本发明专利技术公开了一种道面图像波浪拥包的轮廓线提取方法，包括：采集含有波浪拥包的道面高度图；采用深度学习的目标检测网络在道面高度图中检测波浪拥包的提取框，并向该提取框的四周延伸出一个线宽为L的口字形状提取框；在提取框内求得道面高度图的高度最高像素点、高度最低像素点、提取框内道面平均像素值；预设提取框内的容忍度区间，结合高度最高像素点、高度最低像素点和道面平均像素值求得波峰矫正阈值和波谷矫正阈值；根据波峰矫正阈值和波谷矫正阈值，并利用图像二值化提取道面高度图中波浪拥包的波峰区域和波谷区域；融合波峰区域和波谷区域，并采用尺寸为S的中值滤波器进行滤波，提取得到波浪拥包的轮廓线。提取得到波浪拥包的轮廓线。提取得到波浪拥包的轮廓线。
【技术实现步骤摘要】
一种道面图像波浪拥包的轮廓线提取方法
[0001]本专利技术涉及道面检测
，尤其是一种道面图像波浪拥包的轮廓线提取方法。
技术介绍
[0002]本文中所述的拥包/壅包(Shoving)是沥青路面因受车轮推挤而形成局部隆起的现象；另外，本文中的道面高度图(Pavement Height Map)是用于生成三维地形的图像，它使用像素颜色来获取表面高度。道面高度图是指道路表观纹理的三维地形图像。
[0003]道面拥包是沥青道面受车轮推挤而形成的局部隆起，是道路状况评估所要求的主要病害之一。随着道面图像采集设备的发展，海量道面图像数据可以在短时间内完成采集。如何从这些图像中获得波浪拥包的轮廓信息和高差信息是一个极具挑战的任务。
[0004]目前，利用图像进行道面波浪拥包的自动检测算法研究较为局限，大多都是从图像中去寻找潜在的波浪拥包，但是并不能对更深层次的病害属性(如波浪拥包面积、深度)进行分析。
[0005]因此，急需要提出一种逻辑简单、提取可靠的道面图像波浪拥包的轮廓线提取方法。
技术实现思路
[0006]针对上述问题，本专利技术的目的在于提供一种道面图像波浪拥包的轮廓线提取方法，本专利技术采用的技术方案如下：
[0007]一种道面图像波浪拥包的轮廓线提取方法，包括以下步骤：
[0008]采集含有波浪拥包的道面高度图；
[0009]采用深度学习的目标检测网络在道面高度图中检测波浪拥包的提取框，并向该提取框的四周延伸出一个线宽为L的口字形状提取框；所述波浪拥包置于所述提取框内；所述L为大于0的自然数；
[0010]在提取框内求得道面高度图的高度最高像素点MaxHeight和高度最低像素点MinHeight；求得提取框内道面平均像素值AvgHeight；
[0011]预设提取框内的容忍度区间Tolerance，结合高度最高像素点MaxHeight、高度最低像素点MinHeight和道面平均像素值AvgHeight求得波峰矫正阈值ThresholdPeak和波谷矫正阈值ThresholdValley；
[0012]根据波峰矫正阈值ThresholdPeak和波谷矫正阈值ThresholdValley，并利用图像二值化提取道面高度图中波浪拥包的波峰区域和波谷区域；
[0013]融合波峰区域和波谷区域，并采用尺寸为S的中值滤波器进行滤波，提取得到波浪拥包的轮廓线；所述S为大于0的自然数。
[0014]进一步地，所述波峰矫正阈值ThresholdPeak和波谷矫正阈值ThresholdValley的表达式为：
[0015]ThresholdPeak＝AvgHeight+Tolerance*(MaxHeight
‑
AvgHeight)
[0016]ThresholdValley＝AvgHeight+Tolerance*(MinHeight
‑
AvgHeight)
[0017]其中，AvgHeight表示提取框内的平均像素值。
[0018]进一步地，所述道面高度图的左上角为原点，所述提取框的左上角坐标为(boxTL_h,boxTL_w)，且右下角坐标为(boxBR_h,boxBR_w)。
[0019]更进一步地，还包括利用中值滤波器对波峰矫正阈值ThresholdPeak对应的区域和波谷矫正阈值ThresholdValley对应的区域之间的中心地带进行融合，所述中心地带的表达式为：
[0020]boxTL_h
’
＝boxTL_h+a*(boxBR_h
‑
boxTL_h)
[0021]boxTL_w
’
＝boxTL_w+a*(boxBR_w
‑
boxTL_w)
[0022]boxBR_h
’
＝boxTL_h+(1.0
‑
a)*(boxBR_h
‑
boxTL_h)
[0023]boxBR_w
’
＝boxTL_w+(1.0
‑
a)*(boxBR_w
‑
boxTL_w)
[0024]其中，a表示中心地带的大小系数，其取值范围为0.1～0.4。
