基于三維激光點(diǎn)云的路面裂縫識(shí)別方法研究

摘要：本文主要針對(duì)路面裂縫識(shí)別過程中存在的問題進(jìn)行研究，采用三維激光掃描儀對(duì)路面進(jìn)行快速獲取路面點(diǎn)云數(shù)據(jù)，分析點(diǎn)云數(shù)據(jù)的數(shù)據(jù)組織結(jié)構(gòu)，為點(diǎn)云數(shù)據(jù)處理提供基礎(chǔ)。利用二階導(dǎo)數(shù)算法對(duì)路面掃描三維激光點(diǎn)云進(jìn)行初步處理，獲得包含偽裂縫的路面裂縫信息，然后采用最小生成樹算法進(jìn)行初步處理結(jié)果進(jìn)行精細(xì)處理，得到了較為精確的路面裂縫信息。這為路面裂縫的高效快速監(jiān)測(cè)提供了一個(gè)技術(shù)方法。同時(shí)還可以為識(shí)別路面裂縫寬度和深度，為路面養(yǎng)護(hù)提供重要的依據(jù)。

關(guān)鍵詞：三維點(diǎn)云;數(shù)據(jù)結(jié)構(gòu);特征提取;裂縫識(shí)別

1引言

道路的裂縫是路面養(yǎng)護(hù)中重點(diǎn)關(guān)注目標(biāo)，裂縫的寬度、深度、走向、離層等形態(tài)，對(duì)行車安全有不同程度的危險(xiǎn)。因此，如何采用先進(jìn)的檢測(cè)手段快速準(zhǔn)確的識(shí)別裂縫，檢測(cè)形態(tài)已經(jīng)成為路面養(yǎng)護(hù)諸多課題中的熱點(diǎn)課題?隨著科學(xué)技術(shù)快速發(fā)展，高效、高魯棒性、高精度的檢測(cè)路面裂縫已經(jīng)逐漸被學(xué)者所關(guān)注?國外的路面檢測(cè)技術(shù)目前已經(jīng)做的相對(duì)成熟，而國內(nèi)這方面的技術(shù)研究起步較晚。從李德仁院士等開始嘗試采用不同的技術(shù)進(jìn)行的路面裂縫檢測(cè)開始，王榮本教授等的基于圖像處理技術(shù)的路面裂縫檢測(cè)系統(tǒng)研究取得的不錯(cuò)成果。2004年南京理工大學(xué)研制了激光三維路面狀況智能檢測(cè)車，給路面檢測(cè)開辟了新的思路。2008年武漢大學(xué)開發(fā)并制造出來了智能道路檢測(cè)車。使得我國路面檢測(cè)系統(tǒng)上的研究，逐漸走向成熟、并在諸多學(xué)者開始針對(duì)檢測(cè)算法展開深入研究。目的是為了提高檢測(cè)系統(tǒng)的復(fù)雜環(huán)境下的適用性與魯棒性，提高檢測(cè)精度和速度等指標(biāo)?各種新技術(shù)和新算法大量應(yīng)用于路面裂縫檢測(cè)的研究過程中。三維激光點(diǎn)云在地理信息系統(tǒng)、數(shù)字城市等方面的研究應(yīng)用已經(jīng)具有一定的規(guī)模和效益，Aleksey Boyko，Thomas Funkhouser等利用不同時(shí)間掃描的三維點(diǎn)云數(shù)據(jù)進(jìn)行疊加處理，有效的提取了道路的范圍，趙振峰等利用機(jī)載LiDAR點(diǎn)云的提取道路，獲得較好的效果?三維激光技術(shù)檢測(cè)路面裂縫還需要進(jìn)一步研究，優(yōu)化點(diǎn)云處理算法，提高檢測(cè)效率和精度。結(jié)合二維影像和三維深度信息檢測(cè)路面裂縫等信息也有了一些新的突破成果。本文主要從三維激光數(shù)據(jù)組織結(jié)構(gòu)出發(fā)，分析點(diǎn)云存儲(chǔ)方式，并依據(jù)平面點(diǎn)云邊界處理算法，針對(duì)平面邊界識(shí)別算法在道路的路面裂隙識(shí)別的過程中存在效率不高，檢測(cè)不準(zhǔn)確問題進(jìn)行改進(jìn)，建立一種基于激光點(diǎn)云的路面裂縫自動(dòng)識(shí)別算法。用以提高三維激光技術(shù)在路面裂縫檢測(cè)中檢測(cè)的效率和精度，該算法也很好地克服了灰度影像在這些方面的不足。該算法必然使得路面裂縫檢測(cè)效率大大提高，并大幅度提高路面裂縫的識(shí)別率及識(shí)別精度?

