基于顯微視覺的瀝青路面微觀紋理三維重構(gòu)

鄒麗瓊，周興林，胡怡瑋

（1.武漢科技大學(xué)汽車與交通工程學(xué)院，湖北 武漢，430081；2.中鐵第四勘察設(shè)計(jì)院集團(tuán)有限公司道路交通設(shè)計(jì)研究院，湖北 武漢，430063）

路面微觀紋理構(gòu)造對(duì)路面的耐磨性和抗滑性、輪胎的磨損、輪胎與路面的接觸噪聲等多個(gè)方面產(chǎn)生影響［1］。檢測(cè)瀝青路面微觀紋理是進(jìn)行瀝青路面性能相關(guān)研究的必要前提。

在目前常用的瀝青路面形貌檢測(cè)方法中，基于激光聚焦跟蹤原理的檢測(cè)法只適合于實(shí)驗(yàn)室檢測(cè)，且不能直觀反映出瀝青路面的三維形貌特征［2］；基于激光三角測(cè)量原理的檢測(cè)法可快速、精確地獲得瀝青路面宏觀紋理，但只能得到二維的測(cè)量數(shù)據(jù)，不能獲取全面的瀝青路面三維形貌［3－4］；基于光學(xué)成像的檢測(cè)方法要么不能直觀反映路面三維微觀形貌，要么測(cè)量精度低、程序復(fù)雜、操作繁瑣，其應(yīng)用有一定的局限性［5－7］。

針對(duì)上述問題，本文提出了基于顯微視覺的瀝青路面三維重構(gòu)方法。該方法以激光三角測(cè)量原理為基礎(chǔ)，利用立體顯微鏡采集序列圖像進(jìn)行圖像處理，并結(jié)合Delaunay三角剖分算法實(shí)現(xiàn)瀝青路面三維微觀紋理的快速可視化。

1 檢測(cè)方法及三維成像原理

1.1 檢測(cè)方法

基于顯微視覺的瀝青路面微觀紋理測(cè)量系統(tǒng)由與立體顯微鏡尾部相連的CCD攝像機(jī)、自動(dòng)載物臺(tái)、與豎直方向成45°的線激光發(fā)射器、步進(jìn)電機(jī)和計(jì)算機(jī)組成，如圖1所示。

圖1 測(cè)量系統(tǒng)結(jié)構(gòu)示意圖Fig.1 Schematic diagram of the measuring system

具體檢測(cè)步驟為：將瀝青試件放在自動(dòng)載物臺(tái)上，激光器發(fā)出線光條投射在試件表面，形成與試件表面相交的光條三維圖像；控制自動(dòng)載物臺(tái)向前運(yùn)動(dòng)一個(gè)步長(zhǎng)50μm，并輸出觸發(fā)信號(hào)給CCD攝像機(jī)，攝像機(jī)立即拍攝瀝青試件表面上形成的光條顯微圖像，該圖像既包括瀝青試件表面二維信息，又包含線激光的空間信息；光條顯微圖像經(jīng)過計(jì)算機(jī)中的瀝青路面微觀形貌特征識(shí)別軟件處理，得到瀝青試件光條所在位置的表面輪廓線上所有點(diǎn)的三維世界坐標(biāo)；重復(fù)上述步驟直至自動(dòng)載物臺(tái)運(yùn)動(dòng)步數(shù)的上限值；將多個(gè)條紋坐標(biāo)信息并行排列得到一系列的三維坐標(biāo)點(diǎn)，經(jīng)Delaunay三角剖分算法擬合，實(shí)現(xiàn)瀝青路面微觀紋理的三維重構(gòu)。

1.2 三維成像原理

顯微視覺三維成像如圖2所示。測(cè)量平臺(tái)置于世界坐標(biāo)系原點(diǎn)O，建立坐標(biāo)系O－XYZ；以CCD攝像機(jī)投影中心Oc為原點(diǎn)、光軸所在直線為OcZc，建立攝像機(jī)直角坐標(biāo)系 Oc－XcYcZc；以CCD攝像機(jī)光軸與CCD器件成像平面的交點(diǎn)為原點(diǎn)o1，建立圖像平面坐標(biāo)系o1vu。激光器所投射的光條平面為OLST，P（X，Y，Z）為光切面與瀝青路面相交輪廓線上任意一物點(diǎn)，其在圖像平面上對(duì)應(yīng)的像點(diǎn)為M（v，u）。

