CN107798293A - 一种道路裂缝检测装置 - Google Patents
一种道路裂缝检测装置 Download PDFInfo
- Publication number
- CN107798293A CN107798293A CN201710855594.8A CN201710855594A CN107798293A CN 107798293 A CN107798293 A CN 107798293A CN 201710855594 A CN201710855594 A CN 201710855594A CN 107798293 A CN107798293 A CN 107798293A
- Authority
- CN
- China
- Prior art keywords
- crack
- road
- image
- road surface
- module
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Abstract
本发明提供一种道路裂缝检测装置,包括:道路图像采集模块、中央控制模块、道路图像处理模块、GPS定位模块、存储模块和生成模块;所述中央处理模块分别与装置中的其他各模块连接,用于将从所述道路图像采集模块获取的路面图像发送至所述道路图像处理模块进行处理,当发现路面存在裂缝时,将所述路面图像、裂缝识别结果以及从定位模块获取的定位信息发送至所述生成模块生成道路检测报告;所述GPS定位模块用于获取实时GPS定位信息;所述存储模块用于储存获取的路面图像和道路检测报告。本发明通过对路面进行拍摄获取路面图像,经过处理后能够准确地检测出路面图像中所存在的路面裂缝,适应性强,准确度高。
Description
技术领域
本发明涉及道路检测技术领域,特别是一种道路裂缝检测装置。
背景技术
随着全国范围内公路路网的建成,公路建设得到了迅速的发展,车辆在公路上行驶时,对路面完好率和路面的平整度要求很高,如果路面出现凹凸、裂缝等病害就应该及时进行维修,否则道路交通将受到极大影响,随着道路建成后的不断使用,对其合理有效的保养和维护成为了主要的问题,定期对路面状况进行调查,并作出相应的维护措施,以便在路面病害出现的早期就得到发现、修缮,成为了道路保养至关重要的组成部分。
裂缝是评价路面质量最重要的参数之一,是大部分病害的早期表现形式,直接影响着公路使用寿命和行车安全。传统路面裂缝检测技术基于人工视觉检查,效率低,工作强度大,检测速度慢,精度较低,并且在高速公路上进行人工检测时,检测人员人身安全受到了影响。
现有的路面裂缝检测系统采用路面图像获取技术,即照明系统与照相机相结合的方式拍摄路面图像用以记录路面裂缝信息,并采用灰度信息处理技术分析路面裂缝。但是,路面裂缝检测技术对于检测光照不均、阴影、裂缝信息较弱的图像仍有欠缺,如何提高路面裂缝检测的监测效果,是路面裂缝检测领域需要攻克的技术难题。
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装置。
本发明的目的采用以下技术方案来实现:
一种道路裂缝检测装置,包括:道路图像采集模块、中央控制模块、道路图像处理模块、GPS定位模块、存储模块和生成模块,
所述道路图像采集模块用于对道路进行拍摄,获取路面图像;
所述道路图像处理模块用于对获取的路面图像进行处理,检测并识别路面图像中的裂缝,获取裂缝识别结果;
所述GPS定位模块用于获取实时GPS定位信息;
所述中央处理模块分别与装置中的其他各模块连接,用于将从所述道路图像采集模块获取的路面图像发送至所述道路图像处理模块进行处理,当发现路面存在裂缝时,将所述路面图像、裂缝识别结果以及从定位模块获取的定位信息发送至所述生成模块生成道路检测报告;
所述生成模块用于当检测到路面裂缝时,根据所述路面图像、裂缝识别结果以及GPS定位信息自动生成道路检测报告;
所述存储模块用于储存获取的路面图像和道路检测报告。
优选地,所述道路图像采集模块包括摄像头和照明设备,所述摄像头为CCD高清摄像头。
优选地,所述道路图像处理模块包括依次连接的图像预处理单元、裂缝检测单元和裂缝识别单元;
所述图像预处理单元用于对获取的路面图像进行预处理,消除路面图像的噪声和阴影部分,获取预处理后的路面图像;
所述裂缝检测单元用于对预处理后的路面图像进行边缘检测处理,获取预处理后的路面图像中的道路裂缝区域;
所述裂缝识别单元用于对所述道路裂缝区域进行识别,获取裂缝识别结果。
优选地,所述本发明进一步包括车载固定模块,所述车载固定模块用于将本装置固定在道路检测作业车辆上。
