一种沥青路面构造深度检测方法 |
|||||||
| 申请号 | CN202311200907.8 | 申请日 | 2023-09-18 | 公开(公告)号 | CN117218089B | 公开(公告)日 | 2024-04-19 |
| 申请人 | 中南大学; | 发明人 | 但汉成; 陆冰洁; | ||||
| 摘要 | 本 申请 适用于路面检测技术领域，提供了一种 沥青 路面构造深度检测方法，包括：获取沥青路面的多个视 角 的图像；多个视角的图像包括一参考图像和环绕沥青路面拍摄的n个源图像，拍摄参考图像的相机的光轴垂直于沥青路面；将多个视角的图像输入 深度图 重建模型进行深度图重建，得到参考图像的深度图；获取深度图的绝对深度值，并对深度图进行裁剪，得到具有绝对深度值的深度图；对具有绝对深度值的深度图进行拟合，得到拟合平面；基于拟合平面进行倾斜误差的矫正获得沥青路面的准确深度图；根据准确深度图获取沥青路面的构造深度。本申请能提升检测沥青路面构造深度的效率和 精度 。 | ||||||
| 权利要求 | 1.一种沥青路面构造深度检测方法，其特征在于，包括： |
||||||
| 说明书全文 | 一种沥青路面构造深度检测方法技术领域[0001] 本申请属于路面检测技术领域，尤其涉及一种沥青路面构造深度检测方法。 背景技术[0002] 沥青路面表面构造与摩擦力不仅影响驾驶舒适感，而且在车辆加减速时影响交通安全的重要因素。在各国规范中路面的构造深度是沥青路面抗滑性的一项重要技术指标，路面构造深度越大则抗滑能力越好。新建路面的构造深度最大，随着服务年限的增加，路表面会逐渐磨耗，致使车轮和路面间的摩擦力降低。由于路面摩擦力不足导致的交通事故屡见不鲜。因此，在新建路面验收以及运营路面质量衰变检测中，构造深度是一项重要的检测指标。 [0003] 常用的沥青路面抗滑性检测方法主要有制动距离法、摆式仪法、铺砂法、激光法和横向力系数法。其中，铺砂法是检测路面构造深度的主要方法，根据ASTM E 965和T0961‑95等规范，分为电动铺砂法和人工铺砂法。铺砂法将细砂平铺在路面上呈圆饼状，记录圆的几何尺寸计算平均构造深度(MTD，Mean Texture Depth)。规范EN 13036‑1将细砂由玻璃球代替，后者的粒径范围更小，且操作中更容易被推平。铺砂法存在一些弊端，例如操作手法对结果的影响很大，费时费力。细砂难以回收并不环保，且在角度较大的斜坡上无法使用，受气候影响大，雨天或大风天无法测量。尽管如此，铺砂法仍作为许多测量MTD的新方法的准确度依据。 [0004] 激光法是利用线激光设备对路面进行测距，用距离数值绘制断面的高程散点图，反映路面的凹凸纹理特性。激光断面的分析方法得到平均断面深度(MPD，Mean Profile Depth)与MTD的匹配需要计算相关关系，三维分析方法一般通过相对高程或体积计算得到MTD。 [0005] 安装线激光扫描设备的道路检测车可以在行驶中记录路面的细观纹理起伏，一些便携式的激光设备对室内和小范围检测提供帮助。Cigada等人将两个工业激光三角位移传感器安装在道路检测车上，以传感器预估的行驶速度推算路面纹理形态，较慢的形式速度如10km/h可以测量小于0.5mm的波长。White等人研发了手持式激光MTD设备，在0.5mm～1.5mm的铺砂MTD范围内，得到的ETD数据比较准确。环形纹理测试仪(CTMeter)也是基于激光测量的可移动MTD检测设备。Abe等人和Hanson等人将CTMeter得到的测点MPD数据与MTD比较，得到了良好的相关性和较小的误差结果。激光测量用于细观纹理分析时的精度很高，但由于光度或光线阴影不利条件下容易产生无效读数，受外界环境和路面材料本身的表面反射特性影响，三角测量存在着重采样和滤波效果的问题。 [0006] 除此之外，郑木莲等利用SAFEGATE摩擦因数测试车测定路面抗滑性能。Wasilewska等利用防滑阻力测试仪和摩擦力观测仪测试抗滑力，进而对路面抗滑性能进行评估。窦光武为评价路面抗滑性能，采用高精度激光测距传感器对路面构造深度进行测量。 周兴林等基于激光视觉法测量了沥青路面的构造深度，通过图像处理方法估算了路面断面深度(MPD)进而评价路面抗滑性能。