陳 俊 周若愚 蒯陳辰 盛稚嚴(yán) 陳 乾

(1河海大學(xué)土木與交通學(xué)院, 南京 210098)(2東南大學(xué)交通學(xué)院, 南京 211189)

無人駕駛是智能交通的發(fā)展趨勢(shì),也是未來交通運(yùn)輸?shù)谋厝恍枨骩1].無人駕駛時(shí)車輛制動(dòng)、加速、變道等策略,除了受交通狀況、車輛因素影響之外,還取決于道路表面狀態(tài),尤其是路表構(gòu)造深度和紋理[2-4].自動(dòng)、實(shí)時(shí)、完整地獲取路表構(gòu)造和紋理信息,并及時(shí)制定合理的駕駛策略是無人駕駛車輛安全行駛的基本要求.

目前,測(cè)試道路表面構(gòu)造的方法包括2種:接觸式和非接觸式.其中,接觸式測(cè)量主要采用鋪砂法、擺式儀、旋轉(zhuǎn)式或連續(xù)式摩擦系數(shù)測(cè)試儀等,對(duì)路表構(gòu)造或摩擦系數(shù)進(jìn)行定點(diǎn)測(cè)量,這類方法不僅受人為因素影響大,且獲取的路表構(gòu)造信息有限,測(cè)試效率較低[5-6],無法滿足無人駕駛車輛對(duì)路表構(gòu)造快速、實(shí)時(shí)獲取的要求.非接觸式測(cè)量主要包括激光測(cè)量法、工業(yè)CT掃描法、近景攝影測(cè)量法等.其中,激光測(cè)量法僅適用于干燥瀝青路面,且激光測(cè)試設(shè)備十分昂貴[7];CT掃描技術(shù)只能在室內(nèi)對(duì)試件進(jìn)行掃描,需提前對(duì)瀝青路面鉆孔取芯[8-9],無法滿足無人駕駛車輛對(duì)路表構(gòu)造特征的實(shí)時(shí)獲取要求.

近景攝影測(cè)量是對(duì)物距不大于300 m的目標(biāo)物進(jìn)行多角度的環(huán)繞拍照,由各圖像間數(shù)字特征匹配和點(diǎn)云數(shù)據(jù)重構(gòu)路表構(gòu)造,并提取構(gòu)造特征信息[10],具有測(cè)試時(shí)間短、效率高等優(yōu)點(diǎn)[11-14].陳嘉穎等[15]根據(jù)近景攝影測(cè)量原理采用環(huán)形分布的3個(gè)相機(jī),結(jié)合圖像算法,快速重構(gòu)了瀝青混合料表面三維構(gòu)造.但是,無人駕駛車輛僅能在窄角度范圍內(nèi)獲取前方或者后方路表的圖像,難以做到對(duì)路表的多角度環(huán)繞拍攝,導(dǎo)致環(huán)繞近景攝影無法直接應(yīng)用于無人駕駛車輛.而基于前后兩車窄角域攝影(前車向后拍攝+后車向前拍攝)的路表構(gòu)造重建,能夠獲得前后兩車之間路段上的路表構(gòu)造,從而為后車制定無人駕駛策略提供實(shí)時(shí)路表參數(shù).因此,建立基于雙側(cè)窄角域攝影的路面構(gòu)造重構(gòu)方法,并對(duì)路表構(gòu)造信息進(jìn)行全面評(píng)價(jià),對(duì)于無人駕駛技術(shù)發(fā)展意義重大.

本文采用雙側(cè)窄角域攝影技術(shù),結(jié)合多圖片數(shù)字特征匹配方法,建立瀝青路表三維構(gòu)造重構(gòu)方法;通過與鋪砂法獲得的構(gòu)造深度、經(jīng)典環(huán)繞攝影獲得的三維點(diǎn)云比較,驗(yàn)證本文方法的正確性;將該方法應(yīng)用于3種類型瀝青混合料表面構(gòu)造的重構(gòu)中,建立平均構(gòu)造深度、構(gòu)造標(biāo)準(zhǔn)差、單位面積上峰數(shù)、峰高標(biāo)準(zhǔn)差等新指標(biāo)來全面評(píng)價(jià)路表構(gòu)造信息.

