道路质量检测方法及装置与流程

本发明实施例涉及计算机应用技术领域，尤其涉及一种道路质量检测方法及装置。

背景技术：

道路作为现代运输系统的一个重要组成部分，在军事和民用方面都有大量的应用，如地图更新、导航应用、交通状况监测，城市发展监控等。当驾驶人员在道路上驾驶机动车辆时，需要判别道路的质量情况(例如，道路是否存在坑洼区域)，然后根据道路的质量情况调整行驶状态。

目前，在判别道路的质量情况时，一般是由驾驶人员人工进行判别，驾驶人员在驾驶的过程中实时判断道路的质量情况。

然而，发明人发现现有技术中至少存在如下问题：由于身体和精神状况的不稳定性和局限性，驾驶人员可能会出现误判道路情况的问题，例如，将坑洼区域看成平整区域，判别道路质量的准确度较低。

技术实现要素：

本发明实施例提供一种道路质量检测方法及装置，以提高判别道路质量的准确度。

第一方面，本发明实施例提供一种道路质量检测方法方法，包括：

获取待检测道路的原始图像；

对所述原始图像进行逆透视变换，得到逆透视图像；

提取所述逆透视图像中的车道线，并确定所述原始图像中的可见区域；

根据所述车道线和所述可见区域，确定所述待检测道路的道路质量。

可选的，所述提取所述逆透视图像中的车道线，包括：

提取所述原始图像包含的多条直线段；

根据预设的原始图像车道线特征信息，确定所述多条直线段中对应的车道线；

获取所述原始图像中的车道线对应的地理位置信息；

在所述逆透视图像中查找所述地理位置信息对应的目标线段，并将所述目标线段确定为所述逆透视图像中的车道线。

可选的，所述提取所述逆透视图像中的车道线，包括：

提取所述原始图像包含的多条直线段；

获取各直线段对应的地理位置信息；

在所述逆透视图像中查找各地理位置信息对应的线段；

根据预设的逆透视图像车道线特征信息，确定所述线段中对应的车道线。

可选的，所述确定所述原始图像中的可见区域，包括：

确定所述待检测道路上的目标物体，其中所述目标物体为交通标志、行人、车辆和/或路障；

在所述待检测道路对应的检测区域中删除所述目标物体对应的遮挡区域，得到所述可见区域。

可选的，所述根据所述车道线和所述可见区域，确定所述待检测道路的道路质量，包括：

根据所述逆透视图像中的车道线确定所述待检测道路是否为颠簸道路；

根据所述可见区域确定所述待检测道路是否为平整道路。

可选的，所述根据所述逆透视图像中的车道线确定所述待检测道路是否为颠簸道路，包括：

从所述逆透视图像中的车道线上选取若干个采样点，并获取各采样点的水平坐标；

基于所述水平坐标，计算各采样点之间的水平距离；

若存在水平距离大于预设差值，则确定所述待检测道路为颠簸道路。

可选的，所述根据所述可见区域确定所述待检测道路是否为平整道路，包括：

对所述可见区域进行划分，得到可见子区域；

提取各可见子区域的纹理特征信息；

判断所述各可见子区域的纹理特征信息是否匹配；

若所述可见子区域的纹理特征信息均不匹配，则确定所述待检测道路不是平整道路。

可选的，所述对所述可见区域进行划分，包括：

获取子区域个数，并按照所述子区域个数，对所述可见区域进行划分；

或者，

提取所述原始图像中的车道线，并按照所述车道线，对所述可见区域进行划分。

第二方面，本发明实施例提供一种道路质量检测装置，包括：

原始图像获取模块，用于获取待检测道路的原始图像；

逆透视图像获取模块，用于对所述原始图像进行逆透视变换，得到逆透视图像；

图像信息获取模块，用于提取所述逆透视图像中的车道线，并确定所述原始图像中的可见区域；

道路质量确定模块，用于根据所述车道线和所述可见区域，确定所述待检测道路的道路质量。

可选的，所述图像信息获取模块具体用于：提取所述原始图像包含的多条直线段；

根据预设的原始图像车道线特征信息，确定所述多条直线段中对应的车道线；

获取所述原始图像中的车道线对应的地理位置信息；

