CN114018932A - 基于矩形标定物的路面病害指标测量方法 - Google Patents

基于矩形标定物的路面病害指标测量方法 Download PDF

Info

Publication number
CN114018932A
CN114018932A CN202111285560.2A CN202111285560A CN114018932A CN 114018932 A CN114018932 A CN 114018932A CN 202111285560 A CN202111285560 A CN 202111285560A CN 114018932 A CN114018932 A CN 114018932A
Authority
CN
China
Prior art keywords
pixel point
pixel
points
rectangular frame
representing
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
CN202111285560.2A
Other languages
English (en)
Other versions
CN114018932B (zh
Inventor
杜建超
于成龙
王彬凤
李梦
曹博豪
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN202111285560.2A priority Critical patent/CN114018932B/zh
Publication of CN114018932A publication Critical patent/CN114018932A/zh
Application granted granted Critical
Publication of CN114018932B publication Critical patent/CN114018932B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
    • G01B11/285—Measuring arrangements characterised by the use of optical techniques for measuring areas using photoelectric detection means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • G06T2207/30204—Marker
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于矩形标定物的路面病害指标测量方法，主要解决现有技术测量因受相机位姿影响，导致测量结果准确率低的问题。其方案为：通过相机拍摄路面图像，并选择车道分界线中的一个矩形框作为矩形标定物；选择标定物的四个角点，根据其坐标依次计算相机焦距、相机光轴与水平方向的夹角、相机的高度；构造待测量图像并绘制包含病害的矩形框，判断矩形框内病害的类型：若病害为线状病害，则计算其长度；若病害为块状病害，则计算其面积，且在计算面积时使用修正系数表对测量结果进行修正。本发明简化了相机标定方法，提高了路面病害指标测量精度，便于工作人员准确判断其危害程度，制定对应的路面修补措施，可以用于路面状态评估和维护。

