非接觸式路面狀態(tài)檢測(cè)技術(shù)研究進(jìn)展

梁曹佳， 葉 林 ， 葛俊鋒

(華中科技大學(xué) 自動(dòng)化學(xué)院，湖北 武漢 430074)

0 引 言

隨著我國(guó)高速公路總里程不斷增長(zhǎng),由此帶來(lái)的交通安全問(wèn)題也日益突出。據(jù)道路交通事故年報(bào)統(tǒng)計(jì)，2009～2014年我國(guó)高速公路上21.43 %的交通事故與濕滑、泥濘、積雪、結(jié)冰的路面有關(guān)。瑞典國(guó)家道路交通研究所的研究報(bào)告顯示，冰雪路面的事故率是干燥路面的3～16倍；在芬蘭，約25 %的致命交通事故發(fā)生在冰雪路面上[1]；美國(guó)聯(lián)邦公路管理局指出，美國(guó)北部地區(qū)的交通事故也因降雪而顯著增加[2]；在歐洲，每年超過(guò)3 800例的交通事故由濕滑或冰雪路面引起。因此，亟需研究出一種能夠?qū)崟r(shí)監(jiān)控并識(shí)別路面冰雪狀態(tài)的檢測(cè)系統(tǒng)，通過(guò)智能手機(jī)、車(chē)載廣播等渠道在線提供路面狀況信息，發(fā)出預(yù)警信號(hào)，從而避免潛在事故的發(fā)生。

1 路面狀態(tài)的定義

路面狀態(tài)(road surface condition)是指因降雨或降雪天氣以及人為干擾因素導(dǎo)致道路表面存在凝結(jié)物，是道路表面與積水、積雪、結(jié)冰及溫度的狀態(tài)集合[3]。Norrman J[4]在研究中將路面狀態(tài)分為以下七類(lèi)：干燥路面、濕滑路面、積水路面、浮雪路面、泥濘路面、結(jié)冰路面。依據(jù)湯筠筠等人[5]對(duì)冬季典型路面狀態(tài)識(shí)別研究，路面狀態(tài)定義為公路表面液體的不同表現(xiàn)形式，主要分為干燥、潮濕、積水、結(jié)冰、積雪。

路面狀態(tài)檢測(cè)技術(shù)是指利用各種類(lèi)型的傳感器去感知路面積水、積雪、結(jié)冰后產(chǎn)生的力學(xué)、光學(xué)等變化[6]，經(jīng)過(guò)信號(hào)處理與分析，對(duì)路面狀態(tài)(干燥、潮濕、積雪、結(jié)冰、黑冰等)進(jìn)行分類(lèi)，并給出預(yù)警信息。

2 國(guó)外研究現(xiàn)狀

2.1 近紅外多光譜法

瑞典中部大學(xué)的Jonsson P團(tuán)隊(duì)[7]利用在水吸收光譜范圍內(nèi)敏感的單點(diǎn)像素紅外探測(cè)器來(lái)區(qū)分路面狀態(tài)。傳感器由3個(gè)探測(cè)器構(gòu)成，其敏感波長(zhǎng)分別為960，1 550，1 950 nm。使用能夠覆蓋可見(jiàn)光波段和紅外波段的20 W鹵素?zé)粽丈錁悠仿访妫?個(gè)探測(cè)器接收反射光，如圖1所示。對(duì)紅外探測(cè)器的結(jié)果進(jìn)行聚類(lèi)分析。路面狀態(tài)的不同必然會(huì)使3種波長(zhǎng)光學(xué)特性存在較大的差異。實(shí)驗(yàn)結(jié)果表明，傳感器提供了可靠的輸出，能夠有效區(qū)分表面條件干燥、潮濕、積雪和結(jié)冰的狀態(tài)?？紤]到外界環(huán)境干擾因素，此后， Jonsson P團(tuán)隊(duì)[8]又在該方法中加入環(huán)境光補(bǔ)償，使得分類(lèi)算法更加健壯。由于該項(xiàng)研究中使用的單點(diǎn)紅外探測(cè)器，只能探測(cè)路面某一點(diǎn)的狀態(tài)，而對(duì)于大面積的路面情況的探測(cè)無(wú)能為力，無(wú)法從一點(diǎn)去準(zhǔn)確判斷大面積關(guān)鍵路面的復(fù)雜情況，因此，只在實(shí)驗(yàn)室進(jìn)行實(shí)驗(yàn)而未投入實(shí)際應(yīng)用。

