車載激光雷達點云路面檢測

任 鮮 郭 明,2,3 徐秀川 師現(xiàn)杰

(1.北京建筑大學 測繪與城市空間信息學院,北京,102616;2.代表性建筑與古建筑數(shù)據(jù)教育部工程研究中心,北京 100044;3.現(xiàn)代城市測繪國家測繪地理信息局重點實驗室,北京 100044;4.北京城建勘測設(shè)計研究院有限責任公司,北京,100101;5.北京航天世景信息技術(shù)有限公司,北京,100089)

0 引言

近幾十年來,隨著經(jīng)濟的快速發(fā)展,科技水平不斷提高,我國綜合實力不斷提升,被稱為基建狂魔,基礎(chǔ)設(shè)施迅速擴建,公路更是遍布全國各個角落[1],如今在這個交通便利,經(jīng)濟飛速發(fā)展的時代,道路安全性關(guān)乎每個人生產(chǎn)生活,道路安全檢測尤為重要[2]。道路檢測方法隨之轉(zhuǎn)變,國內(nèi)外道路路面檢測技術(shù)發(fā)展大致經(jīng)歷了3個階段[3]:從傳統(tǒng)的人工檢測到半自動化檢測,到無損自動檢測。傳統(tǒng)的人工檢測和半自動檢測費時且效率低,需要人工操作,測量時受人為主觀因素較大,會影響交通安全;無損自動檢測自動化程度高,高速且不會對路面造成二次損害,現(xiàn)有多功能道路檢測車可以同時對路面平整度、車轍、路面破損及抗滑性能甚至能夠檢測道路線、道路沿線設(shè)施等進行檢測。多功能道路檢測車雖然能很好地針對道路檢測需求使用各個功能模塊進行檢測,但并沒有獲取道路三維場景,對于路面病害是以照片形式記錄,輸出的病害報表帶有病害位置、尺寸、面積、定位(global positioning system,GPS)等信息[4],缺乏病害三維信息,無法獲取其深度和刨面形態(tài)。

車載激光雷達測量系統(tǒng)具有高效、高精度且高分辨率獲取道路場景的三維空間信息數(shù)據(jù),已成為自動駕駛、數(shù)字孿生城市、智慧城市等領(lǐng)域數(shù)據(jù)獲取的重要手段。車載激光雷達系統(tǒng)是由全球?qū)Ш叫l(wèi)星系統(tǒng)(global navigation satellite system,GNSS)與慣性導航系統(tǒng)(inertial navigation system,INS)組合導航獲取系統(tǒng)的軌跡位姿信息,由激光雷達進行點云數(shù)據(jù)采集,通過時間配準[5-6]及空間配準[7]原理進行軌跡數(shù)據(jù)和點云數(shù)據(jù)處理,最終得到地方坐標系下的車載點云數(shù)據(jù)。由于車載激光雷達系統(tǒng)由多傳感器組成,誤差的形成有單傳感器標定誤差,徐壽燾對單傳感器GNSS接收機秒脈沖(pulse per second,PPS)授時檢校、慣性測量單元(inertial measurement unit,IMU)姿態(tài)角及激光雷達校準進行研究[8],GNSS/INS組合導航采集軌跡數(shù)據(jù)時受到車振動的影響,未能精確測量微秒時間內(nèi)車載姿態(tài)變換較大的狀況,對軌跡位姿進行修正[9];在車載激光雷達系統(tǒng)采集數(shù)據(jù)之前需要進行系統(tǒng)檢校,根據(jù)檢校場內(nèi)大量已知的點、面信息進行安置參數(shù)的反算,對于IMU與激光雷達相對位姿參數(shù)檢校主要有基于檢校模型進行特征點求解安置參數(shù)[10-11]、利用多個參數(shù)已知的特征平面為控制條件求解系統(tǒng)的安置角和安置偏移量[12]、利用豎直邊沿的墻面作為檢校求解激光雷達與IMU之間的安置誤差角[13]等方法,申興旺等人提出基于特制標靶球檢校方法[14-15],有效避免車載點云噪聲影響檢校結(jié)果。車載激光雷達系統(tǒng)安置參數(shù)校準后方可進行點云數(shù)據(jù)采集,有效保證點云精度。車載激光雷達系統(tǒng)可以在道路上快速、準確、高效采集路面三維信息,為道路檢測提供數(shù)據(jù)支撐,目前已有不少研究者對車載激光雷達道路點云數(shù)據(jù)進行研究:提出基于車載激光雷達點云對道路邊界檢測[16]及對道路交叉口檢測與識別[17]等研究,有助于無人駕駛領(lǐng)域的發(fā)展;同時基于車載激光雷達點云在路面平整度檢測評價研究[18]和道路病害提取研究[19]等也有所研究,本文提出利用車載激光雷達點云對路面平整度、識別裂縫、車轍及路面構(gòu)造深度提出檢測方法。

