ES2937660T3

ES2937660T3 - Deflectómetro de rueda rodante

Info

Publication number: ES2937660T3
Application number: ES12729852T
Authority: ES
Inventors: Jakob Find Madsen
Original assignee: Ramboell Sweden AB
Current assignee: Ramboell Sweden AB
Priority date: 2012-06-14
Filing date: 2012-06-14
Publication date: 2023-03-30
Anticipated expiration: 2032-06-14
Also published as: HK1208252A1; CN104411887B; US9732479B2; PT2861802T; RU2603668C2; AU2012382625A1; AU2012382625B2; CN104411887A; RU2014151122A; IN2014DN10646A; WO2013185759A1; EP2861802B1; US20150240431A1; FI2861802T3; PL2861802T3; HUE061047T2; EP2861802A1

Abstract

Un método y un aparato (1) para medir la deflexión de una rueda rodante. El aparato comprende: Una rueda rodante (4) para ser movida a lo largo de una superficie de medición (2) en una primera dirección. Un marco (6) que se extiende esencialmente a lo largo de dicha superficie de medición (2) en dicha primera dirección desde al menos dicha rueda rodante (4). Cuatro sensores de rango separados (7, 8, 9, 10). Medios para escanear en un primer intervalo de tiempo un número de líneas utilizando cada uno de dichos sensores de rango (7, 8, 9, 10), para obtener un número correspondiente de imágenes virtuales, en las que los valores de píxel representan distancias. Medios de procesamiento de datos adaptados para comparar y emparejar dichas imágenes virtuales, para identificar regiones correspondientes, y para calcular un valor de deflexión usando valores de píxeles emparejados de imágenes virtuales de dichas imágenes virtuales en base a dichas regiones correspondientes de identificación. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN

Deflectómetro de rueda rodante

La presente invención se refiere a un método y un aparato para medición de desviación de rueda rodante.

Los deflectómetros de rueda rodante se utilizan para inspeccionar pavimentos, tal como carreteras o pistas de aeropuerto cubiertas de hormigón o asfalto, en busca de fallas y defectos. Un deflectómetro de rueda rodante comprende un peso pesado, por ejemplo, 20.000 kg, soportado por una rueda, que se rueda sobre el pavimento a una velocidad relativamente alta hasta 100 km/h. El peso provoca una cuenca de desviación localizada en el pavimento alrededor de la rueda. La profundidad y forma de la cuenca de desviación se pueden utilizar como un indicador de defectos y fallas en el pavimento, que necesitan investigación adicional. Debido a la alta velocidad, el uso de un deflectómetro de rueda rodante es una manera eficiente de inspeccionar el pavimento.

Sin embargo, como se explica en, por ejemplo, US-A-5753808 o el artículo 'Rolling Weight Deflectometer with Thermal and Vibration Bending Compensation' Johnson, R.F. et al, TRANSPORTATION RESEARCH RECORD 1540, 1996. La desviación causada en el pavimento es bastante pequeña, por ejemplo, en la magnitud de 100 micrómetros a 2000 micrómetros, en comparación con la rugosidad superficial general del pavimento, y por lo tanto no es una tarea fácil de medir a 100 km/h. Como se explica en US-A-5753808, el deflectómetro de rueda rodante tradicional utiliza una cantidad de sensores de distancia, por ejemplo, cuatro, dispuestos con separación equidistante a lo largo de un haz horizontal y midiendo la distancia hacia abajo al pavimento. Uno de los sensores de distancia se dispone por encima del punto donde la rueda cargada se acopla y desvía el pavimento, mientras que los otros se disponen con separación equidistante a lo largo de la viga delante de la rueda cargada, como se ve en la dirección del movimiento. Al comparar los datos de medición de todos los sensores en dos situaciones posteriores, es decir, cuando la rueda cargada se ha movido exactamente una separación de sensor de distancia, es decir, de una primera posición a una segunda posición correspondiente exactamente a la posición donde se encontraba el sensor de distancia anterior cuando la rueda cargada se encontraba en la primera posición, la desviación real causada se puede calcular con bastante precisión, utilizando un algoritmo adecuado, conocido como el algoritmo Harr como se explica en US-A-5753808.

Sin embargo, para que el algoritmo produzca un resultado preciso y útil, la identificación de la misma posición exacta entre la rueda cargada movida y el detector de distancia anterior debe ser bastante precisa. Lo mismo ocurre con los detectores de distancia anteriores y sus respectivos predecesores en la dirección del movimiento. Esto significa que el cuentakilómetros utilizado para medir la distancia movida debe ser preciso, para evitar mediciones delante o detrás de la segunda posición, pero también que el seguimiento debe ser preciso para no medir la segunda posición a la izquierda o a la derecha, porque la altura natural del pavimento en estas regiones vecinas puede diferir mucho más que la altura de desviación, que es la intención de medir, y por lo tanto arruinar cualquier medición.

