EI - 利用激光三角法进行快速车辙检测

文章编号 ： （ ） １ ６ ７ １ ８ ８ ６ ０ ２ ０ １ ０ ０ ３ ０ ３ ０ ２ ０ ６
文献标志码 ： Ａ
利用激光三角法进行快速车辙检测
２ １ ３ 李清泉１ 雷 波１， 毛庆洲 傅智能
武汉市珞喻路 １ ） （ ２ ９号， ４ ３ ０ ０ ７ ９ １ 武汉大学交通研究中心 ， （ 武汉市珞喻路 １ ） ２ 武汉大学电子信息学院 ， ２ ９号， ４ ３ ０ ０ ７ ９ （ 武汉市武汉大学科技园 ， ） ３ 武汉武大卓越科技有限责任公司 ， ４ ３ ０ ２ ２ ３
摘 要： 为了实现实时车辙测量及绘制足够密集的路面剖面线 ， 分别设定全局和局部阈值 ， 利用局部梯度极大 值及邻域灰度进行激光线判断和提取 ； 提出了基于 Ｄ ｅ ｌ ａ ｕ ｎ ａ ｙ三 角 网 的 标 定 点 网 格 建 立 及 测 量 点 的 物 方 坐 标 反算方法 。 实验路段的检测结果表明 ， 车辙检测仪的检 测 结 果 与 人 工 检 测 结 果 符 合 得 较 好 ， 可以作为路面车 辙测量的可靠工具 。 关键词 ： 激光三角法 ；标定 ；车辙 ； Ｄ ｅ ｌ ａ ｕ ｎ ａ ｙ 三角网 中图法分类号 ： Ｐ ２ ３ ７． ４
７ τ＜ ３ μ＋δ μ， （ ） ３ ０ ０ ３ ０ 或狀 τ≥２ ２ ５ ５ ≥６ μ－δ μ， 式中 ， 狀 ５ ５ 的像素数目 。 ２ ５ ５ 为兴趣区域内灰度为 ２ 全局域值的检 测 和 光 圈 的 调 整 ， 每一秒进行
′＝ μ
｛
２ 激光线检测
为了 保 证 测 量 时 检 测 车 的 速 度 不 低 于 ８ ０ ／ 系统需要 Ｃ ｋ ｍ ｈ， Ｃ Ｄ 在一定时间内所获取的图 像帧数尽 量 大 。 系 统 采 用 的 相 机 拍 摄 频 率 为 ８ ０ 帧／ ， 即检测车硬 件 需 要 在 每 秒 内 处 理 左 右 车 辙 ｓ 共１ 每帧图像的处理时间及每 ６ ０ 帧 图 像 的 数 据， 次车辙计算要在 ６． ５ｍ ｓ内 完 成 。 这 就 要 求 激 光 线提取算法 、 激光 线 物 方 坐 标 插 值 算 法 与 车 辙 计 算过程要采用快速的算法来完成 。 ２． １ 激光线位置检测 在环境光线不 强 时 ， 激光线可以清楚地在图 像中显现 ， 只需对激光线采用全局的域值分割 ， 并 用灰度 重 心 法 进 行 细 化 即 可 提 取 出 其 中 心 。 然 通 常 在 测 量 中， 会 出 现 阳 光 很 强 烈 的 情 况， 此 而， 时激光线与前景 的 灰 度 差 会 大 为 减 弱 ； 随机出现 的树木等物的阴 影 会 使 得 背 景 灰 度 并 不 均 匀 ； 而 且在道路中经常会出现某些颗粒对于阳光的反射 非常 强 烈 ， 从 而 在 图 像 中 形 成 亮 点； 同 时， 在道路
一次 ， 以减轻 Ｃ Ｐ Ｕ 负担 。 以τ 为域值 对 兴 趣 区 域 中 第 一 列 进 行 搜 索 ， 标记灰度值超过 τ 的 像 素 ， 此时直接以这些像素 的均值作为这 列 的 局 部 域 值 ρ １。 对 于 大 于ρ １ 的 值， 令犐（ ， ） 表示其灰度 ， 求取其纵向梯度 ： 犻犼 ） ， ， ， （ ） 犐 犻 犻 犻 ４ －犐（ 犼］＝犐（ 犼＋１ 犼） 狔［ 则对每一段连续的较 亮 像 素 ， 均 可 找 到犐 犐 ｕ ｄ ｏ ｗ ｎ、 ｐ、 分 别 表 示 其 最 大 正 梯 度、 最大负梯度 犐 ３ 个值 ， ｍ ａ ｘ 和最大灰度值 。 在这 一 列 内 ， 满足以 狀 个 连 续 较 亮 像 素 中， 下两个条件的判 断 为 激 光 线 上 的 点 ， 否则认为无 激光线存在 ： ０； 犐 犐 ②｜ ｜＋｜ ｜＋ ① ２≤狀≤１ ｕ ｄ ｏ ｗ ｎ ｐ 为本列中最大 。 犐 ｜ ｍａ ｜ ｘ 在本列中确定出激光线上点后 ， 按式 （ ） 求其 ５ 纵向灰度质心作为激光线中心上点 ：
