基于智能手机的农村公路路面破损检测方法

农村公路路面破损自动检测是科学养护的重要前提。针对利用智能手机进行路面破损检测存在较高的误检、漏检以及破损无法量化等问题,该文提出一种新的路面破损检测方法。该方法利用智能手机采集路面图像,首先在图像中选取一个感兴趣区域,进行加权最小二乘滤波、Canny边缘检测以及Hough变换直线检测以识别路面,消除环境对识别结果的影响,降低误检率,再对路面区域使用透视变换的方法得到正射图,降低漏检率,最后利用Mask-RCNN模型对破损进行识别。试验结果表明：与SSD检测模型相比,该方法对裂缝、坑洞、修补3种破损的平均误检率、漏检率分别降低15.4%、19.6%,此外,还能测量裂缝的长度、宽度以及坑洞、修补的面积参数,较好地满足了农村公路破损检测的实际需求。     

基于双层连通性检测的路面裂缝图像识别算法

针对路面裂缝图像识别结果容易存在孤立噪声和断续边缘的情况,提出了基于像素-裂缝子块双层连通性检测的图像自动识别算法,主要有4个部分:(1)基于自适应灰度拉伸的图像增强算法;(2)基于自适应大津法和八方向Sobel梯度信息的组合分割算法;(3)基于连通性检测的二值图像去噪算法;(4) 32×32裂缝子块识别和优化连接算法.然后,对5张3056×2048的路面破损图片进行裂缝识别,结果显示,该算法从像素和裂缝子块这2个层次进行连通性增强处理,可获得完整而连续的裂缝图像.最后,针对10张512×512的路面破损图片,对全局OTSU分割、八方向Sobel检测、Canny检测和本文算法进行测试,各算法综合性能指标F1值依次为62.46％、23.84％、10.45％和88.30％,准确率依次为83.45％,27.82％,17.83％和86.60％,召回率依次为56.89％,21.83％,8.89％和90.68％,体现了本文算法的优越性.     

沥青路面破损图像测量方法研究

本文提出了一种路面破损图像测量方法,即将路面破损图像等分为64×64象素的子块,选取路面破损子块图像的灰度方差值描述子块图像特征,采用了神经网络分类器识别路面破损子块图像模式,并在路面破损子块模式识别的基础上,确定路面破损面积的测量方法。在测量裂缝宽度时,首先确定破损最严重的裂缝子块区域,然后对该子块进行中值滤波、二值化等图像处理,最后通过计数的方法确定裂缝的宽度。     

基于IPM和边缘图像过滤的多干扰车道线检测

在基于视觉的自动驾驶环境感知中,路面阴影、雨水、污渍和反光会对车道线识别和车辆导航造成干扰,针对此问题提出了一种基于逆投影映射（IPM）和边缘图像过滤的改进车道线识别方法。通过逆投影方法可以得到原始道路图像的鸟瞰图像,很大程度上增强了车道线的视觉特性并减少了干扰。同时提出迭代聚类分割方法对IPM图像中的灰度值进行分析,并保留与车道线颜色和形态特征最为接近的灰度点作为车道线边缘。随后提出一种搜索统计边缘图像中连续边缘区域的方法,通过分析边缘点并保留最长区域实现过滤道路干扰因素的目的。最后将该算法与其他常用车道线检测算法进行对比。研究结果表明：该方法可以更好地过滤路面各种干扰因素,有效增强干扰环境下识别模糊车道线、实车道线、虚车道线、弯车道线的能力,大幅提高了自动驾驶环境中的车道保持能力,并且由于该方法相比其他方法能够更加有效地去除路面干扰区域,因此识别车道线的速度得到大幅提高,可以满足自动驾驶对于实时性的要求。     

