CN113658144A - 路面病害几何信息的确定方法、装置、设备及介质 - Google Patents

路面病害几何信息的确定方法、装置、设备及介质 Download PDF

Info

Publication number
CN113658144A
CN113658144A CN202110959890.9A CN202110959890A CN113658144A CN 113658144 A CN113658144 A CN 113658144A CN 202110959890 A CN202110959890 A CN 202110959890A CN 113658144 A CN113658144 A CN 113658144A
Authority
CN
China
Prior art keywords
image
geometric information
determining
area
pavement
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.)
Granted
Application number
CN202110959890.9A
Other languages
English (en)
Other versions
CN113658144B (zh
Inventor
董元帅
侯芸
仝鑫隆
张艳红
曹雨轩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Checsc Highway Maintenance And Test Technology Co ltd
China Highway Engineering Consultants Corp
CHECC Data Co Ltd
Original Assignee
Checsc Highway Maintenance And Test Technology Co ltd
China Highway Engineering Consultants Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Checsc Highway Maintenance And Test Technology Co ltd, China Highway Engineering Consultants Corp filed Critical Checsc Highway Maintenance And Test Technology Co ltd
Priority to CN202110959890.9A priority Critical patent/CN113658144B/zh
Publication of CN113658144A publication Critical patent/CN113658144A/zh
Application granted granted Critical
Publication of CN113658144B publication Critical patent/CN113658144B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00Geometric image transformations in the plane of the image
    • G06T3/06Topological mapping of higher dimensional structures onto lower dimensional surfaces
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/80Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration

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 Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种路面病害几何信息的确定方法、装置、设备及存储介质,方法包括:获取待处理图像,待处理图像为包括有路面病害的图像;对待处理图像进行二值化处理,得到目标图像;获取目标图像中属于路面病害区域的目标像素点;对大量图像进行图像标定,确定不同位置像素点对应的实际物理空间大小,以创建索引表,基于目标像素点以及索引表,确定路面病害区域的几何信息。本发明用以解决现有技术中基于倾斜方式拍摄的路面图片,确定路面病害几何信息的缺陷,实现基于拍摄装置倾斜拍摄的路面图片,确定路面病害的几何信息。

