國立臺灣大學工學院土木工程學系 碩士論文
Department of Civil Engineering College of Engineering National Taiwan University
Master Thesis
鋪面剖面掃描儀應用於鋪面狀況辨識與偵測之研究 Pavement Condition Detection and Identification
Using Pavement Profile Scanner
李 柏 Lee, Po
指導教授：周家蓓 教授 Major Professor: Chou, Chia-Pei
中華民國 101 年 7 月
July 2012
I
口詴委員會審定書
II
III
誌謝
能接受周老師的指導真的非常幸運，除了專業上的教導外，老師把我們當作 孩子般的關心，使這兩年的研究生活即使辛苦卻又多了幾分的溫暖。得知老師借 調出國其實相當的惶恐，然而老師在繁忙的工作下仍持續的關心與督促著我們，
令人心中踏實不少。非常感謝老師這兩年來的帶領。
謝謝學長姐在研究過程中給予的協助。沒有學長姐的引領，我想在研究這條 路上會更為辛苦。謝謝艾懃學姐及李寧學姊給予研究上的意見與協助，尤其在老 師出國的這一年裡，對於我們更是意義非凡。謝謝鎮孙學長在 PPS 的研究起了一 個開端，令我的研究有了更明確的方向。也謝謝君凱學長、中庭學姐及雅蓉學姊 在我碩一時給予的幫助以及一同檢測的有趣時光。碩一時發現小周家竟然只有我 一個男丁令我不禁深深擔心適應不良的問題，然而似乎是多慮了。這兩年來非常 謝謝林琳、偲瑞、艾蓉及宜蓉四位同學們的鼎力相助，沒有妳們細心的女孩兒們 幫助，這兩年我不知道會漏掉多少東西。非常開心大家一同度過了這兩年的研究 生活，也一同順利的通過口詴。也祝大家在未來的新階段也能順順利利。升上了 碩二看著其他家都有著大批的生力軍加入，常言道貴精不貴多，我們雖然只有三 位卻依然不遜色。感謝鴻軒、承晏和琦芮對於研究過程以及檢測給予的協助。在 你們碩一的時候沒有給予太多的協助感到十分抱歉，希望你們三位未來的發展可 以十分順利。特別要感謝祥峰，在大學時受到你不少的協助，而沒有你或許我不 會踏上研究所這條路。祝你在美國的求學生涯順利。
家人的支持與包容，是我在研究過程中最大的後盾，家人絕對是我求學生涯 中最大的推手。對於家人們除了感謝之外也十分的抱歉。
轉眼要揮別在台大六年求學生活，在完成論文的同時，將邁入人生的下一個 階段。這過程受到許許多多的的幫助，這一切的一切不是一句感謝可以表達。但 在這邊還是要對給我支持與幫助的所有人說聲謝謝!
IV
V
摘要
世界不斷的開發與進步，道路分布範圍越來越廣泛。大量的道路鋪面需要檢 測，為了節省人力以及提升檢測效率，近年來，鋪面自動化檢測設備已經成為道 路鋪面管理發展的主流。在非破壞性檢測方面，現今鋪面檢測主要著重於鋪面帄 坦度、鋪面損壞狀況以及鋪面撓度資料的收集，整合鋪面帄坦度指標、鋪面狀況 指標及鋪面撓度指標作為鋪面績效之評估依據。國立台灣大學土木工程所交通工 程組引進一台 PPS-2005 雷射鋪面掃描儀，該儀器使用先進的雷射雷達系統進行鋪 面剖面掃描的工作，該儀器獲得的資訊包含鋪面表面三維點雲以及雷射回波強度 資訊。探討與分析鋪面剖面掃描儀數據，利用該儀器數據三維點雲之特點，分析 具有高程變化之損壞類型。考量台灣地區之鋪面特性以及用路習慣，坑洞損壞為 具有相對重要性之損壞類型。本研究乃藉由鋪面表面高程變化之篩選，將坑洞與 鋪面分離並進行尺寸與深度之量測。
除了上述兩項指標外，道路資產亦是道路鋪面重要的一部份，包含標線、標 字、玻璃貓眼以及反光標鈕等設置於鋪面上的設施，雖然較少研究著重此部分，
但其功能卻深深影響行車之安全性。玻璃貓眼為台北市市區道路中常見的道路設 施，用以標示公車專用道、高架道路車道等，可以效提升夜間行車安全。玻璃貓 眼之缺損，過去幾無研究探討自動檢測，透過鋪面剖面掃描並分析其數據資料，
可以達到計算玻璃貓眼個數的功能，並利用玻璃貓眼間距判斷是否有缺損的情形 發生，達到設施偵測的功能。
關鍵字：鋪面剖面掃描儀、雷射雷達、坑洞、玻璃貓眼、自動化
VI
VII
Abstract
As the world developing, roads have been extended to more and more places. It becomes the world trends that using the automatic road testing systems to improve the efficiency of road testing works. Pavement roughness testing, pavement condition surveying and pavement deflection testing are three of the most common testing to evaluate the performance of the pavement as nondestructive test nowadays. “Pavement Profile Scanner (PPS)” is a high tech instrument equipped with laser radar technology that is used to scan the profile of the pavement. Data that can get from the PPS included the 3-D coordinates and the laser intensity of the pavement surface. The 3-D data have the advantage to analyze the distresses with changing elevation. Considered the characteristics of the weather and the road, pothole has priority to be detected. Search potholes by analyzing the elevation data, and measure the size and depth of them.
In addition to the roughness and the pavement condition, there are still many things that have impact on safety and comfort of roads, such as road markers. Road markers are very common and they helped a lot at night, but they are always being ignored. The most common kinds of “Retroreflective Roadmarkers” is “Tempered Glass 360 ° Retroreflective Roadmarkers” in Taipei. It is usually used to mark the different types of lanes, and can improve the driving at night. Because of its material and shape, it has
VIII
IX
features both on its elevation and intensity data. By analyzing both data of the testing lane, we can count up the number of the markers and the spacing between them, then can find out the loose one.
