CN102706880B - 基于二维图像和深度信息的路面信息提取装置及使用该装置实现路面裂纹信息的检测方法 - Google Patents
基于二维图像和深度信息的路面信息提取装置及使用该装置实现路面裂纹信息的检测方法 Download PDFInfo
- Publication number
- CN102706880B CN102706880B CN201210213385.0A CN201210213385A CN102706880B CN 102706880 B CN102706880 B CN 102706880B CN 201210213385 A CN201210213385 A CN 201210213385A CN 102706880 B CN102706880 B CN 102706880B
- Authority
- CN
- China
- Prior art keywords
- information
- road surface
- crack
- dimensional image
- road
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Abstract
基于二维图像和深度信息的路面信息提取装置及使用该装置实现路面裂纹信息的检测方法,涉及路面信息检测技术。它解决了现有路面检测技术仅依靠二维灰度图像信息或者三维深度信息进行裂缝检测存在的误判率高、识别率低的问题。所述装置采用结构光激光器发出的结构光条投射到路面上,采用触发控制系统根据车速协调控制面阵相机和线阵相机采集路面图像。所述检测方法为:使装设有上述装置的车在待检测的路段上行驶;触发控制模块根据车辆行驶速度信息触发面阵相机和线阵相机进行图像采集;根据面阵相机获得的光条图案获得路面深度信息和线阵相机获得的路面二维图像获得待检测的路段的路面裂缝信息。本发明有效提高了路面裂缝识别的准确率和正确率。
Description
技术领域
本发明涉及路面信息检测技术。具体涉及对路面裂缝信息的检测技术。
背景技术
截至2008年底,中国公路通车总里程达到373.02万公里,高速公路里程达60302公里。根据国家“十一五”发展规划到2020年,我国高速公路通车里程将达到10万公里。随着我国公路建设的不断发展,尤其是高等级公路和高速公路网络的日益完善,公路养护管理已成为我国公路建设领域的重要任务。全面深入的了解路面使用性能是科学制定养护计划的重要基础。由于恶劣气候的破坏、过渡频繁的使用以及公路老化等原因导致路面上出现裂缝,裂缝是绝大部分病害的早期形式。路面裂缝的出现严重的影响了路面质量,影响了行车安全和公路的使用寿命。因此及时发现裂缝并进行修补,避免由于路面裂缝的进一步发展造成的严重影响具有重要的现实意义。
国内外相关领域的学者一直致力于路面裂缝自动检测相关技术的研究,但大部分的研究工作都只是在测量环境好、路面病害简单且特征明显的情况下,缺乏真正实用、行之有效的自动检测方法。
传统的人工检测方法,因其耗时费力、不精确、危险、测量结果不一致、影响正常交通等缺点,愈来愈不能适应公路发展的要求。
目前世界上大部分路面裂缝检测系统均采用基于灰度信息的二维图像处理技术,由于路面的多纹理性、多目标性、裂缝的弱信号性、图像光强的多变性以及裂缝上灰度的多变性等特点,纯路面裂缝图像采集系统很难将路面油污、轮胎痕迹、黑斑,树木阴影,光照不均等与路面实际裂缝相区分,检测效果一直不理想。
近年来,少数研究机构或企业进行了路面裂缝三维检测技术的探索,如加利福尼亚的Phoenix Scientific公司采用激光雷达测试技术检测路面三维信息。该系统通过测量激光到反射器的反射时间,沿着车辆行驶方向纵向移动建立路面三维模型。但是该系统只能给出裂缝的位置和严重程度,不能够给出裂缝更加详细的信息;加拿大G.I.E公司开发的路表三维激光可视化系统,其核心技术为BIRIS激光传感器,CCD检测由路面反射激光的光度数据,用以分析路面三维信息。该系统具有数据多特征提取,处理快速等优点,但仍然存在价格昂贵、成像解析度不高等问题。加拿大INO公司发展了激光裂缝测量系统LCMS(Laser Crack Measurement System),该系统采用两个高能量线激光器和TDI线扫描相机获取路面信息,进行路面裂缝检测。基于三维检测技术的路面裂缝检测方法,虽然一定程度上解决了二维图像裂缝检测法存在的阴影、油污、不均匀光照等干扰测量结果的问题,然而,理论分析和实验表明,当路面裂缝无明显高度变化如被沙土填充时,获得的三维信息将不能反映路面裂缝情况。此外,由于三维检测技术存在的盲目性和不确定性,在对路面采样信息不足的情况下容易产生误检,即将非裂缝信息检测为裂缝信息;同时,虽然通过该方法也能获得路面的二维灰度信息,然而得到的二维图像质量不高。
基于双目视觉的立体视觉技术由于系统均匀照明、同名点匹配以及标定等因素的影响,使得立体视觉在路面检测中的应用未达到期望的检测精度和速度。
由于路面情况复杂,噪声、纹理等大量外界干扰因素的存在,单纯依靠二维或者三维技术难以实现路面病害尤其是裂缝检测的高识别率和低误判率,系统精度低,不确定性大,而且难以实现路面三维形貌的重建。
发明内容
本发明为了解决现有的路面检测技术单纯依靠二维灰度图像信息或者单纯三维深度信息进行裂缝检测存在的误判率高、识别率低的问题,而提出一种基于二维图像和深度信息的路面信息提取装置及使用该装置实现路面裂纹信息的检测方法。
