路面裂缝的结构光车载检测技术研究

刘希伟

（新疆公路桥梁试验检测中心有限责任公司,新疆 乌鲁木齐 831000）

0 引言

基于2d影像的检测路面裂缝技术，因为难于克服路面阴影、污渍、不均光照等不利因素的干扰，测量结果经常会存在相当数量的误判或者漏检。针对2d影像裂缝检测技术所存在的技术不足，3d结构光检测技术相继得到开发应用。该技术利用3d识别和信息获取优势，形成抗御环境光干扰能力强，细节获取更充分，影像反应更接近真实物态，识别精度更高等技术优势，被越来越广泛地应用到路面裂缝检测中。

1 线结构光扫描检测原理

1.1 线激光扫描原理

路面裂缝的结构光检测技术属于非接触式路面裂缝检测技术，应用线激光三角检测原理实现裂缝测量，具体见图1所示。圆柱体代表摄像机，立方体代表线激光器，摄像机光轴与线激光器光平面的交点建立水平测量基准面，θ1为测量基准面法线与线激光器光平面的夹角，θ2为测量基准面法线与摄像机光轴的夹角。按θ1的角度，激光从一侧投影激光平面至基准面上面，在基准面上构成一条直线激光条纹。如果基准面存在物体或变形，光条被调制发生变形。摄像机以θ2的角度从另一侧检识扫描反射光，经过数理模型变换和识别处理，获得扫描面的裂缝信息。结构光检测技术能够形成对路面裂缝的3d识别系统，因此其裂缝识别更立体、直观和准确。

图1 线激光检测原理

1.2 感受器组合方式

依据线激光与摄像机的空间几何关系，线结构光感受器的结构可分为3种，见图2所示。

图2 感受器组合方式

（1）垂直投射线激光到待测物体表面，摄像机从一侧倾斜采集数据。

（2）线激光从一边投射到被测物体表面，摄像机垂直捕获数据。

（3）线激光被斜投射到被测物体表面，摄像机也从另一侧斜向捕捉数据。见图2具体所示，β是线激光平面和摄像机光平面之间的夹角[1]。

1.3 路面缝隙抗颠簸结构光检测模型

结构光检测路面缝隙抗颠簸模型见图3所示。

图3 路面缝隙抗颠簸结构光检测模型

当承载平台颠簸时，检测面与线激光间的距离就会不停地变化，检测分辨率因此深受干扰。为了克服这个问题，在图3所示的感受器抗颠簸测量模型中，将摄像机镜头的光轴与检测平面的交点水平移动至基准面的下方，其与基准面的距离就是颠簸量Δd的最大值，这样即使颠簸过程中，检测分辨率依然可以满足检测精度要求。

2 感受器参数计算与优化选择

2.1 感受器参数计算

检测指标包括：扫描速度v、测宽L、测深±ΔH，深度分辨率dz、纵向分辨率dy，横向分辨率dx。

系统扫描获得包含道路信息的光条影像，每条影像反映xoz平面的形态变化，dx表示镜头在x轴向上的分辨率，dz标示镜头z轴向上的分辨率。dy表示系统与道路横断面采样在y轴方向上的距离，其与帧率fps、扫描速率v之间的关系式：

感受器的结构参数包括检测宽度l、高度H、镜头焦距f、摄像机光轴与光平面夹角β、镜头视区等。

（1）实际检测宽度l与感受器数量n。假设单车道为3.75 m宽度，由于高度限制，单套感受器无法满足这样的宽度。为此采取了如下技术处理，检测宽度≤2 m，使用1套感受器，检测宽度＞2 m，则应用2套感受器[2]。

（2）检测高度H公式如下，其中θ为线激光器的扇形角度。

（3）镜头视区ROI公式：

（4）帧率fps公式如下，其中v为扫描速度，dy为纵向分辨率。

（5）镜头焦距f公式：

（6）摄像机光轴dz与光平面夹角β公式：

（7）检测宽度l'计算公式：

（8）横向分辨率dx'计算公式：

满足dx'≤dx，返回结束；否则增加焦距f，记f'，从（6）或（5）重新开始计算。相对简洁的是从（6）重新开始计算，该计算中深度分辨率变得更高。从（5）重新开始计算，深度分辨率不变，但感受器体积会缩小。