Description

基于矩形标定物的路面病害指标测量方法
技术领域
本发明属于图像处理技术领域，特别涉及一种路面病害指标测量方法，可以用于准确评估路面病害的严重程度，及时采取相应的修补措施。
背景技术
随着时间的推移，混凝土路面上会出现许多病害，常见路面病害包括块状病害、线状病害等，其面积、长度等信息是评价其病害程度的重要指标。而图像处理方法是目前测量病害面积、长度最常用的技术。常用的指标测量方法中包括两类，一类是基于标定板标定的测量方法，该方法存在相机标定过程不便于实施的问题；第二类是基于像素数的测量方法，其存在测量结果受相机位姿影响的问题。
屈姗姗在发表的论文“基于单目视觉测距的测高测面积方法”(《科学技术与工程》,2016,(16):224-228)中提出一种基于相机标定的测量方法。其首先对相机进行标定，然后根据像素面积与相机标定结果计算实际面积。该方法由于需要一张棋盘格标定板且拍摄二十至三十张不同角度的标定板图像，故存在相机标定过程不便于实施的问题，导致测量过程繁琐，不便于进行大量路面的测量。
广西壮族自治区农业科学院农业资源与环境研究所在申请号为201710252209.0的专利申请文献中提出“一种基于数码相机图像的叶面积测量方法”，其实施方案包括：首先制作形状规则的比对标尺并测得其面积，然后拍摄叶片图像，图像中需要包含测量的叶片及比对标尺，叶片不能遮挡比对标尺；分别统计叶片和标尺的像素个数，然后根据标尺的面积计算出叶片面积。该方法虽说测量过程简单，但由于在相机光轴与水平方向存在夹角时，其实际面积和像素面积之间并非简单的线性关系，因而存在测量结果受相机位姿影响的问题，导致无法准确评估路面病害程度，不利于路面的及时修补。
发明内容
本发明的目的在于克服上述现有技术存在的缺陷，提出一种基于矩形标定物的路面病害指标测量方法，以简化相机标定方法、避免相机位姿对测量结果的影响，提高路面病害指标测量精度，准确判断其危害程度，便于及时做出对应的路面修补措施。
为实现上述目的，本发明技术方案包括如下：
(1)通过相机拍摄路面图像，并选择车道分界线中的一个矩形框作为矩形标定物；
(2)以路面图像中矩形标定物的左上角所在像素点为起点，按顺时针方向依次选择矩形标定物的四个角点所在像素点P1、P2、P3、P4，分别记录这四个像素点在图像中的坐标(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)；
(3)根据矩形标定物的四个角点所在像素点的坐标，计算拍摄图像的焦距f：
Figure BDA0003332819590000021
其中，L12表示像素点P1与像素点P2之间的欧氏距离，L34表示像素点P3与像素点P4之间的欧氏距离，p表示矩形标定物的实际宽度，q表示矩形标定物的实际长度；
(4)根据拍摄图像的焦距f，获取相机光轴与水平方向的夹角
Figure BDA0003332819590000022
(5)根据拍摄图像的焦距f、相机光轴与水平方向的夹角
Figure BDA0003332819590000023
计算相机的高度H：
Figure BDA0003332819590000024
其中，h表示图像在竖直方向的总像素数，u表示像素点P3与像素点P4纵坐标的平均值；
(6)将路面图像中所有纵坐标小于图像在竖直方向像素点总数的一半的像素点赋值为0，其余像素点值不变，得到待测量图像；
(7)在待测量图像中绘制一个能够包含病害的矩形框，以矩形框的左上角所在像素点为起点，按顺时针方向依次选择矩形框的四个角点所在像素点R1、R2、R3、R4，分别记录这四个像素点在图像中的坐标(U1,V1)、(U2,V2)、(U3,V3)、(U4,V4)；
(8)判断矩形框中病害的类型：若为块状病害，则执行(9)；若为线状病害，则执行(11)；
(9)计算矩形框的面积S：
(9a)根据相机高度H、拍摄图像的焦距f、相机光轴与水平方向的夹角
Figure BDA0003332819590000032
和矩形框四角
所在像素点的坐标(U1,V1)、(U2,V2)、(U3,V3)、(U4,V4)，计算矩形框的四个角点所在像素点对应的实际位置在现实世界中的坐标(Xi,Yi)：
Figure BDA0003332819590000031
其中，Xi表示矩形框的四个角点所在像素点对应实际位置的横坐标，Yi表示矩形框的四个角点所在像素点对应实际位置的纵坐标，Ui表示矩形框的四个角点所在像素点的横坐标，Vi表示矩形框的四个角点所在像素点的纵坐标，i＝1,2,3,4；
