[发明专利]一种路面宏观纹理获取及典型指标计算方法

说明书

本发明提出了一种路面宏观纹理获取及典型指标计算方法。构建三维路面数据；构建路面宏观纹理波动BEADS算法参数集，根据此参数集构建路面宏观纹理波动BEADS算法模型，三维路面数据通过此算法模型提取路面宏观纹理波动数据；根据此数据计算得到路面宏观纹理数据；通过提取得到的路面宏观纹理数据分别计算平均构造深度、最大轮廓谷深度、整体轮廓高度、算数平均偏差、峭度系数等八个典型指标；将上述路面典型特征依次与对应指标的正常阈值比较，判断是否超出正常阈值范围，以评估路面健康性。本专利提取获得路面纹理数据中的宏观纹理，随后使用提取到的路面宏观纹理中的数据计算路面纹理的典型指标，与路面的实际情况相符，路面健康特性评价精度较高。

技术领域

本发明属于路面宏观纹理提取技术领域，尤其涉及一种路面宏观纹理获取及典型指标计算方法。

背景技术

路面的抗滑性能与路面的纹理息息相关。对于公路路面的抗滑性能，路面纹理是最为直接的影响因素。路面的纹理将直接影响到路面和轮胎的接触效果，继而对车辆在路面行驶时的制动效果、行车稳定性产生影响。

对于沥青路面纹理，第18届世界道路专业会议(PIARC)对路面纹理的构造参数进行了较为客观的描述，定义了λ为水平方向的波长，A为垂直方向的振幅。根据该分类方法，沥青路面纹理可按波长分为四类，即：微观纹理(Micro-texture)、宏观纹理(Macro-texture)、巨纹理(Mega-texture)和不平整度(Roughness)。

微观纹理波长范围在0.001～0.5mm，垂直振幅小于0.2mm，主要取决于沥青混合料集料表面的棱角性。随着沥青路面的使用，集料逐渐磨光，棱角性变差，微观纹理程度下降。微观纹理主要为干燥和略潮湿路面的低速行驶的车辆提供抗滑能力。

宏观纹理波长范围在0.5～50mm，垂直振幅0.1～20mm，主要取决于路表轮廓的粗糙程度。良好的宏观纹理不仅在干燥天气下提供良好的抗滑性能，在雨水天气还可以提供排水通道，保持路面的摩擦特性。宏观纹理主要在车辆高速行驶时提供抗滑能力。

巨纹理和不平整度大多由于路表产生功能性破坏、早期施工质量差所致。该类型的纹理易造成轮胎胎壁的振动和行驶噪声的增加，严重时会损坏车辆的悬挂系统。巨纹理和不平整度已不属于正常服务水平的沥青路面纹理。

目前国内外沥青路面纹理的测量主要从直接和间接两个角度获取。直接测量法是指通过测量设备对沥青路面纹理进行采集。间接测量法是指通过测量摩擦力等其他抗滑指标间接获取沥青路面纹理程度。

本发明属于直接测量法的一种，设计了一种针对车载线结构光扫描路面纹理数据的分解器。在此之前，对于具有较大波动的车载线结构光扫描路面纹理数据一直没有较好的解决方案，直接使用原始数据计算路面纹理的典型指标往往失真严重。通过本专利提取获得路面纹理数据中的宏观纹理，随后使用提取到的路面宏观纹理中的数据计算路面纹理的典型指标，与路面的实际情况相符。

发明内容

本发明针对车载线结构光三维路面测量结果中宏观纹理、微观纹理、巨纹理、路面不平整度混杂的情况，提出了一种路面宏观纹理获取及典型指标计算方法。

本发明所采用的技术方案是一种路面宏观纹理获取及典型指标计算方法，具体包括以下步骤；

步骤1，构建三维路面数据；

步骤2，构建路面宏观波动BEADS算法参数集，根据BEADS算法参数集构建路面宏观波动BEADS算法模型，三维路面数据通过路面宏观波动BEADS算法模型提取路面宏观波动数据；

步骤3，构建路面宏观纹理波动BEADS算法参数集，根据BEADS算法参数集构建路面宏观纹理波动BEADS算法模型，三维路面数据通过路面宏观纹理波动BEADS算法模型提取路面宏观纹理波动数据；

步骤4，根据路面宏观纹理波动、路面宏观波动数据计算得到路面宏观纹理数据；