表示激光點高程值,單位均為(mm)。圖3(a)曲線兩端方框區(qū)域存在高差較大的異常激光點高程數(shù)據(jù)。根據(jù)標(biāo)線邊緣定位結(jié)果,截取車道內(nèi)區(qū)域,截取后效果如圖3(b)曲線所示,可以消除車道兩側(cè)異常值的影響,解決其干擾橫斷面曲線坡度校正和數(shù)據(jù)平滑的問題。

圖3 車道內(nèi)區(qū)域截取示意圖

2.2 路面橫斷面中縫消除及平滑處理

為覆蓋整條車道寬度,本研究使用兩個工業(yè)相機(jī)(每個相機(jī)橫向覆蓋2 m寬度)采集路面激光3D圖像數(shù)據(jù)。檢測車行駛中的顛簸會影響圖像拼接的效果[15],導(dǎo)致拼接后路面橫斷面曲線存在中縫,如圖4(a)曲線所示,方框內(nèi)為拼接處中縫,圖4(b)曲線為處理后效果。

圖4 路面橫斷面中縫去除結(jié)果示意圖

假設(shè)左右兩側(cè)激光點云數(shù)據(jù)橫坐標(biāo)范圍分別為[1,n1]和[1,n2],可由式(1)～式(4)對曲線左右兩部分激光點云數(shù)據(jù)進(jìn)行處理,消除路面橫斷面曲線中縫[16]。基于圖4中的數(shù)據(jù),計算得出mean1和mean2分別為341 mm和334 mm,對yj進(jìn)行7 mm的提升,從而去除中縫,其效果如圖4(b)曲線所示。

(1)

(2)

m1=mean1-mean2

(3)

yi=yi+m1,m1<0

yj=yj+m1,m1>0

(4)

式中:mean1為曲線左半部分激光點高程均值(mm);yi為曲線左半部分激光點高程(mm);mean2為曲線右半部分激光點高程均值(mm);yj為曲線左右半部分激光點高程(mm);m1為兩者側(cè)高程均值差(mm)。

同時,路面反光物的反射會導(dǎo)致激光數(shù)據(jù)存在高頻干擾噪聲和系統(tǒng)隨機(jī)噪聲[17]。如圖4所示,高頻干擾噪聲以幅值較大的尖峰形式出現(xiàn),系統(tǒng)隨機(jī)噪聲以幅值較小的均勻毛刺形式出現(xiàn),二者都會影響車轍參數(shù)的測量及橫向定位,需要對其進(jìn)行平滑處理。本文利用局部加權(quán)回歸的方法對路面橫斷面曲線激光數(shù)據(jù)進(jìn)行平滑,去除高頻干擾噪聲及系統(tǒng)隨機(jī)噪聲,平滑效果如圖5所示。

圖5 路面橫斷面曲線坡度校正結(jié)果示意圖

2.3 基于路面水平軸的橫斷面坡度校正

檢測車采集數(shù)據(jù)時在存在橫坡度的路面上行駛,激光橫剖面數(shù)據(jù)會存在一定的傾角,如圖5(a)曲線所示,這會影響車轍最大深度、寬度的測量,因此需要對路面橫斷面曲線進(jìn)行坡度校正,使其旋轉(zhuǎn)至水平,再進(jìn)行車轍表征參數(shù)的測量[18]。

首先,受路面形變的影響,需提取非形變區(qū)域數(shù)據(jù)構(gòu)建路面水平軸。提取截取后的車道內(nèi)橫截面左右邊緣點云數(shù)據(jù)。通過式(5)計算橫剖面曲線傾斜角θ。然后,基于此傾斜角將整個橫剖曲線旋轉(zhuǎn)至水平,其中各點的高度值可通過式(6)、式(7)計算得到。坡度校正后的效果如圖5(b)曲線所示。同時為了方便后續(xù)對車轍進(jìn)行測量和定位,將路面橫斷面曲線整體下移至坐標(biāo)軸y=0處。

