一种路面坑槽体积测量方法及装置与流程

本发明涉及路面坑槽测量方法及装置，具体涉及一种路面坑槽体积测量方法及装置。

背景技术：

道路坑槽指的是由于路面老化，雨雪侵蚀及车辆损耗导致的路面局部集料丧失而形成的坑洼，这是道路养护面临的一种较为严重的路面病害。道路坑槽不仅对行车造成颠簸不舒适，而且还存在安全隐患，尤其在高速公路上测量高速行驶的情况下，坑槽可能引发严重的交通事故。

在公路的日常巡查管理以及定期的路面坑槽信息采集过程中，获取准确的坑槽几何信息对道路维护施工作业具有重要帮助。在未来，路面养护系统必然走向自动化，智能化，以提高效率，降低维护成本，坑槽体积作为一项重要的道路养护数据，是智能养护设备关注的重点。准确的坑槽体积测量方法对准确获取道路坑槽信息，为智能道路维护设备提供精准填补体积依据，具有重要的应用价值。

目前市面已有的一些路面坑槽自动检测技术，只能检测坑槽的面积及深度信息。由于坑槽形状的任意性、非封闭性以及不规则性，无法准确获得坑槽的三维体积信息，市面上也没有良好的方法来测量道路坑槽的体积。道路坑槽体积的准确获取在设备维护自动化以及道路自动填补中具有明显优势。

技术实现要素：

本发明的目的在于提供一种路面坑槽体积测量方法及装置，用以解决现有技术中的测量方法及装置无法获得准确的坑槽体积的问题。

为了实现上述任务，本发明采用以下技术方案：

一种路面坑槽体积测量方法，所述的路面包括路路平面区域以及坑槽区域，所述的方法按照以下步骤执行：

步骤1、以平行于所述路平面区域的方向，采集路面三维点云；

步骤2、对所述的路面三维点云进行分割，获得坑槽区域三维点云；

步骤3、将所述坑槽区域三维点云向路平面区域方向进行投影，得到坑槽区域的二维平面；

步骤4、对所述的坑槽区域的二维平面进行三角分割，获得多个三角形的坑槽二维平面；

步骤5、将所述的多个三角形的坑槽二维平面以垂直于所述的路平面区域的方向反投影至三维空间中，获得多个三棱柱；

所述三棱柱的三条边的高分别为步骤4中获得的三角形的坑槽二维平面中三个顶点在步骤3中投影前的坑槽区域三维点云中对应的三个三维点的深度值；

步骤6、计算每个三棱柱的体积，求和后获得坑槽区域的体积。

进一步地，所述的步骤2具体包括：

步骤21、对所述的路面三维点云进行预处理操作，获得预处理后的三维点云，所述的预处理操作包括依次执行的降采样操作以及滤波操作；

步骤22、根据预处理后三维点云中每个三维点的深度值大小，将三维点的深度值小于深度阈值的所有三维点删除，获得非路平面区域的三维点云，所述的深度阈值为预处理后三维点云中所有三维点深度值平均值的两倍；

步骤23、在所述的非路平面区域的三维点云中，将深度值最大的三维点作为种子点，采用区域生长的方法获得初始坑槽区域三维点云；

步骤24、采用边缘搜索的方法对所述初始坑槽区域三维点云中所有三维点进行处理，获得多个三维点组成坑槽区域边缘；

步骤25、将所述坑槽区域边缘以内所有的三维点集合，获得所述的坑槽区域三维点云。

进一步地，所述的步骤21中降采样操作为体素网格滤波。

进一步地，所述的步骤22中，根据预处理后三维点云中每个三维点的深度值大小，采用ransac算法将三维点的深度值小于深度阈值的所有三维点删除，获得非路平面区域的三维点云。

进一步地，所述的采用边缘搜索的方法对所述初始坑槽区域三维点云中所有三维点进行处理时，将所述初始坑槽区域三维点云的一个顶点作为起始三边界点，利用边界点最大角原理依次获得多个三维点组成坑槽区域边缘。

进一步地，采用delaunay三角化方法对所述的坑槽区域的二维平面进行三角分割，获得多个三角形的坑槽二维平面。

进一步地，在采用delaunay三角化方法对所述的坑槽区域的二维平面进行三角分割后，获得多个三角形二维平面后，从多个三角形二维平面中删除三个顶点与所述坑槽区域边缘重合的三角形二维平面后，获得多个三角形的二维坑槽平面。