Description

路面病害几何信息的确定方法、装置、设备及介质
技术领域
本发明涉及路面病害检测技术领域,尤其涉及一种路面病害几何信息的确定方法、装置、设备及存储介质。
背景技术
随着我国公路交通网的不断完善,公路建设的规模越来越大,随之带来的就是庞大的公路养护作业,其中,如何高效地检测道路病害问题也日益突出。
道路在交付使用之后,由于多方面因素的共同影响下,导致公路会产生不同程度的破坏,影响着车辆的通行安全。路面的结构性破坏,通常都是从局部小面积逐渐发生和扩展的。路面的结构性破坏常先发生在行车道的轮迹带上,先是细小的裂缝,网裂、形变,最终成为大范围的结构性破坏。伴随着公路交通量日益增大,重载车辆、超载现象十分严重,加以受路面结构、气候、地形、地质条件、行车荷载等多种环境因素的影响,其基层不论是柔性的还是半刚性的,都会产生不同程度各种形状的裂缝。初期裂缝对公路沥青路面的使用性能常无明显影响,但随着表面雨水或雪水的侵入,使处于开裂状态下的路面病害日趋严重,特别是使裂缝附近路基的含水量加大,甚至饱和,在大量行车荷载的作用下,产生沉陷、冲刷和翻浆等病害,严重影响公路沥青路面的使用性能。
目前,针对路面病害检测,有一种便携式拍摄设备,拍摄设备安装在车辆尾端,以一种倾斜方式拍摄路面。但是在这种倾斜方式拍摄模式中,拍摄的路面照片是呈近大远小现象,对于路面病害几何尺寸的识别,在照片不同位置,其识别结果不同。因此,如何基于倾斜方式拍摄的路面图片,确定路面病害的几何信息是目前业界亟待解决的问题。
发明内容
本发明提供一种路面病害几何信息的确定方法、装置、设备及存储介质,用以解决现有技术中基于倾斜方式拍摄的路面图片,确定路面病害几何信息的缺陷,实现基于拍摄装置倾斜拍摄的路面图片,确定路面病害的几何信息。
本发明提供一种基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法,包括:
获取待处理图像,所述待处理图像为包括有所述路面病害的图像;
对所述待处理图像进行二值化处理,得到目标图像;
获取所述目标图像中属于路面病害区域的目标像素点;
基于所述目标像素点以及预先标定的标定参数,确定所述路面病害区域的几何信息。
根据本发明提供的一种基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法,所述获取所述目标图像中属于路面病害区域的目标像素点,包括:
获取所述目标图像中所有像素点的灰度值,以及所述路面病害区域对应的预设灰度值;
将所述灰度值等于所述预设灰度值时对应的像素点,作为所述目标像素点。
根据本发明提供的一种基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法,所述基于所述目标像素点以及预先标定的标定参数,确定所述路面病害区域的几何信息,包括:
基于所述标定参数,创建索引表,所述索引表用于表示像素点与实际物理空间大小的对应关系;
基于所述索引表,计算每个所述目标像素点对应的实际物理空间面积;
对计算得到的每个所述实际物理空间面积,进行求和处理,得到所述路面病害区域的实际面积。
根据本发明提供的一种基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法,所述基于所述目标像素点以及预先标定的标定参数,确定所述病害区域的几何信息,包括:
对所述目标图像进行骨架提取,得到所述目标图像的骨架图像;
确定所述骨架图像的图像长度;
基于所述图像长度和所述索引表,确定所述病害区域的实际长度。
根据本发明提供的一种基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法,所述基于所述目标像素点以及预先标定的标定参数,确定所述病害区域的几何信息,包括:
基于所述病害区域的实际面积和所述病害区域的实际长度,确定所述病害区域的实际宽度。
根据本发明提供的一种基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法,所述获取待处理图像,包括:
获取原始图像;
基于有效区域绘制模板,裁剪所述原始图像,得到所述待处理图像。
根据本发明提供的一种基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法,所述方法还包括:
按照预设尺寸,对所述待处理图像进行网格绘制。
本发明还提供一种基于拍摄装置倾斜拍摄的路面病害几何信息的确定装置,包括:
第一获取模块,用于获取待处理图像,所述待处理图像为包括有所述路面病害的图像;
处理模块,用于对所述待处理图像进行二值化处理,得到目标图像;
第二获取模块,用于获取所述目标图像中属于路面病害区域的目标像素点;
确定模块,用于基于所述目标像素点以及预先标定的标定参数,确定所述路面病害区域的几何信息。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法的步骤。
本发明提供的路面病害几何信息的确定方法、装置、设备及存储介质,通过获取待处理图像,其中,待处理图像为包括有路面病害的图像,且待处理图像为通过拍摄装置倾斜拍摄得到;对待处理图像进行二值化处理,得到目标图像;获取目标图像中属于路面病害区域的目标像素点;基于目标像素点和预先标定的标定参数,确定路面病害的几何信息,可见,本发明实现基于拍摄装置倾斜拍摄的路面图片,确定路面病害的几何信息。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的路面病害几何信息的确定方法的流程示意图之一;
图2是本发明提供的路面病害几何信息的确定方法的流程示意图之二;
图3是本发明提供的路面病害几何信息的确定方法的流程示意图之三;
图4是本发明提供的路面病害几何信息的确定方法的流程示意图之四;
图5是本发明提供的路面病害几何信息的确定方法的流程示意图之五;
图6是本发明提供的路面病害几何信息的确定方法的流程示意图之六;
图7是本发明提供的路面病害几何信息的确定方法的流程示意图之七;
图8是本发明提供的路面病害几何信息的确定方法的流程示意图之八;
图9是本发明提供的路面病害几何信息的确定方法的流程示意图之九;
图10是本发明提供的路面病害几何信息的确定方法的流程示意图之十;
图11是本发明提供的路面病害几何信息的确定方法的流程示意图之十一;
图12是本发明提供的路面病害几何信息的确定方法的流程示意图之十二;
图13是本发明提供的路面病害几何信息的确定方法的流程示意图之十三;
