[发明专利]一种模糊边缘精准检测边坡的系统及方法有效
申请号: | 202110572155.2 | 申请日: | 2021-05-25 |
公开(公告)号: | CN113344955B | 公开(公告)日: | 2022-03-18 |
发明(设计)人: | 刘跃成;周创;杨静;伍东卫;杜彬;张文勰;熊训飞;叶保权;杨讯华;周水;蒋中明;罗文斌;唐栋;龚建;亓祥宇;岳晋伟;姜男;郝建云;黄宗才;李国辉 | 申请(专利权)人: | 云南凤云高速公路有限公司;云南省公路科学技术研究院;云南峰极科技有限公司;长沙理工大学 |
主分类号: | G06T7/13 | 分类号: | G06T7/13;G06T7/136;G06T5/00 |
代理公司: | 深圳锴权知识产权代理事务所(普通合伙) 44825 | 代理人: | 张巍 |
地址: | 677000 云南省临沧*** | 国省代码: | 云南;53 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 模糊 边缘 精准 检测 系统 方法 | ||
1.一种模糊边缘精准检测边坡的系统,其特征在于,包括:
检测件(1),用于安装在边坡上供拍摄模块(2)进行拍摄;
拍摄模块(2),用于拍摄安装在边坡上的检测件(1)的图像;
中值滤波处理模块(3),用于调整图像饱和度后进行图像二值化并进行中值滤波处理;
轮廓提取模块(4),用于对图像进行边缘检测、膨胀处理后进行轮廓提取;
轮廓初级处理模块(5),用于在图像的轮廓边缘处生成多个正矩形,并以正矩形中心为圆心、正矩形的边长为直径生成圆;
轮廓中级处理模块(6),用于计算轮廓初级处理模块(5)中生成的圆与边缘检测关键点的重合数量,并将边缘检测关键点与圆心之间连接形成一条直线并将该直线延长,记录该延长线与圆边交点之间的距离为s,根据所有的s得到集合S;
轮廓末级处理模块(7),用于对集合S进行过滤,并对过滤后的集合S中的各s进行识别后重新找到圆心点。
2.根据权利要求1所述模糊边缘精准检测边坡的系统,其特征在于,所述轮廓提取模块(4)中的边缘检测具体为:应用高斯滤波来平滑图像去除噪声;找寻图像的强度梯度;应用非最大抑制来消除边误检;应用双阈值来决定可能的边界;利用滞后来跟踪边界。
3.根据权利要求1所述模糊边缘精准检测边坡的系统,其特征在于,所述轮廓末级处理模块(7)中对集体S进行过滤具体为:计算出集合S中的s的平均值s1,将集合S中大于平均值s1的过滤掉,并将集合S中出现频率最少的s过滤掉。
4.根据权利要求1所述模糊边缘精准检测边坡的系统,其特征在于,所述轮廓末级处理模块(7)中对集合S中的各s进行识别具体为:A=avg(abs(S)),其中avg表示平均值,abs表示绝对值。
5.一种模糊边缘精准检测边坡的方法,其特征在于,包括如下步骤:
S1、在待检测的边坡上安装好检测件;
S2、拍摄边坡上检测件的图像;
S3、调整图像饱和度后进行图像二值化并进行中值滤波处理;
S4、对图像进行边缘检测、膨胀处理后进行轮廓提取;
S5、在图像的轮廓边缘处生成多个正矩形,并以正矩形中心为圆心、正矩形的边长为直径生成圆;
S6、计算该圆与边缘检测关键点的重合数量,将边缘检测关键点与圆心之间连接形成一条直线并将该直线延长,记录该延长线与圆边交点之间的距离为s,根据所有的s得到集合S;
S7、对集合S进行过滤,并对过滤后的集合S中的各s进行识别后重新找到圆心点。
6.根据权利要求5所述的一种模糊边缘精准检测边坡方法,其特征在于,图像进行边缘检测具体为:应用高斯滤波来平滑图像去除噪声;找寻图像的强度梯度;应用非最大抑制来消除边误检;应用双阈值来决定可能的边界;利用滞后来跟踪边界。
7.根据权利要求5所述的一种模糊边缘精准检测边坡方法,其特征在于,过滤集合S具体为:计算出集合S中的s的平均值s1,将集合S中大于平均值s1的过滤掉,并将集合S中出现频率最少的s过滤掉。
8.根据权利要求5所述的一种模糊边缘精准检测边坡方法,其特征在于,对对集合S中的各s进行识别具体为:A=avg(abs(S)),其中avg表示平均值,abs表示绝对值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于云南凤云高速公路有限公司;云南省公路科学技术研究院;云南峰极科技有限公司;长沙理工大学,未经云南凤云高速公路有限公司;云南省公路科学技术研究院;云南峰极科技有限公司;长沙理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110572155.2/1.html,转载请声明来源钻瓜专利网。