本發(fā)明涉及道路缺陷檢測(cè)，尤其涉及一種道路坑洼檢測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、隨著城市道路與高速交通基礎(chǔ)設(shè)施的快速發(fā)展，道路表面質(zhì)量直接關(guān)系到行車安全性與道路維護(hù)成本；尤其是在高頻次載重通行或惡劣氣候條件下，道路表面易形成坑洼、龜裂等局部破損，若未及時(shí)發(fā)現(xiàn)并修復(fù)，易導(dǎo)致車輛懸掛系統(tǒng)損壞、交通事故增加甚至路面結(jié)構(gòu)進(jìn)一步惡化；為提高道路巡檢效率，目前逐步發(fā)展出基于視覺(jué)傳感與多源數(shù)據(jù)融合的自動(dòng)化檢測(cè)技術(shù)，嘗試通過(guò)車載圖像采集設(shè)備實(shí)現(xiàn)對(duì)道路表面缺陷的識(shí)別與定位；然而，由于道路檢測(cè)環(huán)境中存在車輛振動(dòng)、光照變化、陰影遮擋、瀝青材質(zhì)差異等多重干擾因素，傳統(tǒng)圖像處理方法在實(shí)際應(yīng)用中準(zhǔn)確率和魯棒性仍受較大限制。

2、現(xiàn)有技術(shù)在處理道路坑洼檢測(cè)問(wèn)題時(shí)，普遍存在如下技術(shù)難題：一是缺乏有效的振動(dòng)偽影消除機(jī)制，導(dǎo)致圖像模糊和邊緣虛化，影響后續(xù)特征提?。欢菍?duì)陰影和光照干擾適應(yīng)性弱，易造成誤判；三是僅依賴二維圖像信息，缺乏對(duì)路面結(jié)構(gòu)形態(tài)的立體感知，難以準(zhǔn)確判斷坑洼的空間連續(xù)性與真實(shí)形貌；四是缺少統(tǒng)一的形態(tài)幾何評(píng)價(jià)機(jī)制，無(wú)法對(duì)檢測(cè)結(jié)果進(jìn)行標(biāo)準(zhǔn)化表達(dá)。因此，亟需一種道路坑洼檢測(cè)方法及系統(tǒng)，來(lái)解決上述問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、基于上述目的，本發(fā)明提供了一種道路坑洼檢測(cè)方法及系統(tǒng)。

2、一種道路坑洼檢測(cè)方法，包括以下步驟：

3、s1：通過(guò)車載多光譜攝像頭獲取道路表面原始圖像流，同步采集六軸慣性測(cè)量單元的振動(dòng)數(shù)據(jù)，基于振動(dòng)數(shù)據(jù)和預(yù)設(shè)的瀝青路面材質(zhì)特征庫(kù)進(jìn)行運(yùn)動(dòng)偽影消除生成振動(dòng)補(bǔ)償圖像；

4、s2：對(duì)振動(dòng)補(bǔ)償圖像進(jìn)行可見(jiàn)光與近紅外光譜通道分離，根據(jù)光譜反射率差值動(dòng)態(tài)構(gòu)建陰影概率圖，通過(guò)非對(duì)稱伽馬校正生成陰影抑制圖像；

5、s3：對(duì)陰影抑制圖像執(zhí)行方向可調(diào)梯度運(yùn)算生成梯度幅值熱力圖，并采用雙閾值連通域分析法提取候選坑洼區(qū)域；

6、s4：在候選坑洼區(qū)域外圍選取環(huán)形參考區(qū)域，計(jì)算灰度共生矩陣對(duì)比度差值，當(dāng)對(duì)比度差值超過(guò)紋理突變閾值時(shí)判定為表面破損區(qū)域；

7、s5：對(duì)表面破損區(qū)域進(jìn)行三維點(diǎn)云重建并計(jì)算表面曲率梯度分布，提取連續(xù)像素簇統(tǒng)計(jì)面積占比，當(dāng)占比大于60%時(shí)判定為有效坑洼特征；

