CN1563891A - 一种识别路面裂缝的系统和方法 - Google Patents

Abstract

本发明公开了一种识别路面裂缝的系统和方法，利用数字成像技术获取和存储路面裂缝数据，通过数字图像处理及模式识别技术对路面裂缝图像进行图像分割、裂缝提取、裂缝特征值计算、裂缝定位和裂缝分类，然后根据裂缝评价标准对图像中的裂缝进行受损程度的评价。本发明提出的系统和方法实现了全自动检测和识别路面裂缝，并可实时对路面裂缝进行分析和处理，从而克服了人工识别方法具有的劳动强度大、安全性低、行车受干扰、工作效率低和识别结果精确度较低的缺点，同时，大大提高了检测工作效率。

Description

一种识别路面裂缝的系统和方法

技术领域

本发明涉及路面质量检测技术，特别是涉及一种识别路面裂缝的系统和方法。

背景技术

近年来，随着我国经济实力的不断增强，公路建设在我国取得了飞速发展。公路交通已成为我国经济发展的命脉，并且，公路交通也成为人们普遍依赖的一种交通方式。而良好的公路交通是以良好的路面质量为前提和基础的。路面质量的好坏直接影响到人们的日常生活，甚至影响到整个经济的发展。因此，保证路面质量是关系到人们甚至整个国家切身利益的一件大事。

然而，由于恶劣气候的破坏以及使用频繁或公路老化等原因导致公路的路面上出现裂缝。路面裂缝轻则影响路面观瞻，重则影响行车安全和公路的使用寿命，严重破坏了路面的质量，影响了人们的正常生活。

如果能及时发现和识别路面裂缝，并采取相应修补措施，则可消除安全隐患，提高路面质量。

在现有技术中，识别路面裂缝的方法有：

一、人工检测和识别裂缝。

检测人员到路面现场对所有的路面进行检测，如果发现路面裂缝，则对裂缝的位置、长度、宽度及面积进行测量和记录。然后，检测人员对记录的数据进行统计、归类和存档，并根据路面裂缝评价标准对记录的裂缝进行评价。

二、利用激光采集路面数据。

该方法由检测车对路面进行检测。检测车主要由承载车和激光扫描器组成。当检测车行驶在公路上对路面进行检测时，安装在承载车两旁的激光扫描器发出激光扫描路面，然后光接收器以一定角度接收从路面反射回来的光。当被扫描的路面上出现裂缝时，由于裂缝会将到达的激光散射或折射，所以，光接收器接收到的反射光的强度就会减少。因此，检测人员可根据光接收器输出的反射光强度的变化，确定激光所扫描区域内的路面是否存在裂缝。然后，检测人员对确定的路面裂缝进行统计、归类和存档，并根据路面裂缝评价标准对记录的裂缝进行评价。

三、利用线扫描摄像机采集路面数据。

该方法由检测车对路面进行检测。检测车主要由承载车和线扫描摄像机组成。当检测车行驶在公路上对路面进行检测时，安装在承载车上的线扫描摄像机对路面进行线性扫描和图像拍摄。检测人员可根据拍摄的图片确定线扫描摄像机所拍摄区域内的路面是否存在裂缝。然后，检测人员对确定的路面裂缝进行统计、归类和存档，并根据路面裂缝评价标准对记录的裂缝进行评价。

四、基于摄像技术的路面裂缝识别。

随着视频技术的发展，目前出现了基于摄像技术的路面裂缝识别系统。该系统由承载车、摄像机、测距仪、计算机、闪光灯、全球定位系统(GPS)等组成。当承载车行驶在公路上对路面进行检测时，利用该系统实现识别路面裂缝的具体过程包括以下步骤：

1、测距仪产生触发信号，并将该触发信号发送给摄像机。

2、摄像机接收到触发信号后，对路面进行拍照，同时摄像机的闪光灯完成补光作用，提供均匀的光照，以利于拍摄，然后摄像机将所拍摄的图像发送给计算机。

3、计算机接收到路面图像后，对图像进行预处理，包括路面图像灰度化、图像增强和图像分割，得到只含路面背景和裂缝的图像。然后将处理后的图像保存在计算机里。

4、检测人员对计算机中保存的每一幅处理后的图像，逐一进行裂缝分类、裂缝定位和裂缝标注和计算裂缝特征值；

5、检测人员根据路面裂缝评价标准对每幅图像中的裂缝进行评价；

6、GPS根据其记录的数据向检测人员提供所有路面测试地点在整个路网中的位置信息。

可见，在现有技术中，

方法一的缺点是：由于整个过程均为人工处理，所以在测量方法和读取数据方面存在很大的主观因素，使得获得的路面裂缝数据的误差较大。同时，人工检测费时费力，效率很低。而且，当对高速公路的路面进行检测时，由于高速公路上车流量较大，车辆的行驶速度较高，从而会威胁到检测人员的人身安全，存在安全隐患。

