基于三維智能路面檢測系統(tǒng)識別沉陷病害的方法研究

陳夢月，孔海望，吳 迪

（廣東建科交通工程質(zhì)量檢測中心有限公司 廣州 510765）

0 引言

沉陷直接影響道路質(zhì)量的好壞，對道路的安全性和舒適性造成一定影響。而道路外觀質(zhì)量一直以來是建設(shè)單位、管養(yǎng)單位、施工單位、監(jiān)管單位關(guān)注的重點［1］，交竣工驗收檢測、技術(shù)狀況調(diào)查等均包括道路外觀檢測。隨著我國經(jīng)濟(jì)社會的快速發(fā)展、公路養(yǎng)護(hù)規(guī)模的不斷擴(kuò)大、公路出行需求的迅猛增長［2］，對道路外觀指標(biāo)提出了更高要求。含有沉陷病害的路段在行車荷載、水損壞的作用下更容易加速道路損壞，縮短道路使用壽命。目前沉陷病害主要通過人工調(diào)查的方法檢測，傳統(tǒng)檢測方法主要是靠人工現(xiàn)場肉眼識別，檢測工作量大并且效率低，受人為因素干擾性大。因目前道路自動化檢測大量推行，二維、三維車載式激光檢測車尚無直接自動識別沉陷病害功能。為了提高道路的使用壽命，通過現(xiàn)場試驗研究了針對沉陷病害識別的檢測方法。

1 路面沉陷定義

沉陷病害是指由于路基未能壓實或土質(zhì)較差，在受到地下水與行車荷載反復(fù)作用后產(chǎn)生豎向的不同程度的變形，從而使路面產(chǎn)生局部下沉。按照《公路技術(shù)狀況評定標(biāo)準(zhǔn)：JTG 5210—2018》［2］，當(dāng)路面局部下沉達(dá)到10 mm 時，即說明發(fā)生了沉陷病害。沉陷深度在10～25 mm之間為輕度，大于25 mm則為重度。

沉陷病害的產(chǎn)生機(jī)理為路基因水文條件方面的原因或翻漿或濕軟或壓實不足，道路在路面不斷傳遞至路基處的荷載作用下，產(chǎn)生的不均勻的豎向變形而導(dǎo)致路面局部下沉的現(xiàn)象。此時，路面結(jié)構(gòu)具有的變形能力無法適應(yīng)實際的彎曲變形，導(dǎo)致開裂，并逐步發(fā)展為網(wǎng)裂，造成道路結(jié)構(gòu)性損壞。

2 路面沉陷病害識別原理

利用三角位移和激光測距原理，可全斷面掃描路面各點的高程信息，利用特定算法和深度學(xué)習(xí)原理從掃描到的路面紋理中智能識別路面病害［3］。利用激光測距的原理［4］，將掃描到的高程信息以0.1 m 為一個單元形成縱斷面高程曲線，在高程-10 mm 以下范圍內(nèi)剔除坑槽、井蓋、車轍路段后即為路面沉陷病害。

三維激光測距原理是激光測距儀主動發(fā)射線激光，同時接收由被測目標(biāo)表面經(jīng)漫反射回的信號而進(jìn)行測距。針對每一個掃描點可測得測站至掃描點的斜距，再配合控制編碼器同步測量每個激光脈沖橫向掃描角度觀測值和縱向掃描角度觀測值，可以得到每一掃描點與測站的空間相對坐標(biāo)。

激光三角位移測距原理主要是線激光以垂直的角度照射被測目標(biāo)，激光在目標(biāo)表面發(fā)生反射和散射，在另一角度利用透鏡對反射激光匯聚成像，光斑成像在CCD 位置傳感器上［5］。當(dāng)被測物體沿激光方向發(fā)生移動時，位置傳感器上的光斑將產(chǎn)生移動，其位移大小對應(yīng)被測物體的移動距離［6］，由于入射光和反射光構(gòu)成一個三角形，對光斑位移的計算運(yùn)用了幾何三角定理。因此通過算法，由光斑位移距離計算出被測物體與基線的距離值［7］。

縱斷面高程則是基于激光三角位移測距原理計算出來的。系統(tǒng)會根據(jù)路面高程擬定一個基準(zhǔn)面，線激光以垂直的角度照射路面頂面，激光在路面頂面發(fā)生反射和散射，當(dāng)檢測車?yán)^續(xù)向前行進(jìn)時，位置傳感器上的光斑將產(chǎn)生移動，當(dāng)路面高程低于或高于這個基準(zhǔn)面時，其位移大小對應(yīng)路面下凹或突起距離，由于入射光和反射光構(gòu)成一個三角形，對光斑位移的計算運(yùn)用幾何三角定理。因此通過算法，由光斑位移距離計算出路面頂面與基線的距離值［5］。一系列的縱斷面高程點將路面的輪廓完整還原，表征路面各點與基準(zhǔn)面之間的高程差。即高程值為負(fù)數(shù)時表示低于基準(zhǔn)面，高程值為正數(shù)時表示高于基準(zhǔn)面。根據(jù)沉陷定義，路面局部下沉達(dá)到10 mm 的路段屬于沉陷病害，即路面低于基準(zhǔn)面10 mm 以上的路段。沉陷病害必定在縱斷面高程曲線中高程值為-10 mm 以下的范圍內(nèi)。