圖1 Patrik Jonsson提出的近紅外多光譜法原理

2.2 氣象預(yù)測(cè)法

路面狀態(tài)與氣象條件密切相關(guān)。氣象模型法是指實(shí)時(shí)監(jiān)控大氣溫度、空氣濕度、空氣露點(diǎn)溫度、風(fēng)速、風(fēng)向等氣象參數(shù)以及降水顆粒數(shù)、降水相對(duì)大小、地表溫度等容易檢測(cè)出的地面參數(shù)，通過(guò)數(shù)學(xué)分析法對(duì)大量的氣象數(shù)據(jù)進(jìn)行整合，判斷出可能的路面狀態(tài)。這種方法需要以被測(cè)區(qū)域大量的氣象數(shù)據(jù)為參照，才能制定出判斷規(guī)則。

瑞典中部大學(xué)的Jonsson P[8]和Casselgren J[9]團(tuán)隊(duì)從瑞典道路氣象信息系統(tǒng)(road weather information systems,RWIS)獲取氣象數(shù)據(jù)，結(jié)合標(biāo)準(zhǔn)近紅外相機(jī)拍攝的路面圖像建立數(shù)學(xué)模型進(jìn)行分類(lèi)。氣象數(shù)據(jù)和道路圖像作為輸入變量X，(具體見(jiàn)文獻(xiàn)[9])，利用主成分分析法(principal component analysis,PCA)分析不同的路面狀態(tài)的輸入變量之間的相關(guān)性和定量關(guān)系。

2.3 光學(xué)偏振法

偏振是電磁波的一種重要特性，而光波就是電磁波的一種。當(dāng)入射光以起偏角或布儒斯特角射向某些特殊界面時(shí)，反射光與折射光相互垂直，此時(shí)的反射光就是部分偏振光。

芬蘭研究人員Jokela M等人[11]采用光學(xué)偏振與圖像粒度分析相結(jié)合的方法檢測(cè)路面狀況，取得了良好的結(jié)果，尤其是在對(duì)結(jié)冰路面的識(shí)別上，達(dá)到了90 %以上的正確率。光經(jīng)過(guò)非金屬材料(如瀝青)的反射，垂直偏振光相對(duì)于水平偏振光的數(shù)量會(huì)有所減少。道路狀況檢測(cè)系統(tǒng)采用一對(duì)單色立體相機(jī)分別在同一時(shí)間內(nèi)定點(diǎn)拍攝相同尺寸的路面圖片。兩個(gè)相機(jī)并排安裝以保證時(shí)間、空間的同步，使圖像之間細(xì)微的時(shí)間和空間差異可以忽略不計(jì)。偏振濾光片安裝在相機(jī)鏡頭前，一個(gè)用于阻擋垂直偏振光，而另一個(gè)使垂直偏振光通過(guò)并進(jìn)入相機(jī)，同時(shí)濾光片消除大部分環(huán)境光。然后對(duì)圖像進(jìn)行低通濾波，通過(guò)計(jì)算兩幅原始圖像和低通濾波圖像之間的對(duì)比差，分析出當(dāng)前的路面狀態(tài)。上位機(jī)軟件處理分析數(shù)據(jù)，檢測(cè)結(jié)果顯示為干燥、潮濕、積雪、結(jié)冰等狀態(tài)的其中一種并給出檢測(cè)結(jié)果的置信值。

瑞典呂勒奧理工大學(xué)的Casselgren J等人[12]利用了冰作為雙折射晶體的各項(xiàng)異性提出了一種新的偏振法。試驗(yàn)裝置原理圖如圖2所示，一個(gè)半球形的有機(jī)玻璃罩上經(jīng)度與緯度每隔10°開(kāi)一個(gè)直徑為3 mm的小孔，將其罩住一小塊樣品路面。在光源與接收器前放置偏振片，偏振方向在水平方向與垂直方向均可調(diào)。當(dāng)光源入射角φi固定時(shí)，探測(cè)器的接收角φd將在φi～(180°-φi)范圍內(nèi)變化，這樣φi與φd的組合共有540種。當(dāng)φi與φd固定時(shí)，通過(guò)調(diào)節(jié)偏振片的方向，會(huì)有4種不同的接收光強(qiáng)。將這2 160種光強(qiáng)分類(lèi)組合后可以歸納出入射光偏振方向、接收光偏振方向、入射角φi、接收角φd與路面狀態(tài)之間的關(guān)系。實(shí)驗(yàn)結(jié)果顯示，該方法能有效區(qū)分路面干燥、潮濕、積雪、結(jié)冰等9種狀態(tài)。但在實(shí)際應(yīng)用過(guò)程中，機(jī)械結(jié)構(gòu)復(fù)雜龐大且難以實(shí)現(xiàn)，光源與探測(cè)器要對(duì)準(zhǔn)同一點(diǎn)轉(zhuǎn)動(dòng)，不適用于安裝固定在路肩上，只能安裝在測(cè)試車(chē)上且需要人為操作的步驟較為繁瑣。