(9b)按照像素的坐标将4个像素点对应的4个实际位置所围成的四边形划分为两个三角形，计算这两个三角形的面积，并将其结果相加，得到矩形框的面积S；
(10)构建修正系数表，对矩形框的面积S进行修正，得到块状病害面积S*：
(10a)将待测量图像以2*4的方式划分为八个区域，给每个区域赋予相应的修正系数，即图像左右边缘区域的修正系数值为0.5至0.6，图像中间区域的修正系数值为0.4至0.5，且修正系数值由图像左右边缘区域向中间递增，构成修正系数表；
(10b)根据矩形框四个角点所在像素点的坐标，在修正系数表中选择对应的修正系数，并用矩形框的面积S乘以该修正系数，得到块状病害的面积S*；
(11)根据相机高度H、拍摄图像的焦距f、相机光轴与水平方向的夹角
Figure BDA0003332819590000033
和矩形框四
角所在像素点的坐标，计算线状病害的长度l。
本发明与现有技术相比，具有如下优点：
第一，本发明由于根据路面上长宽已知的矩形标定物计算相机参数，使用更加方便，克服了现有技术存在的相机标定过程不便于实施的缺点。
第二，本发明由于根据矩形框中的病害类型，对块状病害计算其面积，对线状病害计算其长度，且计算面积时根据病害的位置不同用不同的修正系数进行修正，使得测量结果更加准确，克服了现有技术测量结果受相机位姿影响、测量结果不准确的缺点。
附图说明
图1是本发明的实现流程图；
图2是本发明仿真实验中相机拍摄的真实路面图像。
具体实施方式
以下结合附图和具体实施例，对本发明作进一步详细描述。
参照图1，本实例的实现步骤如下：
步骤1，通过相机拍摄路面图像，计算拍摄图像的焦距f。
1.1)通过相机拍摄路面图像，并选择车道分界线中的一个矩形框作为矩形标定物；
公路上通常会标有车道分界线，用于分隔相邻的车道，该标线为白色虚线，由许多大小相同的矩形框组成，拍摄该路面车道分界线图像，从中选择一个矩形框作为矩形标定物；
1.2)以路面图像中矩形标定物的左上角所在像素点为起点，按顺时针方向依次选择矩形标定物的四个角点所在像素点P1、P2、P3、P4，分别记录这四个像素点在图像中的坐标(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)；
1.3)根据矩形标定物四个角点所在像素点的坐标，计算第一像素点P1与第二像素点P2之间的欧氏距离L12和第三像素点P3与第四像素点P4之间的欧氏距离L34：
Figure BDA0003332819590000041
Figure BDA0003332819590000042
其中，xi表示像素点Pi的横坐标，yi表示像素点Pi的纵坐标，i＝1,2,3,4；
1.4)根据第一像素点P1与第二像素点P2之间的欧氏距离L12和第三像素点P3与第四像素点P4之间的欧氏距离L34，计算拍摄图像的f：
Figure BDA0003332819590000043
其中，p表示矩形标定物的实际宽度，q表示矩形标定物的实际长度。
步骤2，根据拍摄图像的焦距f，获取相机光轴与水平方向的夹角
Figure BDA0003332819590000044
2.1)计算第一像素点P1与第四像素点P4所在直线的斜率k14和截距b14：
Figure BDA0003332819590000051
Figure BDA0003332819590000052
其中，x1表示第一像素点P1的横坐标，y1表示第一像素点P1的纵坐标，x4表示第四像素点P4的横坐标，y4表示第四像素点P4的纵坐标；
2.2)计算第二像素点P2与第三像素点P3所在直线的斜率k23和截距b23，公式如下：
Figure BDA0003332819590000053
Figure BDA0003332819590000054
其中，x2表示第二像素点P2的横坐标，y2表示第二像素点P2的纵坐标，x3表示第三像素点P3的横坐标，y3表示第三像素点P3的纵坐标；
2.3)根据(2.1)中得到的直线斜率、截距，计算像素点P1与像素点P4所在直线、像素点P2与像素点P3所在直线的交点在图像中的坐标(M,N)：
Figure BDA0003332819590000055
其中，M表示交点所在像素点的横坐标，N表示交点所在像素点的纵坐标；
2.4)根据交点所在像素点的纵坐标N和焦距f，计算相机光轴与水平方向的夹角