本发明的有益效果为:本发明通过对路面进行拍摄获取路面图像,经过处理后能够准确地检测出路面图像中所存在的路面裂缝,适应性强,特别是在实际的路面检测中存在大量噪声、阴影等干扰的情况下,依然能够保持裂缝检测的准确性。且本发明设计便于安装在作业车辆上,进一步提高道路裂缝检测的便捷程度。
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为本发明的框架结构图;
图2为本发明道路图像处理模块的框架结构图。
附图标记:
道路图像采集模块1、中央控制模块2、道路图像处理模块3、GPS定位模块4、存储模块5、生成模块6、图像预处理单元30、裂缝检测单元31和裂缝识别单元32
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1,一种道路裂缝检测装置,包括:道路图像采集模块1、中央控制模块2、道路图像处理模块3、GPS定位模块4、存储模块5和生成模块6,
所述道路图像采集模块1用于对道路进行拍摄,获取路面图像;
所述道路图像处理模块3用于对获取的路面图像进行处理,检测并识别路面图像中的裂缝,获取裂缝识别结果;
所述GPS定位模块4用于获取实时GPS定位信息;
所述中央处理模块2分别与装置中的其他各模块连接,用于将从所述道路图像采集模块1获取的路面图像发送至所述道路图像处理模块3进行处理,当发现路面存在裂缝时,将所述路面图像、裂缝识别结果以及从定位模块获取的定位信息发送至所述生成模块6生成道路检测报告;
所述生成模块6用于当检测到路面裂缝时,根据所述路面图像、裂缝识别结果以及GPS定位信息自动生成道路检测报告;
所述存储模块5用于储存获取的路面图像和道路检测报告。
优选地,所述道路图像采集模块1包括摄像头和照明设备,所述摄像头为CCD高清摄像头。
优选地,参见图2,所述道路图像处理模块3包括依次连接的图像预处理单元30、裂缝检测单元31和裂缝识别单元32;
所述图像预处理单元用于30对获取的路面图像进行预处理,消除路面图像的噪声和阴影部分,获取预处理后的路面图像;
所述裂缝检测单元31用于对预处理后的路面图像进行边缘检测处理,获取预处理后的路面图像中的道路裂缝区域;
所述裂缝识别单元32用于对所述道路裂缝区域进行识别,获取裂缝识别结果。
优选地,所述本发明进一步包括车载固定模块,所述车载固定模块用于将本装置固定在道路检测作业车辆上。
本发明上述实施例,通过对路面进行拍摄获取路面图像,经过处理后能够准确地检测出路面图像中所存在的路面裂缝,适应性强,特别是在实际的路面检测中存在大量噪声、阴影等干扰的情况下,依然能够保持裂缝检测的准确性。且本发明设计便于安装在作业车辆上,进一步提高道路裂缝检测的便捷程度。
优选地,所述图像预处理单元30用于对获取的路面图像进行预处理,消除路面图像中的阴影部分,包括:
(1)对获取的路面图像采用灰度形态闭合运算,去掉图像中的路面裂缝,并采用二维高斯平滑方法进行平滑处理,获取平滑路面图像;
(2)根据亮度的不同将所述平滑路面图像划分成不同亮度等级区域{Gi|i=1,2,…,L,…,N},使区域Gi包含亮度值I∈(Ki-1,Ki]的所有像素,其中Ki表示设定的亮度阈值,N表示划分的亮度等级的数量,有0≤K1≤K2≤…≤KN-1≤255,K0=0,KN=255,其中不同亮度阈值Ki的设置应使得每个亮度等级区域Gi所包含的像素点的数量相同;
(3)选取L个亮度等级较低的区域S={Si=Gi|i=1,2,…,L}作为阴影区域,其余N-L个亮度等级较高的区域B={Bi=Gi|i=L+1,L+2,…,N}作为非阴影区域,并将所述阴影区域和非阴影区域对应到获取的路面图像中;
优选地,取
(4)对获取的路面图像进行亮度补偿,采用的自定义亮度补偿函数为:
其中,
式中,I′(x,y)表示亮度补偿后像素点(x,y)的亮度值,I(x,y)表示原始图像中像素点(x,y)的亮度值,γ、λ表示补偿因子,DS和DB分别表示阴影区域和非阴影区域的像素点亮度值的标准方差,和分别表示阴影区域和非阴影区域的平均亮度值。
本优选实施例,采用上述的方法对路面图像进行亮度补偿,解决了路面阴影形状不规则导致传统方法对阴影界定不准确的问题,适应性强,能够准确界定并消除路面图像的阴影部分,同时极大程度地保留了路面图像原有的其他特征,为之后装置对路面裂缝的准确检测提供了保证。
优选地,所述裂缝检测单元31用于对预处理后的路面图像进行边缘检测处理,获取预处理后的路面图像中的道路裂缝区域,包括:
(1)对预处理后的路面图像Qcz进行轮廓结构元素腐蚀运算,获取腐蚀后的图像Qfs,其中 表示腐蚀运算符号,γ表示设定的结构元素的轮廓;