2三維激光點(diǎn)云的數(shù)據(jù)結(jié)構(gòu)組織

點(diǎn)云（Point Cloud）是指通過設(shè)備發(fā)射激光到測(cè)量物體然后發(fā)射回來的被測(cè)量設(shè)備接收到的點(diǎn)坐標(biāo)以及顏色信息或強(qiáng)度信息等點(diǎn)數(shù)據(jù)，按照一定的組織形式進(jìn)行存儲(chǔ)，獲得到掃描物體或場(chǎng)景以點(diǎn)的形式存儲(chǔ)的三維信息。點(diǎn)云的每個(gè)點(diǎn)的采樣三維坐標(biāo)是物體表面真實(shí)點(diǎn)在掃描系統(tǒng)坐標(biāo)空間中的位置信息，顏色信息是點(diǎn)云中點(diǎn)對(duì)應(yīng)位置像素的顏色賦值?此外，還有記錄掃描儀接收反射激光的強(qiáng)度信息，用以反映物體表面粗糙程度?三維點(diǎn)云是物體表面采樣點(diǎn)的集合，點(diǎn)間離散、稀疏分布，點(diǎn)之間不具有任何幾何拓?fù)潢P(guān)系，并且由于設(shè)備和技術(shù)的限制，采集得到的點(diǎn)云不僅包含大量冗余數(shù)據(jù)，而且噪聲和異常值較多，因此，點(diǎn)云數(shù)據(jù)需要進(jìn)行合理組織，通過濾波等手段使得點(diǎn)云數(shù)據(jù)能夠高效為數(shù)據(jù)獲取提供重要信息

三維激光點(diǎn)云數(shù)據(jù)利用三維激光掃描設(shè)備，通過主動(dòng)式獲取的、包含地位豐富信息的一種數(shù)據(jù)形式。點(diǎn)云數(shù)據(jù)是一種散亂、無組織、無序的點(diǎn)狀數(shù)據(jù)，根據(jù)點(diǎn)云的采集設(shè)備的不同，點(diǎn)云的數(shù)據(jù)密度和點(diǎn)云所包含的地物信息也各不相同，數(shù)據(jù)組織結(jié)構(gòu)也是千差萬別。點(diǎn)云數(shù)據(jù)的數(shù)據(jù)量非常大，巨量的點(diǎn)云信息數(shù)據(jù)給后續(xù)處理和信息提取帶來極大麻煩。因此，優(yōu)化點(diǎn)云數(shù)據(jù)組織，使得散亂點(diǎn)數(shù)據(jù)形成較好的數(shù)據(jù)結(jié)構(gòu)組織，便于后續(xù)數(shù)據(jù)存儲(chǔ)和信息提取等處理?點(diǎn)云數(shù)據(jù)的有效組織對(duì)鄰近點(diǎn)云查詢非常高效，獲取點(diǎn)云的幾何性質(zhì)需要分析鄰近點(diǎn)云局部信息的估算。隨著科學(xué)技術(shù)的推進(jìn)，三維掃描設(shè)備的快速發(fā)展，其采集數(shù)據(jù)量，包含的數(shù)據(jù)信息以及數(shù)據(jù)壓縮等組織結(jié)構(gòu)顯著增加。點(diǎn)云數(shù)據(jù)高效組織，有利于提高點(diǎn)云信息提取算法的效率?因此，點(diǎn)云數(shù)據(jù)組織結(jié)構(gòu)是研究點(diǎn)云信息提取算法的前提和基礎(chǔ)，也是點(diǎn)云算法處理的重點(diǎn)?常用的點(diǎn)云數(shù)據(jù)組織結(jié)構(gòu)有幾大類：空間立方體、K-D樹、八叉樹（Octree）以及其他的結(jié)構(gòu)形式?其中八叉樹形式和K-D樹形式最為常見的“樹”形式的索引形式?它們的主要區(qū)別就在于葉子節(jié)點(diǎn)的組織形式，八叉樹葉子節(jié)點(diǎn)為一個(gè)空間，可以含有多個(gè)點(diǎn);K-D樹葉子節(jié)點(diǎn)僅為一個(gè)點(diǎn)?對(duì)點(diǎn)云空間劃分采用八叉樹更具優(yōu)勢(shì)，對(duì)單個(gè)點(diǎn)的索引采用K-D樹更加準(zhǔn)確?根據(jù)八叉樹的優(yōu)勢(shì)，考慮后續(xù)處理中的點(diǎn)云體素化、超體素生成，采用八叉樹法對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行存儲(chǔ)和管理，并通過八叉樹選取種子點(diǎn)?