方法二的缺点是：由于裂缝是通过光接收器接收到的激光的反射光强度检测出来的，因此，为了不受日光的影响，只能在夜间进行路面裂缝的检测。为检测人员带来不便。而且，路面裂缝标注、裂缝分类统计处理及裂缝评价均为人工处理，因此费时费力，效率极低。又由于检测速度较慢，因此限制了检测车的行驶速度。

方法三的缺点是：为了在正常的车速下获取图像，线扫描摄像机需要高亮度的光照条件，但从检测车发出的高强度光在沥青路面同一区域上直射时间较长时则会使路面受到严重的破坏。

方法四的缺点是：该方法虽然能利用摄像机来获取图像，利用计算机来完成对图像的预处理，从而在一定程度上实现了自动化处理，但是仍需要人工逐一对每幅图像进行裂缝标注、裂缝分类统计处理，以及根据路面裂缝评价标准对记录的裂缝进行评价，从而大大增加了检测人员的工作量。并且，人工检测会使处理结果出现漏检和误检，以及准确度较低的情况。由于人工处理过程较慢，在获取裂缝信息后，不能立即对裂缝进行识别和评价，而只能在检测完所有的路面后，才能由人工进行后续的处理过程，所以无法实现对路面裂缝全自动化的实时处理。

发明内容

有鉴于此，本发明的主要目的在于提供一种识别路面裂缝的系统和方法，从而实现对路面裂缝识别的实时和全自动化处理。

为了达到上述目的，本发明的技术方案是这样实现的：

一种识别路面裂缝的系统，包括装载系统中其它模块并提供稳定行驶速度的承载车、向系统中其它各个模块输出稳定电源的供电模块、测距模块和图像采集模块，该系统还包括以下模块：图像预处理模块、裂缝识别模块和裂缝评价模块，其中，

图像预处理模块，将图像采集模块发来的图像转换为灰度图，以及利用边缘检测算子对灰度图进行图像增强，并从增强后的图像中分离出裂缝点和路面背景点，得到只含裂缝的二值图，然后将二值图输出到裂缝识别模块；

裂缝识别模块，接收图像预处理模块发来的二值图，利用投影技术对二值图进行投影，根据投影图初步定位裂缝在图像中的位置，以及初步将纵向裂缝和横向裂缝分为一类裂缝，将龟裂和块裂分为一类裂缝；

裂缝识别模块利用小波技术对已初步定位含有裂缝的区域进行增强，并再次使用投影技术精确定位出裂缝在图像中所处的位置，及对裂缝进行精确分类，确定出横向裂缝和纵向裂缝，以及龟裂和块裂；

裂缝识别模块计算裂缝的特征值，统计裂缝数量，并将处理后的裂缝信息输出到裂缝评价模块；

裂缝评价模块，根据裂缝评价标准对裂缝进行评价。

所述测距模块用于记录承载车的车轮转数，根据记录的车轮转数实时计算承载车行驶的距离，并且在承载车每行驶一个设定的路程单元长度时，向图像采集模块输出距离触发信号；

所述图像采集模块在接收到测距模块发来的距离触发信号后，对路面进行图像拍摄，并将拍摄的图像输出到图像预处理模块。

所述测距模块进一步包括测速仪，测量承载车实际行驶速度，并根据实际行驶速度校正裂缝在路网中的实际位置。

所述测速仪包括但不限于雷达测速仪或五轮仪。

所述测距模块中设定的路程单元长度为所述图像采集模块拍摄出的一帧图像所覆盖的路程长度。

所述测距模块利用全球定位系统GPS确定裂缝在路网中的位置。

所述裂缝评价模块进一步用于将裂缝在路网中的位置信息存入路网数据库中。

所述图像预处理模块、裂缝识别模块和裂缝评价模块集成在数字信号处理器DSP的功能实体上。

一种识别路面裂缝的方法，包括以下步骤：

A、实时判断计算出的承载车行驶距离是否等于设定的路程单元长度，如果是，则执行步骤B，否则，返回步骤A；

B、发出距离触发信号，对路面图像进行拍摄，并将拍摄的图像转换为数字图像；

C、将数字图像转换为灰度图，并使用边缘检测算子对转换后的灰度图进行图像增强，使用二值化方法对图像进行分割，得到只含裂缝的二值图；

D、使用投影技术对二值图进行投影，根据投影图初步定位裂缝在图像中的位置，并将裂缝初步分类为纵向裂缝或横向裂缝，以及龟裂或块裂两类裂缝；

E、使用小波技术将步骤C中所得的灰度图中已初步定位含有裂缝的区域进行增强；

F、使用边缘检测算子对增强后的图像进行边缘提取，对图像进行二值化处理，并精确定位出裂缝在图像中的位置；

G、精确分类出纵向裂缝和横向裂缝，以及龟裂和块裂；

H、计算每个裂缝的特征值，统计裂缝的数量，并根据裂缝特征值和数量对裂缝进行严重程度的评价。

所述设定路程单元长度的步骤包括：将拍摄出的一帧图像所覆盖的路程长度设定为路程单元长度。

步骤C所述灰度图是通过将接收到的图像中每个象素点的红R、绿G和蓝B的值分别乘以加权值后进行相加，并令该点的R、G和B的值等于计算出的和值得到的。

步骤C所述使用二值化方法对图像进行分割的步骤包括：将背景灰度等级1.2倍的灰度值设定为阈值，将图像中灰度值大于该阈值的象素点设定为裂缝点，并将该裂缝点设为黑色，将图像中灰度值小于该阈值的象素点设定为背景点，并将该背景点设为白色。

