61] S22、将4组转换基点分别带入坐标转换模型Xt=T+ARXs中计算转换屯参数。
[0062] S23、利用坐标转换屯参数将两组点云数据粗配准在同一坐标系下（如图3所示，图 3中的（a)、（b)图为原始场景a和b，图3中的（C)图是(a)图和(b)图配准的结果。（d)图中的 1#、2#、3#是Ξ个控制点，对应路肩、树和交通标志牌）。
[0063] S3、路面点数据提取
[0064] 基于行车轨迹数据对原始点云数据进行路面分割，得到路面点云数据，运里提到 的行车轨迹数据是通过集成在车载激光扫描系统上的惯性导航系统进行采集的。该步骤 具体通过W下步骤实现：
[0065] S31、将原始点云数据沿行车轨迹的方向均匀分割成一组点云块，在本实施例中， 点云块的分割间隔为8m。
[0066] S32、对于每个点云块，沿垂直于行车轨迹的方向切分出一个点云剖片，并从点云 剖片上提取路肩点。根据先知经验，道路的路沿通常是垂直于路面设置且高于路面，因此只 要找到高度突变的点云即找到了路肩点。本实施例中提取路沿点的方法具体为，自点云剖 片与行车轨迹的相交位置向两侧捜索，找到高度突变的点云，将其作为路肩点。
[0067] S33、对所有路肩点进行拟合，得到路沿线(参考图4所示）。
[0068] S34、对原始点云数据沿路沿线进行分割，得到路面点云数据。
[0069] S4、数据精配准
[0070] 经过路面点数据的提取，粗配准后的两组点云数据被分割成一系列包含路肩点的 对应块。利用块中的路肩点，基于屯参数求解发计算准换矩阵，最终将两个对应块按照不动 目标-路肩精确配准在一起(如图5所示）。
[0071] S5、平面结构拟合
[0072] 对精配准后融合的每一路面点云数据块，将其平均分割成4X4的网格块。随后，每 一网格块，利用随机采样一致性算法拟合网格内的两个路面为平面结构。该步骤具体通过 W下步骤实现：
[0073] S51、对精配准后融合的每一路面点云数据块，将其平均分割成4X4的网格块；
[0074] S52、在每一网格内的初始点云中随机选择Ξ个点，直接计算其对应平面方程ax+ by+z = d，然后计算点云中所有点到该平面的距离，di= |a化+byi+z广d| ;
[0075] S53、选取阔值t，若某点到该平面的距离山<*则被认为是内点，否则为无效数据， 并统计得出此平面内点的个数N;
[0076] S54、重复W上步骤，迭代k次，比较并选取含有内点最多平面；
[0077] S55、根据特征值法W最多的内点重新进行平面拟合，得出最终拟合平面方程。
[007引 S6、渐青厚度检测
[0079] 通过计算每一网格内拟合后的两个平面结构间的距离检测该网格路面的渐青厚 度，进而利用平面结构间的关系计算该网格渐青的±方用量。该步骤具体通过W下步骤实 现：
[0080] S61、利用拟合后两个平面结构的平面方程，计算每一网格内路面的渐青厚度。
[0081] S62、计算每一分块中网格内两个平面结构之间的夹角，公式如下：
[0082]
[0083] 其中，Fi和F2是两个平面的法向量。
[0084] S63、设定一个夹角阔值9t = 5°，如果θ<θ*，认为两个平面结构平行（如图6所示）， 则该路面网格的±方计算公式如下：
[00 化]v = lwh
[0086] 其中，V为该路面网格的±方，1为该网格的长度，W为该网格的宽度，h为该路面网 格渐青的厚度。
[0087] S64、如果θ> 0t，认为网格内的两个路面具有不平行的平面拟合结构（如图7所 示），用如下公式计算该路面网格的±方：
[008引
[0089] 其中山、h2、h3、h4分别为网格内四条侦脚对应的边长。
[0090] S65、改造路段所用渐青的±方总量的计算公式为:V= Σι,^ν。
[0091] W上所述，仅为本发明较佳的【具体实施方式】，但本发明的保护范围并不局限于此， 任何熟悉本技术领域的技术人员在本发明掲露的技术范围内，可轻易想到的变化或替换， 都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该W权利要求的保护范围 为准。
【主权项】
1. 一种基于车载激光扫描点云的路面沥青厚度检测方法，其特征在于:包括以下步骤： 51、 利用搭载有移动激光扫描系统的采集车获取市政改造道路铺沥青前的裸路面和铺 沥青后的沥青路面的两组三维点云数据； 52、 在两组数据中选取相同的、具有明显拐点特征的路边广告牌、建筑等不动目标，用 以粗配准两组点云数据到同一坐标系下； 53、 利用基于路肩的路面提取算法分别检测两组点云数据的路面点； 54、 对于两组点云数据中对应的路面数据块，利用提取的路肩点及拟合的路肩线对其 进行精配准； 55、 对融合后的路面数据块，利用随机采样一致性算法拟合每一分块内两个路面的平 面特征； 56、 计算每一路面分块的沥青厚度和土方用量，进而获得整段改造道路沥青厚度的分 布情况和土方总量。2. 如权利要求1所述的一种基于车载激光扫描点云的路面沥青厚度检测方法，其特征 在于:所述步骤S2具体包括以下分步骤： 521、 在两组点云数据中选取4组不动目标对应的点对作为转换基点； 522、 利用该4组转换基点，计算坐标转换方程中的七参数； 523、 通过转换方程将两组点云数据粗配准在同一坐标系下。3. 如权利要求2所述的一种基于车载激光扫描点云的路面沥青厚度检测方法，其特征 在于:所述步骤S3具体包括以下分步骤： 531、 将原始点云数据沿行车轨迹的方向均匀分割成一组点云块； 532、 对于每个点云块，沿垂直于行车轨迹的方向切分出一个点云剖片，并从点云剖片 上提取路肩点； 533、 对所有路沿点进行拟合，得到路肩线； 534、 对原始点云数据沿路肩线进行分割，得到路面点云数据。4. 如权利要求3所述的一种基于车载激光扫描点云的路面沥青厚度检测方法，其特征 在于:所述步骤S5具体包括以下分步骤： 551、 将融合后精配准的两组点云数据块，分割成4X4的网格，对每一网格内的路面点云 数据做如下处理。 552、 在初始点云中随机选择三个点，直接计算其对应平面方程ax+by+z = d，然后计算 点云中所有点到该平面的距离，di= |axi+byi+zi_d| ; 553、 选取阈值t，若某点到该平面的距离cU^t则被认为是内点，否则为无效数据，并统 计得出此平面内点的个数N; 554、 重复以上步骤，迭代k次，比较并选取含有内点最多平面； 555、 根据特征值法以最多的内点重新进行平面拟合，得出最终拟合平面方程。5. 如权利要求4所述的一种基于车载激光扫描点云的路面沥青厚度检测方法，其特征 在于，所述步骤S6具体包括以下子步骤： 561、 利用拟合后两个平面结构的平面方程，计算每一网格内路面的沥青厚度； 562、 计算每一分块中网格内两个平面结构之间的夹角，公式如下： 其中，FjPF2是两个平面的法向_563、 设定一个夹角阈值0t = 5°，如果0<0t，认为两个平面结构平行，则该路面网格的土 方计算公式如下： v = lwh 其中，V为该路面网格的土方，1为该网格的长度，W为该网格的宽度，h为该路面网格沥 青的厚度； 564、 如果Θ 2 0t，认为网格内的两个路面具有不平行的平面拟合结构，用如下公式计算 该路面网格的土方：其中，111、112、113、114分别为网格内四条侧边对应的边长； 565、 改造路段所用沥青的土方总量的计算公式为:V = Σ i, jV。
【专利摘要】本发明公开了一种基于车载激光扫描点云的路面沥青厚度检测方法，包括以下步骤：S1、点云数据的获取；S2、通过选取不动目标进行数据粗配准；S3、利用基于路肩的路面提取算法分别检测两组点云数据的路面点；S4、利用路肩点对块内数据进行精配准；S5、对网格内的路面进行平面结构拟合；S6、检测沥青厚度。本发明能够快速、准确地检测改造道路路面沥青的厚度，大大降低了处理时间和劳动成本，有效保证了道路的改造质量，对城市的交通安全提供了重要的数据支撑。
【IPC分类】G01B11/06, G06T7/00
【公开号】CN105627938
【申请号】CN201610008802
【发明人】贾宏, 李军, 贾福凯
【申请人】厦门大学
【公开日】2016年6月1日
【申请日】2016年1月7日