JP7148387B2 - 外装材の損傷検出方法 - Google Patents

Description

本発明は、外装材の損傷部位を検出する損傷検出方法に係り、特に、等間隔に配向された複数の線状部分を有した外装材の損傷検出方法に関する。

従来から、外装材を撮像装置で撮像して、外装材の損傷を検出することがなされている。たとえば、特許文献１には、外装材として、道路を舗装する舗装道路の損傷を検出する方法が提案されている。この損傷検出方法では、遺伝的プログラミングによる並列型画像フィルタ自動生成システムにサイズ依存型交叉を導入して複数の実舗装画像からクラックの抽出が困難と思われる箇所をフィルタ構築の訓練データに選定採用することで、様々なタイプの画像からクラックの抽出用画像フィルタを自動的に構築している。この抽出用画像フィルタを、評価対象舗装領域の画像全体を格子状に分割した個々のブロックに適用して、評価対象舗装領域の評価している。

特開２０１１－１７９８７４号公報

しかしながら、たとえば、特許文献１に示す方法で、すべての外装材の損傷をしようとした場合、抽出用画像フィルタを構築するための訓練データを、様々な種類の損傷データで取得しなければならない。そして、外装材の損傷を正確に検出するには、膨大な損傷データを取得しなければならず、過大な作業を行わなければならなかった。

本発明は、このような点に鑑みてなされたものであり、より簡単な作業で、外装材の損傷部位を正確に特定して、これを検出することができる外装材の損傷検出方法を提供することにある。

発明者らは、鋭意検討を重ねた結果、特定のパターンを有した外装材に対して、このパターンを撮像した画像から除去すれば、外装材の損傷部位を簡単に検出することができると考えた。

本発明は、このような考えに基づくものであり、第１の発明に係る外装材の損傷検出方法は、等間隔に配向された複数の線状部分を有した外装材の損傷部位を検出する損傷検出方法であって、前記外装材を撮像する工程と、撮像した画像をグレースケールに変換し、前記グレースケールに変換した画像に対して、前記線状部分に沿った方向のエッジが強調されるように、微分処理を行う工程と、前記微分処理を行った画像に対して、ピクセルごとに、黒色から白色の色の変化に応じて、数値化された色数値において、前記線状部分と交差する方向に沿って配列されているピクセル群の色数値に対して、フーリエ変換を行うことにより、前記色数値の周波数解析を行い、前記交差する方向に沿った前記色数値の変化の周期と位相を算出する工程と、前記ピクセル群ごとの前記周期と前記位相に基づいて、逆フーリエ変換を行うことにより、前記微分処理を行った画像に応じたフィルタ画像を構築する工程と、前記フィルタ画像を、前記微分処理を行った画像に重ね合わせることにより、前記外装材の損傷部位を特定する工程と、を備えることを特徴とする。

第１の発明によれば、まず、外装材を撮像装置で撮像し、撮像した画像をグレースケールに変換し、前記グレースケールに変換した画像に対して、線状部分に沿った方向のエッジが強調されるように、微分処理を行う。これにより、グレースケールへの変換後、微分処理を行った外装材の画像に対して、線状部分の画像と、この線状部分に沿って延在した損傷部位の画像と、この方向に所定の幅を有した損傷部位の画像と、を強調することができる。

次に、微分処理を行った画像に対して、ピクセルごとに、黒色から白色の色の変化に応じて、数値化された色数値において、強調された線状部分の画像と損傷部位の画像とを構成するピクセルに割り当てられた色数値は、他の部分に対応したピクセルに割り当てられた色数値に比べて、大きく異なる値となる。なお、この微分処理を行った画像に対して、必要に応じて、二値化処理を行ってもよい。

次に、前記線状部分と交差する方向に沿って配列されている各ピクセル群の色数値に対して、フーリエ変換を行うことにより、色数値の周波数解析を行い、交差する方向に沿った色数値の変化の周期と位相を算出する。フーリエ変換により周波数解析を行った色数値の変化の周期と位相は、等間隔に配向された複数の線状部分の配列周期の情報と線状部分の位置の情報に相当する。

次に、前記ピクセル群ごとの色数値の変化の周期と位相に基づいて、逆フーリエ変換を行うことにより、微分処理を行った画像に応じたフィルタ画像を構築する。なお、このフィルタ画像に対して、必要に応じて、二値化処理を行ってもよい。

得られたフィルタ画像は、線状部分の群を構成する線状部分の配列周期の情報と、各線状部分の群の位置の情報を含む画像であるため、次の工程で、フィルタ画像に対して、微分処理を行った画像を重ね合わせて、線状部分を、微分処理を行った画像から除去する。この線状部分を除去した画像には、外装材の損傷部位が残るため、この画像から損傷部位を特定することができる。

より好ましい態様としては、前記線状部分は、等間隔に配向された複数の第１の線状部分と、隣接する第１の線状部分の間に、前記各第１の線状部同士を繋ぐように、等間隔に複数の第２の線状部分と、を有しており、前記第１の線状部分に沿って配列された複数の第２の線状部分の群と、これに隣接する複数の第２の線状部分の群とは、前記第１の線状部分に沿った方向にオフセットして千鳥状に配置されており、前記微分処理を行う工程において、前記グレースケールに変換した画像に対して、前記第１および第２の線状部分のうちいずれか一方の線状部分に沿った方向のエッジが強調され、他方の線状部分が画像から消えるように、微分処理を行い、前記色数値の変化の周期と位相を算出する工程において、前記他方の線状部分に沿った前記色数値の変化の周期と位相を算出する。

この態様によれば、微分処理において、グレースケールに変換した画像に対して、第１および第２の線状部分のうちいずれか一方の線状部分に沿った方向のエッジが強調され、他方の線状部分が画像から消えるように、微分処理を行う。たとえば、一方の線状部分を第２の線状部分とし、他方の線状部分を第１の線状部分とした場合、第２の線状部分に沿った方向のエッジが強調され、第１の線状部分が画像から消えるように、微分処理を行う。これにより、グレースケールへの変換後、微分処理を行った外装材の画像（第１微分処理画像）に対して、第２の線状部分の画像の部分と、第２の線状部分に沿って延在した損傷部位の画像の部分と、この方向に所定の幅を有した損傷部位の画像の部分と、を強調することができる。

次に、撮像された画像の第１の線状部分に沿って配列されている各ピクセル群の色数値に対して、フーリエ変換を行うことにより、色数値の周波数解析を行い、第１の線状部分に沿った色数値の変化の周期と位相を算出する。フーリエ変換により周波数解析を行った色数値の変化の周期と位相は、等間隔に配向された複数の線状部分の群を構成する複数の第２の線状部分の配列周期の情報と、各第２の線状部分の群の位置の情報に相当する。なお、第２の線状部分の群はオフセットしているため、上述した位相からこれらの正確な位置情報はわからない。