图14是本发明提供的路面病害几何信息的确定方法的流程示意图之十四;
图15是本发明提供的路面病害几何信息的确定方法的流程示意图之十五;
图16是本发明提供的路面病害几何信息的确定方法的流程示意图之十六;
图17是本发明提供的路面病害几何信息的确定装置的结构示意图;
图18是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合图1-图16描述本发明的基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法。
本发明以拍摄装置安装在车辆尾端,距离地面2米,与竖直方形成30°角的倾斜方式拍摄路面为例进行说明,如图1所示。但需要说明的是仅为举例说明,并不用于对本发明的保护范围进行限定。
本发明实施例提供了一种基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法,该方法可以应用在智能终端,例如,手机、电脑、平板等,也可以应用在服务器中。下面,以该方法应用在服务器为例进行说明,但需要说明的是仅为举例说明,并不用于对本发明的保护范围进行限定。本发明实施例中的一些其他说明,也是举例说明,并不用于对本发明的保护范围进行限定,之后便不再一一说明。该方法的具体实现如图2所示:
步骤201,获取待处理图像。
其中,待处理图像为包括有路面病害的图像。
一个具体实施例中,本发明获取原始图像;基于有效区域绘制模板,裁剪原始图像,得到待处理图像。
其中,拍摄装置可以为单目相机。
具体的,因为单目相机拍摄的视野范围很广,所以在车道线以外的区域也会被拍摄进去,但实际对缺陷区域做测量统计分析时,都是对单车道线内部的缺陷区域进行处理,在车道线外部的缺陷需要被剔除掉,所以需要制作一个车道有效区域的绘制模板,将其以图像形式显示出来,如图3所示。绘制模板的黑色区域的权重为0,为车道线以外的部分,白色区域的权重为1,为车道线以内的部分。
其中,绘制模块的绘制方法如下所示:
首先,建立可以覆盖整个视野范围的6400×4100像素大小的图像,然后根据车道宽度标记出不同大小的白色区域,例如,车道宽度为3.6米,则白色区域的大小应该为3600×4100像素,且位于图像中央。再者,从中取出整个相机成像视野范围的梯形区域(上底为6400像素,下底为3000像素,高为4100像素),将梯形区域利用透视变换重新映射到4096×3000像素的相机成像图像上,可以初步得出图3所示的有效区域,这时就可以把车道线内部的缺陷单独提取出来。
但仅仅这样做还不够,因为相机实际在采集图像的过程中是采用软触发的模式,相机帧率的高低会自适应车速的快慢,为了保证全部的道路信息被拍摄到,上一帧图像不会和下一帧图像的场景完全分离开,而是始终保持大约百分之25的重复率,反映到实际拍摄场景的大小就是纵向长度上有大约1米的范围是重复的,这将导致该部分的缺陷会被重复计算两次,影响最终结果的准确率。为了消除这部分的影响,需要将每幅图像最上方纵向重复的1米区域给消除掉,根据索引表可以计算出相机视野范围内纵向最远端的1米范围反映在拍摄图像的最上方大约是395个像素,所以需要在图3的最上方再添加一个黑色矩形以消除拍摄的原始图像带有一定重复率的影响,最终处理后的图像如图4所示。在图4中,白色区域就是每幅图像最终的有效区域,虽然其形状是不规则图像,但是刚好可以提取出每幅图像车道线内部的缺陷区域并且消除掉因为采集图像的重复率而导致后续统计结果不准的问题。其中,最终的有效区域对应的图像即为待处理图像。
步骤202,对待处理图像进行二值化处理,得到目标图像。
步骤203,获取目标图像中属于路面病害区域的目标像素点。
一个具体实施例中,目标像素点的获取过程如图5所示:
步骤501,获取目标图像中所有像素点的灰度值,以及路面病害区域对应的预设灰度值。
其中,预设灰度值为255。
步骤502,将灰度值等于预设灰度值时对应的像素点,作为目标像素点。
其中,灰度值等于255对应的白色像素点,则为目标像素点。
步骤204,基于目标像素点以及预先标定的标定参数,确定路面病害区域的几何信息。
一个具体实施例中,确定路面病害区域的几何信息的具体实现如图6所示:
步骤601,基于标定参数,创建索引表。
其中,索引表用于表示像素点与实际物理空间大小的对应关系。
具体的,将单目相机按照固定的高度和角度在实验室中进行标定,可以求出相机的内外参数和与地面之间的位置关系。假设场景切换之后,只要相机的高度和角度依然保持不变,场景中任意位置的缺陷依然都可以已经标定的标定参数进行准确地测量。
在本发明中,其标定过程用到的主要算法有:用于检测准确棋盘格角点的角点检测算法、用于求解单目相机内外参数初值的张正友标定法、最大似然法优化外参数初值、利用最小二乘法求出畸变系数初值、以及采用LM算法优化内外参数以及畸变系数。具体的标定过程如下所示:
步骤一、角点检测法
第一步,由于局部平均自适应阈值化方法对图像亮度不均匀的情况适应性强,所以采用该方法对图像进行二值化,可以将图7所示的第一图像处理成图8中的第二图像,其中,第二图像为二值化图像。
第二步,图像膨胀分离第二图像中各个黑块四边形的衔接,由于膨胀的是白色像素点,因此能够缩小黑块四边形,断开衔接部分,得到第三图像,具体如图9所示。
第三步,对第三图像进行多边形检测并计算每个轮廓的凸包,根据凸包的数量来判断该轮廓是否为四边形,再用长宽比、周长和面积等约束去除一些干扰四边形,得到第四图像,具体如图10所示。
第四步,将第四图像中,每个四边形作为一个独立的单元,它都有邻近的四边形,如果无邻近四边形的则为干扰四边形,只有两个邻近四边形的为边界处四边形,有四个邻近四边形的为内部四边形。每个四边形的序号可按邻近关系进行排序,然后按对角方向的两个四边形相对靠近的两个点,取其连线的中间点作为角点,得到第五图像,具体如图11所示。
其中,整个棋盘格角点的定位过程是一个循环过程,先对读入的第一图像直方图均衡化,接着自适应二值化,再对二值化后的图像膨胀。为了定位的鲁棒性,自适应二值化和膨胀所采用核的大小不能是唯一的,故不断的循环用不同的参数对第一图像进行处理,膨胀所采用的核是由小变大,最终提取到精确的角点亚像素坐标位置。
步骤二、张正友标定法
通过步骤一中角点检测法,可以准确找出所有标定图像中的角点亚像素坐标点,根据相机成像示意图,其中,(Xw,Yw,Zw)为目标坐标系中的坐标点,(Xc,Yc,Zc)为摄像机坐标系中的坐标点,oc(x,y)为图像物理坐标系的坐标点,具体如图12所示,和相机成像的数学模型,得到内参矩阵初值和外参初值。
