CN109146863A - 一种路面标志线缺陷检测装置 - Google Patents
一种路面标志线缺陷检测装置 Download PDFInfo
- Publication number
- CN109146863A CN109146863A CN201810883402.9A CN201810883402A CN109146863A CN 109146863 A CN109146863 A CN 109146863A CN 201810883402 A CN201810883402 A CN 201810883402A CN 109146863 A CN109146863 A CN 109146863A
- Authority
- CN
- China
- Prior art keywords
- image
- pavement
- marker line
- pixel
- pavement marker
- 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.)
- Withdrawn
Links
- 239000003550 marker Substances 0.000 title claims abstract description 55
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- 230000007547 defect Effects 0.000 title claims abstract description 21
- 238000003708 edge detection Methods 0.000 claims abstract description 15
- 230000002708 enhancing effect Effects 0.000 claims abstract description 14
- 238000012360 testing method Methods 0.000 claims abstract description 8
- 230000002950 deficient Effects 0.000 claims abstract description 6
- 238000012423 maintenance Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 2
- 230000010365 information processing Effects 0.000 abstract description 7
- 238000000034 method Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种路面标志线缺陷检测装置，该检测装置包括图像信息采集模块、图像信息处理模块、图像信息检测模块和移动终端。图像信息采集模块用于获取检测车所处位置的路面图像；图像信息处理模块用于对路面图像进行去噪、边缘检测和增强处理，获取路面标志线图像；图像信息检测模块用于检测所述路面标志线图像中的路面标志线的缺陷和破损情况，若检测结果显示路面标志线有缺陷，则将其检测结果发送至移动终端，提醒道路养护人员对路面标志线进行修补。本发明相较于现有技术，采用检测车和检测设备的集成，降低了检测过程中的安全隐患，也避免了复杂路面受车辆和行人的影响，检测的准确性高，提高了作业效率和质量。
Description
技术领域
本发明涉及道路路面检测技术领域，具体涉及一种路面标志线缺陷检测装置。
背景技术
现代交通系统已经十分发达，但由于道路交通安全问题，人们对道路交通环境的需求也越来越高。其中，路面标志线是引导车辆安全驾驶的重要部分，通过图案、符号、文字等直接传递给驾驶人、行人准确的视觉信息。一方面有效的路面标志线可以减少交通事故。保障畅通的交通环境；另一方面路面标志线也是道路景观美化工程的一部分。但是，使用一段时间后，路面标志线会出现破损。可见性自然退化等缺陷，影响其交通指向功能和道路美观，因袭，从道路养护出发，需要对路面标志线的缺陷破损进行定位检测。
现有的传统检测方法是人工现场目测评价或手工测量采集，其缺点是费时费力，而且数据的准确性易受人为因素干扰，同时现场采集操作存在安全隐患。
发明内容
针对上述问题，本发明提供一种路面标志线缺陷检测装置。
本发明的目的采用以下技术方案来实现：
一种路面标志线缺陷检测装置，该检测装置包括图像信息采集模块、图像信息处理模块、图像信息检测模块和移动终端。图像信息采集模块用于获取检测车所处位置的路面图像；图像信息处理模块用于对路面图像进行去噪、边缘检测和增强处理，获取路面标志线图像；图像信息检测模块用于检测所述路面标志线图像中的路面标志线的缺陷和破损情况，若检测结果显示路面标志线有缺陷，则将其检测结果发送至移动终端，提醒道路养护人员对路面标志线进行修补。
有益效果：本发明相较于现有技术，采用检测车和检测设备的集成，降低了检测过程中的安全隐患，也避免了复杂路面受车辆和行人的影响，检测的准确性高，提高了作业效率和质量。