步骤D所述根据投影图初步定位裂缝在图像中的位置的步骤包括：将图像的扫描方向作为横轴，与横轴正交方向上存在的图像的灰度值总和作为纵轴，确定出一个坐标区域，

将二值图中的裂缝区域分别投影在该坐标区域内的横轴和纵轴上，得到两条一维曲线，从横轴上一维曲线投影图的左右两个端点分别作垂直于横轴的直线，从纵轴上一维曲线投影图的上下两个端点分别作垂直于纵轴的直线，将该4条直线所界定的矩形区域作为裂缝在原二值图中的位置；

步骤D所述将裂缝初步分类为纵向裂缝或横向裂缝，以及龟裂或块裂两类裂缝的步骤包括：判定一个轴上的投影曲线呈带状并有比较少的明显峰值的裂缝为横向裂缝和纵向裂缝，判定在横轴和纵轴的投影分布形状相似，并且没有明显峰值的裂缝，或者投影具有多于3个明显峰值的裂缝为龟裂和块裂；

步骤E所述已初步定位含有裂缝的区域为步骤D所界定出的矩形区域。

在所述步骤F与步骤G之间进一步包括：

G11、对图像进行膨胀和腐蚀处理，填充裂缝不连续的区域，得到完整的裂缝区域；

G12、逐行扫描填充后的二值图，当扫描到第一个黑色象素点时，记录该黑色象素点的坐标值，将其标记为边界点，再按照逆时针方向分析该黑色象素点的8邻域象素点，记录该8邻域象素点中白色区域与黑色区域交界处的黑色象素点的坐标值，并将其标记为边界点，依此类推，直到标记出所有的边界点及其坐标值；

G13、根据裂缝走向趋势，将标记出的所有边界点顺序连接起来，得到完整的裂缝轮廓，然后利用细化算法，把裂缝轮廓细化到单像素宽。

步骤G所述精确分类出纵向裂缝和横向裂缝包括：将裂缝轮廓的两个端点连成直线，判断所连直线和道路横截面的夹角是否小于45度，如果是，则将该裂缝判定为横向裂缝，否则，将该裂缝判定为纵向裂缝。

步骤H所述计算裂缝特征值的步骤包括：取垂直方向裂缝两个边缘的中心点，并连接所取的各个中心点，形成曲线，将曲线的长度设定为该裂缝的等效长度；

从曲线的一端开始，隔一个点取一个点，直至曲线的另一端，每三个点进行直线拟合，得到各条直线，将直线距裂缝上边缘的最大距离的2倍设定为该裂缝的最大宽度。

步骤G所述精确分类出多向裂缝中的龟裂和块裂包括：设定乘积阈值及矩形块个数阈值，并设置两个5×5模板，第一个模板中心的“十”字位置为1，而其它位置为0，第二个模板在对角线上全是1，其它位置全是0，将所述两个模板与步骤C中所得的灰度图分别做乘积，并取所得乘积的最大值，判断该最大值是否大于设定的乘积阈值，如果是，则认为存在近似的矩形裂缝，否则认为不是矩形裂缝，依此类推，直至统计出整个图像中存在的矩形块的个数，然后，判断统计出的矩形块个数是否大于设定的矩形块个数阈值，如果是，则将该裂缝判定为块裂，否则，将该裂缝判定为龟裂。

步骤H所述计算裂缝特征值的步骤包括：取图像上裂缝轮廓四个方向的最远点，将该四个点连成外接矩形，并将该外接矩形的面积作为该裂缝的面积。

该方法进一步包括：在检测路面裂缝时，利用全球定位系统GPS技术定位裂缝在路网中的位置，并将确定的裂缝在路网中的位置信息存入路网数据库中。

该方法进一步包括：使用雷达测速仪测量承载车实际行驶速度，并根据实际行驶速度校正裂缝在路段中的位置。

可见，本发明提出的系统和方法具有以下优点：

1、本发明提出的系统和方法，实现了全自动检测和识别路面裂缝，整个识别过程完全不需人工参与，从而克服了人工识别方法具有的劳动强度大、安全性低、行车受干扰、工作效率低和识别结果精确度较低的缺点。

2、本发明提出的系统和方法，可实时对采集到的路面图像进行处理，从而大大提高了检测工作效率。

3、本发明提出的系统和方法，只需检测车在所需检测的路段内行驶，即可完成对路面裂缝的识别和评价，因此，整个检测过程简单且易于实现。

4、本发明提出的系统和方法，可对路面进行长期监测，及时发现路面裂缝，并及时对评价出的裂缝进行维护，从而大大提高了公路的行车安全性，延长了公路的使用寿命，并节省了路面养护费用。

