CN109345511A - 一种高速公路无人机自检系统 - Google Patents
一种高速公路无人机自检系统 Download PDFInfo
- Publication number
- CN109345511A CN109345511A CN201811060209.1A CN201811060209A CN109345511A CN 109345511 A CN109345511 A CN 109345511A CN 201811060209 A CN201811060209 A CN 201811060209A CN 109345511 A CN109345511 A CN 109345511A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- image
- highway
- transformation
- checking 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.)
- Withdrawn
Links
- 238000003384 imaging method Methods 0.000 claims abstract description 6
- 230000009466 transformation Effects 0.000 claims description 20
- 238000013519 translation Methods 0.000 claims description 6
- 230000007547 defect Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 13
- 238000000034 method Methods 0.000 description 6
- 239000006002 Pepper Substances 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000013668 Facial cleft Diseases 0.000 description 1
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012360 testing method 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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4007—Interpolation-based scaling, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4084—Transform-based scaling, e.g. FFT domain scaling
-
- G06T5/90—
-
- 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
Abstract
本发明涉及道路路面检测领域，具体涉及一种高速公路无人机自检系统。一种高速公路无人机自检系统，包括无人机、图像采集系统及图像自动识别系统，其特征在于：安装在无人机上的多台CCD相机、多个同轴光源、条形光源组成成像系统。相比传统的人工检测手段，无人机可以客观的分析路面情况，短时间处理大量图像数据，无需封闭道路中断交通，同时具备较高的检测精度和检测效率。
Description
技术领域
本发明涉及道路路面检测领域，具体涉及一种高速公路无人机自检系统。
背景技术
改革开放以来，公路作为我国经济发展所需的根本，在过去近四十年里得到了高速发展。但因为工程条件繁杂，影响工程质量的因素众多等原因，所以难以避免地出现不同程度的质量问题，如剥落、坑槽、龟裂、裂缝、网裂等主要缺陷。
传统的路面裂缝识别主要还是靠人工检测。一般是由现场调查人员先测量道路缺陷的位置、长度、宽度及面积，再将所测得的数据统计和归类，最后存档，以供评价。但这种测量方式不仅精度较差，而且费时费力，效率低。另外，高速公路上，车速快，且流量大，操作十分危险。其主要的不足之处有：1、路面破损采集精确度低。受天气等其他外力的影响，路面裂纹众多，人工检测带有主观性，容易疏忽。2、路面裂缝采集成本高。人工检测需要大量人力投入，并且影响交通正常运行，这无形中增加了公路运营成本。3、采集时间长，人工检测耗费大，效率低。4、采集不安全。人工检测时，车辆也在运行，存在很大安全隐患。
随着无人机技术的发展、高精度各类传感器和高性能的电子器件的问世和应用，无人机在民用方面有着广泛的用途。无人机通过搭载各类传感器在警用、城市管理、农业、地址、气象、电力、抢险救灾等行业发挥着越来越重要的作用。因此，若能采用无人机对高速公路路面裂纹进行巡检，通过挂载照相机和多种传感器设备，辅以高精度导航模块，通过地面工作站裂纹检测和图像处理，可以为高速公路检修提供科学精准的判别。
