CN110415232A - 一种三维图像路面检测方法 - Google Patents
一种三维图像路面检测方法 Download PDFInfo
- Publication number
- CN110415232A CN110415232A CN201910678756.4A CN201910678756A CN110415232A CN 110415232 A CN110415232 A CN 110415232A CN 201910678756 A CN201910678756 A CN 201910678756A CN 110415232 A CN110415232 A CN 110415232A
- Authority
- CN
- China
- Prior art keywords
- image
- coordinate system
- road surface
- detection method
- camera
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 238000003384 imaging method Methods 0.000 claims abstract description 10
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 4
- 230000005484 gravity Effects 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000013589 supplement Substances 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- 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
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种三维图像路面检测方法,包括以下步骤,步骤S1:获取路面的纵断面数据,步骤S2:获取路面的横断面数据,步骤S3:根据获取的纵断面数据和横断面数据,形成路面灰度图像和深度图像,步骤S4:根据形成的灰度图像和深度图像建立路面三维激光成像模型。本发明公开的一种三维图像路面检测方法,其通过自动获取路面微观变形,进而提取破损信息。
Description
技术领域
本发明属于路面质量检测和信息自动采集技术领域,具体涉及一种三维图像路面检测方法。
背景技术
随着公路网络的基本建成,主要干道逐步进入养护期,由于交通荷载、环境、道路自然老化等问题的不断出现,路面破损情况日益严重,鉴于传统的二维线阵/面阵相机检测方法的技术大都不能实现较为精确的路面破损自动检测和分析功能,而且随着二维图像检测技术暴露出的劣势(如无法检测路面坑槽、波浪拥包、沉陷等变形类病害),目前的检测技术已无法满足我国现阶段路面检测和养护管理的需要。
二维图像路面检测技术图像获取有录像和线扫描两种方式,以录像的形式存储为视频或图片来记录图像数据,像素的精度受制于相机的分辨率,且受光线影响较大。以线扫描方式逐行获取路面数据,信息量丰富且特征明显,再加以补充光照明设备在一定程度上消除阴影的影响。其检测原理是相机(线阵/面阵)的行频或帧频以一定间隔连续拍摄路面,通过图像采集卡对数据进行压缩、传输、保存至计算机进行灰度值特征提取等,从而获取路面病害信息。但二维检测技术对于检测光照不均、油污、裂缝信息较弱的图像尚有缺陷,另外,对于裂缝、平整度、车辙及其它变形类病害检测系统单一,缺点是效率低、成本高,不适合大范围工程评价使用。
发明内容
本发明的主要目的在于提供一种三维图像路面检测方法,其通过自动获取路面微观变形,进而提取破损信息。
本发明的另一目的在于提供一种三维图像路面检测方法,其可应用于各等级公路、城市道路、隧道、机场跑道等区域道路数据验收和智能检测。
本发明的另一目的在于提供一种三维图像路面检测方法,其快捷便利、高效节能、经济合理、智能方便且适合现代化大范围道路测量的路面破损检测评价系统。
为达到以上目的,本发明提供一种三维图像路面检测方法,包括以下步骤:
步骤S1:获取路面的纵断面数据;
步骤S2:获取路面的横断面数据;
步骤S3:根据获取的纵断面数据和横断面数据,形成路面灰度图像和深度图像;
步骤S4:根据形成的灰度图像和深度图像建立路面三维激光成像模型。
作为上述技术方案的进一步优选的技术方案,所述步骤S1具体实施为以下步骤:
步骤S1.1:假设亮度阈值为A,激光线左侧边缘的亮度阈值为PL,阴影区域的亮度总和为IS=∑IP,一阶矩之和为MS=∑IP*P;
步骤S1.2:根据公式PCOG=PL+MS/IS计算激光线的重心。
作为上述技术方案的进一步优选的技术方案,所述步骤S2具体实施为以下步骤:
步骤S2.1:假设亮度阈值为B,激光线左侧边缘的亮度阈值为PL,阴影区域的亮度总和为IS=∑IP,一阶矩之和为MS=∑IP*P;
