一种基于三维点云的人行道智能检测方法及系统与流程

本发明涉及点云模型，具体涉及一种基于三维点云的人行道智能检测方法及系统。

背景技术：

1、人行道作为城市道路交通的重要组成部分，其路面平整性、完整性直接影响行人通行安全与城市市容环境；现阶段，人行道路面病害检测逐步从传统人工巡检方式转向三维点云智能化检测方式，依托激光扫描设备可快速获取路面三维空间数据，有效解决了人工巡检效率低、主观性强、漏检率高的问题。但目前现有三维点云检测技术大多针对工业平面、建筑地坪、机动车道路面场景设计，未针对人行道复杂作业环境进行专项优化，在实际检测应用中存在诸多技术缺陷。

2、首先，人行道场景环境干扰繁杂，路侧存在大量植被、建筑物立面、杂物等非路面结构，现有点云处理技术仅依靠单一高程阈值筛选路面点云，无法精准区分路面与周边干扰结构，极易将植被、建筑立面的杂散点云纳入检测范围，导致路面有效点云提取纯度低，为后续基准面拟合与病害检测带来系统性误差；同时，传统基准面拟合多采用全局平面拟合方式，人行道路面存在轻微自然起伏、铺装拼接缝隙，全局拟合方式无法适配路面局部地形变化，易造成高程残差计算失真，平整度检测偏差较大；其次，现有人行道病害检测维度单一，大多仅利用点云几何高程特征进行阈值分割，忽略了激光反射强度对应的路面纹理特征，人行道裂缝、浅层破损等细微病害的高程变化微弱，仅依靠几何特征难以识别，且传统分割算法对粘连病害、细碎病害的区分能力差，易出现病害漏分割、过分割问题，无法精准分离独立病害区域，病害检测精度难以满足道路养护规范要求；最后，现有检测流程数据处理链路简单粗糙，未利用多帧点云时空关联性进行数据增强，单帧点云采集易受扫描抖动、环境噪声影响，存在点位高程失真、数据稀疏缺陷；同时，传统技术仅完成病害识别与等级判定，无法实现病害地理定位、数字化工单自动生成，检测结果无法直接对接现场养护作业，检测、定位、运维全流程联动性差，难以实现人行道病害的智能化、标准化闭环检测。