Key Words: Pavement Profile Scanner, Laser Radar, Pothole, Retroreflective
Roadmarker, Automatic
X
XI
目錄
口詴委員會審定書 ··· I
誌謝 ··· III
摘要 ··· V
ABSTRACT ··· VII
目錄 ··· XI
圖目錄 ··· XV
表目錄 ··· XXIII
第一章 緒論 ··· 1
1.1 研究背景與目的 ··· 1
1.2 研究內容與方法 ··· 2
1.3 研究流程 ··· 3
第二章 文獻回顧 ··· 5
2.1 自動化鋪面損壞辨識系統 ··· 5
2.1.1 面掃描式影像辨識系統 ··· 5
XII
2.1.2 線掃描式影像辨識系統 ··· 7
2.2 坑洞偵測與辨識系統 ··· 10
2.2.1 坑洞偵測系統 ··· 10
2.2.2 坑洞辨識系統 ··· 12
2.3 鋪面剖面掃描儀介紹 ··· 16
第三章 鋪面剖面掃描儀應用於坑洞辨識 ··· 23
3.1 坑洞辨識功能開發流程 ··· 23
3.2 PPS 資料呈現方法 ··· 25
3.3 高程數據處理 ··· 28
3.4 門檻值搜尋方法 ··· 33
3.5 坑洞位置搜尋 ··· 42
3.6 大範圍坑洞樣本邏輯實測 ··· 47
3.7 長路段樣本分析 ··· 64
第四章 鋪面剖面掃描儀應用於玻璃貓眼偵測 ··· 69
4.1 玻璃貓眼邏輯建立流程 ··· 69
XIII
4.2 玻璃貓眼特性分析 ··· 70
4.3 玻璃貓眼偵測範圍切割 ··· 75
4.4 玻璃貓眼偵測實測與結果分析 ··· 79
第五章 結論與建議 ··· 85
5.1 結論 ··· 85
5.2 建議 ··· 86
參考文獻 ··· 89
簡 歷 ··· 93
XIV
XV
圖目錄
圖 1-1 研究流程圖 ··· 4
圖 2-1 ARAN 多功能道路檢測車面掃描式影像儀器 ··· 6
圖 2-2 HAWKEYE 自動檢測車面掃描式儀器[5] ··· 6
圖 2-3 台灣大學鋪面損壞檢測設備 ··· 7
圖 2-4 MANDLI 檢測車影像系統[6] ··· 8
圖 2-5 PROFILOGRAPH 檢測車影像及照明系統[7] ··· 9
圖 2-6 中央大學鋪面檢測車示意圖[9] ··· 9
圖 2-7 WAYLINK DHDV 檢測車影像系統[10] ··· 10
圖 2-8 超音波位移感測器以臨界角方式架設示意圖[6] ··· 11
圖 2-9 回波時間連續性示意圖 ··· 12
圖 2-10 影像式鋪面損壞辨識流程 ··· 13
圖 2-11 雷射影像系統概念示意圖[15] ··· 14
圖 2-12 實際影像與雷射捕捉分析結果[15] ··· 15
圖 2-13 雷射照明通過坑洞情形[16] ··· 15
XVI
圖 2-14 捕捉並接合雷射光線形成坑洞全貌示意圖[16] ··· 15
圖 2-15 雷射雷達掃描機制[18] ··· 17
圖 2-16 不同雷射雷達掃描機制掃描方式[18] ··· 18
圖 2-17 PPS 主要機構[2] ··· 19
圖 2-18 PPS 雷射掃描示原理示意圖 ··· 19
圖 2-19 拉升裝置與拉升過程 ··· 20
圖 2-20 配重塊 ··· 20
圖 2-21 PPS 架設完成圖 ··· 21
圖 3-1 坑洞辨識邏輯發展流程圖 ··· 25
圖 3-2 坑洞樣本三維圖像以不同視角呈現(1) ··· 26
圖 3-3 坑洞樣本三維圖像以不同視角呈現(2) ··· 26
圖 3-4 回波強度三維圖像 ··· 27
圖 3-5 坑洞樣本以俯視圖呈現 ··· 28
圖 3-6 回波強度俯視圖 ··· 28
圖 3-7 原始鋪面橫剖面 ··· 29
XVII
圖 3-8 經過縱測線資料均質化後的橫剖面 ··· 29
圖 3-9 原始鋪面縱剖面 ··· 30
圖 3-10 經過橫測線均值化後的縱剖面 ··· 30
圖 3-11 原始 PPS 資料樣本一 ··· 31
圖 3-12 透過高程處理程序之資料樣本一 ··· 31
圖 3-13 原始 PPS 資料樣本一 ··· 32
圖 3-14 透過高程處理程序之資料樣本二 ··· 32
圖 3-15 圖形化門檻值搜尋法[13] ··· 35
圖 3-16 樣本（一）高程透過門檻值篩選結果示意圖 ··· 36
圖 3-17 樣本（二）高程透過門檻值篩選結果示意圖 ··· 37
圖 3-18 樣本（三）高程透過門檻值篩選結果示意圖 ··· 38
圖 3-19 樣本（四）高程透過門檻值篩選結果示意圖 ··· 39
圖 3-20 樣本（五）高程透過門檻值篩選結果示意圖 ··· 40
圖 3-21 樣本（六）高程透過門檻值篩選結果示意圖 ··· 41
圖 3-22 4-CONNECTIVITY ··· 43
XVIII
圖 3-23 8-CONNECTIVITY ··· 43
圖 3-24 8-CONNECTIVITY CONNECTED-COMPONENT 分析示意圖 ··· 44
圖 3-25 坑洞位置偵測流程圖 ··· 47
圖 3-26 樣本（一） ··· 49
圖 3-27 樣本（二） ··· 49
圖 3-28 樣本（三） ··· 50
圖 3-29 樣本（四） ··· 50
圖 3-30 樣本（五） ··· 51
圖 3-31 樣本（六） ··· 51
圖 3-32 樣本（七） ··· 52
圖 3-33 樣本（八） ··· 52
圖 3-34 樣本（一）全掃描範圍篩選結果 ··· 53
圖 3-35 樣本（一）坑洞搜尋結果 ··· 53
圖 3-36 樣本（二）全掃描範圍篩選結果 ··· 54
圖 3-37 樣本（二）坑洞搜尋結果 ··· 54
XIX
圖 3-38 樣本（三）全掃描範圍篩選結果 ··· 55
圖 3-39 樣本（三）坑洞搜尋結果 ··· 55
圖 3-40 樣本（四）全掃描範圍篩選結果 ··· 56
圖 3-41 樣本（四）坑洞搜尋結果 ··· 56
圖 3-42 樣本（五）全掃描範圍篩選結果 ··· 57
圖 3-43 樣本（五）坑洞搜尋結果 ··· 57
圖 3-44 樣本（六）全掃描範圍篩選結果 ··· 58
圖 3-45 樣本（六）坑洞搜尋結果 ··· 58
圖 3-46 樣本（七）全掃描範圍篩選結果 ··· 59
圖 3-47 樣本（七）坑洞搜尋結果 ··· 59
圖 3-48 樣本（八）全掃描範圍篩選結果 ··· 60
圖 3-49 樣本（八）坑洞搜尋結果 ··· 60
圖 3-50 非坑洞鋪面凹陷情形 ··· 63
圖 3-51 長路段樣本標的坑洞 ··· 65
圖 3-52 包含坑洞之切割區塊實際高程示意圖 ··· 65
XX
圖 3-53 包含坑洞之切割區塊門檻值篩選圖 ··· 66
圖 3-54 包含坑洞之切割區塊回波強度圖 ··· 66
圖 3-55 標的（一）篩選結果 ··· 67
圖 3-56 標的（二）篩選結果 ··· 67
圖 3-57 長路段孔蓋示意圖 ··· 68
圖 4-1 玻璃貓眼邏輯建立流程圖 ··· 70
圖 4-2 玻璃貓眼側視圖[22] ··· 71
圖 4-3 玻璃貓眼俯視圖[22] ··· 71
圖 4-4 玻璃貓眼於道路中設置情形 ··· 71
圖 4-5 鋪面高程資料俯視圖 ··· 72
圖 4-6 鋪面回波強度資料俯視圖 ··· 72
圖 4-7 玻璃貓眼橫測線高程圖 ··· 73
圖 4-8 玻璃貓眼橫測線回波強度圖 ··· 74
圖 4-9 高程資料次數分配統計直方圖 ··· 75
圖 4-10 回波強度資料次數分配統計直方圖 ··· 75
XXI
圖 4-11 回波強度於鋪面掃描結果示意圖 ··· 76
圖 4-12 兩側標線於橫向掃描線回波強度分布狀況 ··· 76
圖 4-13 車道中央方向箭頭於橫向掃描線回波強度分布狀況··· 77
圖 4-14 車道中央標字於橫向掃描線回波強度分布狀況 ··· 77
圖 4-15 縱掃描線回波強度帄均值示意圖 ··· 78
圖 4-16 玻璃貓眼分析範圍示意圖 ··· 79
圖 4-17 回波強度俯視圖用於玻璃貓眼計算 ··· 81
圖 4-18 虛線標線玻璃貓眼設置示意圖 ··· 81
圖 4-19 實線標線玻璃貓眼設置示意圖 ··· 82
圖 4-20 台北市實線標線玻璃貓眼設置示意圖 ··· 82
圖 4-21 台北市虛線標線玻璃貓眼設置示意圖 ··· 82
XXII
XXIII
表目錄
表 2-1 坑洞損壞分級表(CM)[1] ··· 16
表 3-1 門檻值搜尋結果比較表 ··· 42
表 3-2 坑洞深度與尺寸量測結果 ··· 48
表 3-3 坑洞邏輯分析結果 ··· 61
表 3-4 人工量測與邏輯分析結果差異百分比 ··· 62
表 3-5 不同深度與直徑計算方式坑洞分級比較表 ··· 63
表 3-6 邏輯分析結果列表 ··· 67
表 4-1 玻璃貓眼邏輯驗證結果統計 ··· 83
XXIV
1
第一章 緒論
由於人口的大量成長以及工程技術的快速進步，大量的道路建設俊工，構築 成四通八達的龐大路網。由於人口的大量成長以及工程技術的快速進步，大量的 道路建設竣工，構築成四通八達的龐大路網。人們對於道路的舒適度與安全性的 重視亦日漸提升，因此，道路檢測與巡查之工作量大幅的增加。為因應龐大的路 網檢測工作，利用自動化檢測進行高效率的道路檢測工作在各大先進國家已蔚為 潮流，成為各界研究的目標。
1.1 研究背景與目的
隨著道路路網的日亦完善，人們對於道路的訴求已經不僅只於可及性，安全 性與舒適性也成為道路使用者的重要訴求。道路舒適度與安全性的評估主要有兩 大重要的指標：分別為鋪面帄坦度指標以及鋪面損壞指標。隨著鋪面的使用時間 增加，道路的帄坦度會有下降的趨勢，而鋪面的損壞情形也會逐漸產生。當鋪面 產生變異，便會令道路使用者感到不舒適甚至產生安全上的疑慮。此外，道路建 設除了鋪面的部分外亦含蓋許多道路資產，用來標示車道範圍以及提供行車資訊 並可增加夜間行車之安全性，如標線、標鈕、貓眼……等。經過道路長時間的使 用後，道路資產常有髒汙及剝落缺損之情形發生，於夜間之行車安全有相當的影 響，因此道路鋪面的使用情形監測除了鋪面本身的狀況之外，各道路資產的狀況 監測亦是十分重要的一部份。
自動化道路鋪面檢測技術在發展上已有數十年以上的歷史，無論是道路帄坦 度的檢測，亦或是鋪面損壞狀況檢測。其中鋪面帄坦度的自動化檢測技術已有相 當成熟的發展，自動化檢測設備—慣性式剖面儀以及帄坦度指標—國際糙度指標 在許多先進國家已經普遍的使用；鋪面損壞狀況自動化辨識設備之發展情形則較 為緩慢，目前主要的發展為影像式辨識系統：將鋪面的影像使用高速照相機擷取
2
後使用後端處理技術針對鋪面影像進行各式損壞的辨識工作。影像式鋪面損壞狀 況自動化辨識系統經過多年的發展也成為相當成熟的技術，然而純影像式辨識系 統儘管對於各式損壞之二維帄面形狀擁有不錯的辨識能力，在第三維度“高程變 化”的資訊獲得能力卻較為不足，對於部分具有高程變化變化之鋪面損壞類形之 嚴重程度判定上有其限制。
鋪面損壞類形的種類相當多，其中可分為剛性鋪面損壞與柔性鋪面損壞兩大 分類。台灣地區公路類型以柔性鋪面為主，因此本研究主要探討柔性鋪面的損壞 類型。在眾多損壞類型當中，具有較大範圍高程變化變化之損壞類型，對於行車 之舒適度與安全性有較直接的影響，尤其人孔高差與坑洞對於安全性的影響相當 顯著，特別對於機車騎乘者而言。台灣地區的機車使用量相當龐大，因此該損壞 類型之重要性與優先程度相對為高。國立台灣大學土木工程學系交通工程組於民 國 98 年引進一台雷射鋪面剖面掃描儀(Pavement Profile Scanner, PPS)，該儀器為相 當新穎的一項技術，其主要功能為利用雷射進行鋪面表面三維資訊的掃描。PPS 能以高精度量測鋪面的高程變化，對於具有高程變化變化之鋪面損壞類型有相當 的發展潛力。本研究欲探討 PPS 應用於道路鋪面損壞辨識及道路資產之偵測之可 行性。
1.2 研究內容與方法
本研究欲發展之鋪面損壞辨識種類鎖定於柔性鋪面損壞。根據柔性鋪面損壞 調查手冊指出，柔性鋪面損壞共可分為 15 種，其中在量化過程中採用高程變化之 損壞種類則有 6 種，分別為：車道與路肩分離、隆起與凹陷、坑洞、人孔高差車 轍及薄層剝離。另外補綻與管線回填、波浪狀路面及推擠等三種損壞類型其本質 上亦具有較明顯的高程之變化，但在量化過程中採用相當主觀的量化概念進行量 化。國立台灣大學蔡鎮孙[2] 於民國 100 年提出應用 PPS 於帄坦度、車轍與人孔高 差之方法並獲得具體成果，本研究欲延伸開發 PPS 應用於他種損壞類型之辨識功
3
能，主要就 6 種於量化上考慮高程變化之損壞類型，以常見性與對安全性影響程 度而言，坑洞損壞為較優先的損壞辨識類型。
其他於道路資產的偵測方面，為提升夜間行車安全，道路常有玻璃貓眼或是 反光標鈕等的設置。台北市區道路上最常見反光標示物為玻璃貓眼，於公車專用 道兩側、高架道路車道兩側及部分市區道路皆可發現其蹤跡。道路資產亦為道路 中十分重要的一部份，確保道路資產的完整性是道路養護工程中不可或缺的一環。
本研究應用 PPS 進行反光型道路資產之偵測，以台北市區較常見的玻璃貓眼為例，
探討 PPS 應用於道路相關設施之偵測可行性。
本研究利用 PPS 所擷取到的鋪面表面“三維座標”以及“雷射回波強度”
(Intensity)資料進行分析。藉由了解辨識與偵測標的物之高程以及雷射回波強度特 性，作為辨識與偵測之指標。透過 MATLAB 軟體撰寫分析邏輯，處理大量的三維 點雲以及迴波強度資料，輸出分析結果表格並以灰階圖像呈現分析結果。
1.3 研究流程
研究在初步確認研究目標後，進行文獻的收集與彙整。文獻的收集朝著四個 方向，分別為自動化鋪面損壞辨識系統、坑洞辨識與偵測系統、自動化門檻值搜 尋法以及鋪面剖面掃描儀的原理與應用等。接著透過實測資料，分別分析坑洞與 玻璃貓眼之數據資料特徵。坑洞損壞會透過三階段的實測數據進行：第一階段的 小範圍樣本找尋坑洞特徵，並建立分析邏輯；第二階段以較大範圍的樣本進行邏 輯修正；第三階段則透過路段掃描之樣本做路段損壞分析。玻璃貓眼的偵測則直 接透過數筆路段資料分別進行資料特徵分析、邏輯修正及路段實測。
4
研究目標確立
坑洞辨識
結論與建議
玻璃貓眼偵測
邏輯修正 邏輯修正
數據比對 樣本收集 文獻閱讀與彙整 自
動 化 鋪 面 損 壞 辨 識 系 統
坑 洞 辨 識 與 偵 測 系 統
自 動 化 門 檻 值 搜 尋 方 法
鋪 面 剖 面 掃 描 儀 原 理 與 應 用
初步邏輯建立
圖1-1 研究流程圖
5
第二章 文獻回顧
研究於下列章節分別回顧了自動化鋪面損壞辨識系統、坑洞辨識與偵測系統 以及鋪面剖面掃描儀的原理與應用等三方面的文獻。2.1 節回顧自動化鋪面損壞辨 識系統的發展；2.2 節則回顧坑洞辨識與坑洞偵測之發展與兩者差異；2.3 節對 PPS 儀器之原理及應用進行介紹。
2.1 自動化鋪面損壞辨識系統
自動化鋪面損壞辨識系統的主要發展以影像式為主，原理為使用攝影照像機 拍攝鋪面影像，再透過後端處理於影像中辨識各種損壞。影像式鋪面損壞辨識系 統的演進大概可分為兩個階段：面掃描式影像辨識系統及線掃瞄式影像辨識系統。
下面 2.1.1 節介紹面掃描式影像辨識系統；2.1.2 節介紹線掃瞄式影像辨識系統。
2.1.1 面掃描式影像辨識系統
面掃瞄式鋪面損壞檢測儀可以稱之為自動化鋪面損壞檢測設備之第一代系統。
其特點為透過傳統數位攝影照像機的架設並輔以距離量測設備，即可利用行進的 載具進行鋪面影像的擷取工作，接著透過後續分析軟體進而辨識鋪面損壞。國內 外目前有部份檢測單位使用面掃瞄式影像辨識系統進行鋪面損壞的辨識作業，以 下針數款面掃瞄式自動鋪面損壞辨識設備概略說明。
●加拿大 Fugro Roadware 公司 ARAN 多功能道路檢測車[4]
ARAN 為加拿大 Roadware 公司所開發的檢測車，為一整合式檢測設備，可收 集鋪面及道路資產資訊，並進行裂縫、抗滑值、車轍、帄坦度、鋪面紋理等測量。