したがって、算出されたこれらの周期と位相に基づいて、第２の線状部分の出現パターンを簡単に推定することができないため、次の工程において、色数値の変化の周期と位相に基づいた一部の情報に対して、逆フーリエ変換を行うことにより、微分処理を行った画像に応じたフィルタ画像（第１フィルタ画像）を構築する。なお、このフィルタ画像に対して、必要に応じて、二値化処理を行ってもよい。

得られたフィルタ画像は、第２の線状部分の群を構成する第２の線状部分の配列周期の情報と、各第２の線状部分の群の位置の情報を含む画像であるため、次の工程で、フィルタ画像に対して、微分処理を行った画像（第１微分処理画像）を重ね合わせて、第２の線状部分を、微分処理を行った画像（第１微分処理画像）から除去する。この第２の線状部分を除去した画像には、外装材の損傷部位が残るため、この画像から損傷部位を特定することができる。

同様に、一方の線状部分を第１の線状部分とし、他方の線状部分を第２の線状部分とし、上述した微分処理を行い、第１の線状部分に沿った方向のエッジが強調され、第２の線状部分が画像から消えるように、微分処理を行ってもよい。この微分処理した画像（第２微分処理画像）から、フーリエ変換により色数値の変化の周期と位相を算出した後、逆フーリエ変換を行うことにより、この微分処理を行った画像に応じたフィルタ画像（第２フィルタ画像）を構築し、このフィルタ画像から外装材の損傷部位を特定してもよい。

さらに、上述した第１微分処理画像と第２微分処理画像を合成した合成微分処理画像と、上述した第１フィルタ画像と第２フィルタ画像を合成した合成フィルタ画像を作成し、合成フィルタ画像に対して、合成微分処理画像を重ね合わせて、外装材の損傷部位を特定してもよい。

さらに、上述したフィルタ画像を修正してもよい。具体的な好ましい態様として、撮像した前記外装材の画像に対して、前記一方の線状部分に沿った直線をハフ変換により検出し、検出した前記直線からなる画像を作成する工程と、前記検出した直線の画像に基づいて、前記構築されたフィルタ画像を修正する工程と、をさらに含む。

周波数解析で算出したフィルタ画像は、一方の線状部分に沿った線の本数およびその線の間隔を正確に表すことができ、ハフ変換による直線検出では、一方の線状部分に沿った直線の位置を正確に検出することができる。したがって、この検出した直線の画像により、微分処理した画像の一方の線状部分が消えるように、フィルタ画像を修正すれば、より精度良く、外装材の損傷部位を特定することができる。

より好ましい態様としては、前記微分処理を行う工程の前に、撮像した前記外装材の撮像画像から画像を抽出し、前記微分処理を行う工程において、抽出した抽出画像と前記撮像画像に対して前記微分処理を行い、前記微分処理を行った抽出画像に隣接する領域に、前記微分処理を行った抽出画像を複製することで、前記抽出画像を拡張した拡張画像を作成し、作成した前記拡張画像に対して、前記色数値の変化の周期と位相を算出する工程と前記フィルタ画像を構築する工程とを行って、前記フィルタ画像として、前記拡張画像に対応した拡張フィルタ画像を構築し、前記外装材の損傷部位を特定する工程において、前記拡張フィルタ画像を、前記微分処理を行った撮像画像に重ね合わせることにより、前記抽出画像を抽出した領域およびこれに隣接する領域の前記外装材の損傷部位を特定する。

この態様によれば、新たなフィルタ画像を構築することなく、拡張フィルタ画像により、抽出画像を抽出した領域およびこれに隣接する領域の損傷部位をより簡単に特定することができる。ここで、抽出した画像が矩形状であり、これに隣接する画像が、矩形状とは異なる形状で抽出した画像と同じ間隔で線状部分を含む場合には、隣接する画像を含めてフィルタ画像を構築すると、外装材の損傷部位の特定の精度が低下することがある。しかしながら、この態様によれば、損傷部位の特定の精度の高い画像をベースに拡張フィルタ画像を構築したので、線状部分が形成された矩形状とは異なる形状の領域に対して、その領域の外装材の損傷部位をより正確に特定することができる。

より好ましい態様としては、前記微分処理を行った後、かつ、前記拡張画像を作成する前に、前記微分処理を行った抽出画像と、前記微分処理を行った撮像画像とを、前記外装材の表面の法線方向から撮像し、前記微分処理を行った画像となるように補正し、補正した前記抽出画像から前記拡張フィルタ画像を構築し、前記拡張フィルタ画像を、補正した前記撮像画像に重ね合わせることにより、前記抽出画像を抽出した領域およびこれに隣接する領域の前記外装材の損傷部位を特定する。

この態様によれば、外装材の表面の法線方向（外装材の表面の正面）から撮像したように、微分処理を行った抽出画像と、微分処理を行った撮像画像とを、予め補正する。この補正後の画像を用いて外装材の損傷部位を特定するので、撮像条件により生じる遠近による画像のゆがみによる損傷部位の誤検出を回避することができる。

なお、これらの形態では、フィルタ画像を構築する前に、抽出画像を複製することにより、拡張フィルタ画像を作成したが、たとえば、フィルタ画像を構築した後、このフィルタ画像を複製して拡張した拡張フィルタ画像を構築してもよい。

このような好ましい態様として、前記微分処理を行う工程の前に、撮像した前記外装材の撮像画像から画像を抽出し、抽出した抽出画像に対して、前記微分処理を行う工程から前記フィルタ画像を構築する工程までを実施して、前記フィルタ画像を構築し、前記外装材の損傷部位を特定する工程において、構築した前記フィルタ画像を、前記微分処理を行った抽出画像およびそれ以外の微分処理を行った撮像画像の領域（たとえば抽出画像に隣接した領域）に適用することで、前記外装材の損傷部位を特定してもよい。

この場合には、前記微分処理を行った抽出画像と、前記微分処理を行った撮像画像とを、前記外装材の表面の法線方向から撮像し前記微分処理を行った画像となるように、補正し、補正した前記抽出画像に対して前記フィルタ画像を構築し、構築した前記フィルタ画像を、補正した前記抽出画像およびそれ以外の前記微分処理を行った撮像画像の領域に適用することで、前記外装材の損傷部位を特定することが好ましい。