Figure BDA0003332819590000056
Figure BDA0003332819590000057
步骤3，根据拍摄图像的焦距f、相机光轴与水平方向的夹角
Figure BDA0003332819590000058
计算相机的高度H。
3.1)根据拍摄图像的焦距f，计算相机在竖直方向视场角α：
Figure BDA0003332819590000059
其中，h表示图像在竖直方向的总像素数；
3.2)根据拍摄图像的焦距f，计算相机到矩形标定物中靠近相机的两个角点所在直线的垂线与相机光轴之间的夹角β：
Figure BDA0003332819590000061
其中，u表示像素点P3与像素点P4纵坐标的平均值；
3.3)根据相机在竖直方向视场角α、相机到矩形标定物中靠近相机的两个角点所在直线的垂线与相机光轴之间的夹角β、相机光轴与水平方向的夹角
Figure BDA0003332819590000062
计算相机的高度H：
Figure BDA0003332819590000063
其中，q表示矩形标定物的实际长度，L12表示第一像素点P1与第二像素点P2之间的欧氏距离，L34表示第三像素点P3与第四像素点P4之间的欧氏距离。
步骤4，构建待测量图像，并记录其像素点的坐标。
4.1)将路面图像中所有纵坐标小于图像在竖直方向像素点总数的一半的像素点赋值为0，其余像素点值不变，得到待测量图像；
4.2)在待测量图像中绘制一个能够包含病害的矩形框，以矩形框的左上角所在像素点为起点，按顺时针方向依次选择矩形框的四个角点所在像素点R1、R2、R3、R4，分别记录这四个像素点在图像中的坐标(U1,V1)、(U2,V2)、(U3,V3)、(U4,V4)。
步骤5，根据矩形框中病害的类型，进行不同的路面病害大小计算。
路面病害的形状通常有两种，一是块状，另一种是线状，这两形状的病害大小表征不同；
判断矩形框中病害的类型：若为块状病害，则执行(6)；若为线状病害，则执行(8)。
步骤6，计算矩形框的面积S。
6.1)根据相机高度H、拍摄图像的焦距f、相机光轴与水平方向的夹角
Figure BDA0003332819590000064
和矩形框四角所在像素点的坐标(U1,V1)、(U2,V2)、(U3,V3)、(U4,V4)，计算矩形框的四个角点所在像素点对应的实际位置在现实世界中的坐标(Xi,Yi)：
Figure BDA0003332819590000071
其中，Xi表示矩形框的四个角点所在像素点对应实际位置的横坐标，Yi表示矩形框的四个角点所在像素点对应实际位置的纵坐标，Ui表示矩形框的四个角点所在像素点的横坐标，Vi表示矩形框的四个角点所在像素点的纵坐标，i＝1,2,3,4；
6.2)按照像素的坐标将4个像素点对应的4个实际位置所围成的四边形划分为两个三角形，计算这两个三角形的面积，并将其结果相加，得到矩形框的面积S；
6.2.1)以第一像素点R1和第三像素R3所在的直线为界，将R1、R3、第二像素点R2这三个像素点对应的实际位置所围成的三角形作为第一个三角形，将R1、R3、第四像素点R4这三个像素点对应的实际位置所围成的三角形作为第二个三角形；
6.2.2)利用如下公式，分别计算像素点R1与像素点R2对应实际位置之间的欧氏距离D12、像素点R2与像素点R3对应实际位置之间的欧氏距离D23、像素点R1与像素点R3对应实际位置之间的欧氏距离D13、像素点R1与像素点R4对应实际位置之间的欧氏距离D14、像素点R3与像素点R4对应实际位置之间的欧氏距离D34：
Figure BDA0003332819590000072
其中，Dij表示像素点Ri与像素点Rj对应实际位置之间的欧氏距离，Xi表示像素点Ri对应实际位置的横坐标，Yi表示像素点Ri对应实际位置的纵坐标，Xj表示像素点Rj对应实际位置的横坐标，Yj表示像素点Rj对应实际位置的纵坐标，i,j＝1,2,3,4；
6.2.3)计算第一个三角形的周长A1：
A1＝D12+D23+D13；
6.2.4)计算第一个三角形的面积S1：
Figure BDA0003332819590000073
6.2.5)计算第二个三角形的周长A2：
A2＝D13+D14+D34；
6.2.6)计算第二个三角形的面积S2：
Figure BDA0003332819590000081
步骤7，构建修正系数表，对矩形框的面积S进行修正，得到块状病害面积S*：
7.1)将待测量图像以2*4的方式划分为八个区域，给每个区域赋予相应的修正系数，即矩形框中心点坐标小于图像在水平方向像素总数的四分之一或大于图像在水平方向像素总数的四分之三时，修正系数值为0.4至0.5，矩形框中心点坐标大于图像在水平方向像素总数的四分之一且小于图像在水平方向像素总数的四分之三时，修正系数值为0.5至0.6，且修正系数值由图像左右边缘区域向中间递增，构成修正系数表，如表1所示：
表1修正系数表
Figure BDA0003332819590000082
其中，w表示图像在水平方向的像素总数，h表示图像在竖直方向的像素总数，X表示R2、R3在图像中的横坐标平均值，Y表示R2、R3在图像中的纵坐标平均值；
7.2)根据矩形框四个角点所在像素点的坐标，在修正系数表中选择对应的修正系数，并用矩形框的面积S乘以该修正系数，得到块状病害的面积S*。
步骤8，根据相机高度H、拍摄图像的焦距f、相机光轴与水平方向的夹角
Figure BDA0003332819590000094
和矩形框四角所在像素点的坐标，计算线状病害的长度l。
8.1)选择线状病害与矩形框的两个交点，记录两个交点所在像素点的坐标(E1,F1)、(E2,F2)，根据该像素点的坐标，计算线状病害与矩形框的两个交点所在像素点对应的实际位置的坐标(Cn,Dn)：
Figure BDA0003332819590000091
Figure BDA0003332819590000092
其中，Cn表示线状病害与矩形框的两个交点所在像素点对应实际位置的横坐标，Dn表示线状病害与矩形框的两个交点所在像素点对应实际位置的纵坐标，En表示线状病害与矩形框的交点所在像素点的横坐标，Fn表示线状病害与矩形框的交点所在像素点的纵坐标，n＝1,2；
8.2)利用8.1)得到的实际位置的坐标，计算线状病害与矩形框的两个交点所在像素点对应的两个实际位置的欧氏距离作为线状病害的长度l：
Figure BDA0003332819590000093
下面结合仿真实验对本发明的效果做进一步的说明：
1.仿真实验条件：
本发明仿真实验的硬件平台为：处理器为Intel i7-10870H CPU，主频为2.21GHz，内存为16GB。
本发明仿真实验的软件平台为：Windows 10操作系统和Python3.7。
本发明仿真实验所使用的输入图像为步骤1中相机拍摄的路面图像，该路面图像均来自于真实的路面，每张图像的分辨率为1920*1080，如图2所示，图2(a)至图2(f)分别是在不同位置拍摄的路面图像，图2(a)、2(b)为块状病害且其病害程度较轻，空间跨度较小，图2(c)、2(d)为线状病害，图2(e)、2(f)为块状病害且其病害程度较严重，空间跨度较大。
2.仿真内容与结果：
仿真1，采用本发明方法对图2拍摄的路面图像进行仿真，得到病害的指标测量结果，计算该仿真得到的病害指标测量结果与实际测量得到的病害指标测量结果的相对误差值，结果如表1：
表1路面病害指标仿真结果与实际测量结果的相对误差表
图2(a) 图2(b) 图2(c) 图2(d)
实际测量得到病害面积(m<sup>2</sup>) 0.62 0.64 --- ---
仿真得到病害面积(m<sup>2</sup>) 0.67 0.58 --- ---
病害面积测量相对误差(％) +8.06 -9.37 --- ---
实际测量得到病害长度(m) --- --- 1.02 1.05
仿真得到病害长度(m) --- --- 1.12 0.98
病害长度测量相对误差(％) --- --- +9.80％ -6.67％
表1中的“---”代表该指标无需测量，“病害面积测量相对误差”和“病害长度测量相对误差”中的“+”代表测量结果偏大，“-”代表测量结果偏小。
从表1给出的病害面积测量相对误差和病害长度测量相对误差可以看出，本发明能够准对确获取不同路面图像病害的面积和长度信息。
仿真2，分别采用本发明和现有基于数码相机图像的叶面积测量方法对块状病害面积进行仿真测量，分别计算这两种方法仿真得到的病害指标测量结果与实际测量得到的病害指标测量结果的误差值，结果如表2，其中：
“+”代表测量结果偏大，
“-”代表测量结果偏小。
表2本发明与现有技术面积测量结果与实际测量结果的相对误差对照表
Figure BDA0003332819590000111
从表2可以看出，本发明相对误差比现有基于数码相机图像的叶面积测量方法的相对误差小，表明用本发明方法测量病害的面积更加准确。