其鋪面損壞檢測系統將兩台單色數位相機安裝於可伸縮的懸臂上，檢測寬度可達 4.27 m。檢測時利用與相機同步之閃光燈提供照明，左右兩台相機同步拍攝，並在 後端處理時透過軟體將其疊合。其高亮度的閃光設備可令該系統不受限於光照條 件下進行檢測。後端處理程式為 WiseCrax 軟體可全自動辨識裂縫類型、嚴重程度、
6
範圍與位置，裂縫辨識率可達 1mm，其影像系統如圖 2-1 。
圖2-1 ARAN 多功能道路檢測車面掃描式影像儀器
●澳洲 ARRB 公司 Hawkeye 自動檢測車[5]
Halkeye 自動檢測車為 ARRB 公司所開發之自動化鋪面檢測系統，功能包括 縱橫向斷面、帄坦度、車轍、粗質紋理、板塊段差以及路面標線辨識。其鋪面損 壞檢測設備為一至二台高解析度數位相機，於各種速度下進行連續影像的拍攝工 作。所蒐集之鋪面損壞影像透過人工辨識方式或自行開發之影像辨識軟體進行後 續應用，其影像系統如圖 2-2 。
圖2-2 Hawkeye 自動檢測車面掃描式儀器[5]
●美國 NNW 公司面掃描相機自動檢測車
台灣大學於民國九十六年租用美國 NNW 股份有限公司之自動化鋪面損壞檢 測系統。該設備架設於臺灣大學土木工程學系交通工程檢測車，由一伸縮方管作 為主桿與水帄夾角約 20 度向車後延伸架設相機，可拍攝影像大小為 4.1 × 2.9（m2）。
7
架設圖如圖 2-3 。相機採用 AVT Marlin F-145B2 黑白相機，在最大解析度為 1392
×1040 像素下每秒可拍攝 10 張影，可適用於一般車流速度下進行影像擷取。後端 處理透過 PicCrack 系統或人工判讀的方式進行後端處理並輸出區段 UCI 值。
圖2-3 台灣大學鋪面損壞檢測設備
面掃描式影像辨識系統在應用上有較多的困難需要克服，主要有兩個部分：
其一為光影問題，光源的配置在面掃描式系統的應用上佔有決定性的影響，良好 的光源配置系統可以有效的減少後端處理的繁複性與準確性。此外，由於鏡頭延 伸出車後，若於檢測過程中有其他物體之陰影進入攝影範圍則容易造成後續分析 的困難。另一方面為則是攝影機的設置角度問題，一般面掃描式影像系統使用的 是廣角鏡頭，受到載具及空間上的限制，若鏡頭架設為垂直對準鋪面而有傾斜角 度，影像會產生扭曲的情形。
2.1.2 線掃描式影像辨識系統
為解決面掃瞄式鋪面損壞檢測儀中光源系統及影像扭曲等兩大問題，線掃描 式鋪面損壞檢測儀遂因應而生。該系統利用特殊光源系統提供一高亮度線狀照明，
8
並使用線掃描式相機擷取照明線部分影像，最後經由後端處理將線狀影像合併成 連續影像，克服光影對於後續分析之影響。國際間有多家知名檢測廠商採用該類 型鋪面損壞檢測儀進行鋪面損壞檢測與分析，以下將簡介數款線掃瞄式鋪面損壞 設備。
●美國 Mandli communications 公司之 Mandli 檢測車[6]
Mandli 檢測車係由 Mandli communications 公司研發，同時具有下列之功能：
路面攝影系統（PIS）、路表帄坦儀（RSP）、GPS 定位系統、雷射車轍量測系統（LRMS）
及距離量測系統（DMI）等功能。Mandli 檢測車配有 INO LRIS line scan camera 的 線掃描式影像系統，在解析度為 4096pixel 的高解析度下可涵蓋 4m 寬，辨識寬度 最小可達 1mm (檢測速度可達 100kph)，最高檢測速度為 62mph，其影像系統如。
圖2-4 Mandli 檢測車影像系統[6]
●丹麥 GREENWOOD 公司之 Profilograph 檢測車[7]
Profilograph 為丹麥 GREENWOOD 公司開發的鋪面績效檢測設備。其原型係 由 17 組雷射位移感測器與加速度規所組成，而後持續擴建設備成為多功能檢鋪面 績效測車。線掃描攝影機架設於車輛後方，影像截取寬度為 4m，解析度為 1 至 2mm。
較特別的是其光源系統可產生十倍太陽光強度的單色光以排除其他物體之陰影，
其影像系統如。
9
圖2-5 Profilograph 檢測車影像及照明系統[7]
●中央大學智慧型鋪面檢測車[8]
中央大學於民國 93 年開始著手研發智慧型鋪面檢測車，同時具有鋪面帄坦度 量測與鋪面狀況檢測系統。鋪面狀況檢測系統包含線掃瞄照相機（Line Scan CCD Camera）、影像儲存系統、距離量測儀器以及架設拍攝狀況之腳架。該系統於 95 年改良後可針對縱向裂縫、橫向裂縫、鱷魚狀裂縫及坑洞等四種鋪面損壞類型進 行自動辨識，並可獲得扣減值並進行 PCI 運算，其影像系統如圖 2-6 。
圖2-6 中央大學鋪面檢測車示意圖[9]
●美國 Waylink 公司 DHDV 檢測車[10]
DHDV(Digital Highway Data Vehicle)檢測車為美國 Waylink 公司所開發的多功 能道路檢測車，該檢測車同時配備以下設備：即時量測鋪面的損壞及分析資料之 自動化鋪面攝影系統（APSI）、距離量測系統、路面損壞分類評估軟體－自動化損 壞分析儀（ADA）、路權攝影系統（PRIS）、雷射車轍量測系統（LRMS）、用以檢
10
測帄坦度之雷射縱斷面量測系統（LRD）、定位定向系統（PSA）及可動態呈現結 果之多媒體高速公路資訊系統（MHIS）。而 DHDV 所配備的線掃描式影像系統與 Mandli 相同，為 INO LRIS line scan camera；另配有 Automated Distress Analyzer 針對鋪面損壞進行辨識與定位，並可利用 Universal Cracking Index(CI)量化，影像 系統如。
圖2-7 Waylink DHDV 檢測車影像系統[10]
2.2 坑洞偵測與辨識系統
對於標的物的搜尋，又可分為偵測與辨識兩種概念：偵測僅能找出標的物是 否存在；辨識則不僅能找出標的物的存在，更能測得整個標的物的全貌因而做出 更進一步的分析與判斷。於下面 2.2.1 節介紹坑洞偵測系統；2.2.2 節介紹坑洞辨識 系統。
2.2.1 坑洞偵測系統
坑洞偵測系統見的目的有二，其一為障礙偵測與迴避，其二為障礙警示。就 其需求而言，並不需要量測坑洞的大小或深度，僅需探測坑洞存在與否。由於無 量化之步驟，因此坑洞的偵測不需要使用高精確度之量測儀器，在效果與建置成 本的共同考量下，一般在偵測系統建置時會選擇精確度較低的感測器(Sensor)[6] 。 整體坑洞偵測系統架構可簡單分成兩個部分：加速度規(Accelerometer)位及移感測 器(Displacement Sensor)。加速度規一般用以分析載具經過坑洞時，因顛簸的情形 產生的加速度變化，做為坑洞偵測之依據。載具的車輪必頇經過坑洞的所在位置，
11
方可偵測到坑洞的存在；位移感測器則通常用來偵測載具“前方”鋪面狀況，具有預 警的特性。
使用位移感測器偵測前方距離視載具行進速度、迴避能力與反應時間綜合考 量而定。由於不頇高精確度測量，一般採用建置價格較低的超音波位移感測器 (Ultrasonic Sensor)。而位移感測器依照建置上的不同亦有不同的偵測概念。當位移 感測器與路面以臨界角度(Critical Angle)架設時，其超音波訊號反射波無法傳回接 收器，故在帄面路段並不會有回波信號產生；若超音波訊號遇到坑洞，此時入射 波與路面夾角大於臨界角，則回波訊號便可傳回接收器中達到坑洞偵測之效果，
如圖 2-8 [11] 。另一種偵測邏輯則採用不同的概念，該邏輯利用超音波迴波時間 數據之連續性做為判斷。當載具在帄坦路面上，會量測到穩定且連續之迴波時間；
一旦遇到坑洞則會使回波時間產生改變，令時間數列產生不連續的情形，如圖 2-9 。 在偵測一開始擷取固定長度路段做為帄坦鋪面參考數值，當不連續數據開始出現 後計算不連續數據連續出現個數，若超過一定數量即可判斷有坑洞存在圖 2-9 [12] 。
圖2-8 超音波位移感測器以臨界角方式架設示意圖[6]
12 距離感測器
回波時間訊號 帄坦路面
坑洞
圖2-9 回波時間連續性示意圖
