本發(fā)明屬于道路坑槽修補(bǔ)領(lǐng)域，尤其涉及一種智能識(shí)別路面坑槽體積及快速修補(bǔ)方法。

背景技術(shù)：

1、瀝青路面具有噪音小、路面平整、行駛舒適等優(yōu)點(diǎn)，被廣泛應(yīng)用于我國(guó)高等級(jí)公路。然而瀝青路面在氣候環(huán)境、車輛荷載的長(zhǎng)期作用下易出現(xiàn)開裂、車轍、擁包、坑槽等病害，其中以坑槽病害最為常見(jiàn)，如不及時(shí)修補(bǔ)，在荷載的作用下，路面底部材料與邊緣材料會(huì)繼續(xù)脫落，造成路面破損程度進(jìn)一步加大，嚴(yán)重影響行車安全。因此，對(duì)瀝青路面坑槽的及時(shí)修補(bǔ)極為重要。

2、瀝青路面坑槽修補(bǔ)一般分為冷、熱補(bǔ)料修補(bǔ)。我國(guó)目前對(duì)于坑槽修補(bǔ)主要使用熱補(bǔ)料，但由于其施工受溫度、雨雪季節(jié)條件限制明顯，尤其是坑槽形成初期，坑槽零星分散，工程量小而熱補(bǔ)料難以小批量生產(chǎn)，導(dǎo)致資源浪費(fèi)與環(huán)境污染等問(wèn)題，熱補(bǔ)瀝青修補(bǔ)料的工程問(wèn)題十分突出。因此，需要一個(gè)施工方便，易于儲(chǔ)存，特別是在極端氣候條件下仍然可以進(jìn)行坑槽修補(bǔ)的材料，冷補(bǔ)材料應(yīng)運(yùn)而生。

3、冷補(bǔ)瀝青修補(bǔ)料目前并未得到廣泛應(yīng)用有兩個(gè)重要原因，其一是冷補(bǔ)瀝青修補(bǔ)料雖有更好社會(huì)效益，但提高了單位生產(chǎn)成本，大量生產(chǎn)容易造成資源浪費(fèi)；其二是對(duì)其生產(chǎn)施工工藝不是非常了解，無(wú)法對(duì)冷補(bǔ)瀝青修補(bǔ)料修補(bǔ)坑槽進(jìn)行施工質(zhì)量控制。

4、冷切挖補(bǔ)坑槽修補(bǔ)技術(shù)是傳統(tǒng)補(bǔ)料對(duì)公路路面坑槽修補(bǔ)最常用的一項(xiàng)技術(shù)，其需要對(duì)坑槽進(jìn)行四周擴(kuò)大10厘米的路面矩形切割，切割的路面面積較原坑槽面積大，不僅耗時(shí)耗能且浪費(fèi)材料，因此需要簡(jiǎn)化生產(chǎn)施工工藝，有效控制冷補(bǔ)瀝青修補(bǔ)料的施工質(zhì)量，保持產(chǎn)用量平衡，使坑槽修補(bǔ)更加方便快捷。

技術(shù)實(shí)現(xiàn)思路

1、發(fā)明目的：本發(fā)明的目的在于提供一種智能識(shí)別路面坑槽體積及快速修補(bǔ)方法。旨在解決傳統(tǒng)冷切挖補(bǔ)坑槽修補(bǔ)技術(shù)耗時(shí)耗能的問(wèn)題，采用本發(fā)明的新工藝對(duì)坑槽進(jìn)行處理，既能提高工作效率，又能降低施工難度，節(jié)省了人力、物力和時(shí)間成本。

2、技術(shù)方案：本發(fā)明的一種智能識(shí)別路面坑槽體積及快速修補(bǔ)方法，包括如下步驟：

3、步驟1、在預(yù)備階段對(duì)需修補(bǔ)的坑槽進(jìn)行曝光正確的多角度拍攝與數(shù)據(jù)收集，以及通過(guò)試驗(yàn)獲得冷補(bǔ)料修補(bǔ)常用的多種級(jí)配冷補(bǔ)料的標(biāo)準(zhǔn)密度；

4、步驟2、將拍攝的圖片與收集的數(shù)據(jù)導(dǎo)入軟件進(jìn)行圖像匹配，通過(guò)集合區(qū)域重構(gòu)重建模型，后將模型簡(jiǎn)化導(dǎo)出；