(2)对预处理后的路面图像Qcz进行轮廓结构元素膨胀运算,获取膨胀后的图像Qpz,其中 表示膨胀运算符号,γ表示设定的结构元素的轮廓;
(3)获取预处理后的路面图像Qcz中每个像素点的对于背景亮度的突变值,其中采用的突变值获取函数为:
式中,表示像素点(x,y)对于背景亮度的突变值,表示预处理后的路面图像与腐蚀后的图像做差值运算得到的梯度值,其中Qcz(x,y)表示预处理后的路面图像像素点(x,y)的灰度值,Qfs(x,y)表示腐蚀后的图像像素点(x,y)的灰度值,表示预处理后的路面图像与膨胀后的图像做差值运算得到的梯度值,其中Qpz(x,y)表示膨胀后的图像像素点(x,y)的灰度值;
(4)对预处理后的路面图像进行边缘检测,采用自定义边缘检测函数为:
式中,B(x,y)表示图像像素点(x,y)的边缘检测结果,表示像素点(x,y)对于背景亮度的突变值,ΔT(x,y)表示可分辨亮度差阈值模型,其中:
L(x,y)表示像素点(x,y)的背景亮度值,α、k、β分别为设定的可分辨亮度差阈值模型的参数,ω1和ω2分别表示低暗区域和高亮区域的亮度阈值;
(5)将符合B(x,y)=1的像素点标记为边缘像素点,并根据边缘像素点获取道路裂缝区域。
本优选实施例,采用上述的方法对预处理后的路面图像进行边缘检测,针对路面裂缝图像光照不均匀,实际路面不平整等情况,通过建立符合人们视觉习惯的可分辨亮度差阈值模型对检测阈值进行自适应设置,能够准确地获取道路裂缝的边缘像素点,从而准确地获取道路裂缝的准确区域,为之后装置对道路裂缝的准确识别和分类处理提供了保证。
优选地,所述裂缝识别单元32用于对所述道路裂缝区域进行识别,获取裂缝识别结果,包括:
(1)对预处理后的路面图像进行二值化处理,其中道路裂缝区域用白色像素表示,即R(x,y)=1;其余背景区域用黑色像素表示,即R(x,y)=0;
(2)统计预处理后的路面图像中道路裂缝区域像素点的数目其中M×N表示预处理后的路面图像的尺寸大小,如果ksum=0,则表示路面图像中不存在裂缝目标;否则,则认为路面图像存在裂缝目标;
(3)对裂缝目标类型进行识别,具体为:
(31)根据道路裂缝区域获取裂缝目标的几何质心坐标(xcen,ycen),以(xcen,ycen)为中心,取边长为2r+1的正方形区域,计正方形区域内的裂缝区域像素点数目为ksums;
(32)如果则计算裂缝分布因子否则,取r=r+10,并跳转至步骤(31);
(33)对裂缝分布因子df进行判断,若裂缝分布因子小于设定的条块阈值ωtk,则可以认为裂缝目标为条状裂缝;若裂缝分布因子在设定的条块阈值ωtk与网块阈值ωwk之间,则可以认为裂缝目标为块状裂缝;裂缝分布因子大于设定的网块阈值ωwk,则可以认为裂缝目标为网状裂缝;其中ωtk<ωwk。
本优选实施例,采用上述的方法对路面裂缝进行识别和分类处理,通过计算裂缝目标区域的裂缝分布因子作为分类的特征值,并以此为依据对裂缝目标进行判断,能够快速、准确地判断出裂缝目标所属的类型,为之后对裂缝目标作进一步处理奠定了基础。
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分析,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 (7)
1.一种道路裂缝检测装置,其特征在于,包括:道路图像采集模块、中央控制模块、道路图像处理模块、GPS定位模块、存储模块和生成模块;
所述道路图像采集模块用于对道路进行拍摄,获取路面图像;
所述道路图像处理模块用于对获取的路面图像进行处理,检测并识别路面图像中的裂缝,获取裂缝识别结果;
所述GPS定位模块用于获取实时GPS定位信息;
所述中央处理模块分别与装置中的其他各模块连接,用于将从所述道路图像采集模块获取的路面图像发送至所述道路图像处理模块进行处理,当发现路面存在裂缝时,将所述路面图像、裂缝识别结果以及从定位模块获取的定位信息发送至所述生成模块生成道路检测报告;
所述生成模块用于当检测到路面裂缝时,根据所述路面图像、裂缝识别结果以及GPS定位信息自动生成道路检测报告;
所述存储模块用于储存获取的路面图像和道路检测报告。
2.根据权利要求1所述的一种道路裂缝检测装置,其特征在于,所述道路图像采集模块包括摄像头和照明设备,所述摄像头为CCD高清摄像头。
3.根据权利要求1所述的一种道路裂缝检测装置,其特征在于,所述道路图像处理模块包括依次连接的图像预处理单元、裂缝检测单元和裂缝识别单元;
所述图像预处理单元用于对获取的路面图像进行预处理,消除路面图像的噪声和阴影部分,获取预处理后的路面图像;
