沥青路面的病害能够破坏交通安全,对道路结构的健康影响很大,其中最主要的病害类型之一是路面坑槽病害。目前的路面状况评估方法主要是人工方法,耗时较长。由于我国高速公路总体量正逐渐增大,交通体量的增长,使得相关的管理工作变得繁重,掌握路面病害的高效、精准的实验方法可以预防道路安全事故,提升公路养护效率。这对于保障道路安全,提高公路养护决策的科学性具有重要意义。现有的坑洞识别和评价方法依赖于花费较高的激光设备及高计算成本的三维表面重建,或者依据面积指标表达坑槽的严重程度,这造成了采集现有的坑槽检测数据,无法分析出全面、真实、准确的坑槽信息。为此,本文提出了另一种的解决方案,利用基于机器视觉的三维重建数据,以实现自动检测和评估坑洞的严重程度。通过参考相关资料,详细解释了三维重建技术的原理及组成结构,并其自身特点以及参数特性,组建了室外检测试验。分析了检测过程中出现缺失点的原因及解决办法。提出了基于PCA的重建数据坐标系的校准方法。应用了坑槽指标方法,对该方法的准确性进行了验证。之后,分析了点云密度,图片数量对坑槽计算指标误差的影响规律。最后,使用MATLAB还原了模型信息,计算坑槽的各项参数数据,通过三维重建得到坑洞的宽度和深度,利用坑槽的视觉和空间特征,测量坑洞的特性(深度和体积)。该方法在实际的坑洞检测中得到了验证,结果表明,该方法具有成本低、直观等优点。