摘要 道路通行質(zhì)量檢測通常需要在實際道路上進(jìn)行，而現(xiàn)場環(huán)境復(fù)雜多變，包括交通流量、天氣條件、地形地貌等因素，這些外部因素都會對檢測工作帶來一定的挑戰(zhàn)。為此，該文提出基于無人機傾斜攝影的道路通行質(zhì)量檢測技術(shù)，并分析了該技術(shù)對路面維護(hù)管理的影響。同時構(gòu)建無人機采集道路圖像的坐標(biāo)，以此為基礎(chǔ)，獲取道路三維點云圖，進(jìn)而實現(xiàn)道路通行質(zhì)量檢測。試驗結(jié)果表明：研究方法的三維點云圖具有更理想的信息完整性，幾乎沒有噪聲問題，且該方法能夠準(zhǔn)確檢測出道路存在通行質(zhì)量問題的具體位置，具有非常理想的應(yīng)用效果。

關(guān)鍵詞 無人機傾斜攝影；道路通行質(zhì)量；檢測技術(shù)；路面維護(hù)；影響分析

中圖分類號 TP237 文獻(xiàn)標(biāo)識碼 A 文章編號 2096-8949（2024）23-0145-03

0 引言

道路交通作為城市運行的重要基礎(chǔ)設(shè)施，其通行質(zhì)量直接關(guān)系到人們的出行安全和城市的整體運行效率[1]。然而，隨著道路使用年限的增長和交通量的不斷增加，道路通行質(zhì)量問題日益凸顯，如路面破損、平整度下降等，這些問題不僅影響了道路的使用性能和行車安全，也給道路維護(hù)管理帶來了巨大挑戰(zhàn)[2]。因此，研究道路通行質(zhì)量檢測技術(shù)，通過科學(xué)的手段和方法，對道路質(zhì)量進(jìn)行定期檢測和評估，及時發(fā)現(xiàn)和解決道路通行質(zhì)量問題，對于保障道路安全暢通、提高道路使用性能具有重要意義[3]。同時，檢測技術(shù)的應(yīng)用還能為路面維護(hù)管理提供科學(xué)依據(jù)，優(yōu)化維護(hù)策略，降低維護(hù)成本，提高維護(hù)效率。韓豫等[4]以對路面病害的檢測為研究目標(biāo)，首先通過深度學(xué)習(xí)對道路的病害問題完成分類，并基于此，利用ArcMap地理信息系統(tǒng)生成道路健康地圖。盡管深度學(xué)習(xí)算法在圖像識別和處理方面取得了顯著進(jìn)展，但在處理道路質(zhì)量檢測中的復(fù)雜場景時，仍存在一些挑戰(zhàn)。例如，當(dāng)?shù)缆反嬖趪?yán)重磨損、遮擋、光線變化劇烈或光線較差等復(fù)雜情況時，深度學(xué)習(xí)算法的準(zhǔn)確性和魯棒性可能會受到影響。張榮華等[5]以大厚度粗粒土路基為研究對象，通過對路基的動態(tài)變形模量和彎沉的高密度檢測，實現(xiàn)路基的壓實質(zhì)量控制。但是，動態(tài)變形模量測試的結(jié)果受到測試條件（如溫度、濕度、加載速度等）的影響較大。如果測試條件不穩(wěn)定或控制不當(dāng)，可能會導(dǎo)致測試結(jié)果的不準(zhǔn)確或不穩(wěn)定。

為此，該研究提出基于無人機傾斜攝影的道路通行質(zhì)量檢測技術(shù)，并分析了該技術(shù)對路面維護(hù)管理的影響。

1 道路通行質(zhì)量檢測技術(shù)

1.1 無人機傾斜攝影坐標(biāo)系構(gòu)建

無人機傾斜攝影技術(shù)通過搭載在無人機平臺上的高分辨率相機，從多個角度捕捉道路的影像數(shù)據(jù)。這種方式可以避開地面的障礙物和交通流量的影響，降低現(xiàn)場環(huán)境的復(fù)雜性對檢測工作的影響。同時，無人機可以飛越地形復(fù)雜的區(qū)域，如山區(qū)、河流等，獲取難以通過傳統(tǒng)方法獲取的道路影像數(shù)據(jù)。但是，在這個過程中。道路質(zhì)量圖像采集的優(yōu)劣會受到無人機飛行高度、陽光光線角度、陽光亮度等情況的影響，因此需要設(shè)置相關(guān)的參數(shù)，從而能夠?qū)崿F(xiàn)道路通行質(zhì)量圖像序列的獲取。