圖2 Johan C提出的偏振法實(shí)驗(yàn)裝置示意

2.4 圖像分析法

圖像分析法是指利用相機(jī)拍攝路面照片或從道路監(jiān)控視頻中截取圖片，提取圖像的顏色、亮度、紋理等特征，使用支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)、K最近鄰、線性判別、貝葉斯分類(lèi)器等對(duì)路面狀態(tài)進(jìn)行分類(lèi)[13]。

加拿大滑鐵盧大學(xué)的Omer R團(tuán)隊(duì)[14]提出一種基于GPS標(biāo)記圖像的路面狀態(tài)檢測(cè)系統(tǒng)。低成本監(jiān)測(cè)視頻和安裝在非專用車(chē)輛上的靜態(tài)攝像機(jī)獲取能夠覆蓋較大路面范圍的圖像，在攝像機(jī)安裝位置和角度已知的情況下可自動(dòng)剪切圖像，獲取有效拍攝區(qū)域。對(duì)圖像進(jìn)行濾波去噪等預(yù)處理后，使用帶有梯度的RGB顏色特征作為特征向量，利用提取的特征對(duì)支持向量機(jī)進(jìn)行訓(xùn)練分類(lèi)，然后對(duì)圖像進(jìn)行分類(lèi)。試驗(yàn)結(jié)果表明，該方法可達(dá)到85 %～90 %的分類(lèi)正確率。

日本富士山大學(xué)的Kawai S和Takeuchi K等人[15]提出一種區(qū)分夜間道路冰雪狀況的圖像方法。大多數(shù)傳統(tǒng)的圖像方法非常依賴于光源條件，基本只適用于白天和照明充足的情況。該方法從車(chē)載攝像機(jī)獲取路面視頻信息，進(jìn)行幀提取進(jìn)而獲取路面圖像，分別討論了夜間光照條件以汽車(chē)前大燈為主和以路燈、信號(hào)燈為主的情況下路面圖像特征的差異。

當(dāng)夜間光源主要為汽車(chē)前大燈時(shí)，車(chē)載相機(jī)可以從干燥路面或積雪路面上獲得反射光。由于瀝青路面通常是深色的，而積雪路面呈白色，故干燥路面的亮度低，積雪路面亮度較高，而潮濕路面無(wú)法反射光線，因此潮濕路面的亮度最低。同時(shí)，積雪路面的紋理特征比較粗糙，而干燥、潮濕情況下圖像特征平滑。在汽車(chē)前大燈主導(dǎo)時(shí)，路面圖像的亮度和紋理特征會(huì)顯著增加。當(dāng)夜間光源主要為路燈和信號(hào)燈時(shí)，反射光的數(shù)量相比于僅有汽車(chē)前大燈時(shí)明顯增加，此時(shí)對(duì)干燥和積雪路面的影響較小，而對(duì)潮濕路面的影響會(huì)隨著濕度的增加而變大。對(duì)潮濕路面拍攝的圖像往往比僅有汽車(chē)前大燈時(shí)顏色更紅或者更橙。因此，在第二種情況下，將顏色、亮度和紋理都作為特征進(jìn)行分類(lèi)。最后，使用K最近鄰算法對(duì)圖像進(jìn)行分類(lèi)，干燥、潮濕、積雪的分類(lèi)正確率分別達(dá)到96.1 %,89.4 %,95.6 %。

加拿大約克大學(xué)視覺(jué)研究中心的Almazan E團(tuán)隊(duì)[16]從圖像訓(xùn)練數(shù)據(jù)中得到道路像素位置的先驗(yàn)分布，劃定感興趣的區(qū)域(region of interest,ROI)，然后結(jié)合亮度特征和紋理特征，構(gòu)建分類(lèi)器進(jìn)行分類(lèi)。