1 車載激光雷達系統(tǒng)

車載激光雷達系統(tǒng)是由多傳感器組成,具有主動式測量、不受光照影響等優(yōu)點,憑借其操作方便、能夠快速、高精度獲取道路及兩側(cè)地物的三維空間數(shù)據(jù)的特點,為高精度地圖發(fā)展提供了一種數(shù)據(jù)獲取手段。圖1為本人團隊自主研發(fā)的車載激光雷達系統(tǒng),主要包括硬件組成和軟件處理系統(tǒng),其中硬件包括GNSS基站、GNSS/INS組合慣導獲取軌跡位姿數(shù)據(jù)及激光雷達、全景相機采集地物數(shù)據(jù),軟件處理系統(tǒng)包括軌跡位姿數(shù)據(jù)解算及車載激光點云數(shù)據(jù)解算。最終將軌跡位姿數(shù)據(jù)與激光雷達數(shù)據(jù)依據(jù)時間配準和空間配準最終形成地方坐標系下車載激光點云數(shù)據(jù)。

圖1 車載激光雷達系統(tǒng)組成

2 車載點云路面檢測方法

基于車載激光點云數(shù)據(jù)進行路面平整度計算、裂縫車轍識別及構(gòu)造深度計算的檢測方法研究。

2.1 車載點云路面平整度

我國平整度評價指標的發(fā)展主要參考國外研究成果,先后采用了最大間隙、平整度標準差σ、IRI等評價指標。國際組織世界銀行組織通過各國多種檢測設(shè)備進行路面平整度實驗,提出了國際平整度指數(shù)(international roughness index,IRI),旨在針對不同國家的不同平整度檢測設(shè)備及其評價指標和參數(shù),建立其與國際平整度指數(shù)的相關(guān)關(guān)系,是目前較常用的平整度檢測指標,當前我國的平整度檢測指標主要以IRI作為評價指標。計算平整度標準差時,以連續(xù)式平整度儀車輪為基準面,沿路面縱向位置按照一定采樣間隔,采集測試輪的高程信息,采用數(shù)理統(tǒng)計的方法計算數(shù)據(jù)方差。以100 m長度為一個計算區(qū)間,按式(1)計算該區(qū)間內(nèi)采集凹凸偏差位移值di的標準差σi,即該區(qū)間的平整度,以毫米計,保留1位小數(shù)。

(1)

式中,σi為各計算區(qū)間的平整度計算值(mm);di為以100 m為一個計算區(qū)間,每隔一定距離(自動采集間距為10 cm,人工采集間距為1.5 m)采集的路面凹凸偏差位移值(mm);N為計算區(qū)間用于計算標準差的測試數(shù)據(jù)個數(shù)。

首先模擬連續(xù)式八輪平整度儀計算平整度標準差方法,路面點云坐標(xi,yi,zi),其中路面高程值zi;然后對路面點云去噪,距離路面標志線80～100 cm處設(shè)置為起始采樣點位置,沿著行車前進方向提取一條縱斷面線,將縱斷面線以一定間距采樣,此處采集N個采樣點,計算相鄰兩采樣點之間位移值di=|zi-zi-1|,以模擬路面凹凸位移偏差。

2.2 車載點云路面裂縫

在路面病害早期,表現(xiàn)形式多以裂縫體現(xiàn),路面裂縫檢測及時可以降低路面損壞程度,將車載路面點云進行去噪,由于裂縫會導致高程值急劇減小,利用這一特征進行裂縫識別。沿著掃描線檢查點之間傾角,如果傾角偏大,點高程下降超過預(yù)設(shè)閾值,該點被識別為裂縫點;對于高度變化閾值設(shè)定,一般設(shè)置為一條掃描線中相鄰點之間所有高程變化的標準差的3倍。對于裂縫底部高程值變化不大,利用高程變化無法檢測為裂縫點這種情況,設(shè)置了三個標識slope_down(向下傾斜)、slope_up(向上傾斜)和on_bottom(底部),以指示檢測點位于裂縫外部還是內(nèi)部,向下傾斜點與向上傾斜點之間的點識別為裂縫底部點,從而確?？梢哉业搅芽p底部的裂縫點。裂縫識別流程見圖2。