5、步驟3、基于簡(jiǎn)化后的模型，使用控制點(diǎn)(control?points)得到坑槽各點(diǎn)厚度數(shù)值，取多組數(shù)據(jù)的平均值和標(biāo)準(zhǔn)差，確定平均值加減標(biāo)準(zhǔn)差范圍內(nèi)的最大值為最終厚度，然后對(duì)模型灰度圖像進(jìn)行濾波處理后應(yīng)用梯度算法與邊緣檢測(cè)得到坑槽面積，通過(guò)真實(shí)體積比例標(biāo)定計(jì)算得到坑槽體積，得知坑槽體積和所用冷補(bǔ)料標(biāo)準(zhǔn)密度，即可得此次坑槽修補(bǔ)所需要具體冷補(bǔ)料質(zhì)量；

6、步驟4、根據(jù)坑槽修補(bǔ)所需要具體冷補(bǔ)料質(zhì)量，對(duì)坑槽進(jìn)行快速修補(bǔ)。

7、進(jìn)一步的，步驟2中，將拍攝的圖片與收集的數(shù)據(jù)導(dǎo)入reality?capture軟件進(jìn)行圖像匹配，采用工作流程(workflow)或定位(alignment)中的對(duì)齊圖像(align?images)選項(xiàng)匹配對(duì)齊圖像。

8、在利用reality?capture進(jìn)行三維重建過(guò)程中，軟件依賴于識(shí)別圖像間的顏色差異以確定不同視角照片中對(duì)應(yīng)的相同像素點(diǎn)，進(jìn)而通過(guò)匹配點(diǎn)生成三維網(wǎng)絡(luò)模型；在遇到圖像質(zhì)量低、拍攝覆蓋范圍有限或目標(biāo)物體顏色一致性高，導(dǎo)致自動(dòng)匹配算法難以準(zhǔn)確識(shí)別相同像素點(diǎn)時(shí)，需手動(dòng)介入控制點(diǎn)，用于優(yōu)化計(jì)算機(jī)自動(dòng)圖像匹配準(zhǔn)確后可能出現(xiàn)的控制點(diǎn)效果不佳的情況，以提高最終三維模型重建的精度和可靠性；

9、進(jìn)一步的，步驟2中，所述通過(guò)集合區(qū)域重構(gòu)重建模型具體包括如下步驟：

10、步驟2.1、改變場(chǎng)景中的視角，用于縮小重建區(qū)域；

11、步驟2.2、定義接地平面，點(diǎn)擊重建區(qū)域(reconstruction?region)中的定義接地平面(define?ground?plane)選項(xiàng)，用于將中心點(diǎn)(pivotpoint)放置在網(wǎng)絡(luò)(mesh)正中心，y＝0的位置，以便將來(lái)放置到ar場(chǎng)景中時(shí)，模型不會(huì)漂浮在表面上；

12、步驟2.3、集合重構(gòu)區(qū)域，點(diǎn)擊重建區(qū)域中的自動(dòng)設(shè)置區(qū)域(setregionautomatically)選項(xiàng)，縮小重建區(qū)域，剔除掉多余的部分，用于加速重建進(jìn)程；

13、步驟2.4、重建模型，點(diǎn)擊工作流程中的預(yù)測(cè)模型(calculate?model)選項(xiàng)，形成模型網(wǎng)絡(luò)，并檢查模型正常細(xì)節(jié)；

14、步驟2.5、觀察網(wǎng)絡(luò)是否殘缺，若殘缺，則重復(fù)步驟2.2至2.4，反之，則繼續(xù)以下步驟；

15、步驟2.6、用套索工具(lasso?tool)清除多余的部分，先點(diǎn)擊重建區(qū)域中的lasso套索，然后在模型上選中不想要的部分，最后點(diǎn)擊重建區(qū)域的過(guò)濾選擇項(xiàng)(filterselection)刪除選中的多余部分；

16、步驟2.7、將原模型簡(jiǎn)化為高多邊形模型，點(diǎn)擊重建區(qū)域中的簡(jiǎn)化工具(simplifytool)選項(xiàng)，降低模型的三角形計(jì)數(shù)(triangle?count)；