1 瀝青混合料表面構(gòu)造三維重構(gòu)方法

本文瀝青混合料表面三維構(gòu)造的重構(gòu)主要包括3個(gè)步驟:圖像采集及處理、三維點(diǎn)云構(gòu)建、表面模型重建.

1.1 圖像采集及處理

根據(jù)圖1所示的無人駕駛車輛攝影原理,本文在瀝青混合料左右兩側(cè)均進(jìn)行窄角域拍攝,拍攝范圍為混合料上表面標(biāo)尺內(nèi)部的方形區(qū)域(長(zhǎng)210 mm、寬120 mm),兩側(cè)機(jī)位與拍攝區(qū)域中心的水平距離為30 cm,相機(jī)光軸與水平方向夾角在45°～60°內(nèi),如圖2所示.對(duì)所有圖像進(jìn)行畸變校正、切割、對(duì)比度增強(qiáng)、陰影去除、降噪等處理[16].圖像處理后,瀝青混合料表面特征點(diǎn)在每一張相片上均留下印記.

圖1 前后兩側(cè)窄角域攝影的路表重構(gòu)及其與駕駛策略關(guān)系

圖2 對(duì)瀝青混合料左右兩側(cè)的窄角域攝影

1.2 三維點(diǎn)云構(gòu)建

構(gòu)建點(diǎn)云的核心是由相片上特征點(diǎn)的二維坐標(biāo),反推出特征點(diǎn)在混合料表面的三維坐標(biāo).以圖2為例,根據(jù)相片1和相片2上P′和P″在相片上的平面坐標(biāo),確定點(diǎn)P在混合料表面的三維坐標(biāo),具體步驟如下:

① 特征點(diǎn)匹配.參照文獻(xiàn)[17],采用局部特征向量描述相片圖像內(nèi)各點(diǎn)的方向、尺度和位置特征,當(dāng)一張圖像中某點(diǎn)局部特征向量與其他圖像某點(diǎn)特征向量的歐氏距離最小時(shí),該兩點(diǎn)為特征點(diǎn)對(duì),完成匹配.圖1中P′和P″即為瀝青混合料表面P點(diǎn)在2張相片上匹配出的特征點(diǎn)對(duì).

② 坐標(biāo)系轉(zhuǎn)換.被攝瀝青混合料所在地面坐標(biāo)系為OXYZ,機(jī)位1坐標(biāo)系為o′x′y′z′,機(jī)位2坐標(biāo)系為o″x″y″z″.在相機(jī)焦距為f時(shí),確定P′在機(jī)位1坐標(biāo)系內(nèi)的坐標(biāo)(x1,y1,f),并將其轉(zhuǎn)化為P′在地面坐標(biāo)系的坐標(biāo)(X1,Y1,Z1),即

(1)

③ 特征點(diǎn)坐標(biāo)求解.根據(jù)o′P′P、o″P″P三點(diǎn)共線,可得

(2)

(3)

聯(lián)立式(2)和(3),求解點(diǎn)P在地面坐標(biāo)系的坐標(biāo)(X,Y,Z),獲得所有特征點(diǎn)在瀝青混合料表面三維空間的坐標(biāo),即三維點(diǎn)云數(shù)據(jù).采用Python語(yǔ)言,對(duì)路表三維點(diǎn)云的上述構(gòu)建方法進(jìn)行編譯,以滿足無人駕駛車輛快速、實(shí)時(shí)地根據(jù)路表圖像獲取三維點(diǎn)云的要求.

1.3 三維模型重建

根據(jù)混合料表面各個(gè)特征點(diǎn)的三維坐標(biāo),由VisualSFM平臺(tái)建立三維點(diǎn)云,并采用MeshLab軟件刪除雜點(diǎn)后完成表面實(shí)體建模.采用Geomagic Design X軟件,對(duì)混合料表面矩形框尺(見圖2)的角點(diǎn)進(jìn)行坐標(biāo)系調(diào)整,并按框尺長(zhǎng)度進(jìn)行校準(zhǔn)或比例縮放.

