金肅靜，羅 佳，顧海榮，劉 勝，韓 帥

(1.浙江省交通運輸科學研究院，浙江 杭州 311305；2.長安大學 公路養(yǎng)護裝備國家工程實驗室，陜西 西安 710064；3.浙江省道橋檢測與養(yǎng)護技術(shù)研究重點實驗室，浙江 杭州 311112；4.麗水市交通工程質(zhì)量監(jiān)督站，浙江 麗水 323050)

0 引言

碎石封層技術(shù)是一種高效、經(jīng)濟、快速的路面養(yǎng)護技術(shù)，運用碎石封層車將一定級配的碎石及瀝青同步鋪灑在路面上，通過膠輪壓路機或自然行車碾壓形成單層瀝青碎石磨耗層，在公路工程中應用廣泛[1-3]。

碎石撒布的覆蓋率是碎石封層施工質(zhì)量的重要指標之一[4]，會影響基層表面整體受力及瀝青面層的抗裂能力，進而影響道路的使用壽命[5]。目前國內(nèi)對碎石覆蓋率計算方法已開展了部分研究，張國華[6]通過計算瀝青噴灑量和碎石撒布量來衡量碎石封層的施工質(zhì)量和覆蓋率；謝立揚[7]在假定試驗數(shù)據(jù)按正態(tài)分布的情況下，以撒布概率作為碎石撒布質(zhì)量的評價指標；高曉剛[8]等人通過超聲波測量以及均方差來判斷碎石撒布的覆蓋率。以上技術(shù)都未能直接觀測封層表面數(shù)據(jù)，碎石覆蓋率評價方法不夠完善。

路面構(gòu)造深度是表征路面微觀構(gòu)造的重要指標[9]。國內(nèi)外獲取路面構(gòu)造深度的檢測方法有鋪沙法、排水測定法和激光斷面檢測法[10]。鋪沙法將已知體積的標準沙均勻地鋪灑在路面上，沙的體積與所攤鋪面積之比為路面的構(gòu)造深度，操作簡單，但對標準沙的尺寸、干濕度均有嚴格要求，檢測速度慢；排水測定法是通過檢測一定體積的水通過路面所消耗的時間來反映構(gòu)造深度，但水的流動性不易控制，測量復雜；激光斷面檢測法[11]采用激光傳感器采集數(shù)據(jù)，測量結(jié)果精確，但設備昂貴。華南理工大學王端宜[12]提出采用數(shù)碼相機獲取路面圖像，運用圖像點的明暗差異表示路表的凹凸程度，再通過比例修正得到路表構(gòu)造深度，此種方法易受路面紋理結(jié)構(gòu)和光照影響。

針對上述問題，本研究對碎石封層施工中的碎石撒布質(zhì)量評價方法進行研究。采用深度相機獲取碎石封層的表面圖像和深度圖像，根據(jù)表面圖像像素點的灰度差異，提出了基于最大類間方差法和形態(tài)學方法的碎石覆蓋率算法，快速準確地識別分離碎石輪廓，并計算碎石的覆蓋率；通過深度圖像數(shù)據(jù)，構(gòu)建碎石封層表面的空間曲面，計算碎石封層的構(gòu)造深度；對碎石封層的碎石撒布覆蓋率和表面構(gòu)造深度指標進行評價。

1 碎石封層表面圖像的獲取

相比于超聲波、雷達、激光等傳感器，視覺傳感器的成本更低，并且可同時獲取碎石的彩色圖像，已經(jīng)被廣泛應用于工業(yè)領(lǐng)域中。常見的基于視覺傳感器的深度數(shù)據(jù)獲取方法有雙目測距法、結(jié)構(gòu)光投影法和飛行時間法[13]。雙目測距法和結(jié)構(gòu)光投影法更依賴純圖像匹配，容易受環(huán)境光干擾，室外效果差，隨檢測距離增加，精度會變降低[14]，而飛行時間法受環(huán)境光的干擾少，測量精度更高。本研究利用基于飛行時間法原理的深度相機采集數(shù)字圖像，研究碎石封層的覆蓋率和構(gòu)造深度檢測方法。

基于飛行時間法(TOF)原理的深度相機可以測量光脈沖在傳感器與物體表面之間的飛行時間[15]，飛行時間與光速的乘積是測量距離的兩倍。被測物體與相機之間距離的計算公式如下:

(1)

式中，D為被檢測面與深度相機之間的距離；c為光速，3×108m/s;Δφ為發(fā)射信號與接收信號之間的相位差；f為信號的調(diào)制頻率。圖1為圖像采集試驗裝置。

圖1 圖像采集裝置Fig.1 Image acquisition device

將L515型深度相機固定在相機托架上，通過調(diào)整水平支架和豎直支架的位置，使深度相機與碎石封層表面保持平行，深度相機信號輸出端與計算機連接，采集碎石封層的圖像。