US-A-5753808 busca superar este problema al medir la distancia a un punto relativamente grande tal como una elipse con eje principal de 5 cm y 2.5 cm usando un láser, promediando así las variaciones dentro del área iluminada. El tamaño de las manchas también incrementa la probabilidad de que las elipses de dos mediciones posteriores se registren con suficiente superposición para no influir negativamente en la medición.

Sin embargo, todavía hay un deseo de lograr mediciones más precisas que las que se pueden lograr con el deflectómetro de rueda rodante de UsA-5753808.

De acuerdo con un primer aspecto de la presente invención, este objeto se logra mediante un método para la medición de la desviación de la rueda rodante de acuerdo con la reivindicación 1.

De acuerdo con un segundo aspecto de la presente invención, este objeto se logra mediante un aparato para medición de desviación de rueda rodante de acuerdo con la reivindicación 9.

Al comparar y hacer coincidir las imágenes virtuales se puede lograr una precisión muy alta en la medición porque el cálculo utilizando el algoritmo Harr se puede realizar para cada píxel coincidente y el promedio se calcula posteriormente para suavizar cualquier error posible, por ejemplo, en la coincidencia, ruido de CCD, objetos extraños en movimiento, etc. El uso del algoritmo Harr en puntos, es decir, píxeles identificados positivamente como la misma ubicación en la superficie, evidentemente produce un mejor resultado que la comparación de valores promedio sobre áreas grandes, de las cuales no se conoce el grado de coincidencia. De acuerdo con la invención, las imágenes son imágenes virtuales, y las imágenes virtuales se comparan y se hacen coincidir en los medios de procesamiento de datos, para identificar las regiones correspondientes. El uso de las imágenes virtuales directamente para la comparación asegura una buena identificación de áreas correspondientes y evita la necesidad de equipo de captura de imágenes adicionales.

Sin embargo, de acuerdo con otra realización, las imágenes comprenden valores de intensidad de luz. De este modo, se da una posibilidad adicional de identificar las áreas correspondientes de la superficie de pavimento. Además, el uso de valores de intensidad de luz además de la información de rango puede mejorar la velocidad de identificación para las regiones correspondientes.

De acuerdo con una realización preferida adicional, las imágenes comprenden valores de intensidad de luz proporcionados por los sensores de rango respectivos. Esto permite el uso de sensores de rango con salida de información dual, evitando así la necesidad de más detectores.

De acuerdo con otra realización preferida, la comparación y coincidencia se realiza en pares de imágenes de los sensores de rango. Esto permite el cálculo de la desviación utilizando el algoritmo Harr sin tener que esperar hasta que el último sensor de rango haya pasado la misma posición que el primer sensor de rango, y además mitiga el riesgo de que el último sensor de rango pase sobre cualquier punto pasado por el primer sensor de rango, por ejemplo, si el deflectómetro de rueda rodante está girando.

De acuerdo con aun otra realización preferida, la región se identifica mediante la comparación y coincidencia de al menos un sector de imagen de 100 x 100 píxeles o menos, preferentemente 25 x 25 píxeles. Esto se ha encontrado suficiente y produce una identificación rápida, que se puede realizar usando una computadora personal.

De acuerdo con una realización preferida adicional, la comparación y coincidencia se realizan mediante cálculo repetido de correlación para valores variables de Ax, Ay y Aa para la región, donde Ax es un desplazamiento en la dirección de transporte, Ay es un desplazamiento lateral a través de la dirección y Aa es una desviación angular en la orientación de la región en una primera imagen registrada por un sensor de rango y un sensor de rango sucesivo. Esto produce una identificación eficiente de los píxeles para los cuales se aplicará el algoritmo Harr, incluso cuando se encuentran fuera de la región identificada.

Por lo tanto, esto permite una realización particularmente preferida donde el valor de desviación se calcula repetidamente línea por línea usando los valores de píxeles de una línea a la vez. Por lo tanto, para cada nueva línea añadida a la imagen virtual, la desviación se puede calcular sobre prácticamente todo el ancho escaneado.

De acuerdo con otra realización preferida, el valor de desviación se calcula como un promedio de valores de desviación individuales de un número de píxeles coincidentes. Al tomar la media sobre un gran número de valores calculados coincidentes, la precisión en la media se vuelve muy alta, y se suprime el ruido de, por ejemplo, las cámaras de CCD utilizadas.

De acuerdo con una realización preferida adicional, la resolución a lo largo de la línea escaneada es de al menos 1000 píxeles, preferentemente 2000 píxeles o más. Esto produce una resolución suficientemente alta, en tanto que se mantiene la potencia informática necesaria en un nivel razonable, donde los cálculos se pueden realizar usando una computadora personal portátil estándar. Del mismo modo, el escaneo con esta resolución se puede lograr usando productos de escaneo estándar.