無人機實現(xiàn)道路的圖像采集過程中，地面分辨率和無人機飛行高度成反比，表示為：

（1）

式中：——無人機飛行高度（m），——無人機鏡頭的焦距（mm），——地面分辨率（px），——圖像像元尺寸（μm）。

通過將航帶兩端間的像素點直線長度與偏離此直線最遠(yuǎn)的像素點的距離作比值，得到的數(shù)值倒數(shù)稱為航帶彎曲度，表示為：

（2）

式中：——航帶彎曲度（°），——偏離距離（m），——兩端間距（m）。

在無人機進(jìn)行道路的圖像采集時，通過合適的坐標(biāo)系進(jìn)行像點與地面點坐標(biāo)的表示。所需的坐標(biāo)系如圖1所示。

1.2 道路點云數(shù)據(jù)生成

在成功構(gòu)建的無人機道路圖像精確坐標(biāo)系統(tǒng)的基礎(chǔ)上，此節(jié)將介紹如何利用無人機采集的道路通行圖像生成點云道路圖像。首先，需要確保無人機搭載的攝影設(shè)備具備高分辨率和廣角視野，以便捕獲道路表面的詳細(xì)紋理和特征。無人機將按照預(yù)設(shè)的航線和高度，對道路進(jìn)行全方位的拍攝，捕獲到的圖像將包含道路的幾何形狀、紋理信息以及可能的損壞情況等關(guān)鍵信息。接著，對這些原始圖像進(jìn)行預(yù)處理。預(yù)處理步驟包括去噪、增強對比度、色彩校正等，以提高圖像的清晰度和可讀性，從而更準(zhǔn)確地提取出道路表面的特征信息。然后，利用攝影測量學(xué)原理，結(jié)合無人機拍攝的圖像和坐標(biāo)系統(tǒng)信息，對道路表面進(jìn)行三維重建。這一過程通過計算機視覺和計算幾何算法實現(xiàn)，將二維圖像中的像素點映射到三維空間中的坐標(biāo)點，從而生成道路的三維點云圖。具體步驟如下：

（1）從道路起點開始進(jìn)行圖像采集，每隔距離進(jìn)行道路上點的獲取，構(gòu)成點云。

（2）依據(jù)得到的點云數(shù)據(jù)，通過KD樹索引方法實現(xiàn)以點為圓心、以為半徑的圓內(nèi)點的尋找，并將距離加權(quán)高程值設(shè)為點的高程，得到道路數(shù)據(jù)的第個三維坐標(biāo)點。

（3）重復(fù)步驟（1）、（2），得到道路所有點坐標(biāo)系。

（4）將得到的三維坐標(biāo)點與成像距離中心的距離按照從小到大順序排列，得到道路圖像面片，為使所有的圖像塊對應(yīng)面片，需要進(jìn)行擴散操作，為此，需首先對面片鄰域是否為空進(jìn)行判斷。

（5）循環(huán)步驟（4），進(jìn)行若干次面片擴散，最終得到道路圖像點云。

1.3 道路通行質(zhì)量檢測

通過道路圖像點云數(shù)據(jù)，依據(jù)不規(guī)則三角網(wǎng)濾波算法實現(xiàn)道路通行質(zhì)量檢測。不規(guī)則三角網(wǎng)濾波算法是一種基于點云數(shù)據(jù)創(chuàng)建不規(guī)則三角網(wǎng)格，并通過網(wǎng)格的幾何形態(tài)和屬性信息來提取和分析目標(biāo)對象的方法。在道路通行質(zhì)量檢測中，這種方法特別適用于從點云數(shù)據(jù)中提取道路表面特征，如裂縫、坑槽等。不規(guī)則三角網(wǎng)濾波算法原理如圖2所示。