3 路面裂縫邊界識(shí)別算法

基于梯度的算法是建立在一階偏導(dǎo)數(shù)的基礎(chǔ)上，針對(duì)裂縫點(diǎn)的一階偏導(dǎo)的特點(diǎn)采用雙閾值來劃分描述裂縫邊緣點(diǎn)和裂縫輪廓點(diǎn)。一階偏導(dǎo)描述點(diǎn)的變化率，可以識(shí)別出裂縫處點(diǎn)的明顯變化，借鑒Log算子的邊緣檢測(cè)算法，可以在一階的梯度的基礎(chǔ)上計(jì)算點(diǎn)的二階導(dǎo)數(shù)。二階導(dǎo)數(shù)的幾何意義表示切線斜率變化的速度或函數(shù)的凹凸性，因此，當(dāng)二階導(dǎo)數(shù)大于零則表示曲線為凹曲線，若某區(qū)間內(nèi)各點(diǎn)的二階導(dǎo)數(shù)均大于零，則該區(qū)間內(nèi)的軌跡是凹的，可用來進(jìn)行裂縫點(diǎn)特征識(shí)別。

最小生成樹算法在聚類、圖像分割等諸多領(lǐng)域得到廣泛應(yīng)用，其主要解決點(diǎn)和邊組成的圖中，按照最小代價(jià)原則遍歷所有點(diǎn)，尋找最小生成樹（最優(yōu)路徑）的問題。最小生產(chǎn)樹算法的基本思想是：歷遍所有的邊，每次尋找權(quán)值最小的邊，將兩端的點(diǎn)加入到生成樹中，如權(quán)值相同時(shí)，任取其中一條邊，若最終生成樹中形成了環(huán)路則放棄該邊，取另外同權(quán)邊，重復(fù)上述操作，直到找到最小邊的路徑，使得有點(diǎn)都在一顆生成樹中。最小生成樹的算法是建立在圖論最小生成樹基礎(chǔ)上的。目前建立最小生成樹的經(jīng)典算法包括Prim算法（加點(diǎn)法）和Kruskal算法（加邊法）。Prim算法每一步都要維護(hù)一棵樹，將當(dāng)時(shí)最小的邊添加到樹中，直到?jīng)]有可以選擇的邊為止。而Kruskal算法每一步處理多棵樹，將不構(gòu)成環(huán)的最小邊添加到這些樹中，直到?jīng)]有可以選擇的邊為止。由于Prim算法每一次添加新邊后，會(huì)更新樹上每個(gè)節(jié)點(diǎn)到其他非樹節(jié)點(diǎn)的最短距離。而Kruskal算法只用在最開始的時(shí)候?qū)λ羞呥M(jìn)行一次排序。所以本文選擇Kruskal算法對(duì)坦克的點(diǎn)云生成最小生成樹。

