【技术实现步骤摘要】
本专利技术涉及工程测量和路面检测，具体涉及基于点云数据的路面坑槽裂缝三维模型建立方法。
技术介绍
1、随着交通量的不断增加，路面损伤问题日益凸显，尤其是在城市道路和高速公路中，坑槽、裂缝等问题不仅影响行车安全，还可能导致交通事故和经济损失。传统的路面检测方法，如人工巡检和简易测量，效率低、主观性强，容易遗漏一些微小的损伤，且难以提供全面的路面状况评估。这些缺陷使得传统方法难以满足现代化道路管理的需求。
2、近年来，三维激光扫描技术作为一种新兴的测量手段，逐渐被应用于路面检测领域。其主要优势在于高精度和高效率。三维激光扫描能够快速捕捉到大量的点云数据，形成高分辨率的三维模型。这些点云数据不仅能够精确记录路面的形状和特征，还能有效识别出坑槽、裂缝等损伤类型。此外，激光扫描技术还具有非接触测量的特点，能够在不干扰交通的情况下进行检测，极大地提高了测量效率和安全性。
3、相较于传统的检测技术，三维激光扫描提供了一种更为全面、准确的路面评估方法。通过点云数据，工程师可以详细分析路面损伤的分布情况和严重程度，进而制定相应的维修方案。这种基于数据的分析方法，使得路面管理更加科学、合理。
4、然而，虽然三维激光扫描技术具备诸多优势，但在实际应用中仍然面临一些挑战。首先，点云数据的处理和分析需要专业的软件和技术支持，这对操作人员的技术水平提出了较高的要求。其次，点云数据量大，处理起来耗时较长，尤其是在需要实时反馈的情况下，这可能影响检测效率。此外，如何从复杂的点云数据中有效提取出路面损伤信息，也是当前技术研究的
技术实现思路
1、本专利技术所要解决的技术问题在于：如何解决传统的路面检测方法效率低且易产生误差，难以满足现代道路管理的要求，进而高效、准确地利用点云数据识别路面坑槽和裂缝，并建立其三维模型，以便为道路维护和管理提供科学依据，提供了基于点云数据的路面坑槽裂缝三维模型建立方法，该方法通过自动化处理和智能分析，提升路面损伤识别的精度与效率。
2、本专利技术是通过以下技术方案解决上述技术问题的，本专利技术包括以下步骤：
3、步骤s1：数据采集与处理
4、根据预先规划好的采集线路及采集顺序，进行道路原始激光点云数据采集工作；
5、步骤s2：原始点云数据预处理
6、对道路原始激光点云数据进行预处理得到具有坑槽裂缝的局部路面点云；
7、步骤s3：坑槽裂缝点云识别
8、对具有坑槽裂缝的局部路面点云的每个点进行局部平面拟合，根据路面的参考法向量计算每个点的局部平面法向量与参考法向量之间的夹角并赋予特征值，基于每个点的特征值，并利用聚类算法识别出平整路面点云，然后剔除平整路面点云得到即可得到坑槽裂缝点云；
9、步骤s4：坑槽裂缝三维模型建立
10、对坑槽裂缝点云使用delaunay三角剖分算法生成坑槽裂缝的三角网格，然后对其进行表面重建，最终得到坑槽裂缝的三维实体模型。
11、更进一步地，在所述步骤s1中，道路原始激光点云数据采集过程如下：
12、步骤s11：在道路四周布设设定数量的靶标控制点；
13、步骤s12：采用rtk测量仪、水准测量仪获取靶标控制点的平面坐标与高程；
14、步骤s13：使用激光扫描系统获取道路原始激光点云数据；
15、步骤s14：选取预设的靶标控制点来检查道路原始激光点云数据的平面、高程精度。
16、更进一步地，在所述步骤s2中，对道路原始激光点云数据进行预处理的过程如下：
17、步骤s21：采用csf模拟布料滤波算法对道路原始激光点云数据中路面点和非路面点进行分离，得到路面点云；
18、步骤s22：采用统计滤波算法将路面点云中的高频噪声点去除；
19、步骤s23：采用高斯滤波器对经过步骤s22处理后的路面点云进行数据平滑；
20、步骤s24：采用体素滤波器对平滑后的路面点云进行下采样处理，得到简化点云；
21、步骤s25：人工寻找并裁剪出具有坑槽裂缝的局部路面点云。
22、更进一步地，在所述步骤s21中，采用csf模拟布料滤波算法对路面点和非路面点进行分离的过程如下：
23、步骤s211：将道路原始激光点云数据倒置，将倒置后的点云数据和用户模拟出来的布料节点投影到同一水平面上，并在点云数据中找到布料节点所对应的点，将其高度记为h；
24、步骤s212：在每次迭代过程中，比较布料节点的当前高度和h的大小，直到h与当前高度差距的绝对值小于预设数值或到达最大迭代次数时，迭代终止；
25、步骤s213：计算倒置后的迭代终止的点云数据点到布料节点之间的距离，当该距离大于设定阈值时，该点被记为道路点并保留，反之则被记为非道路点被过滤，进而得到路面点云。