Claims (7)

1.一种基于矩形标定物的路面病害指标测量方法，其特征在于，包括：
(1)通过相机拍摄路面图像，并选择车道分界线中的一个矩形框作为矩形标定物；
(2)以路面图像中矩形标定物的左上角所在像素点为起点，按顺时针方向依次选择矩形标定物的四个角点所在像素点P1、P2、P3、P4，分别记录这四个像素点在图像中的坐标(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)；
(3)根据矩形标定物的四个角点所在像素点的坐标，计算拍摄图像的焦距f：
Figure FDA0003332819580000011
其中，L12表示像素点P1与像素点P2之间的欧氏距离，L34表示像素点P3与像素点P4之间的欧氏距离，p表示矩形标定物的实际宽度，q表示矩形标定物的实际长度；
(4)根据拍摄图像的焦距f，获取相机光轴与水平方向的夹角
Figure FDA0003332819580000012
(5)根据拍摄图像的焦距f、相机光轴与水平方向的夹角
Figure FDA0003332819580000013
计算相机的高度H：
Figure FDA0003332819580000014
其中，h表示图像在竖直方向的总像素数，u表示像素点P3与像素点P4纵坐标的平均值；
(6)将路面图像中所有纵坐标小于图像在竖直方向像素点总数的一半的像素点赋值为0，其余像素点值不变，得到待测量图像；
(7)在待测量图像中绘制一个能够包含病害的矩形框，以矩形框的左上角所在像素点为起点，按顺时针方向依次选择矩形框的四个角点所在像素点R1、R2、R3、R4，分别记录这四个像素点在图像中的坐标(U1,V1)、(U2,V2)、(U3,V3)、(U4,V4)；
(8)判断矩形框中病害的类型：若为块状病害，则执行(9)；若为线状病害，则执行(11)；
(9)计算矩形框的面积S：
(9a)根据相机高度H、拍摄图像的焦距f、相机光轴与水平方向的夹角
Figure FDA0003332819580000015
和矩形框四角所在像素点的坐标(U1,V1)、(U2,V2)、(U3,V3)、(U4,V4)，计算矩形框的四个角点所在像素点对应的实际位置在现实世界中的坐标(Xi,Yi)：
Figure FDA0003332819580000021
其中，Xi表示矩形框的四个角点所在像素点对应实际位置的横坐标，Yi表示矩形框的四个角点所在像素点对应实际位置的纵坐标，Ui表示矩形框的四个角点所在像素点的横坐标，Vi表示矩形框的四个角点所在像素点的纵坐标，i＝1,2,3,4；
(9b)按照像素的坐标将4个像素点对应的4个实际位置所围成的四边形划分为两个三角形，计算这两个三角形的面积，并将其结果相加，得到矩形框的面积S；
(10)构建修正系数表，对矩形框的面积S进行修正，得到块状病害面积S*：
(10a)将待测量图像以2*4的方式划分为八个区域，给每个区域赋予相应的修正系数，即图像左右边缘区域的修正系数值为0.5至0.6，图像中间区域的修正系数值为0.4至0.5，且修正系数值由图像左右边缘区域向中间递增，构成修正系数表；
(10b)根据矩形框四个角点所在像素点的坐标，在修正系数表中选择对应的修正系数，并用矩形框的面积S乘以该修正系数，得到块状病害的面积S*；
(11)根据相机高度H、拍摄图像的焦距f、相机光轴与水平方向的夹角
Figure FDA0003332819580000022
和矩形框四角所在像素点的坐标，计算线状病害的长度l。
2.根据权利要求1所述的方法，其中(4)所述的根据拍摄图像的焦距f，获取相机光轴与水平方向的夹角
Figure FDA0003332819580000023
实现如下：
(4a)计算像素点P1与像素点P4所在直线的斜率k14和截距b14，计算像素点P2与像素点P3所在直线的斜率k23和截距b23；
(4b)根据(4a)中得到的直线斜率、截距，计算像素点P1与像素点P4所在直线、像素点P2与像素点P3所在直线的交点在图像中的坐标(M,N)：
Figure FDA0003332819580000031
其中，M表示交点所在像素点的横坐标，N表示交点所在像素点的纵坐标；
(4c)根据交点坐标计算相机光轴与水平方向的夹角
Figure FDA0003332819580000032
Figure FDA0003332819580000033
3.根据权利要求1所述的方法，其中(9b)中按照像素点的坐标将4个像素点对应的4个实际位置所围成的四边形划分为两个三角形，计算这两个三角形的面积，实现如下：
(9b1)以第一像素点R1和第三像素R3所在的直线为界，将R1、R3、第二像素点R2这三个像素点对应的实际位置所围成的三角形作为第一个三角形，将R1、R3、第四像素点R4这三个像素点对应的实际位置所围成的三角形作为第二个三角形；
(9b2)分别计算第一个三角形的面积S1和第二个三角形的面积S2：
Figure FDA0003332819580000034
Figure FDA0003332819580000035
其中，A1表示第一个三角形周长的一半，A2表示第二个三角形周长的一半，Dij表示像素点Ri与像素点Rj对应实际位置之间的欧氏距离，Xi表示像素点Ri对应实际位置的横坐标，Yi表示像素点Ri对应实际位置的纵坐标，Xj表示像素点Rj对应实际位置的横坐标，Yj表示像素点Rj对应实际位置的纵坐标，i,j＝1,2,3,4。
4.根据权利要求1所述的方法，其中(3)中像素点P1与像素点P2之间的欧氏距离L12，和像素点P3与像素点P4之间的欧氏距离L34，分别计算如下：
Figure FDA0003332819580000036
Figure FDA0003332819580000037
其中，xi表示像素点Pi的横坐标，yi表示像素点Pi的纵坐标，i＝1,2,3,4。
5.根据权利要求1所述的方法，其中(11)中计算线状病害的长度l，实现如下：
(11a)选择线状病害与矩形框的两个交点，记录两个交点所在像素点的坐标(E1,F1)、(E2,F2)，根据该像素点的坐标，计算线状病害与矩形框的两个交点所在像素点对应的实际位置的坐标(Cn,Dn)：
Figure FDA0003332819580000041
Figure FDA0003332819580000042
其中，Cn表示线状病害与矩形框的两个交点所在像素点对应实际位置的横坐标，Dn表示线状病害与矩形框的两个交点所在像素点对应实际位置的纵坐标，En表示线状病害与矩形框的交点所在像素点的横坐标，Fn表示线状病害与矩形框的交点所在像素点的纵坐标，n＝1,2；
(11b)利用(11a)得到的实际位置的坐标，计算线状病害与矩形框的两个交点所在像素点对应的两个实际位置的欧氏距离作为线状病害的长度l：
Figure FDA0003332819580000043
6.根据权利要求2所述的方法，其中(4a)中计算像素点P1与像素点P4所在直线的斜率k14和截距b14，公式如下：
Figure FDA0003332819580000044
Figure FDA0003332819580000045
其中，k14表示像素点P1与像素点P4所在直线的斜率，b14表示像素点P1与像素点P4所在直线的截距，x1表示像素点P1的横坐标，y1表示像素点P1的纵坐标，x4表示像素点P4的横坐标，y4表示像素点P4的纵坐标。
7.根据权利要求2所述的方法，其中(4a)中计算像素点P2与像素点P3所在直线的斜率k23和截距b23，公式如下：
Figure FDA0003332819580000051
Figure FDA0003332819580000052
其中，k23表示像素点P2与像素点P3所在直线的斜率，b23表示像素点P2与像素点P3所在直线的截距，x2表示像素点P2的横坐标，y2表示像素点P2的纵坐标，x3表示像素点P3的横坐标，y3表示像素点P3的纵坐标。
CN202111285560.2A 2021-11-02 2021-11-02 基于矩形标定物的路面病害指标测量方法 Active CN114018932B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111285560.2A CN114018932B (zh) 2021-11-02 2021-11-02 基于矩形标定物的路面病害指标测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111285560.2A CN114018932B (zh) 2021-11-02 2021-11-02 基于矩形标定物的路面病害指标测量方法

