一种高效的路面损坏裂缝检测系统的制作方法

本发明涉及道路路面检测技术领域，具体涉及一种高效的路面损坏裂缝检测系统。

背景技术：

由于公路长期暴露于大气中，经受着自然灾害侵袭、意外事故损坏、裂缝磨损以及重载、超载、人为因素破坏等，公路的养护工作刻不容缓。过去，在路面裂缝检测方面采用的是传统的人工检测方法。随着公路的发展和数量的增加，这种人工检测方法已越来越不能适应公路发展的要求。

技术实现要素：

针对上述问题，本发明提供一种高效的路面损坏裂缝检测系统。

本发明的目的采用以下技术方案来实现：

提供了一种高效的路面损坏裂缝检测系统，包括裂缝图像采集模块和裂缝图像处理模块，所述裂缝图像采集模块包括多台相机每两台相机一组、相机支架，所述其中一组两台相机以一个正拍路面一个倾斜拍摄路面的角度固定于支架上，两组相机沿横向布设；所述的裂缝图像处理模块用于对采集的裂缝图像进行处理，提取裂缝图像中的裂缝信息。

本发明的有益效果为：相对于人工检测方法，路面损坏裂缝检测的效率更高，其中采用多台相机同时从不同角度拍摄路面同一场景，可以得到更多的路面信息，便于后续裂缝信息的提取。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1本发明的框图示意图；

图2是本发明裂缝图像处理模块的框图示意图。

附图标记：

裂缝图像采集模块1、裂缝图像处理模块2、裂缝图像去噪单元10、裂缝图像分割单元20、裂缝信息提取单元30。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例提供的一种高效的路面损坏裂缝检测系统，包括裂缝图像采集模块1和裂缝图像处理模块2，所述裂缝图像采集模块1包括多台相机每两台相机一组、相机支架，所述其中一组两台相机以一个正拍路面一个倾斜拍摄路面的角度固定于支架上，两组相机沿横向布设；所述的裂缝图像处理模块2用于对采集的裂缝图像进行处理，提取裂缝图像中的裂缝信息。

进一步地，本优选实施例的路面损坏裂缝检测系统还包括通讯模块，用于实现裂缝图像处理模块2与所述两台相机的通信连接。

优选地，所述相机采用面阵ccd相机，沿横向布设的两组相机，以路面中线分开左右各一组，多台相机同时拍摄。

本发明上述实施例中，对于人工检测方法，路面损坏裂缝检测的效率更高，其中采用多台相机同时从不同角度拍摄路面同一场景，可以得到更多的路面信息，便于后续裂缝信息的提取。

优选地，如图2所示，所述裂缝图像处理模块2包括依次连接的裂缝图像去噪单元10、裂缝图像分割单元20和裂缝信息提取单元30；所述裂缝图像去噪单元10用于对采集的裂缝图像进行滤波处理；所述裂缝图像分割单元20用于对滤波后的裂缝图像进行分割处理，获取裂缝区域；所述裂缝信息提取单元30用于提取裂缝区域中的裂缝信息。

优选地，对裂缝图像进行滤波处理时，选取3×3滤波窗口对裂缝图像进行中值滤波，具体包括：

(1)确定滤波的初始位置(α,β)，设r(α,β)表示裂缝图像的灰度值矩阵中(α,β)处像素的灰度值，则滤波窗口在(α,β)处的灰度值表示为：

(2)移动滤波窗口，从而将滤波窗口原第二列对应行的灰度值赋给第一列，原第三列对应行的灰度值赋给第二列，读取裂缝图像对应移动前滤波窗口后一列像素的灰度值作为移动后的滤波窗口的第三列灰度值；

(3)将第三列灰度值按从小到大的顺序进行排列，计算当前位置滤波窗口的中间灰度值，并将计算得到的中间灰度值赋给所述的对应移动前滤波窗口后一列像素，定义当前位置滤波窗口的中间灰度值的计算公式为：

式中，表示当前位置滤波窗口的中间灰度值，max(r1)表示当前位置滤波窗口中第一行灰度值的最大值，mid(r2)表示当前位置滤波窗口中第二行灰度值的中值，min(r3)表示当前位置滤波窗口中第三行灰度值的最小值；

(4)重复步骤(2)和(3)，直至完成裂缝图像的设定滤波处理范围内的所有像素被赋值。

本优选实施例对中值滤波算法进行改进，通过移动滤波窗口对裂缝图像进行去噪，并定义了当前位置滤波窗口的中间灰度值的计算公式，能够根据该计算公式快速地确定赋给处理像素的中间灰度值，计算方法简单快捷，能够减少中值滤波算法中像素灰度值排序的次数，从而可以在保留裂缝区域边缘信息的前提下提高对裂缝图像进行去噪处理的速度，为后续的裂缝检测奠定良好的基础。

优选地，对滤波后的裂缝图像进行分割处理时，具体执行：

(1)采用改进的sobel边缘检测算法对裂缝图像进行边缘检测；

(2)基于数学形态学，采用4×4方形结构元素对边缘检测得到的裂缝区域进行腐蚀处理，采用4×4圆形结构元素对裂缝区域进行膨胀处理。

本优选实施例结合sobel边缘检测算法和数学形态学对裂缝图像进行处理，能够在保证不会产生全局几何失真的前提下将裂缝区域中被边缘检测断开的区域重新连通，从而能够得到较好的裂缝边缘，便于裂缝图像中裂缝信息的获取和识别。

优选地，所述采用改进的sobel边缘检测算法对裂缝图像进行边缘检测，具体包括：

(1)采用0°、45°、90°、135°四个方向的模板对裂缝图像进行卷积运算，计算裂缝图像中各像素的灰度梯度值，定义灰度梯度值的计算公式为：

式中，u(α,β)表示裂缝图像中像素(α,β)的灰度梯度值，r(α,β)表示裂缝图像的像素(α,β)的灰度值，*表示卷积运算，jk(k＝1,2..,4)为边缘算子，其中j1为0°边缘算子、j2为45°边缘算子、j3为90°边缘算子、j4为135°边缘算子；

(2)将各个像素的灰度梯度值与设定的阈值进行比较，若像素的灰度梯度值大于设定的阈值，将该像素作为检测点；

(3)对检测点进行过滤处理，采用20×20的矩形滤波窗口对各检测点进行处理，得到各检测点对应矩形滤波窗口中最大梯度值，若检测点(α,β)满足下列判定公式，则将该检测点置为背景点：

u(α,β)<ω[max(uα,β)-min(uα,β)]

式中，uα,β表示检测点(α,β)对应矩形滤波窗口中的最大梯度值，min(uα,β)表示检测点(α,β)对应矩形滤波窗口中的最大梯度值，ω为设定的调整因子，ω的取值范围为[0.7,,0.9]；

(4)将剩余的检测点作为边缘点。

其中，

本优选实施例中，一方面，对sobel边缘检测算法进行改进，采用四个方向的模板对裂缝图像进行卷积处理，并重新定义了灰度梯度值的计算公式，能够在保证对裂缝图像的裂缝边缘检测效果以及较低的卷积运算量的前提下，提高裂缝图像分割处理的速度，同时对裂缝图像的噪声具有较好的抑制能力，为后续的裂缝提取打下基础；另一方面，本优选实施例对采用sobel边缘检测算法处理后得到的检测点进行过滤处理，去除边缘检测可能形成的伪边缘，从而能够进一步提高裂缝图像分割的精度，有利于实现高精度的路面损坏裂缝检测。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。