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 PDFInfo
- 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
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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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)
- 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
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:
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。
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)
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 |
-
2016
- 2016-12-28 CN CN201611230300.4A patent/CN106683088B/zh active Active
Patent Citations (3)
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 |