一种基于双目立体视觉的道路裂缝测宽方法技术

本发明专利技术提出一种基于双目立体视觉的道路裂缝测宽方法，其步骤为：首先，利用双目立体相机采集道路裂缝目标的左、右视点图像，并对左、右视点图像进行立体匹配获取立体匹配点对集合；其次，基于立体匹配点对集合获取道路裂缝采集场景下的空间

【技术实现步骤摘要】
一种基于双目立体视觉的道路裂缝测宽方法


[0001]本专利技术涉及道路裂缝测宽
，特别是指一种基于双目立体视觉的道路裂缝测宽方法。

技术介绍

[0002]交通道路路面在大型车辆碾压或自然损耗之后，极易产生裂缝及破损，且随着时间推移道路状况会不断恶化，往往成为威胁道路安全的致命因素。裂缝的形成不仅直接关系到基础设施的结构能力，同时显著影响基础设施的使用能力。现有人工道路裂缝检测存在效率低、漏检误检率高、时效性差等缺点，因此，如何在裂缝形成初期进行快速检测、并对裂缝变化进行持续观测、从而有助于后期预防性修复已成为当前的一个研究热点。近些年来，大量学者在裂缝检测方面进行了深入研究，提出了许多方法，大致可分为图像处理和深度学习两大类。图像处理类方法主要包括基于阈值和基于边缘检测的方法，大多需要先验知识，经过人工选择和设计特征。深度学习类方法则是通过道路裂缝数据集训练卷积神经网络，使得到的网络模型具备提取裂缝高级特征的能力，从而适用于各种自然场景下的裂缝检测。
[0003]在智能交通系统中，对交通场景的道路裂缝测宽是道路质量评估中一个很重要的环节。裂缝测宽一方面可以判断路面等基础设施的持久性，另一方面可以判断裂缝损伤的严重程度，是交通设施管理者进行合理决策的重要依据，有助于工作人员对交通道路进行裂缝分析、排查工程建设存在的隐患、对裂缝进行分割与定位、准确提取裂缝信息等。在现有的裂缝测宽方式中，使用最广泛的测宽方式是通过图像处理算法计算出裂缝的像素宽度、像素长度等，但是在像素级别进行的测量由于近宽远窄的效应，与真实裂缝宽度有较大差异，也较难投入于实际应用中。