技术实现思路

1、为解决上述技术问题，提供一种基于三维点云的人行道智能检测方法及系统，本技术方案解决了上述的问题。

2、为达到以上目的，本发明采用的技术方案为：

3、一种基于三维点云的人行道智能检测方法，包括：

4、获取移动测绘系统采集的人行道原始激光点云数据，并对所述原始激光点云数据进行去噪及空间下采样处理，生成待检测点云数据集；

5、基于所述待检测点云数据集的局部法向量分布特征，剔除路侧植被及建筑物立面点云，提取人行道路面点云；

6、采用滑动窗口机制对所述人行道路面点云进行分块，利用多项式曲面拟合算法构建每个分块的局部设计高程面，并计算点云相对于所述局部设计高程面的高程残差；

7、融合所述高程残差与所述待检测点云数据集的激光反射强度信息，构建包含几何特征与纹理特征的多维特征向量图；

8、基于所述多维特征向量图，采用多尺度形态学重构算法提取路面病害的初始种子点，并利用改进的分水岭算法对所述初始种子点进行区域生长，得到独立病害区域；

9、计算所述独立病害区域的几何量化指标，并结合预设的道路养护规范阈值，判定病害等级并输出检测报告。

10、进一步的，基于所述待检测点云数据集的局部法向量分布特征，剔除路侧植被及建筑物立面点云，提取人行道路面点云，包括：

11、对所述待检测点云数据集中的每个点构建局部邻域，计算邻域内点的协方差矩阵并求解特征值，得到每个点的法向量倾角；

12、设定地面点法向量倾角阈值，将法向量倾角小于所述地面点法向量倾角阈值的点标记为候选地面点；

13、对所述候选地面点进行连通域分析，计算每个连通域的平面度指标；

14、若所述平面度指标低于预设平整度阈值，则判定该连通域为噪声或非路面区域并予以剔除，保留剩余点云作为人行道路面点云。

15、进一步的，采用滑动窗口机制对所述人行道路面点云进行分块，利用多项式曲面拟合算法构建每个分块的局部设计高程面，包括：

16、沿人行道延伸方向设定固定长度的滑动窗口，并设定相邻窗口之间的重叠率；

17、在每个滑动窗口内，采用随机采样一致性算法迭代拟合平面模型，剔除窗口内的离群高点；

18、利用最小二乘法对剔除离群高点后的窗口内点云进行双二次多项式曲面拟合，得到该窗口对应的局部设计高程面方程；

19、对相邻滑动窗口的边缘区域采用加权平滑过渡处理，拼接所有窗口的局部设计高程面，生成连续的全局局部设计高程面。

20、进一步的，融合所述高程残差与所述待检测点云数据集的激光反射强度信息，构建包含几何特征与纹理特征的多维特征向量图，包括：

21、将所述待检测点云数据集投影至二维栅格平面，生成高程残差栅格图和反射强度栅格图；

22、对所述高程残差栅格图进行归一化处理，突出负向高程异常区域；

23、对所述反射强度栅格图进行直方图均衡化处理，增强裂缝纹理对比度；

24、将处理后的所述高程残差栅格图作为第一通道，将处理后的所述反射强度栅格图作为第二通道，进行通道级联，构建双通道的多维特征向量图。

25、进一步的，基于所述多维特征向量图，采用多尺度形态学重构算法提取路面病害的初始种子点，包括：

26、定义不同尺寸的圆形结构元素，对所述多维特征向量图中的几何特征通道进行开运算重构，得到背景估计图像；

27、计算所述几何特征通道与所述背景估计图像的差值，得到几何显著图；

28、对所述多维特征向量图中的纹理特征通道进行顶帽变换，得到纹理显著图；

29、对所述几何显著图和所述纹理显著图进行加权融合，得到病害显著图；

30、对所述病害显著图应用局部极大值检测算子，提取像素极值点作为路面病害的初始种子点。

31、进一步的，利用改进的分水岭算法对所述初始种子点进行区域生长，得到独立病害区域，包括：

32、计算所述多维特征向量图的梯度幅值图像，并将所述梯度幅值图像作为分水岭算法的拓扑地貌；

33、将所述初始种子点作为集水盆地的最低点标记；

34、模拟水位上升过程，从所述初始种子点开始对所述拓扑地貌进行淹没，当不同集水盆地的水即将汇合时，构建阻水坝；

35、遍历所述拓扑地貌直至所有高于所述初始种子点的区域被淹没，提取所述阻水坝的像素坐标，形成封闭的病害边界轮廓；

36、剔除面积小于预设噪声面积阈值的封闭轮廓，得到最终的独立病害区域。

37、进一步的，计算所述独立病害区域的几何量化指标，并结合预设的道路养护规范阈值，判定病害等级，包括：

38、提取所述独立病害区域内所有点云的三维坐标，计算区域在水平面的投影面积、最大长度及最大宽度；