2 表面三維構(gòu)造重建方法的驗(yàn)證

2.1 室內(nèi)驗(yàn)證

對(duì)瀝青路表普遍使用的AC-13、SMA-13和OGFC-13混合料,按表1所示級(jí)配和瀝青用量在室內(nèi)成型車轍板.按照上文方法,獲得了3種混合料車轍板表面長(zhǎng)210 mm、寬120 mm范圍內(nèi)的點(diǎn)云,并重構(gòu)了它們的表面三維構(gòu)造,如圖3所示.可見,3種混合料表面完成匹配的三維點(diǎn)云密度d(即單位面積上特征點(diǎn)數(shù)量)在170個(gè)/cm2以上,點(diǎn)云密集,由此重構(gòu)的混合料表面構(gòu)造也十分細(xì)膩,每cm2表面三角片數(shù)量ft在460個(gè)以上.這說明結(jié)合雙側(cè)窄角域攝影和特征點(diǎn)匹配,能夠計(jì)算出混合料表面大量密集特征點(diǎn)的三維坐標(biāo),并重構(gòu)出表面的三維構(gòu)造.

表1 3種瀝青混合料的級(jí)配和瀝青用量

(a) 車轍板

(b) 表面點(diǎn)云

(c) 三維構(gòu)造

在Matlab中對(duì)尺寸為210 mm×120 mm的模型,按線性插值法,生成大小為2 101×1 201的表面豎向坐標(biāo)矩陣,矩陣每行/列相鄰兩點(diǎn)的水平距離為0.1 mm.按下式計(jì)算平均構(gòu)造深度dMTD:

(4)

式中,Zp為計(jì)算區(qū)域內(nèi)路表最高點(diǎn)的豎向坐標(biāo)值;Z(xi,yj)為(xi,yj)處路表豎向坐標(biāo)值;M,N分別為路表深度矩陣在x,y方向上點(diǎn)的個(gè)數(shù).

分別采用鋪砂法和環(huán)繞攝影法測(cè)試混合料板表面的構(gòu)造深度,并與按式(4)計(jì)算的平均構(gòu)造深度進(jìn)行比較,結(jié)果如圖4所示.此外,考慮到環(huán)繞攝影已被文獻(xiàn)[15]證明是重構(gòu)路表構(gòu)造的正確方法,本文對(duì)3種瀝青混合料板進(jìn)行環(huán)繞攝影及三維建模,并計(jì)算平均構(gòu)造深度,結(jié)果見圖4.

圖4 3種瀝青混合料表面構(gòu)造深度

由圖4可看出,對(duì)于AC-13和SMA-13瀝青混合料,采用本文雙側(cè)窄角域攝影建模后計(jì)算得到的構(gòu)造深度,與經(jīng)典環(huán)繞法攝影計(jì)算值、鋪砂法實(shí)測(cè)值差異很小.對(duì)于OGFC-13這種多孔隙瀝青混合料,計(jì)算值與實(shí)測(cè)值的差異僅為9.1%,造成這種差異的原因是:平均構(gòu)造深度計(jì)算值是混合料表面各點(diǎn)和表面最高點(diǎn)高度差的平均值,而鋪砂法測(cè)試時(shí)表面鋪開的細(xì)砂可能沒有完全達(dá)到表面最高點(diǎn).3種瀝青混合料構(gòu)造深度計(jì)算值與實(shí)測(cè)值的較小差異,證明了雙側(cè)窄角域攝影重構(gòu)混合料表面構(gòu)造方法的正確性.