本发明所述的基于二维图像和深度信息的路面信息提取装置包括路面深度信息采集组件、二维图像采集组件和触发控制模块;路面深度信息采集组件固定在车体底部,路面深度信息采集组件由结构光激光器和面阵相机组成,结构光激光器发出的结构光条投射到路面上,二维图像采集组件采用线阵相机实现,触发控制模块用于采集车辆行驶的速度信息,并根据所述速度信息输出触发信号同时给面阵相机和线阵相机,面阵相机用于在触发信号的控制下采集结构光激光器在路面上的投影区域的光条图像信息;二维图像采集组件固定在车体底部,与三维结构光组件并排排列,所述线阵相机与结构光激光器固定在一起,用于在触发信号的控制下采集结构光激光器在路面上的投影区域的图像信息,所述路面深度信息采集组件中还包括多个结构光激光器,所述多个结构光激光器发出的结构光在路面上的投影相互交错光线图案。
上述路面信息提取装置中,路面深度信息采集组件和二维图像采集组件可以放置在车体底部的前部、中部或后部,可以根据具体的车况来定。
本发明所述的路面信息提取装置中,还可以包括图像采集组件,该图像采集组件用于采集路面深度信息采集组件和二维图像采集组件采集的信息,并将采集的信息通过串行端口或者并行端口发送给外部的数据存储或处理系统。
上述图像采集组件可以采用图像采集卡实现。
上述外部的数据存储系统可以采用固定或者可移动的数据存储设备或计算机系统实现。
上述外部的数据处理系统可以采用计算机系统实现。
上述外部的数据处理系统可以与图像采集组件一起安装在车上,还可以安装在实验室、远程控制中心等远离车体的位置,此时,图像采集组件可以采用无线通信方式实现数据的传输,或者通过可移动的数据存储设备实现数据的传输。
所述二维图像采集组件中还可以包括照明光源,所述照明光源用于为线阵相机的图像采集区域提供照明。所述照明光源采单色光源或线性激光器。
上述线阵相机的线状成像区域与结构光激光器的线状光条平行,所述平行状态可以通过标定来确定。
基于上述路面信息提取装置的路面裂缝检测方法为:
使装设有上述路面信息提取装置的车在待检测的路段上行驶,在行驶的过程中,开始路面裂缝检测,具体过程为:
步骤一:结构光激光器发出的线光条投射到待检测路面上形成光条图案;
该光条图案由面阵相机采集,从而获取路面光条图像,根据面阵相机二维图像坐标系和世界三维坐标系之间的关系,结合该路面光条图像计算出路面光条位置的三维信息,从而获得路面深度轮廓信息;
步骤二:车体在行进过程中,触发控制模块采集车辆信息的速度信息,根据车辆的行驶速度,输出触发脉冲给面阵相机和线阵相机;面阵相机每接到一个触发脉冲启动一次拍摄,线阵相机每接到一个触发脉冲启动一次拍摄;
触发控制模块输出给面阵相机和线阵相机的触发脉冲的频率不同,发给线阵相机的脉冲的频率是发给面阵相机的n倍,其中n为面阵相机在车辆行驶方向的维度的像素行数;
线阵相机逐行扫描,随着车体的行进,获得连续的路面二维图像;
步骤三:对步骤一中获得的路面深度信息和路面二维图像信息,输入处理系统的模式识别决策器中,采用数据融合算法如模糊理论、粗糙集理论、贝叶斯准则、D-S证据理论及相应的结合算法等进行路面裂缝的识别判断,获得待检测的路段的路面裂缝信息。
本发明同时采集路面的二维图像和路面深度信息,进行实现路面裂缝的综合检测,所带来的优点有:
一、克服了二维图像难以将路面油污、轮胎痕迹、黑斑,树木阴影,光照不均等与路面实际裂缝相区分的问题。
二、采用二维图像信息弥补了路面裂缝由于沙土填埋等因素造成的三维路面信息的缺失和三维检测的盲目性等不足。
三、采用二维图像和三维深度信息的融合,很好的克服了各自单一检测方法存在的不足,提高了路面裂缝检测的识别率,降低了误判率。
此外,本发明采用线阵相机获取路面二维图像信息便于为线阵相机提供照明光源,避免了面阵相机所需的大能量、大面积的均匀照明光源。
本发明利用车辆行驶的速度信息作为线阵相机和面阵相机的触发依据,避免了线阵相机采集图像的不连续、重叠以及获取的路面二维图像分辨率不均匀等问题。
附图说明
图1是本发明所述的基于二维图像和深度信息的路面信息提取装置的原理框图。图2是采用图1所述路面裂缝检测装置实现路面裂缝检测时,路面深度信息采集组件的测量原理示意图。图3是本发明所述装置实现路面二维图像采集的原理图。图4是本发明所述的实现三维结构光与二维图像同时获取的原理示意图。
具体实施方式
具体实施方式一:参见图1、2和4说明本实施方式。本实施方式所述的基于二维图像和深度信息的路面信息提取装置包括路面深度信息采集组件3、二维图像采集组件4和触发控制模块5;路面深度信息采集组件3固定在车体底部,路面深度信息采集组件3由结构光激光器3-2和面阵相机3-1组成,结构光激光器3-2发出的结构光条投射到路面上,触发控制模块5用于采集车辆行驶的速度信息,并根据所述速度信息输出触发信号同时给面阵相机3-1和线阵相机4-1,面阵相机3-1用于在触发信号的控制下采集结构光激光器3-2在路面上的投影区域的光条图像信息;二维图像采集组件4固定在车体底部,与三维结构光组件并排排列,二维图像采集组件4采用线阵相机4-1实现,所述线阵相机4-1与结构光激光器3-2固定在一起,用于在触发信号的控制下采集结构光激光器3-2在路面上的投影区域的图像信息。
本实施方式所述的路面裂缝检测装置通过采集车辆行驶速度来控制图像采集的频率,并通过触发控制实现路面深度信息和路面二维图像信息的同步采集。