39、计算所述独立病害区域内点云相对于所述局部设计高程面的最大深度及平均深度；

40、若所述投影面积小于第一面积阈值且所述最大宽度小于裂缝宽度阈值，则判定病害类型为横向或纵向裂缝；

41、若所述投影面积大于第二面积阈值且所述平均深度大于坑槽深度阈值，则判定病害类型为坑槽或沉陷；

42、根据判定的病害类型及对应的几何量化指标数值，匹配道路养护规范中的损坏程度分级标准，确定病害等级。

43、进一步的，所述方法还包括：

44、获取所述独立病害区域的重心在全局坐标系下的位置信息；

45、读取移动测绘系统同步采集的定位定姿数据，将所述独立病害区域映射至人行道地理信息地图中；

46、生成包含病害类型、病害等级、几何量化指标及地理位置信息的数字化养护工单，并发送至终端显示设备。

47、进一步的，在获取移动测绘系统采集的人行道原始激光点云数据之后，还包括基于时空一致性的点云增强步骤：

48、获取当前帧待检测点云数据集及其对应的前序n帧历史点云数据集；

49、基于移动测绘系统的位姿数据，将所述前序n帧历史点云数据集配准至当前帧坐标系下；

50、对于当前帧待检测点云数据集中的任一目标点，在所述前序n帧历史点云数据集中搜索空间位置对应的匹配点集合；

51、若所述匹配点集合中点的数量满足预设置信度要求，则计算所述目标点与所述匹配点集合中各点的高程残差均值，利用所述高程残差均值对所述目标点的高程值进行修正；

52、若所述匹配点集合中点的数量不满足预设置信度要求，则保持所述目标点的高程值不变；

53、利用修正后的待检测点云数据集执行后续的步骤。

54、一种基于三维点云的人行道智能检测系统，包括：

55、数据获取模块，获取移动测绘系统采集的人行道原始激光点云数据，并对所述原始激光点云数据进行去噪及空间下采样处理，生成待检测点云数据集；

56、路面提取模块，基于所述待检测点云数据集的局部法向量分布特征，剔除路侧植被及建筑物立面点云，提取人行道路面点云；

57、基准面构建模块，采用滑动窗口机制对所述人行道路面点云进行分块，利用多项式曲面拟合算法构建每个分块的局部设计高程面，并计算点云相对于所述局部设计高程面的高程残差；

58、特征融合模块，融合所述高程残差与所述待检测点云数据集的激光反射强度信息，构建包含几何特征与纹理特征的多维特征向量图；

59、病害分割模块，基于所述多维特征向量图，采用多尺度形态学重构算法提取路面病害的初始种子点，并利用改进的分水岭算法对所述初始种子点进行区域生长，得到独立病害区域；

60、结果判定模块，计算所述独立病害区域的几何量化指标，并结合预设的道路养护规范阈值，判定病害等级并输出检测报告。

61、与现有技术相比，本发明的有益效果在于：

62、1.本发明通过点云法向量分布特征结合连通域平面度分析，实现非路面干扰点云的精准剔除，可有效过滤路侧植被、建筑物立面等无效点云，规避传统单一高程筛选方式的局限性，大幅提升人行道路面点云提取的纯度与准确性，从数据源层面消除环境干扰带来的检测误差；采用滑动窗口分块拟合结合加权平滑拼接的方式构建局部设计高程面，替代传统全局平面拟合机制，能够适配人行道路面局部自然起伏特征，贴合路面实际铺装形态，有效解决全局拟合导致的高程残差计算不准、平整度检测偏差大的问题，提升路面基准面构建的合理性与精准度；

63、2.本发明融合高程残差几何特征与激光反射强度纹理特征，构建双通道多维特征向量图，通过归一化、直方图均衡化处理强化病害特征差异，弥补了单一几何特征无法识别浅层、细微路面病害的技术短板，大幅提升微弱病害、纹理类病害的特征辨识度；采用多尺度形态学重构结合改进分水岭算法实现病害区域分割，通过双显著图加权融合提取精准病害种子点，再依托拓扑地貌淹没机制实现区域生长与边界精准提取，可有效区分粘连病害、细碎病害，剔除噪声伪病害区域，实现各类人行道裂缝、坑槽、沉陷病害的独立精准分割，分割精度显著提升；通过多维度几何量化指标结合道路养护规范阈值进行病害分类与等级判定，可精准区分裂缝、坑槽、沉陷等不同病害类型，实现病害程度的标准化分级，规避传统人工阈值判定的主观性误差，让检测结果完全适配市政道路养护标准，引入基于时空一致性的多帧点云增强机制，利用历史帧点位信息修正当前帧高程失真点位，有效解决单帧点云采集抖动、稀疏、噪声导致的数据偏差问题，提升整体点云数据的精度与稳定性，为后续病害检测提供高质量数据支撑。