构造深度是表征路面性能的主要参数之一，传统的手动铺砂法、电动铺砂法、排水测定法等路面构造深度的检测方法存在人为因素影响较大、检测效率低、误差大等问题。近年来，国内外不断有学者致力于这方面的研究。王端宜采用数字图像技术评价和检测沥青路面的构造深度；沈娟提出了利用激光测距仪测定构造深度的方法，将激光测距仪固定在轮迹带上，测出路面某一断面的轮廓线，进而得到沥青路面的构造深度值；赵祥模教授提出基于PSD的路面粗糙度快速检测方法；提出利用双目相机在车辆运行中实时检测沥青路面纹理特征中国沥青网sinoasphalt.com。为了进一步提高沥青路面构造深度的检测精度及实时检测，该文依据激光三角测量法的原理，设计实现基于结构光的沥青路面构造深度检测方法。能够快速采集得到沥青道路表面的3D数据，得出针对路面原始三维数据的去噪算法，并根据检测得到的一系列点云数据精确地计算出沥青路面的构造深度。

基于结构光的沥青路面构造深度检测原理

该系统利用线激光照射路面，用面阵CCD工业相机拍摄路面上变形的激光线，根据激光三角法计算路面的构造深度，激光光源发射出的激光光束经透镜扩束后照射在道路表面上形成一条激光线，此激光线由于路面的高低起伏而发生变形，在表面上形成由被测路面形状所调制的光栅条纹三维图像，该三维条纹图像由处于另一位置的工业相机拍摄，获得光栅条纹的二维变形条纹图像，条纹的变形程度取决于光学投射器与工业相机之间的相对位置和路面形廓。对此变形后的条纹图像进行计算分析就可以得到道路表面的凹凸状况，并进行三维重构，进而计算出路面的构造深度。

沥青路面原始数据预处理

常见对检测结果影响较大的噪声主要有：路面裸露的石头导致采光点的漫反射，细小裂缝由于遮挡物填埋导致的光线不可到达等。这些噪声会使得采集到的3D数据不同程度地偏离路面真实深度值。文中采用一种“双相标准差滤波方法”对3D数据进行一次粗滤波，之后对于首次滤波后的数据项二次精滤波。二次滤波采用形态学滤波方法，对首次滤波后的3D数据按照深度值进行“分层”划分，并对每一层分别采用形态学滤波算法进行精滤波，从而获得沥青路面3D数据的预处理结果。

双相标准差滤波

噪声分布有以下特点：①噪声的标准差远远大于有用数据的标准差；②噪声随机性强，其存在于整个数据空间，而不仅仅分布于单维的线性范围以及二维的平面上。因此，文中先从面的角度对数据进行初步粗滤波。双相标准差滤波的主要思想是从横纵两个方向分别扫描数据矩阵，并使用一定的滤波条件，对含有噪声的原始3Ｄ数据进行判断筛选，保留有用数据滤除噪声数据从而获得滤波后的数据矩阵。该文中使用的双相标准差滤波主要包含以下步骤：

(1)逐行读取三维图像数据矩阵Qm×n的数据，此处以m=1　000、n=1　536的矩阵为例。

(2)依次取该行中的每一个数据zij，如果满足zij-珚RiSi>ｋ，则用算术平均值珚Ｒi代替该点数据值zij，这里k=3。

(3)逐行消除图像噪声点后，用同样的方法逐列处理，再次消除噪声点，对所有行处理完毕，得到双相标准差滤波之后的三维图像数据矩阵Q。

分层形态学滤波

进行了以上滤波后，充分利用3Ｄ数据的空间分布特性，对粗滤波后的数据进行层次划分，然后分别在每一层上进行形态学二次精滤波，最终获得滤波后的3D数据矩阵。

首先，提取数据矩阵的最大值max、最小值min，这两个值代表了路面构造深度的最深以及最浅，即构造深度的分布范围。为了降低算法复杂度，文中采用均匀分层的方法，将max与min之间的数据区域平均分成n份，便可得到n个等厚的数据块。

然后，选择合适的结构元素Se1(该文中选取椭球)分别对Qi(i=1～n)进行开运算，可以得到n个三维数据块Q1i(i=1～n)。

最后，将得到的n个数据块Q1i(i=1～n)合并，得到形态学滤波后的三维图像数据矩阵i。

可见，n=10效果较好，因此该文选取n=10对路面裂缝三维数据进行两次滤波处理。

构造深度计算方法

使用点面映射查找最佳平面与指数加权的方法进行沥青路面构造深度的求取。首先采用点面映射法查找到滤波去噪后的路面构造深度三维最佳映射平面。然后，以此最佳映射平面为基准平面，向两侧方向使用递减指数加权平均从而获得路面构造深度的计算值。

点面映射法求取路面构造深度最佳映射平面

设f(z)平行于xy平面，为待匹配平面。随着z值的变化移动，待匹配平面f(z)，在每间隔一个单位长度确定的待匹配平面上确定位于该平面所在深度的数据点数，并将统计个数计入数组a，在待匹配平面扫过构造深度数据范围后停止扫描，获得构造深度点数在待匹配平面上的映射数据统计数组a，然后求取该数组的最大值所在的平面。

递减指数加权平均法求取路面构造深度值

构造深度最佳映射平面具有如下特点：

(1)构造深度最佳映射平面上的构造深度点数最多，因此其所代表的构造深度值最具有代表性。

(2)构造深度最佳映射平面所代表的构造深度值虽然最具有代表性，但是由于实际路面的凹凸不平，构造深度数据的浮动性，最佳平面代表的构造深度值与实际构造深度仍有相当大的误差。

(3)构造深度最佳平面两侧构造深度分布的范围内，其构造深度值以构造深度最佳映射平面为中心向两侧呈现递减趋势。

使用递减指数加权平均法求得，对于Δz1，首先将n1内的各个高度值代表的平面按照数据点数由高到低的顺序排列。

可以看出：该式是一个单调递减指数函数，随着i的增加，wi逐渐减小。最佳构造深度映射平面两侧的构造深度数值对于构造深度贡献的大小取决于相应深度上构造深度的点数，点数越多影响就越大，赋予较大的权值，利用该原理，对最佳构造深度映射平面两边的深度值按照深度点数的多少由高到低分别进行顺序排列，然后求取MPD的加权系数。

试验结果及分析

在实际沥青路面多个路段的30个测量点用激光法和铺砂法分别进行了构造深度的测量。

用统计学中的公式对试验结果进行相关性分析：

可以看出：激光法的测量结果与铺砂法所得到的数据呈明显的正相关，计算得到二者的相关系数为0.9232，可以看出两种方法得到的结果高度相关，说明了该文所提出的激光法测量沥青路面构造深度的有效性。

结论

(1)文中设计的基于线结构光检测沥青路面构造深度的方法实现了沥青路面三维数据的快速采集，提出了算法并对原始数据进行了有效的去噪，试验效果良好。

(2)设计了基于三维信息的沥青路面构造深度计算方法，试验结果表明该算法稳定性好，可靠性高。

(3)提出的沥青路面构造深度检测方法将提高路面检测的效率、精度和自动化水平，有利于建立一套完整的道路质量检测和评价机制，为道路建成后的质量评价、道路养护，以及建立数字化的路况信息库，提供了科学的客观的基础数据。