La presente invención ahora se describirá en mayor detalle con base en realizaciones de ejemplo no limitantes y con referencia a las figuras esquemáticas en las cuales:

La figura 1 muestra esquemáticamente un deflectómetro de rueda rodante de acuerdo con la invención en dos posiciones, correspondientes a dos puntos diferentes en el tiempo y la ubicación,

La figura 2 es un ejemplo de imagen virtual grabada usando un sensor de rango del deflectómetro de rueda rodante, La figura 3 es una representación esquemática de cuatro imágenes virtuales como la de la figura 2 grabadas simultáneamente con respecto al tiempo por cuatro detectores de rango diferentes,

La figura 4 es una ilustración esquemática de las variaciones con respecto al tiempo en la transformación utilizada para hacer coincidir píxeles entre un par de imágenes virtuales.

La parte superior de la figura 1 muestra esquemáticamente un deflectómetro de rueda rodante 1 de acuerdo con la invención en una primera posición. El deflectómetro de rueda rodante 1 se adapta para moverse, típicamente remolcado, a lo largo de una superficie de prueba 2 formada por el pavimento que se va a inspeccionar en una primera dirección indicada generalmente con la flecha 3. El pavimento podría ser, por ejemplo, una carretera o una pista de aeropuerto cubierta de hormigón o asfalto, que se debe inspeccionar en busca de fallas y defectos. Como su nombre indica, el deflectómetro de rueda rodante comprende un peso que actúa sobre una rueda de carga 4. La rueda de carga 4 de soporte se dispone generalmente en el extremo posterior del deflectómetro de rueda rodante 1 como se define por el movimiento en la primera dirección 3. La rueda de carga 4 se carga con una masa sustancial para proporcionar una fuerza descendente sobre el pavimento de, por ejemplo, 50 kN, 100 kN o 200 kN. Esta fuerza descendente crea una cuenca de desviación 5 alrededor de la rueda de carga 4. A modo de ilustración, se ha exagerado la profundidad de la desviación en la cuenca de desviación 5 alrededor de la rueda de carga, tanto en la parte superior como en la parte inferior de la figura 1. De hecho, la desviación real está solo en el rango de micrómetros, típicamente en el rango de 100 micrómetros a 2000 micrómetros, mientras que la longitud total típica del deflectómetro de rueda rodante 1 en la primera dirección estaría entre 10 m y 15 m.

A lo largo de la longitud del deflectómetro de rueda rodante 1 se extiende un portador en forma de una viga esencialmente horizontal 6. La viga transporta una cantidad de sensores de rango 7, 8, 9, 10 dirigidos hacia la superficie de prueba. Dado que la intención es realizar mediciones en el rango de micrómetros, se utiliza un sistema de alineación láser 11 para realizar un seguimiento de las variaciones de la posición de los sensores de rango individuales 7, 8, 9, 10 debido a la flexibilidad de la viga 6, las variaciones en la expansión térmica a lo largo de la longitud del mismo, etc., como se describe, por ejemplo, en US-A-5753808 incorporada en la presente mediante esta referencia. Los sensores de rango 7, 8, 9, 10 son preferentemente equidistantes, es decir, con la misma separación entre cualquiera de dos sensores de rango vecinos 7, 8, 9, 10. También se puede usar una separación diferente. Es importante que se conozca la separación, los sensores de rango 7, 8, 9 se encuentran fuera de la cuenca de desviación 5 creada en el sensor de rango 10.

Los sensores de rango 7, 8, 9, 10 utilizados en la presente invención son preferentemente escáneres de línea. En la descripción, los sensores de rango 7, 8, 9, 10 también se denominarán sensor A, sensor B, sensor C y sensor D, respectivamente, y las letras correspondientes se utilizarán en índices y ecuaciones. Actualmente se prefiere un escáner de línea Gocator 2340, disponible en LMI Technologies, Inc. Los escáneres de línea de este tipo proyectan una línea sobre la superficie en un ángulo utilizando un láser que se abanica desde una fuente puntual. Cuando la superficie no es lisa, la línea proyectada sobre ella no será recta sino que contendrá ondulaciones dependiendo de las variaciones locales en la distancia a la superficie. La forma y posición de la línea se captura usando una cámara y el rango a la superficie se calcula a partir de esta forma y posición. La longitud total de la línea variará con variaciones más globales en la distancia a la superficie, porque los ventiladores de haz de láser salen de una fuente puntual. Por lo tanto, cuanto mayor sea la distancia global, más larga será la línea iluminada producida por el láser. Sin embargo, dado que el campo de visión de la cámara de CCD también varía, este efecto se mitiga en gran medida, y en el Gocator 2300 no es necesaria una normalización adicional de la longitud.

En la presente invención, los sensores individuales se disponen para escanear líneas a lo largo de la superficie en una dirección a través de la dirección de movimiento. Repetir este escaneo a intervalos pequeños adecuados activados, por ejemplo, por un tacómetro enlazado a la rueda de carga 4. Por lo tanto, se realizarán escaneos de línea consecutivos formando una imagen virtual de la superficie con una resolución dada dependiendo, entre otras cosas, de la resolución de la cámara que graba las ondulaciones en la línea y de la frecuencia con la que se activa el escaneo. La imagen se conoce como virtual porque los valores de píxeles resultantes no representan datos de imagen visual reales, sino distancias. Las distancias no necesariamente deben ser la elevación vertical del sensor sobre el área de medición para el punto específico, sino que se podrían medir en un ángulo, lo que hace que un valor sea proporcional a la elevación. La conversión subsiguiente es entonces sólo una cuestión de conocer el ángulo, y realizar cálculos apropiados. El deflectómetro de rueda rodante 1 comprende además medios de procesamiento de datos 15, posiblemente ubicados en un vehículo remolcador.

La figura 2 muestra un ejemplo de esta imagen. La resolución es de aproximadamente 650 x 700 píxeles incluyendo el área oscura más allá de cada extremo de cada una de las líneas escaneadas. El ancho del área de pavimento escaneada en la figura 2 es de aproximadamente 10 cm, mientras que la longitud es de varios metros. Esto último se debe al retardo de tiempo entre las instancias donde se activan los escaneos. En el ejemplo ilustrado serían 700 líneas a 5 mm correspondientes a 3,5 m de pavimento real. La figura 2 es solo una ilustración de la imagen. 3.5 m es menos que práctico para la invención, pero como el experto entenderá a partir de lo siguiente, sería suficiente si la separación entre los detectores de rango es menor, por ejemplo, 3 m. La duración es en principio ilimitada. En la práctica, sin embargo, la longitud nunca excedería la longitud del tramo de pavimento inspeccionado. Por supuesto, la capacidad de almacenamiento de datos también podría limitar la longitud real registrada del pavimento. En lugar de este registro contiguo del pavimento por cada sensor, cada sensor, por supuesto, también podría registrar una cantidad de imágenes virtuales consecutivas de menor longitud, para que se comparen individualmente, por ejemplo, como la de la figura 2.

Para cada uno de los sensores se registra una imagen virtual similar. Evidentemente, las imágenes virtuales no serán completamente idénticas. Obviamente, una línea escaneada por el sensor 10 ubicada en la rueda de carga 4, y por lo tanto medir la distancia a la parte inferior de la cuenca de desviación 5 producirá distancias más largas y, por lo tanto, valores de píxeles más grandes para píxeles correspondientes, que la línea escaneada por los otros sensores 9, 8 y 7 cuando pasaron sobre la misma área y estaba menos deprimida. Idealmente, los sensores 7, 8, 9 se ubican en este sentido tan adelante de la cuenca de desviación y lejos del vehículo de remolque, que el pavimento no se deprime, o al menos se puede suponer que no se deprime. Además, dado que en la práctica el deflectómetro de rueda rodante 1 no se puede mover en una línea absolutamente recta, puede haber, incluso con la mejor sincronización, desviaciones entre las líneas escaneadas por cada uno de los sensores 7, 8, 9, 10 cuando pasan sobre lo que idealmente sería el mismo punto en el pavimento. La línea escaneada puede, por ejemplo, tener un desplazamiento lateral porque el deflectómetro de rueda rodante 1 gira en otro radio que el vehículo remolcador, cuando el vehículo remolcador no sigue una línea recta, o de otro modo no sigue al vehículo remolcador en una línea recta. Además, el giro puede imponer un componente angular a la línea escaneada. Finalmente, también puede haber una compensación en la dirección de movimiento de modo que esté apagada la sincronización cuando las líneas escaneadas coinciden, por ejemplo, avanzando o retrasándose de lo esperado.

La presente invención se da cuenta de que a pesar de estas variaciones, la correlación entre las áreas correspondientes en las imágenes es suficiente para permitir que estas se identifiquen con un grado muy alto de certeza en las diferentes imágenes.

Esto se hace al seleccionar un área objetivo inicial pequeña en una imagen, tal como el área 12 en la imagen virtual del sensor de rango A en la figura 1. Pequeña, en este sentido, que significa menos de aproximadamente 100 x 100 píxeles, preferentemente 25 x 25 píxeles. Evidentemente, el área objetivo no necesita ser un cuadrado (en términos de píxeles).

Básicamente, ni siquiera necesita ser un rectángulo. Se ha encontrado que con la potencia de procesamiento dada esto permite encontrar el área correspondiente en las otras imágenes. El objetivo inicial se puede seleccionar de cualquier manera adecuada, tan pronto como se hayan registrado suficientes líneas. Esto se podría hacer de forma aleatoria, o simplemente seleccionando un objetivo a la izquierda, derecha o centro de la imagen. Si se dispone de suficiente potencia de procesamiento, se podría realizar un preprocesamiento para analizar la imagen en busca de características distintivas, que se identificarían fácilmente en otra imagen.

Habiendo decidido un área objetivo 12 en la imagen virtual del sensor A, la misma área 12' se debe identificar en la imagen virtual del sensor B. Dado que las imágenes virtuales no son imágenes momentáneas, sino que cada una de ellas es realmente un escaneo de línea en el tiempo, no existe un área objetivo idéntica en la imagen virtual del sensor B o las imágenes virtuales de los sensores C y D para ese fin.

Sin embargo, la invención se da cuenta de que la correlación es suficiente para que se identifique la misma área en dos imágenes virtuales, lo que proporciona información que permite identificar los valores de píxeles correspondientes, lo que a su vez permite que la información de píxeles se utilice directamente en el algoritmo Harr. Más específicamente, se puede calcular una transformación que compensa las desviaciones entre el tiempo durante el cual se grabó la primera imagen virtual del sensor A y el tiempo, durante el cual se grabó la segunda imagen virtual. Hay tres parámetros que describen la transformación Tab entre dos imágenes, la transformación comprende los parámetros Axab, Ayab y Aaab. Ax es la desviación a lo largo del eje x de la imagen virtual, que corresponderá en gran medida al número de líneas registradas entre los pasajes no interrumpidos del sensor A y el sensor B sobre el mismo punto en el pavimento, pero incluye alguna desviación. Ay es la desviación lateral, que idealmente debería ser 0, si el deflectómetro de rueda rodante 1 se remolca en línea recta. Aa es un componente giratorio, que también debería ser 0, si el deflectómetro de rueda rodante 1 se remolca en una línea recta. El índice "ab" en lo anterior y lo siguiente indica que la transformación es de una imagen virtual registrada por el sensor de rango A a una imagen virtual registrada por el sensor de rango B. Estas desviaciones en Ax, Ay y Aa variarán con el tiempo como se ilustra en la figura 4 para todas las transformaciones Tab, Tbc, Tcd y la figura 4 se pueden aplicar a cualquiera de ellas.

Como se puede ver en la figura 3, la correlación correspondiente se puede realizar entre un área objetivo 13 en la imagen virtual del sensor de rango B y el área correspondiente 13' en la imagen virtual del sensor de rango C, lo que produce una transformación Tbc con los parámetros Axbc, Aybc y Aabc. Luego también se puede hacer para el área objetivo 14 en la imagen virtual del sensor de rango C y el área correspondiente 14' en la imagen virtual del sensor de rango D, lo que produce una transformación Tcd con los parámetros Axcd, Aycd y Aacd. Si se utilizan sensores de rango adicionales, se derivan transformadas adicionales de la misma manera.

La experiencia demuestra que, habiendo identificado la transformación, se puede suponer con seguridad que la transformación no solo es válida para el área realmente identificada, sino que se aplica en gran medida a la imagen virtual, al menos en las proximidades del objetivo. Evidentemente, se debe registrar inicialmente un número de líneas que corresponden al menos a la distancia entre dos sensores de rango antes de que se puedan derivar las transformadas. Después de eso, sin embargo, el uso de las transformadas derivadas permite que el algoritmo Harr se aplique a grandes conjuntos de datos de valores de píxeles individuales, por ejemplo, una línea completa a través del ancho de la imagen virtual grabada.

Generalmente la desviación usando el algoritmo Harr está dada por:

donde A, B, C y D son los valores de distancia registrados por un sensor de rango con la letra correspondiente a los tiempos t0 o t1.

Si A, B, C y D no son puntos discretos, por ejemplo, una línea de escaneo a través del ancho de la imagen virtual, los valores de píxeles están en los vectores A, B, C y D. Para hacer coincidir los píxeles individuales para usar el algoritmo Harr en puntos idénticos en la superficie, se deben usar las transformadas. La ecuación toma así la forma:

^Desviación-[(T ^{abB ( í i})-T abT bC2C(t-i ^{)+ T}abT bCT cdD(ti))-( A(to)-2B(to)+T bCC(to))]

Por consiguiente, el cálculo se puede hacer para un área mucho más grande que el área objetivo, por ejemplo, los vectores anteriores, o incluso sectores más grandes de las imágenes virtuales, es decir, que comprenden múltiples líneas. Esto significa que el valor de desviación promedio se puede calcular con una precisión mucho mayor que en la técnica anterior, donde se compararon dos valores promedio. Aquí se compara un promedio de un gran número de valores reales, minimizando así los errores y ruido. El cálculo se realiza preferentemente sobre la marcha por los medios de procesamiento de datos 15, por ejemplo, una computadora personal portátil que forma parte del deflectómetro de rueda rodante 1, ya sea montado en el armazón 6 o similar de este o ubicado en un vehículo remolcador (no se muestra).

Preferentemente, sin embargo, no se comparan todos los valores. Los valores evidentemente fuera de rango o incorrectos se pueden filtrar antes del cálculo. Es probable que estos errores ocurran porque las imágenes virtuales del mismo sector de pavimento no se registran al mismo tiempo. Por lo tanto, se pueden producir cambios. Imagínese, por ejemplo, una hoja girando debajo del deflectómetro de rueda rodante 1. Esta hoja se mostraría rangos muy cortos en una imagen virtual. En realidad, la misma hoja podría aparecer en diferentes lugares en más de las imágenes virtuales grabadas, o incluso en una misma imagen virtual. Por lo tanto, se prefiere filtrar los valores de los sectores comparados de las imágenes virtuales usando, por ejemplo, un filtro mediano para suprimir estos valores fuertemente desviados. Será evidente para el experto que también se podrían utilizar otros tipos de preprocesamiento de los datos, en particular el filtrado.

Para la determinación de la correlación con el fin de determinar las transformadas hay varias posibilidades disponibles, por ejemplo, tal como métodos de recocido rápido. Se prefiere el siguiente método. Este método se puede realizar por el mismo medio de procesamiento de datos 15 que se usa para el algoritmo Harr.

Inicialmente se selecciona un área objetivo en una imagen virtual. Para la siguiente descripción, se utiliza el área objetivo 12 en la imagen virtual del sensor de rango A. El tamaño objetivo es preferentemente bastante pequeño en comparación con la imagen virtual, por ejemplo, 100 x 100 píxeles o más pequeño, preferentemente 25 x 25 píxeles, en comparación con el ancho del escaneo de línea de, por ejemplo, más de 1000 píxeles o incluso más de 2000 píxeles. El área objetivo inicial 12 se puede elegir de diversas maneras, por ejemplo, simplemente comenzando en el margen izquierdo o derecho o en el centro de la imagen virtual, tan pronto como haya suficientes líneas disponibles. Un píxel de referencia en esta área objetivo 12 tiene una posición bien definida en términos de x, y y a, por ejemplo (y, 1,0). Tan pronto como se disponga de más líneas de las necesarias, también sería posible variar la posición x del área objetivo inicial 12. Se debe encontrar una imagen de correlación 12' en la imagen virtual del sensor de rango B. Obviamente, como las líneas se registran usando un tacómetro vinculado al movimiento del deflectómetro de rueda rodante 1, la distancia d entre el sensor de rango 7 y 8 en términos de cantidad de líneas es idealmente conocida. Por lo tanto, para buscar el área correspondiente 12' en la imagen virtual del sensor de rango B sería (y+d, 1,0), asumiendo así que el deflectómetro de rueda rodante 1 se ejecuta a lo largo de una línea recta sin desplazamiento lateral. Esto a su vez corresponde a una transformada Tab =(Axab, Ayab, Aaab) = (d, 1, 0).

Usando la correlación de Pearson, ahora se puede calcular la correlación entre los píxeles del área objetivo 12 y el área objetivo 12', dando un valor entre -1 y 1. 1 es una correlación perfecta, que es poco probable que exista en este contexto, y -1 es totalmente no correlacionado, es decir, una imagen virtual correspondiente a un negativo de foto.

Dado que, evidentemente, el supuesto de que el deflectómetro de rueda rodante 1 funcione en una línea recta sin compensación rara vez es cierto, Tab = (d, 1, 0) difícilmente va a ser la transformación correcta. Por lo tanto, variando repetidamente (Axab, Ayab, Aaab) en incrementos desde el punto de partida hasta que se alcanza una correlación máxima, y repitiendo este proceso hasta que no se puedan encontrar más máximos incrementando Axab, Ayab, Aaab. Se ha encontrado una correlación máxima local. Si el valor de correlación para esta correlación máxima local es suficientemente alto, se asume que el área objetivo 12' corresponde al área objetivo inicial 12. Por consiguiente, la transformada Tab se conoce entonces. Luego se utiliza el mismo método para determinar Tbc y Tcd usando áreas objetivo 13, 13' y 14, 14', respectivamente, sobre las cuales se pueden realizar los cálculos usando el algoritmo Harr como se describió anteriormente. Si no, hay dos posibilidades. Una es descartar la posibilidad de encontrar cualquier correlación y, por lo tanto, no realizar ninguna medición. La alternativa, si se dispone de energía informática suficiente, es iniciar la búsqueda del área objetivo 12' en otro lugar de la imagen virtual registrada por el sensor de rango B, por ejemplo, comenzando con una transformada Tab = (d', 1, 0) o Tab = (d, y, 0), d' es un valor mayor o menor que el valor d esperado e y es una desviación positiva o negativa de 0 en la dirección lateral.

Sin embargo, si se realiza el algoritmo de correlación para cada nueva línea añadida, las desviaciones en Axab, Ayab. Es probable que Aaab sea pequeño, ya que es poco probable cualquier discontinuidad sustancial en las curvas de la figura 4, para un vehículo con la masa y el tamaño del deflectómetro de rueda rodante 1.

Si se dispone de menos potencia de computadora, puede que no sea adecuado realizar el algoritmo de correlación para cada nueva línea añadida. En ese caso, sin embargo, resulta que el algoritmo Harr todavía se puede realizar para cada nueva línea. Debido a la falta de discontinuidades en Ax, Ay, Aa, el uso de valores aproximados para Ax, Ay, Aa entre dos determinaciones aún producirá mediciones de desviación suficientemente precisas para las líneas intermedias aproximadamente coincidentes.

Como una alternativa al cálculo de la transformada anterior que involucra los valores de desplazamiento simple de ángulo también se pueden usar. Para esto, se podría derivar y almacenar un conjunto de valores de desplazamiento Ax, Ay para cada píxel en la primera imagen registrada por el sensor A. La tabulación de estos valores en una tabla de búsqueda permitiría que la contraparte de un píxel identificado en la imagen registrada por el sensor A se encuentre en la segunda imagen registrada por el sensor B, simplemente añadiendo Ax, Ay valores de la tabla a la ubicación X, Y del píxel dado en el generador de imágenes registrado por el sensor A. Esto es, por supuesto, con la condición de que el píxel no caiga completamente fuera de la segunda imagen. Si, cuando se establecen la tabla de búsqueda, se encuentran áreas no correlacionadas, por ejemplo, correspondientes a áreas entre P1 y P2 en la figura 4, los valores de los píxeles para estas áreas se pueden interpolar de los valores Ax, Ay de las áreas circundantes para las cuales se sabe que existen correlaciones. La Tabla 1 más adelante, ejemplifica esta tabla de búsqueda entre una primera imagen registrada por el sensor A y la segunda imagen registrada por el sensor B. Las tablas de búsqueda para los desplazamientos entre otras imágenes, es decir, desde aquella registrada por el sensor B hasta aquella registrada por el sensor C, o desde aquella registrada por el sensor C hasta aquella registrada por el sensor D se establecerían y utilizarían de manera correspondiente.

Tabla 1: Ax A Tabla de bús ueda A-B

Como se puede ver, los valores de Ax son bastante grandes en comparación con los valores de Ay. Esto se debe a que el valor de Ax incluye el desplazamiento entre los sensores A y B, que como se indicó anteriormente puede ser de varios metros. Los valores son meramente ejemplos, los valores para Ax dependerán de la resolución del tacómetro, es decir, el número de líneas escaneadas entre los pasajes de los sensores A y B sobre las áreas correspondientes de la superficie de medición. Los valores de Ay son mucho más pequeños, ya que el deflectómetro de rueda rodante 1 típicamente seguirá una línea donde la curvatura es pequeña, e idealmente debería ser 0 si el deflectómetro de rueda rodante 1 sigue una línea recta. Como se puede ver, los valores de Ax, Ay indican que el deflectómetro de rueda rodante 1 está tomando una ligera curva. La tabla 1 pretende ilustrar esta situación, donde el sensor B está llegando ligeramente muy temprano a un lado mientras que el otro lado está llegando ligeramente demasiado tarde, en comparación con lo que se esperaría si el deflectómetro de rueda rodante estuviera siguiendo una línea recta. Similar debido al giro de las líneas están en un ángulo y se vuelven más cortas y algo compensadas, dando como resultado una desviación en los valores de Ay.

Otras formas de encontrar rápidamente un área objetivo de correlación son bien conocidas por la persona experta.

Con el fin de mejorar adicionalmente la detección confiable de un área objetivo correspondiente, la presente invención se da cuenta además de que en paralelo con la correlación de valores de rango en las imágenes virtuales anteriores, una correlación adicional entre las intensidades de luz reales registradas en las líneas. Una superficie de pavimento tal como concreto o asfalto no está uniformemente coloreada, pero varía en oscuridad, por ejemplo, entre el betún u hormigón y el relleno rocoso. Como alternativa, la imagen podría ser, por lo tanto, una imagen de intensidad de B/W, en lugar de la imagen virtual, El Gocator 2300 es capaz de grabar y generar valores de rango e intensidad para píxeles escaneados. A su vez, esto produciría una correlación alternativa que se podría usar en lugar de o además de la correlación identificada utilizando la imagen virtual. Por lo tanto, si por alguna razón no se puede encontrar una correlación usando las imágenes virtuales, la imagen de intensidad se podría usar en su lugar, o viceversa. Por lo tanto, se proporciona redundancia de información e incrementa la probabilidad de encontrar una buena correlación.

Por lo tanto, para cada área objetivo, la correlación máxima entre las intensidades de luz también se podría realizar usando los mismos algoritmos de búsqueda como se describió anteriormente y esta información se utilizó para verificar la identificación. También podría reemplazar la identificación de otra correlación, si por alguna razón falla la correlación entre las áreas objetivo en dos imágenes virtuales.

Aunque la invención se describió anteriormente con referencia a realizaciones específicas, el experto en la técnica conocerá numerosas variantes de estas realizaciones dentro del alcance de las reivindicaciones. En particular, apreciará que se pueden usar otros sensores de alcance que no sean el Gocator preferido, que se pueden usar otros métodos para buscar áreas de correlación y que se pueden usar varios métodos de filtrado y procesamiento para reducir el ruido, errores y similares.

Claims

REIVINDICACIONES

1. Un método para medición de desviación de rueda rodante que comprende,

proporcionar una rueda rodante (4) que se va a mover a lo largo de una superficie de medición (2) en una primera dirección (3),

proporcionar un armazón que se extiende esencialmente a lo largo de la superficie de medición en la primera dirección (3) desde al menos la rueda rodante (4),

proporcionar al menos cuatro sensores de rango láser separados (7, 8, 9, 10), uno de los sensores de rango (10) que se dispone en una ubicación correspondiente a la rueda rodante (4), y el resto que se dispone como el primer, segundo y tercer sensor de rango precedente, respectivamente, delante del primer sensor de rango (10) en la primera dirección (3), caracterizado porque

se escanea en un primer intervalo de tiempo en tanto que la rueda rodante (4) se mueve a lo largo de la superficie de medición (2) una cantidad de líneas en la superficie de medición correspondiente al área objetivo de cada uno de los sensores de rango (7, 8, 9, 10), para obtener una cantidad correspondiente de imágenes virtuales en las que los valores de píxeles representan distancias,

comparar y hacer coincidir las imágenes virtuales usando un medio de procesamiento de datos, para identificar las regiones correspondientes,

calcular un valor de desviación usando valores de píxeles coincidentes de imágenes virtuales de las imágenes virtuales con base en la identificación de regiones correspondientes.

2. El método de acuerdo con la reivindicación 1, que comprende además,

escanear en un primer intervalo de tiempo en tanto que la rueda rodante (4) se mueve a lo largo de la superficie de medición (2) un número de líneas en la superficie de medición usando cada uno de los sensores de rango (7, 8, 9, 10), para obtener un número correspondiente de imágenes de intensidad, en las que los valores de píxeles representan intensidades de luz,

comparar y hacer coincidir las imágenes de intensidad usando un medio de procesamiento de datos, para identificar las regiones correspondientes,

3. Método de acuerdo con la reivindicación 1, donde la comparación y coincidencia se realiza en pares de imágenes virtuales de los sensores de rango (7, 8, 9, 10).

4. Un método de acuerdo con cualquiera de las reivindicaciones anteriores, donde la coincidencia de la región se identifica mediante la comparación y coincidencia de al menos un sector de imagen de 100 x 100 píxeles o menos, preferentemente 25 x 25 píxeles.

5. Un método de acuerdo con cualquiera de las reivindicaciones 3 o 4, donde la comparación y coincidencia se realizan mediante cálculo repetido de correlación para valores variables de Ax, Ay y Aa para la región, donde Ax es un desplazamiento en la dirección de transporte, Ay es un desplazamiento lateral a través de la dirección y Aa es una desviación angular en la orientación de la región en una primera imagen virtual registrada por un sensor de rango y un sensor de rango sucesivo.

6. Un método de acuerdo con una cualquiera de las reivindicaciones anteriores, donde el valor de desviación se calcula repetidamente línea por línea usando los valores de píxeles de una línea a la vez.

7. Un método de acuerdo con cualquiera de las reivindicaciones 1 a 3, donde la resolución a lo largo de la línea escaneada es de al menos 1000 píxeles, preferentemente 2000 píxeles o más.

8. Un método de acuerdo con cualquiera de las reivindicaciones 1 a 3, donde el valor de desviación se calcula como un promedio de valores de desviación individuales de un número de píxeles coincidentes.

9. Un aparato (1) para medición de desviación de rueda rodante que comprende,

una rueda rodante (4) que se va a mover a lo largo de una superficie de medición (2) en una primera dirección (3), un armazón que se extiende esencialmente a lo largo de la superficie de medición (2) en la primera dirección desde al menos la rueda rodante (4),

al menos cuatro sensores de rango láser separados (7, 8, 9, 10), uno de los sensores de rango (10) que se dispone en una ubicación correspondiente a la rueda rodante (4), y el resto que se dispone como el primer, segundo y tercer sensor de rango precedente, respectivamente, delante del primer sensor de rango (10) en la primera dirección (3), medios para escanear en un primer intervalo de tiempo en tanto que la rueda rodante (4) se mueve a lo largo de la superficie de medición (2) un número de líneas usando cada uno de los sensores de rango (7, 8, 9, 10), para obtener un número correspondiente de imágenes virtuales, en las que los valores de píxeles representan distancias, caracterizado porque

un medio de procesamiento de datos (15) adaptado para comparar y hacer coincidir las imágenes virtuales, para identificar las regiones correspondientes, y

un medio de procesamiento de datos (15) adaptado para calcular un valor de desviación usando valores de píxeles coincidentes de imágenes virtuales de las imágenes virtuales con base en las regiones correspondientes de identificación.

10. Un aparato (1) de acuerdo con la reivindicación 9, que comprende además medios para escanear en el primer intervalo de tiempo un número de líneas usando cada uno de los sensores de rango (7, 8, 9, 10), para obtener un número d correspondiente de imágenes de intensidad que comprenden valores de intensidad de luz.