本发明涉及一种路面使用过程中的状态测定系统。
背景技术：
：随着公路运输业的快速发展，公路的养护和管理日渐重要，其中，路面破坏信息的获取就变得非常重要。目前，在路面状态信息的采集中，通常是通过路面信息采集车进行路面信息的采集，其中信息采集车上设置有摄像机，通过信息采集车在路面上的行驶，将路面信息通过摄像的方式存储起来，并在全路段采集完成后，将存储数据传输至控制中心，由控制中心根据摄像内容，通过人为或图像分析来判定路面中的破损情况。现有这种路面信息采集过程中，需要将路面所有信息，即破损路面和非破损路面均采集下来，路面信息采集量大；同时，也没有办法确定破坏路面的具体地理位置，而且，由于破损路面的地理位置未知，无法及时、准确的将破损路面及时有效的通知给路面上的行驶车辆，导致车辆经过该破损路面时易出现车祸等交通事故。技术实现要素：针对上述问题，本发明提供一种通过多元化的采集路面状态数据，确定路面状态的路面使用过程中的状态测定系统。本发明路面使用过程中的状态测定系统，首先对路面类型进行测定，然后测定路面的平整度，最后检测路面上是否存在破损；所述系统包括：检测车；路面种类测定单元，用于测定路面的类型，输出路面种类识别结果；路面平整度测量单元，用于测定路面的平整度；路面破损定位单元，用于检测路面是否有破损，检测到路面破损时，采集破损路面的图像信息，并获取所述破损路面的位置信息；其中，路面种类测定单元，包括检测数据获取模块、微处理器的第一预处理模块、云服务器的第一运算模块；所述检测数据获取模块，包括安装在检测车上的前置激光雷达、加速度传感器、后置激光雷达以及CCD图像传感器；微处理器的第一预处理模块，包括传感器数据获取模块，用于获取所述的前置激光雷达、加速度传感器、后置激光雷达以及CCD图像传感器；识别模块、加速度识别模块以及图像识别模块，所述激光识别模块，用于分别获取前置激光雷达、后置激光雷达采集的激光数据，根据激光数据生成路面种类识别结果；所述加速度识别模块，用于获取加速度传感器获取的加速度数据，根据所述加速度数据生成路面种类识别结果；图像识别模块，用于获取图像采集器获取的加速度数据，根据所述图像数据生成路面种类识别结果；并将所述的路面识别结果输出至云服务器的第一运算模块；所述云服务器的第一运算模块，包括路面种类识别结果合并模块、路面种类生成单元，其中所述路面种类识别合并单元，用于根据投票法将获取的所述的路面种类结果进行合并处理，得到对应每个传感器的路面种类识别结果合并后识别结果；其中，创建的马尔科夫随机场模型的能量方程为：E(x,y,u,w,v)=ρΣi|xi2-xi-12|+Σiri|xi2-yi2|+Σik1i-1|xi2-(Ui-11)2|+Σik2i-1|xi2-(Ui-12)2|+Σik3i-1|xi2-(Ui-13)2|+...+Σikni-1|xi2-(Ui-1n)2|]]>其中，i为被识别路段的序号，i为整数且i≥2，xi为第i个路段待优化的前置激光雷达的路面种类识别结果，xi-1为第i-1个路段的最终路面种类识别结果，yi为第i个路段前置激光雷达的合并后的路面种类识别结果，ui-1为第i-1个路段图像传感器的合并后的路面种类识别结果，wi-1为第i-1个路段加速度传感器的合并后的路面种类识别结果，vi-1为第i-1个路段后置激光雷达的合并后的路面种类识别结果，ρ为xi与xi-1之间的链接势能，ri为xi与yi之间的链接势能，k1i-1为xi与ui-1之间的链接势能，k2i-1为xi与wi-1之间的链接势能，k3i-1为xi与vi-1之间的链接势能；将所述第i个路段待优化的前置激光雷达的路面种类识别结果xi所对应的数值分别带入所述能量方程进行计算，将能够使能量方程E(x,y,u,w,v)的值最小的xi对应的路面种类作为所述最终路面种类识别结果；路面平整度测量单元，包括安装在检测车上的平整度检测仪，微处理器的第二预处理模块、云服务器的第二运算模块；所述平整度测量仪包括二轴加速度传感器、激光测距传感器、里程计数传感器、陀螺仪，其中所述二轴加速度传感器用于在第t时刻时测量所述路面平整度检测仪在垂直于所述路面平整度检测仪方向上的第一加速度a_measuredy(t)和在平行于所述路面平整度检测仪方向上的第二加速度a_measuredx(t)；所述激光测距传感器用于测量所述路面平整度检测仪在第t时刻时与路面之间的距离h(t)；所述里程计数传感器用于测量所述路面平整度检测仪在第t时刻时的水平位移量sx(t)；所述陀螺仪用于测量所述路面平整度检测仪在第t时刻时与水平路面之间的旋转角度θ(t)；所述微处理器的第二预处理模块，用于获取所述的第一加速度a_measuredy(t)、第二加速度a_measuredx(t)、测量所述路面平整度检测仪、与路面之间的距离h(t)、水平位移量sx(t)、旋转角度θ(t)；并将获取的所述的第一加速度a_measuredy(t)、第二加速度a_measuredx(t)、旋转角度θ(t)和重力加速度g输出至云服务器的第二运算模块；所述第二运算模块，根据在第t时刻时，所述的第一加速度a_measuredy(t)、第二加速度a_measuredx(t)、旋转角度θ(t)和重力加速度g，计算所述路面平整度检测仪第t时刻时在竖直方向上的振动加速度ay(t)；根据所述振动加速度ay(t)，计算所述路面平整度检测仪第t时刻时在竖直方向上振动的位移量sy(t)；根据所述路面平整度检测仪与所述路面之间的距离h(t)和所述路面平整度检测仪在竖直方向上振动的位移量sy(t)，获取在所述水平位移量sx(t)范围内所述路面的路面平整度wy(t)；路面破损定位单元，包括摄像机、GPS定位器以及微处理器的第三预处理模块、云服务器的第三运算模块；所述的摄像机获取路面图像数据，GPS定位器记录当前图像帧对应的路面地理位置信息，并输出图像数据、GPS定位数据至微处理器的第三预处理模块；所述第三预处理单元用于对所述图像数据进行预处理，并将预处理后的图像数据以及图像数据的拍摄时间和GPS定位信息输出至云服务器的第三运算模块；所述云服务器的所述第三运算模块，用于对预处理后的路面数据利用图像识别方法对路面路面数据进行识别获得包含破损的路面数据，获得包含破损的路面数据以及该图像数据的拍摄时间和GPS定位信息；其中，所述的微处理器设置在检测车上，所述微处理器和所述云服务器通过无线网络进行数据传输。进一步地，所述的微处理器的第三预处理单元，对路面图像的预处理方法包括：对获取的图像数据进行色彩分析和灰度化处理，将彩色图像转换为灰度图像；对图像数据作离散Daubechies4小波变换，得到图像数据的小波变换系数，Daubechies4小波的高频滤波器系数[G0G1G2G3]和低频滤波器系数[H0H1H2G3]分别为：G0=(1+3)42,G1=(3+3)42,G2=(3-3)42,G3=(1-3)42]]>H0=(1-3)42,H1=(-3+3)42,H2=(3+3)42,H3=(-1-3)42;]]>采用n×n的窗口沿着图像数据平滑移动，计算图像数据小波变换系数之间的相关性，得到收缩权值后的图像数据，其中相关性R的计算公式为：R=ΣXY-ΣX·ΣYnΣX2-(ΣX)2n]·[ΣY2-(ΣY)2n]]]>上式中，X、Y为图像中任意两个n×n窗口子图像的组合，∑X，∑Y分别为子图灰度值总和，∑XY为X、Y两个子图对应位置灰度值相乘积后求和；对收缩权值后的图像数据进行软阈值处理，软阈值λ的计算公式为：λ=σ2ln(N)]]>上式中，N×N为收缩权值后图像数据的大小，σ为噪声方差；对图像数据进行离散Daubechies4小波反变换，得到去噪后的图像数据；对去噪后的图像数据进行增强。进一步地，激光雷达识别路面类型的具体步骤包括：采集激光雷达输出的采样点的坐标数据和反射能量数据；根据所述坐标数据生成直角坐标形式的路面轮廓数据，其中所述采样点的坐标数据由极坐标形式转化成直角坐标形式，利用下式实现：xi＝risin(θi)，zi＝H-ricos(θi)其中，i为激光雷达的采样点的序号，ri为激光雷达的采样点的极坐标数据，θi为激光光束与激光雷达垂直于地面方向的夹角，H为激光雷达相对于平整地面的绝对安装高度，所述直角坐标系的圆心位于激光雷达的激光发射点，xi为采样点相对于激光发射点的横向坐标，zi为采样点相对于激光发射点的纵向坐标；对所述路面轮廓数据进行处理，生成横轴为空间频率、纵轴为空间频率分量的路面轮廓空间频率数据；以水平位移间隔S为单位，将所述路面轮廓数据进行分段，生成n个路面轮廓数据样本；使用Lomb算法分别对所述n个路面轮廓数据样本进行处理，生成包含n个横轴为空间频率、纵轴为空间频率分量的子路面轮廓空间频率数据的路面轮廓空间频率数据；将所述路面轮廓特征数据和所述反射能量数据进行合并处理，生成分类器输入数据；将所述分类器输入数据输入至经过训练的分类器，从而得到路面分类结果。进一步地，生成路面轮廓特征数据的方法具体包括：根据预先设定的起始频率、步距频率和终止频率，计算每个子路面轮廓空间频率数据内，从所述起始频率开始、到所述终止频率为止，每段步距频率内对应的空间频率分量的和，从而生成n个子路面轮廓空间频率特征数据，所述子路面轮廓空间频率特征数据包含m个空间频率分量的和；将所述n个子路面轮廓空间频率特征数据进行组合，生成所述第一路面轮廓特征矩阵Y1：其中，所述第一路面轮廓特征矩阵Y1中的每一列对应于一个所述子路面轮廓空间频率特征数据，所述第一路面轮廓特征矩阵Y1中的每一个元素对应于一个所述空间频率分量的和；所述反射能量数据具体为第一反射能量特征矩阵Y2：其中，所述路面轮廓特征矩阵Y2中的每一列对应于一个路面轮廓数据样本，所述第一反射能量特征矩阵Y2中的每一个元素对应于激光雷达的采样点的反射能量数值。进一步地，还包括路面结构层隐形病害检测单元，所述路面结构层隐形病害检测单元包括安装在检测车上的探地雷达和激励路面发声装置，以及微处理器的第四预处理模块、云服务器的第四运算模块；其中，激励路面发声装置连续敲击路面，使得因敲击路面而产生路面振动的声波沿路面结构层由面层向下传播，同时路用探地雷达向路面发射电磁波，将路用探地雷达发射信号与激励路面发生装置敲击路面的时间同步；微处理器的第四预处理模块，用于获取电磁波在路面结构层中的传播时间，根据电磁波在路面结构层中的传播时间计算出路面结构层中每层的厚度，并输出该厚度至云服务器的第四运算模块，厚度计算公式如下：h1=c0t12ξ1;h2=c0(t2-t1)2ξ2;......;hn=c0(tn-tn-1)2ξn,]]>其中，h1，h2，……，hn代表路面结构每层的厚度，c0代表路用探地雷达的电磁波在真空状态下传播的速度，t1，t2，……，tn代表路用探地雷达的电磁波到达路面结构层中每层结构的传播时间，ξ1，ξ2，……，ξn代表路面结构层中每层的介电常数；微处理器的第四预处理模块，用于获得激励路面发声装置的声波在每层路面的传播时间，根据激励路面发声装置的声波在每层路面的传播时间Tp1，Tp2，……，Tpn，及路面结构层中每层的厚度h1，h2，……，hn，获得声波在路面结构层中每层的传播速度，并输出该穿播速度至云服务器的第四运算模块，传播速度计算公式如下：v1=h1TP1;v2=h2TP2-TP1;......vn=hnTPn-TPn-1;]]>云服务器的第四运算模块，用于根据声波速度Vi和回弹模量Ei的关系公式，计算出路面结构层中每层的回弹模量Ei，分析路面结构层中材料强度的衰减：其中，Vi代表声波在路面结构层中第i层的传播速度vi，ρi代表路面结构层中第i层材料的密度。进一步地，路面结构层中第i层的密度ρi通过对检测过的路段进行取芯试验测得。进一步地，还包括热源影响路面测定单元，用于对路面提供对路面提供非接触式热源，监测所述路面的温度变化，根据所述温度变化数据确定所述路面的状态；包括热源供给装置、温度监测装置、微处理器的第五预处理模块、云服务器的第五处理模块，其中热源供给装置，用于对路面提供非接触式热源，使所述路面的温度发生变化，热源供给装置为主动式可见光热光源或红外激光源；温度检测装置，用于监测所述路面的温度变化，获得温度变化数据，并将所述温度变化数据输出至微处理器；微处理器的第五预处理模块，用于根据所述温度变化数据获得温度变化曲线，根据所述温度变化曲线的斜率及斜率变化确定所述路面的状态；当所述温度变化曲线的斜率不变，且斜率大于等于第一阈值时，确定所述路面状态为干燥状态；当所述温度变化曲线的斜率不变，且斜率小于所述第一阈值且大于等于第二阈值时，确定所述路面状态为积水状态；当所述温度变化曲线的斜率不为0，且在某一时刻突然变大时，确定所述路面状态为积水状态；当所述温度变化曲线的斜率在某一段时间由零发生跳跃性变化时，确定所述路面状态为结冰状态；微处理器的第五预处理模块，还用于将所述路面温度变化数据以及将确定的路面状态结果输出至云处理器的第五运算模块；云处理器的第五运算模块，用于将获得的所述温度变化数据与预设的不同路面状态对应的温度变化历史数据库进行匹配，根据匹配结果确定所述路面的状态；若云处理器的第五运算模块得到的路面状态与微处理器得到的路面状态相同，则不做处理；若不同，则以微处理器输出的路面状态为最终结果，并更新历史数据库。进一步地，还包括用于测试路面抗滑性能的路面抗滑测定单元，微处理器的第六预处理模块、云服务器的第六运算模块，其中，所述路面抗滑性能测定单元包括多块相同规格的、置于检测车轮胎与路面之间的压力感应胶片，压力感应胶片的面积大于或者等于轮胎与待测试路面接触面的面积；检测车以其自重使轮胎触压在压力感应胶片上，静置直至压力感应胶片与轮胎的接触面上完全显示出受压时的压力分布状态；微处理器的第六预处理模块，用于对压力感应胶片进行扫描，得到每块压力感应胶片上每个测试点的压强值，确定每块压力感应胶片与轮胎接触面上压强值为0～0.2MPa的面积M，计算P＝M/压力感应胶片与轮胎接触面的面积；比较P值与预存阈值，评价路面的路面抗滑性能：若P值大于等于预存阈值，则路面的抗滑性能优异；若P值小于预存阈值，则路面的抗滑性能较差。进一步地，根据公式ay(t)＝a_measuredx(t)·sinθ+a_measuredy(t)·cosθ-g，求出所述路面平整度检测仪在第t时刻时在竖直方向上的振动加速度ay(t)；对所述振动加速度ay(t)进行二次双重积分运算，求出所述路面平整度检测仪第t时刻时在竖直方向上振动的位移量sy(t)；根据公式wy(t)＝sy(t)-h(t)，求出所述路面平整度检测仪在所述水平位移量sx范围内所述路面的路面平整度wy(t)。进一步地，所述热源供给装置为主动式可见光热光源或红外激光源；所述温度检测装置，为红外热电堆探测器或非制冷红外焦平面阵列探测器。有益效果本发明路面使用过程中的状态测定系统与现有技术具备如下有益效果：1、通过获取多个传感器的路面类型识别结果，并对每个传感器的路面类型识别结果进行合并处理，将前置激光雷达作为主传感器，其他传感器作为从传感器，再利用马尔科夫随机场(MarkovRadomField，MRF)模型能量方程对多个传感器的合并后的路面类型识别结果进行优化处理，提高了路面识别的准确率。2、通过利用二轴加速度传感器测量路面平整度检测仪在垂直于路面平整度检测仪方向上的第一加速度和在平行于所述路面平整度检测仪方向上的第二加速度，利用激光测距传感器测量路面平整度检测仪与待测试路面之间的距离，利用里程计数传感器测量路面平整度检测仪的水平位移量，利用陀螺仪测量路面平整度检测仪与水平路面之间的旋转角度以及利用处理器对上述第一加速度、第二加速度、距离进行处理，准确测量了待测试路面的路面平整度，校准了由于测试车辆底盘旋转运动带来的误差，提高了路面平整度检测仪的测量精度。3、利用采集到的路面检测车的速度控制对路面图像的采集，并由采集模块采集路面图像识别出采集到的路面图像中含有破损的路面图像；进一步地，对上述采集到的所有信息进行处理，从而能够通过所述采集到的信息计算出含有破损的路面图像的位置。能够在降低成本的情况下灵活地对路面破损进行定位，而且定位精确度较高。具体实施方式下面对本发明做进一步的描述。实施例1本实施例路面使用过程中的状态测定系统，首先对路面类型进行测定，然后测定路面的平整度，最后检测路面上是否存在破损；所述系统包括：检测车；路面种类测定单元，用于测定路面的类型，输出路面种类识别结果；路面平整度测量单元，用于测定路面的平整度；路面破损定位单元，用于检测路面是否有破损，检测到路面破损时，采集破损路面的图像信息，并获取所述破损路面的位置信息；其中，路面种类测定单元，包括检测数据获取模块、微处理器的第一预处理模块、云服务器的第一运算模块；所述检测数据获取模块，包括安装在检测车上的前置激光雷达、加速度传感器、后置激光雷达以及CCD图像传感器；微处理器的第一预处理模块，包括传感器数据获取模块，用于获取所述的前置激光雷达、加速度传感器、后置激光雷达以及CCD图像传感器；识别模块、加速度识别模块以及图像识别模块，所述激光识别模块，用于分别获取前置激光雷达、后置激光雷达采集的激光数据，根据激光数据生成路面种类识别结果；所述加速度识别模块，用于获取加速度传感器获取的加速度数据，根据所述加速度数据生成路面种类识别结果；图像识别模块，用于获取图像采集器获取的加速度数据，根据所述图像数据生成路面种类识别结果；并将所述的路面识别结果输出至云服务器的第一运算模块；所述云服务器的第一运算模块，包括路面种类识别结果合并模块、路面种类生成单元，其中所述路面种类识别合并单元，用于根据投票法将获取的所述的路面种类结果进行合并处理，得到对应每个传感器的路面种类识别结果合并后识别结果；其中，创建的马尔科夫随机场模型的能量方程为：E(x,y,u,w,v)=ρΣi|xi2-xi-12|+Σiri|xi2-yi2|+Σik1i-1|xi2-(Ui-11)2|+Σik2i-1|xi2-(Ui-12)2|+Σik3i-1|xi2-(Ui-13)2|+...+Σikni-1|xi2-(Ui-1n)2|]]>其中，i为被识别路段的序号，i为整数且i≥2，xi为第i个路段待优化的前置激光雷达的路面种类识别结果，xi-1为第i-1个路段的最终路面种类识别结果，yi为第i个路段前置激光雷达的合并后的路面种类识别结果，ui-1为第i-1个路段图像传感器的合并后的路面种类识别结果，wi-1为第i-1个路段加速度传感器的合并后的路面种类识别结果，vi-1为第i-1个路段后置激光雷达的合并后的路面种类识别结果，ρ为xi与xi-1之间的链接势能，ri为xi与yi之间的链接势能，k1i-1为xi与ui-1之间的链接势能，k2i-1为xi与wi-1之间的链接势能，k3i-1为xi与vi-1之间的链接势能；将所述第i个路段待优化的前置激光雷达的路面种类识别结果xi所对应的数值分别带入所述能量方程进行计算，将能够使能量方程E(x,y,u,w,v)的值最小的xi对应的路面种类作为所述最终路面种类识别结果；路面平整度测量单元，包括安装在检测车上的平整度检测仪，微处理器的第二预处理模块、云服务器的第二运算模块；所述平整度测量仪包括二轴加速度传感器、激光测距传感器、里程计数传感器、陀螺仪，其中所述二轴加速度传感器用于在第t时刻时测量所述路面平整度检测仪在垂直于所述路面平整度检测仪方向上的第一加速度a_measuredy(t)和在平行于所述路面平整度检测仪方向上的第二加速度a_measuredx(t)；所述激光测距传感器用于测量所述路面平整度检测仪在第t时刻时与路面之间的距离h(t)；所述里程计数传感器用于测量所述路面平整度检测仪在第t时刻时的水平位移量sx(t)；所述陀螺仪用于测量所述路面平整度检测仪在第t时刻时与水平路面之间的旋转角度θ(t)；所述微处理器的第二预处理模块，用于获取所述的第一加速度a_measuredy(t)、第二加速度a_measuredx(t)、测量所述路面平整度检测仪、与路面之间的距离h(t)、水平位移量sx(t)、旋转角度θ(t)；并将获取的所述的第一加速度a_measuredy(t)、第二加速度a_measuredx(t)、旋转角度θ(t)和重力加速度g输出至云服务器的第二运算模块；所述第二运算模块，根据在第t时刻时，所述的第一加速度a_measuredy(t)、第二加速度a_measuredx(t)、旋转角度θ(t)和重力加速度g，计算所述路面平整度检测仪第t时刻时在竖直方向上的振动加速度ay(t)；根据所述振动加速度ay(t)，计算所述路面平整度检测仪第t时刻时在竖直方向上振动的位移量sy(t)；根据所述路面平整度检测仪与所述路面之间的距离h(t)和所述路面平整度检测仪在竖直方向上振动的位移量sy(t)，获取在所述水平位移量sx(t)范围内所述路面的路面平整度wy(t)；路面破损定位单元，包括摄像机、GPS定位器以及微处理器的第三预处理模块、云服务器的第三运算模块；所述的摄像机获取路面图像数据，GPS定位器记录当前图像帧对应的路面地理位置信息，并输出图像数据、GPS定位数据至微处理器的第三预处理模块；所述第三预处理单元用于对所述图像数据进行预处理，并将预处理后的图像数据以及图像数据的拍摄时间和GPS定位信息输出至云服务器的第三运算模块；所述云服务器的所述第三运算模块，用于对预处理后的路面数据利用图像识别方法对路面路面数据进行识别获得包含破损的路面数据，获得包含破损的路面数据以及该图像数据的拍摄时间和GPS定位信息；其中，所述的微处理器设置在检测车上，所述微处理器和所述云服务器通过无线网络进行数据传输。本实施例中根据公式ay(t)＝a_measuredx(t)·sinθ+a_measuredy(t)·cosθ-g，求出所述路面平整度检测仪在第t时刻时在竖直方向上的振动加速度ay(t)；对所述振动加速度ay(t)进行二次双重积分运算，求出所述路面平整度检测仪第t时刻时在竖直方向上振动的位移量sy(t)；根据公式wy(t)＝sy(t)-h(t)，求出所述路面平整度检测仪在所述水平位移量sx范围内所述路面的路面平整度wy(t)。本实施中，通过获取多个传感器的路面类型识别结果，并对每个传感器的路面类型识别结果进行合并处理，将前置激光雷达作为主传感器，其他传感器作为从传感器，再利用马尔科夫随机场(MarkovRadomField，MRF)模型能量方程对多个传感器的合并后的路面类型识别结果进行优化处理，提高了路面识别的准确率。通过利用二轴加速度传感器测量路面平整度检测仪在垂直于路面平整度检测仪方向上的第一加速度和在平行于所述路面平整度检测仪方向上的第二加速度，利用激光测距传感器测量路面平整度检测仪与待测试路面之间的距离，利用里程计数传感器测量路面平整度检测仪的水平位移量，利用陀螺仪测量路面平整度检测仪与水平路面之间的旋转角度以及利用处理器对上述第一加速度、第二加速度、距离进行处理，准确测量了待测试路面的路面平整度，校准了由于测试车辆底盘旋转运动带来的误差，提高了路面平整度检测仪的测量精度。利用采集到的路面检测车的速度控制对路面图像的采集，并由采集模块采集路面图像识别出采集到的路面图像中含有破损的路面图像；进一步地，对上述采集到的所有信息进行处理，从而能够通过所述采集到的信息计算出含有破损的路面图像的位置。能够在降低成本的情况下灵活地对路面破损进行定位，而且定位精确度较高。实施例2本实施例路面使用过程中的状态测定系统，在实施例1的基础上，还包括路面结构层隐形病害检测单元，所述路面结构层隐形病害检测单元包括安装在检测车上的探地雷达和激励路面发声装置，以及微处理器的第四预处理模块、云服务器的第四运算模块；其中，激励路面发声装置连续敲击路面，使得因敲击路面而产生路面振动的声波沿路面结构层由面层向下传播，同时路用探地雷达向路面发射电磁波，将路用探地雷达发射信号与激励路面发生装置敲击路面的时间同步；微处理器的第四预处理模块，用于获取电磁波在路面结构层中的传播时间，根据电磁波在路面结构层中的传播时间计算出路面结构层中每层的厚度，并输出该厚度至云服务器的第四运算模块，厚度计算公式如下：h1=c0t12ξ1;h2=c0(t2-t1)2ξ2;......;hn=c0(tn-tn-1)2ξn,]]>其中，h1，h2，……，hn代表路面结构每层的厚度，c0代表路用探地雷达的电磁波在真空状态下传播的速度，t1，t2，……，tn代表路用探地雷达的电磁波到达路面结构层中每层结构的传播时间，ξ1，ξ2，……，ξn代表路面结构层中每层的介电常数；微处理器的第四预处理模块，用于获得激励路面发声装置的声波在每层路面的传播时间，根据激励路面发声装置的声波在每层路面的传播时间Tp1，Tp2，……，Tpn，及路面结构层中每层的厚度h1，h2，……，hn，获得声波在路面结构层中每层的传播速度，并输出该穿播速度至云服务器的第四运算模块，传播速度计算公式如下：v1=h1TP1;v2=h2TP2-TP1;......vn=hnTPn-TPn-1;]]>云服务器的第四运算模块，用于根据声波速度Vi和回弹模量Ei的关系公式，计算出路面结构层中每层的回弹模量Ei，分析路面结构层中材料强度的衰减：其中，Vi代表声波在路面结构层中第i层的传播速度vi，ρi代表路面结构层中第i层材料的密度。路面结构层中第i层的密度ρi通过对检测过的路段进行取芯试验测得。本实施例能够能够实时检测到路面病害初期状况，并跟踪其发展情况，分析路面病害发展趋势，具有较好的实时性，并且检测效率高；且该方法在路面病害检测中的应用可节约高速公路维修成本，确保行车安全，延长公路使用寿命。实施例3本实施例路面使用过程中的状态测定系统，在实施例2的基础上，还包括热源影响路面测定单元，用于对路面提供对路面提供非接触式热源，监测所述路面的温度变化，根据所述温度变化数据确定所述路面的状态；包括热源供给装置、温度监测装置、微处理器的第五预处理模块、云服务器的第五处理模块，其中所述热源供给装置为主动式可见光热光源或红外激光源；所述温度检测装置，为红外热电堆探测器或非制冷红外焦平面阵列探测器。热源供给装置，用于对路面提供非接触式热源，使所述路面的温度发生变化，热源供给装置为主动式可见光热光源或红外激光源；温度检测装置，用于监测所述路面的温度变化，获得温度变化数据，并将所述温度变化数据输出至微处理器；微处理器的第五预处理模块，用于根据所述温度变化数据获得温度变化曲线，根据所述温度变化曲线的斜率及斜率变化确定所述路面的状态；当所述温度变化曲线的斜率不变，且斜率大于等于第一阈值时，确定所述路面状态为干燥状态；当所述温度变化曲线的斜率不变，且斜率小于所述第一阈值且大于等于第二阈值时，确定所述路面状态为积水状态；当所述温度变化曲线的斜率不为0，且在某一时刻突然变大时，确定所述路面状态为积水状态；当所述温度变化曲线的斜率在某一段时间由零发生跳跃性变化时，确定所述路面状态为结冰状态；微处理器的第五预处理模块，还用于将所述路面温度变化数据以及将确定的路面状态结果输出至云处理器的第五运算模块；云处理器的第五运算模块，用于将获得的所述温度变化数据与预设的不同路面状态对应的温度变化历史数据库进行匹配，根据匹配结果确定所述路面的状态；若云处理器的第五运算模块得到的路面状态与微处理器得到的路面状态相同，则不做处理；若不同，则以微处理器输出的路面状态为最终结果，并更新历史数据库。本实施例，获得了温度变化数据，进而根据温度变化的趋势确定了路面状态。由于该供给热源和温度监测均为非接触式，所以避免了对道路路面的损坏，而且，该温度变化数据是直接在道路表面获取的，更准确的反应了路面状态，提高了测量的准确度。实施例4本实施例路面使用过程中的状态测定系统，在实施例3的基础上，还包括用于测试路面抗滑性能的路面抗滑测定单元，微处理器的第六预处理模块、云服务器的第六运算模块，其中，所述路面抗滑性能测定单元包括多块相同规格的、置于检测车轮胎与路面之间的压力感应胶片，压力感应胶片的面积大于或者等于轮胎与待测试路面接触面的面积；检测车以其自重使轮胎触压在压力感应胶片上，静置直至压力感应胶片与轮胎的接触面上完全显示出受压时的压力分布状态；微处理器的第六预处理模块，用于对压力感应胶片进行扫描，得到每块压力感应胶片上每个测试点的压强值，确定每块压力感应胶片与轮胎接触面上压强值为0～0.2MPa的面积M，计算P＝M/压力感应胶片与轮胎接触面的面积；比较P值与预存阈值，评价路面的路面抗滑性能：若P值大于等于预存阈值，则路面的抗滑性能优异；若P值小于预存阈值，则路面的抗滑性能较差。本实施例，使用压力感应胶片测量轮胎与路面的压力分布，进而评价路面抗滑性能，人为影响因素小，评价精度高，克服了现有路面抗滑评价方法人为因素影响大，结果偏差大的问题。实施步骤简单，使用方便，主要采用了价格较低的压力感应胶片，成本较低，易于普及。不局限于现有从测试摩擦系数和构造深度这两个指标来考量路面抗滑性能，而是创新性的从轮胎与路面压力分布特性的角度对路面抗滑性能进行评价，突破了本领域技术人员惯常的思维模式。上述各实施例中，激光雷达识别路面类型的具体步骤包括：采集激光雷达输出的采样点的坐标数据和反射能量数据；根据所述坐标数据生成直角坐标形式的路面轮廓数据，其中所述采样点的坐标数据由极坐标形式转化成直角坐标形式，利用下式实现：xi＝risin(θi)，zi＝H-ricos(θi)其中，i为激光雷达的采样点的序号，ri为激光雷达的采样点的极坐标数据，θi为激光光束与激光雷达垂直于地面方向的夹角，H为激光雷达相对于平整地面的绝对安装高度，所述直角坐标系的圆心位于激光雷达的激光发射点，xi为采样点相对于激光发射点的横向坐标，zi为采样点相对于激光发射点的纵向坐标；对所述路面轮廓数据进行处理，生成横轴为空间频率、纵轴为空间频率分量的路面轮廓空间频率数据；以水平位移间隔S为单位，将所述路面轮廓数据进行分段，生成n个路面轮廓数据样本；使用Lomb算法分别对所述n个路面轮廓数据样本进行处理，生成包含n个横轴为空间频率、纵轴为空间频率分量的子路面轮廓空间频率数据的路面轮廓空间频率数据；将所述路面轮廓特征数据和所述反射能量数据进行合并处理，生成分类器输入数据；将所述分类器输入数据输入至经过训练的分类器，从而得到路面分类结果。生成路面轮廓特征数据的方法具体包括：根据预先设定的起始频率、步距频率和终止频率，计算每个子路面轮廓空间频率数据内，从所述起始频率开始、到所述终止频率为止，每段步距频率内对应的空间频率分量的和，从而生成n个子路面轮廓空间频率特征数据，所述子路面轮廓空间频率特征数据包含m个空间频率分量的和；将所述n个子路面轮廓空间频率特征数据进行组合，生成所述第一路面轮廓特征矩阵Y1：其中，所述第一路面轮廓特征矩阵Y1中的每一列对应于一个所述子路面轮廓空间频率特征数据，所述第一路面轮廓特征矩阵Y1中的每一个元素对应于一个所述空间频率分量的和；所述反射能量数据具体为第一反射能量特征矩阵Y2：其中，所述路面轮廓特征矩阵Y2中的每一列对应于一个路面轮廓数据样本，所述第一反射能量特征矩阵Y2中的每一个元素对应于激光雷达的采样点的反射能量数值。通过激光雷达采集坐标数据和反射能量数据，并对坐标数据进行处理生成路面轮廓特征数据，利用加速传感器的输出的加速度数据对采样点的坐标数据或者路面轮廓数据进行校正，基于校正后的路面轮廓特征数据和反射能量数据，就能够对路面类型进行识别，同时去除掉了激光雷达在车辆行驶过程中上下振动所产生的测量误差，从而提高了路面识别的范围和准确率。上述各实施例中，所述的微处理器的第三预处理单元，对路面图像的预处理方法包括：对获取的图像数据进行色彩分析和灰度化处理，将彩色图像转换为灰度图像；对图像数据作离散Daubechies4小波变换，得到图像数据的小波变换系数，Daubechies4小波的高频滤波器系数[G0G1G2G3]和低频滤波器系数[H0H1H2G3]分别为：G0=(1+3)42,G1=(3+3)42,G2=(3-3)42,G3=(1-3)42]]>H0=(1-3)42,H1=(-3+3)42,H2=(3+3)42,H3=(-1-3)42;]]>采用n×n的窗口沿着图像数据平滑移动，计算图像数据小波变换系数之间的相关性，得到收缩权值后的图像数据，其中相关性R的计算公式为：R=ΣXY-ΣX·ΣYnΣX2-(ΣX)2n]·[ΣY2-(ΣY)2n]]]>上式中，X、Y为图像中任意两个n×n窗口子图像的组合，∑X，∑Y分别为子图灰度值总和，∑XY为X、Y两个子图对应位置灰度值相乘积后求和；对收缩权值后的图像数据进行软阈值处理，软阈值λ的计算公式为：λ=σ2ln(N)]]>上式中，N×N为收缩权值后图像数据的大小，σ为噪声方差；对图像数据进行离散Daubechies4小波反变换，得到去噪后的图像数据；对去噪后的图像数据进行增强。对本发明应当理解的是，以上所述的实施例，对本发明的目的、技术方案和有益效果进行了进一步详细的说明，以上仅为本发明的实施例而已，并不用于限定本发明，凡是在本发明的精神原则之内，所作出的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内，本发明的保护范围应该以权利要求所界定的保护范围为准。当前第1页1 2 3