所以，当前公路养护最主要的问题是，怎样在不影响交通正常运行的前提下，又快又好地将道路缺陷区域识别出来并定位，然后加以修缮。
发明内容
鉴于现有人工检测系统之不足，本发明设计一种高速公路无人机自检系统。为达到上述目的，本发明采取的技术方案：一种高速公路无人机自检系统，包括无人机、图像采集系统及图像自动识别系统，其特征在于：安装在无人机上的多台CCD相机、多个同轴光源、条形光源组成成像系统，成像系统采集的原始数据通过增加模型的样本数量，建立高速公路缺陷自动识别模型，通过图像增强处理，来增强图像的对比度，通过随机提取样本数据，来进一步实现对精度的提升，并且达到对裂缝进行识别的最终目的。
优选的，五种变换方式，即镜像变换、平移变换、中心旋转变换、缩放变换、加噪，增加模型的样本数量。
优选的主要采用了灰度变化和直方图均值化处理,提高图像清晰度。
相比传统的人工检测手段，无人机可以客观的分析路面情况，短时间处理大量图像数据，无需封闭道路中断交通，同时具备较高的检测精度和检测效率。针对样本采集效率低，学习样本有限的问题，提出了利用图像变换后图像特征的不变性，在原有的样本的基础上，增加虚拟样本，实现增加分类器学习训练的样本数量，以此来提高精度，并且通过随机提取样本数据，来进一步实现对精度的提升，并且达到对裂缝进行识别的最终目的。
具体实施方式
本发明提供了一种高速公路无人机自检系统，为使本发明的目的，技术方案及效果更加清楚明确，以下对本发明进一步详细说明：
实施例1
无人机上的多台CCD相机、多个同轴光源、条形光源组成成像系统工作程序：无人机上安装多台CCD相机，系统工作时，软件控制光源1启用，相机1拍照；然后光源1关闭，光源2、3同时启动，相机2、3同时拍照；接着旋转载具旋转特定角度，启用光源4，相机4拍照。待所有相机拍照取样完成，并且软件对图像处理后，视觉系统将检测结果标记，对需要修复的部分记录在系统中。
实施例2
样本的扩充：
本发明利用原图像在经过镜像变换、平移变换、中心旋转变换、缩放变换、加噪变换后，仍能保持缺陷特征的不变的特性，通过执行以上变换，来实现扩充虚拟样本的目的。
（1）水平镜像变换，水平镜像是将指定区域的图像以原图像的垂直方向上的中线为轴，将图像的左右两部分像素进行变换，也就是左右对调变换。其实现过程就是先读取图像的像素点，获得像素矩阵，计算行数和列数，再将图像像素右边的列与左边的列对换。本文比较分析了采用三种不同的插值方法的水平镜像变换，即双三次插值、双线性插值、最近邻插值。
（2）垂直镜像变换，垂直镜像与水平镜像类似，它是选取原图像的水平方向上的中线作为变换轴，将图像上下的像素进行变换，也就是上下对调变换。垂直镜像变换同样是先读取图像的像素点，获得像素矩阵，计算行数和列数，再将图像像素上面的行与下面的行对换。
（3）平移变换，图像的平移变化只使得图像在屏幕上的显示位置改变，不改变图像本身。其基本思路是：将原图保存在缓冲区内；清空屏幕，擦除原图像；计算平移后的新坐标；将原始图像显示在新坐标的位置上。
(4)缩放变换，本文将原图像横纵坐标上的像素都以相同的比例缩放。缩小操作是从现有的数据中挑选所需要的数据，而放大操作则是对放大后多出来的空格进行适当填值，本文利用Matlab工具箱中imresize函数达成缩放的目的。
(5)椒盐噪声，椒盐噪声是在原始图像上产生的黑白相间的亮暗点噪声，本文通过Matlab工具箱中imnoise函数实现这一过程，比较分析了加入不同方差的椒盐噪声对图像的影响。加椒盐噪声使得图像增加了多个黑白像素杂点，方差越大加的点越多，干扰越多，图像越不清晰。
实施例3
通过图像增强处理，来增强图像的对比度，以此增大目标与背景之间的区别，除去图像中的无用干扰信息，增强图像的目标特征。本文主要采用了灰度变化和直方图均值化处理,提高图像清晰度。
灰度直方图的横坐标是灰度级，纵坐标是灰度级频率，从统计学上讲，灰度直方图描述了图像各个灰度级的分布情况，统计一副图像中各个灰度级出现的次数或者概率。而均衡化直方图可以直接反映不同灰度级出现的比例。横坐标为图像中各个像素点的灰度级别，纵坐标为各个灰度级别在图像中出现的次数或概率。
为了更好的体现曝光不足或曝光过度的照片细节，对灰度图进行均衡化处理。
针对样本采集效率低，学习样本有限的问题，提出了利用图像变换后图像特征的不变性，在原有的样本的基础上，增加虚拟样本，实现增加分类器学习训练的样本数量，以此来提高精度，并且通过随机提取样本数据，来进一步实现对精度的提升，并且达到对裂缝进行识别的最终目的。
Claims (3)
1.一种高速公路无人机自检系统，包括无人机、图像采集系统及图像自动识别系统，其特征在于：安装在无人机上的多台CCD相机、多个同轴光源、条形光源组成成像系统，成像系统采集的原始数据通过增加模型的样本数量，建立高速公路缺陷自动识别模型，通过图像增强处理，来增强图像的对比度，通过随机提取样本数据，来进一步实现对精度的提升，并且达到对裂缝进行识别的最终目的。
2.根据权利要1所述一种高速公路无人机自检系统，其特征在于：五种变换方式，即镜像变换、平移变换、中心旋转变换、缩放变换、加噪，增加模型的样本数量。