圖2 顯微視覺三維成像示意圖Fig.2 Schematic diagram of 3Dimaging based on microvision

根據(jù)小孔成像原理，即必須滿足像點(diǎn)、光心、物點(diǎn)的三點(diǎn)共線，同時(shí)對(duì)激光器發(fā)出的結(jié)構(gòu)光三維空間位置進(jìn)行描述，得到基于顯微視覺的瀝青路面三維成像數(shù)學(xué)模型如下［8］。

式中：li（i＝1，2，…，11）為相機(jī)內(nèi)方位元素的函數(shù)，是測(cè)量系統(tǒng)的待標(biāo)定系數(shù)，可通過直接線性變換法（DLT）標(biāo)定得到［9］；a、b、c、d 均為線激光平面參數(shù)，可通過雙重交比不變?cè)順?biāo)定激光發(fā)射器得到［10］。

基于顯微視覺圖像處理技術(shù)，由式（1）便可得到任意一像點(diǎn)（v，u）對(duì)應(yīng)的物點(diǎn)空間坐標(biāo)（X，Y，Z），進(jìn)而實(shí)現(xiàn)對(duì)激光條紋上對(duì)應(yīng)點(diǎn)的測(cè)量，其空間坐標(biāo)即包含了紋理表面的深度信息，最后通過Delaunay三角剖分算法將這些坐標(biāo)點(diǎn)以三維方式真實(shí)呈現(xiàn)出來，實(shí)現(xiàn)微觀紋理的三維重構(gòu)。

2 顯微圖像的三維重構(gòu)

瀝青路面微觀紋理顯微圖像的三維重構(gòu)分為2個(gè)步驟：①圖像預(yù)處理，進(jìn)行圖像閾值分割，提取激光結(jié)構(gòu)面光條中心線；②三維圖像的恢復(fù)，采用Delaunay三角剖分算法，通過MATLAB軟件編程實(shí)現(xiàn)三維重構(gòu)。

2.1 圖像預(yù)處理

在結(jié)構(gòu)光的測(cè)量中，由于激光器產(chǎn)生的光條投射到物體表面后寬度發(fā)生一定的變化，使得在某些區(qū)域出現(xiàn)數(shù)據(jù)丟失現(xiàn)象，從而影響最后對(duì)光條深度信息的提取。因此，本文采用雙線性插值法對(duì)原始圖像進(jìn)行插值處理，結(jié)果如圖3所示。

圖3 圖像插值處理Fig.3 Image Interpolation

此外，由于受到環(huán)境光的干擾及儀器設(shè)備的影響，圖像中會(huì)存在各種噪聲。要準(zhǔn)確提取圖像中線激光的深度信息從而得到具有較高精度的測(cè)量結(jié)果，必須對(duì)圖像進(jìn)行濾波處理以去除噪聲干擾，本文采用中值濾波。中值濾波是一種典型的基于排序統(tǒng)計(jì)理論的非線性濾波技術(shù)，它在一定條件下可以克服線性濾波器帶來的圖像細(xì)節(jié)模糊問題，因此在有效降噪的同時(shí)還能較好地保護(hù)目標(biāo)圖像的邊緣。圖像濾波處理結(jié)果見圖4。

圖4 圖像濾波處理Fig.4 Image filtering

在某些情況下，圖像濾波除噪會(huì)使圖像變得模糊，因而要對(duì)濾波圖像進(jìn)行銳化處理，本文采用拉普拉斯銳化方法［11］。圖5為銳化處理后的圖像。

圖5 銳化處理后的圖像Fig.5 Image after sharpening

2.2 圖像分割

圖像分割是把圖像劃分成各具特性的區(qū)域并能在其中提取出目標(biāo)區(qū)域的技術(shù)過程。在瀝青路面微觀紋理顯微圖像中，需要獲取的是光條信號(hào)，除此之外的其他信號(hào)為背景信號(hào)，這就要通過圖像分割將光條信號(hào)從背景信號(hào)中分離開來。本文采用的是結(jié)構(gòu)光圖像，因而獲取的圖片背景具有單一性，在圖像分割中可采用全局閾值分割方法［12］。圖6為分割后的圖像。

圖6 閾值分割后的圖像Fig.6 Image after threshold segmentation

2.3 光條中心線的提取

激光器發(fā)射出的結(jié)構(gòu)光一般是束狀，它是一種較為特殊的高斯光束，而不是單純的均勻平面或球面光波［13］。因此，圖像經(jīng)過預(yù)處理和分割后，雖有部分失真但更有利于將光條信號(hào)從背景圖像中提取出來，且并不影響光條信號(hào)深度信息的提取。由于得到的光條較粗，且邊緣擴(kuò)散，光條的精確坐標(biāo)不能確定，這就需要提取光條中心線。

