一种利用车载LiDAR系统预测城市道路局部坍塌的方法与流程

本发明涉及一种利用车载lidar系统获取的多时相道路点云数据预测城市道路局部坍塌的方法。

背景技术：

城市道路在日常运行中产生塌陷极易造成人员伤亡和财产损失，合理有效地预测道路塌陷可有效减少人员伤亡和财产损失。

lidar是lightdetectionandranging的缩写，中文翻译为激光探测与测距。车载lidar系统是搭载全球定位系统、激光扫描仪等传感器，利用车辆在行驶过程中的位置移动，对道路及周围地物进行观测，获取道路及周围地物三维坐标及相关属性的装置。车载lidar系统以其非接触、全天候、测量速度快等优点广泛应用于道路部件测量、智慧城市等各个领域。

在各领域获取的城市道路点云数据具有数据量大、重复性高的特点。利用这些点云大数据，运用一定的数据处理方法对数据进行挖掘，获取道路局部沉降信息预测道路塌陷，具有重要的现实意义。

利用三维激光扫描技术进行变形及道路沉降检测技术中，机载lidar系统对地面点扫描密度低，多用于对精度要求较低的大面积地面沉降检测，站载lidar系统获取的数据精度高，目前道路及较高精度的变形检测多采用站载lidar系统，但需投入较多的人力，自动化程度低。车载lidar系统获取道路数据点云密度高，自动化程度高，但精度较站载激光雷达系统低。基于以上技术现状，本发明提出一种利用车载lidar系统获取道路沉降信息对道路进行塌陷预警的方法，其中的数据处理方法可达到利用车载lidar系统获取的较低精度的数据获得高于数据获取精度的道路沉降信息。

技术实现要素：

本发明针对道路路面塌陷预测的迫切需求，利用车载lidar系统在道路相关领域获取的高频率重复性道路点云大数据，发明一种利用车载lidar系统获取的城市道路路面多时相点云数据检测道路局部沉降量、沉降速度及沉降加速度对道路坍塌预警的方法，步骤主要包括：

步骤1，利用车载lidar系统获取高频率多时相点云大数据，并提取多时相点云道路数据；

步骤2，根据道路特点，对获取的同区域多时相道路点云数据进行分段并分别配准；

步骤3，对配准后的点云数据进行规则格网化处理，将点云投影到平面格网，生成高程格网数据；

步骤4，对高程格网数据进行高斯滤波处理；

步骤5，计算分析多时相同路段数据差值，获取道路沉降区域；

步骤6，对道路沉降区域进行精细沉降分析，利用沉降区域沉降量、沉降速度和沉降加速度对道路塌陷进行分级预警。

进一步的，步骤1中利用terrosolid自带的内插不规则三角网为基础的渐近加密算法提取道路点云数据。

进一步的，步骤2中将道路每隔一定距离划分为一个路段，将每个路段分别进行处理后利用迭代最近点的方法对其进行配准。

进一步的，步骤3中格网大小根据扫描数据点密度进行调整。

进一步的，步骤4中高斯滤波参数根据格网大小、待检测路面范围大小和预检测沉降范围大小进行调整。

进一步的，步骤5中，对不同时相点云数据进行差值计算，判断差值是否大于设定阈值，大于设定阈值，即判断为道路沉降区域。

进一步的，步骤6的具体实现方式如下，

利用配准后数据分别求取沉降区域最新获取数据，即第i次获取，与前一时相获取数据高差最大值δzi，时间间隔δti，对δzi、δzi/δti、δzi/δti²进行分析：

(1)δzi＝0：安全，无预警(绿色)；

(2)δzi>0,δzi/δti<δzi-1/δti-1：低风险，蓝色预警；

(3)δzi>0,δzi/δti＝δzi-1/δti-1：中风险，黄色预警；

(4)δzi>0,δzi/δti>δzi-1/δti-1，δzi/δti²<δzi-1/δti-1²：中高风险，橙色预警；

(5)δzi>0,δzi/δti>δzi-1/δti-1，δzi/δti²>＝δzi-1/δti-1²：高风险,红色预警。

车载lidar系统，由gnss(globalnavigationsatellitesystem，全球卫星导航系统)，lidar，imu(inertialmeasurementunit，惯性测量单元)组成。gnss用来获取系统在大地坐标系中的坐标，lidar获取探测目标的角度与距离信息，imu记录系统姿态信息，辅助点云数据解译，获取目标点云数据的坐标信息。