其中,相机成像的数学模型见公式(1)(2)(3):
Figure BDA0003221853240000101
Figure BDA0003221853240000102
Figure BDA0003221853240000103
其中,s是尺度因子,[R T]为标定板坐标系和相机坐标系之间的旋转和平移矩阵,[u0,v0]是光心坐标,α和β焦距,k1和k2是径向畸变系数,γ为变量,X、Y、Z为坐标点。其中,本方案只考虑径向畸变系数。
内参矩阵初值和外参初值的计算,见公式(4)至公式(22):
Figure BDA0003221853240000104
则:
Figure BDA0003221853240000111
可化简为:
Figure BDA0003221853240000112
代入标定板坐标系的坐标和提取的角点坐标,利用最小二乘法可得:
Figure BDA0003221853240000113
由:
H=A[r1 r2 t]=λ1[h1 h2 h3] (8)
得:
Figure BDA0003221853240000114
根据旋转矩阵的性质:
Figure BDA0003221853240000121
得:
Figure BDA0003221853240000122
令:
B=A-TA-1 (12)
化简可得:
Figure BDA0003221853240000123
令:
Figure BDA0003221853240000124
hi=[hi1 hi2 hi3]T (15)
b=[B11 B12 B22 B13B23 B33]T (16)
则公式(11)可化简为:
Figure BDA0003221853240000125
其中:
Vij=[hi1hj1 hi1hj2+hi2hj1 hi2hj2 hi3hj1+hi1hj3 hi2hj3+hi3hj2 hi3hj3]T (18)
得:
Figure BDA0003221853240000131
再次利用最小二乘法,求出b,从而解得内参矩阵A:
Figure BDA0003221853240000132
得到内参矩阵A之后,根据公式(9),可得外参矩阵:
Figure BDA0003221853240000133
其中:
λ1=1/||A-1*h1||=1/||A-1*h2|| (22)
至此,所有内参矩阵初值A以及外参初值r1,r2,r3,t均已求出。
其中,h11、h12、h13、h21、h22、h23、h31、h32、h33、h1、h2、h3均为变量。
步骤三、外参初值优化
首先对计算出的旋转矩阵进行优化,因为标定出来的r1,r2,r3不满足旋转矩阵的性质,故先利用最大似然估计优化旋转矩阵,具体通过公式(23)至公式(27)进行优化:
Figure BDA0003221853240000141
其中,Q是相机坐标系和世界坐标系之间的单应性矩阵,用于描述两个三维坐标系之间的关系。
再利用:
Figure BDA0003221853240000142
通过上式可以看出,该问题已经转化为使trace(RTQ)最大,其中,可以对Q进行奇异值分解:
Q=UDVT (25)
trace(RTQ)=trace(RTUDVT)=trace(VTRTUD)=trace(ZD) (26)
可以看出,当Z为单位矩阵时,trace(RTQ)最大,可得:
R=UVT (27)
其中,U为3*3的正交矩阵,V为3*3的正交矩阵,D为对角矩阵。
步骤四、求解畸变系数初值
通过公式(28),求解畸变系数初值:
优化旋转矩阵之后,公式(2)和(3)可化简为:
Figure BDA0003221853240000143
对上式采用最小二乘法,可求得畸变系数k1,k2
步骤五、内外参数优化
通过迭代求函数极值算法(Levenberg-Marquardt,简称LM)对所有的标定参数进行优化,共计需要优化[α,β,γ,k1,k2,R(1)toR(9),u0,v0,T(1),T(2),T(3)]19个参数,直接优化的难度是很大的,这时可以引入佛罗里格斯公式(Rodrigues),用[a b c θ]替换R(1)toR(9),从而使得优化的参数变为[α,β,γ,k1,k2,a,b,c,θ,u0,v0,T(1),T(2),T(3)]14个参数,再使用基于LM算法的最大似然估计进行优化,其优化方程如公式(29):
Figure BDA0003221853240000151
其中,R(1)toR(9)分别为旋转矩阵R中的9个数值,R为3*3的矩阵。
具体的,基于Rodrigues公式,将3*3的旋转矩阵变为1*3的旋转向量和一个转角,其中,θ表示转角。
LM算法的优化利用公式(30):
[JTJ+λdiag(JTJ)]δ=JT[Yi-f(xi,β)] (30)
其中,J为矩阵,Yi为变量,i为变量,β为输入参数,δ为系数。
经过LM算法优化后得到的一系列相机内外参数就是整个测量算法采用的最终的标定参数,实验中我们使用这套参数将世界坐标系中的棋盘格角点反算投影到像平面坐标系,进行重投影误差计算,其实际计算出误差值小于1个像素,这时就可以认为单目相机标定是准确的,其标定参数可用。
具体的,进行相机标定得到标定参数之后,建立索引表。
因为单目相机是以倾斜的方式拍摄地面,所以图像中每一个像素点对应的实际物理空间大小都是不一致的。使用得出的标定参数,再利用公式(31),建立索引表:
[x y z]=[X Y Z]R+t (31)
上式中,[x y z]为相机坐标系,[X Y Z]为世界坐标系,R为旋转矩阵,t为平移矩阵。这样就可以将图像中的每一个像素点准确映射到世界坐标系中,从而计算出每个像素点所表示的实际物理空间大小,包括长度,宽度,对角线长度和面积等信息。实际上,为了方便计算查找,我们将4K图像上的1200万个像素点所包含的全部物理信息导入到了一个含有4800万个参数的数组中,便于提升缺陷测量模块的计算效率。
步骤602,基于索引表,计算每个目标像素点对应的实际物理空间面积。
步骤603,对计算得到的每个实际物理空间面积,进行求和处理,得到路面病害区域的实际面积。
一个具体实施例中,确定病害区域的实际长度的过程为:对目标图像进行骨架提取,得到目标图像的骨架图像;确定骨架图像的图像长度;基于图像长度和索引表,确定病害区域的实际长度。
具体的,如果不对缺陷区域的目标图像进行处理的话,是无法直接计算出实际缺陷的长度。所以一定要对目标图像做骨架提取,骨架提取也叫图像细化,是从原来的图中去掉一些点,但仍要保持原来的形状,也是保持原图的骨架。