對于坑槽、井蓋則通過基于神經(jīng)網(wǎng)絡(luò)算法的人工智能識別技術(shù)實現(xiàn)。人工神經(jīng)網(wǎng)絡(luò)圖像識別技術(shù)是基于傳統(tǒng)的圖像識別方法和基礎(chǔ)上融合神經(jīng)網(wǎng)絡(luò)算法形成的一種圖像識別算法。利用遺傳算法與BP 網(wǎng)絡(luò)相融合的神經(jīng)網(wǎng)絡(luò)圖像識別是最常見的技術(shù)［8］。通過提取圖像特征，在利用圖像所具有的特征映射到神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像識別分類［9］。

車轍則是依靠多維度特征參數(shù)選取。車轍的一維指標(biāo)主要指車轍深度和車轍轍槽寬度，二維特征參數(shù)主要指車轍橫斷面的正、負(fù)面積，三維特征為車轍的正、負(fù)體積，是在橫斷面分析的基礎(chǔ)上加入了車轍縱向延伸的特性。車轍則是依靠三角位移和激光測距原理測出路面形態(tài)，再結(jié)合多維度特征參數(shù)進(jìn)行分析識別。

3 試驗方法與步驟

3.1 人工調(diào)查法

選取5 條路段，標(biāo)記起點、終點、10 m 里程，共檢測5 條路，分別為布嶺路、新業(yè)路、駿業(yè)路、駿工路、開創(chuàng)大道。

將3 m 直尺中心放在沉陷最大位置處測量，測量3 m 直尺到路表面間距的最大值。若沉陷范圍超過3 m 直尺檢測范圍，橫向放置3 m 直尺，目測3 m 直尺到路表間距情況，量取記錄最大值并標(biāo)記好里程樁、沉陷范圍?，F(xiàn)場檢測情況如圖1所示。

圖1 現(xiàn)場3 m直尺測平整度法檢測路面沉陷Fig.1 Detecting Pavement Subsidence by Measuring Flatness with a 3 m Ruler on Site

3.2 三維激光智能檢測法

⑴ 將檢測車在路段起點前開始加速，加速至40 km∕h 保持勻速行駛，在前輪輪軸對準(zhǔn)起點后，啟動系統(tǒng)，沿著測試軌跡以40 km∕h 的速度勻速直線駛向終點，避免突然加速或減速，直至通過終點位置后關(guān)閉測試系統(tǒng)，再減速停車。

⑵導(dǎo)出縱斷面高程值，按0.1 m 為一個單元，生成縱斷面高程曲線。

⑶自動分析車轍，以0.5 m 為一個單元，導(dǎo)出車轍數(shù)據(jù)表。

⑷利用智能分析功能，自動識別坑槽、井蓋病害。

⑸ 從生成的縱斷面高程曲線中查找高程小于-10 mm 的路段，從中篩選出含有坑槽、井蓋、車轍的路段進(jìn)行剔除，剩余的路段即為沉陷病害。

4 數(shù)據(jù)處理

4.1 影響因素

完成現(xiàn)場檢測后，對檢測路段的數(shù)據(jù)進(jìn)行分析對比，布嶺路、新業(yè)路具體結(jié)果分析如下：

4.1.1 坑槽對檢測結(jié)果的影響

坑槽與沉陷形成的形態(tài)不同，坑槽是路面材料散失后形成的凹坑，如圖2?所示。沉陷是由于局部沉降形成的凹槽，就高程而言會突然變化，高程曲線走勢會陡降，跨過坑槽，高程會陡升。沉陷形態(tài)圖如圖2?所示。

圖2 坑槽與沉陷Fig.2 Potholes and Subsidence

以布嶺路K0+020～K0+050 檢測數(shù)據(jù)為例，如圖3所示。根據(jù)坑槽的特征，利用三維智能路面檢測系統(tǒng)中的病害的自動化識別分析功能，自動分析出在K0+048～K0+049 范圍處有一坑槽。形成的高程曲線中，在該位置處路面高程曲線產(chǎn)生突降，然后陡增，變化劇烈且影響半徑較小。與前面兩處的沉陷病害曲線走勢完全不同，沉陷增減趨勢較為緩慢，與實際變形形態(tài)一致。經(jīng)判定，該路段共有2處沉陷，K0+020～K0+023、K0+026～K0+029范圍內(nèi)縱斷面高程均在-10 mm～-25 mm 之間，與人工調(diào)查沉陷結(jié)果接近，均判定為輕度沉陷。

圖3 布嶺路K0+020～K0+050檢測數(shù)據(jù)Fig.3 K0+020～K0+050 Buling Road Detection Data

4.1.2 井蓋對檢測結(jié)果的影響

井蓋沉陷是由于井蓋與周圍路面形成高差，屬于高程突然變化，與沉陷產(chǎn)生的機(jī)理完全不同，沉陷屬于局部沉降形成的凹槽，是由受力原因引起，高程變化會先緩降后緩增。井蓋可通過基于卷積神經(jīng)網(wǎng)絡(luò)算法的人工智能技術(shù)識別。井蓋識別效果如圖4所示。