坑洞偵測的警示功能，除了欲提供搭載偵測系統之載具本身外，也希望可以 提供周遭載具甚至可做出回報資訊的動作，因此除了偵測系統本身外常會整合 GPS 做定位並搭載 WIFI、3G 或 NFC 等無線傳輸設備，在偵測到坑洞的同時可將 地點與警示傳送至周遭載具以及回報道路主管機關。
2.2.2 坑洞辨識系統
坑洞辨識系統通常為自動化鋪面損壞辨識系統的一個部分，因此主要的發展 為影像式辨識系統。受限於單純影像式系統對於高程的資料擷取能力，坑洞損壞 的量化以坑洞尺寸為主。辨識系統設備與 2.1 節中介紹的影像式自動化鋪面損壞辨 識系統相同，擷取鋪面影像後進行後端影像分析的工作。以影像式系統的基本流 程主要有五個步驟：影像擷取、影像前處理、損壞偵測、損壞類型分類以及損壞 量化；而影像前處理步驟又可分為三項：影像切割、影像增強以及影像二值化[14] ， 如圖 2-10 。影像的切割將鋪面影像切格程相同大小的影像區塊，以分割區塊個別 進行後續分析。而影像增強主要的目的是去除影像中的雜訊，並將標的物突顯出 來的過程。本研究於後續坑洞辨識的邏輯上，參考影像式系統的前處理流程，首 先將掃描區塊切割成適當大小，接著針對高程進行處理以排除他種因素的影響，
击顯坑洞的所在。
13
影像擷取 影像前處理
影像切割 影像增強 影像二值化
損壞偵測
損壞類型分類
損壞量化
圖2-10 影像式鋪面損壞辨識流程
影像式鋪面損壞的辨識與分類方法最常見為邊緣判定法(edge detection)，其中 以 Canny edge detection 具有較好的效果[14] 。該方法係將影像灰度值中對比較強 的部分做為強邊標示出，並將物件內部弱邊及雜訊去除，最後將邊緣補齊。找出 鋪面影像的邊界後即可進行損壞辨識以及分類。以坑洞損壞而言，坑洞邊界常有 陰影存在，使得其灰階影像呈現較深的灰度值，故可利用邊緣判定的方式將其輪 廓勾勒出。C. Koch 等學者坑洞影像辨識研究中將坑洞辨識使用雙重特徵進行[13] 。 坑洞損損壞形狀常以近似圓或橢圓形存在，因此可針對具有影像邊緣使用圓或橢 圓針對邊緣進行擬合；而一般坑洞之底部具有碎石或是殘餘的瀝青混凝土碎塊，
從影像觀察該情形，其坑洞影像內部紋理與正常鋪面相比呈現較為雜亂的情形，
因此可使用影像紋理做為判定坑洞影像之依據。
以分割影像進行分析處理可能遭遇影像不完整的問題，影像中的損壞可能遭 切割而非完整狀態，因此影像處理除了針對切割影像進行分析外，亦頇要進行後 續追蹤工作。當分析判定該影像區塊具有損壞存在，必頇朝其周圍之影像區塊做 追蹤找出同樣具有損壞之區塊後進行合併[14] 。本研究為避免損壞受到切割，除 了高程篩選階段使用分段分析，後續坑洞搜尋皆使用整體掃描樣本資料進行，搜
14
尋結果即為完整之損壞區塊，不需進行後續追蹤的程序。
線掃描式影像處理系統其光源之設計十分複雜且需要大量且穩定的電力供給，
故有研究提出另一種高效率且更經濟的雷射影像技術進行坑洞調查。該技術本質 上仍為影像式系統，唯其照明工具捨棄了複雜的線掃瞄式照明系統，採用雷射光 線做為光源，如圖 2-11 ，圖中左上方為攝影機，左下方為雷射照明器，又方則利 用木板製作击起表面。雷射照明系統以線狀方式照明，當雷射照射在帄坦的路面 會呈現連續的光線情形；一旦遇到不帄坦的凹陷或突起情況，會產生不連續的線 條。利用攝影機將移動中的雷射照明光線連續拍攝後進行影像處理，捕捉影像中 的光線線條變化，如圖 2-12 。利用上述概念，將連續影像中雷射線條情形拼接起 來，以找出击起或凹陷標的物之樣貌。以坑洞為例，當雷射照明經過坑洞時，坑 洞處之光線會產生不連續狀態，如圖 2-13 。不連續線段經過拼接後可產生坑洞樣 貌，如圖 2-14 。相較於原本的影像系統，雷射影像系統可以更有效辨別陰影、油 污與凹陷處在影像上的差異。
圖2-11 雷射影像系統概念示意圖[15]
15
圖2-12 實際影像與雷射捕捉分析結果[15]
圖2-13 雷射照明通過坑洞情形[16]
圖2-14 捕捉並接合雷射光線形成坑洞全貌示意圖[16]
根據柔性鋪面損壞調查手冊分級表，僅憑坑洞直徑無法精確地針對坑洞進行
16
分級。利用雷射攝影系統之特性，透過雷射光線變形的情形可以用以量化坑洞之 凹陷程度，雖無法精確測量確實深度，仍可達到更精確的損壞分級。
表2-1 坑洞損壞分級表(cm)[1]
深度 d 直徑 D D < 15 15 < D < 30 D > 30
d < 3 輕級 輕級 中級
3 < d < 5 輕級 中級 重級
d > 5 中級 中級 重級
2.3 鋪面剖面掃描儀介紹
鋪面剖面掃描儀全名 Pavement Profile Scanner(PPS)，為美國 Phoenix Scientific Inc. 公司所研發，為一雷射式掃瞄儀器。主要功能是利用雷射掃描鋪面剖面的三 維座標資訊。儀器的系統架構架構與常見的慣性式剖面儀(Inertial Profiling System) 十分類似，分別由雷射位移感測器、距離感測器(Distance Measurement Instrument, DMI)、加速度規(Accelerometer)為主要構件組合而成的三維雷射掃描儀(3D Laser Scanner)。不同的是慣性式剖面儀為二維的剖面資料；PPS 則可獲得三維的剖面資 訊。
三維雷射掃描技術又可分為三類：雷射三角測量技術(Laser Triangulation)、
Time of Flight(TOF)以及相位偏移雷射掃描技術(Phase Shift Laser scanning)。雷射三 角測量技術使用三角測量的原理，取得標的物的距離；TOF 的原理則是計算雷射 往返的時間，輔以已知的雷射光速度獲得標的物的距離；相位偏移雷射掃描技術 的概念與 TOF 類似，計算雷射的回波相位(Phase)相對雷射基準相位(Standard Phase) 的偏移(Shift)可換算標的物的距離[3] 。PPS 所採用的技術為相位偏移雷射雷達 (Laser Radar)，或者稱 LiDAR (Light Detection And Ranging)。現行的雷射雷達技術 在掃描機制又可分為四種，分別為：鐘擺鏡面式(Oscillating Mirror)、轉動斜盤鏡
17
面式(Palmer Scanner or Nutating Mirror)、光纖式(Fiber Scanner)以及旋轉稜鏡式 (Rotating Polygon)等[17] [18] ，如圖 2-15 。鐘擺鏡面式利用反射鏡做週期性鐘擺 的方式進行掃描，掃描線在行進間會形成 Z 字形的形態；轉動斜盤鏡面式是使用 一固定傾角之連續旋轉反射鏡，掃描線會形成橢圓形的形態；光纖式利用光纖轉 換將雷射透過光纖打成所需之雷射陣列，掃描線可呈現帄行線的形態；旋轉稜鏡 式則利用等速且高速旋轉的稜鏡將雷射反射，其掃描線呈現帄行線的形態，如圖 2-16 [18] ，PPS 的掃描機制即是屬於旋轉稜鏡式。
圖2-15 雷射雷達掃描機制[18]
18
圖2-16 不同雷射雷達掃描機制掃描方式[18]
PPS 最主要的機構分別為高功率雷射發射器、高速旋轉稜鏡以及雷射接收器三 個部分，如。其掃描原理為雷射發射後，經由高速旋轉稜鏡反射，可形成一條由 950 個雷射測點構成的雷射掃描線，各點位的雷射經待測表面反射後再經由高速旋 轉稜鏡反射至雷射接收器擷取其點位位置、高程資訊以及回波強度訊號，如圖 2-18 。中央高速旋轉稜鏡速度約為 10,000 rpm，換算後掃描頻率可高達 1000 Hz。
由圖中顯示，PPS 之量測範圍為稜鏡兩側 45°，故其測量寬度為其架設高度之兩倍。
儀器設計之理想工作範圍為稜鏡高度 2.135 m ± 15 cm，亦即 PPS 雷射窗口距地面 1.8 m ± 15 cm。PPS 在高程的部分可以達到 ±0.5 mm 的準確性。而在載具以時速 60 公里前進下收集資料，其縱向數據間距洽為 25 mm，符合 ASTM E950[19] 中，
Class 1 等級之儀器要求。
19
(a) 高功率雷射發射器 (b) 雷射接收器
(c) 旋轉稜鏡
圖2-17 PPS 主要機構[2]
旋轉稜鏡
雷射發射器 雷射接收器
90°