本实施方式中,路面深度信息采集组件3中的结构光激光器3-2和面阵相机3-1的相对位置可以采用图2所示的结构,结构光激光器3-2的激光发射方向垂直于车体所在平面,该结构光激光器3-2发出的结构光投射到其正下方的路面6上,面阵相机3-1采集结构激光器3-2正下方路面位置的图像信息。
本实施方式中,路面深度信息采集组件3和二维图像采集组件4可以放置在车体底部的前部、中部或后部,可以根据具体的车况来定。
本实施方式中,二维图像采集组件4中的线阵相机4-1和结构光激光器3-2均固定在车体上,其中结构光激光器3-2的照明区域覆盖线阵相机4-1的图像采集区域,参见图3所示,进而使得线阵相机4-1采集的图像清晰。一般情况下,线阵相机4-1的摄像头的光轴垂直于车体所在平面设置,采集位于其正下方的图像信息。
本实施方式中,将线阵相机4-1固定在结构光激光器3-2的附近,其图像采集区域覆盖所述结构激光器3-2的投影区域的图像信息,结构光激光器3-2发出的结构光相当于为线阵相机4-1提供照明光源,参见图4所示。
线阵相机4-1的线状成像区域与结构光激光器3-2的线状光条平行,通过标定确定。
具体实施方式二:本实施方式与具体实施方式一所述的基于二维图像和深度信息的路面信息提取装置的区别在于,本实施方式所述的路面信息提取装置中还包括图像采集组件2,该图像采集组件2用于采集路面深度信息采集组件3和二维图像采集组件4采集的信息,并将采集的信息通过串行端口或者并行端口发送给外部的数据存储或处理系统。
上述图像采集组件2可以采用图像采集卡2实现。
上述外部的数据存储系统可以采用固定或者可移动的数据存储设备或计算机系统实现。
上述外部的数据处理系统可以采用计算机系统实现。
上述外部的数据处理系统可以与图像采集组件2一起安装在车上,还可以安装在实验室、远程控制中心等远离车体的位置,此时,图像采集组件2可以采用无线通信方式实现数据的传输,或者通过可移动的数据存储设备实现数据的传输。
具体实施方式三:参见图3说明本实施方式,本实施方式是对具体实施方式一所述的基于二维图像和深度信息的路面信息提取装置中的二维图像采集组件4的进一步限定,本实施方式中的二维图像采集组件4中还包括照明光源4-2,所述照明光源4-2用于为线阵相机4-1的图像采集区域提供照明。
本实施方式在二维图像采集组件4中增加了照明光源4-2,即:为线阵相机4-1提供专用的光源,提高二维图像信息采集的清晰度。
增加了照明光源4-2之后,线阵相机4-1可以与结构激光器3-2分离安装。
具体实施方式四:本实施方式对具体实施方式一、二或三所述的基于二维图像和深度信息的路面信息提取装置中的路面深度信息采集组件3的进一步限定,本实施方式中,路面深度信息采集组件3中还包括多个结构光激光器3-2,所述多个结构光激光器3-2发出的结构光在路面上的投影相互交错光线图案。
本实施方式中采用多个结构光激光器3-2透射激光束,使得多束光在路面上形成相应形状的编码结构光条纹图像,例如:十字条纹图像、网格状条纹图像等等。根据对编码结构光条纹图像的分析可以获得更多的路面深度轮廓信息,进而获得更准确的路面裂缝的相关信息,提高裂缝检测的准确性。
具体实施方式五:本实施方式对具体实施方式三或四所述的基于二维图像和深度信息的路面信息提取装置中的照明光源4-2的进一步限定,本实施方式中所述的照明光源4-2采单色光源或线激光器。
采用单色光源作为照明光源4-2,有利于在相机镜头上加装滤波片,可以采用带通滤波片,也就是说,只有一定波长范围内的光能够通过该滤波片进入相机,成像。使用滤波片的好处是,能够在白天检测时过滤掉太阳光及其他反射光的干扰,使得相机上得到的路面图像更加的清晰,以便于后续的图像处理。
采用线激光器作为照明光源4-2,由于线激光器的能量集中、且单色性好,其发出的激光为线条状,更有利于获得高质量的图像,提高裂缝识别的准确性。
具体实施方式六:本实施方式所述的是一种路面裂缝检测方法,该检测方法是基于具体实施方式一至五任意一个实施方式所述的基于二维图像和深度信息的路面信息提取装置实现的,所述路面裂缝检测方法为:
使装设有上述路面信息提取装置的车在待检测的路段上行驶,在行驶的过程中,开始路面裂缝检测,具体过程为:
步骤一:线结构光激光器3-2发出的线光条投射到待检测路面6上形成光条图案;
该光条图案由面阵相机3-1采集,从而获取路面光条图像,根据面阵相机二维图像坐标系和世界三维坐标系之间的关系,结合该路面光条图像计算出路面光条位置的三维信息,从而获得路面深度轮廓信息;
步骤二:车体在行进过程中,触发控制模块采集车辆信息的速度信息,根据车辆的行驶速度,输出触发脉冲给面阵相机3-1和线阵相机4-1;面阵相机3-1每接到一个触发脉冲启动一次拍摄,线阵相机4-1每接到一个触发脉冲启动一次拍摄;
触发控制模块输出给面阵相机3-1和线阵相机4-1的触发脉冲的频率不同,发给线阵相机4-1的脉冲的频率是发给面阵相机3-1的n倍,其中n为面阵相机在车辆行驶方向的维度的像素行数;
线阵相机4-1逐行扫描,随着车体的行进,获得连续的路面二维图像;
步骤三:对步骤一中获得的路面深度信息和路面二维图像信息,输入处理系统2的模式识别决策器中,采用数据融合算法如模糊理论、粗糙集理论、贝叶斯准则、D-S证据理论及相应的结合算法等进行路面裂缝的识别判断,获得待检测的路段的路面裂缝信息。
具体实施方式七:本实施方式是对具体实施方式六所述的一种路面裂缝检测方法中,步骤一中所述的面阵相机二维图像坐标系和世界三维坐标系之间的关系的进一步说明,所述面阵相机二维图像坐标系和世界三维坐标系之间的关系是线性关系,具体为:
