CN105133471B - 一种基于线结构光路面检测系统的路面深度图像生产方法 - Google Patents

一种基于线结构光路面检测系统的路面深度图像生产方法 Download PDF

Info

Publication number
CN105133471B
CN105133471B CN201510251405.7A CN201510251405A CN105133471B CN 105133471 B CN105133471 B CN 105133471B CN 201510251405 A CN201510251405 A CN 201510251405A CN 105133471 B CN105133471 B CN 105133471B
Authority
CN
China
Prior art keywords
line
road surface
pavement
depth image
structured light
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.)
Expired - Fee Related
Application number
CN201510251405.7A
Other languages
English (en)
Other versions
CN105133471A (zh
Inventor
徐贵力
朱春省
李开宇
贾银亮
王彪
宋葵阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201510251405.7A priority Critical patent/CN105133471B/zh
Publication of CN105133471A publication Critical patent/CN105133471A/zh
Application granted granted Critical
Publication of CN105133471B publication Critical patent/CN105133471B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明公开了一种基于线结构光路面检测系统的路面深度图像生产方法,通过车载式的线结构光路面检测系统采集到包含待测路面三维信息的光条图像,从光条图像提取出断面轮廓线,采用选段直线拟合以及做差计算方法,将断面轮廓线拼接并转化成路面三维深度图像,实现路面病害检测不受车载波动干扰。有益效果是:相比现有技术中曲面拟合的方法,能够有效克服实际道路检测过程中各种路面波动和检测系统上下振动带来的干扰,使得获得的路面深度图像较为平整,不存在灰度跳变,检测效果更佳;而且响应快速、处理高效、结果可靠。

