【技术实现步骤摘要】
一种基于历史裂纹数据的路面裂纹生长检测方法
本专利技术涉及图像处理技术，尤其涉及一种基于历史裂纹数据的路面裂纹生长检测方法。
技术介绍
目前，在路面裂纹检测方面已有一些成果，例如已申请的专利CN106548182，申请日2016年11月02日，专利名为“基于深度学习和主成因分析的路面裂纹检测方法及装置”公开了一种基于卷积神经网络和主成因分析的路面裂纹检测方法。已申请的专利CN106324084，申请日2016年8月30日，专利名为“裂纹深度检测方法”公开了一种检测裂纹深度值的方法和仪器。近年来，随着路面裂纹检测技术的发展不断加快，路面裂纹检测方法尤其是对路面进行裂纹扩展分析的需求也日益紧迫，目前基于机器学习的监督方法是路面裂纹检测的主要手段，该方法应用的前提是对大量的标记数据进行训练，在实际中难以广泛应用。本专利提出一种利用一定时间间隔历史图像数据与现有裂纹图像进行映射对比，在提高检测精度的同时减少训练数据量。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中的缺陷，提供一种基于历史裂纹数据的路面裂纹生长检测方法。本专利技术解决其技术问题所采用的技术方案是：...
【技术保护点】
1.一种基于历史裂纹数据的路面裂纹生长检测方法，其特征在于，包括以下步骤：1)实时采集当前路面裂缝图像，并同步采集当前路面裂缝图像对应的定位信息；2)初定位：根据当前定位信息与历史地图数据中的位置信息，在历史路面图像数据中提取与当前定位信息在阈值距离内的历史图像数据，并从中选取多张当前路面图像的相似图像；3)图像级定位：在步骤2)粗匹配的相似图像中找到一幅最接近路面图像，具体如下：3.1)对图像进行灰度处理；3.2)计算当前灰度图像和相似图像的全部特征描述子的汉明距离，比较汉明距离实现特征点粗匹配，从而找到当前灰度图像与相似图像的相同特征点，这些匹配的特征点作为路面指纹信息...
【技术特征摘要】
1.一种基于历史裂纹数据的路面裂纹生长检测方法，其特征在于，包括以下步骤：1)实时采集当前路面裂缝图像，并同步采集当前路面裂缝图像对应的定位信息；2)初定位：根据当前定位信息与历史地图数据中的位置信息，在历史路面图像数据中提取与当前定位信息在阈值距离内的历史图像数据，并从中选取多张当前路面图像的相似图像；3)图像级定位：在步骤2)粗匹配的相似图像中找到一幅最接近路面图像，具体如下：3.1)对图像进行灰度处理；3.2)计算当前灰度图像和相似图像的全部特征描述子的汉明距离，比较汉明距离实现特征点粗匹配，从而找到当前灰度图像与相似图像的相同特征点，这些匹配的特征点作为路面指纹信息；3.3)通过比较相同特征点的数量，在粗匹配的相似图像中找到一幅最接近路面图像；4)像素级定位：将最接近路面图像中标记的历史裂纹映射到当前路面裂缝图像中；5)对当前路面裂缝图像基于RGM的映射裂纹分析，检测出采集的裂缝图像中所有属于新生长裂缝的像素。2.根据权利要求1所述的基于历史裂纹数据的路面裂纹生长检测方法，其特征在于，所述步骤3.2)中特征描述子的获取方法如下：3.2.1)检测图像特征点：通过Harris算法检测角点作为图像特征点；3.2.2)加入方向信息：在提取到的特征点上加入方向信息，使得提取的特征点的方向不变，所述方向是通过圆形窗口内图像的力矩计算像素块的熵值获得；3.2.3)ORB特征点匹配：在特征点上选定n对特征，形成映射矩阵s，矩阵s的大小为2×2n，其元素为各个特征对在X，Y轴的坐标，再利用特征点到形心的方向得到仿射变换矩阵R，利用矩阵R计算得到新的描述矩阵sθ，结合BRIEF描述子，得到ORB特征描述子。3.根据权利要求2所述的基于历史裂纹数据的路面裂纹生长检测方法，其特征在于，所述步骤3.2.1)中图像特征点的判定方法为：比较图像中的一个像素点P和周围若干个点组成的圆形窗口上的像素点的差值，若干个点的差值的和为N，当N大于判定标准时，则判定该点为图像特征点；其中，I(x)为当前像素点的灰度值，I(p)为像素点P的灰度值，ε为设定的阈值,circle(p...
【专利技术属性】
技术研发人员：胡钊政，陈佳良，王相龙，张帆，陶倩文，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。