CN110390256B - 一种沥青路面裂缝提取方法 - Google Patents

Abstract

本发明公开了一种沥青路面裂缝提取方法，通过步骤S2设置52个可调式滤波器对步骤S1获取到的路面三维图像进行裂缝像素识别，识别出52种沥青路面裂缝形式所对应的裂缝像素，确保沥青路面的潜在裂缝区域被完整提；通过步骤S3的稀疏和稠密两次投票得到显著性图像，再通过逻辑或运算将显著性图像的导向性的临近规则和连续规则用在路面裂缝二值图像上，以对路面裂缝二值图像进行增强，能填补路面裂缝二值图像中因裂缝对比度低而未被步骤S2识别为裂缝像素的空缺区域；通过步骤S4检测路面裂缝图像中像素数目小于预设像素数量阈值的连通域并进行删除，能消除因沥青路面复杂纹理等因素产生的噪音。因此，本发明能实现自动提取沥青路面裂缝，效率、准确性高。

Description

一种沥青路面裂缝提取方法

技术领域

本发明属于道路裂缝病害提取技术领域，具体设计一种沥青路面裂缝提取方法。

背景技术

路面裂缝类病害是多数路面破损的早期形式，及时对裂缝进行检测并进行修补可以减少由于路面病害带来的损失。科学技术的不断发展使自动化路面病害检测取代人工现场调查成为了主要手段。目前路面自动化病害采集设备日渐成熟，但现有的路面病害识别方法不足以支撑全自动化的路面病害识别技术。较为先进的路面病害检测仍采用自动化的路面数据采集+人工病害识别的方式。这种方式必然导致路面裂缝病害识别效率低下，准确性和可靠性难以保证。

发明内容

本发明所要解决的技术问题是：提供一种沥青路面裂缝提取方法，以解决现有沥青路面裂缝提取方法存在自动化程度低、识别效率低、准确性和可靠性难以保证的问题。

解决上述技术问题，本发明所采用的技术方案如下：

一种沥青路面裂缝提取方法，其特征在于：所述的沥青路面裂缝提取方法包括：

步骤S1、采集被测沥青路面的路面三维图像，且该路面三维图像的精度≤1mm；

步骤S2、用可调式滤波器组，提取所述路面三维图像的潜在裂缝区域，方式如下：

步骤S2-1、建立所述可调式滤波器组：

所述可调式滤波器组包含52个可调式滤波器k(σ,θ)，该可调式滤波器k(σ,θ)采用二维高斯方程的二阶微分方程作为基础形式，并且，所述52个可调式滤波器k(σ,θ)的方向θ、宽度σ和尺寸，分别按下表设置：

步骤S2-2、识别所述路面三维图像中的裂缝像素：

对所述路面三维图像的任意一个像素点，逐个用所述52个可调式滤波器k(σ,θ)与该像素点进行卷积计算，以得到52个响应值r_i，i为所述滤波器编号；判断该52个响应值r_i中的最大值是否大于预设的分割阈值thres，如果判断结果为是，则判断该像素点为裂缝像素，否则，判断该像素点为非裂缝像素；其中，所述分割阈值thres的取值范围在-0.25至0.25之间；