Description

一种基于线结构光路面检测系统的路面深度图像生产方法
技术领域
本发明涉及一种图像生产方法,特别是涉及一种基于线结构光路面检测系统的路面深度图像生产方法,属于基于计算机视觉的路面病害检测技术领域。
背景技术
当前,基于结构光三维重构技术的路面病害检测研究成果较少,实用性还不强。采用结构光三维检测技术的主流思路是直接对结构光检测系统获取的道路表面轮廓线进行分析,以提取轮廓线中的病害特征信息。然而,这种方法适用于病害特征明显,路表和病害差异显著的区域,对于实际中道路复杂情况以及某些在单条轮廓线上特征不显著的病害信息很难有较好的检测效果。
当前,随着硬件条件的不断提高,最新的路表病害检测方法开始采用对路表轮廓整体进行高精度重构以获取路表整体三维结构进而从病害的基本的三维结构特征进行分析以获取路表的三维结构信息。
在路表三维重构环节,由于车载检测系统采用特殊的构成模式使得它工作过程中会受到路表起伏和车辆振动的影响,直接拼接轮廓线形成路表轮廓面会出现路表轮廓尤其是在车辆前进方向上的起伏跳变,导致重构路表轮廓与实际路表轮廓产生误差,影响病害检测结果。
为了解决上述问题,W Ouyang和B Xu等人在文献《Pavement crackingmeasurements using 3D laser-scan images》中提出了一种利用NURBS曲面来表示路面的基本形貌变化和起伏特性的方法。他们采用深度图形式表示路表三维轮廓,认为这些起伏和振动影响在路表轮廓的深度图像中体现为灰度值在大范围的缓慢变化即图像中低频灰度变化,从而采用了一种NURBS曲面拟合的方式去除这些低频变化。但是,实际的路表轮廓中路表不同的粗糙程度和平整度引起的起伏特征会有较大的尺寸变动范围,很难保证在不同路况下这种曲面拟合的方法能够去除路面深度图像中所有的轮廓波动和车辆振动引起的灰度变动。
发明内容
本发明的主要目的在于,克服现有技术中的不足,提供一种基于线结构光路面检测系统的路面深度图像生产方法,特别适用于起伏路面的病害检测。
本发明所要解决的技术问题是提供响应快速、处理高效、结果可靠的基于线结构光路面检测系统的路面深度图像生产方法,不仅可更好地去除路表轮廓重构过程中起伏振动带来的不良影响,有效地实时去除路面起伏以及车辆振动引起的误差,而且获得的路面深度图像较为平整,不存在灰度跳变,检测效果明显提升。
为了达到上述目的,本发明所采用的技术方案是:
一种基于线结构光路面检测系统的路面深度图像生产方法,通过车载式的线结构光路面检测系统采集到包含待测路面三维信息的光条图像,从光条图像提取出断面轮廓线,采用选段直线拟合以及做差计算方法,将断面轮廓线拼接并转化成路面三维深度图像,实现路面病害检测不受车载波动干扰。
本发明进一步设置为:所述线结构光路面检测系统包括移动平台,均安装于移动平台上的线结构光传感模块、计算机和系统支架;所述线结构光传感模块包括近红外线激光器、摄像机和窄带滤光片,所述近红外线激光器和摄像机均通过系统支架安装于移动平台。
其中,所述近红外线激光器垂直照射向待测路面,所述摄像机朝向近红外线激光器垂直照射于待测路面的光线进行拍摄,所述窄带滤光片设置于摄像机的拍摄镜头正后方;所述摄像机与计算机相连,将拍摄采集到的包含待测路面三维信息的光条图像传输至计算机;所述计算机通过调用图像传输存储处理模块进行存储和路面病害检测。
本发明进一步设置为,所述将断面轮廓线拼接并转化成路面三维深度图像,包括步骤有:
步骤1、对输入的每一帧断面轮廓线每隔一个单位均匀重采样,剔除局部曲率半径小于预设阈值的区域;
步骤2、在剩余的目标区域轮廓线中均匀提取设定量轮廓点进行直线拟合,得到拟合直线;
步骤3、计算原断面轮廓线重采样点每一处相对拟合直线的高程,换算成灰度值,输出一条单像素的灰度线,作为生成路面三维深度图像的一行;
步骤4、将每一条单像素的灰度线拼接生成路面三维深度图像,直至光条图像输入结束或路面三维深度图像达到所需检测尺寸大小。
本发明进一步设置为,所述步骤1中剔除局部曲率半径小于预设阈值的区域,包括步骤有:
步骤1-1、采用道格拉斯普克算法对轮廓线进行分段,提取分段特征点;
步骤1-2、将两端点也视为特征点,如果特征点总数少于三个,则取消剔除操作;如果特征点总数多于或者等于三个,则计算每连续三个特征点的外接圆半径作为局部曲率分析依据;
步骤1-3、如果外接圆半径大于预设阈值,则不作处理;如果外接圆半径小于预设阈值,则将对应的连续三个特征点之间区域进行标记,不作为直线拟合的区域,将之剔除出直线拟合的目标区域。
本发明进一步设置为:所述预设阈值设置为70~100。
本发明进一步设置为:采用最小二乘法进行直线拟合。