Publications (2)

Publication Number Publication Date
CN114018932A true CN114018932A (zh) 2022-02-08
CN114018932B CN114018932B (zh) 2023-05-30

Family

ID=80059578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111285560.2A Active CN114018932B (zh) 2021-11-02 2021-11-02 基于矩形标定物的路面病害指标测量方法

Country Status (1)

Country Link
CN (1) CN114018932B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114494261A (zh) * 2022-04-18 2022-05-13 陕西易合交通科技有限公司 一种水下结构物病害数据处理方法
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
CN114782549A (zh) * 2022-04-22 2022-07-22 南京新远见智能科技有限公司 基于定点标识的相机标定方法及系统
CN114965487A (zh) * 2022-06-10 2022-08-30 招商局重庆交通科研设计院有限公司 一种隧道典型病害自动监测设备的标定方法及装置
CN116705336A (zh) * 2023-07-19 2023-09-05 北京云数智康医疗科技有限公司 一种基于影像分析的智能化植发评估系统
WO2024113511A1 (zh) * 2022-12-02 2024-06-06 中公高科养护科技股份有限公司 一种多车道病害分布图的绘制方法、介质及系统
CN118429932A (zh) * 2024-05-11 2024-08-02 江苏全栈智能科技有限公司 基于车内视角的道路隐患面积预测方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004212142A (ja) * 2002-12-27 2004-07-29 System House Fukuchiyama:Kk 画像寸法の測定方法
CN104504388A (zh) * 2014-12-17 2015-04-08 长安大学 一种路面裂缝识别和特征提取算法及系统
CN106677037A (zh) * 2016-11-21 2017-05-17 同济大学 基于机器视觉的便携式沥青路面病害检测方法及装置
US20180224275A1 (en) * 2016-03-14 2018-08-09 Omron Corporation Road surface shape measuring device, measuring method, and non-transitory computer-readable medium
US10269141B1 (en) * 2018-06-04 2019-04-23 Waymo Llc Multistage camera calibration
WO2019184885A1 (zh) * 2018-03-30 2019-10-03 杭州海康威视数字技术股份有限公司 一种相机外参标定方法、装置及电子设备
CN110490839A (zh) * 2019-07-11 2019-11-22 平安科技（深圳）有限公司 一种检测高速公路中损坏区域的方法、装置及计算机设备
US20200098133A1 (en) * 2016-12-21 2020-03-26 Huawei Technologies Co., Ltd. Image Processing Method and Apparatus
CN110969103A (zh) * 2019-11-21 2020-04-07 同济大学 一种基于ptz相机的高速公路路面病害长度测量方法
CN111784657A (zh) * 2020-06-29 2020-10-16 福建中航赛凡信息科技有限公司 一种基于数字图像的水泥路面病害自动识别的系统及方法
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
CN113435420A (zh) * 2021-08-26 2021-09-24 深圳市城市交通规划设计研究中心股份有限公司 一种路面病害尺寸检测方法、装置和存储介质