一种路面坑槽体积测量装置，用于实现所述的路面坑槽体积测量方法，所述的装置包括路面三维点云获取模块、坑槽三维点云分割模块以及坑槽体积计算模块；

所述的路面三维点云获取模块与所述的坑槽三维点云分割模块连接，用于以平行于所述路平面区域的方向，采集路面三维点云；

所述的坑槽三维点云分割模块与所述的坑槽体积计算模块，用于对所述的路面三维点云进行分割，获得所述的坑槽区域三维点云；

所述的坑槽体积计算模块用于将所述坑槽区域三维点云向路平面区域进行投影，得到坑槽区域的二维平面；

还用于对所述的坑槽区域的二维平面进行三角分割，获得多个三角形的坑槽二维平面；

还用于将所述的多个三角形的坑槽二维平面以垂直于所述的路平面区域的方向反投影至三维空间中，获得多个三棱柱；

还用于计算每个三棱柱的体积，求和后获得坑槽区域的体积。

进一步地，所述的坑槽三维点云分割模块以及坑槽体积计算模块均为智能移动设备。

进一步地，所述的智能移动设备为手机。

本发明与现有技术相比具有以下技术效果：

1、本发明提供的路面坑槽体积测量方法在对坑槽区域进行分割时，通过滤波降采样等方法，去除了错误及冗余点云，精简三维点云中三维点的数量，有效提高了坑槽区域分割速度；

2、本发明提供的路面坑槽体积测量方法及装置在对坑槽区域进行分割时，利用深度阈值去除路平面区域，保留非路平面区域能够快速的将坑槽的大致区域分割出来，降低分割方法的复杂度，提高了分割速度；

3、本发明提供的路面坑槽体积测量方法及装置在对坑槽区域进行分割时，首先采用区域生成方法获得初始坑槽区域，在此基础上再使用边缘搜索的方法以获得完整的坑槽区域的边缘，提高了坑槽分割的完整性以及准确性；

4、本发明提供的路面坑槽体积测量方法及装置在对坑槽区域进行分割时，利用边界点最大角原理依次获得多个三维点组成坑槽区域边缘，进一步地提高了坑槽分割的准确性，为坑槽体积的准确计算提供了良好的数据基础；

5、本发明提供的路面坑槽体积测量方法及装置在对坑槽体积进行计算时，首先将三维点云映射在二维平面上，对二维平面进行分割后再反向映射回三维空间中，相比于直接对三维点云进行分割的复杂度低，计算方法的实时性高；

6、本发明提供的路面坑槽体积测量方法及装置在对坑槽体积进行计算时，采用高精度三维点云来测量坑槽三维体积，三维点云精确还原了坑槽原始物理形态，在算法处理过程中误差较小，因此具有较高的体积测量准确度；

7、本发明提供的路面坑槽体积测量方法及装置在对坑槽体积进行计算时，针对坑槽点云非封闭性的特征，首次解决了开放坑槽体积测量的问题。

附图说明

图1为本发明提供的路面坑槽体积测量方法的流程图；

图2为本发明的一个实施例中用于重建路面三维点云时的左右相机图像；

图3为本发明的一个实施例中采集的路面三维点云；

图4为本发明的一个实施例中分割获得的坑槽区域三维点云；

图5为本发明的一个实施例中获得坑槽区域的二维平面图像；

图6为本发明的一个实施例中三角分割后的坑槽区域的二维平面图像；

图7为本发明的一个实施例中获得一个三棱柱的图像；

图8为本发明的一个实施例中提供的模拟坑槽图像；

图9为本发明的一个实施例中提供的路面坑槽体积测量装置结构图。

具体实施方式

三维点云：由多个三维点构成，每个三维点都有横坐标值、纵坐标值以及深度值，一般以相机左镜头为坐标系原点，横坐标值、纵坐标值以及深度值都是正值。

边界点最大角原理：在某一边界点的多个邻近点中，边界点与任一个邻近点均存在夹角(该夹角不包含其它邻近点)，因此会存在多个夹角，而最大的两个夹角之间差值对应的两个临近点必为边界点。

delaunay三角化方法：如果点集v的一个三角剖分t只包含delaunay边，那么该三角剖分称为delaunay三角剖分，其中delaunay边为存在一个圆经过delaunay边的两个端点，圆内不含点集v中任何其他的点，利用delaunay三角化方法可以将点集或者图像划分成多个三角形状。