技术实现思路

[0004]针对现有裂缝分割算法精确度较低以及现有基于图像的裂缝宽度测量难以投入实际使用的技术问题，本专利技术提出了一种基于双目立体视觉的道路裂缝测宽方法，利用双目立体视觉原理，结合深度学习的裂缝分割算法，实现简单、准确、真实的道路裂缝测宽。
[0005]本专利技术的技术方案是这样实现的：
[0006]一种基于双目立体视觉的道路裂缝测宽方法，其步骤如下：
[0007]步骤一：利用双目立体相机采集道路裂缝目标的左视点图像和右视点图像；
[0008]步骤二：使用SURF匹配算法对左视点图像和右视点图像进行立体匹配获取立体匹配点对集合；
[0009]步骤三：从立体匹配点对集合中选取在左视点图像中二维像素距离最远的两对立体匹配点，运用张正友标定法获得所选两对立体匹配点分别对应的两个空间点的三维空间坐标，根据三维空间坐标计算这两个空间点之间的三维空间距离，根据这两个空间点的三维空间距离与其在左视点图像中的二维像素距离之比求得该道路裂缝采集场景下的空间
‑
像素距离关系；
[0010]步骤四：通过所设计的符合道路裂缝特征并在道路裂缝数据集中训练过的CAMII
‑
UNet道路裂缝分割网络模型对左视点图像进行道路裂缝分割成二值图像；
[0011]步骤五：使用裂缝测宽方法计算所分割出的道路裂缝在左视点图像中的像素宽度；
[0012]步骤六：利用该道路裂缝采集场景下的空间
‑
像素距离关系计算道路裂缝的真实空间宽度，实现道路裂缝测宽。
[0013]优选地，所述立体匹配点对集合为S＝{(P
Li
,P
Ri
),i＝1,2,...,N}，其中，P
Li
(x
Li
,y
Li
)表示所述立体匹配点对(P
Li
,P
Ri
)在左视点图像中的二维坐标，P
Ri
(x
Ri
,y
Ri
)表示所述立体匹配点对(P
Li
,P
Ri
)在右视点图像中的二维坐标。
[0014]优选地，所述从立体匹配点对集合中选取在左视点图像中二维像素距离最远的两对立体匹配点的方法为：在左视点图像中的N个特征匹配点P
Li
中利用凸包原理和卡壳算法选取距离最远的两个特征点P
L1
和P
L2
；再从所述立体匹配点对集合S＝{(P
Li
,P
Ri
),i＝1,2,...,N}中找到这两对立体匹配点(P
L1
(x
L1
,y
L1
),P
R1
(x
R1
,y
R1
))和(P
L2
(x
L2
,y
L2
),P
R2
(x
R2
,y
R2
))。
[0015]优选地，在步骤三中，运用张正友标定法获得所选两对立体匹配点(P
L1
(x
L1
,y
L1
),P
R1
(x
R1
,y
R1
))和(P
L2
(x
L2
,y
L2
),P
R2
(x
R2
,y
R2
))所分别对应的两个空间点的三维空间坐标P1(X1,Y1,Z1)和P2(X2,Y2,Z2)；在所述张正友标定法中，标定板为黑白正方形棋盘格，棋盘格尺寸为15mm
×
15mm，在标定过程中，左相机、右相机从不同采集距离、采集角度对不同方向标定板各采集16张图像，从这些标定图像中求得相机的内参和外参，其中，内参包括左相机的像素级焦距f
L
、右相机的像素级焦距f
R
，主点坐标(u
L
,v
L
)、(u
R
,v
R
)，镜头畸变(k
1L
,k
2L
)、(k
1R
,k
2R
)，斜变量γ
L
、γ
R
；外参包括旋转矩阵和平移矩阵T＝[t
x t
y t
z
]T
。
[0016]优选地，在步骤三中，该道路裂缝采集场景下的空间
‑
像素距离关系k为：
[0017][0018][0019]优选地，所述CAMII
‑
UNet道路裂缝分割网络模型包括输入结构、编码器和解码器；其中，输入结构为多尺度输入图像，包括将原始图像I在H和W方向上依次进行下采样，得到下采样图像I1、I2、I3和I4，I大小为H
×
W
×
C、I1为I2为I3为I4为编码器包括第一残差卷积模块、第一最大池化模块、第二
残差卷积模块、第二最大池化模块、第三残差卷积模块、第三最大池化模块、第四残差卷积模块、第四最大池化模块和第五残差卷积模块；解码器包括第一上采样模块、第六本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双目立体视觉的道路裂缝测宽方法，其特征在于，其步骤如下：步骤一：利用双目立体相机采集道路裂缝目标的左视点图像和右视点图像；步骤二：使用SURF匹配算法对左视点图像和右视点图像进行立体匹配获取立体匹配点对集合；步骤三：从立体匹配点对集合中选取在左视点图像中二维像素距离最远的两对立体匹配点，运用张正友标定法获得所选两对立体匹配点分别对应的两个空间点的三维空间坐标，根据三维空间坐标计算这两个空间点之间的三维空间距离，根据这两个空间点的三维空间距离与其在左视点图像中的二维像素距离之比求得该道路裂缝采集场景下的空间
‑
像素距离关系；步骤四：通过所设计的符合道路裂缝特征并在道路裂缝数据集中训练过的CAMII
‑
UNet道路裂缝分割网络模型对左视点图像进行道路裂缝分割成二值图像；步骤五：使用裂缝测宽方法计算所分割出的道路裂缝在左视点图像中的像素宽度；步骤六：利用该道路裂缝采集场景下的空间
‑
像素距离关系计算道路裂缝的真实空间宽度，实现道路裂缝测宽。2.根据权利要求1所述的基于双目立体视觉的道路裂缝测宽方法，其特征在于，所述立体匹配点对集合为S＝{(P
Li
,P
Ri
),i＝1,2,...,N}，其中，P
Li
(x
Li
,y
Li
)表示所述立体匹配点对(P
Li
,P
Ri
)在左视点图像中的二维坐标，P
Ri
(x
Ri
,y
Ri
)表示所述立体匹配点对(P
Li
,P
Ri
)在右视点图像中的二维坐标。3.根据权利要求2所述的基于双目立体视觉的道路裂缝测宽方法，其特征在于，所述从立体匹配点对集合中选取在左视点图像中二维像素距离最远的两对立体匹配点的方法为：在左视点图像中的N个特征匹配点P
Li
中利用凸包原理和卡壳算法选取距离最远的两个特征点P
L1
和P
L2
；再从所述立体匹配点对集合S＝{(P
Li
,P
Ri
),i＝1,2,...,N}中找到这两对立体匹配点(P
L1
(x
L1
,y
L1
),P
R1
(x
R1
,y
R1
))和(P
L2
(x
L2
,y
L2
),P
R2
(x
R2
,y
R2
))。4.根据权利要求3所述的基于双目立体视觉的道路裂缝测宽方法，其特征在于，在步骤三中，运用张正友标定法获得所选两对立体匹配点(P
L1
(x
L1
,y
L1
),P
R1
(x
R1
,y
R1
))和(P
L2
(x
L2
,y
L2
),P
R2
(x
R2
,y
R2
))所分别对应的两个空间点的三维空间坐标P1(X1,Y1,Z1)和P2(X2,Y2,Z2)；在所述张正友标定法中，标定板为黑白正方形棋盘格，棋盘格尺寸为15mm
×
15mm，在标定过程中，左相机、右相机从不同采集距离、采集角度对不同方向标定板各采集16张图像，从这些标定图像中求得相机的内参和外参，其中，内参包括左相机的像素级焦距f
L
、右相机的像素级焦距f
R
，主点坐标(u
L
,v
L
)、(u
R
,v
R
)，镜头畸变(k
1L
,k
2L
)、(k
1R
,k
2R
)，斜变量γ
L
、γ
R
；外参包括旋转矩阵和平移矩阵T＝[t
x t
y t
z
]
T
。5.根据权利要求4...

【专利技术属性】
技术研发人员：宋晓炜，杨蕾，朱鲁晓，蔡文静，李梦龙，徐争超，
申请(专利权)人：中原工学院，
类型：发明
国别省市：