所述裂缝检测单元用于对预处理后的路面图像进行边缘检测处理,获取预处理后的路面图像中的道路裂缝区域;
所述裂缝识别单元用于对所述道路裂缝区域进行识别,获取裂缝识别结果。
4.根据权利要求3所述的一种道路裂缝检测装置,其特征在于,所述图像预处理单元用于对获取的路面图像进行预处理,消除路面图像中的阴影部分,包括:
(1)对获取的路面图像采用灰度形态闭合运算,去掉图像中的路面裂缝,并采用二维高斯平滑方法进行平滑处理,获取平滑路面图像;
(2)根据亮度的不同将所述平滑路面图像划分成不同亮度等级区域{Gi|i=1,2,…,L,…,N},使区域Gi包含亮度值I∈(Ki-1,Ki]的所有像素,其中Ki表示设定的亮度阈值,N表示划分的亮度等级的数量,有0≤K1≤K2≤…≤KN-1≤255,K0=0,KN=255,其中不同亮度阈值Ki的设置应使得每个亮度等级区域Gi所包含的像素点的数量相同;
(3)选取L个亮度等级较低的区域S={Si=Gi|i=1,2,…,L}作为阴影区域,其余N-L个亮度等级较高的区域B={Bi=Gi|i=L+1,L+2,…,N}作为非阴影区域,并将所述阴影区域和非阴影区域对应到获取的路面图像中;
(4)对获取的路面图像进行亮度补偿,采用的自定义亮度补偿函数为:
<mrow>
<msup>
<mi>I</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>&gamma;</mi>
<mo>&CenterDot;</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>&lambda;</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>&Element;</mo>
<mi>B</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,
<mrow>
<mi>&gamma;</mi>
<mo>=</mo>
<mfrac>
<msub>
<mi>D</mi>
<mi>B</mi>
</msub>
<msub>
<mi>D</mi>
<mi>S</mi>
</msub>
</mfrac>
</mrow>
<mrow>
<mi>&lambda;</mi>
<mo>=</mo>
<msub>
<mover>
<mi>I</mi>
<mo>^</mo>
</mover>
<mi>B</mi>
</msub>
<mo>-</mo>
<mi>&gamma;</mi>
<msub>
<mover>
<mi>I</mi>
<mo>^</mo>
</mover>
<mi>S</mi>
</msub>
</mrow>
式中,I′(x,y)表示亮度补偿后像素点(x,y)的亮度值,I(x,y)表示原始图像中像素点(x,y)的亮度值,γ、λ表示补偿因子,DS和DB分别表示阴影区域和非阴影区域的像素点亮度值的标准方差,和分别表示阴影区域和非阴影区域的平均亮度值。
5.根据权利要求4所述的一种道路裂缝检测装置,其特征在于,所述裂缝检测单元用于对预处理后的路面图像进行边缘检测处理,获取预处理后的路面图像中的道路裂缝区域,包括:
(1)对预处理后的路面图像Qcz进行轮廓结构元素腐蚀运算,获取腐蚀后的图像Qfs,其中 表示腐蚀运算符号,γ表示设定的结构元素的轮廓;
(2)对预处理后的路面图像Qcz进行轮廓结构元素膨胀运算,获取膨胀后的图像Qpz,其中 表示膨胀运算符号,γ表示设定的结构元素的轮廓;
(3)获取预处理后的路面图像Qcz中每个像素点的对于背景亮度的突变值,其中采用的突变值获取函数为:
<mrow>
<mo>&dtri;</mo>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>min</mi>
<mrow>
<mo>(</mo>
<mrow>
<mo>&dtri;</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>f</mi>
<mi>s</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>&dtri;</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>p</mi>
<mi>z</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
式中,表示像素点(x,y)对于背景亮度的突变值,表示预处理后的路面图像与腐蚀后的图像做差值运算得到的梯度值,其中Qcz(x,y)表示预处理后的路面图像像素点(x,y)的灰度值,Qfs(x,y)表示腐蚀后的图像像素点(x,y)的灰度值,表示预处理后的路面图像与膨胀后的图像做差值运算得到的梯度值,其中Qpz(x,y)表示膨胀后的图像像素点(x,y)的灰度值;
(4)对预处理后的路面图像进行边缘检测,采用自定义边缘检测函数为:
<mrow>
<mi>B</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mo>&dtri;</mo>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mi>&Delta;</mi>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mo>&dtri;</mo>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo><</mo>
<mi>&Delta;</mi>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中,B(x,y)表示图像像素点(x,y)的边缘检测结果,表示像素点(x,y)对于背景亮度的突变值,ΔT(x,y)表示可分辨亮度差阈值模型,其中:
<mrow>
<mi>&Delta;</mi>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>&alpha;</mi>
<mo>&times;</mo>
<msup>
<mi>e</mi>
<mfrac>
<mn>1</mn>
<mrow>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</msup>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msub>
<mi>&omega;</mi>
<mn>1</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>k</mi>
<mo>&times;</mo>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>&omega;</mi>
<mn>1</mn>
</msub>
<mo>&le;</mo>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msub>
<mi>&omega;</mi>
<mn>2</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>&beta;</mi>
<mo>&times;</mo>
<msup>
<mi>e</mi>
<mfrac>
<mn>10</mn>
<mrow>
<mn>256</mn>
<mo>-</mo>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</msup>
<mo>&times;</mo>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>&omega;</mi>
<mn>2</mn>
</msub>
<mo>&le;</mo>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<mn>256</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
L(x,y)表示像素点(x,y)的背景亮度值,α、k、β分别为设定的可分辨亮度差阈值模型的参数,ω1和ω2分别表示低暗区域和高亮区域的亮度阈值;
(5)将符合B(x,y)=1的像素点标记为边缘像素点,并根据边缘像素点获取道路裂缝区域。
6.根据权利要求5所述的一种道路裂缝检测装置,其特征在于,所述裂缝识别单元用于对所述道路裂缝区域进行识别,获取裂缝识别结果,包括:
(1)对预处理后的路面图像进行二值化处理,其中道路裂缝区域用白色像素表示,即R(x,y)=1;其余背景区域用黑色像素表示,即R(x,y)=0;
(2)统计预处理后的路面图像中道路裂缝区域像素点的数目其中M×N表示预处理后的路面图像的尺寸大小,如果ksum=0,则表示路面图像中不存在裂缝目标;否则,则认为路面图像存在裂缝目标;