与现有技术相比,本发明具有的有益效果是:
采用基于线结构光路面检测系统的路面深度图像生产方法,能够有效克服实际道路检测过程中各种路面波动和检测系统上下振动带来的干扰,使得获得的路面深度图像较为平整,不存在灰度跳变,检测效果更佳;而且响应快速、处理高效、结果可靠。
上述内容仅是本发明技术方案的概述,为了更清楚的了解本发明的技术手段,下面结合附图对本发明作进一步的描述。
附图说明
图1为从线结构光路面检测系统所采集的光条图像中提取获得的断面轮廓线;
图2为对断面轮廓线进行道格拉斯普克算法处理得到的效果图,图中竖直白线用以标记特征点;
图3为直线拟合的对比效果图,其中虚直线表示未经选段剔除操作的拟合直线,而实直线表示经过剔除操作的拟合直线;
图4为经过拼接并转化形成的路面三维深度图像;
图5为本发明所用的线结构光路面检测系统的结构示意图。
具体实施方式
下面结合说明书附图,对本发明作进一步的说明。
如图1至图4所示,本发明提供一种基于线结构光路面检测系统的路面深度图像生产方法,通过车载式的线结构光路面检测系统采集到包含待测路面三维信息的光条图像,从光条图像提取出如图1所示的断面轮廓线,采用选段直线拟合以及做差计算方法,将断面轮廓线拼接并转化成如图4所示的路面三维深度图像,实现路面病害检测不受车载波动干扰。
其中,将断面轮廓线拼接并转化成路面三维深度图像,包括步骤有:
步骤1、对输入的每一帧断面轮廓线每隔一个单位均匀重采样,剔除局部曲率半径小于预设阈值的区域,预设阈值可设置为70~100;
步骤2、在剩余的目标区域轮廓线中均匀提取设定量轮廓点采用最小二乘法进行直线拟合,得到如图3中实直线所示的拟合直线;
步骤3、计算原断面轮廓线重采样点每一处相对拟合直线的高程,换算成灰度值,输出一条单像素的灰度线,作为生成路面三维深度图像的一行;
步骤4、将每一条单像素的灰度线拼接生成路面三维深度图像,直至光条图像输入结束或路面三维深度图像达到所需检测尺寸大小。
所述步骤1中剔除局部曲率半径小于预设阈值的区域,包括步骤有:
步骤1-1、采用道格拉斯普克算法对轮廓线进行分段,提取分段特征点,效果图如图2所示;
步骤1-2、将两端点也视为特征点,如果特征点总数少于三个,则取消剔除操作;如果特征点总数多于或者等于三个,则计算每连续三个特征点的外接圆半径作为局部曲率分析依据;
步骤1-3、如果外接圆半径大于预设阈值,则不作处理;如果外接圆半径小于预设阈值,则将对应的连续三个特征点之间区域进行标记,不作为直线拟合的区域,将之剔除出直线拟合的目标区域。
如图5所示,本发明采用的线结构光路面检测系统包括移动平台1,均安装于移动平台1上的线结构光传感模块、计算机2和系统支架3;所述线结构光传感模块包括近红外线激光器4、摄像机5和窄带滤光片(图中未示出),所述近红外线激光器3和摄像机4均通过系统支架3安装于移动平台1。
所述近红外线激光器4垂直照射向待测路面10,可避免因路面颠簸起伏导致的光条纹沿扫描方向上下漂移问题;所述摄像机5朝向近红外线激光器4垂直照射于待测路面10的光线进行拍摄,所述窄带滤光片设置于摄像机5的拍摄镜头正后方,滤除可见光变化所带来的影响,可大幅提高采集精度;所述摄像机5与计算机2相连,将拍摄采集到的包含待测路面三维信息的光条图像传输至计算机2;所述计算机2通过调用图像传输存储处理模块进行存储和路面病害检测。
由于一般道路的断面轮廓线一定距离内接近于一条直线,通过直线拟合的方式能够找出一条非常符合道路基本轮廓线的直线,而且采用最小二乘法能够保证直线与路面基本轮廓保持基本一致,取两者相对距离做差能够得到一条差值线,其差值线不受断面轮廓线位置变化的影响,而差值线对于轮廓线局部形状变化则非常敏感,因此能够有效区分裂缝等病害与路面波动和系统振动引起的误差。
由于断面轮廓线上显著突起部分会影响拟合直线走向,需要预先去除轮廓线上突起。检测断面轮廓线上突起主要采用的依据是轮廓局部曲率,路面基本轮廓曲率小,而突起区域曲率很大,因此可通过曲率进行简单地区分。采用道格拉斯普克算法能够给计算局部曲率带来方便,通过道格拉斯普克算法能够提取图像中的关键分段点,从而可以通过几个关键分段点,较为简单地计算局部曲率,其计算方法即通过计算相邻三点间的曲率半径即可获知曲率。
所以用道格拉斯普克算法提取断面轮廓线的特征点,再根据病害轮廓线曲率大的特性,剔除病害特征点,在余下的特征点中均匀提取适量点采用最小二乘法拟合出路面基本轮廓线,再将线依次拼接成路面基本轮廓,相比现有技术中曲面拟合的方法,可更有效地实时去除路面起伏以及车辆振动引起的误差。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (4)