首先设定空间三维坐标点的齐次坐标M=(X,Y,Z,1)T,其对应的二维图像点齐次坐标m=(u,v,1)T;
其次面阵相机3-1为理想的小孔成像模型;则根据下述关系式,可以确定面阵相机二维光条图像坐标和其对应的世界三维坐标之间的关系:
aX+bY+cZ+d=0 ①
λm=ρM=A(RT)M ②
公式①为光平面方程;公式②中的λ,ρ代表任意比例因子,即射影深度;(R,T)称为摄像机的外部参数,R是旋转矩阵,T是平移矩阵;A称为摄像机的内部参数。
根据上述获得的面阵相机二维图像坐标系和世界三维坐标系之间的关系是线性关系,根据图像信息计算出路面深度轮廓信息。
具体实施方式八:本实施方式是对具体实施方式六所述的一种路面裂缝检测方法中,步骤一中所述的面阵相机二维图像坐标系和世界三维坐标系之间的关系的进一步说明,所述面阵相机二维图像坐标系和世界三维坐标系之间的关系是非线性关系。
具体实施方式九:本实施方式是对具体实施方式六所述的一种路面裂缝检测方法中,步骤三中,采用对步骤一中获得的路面深度信息和路面二维图像信息,输入处理系统2的模式识别决策器中,采用数据融合算法进行路面裂缝的识别判断的过程为:
步骤a、根据路面二维图像信息构造路面二维信息特征空间,根据路面二维图像信息和路面深度信息构造路面三维信息的特征空间;
步骤b、分别检测路面二维和三维特征空间中的路面裂缝信息,并根据所述路面裂缝信息结合概率理论,给定各自特征空间中的裂缝信息设定概率值的阈值;
步骤c、将步骤b中的裂缝信息作为特征向量,根据设定概率值的阈值采用数据融合算法进行路面裂缝的决策判断,输出每一处裂缝信息的概率密度曲线;
步骤d、设定裂缝阈值T1和T2作为步骤c中输出的裂缝信息的概率密度函数阈值,即将裂缝信息分割为确定的裂缝和不确定的裂缝;其中阈值的选取根据路面的情况和设备的三维和二维裂缝检测精度综合确定;
步骤e、采用相关向量机或知识向量机等分类算法,对步骤d确定的路面裂缝进行分类进而确定裂缝的类型,所述裂缝的类型包括横向裂缝、纵向裂缝、龟裂及块裂;
步骤f、逐一计算获得每条裂缝的其他路面裂缝参数,所述裂缝参数包括裂缝的位置、宽度、长度及其覆盖面积。
Claims (9)
1.基于二维图像和深度信息的路面信息提取装置,所述装置包括路面深度信息采集组件(3)、二维图像采集组件(4)和触发控制模块(5);路面深度信息采集组件(3)固定在车体底部,路面深度信息采集组件(3)由结构光激光器(3-2)和面阵相机(3-1)组成,结构光激光器(3-2)发出的结构光条投射到路面上,二维图像采集组件(4)采用线阵相机(4-1)实现,触发控制模块(5)用于采集车辆行驶的速度信息,并根据所述速度信息输出触发信号同时给面阵相机(3-1)和线阵相机(4-1),面阵相机(3-1)用于在触发信号的控制下采集结构光激光器(3-2)在路面上的投影区域的光条图像信息;二维图像采集组件(4)固定在车体底部,与三维结构光组件并排排列,所述线阵相机(4-1)与结构光激光器(3-2)固定在一起,用于在触发信号的控制下采集结构光激光器(3-2)在路面上的投影区域的图像信息,其特征在于,所述路面深度信息采集组件(3)中还包括多个结构光激光器(3-2),所述多个结构光激光器(3-2)发出的结构光在路面上的投影相互交错光线图案。
2.根据权利要求1所述的基于二维图像和深度信息的路面信息提取装置,其特征在于,所述结构光激光器(3-2)的激光投射区域覆盖线阵相机(4-1)的图像采集区域。
3.根据权利要求1所述的基于二维图像和深度信息的路面信息提取装置,其特征在于,线阵相机(4-1)的线状成像区域与结构光激光器(3-2)的线状光条平行。
4.根据权利要求1所述的基于二维图像和深度信息的路面信息提取装置,其特征在于,所述的路面信息提取装置中还包括图像采集组件(2),该图像采集组件(2)用于采集路面深度信息采集组件(3)和二维图像采集组件(4)采集的信息,并将采集的信息通过串行端口或者并行端口发送给外部的数据存储或处理系统。
5.根据权利要求1所述的基于二维图像和深度信息的路面信息提取装置,其特征在于,所述的二维图像采集组件(4)中还包括照明光源(4-2),所述照明光源(4-2)用于为线阵相机(4-1)的图像采集区域提供照明。
6.根据权利要求5所述的基于二维图像和深度信息的路面信息提取装置,其特征在于,所述的照明光源(4-2)为单色光源或线激光器。
7.使用权利要求书1所述的基于二维图像和深度信息的路面信息提取装置实现路面裂缝检测的方法,其特征在于,所述方法为:
使装设有上述路面信息提取装置的车在待检测的路段上行驶,在行驶的过程中,开始路面裂缝检测,具体过程为:
步骤一:结构光激光器(3-2)发出的线光条投射到待检测路面6上形成光条图案;
该光条图案由面阵相机(3-1)采集,从而获取路面光条图像,根据面阵相机二维图像坐标系和世界三维坐标系之间的关系,结合该路面光条图像计算出路面光条位置的三维信息,从而获得路面深度轮廓信息;
步骤二:车体在行进过程中,触发控制模块采集车辆信息的速度信息,根据车辆的行驶速度,输出触发脉冲给面阵相机(3-1)和线阵相机(4-1);面阵相机(3-1)每接到一个触发脉冲启动一次拍摄,线阵相机(4-1)每接到一个触发脉冲启动一次拍摄;
触发控制模块输出给面阵相机(3-1)和线阵相机(4-1)的触发脉冲的频率不同,发给线阵相机(4-1)的脉冲的频率是发给面阵相机(3-1)的n倍,其中n为面阵相机在车辆行驶方向的维度的像素行数;
