本發(fā)明涉及道路路面檢測技術(shù)領(lǐng)域，具體涉及一種高效的路面損壞裂縫檢測系統(tǒng)。

背景技術(shù)：

由于公路長期暴露于大氣中，經(jīng)受著自然災(zāi)害侵襲、意外事故損壞、裂縫磨損以及重載、超載、人為因素破壞等，公路的養(yǎng)護工作刻不容緩。過去，在路面裂縫檢測方面采用的是傳統(tǒng)的人工檢測方法。隨著公路的發(fā)展和數(shù)量的增加，這種人工檢測方法已越來越不能適應(yīng)公路發(fā)展的要求。

技術(shù)實現(xiàn)要素：

針對上述問題，本發(fā)明提供一種高效的路面損壞裂縫檢測系統(tǒng)。

本發(fā)明的目的采用以下技術(shù)方案來實現(xiàn)：

提供了一種高效的路面損壞裂縫檢測系統(tǒng)，包括裂縫圖像采集模塊和裂縫圖像處理模塊，所述裂縫圖像采集模塊包括多臺相機每兩臺相機一組、相機支架，所述其中一組兩臺相機以一個正拍路面一個傾斜拍攝路面的角度固定于支架上，兩組相機沿橫向布設(shè)；所述的裂縫圖像處理模塊用于對采集的裂縫圖像進行處理，提取裂縫圖像中的裂縫信息。

本發(fā)明的有益效果為：相對于人工檢測方法，路面損壞裂縫檢測的效率更高，其中采用多臺相機同時從不同角度拍攝路面同一場景，可以得到更多的路面信息，便于后續(xù)裂縫信息的提取。

附圖說明

利用附圖對本發(fā)明作進一步說明，但附圖中的實施例不構(gòu)成對本發(fā)明的任何限制，對于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)以下附圖獲得其它的附圖。

圖1本發(fā)明的框圖示意圖；

圖2是本發(fā)明裂縫圖像處理模塊的框圖示意圖。

附圖標(biāo)記：

裂縫圖像采集模塊1、裂縫圖像處理模塊2、裂縫圖像去噪單元10、裂縫圖像分割單元20、裂縫信息提取單元30。

具體實施方式

結(jié)合以下實施例對本發(fā)明作進一步描述。

參見圖1，本實施例提供的一種高效的路面損壞裂縫檢測系統(tǒng)，包括裂縫圖像采集模塊1和裂縫圖像處理模塊2，所述裂縫圖像采集模塊1包括多臺相機每兩臺相機一組、相機支架，所述其中一組兩臺相機以一個正拍路面一個傾斜拍攝路面的角度固定于支架上，兩組相機沿橫向布設(shè)；所述的裂縫圖像處理模塊2用于對采集的裂縫圖像進行處理，提取裂縫圖像中的裂縫信息。

進一步地，本優(yōu)選實施例的路面損壞裂縫檢測系統(tǒng)還包括通訊模塊，用于實現(xiàn)裂縫圖像處理模塊2與所述兩臺相機的通信連接。

優(yōu)選地，所述相機采用面陣ccd相機，沿橫向布設(shè)的兩組相機，以路面中線分開左右各一組，多臺相機同時拍攝。

本發(fā)明上述實施例中，對于人工檢測方法，路面損壞裂縫檢測的效率更高，其中采用多臺相機同時從不同角度拍攝路面同一場景，可以得到更多的路面信息，便于后續(xù)裂縫信息的提取。

優(yōu)選地，如圖2所示，所述裂縫圖像處理模塊2包括依次連接的裂縫圖像去噪單元10、裂縫圖像分割單元20和裂縫信息提取單元30；所述裂縫圖像去噪單元10用于對采集的裂縫圖像進行濾波處理；所述裂縫圖像分割單元20用于對濾波后的裂縫圖像進行分割處理，獲取裂縫區(qū)域；所述裂縫信息提取單元30用于提取裂縫區(qū)域中的裂縫信息。

優(yōu)選地，對裂縫圖像進行濾波處理時，選取3×3濾波窗口對裂縫圖像進行中值濾波，具體包括：

(1)確定濾波的初始位置(α,β)，設(shè)r(α,β)表示裂縫圖像的灰度值矩陣中(α,β)處像素的灰度值，則濾波窗口在(α,β)處的灰度值表示為：

(2)移動濾波窗口，從而將濾波窗口原第二列對應(yīng)行的灰度值賦給第一列，原第三列對應(yīng)行的灰度值賦給第二列，讀取裂縫圖像對應(yīng)移動前濾波窗口后一列像素的灰度值作為移動后的濾波窗口的第三列灰度值；