第２の発明に係る外装材の損傷検出方法は、等間隔に配向された複数の線状部分を有した外装材の損傷部位を検出する損傷検出方法であって、前記外装材を撮像装置で撮像する工程と、撮像した画像をグレースケールに変換し、前記グレースケールに変換した画像に対して、前記線状部分に沿った方向のエッジが強調されるように、微分処理を行う工程と、前記微分処理を行った画像に対して、ピクセルごとに、黒色から白色の色の変化に応じて、数値化された色数値において、前記線状部分と交差する方向に沿って配列されているピクセル群の色数値に対して、フーリエ変換を行うことにより、前記色数値の周波数解析を行い、前記交差する方向に沿った前記色数値の変化の周期と位相を算出する工程と、前記周期と前記位相に基づいて、前記線状部分の出現パターンを推定し、前記出現パターンに基づいて、前記微分処理を行った画像に対して、前記線状部分を前記画像から除去する工程と、前記線状部分を除去した画像から、前記外装材の損傷部位を特定する工程と、を備えることを特徴とする。

第２の発明によれば、まず、外装材を撮像装置で撮像し、撮像した画像をグレースケールに変換し、前記グレースケールに変換した画像に対して、線状部分に沿った方向のエッジが強調されるように、微分処理を行う。これにより、グレースケールへの変換後、微分処理を行った外装材の画像に対して、線状部分の画像と、この線状部分に沿って延在した損傷部位の画像と、この方向に所定の幅を有した損傷部位の画像と、を強調することができる。

次に、微分処理を行った画像に対して、ピクセルごとに、黒色から白色の色の変化に応じて、数値化された色数値において、強調された線状部分の画像と損傷部位の画像とを構成するピクセルに割り当てられた色数値は、他の部分に対応したピクセルに割り当てられた色数値に比べて、大きく異なる値となる。なお、この微分処理を行った画像に対して、必要に応じて、二値化処理を行ってもよい。

次に、前記線状部分と交差する方向に沿って配列されているピクセル群の色数値に対して、フーリエ変換を行うことにより、色数値の周波数解析を行い、交差する方向に沿った色数値の変化の周期と位相を算出する。フーリエ変換により周波数解析を行った色数値の変化の周期と位相は、等間隔に配向された複数の線状部分の配列周期の情報と線状部分の位置の情報に相当する。

したがって、次の工程において、算出された周期と位相に基づいて、線状部分の出現パターンを推定し、推定パターンに基づいて、微分処理を行った画像に対して、線状部分を画像から除去することができる。具体的には、線状部分の画像に対して、その周りの画像と同等の色を付し、微分処理を行った画像に対して、線状部分の画像を目立たなくする。

これにより、次の工程において、線状部分を除去した画像から、外装材の損傷部位に対応する画像を残すことができ、この画像から、外装材の損傷部位を簡単かつ正確に特定することができる。このような結果、より簡単な作業で、外装材の損傷部位を正確に特定して、これを検出することができる。

より好ましい態様としては、前記損傷部位を特定する工程において、前記除去する工程で得られた画像を、前記撮像する工程において撮像した画像に重ね合わせることにより、前記損傷部位を特定する。具体的には、第１の発明では、線状部分を除去した画像を、撮像した画像に重ね合わせることにより、損傷部位を特定する。第２の発明では、第２の線状部分を除去した画像を、撮像した画像に重ね合わせることにより、損傷部位を特定する。これにより、撮像した画像である外装材に対して、損傷部位の位置をより正確に特定することができる。

上述した外装材は、たとえば、周期的に配列されたタイルまたはブロックなどで構成される建物の外壁、道路や広場などの舗装部分などを挙げることができるが、より好ましい態様としては、前記外装材は、スレート瓦が敷設された建物の屋根であり、第１の線状部分と第２の線状部分は、前記屋根の配置された前記スレート瓦同士の境界部分である。

この態様によれば、スレート瓦が敷設された建物の屋根は、規則的にスレート瓦が敷設されているため、周期的に、第１の線状部分と第２の線状部分とを有するため、より正確に屋根の損傷部位を特定し、これを検出することができる。

さらに好ましい態様としては、前記外装材の撮像を、撮像装置を搭載した無人航空機から行う。この態様によれば、上空から所望の角度で外装材を簡単に撮像することができる。特に、外装材が屋根である場合には、撮像のために建物に対して足場を作ることなく、無人航空機から、建物の屋根を、これらの上空の所望の位置から簡単に撮像することができる。

本発明によれば、より簡単な作業で、外装材の損傷部位を正確に特定して、これを検出することができる。

第１および第２の発明の実施形態に係る外装材の損傷検出方法を実施するための装置概略図である。 第１実施形態に係る外装材の損傷検出方法のフロー図の一部である。 図２に示す撮像工程で撮像した画像の模式図である。 （ａ）は、図３の画像の一部を抽出した画像の模式図であり、（ｂ）は、前処理工程後の画像の模式図である。 （ａ）は、図２に示す微分処理工程において、グレースケール変換後の画像の模式図であり、（ｂ）は、微分処理工程を説明するための各ピクセルの模式図である。 （ａ）は、図２に示す微分処理工程後の画像の模式図であり、（ｂ）は、微分処理工程後の画像において、Ｎ列目のピクセル列に割り当てられた色数値を示す図である。 （ａ）は、図２に示す周波数解析工程において得られた周波数と振幅の関係を示したグラフであり、（ｂ）は、図２に示す周波数解析工程において得られた周波数と位相の関係を示したグラフである。 （ａ）は、図２に示す第１の線状部分除去工程後の画像の模式図であり、（ｂ）は、図２に示す損傷部位特定工程後の画像の模式図である。 第２実施形態に係る外装材の損傷検出方法のフロー図の一部である。 （ａ）は、図３の画像の一部を抽出した画像の模式図であり、（ｂ）は、前処理工程後の画像の模式図であり、（ｃ）は、グレースケール変換後の画像の模式図であり、（ｄ）は、図２に示す微分処理工程後の画像の模式図である。 （ａ）は、図９に示す周波数解析工程において得られた周波数と振幅の関係を示したグラフであり、（ｂ）は、図９に示す周波数解析工程において得られた周波数と位相の関係を示したグラフである。 （ａ）は、実際の屋根の一部の画像における前処理工程後の画像であり、（ｂ）は、（ａ）に示す画像に対して、微分処理工程後の画像であり、（ｃ）は、（ｂ）に示す画像から作成したフィルタ画像である。 （ａ）は、図９に示す第２の線状部分除去工程後の画像であり、（ｂ）は、図９に示す損傷部位特定工程後の画像の模式図である。 第３実施形態に係る外装材の損傷検出方法のフロー図である。 （ａ）～（ｄ）は、図１４に示す各工程における画像の一例である。 第４実施形態に係る外装材の損傷検出方法のフロー図である。 （ａ）は、撮像工程で撮像した寄棟の屋根の画像の模式図であり、（ｂ）は、拡張フィルタ画像の一例である。 （ａ）および（ｂ）は、図１６に示す領域形状補正工程までの工程を説明するための模式図である。 図１６に示す領域拡張工程を説明するための模式図である。