钱振东等用数字图像处理技术重构车辙板表面三维纹理模型，通过差分盒维数法计算三维纹理模型的分形维数，研究了分形维数与抗滑性能的关系。Ueckermann等基于光学纹理测量的非接触式防滑电阻对路面纹理进行测量以评价路面抗滑性能。Nejad等基于图像的自动系统通过自动图像获取系统(IAS)捕获路面纹理图像对路面抗滑性能进行评估。Liang等基于三维检测系统中点云数据生成路面纹理的3‑D虚拟模型来计算平均纹理深度(MTD)，评估路面抗滑性能。Cui等基于多线激光和双目视觉技术对沥青路面平均纹理深度进行测量，引入了多线激光配对和极线约束技术，以实现多线激光与双目视觉之间的图像匹配，依次算出沥青路面平均轮廓深度。 [0007] 鉴于此，随着照相设备和三维重建技术的发展，该技术在分析沥青混凝土的表面纹理和表面裂纹缺陷等方面逐步开展应用研究。Chen等人利用三目相机采集路面纹理图像并进行三维重建，提取路面的高程数据计算MTD。 等人研发了由线激光和双摄像头组成的扫描设备，利用相机图像进行扫描对象的水平和垂直矫正。事实上，激光和结构光方法均属于发射主动光源的主动视觉方法，而相机拍摄的单目、双目及多目视觉法是利用外部光源的被动视觉方法。但是目前这些检测沥青路面构造深度的效率和精度欠佳。发明内容 [0008] 本申请实施例提供了一种沥青路面构造深度检测方法，可以解决检测沥青路面构造深度的效率和精度欠佳的问题。 [0009] 本申请实施例提供了一种沥青路面构造深度检测方法，包括： [0010] 获取沥青路面的多个视角的图像；多个视角的图像包括一参考图像和环绕沥青路面拍摄的n个源图像，拍摄参考图像的相机的光轴垂直于沥青路面； [0011] 将多个视角的图像输入深度图重建模型进行深度图重建，得到参考图像的深度图； [0012] 获取深度图的绝对深度值，并对深度图进行裁剪，得到具有绝对深度值的深度图； [0013] 对具有绝对深度值的深度图进行拟合，得到拟合平面； [0014] 基于拟合平面进行倾斜误差的矫正获得沥青路面的准确深度图； [0015] 根据准确深度图获取沥青路面的构造深度。 [0016] 可选的，获取深度图的绝对深度值，包括： [0017] 在已知厚度的标定板内部四个角获取四对标定点；四个角与四对标定点一一对应； [0018] 通过深度值计算公式获取深度图的绝对深度值； [0019] 深度值计算公式为： [0020] [0021] 其中，Zabs表示深度图的绝对深度值，Zrel表示深度图的相对深度值，scale表示标定板的比例尺系数，x表示标定板的厚度，Zblue_i表示第i对标定点中一个标定点的相对深度值，Zred_i表示第i对标定点中另一个标定点的相对深度值。 [0022] 可选的，对深度图进行裁剪，得到具有绝对深度值的深度图，包括： [0023] 利用标定板对深度图进行裁剪，得到具有绝对深度值的深度图；裁剪后的深度图的尺寸与标定板的尺寸相同。 [0024] 可选的，对具有绝对深度值的深度图进行拟合，得到拟合平面，包括： [0026] 可选的，基于拟合平面进行倾斜误差的矫正获得沥青路面的准确深度图，包括： [0027] 获取拟合平面的法向量n； [0028] 通过倾斜度矫正公式获得沥青路面的准确深度图； [0029] 倾斜度矫正公式为： [0030] [0031] 其中，Z′表示沥青路面的准确深度图，T表示坐标变换矩阵，X,Y表示深度图中像素点坐标，Z表示深度图的绝对深度值，R表示旋转矩阵， θ表示法向量n与Z轴的夹角， t表示三维平移向量， 表示一个3×1的零 向量的转置。 [0032] 可选的，根据准确深度图获取沥青路面的构造深度，包括： [0033] 通过公式 计算得到沥青路面的构造深度； [0034] 其中，MTDp表示沥青路面的构造深度，M,N分别表示准确深度图长和宽方向的像素数量，Zmn表示准确深度图中第m行第n列像素的绝对深度值，Zp表示选取的纹理参考面的绝对深度值， Y表示标定板内的面积。 [0035] 可选的，根据准确深度图获取沥青路面的构造深度，包括： [0036] 通过公式 计算得到沥青路面的构造深度； [0037] 其中，MPDp表示沥青路面的构造深度，N为准确深度图的像素总行数，MSD表示平均断面深度， 表示准确深度图中第j行像素的平均高程的深度值， 表示准确深度图中第j行像素的峰值高程的深度值。 [0038] 可选的，多个视角的图像的分辨率均为3024×3024，n的取值为6。 [0039] 本申请的上述方案有如下的有益效果： [0040] 在本申请的实施例中，通过将沥青路面的参考图像和环绕沥青路面拍摄的n个源图像输入深度图重建模型进行深度图重建，得到参考图像的深度图，并通过获取深度图的绝对深度值对该深度图进行裁剪，获得深度图的有效区域，然后再对裁剪后的深度图进行拟合，并基于拟合平面进行倾斜误差的矫正获得沥青路面的准确深度图，以基于该准确深度图获取沥青路面的构造深度。其中，由于本申请的深度图是结合计算机视觉技术与深度学习技术得到的，因此能大幅增强深度图重建的效率和精度，以便提升检测沥青路面构造深度的效率和精度，同时由于构造深度的检测是基于深度图的有效区域、且是基于倾斜误差矫正后深度图完成的，因此能大大提升检测沥青路面构造深度的效率和精度。 [0041] 此外，由于本申请的检测方法是集自动化图像获取与分析为一体的，因此本申请的检测方法为真正意义上的完整自动化检测方法，同时其适用于各类沥青路面的图像，具有极强的实用意义。 [0043] 为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。 [0044] 图1为本申请一实施例提供的沥青路面构造深度检测方法的流程图； [0045] 图2为本申请一实施例中标定板的结构示意图； [0046] 图3为本申请一实施例中倾斜误差处理前后的某一剖面的深度值变化图； [0047] 图4为本申请一实施例中不同纹理参考面计算构造深度时对应的MAPE统计指标的示意图； [0048] 图5为本申请一实施例中MPDp的计算过程示意图。 具体实施方式[0049] 以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。 [0050] 应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。 [0051] 还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。 [0052] 如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。 [0053] 另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。 [0054] 在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。 [0055] 针对目前检测沥青路面构造深度的效率和精度欠佳的问题，本申请实施例提供了一种沥青路面构造深度检测方法，该方法通过将沥青路面的参考图像和环绕沥青路面拍摄的n个源图像输入深度图重建模型进行深度图重建，得到参考图像的深度图，并通过获取深度图的绝对深度值对该深度图进行裁剪，获得深度图的有效区域，然后再对裁剪后的深度图进行拟合，并基于拟合平面进行倾斜误差的矫正获得沥青路面的准确深度图，以基于该准确深度图获取沥青路面的构造深度。 [0056] 其中，由于本申请的深度图是结合计算机视觉技术与深度学习技术得到的，因此能大幅增强深度图重建的效率和精度，以便提升检测沥青路面构造深度的效率和精度，同时由于构造深度的检测是基于深度图的有效区域、且是基于倾斜误差矫正后深度图完成的，因此能大大提升检测沥青路面构造深度的效率和精度。 [0057] 下面结合具体实施例对本申请实施例提供的沥青路面构造深度检测方法进行示例性说明。 [0058] 如图1所示，本申请实施例提供的沥青路面构造深度检测方法包括如下步骤： [0059] 步骤11，获取沥青路面的多个视角的图像。 [0060] 上述多个视角的图像包括一参考图像和环绕沥青路面拍摄的n个源图像，拍摄参考图像的相机的光轴垂直于沥青路面，且这多个视角的图像均为RGB图像，RGB代表红、绿、蓝三个通道的颜色。 [0061] 其中，上述多个视角的图像的分辨率以及数量可根据相机的性能进行适当调整。作为一个优选的示例，上述多个视角的图像的分辨率可以均为3024×3024，n的取值可以为 6、7、8、9、10等，相机可使用数码相机，如智能手机的相机。 [0062] 步骤12，将多个视角的图像输入深度图重建模型进行深度图重建，得到参考图像的深度图。 [0063] 上述n个源图像主要用于辅助重建参考图像的深度图。 [0064] 在本申请的一些实施例中，上述深度图重建模型可以为常用深度图重建模型。作为一个优选的示例，可使用PatchmatchNet(PatchmatchNet是一种用于图像处理的深度学习模型)。 [0065] 需要说明的是，上述步骤12中的深度图重建模型为训练后的模型。这里以PatchmatchNet为例对模型的训练过程进行说明。 [0066] 首先采用深度相机Intel RealSense D405采集图像数据，得到RGB‑D(RGB‑D＝普通的RGB三通道彩色图像+深度图像)训练集(涵盖工程中常见的密级配沥青混凝土混合料(AC)，沥青玛蹄脂碎石混合料(SMA)，升级配排水式磨耗层混合料(OGFC)等沥青混合料路面)，并对RGB‑D训练集进行补全、裁剪等预处理操作；然后使用大规模公开数据集(如DTU数据集)对模型进行预训练，将预训练模型的权重作为初始化参数，然后采用预处理后RGB‑D训练集对模型进行微调。 [0067] 值得一提的是，通过上述迁移学习的训练方法对模型进行训练，可以利用预训练模型学习到的特征和参数初始化值来加速模型的训练和提高性能，减少数据量的需求和训练时间。模型将基于预训练权重进一步从路面纹理RGB‑D数据集中学习路面纹理特征，模型最终实现良好的重建性能。 [0068] 在模型训练结束后，可选用IoU指标(IoU指标是一种测量在特定数据集中检测相应物体准确度的一个标准)评估神经网络训练的准确率，比较模型重建的点云与真值点云。 [0069] 具体可在RGB验证集(可采用数码相机拍摄获得)上评估模型的准确度。定义为其中，VGT∩Pre表示真值点云与模型重建的点云的交集，VGT∪Pre表示真值点云与模型重建的点云的并集，真值点云可通过将RGB验证集图像输入PhotoScan软件重建得到。 [0070] IoU指标取值范围在0到1之间，当IoU的值越接近1时，表示2个三维模型的空间形态越接近，即PatchmatchNet预测点云的准确性越好，则可推知模型能够进行质量良好的深度图重建。 [0071] 在本申请的一些实施例中，为提升PatchmatchNet重建深度图的准确性，在完成模型训练和验证后，还可分析不同的图像分辨率和视角数量以及路面材料类型对于重建质量的影响。 [0072] 为保证数据集包含多样性的场景和条件，以获得全面的分析结果，可在包含不同图像分辨率、视角数量和路面材料类型的RGB验证集上进行分析。在具体分析过程中，使用不同的图像分辨率(2048，3024，3400)和视角数量(5，7，10)进行组合并试验。接着固定图像分辨率(3024)和视角数量(7)，并在不同路面材料类型上试验，并记录相应的重建结果和评估指标(可采用IoU指标)结果。 [0073] 通过对实验结果进行统计分析，比较不同因素对重建质量的影响。结论是在图像分辨率为3024×3024，视角情况为7的情况下重建质量最好，在不同路面材料类型上的重建质量相差不大，效果稳定，因此实际应用中的重建任务可以取得良好的效果。 [0074] 在本申请的一些实施例中，为证明本申请中PatchmatchNet的准确性，选择RGB验证集作为试验对象(具体筛选图像分辨率为3024×3024、视角数量为7和不同路面材料类型的图像)；选择一种传统的三维重建模型colmap作为基准模型，使用该模型对数据集中的图像进行三维重建，并得到相应的重建结果；使用IoU指标来衡量不同模型下的点云重建质量。 [0075] 对于选择的RGB验证集，分别使用PatchmatchNet和传统三维重建模型进行重建。比较两种方法得到的重建结果，包括视觉上的重建深度图对比和定量上的IoU指标比较。 [0076] 使用选定的评估指标对两种重建结果进行定量评估。