(3)对裂缝目标类型进行识别,具体为:
(31)根据道路裂缝区域获取裂缝目标的几何质心坐标(xcen,ycen),以(xcen,ycen)为中心,取边长为2r+1的正方形区域,计正方形区域内的裂缝区域像素点数目为ksums;
(32)如果则计算裂缝分布因子否则,取r=r+10,并跳转至步骤(31);
(33)对裂缝分布因子df进行判断,若裂缝分布因子小于设定的条块阈值ωtk,则可以认为裂缝目标为条状裂缝;若裂缝分布因子在设定的条块阈值ωtk与网块阈值ωwk之间,则可以认为裂缝目标为块状裂缝;裂缝分布因子大于设定的网块阈值ωwk,则可以认为裂缝目标为网状裂缝;其中ωtk<ωwk。
7.根据权利要求1-6中任一项所述的一种道路裂缝检测装置,其特征在于,所述装置进一步包括车载固定模块,所述车载固定模块用于将本装置固定在道路检测作业车辆上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710855594.8A CN107798293A (zh) | 2017-09-20 | 2017-09-20 | 一种道路裂缝检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710855594.8A CN107798293A (zh) | 2017-09-20 | 2017-09-20 | 一种道路裂缝检测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107798293A true CN107798293A (zh) | 2018-03-13 |
Family
ID=61532487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710855594.8A Pending CN107798293A (zh) | 2017-09-20 | 2017-09-20 | 一种道路裂缝检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107798293A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108517752A (zh) * | 2018-04-28 | 2018-09-11 | 中建路桥集团有限公司 | 多功能路面裂缝灌缝机及灌缝方法 |
CN109064411A (zh) * | 2018-06-13 | 2018-12-21 | 长安大学 | 一种基于光照补偿的路面图像去阴影方法 |
CN109946296A (zh) * | 2019-03-01 | 2019-06-28 | 威海华菱光电股份有限公司 | 裂缝变化监测装置及裂缝变化监测方法 |
CN110070009A (zh) * | 2019-04-08 | 2019-07-30 | 北京百度网讯科技有限公司 | 路面物体识别方法和装置 |
CN111127468A (zh) * | 2020-04-01 | 2020-05-08 | 北京邮电大学 | 一种道路裂缝检测方法和装置 |
CN111287064A (zh) * | 2020-03-24 | 2020-06-16 | 长安大学 | 一种路面裂缝开槽机及开槽方法 |
CN111501543A (zh) * | 2020-04-22 | 2020-08-07 | 河南省交通规划设计研究院股份有限公司 | 一种桥梁表面裂缝检测装置 |
CN111551119A (zh) * | 2020-05-25 | 2020-08-18 | 广州中恒工程技术有限公司 | 一种用于水运工程实体检测不规则裂缝长度轨迹仪 |
CN111781208A (zh) * | 2020-07-24 | 2020-10-16 | 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 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101487223A (zh) * | 2009-02-27 | 2009-07-22 | 长安大学 | 激光道路综合检测车 |
CN101788288A (zh) * | 2010-02-11 | 2010-07-28 | 长安大学 | 一种路面裂缝定位系统和定位方法 |
CN102061659A (zh) * | 2010-10-27 | 2011-05-18 | 毛庆洲 | 一种城市道路路面日常巡检设备 |