2 碎石封層表面的覆蓋率計算

碎石覆蓋率也就是圖像中碎石顆粒像素占整個圖像像素總數(shù)的百分比。為了準確區(qū)分圖像中的碎石與瀝青類別，研究了一種基于最大類間方差法和形態(tài)學方法的碎石封層覆蓋率算法。

2.1 基于最大類間方差法的顆粒分離

計算機進行圖像處理時，會將數(shù)字圖像轉(zhuǎn)換成為一個二維矩陣[16]。本研究采集的碎石封層圖像為彩色圖像，為了分析圖像像素點灰度變化，并減少計算量，將采集到的三通道的彩色圖像轉(zhuǎn)換為單通道的灰度圖像。

Gray=0.299R+0.587G+0.114B，

(2)

式中，R為紅色通道像素的亮度級別；G為綠色通道像素的亮度級別；B為藍色通道像素的亮度級別。

對灰度化后碎石封層圖像進行二值化處理[17]，凸顯出封層表面的碎石輪廓。最大類間方差法(OTSU)，是一種基于全局的二值化算法。首先根據(jù)圖像的灰度特性，假設一分割閾值，將碎石封層圖像分為碎石前景和瀝青背景兩類，根據(jù)前景和背景兩類像素的均值和在全局像素中的比例，計算前景和背景的方差。封層圖像中的碎石被錯分為背景或部分瀝青背景被錯分為前景時，會導致計算出的方差變??；前景和背景之間的類間方差越大，說明構(gòu)成圖像的兩個類間的差別越大。

(3)

式中，nq為灰度值為q的像素數(shù)量；n為圖像中像素的總數(shù)。

為了得到合適的分離閾值k，獲得最大類間方差：

(4)

(5)

P2(k)=1-P1(k)，

(6)

(7)

根據(jù)最大類間方差法不斷迭代計算出碎石圖像的最優(yōu)分割閾值，利用最優(yōu)閾值來對碎石的二值化圖像進行處理，得到如圖2比較好的分割效果，可以明顯的描繪出碎石輪廓，白色部分為碎石顆粒。

圖2 分割后碎石圖像Fig.2 Gravel image after segmentation

2.2 形態(tài)學方法優(yōu)化碎石圖像

利用最大類間方差法可以有效的分割出碎石顆粒，但此時的碎石圖像還存在一些不足，如碎石顆粒間彼此連接、邊界模糊、一些碎石的內(nèi)部存在空洞[18]，應對分割后圖像進行優(yōu)化處理。本研究采用形態(tài)學方法優(yōu)化碎石圖像，形態(tài)學方法分為開運算和閉運算。

首先對分割后的碎石封層圖像進行開運算，消除碎石輪廓圖像邊緣的狹小突刺，斷開碎石輪廓之間細小狹長的部分[19]。再進行閉運算填補碎石輪廓圖像中內(nèi)部的小孔和邊緣缺口，連接細小狹窄的斷裂部分確保連通區(qū)域的完整性，平滑連通區(qū)域的邊緣。

對二值圖像進行開閉運算后的效果如圖3所示。

圖3 開閉運算處理分割后圖像Fig.3 Processing segmented image by opening and closing operations

圖3(a)為開運算處理后圖像，設置開運算的閾值為2像素。與二值化處理后的碎石圖像相比，可以明顯看到消除了其中碎石邊緣比較狹小的突刺。圖3(b)為閉運算處理后的圖像，填補了碎石輪廓內(nèi)部的一些小孔，平滑了碎石區(qū)域的邊緣，優(yōu)化出一個最佳的碎石輪廓圖像。

碎石和瀝青同時鋪灑時，在碎石封層圖像中會有一些小徑的碎石或瀝青顆粒，對封層整體性能影響比較小，因此剔除一些小徑顆粒。圖4為剔除直徑3 mm以下的小顆粒狀后的碎石圖像。

圖4 剔除小顆粒Fig.4 Removing small particles

利用下式計算碎石撒布的覆蓋率指標。

(8)

式中，ψ為碎石覆蓋率；R為碎石封層圖像中碎石的面積(像素數(shù))；A為整幅圖像的面積(像素數(shù))。

3 碎石封層的表面構(gòu)造深度

路面的構(gòu)造深度是指一定面積的路表面凹凸不平的平均深度，是評價路面質(zhì)量的重要指標[20]，以較低的成本快速獲得高精度的路面構(gòu)造深度指標是道路路面檢測的難度和重點[10,21]。本研究采用深度相機獲取碎石封層深度圖像，通過距離封層表面的深度數(shù)據(jù)計算路面構(gòu)造深度，對碎石封層的撒布質(zhì)量進行評價。