(3)將第三列灰度值按從小到大的順序進行排列，計算當(dāng)前位置濾波窗口的中間灰度值，并將計算得到的中間灰度值賦給所述的對應(yīng)移動前濾波窗口后一列像素，定義當(dāng)前位置濾波窗口的中間灰度值的計算公式為：

式中，表示當(dāng)前位置濾波窗口的中間灰度值，max(r1)表示當(dāng)前位置濾波窗口中第一行灰度值的最大值，mid(r2)表示當(dāng)前位置濾波窗口中第二行灰度值的中值，min(r3)表示當(dāng)前位置濾波窗口中第三行灰度值的最小值；

(4)重復(fù)步驟(2)和(3)，直至完成裂縫圖像的設(shè)定濾波處理范圍內(nèi)的所有像素被賦值。

本優(yōu)選實施例對中值濾波算法進行改進，通過移動濾波窗口對裂縫圖像進行去噪，并定義了當(dāng)前位置濾波窗口的中間灰度值的計算公式，能夠根據(jù)該計算公式快速地確定賦給處理像素的中間灰度值，計算方法簡單快捷，能夠減少中值濾波算法中像素灰度值排序的次數(shù)，從而可以在保留裂縫區(qū)域邊緣信息的前提下提高對裂縫圖像進行去噪處理的速度，為后續(xù)的裂縫檢測奠定良好的基礎(chǔ)。

優(yōu)選地，對濾波后的裂縫圖像進行分割處理時，具體執(zhí)行：

(1)采用改進的sobel邊緣檢測算法對裂縫圖像進行邊緣檢測；

(2)基于數(shù)學(xué)形態(tài)學(xué)，采用4×4方形結(jié)構(gòu)元素對邊緣檢測得到的裂縫區(qū)域進行腐蝕處理，采用4×4圓形結(jié)構(gòu)元素對裂縫區(qū)域進行膨脹處理。

本優(yōu)選實施例結(jié)合sobel邊緣檢測算法和數(shù)學(xué)形態(tài)學(xué)對裂縫圖像進行處理，能夠在保證不會產(chǎn)生全局幾何失真的前提下將裂縫區(qū)域中被邊緣檢測斷開的區(qū)域重新連通，從而能夠得到較好的裂縫邊緣，便于裂縫圖像中裂縫信息的獲取和識別。

優(yōu)選地，所述采用改進的sobel邊緣檢測算法對裂縫圖像進行邊緣檢測，具體包括：

(1)采用0°、45°、90°、135°四個方向的模板對裂縫圖像進行卷積運算，計算裂縫圖像中各像素的灰度梯度值，定義灰度梯度值的計算公式為：

式中，u(α,β)表示裂縫圖像中像素(α,β)的灰度梯度值，r(α,β)表示裂縫圖像的像素(α,β)的灰度值，*表示卷積運算，jk(k＝1,2..,4)為邊緣算子，其中j1為0°邊緣算子、j2為45°邊緣算子、j3為90°邊緣算子、j4為135°邊緣算子；

(2)將各個像素的灰度梯度值與設(shè)定的閾值進行比較，若像素的灰度梯度值大于設(shè)定的閾值，將該像素作為檢測點；

(3)對檢測點進行過濾處理，采用20×20的矩形濾波窗口對各檢測點進行處理，得到各檢測點對應(yīng)矩形濾波窗口中最大梯度值，若檢測點(α,β)滿足下列判定公式，則將該檢測點置為背景點：

u(α,β)<ω[max(uα,β)-min(uα,β)]

式中，uα,β表示檢測點(α,β)對應(yīng)矩形濾波窗口中的最大梯度值，min(uα,β)表示檢測點(α,β)對應(yīng)矩形濾波窗口中的最大梯度值，ω為設(shè)定的調(diào)整因子，ω的取值范圍為[0.7,,0.9]；

(4)將剩余的檢測點作為邊緣點。

其中，

本優(yōu)選實施例中，一方面，對sobel邊緣檢測算法進行改進，采用四個方向的模板對裂縫圖像進行卷積處理，并重新定義了灰度梯度值的計算公式，能夠在保證對裂縫圖像的裂縫邊緣檢測效果以及較低的卷積運算量的前提下，提高裂縫圖像分割處理的速度，同時對裂縫圖像的噪聲具有較好的抑制能力，為后續(xù)的裂縫提取打下基礎(chǔ)；另一方面，本優(yōu)選實施例對采用sobel邊緣檢測算法處理后得到的檢測點進行過濾處理，去除邊緣檢測可能形成的偽邊緣，從而能夠進一步提高裂縫圖像分割的精度，有利于實現(xiàn)高精度的路面損壞裂縫檢測。

最后應(yīng)當(dāng)說明的是，以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對本發(fā)明保護范圍的限制，盡管參照較佳實施例對本發(fā)明作了詳細地說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對本發(fā)明的技術(shù)方案進行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實質(zhì)和范圍。