本发明使用的方法为查表法,判断一个点是否能去除是以8个相邻点(八连通域)的情况来作为判据的,具体判据为:1.内部点不能删除;2.孤立点不能删除(因为孤立点的骨架还是本身);3.直线端点不能删除;4.假设点P是边界点,去掉P后,如果连通分量不增加,则P可删除。
该方法对于白色的像素点,可以将它周围的8个点赋予不同的价值,如图13所示,若周围无白色像素点,那该点就是孤立点,可以认为其价值是255,若周围有黑色点出现,则取其黑色点对应在九宫格中的价值并求和,通过这种方法,可以把所有点的情况映射到0-255的查找表中,最后可以扫描整个缺陷区域的目标图像,对于白色的像素点,根据其八邻域的情况判断它的价值,然后根据查找表中对应的项来决定是否要保留这一点。
通过查表法,可以将缺陷区域的掩模图处理成只有一个像素宽的平滑骨架图像,对骨架图像中的每一个像素点,再与周围两个白色像素点进行一次位置逻辑关系判断,用来确定是利用像素点的宽度、长度和对角线哪一个信息来计算整个骨架的长度,确定好信息之后,利用索引表,计算出整个骨架图像所代表的实际长度。
一个具体实施例中,基于病害区域的实际面积和病害区域的实际长度,确定病害区域的实际宽度。
具体的,在计算出病害区域的实际面积和实际长度后,利用公式(32)就可以计算出实际宽度。
Figure BDA0003221853240000171
其中,S表示实际面积,L表示实际长度、W表示实际宽度。
一个具体实施例中,按照预设尺寸,对待处理图像进行网格绘制。
具体的,为了更直观地看出缺陷区域占实际物理空间的大小,缺陷测量算法也绘制了一个标准网格线覆盖在道路图像上,如图14和图15所示,其中每一个小网格的大小代表实际尺寸的10cm×10cm,且颜色可调。根据相机倾斜拍摄成像近大远小的原理,网格会呈现出远处密集、近处稀疏的情况。
算法绘制网格的原理主要是根据相机标定和索引表可以计算出相机平面反映的真实物理空间大小,经过计算可以得出相机平面拍摄的最远端宽度为6.4米,最近端宽度为3米,纵向延伸长度为4.1米。根据求出的实际面积大小,可以先在6400×4100像素大小的图像上每隔100个像素点就绘制一条线,横纵方向间隔保持一致,再从中取出一个梯形区域(上底为6400像素,下底为3000像素,高为4100像素),将该区域透视变换到相机像平面区域,大小为4096×3000像素,即可显示为图14中的形式。
上述中的透视变换是将图片投影到一个新的视平面,也称作投影映射,它是平面点(x,y)到三维点(X,Y,Z),再到另一个平面点(x',y')的映射。相对于仿射变换,它提供了更大的灵活性,可以将一个四边形区域映射到另一个四边形区域(不一定是平行四边形),该方法并不算是线性变换,而是通过矩阵乘法实现的,使用的是一个3×3的矩阵,矩阵的前两行与仿射变换中的矩阵相同(m11,m12,m13,m21,m22,m23),同样为了实现线性变换和平移,第三行用于实现透视变换,如公式(33)至公式(35):
Figure BDA0003221853240000181
X=m11x+m12y+m13
Y=m21x+m22y+m23
Z=m31x+m32y+m33 (34)
Figure BDA0003221853240000182
Figure BDA0003221853240000183
上述公式中假设变换之前的点是z值为1的点,它在三维平面上的值为(x,y,1),在二维平面上的投影是(x,y),通过矩阵变换成三维中的点(X,Y,Z),再除以三维中Z轴的值,就可以再次转换回二维平面中的点(x',y')。
最后,对本发明提供的方法进行验证,具体如下:
为了验证本发明的准确性和误差,设计了一个实验方法,在4K分辨率的图上专门做一个长度为500毫米、宽度为30毫米的缺陷掩模图,并且放置在图像的各个位置,包括横向、纵向和斜向总共21个方位,如图16所示。从图中可以看出,虽然该缺陷的尺寸大小一直保持一致,但是由于相机是倾斜拍摄的方式,所以它在图中的不同位置呈现出的视觉大小是完全不一致的,但是通过基于索引表的缺陷几何信息测量技术是可以克服这种弊端的。
图16中缺陷在不同位置测量出的平均宽度已经整理到表1中,可以看出在21个位置缺陷的总平均宽度是624.96毫米,平均到每一个位置上是29.76毫米,离标准的30毫米宽度只差0.24毫米,其误差率是0.8%。该项目在理论上的测量精度要求是在1毫米以下,而我们专门设计的测量实验误差在0.24毫米,是大幅小于1毫米的项目要求,所以使用索引表加骨架图像查表法这一套测量方案是完全可行的且符合项目的精度要求。
Figure BDA0003221853240000191
表1 缺陷在不同位置测量出的平均宽度
本发明提供的路面病害几何信息的确定方法、装置、设备及存储介质,通过获取待处理图像,其中,待处理图像为包括有路面病害的图像,且待处理图像为通过拍摄装置倾斜拍摄得到;对待处理图像进行二值化处理,得到目标图像;获取目标图像中属于路面病害区域的目标像素点;基于目标像素点和预先标定的标定参数,确定路面病害的几何信息,可见,本发明实现基于拍摄装置倾斜拍摄的路面图片,确定路面病害的几何信息。
下面对本发明提供的基于拍摄装置倾斜拍摄的路面病害几何信息的确定装置进行描述,下文描述的基于拍摄装置倾斜拍摄的路面病害几何信息的确定装置与上文描述的基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法可相互对应参照,如图17所示:
第一获取模块1701,用于获取待处理图像,待处理图像为包括有路面病害的图像;
处理模块1702,用于对待处理图像进行二值化处理,得到目标图像;
第二获取模块1703,用于获取目标图像中属于路面病害区域的目标像素点;
确定模块1704,用于基于目标像素点以及预先标定的标定参数,确定路面病害区域的几何信息。
一个具体实施例中,第二获取模块1703,具体用于获取目标图像中所有像素点的灰度值,以及路面病害区域对应的预设灰度值;将灰度值等于预设灰度值时对应的像素点,作为目标像素点。
一个具体实施例中,确定模块1704,具体用于基于标定参数,创建索引表,索引表用于表示像素点与实际物理空间大小的对应关系;基于索引表,计算每个目标像素点对应的实际物理空间面积;对计算得到的每个实际物理空间面积,进行求和处理,得到路面病害区域的实际面积。
一个具体实施例中,确定模块1704,具体用于对目标图像进行骨架提取,得到目标图像的骨架图像;确定骨架图像的图像长度;基于图像长度和索引表,确定病害区域的实际长度。
