本发明专利技术公开了一种路面坑槽病害的识别方法、装置、设备和介质，涉及计算机技术领域。先获取路面坑槽病害的多个三维图像，并基于各三维图像生成点云数据，然后将点云数据分割为路面点云数据和坑槽病害点云数据，最后坑槽病害点云数据进行三角剖分得到三角网格，基于三角网格计算坑槽病害的损害面积和损害体积。本发明专利技术通过对坑槽病害点云数据进行三角剖分，充分利用到了槽病害点云数据中的每个三维点，使得后续计算坑槽病害的三维数据的过程中，最大限度的利用了坑槽病害点云数据，减小了坑槽病害点的三维参数计算过程中的精度损失，提高了坑槽病害点的三维参数的计算精度。
1、目前，随着公路建设和交通运输的不断发展，我国公路建设的主要重心已经逐渐转移到公路检测与养护上来，由于坑槽病害是路面常见的病害类型，同时也是影响交通安全与驾驶体验的主要病害类型。并且关于坑槽病害的检测与维修涉及面积、体积和深度的问题，因此与裂缝等其他类型病害相比，坑槽病害的检测与维修会更加复杂和困难。
2、现有技术已有的一些关于路面坑槽病害三维参数的识别方法，如基于双目视觉法三维坐标计算坑槽病害的损害面积与体积，双目视觉技术一般获取两个不同视角的图像数据后进行坐标转换，由于视角不足导致信息量过少，损害深度计算的鲁棒性较低。还有基于图像分割技术获取坑槽病害的损害面积，例如通过灰度值处理等方法采用连续拍摄的2d图像提取坑槽边缘后计算边缘内像素面积，但这方法对图像质量有很高要求，且易受到图像畸变，光照等条件的影响带来较大误差。此外，还有基于三维重建技术，得到路面及坑槽病害的点云数据，从而计算坑槽病害的损害面积与体积等等。
>4、获取包含路面坑槽病害的多个三维图像，对各三维图像进行图像特征点提取，并进行图像特征点匹配；5、根据图像特征点，基于对极几何关系确定各三维图像的相机位姿，以及基于三角化方法生成三维点，得到三维点组成的点云数据，并将点云数据分割为路面点云数据和坑槽病害点云数据；
6、对坑槽病害点云数据进行三角剖分得到三角网格，计算三角网格在路面点云数据所在平面的投影的面积，作为坑槽病害的损害面积；
7、根据三角网格各边，将坑槽病害点云数据切割为多个三棱柱和四棱锥的组合，分别计算各三棱柱和各四棱锥的体积并加和，得到坑槽病害的损害体积。
8、可选地，所述将点云数据分割为路面点云数据和坑槽病害点云数据，具体包括：
9、通过基于平面拟合的随机一致性采样算法确定点云数据中路面所在平面的平面参数，并通过多轮迭代优化得到最优平面解；
10、通过下式，将处于路面所在平面之内的三维点组成的部分点云数据确定为路面点云数据，将处于路面所在平面之外的三维点组成的部分点云数据确定为坑槽病害点云数据：
11、
12、其中，d为点m1到平面的距离，m0为初始随机选取的三个点所确定平面上一点，m1为除初始随机选取的三个点外的一点，为平面法向量。
13、可选地，所述计算三角网格在路面点云数据所在平面的投影的面积，具体包括：
14、通过面积公式计算三角网格中每个三角形在路面点云数据所在平面的投影的面积：
15、对各三角形的投影的面积进行加和，得到三角网格在路面点云数据所在平面的投影的面积；
16、其中，sa'b'c'为三角形的投影的面积，u为三角形的投影的周长，a、b、c为三角形的投影的各边长度。
17、可选地，所述根据三角网格各边，将坑槽病害点云数据切割为多个三棱柱和四棱锥的组合，具体包括：
18、根据过三角网格中每个三角形的边且垂直于路面点云数据所在平面的面，以及过每个三角形中最低点且平行于路面点云数据所在平面的面，将坑槽病害点云数据切割为多个三棱柱和四棱锥的组合。
19、可选地，所述方法还包括：
20、通过下式对点云数据进行滤波降噪：
21、
22、
23、
24、dmax＝μ+σα；
25、其中，si表示为pa(xa，ya，za)到k个邻近点的其中一点pb(xb，yb，zb)的距离，(xa,ya,za)为点云数据中三维点的坐标，(xb,yb,zb)为与所述三维点k个邻近点中三维点的坐标，μ为所有距离的均值，k为邻近点个数，σ为标准差，dmax为距离阈值，α为比例系数，是一个常数，它的值取决于邻近点的个数。
26、可选地，所述方法还包括：
27、将各三维点在三维坐标系的三个坐标值作为点云数据的三个特征；
28、对各坐标轴对应的特征分别求取平均值，将每个三维点的每个特征减去对应的平均值，得到对点云数据中各三维点进行数据中心化后的新坐标，并将各新坐标组合为矩阵；