PatchmatchNet在对于点云的重建质量IoU＝0.77，好于传统的三维重建模型的重建质量IoU＝0.64，并在重建的效率上远胜于传统的传统三维重建模型。 [0077] 步骤13，获取深度图的绝对深度值，并对深度图进行裁剪，得到具有绝对深度值的深度图。 [0078] 在本申请的一些实施例中，可利用已知厚度的标定板确定深度图的绝对深度值，并对其进行裁剪得到具有绝对深度值的深度图。 [0079] 步骤14，对具有绝对深度值的深度图进行拟合，得到拟合平面。 [0080] 在本申请的一些实施例中，可利用随机一致性采样(RANSAC)算法对具有绝对深度值的深度图进行拟合，得到拟合平面。 [0081] 步骤15，基于拟合平面进行倾斜误差的矫正获得沥青路面的准确深度图。 [0082] 在本申请的一些实施例中，可通过获取拟合平面的法向量n，然后通过坐标变换矩阵T，将深度图中的点投影到旋转后的坐标系中，从而获得沥青路面的准确深度图。 [0083] 步骤16，根据准确深度图获取沥青路面的构造深度。 [0084] 在本申请的一些实施例中，可基于体积的三维指标或基于剖面的二维指标获取沥青路面的构造深度。 [0085] 值得一提的是，由于本申请的深度图是结合计算机视觉技术与深度学习技术得到的，因此能大幅增强深度图重建的效率和精度，以便提升检测沥青路面构造深度的效率和精度，同时由于构造深度的检测是基于深度图的有效区域、且是基于倾斜误差矫正后深度图完成的，因此能大大提升检测沥青路面构造深度的效率和精度。 [0086] 下面结合具体实施例对上述步骤13，获取深度图的绝对深度值，并对深度图进行裁剪，得到具有绝对深度值的深度图的具体实现方式进行示例性说明。 [0087] 在本申请的一些实施例中，可先在已知厚度的标定板内部四个角获取四对标定点，然后通过深度值计算公式获取深度图的绝对深度值，并利用标定板对深度图进行裁剪，得到具有绝对深度值的深度图。 [0088] 其中，上述四个角与四对标定点一一对应，即每个角有一对标定点，且4个角的标定点的设置方式相同。为便于理解标定点，在此以图2所示的标定板对标定点进行示例性说明。图2仅示意了四个角中一个角的一对标定点，该对标定点包括角上侧的圆形标定点和下侧的三角形标定点。 [0089] 上述深度值计算公式为： [0090] [0091] 其中，Zabs表示深度图的绝对深度值；Zrel表示深度图的相对深度值；scale表示标定板的比例尺系数， x表示标定板的厚度，具体可根据实际数值进行设定，如3毫米；Zblue_i表示第i对标定点中一个标定点(如图2中的圆形标定点)的相对深度值；Zred_i表示第i对标定点中另一个标定点(如图2中的三角形标定点)的相对深度值。 [0092] 需要说明的是，PatchmatchNet重建得到的深度图能反映相对深度值，Zblue_i和Zred_i指的是利用PatchmatchNet对标定板进行深度图重建得到的深度图中的相对深度值。 [0093] 在本申请的一些实施例中，利用标定板对深度图进行裁剪，是为了筛选出深度图的有效区域(也称之为感兴趣范围)。需要说明的是，裁剪后的深度图的尺寸与标定板的尺寸相同。作为一个优选的实例，裁剪后的深度图的尺寸可以为100mm×100mm。 [0094] 下面结合具体实施例对上述步骤15，基于拟合平面进行倾斜误差的矫正获得沥青路面的准确深度图的具体实现方式进行示例性说明。 [0095] 在本申请的一些实施例中，可先获取拟合平面的法向量n，然后通过倾斜度矫正公式获得沥青路面的准确深度图 [0096] 上述倾斜度矫正公式为： [0097] [0098] 其中，Z′表示沥青路面的准确深度图；T表示坐标变换矩阵，坐标变换矩阵用于描述从一个坐标系到另一个坐标系的转换关系的矩阵形式，是根据所选的坐标系和变换规则来设定的， X,Y表示深度图中像素点坐标；Z表示深度图的绝对深度值；R表示旋转矩阵， θ表示法向量n与Z轴的夹角，Z轴为相机(具体可 以为获取多个视角的图像的相机)坐标系Z轴， t表示三维平移向 量，这个向量可以用于描述从一个坐标系到另一个坐标系的平移变换，当将一个向量与平移向量相加时，它们在每个坐标轴上都将被相应地平移； 表示一个3×1的零向量的转置。 [0099] 值得一提的是，倾斜误差的矫正能有效修正路面存在的倾斜误差，提升构造深度的精度。如图3中A曲线(A曲线为经倾斜误差矫正后的深度值变化曲线)和B曲线(B曲线为倾斜误差矫正前的深度值变化曲线)可知，经倾斜误差矫正后的深度值的绝对差值变小，剖面深度值的整体斜率也变小，说明有效的修正了路面存在的倾斜误差。其中，图3中的横坐标表示深度图某一行的像素值，纵坐标表示相对于纹理参考面的深度值。 [0100] 下面结合具体实施例对上述步骤16，根据准确深度图获取沥青路面的构造深度的具体实现方式进行示例性说明。 [0101] 其中，基于体积的三维指标获取沥青路面的构造深度的过程为： [0102] 通过公式 计算得到沥青路面的构造深度。 [0103] 其中，MTDp表示沥青路面的构造深度，M,N分别表示准确深度图长和宽方向的像素数量，Zmn表示准确深度图中第m行第n列像素的绝对深度值，Zp表示选取的纹理参考面的绝对深度值， Y表示标定板内的面积。需要说明的是，可选取准确深度图中p％最小深度分位值所在的平面作为纹理参考面。 [0104] 在本申请的一些实施例中，可选定准确深度图中5％处的深度分位值所在平面作为纹理参考面，此时各类型路面的预测误差都接近最小。可以理解的是，在本申请的实施例中，并不限定纹理参考面具体是深度图的何平面。 [0105] 为便于清楚纹理参考面对构造深度的影响，在此选取不同的纹理参考面计算构造深度，并使用MAPE统计指标来衡量构造深度与实测值的平均相对误差百分比。 [0106] [0107] 其中，MTDe表示实测值。 [0108] 如图4所示，针对AC‑13、AC‑16、SMA‑13、OGFC‑16这4种不同类型的沥青路面进行测试，获得以不同深度分位值处的平面作为纹理参考面计算构造深度时对应的MAPE统计指标。其中，图4中横坐标表示p的取值，纵坐标表示MAPE统计指标值。 [0109] 其中，基于剖面的二维指标获取沥青路面的构造深度的过程为： [0110] 通过公式 计算得到沥青路面的构造深度。 [0111] 其中，MPDp表示沥青路面的构造深度，N为准确深度图的像素总行数，MSD表示平均断面深度， 表示准确深度图中第j行像素的平均高程的深度值， 表示准确深度图中第j行像素的峰值高程的深度值。 [0112] 需要说明的是，平均高程的深度值和峰值高程的深度值可从图5所示的MPDp的计算过程示意图中选取。其中，图5的横坐标表示深度图某一行的像素值，纵坐标表示相对于纹理参考面的深度值，线条C表示峰值高程面，线条D表示平均高程平面。 [0113] 需要进一步说明的是，在实际应用过程中，可根据实际情况选取基于体积的三维指标或基于剖面的二维指标获取沥青路面的构造深度。 [0114] 下面对实施本实施例提供的检测方法的相关设备进行示例性说明。 [0115] 设备核心部件包括广角微距镜头、单反相机、旋转伺服电机、水平滑动模组和固定支架等；由伺服电机和滑动模组控制相机的拍摄角度，测点拍摄数量为1(参考图像垂直于路面拍摄)+8(多视图像)共计9张。相机直连计算服务器，实时导出照片进行路面构造深度预测；需要设计遮光罩，并以内部设置光源的形式取代自然光等外部光源，避免由于环境光光源不均匀或倾斜严重对成像结果的影响；设备应实现便携化和操作轻量化，避免设备重心偏移。 [0116] 综上，本申请实施例提供的沥青路面构造深度检测方法具备如下优点： [0117] 第一、非接触性：是一种非接触性的测量方法，不需要如铺砂法一样物理接触被测对象，更加方便和安全； [0118] 第二、信息丰富：可以提供丰富的附加信息。除了构造深度值，深度图像还可以提供其他有关构造表面的信息，如纹理、颜色等。这些信息可以用于进一步的分析和应用，例如路表面质量评估、缺陷检测等。 [0119] 第三、可视化展示：可以生成可视化的深度图像，直观地展示构造深度值的分布和变化情况。这有助于研究人员和决策者对构造深度的理解和分析，并支持后续的决策和处理。 [0120] 以上所述是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。 |
||||||
QQ群二维码
意见反馈
意见反馈