3.根据权利要1所述一种高速公路无人机自检系统，其特征在于：主要采用了灰度变化和直方图均值化处理,提高图像清晰度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811060209.1A CN109345511A (zh) | 2018-09-12 | 2018-09-12 | 一种高速公路无人机自检系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811060209.1A CN109345511A (zh) | 2018-09-12 | 2018-09-12 | 一种高速公路无人机自检系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109345511A true CN109345511A (zh) | 2019-02-15 |
Family
ID=65305187
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811060209.1A Withdrawn CN109345511A (zh) | 2018-09-12 | 2018-09-12 | 一种高速公路无人机自检系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109345511A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114511551A (zh) * | 2022-02-22 | 2022-05-17 | 金华高等研究院(金华理工学院筹建工作领导小组办公室) | 一种基于机器视觉的地面损伤识别系统 |
-
2018
- 2018-09-12 CN CN201811060209.1A patent/CN109345511A/zh not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114511551A (zh) * | 2022-02-22 | 2022-05-17 | 金华高等研究院(金华理工学院筹建工作领导小组办公室) | 一种基于机器视觉的地面损伤识别系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111855664B (zh) | 一种可调节隧道病害三维检测系统 | |
| CN110414334B (zh) | 一种基于无人机巡视的智能水质识别方法 | |
| CN107229930B (zh) | 一种指针式仪表数值智能识别方法 | |
| CN100419813C (zh) | 基于全方位视觉传感器的道路监控装置 | |
| CN103065519B (zh) | 坡道定点停车和起步检测系统及其检测方法 | |
| CN103065520B (zh) | 倒车入库检测系统及其检测方法 | |
| CN107014819A (zh) | 一种太阳能电池板表面缺陷检测系统和方法 | |
| CN102878647B (zh) | 空调运行状态的自动监控系统及自动监控方法 | |
| CN103076007B (zh) | 侧方位停车检测系统及其检测方法 | |
| CN106677037B (zh) | 基于机器视觉的便携式沥青路面病害检测方法及装置 | |
| CN109961003A (zh) | 一种基于fpga的嵌入式输电线路机载辅助巡视装置 | |
| CN111965636A (zh) | 一种基于毫米波雷达和视觉融合的夜间目标检测方法 | |
| CN105067636A (zh) | 室外电能表破损程度检测方法 | |
| CN103000067B (zh) | 直角转弯检测系统及其检测方法 | |
| CN109146859A (zh) | 一种基于机器视觉的路面裂缝检测系统 | |
| CN111157532A (zh) | 一种手机外壳划痕视觉检测装置及方法 | |
| CN114972177A (zh) | 道路病害识别管理方法、装置及智能终端 | |
| CN113033385A (zh) | 一种基于深度学习的违章建筑遥感识别方法及系统 | |
| CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别系统 | |
| CN109345511A (zh) | 一种高速公路无人机自检系统 | |
| CN113673527A (zh) | 一种车牌识别方法及系统 | |
| CN103077639B (zh) | 曲线行驶检测系统及其检测方法 | |
| CN116087198B (zh) | 一种公路路面状况数据采集设备及其自动化快速检测系统 | |
| CN115019297B (zh) | 一种基于颜色增广的实时车牌检测识别方法和装置 | |
| CN113657339A (zh) | 一种基于机器视觉的仪表指针计数读取方法及介质 |
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: 20190215 |