26、更进一步地，在所述步骤s22中，采用统计滤波算法将路面点云中的高频噪声点去除的过程如下：
27、步骤s221：对每个道路点的邻域进行统计分析，则路面点云数据中所有数据点之间的距离假设构成高斯分布，其形状由均值和标准差决定；设路面点云数据中的第n个数据点坐标为，该数据点到任意一数据点的距离为：
28、；
29、步骤s222：计算遍历每个数据点到任意数据点之间距离的平均值，公式为：
30、；
31、步骤s223：设标准差为：
32、；
33、步骤s224：设标准差倍数为，当某个数据点临近k个数据点的平均距离在标准范围内时保留该点，不在该范围内时，则定义为离群点并删除。
34、更进一步地，在所述步骤s23中，采用高斯滤波器对路面点云进行平滑的过程如下：
35、步骤s231：选择每个点的邻域范围，确定用于平滑处理的邻域点，邻域范围通过设定一个半径值r来定义；
36、步骤s232：对于每个点，使用高斯函数计算邻域内每个点的权重，权重根据点到中心点的距离确定，距离越近，权重越大；
37、步骤s233：对于每个点，用其邻域内所有点的加权平均值来代替，得到新的平滑点，新的平滑点位置通过以下公式得到：
38、；
39、其中，是平滑后的点，是邻域内的点，是对应的权重；
40、步骤s234：重复步骤s231至步骤s233，直至所有点的平滑处理完成；
41、步骤s235：输出经过高斯滤波器平滑处理的路面点云数据。
42、更进一步地，在所述步骤s24中，采用体素滤波器对平滑后的路面点云进行下采样处理的过程如下：
43、步骤s241：初始化滤波器参数，包括体素的大小；
44、步骤s242：将平滑后的路面点云划分到相应的体素中，遍历路面点云中的每个数据点，根据数据点的坐标确定它所属的体素，将数据点的坐本文档来自技高网...
【技术保护点】
1.基于点云数据的路面坑槽裂缝三维模型建立方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于点云数据的路面坑槽裂缝三维模型建立方法，其特征在于，在所述步骤S1中，道路原始激光点云数据采集过程如下：
3.根据权利要求2所述的基于点云数据的路面坑槽裂缝三维模型建立方法，其特征在于，在所述步骤S2中，对道路原始激光点云数据进行预处理的过程如下：
4.根据权利要求3所述的基于点云数据的路面坑槽裂缝三维模型建立方法，其特征在于，在所述步骤S21中，采用CSF模拟布料滤波算法对路面点和非路面点进行分离的过程如下：
5.根据权利要求3所述的基于点云数据的路面坑槽裂缝三维模型建立方法，其特征在于，在所述步骤S22中，采用统计滤波算法将路面点云中的高频噪声点去除的过程如下：
6.根据权利要求3所述的基于点云数据的路面坑槽裂缝三维模型建立方法，其特征在于，在所述步骤S23中，采用高斯滤波器对路面点云进行平滑的过程如下：
7.根据权利要求1所述的基于点云数据的路面坑槽裂缝三维模型建立方法，其特征在于，在所述步骤S3中，
8.根据权利要求7所述的基于点云数据的路面坑槽裂缝三维模型建立方法，其特征在于，在所述步骤S31中，局部平面法向量的计算过程如下：
9.根据权利要求8所述的基于点云数据的路面坑槽裂缝三维模型建立方法，其特征在于，在所述步骤S32中，具体处理过程如下：
10.根据权利要求9所述的基于点云数据的路面坑槽裂缝三维模型建立方法，其特征在于，在所述步骤S4中，坑槽裂缝三维模型建立的过程如下：
...【技术特征摘要】
1.基于点云数据的路面坑槽裂缝三维模型建立方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于点云数据的路面坑槽裂缝三维模型建立方法，其特征在于，在所述步骤s1中，道路原始激光点云数据采集过程如下：
3.根据权利要求2所述的基于点云数据的路面坑槽裂缝三维模型建立方法，其特征在于，在所述步骤s2中，对道路原始激光点云数据进行预处理的过程如下：
4.根据权利要求3所述的基于点云数据的路面坑槽裂缝三维模型建立方法，其特征在于，在所述步骤s21中，采用csf模拟布料滤波算法对路面点和非路面点进行分离的过程如下：
5.根据权利要求3所述的基于点云数据的路面坑槽裂缝三维模型建立方法，其特征在于，在所述步骤s22中，采用统计滤波算法将路面点云中的高频噪声点去除的过程如下...
【专利技术属性】
技术研发人员：杨琪，张峰，徐钦国，沈志强，另本春，彭涛，程杰胜，曾庆春，张驰，刘叶伟，姬家星，吴敬奎，
申请(专利权)人：中铁四局集团有限公司，
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。