• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      基于路面3D激光點(diǎn)云數(shù)據(jù)的車轍自動(dòng)測(cè)量與橫向定位*

      2019-05-08 10:38:30李中軼羅文婷郭建鋼
      傳感技術(shù)學(xué)報(bào) 2019年4期
      關(guān)鍵詞:橫斷面車轍車道

      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(shí),轍槽處積水所產(chǎn)生的水霧影響行車視線,導(dǎo)致制動(dòng)系數(shù)下降,會(huì)影響車輛轉(zhuǎn)彎或變道時(shí)的穩(wěn)定性。同時(shí),車轍病害會(huì)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(duì)路面車轍進(jìn)行快速,準(zhǔn)確地檢測(cè)并對(duì)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(guó)內(nèi)普遍采用共梁式非均布13點(diǎn)激光檢測(cè)設(shè)備進(jìn)行車轍測(cè)量[3-4]。但由于點(diǎn)激光數(shù)量有限,無(wú)法獲得完整、連續(xù)的道路橫斷面數(shù)據(jù);固定點(diǎn)提取車轍最大深度信息,會(huì)影響測(cè)量的準(zhǔn)確性。同時(shí),采集過(guò)程中檢測(cè)車的偏移,致使無(wú)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(cè)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(diǎn),導(dǎo)致了一定的測(cè)量誤差。

      本研究采用全車道覆蓋、完全匹配的2D/3D激光點(diǎn)云數(shù)據(jù)進(jìn)行車轍的測(cè)量及橫向定位。研究針對(duì)傳統(tǒng)車轍檢測(cè)由于檢測(cè)車偏移導(dǎo)致車轍定位不準(zhǔn)及擁包和推波影響的問(wèn)題,提出基于路面水平軸處理車轍數(shù)據(jù)的方法,實(shí)現(xiàn)路面車轍的精確測(cè)量。同時(shí),通過(guò)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(shí)例對(duì)比基于路面水平軸的車轍測(cè)量方法與包絡(luò)線法,并通過(guò)人工測(cè)量結(jié)果驗(yàn)證兩種方法的準(zhǔn)確性。

      1 路面3D激光點(diǎn)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(jiàn)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(guò)圖像拼接,可覆蓋整個(gè)車道寬度,數(shù)據(jù)采集速度達(dá)100 km/h。檢測(cè)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(shí)時(shí)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(cè)對(duì)象的一個(gè)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(cè)量原理,測(cè)點(diǎn)高程值可以由CCD像平面測(cè)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(jì)算得出[8]。通過(guò)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(diǎn)云數(shù)據(jù)

      三維激光成像設(shè)備同時(shí)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(zhǎng)),3D數(shù)據(jù)尺寸為3 884 mm(寬)(2 048 mm(長(zhǎng))。3D激光點(diǎn)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(shí)別。3D激光點(diǎn)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(cè)數(shù)據(jù)樣本。

      2 基于路面水平軸的車轍檢測(cè)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(diǎn)云數(shù)據(jù)。由于數(shù)據(jù)覆蓋范圍超過(guò)車道寬度,采集數(shù)據(jù)時(shí)會(huì)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(diǎn)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(guò)高或過(guò)低,進(jìn)而影響車轍參數(shù)測(cè)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(duì)2D路面圖像進(jìn)行濾波處理,并對(duì)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(duì)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(duì)其標(biāo)線邊緣進(jìn)行檢測(cè)和定位,結(jié)果見(jiàn)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(shí)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(duì)3D激光點(diǎn)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(duì)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(diǎn)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(diǎn)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(wèn)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(gè)工業(yè)相機(jī)(每個(gè)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(cè)車行駛中的顛簸會(huì)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(diǎn)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(duì)曲線左右兩部分激光點(diǎn)云數(shù)據(jù)進(jìn)行處理,消除路面橫斷面曲線中縫[16]?;趫D4中的數(shù)據(jù),計(jì)算得出mean1和mean2分別為341 mm和334 mm,對(duì)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(diǎn)高程均值(mm);yi為曲線左半部分激光點(diǎn)高程(mm);mean2為曲線右半部分激光點(diǎn)高程均值(mm);yj為曲線左右半部分激光點(diǎn)高程(mm);m1為兩者側(cè)高程均值差(mm)。