步骤S2.2:根据公式PCOG=PL+MS/IS计算激光线的重心。
作为上述技术方案的进一步优选的技术方案,所述亮度总和IS为灰度值,所述激光线的重心PCOG为深度值。
作为上述技术方案的进一步优选的技术方案,所述步骤S4具体实施为以下步骤:
步骤S4.1:建立世界坐标系,X轴方向为沿道路纵向延伸的方向,即车辆在路面上的行驶方向,YW轴方向为垂直于道路延伸方向的路面横截面方向,ZW轴方向为垂直于XOY平面的路面纵向高程方向;
步骤S4.2:建立摄像机坐标系,以摄像机光学中心OC为原点,ZC轴为垂直于成像平面的摄像机光学中心轴;
步骤S4.3:建立像平面坐标系,以x和y为图像的物理坐标系,以u和v为像素坐标系;
步骤S4.4:联立所述世界坐标系、所述摄像机坐标系、所述像平面坐标系得到路面三维激光成像模型。
作为上述技术方案的进一步优选的技术方案,所述物理坐标系是定摄像机光轴与图像平面的交点为该坐标系的原点,图像坐标系的x,y轴分别与像素坐标系的u,v轴平行,像平面原点在摄像机光轴上O1。
作为上述技术方案的进一步优选的技术方案,所述像素坐标系是以像素为计量单位,所述像素坐标系与所述摄像机坐标系的关系用公式表示:
其中,fu,和fv表示摄像机在x和y方向上的焦距,u0和v0表示摄像机原点在图像中的坐标;
所述摄像机坐标与所述世界坐标系的空间位置关系用公式表示:
其中,R表示旋转矩阵,T表示平移向量。
附图说明
图1是本发明的三维图像路面检测方法的获取路面的纵断面数据原理图。
图2是本发明的三维图像路面检测方法的获取路面的横断面数据原理图。
图3是本发明的三维图像路面检测方法的空间坐标系转换图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
参见附图的图1,图1是本发明的三维图像路面检测方法的获取路面的纵断面数据原理图,图2是本发明的三维图像路面检测方法的获取路面的横断面数据原理图,图3是本发明的三维图像路面检测方法的空间坐标系转换图。
在本发明的优选实施例中,本领域技术人员注意,本发明所涉及的灰度图像、高程值、深度图像等可被视为现有技术。
优选实施例。
本发明公开了一种三维图像路面检测方法,包括以下步骤:
步骤S1:获取路面的纵断面数据;
步骤S2:获取路面的横断面数据;
步骤S3:根据获取的纵断面数据和横断面数据,形成路面灰度图像和深度图像;
步骤S4:根据形成的灰度图像和深度图像建立路面三维激光成像模型。
值得一提的是,所述步骤S1具体实施为以下步骤:
步骤S1.1:假设亮度阈值为A,激光线左侧边缘的亮度阈值为PL,阴影区域的亮度总和为IS=∑IP,一阶矩之和为MS=∑IP*P;
步骤S1.2:根据公式PCOG=PL+MS/IS计算激光线的重心。
进一步的是,所述步骤S2具体实施为以下步骤:
步骤S2.1:假设亮度阈值为B,激光线左侧边缘的亮度阈值为PL,阴影区域的亮度总和为IS=∑IP,一阶矩之和为MS=∑IP*P;
步骤S2.2:根据公式PCOG=PL+MS/IS计算激光线的重心。
更进一步的是,所述亮度总和IS为灰度值,所述激光线的重心PCOG为深度值。
优选地,所述步骤S4具体实施为以下步骤:
步骤S4.1:建立世界坐标系,X轴方向为沿道路纵向延伸的方向,即车辆在路面上的行驶方向,YW轴方向为垂直于道路延伸方向的路面横截面方向,ZW轴方向为垂直于XOY平面的路面纵向高程方向;
步骤S4.2:建立摄像机坐标系,以摄像机光学中心OC为原点,ZC轴为垂直于成像平面的摄像机光学中心轴;
步骤S4.3:建立像平面坐标系,以x和y为图像的物理坐标系,以u和v为像素坐标系;
步骤S4.4:联立所述世界坐标系、所述摄像机坐标系、所述像平面坐标系得到路面三维激光成像模型。
具体的是,所述物理坐标系是定摄像机光轴与图像平面的交点为该坐标系的原点,图像坐标系的x,y轴分别与像素坐标系的u,v轴平行,像平面原点在摄像机光轴上O1。
优选地,所述像素坐标系是以像素为计量单位,所述像素坐标系与所述摄像机坐标系的关系用公式表示:
其中,fu,和fv表示摄像机在x和y方向上的焦距,u0和v0表示摄像机原点在图像中的坐标;
所述摄像机坐标与所述世界坐标系的空间位置关系用公式表示:
其中,R表示旋转矩阵,T表示平移向量。
值得一提的是,本发明专利申请涉及的高程值、深度图像、灰度图像等技术特征应被视为现有技术,这些技术特征的具体结构、工作原理以及可能涉及到的控制方式、空间布置方式采用本领域的常规选择即可,不应被视为本发明专利的发明点所在,本发明专利不做进一步具体展开详述。
对于本领域的技术人员而言,依然可以对前述各实施例所记载的技术方案进行修改,或对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围。
Claims (7)
1.一种三维图像路面检测方法,其特征在于,包括以下步骤:
步骤S1:获取路面的纵断面数据;
步骤S2:获取路面的横断面数据;
步骤S3:根据获取的纵断面数据和横断面数据,形成路面灰度图像和深度图像;
步骤S4:根据形成的灰度图像和深度图像建立路面三维激光成像模型。