(5)

h=(xk-x1)tanθ

(6)

yk=yk-h

(7)

式中:θ為水平軸與坐標(biāo)系x軸之間的夾角;yn為曲線右端未發(fā)生形變點的高程,(mm);y1為曲線左端未發(fā)生形變點的高程,(mm);h為曲線上每點應(yīng)校正的高度差,(mm);x1為曲線左端未發(fā)生形變點的的橫坐標(biāo);k的范圍為[1,n];xk為曲線上點的橫坐標(biāo);yk為曲線上點的高程,(mm)。

2.4 基于路面水平軸的車轍特征點提取

車轍的特征點包括左右車轍的端點及谷底點。研究定義橫剖面與路面水平軸的交點為車轍端點,車轍的最深點為谷底點,如圖6所示。

圖6 車轍特征點提取示意圖

車轍端點及谷底點的提取算法如下:假設(shè)左/右車轍激光點橫坐標(biāo)范圍為[1,a],分別設(shè)定O(x,y)為車轍谷底點,P(x,y)為車轍左端點,Q(x,y)為車轍右端點,具體見式(8)～式(10):

O(x,y):

yd=min(yk)
(xd,yd)

(8)

P(x,y):

ym1=max(yk),1ifym1=0
(xm1,ym1)
ifym1>0
(xp,0),xm1

(9)

Q(x,y):

ym2=max(yk),xdifym2=0
(xm2,ym2)
ifym2>0
(xq,0),xm2

(10)

式中:k的范圍為[1,a];yk為左車轍每點的高程,(mm);yd為左車轍谷底點高程,(mm);ym1為橫坐標(biāo)在[x1,xd]內(nèi)最大高程,(mm);xp為[xm1,xd]內(nèi)高程為0點的橫坐標(biāo);ym2為橫坐標(biāo)在[xd,a]內(nèi)最大高程,(mm);xq為[xm2,a]內(nèi)高程為0時點的橫坐標(biāo);

2.5 車轍表征參數(shù)測量及橫向定位

在車轍特征點提取的基礎(chǔ)上,可對路面橫斷面曲線進(jìn)行車轍表征參數(shù)的測量(車轍寬度及最大深度)以及車轍的橫向定位。

車轍寬度即車轍壁左右端點之間的水平距離,車轍最大深度即路面橫斷面曲線谷底點到路面水平軸的垂直距離,可通過式(10)、式(11)計算得出?；趫D7車轍數(shù)據(jù),左車轍寬度為1 185 mm,右車轍寬度為1 680 mm;左車轍最大深度為11 mm,右車轍最大深度為20 mm。

widthL=wL1-wL2

(10)

widthR=wR1-wR2

(11)

式中:widthL:左車轍寬度,單位(mm);wL1:左車轍左交點橫坐標(biāo);wL2:左車轍右交點橫坐標(biāo);widthR:右車轍寬度,單位(mm);wR1:右車轍左交點橫坐標(biāo);wR2:右車轍右交點橫坐標(biāo)。

結(jié)合車轍特征點及車道邊緣線坐標(biāo),可實現(xiàn)對車轍的橫向定位。以圖7為例,左車轍3個特征點與左側(cè)標(biāo)線內(nèi)側(cè)邊緣的相對距離分別是88 mm,719 mm,1 273 mm,右車轍3個特征點與左側(cè)標(biāo)線內(nèi)側(cè)邊緣的相對距離分別是1 675 mm,2 372 mm,3 271 mm。根據(jù)以上6點和標(biāo)線邊緣的相對距離,可以得出車轍在路面上的精確橫向定位。

圖7 車轍最大深度示意圖

3 試驗與分析

3.1 數(shù)據(jù)采集計劃

本文所用數(shù)據(jù)樣本采集地點為福州三環(huán)快速路,道路采用瀝青路面,數(shù)據(jù)采集路段總長2.1 km。起點A經(jīng)緯度坐標(biāo)為(26.047 44,119.235 21),終點B經(jīng)緯度坐標(biāo)為(26.028 38,119.244 32)。