最小生成樹算法針對(duì)少量點(diǎn)云處理具有很好的效果，因此在路面裂縫檢測(cè)中，先采用二階導(dǎo)數(shù)算法對(duì)路面裂縫進(jìn)行識(shí)別，針對(duì)識(shí)別過程中產(chǎn)生的偽裂縫進(jìn)行剔除則可以采用最小生成樹算法進(jìn)行改進(jìn)。

4 改進(jìn)路面裂縫識(shí)別算法方法

路面裂縫點(diǎn)云也是無序點(diǎn)所組成，經(jīng)特征提取得到的裂縫，會(huì)提取出或多或少的偽裂縫點(diǎn)?基于二階導(dǎo)數(shù)方法提取路面裂縫信息點(diǎn)云，則會(huì)產(chǎn)生很多偽裂縫點(diǎn)，會(huì)給最終評(píng)估結(jié)果的精確性造成一定的影響?綜合提取得到的裂縫點(diǎn)云的特點(diǎn)和最小生成樹算法的特點(diǎn)，可以將最小生成樹算法用在裂縫點(diǎn)云的偽裂縫處理上。

最小生成樹算法對(duì)特征提取得到的裂縫點(diǎn)云進(jìn)行裂縫識(shí)別，需要對(duì)點(diǎn)云進(jìn)行二階導(dǎo)數(shù)特征提取得到的初步的裂縫點(diǎn)云范圍，再利用最小生成樹算法進(jìn)行提取路面裂縫信息。步驟如下：

（1）粗識(shí)別。利用二階導(dǎo)數(shù)算法對(duì)路面點(diǎn)云數(shù)據(jù)進(jìn)行二階導(dǎo)數(shù)特征提取，初步確定裂縫區(qū)域和范圍;

（2）確定基本算法。根據(jù)得到的包含偽裂縫信息的路面裂縫點(diǎn)云進(jìn)行分析，裂縫不止一個(gè)，且點(diǎn)云沒有方向性，因此選擇最小生成樹點(diǎn)云識(shí)別Kruskal算法，更符合路面裂縫識(shí)別的要求;

（3）計(jì)算邊長。最小生成樹Kruskal算法需要計(jì)算各點(diǎn)間的邊長，計(jì)算所有點(diǎn)之間的邊長值?因裂縫的枝干上點(diǎn)是連續(xù)的，連續(xù)點(diǎn)的邊長是最短，所以，最小生成樹計(jì)算時(shí)，優(yōu)先選擇最短的邊。利用PCL（Point Cloud Library）中提供的K-D tree算法，計(jì)算鄰域內(nèi)K個(gè)點(diǎn)的歐氏距離。循環(huán)計(jì)算，記錄起始點(diǎn)序號(hào)、邊的終點(diǎn)序號(hào)和邊長，并添加到一個(gè)map中，直到計(jì)算完所有點(diǎn)和邊;

（4）剔除冗余邊?根據(jù)map中的數(shù)據(jù)的鍵值對(duì)應(yīng)的哈希圖，依據(jù)無向圖的邊長都加入到哈希圖中，最后從邊集中消除冗余邊的重復(fù)存儲(chǔ);

（5）按邊長排序?Kruskal算法每次選取的都是最短的邊，需要先對(duì)計(jì)算得到的哈希圖按邊長進(jìn)行排序，再從哈希圖中按順序提取邊，并記錄邊的起點(diǎn)和終點(diǎn)，剔除互為反向的相同的邊，最終得到裂縫點(diǎn)云的邊集?

（6）設(shè)置父節(jié)點(diǎn)哈希圖map<child，parent>?在計(jì)算最小生成樹之前，裂縫點(diǎn)云中的每個(gè)邊都是一顆獨(dú)立的樹，將所有邊的父節(jié)點(diǎn)都設(shè)置成自身?

