基于机器视觉的道路表面缺陷检测方法及系统技术方案

本发明专利技术涉及图像数据处理技术领域，提出了基于机器视觉的道路表面缺陷检测方法及系统，包括：采集道路表面图像；对道路表面图像通过边缘检测得到若干明显裂缝，获取若干第一裂缝交点，根据每个第一裂缝交点相邻范围内梯度的分布，获取若干交点边缘及第一边缘及其边缘方向值；获取每个第一边缘与每个交点边缘的边缘距离，根据边缘方向值及边缘距离得到疑似裂缝，根据疑似裂缝及其他第一边缘的边缘方向值，得到第二边缘，对所有第一边缘进行判断，得到若干真实裂缝；根据明显裂缝及真实裂缝，完成道路表面的缺陷检测。本发明专利技术旨在解决道路裂缝中不明显裂缝无法通过边缘检测得到进而影响道路表面缺陷检测结果的问题。响道路表面缺陷检测结果的问题。响道路表面缺陷检测结果的问题。

【技术实现步骤摘要】
基于机器视觉的道路表面缺陷检测方法及系统


[0001]本专利技术涉及图像数据处理
，具体涉及基于机器视觉的道路表面缺陷检测方法及系统。

技术介绍

[0002]对于道路表面缺陷，其主要缺陷即是道路表面的裂缝，道路裂缝由于相较于道路表面更深的颜色表现，通常采用边缘检测对道路裂缝进行检测；形成时间较长的裂缝由于存在一定宽度及深度，容易通过边缘检测得到；而形成时间较短的裂缝较为狭窄，同时深度较小，边缘检测过程中梯度变化并不明显，形成不明显裂缝，难以直接通过边缘检测获取；而对于不明显裂缝尤其需要及时进行修复，因此道路表面缺陷检测过程中并不能忽略不明显裂缝，则需要通过分析不明显裂缝的性质，实现边缘检测基础上对不明显裂缝的提取，进而提高道路表面缺陷检测结果的准确性。

