基于旋转矩阵的复杂路面表面纹理点云校正方法

《Coatings》：A Rotation-Matrix-Based Point Cloud Correction Method for Complex Pavement Surface Textures

　　

复杂路面表面纹理的精确重建对于可靠的纹理表征和抗滑性能评估至关重要。在本研究中，研究人员提出了一种基于四元数旋转矩阵的三维点云校正方法，以消除由路面坡度和扫描设备初始方向引起的点云倾斜和位移。建立了一个统一的空间旋转模型，将点云法向量与Z轴对齐，同时保留点间的几何关系。该方法通过具有规则尖锐纹理的路面模型进行验证，然后应用于含有裂缝、松散和车辙的病害路面。结果表明，所提出的方法更准确地重建了原始高程特征，并有效避免了与常规剖面拟合校正相关的峰谷钝化和纹理平滑。与常规方法相比，平均纹理深度（MTD）的平均误差降低了48.3%，而最大纹理高程差（Δh）的误差保持在39.9%以内。统计分析表明，观察到的差异主要源于校正策略而非测量不确定性。所提出的方法提高了路面纹理重建和纹理参数计算的准确性，并为路面评估和数字路面建模提供了参考。

**论文解读：基于旋转矩阵的复杂路面表面纹理点云校正方法**

**研究背景与问题**
路面抗滑性能是高速公路交通安全的基础，直接关系到车辆稳定性和制动性能。当前评估技术正从传统接触式方法向基于激光扫描和图像识别的非接触式方法转变。激光扫描获取的点云数据在分析前必须校正，但校准时，扫描设备的校准误差、环境变化及扫描方向差异常引入系统性误差，如点云倾斜和位移。现有方法（如ISO 13473-2:2002推荐的基于最小二乘法的剖面拟合校正）在处理复杂路面表面纹理时存在局限：在尖锐拐角和坑洞区域校正精度不足，且生成的参考面由离散参考线而非连续曲面构成，导致几何失真并影响纹理参数计算。深度学习预处理方法虽在去噪、离群点移除和上采样方面取得进展，但通常需要复杂模型架构、大量计算资源和训练数据，在强噪声、复杂几何或跨场景条件下泛化能力有限。因此，需要一种新的校正框架，在消除系统性误差的同时保留点间的几何关系。

**研究内容与意义**
针对上述问题，研究人员提出了一种基于四元数旋转矩阵的三维点云校正方法。该方法将四元数旋转作为全局统一的定向校正框架，专门针对具有复杂病害特征的路面纹理点云，通过刚性旋转保留表面峰值、谷值、裂缝和车辙之间的空间关系。与常规方法相比，该方法更准确地重建了原始高程特征，避免了峰谷钝化和纹理平滑，使平均纹理深度（MTD）的平均误差降低48.3%，最大纹理高程差（Δh）的误差控制在39.9%以内。该研究为复杂路面表面纹理点云校正提供了可靠框架，可提升基于纹理的路面抗滑性能评估精度，并支持基于三维纹理数据的路面病害识别和数字路面建模。论文发表在《Coatings》。

**主要技术方法**
研究人员采用的关键技术方法包括：（1）基于自适应双边滤波的点云去噪，通过计算相邻线段斜率乘积识别噪声点，并利用空间和特征相似性权重进行滤波；（2）基于主成分分析（PCA）的法向量提取，通过构建协方差矩阵计算特征值和特征向量，取最小方差方向对应的特征向量作为点云法向量；（3）基于四元数的旋转矩阵构建，计算旋转轴与Z轴的夹角，利用四元数分量生成旋转矩阵；（4）整体刚性旋转变换，将原始点云与旋转矩阵相乘实现全局定向校正。所有实验数据均使用同一激光扫描设备和标准化流程采集，样本包括3D打印的规则纹理模型（金字塔形和半球形，精度0.02 mm）以及实际病害路面（裂缝、松散、车辙）的扫描点云。

**研究结果**

**3.1 规则纹理路面模型**
通过3D打印技术制备了规则纹理路面模型，表面含金字塔形（h=3.3 mm）和半球形（d=8 mm）纹理。未经校正时，重建纹理存在明显倾斜；常规剖面拟合校正后，倾斜被有效消除，但峰值和谷值出现钝化，两端高程点云间距显著缩小，纹理高度变化减弱，整体趋向零参考平面。所提出方法校正后，倾斜被消除，原始纹理特征（尤其是峰谷形态）得到最大程度保留，纹理形态更准确地重建了原始形态。纹理参数计算结果表明，对于两种规则纹理，所提出方法的MTD与实测值的偏差分别降至常规方法的36.70%和48.3%，表明其重建精度更高。所有p值<0.05（双样本异方差t检验，置信度>95%），说明差异源于校正方法而非测量误差。常规方法降低了点云纹理的偏度（S_sk）和峰度（S_ku），使点云更接近趋势面并更平滑，这是其MTD偏差较大的关键因素。

**3.2 病害路面**
对常见病害类型（裂缝、松散、车辙）进行扫描验证。常规方法校正后，三维高程点云分布向零参考平面偏移，原始病害特征消失，纹理形态显著改变；这是因为常规方法将点云分割为多个剖面，拟合剖面趋势线时存在较大差异，调整至零参考平面后极端高程点的垂直距离被显著压缩，导致病害特征丢失。所提出方法校正后，有效抑制了点云倾斜和位移，成功保留了病害特征，最大程度保留了病害路面原始形态。纹理参数计算中，在病害路面150 mm×150 mm区域重复扫描10次，采用铺砂法获取实测MTD，激光测距仪测量Δh。结果所有p值<0.05，表明两种方法在病害路面上的参数计算存在显著差异（置信度>95%）。三种病害路面的MTD偏差在所提出方法下分别降至常规方法的23.4%、78.9%和12.3%；Δh偏差分别降至39.5%、39.9%和26.8%。常规方法降低了S_sk和S_ku绝对值，使点云更平滑，导致MTD偏差增大。所提出方法更准确地保留了原始路面纹理形态，提高了纹理参数计算的可靠性。

**讨论与结论**
讨论部分指出，所提出方法针对局部定向偏差移除，不替代保留绝对道路几何的校正；应用时需结合外部参考或分层校正。与ICP、NDT等多源配准方法不同，该方法本质是全局定向校正框架。常规方法在局部拟合中压缩高程极值并平滑病害特征，而所提出方法通过PCA表面法向量约束的全局刚性旋转，更好地保留了整体空间关系。实验表明，在规则纹理和高曲率非均匀高程的病害路面上，该方法稳定性与适用性更优。当前数据集有限，未来需扩展至更多路面材料、病害等级、环境条件和扫描方向。研究结论可概括为：与常规剖面拟合方法相比，所提出方法消除了系统性定向误差，完全保留了点云内部几何关系，避免了峰谷钝化和纹理平滑，更真实地反映路面微观结构；该方法不仅适用于规则纹理模型，也适用于具有大高程变化和局部起伏的病害路面，通过统一空间定向变换适应复杂特征（如坑洞、裂缝、车辙）；所提出方法优化了点云定向，使MTD、S_sk和局部高程差更接近实测数据，支持抗滑评估、病害识别和数字路面建模，为高精度路面评估和养护决策提供了稳定实用的技术方案。未来需进一步优化数据质量控制和样本量以扩展适用性。