无人机低空遥感技术在道路安全监测及修复中的应用

许亚男， 陈竹安， 杨 波， 夏元平

(1. 东华理工大学 测绘工程学院，江西 南昌 330013；2. 湖南师范大学 资源与环境科学学院，湖南 长沙 410081)

随着国内交通建设和发展，我国公路通车总里程逐年增长，公路覆盖密度逐年增加，各类型等级公路里程逐渐扩大(潘一凡等，2017)。但道路路面出现障碍物会给行驶车辆带来不便和安全隐患。路面常见障碍物有大面积裂缝、局部凸起和坑洞。在车辆行驶过程中，路面裂缝和凸起比较容易被目视掌握，从而绕行，但坑洞往往不易被发觉。据业内人士介绍，汽车快速通过路坑时，车胎受到的撞击力度会加大，如果力度大于车胎原本的承受能力，会导致轮胎产生气泡甚至爆胎，从而引发交通事故。此外，如果汽车高速过坑，将直接影响汽车的避震悬挂系统，严重时甚至造成轮毂破裂乃至漏油情况。如果路坑太深，甚至会触及底盘造成更大车损。因此对道路路面进行不定期的检查和修复尤为重要。通过无人机低空遥感技术采集路面影像进行分析，最后作出预判结果，为道路管理部门提供决策依据和辅助支持。

无人机(Unmanned Aerial Vehicle，简写为UAV)1980年代开始应用在战场模拟、目标监测、大地测绘、交通管理、资源探测及环境保护等各个领域(陈强，2017；李风贤，2017；李明波等，2018)，如今无人机低空遥感技术日趋成熟，应用范围不断扩大，并取得了很好的实际效果和应用价值(李德仁等，2014)。但一直以来无人机应用在道路安全方面报道较少(张莞玲，2017；马泽忠等，2011)。

当前，国内各类道路的安全检测工作主要靠人工巡查，通过现场逐一检查、拍照和记录以及人们反映等方式发现和处理存在问题的道路。但是人工巡查存在以下问题：第一，交通道路范围广，人工巡查工作量较大，效率低，需耗费大量的人力物力财力。第二，道路类型多样化和受道路周边环境的影响，巡查时难免会存在遗漏现象。第三，人工巡查会受工作人员的自身素质和专业技能等主观因素影响，造成巡查结果准确度低或漏查等情况。道路修复也是人工和专用车辆在处理，对于每次出行所带修复材料只能大概估算，没有相对准确的参考值(聂鑫路等，2017)。

针对以上情况，如果采用具有智能化、效率高、周期短和范围广等优势的无人机技术代替传统的纯人工巡查手段将会大大提高工作效率(张志伟，2016)，可以为道路管理提供决策依据，为行驶车辆提供警示信号，减少不必要的安全事故，同时为修复工作提供科学参考。

1 研究内容与方法

本次研究的主要内容是路面影像的采集、处理和识别，针对路面异常物进行解算与分析，分类提出解决方案，为道路安全保障或补救提供科学的、定量的决策依据。

研究过程中，硬件主要包括：影像数据采集主要采用无人机低空遥感技术，控制点定位采用手持GPS技术，软件主要包括Global Mapper、Pix4D mapper、ENVI和ArcGIS软件。最终以可视化的形式为相关部门提供分析结果。技术路线如图1所示。

2 研究区域及数据采集

本次道路安全监测数据采集区域为江西省南昌市新建区，根据前期自驾车在周边进行宏观调研之后，将数据采样区分成两个类型。一个是普通道路，设置在兴国路上，平均行车速度为50 km/h；另一个是环城快车道，设置在枫生高速路上的沪瑞线与梅岭大道交叉路口处，平均行车速度为80 km/h。

本次采用大疆无人机自带的地面控制站软件DJI GS PRO对地面站进行航线规划和控制。根据确定的研究对象和数据采集范围，主要参数设置如表1所示。

表1 无人机参数设置

对两类实验区域进行多次无人机航拍，采集的数据选取质量相对较好的进行处理，正摄影像图均采用Pix 4D软件进行处理(鲁恒等，2011)。

3 图像校正与增强

3.1 影像配准与几何校正

由于无人机影像采集系统本身存在误差，多次正摄影像需要通过软件进行地理配准才可实现地理位置的精确匹配(李欣腾等，2017)。本次配准在航拍区域均匀选择4个控制点，控制点的X、Y坐标及残差均设置为 0.05 m以下，图像预处理后的影像如图2。