8、s6：對(duì)于有效坑洼特征對(duì)應(yīng)的區(qū)域，計(jì)算其最小包圍橢圓偏心率及橢圓面積比，當(dāng)橢圓偏心率小于0.7且橢圓面積比大于0.85時(shí)，則將該區(qū)域標(biāo)記為形態(tài)規(guī)則的完整坑洼區(qū)域，并將其參數(shù)信息納入最終坑洼檢測(cè)報(bào)告。

9、可選的，所述s1具體包括：

10、s11：通過(guò)固定安裝于車輛前方保險(xiǎn)杠中軸線位置的多光譜攝像頭獲取道路表面原始圖像流；

11、s12：通過(guò)安裝于車輛底盤(pán)中央的六軸慣性測(cè)量單元同步采集車輛在圖像采集時(shí)刻的三軸加速度與三軸角速度數(shù)據(jù)，數(shù)據(jù)采樣頻率為200hz；同時(shí)將每幀圖像的時(shí)間戳與對(duì)應(yīng)時(shí)刻的三軸加速度與三軸角速度數(shù)據(jù)進(jìn)行線性插值配準(zhǔn)，確保振動(dòng)數(shù)據(jù)與圖像幀一一對(duì)應(yīng)；

12、s13：將六軸慣性測(cè)量單元采集到的三軸加速度與三軸角速度數(shù)據(jù)輸入基于前向運(yùn)動(dòng)補(bǔ)償?shù)膱D像變換函數(shù)，對(duì)原始圖像像素位置進(jìn)行補(bǔ)償變換，所述圖像變換函數(shù)表達(dá)式為：，式中，為原始圖像的像素灰度值；為經(jīng)振動(dòng)補(bǔ)償后的圖像的像素灰度值；為原始圖像中的像素位置坐標(biāo)；為像素位置的補(bǔ)償偏移量；

13、s14：基于圖像變換函數(shù)對(duì)原始圖像流進(jìn)行逐幀的像素級(jí)重采樣與平移變換，生成剔除了車輛振動(dòng)與位移偽影的振動(dòng)補(bǔ)償圖像。

14、可選的，所述s2具體包括：

15、s21：將s1中獲得的振動(dòng)補(bǔ)償圖像按波段通道進(jìn)行拆分，提取可見(jiàn)光通道圖像與近紅外通道圖像；

16、s22：計(jì)算每個(gè)像素點(diǎn)的光譜反射率差值，公式為：，式中，為像素點(diǎn)在可見(jiàn)光與近紅外通道下的歸一化反射率差值；為像素點(diǎn)在可見(jiàn)光通道的灰度值；為像素點(diǎn)在近紅外通道的灰度值；為防止分母為零的常數(shù)，取值為0.01；

17、s23：根據(jù)歸一化反射率差值計(jì)算陰影概率，其表達(dá)式為：，當(dāng)大于設(shè)定的陰影判定閾值時(shí)，則對(duì)應(yīng)像素點(diǎn)被視為存在陰影遮擋；

18、s24：對(duì)存在陰影遮擋的圖像執(zhí)行非對(duì)稱伽馬校正以生成陰影抑制圖像。

19、可選的，所述s3具體包括：

20、s31：對(duì)s2獲得的陰影抑制圖像進(jìn)行方向可調(diào)梯度運(yùn)算，采用具有不同方向的sobel卷積核對(duì)圖像逐像素進(jìn)行卷積，計(jì)算各方向上的梯度分量，最后合成為每個(gè)像素位置的梯度幅值，進(jìn)而得到完整的梯度幅值熱力圖；

21、s32：基于梯度幅值熱力圖，選取高閾值和低閾值兩個(gè)閾值，具體的高閾值設(shè)定為梯度幅值熱力圖中全部像素梯度幅值的最大值的70%，低閾值設(shè)定為梯度幅值熱力圖中全部像素梯度幅值的最大值的30%，并通過(guò)高閾值篩選出初步的強(qiáng)梯度像素點(diǎn)；