在圖2中，表示待檢測的點云數(shù)據(jù)，通過將選取的種子點、、構(gòu)成三角形，分別用、、表示反復(fù)角（°），表示反復(fù)距離（m）。

對待檢測點云數(shù)據(jù)進(jìn)行如下操作：

（1）以道路中的平坦區(qū)域構(gòu)建初始不規(guī)則三角網(wǎng)濾波模型。

（2）對網(wǎng)格中的點云數(shù)據(jù)計算其到構(gòu)建的模型的距離和角度，將其與設(shè)定的閾值進(jìn)行比較，結(jié)果小于閾值的確定為平坦區(qū)域，反之則為地表道路通行質(zhì)量區(qū)域。

（3）將區(qū)域內(nèi)的所有點云全部進(jìn)行計算。

（4）將點云數(shù)據(jù)中的道路平坦區(qū)域和通行質(zhì)量區(qū)域區(qū)分出來。

2 道路通行質(zhì)量檢測技術(shù)對路面維護(hù)管理的影響分析

無人機傾斜攝影技術(shù)作為一種先進(jìn)的道路質(zhì)量檢測技術(shù)，在路面維護(hù)管理中具有重要的影響和作用。通過結(jié)合傳感器、航空攝影、遙感技術(shù)等多種高新技術(shù)手段，無人機傾斜攝影技術(shù)能夠?qū)崿F(xiàn)對道路質(zhì)量的快速、全面、精準(zhǔn)評估，為道路維護(hù)管理工作提供了全新的思路和方法。

首先，無人機傾斜攝影技術(shù)在道路質(zhì)量檢測中的應(yīng)用，提高了檢測效率和精度。傳統(tǒng)的道路質(zhì)量檢測需要人工巡查、設(shè)備布置等煩瑣步驟，而無人機傾斜攝影技術(shù)可以實現(xiàn)全自動飛行，大大節(jié)省了時間和人力成本。同時，無人機搭載的高精度相機和傳感器能夠獲取高分辨率的路面影像和數(shù)據(jù)，實現(xiàn)對道路平整度、裂縫、坑洼等質(zhì)量指標(biāo)的全面監(jiān)測，提高了檢測的精度和全面性。

其次，無人機傾斜攝影技術(shù)為道路維護(hù)管理提供了更加及時和有效的決策支持。通過定期使用無人機對道路進(jìn)行監(jiān)測，可以及時發(fā)現(xiàn)道路質(zhì)量問題和隱患，為維護(hù)管理部門提供精準(zhǔn)的數(shù)據(jù)支持，制定合理的維護(hù)計劃和修復(fù)方案，降低了維護(hù)成本，延長了道路使用壽命。

此外，無人機傾斜攝影技術(shù)還改變了道路質(zhì)量檢測的工作方式和流程。傳統(tǒng)的道路檢測需要封閉道路、人員駐守等操作步驟，存在一定的安全風(fēng)險和工作難度；而無人機傾斜攝影技術(shù)可以實現(xiàn)遠(yuǎn)程無人作業(yè)，避免了人員傷亡和安全事故可能帶來的損失，保障了檢測工作的順利進(jìn)行。

總的來說，無人機傾斜攝影技術(shù)作為一種新型的道路質(zhì)量檢測技術(shù)，在路面維護(hù)管理中具有巨大的潛力和優(yōu)勢。通過提高檢測效率和精度、提供決策支持和改變工作方式，該技術(shù)為道路維護(hù)管理帶來了革命性的變化，有助于提升道路質(zhì)量，提高道路使用效率，促進(jìn)交通運輸事業(yè)的發(fā)展。

3 試驗設(shè)計與結(jié)果分析

為了驗證無人機傾斜攝影技術(shù)在道路質(zhì)量檢測中的有效性，選擇了位于某城市郊區(qū)的一條長約5 km的主要交通道路作為試驗對象。該道路由于使用年限較長，部分路段出現(xiàn)了不同程度的損壞，如裂縫、坑洼和車轍等。為了全面評估道路的損壞情況，決定采用無人機傾斜攝影技術(shù)進(jìn)行數(shù)據(jù)采集。