步骤S2-3、采用步骤S2-2所述方式对所述路面三维图像的每一个像素点进行识别，识别得到的全部裂缝像素即为所述路面三维图像的潜在裂缝区域。

作为本发明的优选实施方式：

所述步骤S2还包括：

步骤S2-4、将所述路面三维图像进行二值化，即：将所述路面三维图像的裂缝像素赋值为1，非裂缝像素赋值为0，以得到路面裂缝二值图像；

所述的沥青路面裂缝提取方法还包括：

步骤S3、基于张量投票理论，对所述路面裂缝二值图像进行增强，以得到路面裂缝图像，方式如下：

步骤S3-1、将所述路面三维图像的每一个裂缝像素初始化为球张量

步骤S3-2、进行稀疏投票，即：用二阶半正定对称张量T的球张量

对经过初始化的每一个所述裂缝像素进行球张量投票，以得到每一个所述裂缝像素的曲线主方向向量图；

步骤S3-3、进行稠密投票，即：将每一个所述裂缝像素的曲线主方向向量图设置为该裂缝像素的棒张量投票方向，并用二阶半正定对称张量T的棒张量

对经过初始化的每一个所述裂缝像素进行棒张量投票，以得到显著性图像；

步骤S3-4、将所述路面裂缝二值图像的每个像素点与所述显著性图像相同位置的像素点进行逻辑或运算，对于赋值经过该逻辑或运算后改变为1的像素点，将该像素点的类型由非裂缝像素改变为裂缝像素，并与所述潜在裂缝区域一起组成所述路面三维图像的裂缝区域，以得到所述路面裂缝图像。

作为本发明的优选实施方式：

所述的沥青路面裂缝提取方法还包括：

步骤S4、对所述路面裂缝图像进行后处理，方式如下：

步骤S4-1、统计所述步骤3得到的路面裂缝图像中每一个连通域的像素数目，其中，将位置相连的裂缝像素归属为一个所述连通域，所述连通域的像素数目即该连通域所包含裂缝像素的数量；

步骤S4-2、对每一个所述连通域均进行判断，如果所述连通域的像素数目小于预设的像素数量阈值，则判定该连通域为噪音，并将属于该连通域的像素点的类型由裂缝像素改变为非裂缝像素，以修正所述路面裂缝图像。

作为本发明的优选实施方式：

对于所述路面三维图像由至少两幅路面三维子图像拼接组成的情况，所述步骤S1还对该路面三维图像进行校正，以消除相邻两幅所述路面三维子图像在拼接时产生的孤立噪声，方式如下：

步骤S1-1、将相邻两幅所述路面三维子图像分别称为A图像和B图像，并将所述A图像和B图像的像素尺寸分别记为W_A×H_A和W_B×H_B，其中，H_A＝H_B或者W_A＝W_B；

步骤S1-2、按照以下公式五至公式七，计算所述A图像与B图像之间的深度均值偏差Δ：

Δ＝|I_A-I_B| [公式七]

式中，I_A为所述A图像的深度均值，I(i_A,j_A)为所述A图像在(i_A,j_A)位置的像素点的深度值，i_A和j_A分别为像素点在所述A图像的W_A方向和H_A方向上的像素序号；

I_B为所述B图像的深度均值，I(i_B,j_B)为所述B图像在(i_B,j_B)位置的像素点的深度值，i_B和j_B分别为像素点在所述B图像的W_B方向和H_B方向上的像素序号；

步骤S1-3、判断所述深度均值偏差Δ是否大于预设的深度均值偏差阈值ΔT，如果判断结果为是，则判定A图像与B图像在拼接时存在阶跃现象，并将深度均值I_A和深度均值I_B中较小者所对应的每一个像素点的深度值增大所述深度均值偏差Δ，以消除所述A图像与B图像在拼接时产生的孤立噪声；如果判断结果为否，则无需进行所述孤立噪声的消除。

优选的：步骤S1所述路面三维图像由基于激光三角成像原理的路面三维检测系统采集。

优选的：所述步骤S2-2中，所述分割阈值thres的取值为0。

与现有技术相比，本发明具有以下有益效果：

第一，本发明通过步骤S2所设置的52个可调式滤波器对步骤S1获取到的路面三维图像进行裂缝像素识别，可以识别出52种沥青路面裂缝形式所对应的裂缝像素，基本涵盖了沥青路面有可能产生的全部裂缝形式，能够确保沥青路面的潜在裂缝区域被完整提出来，因此，能够实现自动化提取沥青路面的潜在裂缝区域，无需人工参与，识别效率高。

第二，本发明在步骤S2的基础上，利用所述路面三维图像的潜在裂缝区域与周围临近信息的相关性、连续性，通过步骤S3的稀疏和稠密两次投票得到显著性图像，再通过逻辑或运算将所述显著性图像的导向性的临近规则和连续规则用在路面裂缝二值图像上，以对路面裂缝二值图像进行增强，填补了路面裂缝二值图像中因为裂缝对比度低而未被步骤S2识别为裂缝像素的空缺区域，因此，能够提升所提取路面裂缝的连续性，提高了对沥青路面裂缝提取的准确率。