29、通过下式计算旋转矩阵，根据旋转矩阵对点云数据进行旋转变换得到归正后的点云数据：
30、cov=c·ct；ue=svd(cov)；a′＝a×tr；
31、其中，c为新坐标组合得到的矩阵，cov为协方差矩阵，ur为协方差矩阵的主成分特征向量，svd()表示奇异值分解，tr为旋转矩阵，ir为单位矩阵，a为点云数据，a'为归正后的点云数据。
32、可选地，所述三维图像为通过无人机搭载图像采集设备在不同高度下多个角度采集得到的三维图像。
33、本说明书提供了一种路面坑槽病害的识别装置，包括：
34、获取模块，用于获取包含路面坑槽病害的多个三维图像，对各三维图像进行图像特征点提取，并进行图像特征点匹配；
35、点云分割模块，用于根据图像特征点，基于对极几何关系确定各三维图像的相机位姿，以及基于三角化方法生成三维点，得到三维点组成的点云数据，并将点云数据分割为路面点云数据和坑槽病害点云数据；
36、面积计算模块，用于对坑槽病害点云数据进行三角剖分得到三角网格，计算三角网格在路面点云数据所在平面的投影的面积，作为坑槽病害的损害面积；
37、体积计算模块，用于根据三角网格各边，将坑槽病害点云数据切割为多个三棱柱和四棱锥的组合，分别计算各三棱柱和各四棱锥的体积并加和，得到坑槽病害的损害体积。
38、本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述路面坑槽病害的识别方法。
39、本说明书提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述路面坑槽病害的识别方法。
40、本说明书采用的上述至少一个技术方案能够达到以下有益效果：
41、先获取路面坑槽病害的多个三维图像，并基于各三维图像生成点云数据，然后将点云数据分割为路面点云数据和坑槽病害点云数据，最后坑槽病害点云数据进行三角剖分得到三角网格，基于三角网格计算坑槽病害的损害面积和损害体积。
42、本专利技术通过对坑槽病害点云数据进行三角剖分，充分利用到了槽病害点云数据中的每个三维点，使得后续计算坑槽病害的三维数据的过程中，最大本文档来自技高网...
【技术保护点】
1.一种路面坑槽病害的识别方法，其特征在于，包括：
2.如权利要求1所述的路面坑槽病害的识别方法，其特征在于，所述将点云数据分割为路面点云数据和坑槽病害点云数据，具体包括：
3.如权利要求1所述的路面坑槽病害的识别方法，其特征在于，所述计算三角网格在路面点云数据所在平面的投影的面积，具体包括：
4.如权利要求1所述的路面坑槽病害的识别方法，其特征在于，所述根据三角网格各边，将坑槽病害点云数据切割为多个三棱柱和四棱锥的组合，具体包括：
5.如权利要求1所述的路面坑槽病害的识别方法，其特征在于，所述方法还包括：
6.如权利要求1所述的路面坑槽病害的识别方法，其特征在于，所述方法还包括：
7.如权利要求1所述的路面坑槽病害的识别方法，其特征在于，所述三维图像为通过无人机搭载图像采集设备在不同高度下多个角度采集得到的三维图像。
8.一种路面坑槽病害的识别装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～7任一项所述的方法。
10.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述权利要求1～7任一所述的方法。
...
【技术特征摘要】
1.一种路面坑槽病害的识别方法，其特征在于，包括：
2.如权利要求1所述的路面坑槽病害的识别方法，其特征在于，所述将点云数据分割为路面点云数据和坑槽病害点云数据，具体包括：
3.如权利要求1所述的路面坑槽病害的识别方法，其特征在于，所述计算三角网格在路面点云数据所在平面的投影的面积，具体包括：
4.如权利要求1所述的路面坑槽病害的识别方法，其特征在于，所述根据三角网格各边，将坑槽病害点云数据切割为多个三棱柱和四棱锥的组合，具体包括：
5.如权利要求1所述的路面坑槽病害的识别方法，其特征在于，所述方法还包括：
6.如权利要求1所述的...
【专利技术属性】
技术研发人员：高明星，蒋正发，赵婷，马东梅，李勇，关鹏，方淑艳，霍艳辉，王浩洋，张林，吕翠翠，
申请(专利权)人：内蒙古农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。