[发明专利]一种基于激光点云的路面病害特征图像生成方法

权利要求书

1.一种基于激光点云的路面病害特征图像生成方法，其特征在于，包括如下步骤：

a.将原始道路点云数据划分为多个小块，每块中含有多个点，并组成一个点集，选取点集中包含路面病害信息的点作为路面种子点；

b.利用多尺度环形插值的方法，将路面内少量缺失的种子点进行插值计算，获得完整的包含路面病害信息的所有种子点；

c.对完整的包含路面病害信息的所有种子点进行栅格化，以中心栅格的几何中心为圆心，选取一定的邻域距离作为半径，计算中心栅格与圆形范围内多个方向的邻域栅格的坡度值；

在此基础上，扩大邻域搜索半径，再进行下一尺度的圆形范围多方向坡度计算，从而实现基于圆形结构的多尺度坡度计算，获得原始的包含路面病害特征的图像；

基于圆形结构的多尺度坡度计算的过程具体如下：

c1.寻找第一层邻域栅格，以中心点为圆心，两倍的栅格边长为半径作圆，在圆形结构内找到完整的栅格，分别计算垂直方向x方向、水平方向y方向、45°方向和135°方向上的增量；

第一层全部邻域栅格用字母a至m进行确定，其中e表示正在计算的中心栅格，栅格e在x方向和y方向上的变化率计算公式同上：

t_x＝((c+2f+i)-(a+2d+g))/(8*gridsize)；

t_y＝＝((g+2h+i)-(a+2b+c))/(8*gridsize)；

栅格e在45°方向上的变化率通过以下公式进行计算：

栅格e在135°方向上的变化率通过以下公式进行计算：

以上为第一层圆形结构四个方向上的增量计算；

c2.再寻找第二层邻域栅格，以三倍的栅格边长为半径作圆，在圆形结构内找到完整的栅格，分别计算出第二层上述四个方向上的增量，步骤同步骤c1；

c3.通过上述步骤c1和c2得到第一层和第二层邻域栅格四个方向上总共8个增量值，从8个增量值的绝对值中找出增量最大的值，即为中心栅格的坡度值；

中心栅格的坡度值的计算公式如下：

其中，t1表示第一层，t2表示第二层；邻域栅格的权重配比规则是根据邻域与中间栅格的距离关系进行分配，距离越近权重越大：与中心栅格相邻的4邻域，最能体现中心栅格的坡度变化情况，故权重配比为2；次之为8邻域，权重配比为1；16邻域权重配比为1/2；24邻域权重配比为1/3，以此类推；

d.在不损失路面病害信息的前提下，用含有病害特征的邻域约束的方法对原始路面病害特征图进行平滑，从而过滤掉路面异常坡度值的影响；

e.再对平滑后的图像进行整体的拉伸，使路面病害特征更加明显，容易区分，增强图像的可视化表达，最终得到路面病害的特征图像。

2.根据权利要求1所述的一种基于激光点云的路面病害特征图像生成方法，其特征在于，所述步骤b中，利用多尺度环形插值方法获取包含路面病害信息的所有种子点的步骤如下：

b1.获取步骤a中选取的路面种子点，路面种子点有部分缺失；

b2.根据缺失的种子点，遍历其第一层邻域，邻域中如果含有选取的路面种子点，则进行标记，遍历完第一层后，统计标记的点的数量，如果数量超过邻域数量的1/2及以上，则计算所有包含种子点邻域的中间值，从而对缺失的种子点进行插值；

b3.若数量不满足要求，则进行第二层邻域的遍历，方法同b2，逐层递进，通过设置距离阈值来限制遍历的最大邻域层数，若最终没有满足要求的邻域，则认为当前分块点云中的种子点较稀疏或为噪点，不予插值。

3.根据权利要求1所述的一种基于激光点云的路面病害特征图像生成方法，其特征在于，所述步骤d中，基于病害特征的平滑特征图的方法的过程具体如下：

首先遍历中心栅格的8邻域，得到每个邻域栅格的坡度值，将中心栅格的坡度值和8邻域的坡度值排序，取前四个较大的值，再计算其均值，将此值作为中心栅格的最终坡度值。

4.根据权利要求1所述的一种基于激光点云的路面病害特征图像生成方法，其特征在于，所述步骤e中对平滑后的图像进行整体的拉伸的具体过程为：利用标准差拉伸，计算出整体图像的标准差后，设立阈值范围，根据不同的需求进行整体的图像拉伸。