在所述逆透视图像中查找所述地理位置信息对应的目标线段，并将所述目标线段确定为所述逆透视图像中的车道线。

可选的，所述图像信息获取模块具体用于：

提取所述原始图像包含的多条直线段；

获取各直线段对应的地理位置信息；

在所述逆透视图像中查找各地理位置信息对应的线段；

根据预设的逆透视图像车道线特征信息，确定所述线段中对应的车道线。

可选的，所述图像信息获取模块具体用于：确定所述待检测道路上的目标物体，其中所述目标物体为交通标志、行人、车辆和/或路障；

在所述待检测道路对应的检测区域中删除所述目标物体对应的遮挡区域，得到所述可见区域。

可选的，所述道路质量确定模块还包括：颠簸道路确定子模块和平整道路确定子模块；

所述颠簸道路确定子模块用于：根据所述逆透视图像中的车道线确定所述待检测道路是否为颠簸道路；

所述平整道路确定子模块用于：根据所述可见区域确定所述待检测道路是否为平整道路。

可选的，所述颠簸道路确定子模块具体用于：从所述逆透视图像中的车道线上选取若干个采样点，并获取各采样点的水平坐标；

基于所述水平坐标，计算各采样点之间的水平距离；

若存在水平距离大于预设差值，则确定所述待检测道路为颠簸道路。

可选的，所述平整道路确定子模块具体用于：对所述可见区域进行划分，得到可见子区域；

提取各可见子区域的纹理特征信息；

判断所述各可见子区域的纹理特征信息是否匹配；

若所述可见子区域的纹理特征信息均不匹配，则确定所述待检测道路不是平整道路。

可选的，所述平整道路确定子模块还具体用于：获取子区域个数，并按照所述子区域个数，对所述可见区域进行划分；

或者，

提取所述原始图像中的车道线，并按照所述车道线，对所述可见区域进行划分。第三方面，本发明实施例提供一种道路质量检测设备，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如第一方面任一项所述的道路质量检测设备方法。

第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面任一项所述的道路质量检测设备方法。

本发明实施例提供的道路质量检测设备方法及装置，该方法通过获取待检测道路的原始图像，对所述原始图像进行逆透视变换，得到逆透视图像，提取所述逆透视图像中的车道线，并确定所述原始图像中的可见区域，根据所述车道线和所述可见区域，确定所述待检测道路的道路质量，能够实现自动检测待检测道路的道路质量，无需驾驶人员判断道路质量，并不会受到身体和精神状况的影响，提高判别道路质量的准确度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的道路质量检测场景示意图；

图2为本发明实施例提供的道路质量检测方法的流程图一；

图3为本发明实施例提供的道路质量检测方法的流程图二；

图4为本发明实施例提供的道路质量检测装置的结构示意图一；

图5为本发明实施例提供的道路质量检测装置的结构示意图二；

图6为本发明实施例提供的道路质量检测设备的硬件结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

图1为本发明实施例提供的道路质量检测场景示意图，如图1所示，在汽车行驶的过程中，安装在车身上的摄像头101采集车辆正前方的道路图像，得到原始图像，并将采集到的原始图像发送至道路质量检测设备102。道路质量检测设备102对原始图像进行逆透视变换，得到逆透视图像11，并根据逆透视图像11和原始图像10确定道路的道路质量。

需要说明的是，摄像头可以实时采集图像，也可以间隔一定时间采集图像，其中，间隔的时间可以根据实际情况进行合理设置，本实施例对此不作具体限定。

需要说明的是，上述摄像头101可以采用无线传输或者有线传输的方式，将原始图像发送至道路质量检测设备102，图1中的无限传输仅为一种示例，本发明实施例并不以此为限。