5、本发明提出的系统和方法，可为路面的养护管理提供有力地信息支持，提高公路养护和管理水平，同时，为进一步开发公路检测设备，改变我国公路工程检测设备绝大部分依赖进口的现状，节约资源，培养自己的研究和开发技术力量打下了人力与技术基础。

6、本发明提出的系统和方法，可以为我国的智能交通系统提供一定的数据基础，有助于提高我国交通信息技术水平。

附图说明

图1是本发明系统的结构示意图。

图2是实现本发明的实施例的流程图。

图3是在实现本发明的实施例中利用投影技术对裂缝进行初步定位的示意图。

图4是本发明提取裂缝轮廓的示意图。

图5是在实现本发明的实施例中计算横向或纵向裂缝的最大宽度和等效长度的示意图。

图6是在实现本发明的实施例中使用的两个5×5模板的示意图。

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，下面结合附图及具体实施例对本发明作进一步的详细描述。

本发明提供了一种能够实时对路面裂缝进行图像处理和评价的全自动化系统和具体实现方法。

图1是本发明系统的结构示意图。如图1所示，在本发明中，将系统设计为车载式系统，即识别路面裂缝的系统包括承载车101，以及安装在承载车上的供电模块102、测距模块103、图像采集模块104、图像预处理模块105、裂缝识别模块106和裂缝评价模块107。

图2是实现本发明的实施例的流程图。如图1和图2所示，在本发明系统的基础上，本实施例实现识别路面裂缝的具体过程包括以下步骤：

步骤201：检测员开启承载车101，并使用供电模块102向系统中的其它各个模块供电。

这里，使用具有良好抗震性能的承载车101，以提供稳定的行驶速度，使系统具有良好的稳定性。由于系统是在运动的状态下处理图像数据，所以要求系统要有较好的稳定性，承载车101的稳定性越好，系统获得的数据信息也就越可靠。比如，当承载车101在公路上行驶时，即使路面不平坦或存在小石块等障碍物，由于承载车101具有良好的抗震性能，则仍可提供较为稳定的行驶速度，那么对图像采集模块104产生的抖动则非常小，从而保证了系统获得的路面图像质量。

在本实施例中，供电模块102使用柴油发电机，由柴油发电机向系统其它模块所使用的设备供电，因为柴油发电机可有效解决设备功率消耗，并降低干扰，因此，可保证系统中其它各个模块的正常工作。

步骤202：当测距模块103中测量的承载车101所行驶的路程长度等于系统预先设定的路程单元长度时，向图像采集模块104发出距离触发信号。

这里，测距模块103根据其记录的承载车101行驶时的车轮转数计算承载车101行驶的距离。承载车行驶距离＝车轮转数×车轮周长。而系统预先设置的路程单元长度则是根据图像采集模块104采集到的每幅图像所能覆盖的路程长度确定的。

步骤203：图像采集模块104在接收到测距模块103发来的距离触发信号后，对路面进行图像拍摄，并将拍摄出的彩色图像发送给图像预处理模块105。

这里，图像采集模块104包括高速电荷耦合器件(CCD)摄像机和辅助照明设备。其中，高速CCD摄像机具有较高的分辨率，以及速度极高的快门，每当接收到测距模块103发来的距离触发信号后，高速CCD摄像机则对路面进行图像拍摄，然后将拍摄出的24位彩色图像输出到图像预处理模块105。辅助照明设备为高速CCD摄像机提供充足且均匀的光照条件，消除路面阴影，保证高速CCD摄像机拍摄的图像质量。

步骤204：图像预处理模块105对接收到的彩色图像进行图像预处理，包括图像灰度化、图像增强和图像分割，然后将处理后的图像输出到裂缝识别模块106。

这里，图像预处理模块105内部可包括一个视频采集卡，因为高速CCD摄像机拍摄出的图像为视频信号，因此，为使本发明系统可对图像进行后续处理，图像预处理模块105在接收到高速CCD摄像机发来的视频信号时，使用内部的视频采集卡将视频信号转换为数字信号，从而使本发明的系统可对转换后的数字图像进行图像预处理。

图像灰度化的处理过程为：分别计算出彩色数字图像中每个象素点的亮度值Y，Y＝0.299×R+0.587×G+0.114×B。其中，R是24位彩色图像中各个点的红色色度值，G是24位彩色图像中各个点的绿色色度值，B是24位彩色图像中各个点的蓝色色度值。然后，将图像中每个点的R、G和B的值设置为该点的Y值，得到灰度图。这里，将彩色图像转换为灰度图，是为了去除图像中的色彩信息，只保留亮度信息，以便于系统对图像进行后续的处理。

由于在拍摄出的路面图像中存在较多的噪声，且背景复杂，为了有效地提取路面裂缝，必须对转换后的灰度图进行图像增强处理。因此，使用边缘检测算子对灰度图进行图像增强处理，增强图像的明暗对比度并抑止图像中的噪声。

