[發(fā)明專利]基于圖像處理的路面坑洼自動檢測方法、設備和存儲介質

在審

• 申請?zhí)枺?/td>: 202111086027.3
• 申請日: 2021-09-16
• 公開（公告）號: CN113808103A
• 公開（公告）日: 2021-12-17
• 發(fā)明（設計）人: 蔡長青
• 申請（專利權）人: 廣州大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/04;G06N3/08;G06T7/11;G06T17/05;G06T17/20
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 黎揚鵬

1.一種基于圖像處理的路面坑洼自動檢測方法，其特征在于，包括以下步驟：

對路面進行圖像采集，得到路面圖像；

通過SFM對路面圖像進行三維重建，得到路面的正射影像；

通過深度可分離卷積網(wǎng)絡對所述路面圖像進行路面坑洼特征分割，得到分割結果；

測量分割結果中坑洼的口徑和體積。

2.根據(jù)權利要求1所述的一種基于圖像處理的路面坑洼自動檢測方法，其特征在于，所述對路面進行圖像采集，具體包括：

設定圖像采集的高度、間隔和角度，使視野和采樣距離之間達到平衡；

使用可移動載體搭載攝像機對路面進行圖像采集。

3.根據(jù)權利要求1所述的一種基于圖像處理的路面坑洼自動檢測方法，其特征在于，所述通過SFM對路面圖像進行三維重建，具體包括：

對攝像機進行標定，消除路面圖像中因攝像機鏡頭而產生的徑向畸變和切向畸變，并獲取攝像機的內部物理特性；

根據(jù)路面圖像和攝像機內部物理特性生成路面圖像的點云模型；

對生成的點云模型進行校準；

對校準后的點云模型進行空間分割，生成路面的正射影像。

4.根據(jù)權利要求3所述的一種基于圖像處理的路面坑洼自動檢測方法，其特征在于，所述對生成的點云模型進行校準，具體包括以下步驟：

利用PCA算法分析所述點云模型，提取所述點云模型的主要特征分量，得到第一特征分量、第二特征分量和第三特征分量；

以所述第一特征分量、第二特征分量和第三特征分量為三個坐標方向建立空間坐標系，并在坐標系中構建點云平面；

將所述第一特征分量、第二特征分量和第三特征分量中特征值最小的特征分量作為點云平面的法向特征分量；

將點云模型中每個點的坐標與所述法向特征分量相乘，生成標定點云；

通過標定點云對點云模型中的原始點云進行旋轉校正。

5.根據(jù)權利要求3所述的一種基于圖像處理的路面坑洼自動檢測方法，其特征在于，所述正射影像，包括：

彩色正射影像，所述彩色正射影像中像素所記錄的是像素位置點云的平均RGB值；

深度正射影像，所述深度正射影像中像素所記錄的是像素位置點云的平均高度；

重疊正射影像，所述重疊正射影像是所述彩色正射影像和所述深度正射影像的重疊影像。

6.根據(jù)權利要求5所述的一種基于圖像處理的路面坑洼自動檢測方法，其特征在于，所述重疊正射影像的重疊步驟包括：

將所述彩色正射影像進行RGB分離，分離出的R通道影像為第一通道影像、分離出的G通道影像為第二通道影像、分離出的B通道影像為第三通道影像；

將所述第一通道影像的像素值、第二通道影像的像素值和第三通道影像的像素值分別與所述深度正射影像的像素值平均，得到平均第一通道影像、平均第二通道影像和平均第三通道影像；

將所述均第一通道影像、平均第二通道影像和平均第三通道影像重新組合，形成重疊正射影像。

7.根據(jù)權利要求1所述的一種基于圖像處理的路面坑洼自動檢測方法，其特征在于，所述通過深度可分離卷積網(wǎng)絡對圖像進行路面坑洼特征分割，具體包括：

通過多個下采樣層對所述正射影像進行卷積運算，得到第一特征影像；

通過與所述下采樣層所對應的多個上采樣層對所述第一特征影像進行轉置卷積運算，得到第二特征影像，所述第二特征影像與所述正射影像的圖像大小相同；

通過softmax層判斷所述第二特征影像中路面存在坑洼的概率。

8.根據(jù)權利要求7所述的一種基于圖像處理的路面坑洼自動檢測方法，其特征在于，所述下采樣層，具體包括內核尺寸為3×3的卷積層、批量歸一化層和校正線性單元激活層。

9.一種設備，其特征在于，包括處理器以及存儲器；

所述存儲器用于存儲程序；

所述處理器執(zhí)行所述程序實現(xiàn)如權利要求1-8中任一項所述的方法。

10.一種計算機可讀存儲介質，其特征在于，所述存儲介質存儲有程序，所述程序被處理器執(zhí)行實現(xiàn)如權利要求1-8中任一項所述的方法。