3.2 試驗結(jié)果對比及分析

本節(jié)分別采用包絡(luò)線法和本文算法對30組路面橫斷面數(shù)據(jù)檢測處理。同時,為驗證包絡(luò)線法和本文算法檢測結(jié)果的準(zhǔn)確性,本文采用人工檢測法對數(shù)據(jù)樣本進(jìn)行車轍測量和橫向定位,將結(jié)果和包絡(luò)線法及本文算法檢測結(jié)果作對比分析。按照瀝青路面車轍測試方法[19],人工檢測法具體流程如下:由3名有充分車轍檢測經(jīng)驗的檢測人員分別對該數(shù)據(jù)樣本進(jìn)行人工檢測,得出車轍橫向定位,車轍寬度和車轍最大深度,然后對3組人工檢測結(jié)果求平均值,將其作為人工檢測結(jié)果。

圖8 包絡(luò)線法、本文算法和人工檢測車轍參數(shù)測量結(jié)果對比

3.2.1 車轍表征參數(shù)測量結(jié)果對比及分析

如圖8所示,針對車轍測量結(jié)果,對包絡(luò)線法、本文算法和人工檢測3種方法進(jìn)行對比。車轍最大深度分布情況如圖8(a)、8(b)所示,車轍寬度分布情況如圖8(c)、8(d)所示。通過計算包絡(luò)線法,本文算法和人工檢測結(jié)果的相對誤差[20],對比2種算法車轍測量結(jié)果的準(zhǔn)確性。對比人工測量結(jié)果,包絡(luò)線法車轍最大深度平均測量誤差為31%;車轍寬度平均測量誤差為25%。本文算法車轍最大深度平均測量誤差為1%,寬度平均測量誤差為2%。由此可得,本文算法測量結(jié)果相對誤差更小。

3.2.2 車轍定位結(jié)果及對比分析

針對車轍定位點,對本文算法和人工檢測結(jié)果進(jìn)行對比,針對左右車轍6個定位點,使用描述性統(tǒng)計中的相關(guān)系數(shù)對本文算法結(jié)果和人工檢測結(jié)果進(jìn)行相關(guān)性分析,以驗證本文算法車轍定位結(jié)果的準(zhǔn)確性。本文算法車轍端點橫向定位與人工測量結(jié)果的相關(guān)系數(shù)為0.91,車轍谷底點橫向定位與人工測量結(jié)果的相關(guān)系數(shù)為0.99,該結(jié)果表明本文算法可以實現(xiàn)對車轍的精確得橫向定位。

4 結(jié)語

本文利用2D圖像和3D激光點云數(shù)據(jù),結(jié)合基于路面水平軸的車轍檢測方法進(jìn)行車道內(nèi)區(qū)域截取、中縫消除、平滑、坡度校正、坐標(biāo)定位及車轍參數(shù)計算處理,實現(xiàn)對路面車轍的自動測量及定位。

①研究提出的車轍檢測方法消除了推波、擁包及車道外雜物干擾帶來的誤差;通過坡度校正,精準(zhǔn)提取車轍表征參數(shù);自動識別提取車道邊緣線坐標(biāo),實現(xiàn)對車轍于車道內(nèi)的橫向定位。

②將研究所提算法與包絡(luò)線法、人工測量結(jié)果對比,本文算法在車轍參數(shù)測量方面與人工檢測結(jié)果的相對誤差更小,獲得的車轍最大深度和車轍寬度更符合路面實際情況;在車轍定位方面通過三點定位法可以對車轍進(jìn)行精確地橫向定位,與人工檢測結(jié)果相關(guān)度在90%以上,最高可達(dá)99%。

③本文提出路面水平軸確定路面車轍自動測量及橫向定位方法,可用于路面車轍檢測,為道路養(yǎng)護(hù)提供數(shù)據(jù)支撐,有一定的應(yīng)用價值。