[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

说明书

本发明公开了一种基于激光点云的路面病害特征图像生成方法，根据原始道路点云数据选取包含路面病害信息的种子点，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；然后进行栅格化，以中心栅格为圆心，选取邻域范围作为半径，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，进行下一尺度的圆形范围多方向坡度计算，获得原始的包含路面病害特征的图像；在不损失路面病害信息的前提下，以邻域病害特征约束法对原始路面病害特征图进行平滑；再对平滑后的图像进行整体拉伸，得到路面病害特征图像。

技术领域

本发明涉及一种基于激光点云的路面病害特征图像生成方法。

背景技术

道路交通在国民经济和人民生活中占有重要地位，极大地促进了国民经济的发展。随着道路的建成通车和使用年限的增加，加上雨雪、高温、超载等极端条件的影响，导致大多数路面出现了多种不同程度的病害，比如坑槽、裂缝、沉陷、车辙和松散等，从而影响了城市道路路面的使用，并且带来了很大的交通安全隐患。

路面养护工作已经越来越重要，路面病害检测是养护工作的重要前期阶段，而路面病害特征图像是路面病害检测的主要依据。生成准确的路面病害特征图像，可以提高路面病害检测的准确性，从而可以节约维修成本，为行车安全提供保障。

目前，国内对坡度生成特征图像大部分是基于数字高程模型(Digital ElevationModel，DEM)的，还没有利用激光点云生成专门针对路面病害的特征图像的应用实例，也并未系统的分析考虑路面病害的空间形态特征，相关研究较少，尚未形成成熟的方法。

发明内容

本发明的目的在于提出一种基于激光点云的路面病害特征图像生成方法，以便能够将激光点云数据快速、自动转换成路面病害特征图像。

本发明为了实现上述目的，采用如下技术方案：

一种基于激光点云的路面病害特征图像生成方法，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.对上述获取的种子点进行栅格化，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；

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。

优选地，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，则认为该处点云较稀疏或为噪点，不予插值。

优选地，基于圆形结构的多尺度坡度计算的过程具体如下：