圖2 裂縫識別流程

圖3 車載激光道路點云

圖4 路面凹凸位移

2.3 車載點云路面車轍

車轍是車輛在路面上行駛,長期碾壓導致的路面變形。傳統(tǒng)的路面車轍檢測通常采用3 m直尺法測量,現(xiàn)有多功能道路檢測車的激光車轍檢測系統(tǒng)通過多個激光頭發(fā)出激光探測車轍深度,結(jié)合道路圖像處理系統(tǒng)進行判別。車載激光雷達系統(tǒng)激光發(fā)射頻率可達1 000 KHz,可以高精度地獲取路面車轍點云,對車轍點云進行模擬3 m直尺法檢測車轍深度。

2.4 車載點云路面構(gòu)造深度

路面構(gòu)造深度是反映路面抗滑性能和行車安全最重要的一個因素。傳統(tǒng)測量構(gòu)造深度的方法為鋪砂法,用細砂鋪平一定面積路面間隙,計算用砂體積與攤鋪面積之比作為路面構(gòu)造深度的測量數(shù)據(jù)。模擬鋪砂法對路面點云進行構(gòu)造深度分析,將路面點云數(shù)據(jù)選取若干個一定大小進行構(gòu)造深度計算,實驗以選取長方形,構(gòu)造深度測試結(jié)果如下:

(2)

式中,V為砂的體積(cm3);L為攤平砂的長(mm);W為攤平砂的寬(mm)。

3 實驗與分析

3.1 實驗道路與數(shù)據(jù)采集

本實驗選取北京市大興區(qū)蘆求路一段進行路面檢測,在車載激光雷達系統(tǒng)檢校之后,確保數(shù)據(jù)精度的前提下即可進行道路車載點云數(shù)據(jù)采集,盡量使得車載測量距離GNSS基站距離15 km以內(nèi)且GNSS信號良好保證測得準確的軌跡位姿數(shù)據(jù),依據(jù)相同時刻采集到的激光雷達點云數(shù)據(jù)和軌跡位姿數(shù)據(jù)經(jīng)過坐標轉(zhuǎn)換得到地方坐標系下的道路點云數(shù)據(jù)。

3.2 檢測結(jié)果與分析

3.2.1路面平整度檢測

選取蘆求路一段100 m路面進行平整度分析,對車載采集到的路面點云進行計算。通過對100 m路面點云一條縱斷面線進行分析,可知該路段最大凹凸位移差為15 mm左右,利用式(1)計算σi為測定該路段的平整度標準差,平整度標準差σi=1.768。

依據(jù)《公路工程質(zhì)量檢驗評定標準》平整度標準差σi,對不是高速公路或一級公路的其他公路標準差規(guī)定小于等于2.5,可以評定該路段平整度符合標準。

3.2.2路面裂縫識別

裂縫類型包括橫向、縱向和不規(guī)則的斜裂縫。點云裂縫識別效果見圖5,可以看出,路面裂縫較為明顯。

(a)效果圖1 (b)效果圖2

3.2.3路面車轍識別

識別車轍通過對掃描線進行曲線擬合,求得曲線4個拐點即為車轍邊緣輪廓點,將所有掃描線的拐點識別出來形成完整車轍,如圖6所示。

圖6 車轍識別效果

3.2.4路面構(gòu)造深度檢測

在路面采集點云數(shù)據(jù),截取路面一段長方形區(qū)域,將其進行去噪、建模,計算模型縫隙體積,如圖7所示。

(a)去噪 (b)建模

對一段路面選取9個長方形測試面,利用式(2)分別對其計算,可以計算該路段構(gòu)動目標檢測(moving targets detection,MTD)為2.5 mm。

4 結(jié)束語

對于車載激光雷達系統(tǒng)檢測路面還有需要改進之處,由于系統(tǒng)依賴于GNSS信號,對于信號不好甚至信號丟失的路段精度難以確保;而且系統(tǒng)是由多傳感器集成,測量精度受多方面影響,對于路面檢測的精度還有待提升;對于高速行駛測量道路點云,路上行車較多,會形成遮擋從而無法測得被遮擋路面的點云等。隨著車載激光雷達技術(shù)的不斷發(fā)展,車載激光雷達點云精度隨之提高,不止可以應(yīng)用于無人駕駛領(lǐng)域中高精度地圖數(shù)據(jù)獲取而且也可以應(yīng)用于道路檢測方向,本文主要基于車載激光雷達系統(tǒng)生成車載點云數(shù)據(jù),對路面檢測的部分指標進行計算分析,首先模擬連續(xù)式平整度儀對點云高程計算得到蘆求路一段路面平整度指標,然后依據(jù)車載點云特點進行裂縫、車轍識別,最后模擬鋪砂法進行構(gòu)造深度的計算,實驗驗證,計算路面指標符合規(guī)范要求,為車載激光點云應(yīng)用于路面提出檢測方法。