技术实现思路

[0003]本专利技术提供基于机器视觉的道路表面缺陷检测方法及系统，以解决现有的道路裂缝中不明显裂缝无法通过边缘检测得到进而影响道路表面缺陷检测结果的问题，所采用的技术方案具体如下：
[0004]第一方面，本专利技术一个实施例提供了基于机器视觉的道路表面缺陷检测方法，该方法包括以下步骤：
[0005]采集道路表面图像；
[0006]对道路表面图像通过边缘检测得到若干明显裂缝及若干第一裂缝交点；根据每个第一裂缝交点的预设窗口内梯度的分布，获取若干交点边缘及第一边缘，以及每个交点边缘及第一边缘的边缘方向值；
[0007]根据交点边缘及第一边缘的边缘方向值，以及每个交点边缘及第一边缘的边缘距离，对第一边缘判断得到第二边缘；通过边缘距离及边缘方向值对所有第一边缘进行判断，得到若干真实裂缝；
[0008]根据明显裂缝及真实裂缝，完成道路表面的缺陷检测；
[0009]所述获取若干交点边缘及第一边缘，以及每个交点边缘及第一边缘的边缘方向值，包括的具体方法为：
[0010]对于任意一个第一裂缝交点，获取以该第一裂缝交点为中心，尺寸迭代增长的若干预设窗口；根据该第一裂缝交点的若干预设窗口内梯度的分布，获取若干初始聚簇及对应的若干匹配聚簇，以及每个初始聚簇及匹配聚簇的方向较大性；
[0011]以任意一个初始聚簇为目标初始聚簇，将目标初始聚簇的方向较大性作为序列的第一个元素，将目标初始聚簇的匹配聚簇的方向较大性按照匹配聚簇的获取顺序排列在序列中，得到的序列记为目标初始聚簇的较大性序列；
[0012]对较大性序列通过每个元素减去相邻前一个元素得到差值序列，将差值序列中小
于等于0的元素数量与差值序列的元素数量的比值，记为目标初始聚簇的方向趋同性；若方向趋同性大于趋同性阈值，将目标初始聚簇在最后一个预设窗口的匹配聚簇对应的一段边缘，记为交点边缘；若方向趋同性小于等于趋同性阈值，将目标初始聚簇在最后一个预设窗口的匹配聚簇对应的一段边缘，记为第一边缘；
[0013]获取每个第一裂缝交点的若干初始聚簇，对每个初始聚簇进行判断得到若干交点边缘及第一边缘；根据初始聚簇的较大性序列，获取每个交点边缘及第一边缘的边缘方向值；
[0014]所述对第一边缘判断得到第二边缘，包括的具体方法为：
[0015]对每个第一边缘及交点边缘获取中点，计算每个第一边缘的中点与每个交点边缘的中点的距离，将中点的距离作为每个第一边缘与每个交点边缘的边缘距离，所有边缘距离组成一个边缘距离集合；
[0016]获取所有边缘距离的最小值，记为最小距离，将最小距离对应的第一边缘作为判断边缘，最小距离对应的交点边缘作为参考边缘，获取判断边缘的边缘方向值与参考边缘的边缘方向值的比值，将比值作为判断边缘的方向一致性，若方向一致性大于一致性阈值，将判断边缘作为疑似裂缝；
[0017]获取所有与疑似裂缝相连且长度小于疑似裂缝的若干第一边缘，作为疑似裂缝的相连边缘；获取疑似裂缝的边缘方向的垂直方向，垂直方向的值记为疑似裂缝的垂直方向值，获取所有相连边缘的边缘方向值的均值与疑似裂缝的垂直方向值的比值，将比值作为疑似裂缝的垂直一致性，若垂直一致性大于一致性阈值，将疑似裂缝作为第二边缘。
[0018]进一步的，所述对道路表面图像通过边缘检测得到若干明显裂缝及若干第一裂缝交点，包括的具体方法为：
[0019]对道路表面图像进行灰度化处理，得到灰度图像，对灰度图像通过canny算子进行边缘检测，得到若干边缘，每条边缘作为一个明显裂缝，得到若干明显裂缝；
[0020]获取所有明显裂缝的交点，将交点记为第一裂缝交点。
[0021]进一步的，所述获取若干初始聚簇及对应的若干匹配聚簇，以及每个初始聚簇及匹配聚簇的方向较大性，包括的具体方法为：
[0022]对于任意一个第一裂缝交点，获取该第一裂缝交点的第一个预设窗口内所有像素点的梯度幅值，对所有梯度幅值通过OTSU多阈值分割得到若干类别；对每个类别的像素点分别进行DBSCAN聚类，聚类距离采用像素点之间的欧式距离，得到若干聚簇；
[0023]以任意一个聚簇为目标聚簇，将目标聚簇中所有像素点的坐标作为PCA的输入，得到若干特征向量及对应的特征值，将最大特征值减去次大特征值得到的差值，与最大特征值的比值，作为目标聚簇的方向较大性；
[0024]获取该预设窗口所有聚簇的方向较大性，将方向较大性大于较大性阈值的聚簇进行保留，记为初始聚簇，初始聚簇对应的聚簇的方向较大性记为初始聚簇的方向较大性；
[0025]获取每个第一裂缝交点的若干初始聚簇及每个初始聚簇的方向较大性；通过对预设窗口的尺寸增长逐个分析，得到每个初始聚簇的匹配聚簇及每个匹配聚簇的方向较大性。
[0026]进一步的，所述得到每个初始聚簇的匹配聚簇及每个匹配聚簇的方向较大性，包括的具体方法为：
[0027]对于任意一个第一裂缝交点，将该第一裂缝交点的第二个预设窗口作为当前预设窗口，对当前预设窗口内所有像素点的梯度幅值通过OTSU多阈值分割及DBSCAN聚类，得到若干聚簇；