      同時(shí),路面反光物的反射會(huì)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(huì)影響車轍參數(shù)的測(cè)量及橫向定位,需要對(duì)其進(jìn)行平滑處理。本文利用局部加權(quán)回歸的方法對(duì)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(cè)車采集數(shù)據(jù)時(shí)在存在橫坡度的路面上行駛,激光橫剖面數(shù)據(jù)會(huì)存在一定的傾角,如圖5(a)曲線所示,這會(huì)影響車轍最大深度、寬度的測(cè)量,因此需要對(duì)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(cè)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(diǎn)云數(shù)據(jù)。通過(guò)式(5)計(jì)算橫剖面曲線傾斜角θ。然后,基于此傾斜角將整個(gè)橫剖曲線旋轉(zhuǎn)至水平,其中各點(diǎn)的高度值可通過(guò)式(6)、式(7)計(jì)算得到。坡度校正后的效果如圖5(b)曲線所示。同時(shí)為了方便后續(xù)對(duì)車轍進(jìn)行測(cè)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(diǎn)的高程,(mm);y1為曲線左端未發(fā)生形變點(diǎn)的高程,(mm);h為曲線上每點(diǎn)應(yīng)校正的高度差,(mm);x1為曲線左端未發(fā)生形變點(diǎn)的的橫坐標(biāo);k的范圍為[1,n];xk為曲線上點(diǎn)的橫坐標(biāo);yk為曲線上點(diǎn)的高程,(mm)。

      2.4 基于路面水平軸的車轍特征點(diǎn)提取

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

      圖6 車轍特征點(diǎn)提取示意圖

      車轍端點(diǎn)及谷底點(diǎn)的提取算法如下:假設(shè)左/右車轍激光點(diǎn)橫坐標(biāo)范圍為[1,a],分別設(shè)定O(x,y)為車轍谷底點(diǎn),P(x,y)為車轍左端點(diǎn),Q(x,y)為車轍右端點(diǎn),具體見(jiàn)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(diǎn)的高程,(mm);yd為左車轍谷底點(diǎn)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(diǎn)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(shí)點(diǎn)的橫坐標(biāo);

      2.5 車轍表征參數(shù)測(cè)量及橫向定位

      在車轍特征點(diǎn)提取的基礎(chǔ)上,可對(duì)路面橫斷面曲線進(jìn)行車轍表征參數(shù)的測(cè)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(diǎn)之間的水平距離,車轍最大深度即路面橫斷面曲線谷底點(diǎn)到路面水平軸的垂直距離,可通過(guò)式(10)、式(11)計(jì)算得出。基于圖7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(diǎn)橫坐標(biāo);wL2:左車轍右交點(diǎn)橫坐標(biāo);widthR:右車轍寬度,單位(mm);wR1:右車轍左交點(diǎn)橫坐標(biāo);wR2:右車轍右交點(diǎn)橫坐標(biāo)。

      結(jié)合車轍特征點(diǎn)及車道邊緣線坐標(biāo),可實(shí)現(xiàn)對(duì)車轍的橫向定位。以圖7為例,左車轍3個(gè)特征點(diǎn)與左側(cè)標(biāo)線內(nèi)側(cè)邊緣的相對(duì)距離分別是88 mm,719 mm,1 273 mm,右車轍3個(gè)特征點(diǎn)與左側(cè)標(biāo)線內(nèi)側(cè)邊緣的相對(duì)距離分別是1 675 mm,2 372 mm,3 271 mm。根據(jù)以上6點(diǎn)和標(biāo)線邊緣的相對(duì)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(yàn)與分析

      3.1 數(shù)據(jù)采集計(jì)劃

      本文所用數(shù)據(jù)樣本采集地點(diǎn)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(zhǎng)2.1 km。起點(diǎn)A經(jīng)緯度坐標(biāo)為(26.047 44,119.235 21),終點(diǎn)B經(jīng)緯度坐標(biāo)為(26.028 38,119.244 32)。