第三，本发明在步骤S3的基础，通过步骤S4检测所述路面裂缝图像中像素数目小于预设像素数量阈值的连通域并进行删除，消除了由于沥青路面复杂纹理等因素而产生的噪音，进一步提高了对沥青路面裂缝提取的准确率；并且，由于步骤S3提升了所提取路面裂缝的连续性，能够避免路面裂缝的一些裂缝像素因断开而被步骤S4所误删。

第四，本发明针对步骤S1所述路面三维图像由至少两幅路面三维子图像拼接组成的情况，通过步骤S1-1至步骤S1-3对路面三维图像进行校正，能够消除相邻两幅路面三维子图像在拼接时产生的孤立噪声，避免在拼接处存在的阶跃现象导致步骤S2至步骤S4的裂缝识别过程产生误判，确保了本发明对沥青路面裂缝提取的准确性。

第五，本发明在步骤S1至步骤S4的过程中，在无需人为改变函数内置参数的情况下，即能够全自动化的提取出沥青路面的裂缝，并且，本发明具有准确率、召回率和F值高的优点(经过对200张不同采集条件下的路面三维图像进行验证，得出本发明的准确率为88.38％，召回率为93.15％，F值为90.68％的结论)。

第六，本发明在步骤S1采用基于激光三角成像原理的路面三维检测系统采集路面三维图像，由于采用高光强的激光作为激发光源，具有抵抗日光和环境光源中干扰的能力，使得路面三维图像的采集可以在不同结构形式的沥青路面、不同的光照条件、不同采集时间(白天或黑夜)下进行，因此，本发明具有适用范围广的优点。

附图说明

下面结合附图和具体实施例对本发明作进一步的详细说明：

图1为本发明的沥青路面裂缝提取方法的流程框图；

图2为由本发明步骤S2得到的路面裂缝二值图像示例；

图3-1为步骤S2所得到存在空缺区域A的路面裂缝二值图像示例；

图3-2为图3-1经过步骤S3处理后得到的路面裂缝图像；

图4为由本发明步骤S4得到的路面裂缝二值图像示例。

具体实施方式

下面结合实施例及其附图对本发明进行详细说明，以帮助本领域的技术人员更好的理解本发明的发明构思，但本发明权利要求的保护范围不限于下述实施例，对本领域的技术人员来说，在不脱离本发明之发明构思的前提下，没有做出创造性劳动所获得的所有其他实施例，都属于本发明的保护范围。

实施例一

如图1所示，本发明公开的是一种沥青路面裂缝提取方法，包括：

步骤S1、采集被测沥青路面的路面三维图像，且该路面三维图像的精度≤1mm；

步骤S2、用可调式滤波器组(Steerable Matched Filter Bank,SMFB)，提取所述路面三维图像的潜在裂缝区域，方式如下：

步骤S2-1、建立所述可调式滤波器组：

所述可调式滤波器组包含52个可调式滤波器k(σ,θ)，该可调式滤波器k(σ,θ)采用二维高斯方程的二阶微分方程作为基础形式，并且，所述52个可调式滤波器k(σ,θ)的方向θ、宽度σ和尺寸，分别按下表设置：

其中，所述可调式滤波器k(σ,θ)表示如下：

k(σ,θ)＝g_xx(x,y)cos²θ+2g_xy(x,y)cosθsinθ+g_yy(x,y)sin²θ [公式一]

其中，k(σ,θ)表示对所述路面三维图像在坐标点(x,y)处的像素点进行滤波处理的可调式滤波器，坐标点(x,y)为基于所述路面三维图像建立的笛卡尔坐标系中的像素点坐标；方向θ∈[-π/2,π/2]，对应的角度值范围为-90°至90°，13个方向θ即是从该角度值范围以15°为间隔选取的，用于匹配13种不同角度的沥青路面裂缝；宽度σ则是用于匹配四种不同宽度的路面裂缝；而两种尺寸21×21和31×31，则是经过对大量的沥青路面进行测试发现的结果，即：可调式滤波器k(σ,θ)的尺寸也会对裂缝提取效果产生影响，而该两种尺寸能够确保潜在裂缝区域被完整提出来。

