一种基于三维虚拟路面的裂缝自动检测方法技术

本发明专利技术公开了一种基于三维虚拟路面的裂缝自动检测方法，其包括以下步骤：(1)对1mm/像素的路面深度图像进行消隐处理和光照模型处理建立三维虚拟路面，通过4个角度的立体投影产生4幅投影图像Ω1‑Ω4；(2)分别对所述步骤(1)中产生的4幅投影图像Ω1‑Ω4依次进行降维处理、包括强度验证及对称性检测的裂缝识别以及裂缝连接，获得阴影区裂缝图像Ωs1‑Ωs4及反光区裂缝图像Ωr1‑Ωr4；(3)有效的融合阴影区裂缝图像Ωs1‑Ωs4及反光区裂缝图像Ωr1‑Ωr4的裂缝信息并进行深度验证和滑动去噪处理，获得裂缝图像，测试表明，基于255张图像(4096×2048)的测试显示：算法具有较高的准确率(平均80.34％)和召回率(平均83.89％)，以80.47％的F值优于ADA3D算法。

【技术实现步骤摘要】

本专利技术涉及一种路面裂缝检测方法，特别是涉及一种基于三维虚拟路面的裂缝自动检测方法，属于三维图像采集

技术介绍
裂缝是路面各类破损中最常见、最易发生和最早期产生的病害之一，它伴随着道路的整个使用期，并随着路龄的增长而加重.路面裂缝不但影响路容美观和行车舒适性，而且容易扩展，造成路面的结构性破坏，缩短路面使用寿命。因此应及时检测路面裂缝破损状况，制定和实施养护措施，否则雨水及杂物会沿裂缝进入面层结构及路基，导致路面承载能力下降，加速路面局部或成片损坏，降低行车安全性及道路通行能力。最初，人们采用人工检测方法获取路面裂缝信息，不仅劳动强度高、效率低下，且影响交通、难以保障检测人员安全.上世纪80年代，美国、加拿大等发达国家纷纷开展路面裂缝自动检测系统的研发工作，以满足急剧增长的路面养护管理需求。之后30年间，许多基于超声波技术、探地雷达和摄像测量等技术的路面检测系统先后面世，其中，摄像测量法能全面地采集路面裂缝、坑槽、松散、车辙、平整度等信息，已逐渐成为路面破损检测的主流技术。现今绝大部分路面裂缝检测系统仍只能采集路面二维信息(主要是路面灰度图像)，直到近5年来，路面三维信息采集系统才开始崭露头角并显示出广阔的前景，如路面综合检测车DHDV(Digital Highway Data Vehicle)[3]和路面三维扫描系统，在路面信息采集方面实现了由灰度图像向三维数据的变革，弥补了传统二维图像质量易受车道标线、阴影及油污等影响的缺陷，显著地提高了路面数据质量。综观路面裂缝识别算法研究，单目前仍以二维图像处理方法检测裂缝，并未考虑路面三维空间特征，为进一步挖掘有利于裂缝检测的路面三维信息，有必要在路面三维数据的基础上对考虑三维特征的路面裂缝检测展开研究。推动路面裂缝识别朝着三维检测方向发展并快速、准确、完整地识别裂缝。
技术实现思路
本专利技术针对现有的技术问题，提供一种基于三维虚拟路面的裂缝自动检测方法，三维虚拟路面进行4个角度的观察与分析，设计具有并行框架的裂缝识别算法捕捉这4个角度的投影图像裂缝信息，然后进行融合与去噪处理、获得裂缝识别结果，拟解决现有技术存在的问题。为实现上述目的，本专利技术提供如下技术方案：一种基于三维虚拟路面的裂缝自动检测方法，其特征在于，其包括以下步骤：(1)对1mm/像素的路面深度图像进行消隐处理和光照模型处理建立三维虚拟路面，通过4个角度的立体投影产生4幅投影图像Ω1-Ω4；(2)分别对所述步骤(1)中产生的4幅投影图像Ω1-Ω4依次进行降维处理、包括强度验证及对称性检测的裂缝识别以及裂缝连接，获得阴影区裂缝图像Ωs1-Ωs4及反光区裂缝图像Ωr1-Ωr4；(3)有效的融合阴影区裂缝图像Ωs1-Ωs4及反光区裂缝图像Ωr1-Ωr4的裂缝信息并进行深度验证和滑动去噪处理，获得裂缝图像。进一步，作为优选，在所述步骤(1)中，产生4幅投影图像Ω1-Ω4时，是采用光照从左到右、光照从右到左、光照从前到后、光照从后→前四个角度对路面进行光照来获得4幅投影图。进一步，作为优选，所述步骤(2)中，对投影图像进行裂缝识别处理的步骤包括：对于根据Ω1检测阴影区裂缝Ωs1；(i)图像预处理：首先进行中值滤波去噪，接着以起点像素＝(0，0)将光照强度图像Ω1划分为8像素×8像素的子块，降维图像Ω10的每个像素则对应于一个8像素×8像素的子块，且其像素值为这8×8个像素的像素值的均值，Ω11的获得过程类似，只是8像素×8像素子块划分的起点像素为(4，4)，后续操作基于Ω10和Ω11进行裂缝检测、连接、融合与去噪处理；(ii)裂缝种子识别：检测降维图像Ω10和Ω11中各个像素是否具有强度值较低和方向性较强两项特征，符合这些特征的像素称为裂缝种子，其余的则为非裂缝像素；(iii)裂缝连接：先基于最优路径连接强度相似的裂缝种子，然后将方向相似的裂缝种子连接起来，增强裂缝的整体性和连续性；(IV)裂缝种子融合与去噪处理：将来自于降维图像Ω10和Ω11的2幅裂缝初步识别结果融合在一起，取裂缝像素的并集，然后进行滑动窗口去噪处理，获得裂缝图像Ωs1；采用(i)-(IV)的方法对获得的Ωs2-Ωs4及Ωr1-Ωr4进行裂缝识别处理。进一步，作为优选，对裂缝种子识别的具体方法为：(I)强度验证I：中心像素(i，j)为需要强度验证的像素，在半径为r＝4的邻域内，强度应满足： I ‾ a = 1 ( 2 × r + 1 ) × ( 2 × r + 1 ) Σ x = j - r x = j + r Σ y = i - r y = i + r I ( x , y ) - - - ( 1 ) ; ]]> I ‾ a - I ( i , j ) > K 1 - - - ( 2 ) ; ]]>式中，为强度验证模板(边长2r+1的正方形)中所有像素的平均强度值；I(.)代表像素强度值；K1为阈值参数；x和y分别为像素的纵坐标和横坐标。(II)强度验证II：强度验证II与强度验证I相仿，只是中心像素在其半径为r＝4的邻域内，其强度应满足： I ( i , j ) - I ‾ a > K 1 - - - ( 3 ) ; ]]>(III)对称性检测I：针对光照强度图像Ω1和Ω2，检测每个像素在0°、45°、90°和135°方向上的强度变化情况，判断其是否存在显著的差异；a)本文档来自技高网...

【技术保护点】
一种基于三维虚拟路面的裂缝自动检测方法，其特征在于，其包括以下步骤：(1)对1mm/像素的路面深度图像进行消隐处理和光照模型处理建立三维虚拟路面，通过4个角度的立体投影产生4幅投影图像Ω1‑Ω4；(2)分别对所述步骤(1)中产生的4幅投影图像Ω1‑Ω4依次进行降维处理、包括强度验证及对称性检测的裂缝识别以及裂缝连接，获得阴影区裂缝图像Ωs1‑Ωs4及反光区裂缝图像Ωr1‑Ωr4；(3)有效的融合阴影区裂缝图像Ωs1‑Ωs4及反光区裂缝图像Ωr1‑Ωr4的裂缝信息并进行深度验证和滑动去噪处理，获得裂缝图像。

【技术特征摘要】
1.一种基于三维虚拟路面的裂缝自动检测方法，其特征在于，其包括以下步骤：(1)对1mm/像素的路面深度图像进行消隐处理和光照模型处理建立三维虚拟路面，通过4个角度的立体投影产生4幅投影图像Ω1-Ω4；(2)分别对所述步骤(1)中产生的4幅投影图像Ω1-Ω4依次进行降维处理、包括强度验证及对称性检测的裂缝识别以及裂缝连接，获得阴影区裂缝图像Ωs1-Ωs4及反光区裂缝图像Ωr1-Ωr4；(3)有效的融合阴影区裂缝图像Ωs1-Ωs4及反光区裂缝图像Ωr1-Ωr4的裂缝信息并进行深度验证和滑动去噪处理，获得裂缝图像。2.根据权利要求1所述的一种基于三维虚拟路面的裂缝自动检测方法，其特征在于：在所述步骤(1)中，产生4幅投影图像Ω1-Ω4时，是采用光照从左到右、光照从右到左、光照从前到后、光照从后→前四个角度对路面进行光照来获得4幅投影图。3.根据权利要求1所述的一种基于三维虚拟路面的裂缝自动检测方法，其特征在于：所述步骤(2)中，对投影图像进行裂缝识别处理的步骤包括：对于根据Ω1检测阴影区裂缝Ωs1；(i)图像预处理：首先进行中值滤波去噪，接着以起点像素＝(0，0)将光照强度图像Ω1划分为8像素×8像素的子块，降维图像Ω10的每个像素则对应于一个8像素×8像素的子块，且其像素值为这8×8个像素的像素值的均值，Ω11的获得过程类似，只是8像素×8像素子块划分的起点像素为(4，4)，后续操作基于Ω10和Ω11进行裂缝检测、连接、融合与去噪处理；(ii)裂缝种子识别：检测降维图像Ω10和Ω11中各个像素是否具有强度值较低和方向性较强两项特征，符合这些特征的像素称为裂缝种子，其余的则为非裂缝像素；(iii)裂缝连接：先基于最优路径连接强度相似的裂缝种子，然后将方向相似的裂缝种子连接起来，增强裂缝的整体性和连续性；(IV)裂缝种子融合与去噪处理：将来自于降维图像Ω10和Ω11的2幅裂缝初步识别结果融合在一起，取裂缝像素的并集，然后进行滑动窗口去噪处理，获得裂缝图像Ωs1；采用(i)-(IV)的方法对获得的Ωs2-Ωs4及Ωr1-Ωr4进行裂缝识别处理。4.根据权利要求3所述的一种基于三维虚拟路面的裂缝自动检测方法，其特征在于：对裂缝种子识别的具体方法为：(I)强度验证I：中心像素(i，j)为需要强度验证的像素，在半径为r＝4的邻域内，强度应满足： I ‾ a = 1 ( 2 × r + 1 ) × ( 2 × r + 1 ) Σ x = j - r x = j + r Σ y = i - r ...

【专利技术属性】
技术研发人员：彭博，蔡晓禹，张有节，李少博，
申请(专利权)人：彭博，
类型：发明
国别省市：重庆;50