2.2 室外驗(yàn)證

選擇表面構(gòu)造差異顯著的6個(gè)路段,對(duì)每個(gè)路段內(nèi)12個(gè)測(cè)點(diǎn)(相鄰測(cè)點(diǎn)間隔60 cm)分別進(jìn)行雙側(cè)窄角域攝影和鋪砂法試驗(yàn),并以12個(gè)測(cè)點(diǎn)構(gòu)造深度均值作為路段的構(gòu)造深度,結(jié)果如圖5所示.由圖可見,6個(gè)路段因混合料級(jí)配、使用年限等差異,表面構(gòu)造深度差異很大,范圍為0.41～0.83 mm.但是,同一路段構(gòu)造深度的實(shí)測(cè)值與計(jì)算值基本相同,兩者擬合后線性相關(guān)度高達(dá)0.967 6,呈現(xiàn)良好的線性關(guān)系.這表明基于雙側(cè)窄角域攝影的瀝青路表三維重構(gòu)方法不僅適用于室內(nèi)壓實(shí)混合料,也適用于野外實(shí)際路面構(gòu)造深度的測(cè)量.

圖5 路表構(gòu)造深度計(jì)算值與鋪砂法實(shí)測(cè)值的關(guān)系

2.3 不同光照強(qiáng)度下建模方法適用性分析

在晴天12:00、14:00、16:00、18:00和20:00這5個(gè)時(shí)刻,分別采用光照計(jì)測(cè)量太陽(yáng)光照強(qiáng)度,并根據(jù)上述雙側(cè)窄角域攝影建模方法,對(duì)路表同一區(qū)域(210 mm×120 mm)重構(gòu)模型,計(jì)算三維點(diǎn)云密度d和平均構(gòu)造深度,結(jié)果如表2所示.可看出,在光線充足的白天,雙側(cè)窄角域拍攝的圖像能夠完成三維建模,且12:00～18:00之間4個(gè)時(shí)刻匹配出的特征點(diǎn)數(shù)量差異較小,計(jì)算出的構(gòu)造深度幾乎沒有差異,但在20:00光線不良時(shí),圖像間匹配成功的特征點(diǎn)十分有限,無法重構(gòu)清晰的路表構(gòu)造.因此,雙側(cè)窄角域拍攝應(yīng)用于夜晚光線暗淡條件需借助外部光源.

表2 不同時(shí)刻下路表同一區(qū)域的構(gòu)造重構(gòu)

在夜晚時(shí)分,采用3種模式(相機(jī)+手電照明、相機(jī)+閃光燈、夜景)對(duì)路表同一區(qū)域(210 mm×120 mm)進(jìn)行圖像采集,構(gòu)建三維點(diǎn)云和模型,并與白天光線充足條件下實(shí)驗(yàn)結(jié)果進(jìn)行比較,如表3所示.盡管夜晚?xiàng)l件下相機(jī)+手電照明、相機(jī)+閃光燈模式下三維點(diǎn)云密度d均少于白天光線充足時(shí),但上述2種模式下獲得的平均構(gòu)造深度僅略小于白天攝影獲得的平均構(gòu)造深度.這說明借助合適的外部光源,本文的建模方法依然能夠獲得足夠大的特征點(diǎn)密度,適用于野外光線不良條件.

表3 3種外部光源模式與白天建模效果的比較

3 路面建模方法應(yīng)用于無人駕駛的可行性分析

除了通過室內(nèi)外測(cè)試驗(yàn)證建模方法的正確性之外,本文從硬件要求、建模精度、應(yīng)用于無人駕駛車輛的可行性等方面[12-15]，對(duì)基于雙側(cè)窄角域攝影的建模方法、經(jīng)典環(huán)繞攝影的建模方法和傳統(tǒng)雙目視覺的建模方法進(jìn)行了比較,如表4所示.可看出,相比于傳統(tǒng)雙目攝影建模方法,本文建立的雙側(cè)窄角域攝影建模方法通過更多的攝像頭實(shí)現(xiàn)了更高精度的建模,而與經(jīng)典環(huán)繞攝影建模方法相比,本文方法通過車頭攝像頭向前拍攝+車尾攝像頭向后拍攝,更易應(yīng)用于無人駕駛汽車上.此外,路表建模和構(gòu)造特征計(jì)算效率是評(píng)價(jià)各種方法應(yīng)用于無人駕駛可行性的重要指標(biāo),由于表4所列3種方法所用相機(jī)數(shù)量較少,在當(dāng)前計(jì)算機(jī)芯片數(shù)據(jù)處理能力不斷提高的背景下,3種方法計(jì)算效率差異應(yīng)不大.因此,從建模精度、應(yīng)用難度、計(jì)算效率等角度評(píng)判,基于雙側(cè)窄角域攝影的建模方法應(yīng)用于無人駕駛具有可行性.