1.一种基于线结构光路面检测系统的路面深度图像生产方法,其特征在于:通过车载式的线结构光路面检测系统采集到包含待测路面三维信息的光条图像,从光条图像提取出断面轮廓线,采用选段直线拟合方法以及做差计算,将断面轮廓线拼接并转化成路面三维深度图像,实现路面病害检测不受车载波动干扰;
所述将断面轮廓线拼接并转化成路面三维深度图像,包括步骤有:
步骤1、对输入的每一帧断面轮廓线每隔一个单位均匀重采样,剔除局部曲率半径小于预设阈值的区域;
步骤2、在剩余的目标区域轮廓线中均匀提取设定量轮廓点进行直线拟合,得到拟合直线;
步骤3、计算原断面轮廓线重采样点每一处相对拟合直线的高程,换算成灰度值,输出一条单像素的灰度线,作为生成路面三维深度图像的一行;
步骤4、将每一条单像素的灰度线拼接生成路面三维深度图像,直至光条图像输入结束或路面三维深度图像达到所需检测尺寸大小;
所述步骤1中剔除局部曲率半径小于预设阈值的区域,包括步骤有:
步骤1-1、采用道格拉斯普克算法对轮廓线进行分段,提取分段特征点;
步骤1-2、将两端点也视为特征点,如果特征点总数少于三个,则取消剔除操作;如果特征点总数多于或者等于三个,则计算每连续三个特征点的外接圆半径作为局部曲率分析依据;
步骤1-3、如果外接圆半径大于预设阈值,则不作处理;如果外接圆半径小于预设阈值,则将对应的连续三个特征点之间区域进行标记,不作为直线拟合的区域,将之剔除出直线拟合的目标区域。
2.根据权利要求1所述的一种基于线结构光路面检测系统的路面深度图像生产方法,其特征在于:所述线结构光路面检测系统包括移动平台,均安装于移动平台上的线结构光传感模块、计算机和系统支架;所述线结构光传感模块包括近红外线激光器、摄像机和窄带滤光片,所述近红外线激光器和摄像机均通过系统支架安装于移动平台;
所述近红外线激光器垂直照射向待测路面,所述摄像机朝向近红外线激光器垂直照射于待测路面的光线进行拍摄,所述窄带滤光片设置于摄像机的拍摄镜头正后方;
所述摄像机与计算机相连,将拍摄采集到的包含待测路面三维信息的光条图像传输至计算机;所述计算机通过调用图像传输存储处理模块进行存储和路面病害检测。
3.根据权利要求1所述的一种基于线结构光路面检测系统的路面深度图像生产方法,其特征在于:所述预设阈值设置为70~100。
4.根据权利要求1所述的一种基于线结构光路面检测系统的路面深度图像生产方法,其特征在于:所述步骤2采用最小二乘法进行直线拟合。
CN201510251405.7A 2015-05-15 2015-05-15 一种基于线结构光路面检测系统的路面深度图像生产方法 Expired - Fee Related CN105133471B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510251405.7A CN105133471B (zh) 2015-05-15 2015-05-15 一种基于线结构光路面检测系统的路面深度图像生产方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510251405.7A CN105133471B (zh) 2015-05-15 2015-05-15 一种基于线结构光路面检测系统的路面深度图像生产方法

Publications (2)

Publication Number Publication Date
CN105133471A CN105133471A (zh) 2015-12-09
CN105133471B true CN105133471B (zh) 2017-04-26

Family

ID=54719021

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510251405.7A Expired - Fee Related CN105133471B (zh) 2015-05-15 2015-05-15 一种基于线结构光路面检测系统的路面深度图像生产方法

Country Status (1)

Country Link
CN (1) CN105133471B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106296691B (zh) * 2016-08-11 2018-10-26 湖南联智桥隧技术有限公司 基于图像分析的路面病害识别方法
CN106863331A (zh) * 2017-03-14 2017-06-20 深圳广田机器人有限公司 智能装修机器人平台
CN107036582A (zh) * 2017-06-14 2017-08-11 上海市政养护管理有限公司 一种检测道路路基沉降的系统及方法
CN107633516B (zh) * 2017-09-21 2020-04-07 武汉武大卓越科技有限责任公司 一种识别路面变形类病害的方法和装置
CN108596968B (zh) * 2018-04-02 2022-04-19 成都精工华耀科技有限公司 一种基于轨道3d深度图像的轨枕计数方法
CN110084844B (zh) * 2019-04-25 2023-03-28 中国民航大学 一种基于深度相机的机场道面裂缝检测方法
CN110503646B (zh) * 2019-08-29 2022-03-25 联想(北京)有限公司 一种图像处理方法及装置
CN110530273B (zh) * 2019-09-23 2024-04-02 易思维(杭州)科技股份有限公司 基于结构光测量的涂胶信息检测方法
CN110749289B (zh) * 2019-10-12 2021-03-16 湖北文理学院 路面三维纹理形貌精确测量装置及方法
CN111485475B (zh) * 2020-04-23 2021-12-28 陕西国防工业职业技术学院 一种路面坑槽识别方法及其装置
CN112411324B (zh) * 2020-09-30 2022-03-29 武汉光谷卓越科技股份有限公司 一种线结构光路面跳车检测方法
CN115908525B (zh) * 2022-11-24 2023-10-20 深圳市城市交通规划设计研究中心股份有限公司 一种基于路面车辙病害三维重构的车辙体积计算方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101545240A (zh) * 2009-04-16 2009-09-30 长安大学 光电弯沉快速检测仪
CN101831862A (zh) * 2009-03-11 2010-09-15 南京理工大学 路面弯沉激光高速检测系统
CN202175906U (zh) * 2011-07-28 2012-03-28 武汉武大卓越科技有限责任公司 车载式公路路面三维测量装置
WO2012066769A1 (en) * 2010-11-19 2012-05-24 Canon Kabushiki Kaisha Information processing apparatus and information processing method
CN103266552A (zh) * 2013-05-09 2013-08-28 江苏科技大学 一种基于深度图像的路面检测系统
CN103758016A (zh) * 2014-01-02 2014-04-30 华南理工大学 一种路面三维构造检测装置及其检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101831862A (zh) * 2009-03-11 2010-09-15 南京理工大学 路面弯沉激光高速检测系统
CN101545240A (zh) * 2009-04-16 2009-09-30 长安大学 光电弯沉快速检测仪
WO2012066769A1 (en) * 2010-11-19 2012-05-24 Canon Kabushiki Kaisha Information processing apparatus and information processing method
CN202175906U (zh) * 2011-07-28 2012-03-28 武汉武大卓越科技有限责任公司 车载式公路路面三维测量装置
CN103266552A (zh) * 2013-05-09 2013-08-28 江苏科技大学 一种基于深度图像的路面检测系统
CN103758016A (zh) * 2014-01-02 2014-04-30 华南理工大学 一种路面三维构造检测装置及其检测方法

Also Published As

Publication number Publication date
CN105133471A (zh) 2015-12-09

Similar Documents

Publication Publication Date Title
CN105133471B (zh) 一种基于线结构光路面检测系统的路面深度图像生产方法
CN106052575B (zh) 基于列车高速运行中的受电弓碳滑板磨耗在线检测方法
CN105526882B (zh) 基于结构光测量的道岔磨耗检测系统及其检测方法
CN111855664B (zh) 一种可调节隧道病害三维检测系统
Ouyang et al. Pavement cracking measurements using 3D laser-scan images
CN103900494B (zh) 用于双目视觉三维测量的同源点快速匹配方法
US20040095585A1 (en) Wheel profile inspection apparatus and method
CN104608799A (zh) 基于信息融合技术列车轮对踏面损伤在线检测与识别方法
CN102608126A (zh) 一种高温连铸坯表面缺陷在线检测方法和装置
CN101871895A (zh) 连铸热坯表面缺陷激光扫描成像无损检测方法
CN106679567A (zh) 基于双目立体视觉的接触网及支柱几何参数检测测量系统
CN105866129A (zh) 一种基于数字投影的产品表面质量在线检测方法
CN107478176A (zh) 一种受电弓损耗检测方法及系统
CN110930415B (zh) 一种轨道接触网空间位置检测方法
WO2021227287A1 (zh) 生产线上蜂窝产品规整度的检测方法及检测装置
CN104458764B (zh) 基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法
CN107578397A (zh) 一种新型非接触式接触线磨损检测方法
CN202548069U (zh) 一种高温连铸坯表面缺陷在线检测装置
CN103438809A (zh) 基于面阵/线阵相机的车辆宽度尺寸测量方法和装置
CN106403818A (zh) 多规格大型方矩形管在线尺寸参数检测用的系统及方法
CN115841477A (zh) 多模视觉融合的无砟轨道结构隐性缺陷检测方法及系统
CN107190621B (zh) 一种路面裂缝病害检测系统和方法
CN111369533B (zh) 基于偏振图像融合的钢轨廓形检测方法及装置
CN108986088A (zh) 一种基于matlab的图像自动提取优化方法及设备
JP3629568B2 (ja) 架線検査方法および架線検査装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170426

Termination date: 20210515