基于车载激光点云的路面坑槽检测方法

针对基于车载激光点云的坑槽检测受道路横、纵坡度影响而导致误检和漏检等问题,提出了一种联合粗糙度与负偏态分布的路面坑槽检测方法.首先利用垂直度分割路面点云.然后,通过M估计样本一致性(MSAC)拟合局部基准平面,并计算点云的粗糙度;以粗糙度较小的区域作为潜在坑槽区域,并利用密度聚类和连续度实现潜在坑槽的单体化.最后,根据坑槽与邻域路面点云的粗糙度统计特征,结合负偏态分布实现坑槽区域的精确筛选,并提取坑槽的三维几何特征.采用开源数据和实测数据进行实验验证与分析.实验结果表明:实测数据路面中,坑槽检测的召回率达到89.2％,准确率达到76.7％;坑槽几何特征的提取结果与人工实地测量结果的最大相对偏差为9.4％,可为大规模的路面损坏检测提供有力支撑.