CN104835132A - 道路路况图像快速点检方法与设备 - Google Patents
道路路况图像快速点检方法与设备 Download PDFInfo
- Publication number
- CN104835132A CN104835132A CN201510253907.3A CN201510253907A CN104835132A CN 104835132 A CN104835132 A CN 104835132A CN 201510253907 A CN201510253907 A CN 201510253907A CN 104835132 A CN104835132 A CN 104835132A
- Authority
- CN
- China
- Prior art keywords
- collection picture
- described collection
- crack
- picture
- road conditions
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Road Repair (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供了一种道路路况图像快速点检方法及设备,包括步骤:控制采集装置按照预设标准采集所处道路的表面路况信息,并形成复数个采集图片输出;控制检测装置读取复数个采集图片,并对采集图片进行裂缝检测并输出结果;对采集图片进行缩放处理,并按照预定顺序进行拼接;控制显示装置接收并显示预定数量的经拼接处理的采集图片;人工判断采集图片中是否记录有病害点,并形成一点检结果输出。多张图片的拼接,有利于在进行人工点检时,一次能够显示一定长度的道路图像,能一次看清修补块、坑槽等面状病害的全貌,解决了前后翻阅的问题,大大的节省了时间,提高了效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种道路路况图像快速点检方法与设备。
背景技术
道路的养护管理需要的及时了解路面路况数据,路面路况数据一般是由路面综合检测车采集路面图像,然后由人工点检这些图片,从中抽出病害。人工点检这些图片时,需要对每一张图片进行仔细检查,抽出细小的裂缝。而对于修补块等病害,其长度往往以米为单位,且不能超过一定长度。因为一张照片中往往只拍到修补块或不同路面的一个角或一条边,很难判断它的属性,所以需要观看前后图片,或参考前视相机的侧视图片补充信息,来确定它的属性。因此,人工点检这些图片速度很慢,作业人员劳动强度极大,极易疲劳。
发明内容
针对上述技术问题,本申请提供了一种道路路况图像快速点检方法,包括步骤:
S110:控制采集装置按照预设标准采集所处道路的表面路况信息,并形成复数个采集图片输出;
S120:控制检测装置读取复数个所述采集图片,并对所述采集图片进行裂缝检测,并形成一裂缝检测结果输出;
S130:对所述采集图片进行缩放处理,并将经缩放处理后的所述采集图片按照预定顺序进行拼接;
S140:控制显示装置接收并显示预定数量的经拼接处理的所述采集图片;
S150:人工判断所述采集图片中是否记录有病害点,并形成一点检结果输出。
较佳的,所述步骤S120中,具体包括:
S121:读取复数个所述采集图片,并对所述采集图片进行预处理;
S122:从经过预处理的所述采集图片中拣选出记录有裂缝线状信息的所述采集图片;
S123:根据所述裂缝线状信息判断所述裂缝的类型,并计算所述裂缝的面积。
较佳的,所述步骤S122中,具体还包括:
S1221:判断所述裂缝线状是否为直线状,如果是执行步骤
S1222,否则,执行步骤S123;
S1222:去除记录所述直线状裂缝信息的所述采集图片。
较佳的,所述预设标准的像素为1920*1020。
较佳的,所述缩放处理为将所述采集图片的尺寸缩小至原来的1/8。
较佳的,所述缩放处理为将所述采集图片的尺寸缩小至原来的1/16。
较佳的,所述预定数量为12。
较佳的,所述S121中,所述预处理包括去除阴影处理、和/或去标志线处理、和/或去修补块处理、和/或去坑槽、和/或去防滑槽处理。
本发明还提供了一种道路路况图像快速点检设备,用以实施所述的道路路况图像快速点检方法,
所述采集装置,设置于待检测道路的预定位置处,用以按照预设标准采集所处道路的表面路况信息,并形成复数个采集图片输出;
所述检测装置,读取复数个所述采集图片,并对所述采集图片进行裂缝检测,并形成一裂缝检测结果输出;
处理装置,对所述采集图片进行缩放处理,并将经缩放处理后的所述采集图片按照预定顺序进行拼接;
所述显示装置,接收并显示预定数量的经拼接处理的所述采集图片;用以供人工判断所述采集图片中是否记录有病害点,并形成一点检结果输出。
较佳的,所述检测装置包括:
预处理单元,读取复数个所述采集图片,并对所述采集图片进行预处理;
选择单元,从经过预处理的所述采集图片中拣选出记录有裂缝线状信息的所述采集图片;
计算单元,根据所述裂缝线状信息判断所述裂缝的类型,并计算所述裂缝的面积。
综上所述,由于采用了上述技术方案,本专利申请记载了一种道路路况图像快速点检方法与设备,其有益效果为:多张图片的拼接,有利于在进行人工点检时,一次能够显示一定长度的道路图像,能一次看清修补块、坑槽等面状病害的全貌;多张图片同时显示在屏幕上,解决了前后翻阅的问题,大大的节省了时间,提高了效率。
附图说明
图1是本发明一种道路路况图像快速点检方法流程图一;
图2是本发明一种道路路况图像快速点检方法流程图二;
图3是本发明一种道路路况图像快速点检方法流程图三;
图4是本发明一种道路路况图像快速点检设备结构示意图一;
图5是本发明一种道路路况图像快速点检设备结构示意图二;
图6是本发明一个实施例中经拼接处理后的图片显示状态图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的说明。
图1示出了根据本发明一个实施例的道路路况图像快速点检方法100。如图1所示,该方法100始于步骤S110,控制采集装置按照预设标准采集所处道路的表面路况信息,并形成复数个采集图片输出。
随后,在步骤S120中,控制检测装置读取复数个所述采集图片,并对所述采集图片进行裂缝检测,并形成一裂缝检测结果输出。
具体而言,在步骤S130中,将所述采集图像进行缩小,并按照预定顺序进行拼接。根据本发明的一个实施例,可以将目标图像缩小8至16倍后进行拼接。以缩小8倍为例,像素1920*1020的显示器上可一次显示12张图像,20公里的公路仅需切换833次就能够完成全部点检。之后,经由步骤S140,控制显示装置接收并显示预定数量的经拼接处理的采集图片。
在步骤S150中,人工判断所述采集图片中是否记录有病害点,并形成一点检结果输出,这里的病害包括修补块、坑槽等。通过人工对同时出现在屏幕上的多张图片进行综合考虑,抽出其中的修补块、坑槽等病害。以目标图像缩小8倍且在像素1920*1020的显示器上显示为例,作业人员需要每一次需要对同时出现在屏幕上的12张图像综合考虑,点检病害。特别是针对修补块这样的长度较大的病害,通常不能由一幅图片完全展现,往往需要点检多张图片进行确定。多张图片同时显示在屏幕上,解决了前后翻阅的问题,大大的节省了时间,提高了效率。经自动及人工共同检点完成的所有道路缺陷,用户通过查看最终缺陷结果,能够判断道路状况,为道路养护管理提供了最佳参照数据。
如图2所示,其中,在所述步骤S120具体包括步骤S121,读取复数个所述采集图片,并对所述采集图片进行预处理,所述预处理包括去除阴影处理、和/或去标志线处理、和/或去修补块处理、和/或去坑槽、和/或去防滑槽处理。步骤S121之后,执行步骤S122,从经过预处理的所述采集图片中拣选出记录有裂缝线状信息的所述采集图片。
随后,在步骤S123中,根据所述裂缝线状信息判断所述裂缝的类型,并计算所述裂缝的面积。
由于裂缝线状信息可能为直线状可以能为非直线状,当裂缝线为直线状时,并不能计算出所述裂缝的面积。如图3所示,所以在步骤S122中,还包括步骤S1221:判断所述裂缝线状是否为直线状。当所述裂缝线为直线时,去除记录所述直线装裂缝信息的所述采集图片,即不对所述采集图像进行进一步处理;当所述裂缝线不是直线时,执行步骤S123。
具体而言,道路路况图像快速点检方法100包括步骤:
S110:控制采集装置按照预设标准采集所处道路的表面路况信息,并形成复数个采集图片输出;
S121:读取复数个所述采集图片,并对所述采集图片进行预处理;
S122:从经过预处理的所述采集图片中拣选出记录有裂缝线状信息的所述采集图片;
S1221:判断所述裂缝线状是否为直线状,如果是执行步骤
S1222,否则,执行步骤S123;
S1222:去除记录所述直线状裂缝信息的所述采集图片;
S123:根据所述裂缝线状信息判断所述裂缝的类型,并计算所述裂缝的面积;
S130:对所述采集图片进行缩放处理,并将经缩放处理后的所述采集图片按照预定顺序进行拼接;
S140:控制显示装置接收并显示预定数量的经拼接处理的所述采集图片;
S150:人工判断所述采集图片中是否记录有病害点,并形成一点检结果输出。
图4示出了根据本发明一个实施例的道路路况图像快速点检设备的结构示意图一。图2所述的道路路况图像快速点检设备200适用于执行图1所述的道路路况图像快速点检方法100。如图4所示,道路路况图像快速点检设备包括采集装置210,设置于待检测道路的预定位置处,用以按照预设标准采集所处道路的表面路况信息,并形成复数个采集图片输出。
所述的道路路况图像快速点检设备200还包括检测装置220,用于读取复数个所述采集图片,并对所述采集图片进行裂缝检测,并形成一裂缝检测结果输出。图6示出了本发明中,采用12张目标图像进行拼接后的显示状态。
所述图像处理装置220还与一处理装置230相连,读取复数个所述采集图片,并对所述采集图片进行裂缝检测,并形成一裂缝检测结果输出。此外,所述道路状况图像快速点检设备还包括一数据处理装置240,接收并显示预定数量的经拼接处理的所述采集图片,且用以供人工判断所述采集图片中是否记录有病害点,并形成一点检结果输出。
如图5所示,其中,所述检测装置220包括预处理单元221,所述预处理单元221用于读取复数个所述采集图片,并对所述采集图片进行预处理。所述预处理单元221还与选择单元222相连,所述选择单元222用于读取复数个所述采集图片,并对所述采集图片进行预处理。所述检测装置还包括计算单元223,所述计算单元223根据所述裂缝线状信息判断所述裂缝的类型,并计算所述裂缝的面积。
通过所述道路路况图像快速点检方法及设备,在进行人工点检时,一次能够显示一定长度的道路图像,能一次看清修补块、坑槽等面状病害的全貌。
以上所述仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所做出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (10)
1.一种道路路况图像快速点检方法,其特征在于,包括步骤:
S110:控制采集装置按照预设标准采集所处道路的表面路况信息,并形成复数个采集图片输出;
S120:控制检测装置读取复数个所述采集图片,并对所述采集图片进行裂缝检测,并形成一裂缝检测结果输出;
S130:对所述采集图片进行缩放处理,并将经缩放处理后的所述采集图片按照预定顺序进行拼接;
S140:控制显示装置接收并显示预定数量的经拼接处理的所述采集图片;
S150:人工判断所述采集图片中是否记录有病害点,并形成一点检结果输出。
2.根据权利要求1所述的道路路况图像快速点检方法,其特征在于,所述步骤S120中,具体包括:
S121:读取复数个所述采集图片,并对所述采集图片进行预处理;
S122:从经过预处理的所述采集图片中拣选出记录有裂缝线状信息的所述采集图片;
S123:根据所述裂缝线状信息判断所述裂缝的类型,并计算所述裂缝的面积。
3.根据权利要求2所述的道路路况图像快速点检方法,其特征在于,所述步骤S122中,具体还包括:
S1221:判断所述裂缝线状是否为直线状,如果是执行步骤S1222,否则,执行步骤S123;
S1222:去除记录所述直线状裂缝信息的所述采集图片。
4.根据权利要求1所述的道路路况图像快速点检方法,其特征在于,所述预设标准的像素为1920*1020。
5.根据权利要求1所述的道路路况图像快速点检方法,其特征在于,所述缩放处理为将所述采集图片的尺寸缩小至原来的1/8。
6.根据权利要求1所述的道路路况图像快速点检方法,其特征在于,所述缩放处理为将所述采集图片的尺寸缩小至原来的1/16。
7.根据权利要求1所述的道路路况图像快速点检方法,其特征在于,所述预定数量为12。
8.根据权利要求2所述的道路路况图像快速点检方法,其特征在于,所述S121中,所述预处理包括去除阴影处理、和/或去标志线处理、和/或去修补块处理、和/或去坑槽、和/或去防滑槽处理。
9.一种道路路况图像快速点检设备,用以实施权利要求1~8任一项所述的道路路况图像快速点检方法,其特征在于,
所述采集装置,设置于待检测道路的预定位置处,用以按照预设标准采集所处道路的表面路况信息,并形成复数个采集图片输出;
所述检测装置,读取复数个所述采集图片,并对所述采集图片进行裂缝检测,并形成一裂缝检测结果输出;
处理装置,对所述采集图片进行缩放处理,并将经缩放处理后的所述采集图片按照预定顺序进行拼接;
所述显示装置,接收并显示预定数量的经拼接处理的所述采集图片;用以供人工判断所述采集图片中是否记录有病害点,并形成一点检结果输出。
10.根据权利要求9所述的道路路况图像快速点检设备,其特征在于,所述检测装置包括:
预处理单元,读取复数个所述采集图片,并对所述采集图片进行预处理;
选择单元,从经过预处理的所述采集图片中拣选出记录有裂缝线状信息的所述采集图片;
计算单元,根据所述裂缝线状信息判断所述裂缝的类型,并计算所述裂缝的面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510253907.3A CN104835132A (zh) | 2015-05-18 | 2015-05-18 | 道路路况图像快速点检方法与设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510253907.3A CN104835132A (zh) | 2015-05-18 | 2015-05-18 | 道路路况图像快速点检方法与设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104835132A true CN104835132A (zh) | 2015-08-12 |
Family
ID=53813002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510253907.3A Pending CN104835132A (zh) | 2015-05-18 | 2015-05-18 | 道路路况图像快速点检方法与设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104835132A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106504246A (zh) * | 2016-11-08 | 2017-03-15 | 太原科技大学 | 隧道裂缝检测的图像处理方法 |
CN107780324A (zh) * | 2016-08-28 | 2018-03-09 | 上海华测导航技术股份有限公司 | 一种机场道面巡检方法及系统 |
CN112051217A (zh) * | 2020-09-29 | 2020-12-08 | 上海数久信息科技有限公司 | 一种车载式路面高精度三维检测装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040201672A1 (en) * | 2003-04-11 | 2004-10-14 | Sridhar Varadarajan | System and method for warning drivers based on road curvature |
CN101076115A (zh) * | 2006-12-26 | 2007-11-21 | 腾讯科技(深圳)有限公司 | 一种视频内容审核系统和方法 |
CN102829763A (zh) * | 2012-07-30 | 2012-12-19 | 中国人民解放军国防科学技术大学 | 基于单目视觉定位的路面图像采集方法及采集系统 |
CN103290766A (zh) * | 2013-06-24 | 2013-09-11 | 广东惠利普路桥信息工程有限公司 | 路面裂缝检测系统 |
CN103714343A (zh) * | 2013-12-31 | 2014-04-09 | 南京理工大学 | 线激光器照明条件下双线阵相机采集的路面图像拼接及匀化方法 |
CN103955923A (zh) * | 2014-04-18 | 2014-07-30 | 南京理工大学 | 一种快速的基于图像的路面病害检测方法 |
-
2015
- 2015-05-18 CN CN201510253907.3A patent/CN104835132A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040201672A1 (en) * | 2003-04-11 | 2004-10-14 | Sridhar Varadarajan | System and method for warning drivers based on road curvature |
CN101076115A (zh) * | 2006-12-26 | 2007-11-21 | 腾讯科技(深圳)有限公司 | 一种视频内容审核系统和方法 |
CN102829763A (zh) * | 2012-07-30 | 2012-12-19 | 中国人民解放军国防科学技术大学 | 基于单目视觉定位的路面图像采集方法及采集系统 |
CN103290766A (zh) * | 2013-06-24 | 2013-09-11 | 广东惠利普路桥信息工程有限公司 | 路面裂缝检测系统 |
CN103714343A (zh) * | 2013-12-31 | 2014-04-09 | 南京理工大学 | 线激光器照明条件下双线阵相机采集的路面图像拼接及匀化方法 |
CN103955923A (zh) * | 2014-04-18 | 2014-07-30 | 南京理工大学 | 一种快速的基于图像的路面病害检测方法 |
Non-Patent Citations (1)
Title |
---|
高建贞: "基于图像分析的道路病害自动检测研究", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107780324A (zh) * | 2016-08-28 | 2018-03-09 | 上海华测导航技术股份有限公司 | 一种机场道面巡检方法及系统 |
CN106504246A (zh) * | 2016-11-08 | 2017-03-15 | 太原科技大学 | 隧道裂缝检测的图像处理方法 |
CN106504246B (zh) * | 2016-11-08 | 2019-04-30 | 太原科技大学 | 隧道裂缝检测的图像处理方法 |
CN112051217A (zh) * | 2020-09-29 | 2020-12-08 | 上海数久信息科技有限公司 | 一种车载式路面高精度三维检测装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102094341B1 (ko) | 인공지능 기반의 도로 노면 불량 객체 정보 분석 시스템 및 방법 | |
US11915407B2 (en) | Automated system and method for clarity measurements and clarity grading | |
CN107923132B (zh) | 裂纹解析装置、裂纹解析方法以及记录介质 | |
CN104392224B (zh) | 一种公路路面裂纹检测方法 | |
Jiang et al. | Quantitative condition inspection and assessment of tunnel lining | |
CN105092473B (zh) | 一种多晶硅薄膜的质量检测方法和系统 | |
CN110261410A (zh) | 一种玻璃透镜缺陷的检测装置及方法 | |
WO2020252574A1 (en) | Artificial intelligence-based process and system for visual inspection of infrastructure | |
CN110928620B (zh) | 汽车hmi设计引起驾驶注意力分散评价方法及系统 | |
CN105067639A (zh) | 一种光栅调制的镜片疵病自动检测装置和方法 | |
CN105424723A (zh) | 一种显示屏幕模组缺陷检测方法 | |
CN105300308A (zh) | 一种基于浅景深成像的深度测量方法及系统 | |
CN105891228A (zh) | 基于机器视觉的光纤外观缺陷检测及外径测量装置 | |
CN104835132A (zh) | 道路路况图像快速点检方法与设备 | |
CN116087198B (zh) | 一种公路路面状况数据采集设备及其自动化快速检测系统 | |
CN103983426A (zh) | 一种基于机器视觉的光纤缺陷检测及分类系统及其方法 | |
CN104634740A (zh) | 雾霾能见度监测方法和装置 | |
CN104777172A (zh) | 一种光学镜头次品快速智能检测装置及方法 | |
Mertz et al. | City-wide road distress monitoring with smartphones | |
CN115494193B (zh) | 基于机器视觉单体燃烧试验火焰横向传播检测方法及系统 | |
CN113727022A (zh) | 巡检图像的采集方法及装置、电子设备、存储介质 | |
CN109614959A (zh) | 一种公路桥面图像获取方法 | |
CN110443814B (zh) | 车辆的定损方法、装置、设备和存储介质 | |
Shu et al. | Pavement crack detection method of street view images based on deep learning | |
Radopoulou et al. | Patch distress detection in asphalt pavement images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150812 |