傳統(tǒng)的中心線提取法有極值法、閾值法、灰度重心法等，這些提取方法的算法簡(jiǎn)單、速度快，但是精度很低，而且無法排除噪聲的影響［14］。因此，本文采用二次拋物線擬合法［15］，將光強(qiáng)峰值處作為結(jié)構(gòu)光的中心，從而獲取具有亞像素級(jí)精度的光條中心點(diǎn)坐標(biāo)。光條中心線提取結(jié)果如圖7所示。圖8為光條中心線部分長(zhǎng)度（長(zhǎng)度為200個(gè)像素）的坐標(biāo)值。

圖7 光條中心線提取結(jié)果Fig.7 Result of extracting light strip centerline

圖8 光條中心點(diǎn)坐標(biāo)值Fig.8 Coordinate values of light strip centerline

2.4 表面三維重構(gòu)

經(jīng)過圖像處理和光條中心線提取獲得的是一系列散亂且拓?fù)潢P(guān)系不確定的三維空間點(diǎn)，為了將瀝青路面的表面形貌真實(shí)逼真地呈現(xiàn)出來，還需要進(jìn)行表面三維重構(gòu)，本文選用Delaunay三角剖分算法，通過MATLAB軟件編程來實(shí)現(xiàn)。

Delaunay三角剖分算法大致分為三類：分治算法、增量算法（逐點(diǎn)插入法）和生長(zhǎng)算法［16］。本文選用增量算法，增量算法的基本原理是將點(diǎn)數(shù)據(jù)逐一加入到已經(jīng)形成的剖分面中，然后再更新整個(gè)剖面。

在每一光條中心線上取長(zhǎng)度為200像素的一部分，沿y軸方向重復(fù)疊加500根光條，得到空間坐標(biāo)點(diǎn)云，再對(duì)點(diǎn)云進(jìn)行Delaunay三角剖分，最后得到瀝青路面微觀紋理三維重構(gòu)圖像，圖9為其中的局部放大圖像。

圖9 Delaunay三角剖分結(jié)果Fig.9 Result of Delaunay triangulation

3 試驗(yàn)分析

為驗(yàn)證本文提出的基于顯微視覺的瀝青路面微觀紋理三維重構(gòu)方法的可行性和精度，將其與基于聚焦深度的瀝青路面微觀紋理三維重構(gòu)方法［17］進(jìn)行對(duì)比分析。由文獻(xiàn)［17］可知，聚焦深度重構(gòu)法的測(cè)量精度達(dá)到0.1μm，是一種高精度的瀝青路面微觀形貌檢測(cè)方法，可作為試驗(yàn)對(duì)比依據(jù)。

對(duì)瀝青試件采用上述兩種方法進(jìn)行表面紋理重構(gòu)，選取重構(gòu)區(qū)某一斷面的二維坐標(biāo)（X，Z），得到的試件二維斷面輪廓如圖10所示。由圖10可見，兩種方法獲得的瀝青表面二維斷面輪廓圖像波形接近，波形走向大致相同。在圖10（a）和圖10（b）中各取201個(gè)點(diǎn)的坐標(biāo)值進(jìn)行比較分析，部分?jǐn)?shù)據(jù)如表1所示。

圖10 兩種重構(gòu)方法獲得的二維斷面輪廓Fig.10 2Dcross section contours obtained by two reconstruction methods

表1 兩種重構(gòu)方法獲得的斷面輪廓坐標(biāo)值Table1 Coordinates of cross section contours obtained by two reconstruction methods

按下式來評(píng)定兩種方法的誤差：

式中：N為坐標(biāo)點(diǎn)總數(shù)。

經(jīng)過計(jì)算得到誤差E＝0.0782mm。由此可知，基于顯微視覺的瀝青路面微觀紋理三維重構(gòu)方法是可行。通過試驗(yàn)檢驗(yàn)，該系統(tǒng)的測(cè)量精度達(dá)到了0.017mm，可滿足路面抗滑性、路面材料性能及路面養(yǎng)護(hù)等相關(guān)研究的要求?；诰劢股疃鹊臑r青路面微觀紋理三維重構(gòu)法的測(cè)量精度雖然很高，但需在光照均勻的區(qū)域才有較好的顯示效果，且操作繁瑣；而基于顯微視覺的瀝青路面微觀紋理三維重構(gòu)法是利用激光器發(fā)出的光條與瀝青試件表面相交形成三維圖像，對(duì)光照均勻性無特殊要求，具有精度較高、操作簡(jiǎn)便、三維直觀性強(qiáng)等特點(diǎn)。

4 結(jié)語

由于瀝青路面具有紋理放射自相似性和微尺度特點(diǎn)，本文利用激光三角法測(cè)量原理，融合顯微視覺的局部放大特性，提出了一種基于顯微視覺的瀝青路面微觀紋理三維重構(gòu)方法。該方法精度高、操作簡(jiǎn)便、三維直觀性強(qiáng)，對(duì)光照均勻性無特殊要求。在實(shí)際使用中，由于攝像機(jī)透鏡總會(huì)存在瑕疵，與理想成像光路相比，實(shí)際成像會(huì)發(fā)生一定的徑向畸變，造成測(cè)量誤差。因此，如何將攝像機(jī)畸變對(duì)分析結(jié)果的影響考慮進(jìn)去以達(dá)到更高的測(cè)量精度，這還有待于進(jìn)一步研究。

［1］Do M－T，Tang Z，Kane M，et al.Evolution of road－surface skid－resistance and texture due to polishing［J］.Wear，2009，266（5／6）：574－577.

［2］Zahouani H，Vargiolu R，Do M－T.Characterization of microtexture related to wet road／tire friction［C］∥Proceedings of SURF 2000：Fourth International Symposium on Pavement Surface Characteristics on Roads and Airfields.Nantes，F(xiàn)rance：World Road Association－PIARC，2000：195－205.

［3］Alferdo Cigada，F(xiàn)ederico Mancosu，Stefano Manzoni.Laser－triangulation device for in－line measurement of road texture at medium and high speed［J］.Mechanical Systems and Signal Processing，2010，5（7）：2225－2234.

［4］Sagi Filin，Abo Nizar，Katrin Kremeike，et al.Interpretation and generalization of 3Dlandscapes from LiDAR data［J］.Cartography and Geographic Information Science，2007，34（3）：231－243.

［5］Ergun M，Iyinam S，Iyinam A F.Prediction of road surface friction coefficient using only macroand microtexture measurements［J］.Journal of Transportation Engineering，2005，131（4）：311－319.

［6］王端宜，李維杰，張肖寧.用數(shù)字圖像技術(shù)評(píng)價(jià)和測(cè)量瀝青路表面構(gòu)造深度［J］.華南理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2004，32（2）：42－45.

［7］陳國(guó)明，譚憶秋，王哲人，等.集料表面紋理測(cè)量的試驗(yàn)設(shè)計(jì)［J］.中國(guó)公路學(xué)報(bào)，2006，19（2）：36－41.

［8］周興林，蔣難得，肖旺新，等.基于激光視覺的瀝青路面構(gòu)造深度測(cè)量方法［J］.中國(guó)公路學(xué)報(bào)，2014，27（3）：11－16.

［9］周興林，葉聲華，鄭義忠.大尺寸工件直線度視覺測(cè)量系統(tǒng)中攝像機(jī)標(biāo)定的研究［J］.宇航計(jì)測(cè)技術(shù)，2007，27（4）：1－5.

［10］張健新，段發(fā)階，葉聲華.簡(jiǎn)便的高精度攝像機(jī)標(biāo)定技術(shù)［J］.儀器儀表學(xué)報(bào)，1999，20（2）：193－196.

［11］張錚，薛桂香，顧澤蒼.數(shù)字圖像處理與機(jī)器視覺［M］.北京：人民郵電出版社，2010：162－175.

［12］章毓晉.圖像工程（上冊(cè)）：圖像處理和分析［M］.北京：清華大學(xué)出版社，1999：179－215.

［13］孫長(zhǎng)庫(kù)，葉聲華.激光測(cè)量技術(shù)［M］.天津：天津大學(xué)出版社，2001：12－14.

［14］霍龍，張愛軍，劉偉軍，等.基于線結(jié)構(gòu)光的視覺3D測(cè)量中光刀中心提取方法研究［J］.計(jì)算機(jī)應(yīng)用與軟件，2006，23（10）：100－102.

［15］李瑜芳.彩色結(jié)構(gòu)光條紋中心線提取方法研究［D］.長(zhǎng)春：吉林大學(xué)，2011.

［16］陳定造.空間散亂點(diǎn)集Delaunay三角剖分的算法優(yōu)化及實(shí)現(xiàn)［D］.廣州：廣東工業(yè)大學(xué)，2008.

［17］周興林，張?jiān)疲Y難得，等.基于聚焦深度的瀝青路面微觀紋理三維圖像重構(gòu)方法研究［J］.公路交通科技，2014，31（9）：6－12.