本实施例中，采用二值化方法对图像进行分割。使用二值化方法对图像进行分割的处理过程为：在增强后的图像中，裂缝区域比背景亮，背景所占的比例最大，裂缝的灰度等级大于背景。而对于背景，其灰度等级基本一致。因此，为了明显区分出增强后图像中的裂缝和路面背景，可以认为背景处于同一灰度等级，高于此灰度等级的部分则可认为是裂缝。把背景灰度等级1.2倍的灰度值作为阈值。然后在整个图像中，将灰度值大于阈值的象素点设定为裂缝点，并将该点设为黑色；将灰度值小于阈值的象素点设定为背景点，并将其设为白色。至此，得到只含裂缝的二值图。

步骤205：裂缝识别模块106接收到图像预处理模块105发来的预处理后的图像后，初步定位出裂缝在图像中的位置，并对裂缝进行初步分类，区分出两类裂缝，第一类为横向裂缝和纵向裂缝，第二类为龟裂和块裂。

这里，因为裂缝在整个路面中所占的比例很小，如果直接对整个路面图像进行处理，不但工作量很大，而且处理速度会很慢。因此，首先在图像中对裂缝进行初步定位和初步分类。

在步骤204中得到的二值图，虽然已明显区分出裂缝，但是由于裂缝在二值图中呈现出不规则的形状，裂缝识别模块106无法对其进行定位，因此，必须确定出裂缝在图像中所占的矩形区域，以对其进行初步定位。在本实施例中，使用投影技术对图像中的裂缝进行初步定位。图3是在实现本发明的实施例中利用投影技术对裂缝进行初步定位的示意图。如图3所示，对图像中的裂缝进行初步定位的具体实现过程为：

将图像的扫描方向即与承载车101行驶方向垂直的方向作为横轴(X轴)，与X轴正交方向上存在的图像的灰度值总和作为纵轴(Y轴)，确定出一个坐标区域。裂缝识别模块106将二值图中的裂缝区域(曲线ABC所确定的区域)在该坐标区域内进行投影，在X轴上投影为曲线A’B’C’所确定的区域，在Y轴上投影为曲线A’D’所确定的区域。从X轴上投影的B’点和C’点，作垂直与X轴的直线，即可界定出裂缝在垂直方向上的范围。同理，从Y轴上投影的A’点和D’点，作垂直与Y轴的直线，即可界定出裂缝在水平方向上的范围。至此，界定一个矩形区域A”B”D”C”，从而确定了裂缝在原二值图中的大致位置，也就确定了在原始图像中的位置。

对裂缝进行初步分类的具体过程为：判定投影分布呈带状并有比较少的明显峰值的裂缝为第一类裂缝，即横向裂缝或纵向裂缝，横向裂缝是指在与承载车101行驶方向的垂直方向上的裂缝，纵向裂缝是指在与承载车101行驶方向相同方向上的裂缝；将在X轴和Y轴的投影分布形状相差不大，并且没有明显峰值的裂缝或者投影具有多个(大于3个)明显峰值的裂缝，判定为第二类裂缝，即龟裂或块裂。

步骤206：裂缝识别模块106对图像中的裂缝进行精确定位和精确分类，并计算出裂缝的特征值，统计出各种裂缝的数量，然后将处理后的裂缝信息输出到裂缝评价模块107。

这里，首先获取步骤204中得到的灰度图，并在灰度图中利用小波分析技术针对在步骤205中已初步定位含有裂缝的区域(图3中所示的矩形区域A’B’D’C’)进行增强。小波分析是把信号分解成低频a1和高频d1两部分，在分解中，低频a1中失去的信息由高频d1捕获。在下一层的分解中，又将a1分解成低频a2和高频d2两部分，低频a2中失去的信息由高频d2捕获，如此类推下去，可以进行更深层次的分解。由于图像经小波分解后，图像的轮廓主要体现在低频部分，而细节部分则体现在高频部分。对于路面裂缝图像来说，路面背景属于低频分量，而裂缝属于高频分量。因此，通过对低频分解系数进行衰减处理，对高频分解系数进行增强处理，达到裂缝增强的作用，得到裂缝增强的图像。

然后再重复使用边缘检测算子进行边缘提取以及进行二值化处理的过程，并精确定位出裂缝在图像中所处的位置。

对于第一类裂缝，需要判断出裂缝是横向裂缝还是纵向裂缝。但是，经过边缘检测后的图像会丢掉一些有用的信息，所以在处理后的图像中裂缝可能会有断裂，因此在对裂缝进行精确分类之前，必须在图像中提取出裂缝轮廓。

这里，首先利用形态学方法，对裂缝进行膨胀和腐蚀，填充裂缝不连续的区域，得到完整的裂缝区域，其具体实现过程为：对裂缝进行膨胀，以裂缝为基本点向外面延伸，补上裂缝。然后对裂缝进行腐蚀，即针对补好的裂缝，去掉最外面的边缘点，使裂缝接近原来的形状。重复进行几次膨胀和腐蚀后，将断裂的裂缝连续起来，得到一个完整的裂缝区域。