实施例一

一种路面坑槽体积测量方法，所述的路面包括路路平面区域以及坑槽区域，如图1所示，测量方法按照以下步骤执行：

步骤1、以平行于所述路平面区域的方向，采集路面三维点云；

在本步骤中首先采用双目立体相机等三维成像设备获取含有凹陷的路面区域的三维点云，将该三维点云作为本实施例中提供的测量方法的输入。

拍摄时注意成像设备正对平面拍摄，并且覆盖完整坑槽凹陷范围。

在本实施例中，对如图2所示的双目相机的左右相机图像，进行三维重建获得到的路面三维点云如图3所示。

步骤2、对所述的路面三维点云进行分割，获得所述的坑槽区域三维点云；

在本步骤中，对三维点云进行分割时，现有的方法有欧几里得算法、kdtree算法以及octree算法，但是以上几种算法在面对路面三维点云时，由于路面本身凹凸不平，而且在因此采集到的三维点云中会包含大量的噪声，采用现有技术中的分割方法进行分割时，会出现分割准确率不高，导致路面坑槽体积测量不准确。

可选地，所述的步骤2具体包括：

步骤21、对所述的路面三维点云进行预处理操作，获得预处理后的三维点云，所述的预处理操作包括依次执行的降采样操作以及滤波操作；

由于采集到的三维点云包含的数据量较大，并且含有噪声，如果直接进行处理，会出现分割速度慢以及分割效果差的现象，因此在本步骤中，首先对三维点云进行降维后再滤波。

可选地，所述的步骤21按照以下步骤执行：

步骤211、对所述的三维点云利用体素网格滤波的方法进行降采样，获得降采样后的三维点云；

首先对三维点云进行降采样，采用体素网格滤波的方法对三维点云进行降采样，以减少冗余数据量，提高点云处理速度，滤波时能够在深度方向上保持细节，减少深度方向的细节损失。

具体过程为：通过输入的三维点云创建一个三维体素网格，体素网格相当于空间三维立方体的集合，然后在每个体素内，用体素中所有点的重心来近似显示体素中其他点，这样该体素网格内所有点最终就用一个重心点表示，所有点云都按体素网格处理后得到降采样点云，获得准确的采样点对应曲面的表示。

步骤212、对所述的降采样后的三维点云进行直通滤波，获得直通滤波后的三维点云；

在本步骤中，对降采样后的三维点云进行滤波，采用直通滤波的方法，具体是通过设定三维点云深度方向数据范围，例如0.8-1.2m之间，在此范围之外的点云都将作为干扰点去除。

步骤213、对所述的直通滤波后的三维点云进行统计滤波，获得处理后的三维点云。

在本步骤中，对直通滤波后的三维点云采用统计滤波方法，对每个点的邻域进行一个统计分析，并去除一些不符合标准的点云，减少孤立冗余点云，统计滤波对每个点的邻域进行一个统计分析，并修剪掉那些不符合设定标准的点。具体地，在本实施例中采用了稀疏离群点移除方法，基于在输入三维点云中对点到邻近点的距离分布的计算。对每一个三维点，计算它到自身所有邻近点的平均距离，得到的结果是一个高斯分布，其形状由均值和标准差决定，平均距离在标准范围(由全局距离平均值和方差定义)之外的三维点为离群点，并从三维点云中去除掉。

本发明提供的路面坑槽体积测量方法在对坑槽区域进行分割时，利用深度阈值去除路平面区域，保留非路平面区域能够快速的将坑槽的大致区域分割出来，降低分割方法的复杂度，提高了分割速度。

步骤22、根据预处理后三维点云中每个三维点的深度值大小，将三维点的深度值小于深度阈值的所有三维点删除，获得非路平面区域的三维点云，所述的深度阈值为预处理后三维点云中所有三维点深度值平均值的两倍；

