随着我国经济的飞速发展,我国的公路系统也越来越发达,沥青公路占总公路里程的比例也日益增加。我国早期建设的公路已经出现破损,其中路面破损前期80%属于车辙病害,其破坏路容,危害交通安全。因此,在高速公路飞速发展的今天,车辙检测对公路养护工作具有十分重要的意义,是我国公路养护的重要课题。本课题来源于南京理工大学与江苏省沪宁高速公路股份有限公司的共同研制的N-1型路面状况智能检测车。为了能更高效,快速的检测出车辙,本文对该系统的子系统“基于结构光的车辙自动检测”进行研究。路面车辙检测系统主要由车载图像采集系统和离线数据处理系统两大模块组成,本文主要对离线数据处理模块进行研究。首先叙述了车辙检测系技术的发展历程和国内外发展现状,其次介绍了车辙的分类及形成机理,并对基于结构光路面车辙检测系统原理进行了详细的论述。在离线数据处理模块中,通过对原始车辙图像进行灰度化、灰度校正、阈值分割、细化等一系列处理后,再对细化后的曲线进行标定,从而计算出车辙深度。在阈值分割阶段,本文利用基于全局阈值分割和P-tile阈值分割的分段阈值分割方法,实验表明该方法可以有效的消除行车线以及光照不均等造成的干扰,提高图像的质量；在细化阶段,通过研究经典细化算法,针对车辙图像的特点以及结构光图像的灰度分布特点,本文采用了一种直接提取中心线的细化算法,该方法复杂度低,处理效果好,运行时间也比较少；在基于模板标定的车辙深度计算环节,本文尝试用双线性插值的方法对原始图像进行插值,提高原始图像的分辨率,从而使标定精确提高到亚像素级。最后根据原始车辙图像的特点将车辙图像分类,对不同种类的图像采用不同的处理方法,这样可以正确而有效的检测到车辙并获取细化后的车辙图像,从而提高车辙深度测量的精度。