接下来，在已得到完整裂缝区域的二值图中提取出裂缝轮廓。图4是本发明提取裂缝轮廓的示意图。如图4所示，在二值图中提取出裂缝轮廓的具体过程为：按照从左到右的方向逐行扫描填充后的二值图，当扫描到第一个白色区域与黑色区域交界处的黑色像素点(P₀点)时，记录该P₀点的坐标值，并为P₀点赋予一个代表边界点的标识L。对于边界点P₀的8邻域象素点，a点、b点、c点、d点、e点、f点、g点和h点，按照逆时针方向，a点、h点和g点均为白色象素点，f点为黑色象素点，e点、d点、c点和b点均为白色象素点，因此，只有f点是白色区域与黑色区域交界处的边界点，记录f点的坐标值，并为f点赋予标识L。然后，再对f点的8邻域象素点进行分析，记录所查找到的边界点的坐标值，并为其赋予标识L。依此类推，直到查找到所有的边界点，即查找到的边界点均存在标识L。根据裂缝走向趋势，将存在标识L的所有边界点顺序连接起来，得到完整的裂缝轮廓。并且，为了突出显示裂缝轮廓以及便于后续处理，利用细化算法，把裂缝轮廓细化到单像素宽。

至此，得到一条完整的具有连续边缘的裂缝轮廓图。

对横向裂缝或纵向裂缝进行精确分类的具体过程为：扫描得到的裂缝轮廓，找出裂缝的两个端点，并做出两个端点的连线。判断该连线和道路横截面的夹角是否小于45度，如果小于45度，则认为是横向裂缝，否则，认为是纵向裂缝。

接下来，计算裂缝特征值，即横向和纵向裂缝的最大宽度和等效长度。图5是在实现本发明的实施例中计算横向或纵向裂缝的最大宽度和等效长度的示意图。如图5所示，先纵向后横向扫描裂缝区域，找出垂直方向裂缝两个边缘的中心点，并连接这些中心点，形成曲线C。将曲线C的长度作为该裂缝的等效长度。

从曲线C的一端开始，隔一个点取一个点，每三个点进行直线拟合，所得到的直线记为Li，并判断Li距裂缝上边缘的距离Di。依此类推，直到曲线C的另一端。找出长度值最大的Di，并将2Di作为该裂缝的最大宽度。

至此，得出了横向或纵向裂缝的类型、等效长度和最大宽度。

在对裂缝进行精确分类时，对于第二类裂缝，需要判断出裂缝是块裂还是龟裂。由于典型的块裂是由纵向和横向裂缝交错而使路面分裂成多边形，因此，在图像中大致成方块形状；而龟裂则是由一系列多边形小块组成的网，因此采用模板匹配的方式对块裂或龟裂进行精确分类。

图6是在实现本发明的实施例中使用的两个5×5模板的示意图。如图6所示，设计两个5×5模板：模板1中心的“十”字位置为1，而其它位置为0；模板2在对角线上全是1，其它位置全是0。根据经验值，预先设定一个乘积阈值，及矩形块个数阈值。将上述两个模板与原灰度图分别做乘积，并取所得乘积的最大值max。判断max是否大于预先设定的乘积阈值，如果大于，则认为存在近似的矩形裂缝，否则认为不是矩形裂缝。依此类推，直至统计出整个图像中存在的矩形块的个数。然后，判断统计出矩形块个数是否大于预先设定的矩形块个数阈值，如果是，则认为是块裂，否则，认为是龟裂。

在计算裂缝特征值时，为了计算龟裂或块裂的面积，在图像上找出属于裂缝的四个方向的最远点，根据这四个点做出外接矩形，并将该外接矩形的面积作为该裂缝的近似面积。

最后，分别统计出图像中横向裂缝、纵向裂缝、龟裂和块裂的数量。

步骤207：裂缝评价模块107根据接收到的裂缝信息，包括各类型裂缝的数量，横向或纵向裂缝的长度和宽度，龟裂或块裂的面积，并依据路面各类裂缝严重程度的评价标准对路面裂缝进行评价。

这里，根据单条纵向裂缝和横向裂缝的长度、龟裂和块裂的面积以及总路段的面积，计算出该路段的裂缝度，完成对路面裂缝的评价。比如，对于纵向裂缝，根据路面裂缝严重程度的评价标准，如果图像中得出的纵向裂缝的最大宽度小于5毫米，则认为该纵向裂缝的破损程度为轻级。

较佳地，本发明将裂缝在路网中的位置信息存入路网数据库中，以便于管理人员对整个路网进行更好地维护。

较佳地，本发明利用全球定位系统(GPS)技术定位裂缝在整个路网中的位置。

较佳地，本发明系统的测距模块进一步包括测速仪，用于测量承载车实际行驶速度，并根据实际行驶速度校正裂缝在路网中的实际位置。由于轮胎气压大小以及路面状况的影响，使得设置的承载车行驶速度与其实际行驶速度之间存在较大的偏差，而且，此种偏差会随着时间而逐渐变大，因此会导致在计算裂缝在整个路段的位置时，出现偏差。比如，计算后得出一个裂缝路段的第5米处，但是由于计算使用的承载车行驶速度与其实际行驶速度不相同，因此，实际上该裂缝在路段的第5.1米处。

