[发明专利]一种在线道路裂缝筛查方法

说明书

技术领域

本方法属于图像处理与识别技术领域，特别是涉及一种新的道路裂纹检测方法，能够在路面影像采集的过程中实时判断路面裂缝的存在。

背景技术

近几十年来，高速公路在世界各国得到了蓬勃的发展，道路建成后的保养与维护日益受到人们的重视。随着路面使用率越来越高，不可避免的会产生路面破损。通常路面破损会对路面的承重能力、耐久性以及对车辆的燃料消耗、行车舒适性、机械磨损、行驶速度、交通安全、环境保护等方面造成严重的影响。因此，需要相关人员定期对路面情况进行调查，制定相应的维护策略，及时维修破损路面，达到最佳的投入产出比。在公路路面质量评价体系中，一项非常重要的指标就是路面是否存在裂纹。随着大量路面影像和激光数据的出现，如何快速准确地在海量数据采集过程中判断出路面裂纹的存在，减少数据存储要求及后续大量数据处理开销是目前亟待解决的问题。

过去很长一段时间内，道路工程师以及相关人员通过复杂的人工方式来收集道路表面裂缝信息；但是人工收集道路信息耗时、耗人力，更缺乏准确性和实时性。随着定量遥感、定位技术的不断发展以及工程测量车的出现，使得道路裂缝调查逐步走向自动化，路面裂缝信息的提取变得实时、高效。测量车所获得的道路实时影像是对道路信息的综合反映，从中检测识别道路裂缝信息的本质在于从路面影像中提炼出裂缝知识以及结构数据，服务于交通规划、分析和决策。Allen Zhang等分析了道路信息的复杂性、裂缝特征的多样性以及外部物体对裂缝的影响等，介绍了利用匹配过滤算法进行道路裂缝检测的方法，将道路裂缝检测结果和传统边缘探针检测结果进行了比较，得出该算法在裂缝检测中具有很强的稳健性，对除噪后的影像效果更佳的结论。Yi-Chang(James)Tsai等人提出了一种新颖的基于多尺度拓扑裂缝描述的裂缝基本元素模型，提供许多裂缝属性，有助于科研人员研究裂缝识别的方法，以不同方式提取裂缝特征；而且该模型还能够传递出丰富多变的裂缝特征。该方法通过多尺度模型，来提取具有不同细节水平的道路裂缝特征。通过对真实道路数据的分析可知，所提出的模型对于研究现实世界裂缝分类应用很有发展前景。H.D.Cheng等基于模糊逻辑理论提出一种新颖的道路裂缝检测算法，其主要思想是基于道路影像中裂缝像素“比周围像素更暗而且是连续的”实际情况，利用灰度特征提取道路裂缝信息。实验结果证明了利用该方法检测裂缝的正确性和高效性。国内高建贞等人介绍了一种基于图像的路面裂缝自动检测方法；首先使用一种快速的针对灰度分布不均图像的校正方法，对降质的路面图像进行增强，再进行阈值分割，提取出图像上的线性特征，最后再根据线性特征从原灰度图像上识别出裂缝目标。张娟和沙爱民等分析了基于数字图像处理的路面裂缝识别与评价系统的工作原理，而没有对在数据采集过程中实时判断路面裂缝存在的方法做深入研究。

综上所述，目前基于道路影像数据的道路裂缝检测算法具有如下特点：

1)现有文献算法缺乏在路面影像或激光数据采集的过程中，实时筛查道路裂缝存在的方法。大部分算法都集中在道路裂缝检测的稳健性，而在实际操作过程中，人们更希望能够边采集道路数据，边进行道路裂缝有无的检测，能够实时地判断道路裂缝是否存在，放弃一些没有缺陷的道路数据，从根本上减少后续人工或算法处理的成本；

2)一些文献算法对道路裂缝检测会遗漏一些结构不明显的裂缝，导致裂缝检测结果可靠性差。由于道路特征的变化，对于一些微小、线性特征不明显的裂缝，如何进行全面检测保证不漏掉任何含裂缝数据是提高道路检测可靠性的关键。

发明内容

为了充分利用日益更新的影像和激光传感技术，使其更有效的服务于交通行业，本发明公开了一种道路裂纹的实时筛查方法。

本发明的技术方案为一种在线道路裂缝筛查方法，包括以下步骤：

步骤一、对输入的原始道路图像进行预处理，得到预处理后的图像；

步骤二、针对每一行数据，对于不同尺度，分别建立移动的目标窗口并计算灰度落差均值，取其中最大值为移动的目标窗口的当前像素灰度落差值M(i，j)，最大值对应的尺度为裂缝的最佳宽度W(i，j)；基于某尺度w，计算灰度落差值实现方式如下，

以当前像素(i，j)为起点、宽度为w的目标窗口包括像素(i，j)至像素(i，j+w-1)，其中i为行标号，j为列标号，计算目标窗口内灰度均值与左右两侧相邻窗口灰度均值之差LDeta、RDeta，包括先计算左侧相邻窗口内所有像素灰度值之和Ltemp、右侧相邻窗口内所有像素灰度值之和Rtemp以及目标窗口内所有像素灰度值之和Mtemp，再按下式分别计算LDeta、RDeta，