[发明专利]一种基于无人机倾斜摄影的路面立体病害测量方法

权利要求书

1.一种基于无人机倾斜摄影的路面立体病害测量方法，该方法包括以下过程：

道路通车前对路面进行一次路面检测，此时路面无病害，将通车前采集的路面数据称之为母版数据；

通车后根据道路养护需求再次进行路面检测，采集当前路面数据，

路面检测时使用无人机对路面进行倾斜摄影，获取5个不同方向的图像，分别构建出相应时期的数字表面模型(DSM)以及数字高程模型(DEM)；

通过对不同时期的数字高程模型(DEM)进行叠加计算，得到路面不同位置的高程变化，将每个位置高程的变化映射到每一个像素点的像素值，通过无监督学习和图像处理并结合工程规范判断路面破坏类型以及破坏等级、病害特征和病害位置，实现对立体病害的智能识别。

2.根据权利要求1所述的测量方法，其特征在于，所述病害特征包括病害长度、宽度、面积、深度或高度。

3.根据权利要求1所述的测量方法，其特征在于，所述母版数据和当前路面数据，均包括路面每一个像素点的坐标和高程数据。

4.根据权利要求1所述的测量方法，其特征在于，所述将每个位置高程的变化映射到每一个像素点的像素值的具体过程是，获得的高程差，将高程差按正值为灰度值为255的白色像素点表示，负值以灰度值为0的黑色像素值表示，高程差0值以灰度值为127的灰色像素表示，用每个坐标点对应的像素值构成检测道路路面的表面区域，生成有关于高程差的路面灰度图像；整个图像凸起部分为白色，凹陷部分为黑色，没有变化的部分为灰度值127的灰色。

5.根据权利要求1所述的测量方法，其特征在于，所述无监督学习采用均值漂移聚类算法对图像进行分割，提取可能存在立体病害的感兴趣区域，将路面凹陷和凸起部分分割成独立的感兴趣区域。

6.根据权利要求5所述的测量方法，其特征在于，所述图像处理的作用是对感兴趣区域添加外接矩形，遍历所有感兴趣区域，辨认区域内的像素点灰度值，统计感兴趣区域内白色像素和黑色像素的像素点个数，计算外接矩形的长度和宽度，通过排序算法找到高程差绝对值的最大值；找到外接矩形中心点的坐标值。

7.根据权利要求5所述的测量方法，其特征在于，设定分级分类阈值，第一分级阈值和第二分级阈值，位于第一分级阈值和第二分级阈值之间的病害等级为轻级，大于第二分级阈值的病害等级为重度；不同病害种类两个分级阈值可以设置不同；第一分类阈值和第二分类阈值、第三分类阈值、第四分类阈值，当外接矩形长和宽都不大于第二分类阈值，则为坑槽病害，当外接矩形长度不小于第四分类阈值，且宽度位于的第一分类阈值和第三分类阈值之间时，则为车辙病害，当外接矩形长宽都大于第二分类阈值，且不属于车辙病害则为沉陷病害。

8.根据权利要求7所述的测量方法，其特征在于，所述智能识别的具体过程是：

首先判断高程差的正负，若高程差为正值，则该区域为波浪拥包，进而再判断感兴趣区域内高程差绝对值的最大值的范围，若高程差绝对值的最大值在10mm到25mm之间时，此处病害等级为轻度；高程差绝对值的最大值大于25mm，病害等级为重度；

若高程差为负值，则进一步判断外接矩形的长度和宽度范围，若外接矩形的长度和宽度都不大于500mm时，则判断病害损坏类型为坑槽；当为坑槽病害时，进一步根据感兴趣区域内高程差绝对值的最大值的范围判断病害等级，当高程差绝对值的最大值在10mm到25mm为轻度损坏，高程差绝对值的最大值大于25mm时病害等级为重度；

若高程差为负值，且外接矩形宽度为390mm到975mm之间、长度大于等于2000mm时，判断损坏类型为车辙；当为车辙病害时，高程差绝对值的最大值在10mm到15mm为轻度损坏，高程差绝对值的最大值大于15mm时病害等级为重度；

若高程差为负值，不属于车辙病害的范围，且外接矩形的长度和宽度都大于500mm，则判断病害损坏类型为沉陷，当为沉陷病害时，进一步根据感兴趣区域内高程差绝对值的最大值的范围判断病害等级，当高程差绝对值的最大值在10mm到25mm为轻度损坏，高程差绝对值的最大值大于25mm时病害等级为重度。