一个具体实施例中,确定模块1704,具体用于基于病害区域的实际面积和病害区域的实际长度,确定病害区域的实际宽度。
一个具体实施例中,第一获取模块1701,具体用于获取原始图像;基于有效区域绘制模板,裁剪原始图像,得到待处理图像。
一个具体实施例中,该装置还包括绘制模块,用于按照预设尺寸,对待处理图像进行网格绘制。
图18示例了一种电子设备的实体结构示意图,如图18所示,该电子设备可以包括:处理器(processor)1801、通信接口(Communications Interface)1802、存储器(memory)1803和通信总线1804,其中,处理器1801,通信接口1802,存储器1803通过通信总线1804完成相互间的通信。处理器1801可以调用存储器1803中的逻辑指令,以执行于拍摄装置倾斜拍摄的路面病害几何信息的确定方法,该方法包括:获取待处理图像,待处理图像为包括有路面病害的图像;对待处理图像进行二值化处理,得到目标图像;获取目标图像中属于路面病害区域的目标像素点;基于目标像素点以及预先标定的标定参数,确定路面病害区域的几何信息。
此外,上述的存储器1803中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的于拍摄装置倾斜拍摄的路面病害几何信息的确定方法,该方法包括:获取待处理图像,待处理图像为包括有路面病害的图像;对待处理图像进行二值化处理,得到目标图像;获取目标图像中属于路面病害区域的目标像素点;基于目标像素点以及预先标定的标定参数,确定路面病害区域的几何信息。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各提供的于拍摄装置倾斜拍摄的路面病害几何信息的确定方法,该方法包括:获取待处理图像,待处理图像为包括有路面病害的图像;对待处理图像进行二值化处理,得到目标图像;获取目标图像中属于路面病害区域的目标像素点;基于目标像素点以及预先标定的标定参数,确定路面病害区域的几何信息。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法,其特征在于,包括:
获取待处理图像,所述待处理图像为包括有所述路面病害的图像;
对所述待处理图像进行二值化处理,得到目标图像;
获取所述目标图像中属于路面病害区域的目标像素点;
基于所述目标像素点以及预先标定的标定参数,确定所述路面病害区域的几何信息。
2.根据权利要求1所述的基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法,其特征在于,所述获取所述目标图像中属于路面病害区域的目标像素点,包括:
获取所述目标图像中所有像素点的灰度值,以及所述路面病害区域对应的预设灰度值;
将所述灰度值等于所述预设灰度值时对应的像素点,作为所述目标像素点。
3.根据权利要求2所述的基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法,其特征在于,所述基于所述目标像素点以及预先标定的标定参数,确定所述路面病害区域的几何信息,包括:
基于所述标定参数,创建索引表,所述索引表用于表示像素点与实际物理空间大小的对应关系;
基于所述索引表,计算每个所述目标像素点对应的实际物理空间面积;
对计算得到的每个所述实际物理空间面积,进行求和处理,得到所述路面病害区域的实际面积。
4.根据权利要求3所述的基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法,其特征在于,所述基于所述目标像素点以及预先标定的标定参数,确定所述病害区域的几何信息,包括:
对所述目标图像进行骨架提取,得到所述目标图像的骨架图像;
确定所述骨架图像的图像长度;
基于所述图像长度和所述索引表,确定所述病害区域的实际长度。
5.根据权利要求4所述的基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法,其特征在于,所述基于所述目标像素点以及预先标定的标定参数,确定所述病害区域的几何信息,包括:
基于所述病害区域的实际面积和所述病害区域的实际长度,确定所述病害区域的实际宽度。
6.根据权利要求1-5任一项所述的基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法,其特征在于,所述获取待处理图像,包括:
获取原始图像;
基于有效区域绘制模板,裁剪所述原始图像,得到所述待处理图像。
7.根据权利要求1-5任一项所述的基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法,其特征在于,所述方法还包括:
按照预设尺寸,对所述待处理图像进行网格绘制。
8.一种基于拍摄装置倾斜拍摄的路面病害几何信息的确定装置,其特征在于,包括:
第一获取模块,用于获取待处理图像,所述待处理图像为包括有所述路面病害的图像;
处理模块,用于对所述待处理图像进行二值化处理,得到目标图像;
第二获取模块,用于获取所述目标图像中属于路面病害区域的目标像素点;
确定模块,用于基于所述目标像素点以及预先标定的标定参数,确定所述路面病害区域的几何信息。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于拍摄装置倾斜拍摄的路面病害几何信息的确定方法的步骤。
CN202110959890.9A 2021-08-20 2021-08-20 路面病害几何信息的确定方法、装置、设备及介质 Active CN113658144B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110959890.9A CN113658144B (zh) 2021-08-20 2021-08-20 路面病害几何信息的确定方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110959890.9A CN113658144B (zh) 2021-08-20 2021-08-20 路面病害几何信息的确定方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN113658144A true CN113658144A (zh) 2021-11-16
CN113658144B CN113658144B (zh) 2023-06-27

Family

ID=78481581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110959890.9A Active CN113658144B (zh) 2021-08-20 2021-08-20 路面病害几何信息的确定方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN113658144B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114663449A (zh) * 2022-05-25 2022-06-24 深圳思谋信息科技有限公司 道路病害面积计算方法、装置、计算机设备和存储介质
CN114708319A (zh) * 2022-05-25 2022-07-05 深圳思谋信息科技有限公司 病害区域定位方法、装置、设备、存储介质和程序产品

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100136604A (ko) * 2009-06-19 2010-12-29 (주)이지스 3차원 지형 영상 실시간 가시화 시스템 및 이의 방법
CN102186094A (zh) * 2011-04-29 2011-09-14 深圳超多维光电子有限公司 一种媒体文件的播放方法及装置
JP2011179874A (ja) * 2010-02-26 2011-09-15 East Nippon Expressway Co Ltd 舗装路面のクラックの抽出と損傷レベルの評価方法
CN105512115A (zh) * 2014-09-22 2016-04-20 惠州市德赛西威汽车电子股份有限公司 一种车载导航图片处理方法
CN106053475A (zh) * 2016-05-24 2016-10-26 浙江工业大学 基于主动式全景视觉的隧道病害全断面动态快速检测装置
CN106097444A (zh) * 2016-05-30 2016-11-09 百度在线网络技术(北京)有限公司 高精地图生成方法和装置
CN106781476A (zh) * 2016-12-22 2017-05-31 中国人民解放军第三军医大学第三附属医院 交通事故中车辆动态位置分析方法
CN109940626A (zh) * 2019-01-23 2019-06-28 浙江大学城市学院 一种基于机器人视觉的画眉机器人系统及其控制方法
CN111145161A (zh) * 2019-12-28 2020-05-12 北京工业大学 一种路面裂缝数字图像处理和识别的方法
CN111485475A (zh) * 2020-04-23 2020-08-04 陕西国防工业职业技术学院 一种路面坑槽识别方法及其装置
CN112085699A (zh) * 2020-07-31 2020-12-15 东南大学 一种基于二维图像的路面裂缝提取方法
CN112419250A (zh) * 2020-11-13 2021-02-26 湖北工业大学 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法
CN112649452A (zh) * 2020-12-17 2021-04-13 苏州斯玛维科技有限公司 工业x射线系统成像方法和装置
CN113066086A (zh) * 2021-04-26 2021-07-02 深圳市商汤科技有限公司 道路病害检测方法及装置、电子设备和存储介质
CN113160303A (zh) * 2021-04-30 2021-07-23 南京金智视讯技术有限公司 一种基于道路影像的路面病害影响面积计算方法
CN113240623A (zh) * 2021-03-18 2021-08-10 中国公路工程咨询集团有限公司 一种路面病害检测方法及装置