3.2 影像增强

采集路面影像时，时而会受到大气、风、雾等因素的影响，造成影像模糊或失真，不便于后期的目标识别与计算。在此利用遥感软件对每幅影像进行图像增强处理。

3.3 目标识别

为有效识别配准后的影像内容，准确定位研究对象，识别不同于道路的目标，在采集数据区域，主要的路面异常物体是障碍物(多属前行车辆洒落)、积水(雨后在路面低洼处存下的雨水)和坑洼(长期行驶对路面的破坏，尤其是超载行驶，出现坑洼后，越压越深，便形成了坑状)三类。根据测区实际情况，暂不考虑障碍物(几乎未发现)和积水(由于采样当天天晴)，所以主要的研究对象为路面低洼处(简称“路坑”)。路坑的识别主要任务是确定其边界。数据预处理后的数据采用遥感图像处理软件(ENVI)对影像数据进行目标识别。其主要流程为：数据录入、地物识别、隔离道路、定位路坑和确定边界。

在等时航拍模式下，航高为60 m的1号点和航高50 m的2至5号点边界确定后示意图如图3所示。

4 实验结果

如前所述对2至5号点采取了四次不同类型的飞行模式，即等时航高分别为50 m、80 m、100 m和等悬停航高100 m。结果发现等时航高50 m的地面分辨率最高，利于数据计算和分析，故后期的计算时，2至5号点均采用此航拍的数据。

利用遥感软件提取路面异常目标，确定路坑边界后，计算路坑的周长和面积。路坑深度暂采取平均值代替，后期计算土方量时再精细考虑(表2)。

表2 1-5号点数据计算结果

5 成果运用

根据研究技术路线，计算得出的结果可为人们提供定量的、科学的判断依据，并且以可视化的方式展现出来，便于后期处理和防治，主要从安全警示和道路修复两方面进行分析。

5.1 安全警示

针对有坑路面，道路安全从车速和坑的大小两个因素方面进行分析，暂且不考虑车辆的大小和性能。

5.1.1 第一因素：车速

在道路行驶过程中，车速越高，发生交通事故的危险性就越大。澳大利亚有关部门研究表明，当车速超过60 km/h时，车速每增加5 km/h交通事故的危险性基本上是原来的2倍。因此，当车辆较高速度行驶时，微小的速度变化将会对行车安全带来非常明显的影响。

5.1.2 第二因素：路坑大小

首先应该精确计算坑的半径大小，然后再进行危险性分析。通过对影像进行目标识别后发现，路面坑洼的形状近似于圆形，在分析过程中，近似取其半径作为模型参数。

精确计算路坑半径笔者认为有两种方法，即环平均值算法和特征射线平均法。

(1)环平均值算法。对于不规则路坑多边形，其半径的变化幅度一般不会太大，通常在一定范围内浮动，可以采用最大和最小半径的平均值来求取路坑半径的大小(图4)。

实线轮廓表示实际路坑多边形，内外两条虚线是指最小内切圆半径和最大外接圆半径所构成的环形。平均半径为：dx=(d1+d2)/2。

以上的理论计算半径是用周长和面积反算出半径的平均值，平均半径即为内外切圆半径的平均值。根据计算结果(表3)，结合实地考察，1号点的反推算半径与环平均算法得出的半径相差10 cm，相差较大。原因是此处是长期车辆碾压形成的大型路坑，坑越大，对周边的路基影响也越大，最终形成了不规则区域，多边形越接近圆形，此方法误差越小，反之则越大，就像1号点区域；2、3、4号点近似于圆形，故环平均算法近似于反推算的半径；5号点的两种计算结果误差为0，原因是此处为一井盖，因道路整修，导致井盖周边高于此处，形成了井盖低洼处。