表4 路表構(gòu)造3種測(cè)試方法的比較

4 混合料表面三維構(gòu)造特征分析

4.1 混合料表面構(gòu)造深度分布特征

本文從混合料表面各點(diǎn)深度均值和深度離散程度2個(gè)方面,分析混合料構(gòu)造分布特征.采用MATLAB提取瀝青混合料表面(范圍為21 cm×12 cm)各特征點(diǎn)坐標(biāo),繪制各特征點(diǎn)的豎向深度圖,如圖6所示,其中標(biāo)尺的零點(diǎn)為混合料表面豎向最高處,x和y方向與圖2一致.由圖可直觀看出,3種瀝青混合料表面均凹凸不平,根據(jù)深度標(biāo)尺可看出,AC-13表面凹凸程度最小,OGFC-13表面凹凸程度最大,這與密級(jí)配和開級(jí)配混合料表面特征相符.為了分析混合料表面深度分布,對(duì)圖6中表面各特征點(diǎn)的深度數(shù)據(jù)進(jìn)行統(tǒng)計(jì),結(jié)果如圖7所示.

由圖7可見,AC-13表面90%以上構(gòu)造主要集中在0～1.5 mm較窄范圍內(nèi),構(gòu)造深度標(biāo)準(zhǔn)差σ1僅為0.343 mm,構(gòu)造深度較集中、單一.與AC-13不同,SMA-13、OGFC-13構(gòu)造深度范圍較廣,尤其是OGFC-13,其表面各點(diǎn)構(gòu)造深度在0.5～3.5 mm的較大范圍內(nèi)都有分布,既有淺構(gòu)造,又有深構(gòu)造,構(gòu)造深度標(biāo)準(zhǔn)差達(dá)到0.596 mm.

4.2 單位面積上峰數(shù)及峰高標(biāo)準(zhǔn)差

在上述混合料表面模型上,混合料表面的波峰是凸出的集料顆粒,單位面積上峰的數(shù)量越多,說明與路表輪胎接觸的集料越多,路/胎有效接觸面積越大,在外荷載不變時(shí),這些集料受力越小,被磨速率越小.此外,凸出集料被磨光速率還受顆粒高度差異的影響,凸出集料顆粒的高度越接近,集料顆粒受外力作用就越均勻,被磨速率就越慢.因此,在上述建立的混合料表面三維模型的基礎(chǔ)上,統(tǒng)計(jì)分析水平單位面積上峰數(shù)及峰高離散程度具有實(shí)際意義.

(a) AC-13(dMTD=0.918 mm)

(a) AC-13(σ1=0.343 mm)

參考文獻(xiàn)[19-20]胎/路接觸應(yīng)力分析中有關(guān)接觸構(gòu)造的定義,本文將高于平均構(gòu)造深度的路表局部最高點(diǎn)認(rèn)為是峰,如圖8所示,采用Matlab內(nèi)自編子程序,識(shí)別3種瀝青混合料表面(范圍為21 cm×12 cm)波峰,并計(jì)算單位面積上峰數(shù)N及峰高標(biāo)準(zhǔn)差σ2,結(jié)果如圖9所示.3種瀝青混合料中,單位面積上AC-13擁有最多的波峰和最小的峰高標(biāo)準(zhǔn)差,而OGFC-13單位面積上波峰數(shù)最少,峰高標(biāo)準(zhǔn)差最大.由此可以推測(cè),AC-13與輪胎有效接觸面積最大,且輪胎與AC-13接觸應(yīng)力較均勻,應(yīng)力集中程度較低,而OGFC-13因較大的峰高標(biāo)準(zhǔn)差、較少的波峰,其與輪胎接觸存在相對(duì)較高的應(yīng)力集中.接觸應(yīng)力集中將導(dǎo)致OGFC-13表面磨耗或磨光較快,這與文獻(xiàn)[19-20]的結(jié)論相符.可見,本文提出的混合料單位面積上峰數(shù)、峰高標(biāo)準(zhǔn)差,可以間接反映胎/路接觸應(yīng)力均勻性,為從減緩集料磨耗角度進(jìn)行混合料級(jí)配優(yōu)化提供了新思路.