2.根据权利要求1所述的一种三维图像路面检测方法,其特征在于,所述步骤S1具体实施为以下步骤:
步骤S1.1:假设亮度阈值为A,激光线左侧边缘的亮度阈值为PL,阴影区域的亮度总和为IS=∑IP,一阶矩之和为MS=∑IP*P;
步骤S1.2:根据公式PCOG=PL+MS/IS计算激光线的重心。
3.根据权利要求1所述的一种三维图像路面检测方法,其特征在于,所述步骤S2具体实施为以下步骤:
步骤S2.1:假设亮度阈值为B,激光线左侧边缘的亮度阈值为PL,阴影区域的亮度总和为IS=∑IP,一阶矩之和为MS=∑IP*P;
步骤S2.2:根据公式PCOG=PL+MS/IS计算激光线的重心。
4.根据权利要求2或3所述的一种三维图像路面检测方法,其特征在于,所述亮度总和IS为灰度值,所述激光线的重心PCOG为深度值。
5.根据权利要求1所述的一种三维图像路面检测方法,其特征在于,所述步骤S4具体实施为以下步骤:
步骤S4.1:建立世界坐标系,X轴方向为沿道路纵向延伸的方向,即车辆在路面上的行驶方向,YW轴方向为垂直于道路延伸方向的路面横截面方向,ZW轴方向为垂直于XOY平面的路面纵向高程方向;
步骤S4.2:建立摄像机坐标系,以摄像机光学中心OC为原点,ZC轴为垂直于成像平面的摄像机光学中心轴;
步骤S4.3:建立像平面坐标系,以x和y为图像的物理坐标系,以u和v为像素坐标系;
步骤S4.4:联立所述世界坐标系、所述摄像机坐标系、所述像平面坐标系得到路面三维激光成像模型。
6.根据权利要求5所述的一种三维图像路面检测方法,其特征在于,所述物理坐标系是定摄像机光轴与图像平面的交点为该坐标系的原点,图像坐标系的x,y轴分别与像素坐标系的u,v轴平行,像平面原点在摄像机光轴上O1。
7.根据权利要求5所述的一种三维图像路面检测方法,其特征在于,所述像素坐标系是以像素为计量单位,所述像素坐标系与所述摄像机坐标系的关系用公式表示:
其中,fu,和fv表示摄像机在x和y方向上的焦距,u0和v0表示摄像机原点在图像中的坐标;
所述摄像机坐标与所述世界坐标系的空间位置关系用公式表示:
其中,R表示旋转矩阵,T表示平移向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910678756.4A CN110415232A (zh) | 2019-07-25 | 2019-07-25 | 一种三维图像路面检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910678756.4A CN110415232A (zh) | 2019-07-25 | 2019-07-25 | 一种三维图像路面检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110415232A true CN110415232A (zh) | 2019-11-05 |
Family
ID=68363366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910678756.4A Pending CN110415232A (zh) | 2019-07-25 | 2019-07-25 | 一种三维图像路面检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110415232A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114910046A (zh) * | 2022-04-26 | 2022-08-16 | 同济大学 | 一种基于双向线结构光的路面三维检测系统及其方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104005325A (zh) * | 2014-06-17 | 2014-08-27 | 武汉武大卓越科技有限责任公司 | 基于深度和灰度图像的路面裂缝检测装置和方法 |
CN108846860A (zh) * | 2018-04-25 | 2018-11-20 | 中国矿业大学(北京) | 一种破损圆柱形排水管道内壁三维重建方法 |
CN109359409A (zh) * | 2018-10-31 | 2019-02-19 | 张维玲 | 一种基于视觉与激光雷达传感器的车辆可通过性检测系统 |
CN109580649A (zh) * | 2018-12-18 | 2019-04-05 | 清华大学 | 一种工程结构表面裂缝识别与投影修正方法及系统 |
-
2019
- 2019-07-25 CN CN201910678756.4A patent/CN110415232A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104005325A (zh) * | 2014-06-17 | 2014-08-27 | 武汉武大卓越科技有限责任公司 | 基于深度和灰度图像的路面裂缝检测装置和方法 |
