一种管线缺陷识别与信息提取方法技术

本发明专利技术公开了一种管线缺陷识别与信息提取方法，包括：拍摄管线的图像，并求得沿管线方向的梯度；对图像中的管线进行边缘提取，累加同一相机下任一图像中的边缘直线，并得到管线的边缘轮廓，利用canny边缘检测算法提取得到管线的位置；采用模板匹配算法提取任一图像中的雨线区域；采用sobel算法沿管线的横向方向和总线方向分别求得梯度，对边缘检测的图像进行二值化处理，以提取管线的轮廓；在管线区域内去除雨线区域；对管线区域内的缝隙缺陷区域进行填补，得到闭合轮廓；采用Graham扫描算法对闭合轮廓进行凸包检测，并去除噪声点，以得到病害的区域。通过上述方案，本发明专利技术具有逻辑简单、准确可靠等优点。准确可靠等优点。准确可靠等优点。

【技术实现步骤摘要】
一种管线缺陷识别与信息提取方法


[0001]本专利技术涉及管线检测
，尤其是一种管线缺陷识别与信息提取方法。

技术介绍

[0002]本文所述的管线包括但是不限于梁斜拉索，斜拉索是斜拉桥的主要受力构件，对斜拉结构桥梁的结构安全和实用寿命具有直接的重要影响。然而，斜拉索从建成起，就不可避免地受到腐蚀退化、振动疲劳衰减等各种不利因素的作用。其布置于梁体外部，并长期处于高应力状态下，其截面尺寸又小，故斜拉索对腐蚀作用非常敏感，斜拉桥的实用安全性和耐久性在很大程度上取决于斜拉索的抗腐蚀能力。
[0003]因此，需要对斜拉索进行顶部或不定期的检测，现有技术中已经提出了专利号为“202011492607.8”、名称为“一种桥梁斜拉索缺陷识别方法”的中国专利技术专利，其包括：对任一表观相机的表观图像进行光照补偿，并采用直方图均衡化处理；采用二维零均值离散高斯函数作为平滑滤波器对光照补偿后的表观图像进行高斯滤波；对平滑处理后的表观图像采用Sobel算子进行边缘检测，并对边缘检测后图像进行二值化处理；采用直线提取识别桥梁斜拉索的管道，并剔除任一表观图像中管道两侧背景信息；采用模板匹配算法制作雨线模板，遍历雨线模板，依次旋转雨线模板α角度，并作为滑动窗口在表观图像上滑动，提取获得雨线区域，剔除图像中的雨线；采用图像膨胀处理和连通域提取，获得数个像素块。
[0004]但是，上述技术存在以下问题：
[0005]第一，信息提取不全面，轮廓检测不完整；
[0006]第二，雨线的提取忽略了噪声，且模板选取不完整，忽略了光影的影响；
[0007]第三，病害的统计不完整，使用膨胀算法使病害的形态发生了偏差；
[0008]因此，急需要提出一种逻辑简单、检测可靠的管线缺陷识别与信息提取方法。

技术实现思路

[0009]针对上述问题，本专利技术的目的在于提供一种管线缺陷识别与信息提取方法，本专利技术采用的技术方案如下：
[0010]一种管线缺陷识别与信息提取方法，包括以下步骤：
[0011]拍摄管线的图像，并求得沿管线方向的梯度；
[0012]对图像中的管线进行边缘提取，累加同一相机下任一图像中的边缘直线，并得到管线的边缘轮廓，利用canny边缘检测算法提取得到管线的位置；
[0013]采用模板匹配算法提取任一图像中的雨线区域；
[0014]采用sobel算法沿管线的横向方向和总线方向分别求得梯度，对边缘检测的图像进行二值化处理，以提取管线的轮廓；
[0015]在管线区域内去除雨线区域；
[0016]对管线区域内的缝隙缺陷区域进行填补，得到闭合轮廓；
[0017]采用Graham扫描算法对闭合轮廓进行凸包检测，并去除噪声点，以得到病害的区
域。
[0018]优选地，所述图像中管线沿纵向方向布设，并且采用sobel算法求得纵向方向的梯度。
[0019]进一步地，对图像中的管线进行边缘提取，包括：
[0020]预设阈值T，并对求得梯度后的图像进行二值化处理，所述T为大于1的自然数；
[0021]采用霍夫变换检测图像中管线的直线，即设某条直线与x轴的夹角为θ，距离为r
θ
，则直线上的任一点(x0,y0)，都满足：
[0022]r
θ
＝x0cosθ+y0sinθ；
[0023]所述图像的横向方向为x轴，纵向方向为y轴；
[0024]预设管线的最小宽度阈值，并提出小于最小宽度阈值的直线；
[0025]预设直线的斜率阈值，并剔除斜率小于斜率阈值的直线；
[0026]对直线进行曲线焦点和长度检测，以得到管线的边缘对应的直线。
[0027]进一步地，所述管线缺陷识别与信息提取方法，还包括：
[0028]在图像中，将管线的左侧轮廓直线和右侧轮廓直线分别延伸至图像边缘，分别得到数个与图像边缘的交点和
[0029]分别求得交点和各自的中间的点和
[0030]连接中间的交点，得到管线的边缘轮廓的直线，左侧轮廓直线表达式为：
[0031][0032][0033]y
l
＝k0x
l
+b0[0034]其中，表示左侧轮廓与图像上边缘的交点的中间点的纵坐标；表示左侧轮廓与图像下边缘的交点的中间点的纵坐标；表示左侧轮廓与图像上边缘的交点的中间点的横坐标；表示左侧轮廓与图像下边缘的交点的中间点的横坐标；height表示整张图片的高度；threshold表示边缘直线向中间平移的阈值。
[0035]右侧轮廓直线表达式为：
[0036][0037][0038]y
r
＝k1x
r
+b1[0039]其中，表示右侧轮廓与图像上边缘的交点的中间点的纵坐标；表示右侧轮廓与图像下边缘的交点的中间点的纵坐标；表示右侧轮廓与图像上边缘的交点的中间点的横坐标；表示右侧轮廓与图像下边缘的交点的中间点的横坐标。
[0040]更进一步地，采用模板匹配算法提取任一图像中的雨线区域，包括以下步骤：
[0041]制作雨线模板；
[0042]采用相关匹配的方法进行匹配，即计算雨线模板和图像之间的乘积，表达式为：
[0043][0044]其中，设得到的矩阵为R(x,y)，模板图像矩阵为T(x',y')，源图像矩阵为I(x+x',y+y')。
[0045]剔除图像中雨线轮廓的噪声区域，并匹配得到最强感应区域，即为雨线区域。
[0046]更进一步地，对所述雨线区域进行膨胀处理。
[0047]与现有技术相比，本专利技术具有以下有益效果：
[0048](1)本专利技术巧妙地对图像进行纵向梯度计算和边缘提取，再进行管线位置的确定；不同的相机机位由于拍摄角度的差异会得到不同外观特征的管线图片，因此，管线的位置在每个机位都是不同的，确定每个机位的管线位置，是病害提取前提条件；
[0049](2)本专利技术的相机沿管线方向拍摄图像，并且管线在图像中呈纵向方向排布；本专利技术巧妙地进行纵向梯度计算，以提取管线的综合位置；
[0050](3)本专利技术通过灰度差以区分管线边缘与背景区域，并采用霍夫曼算法检测直线，以保证管线的边缘可靠区分；
[0051](4)本专利技术设定管线的最小宽度阈值，不仅保证管线区域切割的完整性，又确保不会被类似特征的异物(胶带、划痕)影响被误认为管线边缘，而造成最终检测的管线范围过窄、许多病害被过滤的问题；
[0052](5)本专利技术的管线的位置由该机位所有的图像共同决定，累加当前机位的所有图片提取到的边缘直线，最终得到的边缘轮廓再次进行canny边缘提取，再次获得边缘直线，其管线轮廓直线查询准确可靠；
[0053](6)本专利技术对任一图像的边缘直线进行延长，并利用上下交点的中间点进行连线，以获得准确可靠的管线的边缘对应的直线；
[0054](7)本专利技术巧妙的构建雨线模板，并进行匹配，得到匹配区域的最强感应区域，即可得到图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种管线缺陷识别与信息提取方法，其特征在于，包括以下步骤：拍摄管线的图像，并求得沿管线方向的梯度；对图像中的管线进行边缘提取，累加同一相机下任一图像中的边缘直线，并得到管线的边缘轮廓，利用canny边缘检测算法提取得到管线的位置；采用模板匹配算法提取任一图像中的雨线区域；采用sobel算法沿管线的横向方向和总线方向分别求得梯度，对边缘检测的图像进行二值化处理，以提取管线的轮廓；在管线区域内去除雨线区域；对管线区域内的缝隙缺陷区域进行填补，得到闭合轮廓；采用Graham扫描算法对闭合轮廓进行凸包检测，并去除噪声点，以得到病害的区域。2.根据权利要求1所述的一种管线缺陷识别与信息提取方法，其特征在于，所述图像中管线沿纵向方向布设，并且采用sobel算法求得纵向方向的梯度。3.根据权利要求1所述的一种管线缺陷识别与信息提取方法，其特征在于，对图像中的管线进行边缘提取，包括：预设阈值T，并对求得梯度后的图像进行二值化处理，所述T为大于1的自然数；采用霍夫变换检测图像中管线的直线，即设某条直线与x轴的夹角为θ，距离为r
θ
，则直线上的任一点(x0,y0)，都满足：r
θ
＝x0cosθ+y0sinθ；所述图像的横向方向为x轴，纵向方向为y轴；预设管线的最小宽度阈值，并提出小于最小宽度阈值的直线；预设直线的斜率阈值，并剔除斜率小于斜率阈值的直线；对直线进行曲线焦点和长度检测，以得到管线的边缘对应的直线。4.根据权利要求1或3所述的一种管线缺陷识别与信息提取方法，其特征在于，还包括：在图像中，将管线的...

【专利技术属性】
技术研发人员：李鹏程，赵碧帆，费越，桂仲成，
申请(专利权)人：上海圭目机器人有限公司，
类型：发明
国别省市：