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 |
CN203551478U (zh) * | 2013-10-26 | 2014-04-16 | 西安文理学院 | 一种路面破损自动检测装置 |
CN104749187A (zh) * | 2015-03-25 | 2015-07-01 | 武汉武大卓越科技有限责任公司 | 基于红外温度场和灰度图像的隧道衬砌病害检测装置 |
CN105067633A (zh) * | 2015-08-11 | 2015-11-18 | 江西省公路工程检测中心 | 基于图像处理的车载式路面破损自动识别装置及使用方法 |
CN204882391U (zh) * | 2015-08-11 | 2015-12-16 | 江西省公路工程检测中心 | 一种基于图像处理的车载式路面破损自动识别装置 |
CN105320942A (zh) * | 2015-10-21 | 2016-02-10 | 东南大学 | 一种基于联合检测器的路面破损检测方法 |
CN107154026A (zh) * | 2017-03-22 | 2017-09-12 | 陕西师范大学 | 一种基于自适应亮度高程模型的消除路面阴影的方法 |
-
2017
- 2017-09-20 CN CN201710855594.8A patent/CN107798293A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101487223A (zh) * | 2009-02-27 | 2009-07-22 | 长安大学 | 激光道路综合检测车 |
CN101788288A (zh) * | 2010-02-11 | 2010-07-28 | 长安大学 | 一种路面裂缝定位系统和定位方法 |
CN102061659A (zh) * | 2010-10-27 | 2011-05-18 | 毛庆洲 | 一种城市道路路面日常巡检设备 |
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 |
CN203551478U (zh) * | 2013-10-26 | 2014-04-16 | 西安文理学院 | 一种路面破损自动检测装置 |
CN104749187A (zh) * | 2015-03-25 | 2015-07-01 | 武汉武大卓越科技有限责任公司 | 基于红外温度场和灰度图像的隧道衬砌病害检测装置 |
CN105067633A (zh) * | 2015-08-11 | 2015-11-18 | 江西省公路工程检测中心 | 基于图像处理的车载式路面破损自动识别装置及使用方法 |
CN204882391U (zh) * | 2015-08-11 | 2015-12-16 | 江西省公路工程检测中心 | 一种基于图像处理的车载式路面破损自动识别装置 |
CN105320942A (zh) * | 2015-10-21 | 2016-02-10 | 东南大学 | 一种基于联合检测器的路面破损检测方法 |
CN107154026A (zh) * | 2017-03-22 | 2017-09-12 | 陕西师范大学 | 一种基于自适应亮度高程模型的消除路面阴影的方法 |
Non-Patent Citations (2)
Title |
---|
樊瑶: "基于图像处理的路面裂缝检测关键技术研究", 《中国优秀博士学位论文全文数据库信息科技辑》 * |
邹勤: "低信噪比路面裂缝增强与提取方法研究", 《中国优秀博士学位论文全文数据库信息科技辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108517752A (zh) * | 2018-04-28 | 2018-09-11 | 中建路桥集团有限公司 | 多功能路面裂缝灌缝机及灌缝方法 |
CN108517752B (zh) * | 2018-04-28 | 2020-01-21 | 中建路桥集团有限公司 | 多功能路面裂缝灌缝机及灌缝方法 |
CN109064411A (zh) * | 2018-06-13 | 2018-12-21 | 长安大学 | 一种基于光照补偿的路面图像去阴影方法 |
CN109064411B (zh) * | 2018-06-13 | 2021-08-17 | 长安大学 | 一种基于光照补偿的路面图像去阴影方法 |
CN109946296A (zh) * | 2019-03-01 | 2019-06-28 | 威海华菱光电股份有限公司 | 裂缝变化监测装置及裂缝变化监测方法 |
CN110070009A (zh) * | 2019-04-08 | 2019-07-30 | 北京百度网讯科技有限公司 | 路面物体识别方法和装置 |
CN111287064A (zh) * | 2020-03-24 | 2020-06-16 | 长安大学 | 一种路面裂缝开槽机及开槽方法 |
CN111127468A (zh) * | 2020-04-01 | 2020-05-08 | 北京邮电大学 | 一种道路裂缝检测方法和装置 |
CN111501543A (zh) * | 2020-04-22 | 2020-08-07 | 河南省交通规划设计研究院股份有限公司 | 一种桥梁表面裂缝检测装置 |
CN111551119A (zh) * | 2020-05-25 | 2020-08-18 | 广州中恒工程技术有限公司 | 一种用于水运工程实体检测不规则裂缝长度轨迹仪 |
CN111781208A (zh) * | 2020-07-24 | 2020-10-16 | 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 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107798293A (zh) | 一种道路裂缝检测装置 | |
US11551341B2 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
CN107633516B (zh) | 一种识别路面变形类病害的方法和装置 | |
CN110246130B (zh) | 基于红外和可见光图像数据融合的机场道面裂缝检测方法 | |
CN108230344B (zh) | 一种隧道渗漏水病害自动识别方法 | |
CN106290388A (zh) | 一种绝缘子故障自动检测方法 | |
CN107705294B (zh) | 一种十字激光的图像式路基表面沉降监测方法和监测系统 | |
JP2017053819A (ja) | コンクリートのひび割れ検出方法及び検出プログラム | |
CN110473187B (zh) | 一种面向对象的线扫描三维路面裂缝提取方法 | |
CN106529593B (zh) | 路面病害检测方法和系统 | |
CN115797354B (zh) | 用于检测激光焊接焊缝外观缺陷的方法 | |
CN110390256B (zh) | 一种沥青路面裂缝提取方法 | |
CN111539927B (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测方法 | |
CN113781537B (zh) | 一种轨道弹条扣件缺陷识别方法、装置和计算机设备 | |
CN104992429A (zh) | 一种基于图像局部增强的山体裂缝检测方法 | |
CN109767426B (zh) | 一种基于图像特征识别的盾构隧道渗漏水检测方法 | |
CN113066041A (zh) | 一种基于栈稀疏自编码深度学习的路面裂缝检测方法 | |
CN114638822B (zh) | 一种利用光学手段的汽车盖板表面质量检测方法及系统 | |
CN111307267A (zh) | 一种基于同心圆检测的导线舞动监测方法 | |
CN115352832A (zh) | 一种皮带撕裂检测方法 | |
CN109064417B (zh) | 地铁隧道图像处理方法及装置 | |
Puan et al. | Automated pavement imaging program (APIP) for pavement cracks classification and quantification | |
CN112308135A (zh) | 基于深度学习的铁路动车撒砂管松脱故障检测方法 | |
CN117169121B (zh) | 一种基于云边端架构的交通道路病害检测系统及方法 | |
CN112614351B (zh) | 基于机器视觉的货车超载检测系统及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180313 |
|
RJ01 | Rejection of invention patent application after publication |