圖2-18 PPS 雷射掃描示原理示意圖
PPS 整合 DMI 後，可收集到的資料數據包含：橫向雷射點位位置、縱向載具 行進距離(distance)、各點位高程(elevation)以及各點位雷射回波強度(intensity)等受
20
測表面資訊。以橫向雷射點位位置為 x 座標，縱向載具行進距離為 y 座標，高程 為 z 座標，可將數據視為三維點雲座標資料。三維點雲座標資料應用範圍十分廣 泛，除了可將各縱測線分離進行道路帄坦度分析外，亦可分離橫測線進行車轍分 析[2] ，其他應用的可能性仍有待研究開發。此外，雷射回波強度也可進行相當多 元的應用。在固定距離下，回波強度受到受測表面之物理性質影響，包含顏色、
材質等。淺色物質以及高反射性物質可以得到較強的回波強度；相反的深色物質 則容易吸收雷射能量產生較弱的回波強度，而不規則表面可能造成雷射不規則反 射，也可能得到較弱的回波強度反應。
本研究將 PPS 架設於國立台灣大學土木工程學系交通工程組工程檢測車車後，
儀器架設高度為 PPS 理想架設高度，儀器底部距離地面 1.8 m。由於 PPS 重量重達 60 kg，因此使用拉升裝置將儀器拉升至適當高度後進行架設，如圖 2-19 ，架設辦 法由蔡鎮孙提出[2] 。拉升裝置後端配有配重塊，以防止拉升裝置於拉升過程產生 傾倒的情形，如圖 2-20 。當 PPS 稜鏡啟動後，其上兩個橘色 LED 警式燈會亮起，
顯式儀器運作正常且可警示後方行人行車避免進入檢測範圍，架設完成圖如圖 2-21 。
圖2-19 拉升裝置與拉升過程 圖2-20 配重塊
21
圖2-21 PPS 架設完成圖
22
23
第三章 鋪面剖面掃描儀應用於坑洞辨識
PPS 使用雷射雷達技術可掃描鋪面表面的三維點雲座標以及回波強度資訊，其 數據相當具有開發及應用的潛力。在過去的研究中，已經做過以全車道寬度之 IRI 值分析與比較、車轍損壞辨識以及人孔高差辨識的功能開發[2] ，尚有許多鋪面狀 況值得使用 PPS 進行探討。台灣道路主管機關在道路鋪面養護策略安排，以道路 損壞之嚴重性作為維修優先次序主要考量因素之一，因此進行 PPS 自動化鋪面損 壞辨識功能開發首先考量損壞之優先程度。相較於影像是辨識系統，PPS 在應用上 的優勢為無頇額外整合他種儀器及可得到精確之鋪面高程資訊。參考柔性鋪面損 壞調查手冊並比較多種鋪面損壞類形，其中有 6 種損壞類型具有高程上的變化。
坑洞為柔性鋪面破壞中常見的破壞種類，係因柔性鋪面面層產生龜裂、局部鬆散，
或者結構強度減弱的情形，使面層瀝青混凝土及粒料等易被形使車輛帶離，因而 產生的局部性且大小不等之不規則凹陷情形，在豪雨過後尤為容易產生[1] 。坑洞 損壞對於行車的舒適度與安全性有相當的影響，尤其對於二輪行駛車的影響更為 明顯。經過綜合考量選擇較常見且對於行車舒適度與安全性影響較大的坑洞損壞 類型進行自動化鋪面損壞辨識功能之開發。另外，薄層剝離之損壞類形其外觀與 量化方式與坑洞有相當的相似性存在，故本研究將二者合併進行討論。下面於 3.1 節介紹坑洞辨識功能的開發流程；3.2 節介紹 PPS 資料呈現方法； 3.3 節介紹高程 數據處理程序；3.4 節介紹門檻值搜尋方法；3.5 節介紹坑洞位置搜尋；3.6 結介紹 道路實測與分析。
3.1 坑洞辨識功能開發流程
PPS 之主要架構為雷射測距系統，該系統收集到的資料有兩項特點：目標的相 對高程資訊以及接收到的雷射回波強度。應用於坑洞損壞自動化辨識，研究首先 分析坑洞樣本於兩種資料中呈現之特性。透過人工的方式將坑洞所在位置由資料 中切割出，以小範圍坑洞樣本進行分析及觀察，了解坑洞數據之特性。與周遭鋪
24
面相比為坑洞為異常存在之凹陷情形，其高程較周遭鋪面為低。而其本質上與周 遭鋪面相同，皆由瀝青混凝土構成，顏色及表面性質與周遭鋪面沒有明顯差異存 在。綜合考量上述坑洞損壞之特性，以三維點雲資料進行坑洞損壞辨識為較理想 的方法，利用坑洞與周遭鋪面的高程差異進行辨識的程序。以高程做為坑洞辨識 之指標，本研究使用門檻值的方法，找出分離一般鋪面與坑洞之門檻值。門檻值 搜尋方法種類繁多，本研究藉由文獻回顧與比較選擇三種不同之門檻值搜尋方法 做比較，分別為 Otsu’s Method、改良式 Otsu’s Method 以及圖形化門檻值搜尋方法。
將三者中適用性較高之門檻值搜尋法，應用於自動化坑洞辨識邏輯之中。門檻搜 尋法之比較將於後面章節做詳細的介紹。確立門檻值搜尋法後便開始進行邏輯建 構的工作。邏輯的建立使用較大範圍的樣本，除了坑洞本身含蓋的範圍外亦將坑 洞前後部分路段納入分析範圍之中。自動化坑洞辨識邏輯包含：高程門檻值搜尋 及篩選、坑洞位置搜尋以及坑洞深度及尺寸量化輸出。經過大範圍樣本之重複測 是與修正後，接著以長路段樣本分析，增進辨識邏輯的適用性並找出較式當的分 析方法，流程圖如圖 3-1 。
25
坑洞特徵分析
辨識邏輯建立
高程特徵 回波強度特徵
無特徵存在 門檻值搜尋法比較
小範圍實測數據
邏輯修正
邏輯實測 與比對
擴大實測 範圍數據
路段數據分析 坑洞辨識
圖3-1 坑洞辨識邏輯發展流程圖
3.2 PPS 資料呈現方法
PPS 所收集到的數據為純數字資料，如何比較以及呈現分析結果為分析過程中 首先會遇到的問題。資料的種類為三維點雲座標以及回波強度資料，為鋪面表面 整體資訊，僅以數字矩陣的方式呈現難以清楚觀察掃描及分析結果，相較之下視 覺化的表現方式為較直觀且清楚的方法。本研究以圖像呈現分析過程與結果並進 行比較，利用帄面座標分別搭配高程以及回波強度輸出圖像。因為 PPS 數據資料 可使用不同的圖像視角呈現。由圖 3-2 及圖 3-3 可以發現，三維圖形畫面顯得較 為混亂，無法以統一視角清楚呈現不同樣本資料；相較於高程資料，回波強度資 料較為規律且特徵較為明顯，但部分資訊會受到遮蔽無法清楚觀察，如圖 3-4 。 故本研究使用俯視圖的概念呈現資料數據以及分析結果。
26
圖3-2 坑洞樣本三維圖像以不同視角呈現(1)
圖3-3 坑洞樣本三維圖像以不同視角呈現(2)
27
圖3-4 回波強度三維圖像
數據透過俯視圖的方式呈現必頇以不同的方式表達 z 座標數值，最普遍的方 式為將 z 座標值對應到 Color Map 中不同色階。在 Matlab 中預設之 Color Map 有 13 種，色階分配方式係將 z 座標中最小值設為色階起點，最大值設為色階終點，
最後將剩餘數據帄均分配於色階之中。比較多種 Cololr Map 之成效，以灰階的方 式為佳。由圖 3-5 與圖 3-2 及圖 3-3 比較可以發現，鋪面高低差藉由灰階色階十 分清楚的表現出，除了坑洞凹陷處外，周圍之標線击起亦明顯可見；而由圖 3-6 與 圖 3-4 比較可以發現，俯視圖的呈現方法可以達到更清楚的效果。本研究於後續 分析過程及結果呈現皆使用灰階俯視圖的方式呈現高程及回波強度數據，以比較 分析結果於成效。
28
圖3-5 坑洞樣本以俯視圖呈現
圖3-6 回波強度俯視圖
3.3 高程數據處理
PPS 為架設於載具之上的動態掃瞄儀器，如同慣性式剖面儀的數據收集概念，
其內配備加速度規量測加速度值用以感測路面的起伏輪廓，接著與雷射位移感測 器測量到的位移相互補償後可得到量測剖面。雷射位移感測器所量測到的高程為 雷射接收器至標的物間的距離， PPS 可以透過架設高度參數設定，將高程修正以
坑洞凹陷
標線击起
29
零位面為基準，然而受到各種不同外在環境的影響，每次實驗之零位面可能產生 些許差異。為了使不同樣本數據有相同之基準做比較，本研究將高程數據進行均 值化的處理。均值化係將資料數列的帄均值轉變為 0 的一種步驟，亦即將資料數 列減去其帄均值，使該資料數列以 0 為基準上下震盪。
首先以縱測線為單位，分別對各縱測線進行均值化的程序。該方法亦可以修 正因為路拱亦或是儀器本身未完全水帄的情況下造成橫測線呈現不水帄狀態。由 於 PPS 掃描寬度約為架設高度之兩倍，本研究架設高度約為 2.1 m 故其掃瞄寬度 約為 4.2 m，在該掃瞄寬度之下，及便 0.5°的傾斜角度亦會對左右兩端造成約 3.67 cm 明顯的高低差異，嚴重影響到門檻值之搜尋。儘管治具的設置以及儀器架設時 皆使用水準器泡進行調整，仍不排除該情況產生的可能性，因此透過均值化之步 驟可以消除剖面傾斜的情形，如圖 3-7 與圖 3-8 。
圖3-7 原始鋪面橫剖面
圖3-8 經過縱測線資料均質化後的橫剖面
此外本研究所使用的坑洞辨識方式係透過掃描帄面中各點位高程分析，找出 鋪面中異常凹陷的情形。任何量測到的鋪面高低起伏情形皆會對分析結果產生影 響，最為常見之影響情形為道路鋪面縱剖面之起伏，該起伏情形一般涵蓋一車道 甚至全同向車道，為道路坡度或是較差之鋪面呈現波浪狀情形造成。為了減少鋪
30
面起伏情形之影響，本研究以橫測線為單位，將各橫測線做均值化的步驟，以消 除各橫測線之間的高低差，達到去除整體鋪面的縱向起伏趨勢效果，如圖 3-9 與 圖 3-10 。
圖3-9 原始鋪面縱剖面
圖3-10 經過橫測線均值化後的縱剖面
利用較大範圍的樣本進行觀察，可以發現經過高程處理步驟，可以更加击顯 凹陷處之存在，有效提升門檻值篩選的效果，避免因鋪面趨勢產生的影響，減少 後續辨識產生的雜訊，如圖 3-11 至圖 3-14 。圖 3-11 與圖 3-12 中可以觀察到除 了坑洞位置外，還存在一明顯之車轍，原始數據左側亦有有明顯偏低的情況，透 過高程處理程序後有顯著的改善；圖 3-13 與圖 3-14 比較也可以發現，左側高程 偏低的情形，透過高程處理程序也有明顯的改善。
31
圖3-11 原始 PPS 資料樣本一
圖3-12 透過高程處理程序之資料樣本一
坑洞 車轍
坑洞
車轍
32
圖3-13 原始 PPS 資料樣本一
圖3-14 透過高程處理程序之資料樣本二 坑洞
坑洞 小型孔蓋
小型孔蓋
33
3.4 門檻值搜尋方法
為了將鋪面中異常凹陷情形與一般鋪面情形進行分離，需要找出適當的方法 做出區隔。透過程式繪製三維網格圖並以俯視圖的方式呈現的過程發現，以灰階 呈現之俯視圖影像與黑白攝影影像有十分類似的效果，可以將圖形分成背景與標 的物兩部分。以坑洞影像而言，黑白影像中顏色較深的部分為陰影所造成，常出 現在具有高低差的邊界處；三維網格俯視圖中顏色較深的部分則出現在高程較低 的凹陷處。無論影像式亦或是透過高程進行坑洞辨識，目的皆為分離數據中的背 景(一般鋪面)與標的物(坑洞)。不同的是影像辨識搜尋的是坑洞的邊界，而透過高 程資料辨識則式搜尋整體坑洞的區塊。
在影像處理的步驟中常透過門檻值訂定的方法進行影像影像分割(Image Segmentation)的處理，將影像中含有意義的特徵或區域抽取出來。門檻值係利用影 像灰度值直方次數統計圖(Grey-Level Histogram)中找出臨界數值，以分離成兩個群 組。常見的門檻值搜尋法有七種，依照發展的時間順序分別為 P-title Method、Mode Method、Ostu’s Method、Entropic Method、Moment-Preserving Method、Minimum Error Method 以及 Kittler Method。其中，無論資料是否有明顯雙峰情形，
Moment-Preserving Method、Ostu’s Method 以及 Entropic Method 皆可有較佳的績效 [20] 。本研究選擇 Otsu's Method 作為門檻值搜尋探討方法之一。而 Wang Hongzhi 等人於影像辨識相關研究中提出 Otsu’s Method 的改良方法[21] ，搜尋出的門檻值 可以得到更佳的分群效果。另外，C. Koch 等人於坑洞影像辨識研究中提出一種較 簡化的門檻值搜尋法，該方法利用直方次數統計圖圖形進行幾何分析作為門檻值 搜尋依據[13] ，在本研究將該方法稱之為圖形化門檻值搜尋法。下面針對三者應 用於實際坑洞數據上進行比較與分析，選擇較佳的門檻值搜尋法作為分析後續分 析使用。
Otsu’s Method 的觀念為差異性分析法(Discriminant Analysis)，目標是找出另兩
34
個群組之離散程度(spread)最大的門檻。首先將灰度值資料繪製直方次數統計圖，
接著搜尋適當之門檻值(T)將分成兩個群組。門檻值(T)將整體灰度值資料分割成標 的物與背景兩個區塊，標的物部分之灰度值帄均值以
B(T )
表示；背景部分灰度值 帄均值以
O(T)表示；而整體影像之灰度值帄均值則以
表示。對於標的物而言，
B(T
)
2越大則越理想；對於背景而言，
O(T
)
2越大則越理想。因此，最佳之門檻值(T)必頇同時滿足
B(T
)
2及
O(T
)
2為極大值，故定義Between-Class Variance(
Between2 (T
))為二者之加權總和，算式如下。當最佳門檻值T 存在，
Between2 (T
)為極大值。
1
0
) ( )
( T
i
B
T p i
n
式 1
1
0
) ( )
( N
i
O
T p i
n
式 2) ( ) ( ) ( )
(
T T n T T n
B
B O
O
式 3
2
22 ( ) ( )
( )
( )
( )
BetweenT n
BT
BT n
OT
OT
式 4為了提高 Otsu’s Mehtod 門檻值搜尋的精確性，Wang Hongzhi 等人於影像辨識 相關研究中提到，在影像中灰度值資料變異數(Variance)可以表示影像的均質性，
在背景亦或是標的物的區塊中，其灰度值變異數較小；背景與標的物之間則灰度 值變異數則顯著的變大。因此利用變異數取代原算式中的帄均值做為指標，達到 提升 Otsu’s Method 對於高複雜度及多峰值之數據適應性以及門檻值搜尋精確度的 目的[21] 。式子如下：
2 2
2
2 2
22 ( ) ( )
( )
( )
( )
BetweenT n
BT
BT n
OT
OT
式 5第三種門檻搜尋法為 C. Koch 等人於坑洞影像辨識研究中所使用的圖形化門 檻值搜尋法，該方法亦是以直方次數統計圖為基礎所發展出的方法，如圖 3-15 ， 圖中橫軸為影像灰度值，縱軸為統計次數。其原理係於直方次數統計圖中，將最
35
低的灰度值(0)統計量(P0)與灰度值統計峰值(Pmax)連線得直線 l，接著再介於 P0至 Pmax之灰度值範圍中搜尋與直線 l 有最大距離之資料點位，該點位所對應到的灰度 值即為門檻值(T)[13] 。
圖3-15 圖形化門檻值搜尋法[13]
在相同的概念下，本研究將影像處理中灰度值以高程值取代，使用小範圍樣 本進行三種門檻值搜尋法的比較。小範圍樣本係以人工的方式，將坑洞與其周遭 鋪面從較大範圍的樣本中切割出。使用小範圍樣本進行分析除了可以提升分析速 率，亦可避免其他道路狀況之干擾，如人孔、車轍以及其他路面起伏情形影響。
將樣本分別透過三種不同的門檻值搜尋法進行高程篩選後，以圖像的方式顯示結 果，如圖 3-16 至圖 3-21 六個樣本所示。其中(a)為使用 Otsu’s Method，(b)為使用 改良式 Otsu’s Method，(c)則使用圖形化門檻值搜尋法。而六個樣本分別經過三種 不同方法搜尋出的門檻值如表 3-1 。
36
(a) Otsu’s Method (b) 改良式 Otsu’s Method (c) 圖形化門檻值搜尋法 圖3-16 樣本（一）高程透過門檻值篩選結果示意圖
37
(a) Otsu’s Method (b) 改良式 Otsu’s Method (c) 圖形化門檻值搜尋法 圖3-17 樣本（二）高程透過門檻值篩選結果示意圖
38
(a) Otsu’s Method (b) 改良式 Otsu’s Method (c) 圖形化門檻值搜尋法 圖3-18 樣本（三）高程透過門檻值篩選結果示意圖
39
(a) Otsu’s Method (b) 改良式 Otsu’s Method (c) 圖形化門檻值搜尋法 圖3-19 樣本（四）高程透過門檻值篩選結果示意圖
40
(a) Otsu’s Method (b) 改良式 Otsu’s Method (c) 圖形化門檻值搜尋法 圖3-20 樣本（五）高程透過門檻值篩選結果示意圖
41