瑞典學(xué)者Jonsson P等人[17]使用紅外照相機(jī)結(jié)合一組不同波長(zhǎng)的光學(xué)濾波器來(lái)獲取路面圖像。實(shí)驗(yàn)分別使用K最近鄰、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)(support vector machine,SVM)、偏最小二乘法等算法對(duì)圖像的每一個(gè)像素分類(lèi)，從而得到圖像中不同區(qū)域的路面狀態(tài)。實(shí)驗(yàn)表明，SVM支持向量機(jī)和K最近鄰算法能在訓(xùn)練數(shù)據(jù)較少的情況下仍然以較快的速度達(dá)到94 %以上的分類(lèi)正確率。該系統(tǒng)是對(duì)現(xiàn)有單點(diǎn)路面狀態(tài)分類(lèi)系統(tǒng)的一個(gè)巨大改進(jìn)。

相比于其他方法，圖像分析法最大的優(yōu)勢(shì)在于設(shè)備簡(jiǎn)單、成本低廉，但圖像的質(zhì)量易受光照條件的影響和攝像機(jī)分辨率的限制，往往難以獲得高質(zhì)量的清晰圖片，且分類(lèi)器以及訓(xùn)練方案的選擇對(duì)分類(lèi)結(jié)果的正確率有很大的影響。

2.5 雷達(dá)技術(shù)

雷達(dá)技術(shù)在結(jié)冰探測(cè)方面取得了良好的效果，主要利用電磁波經(jīng)過(guò)路面的水層、冰、雪的反射或散射后，電磁波的強(qiáng)度會(huì)發(fā)生改變來(lái)區(qū)分不同的路面狀態(tài)。然而，商用雷達(dá)單元的價(jià)格昂貴，使得這一技術(shù)難以投入實(shí)際應(yīng)用。

Viikari V V等人[18]研究了采用24 GHz的汽車(chē)?yán)走_(dá)檢測(cè)瀝青、水、冰或雪引起的低摩擦點(diǎn)進(jìn)而區(qū)分路面狀態(tài)的技術(shù)。分別研究了實(shí)驗(yàn)室和現(xiàn)場(chǎng)試驗(yàn)中瀝青表面不同附著物對(duì)后向散射特性的影響。在干燥、潮濕、冰、雪等不同的路況下，路面的極化散射比有很大區(qū)別。結(jié)果表明，通過(guò)比較不同極化態(tài)下的后向散射信號(hào)，可以檢測(cè)到低摩擦點(diǎn)。

Magerl G等人[19]采用一個(gè)頻率為2.45 GHz的固定道路監(jiān)控雷達(dá)能夠探測(cè)氣候引起的路面狀態(tài)的變化。發(fā)射器和接收器分別安裝在距離路面3 m高處，發(fā)射器發(fā)出的信號(hào)經(jīng)路面反射后由接收器接收。該系統(tǒng)能夠有效區(qū)分路面干燥、積水、結(jié)冰等狀態(tài)，并能夠測(cè)量水層厚度和水鹽含量。

3 國(guó)內(nèi)研究現(xiàn)狀

國(guó)內(nèi)關(guān)于路面狀態(tài)檢測(cè)的研究起步較晚，絕大多數(shù)研究都是基于國(guó)外研究，相關(guān)文獻(xiàn)報(bào)道較少。目前，國(guó)內(nèi)針對(duì)路面狀態(tài)檢測(cè)研究的主要是一些高校及交通部門(mén)，且大多集中在偏振和圖像[20]兩種方法。

華中科技大學(xué)的苑會(huì)珍等人[21]提出了一種基于線偏振度的的路面狀態(tài)探測(cè)方法。該方法采用近紅外石英鹵鎢燈照明，通過(guò)旋轉(zhuǎn)偏振片依次采集4個(gè)偏振方向的分量圖片，進(jìn)而計(jì)算出現(xiàn)偏振度，實(shí)驗(yàn)裝置如圖3。當(dāng)路面干燥或附著有水、冰時(shí)，線偏振度不同，利用這一原理來(lái)區(qū)分路面狀態(tài)。該方法原理簡(jiǎn)單、易于實(shí)現(xiàn)，且識(shí)別正確率達(dá)到90 %。但在該方法的實(shí)現(xiàn)過(guò)程中需要人為旋轉(zhuǎn)偏振片，且難以保證每次旋轉(zhuǎn)的角度都保持一致，因此，距離投入實(shí)際應(yīng)用還有一段距離。