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004212142A (ja) * 2002-12-27 2004-07-29 System House Fukuchiyama:Kk 画像寸法の測定方法
CN104504388A (zh) * 2014-12-17 2015-04-08 长安大学 一种路面裂缝识别和特征提取算法及系统
US20180224275A1 (en) * 2016-03-14 2018-08-09 Omron Corporation Road surface shape measuring device, measuring method, and non-transitory computer-readable medium
CN106677037A (zh) * 2016-11-21 2017-05-17 同济大学 基于机器视觉的便携式沥青路面病害检测方法及装置
US20200098133A1 (en) * 2016-12-21 2020-03-26 Huawei Technologies Co., Ltd. Image Processing Method and Apparatus
WO2019184885A1 (zh) * 2018-03-30 2019-10-03 杭州海康威视数字技术股份有限公司 一种相机外参标定方法、装置及电子设备
US10269141B1 (en) * 2018-06-04 2019-04-23 Waymo Llc Multistage camera calibration
CN110490839A (zh) * 2019-07-11 2019-11-22 平安科技（深圳）有限公司 一种检测高速公路中损坏区域的方法、装置及计算机设备
CN110969103A (zh) * 2019-11-21 2020-04-07 同济大学 一种基于ptz相机的高速公路路面病害长度测量方法
CN111784657A (zh) * 2020-06-29 2020-10-16 福建中航赛凡信息科技有限公司 一种基于数字图像的水泥路面病害自动识别的系统及方法
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
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
CN113435420A (zh) * 2021-08-26 2021-09-24 深圳市城市交通规划设计研究中心股份有限公司 一种路面病害尺寸检测方法、装置和存储介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
MING YAO ETAL.: "Geometric calibration of line-scan camera using", 《JOURNAL OF ELECTRONIC IMAGING》 *
方志 等: "基于图像分析技术的结构表面裂缝形态检测", 《铁道科学与工程学报》 *
朱苏雅 等: "采用 Ｕ－Ｎｅｔ卷积网络的桥梁裂缝检测方法", 《西安电子科技大学学报》 *
贺科学 等: "基于两平行线及其线上三点的摄像机标定方法", 《光学技术》 *
闫小盼 等: "基于TOF相机的非合作矩形目标三维位姿测量方法", 《计算机应用研究》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114494261A (zh) * 2022-04-18 2022-05-13 陕西易合交通科技有限公司 一种水下结构物病害数据处理方法
CN114782549A (zh) * 2022-04-22 2022-07-22 南京新远见智能科技有限公司 基于定点标识的相机标定方法及系统
CN114782549B (zh) * 2022-04-22 2023-11-24 南京新远见智能科技有限公司 基于定点标识的相机标定方法及系统
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
CN114965487A (zh) * 2022-06-10 2022-08-30 招商局重庆交通科研设计院有限公司 一种隧道典型病害自动监测设备的标定方法及装置
WO2024113511A1 (zh) * 2022-12-02 2024-06-06 中公高科养护科技股份有限公司 一种多车道病害分布图的绘制方法、介质及系统
CN116705336A (zh) * 2023-07-19 2023-09-05 北京云数智康医疗科技有限公司 一种基于影像分析的智能化植发评估系统
CN116705336B (zh) * 2023-07-19 2024-02-09 北京云数智康医疗科技有限公司 一种基于影像分析的智能化植发评估系统
CN118429932A (zh) * 2024-05-11 2024-08-02 江苏全栈智能科技有限公司 基于车内视角的道路隐患面积预测方法

Also Published As

Publication number Publication date
CN114018932B (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
CN114018932B (zh) 基于矩形标定物的路面病害指标测量方法
CN110068270B (zh) 一种基于多线结构光图像识别的单目视觉箱体体积测量方法
CN103530880B (zh) 基于投影高斯网格图案的摄像机标定方法
CN107507235B (zh) 一种基于rgb-d设备采集的彩色图像和深度图像的配准方法
CN110031829B (zh) 一种基于单目视觉的目标精准测距方法
CN111260615B (zh) 基于激光和机器视觉融合的无人机桥梁表观病害检测方法
CN112651968B (zh) 一种基于深度信息的木板形变与凹坑检测方法
CN103729841B (zh) 一种基于方靶模型和透视投影的相机畸变校正方法
CN109409290B (zh) 一种温度表检定读数自动识别系统及方法
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
CN108895959B (zh) 一种基于亚像素的相机标定板角点计算方法
CN113096183B (zh) 一种基于激光雷达与单目相机的障碍物检测与测量方法
CN110763306A (zh) 一种基于单目视觉的液位测量系统及方法
CN114529613A (zh) 一种圆阵列标定板的特征点高精度坐标提取方法
CN115014248B (zh) 一种激光投射线的识别与平面度判定方法
CN115201883A (zh) 一种运动目标视频定位测速系统及方法
CN107341824A (zh) 一种图像配准的综合评价指标生成方法
CN114998448A (zh) 一种多约束双目鱼眼相机标定与空间点定位的方法
CN109506629B (zh) 一种水下核燃料组件检测装置旋转中心标定的方法
CN114565565A (zh) 一种视觉测量目标中心亚像素定位方法
CN113340201B (zh) 一种基于rgbd相机的三维测量方法
KR102023087B1 (ko) 카메라 캘리브레이션 방법
CN113155057A (zh) 一种使用非特制靶标的线结构光平面标定方法
CN117372498A (zh) 一种基于三维点云的多姿态螺栓尺寸测量方法
CN110288576A (zh) 光条中心提取方法、终端设备及存储介质

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
GR01 Patent grant
GR01 Patent grant