試驗數(shù)據(jù)包括以下內(nèi)容。

無人機型號：大疆M300 RTK多旋翼無人機，搭載Zenmuse P1傾斜攝影相機，該相機具備五個鏡頭，能夠同時從垂直和四個傾斜角度捕獲影像。

飛行參數(shù)：無人機在距離地面約100 m的高度進(jìn)行飛行，飛行速度保持在10 m/s，以確保獲取足夠清晰和詳細(xì)的道路影像。

影像數(shù)量：無人機在整條道路上共飛行了10個架次，捕獲了約2 000張高分辨率的傾斜攝影影像。

地面分辨率：影像的地面分辨率達(dá)到了2 cm/pixel，足以清晰地顯示道路上的各種損壞細(xì)節(jié)。

數(shù)據(jù)處理：采集到的影像數(shù)據(jù)隨后被導(dǎo)入到專業(yè)的三維建模軟件Pix4D中進(jìn)行處理，生成了高精度的三維道路模型。通過對模型進(jìn)行細(xì)致的分析，我們可以準(zhǔn)確地識別出道路上的各種損壞情況，并對其進(jìn)行量化評估。

該文研究方法、文獻(xiàn)[4]方法以及文獻(xiàn)[5]方法獲取的三維道路點云圖像如圖3所示。

根據(jù)圖3可知，在道路質(zhì)量檢測中，不同方法獲取的三維道路點云圖像存在較大的清晰度差異。文獻(xiàn)[5]方法的噪聲最為明顯，文獻(xiàn)[4]方法出現(xiàn)了模糊問題，且丟失了部分關(guān)鍵信息。相比之下，該文研究方法的三維點云圖具有更理想的信息完整性，且?guī)缀鯖]有噪聲問題。

在試驗交通區(qū)中抽取5個區(qū)域，通過該文方法對選取的區(qū)域進(jìn)行地表道路通行質(zhì)量檢測，通過相關(guān)人員對該區(qū)域內(nèi)進(jìn)行道路通行質(zhì)量情況排查并進(jìn)行通行質(zhì)量面積計算，以此驗證該文方法實現(xiàn)道路通行質(zhì)量檢測的效果，得到的對比情況如表1所示。

如表1所示，研究方法能夠準(zhǔn)確檢測出道路存在通行質(zhì)量的位置，具有非常理想的應(yīng)用效果。

4 結(jié)束語

隨著無人機技術(shù)的快速發(fā)展，無人機傾斜攝影在道路通行質(zhì)量檢測領(lǐng)域展現(xiàn)出巨大的潛力和價值。該研究提出的基于無人機傾斜攝影的道路通行質(zhì)量檢測技術(shù)，不僅成功構(gòu)建了無人機采集道路圖像的精確坐標(biāo)系統(tǒng)，而且以此為基礎(chǔ)，進(jìn)一步獲取了道路的三維點云圖，從而實現(xiàn)了對道路通行質(zhì)量的全面、準(zhǔn)確檢測。實驗結(jié)果充分證明了該方法的有效性和優(yōu)越性，所生成的三維點云圖信息完整、噪聲低，能夠精準(zhǔn)定位道路通行質(zhì)量問題，為路面維護(hù)管理提供了強有力的數(shù)據(jù)支持。

參考文獻(xiàn)

[1]余俊，吳海軍.王武斌.等.基于深度學(xué)習(xí)的瀝青路面坑槽量化方法[J].公路工程， 2022（4）：95-102.

[2]朱潤田，劉珊，張小明，等.海綿城市透水混凝土路面堵塞及滲透性能研究[J].中外公路， 2022（3）：30-35.

[3]陳勝利.瀝青路面施工技術(shù)在高速公路工程中的實踐[J].建筑科學(xué)， 2022（7）：164.

[4]韓豫，張萌，李宇宏，等.基于深度學(xué)習(xí)和ArcMap的路面病害智能綜合檢測方法[J].江蘇大學(xué)學(xué)報（自然科學(xué)版）， 2023（4）：490-496.

[5]張榮華，王育杰，藺偉，等.大厚度粗粒土路基智能壓實質(zhì)量控制標(biāo)準(zhǔn)研究[J].公路， 2023（4）：1-9.