线阵相机(4-1)逐行扫描,随着车体的行进,获得连续的路面二维图像;
步骤三:对步骤一中获得的路面深度信息和路面二维图像信息,输入处理系统2的模式识别决策器中,采用数据融合算法如模糊理论、粗糙集理论、贝叶斯准则、D-S证据理论及相应的结合算法等进行路面裂缝的识别判断,获得待检测的路段的路面裂缝信息。
8.根据权利要求7所述的路面裂缝检测的方法,其特征在于,步骤一中所述的面阵相机二维图像坐标系和世界三维坐标系之间的关系是线性关系,具体为:
首先设定空间三维坐标点的齐次坐标M=(X,Y,Z,1)T,其对应的二维图像点齐次坐标m=(u,v,1)T;
其次面阵相机(3-1)为理想的小孔成像模型;则根据下述关系式,可以确定面阵相机二维光条图像坐标和其对应的世界三维坐标之间的关系:
aX+bY+cZ+d=0 ①
λm=ρM=A(RT)M ②
公式①为光平面方程;公式②中的λ,ρ代表任意比例因子,即射影深度;(R,T)称为摄像机的外部参数,R是旋转矩阵,T是平移矩阵;A称为摄像机的内部参数。
9.根据权利要求7所述的路面裂缝检测的方法,其特征在于,步骤三中,采用对步骤一中获得的路面深度信息和步骤二中的路面二维图像信息,输入处理系统2的 模式识别决策器中,采用数据融合算法进行路面裂缝的识别判断的过程为:
步骤a、根据路面二维图像信息构造路面二维信息特征空间,根据路面二维图像信息和路面深度信息构造路面三维信息的特征空间;
步骤b、分别检测路面二维和三维特征空间中的路面裂缝信息,并根据所述路面裂缝信息结合概率理论,给定各自特征空间中的裂缝信息设定概率值的阈值;
步骤c、将步骤b中的裂缝信息作为特征向量,根据设定概率值的阈值采用数据融合算法进行路面裂缝的决策判断,输出每一处裂缝信息的概率密度曲线;
步骤d、设定裂缝阈值T1和T2作为步骤c中输出的裂缝信息的概率密度函数阈值,即将裂缝信息分割为确定的裂缝和不确定的裂缝;其中阈值的选取根据路面的情况和设备的三维和二维裂缝检测精度综合确定;
步骤e、采用相关向量机或知识向量机等分类算法,对步骤d确定的路面裂缝进行分类进而确定裂缝的类型,所述裂缝的类型包括横向裂缝、纵向裂缝、龟裂及块裂;
步骤f、逐一计算获得每条裂缝的其他路面裂缝参数,所述裂缝参数包括裂缝的位置、宽度、长度及其覆盖面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210213385.0A CN102706880B (zh) | 2012-06-26 | 2012-06-26 | 基于二维图像和深度信息的路面信息提取装置及使用该装置实现路面裂纹信息的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210213385.0A CN102706880B (zh) | 2012-06-26 | 2012-06-26 | 基于二维图像和深度信息的路面信息提取装置及使用该装置实现路面裂纹信息的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102706880A CN102706880A (zh) | 2012-10-03 |
CN102706880B true CN102706880B (zh) | 2014-04-02 |
Family
ID=46899821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210213385.0A Active CN102706880B (zh) | 2012-06-26 | 2012-06-26 | 基于二维图像和深度信息的路面信息提取装置及使用该装置实现路面裂纹信息的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102706880B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2564423A (en) * | 2017-07-07 | 2019-01-16 | Mattest Southern Ltd | Apparatus and method for determining an indicator of the macrotexture of a road surface |
EP3492862A4 (en) * | 2016-07-27 | 2020-04-01 | Chugoku Marine Paints, Ltd. | THREE-DIMENSIONAL SURFACE ROUGHNESS EVALUATION DEVICE, THREE-DIMENSIONAL SURFACE ROUGHITY EVALUATION METHOD, THREE-DIMENSIONAL SURFACE ROUGHNESS DATA ACQUISITION DEVICE AND SURFACE TRIDIMENSION SURFACE DATA ACQUISITION METHOD |
Families Citing this family (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103853475B (zh) * | 2012-12-03 | 2017-03-01 | 联想(北京)有限公司 | 二维界面的三维化方法和装置 |
WO2014142977A1 (en) * | 2013-03-15 | 2014-09-18 | Compagnie Generale Des Etablissements Michelin | Methods and apparatus for acquiring, transmitting, and storing vehicle performance information |
CN103364410B (zh) * | 2013-07-23 | 2015-07-08 | 三峡大学 | 一种基于模板搜索的水工混凝土结构水下表面裂缝检测方法 |
CN103669182B (zh) * | 2013-11-15 | 2017-01-25 | 上海嘉珏实业有限公司 | 基于相机与线激光器的路面裂缝识别方法 |
WO2015090397A1 (en) * | 2013-12-19 | 2015-06-25 | Aktiebolaget Electrolux | Robotic cleaning device |
CN103903268B (zh) * | 2014-04-09 | 2017-02-15 | 南京理工大学 | 基于多种低层显著特征的路面裂缝检测方法 |
CN104005325B (zh) * | 2014-06-17 | 2016-01-20 | 武汉武大卓越科技有限责任公司 | 基于深度和灰度图像的路面裂缝检测装置和方法 |
CN104008553B (zh) * | 2014-06-17 | 2017-03-22 | 武汉武大卓越科技有限责任公司 | 融合影像梯度信息和分水岭方法的裂缝检测方法 |
CN104574393B (zh) * | 2014-12-30 | 2017-08-11 | 北京恒达锦程图像技术有限公司 | 一种三维路面裂缝图像生成系统和方法 |
KR101858697B1 (ko) * | 2015-01-22 | 2018-05-16 | 엘지전자 주식회사 | 차량의 스티어링 핸들의 카메라 모듈 연동 킥백 저감 장치 및 그 제어 방법 |
CN104964708B (zh) * | 2015-08-03 | 2017-09-19 | 苏州科技学院 | 一种基于车载双目视觉的路面坑槽检测方法 |
CN105163014B (zh) * | 2015-09-15 | 2018-07-24 | 上海图甲信息科技有限公司 | 道路监测装置及方法 |
CN105157626B (zh) * | 2015-09-29 | 2018-01-02 | 中国民用航空总局第二研究所 | 一种使用结构光的固定式道面检测装置及方法 |
CN105222752B (zh) * | 2015-09-29 | 2017-12-26 | 中国民用航空总局第二研究所 | 一种使用结构光的移动式道面检测装置及方法 |
CN105571512B (zh) * | 2015-12-15 | 2018-09-11 | 北京康拓红外技术股份有限公司 | 一种基于深度信息与可视图像信息相融合的车辆信息采集方法及装置 |
CN107190621B (zh) * | 2016-03-15 | 2023-01-10 | 南京理工技术转移中心有限公司 | 一种路面裂缝病害检测系统和方法 |
CN105938106A (zh) * | 2016-06-08 | 2016-09-14 | 苏州华天视航智能装备技术有限公司 | 一种全料号检测设备 |
CN106289106B (zh) * | 2016-08-04 | 2017-12-12 | 北京航空航天大学 | 一种线阵相机和面阵相机相结合的立体视觉传感器及标定方法 |
CN106871814A (zh) * | 2017-01-16 | 2017-06-20 | 北京聚利科技股份有限公司 | 轮廓测量装置及方法 |
CN107421466B (zh) * | 2017-06-22 | 2019-08-23 | 上海弼智仿生高科技有限公司 | 一种二维和三维图像的同步采集装置及采集方法 |
CN107621239B (zh) * | 2017-09-25 | 2019-12-31 | 江苏大学 | 一种基于多组激光线的车载式路面凹凸监测方法 |
CN107655898B (zh) * | 2017-10-10 | 2023-11-03 | 山西省智慧交通研究院有限公司 | 一种用于公路隧道检测的立体扫描机器人及其实施方法 |
CN109963136B (zh) * | 2017-12-22 | 2021-06-18 | 宁波盈芯信息科技有限公司 | 一种智能手机结构光深度相机的工作方法及装置 |
CN108460767B (zh) * | 2018-05-06 | 2023-05-09 | 吉林大学 | 车载路面裂纹检测系统路面单应主动解算装置与方法 |
CN108960060A (zh) * | 2018-06-01 | 2018-12-07 | 东南大学 | 一种无人驾驶车辆路面纹理识别系统及方法 |
CN109142382A (zh) * | 2018-10-12 | 2019-01-04 | 成都精工华耀科技有限公司 | 一种轨道可视化巡检二维与三维融合成像系统 |
