基于车载视频抖动矢量的路面平整性评估方法

针对路面平整性评估流程繁琐、效率低、周期长等问题,提出基于车载视频抖动矢量的路面平整性评估方法,实现常态化场景下对路面状态的初步快速筛选评估。使用车载采集设备获取的行车视频作为评估数据基础,对车载图像进行预处理,增强行车视频图像的对比度,降低行车环境变化对视频图像对比度的影响。利用分块灰度投影算法对视频图像进行相似性判定,去除大偏差的抖动矢量和运动目标干扰,提取行车视频的主要抖动矢量特征。采用粒子群优化算法改进投影相关性曲线的搜索模式,通过使用行(列)方向的灰度投影曲线相关性作为适应度函数来提高算法的搜索效率。建立基于遗传算法(genetic algorithm,GA)优化的K-means聚类分析算法,实现了自主采集路段中不同车速条件下的路面平整性分级评估。通过自主采集数据实验验证,基于粒子群优化的灰度投影算法在检测平整路面时,耗时0.148 s,算法效率比原算法提高了91.41%;在检测粗糙路面时,耗时0.123 s,算法效率比原算法法提高了87.58%,且检测出的抖动矢量数值一致。本文提出的基于车载视频抖动矢量的GA-K-means路面平整性分级评估方法能够有效降低初始聚类中心的干扰。