为了保证所得到的裂缝在路段的位置正确，测距模块使用雷达测速仪测量承载车的实际行驶速度。雷达测速仪是利用多普勒原理对运动物体的速度进行连续测量的一种测速设备，其测量方式为非接触式测量，测量过程不受轮胎状况和路面状况的影响，测速精度较高。在对裂缝进行评价时，使用雷达测速仪测量的速度，计算出在拍摄每幅图像时承载车的实际行驶距离。从而校正裂缝在整个路段中的位置。

较佳地，本发明将图像采集模块104、图像预处理模块105、裂缝识别模块106和裂缝评价模块10的功能集成到实体数字信号处理器(DSP)上，并且，为了达到实时处理图像，采用至少两个DSP并行完成对数字图像的所有处理，及对路面裂缝的评价。

总之，以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。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之内。

Claims (20)

1、一种识别路面裂缝的系统，包括装载系统中其它模块并提供稳定行驶速度的承载车、向系统中其它各个模块输出稳定电源的供电模块、测距模块和图像采集模块，其特征在于，该系统还包括以下模块：图像预处理模块、裂缝识别模块和裂缝评价模块，其中，

图像预处理模块，将图像采集模块发来的图像转换为灰度图，以及利用边缘检测算子对灰度图进行图像增强，并从增强后的图像中分离出裂缝点和路面背景点，得到只含裂缝的二值图，然后将二值图输出到裂缝识别模块；

裂缝识别模块，接收图像预处理模块发来的二值图，利用投影技术对二值图进行投影，根据投影图初步定位裂缝在图像中的位置，以及初步将纵向裂缝和横向裂缝分为一类裂缝，将龟裂和块裂分为一类裂缝；

裂缝识别模块利用小波技术对已初步定位含有裂缝的区域进行增强，并再次使用投影技术精确定位出裂缝在图像中所处的位置，及对裂缝进行精确分类，确定出横向裂缝和纵向裂缝，以及龟裂和块裂；

裂缝识别模块计算裂缝的特征值，统计裂缝数量，并将处理后的裂缝信息输出到裂缝评价模块；

裂缝评价模块，根据裂缝评价标准对裂缝进行评价。

2、根据权利要求1所述的系统，其特征在于，所述测距模块用于记录承载车的车轮转数，根据记录的车轮转数实时计算承载车行驶的距离，并且在承载车每行驶一个设定的路程单元长度时，向图像采集模块输出距离触发信号；

所述图像采集模块在接收到测距模块发来的距离触发信号后，对路面进行图像拍摄，并将拍摄的图像输出到图像预处理模块。

3、根据权利要求1所述的系统，其特征在于，所述测距模块进一步包括测速仪，测量承载车实际行驶速度，并根据实际行驶速度校正裂缝在路网中的实际位置。

4、根据权利要求3所述的系统，其特征在于，所述测速仪包括但不限于雷达测速仪或五轮仪。

5、根据权利要求1所述的系统，其特征在于，所述测距模块中设定的路程单元长度为所述图像采集模块拍摄出的一帧图像所覆盖的路程长度。

6、根据权利要求1所述的系统，其特征在于，所述测距模块利用全球定位系统GPS确定裂缝在路网中的位置。

7、根据权利要求1所述的系统，其特征在于，所述裂缝评价模块进一步用于将裂缝在路网中的位置信息存入路网数据库中。

8、根据权利要求1所述的系统，其特征在于，所述图像预处理模块、裂缝识别模块和裂缝评价模块集成在数字信号处理器DSP的功能实体上。

9、一种识别路面裂缝的方法，其特征在于，该方法包括以下步骤：

A、实时判断计算出的承载车行驶距离是否等于设定的路程单元长度，如果是，则执行步骤B，否则，返回步骤A；

B、发出距离触发信号，对路面图像进行拍摄，并将拍摄的图像转换为数字图像；

C、将数字图像转换为灰度图，并使用边缘检测算子对转换后的灰度图进行图像增强，使用二值化方法对图像进行分割，得到只含裂缝的二值图；

D、使用投影技术对二值图进行投影，根据投影图初步定位裂缝在图像中的位置，并将裂缝初步分类为纵向裂缝或横向裂缝，以及龟裂或块裂两类裂缝；

E、使用小波技术将步骤C中所得的灰度图中已初步定位含有裂缝的区域进行增强；

F、使用边缘检测算子对增强后的图像进行边缘提取，对图像进行二值化处理，并精确定位出裂缝在图像中的位置；

G、精确分类出纵向裂缝和横向裂缝，以及龟裂和块裂；

H、计算每个裂缝的特征值，统计裂缝的数量，并根据裂缝特征值和数量对裂缝进行严重程度的评价。

10、根据权利要求9所述的方法，其特征在于，所述设定路程单元长度的步骤包括：将拍摄出的一帧图像所覆盖的路程长度设定为路程单元长度。

11、根据权利要求9所述的方法，其特征在于，步骤C所述灰度图是通过将接收到的图像中每个象素点的红R、绿G和蓝B的值分别乘以加权值后进行相加，并令该点的R、G和B的值等于计算出的和值得到的。