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是本发明的框架结构图；
图2是本发明图像信息处理模块2的框架结构图。
附图标记：图像信息采集模块1；图像信息处理模块2；图像信息检测模块3；移动终端4；去噪单元21；边缘检测单元22；增强单元23。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，一种路面标志线缺陷检测装置，该检测装置包括图像信息采集模块1、图像信息处理模块2、图像信息检测模块3和移动终端4。图像信息采集模块1用于获取检测车所处位置的路面图像；图像信息处理模块2用于对路面图像进行去噪、边缘检测和增强处理，获取路面标志线图像；图像信息检测模块3用于检测所述路面标志线图像中的路面标志线的缺陷和破损情况，若检测结果显示路面标志线有缺陷，则将其检测结果发送至移动终端4，提醒道路养护人员对路面标志线进行修补。
有益效果：本发明相较于现有技术，采用检测车和检测设备的集成，降低了检测过程中的安全隐患，也避免了复杂路面受车辆和行人的影响，检测的准确性高，提高了作业效率和质量。
优选地，图像采集模块1包括两个高速面阵相机，其分别固定在检测车车尾下部的左右两侧。
优选地，该检测装置还包括位于检测车内的图像信息存储模块，用于对获取的路面图像、路面标志线图像以及路面标志线是否有缺陷的结论进行存储。
优选地，参见图2，图像信息处理模块2包括去噪单元21、边缘检测单元22和增强单元23；去噪单元21用于对所述路面图像进行去噪，边缘检测单元22用于对去噪后的路面图像进行边缘检测，得到待检测路面标志线的基准图像；增强单元23用于对所述基准图像进行增强处理，得到路面标志线图像。
优选地，所述对路面图像进行去噪，具体包括：所述对路面图像进行去噪，具体包括：对所述路面图像进行灰度化处理，并依次对灰度化后的路面图像进行逐点去噪，得到所述路面图像中各个像素点的去噪估计值，并将去噪估计值作为新的灰度值，此时所有像素点构成的集合即为去噪后的路面图像；其中，所述路面图像中像素点k(a,b)的去噪估计值利用下式计算得到：
式中，为像素点k(a,b)的去噪估计值，a、b分别为像素点k的横坐标和纵坐标，Sk为设定的正则化参数，Ω是以像素点k为中心、大小为M×M的搜索窗，p是搜索窗内任一像素点，为像素点k和像素点p的高斯加权欧式距离，α为高斯函数的标准差，h为平滑参数，G(p)为像素点p的灰度值，G(k)为像素点k的灰度值，为搜索窗内所有像素点的平均灰度值。
有益效果：上述求解所述路面图像中各个像素点的去噪估计值，该求解过程主要是利用路面图像中的冗余信息进行去噪，通过在一个搜索窗口内搜索与目标像素点相似的像素点，进而用这些相似像素点的灰度值来代替当前的像素点的灰度值。该去噪方法简单、去噪速度快，不仅考虑了像素点之间的高斯加权欧氏距离信息，还考虑了搜索窗口内剩余像素点与目标像素点灰度值的关系，从而最大程度地保留了路面图像的边缘与细节特征，提高了去噪效果，同时也有利于后续获取对待检测路面标志线的准确检测，提高了检测精度。
优选地，所述对去噪后的路面图像进行边缘检测，得到待检测路面标志线的基准图像，具体为：
(1)取大小为3×3的滑动窗口内的中心像素点为边缘待检测点，按照横向检测方向把3×3的滑动窗口均分为三个区域：L、M、R，其中L位于滑动窗口左侧、M位于滑动窗口中间、R位于滑动窗口右侧，利用边缘检测公式判断边缘待检测点是否为边缘点，其中，所述边缘检测公式为：
式中，H(q)为边缘待检测点q的特征值，GL(i)为区域L内第i个像素点的灰度值，GM(i)为区域M内第i个像素点的灰度值，GR(i)为区域R内第i个像素点的灰度值，且i＝1,2,3；G(q)为边缘待检测点q的灰度值；
当H(q)≥T时，则边缘待检测点q为边缘点，反之，边缘待检测点q不是边缘点，其中，T为设定的阈值；
(2)遍历去噪后的原始图像中所有像素点，并利用非极值抑制的方法对得到的边缘点进行边缘定位，即可得到待检测路面标志线的最终边缘点的集合；
(3)根据得到待检测路面标志线的最终边缘点的集合对去噪后的原始图像进行分割，即可得到待检测路面标志线的基准图像。
有益效果：通过设定一个滑动窗口，判断滑动窗口内的中心像素点是否为待检测路面标志线的边缘点，并利用滑动窗口依次遍历去噪后的路面图像中所有像素点，该做法能够自适应地对各个像素点是否为边缘点进行判别，不仅在保留待检测路面标志线的图像边缘点中细节特征的同时，也能够检测到清晰的边缘信息，同时为了进一步提高边缘检测精度，利用非极值抑制的方法对检测到的边缘点进行再次定位，能够进一步地去除非边缘点，使得提取出的边缘清晰、完整、准确，更有利于对待检测路面标志线图像的准确分割，得到待检测路面标志线的基准图像，便于后续对待检测路面标志线表面特征进行提取和缺陷的识别。
优选地，所述对基准图像进行增强处理，得到路面标志线图像，具体是利用增强公式计算所述基准图像中所有像素点增强处理后的灰度值，所述增强处理后的像素点构成的集合即为路面标志线图像，其中，所述增强公式为：