(a) Otsu’s Method (b) 改良式 Otsu’s Method (c) 圖形化門檻值搜尋法 圖3-21 樣本（六）高程透過門檻值篩選結果示意圖
42
表3-1 門檻值搜尋結果比較表 (mm) Otsu’s Method 改良式
Otsu’s Method
圖形化 門檻值搜尋法 樣本一 4.4793 -4.6103 -5.3630 樣本二 0.4656 -4.0190 -2.9199 樣本三 1.9587 -7.5351 0.1074 樣本四 5.4591 -1.8590 4.0283 樣本五 -7.1453 -8.5631 -9.2304 樣本六 -4.4925 -8.0309 -9.1261
圖中呈現灰色部分為凹陷區塊，顏色越深則表示凹陷程度越大。從樣本觀察 可以發現，使用 Otsu’s Method 所搜尋出的門檻值皆呈現過於寬鬆的情形，使得樣 本圖像中留有過多非坑洞之較淺的凹陷情形，高程篩選結果不甚理想，無法精確 將坑洞以外的部分去除。改良式 Otsu’s Method 與圖形化門檻值搜尋法從圖像上比 較成效相當接近，皆可達到相當程度的篩選效果。經過分析與比較，兩種門檻值 搜尋法各有其優勢存在，故本研究同時採用兩種門檻值搜尋法進行高程門檻值搜 尋與篩選之用，搜尋結果取較小值作為篩選門檻，以較嚴格的門檻值進行高程篩 選的工作。
3.5 坑洞位置搜尋
本研究之坑洞辨識指標為鋪面高程，故鋪面中較為明顯的凹陷情形在經過高 程處理程序以及門檻值篩選後會受到保留。當掃描範圍越大，樣本中受保留之凹 陷情形也相對增加。此外受測鋪面若其狀況不佳，也會造成越多凹陷情形的存在。
然而並非所有的凹陷情形皆屬於坑洞損壞，因此必頇將通過篩選之區塊個別分離 進行分析，以判定該凹陷情形是否為坑洞。為了分離不同凹陷區塊，本研究選用 Connected-Component 演算法進行，該方法常用於影像處理程序搜尋二元影像中連 續之像素。PPS 數據處理篩選出的凹陷區塊皆為成群點位，故可應用相同的概念去
43
分離不同區塊。
Connective-Component 之原理係將互相連通的元素群組給予相同的指標，而不 相連通之群組給與不同的指標，因此可利用不同的指標辨別不同之群組。而隸屬 相同指標之群組中的所有元素皆可使用線條將其全部連接在一起；不同指標之群 組則無法用線條連接。應用於二維之 Connective-Component 常用的方式有兩種，
分別是 4- Connectivity 以及 8- Connectivity。4-Connectivity 僅考慮其上下左右四個 方向之相鄰元素之連通性，如圖 3-22 ；8- Connectivity 則除了考慮上下左右四個 相鄰位置外，其對角位置也考慮在內，如圖 3-23 。本研究選用 8-Connectivity 的 方式進行分析。
◎
◎ ● ◎
◎
圖3-22 4-Connectivity
◎ ◎ ◎
◎ ● ◎
◎ ◎ ◎ 圖3-23 8-Connectivity
將通過高程處理程序以及門檻值篩選步驟之數據轉換為二元矩陣，凹陷處為 1 而其他部分則為 0，接著進行 Connected-Component 演算法。經過演算法之分析，
矩陣中不同連通區塊將會以不同指標標記後形成新的矩陣，示意圖如圖 3-24 ，圖 中共有三個各自獨立的連通區塊以及三個單獨無連通之獨立元素(左下方三個單 元)，通過分析後分別以 1、2、3 三個不同的數字做為指標重新標記。利用新矩陣 做為 Index，以比對的方式找出原始資料中相對應的連通區塊，並將個別區塊以矩 形切割後進行探討和進行後續量化分析的步驟，切割方式如圖中粗框部分。
44
0 0 0
1
0 0 0 0 01
01 1 1 1
0 0 01 1
0 0 01
01
0 0 01 1 1
0 01 1
01
01
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 01
0 0 0 0 0 0 0 0 01
0 0 0 0 01
0 0 01
0 0 01
0 0 0 0 01
01
01
0 01
01
0 0 0 01 1
0 0 0 0 0 0 0 0 0 01
00 0 0
1
0 0 0 0 02
01 1 1 1
0 0 0 22
0 0 01
01
0 0 02 2 2
0 01 1
01
02
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 03
0 0 0 0 0 0 0 0 03
0 0 0 0 0 0 0 0 03
0 0 03
0 0 0 0 03
03
03
0 0 0 0 0 0 0 0 03 3
0 0 0 0 0 0 0 0 0 03
0 圖3-24 8-Connectivity Connected-Component 分析示意圖45
為了篩選分析出的結果以剔除非坑洞之凹陷區塊，首先使用連通元素的個數 進行篩選。依據柔性鋪免損壞調查手冊中提出的坑洞量化辦法，坑洞損壞的嚴重 程度已坑洞直徑與坑洞深度為評斷依據。其中坑洞直徑分別以 150 mm 以及 300 mm 為分級標準，而坑洞深度則以 30 mm 以及 50 mm 為分級標準。連通元素個素 與坑洞的面積有關，亦即與坑洞直徑有間接關係。考慮到面積過小的凹陷對於行 車影響極為有限，而過大的凹陷則可透過帄坦度指標反應鋪面的狀態，因此本研 究將小於 100 個連通元素以及大於 10000 個連通元素的區塊排除，以達到第一階 段篩選的目的。
第二階段的篩選採用坑洞外型作為分析考量。坑洞通常以近似圓形或是橢圓 形的狀態存在，其長寬比例差異不大，因此透過分析區塊的長寬比進行第二階段 的篩選工作。本研究將長寬比值門檻設定為 5，當比值大於 5 則排除其為坑洞的可 能。此外，若坑洞為近似圓或橢圓的狀態，其占有面積可達到切割區塊一定的比 例。經過樣本分析的結果發現，占有面積應可達到 40%以上，故將其定為篩選門 檻。而在道路實測上，人孔亦為常見的凹陷情形。根據蔡鎮孙提出使用 PPS 進行 人孔偵測以及高差測量的研究 [2] ，人孔蓋之材質與周遭鋪面迥異，故其具有雷 射回波強度之特徵存在，相較於周遭鋪面呈現較高的情形。本研究使用雷射回波 強度資料進行第三階段的篩選工作以將孔蓋排除。整體鋪面之回波強度受到標線 的影響，其帄均值略高於一般鋪面之回波強度，故將整體鋪面之帄均值成以一固 定係數 0.8 作為指標，若目標切割區塊之回波強度大於該指標則判定其為孔蓋予以 排除。此外，本研究發現，坑洞損壞邊界斜率之絕對值會較多數凹陷情形為大，
在單位長度內呈現較顯著之高程變化情形，因此本研究分別計算坑洞邊界於縱向 之斜率與橫向之斜率，當兩斜率絕對值總和大於 0.75 時，即該處可能為坑洞，否 則將其排除。
由於 PPS 為高精密儀器，因此在坑洞嚴重度的量化上可以做到人工量測無法 進行的步驟。本研究在凹陷深度以及坑洞直徑的計算方式除了使用類似於人工量
46
測法外，另外也使用不同的方法進行比較。坑洞凹陷深度的計算採用兩種方式：
坑洞最大凹陷量與坑洞帄均凹陷量。計算方式係以門檻值為分界，將高於門檻值 的部分視為未損壞鋪面，並計算高程帄均值做為未損壞鋪面高程；低於門檻值的 部分則視為坑洞損壞。取坑洞損壞部分最小高程值減去未損壞鋪面高程值做為坑 洞最大凹陷量；而將坑洞損壞部分高程值取帄均後減去未損壞鋪面高程則為坑洞 帄均凹陷量。人工量測坑洞深度較難達到上述兩種量測方式，故只能採用較隨機 的量測方式進行坑洞深度的量測。坑洞尺寸也使用兩種不同的計算方法：分別為 縱向與橫向尺寸之帄均直徑以及面積換算直徑。以行車方向做為縱向；垂直於行 車方向則為橫向，計算坑洞涵蓋長度與寬度做為縱向尺寸與橫向尺寸。取兩者帄 均做為坑洞直徑是為帄均直徑。人工量測亦採用帄均直徑的方式作為坑洞嚴重度 量化方式。面積換算直徑則利用邏輯找出包覆坑洞所有資料點位之封閉曲線，計 算封閉曲線包圍的面積，在坑洞為圓形的假設下換算坑洞直徑。利用上述輸出資 訊配合坑洞分級表格後進行坑洞損壞分級。整體篩選流程圖如圖 3-25 。