17、步驟2.8、點(diǎn)擊重建區(qū)域中的平滑工具(smoothing?tool)選項(xiàng)，用于平滑模型；點(diǎn)擊工作流程中的著色(colorize)選項(xiàng)，用于模型上色；點(diǎn)擊重建區(qū)域中的打開(unwrap)選項(xiàng)，用于展開模型；點(diǎn)擊重建區(qū)域中的紋理化(texturize)選項(xiàng)，用于添加紋理；

18、步驟2.9、導(dǎo)出模型。

19、進(jìn)一步的，步驟3中，所述坑槽各點(diǎn)厚度數(shù)值選取定義距離(define?distance)中的極限值。

20、進(jìn)一步的，旋轉(zhuǎn)模型，在已經(jīng)定義接地平面的基礎(chǔ)上，使用控制點(diǎn)標(biāo)注坑槽厚度，點(diǎn)擊定位中的定義距離選項(xiàng)，確定坑槽厚度具體數(shù)值，取多組數(shù)據(jù)的平均值和標(biāo)準(zhǔn)差，確定平均值加減標(biāo)準(zhǔn)差范圍內(nèi)的最大值為最終計(jì)算厚度。

21、使用平均法，將同一個(gè)像素位置3個(gè)通道rgb的值進(jìn)行平均，以此將上述步驟所建立模型的彩色圖像轉(zhuǎn)換為灰度圖像，使得圖像只有一個(gè)通道。

22、對(duì)灰度圖像進(jìn)行高斯濾波操作,確定濾波器大小和標(biāo)準(zhǔn)差，濾波器大小決定了濾波器的范圍，標(biāo)準(zhǔn)差決定了濾波器的權(quán)重分布；而對(duì)每個(gè)像素，以該像素為中心，取出濾波器大小的矩陣,再計(jì)算每個(gè)像素值的新值，即將該像素周圍像素值乘以對(duì)應(yīng)的濾波器權(quán)重后求和，然后將新值賦給該像素，完成該像素的濾波，重復(fù)以上步驟，直到所有像素都被濾波處理，最終得到平滑后的圖像，用于平滑圖像并消除噪聲。

23、進(jìn)一步的，步驟3中，所述對(duì)模型灰度圖像進(jìn)行濾波處理后應(yīng)用梯度算法具體為：利用sobel算子計(jì)算每個(gè)像素點(diǎn)周圍的水平和垂直梯度，即通過(guò)應(yīng)用sobel算子的兩個(gè)卷積核來(lái)實(shí)現(xiàn)；第一個(gè)卷積核用于計(jì)算水平梯度，第二個(gè)卷積核用于計(jì)算垂直梯度，對(duì)于每個(gè)像素，將這兩個(gè)卷積核分別應(yīng)用于其周圍的像素，然后將兩個(gè)結(jié)果平方并求和，即可得到該像素的梯度大小，用于檢測(cè)出圖像中的邊緣；對(duì)于梯度算法得到的結(jié)果，使用非極大值抑制算法去除非最大值點(diǎn)，即在梯度方向上判斷該點(diǎn)是否是一個(gè)局部最大值，如果是則保留，否則抑制；對(duì)于非極大值抑制后的結(jié)果，利用雙閾值算法，以進(jìn)一步區(qū)分邊緣和非邊緣像素，具體實(shí)現(xiàn)是將圖像像素分為強(qiáng)、弱、非邊緣像素三類，強(qiáng)像素很可能為邊緣像素，弱像素需要進(jìn)一步判斷，而非邊緣像素可被排除。

24、進(jìn)一步的，對(duì)于強(qiáng)像素周圍的弱像素，進(jìn)行連接操作，以得到完整的邊緣信息，使用光柵化方法，將不規(guī)則閉合圖形轉(zhuǎn)換為像素點(diǎn)的集合，然后使用像素點(diǎn)覆蓋面積的算法計(jì)算坑槽頂面面積。

25、進(jìn)一步的，步驟3中，所述通過(guò)真實(shí)體積比例標(biāo)定計(jì)算得到坑槽體積具體包括如下步驟：

26、步驟3.1、在坑槽圖片中放下一枚已知體積的正方體，利用基于reality?capture的智能識(shí)別坑槽方法，建立相關(guān)模型，針對(duì)模型的真實(shí)數(shù)值以及模型標(biāo)注數(shù)值進(jìn)行等比例換算；

