1.基于计算机视觉的沥青道路质量检测方法，其特征在于，该方法包括以下步骤：

获取沥青路面的路面灰度图像；构建路面灰度图像中每个像素点的窗口；预设的窗口边长为7；其中，预设的窗口边长必须比采用的sobel算子窗口尺度更大，但也不能非常大，且预设的窗口边长必须为奇数；

在路面灰度图像中每个像素点的窗口内，根据像素点的灰度值以及像素点之间的距离，分别得到路面灰度图像中每个像素点在水平方向与垂直方向上的梯度权重；

使用sobel算子得到路面灰度图像中每个像素点在水平方向上的梯度值和垂直方向上的梯度值；根据路面灰度图像中每个像素点在水平方向与垂直方向上的梯度权重、梯度值以及每个像素点的窗口内像素点的灰度值，得到路面灰度图像中每个像素点的优化梯度值；将路面灰度图像中所有像素点的优化梯度值构建的图像，记为路面灰度图像的优化梯度图像；

根据路面灰度图像的优化梯度图像，得到沥青道路的路面质量检测结果；

所述在路面灰度图像中每个像素点的窗口内，根据像素点的灰度值以及像素点之间的距离，分别得到路面灰度图像中每个像素点在水平方向与垂直方向上的梯度权重，包括的具体步骤如下：根据路面灰度图像中每个像素点的窗口内每个像素点到窗口中心的像素点的城市距离，得到每个像素点的窗口内的每个像素点的距离权重；

在横轴的 区间内，依次统计标准正态分布曲线上每个整数横坐标值对应的纵坐标值，得到一个概率密度序列；为预设的窗口边长；

使用概率密度序列对路面灰度图像中每个像素点的窗口内的每行像素点的距离权重进行调整，得到每个像素点的窗口内的每个像素点的初始灰度权重；

将路面灰度图像中每个像素点的窗口内每个像素点的初始灰度权重的四舍五入值，记为每个像素点的窗口内的每个像素点的灰度权重；

根据路面灰度图像中每个像素点的窗口内每个像素点的灰度权重和灰度值，得到路面灰度图像中每个像素点在水平方向上的梯度权重；

根据路面灰度图像中每个像素点在水平方向上的梯度权重的获取方式，得到路面灰度图像中每个像素点在垂直方向上的梯度权重。

2.根据权利要求1所述基于计算机视觉的沥青道路质量检测方法，其特征在于，所述构建路面灰度图像中每个像素点的窗口，包括的具体步骤如下：在路面灰度图像，以第 个像素点为中心，构建大小为 的窗口，作为第 个像素点的窗口；其中，为预设的窗口边长。

3.根据权利要求1所述基于计算机视觉的沥青道路质量检测方法，其特征在于，所述根据路面灰度图像中每个像素点的窗口内每个像素点到窗口中心的像素点的城市距离，得到每个像素点的窗口内的每个像素点的距离权重，包括的具体步骤如下：在路面灰度图像中每个像素点的窗口内，计算第 个像素点到窗口中心的像素点的城市距离，将 减去所述第 个像素点到窗口中心的像素点的城市距离的差值，记为第 个像素点的距离权重。

4.根据权利要求1所述基于计算机视觉的沥青道路质量检测方法，其特征在于，所述使用概率密度序列对路面灰度图像中每个像素点的窗口内的每行像素点的距离权重进行调整，得到每个像素点的窗口内的每个像素点的初始灰度权重，包括的具体步骤如下：使用最小最大规范法对概率密度序列进行归一化处理，得到概率密度序列中每个概率密度的归一化值；

在路面灰度图像中每个像素点的窗口内，将第 行中的第 个像素点的距离权重与概率密度序列中第 个概率密度的归一化值的乘积，记为第 行中的第 个像素点的初始灰度权重。

5.根据权利要求1所述基于计算机视觉的沥青道路质量检测方法，其特征在于，所述根据路面灰度图像中每个像素点的窗口内每个像素点的灰度权重和灰度值，得到路面灰度图像中每个像素点在水平方向上的梯度权重，包括的具体步骤如下：在路面灰度图像中第 个像素点的窗口内，将每个像素点的灰度权重与所有像素点的灰度权重之和的比值，记为每个像素点的调整权重；计算每个像素点的调整权重与灰度值的乘积，再计算所有像素点的调整权重与灰度值的乘积的均值，将所述均值的反比例的归一化值，记为路面灰度图像中第 个像素点在水平方向上的梯度权重。

6.根据权利要求1所述基于计算机视觉的沥青道路质量检测方法，其特征在于，所述根据路面灰度图像中每个像素点在水平方向与垂直方向上的梯度权重、梯度值以及每个像素点的窗口内像素点的灰度值，得到路面灰度图像中每个像素点的优化梯度值，包括的具体步骤如下：将路面灰度图像中每个像素点的窗口内所有像素点灰度值的方差，记为路面灰度图像中每个像素点的方差；

根据路面灰度图像中每个像素点的方差、每个像素点在水平方向与垂直方向上的梯度权重，得到路面灰度图像中每个像素点的更新方差；

根据路面灰度图像中每个像素点的更新方差、每个像素点在水平方向与垂直方向上的梯度权重以及梯度值，得到路面灰度图像中每个像素点的优化梯度值。

7.根据权利要求6所述基于计算机视觉的沥青道路质量检测方法，其特征在于，所述根据路面灰度图像中每个像素点的方差、每个像素点在水平方向与垂直方向上的梯度权重，得到路面灰度图像中每个像素点的更新方差，包括的具体步骤如下：在路面灰度图像中，计算第 个像素点的方差的反比例的归一化值，再计算第 个像素点在水平方向与垂直方向上的梯度权重的均值，将所述归一化值与所述均值的乘积，记为第 个像素点的更新方差。

8.根据权利要求6所述基于计算机视觉的沥青道路质量检测方法，其特征在于，所述根据路面灰度图像中每个像素点的更新方差、每个像素点在水平方向与垂直方向上的梯度权重以及梯度值，得到路面灰度图像中每个像素点的优化梯度值，包括的具体步骤如下：在路面灰度图像中，将第 个像素点在水平方向上的梯度权重与梯度值的乘积，记为第个像素点在水平方向上的新梯度值；将第 个像素点在垂直方向上的梯度权重与梯度值的乘积，记为第 个像素点在垂直方向上的新梯度值；

计算第 个像素点在水平方向与垂直方向上的新梯度值的欧几里德范数；将所述欧几里德范数与第 个像素点的更新方差的乘积，记为第 个像素点的优化梯度值。

9.根据权利要求1所述基于计算机视觉的沥青道路质量检测方法，其特征在于，所述根据路面灰度图像的优化梯度图像，得到沥青道路的路面质量检测结果，包括的具体步骤如下：使用canny算子对优化梯度图像进行边缘检测，得到优化梯度图像中的边缘像素点；

在优化梯度图像中，将边缘像素点记为1，将不是边缘像素点的其它像素点记为0，得到二值图像；

对二值图像进行形态学闭运算操作，得到新二值图像；

在新二值图像中，将为1的像素点数量与所有像素点数量的比值，记为路面灰度图像中的路面质量程度；

当路面灰度图像中的路面质量程度大于等于预设的判断阈值时，判定路面灰度图像中的路面质量不合格；

当路面灰度图像中的路面质量程度小于预设的判断阈值时，判定路面灰度图像中的路面质量合格。