一种基于机器视觉的沥青路面施工均匀性检测及评价方法

技术领域

本发明涉及沥青路面施工技术领域，具体涉及一种基于机器视觉的沥青路面施工均匀性检测及评价方法。

背景技术

沥青路面的施工均匀性问题显著影响着沥青路面早期病害的发生及长期使用寿命，其主要受混合料拌合、运输和摊铺过程中的离析程度以及路面压实均匀程度的影响，并直观的体现在新建沥青路面路表纹理分布的均匀程度上。因此，准确并高效的对新建沥青路面路表纹理进行采集，计算构造深度和均匀性指标并对其进行评价对控制沥青路面施工均匀性起着重要的作用。

目测法、铺砂法和激光法是目前沥青路面路表纹理检测的常用方法。其中，目测法操作简单，但是主观性过强、无法定量判断；铺砂法操作简单、成本较低，但测量效率低、受人为影响大且无法获得完整的路面纹理特征信息；激光法可以直接获取沥青路面路表纹理特征信息，但缺点是设备昂贵、难以大规模应用。

随着机器视觉技术的发展，这一技术逐渐被应用于沥青路面纹理检测当中，旨在低成本、准确、高效的采集路面纹理特征信息并评价沥青路面施工均匀性。然而，传统的机器视觉技术从单角度图片中直接提取路面纹理特征信息或者基于单角度图片重构三维模型后提取路面纹理特征信息，存在路面纹理特征细节的丢失问题，所获得的构造深度和沥青路面均匀性指标存在一定的偏差，从而无法合理的评估沥青路面的施工均匀性。此外，传统的方法在三维重构之后仅计算断面深度MPD，也就是一维空间指标，无法定量评估沥青路面的施工均匀性。

发明内容

针对以上问题，本专利提出一种基于机器视觉的沥青路面施工均匀性检测及评价方法，该方法可以更加高效并准确的提取路表纹理分布特征参数提取，避免了由于单角度图片造成的三维纹理分布特征细节丢失，利用从三维纹理模型中提取的路面纹理分布特征参数获得更加准确的沥青路面均匀性指标，更加准确的分析及评价沥青路面施工均匀性。

一种基于机器视觉的沥青路面施工均匀性检测及评价方法，包括如下步骤：

步骤1：多角度路表图像采集

在检测路段的横断面及纵断面方向按照一定间距设置有多个采集点，通过路表图像采集装置，获取各个采集点的多角度路表图像；

其中，所述路表图像采集装置包括图像采集模块、用于读取图像采集模块信息的主控计算机、为图像采集模块提供照明的照明模块以及用于固定图像采集模块和照明模块的支撑架。

所述支撑架包括面板和用于支撑并调节面板高度的底座，所述图像采集模块和照明模块固定于面板靠近路面的一侧；

所述图像采集模块包括多个相机，多个相机在同一水平高度上呈环形间隔均布排列，且各相机的远离面板的一端向靠近环形中心方向倾斜；

优选的，各相机与水平面的夹角为45°。

步骤2：多角度路表图像预处理

对获取的多角度路表图像依次进行图像变形矫正、图像分割、阴影去除和滤波降噪的预处理；

步骤3：3D点云逆向重构获取路表三维纹理模型

将预处理后的多角度路表图像通过单角度图片的二维空间坐标精准推算相机位置并实现多角度图像间的特征点匹配及点云重建，并进行三角网格划分，获取路表三维纹理模型；

所述的特征点匹配的具体过程如下：

假设第一个相机的有效焦距为f

其中，

所述点云重建通过两相机像面点的对应关系得到，具体如下所示：

其中，ρ为目标路面区域空间点在其余角度图像中的二维坐标；

由此，得到目标路面区域空间点的三维坐标数学关系如下所示，

并由此建立路表三维纹理模型。

步骤4：路表纹理分布特征参数提取

通过三维纹理模型提取纹理分布特征参数：平均构造深度指标MTD和分形维数D及其二者之间的关系，具体过程为：

计算平均构造深度指标MTD，具体如下式所示：

V＝∫∫

其中，P

P(x，y)—为目标路面区域空间路面高程点所形成的区域面；

Q—为积分区域；

V—为P

A—为区域Q的面积；

计算分形维数D的过程如下：对目标路面区域的路面纹理坐标高程数据进行快速傅里叶变换后得到以ω为功率的功率谱S(ω)，再对lg S(ω)与lgω进行直线拟合，拟合斜率α与分形维数D的关系如下所示：