以下、第１および第２の発明の実施形態に係る外装材の損傷検出方法を図１～図１３を参照しながら説明する。

１．損傷検出装置１００と屋根１０について
本実施形態に係る損傷検出方法では、外装材として建物１の屋根１０の損傷を検出する。図１に示すように、この診断方法では、図１に示す撮像装置６を搭載した無人航空機（ＵＡＶ）５と、処理装置７と、を用いて、屋根１０の損傷を検出する。

１－１．撮像装置６を搭載した無人航空機（ＵＡＶ）５について
無人航空機（ＵＡＶ）５は、いわゆるドローンであり、無人航空機５は、無線コントローラ（図示）により、建物１等の上空まで操作される。無人航空機５には、撮像装置６が搭載されており、無線コントローラの操作により、対象物を撮像することができる。

無人航空機５に搭載された撮像装置６は、カラーまたはモノクロのデジタル画像が撮影できる装置であり、後述する工程において、建物１の屋根１０を撮像する装置である。撮像装置６としては、たとえば、デジタルカメラ（いわゆるデジカメ）、カメラ機能を有する通信端末等を挙げることができる。

１－２．処理装置７について
処理装置７は、入力装置７１、表示装置７２、演算装置（ＣＰＵ）７３、および記憶装置（たとえばＲＡＭ等）７４を備えている。処理装置７は、パーソナルコンピュータまたはスマートフォン、タブレット端末等の形態端末である。記憶装置７４には、後述する工程で行う画像処理プログラム７４Ａ、解析プログラム７４Ｂ等が記憶されている。なお、記憶装置７４には、ＯＳ（オペレーションプログラム）（図示せず）が記憶され、画像処理プログラム７４Ａは、アプリケーションプログラムとしてインストールされている。

入力装置７１は、キーボード、マウス、タッチパネル等の入力機器であり、ＵＳＢ規格等のインタフェースなどの入出力ポート（図示せず）を介して、演算装置７３および記憶装置７４に接続される。入力装置７１により、たとえば、各工程の処理条件が入力される。なお、撮像装置６で撮像された画像は、たとえば無線により入出力ポートを介して、記憶装置７４に入力される。表示装置７２は、液晶表示装置等の画像を表示可能な出力機器であり、各工程の画像等が出力される。

１－３．屋根１０について
図３に示すように、損傷の検出対象である外装材は、屋根１０であり、本実施形態では、屋根１０は、たとえば矩形状のスレート瓦からなる屋根である。屋根１０は、等間隔に配向された複数の第１の線状部分１１と、隣接する第１の線状部分１１の間に、各第１の線状部分１１同士を繋ぐように、等間隔に複数の第２の線状部分１２と、を有しており、前記第１の線状部分１１に沿って配列された複数の第２の線状部分１２の群と、これに隣接する複数の第２の線状部分１２の群とは、第１の線状部分１１に沿った方向にオフセットして千鳥状に配置されている。

２．第１実施形態に係る損傷検出方法について
このような屋根１０に対して、図２に示す以下の一連の工程を行うことにより損傷部位を検出する。図２～８を参照しながら、第１実施形態に係る損傷検出方法を説明する。第１実施形態は、第２の発明の一実施形態に相当するものである。

２－１．撮像工程Ｓ２１について
まず、本実施形態では、図２に示す撮像工程Ｓ２１を行う。図１に示すように建物１の屋根１０を、撮像装置６で撮像する。この際、無人航空機５を建物１の上空に飛行させて、上方から屋根１０を撮像装置６で撮像する。これにより、図３に示す如き屋根１０の画像（撮像画像）１０Ａを取得することができる。撮像画像１０Ａは、処理装置７に送信され、処理装置７で、撮像した画像に対して以下の工程を行う。

２－２．前処理工程Ｓ２２について
次に、前処理工程Ｓ２２を行う。この工程では、図３に示す屋根１０の画像から、画像Ａ１を抽出し、撮像装置６のレンズによるゆがみ等の補正を行う。また、抽出した画像Ａ１に対して、射影変換等により、屋根１０の勾配に合わせて画像を傾ける。これにより、図４（ａ）に示す抽出した画像Ａ１から、図４（ｂ）に示す前処理工程Ｓ２２後の画像Ａ２を得ることができる。なお、撮像工程Ｓ２１において、無人航空機５での撮影の際、撮像装置６の向きを屋根面に対して垂直に向けて撮影すれば、射影変換を省略することができる。

２－３．微分処理工程Ｓ２３について
次に、微分処理工程Ｓ２３を行う。この工程では、画像Ａ２をグレースケールに変換し、図５（ａ）に示す画像Ａ３を得て、その後、グレースケールに変換した画像Ａ３に対して、第１の線状部分１１に沿った方向のエッジが強調されるように、微分処理を行う。これにより、第２の線状部分１２を消す。

具体的には、図５（ｂ）に示すように、各ピクセルに対して、黒色から白色の色の変化に応じて、数値化された色数値に対して、フィルタ行列（ｓｏｂｅｌフィルタ）をかける。この際、ピクセルごとに、黒色から白色の色の変化に応じて、数値化された色数値を変換する。具体的には、黒が０、白が２５５となるように、フィルタ行列で、マイナスになった値をゼロにし、２５５を超える数値は、すべて２５５にする。

これにより、図６（ａ）に示すように、屋根１０の縦パターンである第２の線状部分１２を消して、屋根１０の横パターンである第１の線状部分１１と、それ以外の損傷部位１３などの情報が強調された画像Ａ４を得ることができる。

２－４．周波数解析工程Ｓ２４について
次に、周波数解析工程Ｓ２４を行う。ここで、微分処理を行った画像Ａ４に対して、ピクセルごとに、黒色から白色の色の変化に応じて、数値化されて、色数値が割り当てられている。この画像Ａ４に対して、第１の線状部分１１と交差する方向に沿って配列されているピクセル群の色数値に対して、フーリエ変換を行うことにより、色数値の周波数解析を行い、交差する方向に沿った色数値の変化の周期と位相を算出する。

具体的には、図６（ａ）に示すように、画像Ａ４のピクセルの列ごとに、図６（ｂ）に示すように、割り当てられた色数値の変化に対して、フーリエ変換を行うことにより、色数値の周波数解析を行う。図６（ｂ）の横軸は、第１の線状部分１１と交差する方向（具体的には縦方向）に沿って配列されているピクセル群のピクセルの位置であり、縦方向の１列のデータを１つのまとまりとして、そのピクセルの並びに応じた色数値の変化の周期と位相を得ることができる。このような周波数解析を、すべての列に対して行う。

これにより、図７（ａ）、（ｂ）に示すように、周波数に対して振幅および位相の関係を得ることができる。なお、ここでいう周波数とは、サイクル数／列ピクセルの数のことである。図７（ａ）に示すように、振幅の最初のピークが出現する周波数が第１の線状部分１１の本数により変わるため、図７（ａ）から、複数の第１の線状部分１１の配列周期の情報を得ることができる。具体的には、各列のフーリエ変換の結果を周波数毎に平均化した結果について、最初のピークが出現する周波数が、第１の線状部分１１の本数により変わる。したがって、最初のピークが出現する周波数が、第１の線状部分の周期の情報に相当する。一方、図７（ｂ）に示すように、位相の変化は、第１の線状部分１１の位置に応じて変わるので、第１の線状部分１１の位置の情報を特定することができる。

２－５．第１の線状部分除去工程Ｓ２５について
次に、第１の線状部分除去工程Ｓ２５を行う。この工程では、算出した周期と位相に基づいて、第１の線状部分１１の出現パターンを推定し、推定した出現パターンに基づいて、微分処理を行った画像Ａ４に対して、第１の線状部分１１を画像Ａ４から除去する。

出現パターンの推定の際には、図７（ａ）のように、最初のピークを波形の一山とするならば、この山を含む複数の山のピークの振幅と位相を用いて、第１の線状部分１１に対応する線の出現数とその位置を推定する。この推定した線の出現数とその位置から出現パターンを推定することができる。一方、後述する図１１（ａ）のように、最初のピークが２つの周波数にまたがる場合には、各行ごとに、いずれか振幅の大きい周波数の振幅と位相を用いて、第１の線状部分１１に対応する線の出現数とその位置を推定する。

具体的には、図６（ａ）の第１の線状部分１１の画像に対して、その周りの画像と同等の色（黒色）を付し、微分処理を行った画像に対して、第１の線状部分１１の画像を目立たなくする。これにより、図８（ａ）に示すように、損傷部位１３の画像Ａ５を得ることができる。たとえば、この画像Ａ５を適当な閾値で２値化してもよい。

２－６．損傷部位特定工程Ｓ２６について
次に、損傷部位特定工程Ｓ２６を行う。第１の線状部分１１を除去した画像Ａ５から、屋根１０の損傷部位１３を特定する。具体的には、図４（ａ）に示す、前処理工程Ｓ２後の屋根１０の状態がわかる画像Ａ２に対して、画像Ａ５の白色と黒色を逆転した画像を重ね合わせる。このようにして、図８（ｂ）に示すように、より簡単な作業で、屋根１０の損傷部位１３を正確に特定した画像Ａ６を得ることができる。

３．第２実施形態に係る損傷検出方法について
さらに、上述した方法とは異なる損傷検出方法として、屋根１０に対して、図９に示す一連の工程を行うことにより損傷部位を検出する。以下に、図９～１３を参照しながら、第２実施形態に係る損傷検出方法を説明する。第２実施形態は、第１の発明の一実施形態に相当するものである。

３－１．撮像工程Ｓ９１、前処理工程Ｓ９２について
上述した方法と同様の方法によって、撮像工程Ｓ９１と前処理工程Ｓ９２とを行う。撮像工程Ｓ９１では、屋根１０の画像１１Ａを撮像し（図３参照）、図１０（ａ）に示すように、その一部の画像Ｂ１を抽出する。次に、前処理工程Ｓ９２により、図１０（ｂ）に示すように、ゆがみ等の無い画像Ｂ２を得ることができる。

３－２．微分処理工程Ｓ９３について
次に、微分処理工程Ｓ９３を行う。この工程では、画像Ｂ２をグレースケールに変換し、図１０（ｃ）に示す画像Ｂ３を得て、その後、グレースケールに変換した画像Ｂ３に対して、第２の線状部分１２に沿った方向のエッジが強調されるように、微分処理を行う。これにより、画像Ｂ３から第１の線状部分１１を消す。

具体的には、図１０（ｃ）に示すように、各ピクセルに対して、黒色から白色の色の変化に応じて、数値化された色数値に対して、フィルタ行列（ｓｏｂｅｌフィルタ）をかける。この際、ピクセルごとに、黒色から白色の色の変化に応じて、数値化された色数値を変換する。具体的には、黒が０、白が２５５となるように、フィルタ行列で、マイナスになった値をゼロにし、２５５を超える数値は、すべて２５５にする。

これにより、図１０（ｃ）に示すように、屋根１０の横パターンである第１の線状部分１１を消して、屋根１０の縦パターンである第２の線状部分１２と、それ以外の損傷部位１３などの情報が強調された画像Ｂ４を得ることができる。

３－３．周波数解析工程Ｓ９４について
次に、周波数解析工程Ｓ９４を行う。ここで、微分処理を行った画像Ｂ４に対して、ピクセルごとに、黒色から白色の色の変化に応じて、数値化されて、色数値が割り当てられている。この画像Ｂ４に対して、第２の線状部分１２と交差する方向（具体的には横方向）に沿って配列されているピクセル群の色数値に対して、フーリエ変換を行うことにより、色数値の周波数解析を行い、交差する方向に沿った色数値の変化の周期と位相を算出する。

具体的には、画像Ｂ４のピクセルの列ごとに、割り当てられた色数値の変化に対して、フーリエ変換を行うことにより、色数値の周波数解析を行う。１列のデータを１つのまとまりとして、そのピクセルの並びに応じた色数値の変化の周期と位相を得ることができる。このような周波数解析を、すべての行に対して行う。

これにより、図１１（ａ）、（ｂ）に示すように、周波数に対して振幅および位相の関係を得ることができる。しかしながら、第２の線状部分１２の群同士にはオフセットがあるため、隣接する縦方向の第２の線状部分１２の群の本数は異なる場合があり、得られた位相からこれらの正確な位置情報はわからない。

したがって、算出されたこれらの周期と位相に基づいて、第２の線状部分の出現パターンを簡単に推定することができないため、次に示すフィルタ画像構築工程Ｓ９５を行う。

３－４．フィルタ画像構築工程Ｓ９５について
この工程では、周期と位相に基づいて、逆フーリエ変換を行うことにより、微分処理を行った画像Ｂ４に応じたフィルタ画像を構築する。図１２（ａ）は、実際の屋根１０の一部の画像における前処理工程後の画像である。これに対して、図１２（ｂ）は、図１２（ａ）の微分処理工程Ｓ９３後の画像である。この工程では、さらに、図１２（ｃ）に示すフィルタ画像を作成する。

具体的には、最初のピークの周波数（図１１（ａ）では、周波数が０．０５と０．０６）の振幅と位相の情報を用いて、逆フーリエ変換を行う。逆フーリエ変換で得られた画像を、二値化し、膨張・収縮処理を行う。これにより、図１２（ｃ）によるフィルタ画像を得ることができる。

３－５．第２の線状部分除去工程Ｓ９６について
次に、第２の線状部分除去工程Ｓ９６を行う。この工程では、フィルタ画像に対して、図１０（ｄ）に示す微分処理を行った画像Ｂ４を重ね合わせて、第２の線状部分１２を微分処理の画像Ｂ４から除去する。具体的には、２つの画像の画素に対して、フィルタ画像の色数値が所定以上である場合には、画像Ｂ４の該当位置のピクセルを、その周りのピクセルと同等の色（黒色）を割り当てる。これにより、微分処理を行った画像Ｂ４に対して、第２の線状部分１２の画像を目立たなくする。このようにして、図１３（ａ）に示すように、損傷部位１３の画像Ｂ５を得ることができる。たとえば、この画像Ｂ５を適当な閾値で２値化してもよい。

３－６．損傷部位特定工程Ｓ９７について
次に、損傷部位特定工程Ｓ９７を行う。第２の線状部分１２を除去した画像Ｂ５から、屋根１０の損傷部位を特定する。具体的には、図１０（ｂ）に示す、前処理工程Ｓ２後の屋根１０の状態がわかる画像Ｂ２に対して、図１３（ａ）の画像Ｂ５の白色と黒色を逆転した画像を重ね合わせる。このようにして、図１３（ｂ）に示すように、より簡単な作業で、屋根１０の損傷部位１３を正確に特定した画像Ｂ６を得ることができる。

なお、本実施形態では、微分処理により第１の線状部分１１を画像Ｂ３から消した画像Ｂ４（第１微分処理画像）を得た後、構築したフィルタ画像（第１フィルタ画像）で、第２の線状部分１２を画像Ｂ４から除去した。この他にも、たとえば、第１の線状部分１１に沿った方向のエッジが強調され、第２の線状部分１２が画像Ｂ２から消えるように、微分処理を行ってもよい。この微分処理した画像（第２微分処理画像）から、フーリエ変換により色数値の変化の周期と位相を算出した後、逆フーリエ変換を行うことにより、この微分処理を行った画像Ｂ２に応じたフィルタ画像（第２フィルタ画像）を構築し、このフィルタ画像から屋根１０の損傷部位を特定してもよい。

さらに、上述した第１微分処理画像と第２微分処理画像を合成した合成微分処理画像と、上述した第１フィルタ画像と第２フィルタ画像を合成した合成フィルタ画像を作成し、合成フィルタ画像に対して、合成微分処理画像を重ね合わせて、屋根１０の損傷部位を特定してもよい。たとえば、第１微分処理画像と第２微分処理画像との合成では、第１の線状部分１１と、第２の線状部分１２と、亀裂等の損傷部位１３が残るように合成するとよい。さらに、第１フィルタ画像と第２フィルタ画像との合成では、双方のフィルタ画像のうち、第１の線状部分１１と、第２の線状部分１２として消去する部分が残るように合成するとよい。

４．第３実施形態に係る損傷検出方法について
第３実施形態では、屋根１０に対して、図１４に示す一連の工程を行うことにより損傷部位を検出する。以下に、図１４および図１５を参照しながら、第３実施形態に係る損傷検出方法を説明する。第３実施形態は、第１の発明の一実施形態に相当するものである。

第３実施形態に係る屋根１０の損傷検出方法が、第２実施形態と異なる点は、構築したフィルタ画像をさらに修正する点であり、フィルタ画像構築工程Ｓ９５と、第２線状部分除去工程Ｓ９６との間に、以下の工程をさらに行うものである。したがって、本実施形態では、上述した撮像工程Ｓ９１からフィルタ画像構築工程Ｓ９５までを行う。なお、図１５（ａ）は、微分処理工程Ｓ９４で得られた画像であり、図１５（ｃ）は、フィルタ画像構築工程Ｓ９５で得られた画像である。

次に、直線検出処理工程Ｓ１４１を行う。撮像した屋根１０の画像に対して、第２の線状部分１２に沿った直線を画像処理により検出し、検出した直線からなる画像を作成する。本実施形態では、直線の検出は、一般的に知られた画像処理により行うことができ、ハフ変換（Hough変換）により行う。

次に、検出判定工程Ｓ１４２を行う。具体的には、検出した直線と、第２の線状部分１２とが整合性がない場合（たとえば、第２の線状部分以外の位置に直線を検出した場合）には、直線検出処理工程Ｓ１４１に戻る。直線検出処理工程Ｓ１４１では、ハフ変換の直線の検出条件を変更し、再度直線の検出を行う。

このような作業を繰り返し、検出した直線と、第２の線状部分２１とが整合性がある場合には、たとえば、図１５（ｂ）のような画像となる。この場合には、フィルタ画像修正工程Ｓ１４３に進む。この工程では、検出した直線の画像に基づいて、論理和により構築されたフィルタ画像を修正する。具体的には、検出した直線の画像により、微分処理した画像の第２の線状部分１２が消えるように、フィルタ画像を修正する。修正したフィルタ画像を用いて、第２の線状部分除去工程Ｓ９６および損傷部位特定工程Ｓ９７を行う。

本実施形態では、周波数解析で算出したフィルタ画像は、一方の線状部分に沿った線の本数およびその線の間隔を正確に表すことができ、ハフ変換による直線検出では、一方の線状部分に沿った直線の位置を正確に検出することができるため、修正したフィルタ画像により、より精度良く、外装材の損傷部位を特定することができる。

５．第４実施形態に係る損傷検出方法について
第４実施形態では、屋根１０に対して、図１６に示す一連の工程を行うことにより損傷部位を検出する。以下に、図１７および図１８を参照しながら、第４実施形態に係る損傷検出方法を説明する。第４実施形態は、第１の発明の一実施形態に相当するものである。

第４実施形態に係る屋根１０の損傷検出方法が、第２実施形態と異なる点は、構築したフィルタ画像を拡張して他の部分にも適用する点であり、図１７に示す寄棟の屋根１０等に対して損傷部位を好適に検出するための方法である。本実施形態は、微分処理工程Ｓ９３と周波数解析工程Ｓ９４との間に、以下の工程をさらに行うものである。

具体的には、まず、前処理工程Ｓ９２で、撮像した屋根１０の撮像画像１０Ｂから画像（抽出画像）Ｅ１を抽出する。抽出画像Ｅ１は、屋根１０を構成する４つの屋根面のうち、１つの屋根面内で、矩形状の画像を抽出できる最大範囲の画像である。したがって、屋根面のうち、抽出画像Ｅ１と隣接する部分の、三角形状の画像Ｅ２は抽出しない。この際、撮像画像１０Ｂの代わりに、画像Ｅ２とこれに隣接する画像Ｂ２、Ｂ２を含む矩形状の画像を抽出し、以下の示す撮像画像の代わりに用いてもよい。

次に、微分処理工程Ｓ９３において、抽出した抽出画像Ｅ１と撮像画像１０Ｂに対して微分処理を行う。第１の線状部分１１に沿った方向のエッジが強調され、第２の線状部分１２が消えるような微分処理を行い、第１微分処理画像を算出する。同様に、第２の線状部分１２に沿った方向のエッジが強調され、第１の線状部分１１が消えるような微分処理を行い、第２微分処理画像を算出する。

次に、線状部分推定工程Ｓ１６１を行う。この工程では、第１および第２微分処理画像のそれぞれに対して、第１および第２の線状部分１１、１２に沿った直線を推定する。この直線の推定を、直線検出処理工程Ｓ１４１と同様に、ハフ変換（Hough変換）により行う。これにより、格子状に直線が検出される。

次に、交点算出工程Ｓ１６２を行う。この工程では、線状部分推定工程Ｓ１６１で推定した直線を用いて、図１８（ａ）の左図に示すように、抽出画像Ｅ１の四隅の交点を算出する。抽出した工程は、直線により形成される四角形が最大面積となる場合の４点である。

次に、補正係数算出工程Ｓ１６３を行う。この工程では、図１８（ａ）の右図に示すように、４点を繋ぐ四角形が長方形になるように（四隅の角度が９０°になるように）、射影変換のパラメータ（補正係数）を算出する。

次に、必要に応じて、パターン合成工程Ｓ１６４を行う。この工程では、第１および第２微分処理画像を合成する。本実施形態では、合成を行わず、第２の線状部分１２に沿った方向のエッジが強調された第２微分処理画像を用いて、以下の工程を行う。

次に、領域形状補正工程Ｓ１６５を行う。この工程では、図１８（ｂ）の左図から右図となるように、補正係数算出工程Ｓ１６３で算出した射影変換のパラメータ（補正係数）を用いて、射影変換により、第２微分処理画像を補正する。これにより、第２微分処理画像は、屋根１０の屋根面の法線方向から撮像し第２微分処理画像に補正される。同様の一連の作業により、微分処理された撮像画像１０Ｂの補正も行う。

次に、領域拡張工程Ｓ１６６を行う。この工程では、図１９に示すように、第２微分処理画像に隣接する領域に、第２微分処理画像を複製することで、第２微分処理画像を拡張した拡張画像を作成する。この拡張画像は、フィルタ構築に用いられる画像である。拡張画像を作成する際には、拡張画像の第２の線状部分１１のピッチが同じピッチとなるように、第２微分処理画像を複製する。複製は、第２微分処理画像のそのままの複製、または、第２微分処理画像を反転したものを複製のいずれであってもよい。

次に、作成した拡張画像に対して、周波数解析工程Ｓ９４と、フィルタ画像構築工程Ｓ９５を行う。この際に、第３実施形態の直線検出工程Ｓ１４１からフィルタ画像修正工程Ｓ１４３までを行ってもよい。このようにして、フィルタ画像として、拡張画像に対応した拡張フィルタ画像を構築する。なお、本実施形態では、第２微分処理画像により拡張フィルタ画像を構築したが、第１微分処理画像により拡張フィルタ画像を構築してもよく、これらの拡張フィルタ画像を合成してもよい。なお、図１７（ｂ）は、この合成により得られた拡張フィルタ画像である。

最後に、損傷部位特定工程Ｓ９７において、拡張フィルタ画像を、補正した撮像画像に重ね合わせることにより、抽出画像Ｅ１に相当する領域およびこれに隣接する領域（画像Ｅ２に相当する領域）の屋根１０の損傷部位を特定する。

第４実施形態では、新たなフィルタ画像を構築することなく、拡張フィルタ画像により、抽出画像を抽出した領域およびこれに隣接する領域の損傷部位をより簡単に特定することができる。ここで、図１７（ａ）に示すように、抽出画像Ｅ１が矩形状であり、これに隣接する画像が、矩形状とは異なる形状（具体的には三角形状）で抽出した画像と同じ間隔で第１および第２の線状部分１１、１２を含む場合には、隣接する領域を含めて長方形状のフィルタ画像を構築すると、屋根１０の損傷部位の特定の精度が低下することがある。しかしながら、本実施形態では、検出精度の高い部位の画像を拡張して拡張フィルタ画像を作成したので、第１および第２の線状部分１２が形成された矩形状とは異なる形状の領域（三角形状の画像Ｅ２）に対して、その領域の屋根１０の損傷部位をより正確に特定することができる。

さらに、領域形状補正工程Ｓ１６５において、屋根１０の屋根面の法線方向（屋根１０の屋根面の正面）から撮像したように、第２微分処理画像と、微分処理を行った撮像画像とを、予め補正した。これらの補正後の画像を用いて一連の工程を行うことにより、屋根１０の損傷部位を特定するので、撮像条件により生じる遠近による画像のゆがみを補正できるため、屋根１０の損傷部位の誤検出を回避することができる。

なお、第４実施形態では、フィルタ画像を構築する前に、抽出画像を複製することにより、拡張フィルタ画像を作成したが、たとえば、フィルタ画像を構築した後、このフィルタ画像を複製して拡張した拡張フィルタ画像を構築してもよい。

以上、本発明の実施形態について詳述したが、本発明は、前記の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の精神を逸脱しない範囲で、種々の設計変更を行うことができるものである。たとえば、本実施形態では、外装材として、屋根を例示したが、たとえば、その外装材が、建物の外壁材、舗装された道路であってもよい。

さらに、本実施形態では、第１の発明と第２の発明とを、撮像した画像の異なる領域に対して個別に実施したが、たとえば、撮影した画像の同じ領域に対して、図２で説明した一連の工程を行った後、図９で説明した一連の工程を行う、または、図９で説明した一連の工程を行った後、図２で説明した一連の工程を行ってもよい。これにより、外装材の損傷部位をより正確に特定することができる。

１：建物、５：無人航空機（ＵＡＶ）、６：撮像装置、７：処理装置、１０：屋根（外装材）、１１：第１の線状部分、１２：第２の線状部分、１３：損傷部位、Ｓ２１，Ｓ９１：撮像工程、Ｓ２３，Ｓ９３：微分処理工程、Ｓ２４，Ｓ９４：周波数解析工程、Ｓ２５：第１の線状部分除去工程、Ｓ２６，Ｓ９７：損傷部位特定工程、Ｓ９５：フィルタ画像構築工程、Ｓ９６：第２の線状部分除去工程、Ｓ１４１：直線検出工程、Ｓ１６５：領域形状補正工程、Ｓ１６６：領域拡張工程、Ａ１～Ａ６，Ｂ１～Ｂ６，Ｅ１，Ｅ２：画像

Claims (9)

1. 等間隔に配向された複数の線状部分を有した外装材の損傷部位を検出する損傷検出方法であって、
   前記外装材を撮像する工程と、
   撮像した画像をグレースケールに変換し、前記グレースケールに変換した画像に対して、前記線状部分に沿った方向のエッジが強調されるように、微分処理を行う工程と、
   前記微分処理を行った画像に対して、ピクセルごとに、黒色から白色の色の変化に応じて、数値化された色数値において、前記線状部分と交差する方向に沿って配列されているピクセル群の色数値に対して、フーリエ変換を行うことにより、前記色数値の周波数解析を行い、前記交差する方向に沿った前記色数値の変化の周期と位相を算出する工程と、
   前記ピクセル群ごとの前記周期と前記位相に基づいて、逆フーリエ変換を行うことにより、前記微分処理を行った画像に応じたフィルタ画像を構築する工程と、
   前記フィルタ画像を、前記微分処理を行った画像に重ね合わせることにより、前記外装材の損傷部位を特定する工程と、を備えることを特徴とする外装材の損傷検出方法。
2. 前記線状部分は、等間隔に配向された複数の第１の線状部分と、隣接する第１の線状部分の間に、前記各第１の線状部同士を繋ぐように、等間隔に複数の第２の線状部分と、を有しており、前記第１の線状部分に沿って配列された複数の第２の線状部分の群と、これに隣接する複数の第２の線状部分の群とは、前記第１の線状部分に沿った方向にオフセットして千鳥状に配置されており、
   前記微分処理を行う工程において、前記グレースケールに変換した画像に対して、前記第１および第２の線状部分のうちいずれか一方の線状部分に沿った方向のエッジが強調され、他方の線状部分が画像から消えるように、微分処理を行い、
   前記色数値の変化の周期と位相を算出する工程において、前記他方の線状部分に沿った前記色数値の変化の周期と位相を算出することを特徴とする請求項１に記載の外装材の損傷検出方法。
3. 撮像した前記外装材の画像に対して、前記一方の線状部分に沿った直線をハフ変換により検出し、検出した前記直線からなる画像を作成する工程と、
   前記検出した直線の画像に基づいて、前記構築されたフィルタ画像を修正する工程と、をさらに含むことを特徴とする請求項２に記載の外装材の損傷検出方法。
4. 前記微分処理を行う工程の前に、撮像した前記外装材の撮像画像から画像を抽出し、
   前記微分処理を行う工程において、抽出した抽出画像と前記撮像画像に対して前記微分処理を行い、
   前記微分処理を行った抽出画像に隣接する領域に、前記微分処理を行った抽出画像を複製することで、前記抽出画像を拡張した拡張画像を作成し、
   作成した前記拡張画像に対して、前記色数値の変化の周期と位相を算出する工程と前記フィルタ画像を構築する工程とを行って、前記フィルタ画像として、前記拡張画像に対応した拡張フィルタ画像を構築し、
   前記外装材の損傷部位を特定する工程において、前記拡張フィルタ画像を、前記微分処理を行った撮像画像に重ね合わせることにより、前記抽出画像を抽出した領域およびこれに隣接する領域の前記外装材の損傷部位を特定することを特徴とする請求項１～３のいずれか一項に記載の外装材の損傷検出方法。
5. 前記微分処理を行った後、かつ、前記拡張画像を作成する前に、前記微分処理を行った抽出画像と、前記微分処理を行った撮像画像とを、前記外装材の表面の法線方向から撮像し、前記微分処理を行った画像となるように補正し、
   補正した前記抽出画像から前記拡張フィルタ画像を構築し、
   前記拡張フィルタ画像を、補正した前記撮像画像に重ね合わせることにより、前記抽出画像を抽出した領域およびこれに隣接する領域の前記外装材の損傷部位を特定することを特徴とする請求項４に記載の外装材の損傷検出方法。
6. 等間隔に配向された複数の線状部分を有した外装材の損傷部位を検出する損傷検出方法であって、
   前記外装材を撮像する工程と、
   撮像した画像をグレースケールに変換し、前記グレースケールに変換した画像に対して、前記線状部分に沿った方向のエッジが強調されるように、微分処理を行う工程と、
   前記微分処理を行った画像に対して、ピクセルごとに、黒色から白色の色の変化に応じて、数値化された色数値において、前記線状部分と交差する方向に沿って配列されているピクセル群の色数値に対して、フーリエ変換を行うことにより、前記色数値の周波数解析を行い、前記交差する方向に沿った前記色数値の変化の周期と位相を算出する工程と、
   前記周期と前記位相に基づいて、前記線状部分の出現パターンを推定し、前記出現パターンに基づいて、前記微分処理を行った画像に対して、前記線状部分を前記画像から除去する工程と、
   前記線状部分を除去した画像から、前記外装材の損傷部位を特定する工程と、を備えることを特徴とする外装材の損傷検出方法。
7. 前記損傷部位を特定する工程において、前記除去する工程で得られた画像を、前記撮像する工程において撮像した画像に重ね合わせることにより、前記損傷部位を特定することを特徴とする請求項６に記載の外装材の損傷検出方法。
8. 前記外装材は、スレート瓦が敷設された建物の屋根であることを特徴とする請求項１～７のいずれか一項に記載の外装材の損傷検出方法。
9. 前記外装材の撮像を、撮像装置を搭載した無人航空機から行うことを特徴とする請求項１～８のいずれか一項に記載の外装材の損傷検出方法。

Images