一种三维路面裂缝图像生成系统和方法
【技术领域】
[0001] 本发明属于路面裂缝检测技术领域，具体涉及一种三维路面裂缝图像生成系统和 方法。
【背景技术】
[0002] 裂缝是路面的主要破损形式之一，它严重影响着路面质量、服务性能和寿命，需要 及时有效地检测和修复，以缓解路面恶化、降低维护成本。基于二维图像分析的无损裂缝检 测技术是目前检测裂缝的主要手段。然而路面修补、油污、轮胎痕迹、阴影等在二维图像中 很难与裂缝区分，严重地影响了裂缝检测的准确率。
[0003] 三维图像由于增加了深度信息，使得路面裂缝可以和图像中的其它部分区别开。 目前，三维路面裂缝图像生成方法主要有两种：程距法和多目立体视觉法。
[0004] 程距法根据已知的深度图，用数值逼近的方法重建表面信息，根据模型建立场景 中的物体描述，实现图像理解功能。其深度图是由测距器获得的，如红外光、激光测距器等 主动传感技术。这类方法适用于严格控制下的环境，如实验室环境。然而在实际路面检测 时，测距器搭载在检测车上，由于路面的颠簸和车辆本身的震动导致所测得的距离误差较 大，无法正确还原路面裂缝的三维结构。
[0005] 多目立体视觉法。利用不同位置的多台摄像机（一般两摄像机）同时拍摄的多幅 图像来恢复三维信息。这种方法要求多台摄像机的参数一致，并要标定摄像机的相对位置。 系统设置复杂。然而在检测车行使的过程中难于保证多台摄像机的相对位置不发生变化。
【发明内容】
[0006] 针对现有技术中存在的缺陷，本发明的目的是提供一种三维路面裂缝图像生成系 统和方法，该系统和方法不受成像传感器与路面的距离的影响，更加简单可靠。
[0007] 为达到以上目的，本发明采用的技术方案是：一种三维路面裂缝图像生成系统，所 述系统包括信息采集子系统、数据处理子系统和照明子系统：
[0008] 信息采集子系统包括图像采集模块和裂缝深度采集模块，所述图像采集模块包括 拍摄控制子模块、CCD线扫描摄像机和结构光投射器，所述拍摄控制子模块用于控制CCD线 扫描摄像机进行摄像和控制结构光投射器将一定模式的结构光投射于被测路面上可见光 成像的半幅范围内，所述结构光投射器用于投射出结构光，所述CCD线扫描摄像机用于采 集裂缝的每帧包含可见光图像和结构光图像的原始图像；所述裂缝深度采集模块用于采集 一定数量的样本裂缝深度信息；
[0009] 数据处理子系统，包括信息存储模块、图像配准模块、可见光图像裂缝检测模块、 结构光图像空间纹理提取模块和裂缝深度计算模块，该信息存储模型用于存储CCD线扫描 摄像机采集的裂缝的每帧包含可见光图像和结构光图像的原始图像、可见光图像检测模块 检测的裂缝特征、可见光图像检测模块提取的空间纹理信息以及由样本裂缝深度信息组成 的三维裂缝图像库，可见光图像检测模块用于检测可见光图像中的裂缝特征，结构光图像 空间纹理提取模块用于提取结构光图像中的空间纹理，裂缝深度计算模块用于根据一定数 量的样本裂缝建立裂缝深度预测模型，并根据该裂缝深度预测模型，结合目标裂缝的可见 光图像中的裂缝特征和提取的结构光图像中的空间纹理，计算目标裂缝深度信息；
[0010] 照明子系统；为C⑶线扫描相机提供光源。
[0011] 进一步，所述三维路面裂缝图像生成系统还包括三维裂缝可视化模块，所述三维 裂缝可视化模块用于将得到的裂缝深度信息生成三维可视图像，并显示在用户终端上。
[0012] 进一步，结构光投射器为投影仪。
[0013] 本发明提供一种三维路面裂缝图像生成方法，包括以下步骤：
[0014] 步骤S100:采集样本裂缝信息，建立裂缝深度预测模型，具体包括：
[0015] 步骤S101，采集样本裂缝深度信息，包括：选定一个路段，不同光照条件下，使用 裂缝深度采集模块，在静止条件下，测定好每一处裂缝的深度，建立三维裂缝图像库，存储 在信息存储模块中。