S(ω)∝ω

对平均构造深度指标MTD与分形维数D进行拟合，得到二者之间的关系。

步骤5：计算沥青路面均匀性指标

计算待检路段的平均构造深度比U

首先通过目测法确定路面施工均匀性为优的区域，测得其平均构造深度指标MTD

其中，MTD

MTD

D

D

步骤6：评价沥青路面施工均匀性

通过分形维数比U

与现有评价方法相比，本发明的评价方法具有以下有益效果：

(1)本发明提供了一种路表图像采集装置，可以准确、高效的获取路表多角度图像；

(2)本发明基于机器视觉技术实现了沥青路面路表纹理的三维重构，可以更加准确的获取路表纹理特征信息；

(3)本发明基于路表三维模型中提取的纹理特征信息提出沥青路面均匀性指标U

附图说明

图1为本专利的路表图像采集装置的结构示意图；

图2为实施例1中所述的路表图像采集装置的仰视角度结构示意图；

图3为实施例1中所述路表图像采集装置第一个相机采集路表图像的角度；

图4为实施例1中所述路表图像采集装置第二个相机采集路表图像的角度；

图5为实施例1中所述路表图像采集装置第三个相机采集路表图像的角度；

图6为实施例1中根据图3-图5采集的路表图像得到的路表三维纹理模型示意图；

图7为实施例1中铺砂法构造深度MTD

图8为构造深度MTD与分形维数D的相关性图。

具体实施方式

为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如后。

实施例1

一种基于机器视觉的沥青路面施工均匀性检测及评价方法，包括如下步骤：

步骤1：多角度路表图像采集

通过路表图像采集装置1，在检测路段的横断面及纵断面方向按照一定间距获取多角度路表图像。

作为一种具体方案，如图1和图2所示，所述路表图像采集装置1包括图像采集模块1-1、用于读取图像采集模块1-1信息的主控计算机1-2和为图像采集模块1-1提供照明的照明模块1-3，还包括用于固定图像采集模块1-1和照明模块1-3的支撑架1-4，所述支撑架1-4包括面板1-41和用于支撑并调节面板1-41高度的底座1-42，所述底座1-42可以通过螺纹、伸缩杆等方式进行高度调节，这里不做具体限制。

其中，所述图像采集模块1-1包括多个相机，多个相机固定于面板1-41靠近路面的一侧，且多个相机在面板1-41上呈环形间隔均布排列，这里的间隔均布指的是任意两个相邻的相机与环形中心之间形成的夹角γ相等，如图2，优选的，本专利中选用的相机个数为三个，相机型号可以为：Basler acA1300工业CCD相机，所述三个相机在面板上的排列轨迹形成一个圆形，且相邻两个相机到该圆心之间形成的夹角γ为120°。此外，各相机远离面板1-41的一端向靠近环形中心方向倾斜，且与水平面呈一定夹角β，如图1，优选的，本发明中各相机与水平面之间的夹角β为45°。

所述主控计算机1-2内置API编程实时触发多个相机同时工作，从而同时完成多角度的图像采集并保存至主控计算机1-2内。所述主控计算机1-2的配置可以为i5-9700CPU、GTX2060 2G、16GB RAM。这样的路表图像采集装置1能够在某一时间点实现对同一区域的多角度路表图像的同时采集，使采集的图像能够更加准确的表示当前路表形态。

