[發明專利]一種在線道路裂縫篩查方法

有效

• 申請號: 201310380168.5
• 申請日: 2013-08-27
• 公開（公告）號: CN103440657A
• 公開（公告）日: 2013-12-11
• 發明（設計）人: 黃玉春;殷文斌;王敬磊
• 申請（專利權）人: 武漢大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/00
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 嚴彥

技術領域

本方法屬于圖像處理與識別技術領域，特別是涉及一種新的道路裂紋檢測方法，能夠在路面影像采集的過程中實時判斷路面裂縫的存在。

背景技術

近幾十年來，高速公路在世界各國得到了蓬勃的發展，道路建成后的保養與維護日益受到人們的重視。隨著路面使用率越來越高，不可避免的會產生路面破損。通常路面破損會對路面的承重能力、耐久性以及對車輛的燃料消耗、行車舒適性、機械磨損、行駛速度、交通安全、環境保護等方面造成嚴重的影響。因此，需要相關人員定期對路面情況進行調查，制定相應的維護策略，及時維修破損路面，達到最佳的投入產出比。在公路路面質量評價體系中，一項非常重要的指標就是路面是否存在裂紋。隨著大量路面影像和激光數據的出現，如何快速準確地在海量數據采集過程中判斷出路面裂紋的存在，減少數據存儲要求及后續大量數據處理開銷是目前亟待解決的問題。

過去很長一段時間內，道路工程師以及相關人員通過復雜的人工方式來收集道路表面裂縫信息；但是人工收集道路信息耗時、耗人力，更缺乏準確性和實時性。隨著定量遙感、定位技術的不斷發展以及工程測量車的出現，使得道路裂縫調查逐步走向自動化，路面裂縫信息的提取變得實時、高效。測量車所獲得的道路實時影像是對道路信息的綜合反映，從中檢測識別道路裂縫信息的本質在于從路面影像中提煉出裂縫知識以及結構數據，服務于交通規劃、分析和決策。Allen?Zhang等分析了道路信息的復雜性、裂縫特征的多樣性以及外部物體對裂縫的影響等，介紹了利用匹配過濾算法進行道路裂縫檢測的方法，將道路裂縫檢測結果和傳統邊緣探針檢測結果進行了比較，得出該算法在裂縫檢測中具有很強的穩健性，對除噪后的影像效果更佳的結論。Yi-Chang(James)Tsai等人提出了一種新穎的基于多尺度拓撲裂縫描述的裂縫基本元素模型，提供許多裂縫屬性，有助于科研人員研究裂縫識別的方法，以不同方式提取裂縫特征；而且該模型還能夠傳遞出豐富多變的裂縫特征。該方法通過多尺度模型，來提取具有不同細節水平的道路裂縫特征。通過對真實道路數據的分析可知，所提出的模型對于研究現實世界裂縫分類應用很有發展前景。H.D.Cheng等基于模糊邏輯理論提出一種新穎的道路裂縫檢測算法，其主要思想是基于道路影像中裂縫像素“比周圍像素更暗而且是連續的”實際情況，利用灰度特征提取道路裂縫信息。實驗結果證明了利用該方法檢測裂縫的正確性和高效性。國內高建貞等人介紹了一種基于圖像的路面裂縫自動檢測方法；首先使用一種快速的針對灰度分布不均圖像的校正方法，對降質的路面圖像進行增強，再進行閾值分割，提取出圖像上的線性特征，最后再根據線性特征從原灰度圖像上識別出裂縫目標。張娟和沙愛民等分析了基于數字圖像處理的路面裂縫識別與評價系統的工作原理，而沒有對在數據采集過程中實時判斷路面裂縫存在的方法做深入研究。

綜上所述，目前基于道路影像數據的道路裂縫檢測算法具有如下特點：

1)現有文獻算法缺乏在路面影像或激光數據采集的過程中，實時篩查道路裂縫存在的方法。大部分算法都集中在道路裂縫檢測的穩健性，而在實際操作過程中，人們更希望能夠邊采集道路數據，邊進行道路裂縫有無的檢測，能夠實時地判斷道路裂縫是否存在，放棄一些沒有缺陷的道路數據，從根本上減少后續人工或算法處理的成本；

2)一些文獻算法對道路裂縫檢測會遺漏一些結構不明顯的裂縫，導致裂縫檢測結果可靠性差。由于道路特征的變化，對于一些微小、線性特征不明顯的裂縫，如何進行全面檢測保證不漏掉任何含裂縫數據是提高道路檢測可靠性的關鍵。

發明內容

為了充分利用日益更新的影像和激光傳感技術，使其更有效的服務于交通行業，本發明公開了一種道路裂紋的實時篩查方法。

本發明的技術方案為一種在線道路裂縫篩查方法，包括以下步驟：

步驟一、對輸入的原始道路圖像進行預處理，得到預處理后的圖像；

步驟二、針對每一行數據，對于不同尺度，分別建立移動的目標窗口并計算灰度落差均值，取其中最大值為移動的目標窗口的當前像素灰度落差值M(i，j)，最大值對應的尺度為裂縫的最佳寬度W(i，j)；基于某尺度w，計算灰度落差值實現方式如下，

以當前像素(i，j)為起點、寬度為w的目標窗口包括像素(i，j)至像素(i，j+w-1)，其中i為行標號，j為列標號，計算目標窗口內灰度均值與左右兩側相鄰窗口灰度均值之差LDeta、RDeta，包括先計算左側相鄰窗口內所有像素灰度值之和Ltemp、右側相鄰窗口內所有像素灰度值之和Rtemp以及目標窗口內所有像素灰度值之和Mtemp，再按下式分別計算LDeta、RDeta，