CN109341528B (zh) * | 2018-10-22 | 2020-06-09 | 大昌建设集团有限公司 | 一种基于三维激光扫描的建筑物爆破振动损伤评价方法 |
CN109993048B (zh) * | 2018-11-26 | 2022-12-13 | 普达迪泰(天津)智能装备科技有限公司 | 一种沥青路面条纹过滤方法及检测系统 |
CN109632822A (zh) * | 2018-12-25 | 2019-04-16 | 东南大学 | 一种准静态高精度路面破损智能识别装置及其方法 |
CN109870459B (zh) * | 2019-02-21 | 2021-07-06 | 武汉光谷卓越科技股份有限公司 | 无砟轨道的轨道板裂缝检测方法 |
CN110057312A (zh) * | 2019-03-13 | 2019-07-26 | 重庆邮电大学 | 一种基于结构光的单目视觉三维扫描测量装置及测量方法 |
CN111948210A (zh) * | 2019-05-17 | 2020-11-17 | 上海贝特威自动化科技有限公司 | 一种机械视觉缺陷检测方法及其系统 |
CN110541341B (zh) * | 2019-09-04 | 2021-10-22 | 山西省交通科技研发有限公司 | 一种基于稳定视觉的公路结构病害检测装置及方法 |
CN110588272B (zh) * | 2019-09-23 | 2020-10-27 | 无锡职业技术学院 | 基于视觉传感技术的汽车悬架系统及路面不平度测量方法 |
CN110781779A (zh) * | 2019-10-11 | 2020-02-11 | 北京地平线机器人技术研发有限公司 | 物体位置检测方法、装置、可读存储介质及电子设备 |
CN111855664B (zh) * | 2020-06-12 | 2023-04-07 | 山西省交通科技研发有限公司 | 一种可调节隧道病害三维检测系统 |
CN111932635B (zh) * | 2020-08-07 | 2023-11-17 | 江苏普达迪泰科技有限公司 | 采用二维与三维视觉处理相结合的图像标定方法 |
CN112329531B (zh) * | 2020-09-30 | 2023-04-07 | 山东大学 | 用于管廊表观病害检测的线阵双目成像系统与工作方法 |
CN112815868A (zh) * | 2021-01-05 | 2021-05-18 | 长安大学 | 一种路面三维检测方法 |
CN113310404A (zh) * | 2021-04-30 | 2021-08-27 | 深圳市世宗自动化设备有限公司 | 段差测量方法、装置、计算机设备及其存储介质 |
CN113189005B (zh) * | 2021-05-10 | 2022-06-28 | 郑州大学 | 便携式表面缺陷一体化检测装置及表面缺陷自动检测方法 |
CN116205865B (zh) * | 2023-02-14 | 2023-09-26 | 重庆大学 | 一种基于二三维融合数据的路面均匀性分析方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0710817A1 (en) * | 1993-06-29 | 1996-05-08 | Omron Corporation | Road-surface examining device and device using it |
CN1563891A (zh) * | 2004-04-20 | 2005-01-12 | 长安大学 | 一种识别路面裂缝的系统和方法 |
CN101089548A (zh) * | 2007-07-06 | 2007-12-19 | 哈尔滨工业大学 | 路面车辙三维信息检测装置及检测方法 |
CN101246000A (zh) * | 2008-03-21 | 2008-08-20 | 哈尔滨工业大学 | 路面平整度自动检测装置及检测方法 |
CN101302738A (zh) * | 2008-07-07 | 2008-11-12 | 哈尔滨工业大学 | 车辙检测仪器及其检测方法 |
CN101451337A (zh) * | 2008-12-31 | 2009-06-10 | 哈尔滨工业大学 | 公路路面状况自动采集设备及其采集方法 |
CN102323269A (zh) * | 2011-05-23 | 2012-01-18 | 哈尔滨工业大学 | 基于假设检验的公路路面裂缝识别决策模型的建立方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997013234A1 (en) * | 1995-10-06 | 1997-04-10 | Doherty John A | Surface material and condition sensing system |
-
2012
- 2012-06-26 CN CN201210213385.0A patent/CN102706880B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0710817A1 (en) * | 1993-06-29 | 1996-05-08 | Omron Corporation | Road-surface examining device and device using it |
