點(diǎn)云剖面特征描述的路面坑槽提取方法

暢陳豪，劉如飛*，柴永寧，王風(fēng)春

（1.山東科技大學(xué)測繪科學(xué)與工程學(xué)院，山東 青島 266590；2.齊魯交通信息集團(tuán)有限公司，山東 濟(jì)南 250101）

隨著城市建設(shè)進(jìn)程的加快，早期公路已不能滿足城市的需要，部分路面出現(xiàn)了多種不同程度的問題，路面養(yǎng)護(hù)工作已經(jīng)越來越重要[1-2]。路面坑槽是在行車荷載和雨水等自然因素作用下，路面骨料局部脫落而產(chǎn)生的坑洼。如果不能及時(shí)發(fā)現(xiàn)，就會嚴(yán)重影響道路的壽命與使用功能，因此研究一種高效準(zhǔn)確的自動化路面坑槽檢測技術(shù)具有越來越重要的意義[3-4]。

目前傳統(tǒng)目視法的道路坑槽檢測影響公路正常行駛，成本高，耗費(fèi)大量的人力、物力[5-6]。因此，國內(nèi)外學(xué)者致力于開發(fā)一種自動化的坑槽檢測方法，并且有了較大的進(jìn)展。現(xiàn)有的方法大致可以分為三類：一是基于二維圖像的方法，該方法利用坑槽與正常路面的灰度差異區(qū)分出潛在的路面坑槽，再根據(jù)圖像的紋理信息、面積形狀信息[7-8]或潛在病害區(qū)域與背景區(qū)域的相似性和標(biāo)準(zhǔn)差最終檢測出是否存在坑槽[9-10]。這類方法能夠提取出潛在的坑槽并且根據(jù)圖像的其他信息進(jìn)一步確認(rèn)，但是圖像容易受到光照、水漬、道路其他病害等的影響，這將嚴(yán)重影響坑槽識別的精度與準(zhǔn)確性，并且這種方法也無法獲取坑槽的面積、深度以及位置信息。二是三維重建的方法，該類方法采用立體相機(jī)獲取路面的視差值，再通過表面擬合實(shí)現(xiàn)三維重構(gòu)，進(jìn)而得到路面坑槽[11-12]。該方法易受不規(guī)則紋理和顏色的影響，具有不穩(wěn)定性，不能廣泛適應(yīng)復(fù)雜路面的坑槽提取。三是基于三維激光技術(shù)的方法，利用點(diǎn)云的高程信息計(jì)算標(biāo)準(zhǔn)輪廓和測量斷面的差異區(qū)分出疑似損壞數(shù)據(jù)二值圖像，再進(jìn)行變形損壞定位和分類[13-14]，或者利用點(diǎn)云的高程和強(qiáng)度信息構(gòu)建病害的特征提取坑槽[15]。這類方法可以克服路面陰影、光照不均、油污等環(huán)境因素的干擾，具有較強(qiáng)的適應(yīng)性，并且可以獲得坑槽的位置，面積和深度等信息。但是此類方法受病害區(qū)域深度和面積的影響，使輕微病害生成的深度圖效果不佳導(dǎo)致識別效果不好，或者是受點(diǎn)云密度的影響構(gòu)建的病害特征不適用于中輕度病害。

針對三維點(diǎn)云識別坑槽對輕微變形的識別效果不好的問題，本文結(jié)合特征點(diǎn)提取的原理，將道路剖面上的坑槽特征點(diǎn)提取出來并對提取點(diǎn)云的輪廓進(jìn)行分析，能夠獲得較好的坑槽識別效果，識別結(jié)果可為養(yǎng)護(hù)單位判別路面損害程度提供依據(jù)。

1 坑槽提取算法

以車載三維激光點(diǎn)云數(shù)據(jù)為基礎(chǔ)，結(jié)合特征點(diǎn)提取的原理，將道路剖面上的坑槽特征點(diǎn)提取出來并進(jìn)行特征描述，再將提取出來的點(diǎn)云輪廓進(jìn)行分析識別出坑槽。提取算法流程如圖1 所示。

圖1 坑槽提取算法流程圖

1.1 路面點(diǎn)云濾波

原始的激光點(diǎn)云中不僅包括路面信息，還包括車輛、行道樹等非路面信息。在對路面點(diǎn)云處理前需要進(jìn)行濾波，去除非路面點(diǎn)云的影響。本文采用文獻(xiàn)[16]的方法進(jìn)行濾波，消除非路面噪聲，保留路面點(diǎn)云。

1.2 道路剖面提取

由于點(diǎn)云的數(shù)據(jù)量較大，將路面點(diǎn)云進(jìn)行分塊處理，沿道路行車方向每隔10 m 對點(diǎn)云進(jìn)行分塊。因?yàn)槁访婵硬鄣男螤钍遣灰?guī)則的，在坑槽比較窄的邊緣位置進(jìn)行單個(gè)方向剖面提取出來的坑槽點(diǎn)不能完整地表示實(shí)際坑槽的形狀，分別建立橫向和縱向剖面進(jìn)行坑槽提取。車載掃描系統(tǒng)可以獲取點(diǎn)云的掃描線信息，以每一條掃描線作為道路的橫向剖面，以垂直于掃描線方向每隔一定距離的點(diǎn)云作為縱向剖面，設(shè)置縱向剖面距離分割閾值為D。

1.3 剖面輪廓擬合

道路剖面擬合采用道格拉斯-普克算法的原理。首先連接道路剖面上首尾兩個(gè)端點(diǎn)AB，在剖面上找出距離直線AB 最大的一點(diǎn)S，然后判斷S 到直線AB 的距離是否大于設(shè)定的閾值d。如果此距離大于或等于設(shè)定的閾值，分別連接AS 和BS，將剖面分成兩部分處理，重復(fù)上述步驟，直到每個(gè)點(diǎn)到直線距離小于設(shè)定的閾值。如果此距離小于設(shè)定的閾值，則認(rèn)為該剖面上不存在坑槽點(diǎn)。此過程如圖2 所示。將這些折線上的節(jié)點(diǎn)定義為疑似坑槽特征點(diǎn)，從左到右以每兩個(gè)節(jié)點(diǎn)間的點(diǎn)云進(jìn)行最小二乘擬合，擬合出來的分段曲線即為路面剖面輪廓。

圖2 路面輪廓擬合過程示意圖

1.4 坑槽特征描述

1.4.1 坑槽特征點(diǎn)的積分不變量

Manay等[17]在文獻(xiàn)中首次提出積分不變量的概念，此算子可以用來提取特殊形狀的特征點(diǎn)，并且相對于曲率與法向量等特征點(diǎn)提取方法，積分不變量在進(jìn)行特征點(diǎn)提取時(shí)受周圍噪聲影響較小，因此本文將此算子應(yīng)用于坑槽剖面的特征點(diǎn)提取。

對于剖面擬合的路面輪廓上任意一點(diǎn)p，其積分不變量定義為：

式中，R2為以p 點(diǎn)為圓心；r 為半徑的圓形；g(x)是與路面輪廓有關(guān)的常數(shù)函數(shù)，如果以疑似坑槽特征點(diǎn)p為圓心的圓形的某一點(diǎn)在路面輪廓上邊，則取g(x)為1，否則取為0。

對于剖面上的點(diǎn)p 計(jì)算積分不變量的值B(p)為圖3 中陰影部分與整個(gè)圓的面積之比。如果p 點(diǎn)為非坑槽點(diǎn)，陰影部分的面積為整個(gè)圓形面積的一半，B(p)的值接近于0.5；如果p 點(diǎn)為坑槽邊緣點(diǎn)，這個(gè)位置在形態(tài)上是凸形，陰影部分面積大于圓形面積的一半，B(p)的值大于0.5；如果p 點(diǎn)為坑槽邊緣底部的點(diǎn)，這個(gè)位置在形態(tài)上是凹形，陰影部分面積小于圓形面積的一半，B(p)的值小于0.5。

圖3 積分不變量

1.4.2 坑槽部分的微分特性

對于坑槽位置擬合的曲線，它的形狀類似“碗形”，圖4 所示是一典型坑槽的剖面圖。坑槽位置在高程上的變化是先變小，在底部趨于平坦，然后再變大。根據(jù)坑槽在高程上的這一變化特性對道路剖面進(jìn)行微分分析進(jìn)一步判定坑槽特征點(diǎn)的屬性。它具有以下特性：

1）從坑槽內(nèi)最低點(diǎn)分別向左右進(jìn)行移動計(jì)算擬合輪廓的一階導(dǎo)數(shù)，導(dǎo)數(shù)值大于0，到達(dá)坑槽邊緣處，導(dǎo)數(shù)值小于或等于0；

2）在坑槽邊緣處，它的二階導(dǎo)數(shù)為負(fù)數(shù)；

3）在整個(gè)坑槽內(nèi)，存在大多數(shù)點(diǎn)的二階導(dǎo)數(shù)值大于0。

圖4 坑槽剖面圖

1.4.3 坑槽特征的判定條件

判定條件1：計(jì)算疑似坑槽點(diǎn)處的積分不變量，如果積分不變量的值大于0.5，則判定該點(diǎn)屬性為凸；如果小于0.5，則判定該點(diǎn)的屬性為凹。

判定條件2：①經(jīng)過判定條件1，確定剖面上是否存在屬性為凹的點(diǎn)。如果存在，則從任一凹點(diǎn)開始，分別向左、向右進(jìn)行梯度值計(jì)算，直到一階導(dǎo)數(shù)值小于或等于0 時(shí)停止，分別記錄左右兩個(gè)停止點(diǎn)。②判定左右兩側(cè)停止點(diǎn)處的二階導(dǎo)數(shù)值是否為負(fù)，若為負(fù)則保留2 個(gè)停止點(diǎn)之間的點(diǎn)為坑槽點(diǎn)；否則不保留。③如果左右兩側(cè)停止點(diǎn)處的二階導(dǎo)數(shù)值都為負(fù)，則計(jì)算2 個(gè)停止點(diǎn)之間每個(gè)點(diǎn)的二階導(dǎo)數(shù)，并保留二階導(dǎo)大于等于0 的點(diǎn)。

按照以上2 個(gè)判定條件，分別從分塊數(shù)據(jù)的橫向和縱向剖面進(jìn)行坑槽點(diǎn)云提取，將2 個(gè)方向上的識別結(jié)果疊加，得到最終的提取結(jié)果。

1.5 聚類優(yōu)化

通過以上運(yùn)算可以獲得坑槽點(diǎn)云和少量的噪聲點(diǎn)，本文以點(diǎn)云的間距和連續(xù)性作為聚類條件。從某個(gè)坑槽種子點(diǎn)開始，如果一定范圍內(nèi)存在其他坑槽點(diǎn)，則將這些坑槽點(diǎn)聚為一類，并從這一類中另一個(gè)點(diǎn)重復(fù)上一個(gè)步驟，直到這些點(diǎn)在這一范圍內(nèi)沒有新的點(diǎn)。然后在下一個(gè)坑槽種子點(diǎn)開始新的聚類，刪除類中點(diǎn)云數(shù)量少于10 的類聚。本文采用點(diǎn)云數(shù)據(jù)同一掃描線上點(diǎn)間距為3 cm，掃描線間的距離為5 cm，所以設(shè)置搜索半徑為5 cm。

1.6 坑槽形狀面積分析

本文采用Alpha Shapes 算子從離散坑槽點(diǎn)集中獲取坑槽的輪廓，此輪廓即為坑槽的邊界。相對于路面上存在比較嚴(yán)重的細(xì)長型裂縫等病害，路面坑槽的形狀比較接近橢圓。計(jì)算坑槽邊界的長軸和短軸比值，即為坑槽的橢圓率e。根據(jù)e 的大小判定是否屬于坑槽，設(shè)置判定閾值Te，如果e 大于設(shè)定閾值Te則判定屬于坑槽，否則不屬于坑槽。

式中，lmin為過坑槽中心的與坑槽邊界交點(diǎn)距離最小的值；lmax為過坑槽中心的與坑槽邊界交點(diǎn)距離最大的值。

2 實(shí)驗(yàn)分析

本文的實(shí)驗(yàn)數(shù)據(jù)是由車載移動測量系統(tǒng)采集獲得，如圖5 所示。該實(shí)驗(yàn)數(shù)據(jù)的長度約0.553 km，共12 631 812 個(gè)點(diǎn)，點(diǎn)云間間距為3 cm，掃描線間距為5 cm。路面信息包括坑槽、修補(bǔ)、裂縫和標(biāo)識線等。

圖5 道路點(diǎn)云數(shù)據(jù)

因?yàn)辄c(diǎn)云間的間距為3 cm，掃描線間距為5 cm，為確保縱向剖面在每條掃面線上至少有一個(gè)點(diǎn)，設(shè)置縱向剖面分割閾值D 為4 cm。根據(jù)《公路技術(shù)狀況評定標(biāo)準(zhǔn)》規(guī)定設(shè)置路面輪廓擬合閾值d 為2 cm。參考文獻(xiàn)[7]將橢圓率的閾值Te設(shè)為0.16。

為驗(yàn)證本文方法的有效性，從全部實(shí)驗(yàn)數(shù)據(jù)中選取分塊數(shù)據(jù)中某一個(gè)的識別效果，如圖6 所示。從濾波后的點(diǎn)云可以看出此段數(shù)據(jù)包含坑槽、裂縫，修補(bǔ)等路面信息如圖6 左側(cè)所示。因?yàn)楸疚姆椒▽τ谳p微變形的坑槽也有一定的效果，通過坑槽的特征描述之后可以提取坑槽，但會把一些裂縫和修補(bǔ)識別為輕微變形的坑槽，本文通過聚類分析和形狀分析可以剔除這些干擾，得出如圖右側(cè)所示識別效果。從結(jié)果來看，本文的方法可以提取出路面坑槽，并且對于道路其他病害的干擾有一定的對抗性。

在全部的識別結(jié)果中選取不同程度，不同形狀的坑槽（如圖7 所示）。圖中第一行為本文方法的識別結(jié)果，第二行為坑槽所對應(yīng)的圖像。從識別結(jié)果看，本文方法針對細(xì)長型，圓形和不規(guī)則的坑槽，都能夠較好地提取；針對圖中的不明顯坑槽，本文方法也有較好的識別效果；針對圖中坑槽周圍有裂縫，龜裂等病害，本文方法中利用聚類去燥，形狀分析也能夠得到較好的提取效果。

圖6 某塊數(shù)據(jù)識別效果

圖7 不同坑槽識別效果

以坑槽的面積和深度為指標(biāo)驗(yàn)證提取質(zhì)量，用本文的提取結(jié)果與人工測量的方法進(jìn)行對比，坑槽提取結(jié)果對比如表1 所示。

對于輕微變形的坑槽即面積小于900 cm2，提取的結(jié)果相對誤差小于5%；對于相對比較嚴(yán)重的坑槽及坑槽面積大于900 cm2的坑槽，提取的結(jié)果相對誤差不超過6%。根據(jù)《公路養(yǎng)護(hù)質(zhì)量檢查評定標(biāo)準(zhǔn)》對坑槽損壞程度的定義，本文方法可以有效提取輕微變形的坑槽，并且獲取坑槽面積與人工測量相比具有較小的誤差。本文坑槽的深度是坑槽的所有剖面中最低點(diǎn)到坑槽左右邊界點(diǎn)連線的距離最大值，相對于人工測量深度絕對誤差小于0.12 cm，較為精確。《公路養(yǎng)護(hù)質(zhì)量檢查評定標(biāo)準(zhǔn)》規(guī)定輕微坑槽深度小于2.5 cm，本文方法可以提取到1.6 cm 的坑槽，能夠滿足公路養(yǎng)護(hù)質(zhì)量檢查評定標(biāo)準(zhǔn)的要求。

表1 坑槽提取結(jié)果對比

3 結(jié) 語

本文以車載移動測量系統(tǒng)采集的點(diǎn)云數(shù)據(jù)為研究對象，結(jié)合特征點(diǎn)提取的原理，提出一種基于點(diǎn)云剖面特征描述的路面坑槽提取方法。首先對點(diǎn)云進(jìn)行濾波獲得路面點(diǎn)云，根據(jù)路面點(diǎn)云的掃描線獲取道路橫向和縱向剖面；采用道格拉斯-普克算法擬合道路剖面輪廓，然后根據(jù)坑槽剖面的積分不變性和微分特性構(gòu)建坑槽的特征描述算子，自動識別路面坑槽；通過點(diǎn)云的連續(xù)性和點(diǎn)云間的距離進(jìn)行聚類去噪，最后經(jīng)過形狀分析進(jìn)一步確定坑槽。實(shí)驗(yàn)表明本文利用點(diǎn)云識別坑槽有以下幾個(gè)優(yōu)點(diǎn)：提取坑槽抗干擾性強(qiáng)，在路面情況比較復(fù)雜情況下，本文的方法可以抵抗修補(bǔ)，裂縫等路面病害的影響，準(zhǔn)確提取坑槽；提取坑槽適用性強(qiáng)，可以適用于不同損壞程度，不同形狀的坑槽；提取坑槽準(zhǔn)確度、精度高。本文方法可以有效識別坑槽，但對于擁包、車轍等病害未建立特征描述。在后續(xù)的研究中，將嘗試引入不同變形類病害的不同特征，以同時(shí)提取并分類多種變形類病害。