其中，G(x,y,σ)为二维高斯方程，g_xx(x,y)、g_yy(x,y)和g_xy(x,y)均为二维高斯方程的二阶偏导数。

步骤S2-2、识别所述路面三维图像中的裂缝像素：

对所述路面三维图像的任意一个像素点，逐个用所述52个可调式滤波器k(σ,θ)与该像素点进行卷积计算，以得到52个响应值r_i，i为所述滤波器编号；判断该52个响应值r_i中的最大值是否大于预设的分割阈值thres，如果判断结果为是，则判断该像素点为裂缝像素，否则，判断该像素点为非裂缝像素；其中，所述分割阈值thres的取值范围在-0.25至0.25之间；

步骤S2-3、采用步骤S2-2所述方式对所述路面三维图像的每一个像素点进行识别，识别得到的全部裂缝像素即为所述路面三维图像的潜在裂缝区域。

从而，本发明实施例一通过步骤S2所设置的52个可调式滤波器对步骤S1获取到的路面三维图像进行裂缝像素识别，可以识别出52种沥青路面裂缝形式所对应的裂缝像素，基本涵盖了沥青路面有可能产生的全部裂缝形式，能够确保沥青路面的潜在裂缝区域被完整提出来，因此，本发明能够实现自动化提取沥青路面的潜在裂缝区域，无需人工参与，识别效率高。

以上为本实施例一的基本实施方式，可以在该基本实施方式的基础上做进一步的优化、改进和限定：

优选的：步骤S1所述路面三维图像由基于激光三角成像原理的路面三维检测系统采集。激光三角成像原理已被广泛应用于高速三维扫描技术中，简述如下：首先激光器投射线激光至被扫描的沥青路面，相机则高频率地采集该线激光所显示的路面断面信息；然后，将采集到的路面断面信息沿着行车方向拼接在一起，从而得到沥青路面三维图像。由于采用高光强的激光作为激发光源，具有抵抗日光和环境光源中干扰的能力，使得路面三维图像的采集可以在不同结构形式的沥青路面、不同的光照条件、不同采集时间(白天或黑夜)下进行，因此，本发明具有适用范围广的优点。

现有技术中，已经存在符合条件的路面三维检测系统，其采集速度快、采集图像精度高，能够以行车速度进行三维图像采集，使得采集过程不干扰正常交通，降低路面检测人员的工作强度。

另外，还可以在采集每一帧所述路面三维图像的同时，实时记录对应的行车前景视频、行车里程、里程桩号、车道等辅助信息，一并存入路面病害识别数据库中，以便于精确定位每张路面三维图像的里程和车道。

优选的：所述步骤S2-2中，所述分割阈值thres的取值为0。

实施例二

在上述实施例一的基础上，本实施例二还采用了以下优选的实施方式：

所述步骤S2还包括：

步骤S2-4、将所述路面三维图像进行二值化，即：将所述路面三维图像的裂缝像素赋值为1，非裂缝像素赋值为0，以得到路面裂缝二值图像；其中，将裂缝像素表示为黑色，非裂缝像素表示为白色，那么，所述路面裂缝二值图像如图2所示。