圖8 胎/路接觸處路表構(gòu)造特征

4.3 混合料表面構(gòu)造的方向差異性

無人駕駛時(shí)車輛的制動(dòng)和變道策略,分別與路表縱向和橫向構(gòu)造密切相關(guān),為了分析混合料表面構(gòu)造在水平2個(gè)方向上的差異性,在重建的混合料表面模型中沿x方向和y方向分別截取斷面,繪制斷面上的構(gòu)造輪廓曲線(見圖10),并分別計(jì)算2個(gè)方向上斷面的單峰平均間距和平均斷面深度.

圖9 混合料表面波峰、單位面積上波峰數(shù)及峰高標(biāo)準(zhǔn)差

圖10 混合料斷面輪廓特征

單峰平均間距S的計(jì)算公式為

(5)

式中,Si為斷面上相鄰兩峰(局部最高點(diǎn))的水平距離;n為峰的總數(shù)量.

平均斷面深度dMPD的計(jì)算公式為

(6)

式中,zp為斷面上最高點(diǎn)的豎向坐標(biāo)值;z(xi)為在斷面x方向上第i個(gè)點(diǎn)的豎向坐標(biāo)值;K為組成斷面圖的散點(diǎn)個(gè)數(shù).

圖11為瀝青混合料表面2個(gè)方向上單峰平均間距和平均斷面深度.由圖可知,3種混合料表面x方向與y方向的單峰平均間距和平均斷面深度均沒有明顯差異,說明混合料表面構(gòu)造在2個(gè)方向上差異不明顯,無人駕駛車輛橫向變道和縱向加速制動(dòng)過程中,可采用同一構(gòu)造特征,無需考慮構(gòu)造的方向差異性.

(a) 單峰平均間距

(b) 平均斷面深度

5 結(jié)論

1) 通過雙側(cè)窄角域拍攝圖像的特征點(diǎn)匹配、坐標(biāo)系轉(zhuǎn)化和三維坐標(biāo)計(jì)算,能夠建立路表三維點(diǎn)云,實(shí)現(xiàn)對(duì)三維構(gòu)造的重建.

2) 基于雙側(cè)窄角域攝影重構(gòu)計(jì)算得到的路表構(gòu)造深度,與環(huán)繞攝影建模、鋪砂法所測(cè)構(gòu)造深度相當(dāng),雙側(cè)窄角域攝影表面重構(gòu)方法適用于光線充足的白天和合適外部光源的夜晚.

3) 提出了采用平均構(gòu)造深度和構(gòu)造標(biāo)準(zhǔn)差評(píng)價(jià)路表構(gòu)造分布特征,采用單位面積上峰數(shù)和峰高標(biāo)準(zhǔn)差間接反映路表波峰耐磨特性.

4) 本文提出的瀝青路表三維重構(gòu)及構(gòu)造特征分析方法,在無人駕駛應(yīng)用中可以采用前車向后拍攝+后車向前拍攝方式加以實(shí)施,以獲取兩車之間區(qū)域路表構(gòu)造特征,為后車制定無人駕駛策略提供路表參數(shù).但是,有關(guān)路表構(gòu)造的自動(dòng)化重建、構(gòu)造特征計(jì)算效率、攝影參數(shù)(距離、角度)等還有待后續(xù)深入研究.