车载激光雷达点云路面检测

任 鲜 郭 明,2,3 徐秀川 师现杰

(1.北京建筑大学 测绘与城市空间信息学院,北京,102616;2.代表性建筑与古建筑数据教育部工程研究中心,北京 100044;3.现代城市测绘国家测绘地理信息局重点实验室,北京 100044;4.北京城建勘测设计研究院有限责任公司,北京,100101;5.北京航天世景信息技术有限公司,北京,100089)

0 引言

近几十年来,随着经济的快速发展,科技水平不断提高,我国综合实力不断提升,被称为基建狂魔,基础设施迅速扩建,公路更是遍布全国各个角落[1],如今在这个交通便利,经济飞速发展的时代,道路安全性关乎每个人生产生活,道路安全检测尤为重要[2]。道路检测方法随之转变,国内外道路路面检测技术发展大致经历了3个阶段[3]:从传统的人工检测到半自动化检测,到无损自动检测。传统的人工检测和半自动检测费时且效率低,需要人工操作,测量时受人为主观因素较大,会影响交通安全;无损自动检测自动化程度高,高速且不会对路面造成二次损害,现有多功能道路检测车可以同时对路面平整度、车辙、路面破损及抗滑性能甚至能够检测道路线、道路沿线设施等进行检测。多功能道路检测车虽然能很好地针对道路检测需求使用各个功能模块进行检测,但并没有获取道路三维场景,对于路面病害是以照片形式记录,输出的病害报表带有病害位置、尺寸、面积、定位(global positioning system,GPS)等信息[4],缺乏病害三维信息,无法获取其深度和刨面形态。

车载激光雷达测量系统具有高效、高精度且高分辨率获取道路场景的三维空间信息数据,已成为自动驾驶、数字孪生城市、智慧城市等领域数据获取的重要手段。车载激光雷达系统是由全球导航卫星系统(global navigation satellite system,GNSS)与惯性导航系统(inertial navigation system,INS)组合导航获取系统的轨迹位姿信息,由激光雷达进行点云数据采集,通过时间配准[5-6]及空间配准[7]原理进行轨迹数据和点云数据处理,最终得到地方坐标系下的车载点云数据。由于车载激光雷达系统由多传感器组成,误差的形成有单传感器标定误差,徐寿焘对单传感器GNSS接收机秒脉冲(pulse per second,PPS)授时检校、惯性测量单元(inertial measurement unit,IMU)姿态角及激光雷达校准进行研究[8],GNSS/INS组合导航采集轨迹数据时受到车振动的影响,未能精确测量微秒时间内车载姿态变换较大的状况,对轨迹位姿进行修正[9];在车载激光雷达系统采集数据之前需要进行系统检校,根据检校场内大量已知的点、面信息进行安置参数的反算,对于IMU与激光雷达相对位姿参数检校主要有基于检校模型进行特征点求解安置参数[10-11]、利用多个参数已知的特征平面为控制条件求解系统的安置角和安置偏移量[12]、利用竖直边沿的墙面作为检校求解激光雷达与IMU之间的安置误差角[13]等方法,申兴旺等人提出基于特制标靶球检校方法[14-15],有效避免车载点云噪声影响检校结果。车载激光雷达系统安置参数校准后方可进行点云数据采集,有效保证点云精度。车载激光雷达系统可以在道路上快速、准确、高效采集路面三维信息,为道路检测提供数据支撑,目前已有不少研究者对车载激光雷达道路点云数据进行研究:提出基于车载激光雷达点云对道路边界检测[16]及对道路交叉口检测与识别[17]等研究,有助于无人驾驶领域的发展;同时基于车载激光雷达点云在路面平整度检测评价研究[18]和道路病害提取研究[19]等也有所研究,本文提出利用车载激光雷达点云对路面平整度、识别裂缝、车辙及路面构造深度提出检测方法。

1 车载激光雷达系统

车载激光雷达系统是由多传感器组成,具有主动式测量、不受光照影响等优点,凭借其操作方便、能够快速、高精度获取道路及两侧地物的三维空间数据的特点,为高精度地图发展提供了一种数据获取手段。图1为本人团队自主研发的车载激光雷达系统,主要包括硬件组成和软件处理系统,其中硬件包括GNSS基站、GNSS/INS组合惯导获取轨迹位姿数据及激光雷达、全景相机采集地物数据,软件处理系统包括轨迹位姿数据解算及车载激光点云数据解算。最终将轨迹位姿数据与激光雷达数据依据时间配准和空间配准最终形成地方坐标系下车载激光点云数据。

图1 车载激光雷达系统组成

2 车载点云路面检测方法

基于车载激光点云数据进行路面平整度计算、裂缝车辙识别及构造深度计算的检测方法研究。

2.1 车载点云路面平整度

我国平整度评价指标的发展主要参考国外研究成果,先后采用了最大间隙、平整度标准差σ、IRI等评价指标。国际组织世界银行组织通过各国多种检测设备进行路面平整度实验,提出了国际平整度指数(international roughness index,IRI),旨在针对不同国家的不同平整度检测设备及其评价指标和参数,建立其与国际平整度指数的相关关系,是目前较常用的平整度检测指标,当前我国的平整度检测指标主要以IRI作为评价指标。计算平整度标准差时,以连续式平整度仪车轮为基准面,沿路面纵向位置按照一定采样间隔,采集测试轮的高程信息,采用数理统计的方法计算数据方差。以100 m长度为一个计算区间,按式(1)计算该区间内采集凹凸偏差位移值di的标准差σi,即该区间的平整度,以毫米计,保留1位小数。