圖4 井框差（三維智能識別效果）Fig.4 Well Frame Difference（3D Intelligent Recognition Renderings）

以布嶺路K0+080～K0+100 段縱斷面高程曲線為例，如圖5 所示，根據(jù)智能識別分析，在K0+081～K0+082范圍有一處井蓋，在形成的高程曲線中，在該位置處路面高程曲線產(chǎn)生突降，然后趨于一條直線，然后突增，圖形變化形態(tài)與井蓋基本保持一致，變化劇烈且影響半徑在1 m 左右。在K0+083～K0+085、K0+088～K0+090 附 近 同 樣 產(chǎn) 生 高 程差，高程差的趨勢先緩降后緩增，曲線趨勢較為圓滑，在該處無其他明顯病害，根據(jù)沉陷病害特征，符合沉陷變化規(guī)律。經(jīng)判定，該路段共有2 處沉陷，K0+083～K0+085 范圍縱斷面高程最大值為-30.81 mm，大于-25 mm，判定為重度沉陷。K0+088～K0+089 范圍內(nèi)縱斷面高程最大值為-21.91 mm，在-10 mm～（-25 mm）之間，與人工調(diào)查沉陷結(jié)果接近，分別判定為重度沉陷和輕度沉陷。

圖5 K0+080～K0+100段病害Fig.5 Disease of K0+080～K0+100 Segment

布嶺路全線縱斷面高程如圖6所示，該路段對數(shù)據(jù)的干擾因素主要是坑槽、井蓋。剔除-10 mm 以下范圍路段中坑槽、井蓋的影響，共剩余8處輕度沉陷，12處重度沉陷。

圖6 K0+000～K0+450布嶺路縱斷面高程Fig.6 K0+000～K0+450 Elevation of Longitudinal Section of Buling Road

4.1.3 車轍對檢測結(jié)果的影響

車轍與沉陷形成的機(jī)理不同，車轍是在車輛荷載作用下沿輪跡帶形成的帶狀凹槽，測定的是橫斷面實際路面線與原路面線測定基準(zhǔn)線之間最大的高差，最大點會隨車轍位置的變動而變動，而縱斷面高程曲線是沿道路縱向輪跡帶處的高程與基本面之間的高差，與基準(zhǔn)面的高低有關(guān)。根據(jù)車轍定義，車轍值在10～15 mm之間為輕度車轍，大于等于15 mm為重度車轍。將車轍數(shù)據(jù)以0.5 m 為一個單元導(dǎo)出。從高程變化而言車轍位置處會下降，最典型的特征是之后高程會處于一個基本平直段，然后高程會上升。與沉陷變化不同，沉陷高程會緩降緩升，高程一直處于變化狀態(tài)。

以新業(yè)路K0+050～K0+130 段為例，如圖7 所示，在K0+070～K0+075 附近均在-10 mm 以下，從高程曲線變化趨勢判斷與車轍變化規(guī)律一致，判定為車轍病害，與系統(tǒng)通過提取車轍多維參數(shù)路段保持一致，在K0+120～K0+127 附近處于-10 mm 以下，變化趨勢與沉陷病害保持一致，且在該路段無其他病害，因此判定為沉陷病害，數(shù)值在-10～（-25）mm 之間，判定為輕度沉陷。與人工調(diào)查沉陷病害保持一致。

圖7 新業(yè)路K0+050～K0+130檢測結(jié)果Fig.7 K0+050～K0+130 of Xinye Road Test Results

新業(yè)路全線縱斷面高程如圖8 所示，該路段對數(shù)據(jù)的干擾因素主要是車轍。剔除-10 mm 以下范圍路段中車轍的影響，共剩余3處輕度沉陷。

圖8 新業(yè)路K0+000～K0+450縱斷面高程Fig.8 K0+000～K0+450 Elevation of Longitudinal Section of Xinye Road

4.2 結(jié)果分析

利用該沉陷識別方法，將5 條路的三維檢測結(jié)果與人工調(diào)查法進(jìn)行對比，結(jié)果如表1所示。

表1 三維智能檢測系統(tǒng)與人工調(diào)查法對比Tab.1 Comparison between Three-dimensional Intelligent Detection System and Manual Investigation Method

5 結(jié)論

本文介紹了沉陷檢測的主要方法及檢測原理，根據(jù)現(xiàn)實項目中沉陷病害識別困難的問題，提出了利用掃描到的高程信息以0.1 m 為一個單元形成縱斷面高程曲線，在高程-10 mm以下范圍內(nèi)剔除坑槽、井蓋、車轍路段后即為路面沉陷病害。并針對該識別方法的準(zhǔn)確性進(jìn)行了現(xiàn)場試驗分析，結(jié)果顯示重度沉陷識別準(zhǔn)確度均達(dá)到80%以上，輕度沉陷準(zhǔn)確率基本達(dá)到70%，與人工調(diào)查的結(jié)果有高度的相符性，可為實際路面檢測與評價作出指導(dǎo)意義。