CN1563891A (zh) * | 2004-04-20 | 2005-01-12 | 长安大学 | 一种识别路面裂缝的系统和方法 |
CN101089548A (zh) * | 2007-07-06 | 2007-12-19 | 哈尔滨工业大学 | 路面车辙三维信息检测装置及检测方法 |
CN101246000A (zh) * | 2008-03-21 | 2008-08-20 | 哈尔滨工业大学 | 路面平整度自动检测装置及检测方法 |
CN101302738A (zh) * | 2008-07-07 | 2008-11-12 | 哈尔滨工业大学 | 车辙检测仪器及其检测方法 |
CN101451337A (zh) * | 2008-12-31 | 2009-06-10 | 哈尔滨工业大学 | 公路路面状况自动采集设备及其采集方法 |
CN102323269A (zh) * | 2011-05-23 | 2012-01-18 | 哈尔滨工业大学 | 基于假设检验的公路路面裂缝识别决策模型的建立方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3492862A4 (en) * | 2016-07-27 | 2020-04-01 | Chugoku Marine Paints, Ltd. | THREE-DIMENSIONAL SURFACE ROUGHNESS EVALUATION DEVICE, THREE-DIMENSIONAL SURFACE ROUGHITY EVALUATION METHOD, THREE-DIMENSIONAL SURFACE ROUGHNESS DATA ACQUISITION DEVICE AND SURFACE TRIDIMENSION SURFACE DATA ACQUISITION METHOD |
GB2564423A (en) * | 2017-07-07 | 2019-01-16 | Mattest Southern Ltd | Apparatus and method for determining an indicator of the macrotexture of a road surface |
Also Published As
Publication number | Publication date |
---|---|
CN102706880A (zh) | 2012-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102706880B (zh) | 基于二维图像和深度信息的路面信息提取装置及使用该装置实现路面裂纹信息的检测方法 | |
CN104005325B (zh) | 基于深度和灰度图像的路面裂缝检测装置和方法 | |
CN105606150B (zh) | 一种基于线结构光和地质雷达的道路综合检测方法及系统 | |
CN103778681B (zh) | 一种车载高速公路巡检系统及数据获取和处理方法 | |
CN111855664B (zh) | 一种可调节隧道病害三维检测系统 | |
CN102564335B (zh) | 一种大型隧道变形测量方法 | |
CN102737247B (zh) | 一种柴油车尾气烟度图像识别系统 | |
CN206177238U (zh) | 车辆外廓尺寸检测仪 | |
CN102508246B (zh) | 车辆前方障碍物检测跟踪方法 | |
CN105905132B (zh) | 一种轨道状态智能巡检装置和方法 | |
CN104749187A (zh) | 基于红外温度场和灰度图像的隧道衬砌病害检测装置 | |
CN106023645B (zh) | 一种光电与雷达复合车位检测系统 | |
CN206019594U (zh) | 一种拖挂车轮廓及轴距自动测量系统 | |
CN101694084A (zh) | 地面车载移动检测系统 | |
CN103837087B (zh) | 基于主动形状模型的受电弓自动检测方法 | |
CN103335601A (zh) | 一种运动车辆的外廓尺寸快速自动检测装置 | |
CN111895911A (zh) | 一种应用于浅部砂层地面塌陷隐患监测方法 | |
CN103630088A (zh) | 基于双激光带的高精度隧道断面检测方法及装置 | |
CN114113118B (zh) | 一种地铁隧道衬砌裂缝渗漏水病害快速检测装置及其检测方法 | |
CN107290346A (zh) | 基于二维图像和线结构光传感器的路面裂缝检测系统 | |
CN103454680A (zh) | Walk-away VSP观测系统垂向覆盖次数的计算方法 | |
CN101425128A (zh) | 基于激光传感器深度图像的人流检测方法 | |
CN110850435A (zh) | 车载式隧道地质素描装置及使用方法 | |
CN103438809A (zh) | 基于面阵/线阵相机的车辆宽度尺寸测量方法和装置 | |
CN103149603B (zh) | 一种基于视频的道路气象检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |