一种公路路面裂缝智能检测方法及系统与流程

摘要: 本发明涉及路面病害检测,具体涉及一种公路路面裂缝智能检测方法及系统。背景技术:1、公路路面状况关系到行车安全与道路养护成本,裂缝的准确识别与评估是道路维护管理的...
一种公路路面裂缝智能检测方法及系统与流程

本发明涉及路面病害检测,具体涉及一种公路路面裂缝智能检测方法及系统。

背景技术:

1、公路路面状况关系到行车安全与道路养护成本,裂缝的准确识别与评估是道路维护管理的核心工作。传统人工巡检效率低下且存在主观性,基于工业视觉的自动化检测虽提升了效率,但在复杂环境下的检测精度难以满足实际需求。

2、当前检测方案依赖单一视角的图像信息,通过提取纹理特征或边缘特征识别裂缝,光照变化、阴影遮挡与污渍干扰会严重影响图像质量,仅凭二维图像难以区分真实裂缝与干扰痕迹。裂缝的物理特征具有立体性,深度与宽度等三维形态信息无法通过平面图像完整呈现,细小而深的裂缝与宽浅的表面划痕在二维图像上灰度特征相似,危害程度却截然不同。

3、同时,几何尺寸、光学属性与空间形态等信息分属不同量纲与表达空间,特征间相互独立造成信息割裂。因此,现有技术存在无法融合多维度信息源、缺乏兼顾视觉特征与空间形态的综合表征方式的缺陷,导致路面裂缝检测准确性低的问题。

技术实现思路

1、本发明的目的在于提供一种公路路面裂缝智能检测方法及系统,以解决现有技术存在无法融合多维度信息源、缺乏兼顾视觉特征与空间形态的综合表征方式的缺陷,导致路面裂缝检测准确性低的问题。

2、第一方面,本发明提供一种公路路面裂缝智能检测方法,包括:

3、获取路面二维图像与三维点云数据,对所述路面二维图像提取图像灰度特征与表面纹理特征,得到第一视觉特征集合;

4、对所述第一视觉特征集合依次进行预处理、分割与轮廓提取,得到初始裂缝区域;

5、根据所述初始裂缝区域在所述三维点云数据中提取三维深度特征与空间宽度特征,得到第一空间形态特征集合;

6、根据所述初始裂缝区域在所述三维点云数据中的表面粗糙度进行换算,得到自适应深度阈值,当所述三维深度特征大于所述自适应深度阈值时,判定所述初始裂缝区域为真实裂缝区域,当所述三维深度特征不大于所述自适应深度阈值时,判定所述初始裂缝区域为干扰痕迹区域;

7、对所述真实裂缝区域的物理属性特征与光学属性特征进行跨模态对齐,将对齐结果与所述第一视觉特征集合、所述第一空间形态特征集合进行特征融合,根据融合结果进行分类处理,得到所述真实裂缝区域对应的最终裂缝状态。

8、第二方面,本发明提供了一种公路路面裂缝智能检测系统,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述所述的方法的步骤。

9、第三方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述所述的方法的步骤。

10、相比于现有技术,本发明具有如下有益效果:

11、(1)干扰痕迹的三维点贴合基准平面、垂直距离接近零,真实裂缝存在实体下陷、垂直距离的最大值明显偏大,以三维深度特征替代二维灰度判据即可在深度维度上区分二者;又因自适应深度阈值由表面粗糙度换算所得、随其上浮,粗集料路面的固有高程波动不被误判为裂缝下陷,细而深的裂缝亦不漏判,提高路面裂缝检测的准确性;

12、(2)物理属性特征源自三维点云数据、光学属性特征源自路面二维图像,两者量纲与分布空间不同,串联只是数值堆叠;通过预设跨模态映射矩阵将第一模态特征向量投影得到对齐物理特征向量,使两侧坐标与语义基准一致,再作外积得到融合特征张量,其元素即两侧特征的两两乘积,消除异构特征的量纲与语义割裂;

13、(3)深度信息矩阵在提取特征前已将非路面像素判为背景并剔除,腐蚀运算与膨胀运算消除孤立高特征值斑块并填补裂缝内部孔洞,预设区域面积阈值将环境干扰区域置零,轮廓周长与轮廓面积的比值大于预设细长比阈值这一判据将块状坑槽轮廓排除,抑制环境干扰并减少无效计算。

1.一种公路路面裂缝智能检测方法,其特征在于,包括:

2.根据权利要求1所述的公路路面裂缝智能检测方法,其特征在于,所述获取路面二维图像与三维点云数据,对所述路面二维图像提取图像灰度特征与表面纹理特征,得到第一视觉特征集合,包括:

3.根据权利要求1所述的公路路面裂缝智能检测方法,其特征在于,所述对所述第一视觉特征集合依次进行预处理、分割与轮廓提取,得到初始裂缝区域,包括:

4.根据权利要求1所述的公路路面裂缝智能检测方法,其特征在于,所述根据所述初始裂缝区域在所述三维点云数据中提取三维深度特征与空间宽度特征,得到第一空间形态特征集合,包括:

5.根据权利要求4所述的公路路面裂缝智能检测方法,其特征在于,所述根据所述初始裂缝区域在所述三维点云数据中的表面粗糙度进行换算,得到自适应深度阈值,当所述三维深度特征大于所述自适应深度阈值时,判定所述初始裂缝区域为真实裂缝区域,当所述三维深度特征不大于所述自适应深度阈值时,判定所述初始裂缝区域为干扰痕迹区域,包括:

6.根据权利要求1所述的公路路面裂缝智能检测方法,其特征在于,所述对所述真实裂缝区域的物理属性特征与光学属性特征进行跨模态对齐,包括:

7.根据权利要求6所述的公路路面裂缝智能检测方法,其特征在于,所述将对齐结果与所述第一视觉特征集合、所述第一空间形态特征集合进行特征融合,包括:

8.根据权利要求7所述的公路路面裂缝智能检测方法,其特征在于,所述根据融合结果进行分类处理,得到所述真实裂缝区域对应的最终裂缝状态,包括:

9.一种公路路面裂缝智能检测系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至8任一项所述的方法。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至8任一项所述的方法。