[0028]对每个聚簇分别与初始聚簇进行交集运算，对不存在交集的当前预设窗口中的聚簇进行剔除，对于任意一个存在交集的聚簇，将该聚簇作为交集元素数量最大所对应的初始聚簇的匹配聚簇，得到若干匹配聚簇，通过对匹配聚簇进行PCA分析得到若干特征向量及对应的特征值，获取每个匹配聚簇的方向较大性；
[0029]根据预设窗口的尺寸增长，逐个预设窗口获取聚簇，将每个聚簇与前一个预设窗口的若干匹配聚簇进行交集运算，获取前一个预设窗口的每个匹配聚簇的匹配聚簇，并作为前一个预设窗口的匹配聚簇对应的初始聚簇的匹配聚簇，逐个预设窗口获取匹配聚簇，计算每个匹配聚簇的方向较大性，直到遍历完预设窗口时停止，最终得到每个初始聚簇的若干匹配聚簇以及每个匹配聚簇的方向较大性。
[0030]进一步的，所述每个交点边缘及第一边缘的边缘方向值，具体的获取方法为：
[0031]对于任意一个初始聚簇，获取该初始聚簇的较大性序列中最大的方向较大性，将最大的方向较大性对应的若干特征值中最大的特征值对应的特征向量的方向，作为该初始聚本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器视觉的道路表面缺陷检测方法，其特征在于，该方法包括以下步骤：采集道路表面图像；对道路表面图像通过边缘检测得到若干明显裂缝及若干第一裂缝交点；根据每个第一裂缝交点的预设窗口内梯度的分布，获取若干交点边缘及第一边缘，以及每个交点边缘及第一边缘的边缘方向值；根据交点边缘及第一边缘的边缘方向值，以及每个交点边缘及第一边缘的边缘距离，对第一边缘判断得到第二边缘；通过边缘距离及边缘方向值对所有第一边缘进行判断，得到若干真实裂缝；根据明显裂缝及真实裂缝，完成道路表面的缺陷检测；所述获取若干交点边缘及第一边缘，以及每个交点边缘及第一边缘的边缘方向值，包括的具体方法为：对于任意一个第一裂缝交点，获取以该第一裂缝交点为中心，尺寸迭代增长的若干预设窗口；根据该第一裂缝交点的若干预设窗口内梯度的分布，获取若干初始聚簇及对应的若干匹配聚簇，以及每个初始聚簇及匹配聚簇的方向较大性；以任意一个初始聚簇为目标初始聚簇，将目标初始聚簇的方向较大性作为序列的第一个元素，将目标初始聚簇的匹配聚簇的方向较大性按照匹配聚簇的获取顺序排列在序列中，得到的序列记为目标初始聚簇的较大性序列；对较大性序列通过每个元素减去相邻前一个元素得到差值序列，将差值序列中小于等于0的元素数量与差值序列的元素数量的比值，记为目标初始聚簇的方向趋同性；若方向趋同性大于趋同性阈值，将目标初始聚簇在最后一个预设窗口的匹配聚簇对应的一段边缘，记为交点边缘；若方向趋同性小于等于趋同性阈值，将目标初始聚簇在最后一个预设窗口的匹配聚簇对应的一段边缘，记为第一边缘；获取每个第一裂缝交点的若干初始聚簇，对每个初始聚簇进行判断得到若干交点边缘及第一边缘；根据初始聚簇的较大性序列，获取每个交点边缘及第一边缘的边缘方向值；所述对第一边缘判断得到第二边缘，包括的具体方法为：对每个第一边缘及交点边缘获取中点，计算每个第一边缘的中点与每个交点边缘的中点的距离，将中点的距离作为每个第一边缘与每个交点边缘的边缘距离，所有边缘距离组成一个边缘距离集合；获取所有边缘距离的最小值，记为最小距离，将最小距离对应的第一边缘作为判断边缘，最小距离对应的交点边缘作为参考边缘，获取判断边缘的边缘方向值与参考边缘的边缘方向值的比值，将比值作为判断边缘的方向一致性，若方向一致性大于一致性阈值，将判断边缘作为疑似裂缝；获取所有与疑似裂缝相连且长度小于疑似裂缝的若干第一边缘，作为疑似裂缝的相连边缘；获取疑似裂缝的边缘方向的垂直方向，垂直方向的值记为疑似裂缝的垂直方向值，获取所有相连边缘的边缘方向值的均值与疑似裂缝的垂直方向值的比值，将比值作为疑似裂缝的垂直一致性，若垂直一致性大于一致性阈值，将疑似裂缝作为第二边缘。2.根据权利要求1所述的基于机器视觉的道路表面缺陷检测方法，其特征在于，所述对道路表面图像通过边缘检测得到若干明显裂缝及若干第一裂缝交点，包括的具体方法为：对道路表面图像进行灰度化处理，得到灰度图像，对灰度图像通过canny算子进行边缘
检测，得到若干边缘，每条边缘作为一个明显裂缝，得到若干明显裂缝；获取所有明显裂缝的交点，将交点记为第一裂缝交点。3.根据权利要求1所述的基于机器视觉的道路表面缺陷检测方法，其特征在于，所述获取若干初始聚簇及对应的若干匹配聚簇，以及每个初始聚簇及匹配聚簇的方向较大性，包括的具体方法为：对于任意一个第一裂缝交点，获取该第一裂缝交点的第一个预设窗口内所有像素点的梯度幅值，对所有梯度幅值通过OTSU多阈值分割得到若干类别；对每个类别的像素点分别进行DBSCAN聚类，聚类距离采用像素点之间的欧式距离，得到若干聚簇；以任意一个聚簇为目标聚簇，将目标聚簇中所有像素点的坐标作为PCA的输入，得到若干...

【专利技术属性】
技术研发人员：王维，张晓莉，杜梦雯，
申请(专利权)人：安徽省路兴建设项目管理有限公司，
类型：发明
国别省市：