所述的沥青路面裂缝提取方法还包括：

步骤S3、基于张量投票理论，对所述路面裂缝二值图像进行增强，以得到路面裂缝图像，方式如下：

步骤S3-1、将所述路面三维图像的每一个裂缝像素初始化为球张量

步骤S3-2、进行稀疏投票，即：用二阶半正定对称张量T的球张量

对经过初始化的每一个所述裂缝像素进行球张量投票，以得到每一个所述裂缝像素的曲线主方向向量图；而非裂缝像素不参与此次投票。

其中，所述二阶半正定对称张量T被映射为一个2×2矩阵，其特征值分别为λ₁、λ₂,且满足λ₁≥λ₂≥0；对应的特征向量分别为

和/>

所述二阶半正定对称张量T可表示为：

式中，

表示细长的椭圆型棒张量，/>

表示圆盘型的球张量。

步骤S3-3、进行稠密投票，即：将每一个所述裂缝像素的曲线主方向向量图设置为该裂缝像素的棒张量投票方向，并用二阶半正定对称张量T的棒张量

对经过初始化的每一个所述裂缝像素进行棒张量投票，以得到显著性图像；

步骤S3-4、将所述路面裂缝二值图像的每个像素点与所述显著性图像相同位置的像素点进行逻辑或运算，对于赋值经过该逻辑或运算后改变为1的像素点，将该像素点的类型由非裂缝像素改变为裂缝像素，并与所述潜在裂缝区域一起组成所述路面三维图像的裂缝区域，以得到所述路面裂缝图像。

从而，本发明实施例二在步骤S2的基础上，利用所述路面三维图像的潜在裂缝区域与周围临近信息的相关性、连续性，通过步骤S3的稀疏和稠密两次投票得到显著性图像，再通过逻辑或运算将所述显著性图像的导向性的临近规则和连续规则用在路面裂缝二值图像上，以对路面裂缝二值图像进行增强，填补了路面裂缝二值图像中因为裂缝对比度低而未被步骤S2识别为裂缝像素的空缺区域P(如图3-1和图3-2所示)，因此，能够提升所提取路面裂缝的连续性，提高了对沥青路面裂缝提取的准确率。

实施例三

在上述实施例二的基础上，本实施例三还采用了以下优选的实施方式：

所述的沥青路面裂缝提取方法还包括：

步骤S4、对所述路面裂缝图像进行后处理，方式如下：

步骤S4-1、统计所述步骤3得到的路面裂缝图像中每一个连通域的像素数目，其中，将位置相连的裂缝像素归属为一个所述连通域，所述连通域的像素数目即该连通域所包含裂缝像素的数量；

步骤S4-2、对每一个所述连通域均进行判断，如果所述连通域的像素数目小于预设的像素数量阈值，则判定该连通域为噪音，并将属于该连通域的像素点的类型由裂缝像素改变为非裂缝像素，以修正所述路面裂缝图像(参见图4)。

其中，所述预设的像素数量阈值代表的是本发明所要提取的沥青路面裂缝的最小尺寸，所述连通域的像素数目小于像素数量阈值，即是表示该连通域的尺寸小于本发明所要提取的沥青路面裂缝的最小尺寸，因此被认定为噪音，可以去除而显示在路面裂缝图像上；因此，所述预设的像素数量阈值的取值取决于两个方面，一方面是本发明想要提取的沥青路面裂缝的最小尺寸，另一方面则是所述路面三维图像的像素尺寸；经过试验，对于像素尺寸为4096×2048的路面三维图像，所述像素数量阈值的取值一般在1000到3000之间。

从而，本发明实施例三在步骤S3的基础，通过步骤S4检测所述路面裂缝图像中像素数目小于预设像素数量阈值的连通域并进行删除，消除了由于沥青路面复杂纹理等因素而产生的噪音，进一步提高了对沥青路面裂缝提取的准确率；并且，由于步骤S3提升了所提取路面裂缝的连续性，能够避免路面裂缝的一些裂缝像素因断开而被步骤S4所误删。

实施例四

获取到上述步骤S1所述路面三维图像的方式可以有多种，对于由一个摄像头直接拍摄得到的图像，由于其未经过拼接，可以直接作为所述路面三维图像；但是，对于由多幅图像拼接而成的图像，由于其在拼接处会存在阶跃现象，不仅增大了图像整体动态范围，还会导致步骤S2至步骤S4的裂缝识别过程产生误判。

因此，为了解决上述问题，在上述实施例一至实施例三中任意一个实施例的基础上，本实施例四还采用了以下优选的实施方式：

对于所述路面三维图像由至少两幅路面三维子图像拼接组成的情况，所述步骤S1还对该路面三维图像进行校正，以消除相邻两幅所述路面三维子图像在拼接时产生的孤立噪声，方式如下：