在本步骤中，由于三维点云在获取时是平行于平面区域获得的，因此平面区域三维点云中深度值应该都是一样的，通过这个特征，可以将平面三维点云找到。

优选地，根据预处理后三维点云中每个三维点的深度值大小，采用ransac算法将三维点的深度值小于深度阈值的所有三维点删除，获得非路平面区域的三维点云。

在本步骤中，采用ransac算法提取路平面时，设定了深度阈值，深度阈值是根据路平面的厚度设定的，例如要分割出2mm深度的路平面，在本实施例提供的测量方法中将会把路平面附近2mm深度内的所有点作为路平面三维点，这一步骤相当于将三维点云在深度方向上进行切削，把路平面削掉。

在本步骤中，提取到平面点云的同时，已经将其他非平面部分点云(包含坑槽点云)分割出来。在正常情况下，由于噪声及无匹配错误点云点的干扰，此时并不能提出完整精确的坑槽不部分点云，需要进一步的处理。

因此，在执行所述的步骤23之前，首先对所述的非路平面区域的三维点云采用统计滤波的方式进行二次滤波，获得滤波后的非路平面区域的三维点云，将所述的滤波后的非路平面区域的三维点云输入至所述的步骤23中。

在本步骤中，二次滤波时再次采用统计滤波的方式，设定滤波参数，去除无用的范围较小的孤立点云，通过设定每个点云在一定距离内包含的三维点总数，如果小于设定的最小三维点总数阈值，则认为是孤立点云，如果大于设定的最大三维点总数阈值，也认为是无效的三维点云。例如统计某个三维点周围5厘米内的三维点数量，如果统计结果小于500个，则将该三维点以及三维点周围5厘米内的所有三维点视为孤立点云，如果统计结果大于50000则视为超过理论坑槽数据量的无效点云团，也将去除，在图3中，最大的坑槽区域旁边还有一些小的坑槽区域，在本步骤中，将这些小的坑槽区域进行去除，这些小的坑槽区域就是孤立点云。

步骤23、在所述的非路平面区域的三维点云中，将深度值最大的三维点作为种子点，采用区域生长的方法获得初始坑槽区域三维点云；

在本步骤中，根据降采样时设定的深度阈值作为区域生长的方法中的距离阈值，以深度值最大的三维点为起点，搜寻距离阈值范围内的点，以新搜寻到的点迭代新为的起点，继续搜寻，直到搜寻到分割出坑槽区域边缘三维点，获得初始坑槽区域三维点云。

为了提高分割的准确率，因此在本实施例中对初始坑槽区域三维点云进行再一次的边缘搜索，以获得完整的坑槽区域的边缘。

步骤24、采用边缘搜索的方法对所述初始坑槽区域三维点云中所有三维点进行处理，获得多个三维点组成坑槽区域边缘；

在本步骤中，边缘搜索的方法可以是深度阈值检测、梯度差值阈值检测的方法等，但现有技术中这些方法在面对路面中坑槽区域时，由于坑槽的边缘是具有斜度的，因此采用现有的阈值检测的方法都无法良好的找到坑槽区域的边缘，导致坑槽区域分割的不准确，使得坑槽体积的计算不准确。

因此在本实施例中提供了一种不断逼近的迭代边缘搜索方法，将所述初始坑槽区域三维点云的一个顶点作为起始边界点，利用边界点最大角原理依次获得多个三维点组成坑槽区域边缘。

具体地，按照以下步骤执行：

步骤i、清空边界三维点集合；

步骤ii、采用k邻近算法找到起始边界点周围的多个邻近三维点；

在本步骤中，具体是以所述起始边界点为球心，以距离阈值为球的半径，建立选择球体，将所述选择球体内所有的三维点作为邻近三维点，获得多个邻近三维点，所述的距离阈值为经过二次滤波后三维点云中所有三维点深度值平均值的两倍；

步骤iii、计算每个邻近三维点与所述起始边界点之间的夹角，获得多个夹角值；

步骤iv、将所有的夹角值按照大小降序排列，计算相邻两个夹角值之间的角度差，获得多个角度差；

步骤v、从所有的角度差中选择最大角度差，将最大角度差对应的两个夹角值对应的两个邻近三维点作为两个边界三维点；

步骤vi、若此时边界三维点集合为空，则执行步骤viii；否则执行vii；

步骤vii、判断步骤v中获得的两个边界三维点是否有一个在所述的边界三维点集合中；

若有一个在所述的边界三维点集合中，则将另外一个不在边界三维点集合中的边界三维点作为新的起始边界点后，再放入边界三维点集合后执行步骤ix中；

若两个边界三维点都在所述的边界三维点集合中，则选择距离起始边界点距离最远的一个点作为新的起始边界点；

否则，首先将两个边界三维点放入边界三维点集合中，再分别计算两个边界三维点与所述起始边界点之间的角度值，选择角度值最大的边界三维点作为新的起始边界点后，执行步骤ix；

步骤ix、将新的起始边界点作为输入，重复步骤ii至步骤ix，直至本次获得的新的起始边界点为第一次执行步骤ii时选取的初始坑槽区域三维点云的一个顶点后，执行步骤x；

在本实施例中，利用边界点最大角原理依次获得多个三维点组成坑槽区域边缘，进一步地提高了坑槽分割的准确性，为坑槽体积的准确计算提供了良好的数据基础。

步骤x、从初始坑槽区域三维点云中提取边界三维点集合中所有边界三维点，获得多个三维点组成坑槽区域边缘。

步骤x中，从初始坑槽区域三维点云中提取边界三维点集合中所有边界三维点后，此时的多个边界三维点是稀疏边界三维点，直接通过稀疏边界三维点获得坑槽区域三维点云的话，坑槽区域三维点云会存在噪点，即分割不准确的情况，因此在本实施例中对所有的边界三维点进行稠密化，获得多个三维点组成坑槽区域边缘。

在本步骤中，对所有的边界三维点进行稠密化，稠密化的方法可以是插值等方法，但是在本实施例中，为了提高稠密化的准确率，使得分割后的坑槽区域能够更加完整以及准确，边界稠密化是将稀疏边界点演化成稠密点云，就是将稀疏点连线上的边界点也加入到边界点云中。

具体地，在本实施例中按照以下步骤对所有的边界三维点进行稠密化：

步骤a、从所有的边界三维点中找到相邻的两个边界三维点分别作为端点和终点；

步骤b、以端点为球心，以距离阈值为球的半径，建立选择球体，将选择球体内所有三维点作为邻近边界三维点，获得多个邻近边界三维点；

本步骤中的距离阈值与步骤ii中的距离阈值相同。

步骤c、计算所有邻近边界三维点到由端点和终点组成的直线之间的距离，获得多个邻近边界三维点的距离值；

步骤d、将小于稠密距离阈值的距离值对应邻近边界三维点作为稠密边界三维点，获得多个稠密边界三维点，稠密距离阈值为二次滤波后三维点云的密度值；

步骤e、重复步骤a至步骤e直至所有的边界三维点均作为端点过，获得多个稠密边界三维点；

步骤f、将所有稠密边界三维点与所有边界三维点结合，获得多个三维点组成坑槽区域边缘。

步骤25、将坑槽区域边缘以内所有的三维点集合，获得坑槽区域三维点云。

因此，坑槽区域边缘是在步骤f中获得的由稠密边界点和所有边界三维点组成的边缘，将在该边缘以内的所有三维点取出，包括该边缘，得到了坑槽区域三维点云。

在本实施例中，对如图3所示的路面三维点云，图3中的路面三维点云中坑槽点云占了路面三维点云中的一小部分，但是在图3中可以看出没有经过处理的三维点云数据是非常庞大的，采用本实施例中提供的边缘搜索以及边缘稠密化的方法，获得了如图4所示的坑槽区域，该坑槽区域的边缘即由稠密三维边界点和三维边界点构成的。

本发明提供的路面坑槽体积测量方法在对坑槽区域进行分割时，首先采用区域生成方法获得初始坑槽区域，在此基础上再使用边缘搜索的方法以获得完整的坑槽区域的边缘，提高了坑槽分割的完整性以及准确性，并且提供了对稀疏边缘的稠密化的方法，以获得更为精确的坑槽区域。

如果直接对坑槽区域三维点云进行分割后，求分割后每一部分的体积进行相加，数据量太大会导致测量方法运行速度过慢，整个测量方法不具备实时性，因此在本实施例中，先将三维点云投影至二维平面上，计算平面面积再进一步地得到体积。

步骤3、将所述坑槽区域三维点云向路平面区域进行投影，得到坑槽区域的二维平面；

在本步骤中，将分割出的坑槽区域三维点云映射到以路平面作为基准的x-y二维平面，坐标系原点是双目摄像机左相机光心在路平面上的投影。

在本实施例中，三维点a在空间的坐标为(x1,y1，z1)，三维点b在空间的坐标为(x2,y2，z2)，三维点c在空间的坐标为(x3,y3，z3)，向路平面区域进行投影相当于去掉z轴坐标，则获得三个二维点，点a在二维平面的坐标为(x1,y1)，顶点b在二维平面的坐标为(x2,y2)，顶点c在二维平面的坐标为(x3,y3)。

在本实施例中，获得的坑槽区域的二维平面图像如图5所示。

步骤4、对所述的坑槽区域的二维平面进行三角分割，获得多个三角形的坑槽二维平面；

可选地，采用delaunay三角化方法对所述的坑槽区域的二维平面进行三角分割，获得多个三角形的坑槽二维平面。

在本步骤中，采用delaunay三角化方法，将坑槽区域的二维平面网格化，使最小的内角最大化，并不能保证最后得到的三角形都在坑洼投影内。当坑洼呈现凹形时，如图6所示，全黑色区域为坑槽内部，而利用delaunay三角化方法划分在坑槽边缘外侧还存在一些三角形，不属于要计算的三角形。

因此，为了消除这种在坑槽区域外侧的三角形，以保证坑槽体积计算的准确性，在采用delaunay三角化方法对所述的坑槽区域的二维平面进行三角分割后，获得多个三角形二维平面后，从多个三角形二维平面中删除三个顶点与所述坑槽区域边缘重合的三角形二维平面后，获得多个三角形的二维坑槽平面。

在本实施例中，三角形的三个顶点都属于边界点；正常情况下三角形的三个顶点至少有一个属于坑洼内部，理论上有这一个原则就可以排除所有的外三角形，但是为了以防稠密边界点提取的不够完全；三角形的两个顶点属于边界点而且距离超过十倍边界点，则判断此三角形亦为外三角形，去除所有外三角形，获得多个三角形的坑槽二维平面。

步骤5、将多个三角形的坑槽二维平面以垂直于路平面区域的方向反投影至三维空间中，获得多个三棱柱；

三棱柱的三条边的高分别为步骤4中获得的三角形的坑槽二维平面中三个顶点在步骤3中投影前的坑槽区域三维点云中对应的三个三维点的深度值；

在本实施例中，三角形的三个顶点分别为a、b以及c，其中顶点a在二维平面的坐标为(x1,y1)，顶点b在二维平面的坐标为(x2,y2)，顶点c在二维平面的坐标为(x3,y3)，将这三个顶点进行反投影后，使得这三个顶点具有了空间信息，即深度值，这个深度值就是三个顶点在没有投影至二维平面上时，对应的三维点的深度值，即其中顶点a在空间的坐标为(x1,y1，z1)，顶点b在空间的坐标为(x2,y2，z2)，顶点c在空间的坐标为(x3,y3，z3)。

步骤6、计算每个三棱柱的体积，求和后获得坑槽区域的体积。

在本步骤中，如图7所示，采用步骤4分割出了一个三角形，经过反投影后获得一个三棱柱，三棱柱顶面三个顶点分别为a、b以及c，顶点a在空间的坐标为(x1,y1，z1)，顶点b在空间的坐标为(x2,y2，z2)，顶点c在空间的坐标为(x3,y3，z3)，在图上可以看出，该三棱柱不是一个规则的三棱柱，其顶面是一个斜面，其底面为路平面，因此在本实施例中，采用了分割三棱柱的方法将这个三棱柱分割成一个标准三棱柱和一个四面体，通过分别求取标准三棱柱的体积和四面体的体积，相加获得三棱柱的总体积。

在本步骤中，分割时，取距离路平面最近的高度z作为标准三棱柱的高度h进行分割，如图7中虚线所示，在本例中，选择顶点a的深度值作为三棱柱的高度h＝z1。

其中在步骤4中分割获得该三角形的面积为：

s＝(1/2)|(x2-x1)*(y3-y1)-(x3-x1)*(y2-y1)|

标准三棱柱的体积vp＝s*h。

其次，计算标准三棱柱上的四面体体积，在本步骤中，已知三个三维点的三维数据，并且通过做辅助面也可以得到四面体另外两个顶点的三维数据，即可获得四面体的面积vt。

则一个三棱柱的体积为：vi＝vp+vt。

通过以上的方法计算所有三棱柱的体积后，获得了一个坑槽体积，但是通过以上方法获得的坑槽体积并不是最终的准确值，由于在坑槽分割时，在步骤22中将三维点的深度值小于深度阈值的所有三维点删除，获得非路平面区域的三维点云，在以一定的厚度提取路平面时，相当于将路面削薄了一个路平面的厚度，因此获得的坑槽体积会缺少该部分，因此为了获得准确的坑槽体积，在本实施例中，将在步骤4中获得的多个三角形的面积作为底，将步骤22中两倍的所有三维点深度值平均值作为高，再一次求取多个标准三棱柱体积后，求和获得坑槽补偿体积，将上述步骤中获得的坑槽体积机上这部分坑槽补偿体积，获得最终准确地坑槽区域体积。

采用本实施例中提供的体积测量方法对如图8所示的模拟坑槽的体积进行计算，其中每个坐标轴的单位均为m，验证体积测量方法的有效性，理论上该该半球的体积为2.094395102393195m³，采用本实施例中提供的步骤3-步骤6，计算获得该半球的体积为2.072184805179722m³，由于在本实施例中体积计算方法采用的是内逼近法，所以求得的体积会偏小，但是已经满足实际操作中对坑槽体积的计算要求，因此本发明提供的路面坑槽体积计算方法误差较小，准确度较高。

另外本发明提供的路面坑槽体积测量方法不只适用于路面上坑槽体积的测量，可以适用于测量所有的平面中下凹有坑槽的坑槽体积。

实施例二

如图9所示，在本实施例中公开了一种路面坑槽体积测量装置，用于实现实施例一中的路面坑槽体积测量方法，装置包括路面三维点云获取模块、坑槽三维点云分割模块以及坑槽体积计算模块；

路面三维点云获取模块与坑槽三维点云分割模块连接，用于以平行于路平面区域的方向，采集路面三维点云；

坑槽三维点云分割模块与坑槽体积计算模块，用于对路面三维点云进行分割，获得坑槽区域三维点云；

坑槽体积计算模块用于将坑槽区域三维点云向路平面区域进行投影，得到坑槽区域的二维平面；

还用于对坑槽区域的二维平面进行三角分割，获得多个三角形的坑槽二维平面；

还用于将多个三角形的坑槽二维平面以垂直于路平面区域的方向反投影至三维空间中，获得多个三棱柱；

还用于计算每个三棱柱的体积，求和后获得坑槽区域的体积。

可选地，坑槽三维点云分割模块包括坑槽三维点云预处理模块、坑槽三维点云初步分割模块以及坑槽三维点云再分割模块；

坑槽三维点云预处理模块与坑槽三维点云初步分割模块连接，用于对路面三维点云进行预处理操作，获得预处理后的三维点云，预处理操作包括依次执行的降采样操作以及滤波操作；

坑槽三维点云初步分割模块与坑槽三维点云再分割模块连接，用于根据预处理后三维点云中每个三维点的深度值大小，将三维点的深度值小于深度阈值的所有三维点删除，获得非路平面区域的三维点云，深度阈值为预处理后三维点云中所有三维点深度值平均值的两倍；

坑槽三维点云再分割模块用于在非路平面区域的三维点云中，将深度值最大的三维点作为种子点，采用区域生长的方法获得初始坑槽区域三维点云；

还用于将初始坑槽区域三维点云的一个顶点作为起始三维点，采用边缘搜索的方法对初始坑槽区域三维点云中所有三维点进行处理，获得多个三维点组成坑槽区域边缘；

还用于将坑槽区域边缘以内所有的三维点集合，获得坑槽区域三维点云。

可选地，坑槽三维点云分割模块以及坑槽体积计算模块均为智能移动设备。

在本实施例中，为了能够实时地采集路面坑槽三维点云，并且能够实时的处理坑槽三维点云以对其进行分割和体积的计算，将坑槽三维点云分割模块以及坑槽体积计算模块设置在智能移动设备上，智能移动设备可以是可移动的电脑、手机等硬件设备。

优选地，智能移动设备为手机。

为了更加方便的获得路面坑槽体积，智能移动设备为手机，路面养护人员可以直接用其手机与路面三维点云获取模块(双目相机等设备)进行连接，将三维点云采集模块采集到的路面三维点云传输至手机中，利用手机app进行处理，获得坑槽体积。