一种多传感器融合公路病害智能监测方法及系统与流程

本技术涉及公路工程检测，特别涉及一种多传感器融合公路病害智能监测方法及系统。

背景技术：

1、随着公路交通基础设施规模的持续扩大和服役年限的增长，公路路面及路基结构的健康状态监测已成为保障道路安全运营和延长使用寿命的关键环节。公路病害通常包括表面可见病害（如裂缝、坑槽、修补等）和内部隐性病害（如脱空、疏松、层间粘结不良等），这两类病害往往具有表里不一的特征——表面完好区域可能存在深层结构损伤，而表面裂缝下方也可能伴随不同程度的内部缺陷。因此，实现对公路病害的全面检测，对于科学制定养护决策、优化资源配置具有重要意义。

2、在现有技术中，公路病害检测主要依赖单一或少数几种技术手段。在表面病害检测方面，传统方法以人工巡查为主，存在效率低、主观性强、覆盖范围有限等问题；近年来，基于单目或双目视觉的自动化检测技术逐渐应用，通过图像处理算法识别路面裂缝、坑槽等表面缺陷，但在高速移动场景下易受光照变化、车辆颠簸等因素影响，且难以获取病害的绝对地理坐标。在内部病害检测方面，探地雷达（gpr）技术通过发射高频电磁波并接收反射回波，能够探测路基内部的层位结构和异常区域，但gpr数据的解释具有较强的经验依赖性，且其定位精度受限于里程计精度，在卫星信号遮挡区域（如隧道、城市峡谷）存在误差累积风险。此外，现有技术中北斗/gnss定位主要用于提供绝对位置信息，但单独使用时更新频率较低，难以满足高速检测场景下的连续高精度定位需求。

3、现有技术的主要问题在于：各传感器独立工作，数据之间缺乏有效的时空关联和融合机制，导致表面病害与内部病害无法在同一坐标框架下进行关联分析；多源数据的采集同步性不足，视觉图像、雷达信号与位置信息之间存在时间漂移，影响病害定位精度。

技术实现思路

1、基于此，本技术实施例提供了一种多传感器融合公路病害智能监测方法及系统，多源数据缺乏同步采集与融合机制致使病害定位精度不足的问题。

2、第一方面，提供了一种多传感器融合公路病害智能监测方法，该方法包括：

3、根据待检测路段信息配置多目视觉系统、探地雷达及定位模块的工作参数，生成任务参数文件；

4、基于所述任务参数文件，对多目视觉系统、探地雷达系统及定位模块进行标定与初始化，存储标定结果；

5、以定位模块秒脉冲为基准生成同步触发信号，驱动多目视觉系统、探地雷达、定位模块、惯性测量单元及里程计同步采集路面图像、雷达回波、位置姿态及位移数据，所有数据打上统一时空标签；

6、融合定位模块、惯性测量单元及里程计数据生成车辆连续轨迹，基于所述标定结果将多目视觉图像和探地雷达数据转换至统一地理坐标系，构建虚拟数据立方体；

7、基于所述虚拟数据立方体，对探地雷达数据执行信号处理与特征提取识别内部病害，对多目视觉图像执行三维重建与图像分割识别表面病害，通过多源数据融合算法将地下异常与地表缺陷进行空间关联与置信度融合，输出融合后的病害信息；