步骤S1-1、将相邻两幅所述路面三维子图像分别称为A图像和B图像，并将所述A图像和B图像的像素尺寸分别记为W_A×H_A和W_B×H_B，其中，H_A＝H_B或者W_A＝W_B；对于H_A＝H_B的情况，表示A图像和B图像左右布置，它们在高度边上进行拼接，对于W_A＝W_B的情况，表示A图像和B图像上下布置，它们在宽度边上进行拼接。

步骤S1-2、按照以下公式五至公式七，计算所述A图像与B图像之间的深度均值偏差Δ：

Δ＝|I_A-I_B| [公式七]

式中，I_A为所述A图像的深度均值，I(i_A,j_A)为所述A图像在(i_A,j_A)位置的像素点的深度值，i_A和j_A分别为像素点在所述A图像的W_A方向和H_A方向上的像素序号；

I_B为所述B图像的深度均值，I(i_B,j_B)为所述B图像在(i_B,j_B)位置的像素点的深度值，i_B和j_B分别为像素点在所述B图像的W_B方向和H_B方向上的像素序号；

步骤S1-3、判断所述深度均值偏差Δ是否大于预设的深度均值偏差阈值ΔT，如果判断结果为是，则判定A图像与B图像在拼接时存在阶跃现象，并将深度均值I_A和深度均值I_B中较小者所对应的每一个像素点的深度值增大所述深度均值偏差Δ，以消除所述A图像与B图像在拼接时产生的孤立噪声；如果判断结果为否，则无需进行所述孤立噪声的消除。其中，所述深度均值偏差阈值ΔT的取值，取决于拍摄A图像和B图像的成像系统，应对具体的成像系统进行校正测试后获得优选取值。

举例来说，如果判断结果为是，且I_A>I_B，则B图像的每一个像素点的深度值均调整为I(i_B,j_B)+Δ，而A图像的每一个像素点的深度值则无需改变。

因此，本发明实施例四针对步骤S1所述路面三维图像由至少两幅路面三维子图像拼接组成的情况，通过步骤S1-1至步骤S1-3对路面三维图像进行校正，能够消除相邻两幅路面三维子图像在拼接时产生的孤立噪声，避免在拼接处存在的阶跃现象导致步骤S2至步骤S4的裂缝识别过程产生误判，确保了本发明对沥青路面裂缝提取的准确性。

本发明不局限于上述具体实施方式，根据上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本发明上述基本技术思想前提下，本发明还可以做出其它多种形式的等效修改、替换或变更，均落在本发明的保护范围之中。

Claims (6)

1.一种沥青路面裂缝提取方法，其特征在于：所述的沥青路面裂缝提取方法包括：

步骤S1、采集被测沥青路面的路面三维图像，且该路面三维图像的精度≤1mm；

步骤S2、用可调式滤波器组，提取所述路面三维图像的潜在裂缝区域，方式如下：

步骤S2-1、建立所述可调式滤波器组：

所述可调式滤波器组包含52个可调式滤波器k(σ,θ)，该可调式滤波器k(σ,θ)采用二维高斯方程的二阶微分方程作为基础形式，并且，所述52个可调式滤波器k(σ,θ)的方向θ、宽度σ和尺寸，分别按下表设置：

步骤S2-2、识别所述路面三维图像中的裂缝像素：

对所述路面三维图像的任意一个像素点，逐个用所述52个可调式滤波器k(σ,θ)与该像素点进行卷积计算，以得到52个响应值r_i，i为所述滤波器编号；判断该52个响应值r_i中的最大值是否大于预设的分割阈值thres，如果判断结果为是，则判断该像素点为裂缝像素，否则，判断该像素点为非裂缝像素；其中，所述分割阈值thres的取值范围在-0.25至0.25之间；