利用深度相機獲取的碎石封層深度數(shù)據(jù)如圖5所示，其中X，Y為獲取深度數(shù)據(jù)的像素坐標，Z軸為深度圖像上每像素點深度相機距封層表面的距離，在深度圖像上不同的深度表現(xiàn)為不同的顏色。

圖5 封層表面深度數(shù)據(jù)Fig.5 Surface depth data of seal

圖6為封層表面某一斷面的深度信息，其中F0為整個深度信息的平均值，斷面曲線的波峰與波谷表示每點像素深度，每點的構(gòu)造深度為每像素點深度與平均深度的偏差值，整個斷面曲線的平均構(gòu)造深度為所有像素點的平均偏差值。

圖6 斷面深度信息Fig.6 Section depth information

根據(jù)深度相機獲取的整個表面深度數(shù)據(jù)，可以直觀地觀察到碎石封層表面凹凸不平的起伏程度，整個表面的深度數(shù)據(jù)減去平均深度并進行卷積二重積分計算，得到給定區(qū)域碎石封層的構(gòu)造空間曲面體積V，并根據(jù)測量的碎石面積A計算出該測量表面的平均構(gòu)造深度H。

(9)

式中，F(xiàn)0為深度相機距離表面的平均深度；F(x,y)為獲取的每像素點的深度數(shù)據(jù)；D為所測量表面的區(qū)域面積；V為空間曲面構(gòu)造出的體積。

(10)

式中，H為基于深度信息的平均路面構(gòu)造深度；A為測量的碎石封層表面積；φ為像素圖像與實際圖像的比例系數(shù)。

4 試驗驗證及分析

在實驗室環(huán)境下模擬直徑在9.5～19 mm的碎石顆粒封層鋪撒后的狀態(tài)，利用深度相機分別在距封層表面200 mm和300 mm處采集30幅碎石封層圖像，對獲取的彩色圖像利用最大類間方差法和形態(tài)學處理，描述封層圖像上碎石邊緣輪廓，并計算碎石的覆蓋率，如圖7所示。

圖7 30幅碎石封層表面覆蓋率和閾值Fig.7 Thirty pieces of gravel seal surface coverage and threshold

圖7(b)為距表面200 mm和300 mm高度利用最大類間方差法計算的分割閾值，不同高度下的圖像分割閾值接近。圖7(a)為距表面200 mm和300 mm 高度下計算出的碎石覆蓋率，兩個高度的覆蓋率趨勢相同，計算的覆蓋率在50%左右，碎石覆蓋率誤差在2%之內(nèi)，表明該碎石覆蓋率檢測算法的準確性。

我國公路工程中常用的構(gòu)造深度檢測方法為鋪沙法。本研究在碎石級配為9.5～19 mm的典型碎石封層路段隨機選擇5處封層表面，進行深度信息檢測方法與鋪沙法的對比試驗，采集的每段碎石封層面積為300 mm×300 mm，基于深度相機獲取的深度信息檢測和鋪沙法檢測數(shù)據(jù)見表1。

表1 5段碎石封層表面的檢測數(shù)據(jù)Tab.1 Inspection data of 5-segment gravel seal surface

圖8為5段碎石封層表面基于深度相機獲取深度信息計算的表面構(gòu)造深度和鋪沙法獲得的構(gòu)造深度的比較曲線，兩曲線趨勢相同，且深度信息構(gòu)造深度的最大檢測誤差在3%之內(nèi)，結(jié)果表明利用深度相機獲取深度圖像計算的路面構(gòu)造深度可對碎石封層表面進行準確檢測。

圖8 5段碎石封層路面構(gòu)造深度比較Fig.8 Comparison of pavement structure depths of 5-segment gravel seal

5 結(jié)論

(1)針對現(xiàn)有碎石撒布質(zhì)量檢測方法未能直接觀測分析碎石封層表面問題，提出一種基于深度相機獲取碎石封層彩色圖像和深度信息，分析計算表面碎石覆蓋率和封層路面構(gòu)造深度，對碎石撒布質(zhì)量進行評價的方法。

(2)基于最大類間方差法和形態(tài)學方法，分離封層表面圖像中的碎石與瀝青，填補碎石內(nèi)部空洞，銳化碎石邊界，優(yōu)化碎石輪廓，獲得封層表面的碎石覆蓋率；對獲取整個表面的深度圖像信息進行二重積分計算，構(gòu)建給定區(qū)域圖像碎石封層空間曲面，并通過各像素點深度偏差值計算碎石封層的平均構(gòu)造深度。

(3)在不同高度下采集多幅碎石封層圖像進行覆蓋率計算，誤差在2%之內(nèi)；分別選擇5段不同碎石封層路段，比較深度圖像路面構(gòu)造深度與鋪沙法獲取的構(gòu)造深度，最大誤差在3%之內(nèi)，表明該方法可用于碎石封層表面撒布質(zhì)量的檢測。