车载lidar系统获取道路及周围地物的坐标信息，首先需对数据进行道路滤波，去除道路两侧树木及道路上车辆等数据，只留取路面点云数据。对获取的道路数据进行分段处理，以提高道路配准精度，采用迭代最近点的方法对分段数据分别进行配准；对分段数据进行xoy平面的规则格网处理，其z值利用最邻近点的方法获取，对道路趋势面进行拟合后进行高斯滤波处理，将处理后的不同时相数据进行差值计算，准确获取道路路面沉降区域，并详细分析该沉降区域多时相数据的沉降量、沉降速度、沉降加速度等，通过对比多时相数据之间沉降区域的沉降量、沉降速度和沉降加速度对道路坍塌进行预警等级划分。

附图说明

图1为车辆搭载的lidar系统图；

图2为本发明方法的数据处理流程图；

图3为未进行高斯滤波处理的高程规则格网作差结果；

图4为使用高斯滤波方法处理后的高程格网作差结果。

具体实施方式

本发明提供了一种检测城市道路路面沉降的方法，以下为实施例详细说明。

获取道路点云数据的车载lidar系统如图1，gnss是装置自身定位系统，用来获取系统在大地坐标中的位置信息；相机可获取周围地物的纹理信息，可以对获取的点云数据进行颜色赋值；激光扫描仪用来获取扫描范围地物的点云信息，记录其在扫描坐标系中的坐标；imu用于获取装置的位置信息，记录其行驶方向偏离、俯仰、翻滚信息。该装置获取的点云数据通过数据解算，可获取扫描范围内地物在大地坐标系的位置信息。

多时相点云数据可通过车载lidar系统进行道路部件普查、智慧城市数据采集、自动驾驶车辆搭载的激光扫描仪等方式获取，其数据需包括采集目标地物的大地三维坐标和时间信息。实施例中通过模拟道路局部沉降，利用对多时相点云数据进行数据处理，其处理流程如图2，对原始数据进行道路滤波处理，利用terrosolid自带的内插不规则三角网为基础的渐近加密算法获取道路点云数据，去除道路两侧树木、建筑和道路上行人、车辆等噪声点数据。将获取的道路点云划分为合理路段，将整体点云数据划分为若干点云数据文件，如实施例中将道路每隔10m划分为一个路段，将每个路段分别进行处理后利用迭代最近点的方法对其进行配准。

对分段后数据进行规则格网处理，将道路点云投影到平面格网，获得高程格网数据，利用高斯滤波对高程格网进行处理，对不同时相点云数据进行差值计算，判断差值是否大于设定阈值，大于设定阈值，即判断为道路沉降区域。格网大小可根据扫描数据点密度进行调整，高斯滤波参数根据格网大小、待检测路面范围大小和预检测沉降范围大小进行调整。

利用高斯滤波处理后的格网数据作差，可对道路沉降区域进行定位。对定位后数据利用高斯滤波处理前的高程格网数据进行差值计算，获取沉降区域并分析沉降区域详细沉降数据。其中附图3为道路点云数据高程规则格网进行高斯滤波前直接作差结果，附图4道路点云数据高程规则格网进行高斯滤波后作差结果，可准确获取道路沉降区域。

对沉降区域数据进行详细分析，计算沉降区域相邻两时相高差最大值，记录获取数据时间间隔。

道路局部沉降对道路坍塌预警的具体步骤如下：利用配准后数据分别求取沉降区域最新获取数据(第i次获取)与前一时相高差最大值δzi，时间间隔δti，对δzi、δzi/δti、δzi/δti²进行分析：

1)δzi＝0：安全，无预警(绿色)；

2)δzi>0,δzi/δti<δzi-1/δti-1：低风险，蓝色预警；

3)δzi>0,δzi/δti＝δzi-1/δti-1：中风险，黄色预警；

4)δzi>0,δzi/δti>δzi-1/δti-1，δzi/δti²<δzi-1/δti-1²：中高风险，橙色预警；

5)δzi>0,δzi/δti>δzi-1/δti-1，δzi/δti²>＝δzi-1/δti-1²：高风险,红色预警。