22、s33：將初步的強(qiáng)梯度像素點(diǎn)作為初始種子點(diǎn)，基于連通域生長(zhǎng)算法對(duì)種子點(diǎn)周圍梯度幅值超過(guò)低閾值的像素進(jìn)行迭代式擴(kuò)展，將相鄰像素依次歸入當(dāng)前連通區(qū)域，直至區(qū)域內(nèi)不存在能繼續(xù)擴(kuò)展的像素位置為止，從而得到多個(gè)獨(dú)立的候選坑洼連通區(qū)域；

23、s34：計(jì)算每個(gè)候選坑洼連通區(qū)域的像素面積，將連通區(qū)域的面積小于50像素的區(qū)域作為噪聲區(qū)域予以剔除，保留面積大于或等于50像素的區(qū)域作為最終的候選坑洼區(qū)域。

24、可選的，所述s31具體包括：

25、s311：將s2獲得的陰影抑制圖像記為；

26、s312：針對(duì)圖像，分別構(gòu)建方向?yàn)?°、45°、90°及135°的sobel卷積核矩陣，對(duì)應(yīng)的梯度方向分別為水平方向，右上方向，垂直方向與左上方向，利用每個(gè)方向的卷積核對(duì)圖像執(zhí)行二維卷積操作，得到每個(gè)方向上的梯度響應(yīng)圖像；

27、s313：將多個(gè)方向的梯度響應(yīng)圖像進(jìn)行加權(quán)合成，得到每個(gè)像素點(diǎn)的方向敏感綜合梯度幅值圖像，定義為梯度幅值熱力圖。

28、可選的，所述s33具體包括：

29、s331：將s32篩選出的強(qiáng)梯度像素點(diǎn)作為初始種子點(diǎn)，建立種子點(diǎn)集合；

30、s332：從種子點(diǎn)集合中逐一取出種子點(diǎn)，計(jì)算當(dāng)前種子點(diǎn)與其周圍8鄰域像素之間的梯度幅值相似性，當(dāng)梯度幅值不小于預(yù)設(shè)低閾值時(shí)，則將對(duì)應(yīng)的相鄰像素標(biāo)記為與當(dāng)前種子點(diǎn)屬于同一連通域，并將該相鄰像素新增至種子點(diǎn)集合；

31、s333：重復(fù)執(zhí)行s332，持續(xù)從種子點(diǎn)集合中取出新的種子點(diǎn)進(jìn)行擴(kuò)展，直至種子點(diǎn)集合為空，此時(shí)得到一個(gè)獨(dú)立完整的連通域；

32、s334：遍歷s32獲得的所有強(qiáng)梯度像素點(diǎn)集合，對(duì)未被標(biāo)記過(guò)的強(qiáng)梯度像素點(diǎn)重復(fù)s331至s333的迭代過(guò)程，直至所有強(qiáng)梯度像素點(diǎn)均被處理完畢，最終得到多個(gè)獨(dú)立的候選坑洼連通區(qū)域。

33、可選的，所述s4具體包括：

34、s41：對(duì)s3獲得的每個(gè)候選坑洼區(qū)域，沿候選區(qū)域的外邊緣輪廓以固定寬度向外擴(kuò)展得到外邊界，所述固定寬度設(shè)定為候選區(qū)域等效半徑的1倍，以外邊界與候選區(qū)域輪廓之間的區(qū)域作為環(huán)形參考區(qū)域；

35、s42：分別計(jì)算候選坑洼區(qū)域內(nèi)部與環(huán)形參考區(qū)域內(nèi)各自的灰度共生矩陣；

36、s43：對(duì)兩個(gè)灰度共生矩陣分別計(jì)算各自的紋理對(duì)比度值，其中候選坑洼區(qū)域內(nèi)部紋理對(duì)比度記為，環(huán)形參考區(qū)域紋理對(duì)比度記為；