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100136604A (ko) * 2009-06-19 2010-12-29 (주)이지스 3차원 지형 영상 실시간 가시화 시스템 및 이의 방법
JP2011179874A (ja) * 2010-02-26 2011-09-15 East Nippon Expressway Co Ltd 舗装路面のクラックの抽出と損傷レベルの評価方法
CN102186094A (zh) * 2011-04-29 2011-09-14 深圳超多维光电子有限公司 一种媒体文件的播放方法及装置
CN105512115A (zh) * 2014-09-22 2016-04-20 惠州市德赛西威汽车电子股份有限公司 一种车载导航图片处理方法
CN106053475A (zh) * 2016-05-24 2016-10-26 浙江工业大学 基于主动式全景视觉的隧道病害全断面动态快速检测装置
CN106097444A (zh) * 2016-05-30 2016-11-09 百度在线网络技术(北京)有限公司 高精地图生成方法和装置
CN106781476A (zh) * 2016-12-22 2017-05-31 中国人民解放军第三军医大学第三附属医院 交通事故中车辆动态位置分析方法
CN109940626A (zh) * 2019-01-23 2019-06-28 浙江大学城市学院 一种基于机器人视觉的画眉机器人系统及其控制方法
CN111145161A (zh) * 2019-12-28 2020-05-12 北京工业大学 一种路面裂缝数字图像处理和识别的方法
CN111485475A (zh) * 2020-04-23 2020-08-04 陕西国防工业职业技术学院 一种路面坑槽识别方法及其装置
CN112085699A (zh) * 2020-07-31 2020-12-15 东南大学 一种基于二维图像的路面裂缝提取方法
CN112419250A (zh) * 2020-11-13 2021-02-26 湖北工业大学 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法
CN112649452A (zh) * 2020-12-17 2021-04-13 苏州斯玛维科技有限公司 工业x射线系统成像方法和装置
CN113240623A (zh) * 2021-03-18 2021-08-10 中国公路工程咨询集团有限公司 一种路面病害检测方法及装置
CN113066086A (zh) * 2021-04-26 2021-07-02 深圳市商汤科技有限公司 道路病害检测方法及装置、电子设备和存储介质
CN113160303A (zh) * 2021-04-30 2021-07-23 南京金智视讯技术有限公司 一种基于道路影像的路面病害影响面积计算方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
WENTONG GUO: "Intelligent detection device of pavement disease based on image recognition technology", pages 1 - 5 *
徐为驰 等: "基于图像的路面病害检测方法研究", no. 158, pages 157 - 161 *
洪汉玉 等: "道路病害形态特征的图像分析", vol. 36, no. 4, pages 70 - 75 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114663449A (zh) * 2022-05-25 2022-06-24 深圳思谋信息科技有限公司 道路病害面积计算方法、装置、计算机设备和存储介质
CN114708319A (zh) * 2022-05-25 2022-07-05 深圳思谋信息科技有限公司 病害区域定位方法、装置、设备、存储介质和程序产品
CN114708319B (zh) * 2022-05-25 2022-09-30 深圳思谋信息科技有限公司 病害区域定位方法、装置、设备、存储介质和程序产品

Also Published As

Publication number Publication date
CN113658144B (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
KR101554241B1 (ko) 3차원 이미지에서의 결함성 픽셀 깊이 데이터 값의 깊이 맵 품질 향상을 위한 방법
CN110866531A (zh) 一种基于三维建模的建筑物特征提取方法、系统及存储介质
Li et al. An improved building boundary extraction algorithm based on fusion of optical imagery and LIDAR data
CN109859226B (zh) 一种图形分割的棋盘格角点亚像素的检测方法
CN107993263B (zh) 环视系统自动标定方法、汽车、标定装置及存储介质
CN113658144B (zh) 路面病害几何信息的确定方法、装置、设备及介质
CN110751620B (zh) 估算体积和重量的方法、电子设备及计算机可读存储介质
CN111047698B (zh) 一种真正射影像采集方法
CN105335952B (zh) 匹配代价计算方法和装置、以及视差值计算方法和设备
CN108629742B (zh) 真正射影像阴影检测与补偿方法、装置及存储介质
CN113642463B (zh) 一种视频监控和遥感图像的天地多视图对齐方法
CN116805356A (zh) 建筑模型的构建方法、设备及计算机可读存储介质
CN114863258B (zh) 海天线场景中基于视角转换检测小目标的方法
CN114463521B (zh) 一种面向空地影像数据融合的建筑目标点云快速生成方法
CN114998448B (zh) 一种多约束双目鱼眼相机标定与空间点定位的方法
CN111126418A (zh) 一种基于平面透视投影的倾斜影像匹配方法
CN114782628A (zh) 基于深度相机的室内实时三维重建方法
CN113971669A (zh) 应用于管道损伤识别的三维检测系统
CN117557617B (zh) 一种基于平面先验优化的多视密集匹配方法、系统及设备
CN112446926B (zh) 一种激光雷达与多目鱼眼相机的相对位置标定方法及装置
CN117522853A (zh) 光伏电站的故障定位方法、系统、设备及存储介质
CN116612097A (zh) 一种基于表面缺陷图像的木材内部节子形态预测方法及系统
CN116823639A (zh) 一种图像畸变矫正方法、装置、设备及存储介质
CN112700538B (zh) Lod生成方法及系统
CN114943711A (zh) 基于LiDAR点云和影像的建筑物提取方法和系统

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230602

Address after: 100089 2nd floor, Beijing municipal building, 17 Changyun palace, Zizhuqiao, West Third Ring Road, Haidian District, Beijing

Applicant after: CHINA HIGHWAY ENGINEERING CONSULTING Corp.

Applicant after: CHECSC HIGHWAY MAINTENANCE AND TEST TECHNOLOGY CO.,LTD.

Applicant after: ZHONGZI DATA CO.,LTD.

Address before: 100089 2nd floor, Beijing municipal building, 17 Changyun palace, Zizhuqiao, West Third Ring Road, Haidian District, Beijing

Applicant before: CHINA HIGHWAY ENGINEERING CONSULTING Corp.

Applicant before: CHECSC HIGHWAY MAINTENANCE AND TEST TECHNOLOGY CO.,LTD.

GR01 Patent grant
GR01 Patent grant