CN108846860A (zh) * | 2018-04-25 | 2018-11-20 | 中国矿业大学(北京) | 一种破损圆柱形排水管道内壁三维重建方法 |
CN109359409A (zh) * | 2018-10-31 | 2019-02-19 | 张维玲 | 一种基于视觉与激光雷达传感器的车辆可通过性检测系统 |
CN109580649A (zh) * | 2018-12-18 | 2019-04-05 | 清华大学 | 一种工程结构表面裂缝识别与投影修正方法及系统 |
Non-Patent Citations (1)
Title |
---|
代先星: "《高速铁路扣件缺陷三维检测系统集成与识别算法》", 《万方学术数据库》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114910046A (zh) * | 2022-04-26 | 2022-08-16 | 同济大学 | 一种基于双向线结构光的路面三维检测系统及其方法 |
CN114910046B (zh) * | 2022-04-26 | 2023-09-26 | 同济大学 | 一种基于双向线结构光的路面三维检测系统及其方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111855664B (zh) | 一种可调节隧道病害三维检测系统 | |
Chen et al. | Real-time identification system of asphalt pavement texture based on the close-range photogrammetry | |
US20160292518A1 (en) | Method and apparatus for monitoring changes in road surface condition | |
CN105006021B (zh) | 一种适用于快速点云三维重建的颜色映射方法及装置 | |
US7801333B2 (en) | Vision system and a method for scanning a traveling surface to detect surface defects thereof | |
CN103630496B (zh) | 基于路面视亮度和最小二乘法的交通视频能见度检测方法 | |
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 | |
US20130076871A1 (en) | High speed photometric stereo pavement scanner | |
CN1170177A (zh) | 图像处理方法 | |
CN105627992A (zh) | 一种快速高精度非接触测绘古建筑的方法 | |
CN104005325A (zh) | 基于深度和灰度图像的路面裂缝检测装置和方法 | |
US20110221906A1 (en) | Multiple Camera System for Automated Surface Distress Measurement | |
Hernández et al. | Filtering of artifacts and pavement segmentation from mobile lidar data | |
CN103993548A (zh) | 基于多台相机立体拍摄的路面损坏裂缝检测系统及方法 | |
CN204405556U (zh) | 一种基于数字图像处理的混凝土桥梁裂缝检测装置 | |
CN114812450A (zh) | 一种基于机器视觉的沥青路面施工均匀性检测及评价方法 | |
CN100417225C (zh) | 基于光纤耦合的焦平面阵列图像时空变换的方法 | |
CN114998308A (zh) | 一种基于光度立体的缺陷检测方法及系统 | |
CN115330684A (zh) | 基于双目视觉与线结构光的水下构筑物表观缺陷检测方法 | |
CN110415232A (zh) | 一种三维图像路面检测方法 | |
CN109859235A (zh) | 一种夜间移动车灯跟踪检测系统、方法及设备 | |
Kong et al. | Detecting type and size of road crack with the smartphone | |
CN117036326A (zh) | 一种基于多模态融合的缺陷检测方法 | |
CN105096314A (zh) | 基于二值网格模板的结构光动态场景深度获取方法 | |
CN105136114B (zh) | 复杂光环境下基于线结构光的大断面测量方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191105 |