[發(fā)明專利]一種路面病害同源多特征圖像獲取系統(tǒng)、裝置及方法

有效

• 申請?zhí)枺?/td>: 202011210756.0
• 申請日: 2020-11-03
• 公開（公告）號: CN112308912B
• 公開（公告）日: 2023-09-15
• 發(fā)明（設(shè)計）人: 楊旭;管進超;丁玲;汪海年;劉經(jīng)緯
• 申請（專利權(quán)）人: 長安大學(xué)
• 主分類號: G06T7/70
• 分類號: G06T7/70;G06T7/50;G06T7/11;G06T7/80;G06T17/00;G06V10/75;G06F17/16
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 李紅霖

1.一種路面病害同源多特征圖像獲取方法，其特征在于，包括以下步驟：

步驟1，相隔固定時間，采集k個相機(13)在t個時刻拍攝的所有的路面圖像；

步驟2，通過所有的路面圖像，獲得k個相機(13)在t個時刻內(nèi)拍攝到路面的三維點云模型；

步驟2.1，通過第1時刻的第1相機空間坐標，以及第1時刻的第2相機拍攝的路面圖像，獲得第1時刻的第2相機空間坐標；通過第2相機的空間坐標獲得第1時刻的第3相機的空間坐標，依次類推，確定第1時刻的k個相機各自的空間坐標，以及第1時刻的k個路面圖像上所有特征點的空間坐標，組合獲得第1時刻拍攝到路面的點云模型；具體的，包括以下步驟：

步驟2.1.1，找出第1時刻的第1相機拍攝的圖像和第2相機拍攝的圖像通過圖像特征提取算法，提取兩張圖像的特征點描述子集合；

步驟2.1.2，計算和兩張圖像各特征點之間的相似度，通過設(shè)定閾值判斷各特征點是否匹配，生成兩張圖像之間相互匹配的特征點對；

步驟2.1.3，基于兩張圖像之間相互匹配的特征點對，根據(jù)相機(13)的內(nèi)參和兩張圖像空間點之間的對極幾何關(guān)系，以及第1時刻的第1相機的空間坐標，確定出第2相機在第1時刻的空間位置；

步驟2.1.4，基于兩個相機在第1時刻拍攝時的空間位置，通過三角測量法測量得到在第1時刻兩個圖像上所有特征點的空間點坐標；

步驟2.1.5，重復(fù)步驟2.1.1-步驟2.1.4，通過第2相機獲得第3個相機的空間坐標，通過第3個相機獲得第4個相機的空間坐標…直至獲得所有相機在第1時刻的空間坐標，以及第1時刻所有路面圖像的特征點的空間點坐標，獲得第1時刻拍攝到的路面點云模型；

步驟2.2，通過第1相機在第1時刻的空間坐標，以及第1相機在第2時刻拍攝的路面圖像，獲得第1相機在第2時刻的空間位置；通過第1相機在第2時刻的空間位置獲得第3時刻的空間位置，依次類推，獲得第1相機在t個時刻的空間位置，以及t個路面圖像上所有特征點的空間坐標，獲得第1相機拍攝到路面的點云模型；

步驟2.3，重復(fù)步驟2.2，獲得k個相機中每一個相機拍攝到路面的點云模型，進而獲得k個相機在t個時刻內(nèi)拍攝到路面的三維點云模型；

所述三維點云模型由N個特征點構(gòu)成，特征點的數(shù)據(jù)包括特征點的x坐標、y坐標、z坐標和特征點的RGB顏色，記為{[x_i，y_i，z_i，R_i，G_i，B_i]|i＝1，2，...，N}；

步驟3，校準路面的三維點云模型；具體的，包括以下步驟：

步驟3.1，通過主成分分析法提取路面點云模型的坐標數(shù)據(jù){[x_i，y_i，z_i]|i＝1，2，...，N}的三個特征向量P₁，P₂，P₃；

步驟3.2，選取最小信息量對應(yīng)的特征向量作為路表面的法向，構(gòu)成旋轉(zhuǎn)校準矩陣將原始點云的位置坐標與校準矩陣相乘：

步驟3.3，將旋轉(zhuǎn)校準后的坐標減去各坐標平均值使點云位置居中，得到旋轉(zhuǎn)、平移校準后的路面點云坐標數(shù)據(jù)，記為：

校準后的路面點云模型為{[x_i′，y_i′，z_i′，R_i，G_i，B_i]|i＝1，2，...，N}；

步驟4，通過路面的三維點云模型，獲得路面的深度圖像、彩色圖像和重疊圖像，得到了路面病害同源的多特征圖像；具體的，包括以下步驟：

步驟4.1，搜索x_i′的范圍[-X，X]和y_i′的范圍[-Y，Y]，確定生成圖像的寬度分辨率為W，計算寬度分割步長L＝2X/W，計算圖像的高度分辨率為H＝2Y/L；

步驟4.2，計算深度圖、彩色圖和重疊圖上的每個像素的值Pixel_w，h，其中w＝1，2，...W，h＝1，2，...H；

對于深度圖像：Pixel_w，h＝∑z_i′/S，i滿足(w-1)L≤x_i′≤wL，(h-1)L≤y_i′≤hL，S為該區(qū)域內(nèi)的特征點總數(shù)；

對于彩色圖像：Pixel_w，h＝[∑R_i/S，∑G_i/S，∑B_i/S]，i滿足(w-1)L≤x_i′≤wL，(h-1)L≤y_i′≤hL，S為該區(qū)域內(nèi)的特征點總數(shù)；

對于重疊圖像：Pixel_w，h＝1/2·[∑R_i/S+∑z_i′/S，∑G_i/S+∑z_i′/S，∑B_i/S+∑z_i′/S]，i滿足(w-1)L≤x_i′≤wL，(h-1)L≤y_i′≤hL，S為該區(qū)域內(nèi)的特征點總數(shù)。