步骤S2-3、采用步骤S2-2所述方式对所述路面三维图像的每一个像素点进行识别，识别得到的全部裂缝像素即为所述路面三维图像的潜在裂缝区域。

2.根据权利要求1所述的沥青路面裂缝提取方法，其特征在于：

所述步骤S2还包括：

步骤S2-4、将所述路面三维图像进行二值化，即：将所述路面三维图像的裂缝像素赋值为1，非裂缝像素赋值为0，以得到路面裂缝二值图像；

所述的沥青路面裂缝提取方法还包括：

步骤S3、基于张量投票理论，对所述路面裂缝二值图像进行增强，以得到路面裂缝图像，方式如下：

步骤S3-1、将所述路面三维图像的每一个裂缝像素初始化为球张量

步骤S3-2、进行稀疏投票，即：用二阶半正定对称张量T的球张量

对经过初始化的每一个所述裂缝像素进行球张量投票，以得到每一个所述裂缝像素的曲线主方向向量图；

步骤S3-3、进行稠密投票，即：将每一个所述裂缝像素的曲线主方向向量图设置为该裂缝像素的棒张量投票方向，并用二阶半正定对称张量T的棒张量

对经过初始化的每一个所述裂缝像素进行棒张量投票，以得到显著性图像；

步骤S3-4、将所述路面裂缝二值图像的每个像素点与所述显著性图像相同位置的像素点进行逻辑或运算，对于赋值经过该逻辑或运算后改变为1的像素点，将该像素点的类型由非裂缝像素改变为裂缝像素，并与所述潜在裂缝区域一起组成所述路面三维图像的裂缝区域，以得到所述路面裂缝图像。

3.根据权利要求2所述的沥青路面裂缝提取方法，其特征在于：

所述的沥青路面裂缝提取方法还包括：

步骤S4、对所述路面裂缝图像进行后处理，方式如下：

步骤S4-1、统计所述步骤3得到的路面裂缝图像中每一个连通域的像素数目，其中，将位置相连的裂缝像素归属为一个所述连通域，所述连通域的像素数目即该连通域所包含裂缝像素的数量；

步骤S4-2、对每一个所述连通域均进行判断，如果所述连通域的像素数目小于预设的像素数量阈值，则判定该连通域为噪音，并将属于该连通域的像素点的类型由裂缝像素改变为非裂缝像素，以修正所述路面裂缝图像。

4.根据权利要求1至3任意一项所述的沥青路面裂缝提取方法，其特征在于：对于所述路面三维图像由至少两幅路面三维子图像拼接组成的情况，所述步骤S1还对该路面三维图像进行校正，以消除相邻两幅所述路面三维子图像在拼接时产生的孤立噪声，方式如下：

步骤S1-1、将相邻两幅所述路面三维子图像分别称为A图像和B图像，并将所述A图像和B图像的像素尺寸分别记为W_A×H_A和W_B×H_B，其中，H_A＝H_B或者W_A＝W_B；

步骤S1-2、按照以下公式五至公式七，计算所述A图像与B图像之间的深度均值偏差Δ：

Δ＝|I_A-I_B| [公式七]

式中，I_A为所述A图像的深度均值，I(i_A,j_A)为所述A图像在(i_A,j_A)位置的像素点的深度值，i_A和j_A分别为像素点在所述A图像的W_A方向和H_A方向上的像素序号；

I_B为所述B图像的深度均值，I(i_B,j_B)为所述B图像在(i_B,j_B)位置的像素点的深度值，i_B和j_B分别为像素点在所述B图像的W_B方向和H_B方向上的像素序号；

步骤S1-3、判断所述深度均值偏差Δ是否大于预设的深度均值偏差阈值ΔT，如果判断结果为是，则判定A图像与B图像在拼接时存在阶跃现象，并将深度均值I_A和深度均值I_B中较小者所对应的每一个像素点的深度值增大所述深度均值偏差Δ，以消除所述A图像与B图像在拼接时产生的孤立噪声；如果判断结果为否，则无需进行所述孤立噪声的消除。

5.根据权利要求1至3任意一项所述的沥青路面裂缝提取方法，其特征在于：步骤S1所述路面三维图像由基于激光三角成像原理的路面三维检测系统采集。

6.根据权利要求1至3任意一项所述的沥青路面裂缝提取方法，其特征在于：所述步骤S2-2中，所述分割阈值thres的取值为0。

Images