[发明专利]一种面向对象的线扫描三维路面裂缝提取方法

说明书

本发明提供一种面向对象的线扫描三维路面裂缝提取方法，方法包括：获取线扫描三维路面数据，并获取三维路面数据中向下凹陷的各点集，将各点集作为初始对象，对各初始对象的特征进行表征；根据初始对象的特征，从初始对象中选取一轮疑似裂缝段对象，对一轮疑似裂缝段对象进行合并，从合并结果中选取二轮疑似裂缝段对象，再进行合并‑选择，直到达到预设选取次数；将最后选取的对象所覆盖的初始对象作为子对象，结合子对象方向属性和对象级张量投票算法计算各子对象的张量显著性场，根据张量显著性场大于第一预设阈值的各子对象和覆盖各子对象的裂缝段对象构造连接单元，根据各连接单元确定最终的裂缝段对象。本发明提取的裂缝更加精确和完整。

技术领域

本发明属于激光扫描数据处理和三维测量技术领域，尤其涉及一种面向对象的线扫描三维路面裂缝提取方法。

背景技术

随着线扫描三维测量技术的发展，三维测量系统能获取的数据精度越来越高。利用高精度路面三维测量系统获取路面高程数据，现有方法能对该数据中的裂缝高程信息进行分析进而完成裂缝检测。

现有的路面裂缝检测方法主要包括基于二维视觉特性的路面裂缝检测方法和基于三维路面数据的路面裂缝检测方法。其中，前者主要通过光学相机及视频等获取路面数据，通过路面裂缝的边缘及灰度特性与路面背景差异进行分析提取。例如，利用裂缝的灰度低于路面背景而提取裂缝种子区域，再结合裂缝的形状特性进行判定；结合裂缝的边缘特性利用图像处理中常用的边缘检测算子获取二维数据中的裂缝信息等。后者通常使用车载线扫描三维数据，结合三维数据精度，利用路面裂缝的高程通常低于路面背景的特性进行检测。例如，在采集的高程数据横断面级别，利用裂缝区域在高程断面数据中表现出的尖锐“倒三角”特性获取裂缝种子区域，再结合裂缝的形状特性进行判定；在采集的高程数据点云级别，利用局部阈值或者稀疏表达的方法提取裂缝。

第一种方法无法克服环境光照、阴影以及路表轮胎磨痕、油渍等对标线检测的影响，其适用性较为有限，而且基于二维视觉特性的方法无法测量路面裂缝的高程等三维参数信息。第二种方法虽然能克服传统二维灰度图像方法容易受到光照、阴影等影响的缺陷，但是当三维数据的精度足够高时，三维路面高程数据中包含复杂的路面场景信息，不仅有裂缝，也包含了路面变形、标线、修补及路面纹理。而且在高精度数据中，不同类型的路面病害或者指标等都对裂缝提取有一定的影响，例如纹理较粗的路面中纹理波动与裂缝的深度特征较为相似，仅仅利用裂缝深度特征而不考虑路面构造深度影响，将会影响裂缝提取方法的鲁棒性和实用性。

发明内容

为克服上述现有的路面裂缝检测易受外部环境和路面纹理背景差异影响的问题或者至少部分地解决上述问题，本发明实施例提供一种面向对象的线扫描三维路面裂缝提取方法。

本发明实施例提供一种面向对象的线扫描三维路面裂缝提取方法，包括：

S101，获取三维路面数据，并获取三维路面数据中向下凹陷的各点集，将各点集作为初始对象，对各初始对象的局深度统计特征、几何形状特征和拓扑特征进行表征；

S102，根据各初始对象的特征，从所有初始对象中选取一轮疑似裂缝段对象，对一轮疑似裂缝段对象进行逐一邻近对象合并判断，根据各合并结果的特征，从所有合并结果中再次选取二轮疑似裂缝段对象，再对二轮疑似裂缝段对象进行合并和选择步骤，直到达到预设选取次数；

S103，将最后一次选取的疑似裂缝段对象所覆盖的初始对象作为子对象，根据子对象的方向属性和对象级张量投票算法计算各子对象的张量显著性场，根据张量显著性场大于第一预设阈值的各子对象和覆盖各子对象的疑似裂缝段对象构造连接单元，根据各连接单元确定最终的裂缝段对象。