27、步驟3.2、在邊緣檢測(cè)的圖片中加入一個(gè)已知面積的正方形，在邊緣檢測(cè)化后對(duì)坑槽頂面面積的真實(shí)數(shù)值進(jìn)行等比例換算；

28、步驟3.3、將該比例帶入不規(guī)則坑槽體積計(jì)算，求出坑槽的真實(shí)體積。

29、進(jìn)一步的，步驟3中，所述冷補(bǔ)料包括ac-5、ac-10、ac-13，通過(guò)制作不同級(jí)配冷補(bǔ)料的多個(gè)馬歇爾試件，利用平均值法得到不同級(jí)配冷補(bǔ)料的標(biāo)準(zhǔn)密度。

30、進(jìn)一步的，步驟4具體包括如下步驟：

31、步驟4.1、坑槽成型，在坑槽修補(bǔ)前對(duì)修補(bǔ)區(qū)域進(jìn)行切割，按“圓坑方補(bǔ)，斜坑正補(bǔ)”原則將破損處開槽成型；

32、步驟4.2、坑槽清理，對(duì)坑槽內(nèi)松散混合料進(jìn)行清理，以免影響新舊界面間的粘結(jié)性能；

33、步驟4.3、涂抹粘結(jié)劑，在坑槽底部及四周涂抹粘結(jié)劑，以提高新舊界面的粘結(jié)性能；

34、步驟4.4、確定冷補(bǔ)料用量，根據(jù)reality?capture軟件測(cè)得的坑槽實(shí)際體積，確定修補(bǔ)補(bǔ)料所用級(jí)配，通過(guò)制作該級(jí)配冷補(bǔ)料的多個(gè)馬歇爾試件，通過(guò)平均值法得到該冷補(bǔ)料的標(biāo)準(zhǔn)密度，從而確定修補(bǔ)坑槽最適宜的補(bǔ)料質(zhì)量；

35、步驟4.5、攤鋪碾壓，修補(bǔ)深度超過(guò)5cm時(shí)分層壓實(shí)，攤鋪時(shí)確保冷補(bǔ)料整平后高出原路面1—2cm，根據(jù)坑槽修補(bǔ)深度及面積選取合適的壓實(shí)工具，壓實(shí)時(shí)采用從四周向中間碾壓的原則，壓實(shí)后涂抹粘結(jié)劑封邊；

36、步驟4.6、坑槽養(yǎng)護(hù)，碾壓成型后，養(yǎng)生至混合料形成一定強(qiáng)度后開放交通，并在修補(bǔ)表面撒上細(xì)沙或礦粉防止粘輪。

37、進(jìn)一步的，所述粘結(jié)劑由水反應(yīng)型聚氨酯材料制成；所述壓實(shí)工具為修補(bǔ)面積較小時(shí)采用小型振動(dòng)平板夯，修補(bǔ)面積較大時(shí)采用小型壓路機(jī)壓實(shí)；所述養(yǎng)生時(shí)間為3-12小時(shí)。

38、有益效果：與現(xiàn)有技術(shù)相比，本發(fā)明具有如下顯著優(yōu)點(diǎn)：本發(fā)明的一種智能識(shí)別路面坑槽體積及快速修補(bǔ)方法，通過(guò)reality?capture軟件處理大量圖像數(shù)據(jù)，將圖像3d轉(zhuǎn)化生成坑槽的的三維模型，其高級(jí)算法能夠優(yōu)化處理過(guò)程，提高模型的精確度和可靠性，從而智能識(shí)別坑槽體積，而后根據(jù)試驗(yàn)得到的不同級(jí)配材料的標(biāo)準(zhǔn)密度，計(jì)算出修補(bǔ)具體坑槽所需要的準(zhǔn)確質(zhì)量，相比傳統(tǒng)冷切挖補(bǔ)坑槽修補(bǔ)技術(shù)的需要對(duì)坑槽進(jìn)行四周擴(kuò)大10cm的路面矩形切割，該工藝無(wú)需對(duì)坑槽進(jìn)行任何切挖處理，不僅節(jié)省原料，綠色節(jié)能，而且填補(bǔ)效果優(yōu)良。