12、根据权利要求9所述的方法，其特征在于，步骤C所述使用二值化方法对图像进行分割的步骤包括：将背景灰度等级1.2倍的灰度值设定为阈值，将图像中灰度值大于该阈值的象素点设定为裂缝点，并将该裂缝点设为黑色，将图像中灰度值小于该阈值的象素点设定为背景点，并将该背景点设为白色。

13、根据权利要求9所述的方法，其特征在于，

步骤D所述根据投影图初步定位裂缝在图像中的位置的步骤包括：将图像的扫描方向作为横轴，与横轴正交方向上存在的图像的灰度值总和作为纵轴，确定出一个坐标区域，

将二值图中的裂缝区域分别投影在该坐标区域内的横轴和纵轴上，得到两条一维曲线，从横轴上一维曲线投影图的左右两个端点分别作垂直于横轴的直线，从纵轴上一维曲线的投影图的上下两个端点分别作垂直于纵轴的直线，将该4条直线所界定的矩形区域作为裂缝在原二值图中的位置；

步骤D所述将裂缝初步分类为纵向裂缝或横向裂缝，以及龟裂或块裂两类裂缝的步骤包括：判定一个轴上的投影曲线呈带状并有比较少的明显峰值的裂缝为横向裂缝和纵向裂缝，判定在横轴和纵轴的投影分布形状相似，并且没有明显峰值的裂缝，或者投影具有多于3个明显峰值的裂缝为龟裂和块裂；

步骤E所述已初步定位含有裂缝的区域为步骤D所界定出的矩形区域。

14、根据权利要求12所述的方法，其特征在于，在所述步骤F与步骤G之间进一步包括：

G11、对图像进行膨胀和腐蚀处理，填充裂缝不连续的区域，得到完整的裂缝区域；

G12、逐行扫描填充后的二值图，当扫描到第一个黑色象素点时，记录该黑色象素点的坐标值，将其标记为边界点，再按照逆时针方向分析该黑色象素点的8邻域象素点，记录该8邻域象素点中白色区域与黑色区域交界处的黑色象素点的坐标值，并将其标记为边界点，依此类推，直到标记出所有的边界点及其坐标值；

G13、根据裂缝走向趋势，将标记出的所有边界点顺序连接起来，得到完整的裂缝轮廓，然后利用细化算法，把裂缝轮廓细化到单像素宽。

15、根据权利要求14所述的方法，其特征在于，步骤G所述精确分类出纵向裂缝和横向裂缝包括：将裂缝轮廓的两个端点连成直线，判断所连直线和道路横截面的夹角是否小于45度，如果是，则将该裂缝判定为横向裂缝，否则，将该裂缝判定为纵向裂缝。

16、根据权利要求15所述的方法，其特征在于，步骤H所述计算裂缝特征值的步骤包括：取垂直方向裂缝两个边缘的中心点，并连接所取的各个中心点，形成曲线，将曲线的长度设定为该裂缝的等效长度；

从曲线的一端开始，隔一个点取一个点，直至曲线的另一端，每三个点进行直线拟合，得到各条直线，将直线距裂缝上边缘的最大距离的2倍设定为该裂缝的最大宽度。

17、根据权利要求9所述的方法，其特征在于，步骤G所述精确分类出多向裂缝中的龟裂和块裂包括：设定乘积阈值及矩形块个数阈值，并设置两个5×5模板，第一个模板中心的“十”字位置为1，而其它位置为0，第二个模板在对角线上全是1，其它位置全是0，将所述两个模板与步骤C中所得的灰度图分别做乘积，并取所得乘积的最大值，判断该最大值是否大于设定的乘积阈值，如果是，则认为存在近似的矩形裂缝，否则认为不是矩形裂缝，依此类推，直至统计出整个图像中存在的矩形块的个数，然后，判断统计出的矩形块个数是否大于设定的矩形块个数阈值，如果是，则将该裂缝判定为块裂，否则，将该裂缝判定为龟裂。

18、根据权利要求17所述的方法，其特征在于，步骤H所述计算裂缝特征值的步骤包括：取图像上裂缝轮廓四个方向的最远点，将该四个点连成外接矩形，并将该外接矩形的面积作为该裂缝的面积。

19、根据权利要求9所述的方法，其特征在于，该方法进一步包括：在检测路面裂缝时，利用全球定位系统GPS技术定位裂缝在路网中的位置，并将确定的裂缝在路网中的位置信息存入路网数据库中。

20、根据权利要求9所述的方法，其特征在于，该方法进一步包括：使用雷达测速仪测量承载车实际行驶速度，并根据实际行驶速度校正裂缝在路段中的位置。

Images