CN106683088A - 基于手机传感器的道路裂纹类型识别方法 - Google Patents

基于手机传感器的道路裂纹类型识别方法 Download PDF

Info

Publication number
CN106683088A
CN106683088A CN201611230300.4A CN201611230300A CN106683088A CN 106683088 A CN106683088 A CN 106683088A CN 201611230300 A CN201611230300 A CN 201611230300A CN 106683088 A CN106683088 A CN 106683088A
Authority
CN
China
Prior art keywords
crackle
road
mobile phone
crack
coordinate system
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.)
Granted
Application number
CN201611230300.4A
Other languages
English (en)
Other versions
CN106683088B (zh
Inventor
於志文
孔莹莹
陈荟慧
郭斌
王柱
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN201611230300.4A priority Critical patent/CN106683088B/zh
Publication of CN106683088A publication Critical patent/CN106683088A/zh
Application granted granted Critical
Publication of CN106683088B publication Critical patent/CN106683088B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20036Morphological image processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30132Masonry; 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)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种基于手机传感器的道路裂纹类型识别方法,用于解决现有道路裂纹类型识别方法实用性差的技术问题。技术方案是首先利用智能手机对道路裂纹进行拍照,采集裂纹照片及拍照时候的手机传感器数据。再对采集到的裂纹照片进行图像处理。继而将手机坐标系下的裂纹变换到世界坐标系,计算出世界坐标系下的裂纹方向。计算裂纹所在道路的方向。通过裂纹和道路方向的夹角判断线性裂纹的类型。如果夹角小于45°,裂纹的类型是竖裂,否则裂纹是横裂。本发明不需要专用的裂纹检测车对裂纹进行拍照,仅利用智能手机对道路裂纹进行拍照,实用性好,且识别裂纹类型的准确率达到了90.1%。

Description

基于手机传感器的道路裂纹类型识别方法
技术领域
本发明涉及一种道路裂纹类型识别方法,特别涉及一种基于手机传感器的道路裂纹类型识别方法。
背景技术
近年来,智能手机的发展为传统的市政服务提供了新的手段。在传统的城市道路裂纹检测方法中,需要专业的人员使用专业的设备进行检查,这样浪费大量的人力和物力。随着智能手机的发展,普通市民可以使用手机对裂纹进行拍照,但是由于用手机拍照的时候,拍照的方向是任意的,本发明中我们使用拍照时手机的传感器信息,如加速度计、磁力计、GPS信息等,和照片本身的信息,还原拍照的场景,对道路裂纹的类型进行判断。
文献“路面裂缝图像自动识别系统研究.长安大学,2009.”公开了一种路面裂纹类型识别方法。此方法首先根据设定的阈值判断裂纹为网状裂纹还是线性裂纹,若连通域的个数大于给定的阈值,则是网状裂纹,否则是线性裂纹,然后根据投影判别法判断裂纹是纵向裂纹还是横向裂纹。但是由于此方法使用专用的裂纹检测车对裂纹进行拍照的,摄像头跟道路方向是平行的,使用手机拍照识别裂纹类型的时候,拍照方向是任意的,不能直接通过照片的信息来判断横裂和竖裂,需要通过传感器信息判断手机拍照的方向以及裂纹所在道路的方向,结合照片本身的信息来判断线性裂纹的类型。
发明内容
为了克服现有道路裂纹类型识别方法实用性差的不足,本发明提供一种基于手机传感器的道路裂纹类型识别方法。该方法首先利用智能手机对道路裂纹进行拍照,采集裂纹照片及拍照时候的手机传感器数据。再对采集到的裂纹照片进行图像处理。继而将手机坐标系下的裂纹变换到世界坐标系,计算出世界坐标系下的裂纹方向。计算裂纹所在道路的方向。通过裂纹和道路方向的夹角判断线性裂纹的类型。如果夹角小于45°,裂纹的类型是竖裂,否则裂纹是横裂。本发明不需要专用的裂纹检测车对裂纹进行拍照,仅利用智能手机对道路裂纹进行拍照,实用性好,且识别裂纹类型的准确率达到了90.1%。
本发明解决其技术问题所采用的技术方案:一种基于手机传感器的道路裂纹类型识别方法,其特点是包括以下步骤:
步骤一、利用智能手机对道路裂纹进行拍照,采集裂纹照片及拍照时的手机传感器数据。GPS数据作为计算裂纹所在道路方向的数据依据,加速度传感器和磁场传感器作为计算手机绕手机坐标系的x轴,y轴,z轴旋转角度的数据依据。将手机传感器数据整理成三元组<裂纹照片,传感器名称,传感器数值>。其中加速度传感器、磁力传感器的传感器数值格式是一个三维向量<x,y,z>,GPS的数据格式是<lon,lat>。
步骤二、对步骤一采集到的裂纹照片进行包括中值滤波平滑、sobel算子锐化和灰度预处理,然后使用OTSU算法进行图像分割,从路面背景中分割出裂纹。处理后的二值化矩阵记为G,计算G连通域的个数,如果连通域的个数大于等于10,裂纹的类型是网状裂纹,如果连通域的个数小于10,裂纹的类型是线性裂纹。
步骤三、计算裂纹在手机坐标系下的方向,对二值化矩阵G进行数学形态学先闭后开处理,处理后的矩阵记为M,然后对矩阵M进行膨胀腐蚀和细化操作,提取裂纹骨架,处理后的矩阵记为N,对矩阵N进行线性拟合,得到裂纹近似直线,直线的方向即为裂纹在手机坐标系下的方向。通过如下公式将手机坐标系下的裂纹变换到世界坐标系,计算出世界坐标系下的裂纹方向:
其中,(x,y,z)是世界坐标系下的点,(x,,,y,,,z,,)是手机坐标系下的点。α、β、γ是手机绕手机坐标系的x轴,y轴,z轴旋转的角度。
步骤四、将裂纹所在点的GPS定位到OpenStreetMap路网上,找到裂纹所在的道路。道路的信息记为r=(ID,Node1,Node2,Width),其中,ID是道路的编号,Node1是道路的起点,Node2是道路的终点,Width是道路的宽度,通过Node1和Node2两点,确定裂纹所在道路的方向。
步骤五、通过裂纹和道路方向的夹角判断线性裂纹的类型,如果夹角小于45°,裂纹的类型是竖裂,如果夹角大于45°,裂纹的类型是横裂。
本发明的有益效果是:该方法首先利用智能手机对道路裂纹进行拍照,采集裂纹照片及拍照时候的手机传感器数据。再对采集到的裂纹照片进行图像处理。继而将手机坐标系下的裂纹变换到世界坐标系,计算出世界坐标系下的裂纹方向。计算裂纹所在道路的方向。通过裂纹和道路方向的夹角判断线性裂纹的类型。如果夹角小于45°,裂纹的类型是竖裂,否则裂纹是横裂。本发明不需要专用的裂纹检测车对裂纹进行拍照,仅利用智能手机对道路裂纹进行拍照,实用性好,且识别裂纹类型的准确率达到了90.1%。
下面结合附图和具体实施方式对本发明作详细说明。
附图说明
图1是本发明基于手机传感器的道路裂纹类型识别方法的流程图。
图2是手机坐标系的示意图。
图3是世界坐标系的示意图。
具体实施方式
参照图1-3。本发明基于手机传感器的道路裂纹类型识别方法具体步骤如下:
步骤一、利用智能手机对道路裂纹进行拍照,采集裂纹照片及拍照时候的手机传感器数据。GPS数据作为计算裂纹所在道路方向的数据依据,加速度传感器和磁场传感器作为计算手机绕手机坐标系的x轴,y轴,z轴旋转角度的数据依据。并进一步将所有数据整理成三元组<裂纹照片,传感器名称,传感器数值>。其中加速度传感器、磁力传感器的传感器数值格式是一个三维向量<x,y,z>,GPS的数据格式是<lon,lat>。
步骤二、对步骤一中采集到的裂纹照片进行图像处理。首先对照片进行图像预处理,包括中值滤波平滑、sobel算子锐化、灰度处理,然后使用OTSU算法进行图像分割,从路面背景中分割出裂纹。处理后的二值化矩阵记为G,计算G连通域的个数,如果连通域的个数大于等于10,裂纹的类型是网状裂纹,如果连通域的个数小于10,裂纹的类型是线性裂纹。
步骤三、为了判断线性裂纹的类型,首先需要判断裂纹的方向。计算裂纹在手机坐标系下的方向时,对矩阵G进行数学形态学先闭后开处理,处理后的矩阵记为M,然后对矩阵M进行膨胀腐蚀和细化操作,提取裂纹骨架,处理后的矩阵记为N,对矩阵N进行线性拟合,得到裂纹近似直线,直线的方向即为裂纹在手机坐标系下的方向。通过如下公式可以把手机坐标系下的裂纹变换到世界坐标系,计算出世界坐标系下的裂纹方向:
(x,y,z)是世界坐标系下的点,(x”,y”,z”)是手机坐标系下的点。α、β、γ是指手机绕手机坐标系的x轴,y轴,z轴旋转的角度,通过android开发API获取。
步骤四、计算裂纹所在道路的方向。把裂纹所在点的GPS定位到OpenStreetMap路网上,找到裂纹所在的道路。道路的信息记为r=(ID,Node1,Node2,Width),ID是道路的编号,Node1是道路的起点,Node2是道路的终点,Width是道路的宽度,通过Node1和Node2两点,确定裂纹所在道路的方向。
步骤五、求得了世界坐标系下裂纹的方向和道路的方向后,通过裂纹和道路方向的夹角判断线性裂纹的类型。如果夹角小于45°,裂纹的类型是竖裂,如果夹角大于45°,裂纹的类型是横裂。

Claims (1)

1.一种基于手机传感器的道路裂纹类型识别方法,其特征在于包括以下步骤:
步骤一、利用智能手机对道路裂纹进行拍照,采集裂纹照片及拍照时的手机传感器数据;GPS数据作为计算裂纹所在道路方向的数据依据,加速度传感器和磁场传感器作为计算手机绕手机坐标系的x轴,y轴,z轴旋转角度的数据依据;将手机传感器数据整理成三元组<裂纹照片,传感器名称,传感器数值>;其中加速度传感器、磁力传感器的传感器数值格式是一个三维向量<x,y,z>,GPS的数据格式是<lon,lat>;
步骤二、对步骤一采集到的裂纹照片进行包括中值滤波平滑、sobel算子锐化和灰度预处理,然后使用OTSU算法进行图像分割,从路面背景中分割出裂纹;处理后的二值化矩阵记为G,计算G连通域的个数,如果连通域的个数大于等于10,裂纹的类型是网状裂纹,如果连通域的个数小于10,裂纹的类型是线性裂纹;
步骤三、计算裂纹在手机坐标系下的方向,对二值化矩阵G进行数学形态学先闭后开处理,处理后的矩阵记为M,然后对矩阵M进行膨胀腐蚀和细化操作,提取裂纹骨架,处理后的矩阵记为N,对矩阵N进行线性拟合,得到裂纹近似直线,直线的方向即为裂纹在手机坐标系下的方向;通过如下公式将手机坐标系下的裂纹变换到世界坐标系,计算出世界坐标系下的裂纹方向:
( x &prime; , y &prime; , z &prime; , 1 ) = ( x , y , z , 1 ) 1 0 0 0 0 cos &alpha; sin &alpha; 0 0 - sin &alpha; cos &alpha; 0 0 0 0 1 cos &beta; 0 - sin &beta; 0 0 1 0 0 sin &beta; 0 cos &beta; 0 0 0 0 1 cos &gamma; sin &gamma; 0 0 - sin &gamma; cos &gamma; 0 0 0 0 1 0 0 0 0 1
其中,(x,y,z)是世界坐标系下的点,(x”,y”,z”)是手机坐标系下的点;α、β、γ是手机绕手机坐标系的x轴,y轴,z轴旋转的角度;
步骤四、将裂纹所在点的GPS定位到OpenStreetMap路网上,找到裂纹所在的道路;道路的信息记为r=(ID,Node1,Node2,Width),其中,ID是道路的编号,Node1是道路的起点,Node2是道路的终点,Width是道路的宽度,通过Node1和Node2两点,确定裂纹所在道路的方向;
步骤五、通过裂纹和道路方向的夹角判断线性裂纹的类型,如果夹角小于45°,裂纹的类型是竖裂,如果夹角大于45°,裂纹的类型是横裂。
CN201611230300.4A 2016-12-28 2016-12-28 基于手机传感器的道路裂纹类型识别方法 Active CN106683088B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611230300.4A CN106683088B (zh) 2016-12-28 2016-12-28 基于手机传感器的道路裂纹类型识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611230300.4A CN106683088B (zh) 2016-12-28 2016-12-28 基于手机传感器的道路裂纹类型识别方法

Publications (2)

Publication Number Publication Date
CN106683088A true CN106683088A (zh) 2017-05-17
CN106683088B CN106683088B (zh) 2019-06-21

Family

ID=58872043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611230300.4A Active CN106683088B (zh) 2016-12-28 2016-12-28 基于手机传感器的道路裂纹类型识别方法

Country Status (1)

Country Link
CN (1) CN106683088B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473781A (zh) * 2013-09-22 2013-12-25 长安大学 一种公路岩体边坡图像中节理裂纹的分割方法
CN103761506A (zh) * 2014-01-02 2014-04-30 上海大学 基于支持向量机的裂纹舌识别方法
CN105719283A (zh) * 2016-01-18 2016-06-29 苏州科技学院 一种基于Hessian矩阵多尺度滤波的路面裂缝图像检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473781A (zh) * 2013-09-22 2013-12-25 长安大学 一种公路岩体边坡图像中节理裂纹的分割方法
CN103761506A (zh) * 2014-01-02 2014-04-30 上海大学 基于支持向量机的裂纹舌识别方法
CN105719283A (zh) * 2016-01-18 2016-06-29 苏州科技学院 一种基于Hessian矩阵多尺度滤波的路面裂缝图像检测方法

Also Published As

Publication number Publication date
CN106683088B (zh) 2019-06-21

Similar Documents

Publication Publication Date Title
CN102494733B (zh) 基于图像处理的水位监测系统及方法
WO2018153304A1 (zh) 基于adas系统的地图道路标记及道路质量采集装置及方法
CN106778737B (zh) 一种车牌矫正方法、装置和一种视频采集装置
CN105547602B (zh) 一种地铁隧道管片渗漏水的远距离测量方法
CN105894504B (zh) 基于图像的井盖缺失检测方法
CN105930852B (zh) 一种气泡图像识别方法
CN104537360B (zh) 车辆未让行违章检测方法及其检测系统
CN105185105A (zh) 基于车辆gps和公交ic卡数据的公交换乘识别方法
CN104778721A (zh) 一种双目图像中显著性目标的距离测量方法
CN103630093B (zh) 用于混凝土表面粗糙度检测的图像分析方法
CN115717894B (zh) 一种基于gps和普通导航地图的车辆高精度定位方法
CN105976392B (zh) 基于最大输出概率的车辆轮胎检测方法及装置
CN106980855A (zh) 交通标志快速识别定位系统及方法
CN107679470A (zh) 一种基于hdr技术的交通标志牌检测和识别方法
CN105184317B (zh) 一种基于svm分类的车牌字符分割方法
CN106503710A (zh) 一种车标识别方法及装置
CN103632376A (zh) 一种两级框架的车辆部分遮挡消除方法
CN103914829B (zh) 一种含噪图像边缘检测方法
Hadjigeorgiou et al. An evaluation of image analysis algorithms for constructing discontinuity trace maps
CN105931216A (zh) 一种基于图像处理技术的机场道面破损检测方法
CN112926583A (zh) 车牌识别方法与车牌识别系统
CN102737230B (zh) 一种基于方向场估计的非局部均值滤波方法
CN103699876A (zh) 一种基于线阵ccd图像识别车号的方法及装置
CN103679700B (zh) 票据图像倒置检测系统
CN107392216A (zh) 一种基于灰度数据的盾构隧道管片环缝快速识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant