CN106702870B - 一种道路裂缝检测系统 - Google Patents

一种道路裂缝检测系统 Download PDF

Info

Publication number
CN106702870B
CN106702870B CN201710151583.1A CN201710151583A CN106702870B CN 106702870 B CN106702870 B CN 106702870B CN 201710151583 A CN201710151583 A CN 201710151583A CN 106702870 B CN106702870 B CN 106702870B
Authority
CN
China
Prior art keywords
image
pavement crack
pavement
crack image
crack
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
Application number
CN201710151583.1A
Other languages
English (en)
Other versions
CN106702870A (zh
Inventor
不公告发明人
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.)
Heilongjiang Longxing Highway Survey and Design Co., Ltd.
Original Assignee
Heilongjiang Longxing Highway Survey And Design Co Ltd
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 Heilongjiang Longxing Highway Survey And Design Co Ltd filed Critical Heilongjiang Longxing Highway Survey And Design Co Ltd
Priority to CN201710151583.1A priority Critical patent/CN106702870B/zh
Publication of CN106702870A publication Critical patent/CN106702870A/zh
Application granted granted Critical
Publication of CN106702870B publication Critical patent/CN106702870B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
    • E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
    • E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs

Landscapes

  • Engineering & Computer Science (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供了一种道路裂缝检测系统，包括相连接的路面检测子系统、裂缝图像处理子系统和移动终端，所述路面检测子系统用于对待检测的路面进行拍摄，获取路面裂缝图像，所述裂缝图像处理子系统用于对路面裂缝图像进行处理，输出路面裂缝检测结果，并将路面裂缝检测结果传送给移动终端；所述路面检测子系统包括多台用于对待检测的路面进行拍摄的相机，拍摄时各相机设置不同的拍摄角度进行拍摄。本发明能够省去大量的人力和物力，并能够及时地通过移动终端获取路面裂缝的信息。

Description

一种道路裂缝检测系统
技术领域
本发明涉及道路路面检测技术领域，具体涉及一种道路裂缝检测系统。
背景技术
路面是公路的重要组成部分，其质量的好坏影响着公路的服务水平。裂缝是公路路面的主要损坏之一。在公路的养护和管理过程中，如果路面裂缝能够被及早的发现，并对其进行养护和维修，那么在公路维护中将省去大量的人力和物力。过去，在路面裂缝检测方面采用的是传统的人工检测方法。随着公路的发展和数量的增加，这种人工检测方法已越来越不能适应公路发展的要求。
相关技术中，采用对路面裂缝图像进行识别处理的方式获取路面裂缝信息。在对路面裂缝图像进行增强处理，可以突显边缘和细节信息，同时抑制噪声，改善路面裂缝图像的视觉效果。目前，小波变换在图像增强方面取得一定的效果，但小波变换不能“最优”表示含“线”或“面”奇异的高维函数。Contourlet变换是一种真正的二维图像表示方法，该变换是一种多分辨的、局域的、多方向的图像表示方法。该变换将多尺度分析与方向分析分开进行，可较好地表达细小有方向的轮廓和线段，能很好地用于图像增强处理。然而，Contourlet变换存在下采样，其并不存在平移不变性，在处理后的图像中会产生伪影现象。NSCT(NonsubsampledContourlet transform，非下采样Contourlet变换)是Contourlet变换的一种改进方式，该变换取消了Contourlet变换中的下采样环节，其具有多尺度，多方向、局域性及平移不变性等特点而适合于图像增强技术中。
在图像分割处理方面，已经有了很多种非常好的分割方法，例如直方图阈值分割方法，迭代法阈值分割和OTSU算法(最大类间方差法)，这些阈值分割方法都能得到非常好的分割效果，其中OTSU算法能自动算出输入图像的阈值，再与输入图像中的每一个像素点进行比对，最后能分割出输入图像中的目标部分和背景部分，其运算速度比较快。
发明内容
针对上述问题，本发明旨在提供一种道路裂缝检测系统。
本发明的目的采用以下技术方案来实现：
一种道路裂缝检测系统，包括相连接的路面检测子系统、裂缝图像处理子系统和移动终端，所述路面检测子系统用于对待检测的路面进行拍摄，获取路面裂缝图像，所述裂缝图像处理子系统用于对路面裂缝图像进行处理，输出路面裂缝检测结果，并将路面裂缝检测结果传送给移动终端；所述路面检测子系统包括多台用于对待检测的路面进行拍摄的相机，拍摄时各相机设置不同的拍摄角度进行拍摄。
本发明的有益效果为：能够省去大量的人力和物力，并能够及时地通过移动终端获取路面裂缝的信息；采用多台相机同时从不同角度拍摄路面同一场景，可以得到更多的路面信息，从而有利于路面裂缝的后续检测。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1本发明的结构连接框图；
图2是本发明裂缝图像处理子系统的结构连接框图。
附图标记：
路面检测子系统1、裂缝图像处理子系统2、移动终端3、路面裂缝图像过滤模块10、图像预处理模块20、图像后处理模块30、路面裂缝识别模块40。
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1，本实施例的一种道路裂缝检测系统，包括相连接的路面检测子系统1、裂缝图像处理子系统2和移动终端3，所述路面检测子系统1用于对待检测的路面进行拍摄，获取路面裂缝图像，所述裂缝图像处理子系统2用于对路面裂缝图像进行处理，输出路面裂缝检测结果，并将路面裂缝检测结果传送给移动终端3；所述路面检测子系统1包括多台用于对待检测的路面进行拍摄的相机，拍摄时各相机设置不同的拍摄角度进行拍摄。
优选地，多台相机分成两组沿横向布设，以路面中线分开左右各一组，多台相机同时拍摄。
优选地，所述相机采用面阵CCD相机。
本发明上述实施例，采用多台相机同时从不同角度拍摄路面同一场景，可以得到更多的路面信息，从而有利于路面裂缝的后续检测。
优选地，如图2所示，所述裂缝图像处理子系统2包括依次连接的路面裂缝图像过滤模块10、图像预处理模块20、图像后处理模块30、路面裂缝识别模块40。
优选地，所述路面裂缝图像过滤模块10用于在路面检测子系统1输出的路面裂缝图像中筛选有效的路面裂缝图像，对其余的路面裂缝图像进行过滤，具体为：
(1)对路面裂缝图像按照图像拍摄区域和图像拍摄时间进行分类，设定图像拍摄区域和图像拍摄时间段，将属于同一图像拍摄区域和图像拍摄时间段的路面裂缝图像归为同一个路面裂缝图像集；
(2)在每一个路面裂缝图像集中筛选出一个有效的路面裂缝图像，定义图像筛选函数为：
式中，ρi为第x个路面裂缝图像集中第i张路面裂缝图像的设定区域的平均灰度值，ρ为根据实际情况设定的灰度值阈值，vi为第x个路面裂缝图像集中第i张路面裂缝图像的边缘锐度，v为根据实际情况设定的边缘锐度阈值，mx为第x个路面裂缝图像集的路面裂缝图像的数量；
选取图像筛选函数Z(x)的值最大的路面裂缝图像作为该路面裂缝图像集中的优选路面裂缝图像，对剩余的路面裂缝图像进行删除。
本优选实施例设置路面裂缝图像过滤模块10，筛选出最优的路面裂缝图像进行路面裂缝识别检测，能够大大节约系统存储空间，提高路面裂缝识别检测的速度；定义了图像筛选函数，能够较好、快速地对采集的路面裂缝图像进行筛选，提高筛选的速度。
优选地，所述图像预处理模块20用于对筛选出的路面裂缝图像进行初步预处理，去除路面裂缝图像的随机噪声，具体为：
(1)对筛选出的路面裂缝图像进行NSCT变换(非下采样Contourlet变换)，得到该路面裂缝图像的低频子带系数和高频子带系数；
(2)采用方向滤波器对分解后的高频子带系数进行处理，提高分解后的高频子带系数的稀疏性，再采用伪随机傅里叶矩阵对高频子带系数进行观测采样，得到观测值；
(3)对于观测值，采用交互分裂Bregman迭代方法进行重构，得到最优高频子带系数；
(4)将最优高频子带系数和所述低频子带系数一起进行图像重构，即得到滤波后的路面裂缝图像。
本优选实施例的图像预处理模块20，采用上述方式对筛选出的路面裂缝图像进行去噪，能够清晰全面的表示路面裂缝的边缘信息以及其细节特征，能够在有效去噪的同时最大限度的保留路面裂缝的细节信息。
优选地，所述图像后处理模块30用于对路面裂缝图像进行分割处理，将路面裂缝图像的路面裂缝分离出来，包括：
(1)采用OTSU算法对路面裂缝图像进行全局分割阈值估计，得到优选全局分割阈值，具体为：获取路面裂缝图像的灰度级，并根据所述灰度级确定灰度范围，在所述灰度范围中，选定路面裂缝图像的初始分割阈值；遍历所述路面裂缝图像中像素的灰度值，选取所述灰度值大于所述初始分割阈值的像素，作为前景图像，选取所述灰度值小于所述初始分割阈值的像素，作为背景图像，计算所述前景图像的灰度均值，所述前景图像的像素数占总像素数目的比例，所述背景图像的灰度均值、所述背景图像的像素数占总像素数目的比例和所述路面裂缝图像的灰度均值；所述灰度范围内，增加所述路面裂缝图像的分割阈值，使前景图像和背景图像的差异值达到最大，选取前景图像和背景图像的差异值达到最大时的分割阈值作为优选全局分割阈值；
(2)将整个路面裂缝图像划分为大小相同的多个子图像；
(3)采用OTSU算法对子图像进行局部分割阈值估计，获得各子图像的优选局部分割阈值；
(4)对不同位置的子图像使用不同的分割阈值进行分割，定义子图像的分割阈值的计算公式为：
式中，Q为优选全局分割阈值，Qij′为第i行第j列的子图像的优选局部分割阈值，γ表示整个路面裂缝图像的灰度方差，γij表示第i行第j列的子图像的灰度方差，δij表示第i行第j列的子图像的灰度均值，δ表示整个路面裂缝图像的灰度均值，ω1、ω2为设定的权重因子，ω1+ω2＝1。
本优选实施例中，子图像的分割阈值由OSTU算法和子图像的灰度特点共同决定，考虑了图像局部灰度的变化，对不同的子图像采用对应的分割阈值进行分割，能够克服由光照不均、纹理干扰、路面裂缝与背景灰度对比度弱等问题对路面裂缝图像分割造成的影响，从而提高图像分割的精度。
优选地，所述路面裂缝识别模块40用于对路面裂缝图像的路面裂缝进行分类识别，该路面裂缝识别模块40选取几何形态特征作为路面裂缝提取特征，提取路面裂缝线性特征、裂缝区域像素点数和分布密度作为分类特征值。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (3)

1.一种道路裂缝检测系统，其特征是，包括相连接的路面检测子系统、裂缝图像处理子系统和移动终端，所述路面检测子系统用于对待检测的路面进行拍摄，获取路面裂缝图像，所述裂缝图像处理子系统用于对路面裂缝图像进行处理，输出路面裂缝检测结果，并将路面裂缝检测结果传送给移动终端；所述路面检测子系统包括多台用于对待检测的路面进行拍摄的相机，拍摄时各相机设置不同的拍摄角度进行拍摄；多台相机分成两组沿横向布设，以路面中线分开左右各一组，多台相机同时拍摄；所述裂缝图像处理子系统包括依次连接的路面裂缝图像过滤模块、图像预处理模块、图像后处理模块、路面裂缝识别模块；所述路面裂缝图像过滤模块用于在路面检测子系统输出的路面裂缝图像中筛选有效的路面裂缝图像，对其余的路面裂缝图像进行过滤；所述图像预处理模块用于对筛选出的路面裂缝图像进行初步预处理，去除路面裂缝图像的随机噪声；所述图像后处理模块用于对路面裂缝图像进行分割处理，将路面裂缝图像的路面裂缝分离出来；所述裂缝识别模块用于对路面裂缝图像的路面裂缝进行分类识别；所述路面裂缝图像过滤模块具体执行：
(1)对路面裂缝图像按照图像拍摄区域和图像拍摄时间进行分类，设定图像拍摄区域和图像拍摄时间段，将属于同一图像拍摄区域和图像拍摄时间段的路面裂缝图像归为同一个路面裂缝图像集；
(2)在每一个路面裂缝图像集中筛选出一个有效的路面裂缝图像，定义图像筛选函数为：
式中，ρi为第x个路面裂缝图像集中第i张路面裂缝图像的设定区域的平均灰度值，ρ为根据实际情况设定的灰度值阈值，vi为第x个路面裂缝图像集中第i张路面裂缝图像的边缘锐度，v为根据实际情况设定的边缘锐度阈值，mx为第x个路面裂缝图像集的路面裂缝图像的数量；
选取图像筛选函数Z(x)的值最大的路面裂缝图像作为该路面裂缝图像集中的优选路面裂缝图像，对剩余的路面裂缝图像进行删除。
2.根据权利要求1所述的一种道路裂缝检测系统，其特征是，所述相机采用面阵CCD相机。
3.根据权利要求1所述的一种道路裂缝检测系统，其特征是，所述去除路面裂缝图像的随机噪声，具体为：
(1)对筛选出的路面裂缝图像进行NSCT变换(非下采样Contourlet变换)，得到该路面裂缝图像的低频子带系数和高频子带系数；
(2)采用方向滤波器对分解后的高频子带系数进行处理，提高分解后的高频子带系数的稀疏性，再采用伪随机傅里叶矩阵对高频子带系数进行观测采样，得到观测值；
(3)对于观测值，采用交互分裂Bregman迭代方法进行重构，得到最优高频子带系数；
(4)将最优高频子带系数和所述低频子带系数一起进行图像重构，即得到滤波后的路面裂缝图像。
CN201710151583.1A 2017-03-14 2017-03-14 一种道路裂缝检测系统 Active CN106702870B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710151583.1A CN106702870B (zh) 2017-03-14 2017-03-14 一种道路裂缝检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710151583.1A CN106702870B (zh) 2017-03-14 2017-03-14 一种道路裂缝检测系统

Publications (2)

Publication Number Publication Date
CN106702870A CN106702870A (zh) 2017-05-24
CN106702870B true CN106702870B (zh) 2018-10-16

Family

ID=58884698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710151583.1A Active CN106702870B (zh) 2017-03-14 2017-03-14 一种道路裂缝检测系统

Country Status (1)

Country Link
CN (1) CN106702870B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107386107A (zh) * 2017-08-15 2017-11-24 福建省永正工程质量检测有限公司 一种市政桥梁伸缩缝检测装置
CN109255288A (zh) * 2018-07-23 2019-01-22 深圳市科思创动科技有限公司 一种路面破损检测方法、装置及终端设备
CN111141758A (zh) * 2019-12-27 2020-05-12 江苏南高智能装备创新中心有限公司 一种内圆柱表面缺陷检测方法
CN111833303B (zh) * 2020-06-05 2023-07-25 北京百度网讯科技有限公司 产品的检测方法、装置、电子设备及存储介质
CN111781208B (zh) * 2020-07-24 2023-03-31 河南省交通规划设计研究院股份有限公司 一种道路裂缝检测装置
CN112465817B (zh) * 2020-12-17 2024-06-14 大连海事大学 一种基于方向滤波器的路面裂缝检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103485266A (zh) * 2013-10-09 2014-01-01 武汉武大卓越科技有限责任公司 一种高清晰路面图像采集方法及装置
CN103993548A (zh) * 2014-05-07 2014-08-20 长安大学 基于多台相机立体拍摄的路面损坏裂缝检测系统及方法
CN104655639A (zh) * 2014-12-23 2015-05-27 北京恒达锦程图像技术有限公司 一种能准确获取裂缝特征的路面裂缝检测方法和系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103485266A (zh) * 2013-10-09 2014-01-01 武汉武大卓越科技有限责任公司 一种高清晰路面图像采集方法及装置
CN103993548A (zh) * 2014-05-07 2014-08-20 长安大学 基于多台相机立体拍摄的路面损坏裂缝检测系统及方法
CN104655639A (zh) * 2014-12-23 2015-05-27 北京恒达锦程图像技术有限公司 一种能准确获取裂缝特征的路面裂缝检测方法和系统

Also Published As

Publication number Publication date
CN106702870A (zh) 2017-05-24

Similar Documents

Publication Publication Date Title
CN106702870B (zh) 一种道路裂缝检测系统
CN106856002B (zh) 一种无人机拍摄图像质量评价方法
CN105447512B (zh) 一种精粗结合的光学表面缺陷的检测方法及装置
CN109509164B (zh) 一种基于gdgf的多传感器图像融合方法及系统
Cope et al. Plant texture classification using gabor co-occurrences
CN106067026A (zh) 一种中药材显微图像的特征提取与识别检索方法
CN109658447B (zh) 基于边缘细节保持的夜间图像去雾方法
CN109447945A (zh) 基于机器视觉和图形处理的小麦基本苗快速计数方法
CN103295225B (zh) 弱光照条件下的列车转向架边缘检测方法
Deshmukh et al. Segmentation of microscopic images: A survey
CN111665199A (zh) 一种基于机器视觉的电线电缆颜色检测识别方法
CN109886170A (zh) 一种钉螺智能检测识别与统计系统
Tripathy Detection of cotton leaf disease using image processing techniques
CN114863106B (zh) 一种离心式撒肥颗粒分布检测方法
CN106940904B (zh) 基于人脸识别和语音识别的考勤系统
Sibi Chakkaravarthy et al. Automatic leaf vein feature extraction for first degree veins
Hua et al. Image segmentation algorithm based on improved visual attention model and region growing
Veni Image processing edge detection improvements and its applications
Wang et al. Saliency-based adaptive object extraction for color underwater images
CN111027441B (zh) 一种基于机载高光谱遥感影像的道路提取方法
Baloch et al. Finger-vein Image Dual Contrast Enhancement and Edge Detection
Song Canny optimisation of the dynamic image colour automatic segmentation algorithm
Wang et al. Edge detection from high-resolution remotely sensed imagery based on Gabor filter in frequency domain
Hou et al. Detection of pavement cracks based on non-local image denoising and enhancement
Hu et al. Rain-density squeeze-and-excitation residual network for single image rain-removal

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20180830

Address after: 150000 No. 339 Huayuan street, Nangang District, Harbin, Heilongjiang.

Applicant after: Heilongjiang Longxing Highway Survey and Design Co., Ltd.

Address before: 518000 room 809, Chuang Sheng building, sunny industrial district, Xili street, Nanshan District, Shenzhen, Guangdong.

Applicant before: Shenzhen United Automation Control Co., Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant