[發(fā)明專利]一種水庫(kù)大壩護(hù)坡表面損傷視覺(jué)檢測(cè)方法及仿生裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201910235217.3
• 申請(qǐng)日: 2019-03-27
• 公開（公告）號(hào): CN110009610A
• 公開（公告）日: 2019-07-12
• 發(fā)明（設(shè)計(jì)）人: 唐昀超;姚明輝
• 申請(qǐng)（專利權(quán)）人: 仲愷農(nóng)業(yè)工程學(xué)院
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/13;G06T7/80;G06T17/00;G01N21/88;G09B25/04
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 陳燕嫻

1.一種水庫(kù)大壩護(hù)坡表面損傷視覺(jué)檢測(cè)方法，其特征在于包括下述步驟：

(1)攝像機(jī)標(biāo)定：首先，分別對(duì)兩個(gè)攝像機(jī)進(jìn)行標(biāo)定，獲取用于校正拍攝圖像畸變的攝像機(jī)內(nèi)部參數(shù)和畸變參數(shù)；進(jìn)行立體視覺(jué)的標(biāo)定，得到兩個(gè)攝像機(jī)之間的位置關(guān)系及用于進(jìn)行三維重構(gòu)的重投影矩陣；

(2)獲取校正圖像：通過(guò)攝像機(jī)來(lái)捕獲全方位裂紋或凹坑的數(shù)字圖像，然后根據(jù)攝像機(jī)的標(biāo)定結(jié)果對(duì)數(shù)字圖像進(jìn)行畸變校正，得到裂紋或凹坑的校正圖像；

(3)灰度化與平滑：將裂紋或凹坑的校正圖像進(jìn)行灰度化，將其R、G、B三個(gè)通道，每個(gè)通道以不同的權(quán)值進(jìn)行加權(quán)平均；然后用高斯函數(shù)對(duì)檢測(cè)區(qū)域進(jìn)行平滑處理，獲得裂紋或凹坑的平滑單通道灰度圖像；

(4)改進(jìn)Canny邊緣檢測(cè)：對(duì)裂紋或凹坑的平滑單通道灰度圖像的邊緣信息進(jìn)行檢測(cè)，采用改進(jìn)的Canny邊緣檢測(cè)算法，根據(jù)圖像的整體特征進(jìn)行高閾值H和低閾值L的選擇，使得檢測(cè)到的邊緣信息比較多且連續(xù)，從而檢測(cè)出裂紋或凹坑的完整邊緣信息；

(5)基于小波變換去噪：基于小波變換Canny算法進(jìn)一步去除雜草類噪聲，針對(duì)含有雜草類噪聲的復(fù)雜背景，先建立一個(gè)核函數(shù)φ(x,y)，然后進(jìn)行邊緣檢測(cè)，如果核函數(shù)φ(x,y)的積分為0，再對(duì)x,y兩個(gè)方向上的導(dǎo)數(shù)做基本小波；然后對(duì)去除了雜草類噪聲的裂紋或凹坑的表面進(jìn)行三維重構(gòu)；

(6)立體匹配：在獲取了校正圖像對(duì)并去除雜草類噪聲后，對(duì)左右攝像機(jī)的左右圖像進(jìn)行立體匹配，獲得各匹配點(diǎn)的視差圖；

(7)三維重構(gòu)：得到步驟(6)的視差圖后，再依據(jù)步驟(1)得到的重投影矩陣，生成三維點(diǎn)云，進(jìn)行三維重構(gòu)；

(8)評(píng)估損傷形式與程度：依據(jù)損傷的不同形態(tài)，分別選擇幾何數(shù)學(xué)的方法，擬合裂紋或凹坑的長(zhǎng)度、寬度或近似直徑、深度參數(shù)；然后進(jìn)行評(píng)估，得到損傷程度和損傷形式，最后將相關(guān)數(shù)據(jù)反饋給用戶。

2.根據(jù)權(quán)利要求1所述的水庫(kù)大壩護(hù)坡表面損傷視覺(jué)檢測(cè)方法，其特征在于：步驟(3)中，采用高斯函數(shù)進(jìn)行平滑處理，高斯平滑濾波器的核內(nèi)的數(shù)是呈現(xiàn)高斯分布的，為了消除噪聲干擾并且不影響損傷區(qū)域的信息，在進(jìn)行圖像平滑處理時(shí)，高斯函數(shù)的標(biāo)準(zhǔn)方差σ的選取是鑒于圖像的整體特性，將最小方差作為選取σ值的度量標(biāo)準(zhǔn)，其中M、E、σ分別是N×N窗口內(nèi)的均值、方差和高斯標(biāo)準(zhǔn)方差；E_min是最小方差，當(dāng)方差最小時(shí)，σ最小值為1；

E_min＝min(E) (3)

3.根據(jù)權(quán)利要求1所述的水庫(kù)大壩護(hù)坡表面損傷視覺(jué)檢測(cè)方法，其特征在于：步驟(4)中，采用改進(jìn)的Canny邊緣檢測(cè)算法進(jìn)行高閾值H和低閾值L的選擇，其算法如下；

其中E_ave、f_ave、l_w、l_h分別是平均方差、平均灰度、圖像的寬度、圖像的高度；其中低閾值L＝H/2，M是指在N×N窗口內(nèi)的均值，k＝1/M，E_min是最小方差，f_m(i,j)是在圖像中第i行、第j列位置的像素值。