通过前述设计方法，可以得到满足检测系统要求的感受器结构参数值和取值范围。

2.2 感受器参数优化选择

2.2.1 感受器成像模型

感受器成像模型见图4所示，其中包括3个坐标系：Og-XgYgZg世界坐标系、Oc-XcYZc摄像机坐标系和O-XYZ影像坐标系。Og-XgYgZg由Oc-XcYZc和激光平面确定。其中的Zq轴为摄像机光轴，Oc为摄像机光轴中心点。Zc轴与像平面的交点即为影像坐标系O点，即像平面的中心，摄像机坐标轴与影像坐标轴平行，线激光平面与Zc轴的交点为世界坐标系Og点。Yg轴垂直于线激光平面，Zg轴为Zc轴在线激光平面上的投影。

图4 感受器的成像模型

2.2.2 感受器测量误差分析

治疗中体表光学监测X、Y和Z方向分别平移(0.02±0.24)、(0.09±0.40)和(0.02±0.18) mm,CBCT验证分别平移(0.01±0.37)、(0.03±0.24)和(0.03±0.19) mm，两者比较差异无统计学意义，t值分别为0.04、0.41和0.58，P值分别为0.97、0.68和0.57。

（1）间接测量误差分析。依据线结构光成像模型，通过直接测量感受器结构参数和对应的像点坐标，根据已知的函数关系，可以计算出被测物体的坐标值。通过函数关系将前述数学模型总结如下：

根据误差分析理论，可获得物体坐标的测量误差：

式中，k取Xg和Zg，i则取值H、f、X和Y，Δk表示感受器测量误差，Δi表示感受器结构参数的校准误差和测点坐标的获取误差。出于方便计算考虑，式中测量误差Δ取2的范数，即：

（2）测量误差的因素影响关系。感受器测量误差的影响因素有2个：一是物体像点坐标获取误差；二是感受器参数或校准误差。对于给定的系统，感受器参数已基本被精确校准，故基本可以忽略误差。像点坐标获取算法确定后，假定像点误差为定值，也就是ΔX=ΔY=δ，则感受器测量误差：

2.2.3 感受器结构参数优化

由以上分析可知，感受器在像面上的测量误差分布并不规则。因此通过研究图像平面中最大测量误差像素点，分析感受器参数对误差的影响，优化感受器结构参数。像面为2Tx×2Ty。像平面X=±Tx上，Y=Ty的边缘点所对应的最大测量误差为：

在确定像点坐标获取算法后，δ值即得以确定，但探测宽度所要求的感受器参数H和f须给予确定。所以影响感受器测量误差的主要是β，并且其影响呈现非线性特点。

可以采用优化定义准则的方式确定相关感受器参数。目标函数即为上述关系式（13）。在考虑规格空间限制和满足系统检测指标的前提下，尽可能获得目标函数的最小值，即为优化的结构参数。

2.3 试验计算与优化结果

2.3.1 试验初步计算结果

实例检测宽度50 cm，纵向分辨率1 cm，横向分辨率0.1 cm，深度分辨率0.1 cm，扫描速率为80 km/h。深度测量±10 cm：测量范围10 cm，颠簸±10 cm，线激光扇角度 44°[3]。

基于感受器参数计算技术获得的计算结果如下：H=61.9 cm，摄像机的帧频为2 223fps，f=1.2 cm，67.69＞β＞22.49，β=25°得到摄像机的感受区域ROI≥（1 553，499），选择ROI=（1 600、550）。然后基于0.17 cm的形变量、不同的颠簸和测深条件，进行测量，每个测量段的6个不同位置测量所得像素变化具体见表1所示。

表1 测量所得像素变化结果

检测数据显示，最大颠簸量和测深条件下，测量系统符合0.1 cm的深度分辨率功效要求，对工程测量具有应用价值。

2.3.2 进一步优化计算结果

上节计算得出67.69＞β＞22.49的结构光角度组合成果，但这仅是一个取值区间。该节再借助上述感受器参数优化确定选择方法，进一步优化取值。所获得的感受器参数优化仿真结果具体见图5所示。曲线显示，当β取值47°时，获得最小检测误差，因此β=47°即为最佳解，从而进一步提高了测量精度。

图5 检测误差与β的影响关系

通过对前述感受器结构参数的改进结果，即β=47°时，检测系统在不同颠簸条件下测量不同测深下的1.7 mm变形量，根据检测面不同位置的像素变化结果数据显示，参数改进后，检测系统的检测精度有所增强。

3 结语

该文开展了路面裂缝的结构光车载检测技术研究，主要包括：

（1）介绍了线结构光检测原理，包括扫描原理、感受器组合方式、抗颠簸结构光检测模型等技术点。

（2）介绍了感受器参数计算与优化选择技术，包括感受器参数计算、感受器成像模型、感受器测量误差分析、感受器结构参数优化等技术点。

（3）介绍了试验计算结果，验证了该技术的工程适用性。