下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

图2为本发明实施例提供的道路质量检测方法的流程图一，本实施例的方法可以由道路质量检测装置执行，该监控装置可以以软件和/或硬件的形式设置在图1的道路质量检测设备中。如图2所示，本实施例的方法，可以包括：

s201：获取待检测道路的原始图像。

在本实施例中，通过摄像头采集车辆正前方的图像，得到包含待检测道路的原始图像，例如，图1中所示的通过摄像头采集的待检测道路的原始图像。

可选的，道路质量检测装置还可以控制摄像头执行相应的操作，例如，控制摄像头开启、关闭和传输数据等。,为了降低道路质量检测装置的耗电量，可以仅在车辆行驶的过程中，检测道路的质量，当检测到车辆停止行驶时，关闭摄像头，停止采集原始图像以及传输原始图像。

s202：对所述原始图像进行逆透视变换，得到逆透视图像。

在本实施例中，提取原始图像的感兴趣区域(regionofinterest，roi)，并对感兴趣区域进行逆透视变换，得到对应的逆透视图像。

s203：提取所述逆透视图像中的车道线，并确定所原始图像中的可见区域。

可选的，提取逆透视图像中的车道线的方式可以为：提取所述原始图像包含的多条直线段；获取各直线段对应的地理位置信息；在所述逆透视图像中查找各地理位置信息对应的线段；根据预设的逆透视图像车道线特征信息，确定所述线段中对应的车道线。

在本实施例中，地理位置信息为地理位置坐标。

在本实施例中，基于预设的直线检测算法提取原始图像包含的多条直线段，并将原始图像中的直线段映射到逆透视图像上，映射的过程为：获取直线段在原始图像中的位置坐标，即在相机坐标系中的坐标，基于插值法，通过逆透视变换，将直线段对应的在相机坐标系中的坐标转换为在世界坐标系中的坐标，即地理位置坐标，从而可以根据直线段对应的地理位置坐标在逆透视图像中找到对应的线段。

其中，还可以设定目标尺寸，确定出直线段对应的逆透视区域，然后利用插值法，将直线段对应的逆透视区域进行逆透视变换，将直线段映射到逆透视图像中。

其中，直线检测算法可以为lsd(alinesegmentdetector)算法、hough变换算法或其它可以检测直线的算法。

其中，lsd算法是计算图像中所有点的梯度大小和方向，然后将梯度方向变化小且相邻的点作为一个连通域，接着根据每一个域的矩形度判断是否需要按照规则将其断开以形成多个矩形度较大的域，最后对生成的所有的域做改善和筛选，保留其中满足条件的域，即为最后的直线检测结果，该算法具有检测速度快，无需参数调节，直线检测的准确度高的优点。

在本实施例中，车道线在逆透视图像中具有平行约束以及亮带特征，因此，预设的逆透视图像车道线特征信息包括平行约束特征和亮带特征。

在本实施例中，按照预设的逆透视图像车道线特征信息，对线段进行筛选，筛选出满足逆透视图像车道线特征信息的线段，即筛选出相互平行且是亮带的线段，并将筛选得到的线段作为车道线。

可选的，提取逆透视图像中的车道线的方式还可以为：提取所述原始图像包含的多条直线段；根据预设的原始图像车道线特征信息，确定所述多条直线段中对应的车道线；获取所述原始图像中的车道线对应的地理位置信息；在所述逆透视图像中查找所述地理位置信息对应的目标线段，并将所述目标线段确定为所述逆透视图像中的车道线。

其中，还可以设定目标尺寸，确定出车道线对应的逆透视区域，然后利用插值法，将车道线对应的逆透视区域进行逆透视变换，将车道线映射到逆透视图像中。

空间一组平行直线，在图像平面上所成的像有且仅有一个交点，该交点为消失点，车道线之间是相互平行的，车道线在原始图像中相交于一个点，该点为消失点，因此，预设的逆透视图像车道线特征信息包括车道线相交于消失点。

在本实施例中，在根据预设的原始图像车道线特征信息，确定所述多条直线段中对应的车道线之前，需要基于预设的消失点检测算法，提取原始图像中的消失点。当提取原始图像中的消失点后，按照预设的原始图像车道线特征信息，对直线段进行筛选，筛选出满足逆透视图像车道线特征信息的直线段，即筛选出相交于消失点的直线段，并将筛选得到的直线段作为车道线，从而准确地获取到车道线。

其中，消失点检测算法可分为三大类，第一类是用空间变换技术，把原始图像上的信息变换到一个有限的空间上去，例如，高斯球变换算法、hough变换算法；第二类是直接利用直线的信息，在原始图像上进行消失点检测。对所有可能的直线交叉点进行计算；第三类是用统计估计的方法，根据图像上边缘特征点估计直线参数，由这些参数计算出消失点，或者利用消失点和边缘特征点构造代价函数，同时估计直线和消失点。

在本实施例中，当获取到原始图像中的车道线后，将其映射到逆透视图像上，映射的过程为：获取车道线在原始图像中的位置坐标，即在相机坐标系中的坐标，通过逆透视变换，将车道线对应的在相机坐标系中的坐标转换为在世界坐标系中的坐标，即地理位置坐标，从而可以根据车道线对应的地理位置坐标在逆透视图像中找到对应的目标线段，并将该目标线段作为逆透视图像中的车道线。

可选的，确定所述原始图像中的可见区域的方式可以为：确定所述待检测道路上的目标物体，其中所述目标物体为交通标志、行人、车辆和/或路障；在所述待检测道路对应的检测区域中删除所述目标物体对应的遮挡区域，得到所述可见区域。

在本实施例中，当根据原始图像检测待检测道路的道路质量时，利用的是原始图像中的可见区域，即不存在障碍物的区域，因此，需要先获取原始图像中的可见区域。

在本实施例中，基于目标检测算法，识别原始图像中的目标物体，目标物体包括交通标志、行人、车辆和/或路障等。获取目标物体所占的区域，得到遮挡区域，在待检测道路对应的检测区域中删除遮挡区域，将剩余的区域作为可见区域。

s204：根据所述车道线和所述可见区域，确定所述待检测道路的道路质量。

在本实施例中，根据逆透视图像中的车道线和原始图像中的可见区域，同时确定待检测道路的道路质量，从而可以及时告知驾驶人员道路质量情况，以使驾驶人员适应性地调整驾驶状态。

可选的，上述确定待检测道路的道路质量的流程还可应用于adas系统(高级驾驶辅助系统，advanceddriverassistancesystem)，为adas系统根据道路质量自动调整行驶状态提供了可能。

在本实施例中，获取待检测道路的原始图像，对原始图像进行逆透视变换，得到逆透视图像，提取逆透视图像中的车道线，并确定原始图像中的可见区域，根据车道线和可见区域综合判断待检测道路的道路质量，能够实现自动检测待检测道路的道路质量，无需驾驶人员判断道路质量，并不会受到身体和精神状况的影响，提高判别道路质量的准确度。

下面结合一个具体的实施例对根据车道线和可见区域确定待检测道路的道路质量的过程进行详细描述。

图3为本发明实施例提供的道路质量检测方法的流程图二，如图3所示，在上述实施例的基础上，本实施例的方法，可以包括：

s301：获取待检测道路的原始图像。

s302：对所述原始图像进行逆透视变换，得到逆透视图像。

s303：提取所述逆透视图像中的车道线，并确定所述原始图像中的可见区域。

本实施例的s301和s303的具体实施方式，与上述实施例中的s201和s203类似，此处不再赘述。

s304：根据所述逆透视图像中的车道线确定所述待检测道路是否为颠簸道路。

在本实施例中，根据逆透视图像中的车道线的形态变化程度确定待检测道路是否为颠簸道路。

可选的，步骤s304包括：从所述逆透视图像中的车道线上选取若干个采样点，并获取各采样点的水平坐标；基于所述水平坐标，计算各采样点之间的水平距离；若存在水平距离大于预设差值，则确定所述待检测道路为颠簸道路。

在本实施例中，在逆透视图像中的每个车道线上选取若干个采样点，并获取每个采样点的水平坐标，即横坐标，计算各采样点之间的水平坐标的差值，得到各采样点之间的水平距离。

其中，采样点的水平坐标可以为世界坐标系中的坐标，也可以是图像平面坐标系中的坐标。

在本实施例中，由于车道线是一条直线，当道路不颠簸时，车道线没有发生形态变化，同一条车道线上的点的水平坐标是相同的，因此，可以根据车道线上的点的水平坐标的差值判断道路是否颠簸，即根据各采样点之间的水平距离判断检测道路是否为颠簸道路，若存在水平距离大于预设差值，则确定待检测道路为颠簸道路，若所有的水平距离均小于或等于预设差值，则确定待检测道路不是颠簸道路。例如，在一个车道线上选取了3个采样点，分别为a，b和c，a的水平坐标为2，b的水平坐标为4，c的水平坐标为2，则采样点之间的水平距离分别为2，0，2，若预设差值为1，由于存在差值大于1，则确定待检测道路为颠簸道路。

可选的，还可以根据差值确定待检测道路的颠簸度。在判断出存在差值大于预设差值，还可以在预存的颠簸程度表中，查找该差值对应的颠簸度，得到待检测道路的颠簸度，从而获得更加精准的道路质量情况。

在本实施例中，在检测待检测道路是否为颠簸道路的过程中，只需获取若干个水平坐标，并进行简单的运算，可提高检测颠簸道路的速度。

s305：根据所述可见区域确定所述待检测道路是否为平整道路。

可选的，步骤s305包括：对所述可见区域进行划分，得到可见子区域；提取各可见子区域的纹理特征信息；判断所述各可见子区域的纹理特征信息是否匹配；若所述可见子区域的纹理特征信息均不匹配，则确定所述待检测道路不是平整道路。

可选的，对可见区域进行划分的方式可以为获取子区域个数，并按照所述子区域个数，对所述可见区域进行划分。也可以为提取所述原始图像中的车道线，并按照所述车道线，对所述可见区域进行划分。

纹理是一种反映图像中同质现象的视觉特征，它通过像素及其周围空间邻域的灰度分布体现了物体表面的具有缓慢变化或者周期性变化的表面结构组织排列属性。

在本实施例中，将可见区域划分为若干个可见子区域，提取各个可见子区域的纹理特征信息，并度量纹理特征信息的相似度，即判断纹理特征信息是否匹配，若两个纹理特征信息之间的相似度大于预设相似度，则确定该两个纹理特征信息匹配，若纹理特征信息之间的相似度小于或等于预设相似度，则确定该两个纹理特征信息不匹配。

其中，可以基于混合高斯背景建模的方法度量纹理特征信息的相似度，也可以基于聚类空间模型度量纹理特征信息的相似度，还可以通过其它算法度量纹理特征信息的相似度，在此，对度量纹理特征信息的相似度的方法不作限定。

在本实施例中，当道路平整时，道路的各个区域的纹理特征信息相似，即纹理特征信息相互之间是匹配的，若可见子区域的纹理特征信息相互匹配，则确定待检测道路为平整道路，若纹理特征信息之间均不匹配，则确定待检测道路不是平整道路，若存在纹理特征信息与剩余的纹理特征信息不匹配，且剩余的纹理特征信息之间相互匹配，则确定该纹理特征信息对应的可见子区域不是平整道路，例如，共有3个可见子区域，分别为区域1、区域2和区域3，区域1的纹理特征信息与区域2和区域3的纹理特征信息均不匹配，且区域2和区域3的纹理特征信息匹配，则确定区域1对应的道路不是平整道路。

若是按照车道线划分的可见区域的，则在确定出存在区域对应的道路不是平整道路后，直接将该区域作为存在不平整路面的车道，告知用户存在不平整路面的车道，以使用户获取到更加精准的道路情况。

若是按照子区域个数，对可见区域进行划分，则在确定出存在区域对应的道路不是平整道路后，获取车辆的行驶路线，判断行驶路线中是否包含该区域，若包含该区域，提醒用户前方存在不平整路面或者重新为用户规划行驶路线，用户体验高。

在本实施例中，通过判断各可见子区域的纹理特征信息判断出待检测道路是否为平整道路，由于纹理特征信息能够很好地反映图像的特性，从而能够提高判断不平整道路的准确度。

图4为本发明实施例提供的道路质量检测装置的结构示意图一，如图4所示，本实施例提供的道路质量检测装置400，可以包括：原始图像获取模块401、逆透视图像获取模块402、图像信息获取模块403和道路质量确定模块404。

其中，原始图像获取模块401，用于获取待检测道路的原始图像；

逆透视图像获取模块402，用于对所述原始图像进行逆透视变换，得到逆透视图像；

图像信息获取模块403，用于提取所述逆透视图像中的车道线，并确定所述原始图像中的可见区域；

道路质量确定模块404，用于根据所述车道线和所述可见区域，确定所述待检测道路的道路质量。

可选的，逆透视图像获取模块具体用于：提取所述原始图像包含的多条直线段；根据预设的原始图像车道线特征信息，确定所述多条直线段中对应的车道线；

获取所述原始图像中的车道线对应的地理位置信息；

在所述逆透视图像中查找所述地理位置信息对应的目标线段，并将所述目标线段确定为所述逆透视图像中的车道线。

可选的，所述图像信息获取模块403具体用于：

提取所述原始图像包含的多条直线段；

获取各直线段对应的地理位置信息；

在所述逆透视图像中查找各地理位置信息对应的线段；

根据预设的逆透视图像车道线特征信息，确定所述线段中对应的车道线。

可选的，所述图像信息获取模块403具体用于：提取所述原始图像包含的多条直线段；

获取各直线段对应的地理位置信息；

在所述逆透视图像中查找各地理位置信息对应的线段；

根据预设的逆透视图像车道线特征信息，确定所述线段中对应的车道线。

可选的，所述图像信息获取模块403具体用于：确定所述待检测道路上的目标物体，其中所述目标物体为交通标志、行人、车辆和/或路障；

在所述待检测道路对应的检测区域中删除所述目标物体对应的遮挡区域，得到所述可见区域。

本发明实施例提供的道路质量检测装置，可以实现上述如图2所示的实施例的道路质量检测方法，其实现原理和技术效果类似，此处不再赘述。

图5为本发明实施例提供的道路质量检测装置的结构示意图二，如图5所示，在上述装置实施例的基础上，本实施例提供的道路质量检测装置中的道路质量确定模块，还可以包括：颠簸道路确定子模块40和平整道路确定子模块41。

其中，所述颠簸道路确定子模块40用于：根据所述逆透视图像中的车道线确定所述待检测道路是否为颠簸道路；

所述平整道路确定子模块41用于：根据所述可见区域确定所述待检测道路是否为平整道路。

可选的，所述颠簸道路确定子模块40具体用于：从所述逆透视图像中的车道线上选取若干个采样点，并获取各采样点的水平坐标；

基于所述水平坐标，计算各采样点之间的水平距离；

若存在水平距离大于预设差值，则确定所述待检测道路为颠簸道路。

可选的，所述平整道路确定子模块具体用于：对所述可见区域进行划分，得到可见子区域；

提取各可见子区域的纹理特征信息；

判断所述各可见子区域的纹理特征信息是否匹配；

若所述可见子区域的纹理特征信息均不匹配，则确定所述待检测道路不是平整道路。

可选的，所述平整道路确定子模块还具体用于：获取子区域个数，并按照所述子区域个数，对所述可见区域进行划分；

或者，

提取所述原始图像中的车道线，并按照所述车道线，对所述可见区域进行划分。

本发明实施例提供的道路质量检测装置，可以实现上述如图3所示的实施例的道路质量检测方法，其实现原理和技术效果类似，此处不再赘述。

图6为本发明实施例提供的道路质量检测设备的硬件结构示意图。如图6所示，本实施例提供的道路质量检测设备600包括：至少一个处理器601和存储器602。其中，处理器601、存储器602通过总线603连接。

在具体实现过程中，至少一个处理器601执行所述存储器602存储的计算机执行指令，使得至少一个处理器601执行上述方法实施例中的道路质量检测方法。

处理器601的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。

在上述的图6所示的实施例中，应理解，处理器可以是中央处理单元(英文：centralprocessingunit，简称：cpu)，还可以是其他通用处理器、数字信号处理器(英文：digitalsignalprocessor，简称：dsp)、专用集成电路(英文：applicationspecificintegratedcircuit，简称：asic)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

存储器可能包含高速ram存储器，也可能还包括非易失性存储nvm，例如至少一个磁盘存储器。

总线可以是工业标准体系结构(industrystandardarchitecture，isa)总线、外部设备互连(peripheralcomponent，pci)总线或扩展工业标准体系结构(extendedindustrystandardarchitecture，eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现上述方法实施例的道路质量检测方法。

上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。

一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(applicationspecificintegratedcircuits，简称：asic)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。