（7）計(jì)算最小生成樹。得到邊集和樹圖后，開始計(jì)算最小生成樹?從邊集中按順序取出一條邊，判斷其端點(diǎn)是否同屬同一棵樹，如果屬于同一顆樹則直接加入該樹，并修改各自對(duì)應(yīng)父節(jié)點(diǎn)，如果不屬于同一棵樹則將這條邊作為一個(gè)新樹的邊，將其中一個(gè)點(diǎn)作為父節(jié)點(diǎn)另一個(gè)作為子節(jié)點(diǎn)，修改對(duì)應(yīng)父節(jié)點(diǎn)?

（8）獲得路面裂縫信息。當(dāng)邊集為空時(shí)結(jié)束計(jì)算，對(duì)最小生成樹做剪裁，查找并去除所有度數(shù)小于3的結(jié)點(diǎn)，以此類推，除總權(quán)值最大的分支外，去除所有分支上的結(jié)點(diǎn)，就得到了最小生成樹識(shí)別的路面裂縫?

5 結(jié)論

利用三維激光掃描方法可以獲得地物的三維表面信息，如何根據(jù)點(diǎn)云數(shù)據(jù)信息的特點(diǎn)對(duì)點(diǎn)云進(jìn)行信息提取是研究的熱門方向。本文針對(duì)路面點(diǎn)云數(shù)據(jù)特點(diǎn)，采用二階導(dǎo)數(shù)算法提取了路面裂縫信息，引入最小生成樹算法對(duì)其識(shí)別結(jié)果進(jìn)行精細(xì)化識(shí)別?？梢杂行蕹齻瘟芽p，提高了路面裂縫激光點(diǎn)云信息識(shí)別效率和精度。

參考文獻(xiàn)

[1]周林.基于圖像處理的路面裂縫檢測(cè)系統(tǒng)設(shè)計(jì)與研究[D].太原理工大.2013.

[2]Aleksey Boyko，Thomas Funkhouser.Extracting roads from dense point clouds in large scale urban environment[J].ISPRS Jounal of Photogrammetry and Remote Sensing，2011，66（5）：S2-S12.

[3]趙振峰.基于機(jī)載 Li DAR 點(diǎn)云的道路提取研究[D].昆明理工大學(xué)，2012.

[4]黃建平.基于二維圖像和深度信息的路面裂縫檢測(cè)關(guān)鍵技術(shù)研究[D].哈爾濱工業(yè)大學(xué).2013.

[5]梅笑，章光，徐衛(wèi)青，等.基于三維激光掃描點(diǎn)云的邊界特征自動(dòng)提取算法[J].武漢理工大學(xué)學(xué)報(bào)，2017，39（06）：68-72.

[6]承君，孫剛，尹李亮，等.散亂點(diǎn)云的邊界提取[J].計(jì)算機(jī)技術(shù)與發(fā)展，2017，27（07）：83-86.

[7]杜秋，郭廣禮.三維激光掃描點(diǎn)云邊界提取研宄[J].金屬礦山，2017（10）：67-71.

[8]Meyer F，Najman L.Segmentation，minimum spanning tree and hierarchies.Mathematical morphology：from theory to applications，2013：229-261

[9]Banerjee B，Varma S，Buddhiraju K M，et al.Unsupervised multi-spectral satellite image segmentation combining modified mean-shift and a new minimum spanning tree based clustering technique.Selected Topics in Applied Earth Observations and Remote Sensing，IEEE Journal of，2014，7（3）：888-894

[10]余浩.基于三維激光點(diǎn)云的路面裂縫自動(dòng)識(shí)別技術(shù)研究[D].湖北工業(yè)大學(xué)，2015.

作者簡介：劉杰，1988年生，河南濟(jì)源人，現(xiàn)就職于江蘇數(shù)創(chuàng)智能科技發(fā)展有限公司，主要從事三維地理信息系統(tǒng)開發(fā)與研究。