式中，Ge(x,y)是增强后的像素点r(x,y)的灰度值，G(x,y)是所述基准图像中像素点r(x,y)的灰度值，μ(x,y)是关于所述基准图像中像素点r(x,y)沿梯度方向的控制系数，为像素点r(x,y)处沿梯度方向n的二阶偏导数，为像素点r(x,y)处沿与梯度方向正交的切线方向s的二阶偏导数；
其中，关于所述基准图像中像素点r(x,y)沿梯度方向的控制系数μ(x,y)通过下面的方式获取：
(1)利用下式计算所述基准图像中各个像素点处3×3邻域内的局部方差，其中关于像素点r(x,y)的局部方差的算式为：
式中，χ2(x,y)是像素点r(x,y)的局部方差，G(x+s,y+t)是坐标为(x+s,y+t)的像素点的灰度值，为邻域内所有像素点的灰度值均值；
(2)利用归一化算式对得到的局部方差χ2(x,y)进行归一化处理，将其局部方差归一化到0-255的区域内，其中归一化算式为：
式中，为像素点r(x,y)的归一化后的局部方差，Maxχ2和Minχ2分别为所述基准图像局部方差的最大值和最小值；
(3)根据得到的归一化值，利用下式计算像素点r(x,y)沿梯度方向的控制系数；
式中，μ(x,y)为像素点r(x,y)沿梯度方向的控制系数，ξ为设定的方差阈值。
有益效果：采用上述算法对所述基准图像进行增强处理，该算法在增强基准图像细节特征的同时，避免了边缘处出现过冲现象，同时也有效地抑制了所述基准图像中的残余噪声，使得增强后的基准图像能够凸显待检测路面标志线的表面细节特征，便于后续提取待检测路面标志线的表面特征参数，以利于对待检测路面标志线的缺陷的准确识别，提高了待检测路面标志线缺陷检测的准确率。
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 (5)
1.一种路面标志线缺陷检测装置，其特征是，所述检测装置包括图像信息采集模块、图像信息处理模块、图像信息检测模块和移动终端；
所述图像信息采集模块，用于获取检测车所处位置的路面图像；
所述图像信息处理模块，用于对所述路面图像进行去噪、边缘检测和增强处理，获取路面标志线图像；
所述图像信息检测模块，用于检测所述路面标志线图像中的路面标志线的缺陷和破损情况，若检测结果显示路面标志线有缺陷，则将其检测结果发送至移动终端，提醒道路养护人员对路面标志线进行修补。
2.根据权利要求1所述的路面标志线缺陷检测装置，其特征是，所述图像采集模块包括两个高速面阵相机，其分别固定在检测车车尾下部的左右两侧。
3.根据权利要求1所述的路面标志线缺陷检测装置，其特征是，还包括位于检测车内的图像信息存储模块，用于对获取的路面图像、路面标志线图像以及路面标志线是否有缺陷的结论进行存储。
4.根据权利要求1所述的路面标志线缺陷检测装置，其特征是，所述图像信息处理模块包括去噪单元、边缘检测单元和增强单元；所述去噪单元用于对所述路面图像进行去噪，所述边缘检测单元用于对去噪后的路面图像进行边缘检测，得到待检测路面标志线的基准图像；所述增强单元用于对所述基准图像进行增强处理，得到路面标志线图像。
5.根据权利要求4所述的路面标志线缺陷检测装置，其特征是，所述对路面图像进行去噪，具体包括：对所述路面图像进行灰度化处理，并依次对灰度化后的路面图像进行逐点去噪，得到所述路面图像中各个像素点的去噪估计值，并将去噪估计值作为新的灰度值，此时所有像素点构成的集合即为去噪后的路面图像；其中，所述路面图像中像素点k(a,b)的去噪估计值利用下式计算得到：
式中，为像素点k(a,b)的去噪估计值，a、b分别为像素点k的横坐标和纵坐标，Sk为设定的正则化参数，Ω是以像素点k为中心、大小为M×M的搜索窗，p是搜索窗内任一像素点，为像素点k和像素点p的高斯加权欧式距离，α为高斯函数的标准差，h为平滑参数，G(p)为像素点p的灰度值，G(k)为像素点k的灰度值，为搜索窗内所有像素点的平均灰度值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810883402.9A CN109146863A (zh) | 2018-08-06 | 2018-08-06 | 一种路面标志线缺陷检测装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810883402.9A CN109146863A (zh) | 2018-08-06 | 2018-08-06 | 一种路面标志线缺陷检测装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109146863A true CN109146863A (zh) | 2019-01-04 |
Family
ID=64791646
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810883402.9A Withdrawn CN109146863A (zh) | 2018-08-06 | 2018-08-06 | 一种路面标志线缺陷检测装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109146863A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110599422A (zh) * | 2019-09-12 | 2019-12-20 | 合肥中科离子医学技术装备有限公司 | 一种基于边缘保护的加权平均椒盐噪声降噪算法 |
