سه‌بعدی سازی ساختار سطح روسازی و برداشت داده‌های خرابی سطح با استفاده از حسگر کینکت

برداشت داده‌های مربوط به خرابی‌های سطحی روسازی از نقطه‌ نظر مدیریت روسازی، از اهمیت بالایی برخوردار است و علی‌رغم وجود حسگرها و تجهیزاتی که اکنون موجود است و می‌توانند با دقت بسیار بالا به برداشت خرابی و بررسی وضعیت روسازی بپردازند، هزینه‌های مربوط به تهیه، استفاده و نگهداری از آن‌ها بسیار زیاداست که این امر خود دلیلی  برای عدم پایش مداوم سلامت و وضعیت روسازی می‌شود و درنتیجه، خسارت و هزینه‌های زیادی به وجود می‌آورد. هدف این مقاله معرفی یک فناوری نوین و مقرون‌به‌صرفه است که بتواند با دقت قابل قبول به برداشت خرابی‌ها نظیر شیارشدگی بپردازد. فناوری مورد استفاده در این مطالعه، حسگر کینکت است که علاوه‌بر قیمت مناسب آن قابلیت ثبت تصاویر رنگی و عمق متناظر، را به صورت همزمان دارد. در این راستا وسیله‌ای طراحی و ساخته‌شد و از سطح روسازی داده‌برداری‌هایی صورت گرفت تا قابلیت و محدودیت‌های این رویکرد مورد ارزیابی قرار بگیرد. در ادامه مراحل بهبود کیفیت تصاویر دریافت شده از قبیل کاهش نویز تصاویر با اعمال فیلترهای پردازش تصویر نظیر گوسین، و انتخاب قسمت مرکزی داده ها بیان شده است. همچنین نتایج کالیبراسیون دوربین با استفاده از تصاویر برداشتی رنگی و عمق، و همچنین اصلاح شیب تصاویر با الگوریتم های svd توضیح داده شده است. پس از آن با به کارگیری فناوری پردازش تصویر و الگوریتم های surf و msac، تصاویر عمق مختلف به یکدیگر دوخته شد و یک ساختار سه‌بعدی از سطح روسازی به‌دست آمد تا بتوان با استفاده از آن به بررسی خرابی‌های دارای بعد عمق در سطح روسازی پرداخت.

Pavement Distress Data Collection and 3D Pavement Surface Reconstruction Using Kinect Sensor

The most important part in pavement management systems is data collection. The modern technologies which are used for this purpose, such as pointbased lasers and laser scanners, are too expensive to purchase, operate, and maintain. Thus, it is rarely feasible for city officials in developing countries to conduct data collection using these devices. This paper aims to introduce a costeffective technology which can be used for pavement distress data collection and 3D pavement surface reconstruction. The applied technology in this research is the Kinect sensor which is not only costeffective but also sufficiently precise. The Kinect sensor can register both depth and color images simultaneously. An apparatus is designed and developed to hold an array of Kinect sensors. The cameras are calibrated and the slopes of collected images from surfaces are corrected via the Singular Value Decomposition (SVD) algorithm. Then, a procedure is proposed for stitching the RGB_D (Red Green Blue–Depth) images using SURF (Speededup Robust Features) and MSAC (Mestimator SAmple Consensus) algorithms in order to create a 3Dstructure of the pavement surface. Finally, transverse profiles are extracted and some field experiments are conducted to evaluate the validity of proposed approach for detecting pavement surface defects.