37、s44：計(jì)算候選坑洼區(qū)域與環(huán)形參考區(qū)域之間的紋理對(duì)比度差值；當(dāng)差值超過(guò)預(yù)設(shè)的紋理突變閾值時(shí)，判定該候選坑洼區(qū)域?yàn)楸砻嫫茡p區(qū)域。

38、可選的，所述s5具體包括：

39、s51：基于s4判定的表面破損區(qū)域，利用攝像頭在車輛前進(jìn)過(guò)程中連續(xù)獲取的多幀二維圖像，結(jié)合車輛行駛過(guò)程中記錄的位姿信息，通過(guò)基于結(jié)構(gòu)光投影原理的三維重建算法實(shí)現(xiàn)表面破損區(qū)域的高密度三維點(diǎn)云重建，得到三維點(diǎn)云數(shù)據(jù)；

40、s52：對(duì)三維點(diǎn)云數(shù)據(jù)執(zhí)行表面曲率計(jì)算，利用每個(gè)點(diǎn)云數(shù)據(jù)點(diǎn)與其相鄰半徑為5mm范圍內(nèi)的鄰域點(diǎn)，通過(guò)最小二乘法擬合局部二次曲面，計(jì)算每個(gè)數(shù)據(jù)點(diǎn)處的高斯曲率值，并對(duì)所得曲率值求取空間梯度，生成對(duì)應(yīng)的表面曲率梯度分布圖；

41、s53：在曲率梯度分布圖中，以預(yù)設(shè)的曲率梯度閾值進(jìn)行二值化處理獲得二值圖像，所述曲率梯度閾值設(shè)定為0.05?mm?1；并對(duì)二值圖像采用八鄰域連通分析方法提取出多個(gè)連續(xù)的像素簇區(qū)域；

42、s54：對(duì)提取出的連續(xù)像素簇區(qū)域分別計(jì)算像素面積占比；當(dāng)任一連續(xù)像素簇區(qū)域的面積占比大于60%時(shí)，判定該表面破損區(qū)域具備有效坑洼特征。

43、可選的，所述s6具體包括：

44、s61：針對(duì)s5中判定為有效坑洼特征的區(qū)域，提取其所有邊界像素坐標(biāo)集合，并采用基于最小二乘橢圓擬合算法，對(duì)該像素集合進(jìn)行最小包圍橢圓擬合處理，獲得該橢圓的長(zhǎng)軸長(zhǎng)度、短軸長(zhǎng)度以及擬合橢圓的中心坐標(biāo)和方向角；

45、s62：根據(jù)擬合結(jié)果計(jì)算橢圓的偏心率，其計(jì)算公式為：，式中，為擬合橢圓的偏心率；為擬合橢圓的長(zhǎng)軸長(zhǎng)度；為擬合橢圓的短軸長(zhǎng)度；

46、s63：計(jì)算擬合橢圓與實(shí)際坑洼像素區(qū)域的面積比，其定義為有效坑洼像素區(qū)域面積與擬合橢圓面積之比，表達(dá)式為：，式中，為橢圓面積比；為有效坑洼特征區(qū)域內(nèi)的實(shí)際像素面積；為擬合橢圓的面積；

47、s64：判斷擬合橢圓的幾何特征，若滿足偏心率且面積比，則將當(dāng)前區(qū)域標(biāo)記為形態(tài)規(guī)則的完整坑洼區(qū)域，并將其空間位置、輪廓坐標(biāo)、長(zhǎng)短軸尺寸、偏心率及面積比寫(xiě)入標(biāo)準(zhǔn)化數(shù)據(jù)結(jié)構(gòu)中，最終生成包含所有有效坑洼區(qū)域參數(shù)的檢測(cè)報(bào)告。

48、一種道路坑洼檢測(cè)系統(tǒng)，用于實(shí)現(xiàn)上述的一種道路坑洼檢測(cè)方法，包括以下模塊：

49、圖像采集模塊：用于通過(guò)安裝于車輛前方的多光譜攝像頭實(shí)時(shí)獲取道路表面的多通道原始圖像流，并同步啟動(dòng)六軸慣性測(cè)量單元以采集車輛運(yùn)行過(guò)程中的加速度與角速度數(shù)據(jù)；