[0025]优选地，所述中值滤波器的尺寸S取值为25。
[0026]与现有技术相比，本专利技术具有以下有益效果：
[0027](1)本专利技术巧妙地将含有波浪拥包的真实道面转换成道面高度图像，其真实还原了真实道面的像素情况，以便于后期对图像进行像素点判断；
[0028](2)本专利技术巧妙地采用口字形状的选取框，并且求得高度最高像素点、高度最低像素点；根据容忍度区间、高度最高像素点、高度最低像素点和道面平均像素值求得波峰矫正阈值ThresholdPeak和波谷矫正阈值ThresholdValley，利用图像二值化提取波峰区域和波谷区域，其好处在于：要利用基于阈值的图像二值化，关键在于阈值的选取。这里的阈值选取综合考虑了高度极值点(波峰/波谷)和正常路面高度，给出容忍度区间是为了让二值化的波峰与波谷的结果有更高的置信度。
[0029](3)本专利技术根据波峰区域和波谷区域之间的中心地带进行融合，由于波峰与波谷之间的区域属于“模糊区域”，这些模糊区域既不属于波峰也不属于波谷，因此需要用统计投票的思想，用模糊地带将波峰与波谷连接在一起，以完整地分割出整个波浪拥包(既包含波峰也包含波谷)。
[0030](4)本专利技术利用中值滤波器对融合后的波峰和波谷区域进行滤波，以波浪拥包的像素区域。最终提取出波浪拥包的轮廓线，其好处在于：波浪拥包轮廓线的提取主要用于后期的展示功能。当获取轮廓线的坐标点后，就能在绘制波浪拥包的轮廓，来表明某个区域是波浪拥包。
[0031]综上所述，本专利技术具有逻辑简单、提取可靠等优点，在道面检测
具有很高的实用价值和推广价值。
附图说明
[0032]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需使用的附图作简单介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对保护范围的限定，对于本领域技术人员来说，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相关的附图。
[0033]图1为本专利技术中含有波浪拥包的真实道面图像。
[0034]图2为本专利技术中真实道面图像对应的道面高度图。
[0035]图3为本专利技术的道面高度图的俯视图。
[0036]图4为本专利技术的道面高度图的选取框示意图(一)。
[0037]图5为本专利技术的道面高度图的选取框示意图(二)。
[0038]图6为本专利技术的波峰二值图。
[0039]图7为本专利技术的波谷二值图。
[0040]图8为本专利技术的道面高度图的选取框示意图(三)。
[0041]图9为本专利技术的波峰波谷融合图。
[0042]图10为本专利技术的中值滤波输出图。...
【技术保护点】
【技术特征摘要】
1.一种道面图像波浪拥包的轮廓线提取方法，其特征在于，包括以下步骤：采集含有波浪拥包的道面高度图；采用深度学习的目标检测网络在道面高度图中检测波浪拥包的提取框，并向该提取框的四周延伸出一个线宽为L的口字形状提取框；所述波浪拥包置于所述提取框内；所述L为大于0的自然数；在提取框内求得道面高度图的高度最高像素点MaxHeight和高度最低像素点MinHeight；求得提取框内道面平均像素值AvgHeight；预设提取框内的容忍度区间Tolerance，结合高度最高像素点MaxHeight、高度最低像素点MinHeight和道面平均像素值AvgHeight求得波峰矫正阈值ThresholdPeak和波谷矫正阈值ThresholdValley；根据波峰矫正阈值ThresholdPeak和波谷矫正阈值ThresholdValley，并利用图像二值化提取道面高度图中波浪拥包的波峰区域和波谷区域；融合波峰区域和波谷区域，并采用尺寸为S的中值滤波器进行滤波，提取得到波浪拥包的轮廓线；所述S为大于0的自然数。2.根据权利要求1所述的一种道面图像波浪拥包的轮廓线提取方法，其特征在于，所述波峰矫正阈值ThresholdPeak和波谷矫正阈值ThresholdValley的表达式为：ThresholdPeak＝AvgHeight+Tolerance*(MaxHeight
‑
AvgHeight)ThresholdValley＝AvgHeight+Tolerance*(MinHeight
...
【专利技术属性】
技术研发人员：费越，邓勇军，余世杰，黄敏，桂仲成，
申请(专利权)人：成都圭目机器人有限公司，
类型：发明
国别省市：
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。