[发明专利]一种基于三维点云重构的路面线性裂缝信息快速计算方法

说明书

本发明提供一种基于三维点云重构的路面线性裂缝信息快速计算方法，包括：将原始三维点云进行分块处理，获取路面深度矩阵，应用邻域均值减方差阈值去除离散点；采用三点抽样算法根据路面深度矩阵拟合路面真实平面，针对低于路面平面的点云构建潜在线性裂缝点云集合，通过邻域均值减方差阈值去除离散点，输出线性裂缝点云集合；基于线性裂缝点云集合，利用道路纵向、道路横向上的深度纵向、横向映射，获取真实线性裂缝区域，确定线性裂缝起终点位置信息及其最大深度。本发明还适用多条不交叉线性裂缝的三维密集点云。本发明实现了路面线性裂缝精准定位及特征信息计算，极大提高了三维点云裂缝识别算法的性能与效率。

技术领域

本发明涉及路面裂缝类病害检测技术领域，具体涉及一种基于三维点云重构的路面线性裂缝信息快速计算方法。

背景技术

沥青路面作为公路工程的重要组成部分，是推动经济发展的重要基础设施。随着使用年限的增长，沥青路面出现了不同形式病害，其中路面裂缝已经成为浙江省内公路及城市道路的最主要病害。人工走查的判断方式存在工作效率低、劳动强度大、复现性差、人力成本高、精准度低等问题。近年来大量研究利用数字图像处理技术进行沥青路面病害识别，然而，图像信噪比较低，无法精确提取目标信息，应用效果不尽人意。三维点云设备能够获取路表毫米级高程信息，能够避免光照条件、阴影、油污等不利条件的影响，为高效、准确的裂缝检测技术提供了新的研究方向。

目前常见的路面三维点云裂缝信息提取主要有以下几种。

(1)基于转换为二维灰度图像的裂缝信息提取方法，将点云数据转换为深度数据，进一步转换为灰度图像，通过二维图像的裂缝提取方法提取裂缝信息。该方法较之传统图像处理提高了原始数据的精确度，但无法排除纹理、噪声的干扰。

(2)基于数学形态学的裂缝信息提取方法，利用高度差、法向量、梯度、二阶导数等数据，提取符合裂缝数学特征的可能裂缝点，通过形态学方法生成裂缝骨架。由于路面材料、环境、交通量的差异性，该方法无法应用于所有裂缝点云中。

(3)基于深度学习与神经网络的裂缝信息提取方法，利用了神经网络的相关技术，依据裂缝特点及点云特点搭建网络。但是该方法需要进行像素级别的人工标记实现训练，需要一定的时间与人力成本。

现有方法下，裂缝识别精度低、识别智能化程度低等问题依然存在。为减少对路面纹理干扰，提高裂缝提取方法的应用范围，本发明基于三点抽样算法对路面平面进行拟合，结合离散点去除与深度映射，获取裂缝点云位置及形态信息，实现路面线性裂缝信息精准识别，具有快速、智能、高效的技术优势，可以广泛应用于路面裂缝类病害检测技术领域。

发明内容

为了解决上述技术问题，本发明提供一种基于三维点云重构的路面线性裂缝信息快速计算方法。

为了实现上述技术目的，本发明的技术方案如下：

一种基于三维点云重构的路面线性裂缝信息快速计算方法，包括以下步骤：

步骤1；采集原始三维点云数据，并对所述原始三维点云数据进行分块处理，得到路面深度矩阵，其中，应用邻域均值减方差阈值去除离散点；

步骤2；所述路面深度矩阵通过三点抽样算法拟合路面真实平面，对低于路面平面的点云构建潜在线性裂缝点云集合，通过邻域均值减方差阈值去除离散点，并输出线性裂缝点云集合；

步骤3；根据所述线性裂缝点云集合，通过道路纵向、道路横向上的深度纵向、横向映射，得到真实线性裂缝区域，确定线性裂缝起终点位置信息及其最大深度。

优选地，步骤1具体包括以下步骤：