[发明专利]一种逐步求精的路面裂缝检测方法

说明书

技术领域

本发明涉及路面检测技术、计算机图像处理技术领域，尤其涉及到一种路面裂缝检测方法。

背景技术

公路在运营过程中受自然环境、行车荷载、材料性能等诸多因素影响，表面将逐渐出现各种破损，裂缝作为沥青路面最主要的病害类型之一，严重影响行车速度及行车安全，加剧汽车磨损，也缩短了沥青路面服务年限。为节约养护资源，保障行车安全、舒适，需要快速、准确获取道路损坏的位置、面积、程度等参数信息，为交通管理部门客观评价路面质量、科学决策养护管理方案提供依据。

目前，随着传感器、自动控制、计算机等技术的发展，路面图像的自动采集设备已趋近成熟，而后期的裂缝识别仍然采用人机结合甚至完全人工的方式，工作量大、效率低。然而，多数情况下，采集的高速公路图像中有病害的图像数目占总数目的比例往往不足10％；若能提供有效的图像有无病害的分类方法，则人工识别将减少90％的工作量，若能提供高效的沥青路面裂缝自动识别方法，则可为交通管理部门客观、及时的评价路面质量、科学决策养护方案提供充足的依据。

现有的裂缝识别方法大多采用“先识别、后分类”的处理模式，在此处理模式下，目前主流的基于图像的裂缝识别方法主要有以下几种：

(1)基于灰度阈值的裂缝识别方法，通过对路面图像灰度特征进行分析，选取合适的灰度阈值区分图像背景与目标。该方法一般建立在裂缝的灰度通常比背景灰度低的前提条件下，要求裂缝具有较高的对比度及较好的连续性，但由于路面积灰、裂缝缝壁脱落、路面颗粒纹理丰富等原因，裂缝通常具有低对比度、连续性差等特征，故基于灰度阈值的裂缝识别方法难以识别灰度特征不够显著的病害。

(2)基于形态学处理的裂缝识别方法，该方法利用腐蚀、膨胀、骨架提取、边缘检测等方法获取裂缝的二维形态特征。然而路面图像复杂、病害形式多样，基于形态学处理的识别方法实用性不高。

(3)基于机器学习的裂缝识别方法，该方法主要用于裂缝检测后的类型分类，关键在于路面裂缝特征的提取与分类器的设计。由于路况复杂、裂缝形式多样，裂缝特征提取难度加大，同时测试样本集较小、算法复杂、计算量大等因素都制约着分类算法的准确性、鲁棒性及实时性。

(4)基于多尺度几何分析的路面裂缝的识别方法，通常利用图像几何结构特征，采用小波、Ridgelet(脊波)、Curvelet(曲线波)、Contourlet(轮廓波)、Bandelet(带条波)等变换表达图像信息。由于复杂背景下的沥青路面裂缝具有不规则性，裂缝形态及位置具有不可预测性，该方法无法有效的提取复杂裂缝信息，同时，多尺度分析方法普遍存在计算过程复杂、效率较低问题。

现有的裂缝检测技术大多建立在图像质量好的基础上，缺乏对复杂环境的适应性，难以满足工程应用的实际需求。由于路面结构类型复杂、光照不均、阴影、及路面上的异物、人工标记等因素的影响，路面图像具有灰度分布不均、纹理丰富、频谱差异性小，边缘模糊、噪声污染等特点。实际工程检测表明，采集到的图像由于自然光、行道树、建筑物、路面材质等外界因素影响使得图像可能存在光照不匀、阴影大、杂物多、曝光过度、标线丰富等现象。其次，在高速行驶采集过程中，数据采集单元的相机与激光器由于相对运动无法绝对保持在同一个平面，导致采集的数据存在明暗相间条纹，表现为光照不匀。此外，沥青路面铺装材料颗粒感强、大小各异，导致路面图像纹理丰富，减弱或破坏裂缝的可视化特征。通过对已有研究成果的分析，影响裂缝识别的主要因素有光照不匀、阴影、标识标线、纹理等。光照不均、阴影可能会掩盖路面病害的部分特征，不利于路面病害特征的提取。标线、纹理等干扰与裂缝等破损目标具有某些相似特征，易与裂缝混淆，导致错误检测。直接通过原始图像信息提取高区分度裂缝特征从而实现裂缝识别的难度较大。此外，一般情况下，采集的高速公路图像中有病害的图像数目占总数目的比例较小，若采用与有病害路面图像同样的识别方法，大大增加了处理的时间复杂度。

同时，现有技术大多建立在裂缝的灰度值比图像背景灰度值低、裂缝目标清晰、连续、几何特征显著的假设前提下，而实际路面上，由于车轮载重碾压、风化、路面积灰、裂缝缝壁脱落等原因，裂缝通常具有对比度低、连续性差等特征，同时，由于道路基层进水而发生灌浆的现象，使裂缝的灰度值较路面背景要高，表现为“白裂缝”的现象，由此可知，在实际应用中，现有技术的假设条件并不完全成立，因此，现有技术是无法解决弱对比、弱连续性、细小的裂缝以及“白裂缝”的检测问题。

发明内容

本发明所要解决的技术问题是提供一种逐步求精的路面裂缝检测方法，以克服现有的裂缝自动识别方法普遍存在实时性差、识别率低、无法满足实际应用需求等缺陷。