| CN113763306A (zh) * | 2020-06-01 | 2021-12-07 | 杭州海康威视数字技术股份有限公司 | 一种地标检测方法、装置及电子设备 |
| CN115330801A (zh) * | 2022-10-14 | 2022-11-11 | 江苏菲尔浦工程科技有限公司 | 一种公路路面质量智能检测方法 |
-
2018
- 2018-08-06 CN CN201810883402.9A patent/CN109146863A/zh not_active Withdrawn
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110599422A (zh) * | 2019-09-12 | 2019-12-20 | 合肥中科离子医学技术装备有限公司 | 一种基于边缘保护的加权平均椒盐噪声降噪算法 |
| CN110599422B (zh) * | 2019-09-12 | 2022-05-31 | 合肥中科离子医学技术装备有限公司 | 一种基于边缘保护的加权平均椒盐噪声降噪方法 |
| CN113763306A (zh) * | 2020-06-01 | 2021-12-07 | 杭州海康威视数字技术股份有限公司 | 一种地标检测方法、装置及电子设备 |
| CN113763306B (zh) * | 2020-06-01 | 2024-06-04 | 杭州海康威视数字技术股份有限公司 | 一种地标检测方法、装置及电子设备 |
| CN115330801A (zh) * | 2022-10-14 | 2022-11-11 | 江苏菲尔浦工程科技有限公司 | 一种公路路面质量智能检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109141232B (zh) | 一种基于机器视觉的盘类铸件在线检测方法 | |
| CN105488454B (zh) | 基于单目视觉的前方车辆检测与测距 | |
| CN108182383B (zh) | 一种车窗检测的方法及设备 | |
| CN104504388B (zh) | 一种路面裂缝识别和特征提取算法及系统 | |
| CN111814686A (zh) | 一种基于视觉的输电线路识别及异物入侵在线检测方法 | |
| CN105447512A (zh) | 一种精粗结合的光学表面缺陷的检测方法及装置 | |
| CN105373135A (zh) | 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统 | |
| CN105891220B (zh) | 一种路面标志线缺陷检测装置及其检测方法 | |
| CN109146863A (zh) | 一种路面标志线缺陷检测装置 | |
| CN105426894B (zh) | 铁道塞钉图像检测方法及装置 | |
| CN117173661B (zh) | 基于计算机视觉的沥青道路质量检测方法 | |
| CN113240623B (zh) | 一种路面病害检测方法及装置 | |
| CN106709518A (zh) | 基于Android平台的盲道识别系统 | |
| CN105740844A (zh) | 基于图像识别技术的绝缘子炸裂故障检测方法 | |
| CN108109146A (zh) | 一种路面标志线缺陷检测装置 | |
| CN113376172B (zh) | 一种基于视觉与涡流的焊缝缺陷检测系统及其检测方法 | |
| CN112800974A (zh) | 一种基于机器视觉的地铁轨道障碍物检测系统及方法 | |
| CN109117855A (zh) | 异常电力设备图像识别系统 | |
| CN110705553B (zh) | 一种适用于车辆远景图像的划痕检测方法 | |
| CN106203273A (zh) | 多特征融合的车道线检测系统、方法及高级驾驶辅助系统 | |
| CN106650735B (zh) | 一种led字符自动定位识别方法 | |
| CN105701484A (zh) | 基于图像识别技术的绝缘子炸裂算法 | |
| Huber-Mörk et al. | Statistical rail surface classification based on 2d and 21/2d image analysis | |
| CN112330633B (zh) | 基于自适应带通滤波的跨接线胶带破损故障图像分割方法 | |
| CN116883446B (zh) | 一种车载摄像头镜片碾磨程度实时监测系统 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190104 |