基于三維激光點云的路面裂縫識別方法研究

摘要：本文主要針對路面裂縫識別過程中存在的問題進行研究，采用三維激光掃描儀對路面進行快速獲取路面點云數據，分析點云數據的數據組織結構，為點云數據處理提供基礎。利用二階導數算法對路面掃描三維激光點云進行初步處理，獲得包含偽裂縫的路面裂縫信息，然后采用最小生成樹算法進行初步處理結果進行精細處理，得到了較為精確的路面裂縫信息。這為路面裂縫的高效快速監測提供了一個技術方法。同時還可以為識別路面裂縫寬度和深度，為路面養護提供重要的依據。

關鍵詞：三維點云;數據結構;特征提取;裂縫識別

1引言

道路的裂縫是路面養護中重點關注目標，裂縫的寬度、深度、走向、離層等形態，對行車安全有不同程度的危險。因此，如何采用先進的檢測手段快速準確的識別裂縫，檢測形態已經成為路面養護諸多課題中的熱點課題?隨著科學技術快速發展，高效、高魯棒性、高精度的檢測路面裂縫已經逐漸被學者所關注?國外的路面檢測技術目前已經做的相對成熟，而國內這方面的技術研究起步較晚。從李德仁院士等開始嘗試采用不同的技術進行的路面裂縫檢測開始，王榮本教授等的基于圖像處理技術的路面裂縫檢測系統研究取得的不錯成果。2004年南京理工大學研制了激光三維路面狀況智能檢測車，給路面檢測開辟了新的思路。2008年武漢大學開發并制造出來了智能道路檢測車。使得我國路面檢測系統上的研究，逐漸走向成熟、并在諸多學者開始針對檢測算法展開深入研究。目的是為了提高檢測系統的復雜環境下的適用性與魯棒性，提高檢測精度和速度等指標?各種新技術和新算法大量應用于路面裂縫檢測的研究過程中。三維激光點云在地理信息系統、數字城市等方面的研究應用已經具有一定的規模和效益，Aleksey Boyko，Thomas Funkhouser等利用不同時間掃描的三維點云數據進行疊加處理，有效的提取了道路的范圍，趙振峰等利用機載LiDAR點云的提取道路，獲得較好的效果?三維激光技術檢測路面裂縫還需要進一步研究，優化點云處理算法，提高檢測效率和精度。結合二維影像和三維深度信息檢測路面裂縫等信息也有了一些新的突破成果。本文主要從三維激光數據組織結構出發，分析點云存儲方式，并依據平面點云邊界處理算法，針對平面邊界識別算法在道路的路面裂隙識別的過程中存在效率不高，檢測不準確問題進行改進，建立一種基于激光點云的路面裂縫自動識別算法。用以提高三維激光技術在路面裂縫檢測中檢測的效率和精度，該算法也很好地克服了灰度影像在這些方面的不足。該算法必然使得路面裂縫檢測效率大大提高，并大幅度提高路面裂縫的識別率及識別精度?

2三維激光點云的數據結構組織

點云（Point Cloud）是指通過設備發射激光到測量物體然后發射回來的被測量設備接收到的點坐標以及顏色信息或強度信息等點數據，按照一定的組織形式進行存儲，獲得到掃描物體或場景以點的形式存儲的三維信息。點云的每個點的采樣三維坐標是物體表面真實點在掃描系統坐標空間中的位置信息，顏色信息是點云中點對應位置像素的顏色賦值?此外，還有記錄掃描儀接收反射激光的強度信息，用以反映物體表面粗糙程度?三維點云是物體表面采樣點的集合，點間離散、稀疏分布，點之間不具有任何幾何拓撲關系，并且由于設備和技術的限制，采集得到的點云不僅包含大量冗余數據，而且噪聲和異常值較多，因此，點云數據需要進行合理組織，通過濾波等手段使得點云數據能夠高效為數據獲取提供重要信息

三維激光點云數據利用三維激光掃描設備，通過主動式獲取的、包含地位豐富信息的一種數據形式。點云數據是一種散亂、無組織、無序的點狀數據，根據點云的采集設備的不同，點云的數據密度和點云所包含的地物信息也各不相同，數據組織結構也是千差萬別。點云數據的數據量非常大，巨量的點云信息數據給后續處理和信息提取帶來極大麻煩。因此，優化點云數據組織，使得散亂點數據形成較好的數據結構組織，便于后續數據存儲和信息提取等處理?點云數據的有效組織對鄰近點云查詢非常高效，獲取點云的幾何性質需要分析鄰近點云局部信息的估算。隨著科學技術的推進，三維掃描設備的快速發展，其采集數據量，包含的數據信息以及數據壓縮等組織結構顯著增加。點云數據高效組織，有利于提高點云信息提取算法的效率?因此，點云數據組織結構是研究點云信息提取算法的前提和基礎，也是點云算法處理的重點?常用的點云數據組織結構有幾大類：空間立方體、K-D樹、八叉樹（Octree）以及其他的結構形式?其中八叉樹形式和K-D樹形式最為常見的“樹”形式的索引形式?它們的主要區別就在于葉子節點的組織形式，八叉樹葉子節點為一個空間，可以含有多個點;K-D樹葉子節點僅為一個點?對點云空間劃分采用八叉樹更具優勢，對單個點的索引采用K-D樹更加準確?根據八叉樹的優勢，考慮后續處理中的點云體素化、超體素生成，采用八叉樹法對點云數據進行存儲和管理，并通過八叉樹選取種子點?

3 路面裂縫邊界識別算法

基于梯度的算法是建立在一階偏導數的基礎上，針對裂縫點的一階偏導的特點采用雙閾值來劃分描述裂縫邊緣點和裂縫輪廓點。一階偏導描述點的變化率，可以識別出裂縫處點的明顯變化，借鑒Log算子的邊緣檢測算法，可以在一階的梯度的基礎上計算點的二階導數。二階導數的幾何意義表示切線斜率變化的速度或函數的凹凸性，因此，當二階導數大于零則表示曲線為凹曲線，若某區間內各點的二階導數均大于零，則該區間內的軌跡是凹的，可用來進行裂縫點特征識別。

最小生成樹算法在聚類、圖像分割等諸多領域得到廣泛應用，其主要解決點和邊組成的圖中，按照最小代價原則遍歷所有點，尋找最小生成樹（最優路徑）的問題。最小生產樹算法的基本思想是：歷遍所有的邊，每次尋找權值最小的邊，將兩端的點加入到生成樹中，如權值相同時，任取其中一條邊，若最終生成樹中形成了環路則放棄該邊，取另外同權邊，重復上述操作，直到找到最小邊的路徑，使得有點都在一顆生成樹中。最小生成樹的算法是建立在圖論最小生成樹基礎上的。目前建立最小生成樹的經典算法包括Prim算法（加點法）和Kruskal算法（加邊法）。Prim算法每一步都要維護一棵樹，將當時最小的邊添加到樹中，直到沒有可以選擇的邊為止。而Kruskal算法每一步處理多棵樹，將不構成環的最小邊添加到這些樹中，直到沒有可以選擇的邊為止。由于Prim算法每一次添加新邊后，會更新樹上每個節點到其他非樹節點的最短距離。而Kruskal算法只用在最開始的時候對所有邊進行一次排序。所以本文選擇Kruskal算法對坦克的點云生成最小生成樹。

最小生成樹算法針對少量點云處理具有很好的效果，因此在路面裂縫檢測中，先采用二階導數算法對路面裂縫進行識別，針對識別過程中產生的偽裂縫進行剔除則可以采用最小生成樹算法進行改進。

4 改進路面裂縫識別算法方法

路面裂縫點云也是無序點所組成，經特征提取得到的裂縫，會提取出或多或少的偽裂縫點?基于二階導數方法提取路面裂縫信息點云，則會產生很多偽裂縫點，會給最終評估結果的精確性造成一定的影響?綜合提取得到的裂縫點云的特點和最小生成樹算法的特點，可以將最小生成樹算法用在裂縫點云的偽裂縫處理上。

最小生成樹算法對特征提取得到的裂縫點云進行裂縫識別，需要對點云進行二階導數特征提取得到的初步的裂縫點云范圍，再利用最小生成樹算法進行提取路面裂縫信息。步驟如下：

（1）粗識別。利用二階導數算法對路面點云數據進行二階導數特征提取，初步確定裂縫區域和范圍;

（2）確定基本算法。根據得到的包含偽裂縫信息的路面裂縫點云進行分析，裂縫不止一個，且點云沒有方向性，因此選擇最小生成樹點云識別Kruskal算法，更符合路面裂縫識別的要求;

（3）計算邊長。最小生成樹Kruskal算法需要計算各點間的邊長，計算所有點之間的邊長值?因裂縫的枝干上點是連續的，連續點的邊長是最短，所以，最小生成樹計算時，優先選擇最短的邊。利用PCL（Point Cloud Library）中提供的K-D tree算法，計算鄰域內K個點的歐氏距離。循環計算，記錄起始點序號、邊的終點序號和邊長，并添加到一個map中，直到計算完所有點和邊;

（4）剔除冗余邊?根據map中的數據的鍵值對應的哈希圖，依據無向圖的邊長都加入到哈希圖中，最后從邊集中消除冗余邊的重復存儲;

（5）按邊長排序?Kruskal算法每次選取的都是最短的邊，需要先對計算得到的哈希圖按邊長進行排序，再從哈希圖中按順序提取邊，并記錄邊的起點和終點，剔除互為反向的相同的邊，最終得到裂縫點云的邊集?

（6）設置父節點哈希圖map<child，parent>?在計算最小生成樹之前，裂縫點云中的每個邊都是一顆獨立的樹，將所有邊的父節點都設置成自身?

（7）計算最小生成樹。得到邊集和樹圖后，開始計算最小生成樹?從邊集中按順序取出一條邊，判斷其端點是否同屬同一棵樹，如果屬于同一顆樹則直接加入該樹，并修改各自對應父節點，如果不屬于同一棵樹則將這條邊作為一個新樹的邊，將其中一個點作為父節點另一個作為子節點，修改對應父節點?

（8）獲得路面裂縫信息。當邊集為空時結束計算，對最小生成樹做剪裁，查找并去除所有度數小于3的結點，以此類推，除總權值最大的分支外，去除所有分支上的結點，就得到了最小生成樹識別的路面裂縫?

5 結論

利用三維激光掃描方法可以獲得地物的三維表面信息，如何根據點云數據信息的特點對點云進行信息提取是研究的熱門方向。本文針對路面點云數據特點，采用二階導數算法提取了路面裂縫信息，引入最小生成樹算法對其識別結果進行精細化識別。可以有效剔除偽裂縫，提高了路面裂縫激光點云信息識別效率和精度。

參考文獻

[1]周林.基于圖像處理的路面裂縫檢測系統設計與研究[D].太原理工大.2013.

[2]Aleksey Boyko，Thomas Funkhouser.Extracting roads from dense point clouds in large scale urban environment[J].ISPRS Jounal of Photogrammetry and Remote Sensing，2011，66（5）：S2-S12.

[3]趙振峰.基于機載 Li DAR 點云的道路提取研究[D].昆明理工大學，2012.

[4]黃建平.基于二維圖像和深度信息的路面裂縫檢測關鍵技術研究[D].哈爾濱工業大學.2013.

[5]梅笑，章光，徐衛青，等.基于三維激光掃描點云的邊界特征自動提取算法[J].武漢理工大學學報，2017，39（06）：68-72.

[6]承君，孫剛，尹李亮，等.散亂點云的邊界提取[J].計算機技術與發展，2017，27（07）：83-86.

[7]杜秋，郭廣禮.三維激光掃描點云邊界提取研宄[J].金屬礦山，2017（10）：67-71.

[8]Meyer F，Najman L.Segmentation，minimum spanning tree and hierarchies.Mathematical morphology：from theory to applications，2013：229-261

[9]Banerjee B，Varma S，Buddhiraju K M，et al.Unsupervised multi-spectral satellite image segmentation combining modified mean-shift and a new minimum spanning tree based clustering technique.Selected Topics in Applied Earth Observations and Remote Sensing，IEEE Journal of，2014，7（3）：888-894

[10]余浩.基于三維激光點云的路面裂縫自動識別技術研究[D].湖北工業大學，2015.

作者簡介：劉杰，1988年生，河南濟源人，現就職于江蘇數創智能科技發展有限公司，主要從事三維地理信息系統開發與研究。