表3 环平均值算法求半径及误差

(2)特征射线平均值算法。从路坑中心向其周围坑口边缘作特征射线，所谓特征射线是在多边形边界线上寻找特征点(曲率变化较大的点)，中心到特征点的连线作为特征射线，将所有特征射线长度加相除以射线数量，取值即为该变路坑半径的近似大小(图5)。

特征射线选取的原则是沿着路坑边界找出变化较大的特征点，连接此点至路坑中心即为特征曲线，以上均取5个特征射线进行计算，从表4结果可以看出，1号、4号点误差较大，2、3号点误差较小，5号点误差仍为0，因为此处井盖区域近似圆形，特征点变化不大。

表4 特征射线平均值算法计算半径及误差

如前所述，行车的危险系数与车速呈指数关系，行车的危险系数与路坑的半径呈区域性的线性关系。所以在路况不好的情形下，尤其多路坑路面，行车的危险系数与车速和路坑尺寸是符合二元非线性回归分析模型，并且呈递增性。

危险系数(W)与车速(v)和路坑半径(d)的函数关系表达为：

W=W1(v)+W2(d)

下面结合实际情况，做一种假设：

①当0

②当2/3r

③当d>2r时，W2随着d增加而逐渐减小，即路坑大小远大于车轮大小，若路坑无积水可以减速通过。

以一般家用轿车为例，轮胎半径=轮胎宽度×高宽比+轮胎内半径×25.4(单位：mm)。笔者驾驶的福瑞斯汽车轮胎标有195/65R15字样，则轮胎半径=195×0.65+15×25.4/2=317.3 mm。与5个采集点相比较则可以给出参考通行意见(表5)。

表5 车辆遇坑通行情况参考(轮胎半径为0.32m)

根据此分析结果，可与交通广播、电子地图或导航软件对接进行数据更新，及时提醒车主，避免事故发生。

5.2 道路修复

对于有效解决路面修复的关键之处在于，提前知道道路破损程度，从而计算出所需材料，本次剔除道路其他破坏情况，就路坑修复而言，根据采集到的数据进行解算。由于一般路坑形状近似于圆锥体，故路坑土方量计算表达为：

V=S×h/3

式中，V表示路坑土方量，S为坑口面积，h为坑深。

当然，一般路坑并不是规则的圆锥体，即路坑不是定值，在此只能大概估计，如果需要精细计算土方量，可以利用微积分方法计算坑的体积容量。根据道路施工经验，往往按照土方计算量的1.3倍准备材料，即按照V=1.3(V1+V2+…+Vn)做好准备，合理配置人力物力以及时间。本实验采集影像中路坑的土方量如表6所示。

表6 各点土方量计算结果

就本研究区域而言，采集的5个路坑总共土方量为V=1.3×(V1+V2+V3+V4+V5=0.20+0.01+0.03+0.02+0.02)=0.364 m3。因此需准备0.364 m3的材料前去补修路坑，不仅做到定量科学化，避免材料的浪费，而且提高了工作效率。

如上所述，无论是安全预警还是道路修复，利用无人机低空遥感技术具有可行性，如果将处理后的数据及时上报交通部门和市政部门，对防范交通事故和科学道路修复都有一定的现实意义。

6 结论与展望

通过无人机低空遥感技术，对路面进行影像采集，然后处理分析，大大提高了效率，降低了维护和保障道路安全及修复的成本，为实际生产生活带来了便利，具体如下：

(1)利用UAV技术采集路面影像数据，即实惠又实用。充分发挥无人机的优势，方便快捷地采集数据，降低了成本，提高了效率。

(2)通过专业的遥感和地理信息系统软件处理影像数据，即可靠又可行。数据的处理全部使用成熟的软件进行，过程不受人为因素影响，得到的数据与实际相符。

(3)采用地理数学建模方法进行分析判断，即精确又精细。对采集到的数据进行深度挖掘，建立评判模型，提供精确精细的评判结果，经得住实践检验。

(4)通过可视化表达形式向道路管理部门提供决策依据，即易读又易懂。可视化表达方式使道路管理者即用户对研究结果一目了然，快速辅助决策，及时作出应对，减少道路安全隐患带来的事故和财产损失。