中有路面标线或其他改变路面局部对光线的反射 特性的情况时 ， 也会引起激光线与背景灰度不均 匀 。 所有这些因素都造成了激光线的提取困难 。 图像大小与采 用 的 相 机 分 辨 率 有 关 ， 但是通 过标定可以知道 ， 有效激光线在图像中可能出现 的位置在一段固 定 的 区 域 内 ， 这段区域由标定点 阵的 ４ 个边界决 定 ， 则图像的兴趣区域可以被限 以减少不必要的计算 。 定在一个长而窄的区域内 ， 则在每 首先需要 确 定 激 光 线 的 全 局 域 值 τ， 段测量时 ， 可以在此基础上对域值进行局部调整 。 由于处理时间的限制 ， 通常所用的 ｏ ｓ ｔ ｕ 等分割 方 法在此不能使用 ， 转而要寻求更快速高效的方法 。 令 狆 为图像中的一点 ， 则阈值τ 采 犐 狆 为其灰度值 ， 用式 （ ） 进行计算 ： ２
三角法车辙检测系统中的快速车辙检测与计算方 法， 该方法使用纵向最大梯度检测激光线的位置 ， 使用 Ｄ ｅ ｎ ａ ｕ ｌ ａ ｙ 三角 法 进 行 激 光 点 的 标 定 与 位 置 解算 。 实验表明 ， 该算法可以实现车辙实时测量 ， 并达到国家对于 车 载 车 辙 检 测 仪 的 检 定 要 求 ， 现 已转化为产品 ， 并在国内得到广泛使用 。
５ 卷第 ３ 期 第３
李清泉等 ： 利用激光三角法进行快 。 因此 ， 在车辙测量中 ， 采用插值 法来进行激光点 物 方 坐 标 的 解 算 ， 同时也不用考 虑相机的畸变 ， 而标定则由如图 ２ 所示装置进行 。 将检测车置于离 地 一 定 距 离 的 平 台 上 ， 平台下两 侧布置两个竖向 带 有 刻 度 的 标 尺 ， 上有支撑架可 以在标尺上 上 下 移 动 ， 用 来 放 置 标 定 杆。标 定 杆 由两 根 长 杆 和 ４ 小杆之间间距为 １ 个 小 杆 组 成， 标定杆 总 长 度 为 ４ ｍ， 即保证标定范围 １ ０ ０ｍｍ， 大于车道宽 度 。 标 定 过 程 中 ， 使激光线投射到标 定杆上的小 杆 上 ， 形 成 亮 点， 用Ｃ Ｃ Ｄ 获取亮点位 置并保存 。 将标 定 杆 沿 标 尺 向 上 或 向 下 移 动 ， 每 次间隔 ２ 直 至 覆 盖 整 个 测 量 范 围， 获取所 ０ ｍｍ， 有亮点 ， 形成 一 个 标 定 点 阵 。 将 标 定 点 阵 的 亮 点 在物方和像方的坐标分别保存 ， 测量时 ， 根据亮点 的像方位置在标 定 点 表 中 进 行 查 询 ， 找出最近的 像方点 ， 并进行插值以获得其物方坐标 。
犪 狓 ′ ｓ ｉ ｎ α （ ） 狓＝ １ ｓ ｉ ｎ ′ ｃ ｏ ｓ 犫 θ－狓 θ １． ２ 车辙测量装置组成 车辙测量系 统 的 示 意 图 如 图 ２ 所 示 ， 左右车
辙分 别 由 一 个 激 光 器 与 一 个 Ｃ Ｃ Ｄ 组成的三角测 量系统来进行测 量 ， 两套测量装置分别安装在检 测车尾部左 右 两 侧 。 在 每 一 套 三 角 测 量 系 统 中 ， 由激光器发出的 激 光 被 棱 镜 扩 散 ， 投射到路面上 形成一条亮线 ， 当地面高程发生变化时 ， 亮线的位 置 和 形 状 会 发 生 相 应 的 改 变， 而由车顶部面阵 在图像中的位置也就发生变 Ｃ Ｃ Ｄ 获 取 的 亮 点， 化 。 由图像中每 一 个 亮 点 移 动 的 距 离 ， 经标定后 即可计算出对应物方点的高程变化 。 根据所得到 的物方点的物方坐标 ， 可以绘制道路的剖面曲线 ， 并计算出车辙 。 １． ３ 车辙测量标定方案 在物方位置较 大 时 ， 使用公式计算得到的测
第３ ５卷 第３期 ２ ０ １ ０年３月
武 汉 大 学 学 报 · 信 息 科 学 版 Ｇ ｅ ｏ ｍ ａ ｔ ｉ ｃ ｓａ ｎ ｄＩ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎＳ ｃ ｉ ｅ ｎ ｃ ｅｏ ｆＷｕ ｈ ａ ｎＵ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ
Ｖ ｏ ｌ ． ３ ５Ｎ ｏ ． ３ Ｍ ａ ｒ ｃ ｈ２ ０ １ ０
图１ 激光三角法原理图 Ｔ ｒ ｉ ａ ｎ ｕ ｌ ａ ｔ ｉ ｏ ｎ ｇ Ｆ ｉ ． １ ｉ ａ ｒ ａ ｍｏ ｆＬ ａ ｓ ｅ ｒ Ｆ ｉ ． ２ ｉ ａ ｒ ａ ｍｏ ｆＣ ａ ｌ ｉ ｂ ｒ ａ ｔ ｉ ｏ ｎ Ｄ ｇ ｇ Ｄ ｇ ｇ ｏ ｆＲ ｕ ｔＭ ｅ ａ ｓ ｕ ｒ ｉ ｎ ｅ ｖ ｉ ｃ ｅ ｇＤ 图２ 车辙仪标定装置示意图
犐 ｍ ａ ｘ （ ） ２ ×４＋ 犖 ４ 式中 ， 犇 为兴趣区域 ； 犐 ｍ ａ ｘ为 兴 趣 区 域 内 的 最 大 灰 τ＝
狆∈犇
犐 ∑
狆
度值 ； 犖 为兴趣区域内的像素数量 。 在检测过程中 ， 不同的路段可能会有不同的 颜色 ， 其对激光和环境光的反射可能会发生变化 ， 此时要根据τ 来对相机的光圈进行调整 。 令当前 光圈为 μ， 每次调整幅度为δ 调整后光 圈 为 μ ′， μ， 则调整按式 （ ） 来进行 ： ３
当其超过一定 车辙是一种 常 见 的 道 路 破 损 ， 的深度时 ， 需 要 对 公 路 进 行 检 修。比 较 常 见 的 车 辙检测系统所使用的传感器多为超声波传 感 器 和激光传感 器
［ ２， ３］ ［ ］ １
是激光器与被测物表面垂直 ， 另一种是 Ｃ Ｃ Ｄ 光轴 与被测物表 面 垂 直 。 在 本 文 的 测 量 系 统 中 ， 激光 器与 Ｃ 其原理如 Ｃ Ｄ 均与被测物表面呈一定角度 ， 图１ 所 示。由 图 中 的 几 何 关 系 可 知， 地面高程变 化 狓 可由式 （ ） 求出 ： １
犻 ０＋犖
犡犮 ＝
犻 犻＝ ０
） 犻 犐（ 犻 ∑ ） 犻 ∑犐（
犻 ０＋犖
（ ） ５
犻＝ 犻 ０
３ ０ ４
武汉大学学报·信息科学版
２ ０ １ ０年３月
式中 ， 为窗口内狔 犖 为激光线的像素宽度 ； 犐（ 犻 ０） 坐标最小的像素的灰度值 。 当搜索到激光线上的最左点后 ， 在下一列中 ， 以 狔 坐标不变 ， 在 狔 方向上开 狓 坐标加 １ 为中心 ， ２ ０×１ 的动态窗口进行激光线的检 测 。 如 果 检测 不到激光线 ， 再从兴趣区域顶部开始检测该列 ， 直 至 所 有 列 都 被 检 测 完， 这样可以进一步减少计 算量 。 ２． ２ 激光线连接及错误点剔除 在检测中 ， 有时会存在微小颗粒对于环境光 线反射强烈 ， 使得其被作为激光线误检 ， 会对车辙 检测带来巨大影 响 ， 此时必须对激光线进行错误 点剔除 ； 而有时会 存 在 某 些 微 小 颗 粒 对 于 激 光 线 吸收较多 ， 会被漏检 ， 此时又需要对激光线进行连 接 。 对于相邻的 两 段 激 光 线 中 心 段 ， 如果两相邻 端点之间距离小于 ５， 则将其 连 接 ， 连接后剔除含 有少于 ４ 个点的激光线段 。 最后对直线进行中值 滤波 ， 去掉突刺和噪声 。 图３ （ ） 为有较大块 的 光 线 强 反 射 的 路 面 ， 并 ａ 含有白色标志线 ； 图３ （ ） 为有比 较 多的 强 反 射 颗 ｂ 粒的路面 ， 也 含 有 白 色 标 志 线。在 较 强 的 环 境 光 线干扰下 ， 激光线 一 些 部 分 与 背 景 的 灰 度 差 并 不 明 显， 某 些 局 部 还 含 有 亮 度 大 于 激 光 线 的 亮 斑。 图３ （ ） 和图３ （ ） 分别为图 ３（ ） 和 图 ３（ 标定范 ｃ ｄ ａ ｂ） 围内的激光线图 像 。 图 ３（ ） 和 图 ３（ ） 分别为对 ｅ ｆ 图３ （ ） 和图 ３ （ ） 进行第一步 激 光 线 检 测 的 结 果 ， ａ ｂ 因为没有进行激 光 线 的 连 接 和 错 误 剔 除 ， 检测到 的激 光 线 还 含 有 较 多 的 噪 声 点 。 图 ３（ 和图 ｇ） （ ） 分别为图 ３ （ ） 和图 ３ （ ） 的激光线检测结果 ， ３ ｈ ａ ｂ