一种航拍图像路面裂缝检测方法、装置及设备制造方法及图纸

本发明专利技术实施例提供一种航拍图像路面裂缝检测方法、装置及设备。所述方法包括：提取航拍路面图像的路面区域的深层高维特征，根据所述深层高维特征获得高维特征图；基于所述路面区域的深层高维特征，对所述高维特征图进行正负样本筛选，以区分路面裂缝目标和路面背景；对所述路面裂缝目标进行分类和坐标定位，获得所述路面裂缝目标的分类信息和坐标信息。本发明专利技术实施例可应用于高空运动背景和复杂场景的航拍图像的路面裂缝检测，相较于常用的各种裂缝检测算法更为适合无人机载系统采集图像，具有更好的航拍图像检测裂缝鲁棒性。

Method, device and device for detecting pavement cracks in aerial images

The embodiment of the invention provides a road surface crack detection method, device and device for aerial photography. The method comprises the following steps: extracting the deep high-dimensional features of the pavement area in the aerial pavement image, obtaining the high-dimensional feature map according to the deep high-dimensional features, screening the positive and negative samples of the high-dimensional feature map based on the deep high-dimensional features of the pavement area to distinguish the pavement crack target and the pavement background; and identifying the pavement crack target and the pavement background; The crack target is classified and coordinate positioned to obtain the classification information and coordinate information of the road crack target. The embodiment of the invention can be applied to detect pavement cracks in aerial images of high-altitude moving background and complex scenes, and is more suitable for acquiring images of UAV-borne system than various commonly used crack detection algorithms, and has better robustness of crack detection in aerial images.

【技术实现步骤摘要】
一种航拍图像路面裂缝检测方法、装置及设备
本专利技术实施例涉及深度学习和模式识别领域，尤其涉及一种航拍图像路面裂缝检测方法、装置及设备。
技术介绍
目前，公路路面主要破损形式之一是路面裂缝，其中，我国高速公路裂缝类型主要是横向和纵向裂缝。若能在裂缝出现的初期就发现，并跟踪其发展情况，那么路面维护费将大大降低，同时保证高速公路的行车安全。因此，对公路的路面状况进行定期的调查及养护极其重要。路面裂缝检测方式从最初的人工检测方式开始发展；随着图像处理技术的应用，将车载采集装置和图像处理技术结合，应用于路面裂缝检测，使得检测效率得到很大改善。近年来，无人机技术得到快速发展，与之结合的应用得到极大丰富，结合于无人机采集方式的路面裂缝检测装置，相较于其他的方法，具有快速高效、视场大以及存储数据量有所下降的优势。但是相比于车载采集图像，存在路旁景物、车辆、电线以及阴影等干扰，且噪声也十分丰富。常用的裂缝识别方法主要集中于阈值分割、特征检测、纹理分析和种子生长等的应用，除此之外，还有机器学习以及模糊集的运用。但是目前已有的这些方法基本都是针对车载采集装置图像的基础进行检测发展，不能适用于干扰和噪声更加丰富的航拍图像。
技术实现思路
针对现有技术存在的问题，本专利技术实施例提供一种航拍图像路面裂缝检测方法、装置及设备，结合航拍采集方式的一系列优势使裂缝检测更高效便捷，并改进传统图像处理算法的鲁棒性问题。第一方面，本专利技术实施例提供一种航拍图像路面裂缝检测方法，包括：提取航拍路面图像的路面区域的深层高维特征，根据所述深层高维特征获得高维特征图；基于所述路面区域的深层高维特征，对所述高维特征图进行正负样本筛选，以区分路面裂缝目标和路面背景；对所述路面裂缝目标进行分类和坐标定位，获得所述路面裂缝目标的分类信息和坐标信息。第二方面，本专利技术实施例提供了一种航拍图像路面裂缝检测装置，包括：高维特征图模块，用于提取航拍路面图像的路面区域的深层高维特征，根据所述深层高维特征获得高维特征图；裂缝识别模块，用于基于所述路面区域的深层高维特征，对所述高维特征图进行正负样本筛选，以区分路面裂缝目标和路面背景；以及分类定位模块，用于对所述路面裂缝目标进行分类和坐标定位，获得所述路面裂缝目标的分类信息和坐标信息。第三方面，本专利技术实施例提供了一种航拍图像路面裂缝检测设备，其特征在于，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行本专利技术实施例第一方面所述航拍图像路面裂缝检测方法及其任一可选实施例所述的方法。第四方面，提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令执行本专利技术实施例第一方面所述航拍图像路面裂缝检测方法及其任一可选实施例的方法。本专利技术实施例提供的一种航拍图像路面裂缝检测方法，通过提取路面区域的高维特征图，进行路面裂缝目标和路面背景的初步区分，并对裂缝目标进行分类和精确定位，实现航拍路面的裂缝目标定位和分类，并获取裂缝目标的坐标信息。本专利技术实施例可应用于高空运动背景和复杂场景的航拍图像的路面裂缝检测，相较于常用的各种裂缝检测算法更为适合无人机载系统采集图像，具有更好的航拍图像检测裂缝鲁棒性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例一种航拍图像路面裂缝检测方法流程图；图2为本专利技术实施例航拍图像路面裂缝识别实施例示意图；图3为本专利技术实施例一种航拍图像路面裂缝检测设备的框架示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术实施例一种航拍图像路面裂缝检测方法流程图，如图1所示的航拍图像路面裂缝检测方法，包括：S100，提取航拍路面图像的路面区域的深层高维特征，根据所述深层高维特征获得高维特征图；本专利技术实施例适用于航拍的路面图像的裂缝检测，航拍图像的特点是高空、距离远、运功拍摄、场景复杂，即路面以外的背景复杂。优选的，步骤S100之前还包括：对航拍路面图像进行粗分割以剔除路旁无效区域，获得航拍路面图像中的路面区域。具体的，航拍路面图像中包括路面区域和路面区域以外的路旁无效区域，本专利技术实施例提剔除航拍路面图像中路面区域以外的路旁无效区域，剩下的即是路面区域；在此基础上，对路面区域进行高维特征提取，根据提取到的深层高维特征获得高维特征图。所述高维特征为：不同于浅层边缘局部信息特征的裂缝目标整体语义信息图像特征。S200，基于所述路面区域的深层高维特征，对所述高维特征图进行正负样本筛选，以区分路面裂缝目标和路面背景；本专利技术实施例进行正负样本筛选，即是对路面裂缝目标进行初步识别，将路面裂缝目标和路面背景区分开，正样本为裂缝目标，负样本为路面背景。S300，对所述路面裂缝目标进行分类和坐标定位，获得所述路面裂缝目标的分类信息和坐标信息。在步骤S200进行初步定位得到裂缝目标和路面背景后，步骤S300基于初步定位的裂缝目标进行分类，对裂缝目标的位置进行精确定位，最终获得裂缝目标的详细分类信息和坐标位置信息。所述分类信息是指裂缝目标的类型分类，比如横向裂缝或纵向裂缝等；所述坐标定位，是定量裂缝目标的精确位置坐标。本专利技术实施例提供的一种航拍图像路面裂缝检测方法，通过提取路面区域的高维特征图，进行路面裂缝目标和路面背景的初步区分，并对裂缝目标进行分类和精确定位，实现航拍路面的裂缝目标定位和分类，并获取裂缝目标的坐标信息。本专利技术实施例可应用于高空运动背景和复杂场景的航拍图像的路面裂缝检测，相较于常用的各种裂缝检测算法更为适合无人机载系统采集图像，具有更好的航拍图像检测裂缝鲁棒性。基于上述实施例，所述对所述路面裂缝目标进行分类和坐标定位，获得所述路面裂缝目标的分类信息和坐标信息，之后还包括：S400，根据所述路面裂缝目标的分类信息和坐标信息，计算所述路面裂缝目标的长度。基于上述裂缝目标的详细的分类信息和坐标位置信息，步骤S400进一步计算路面裂缝目标的长度，从而本专利技术实施例根据航拍路面图像可最终获得如下信息：定位到裂缝目标，裂缝目标的详细分类、精确的坐标位置和定量的长度数据。本专利技术实施例克服了无人机采集方式造成的图像处理困难，能应用于高空运动背景和场景复杂的路面裂缝检测，相较于常用的各种裂缝检测算法具有更强的鲁棒性，获得更好的航拍图像识别裂缝效果。本专利技术应用于航拍裂缝检测上，不仅可以为观察者提供裂缝目标更突出的图像，而且可以对裂缝长度做定量分析，为后续道路维护提供参考依据。在一个可选的实施例中，步骤S100，所述提取航拍路面图像的路面区域的深层高维特征，根据所述深层高维特征获得高维特征图，具体包括：S100.1，利用本文档来自技高网...

【技术保护点】
1.一种航拍图像路面裂缝检测方法，其特征在于，包括：提取航拍路面图像的路面区域的深层高维特征，根据所述深层高维特征获得高维特征图；基于所述路面区域的深层高维特征，对所述高维特征图进行正负样本筛选，以区分路面裂缝目标和路面背景；对所述路面裂缝目标进行分类和坐标定位，获得所述路面裂缝目标的分类信息和坐标信息。

【技术特征摘要】
1.一种航拍图像路面裂缝检测方法，其特征在于，包括：提取航拍路面图像的路面区域的深层高维特征，根据所述深层高维特征获得高维特征图；基于所述路面区域的深层高维特征，对所述高维特征图进行正负样本筛选，以区分路面裂缝目标和路面背景；对所述路面裂缝目标进行分类和坐标定位，获得所述路面裂缝目标的分类信息和坐标信息。2.根据权利要求1所述的方法，其特征在于，所述对所述路面裂缝目标进行分类和坐标定位，获得所述路面裂缝目标的分类信息和坐标信息，之后还包括：根据所述路面裂缝目标的分类信息和坐标信息，计算所述路面裂缝目标的长度。3.根据权利要求1所述的方法，其特征在于，所述提取航拍路面图像的路面区域的深层高维特征，根据所述深层高维特征获得高维特征图，具体包括：利用卷积神经网络构造特征提取网络，在所述特征提取网络中添加一个基于K-means聚类算法的道路粗分割层；利用所述道路粗分割层筛选剔除所述航拍路面图像的路旁无效区域，获得所述航拍路面图像的路面区域；利用所述特征提取网络将所述路面区域的低纬度特征组合成高纬度特征，获得高维特征图。4.根据权利要求3所述的方法，其特征在于，所述基于所述路面区域的深层高维特征，对所述高维特征图进行正负样本筛选，以区分路面裂缝目标和路面背景，具体包括：所述基于所述路面区域的深层高维特征，利用anchor滑窗遍历所述高维特征图，获得预设面积尺度和预设宽高比的候选样本框；利用所述特征提取网络的区域提名网络的分类损失函数、定位损失函数和多任务损失函数对所述候选样本框进行训练以筛选正负样本，获得路面裂缝目标样本和路面背景样本，其中正样本为路面裂缝目标样本，负样本为路面背景样本。5.根据权利要求4所述的方法，其特征在于，所述正负样本的划分依据为：将所述候选样本框与任一标定样本框的IOU大于第一预设阈值以及所述候选样本框与剩余标定样本框的IOU最大的2种候选样本区域划分为正样本；将所述候选样本框与除正样本外的标定样...

【专利技术属性】
技术研发人员：王霞，王博，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11