路面破损图像自动处理技术研究进展

总结了路面破损图像自动处理技术的重要研究成果, 分析了该领域关键技术的研究进展, 包括路面破损检测系统、图像处理算法和识别算法评估; 比较了不同路面破损检测系统与目标自动识别算法的检测精度和适用性, 给出了路面破损图像自动处理技术未来可能的主要研究方向。研究结果表明: 在路面破损检测系统方面, 从早期基于摄影技术的图像采集到目前的3D激光扫描技术, 路面图像采集技术更加便捷和高效, 但破损图像自动分析和目标自动识别算法仍然存在挑战; 在路面破损图像处理算法方面, 传统的路面裂缝目标分割算法已由过去的基于单一特征(灰度、边缘形状等) 的检测方法演化到多特征融合检测方法和图优化检测方法, 还出现了一些精细化的裂缝目标连接与恢复算法, 大幅提高了裂缝检测精度, 但需要的计算资源和人工先验知识库也随之不断增大; 在路面裂缝处理算法评估和比较方面, 主要利用人工分割来评价自动识别结果, 目前迫切需要建立一个面向全球开放的大型路面破损图像数据库, 以客观、有效地评估现有各种路面破损图像处理算法; 基于2D图像特征分析的路面破损图像自动识别算法很难在识别精确性、算法通用性和实时性方面同时取得最佳效果; 近年来, 大量学者开始尝试借助深度学习神经网络自动识别路面破损, 但该技术仍处于活跃的演进过程中; 在提高路面破损自动识别精度和效率方面, 3D激光扫描技术和基于人工智能的深度学习技术的发展将对未来路面破损图像自动识别技术的最终突破产生重大推进作用。      

基于机器视觉的隧道智能检测技术研究现状及技术分析

基于机器视觉的隧道检测技术可实现隧道病害的快速采集、自动识别和管理,由于采集速度快、识别精度高,是目前最受关注的隧道快速检测手段。介绍了国内外几款具有代表性的隧道快速检测设备,并对各家产品进行了分析比较,探讨了未来隧道检测设备研发方向。     

基于图像处理的路面裂缝识别研究

传统的人工视觉检测裂缝方法具有耗力、耗时、不精确、影响交通、危险、花费高等缺点。这里介绍一种基于图像处理的路面裂缝类病害自动识别方法。首先使用一种掩膜平滑法,对有大量噪音的路面图像进行增强,再采用最大类间、类内距离准则对图像进行阈值分割,提取图像上的裂缝特征,实验结果表明了该方法的有效性。     

基于图像处理的路面裂缝识别研究

传统的人工视觉检测裂缝方法具有耗力、耗时、不精确、影响交通、危险、花费高等缺点。这里介绍一种基于图像处理的路面裂缝类病害自动识别方法。首先使用一种掩膜平滑法,对有大量噪音的路面图像进行增强,再采用最大类间、类内距离准则对图像进行阈值分割,提取图像上的裂缝特征,实验结果表明了该方法的有效性。     

基于图像分析技术探析混凝土桥梁结构表面裂缝宽度检测

传统的人工检测方式下进行的混凝土桥梁结构表面裂缝检测耗费了较多的人力和物力,并且存在着较大的误差。在测量技术不断发展的前提条件下,基于图像分析的混凝土桥梁结构表面裂缝宽度检测凭借着其测量数据的精准度以及人力和物力资源的节约优势,得到了更多的重视和应用,主要对其进行分析。     

基于图像处理的混凝土表面裂缝检测研究

为了满足道路、桥梁、房屋等混凝土结构的表面裂缝快速检测的要求,利用图像处理技术对裂缝进行自动检测。对获取的裂缝图像进行灰度化处理、Gamma校正,基于加权中值滤波提出了一种改进的中值滤波方法并对裂缝图像进行去噪,采用阈值分割方法以及形态学处理提取出完整裂缝并判断其类型,最后提出了一种线型裂缝宽度的计算方法。实验结果表明裂缝目标能准确提取出来,所检测出的裂缝宽度值与实测值的相对误差在2%以内,方法具有有效性。     

桥梁下部结构裂缝提取的改进C-V模型算法(英文)

应用改进C-V模型,进行桥梁下部结构裂缝图像分割,通过裂缝截取、图像填充和旋转变换精确提取裂缝宽度。对不同光照条件下拍摄的在役混凝土桥梁结构裂缝图像,分别利用改进C-V模型算法、自适应阈值法、形态学算法、C-V模型以及Canny算法进行试验对比。分析结果表明:改进C-V模型算法误分率和运算时间最小,分别为3.02%与89ms;1 000幅桥梁结构裂缝图像试验对比显示裂缝检测准确率大于90.8%,裂缝宽度平均误差小于0.03mm。可见,改进算法可有效提高检测准确率,减少运算时间。     

基于形态学梯度分割的低对比度路面裂缝自动识别方法研究

针对目前路面裂缝的检测效率低、裂缝识别的主观性强、在低对比度下不易辨识等问题，提出了基于形态学梯度分割的低对比度路面裂缝自动识别方法，通过分析路面裂缝形成的原因研究了摄像头拍摄情况下的路面图像预处理方法及达到的效果，研究了形态学梯度检测中的Sobel算子方法在路面裂缝中的应用，通过实际采集的低对比度路面单裂缝与复杂背景下路面多裂缝图像进行算法测试，试验结果验证了提出方法的有效性。     

基于机器视觉的路桥裂缝病害自动检测技术

为解决路桥表面因荷载作用、疲劳与腐蚀效应、材料老化以及维修养护不及时等原因产生裂缝病害的问题,进一步提高日常养护工作效率,对机器视觉技术、图像处理技术在路桥裂缝病害检测工作中的应用进行了研究.采用对比分析和数据验证相结合的方法,重点针对利用机器视觉技术实现病害特征提取、特征识别和量化计算算法进行了比较研究.研究结果显示:①采用修正后的Faster R-CNN和深度可分离卷积网络能够有效减少参数数量,实现算法速度和精度的平衡;②采用小波变换滤波和KD树算法相结合的方式能够精确实现裂缝病害的连续特征提取;③基于裂缝的统计特征可快速实现病害分类.基于上述研究成果,提出并研发了一种路桥裂缝病害的自动检测方法,通过在广东省8条高速上的实例验证和模型优化,实现了路桥裂缝病害的自动化检测,精度达到95％,大幅度地提升了检测效率,有助于提高路桥的安全运行水平.     

机器视觉理论下的桥梁形变在线监测技术探讨

光学原理是机器视觉理论的基础,其主要是将采集而来的目标图像,通过计算机将其结构的位移值计算域分析出来。将简易的标志点布置在桥梁结构待测的部位中,人们便可以利用标志点的特性,将形心跟踪定位算法研究并开发出来。将机器视觉理论作为理论基础,对桥梁形变在线监测技术进行了研究与探讨,并运用相应的测试系统,对拱肋与桥塔偏位、桥梁斜拉索振动位移监测等桥梁较为关键的部位的位移情况进行了测量,旨在对桥梁测试技术进行丰富与完善。