圖3 苑會(huì)珍提出的偏振方法實(shí)驗(yàn)裝置示意

南京大學(xué)的一個(gè)研究團(tuán)隊(duì)利用TN型液晶在有無(wú)外加電場(chǎng)的情況下對(duì)透射光線呈90°偏振影響的特性，結(jié)合偏振片構(gòu)建光學(xué)偏振度測(cè)量系統(tǒng), 測(cè)量不同路面狀態(tài)下的光學(xué)反射偏振差異, 從而檢測(cè)其中的冰、水區(qū)域[22]。如圖4所示，該方法在接收器前放置能用電流控制偏振方向的、類(lèi)似于偏振片的TN型液晶，外加電場(chǎng)時(shí)，光滑路面反射的水平偏振光順利通過(guò)偏振片，因而CDD相機(jī)拍攝到的圖片亮度較大；無(wú)電場(chǎng)時(shí)，偏振光翻轉(zhuǎn)到垂直方向，被水平偏振片濾除，圖片亮度小。而當(dāng)路面干燥粗糙時(shí)，是否有外加電場(chǎng)對(duì)圖片的亮度幾乎沒(méi)有影響。該方法只能定性區(qū)分干燥路面和濕滑路面，無(wú)法準(zhǔn)確區(qū)分積水和結(jié)冰的狀態(tài)。

圖4 偏振實(shí)驗(yàn)裝置示意

北京交通大學(xué)的武洪強(qiáng)[23]提出了一種基于視頻圖像技術(shù)的路面狀態(tài)檢測(cè)方法。首先提取單一狀態(tài)的圖像構(gòu)建路面狀態(tài)圖像庫(kù)，采用三階顏色矩法和灰度共生矩陣法提取了13維圖像特征向量，形成特征數(shù)據(jù)庫(kù)，最終建立圖像分類(lèi)模型，使用SVM進(jìn)行分類(lèi)。實(shí)驗(yàn)結(jié)果表明，基于SVM尋優(yōu)分類(lèi)器和視頻圖像分塊識(shí)別路面狀態(tài)的方法科學(xué)可行，對(duì)單一路面狀態(tài)的識(shí)別準(zhǔn)確率達(dá)到90 %以上，對(duì)混合路面狀態(tài)的識(shí)別率達(dá)到85 %以上。

除此之外，國(guó)內(nèi)一些團(tuán)隊(duì)也嘗試采用基于徑向基函數(shù)(radial basis function,RBF)神經(jīng)網(wǎng)絡(luò)[24]或反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)[25]的圖像方法來(lái)識(shí)別路面狀態(tài)。

4 結(jié)束語(yǔ)

路面濕滑、積雪、結(jié)冰的狀態(tài)會(huì)嚴(yán)重影響行車(chē)安全，因此，開(kāi)發(fā)出能夠?qū)崟r(shí)區(qū)分路面狀態(tài)并給出預(yù)警信號(hào)的檢測(cè)系統(tǒng)對(duì)于交通安全、出行保障具有重要意義。在國(guó)內(nèi)外主要的幾種檢測(cè)方法都取得了良好的效果，在實(shí)驗(yàn)中基本都可以達(dá)到85 %以上的分類(lèi)正確率。然而，紅外多光譜法和偏振法由于機(jī)械結(jié)構(gòu)復(fù)雜、需要人為操作無(wú)法實(shí)現(xiàn)全自動(dòng)等限制，尚未投入實(shí)際用；商用雷達(dá)價(jià)格昂貴，目前雷達(dá)技術(shù)檢測(cè)路面狀態(tài)僅用于實(shí)驗(yàn)室研究和現(xiàn)場(chǎng)試驗(yàn)中；氣象模型法需要大量的氣象數(shù)據(jù)支持；圖像分析法仍需要研究如何減少照明條件的影響和環(huán)境光的干擾等問(wèn)題。隨著計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)等技術(shù)的快速發(fā)展，基于圖像、視頻和各種先進(jìn)分類(lèi)算法并結(jié)合氣象數(shù)據(jù)的路面檢測(cè)方法將是未來(lái)發(fā)展的主要方向。