[0016] 步骤S102,采集样本裂缝图像，包括：拍摄控制子模块通过结构光投射器将一定 模式的结构光投射于所选路段上可见光成像的半幅范围内，利用CCD线扫描摄像机采集所 选路段的每帧包含可见光图像和结构光图像的原始图像，并存储在信息存储模块中；
[0017] 步骤S103,配准样本裂缝的可见光图像I和结构光图像IPM，包括：筛选出包含裂 缝的原始图像，从包含裂缝的前一帧原始图像上获取未覆盖结构光的可见光图像I，并从当 前帧原始图像1"8上获取同一路面位置处与所述未覆盖结构光的可见光图像I相对应的叠 加了结构光信息的结构光图像IPM;
[0018] 步骤S104,检测样本裂缝的可见光图像I中的裂缝，包括：对每一可见光图像I，利 用图像处理方法检测出裂缝，获取可见光图像中裂缝特征，并存储在信息存储模块中；
[0019] 步骤S105,提取样本裂缝的结构光图像IPM中的空间纹理，包括：对每一与可见光 图像I相对应的结构光图像IPM，利用图像处理方法提取结构光图像中的空间纹理，存储在 信息存储模块中；
[0020] 步骤S106,建立裂缝深度预测模型，包括：根据信息存储模块存储的所述被测路 面上样本裂缝的可见光图像中的裂缝特征和结构光图像中的空间纹理以及三维裂缝图像 库中的样本裂缝深度信息，建立裂缝深度预测模型；
[0021] 步骤S200 :采集目标裂缝图像，提取裂缝特征和空间纹理，计算目标裂缝深度，具 体包括：
[0022] 步骤S201，采集目标裂缝的图像，包括：拍摄控制子模块通过结构光投射器将一 定模式的结构光投射于被测路段上可见光成像的半幅范围内，利用CCD线扫描摄像机采集 被测路段的每帧包含可见光图像和结构光图像的原始图像，并存储在信息存储模块中；
[0023] 步骤S202,配准目标裂缝的可见光图像I和结构光图像Ip,e，包括：筛选出包含目 标裂缝的原始图像，从包含目标裂缝的前一帧原始图像上获取未覆盖结构光的可见光图像 I，并从当前帧原始图像I"g上获取目标裂缝的与所述未覆盖结构光的可见光图像I相对应 的叠加了结构光信息的结构光图像IPM;
[0024] 步骤S203,检测样本裂缝的可见光图像I中的裂缝，包括：对目标裂缝的可见光图 像I，利用图像处理方法检测出目标裂缝，获取可见光图像中目标裂缝特征，并存储在信息 存储模块中；
[0025] 步骤S204,提取目标裂缝的结构光图像Ip,e中的空间纹理，包括：对目标裂缝的结 构光图像IPM，利用图像处理方法提取结构光图像中的空间纹理，存储在信息存储模块中；
[0026] 步骤S205,根据步骤S106建立的裂缝深度预测模型，结合信息存储模块存储的目 标裂缝特征和空间纹理信息，计算目标裂缝深度。
[0027] 进一步，步骤S101，采集样本裂缝深度信息时，通过激光法、红外探测法或超声波 测距仪测定；将裂缝深度信息存储在信息存储模块中的方式是，将裂缝深度信息标记在裂 缝所在帧的原始图像上。
[0028] 进一步，步骤S103和步骤S202中，通过滤除结构光图像1_中的结构光信息，并 设定相似性测度，来达到预定的配准精度。
[0029] 进一步，步骤S104和步骤S203中，利用Hessian矩阵的特征值和特征向量获取图 像中裂缝的强度和方向，得到裂缝曲线结构；并利用高斯滤波算法对裂缝曲线结构的非均 匀强度进行平滑处理。
[0030] 进一步，步骤S105和步骤S204中，利用灰度共生矩阵、局部相位一致性、局部分数 维提取结构光图像中的空间纹理。
[0031] 进一步，步骤S106的实现方式为：将样本裂缝图像中各个像素的深度看作一系列 随机变量，将在结构光图像及可见光图像提取的多个特征作为影响深度的因素，建立图像 中每个像素点的深