      3.2 試驗(yàn)結(jié)果對(duì)比及分析

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

      圖8 包絡(luò)線法、本文算法和人工檢測(cè)車轍參數(shù)測(cè)量結(jié)果對(duì)比

      3.2.1 車轍表征參數(shù)測(cè)量結(jié)果對(duì)比及分析

      如圖8所示,針對(duì)車轍測(cè)量結(jié)果,對(duì)包絡(luò)線法、本文算法和人工檢測(cè)3種方法進(jìn)行對(duì)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(guò)計(jì)算包絡(luò)線法,本文算法和人工檢測(cè)結(jié)果的相對(duì)誤差[20],對(duì)比2種算法車轍測(cè)量結(jié)果的準(zhǔn)確性。對(duì)比人工測(cè)量結(jié)果,包絡(luò)線法車轍最大深度平均測(cè)量誤差為31%;車轍寬度平均測(cè)量誤差為25%。本文算法車轍最大深度平均測(cè)量誤差為1%,寬度平均測(cè)量誤差為2%。由此可得,本文算法測(cè)量結(jié)果相對(duì)誤差更小。

      3.2.2 車轍定位結(jié)果及對(duì)比分析

      針對(duì)車轍定位點(diǎn),對(duì)本文算法和人工檢測(cè)結(jié)果進(jìn)行對(duì)比,針對(duì)左右車轍6個(gè)定位點(diǎn),使用描述性統(tǒng)計(jì)中的相關(guān)系數(shù)對(duì)本文算法結(jié)果和人工檢測(cè)結(jié)果進(jìn)行相關(guān)性分析,以驗(yàn)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(diǎn)橫向定位與人工測(cè)量結(jié)果的相關(guān)系數(shù)為0.91,車轍谷底點(diǎn)橫向定位與人工測(cè)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(shí)現(xiàn)對(duì)車轍的精確得橫向定位。

      4 結(jié)語(yǔ)

      本文利用2D圖像和3D激光點(diǎn)云數(shù)據(jù),結(jié)合基于路面水平軸的車轍檢測(cè)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(jì)算處理,實(shí)現(xiàn)對(duì)路面車轍的自動(dòng)測(cè)量及定位。

      ①研究提出的車轍檢測(cè)方法消除了推波、擁包及車道外雜物干擾帶來(lái)的誤差;通過(guò)坡度校正,精準(zhǔn)提取車轍表征參數(shù);自動(dòng)識(shí)別提取車道邊緣線坐標(biāo),實(shí)現(xiàn)對(duì)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(cè)量結(jié)果對(duì)比,本文算法在車轍參數(shù)測(cè)量方面與人工檢測(cè)結(jié)果的相對(duì)誤差更小,獲得的車轍最大深度和車轍寬度更符合路面實(shí)際情況;在車轍定位方面通過(guò)三點(diǎn)定位法可以對(duì)車轍進(jìn)行精確地橫向定位,與人工檢測(cè)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(dòng)測(cè)量及橫向定位方法,可用于路面車轍檢測(cè),為道路養(yǎng)護(hù)提供數(shù)據(jù)支撐,有一定的應(yīng)用價(jià)值。

      猜你喜歡
      橫斷面車轍車道
      北斗+手機(jī)實(shí)現(xiàn)車道級(jí)導(dǎo)航應(yīng)用
      小車轍里的大野心
      城市道路橫斷面設(shè)計(jì)研究
      避免跟車闖紅燈的地面車道線
      淺談MTC車道改造
      基于車轍發(fā)展規(guī)律與主觀行車安全的車轍評(píng)價(jià)模型
      上海公路(2018年1期)2018-06-26 08:37:26
      廣州市健康體檢人群種植修復(fù)情況的橫斷面研究
      現(xiàn)場(chǎng)熱再生技術(shù)在高速公路車轍處治中的應(yīng)用探討
      北方交通(2016年12期)2017-01-15 13:52:46
      2014年某院醫(yī)院感染橫斷面調(diào)查
      低速ETC/MTC混合式收費(fèi)車道的設(shè)計(jì)與實(shí)現(xiàn)
      梨树县| 双城市| 达尔| 砀山县| 高清| 罗甸县| 元阳县| 福清市| 成武县| 忻州市| 交城县| 沈阳市| 肥西县| 潍坊市| 平陆县| 浦城县| 酉阳| 平凉市| 隆安县| 广饶县| 临桂县| 会昌县| 万盛区| 尉氏县| 南部县| 库尔勒市| 永州市| 岱山县| 彰武县| 南开区| 河东区| 文安县| 衢州市| 宜黄县| 方正县| 塘沽区| 左贡县| 育儿| 吐鲁番市| 武定县| 乌什县|