50、偽影消除模塊：與圖像采集模塊連接，基于加速度與角速度數(shù)據(jù)，并結(jié)合預(yù)設(shè)的瀝青路面材質(zhì)特征庫(kù)，對(duì)原始圖像流進(jìn)行運(yùn)動(dòng)偽影消除處理，輸出振動(dòng)補(bǔ)償圖像；

51、光譜分離與陰影抑制模塊：與偽影消除模塊連接，用于將振動(dòng)補(bǔ)償圖像拆分為可見(jiàn)光通道圖與近紅外通道圖，并根據(jù)像素反射率差值構(gòu)建陰影概率圖，進(jìn)而通過(guò)非對(duì)稱伽馬校正生成陰影抑制圖像；

52、梯度熱力與候選提取模塊：與光譜分離與陰影抑制模塊連接，用于對(duì)陰影抑制圖像執(zhí)行多方向梯度運(yùn)算生成梯度幅值熱力圖，并采用雙閾值連通域生長(zhǎng)算法提取候選坑洼區(qū)域；

53、紋理分析模塊：與梯度熱力與候選提取模塊連接，用于在候選坑洼區(qū)域外圍生成環(huán)形參考區(qū)域，并分別計(jì)算區(qū)域內(nèi)外的灰度共生矩陣對(duì)比度差值，當(dāng)差值超過(guò)設(shè)定閾值時(shí)判定為表面破損區(qū)域；

54、三維重建與結(jié)構(gòu)判定模塊：與紋理分析模塊連接，用于對(duì)表面破損區(qū)域進(jìn)行圖像序列點(diǎn)云重建，計(jì)算表面曲率梯度分布，并提取連續(xù)高曲率像素簇，計(jì)算其面積占比，判定是否為有效坑洼特征；

55、形態(tài)評(píng)估與結(jié)果輸出模塊：與三維重建與結(jié)構(gòu)判定模塊連接，用于對(duì)有效坑洼區(qū)域進(jìn)行最小包圍橢圓擬合，計(jì)算橢圓偏心率與面積比，并根據(jù)設(shè)定條件輸出最終坑洼檢測(cè)報(bào)告。

56、本發(fā)明的有益效果：

57、本發(fā)明，通過(guò)構(gòu)建集成多光譜成像與六軸慣性測(cè)量的車載數(shù)據(jù)采集系統(tǒng)，結(jié)合材質(zhì)感知的振動(dòng)偽影消除算法，顯著提升了圖像質(zhì)量的穩(wěn)定性，解決了傳統(tǒng)圖像檢測(cè)過(guò)程中因車輛運(yùn)動(dòng)導(dǎo)致的圖像模糊與信息偏移問(wèn)題。同時(shí)，引入光譜反射率差值分析與非對(duì)稱伽馬校正方法，有效抑制了陰影干擾對(duì)圖像亮度與對(duì)比度的影響，增強(qiáng)了對(duì)復(fù)雜路面環(huán)境的適應(yīng)能力。

58、本發(fā)明，通過(guò)在特征提取與判定層面，融合多方向梯度運(yùn)算、雙閾值連通域分析、紋理對(duì)比度判斷、點(diǎn)云曲率分析及橢圓形態(tài)擬合等技術(shù)手段，構(gòu)建了自下而上的多級(jí)篩選機(jī)制，實(shí)現(xiàn)了對(duì)坑洼區(qū)域從二維到三維、從灰度到形態(tài)的多維度綜合識(shí)別判斷，確保最終輸出的坑洼檢測(cè)結(jié)果具備高完整度、準(zhǔn)確性與標(biāo)準(zhǔn)化表達(dá)能力，滿足道路智能巡檢系統(tǒng)高精度實(shí)時(shí)檢測(cè)的需求。