(1)

式中,σi为各计算区间的平整度计算值(mm);di为以100 m为一个计算区间,每隔一定距离(自动采集间距为10 cm,人工采集间距为1.5 m)采集的路面凹凸偏差位移值(mm);N为计算区间用于计算标准差的测试数据个数。

首先模拟连续式八轮平整度仪计算平整度标准差方法,路面点云坐标(xi,yi,zi),其中路面高程值zi;然后对路面点云去噪,距离路面标志线80～100 cm处设置为起始采样点位置,沿着行车前进方向提取一条纵断面线,将纵断面线以一定间距采样,此处采集N个采样点,计算相邻两采样点之间位移值di=|zi-zi-1|,以模拟路面凹凸位移偏差。

2.2 车载点云路面裂缝

在路面病害早期,表现形式多以裂缝体现,路面裂缝检测及时可以降低路面损坏程度,将车载路面点云进行去噪,由于裂缝会导致高程值急剧减小,利用这一特征进行裂缝识别。沿着扫描线检查点之间倾角,如果倾角偏大,点高程下降超过预设阈值,该点被识别为裂缝点;对于高度变化阈值设定,一般设置为一条扫描线中相邻点之间所有高程变化的标准差的3倍。对于裂缝底部高程值变化不大,利用高程变化无法检测为裂缝点这种情况,设置了三个标识slope_down(向下倾斜)、slope_up(向上倾斜)和on_bottom(底部),以指示检测点位于裂缝外部还是内部,向下倾斜点与向上倾斜点之间的点识别为裂缝底部点,从而确保可以找到裂缝底部的裂缝点。裂缝识别流程见图2。

图2 裂缝识别流程

图3 车载激光道路点云

图4 路面凹凸位移

2.3 车载点云路面车辙

车辙是车辆在路面上行驶,长期碾压导致的路面变形。传统的路面车辙检测通常采用3 m直尺法测量,现有多功能道路检测车的激光车辙检测系统通过多个激光头发出激光探测车辙深度,结合道路图像处理系统进行判别。车载激光雷达系统激光发射频率可达1 000 KHz,可以高精度地获取路面车辙点云,对车辙点云进行模拟3 m直尺法检测车辙深度。

2.4 车载点云路面构造深度

路面构造深度是反映路面抗滑性能和行车安全最重要的一个因素。传统测量构造深度的方法为铺砂法,用细砂铺平一定面积路面间隙,计算用砂体积与摊铺面积之比作为路面构造深度的测量数据。模拟铺砂法对路面点云进行构造深度分析,将路面点云数据选取若干个一定大小进行构造深度计算,实验以选取长方形,构造深度测试结果如下:

(2)

式中,V为砂的体积(cm3);L为摊平砂的长(mm);W为摊平砂的宽(mm)。

3 实验与分析

3.1 实验道路与数据采集

本实验选取北京市大兴区芦求路一段进行路面检测,在车载激光雷达系统检校之后,确保数据精度的前提下即可进行道路车载点云数据采集,尽量使得车载测量距离GNSS基站距离15 km以内且GNSS信号良好保证测得准确的轨迹位姿数据,依据相同时刻采集到的激光雷达点云数据和轨迹位姿数据经过坐标转换得到地方坐标系下的道路点云数据。

3.2 检测结果与分析

3.2.1路面平整度检测

选取芦求路一段100 m路面进行平整度分析,对车载采集到的路面点云进行计算。通过对100 m路面点云一条纵断面线进行分析,可知该路段最大凹凸位移差为15 mm左右,利用式(1)计算σi为测定该路段的平整度标准差,平整度标准差σi=1.768。

依据《公路工程质量检验评定标准》平整度标准差σi,对不是高速公路或一级公路的其他公路标准差规定小于等于2.5,可以评定该路段平整度符合标准。

3.2.2路面裂缝识别

裂缝类型包括横向、纵向和不规则的斜裂缝。点云裂缝识别效果见图5,可以看出,路面裂缝较为明显。

(a)效果图1 (b)效果图2

3.2.3路面车辙识别

识别车辙通过对扫描线进行曲线拟合,求得曲线4个拐点即为车辙边缘轮廓点,将所有扫描线的拐点识别出来形成完整车辙,如图6所示。

图6 车辙识别效果

3.2.4路面构造深度检测

在路面采集点云数据,截取路面一段长方形区域,将其进行去噪、建模,计算模型缝隙体积,如图7所示。

(a)去噪 (b)建模

对一段路面选取9个长方形测试面,利用式(2)分别对其计算,可以计算该路段构动目标检测(moving targets detection,MTD)为2.5 mm。

4 结束语

对于车载激光雷达系统检测路面还有需要改进之处,由于系统依赖于GNSS信号,对于信号不好甚至信号丢失的路段精度难以确保;而且系统是由多传感器集成,测量精度受多方面影响,对于路面检测的精度还有待提升;对于高速行驶测量道路点云,路上行车较多,会形成遮挡从而无法测得被遮挡路面的点云等。随着车载激光雷达技术的不断发展,车载激光雷达点云精度随之提高,不止可以应用于无人驾驶领域中高精度地图数据获取而且也可以应用于道路检测方向,本文主要基于车载激光雷达系统生成车载点云数据,对路面检测的部分指标进行计算分析,首先模拟连续式平整度仪对点云高程计算得到芦求路一段路面平整度指标,然后依据车载点云特点进行裂缝、车辙识别,最后模拟铺砂法进行构造深度的计算,实验验证,计算路面指标符合规范要求,为车载激光点云应用于路面提出检测方法。