8、将所述融合后的病害信息输入定位修正模块进行离群点剔除，输出病害的精确地理坐标及深度范围，生成综合病害分布图与三维可视化场景；

9、基于所述综合病害分布图与三维可视化场景，统计病害密度与严重指数，评估严重程度并分析表内部病害关联性，输出检测报告。

10、可选地，所述根据待检测路段信息配置多目视觉系统、探地雷达及定位模块的工作参数，包括：

11、根据待检测路段的道路类型、车道数量及规划检测速度，确定多目视觉系统的分辨率、帧率、曝光参数，探地雷达的扫描频率、天线工作模式，以及定位模块的采样频率；

12、根据复杂路段特征提高多目视觉系统分辨率并降低探地雷达扫描频率，根据简单路段特征降低多目视觉系统分辨率并提高探地雷达扫描频率；

13、将配置结果形成任务参数文件并下发至各传感器模块。

14、可选地，所述对多目视觉系统进行标定与初始化，包括：

15、利用标定板获取相机的焦距、主点、畸变参数以完成内参标定；

16、确定相机在车辆坐标系下的安装位姿以完成外参标定；

17、对多目视觉系统的工业相机进行内参标定和外参标定，确保视角重叠区域对齐。

18、可选地，所述对探地雷达系统进行标定与初始化，包括：

19、在已知结构路段上确定电磁波传播速度模型以完成速度标定；

20、确定天线阵列在车辆坐标系下的位置以完成空间标定；

21、在测试区域中预先布置多个已知坐标位置的测试点，对每个测试点进行多次探地雷达扫描，将实际探测数据与基准点坐标对比，计算探地雷达系统的参数并优化校准参数。

22、可选地，对定位模块进行标定与初始化，包括：

23、利用伪距和载波相位观测值，通过最小二乘法或卡尔曼滤波解算厘米级位置坐标，获取rtk固定解；

24、定位解算公式为：

25、(x,y,z) = argmin σ(ri - bi)²

26、其中，ri为观测的相对位置信息，bi为观测数据向量；

27、确保接收机在卫星信号覆盖区域内，捕获多颗卫星的伪距和相位信息；

28、将计算得到的rtk结果作为初始位置参数输入，为后续系统的精确运行奠定基础。

29、可选地，所述以定位模块秒脉冲为基准生成同步触发信号，驱动各传感器同步采集数据，包括：

30、以定位模块输出的1pps秒脉冲信号和utc时间为基准，由中央控制单元的fpga内部生成10khz同步触发脉冲；

31、该脉冲同时驱动多目视觉系统的相机硬触发拍照，探地雷达开始脉冲发射与回波采样，编码器测距轮中断计数；

32、多目视觉系统以预设帧率采集路面图像，探地雷达按等空间间隔采集反射回波，定位模块以100hz频率输出位置、速度、姿态、时间信息，惯性测量单元同步输出加速度、角速度数据，高精度里程计输出相对位移信息。

33、可选地，所述方法还包括基于惯性测量单元角速度数据的运动模糊补偿，包括：

34、对惯性测量单元角速度数据在曝光时间内进行积分，得到相机旋转角度；

35、基于所述旋转角度构建点扩散函数模型，采用维纳滤波进行图像去模糊，维纳滤波公式为：

36、；

37、其中，ideblur为去模糊后的恢复图像，f-1为逆傅里叶变换，f(psf)为点扩散函数的傅里叶变换，f(iblur)为模糊图像的傅里叶变换，|f(psf)|²为点扩散函数傅里叶变换的模平方，k为噪声功率与信号功率的比值；

38、将去模糊后的清晰图像输入多目视觉系统，用于后续三维重建与表面病害识别。

39、可选地，基于所述标定结果将多目视觉图像和探地雷达数据转换至统一地理坐标系，包括：

40、根据传感器标定阶段获取的刚体变换矩阵，将多目视觉图像反算为地面绝对坐标；

41、将探地雷达道数据结合速度模型换算为地下反射点的三维坐标；

42、输出统一地理坐标系下的虚拟数据立方体，每个空间位置关联可见光图像块、雷达波形、病害可能性标签。

43、可选地，对探地雷达数据执行信号处理与特征提取识别内部病害，包括：

44、对探地雷达数据执行克希霍夫积分法偏移处理，将绕射波归位；

45、提取双曲线特征，采用模板匹配或卷积神经网络识别脱空、疏松内部病害；

46、对识别的异常区域，计算双程走时，利用道路材料介电常数换算为深度，精度控制在5厘米以内。

47、第二方面，提供了一种多传感器融合公路病害智能监测系统，该系统包括：

48、任务规划单元，用于根据待检测路段信息配置多目视觉系统、探地雷达及定位模块的工作参数，生成任务参数文件；

49、标定初始化单元，用于基于所述任务参数文件，对多目视觉系统、探地雷达系统及定位模块进行标定与初始化，存储标定结果；

50、数据同步采集单元，用于以定位模块秒脉冲为基准生成同步触发信号，驱动多目视觉系统、探地雷达、定位模块、惯性测量单元及里程计同步采集路面图像、雷达回波、位置姿态及位移数据，所有数据打上统一时空标签；

51、空间对齐与轨迹生成单元，用于融合定位模块、惯性测量单元及里程计数据生成车辆连续轨迹，基于所述标定结果将多目视觉图像和探地雷达数据转换至统一地理坐标系，构建虚拟数据立方体；

52、病害识别与融合单元，用于基于所述虚拟数据立方体，对探地雷达数据执行信号处理与特征提取识别内部病害，对多目视觉图像执行三维重建与图像分割识别表面病害，通过多源数据融合算法将地下异常与地表缺陷进行空间关联与置信度融合，输出融合后的病害信息；

53、定位修正与可视化单元，用于将所述融合后的病害信息输入定位修正模块进行离群点剔除，输出病害的精确地理坐标及深度范围，生成综合病害分布图与三维可视化场景；

54、评估报告输出单元，用于基于所述综合病害分布图与三维可视化场景，统计病害密度与严重指数，评估严重程度并分析表内部病害关联性，输出检测报告。

55、本技术实施例提供的技术方案带来的有益效果至少包括：

56、（1）通过融合多目视觉表面检测与探地雷达内部探测，解决了现有技术中表面病害与内部病害“表里不一”无法关联分析的问题，实现了对公路裂缝、坑槽、脱空、疏松等表内部病害的同步识别与空间关联，提升了病害诊断的全面性和准确性。

57、（2）以北斗rtk秒脉冲为基准生成同步触发信号，驱动多目视觉、探地雷达、惯性测量单元及里程计同步采集并打上统一时空标签，通过卡尔曼滤波或因子图优化融合多源数据生成车辆连续六自由度轨迹，实现了病害位置的厘米级精确定位，解决了单一传感器定位精度不足、时间漂移等问题。

58、（3）从任务规划、传感器标定、同步采集、空间对齐、病害识别融合到评估报告输出形成完整闭环，通过fpga硬件同步触发、数据块打包存储与上传、虚拟数据立方体构建等技术手段，显著提升了检测效率和数据处理能力，减少了人工干预环节。

59、（4）通过构建虚拟数据立方体、生成综合病害分布图与三维可视化场景，直观展示病害的空间位置和形态，结合病害密度统计、严重程度评估及发展趋势预测，输出分级预警和养护决策建议，为公路养护管理提供了科学的数据支撑。