所述照明模块1-3固定于支撑架1-4的面板1-41上为图像采集模块1-1提供照明，具体可以为功率大小为60w的LED无影灯，使图像更加清晰可见，以保证采集的路面图像不受自然光照强弱的影响。

本发明在检测路段的横断面方向按照1m间距设置图像采样点，纵断面方向按照20m间距设置多个图像采集点，优选的，本发明中检测路段设置有8个图像采集点；通过MATLAB完成API调用获取每个采集点的多角度路表图像，以其中一个标记为T01的采样点为例，三个相机获得的不同角度路表图像分别如图3-图5所示。

步骤2：多角度路表图像预处理

对获取的多角度路表图像依次进行图像变形矫正、图像分割、阴影去除和滤波降噪的预处理。

其中，本发明采用MATLAB进行图像的畸变消除和亮度、对比度的统一；采用GraphCut交互式图像分割算法进行图像分割，利用背景与前景像素点之间的差异性，并将前景从背景当中分割出来，也就是将目标图像从背景当中提取出来；尽管本发明的照明模块1-3可以最大程度防止阴影产生，但是依旧存在个别图像被阴影遮挡的情况，利用MATLAB调用高斯平滑函数和亮度补偿命令对图像进行阴影去除；利用小波阈值降噪算法对图像进行滤波降噪。

步骤3：3D点云逆向重构获取路表三维纹理模型

将预处理后的多角度路表图像通过3D点云逆向重构以获取路表三维纹理模型，其中，3D点云逆向重构是通过单角度图片的二维空间坐标精准推算相机位置并实现多角度图像间的特征点匹配及点云重建，其后进行三角网格划分，最终得到路表三维纹理模型，如图6所示。特征点匹配的具体过程如下：

首先假设本发明中的第一个相机的有效焦距为f

其中，

由此，通过空间转换矩阵M便可以实现两坐标系的对齐。

所述的点云重建主要通过两个相机像面点的对应关系公式得到，如下所示：

其中ρ为目标路面区域空间点在其余角度图像中的二维坐标。

由此，可以得到目标路面区域空间点的三维坐标数学关系，并得到路表三维纹理模型，如图6所示。

其中，x

步骤4：路表纹理分布特征参数提取

纹理分布特征参数包括纹理分布特征参数平均构造深度指标MTD和分形维数D，其中，平均构造深度指标MTD的计算过程如下：

V＝∫∫

其中，P

P(x，y)—为目标路面区域空间路面高程点所形成的区域面；

Q—为积分区域；

V—为P

A—为区域Q的面积。

通过建立铺沙法测得的构造深度MTD

在此基础上，对目标路面区域的路面纹理坐标高程数据进行快速傅里叶变换后得到以ω为功率的功率谱S(ω)，再对lg S(ω)与lgω进行直线拟合，拟合斜率α与分形维数D的关系如下所示：

S(ω)∝ω

以平均构造深度指标MTD为横坐标，分形维数D为纵坐标，建立MTD与D之间的关系，本发明中设置的8个图像采集点的结果如图8所示，平均构造深度指标MTD与分形维数D之间的直线拟合式为y＝-2.532x+1.5152，二者的拟合优度R

步骤5：计算沥青路面均匀性指标

首先通过目测法确定目标路段中路面施工均匀性为优的区域，测得其平均构造深度指标MTD

对待检测路段进行步骤1-步骤4的过程，获得MTD

其中，MTD

MTD

D

D

步骤6：评价沥青路面施工均匀性

本发明基于如表1所示的NCHRP Report 441中建议的沥青面层离析程度判定方法，用平均构造深度比U

表1 NCHRP Report 441中沥青面层离析程度判定标准

本发明根据步骤4中得到的MTD与D的关系，计算临界平均构造深度比U

表2基于机器视觉的沥青面层离析程度判定标准

其中：

对待检测路段进行步骤1-步骤5的过程，获得分形维数比U

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何本领域技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本发明技术方案的范围内。