路面破损自动识别的一种新算法

针对路面破损分类这一难题,提出了一种基于破损密度因子的路面破损分类新算法。对破损密度因子进行了定义和仿真实验,仿真结果表明其对5种常见的路面破损状况的分类效果非常理想。为了进行对比,文中还选择了美国博士论文中的PROXIMITY算法进行比较,两种方法对相同的10几万幅路面样本进行分类试验,试验结果表明,笔者提出的基于破损密度因子的路面破分类方法,整体优于PROXIMITY方法的分类效果。     

一种道路图像破损自动识别系统的设计

为了适应现代公路的高速发展,提高路面检测的工作效率和准确率,取代传统人工检测方法,本文基于CCD摄像机方法设计了一种道路图像破损自动识别系统。系统由图像采集单元、图像处理单元、GPS定位单元组成,其中,硬件设计中包括GPS定位单元、CCD摄像机采集单元、辅助照明单元、UPS电源等;软件设计中包括图像采集程序设计和图像处理程序设计。设计结果表明:通过GPS定位技术和CCD摄像技术能够快速、科学、准确地连续采集路面图片,系统软件能够实现对破损路面图片的自动识别与处理等一系列工作,可以应用到工程实际中。     

高速公路汽车测距系统中目标汽车提取的研究

讨论高速公路上被动测距系统中目标汽车提取的一种算法。试验中先利用图像标准偏差和象素点的不连续性得出均匀性图。在均匀性图中做边沿提取并确定路面区域。同时将彩色图像从常用的RGB空间转换到HSI彩色空间，并在该空间利用S分量和日分量进行分割。然后在路面区域内结合经验，滤除所得二值图中残余的背景噪声，从而完成目标汽车的提取。     

基于机器视觉的道路上前方多车辆探测方法研究

提出一种基于车辆特征的方法识别和跟踪前方的车辆。首先,利用车辆底部存在阴影的特征,在图像中确定可能存在的车辆区域。然后,通过分形维数计算该区域的纹理特征,排除非车辆区域。最后,利用车辆的边缘信息,通过投影变换方法,对候选区域内的车辆进行定位。此外,利用NM I特征法对定位的车辆进行确认。该算法对不同环境和光照条件下的车辆图片进行了测试,以及在高速公路上进行了实时跟踪试验,具有较好的鲁棒性和可靠性。     

一种基于多尺度脊边缘的沥青路面裂缝检测算法

为了提高沥青路面裂缝的检测精度,针对裂缝的复杂性和多态性,提出了一种普适性较好的基于多尺度脊边缘的沥青路面裂缝检测算法。首先,对路面不同形状裂缝的多种脊边缘特征进行分析,并对利用高斯函数及其导数检测脊边缘的原理进行了推导;其次,根据脊边缘的多尺度特性,采用多个尺度的高斯滤波器对图像中的多尺度脊边缘进行检测,并对各个尺度的检测结果进行像素级融合;然后,结合裂缝的长度、宽度、方向、连续性、线性度等特征去除伪裂缝;最后,利用最小生成树算法实现了检测图像上不同位置裂缝的连接,使得检测出的裂缝更加接近实际裂缝的形态。研究结果表明:提出的算法可以对不同形状特征、尺寸和位置的裂缝目标进行有效检测,具有较高的检测精度和较好的检测效果,且该算法抗噪性能好、通用性强,是一种具有工程应用前景的高效的沥青路面裂缝检测方法。     

高速公路路面裂缝识别算法研究

经过研究给出了不均匀光照的路面裂缝图像识别的详细算法。算法采用多窗口中值滤波进行图像平滑,既能去除图像的噪声点,又较好地保留了裂缝的边缘信息;使用背景子集图像插值校正法进行灰度校正,有效地克服了不均匀成像对后期图像分割的影响;采用otsu阈值分割、形态学去噪及连通区域标记完成裂缝图像分割;选用连通区域个数、投影特征和分布密度3个参数完成裂缝分类;最后提取裂缝长度、宽度和破损面积等裂缝参数。实验结果显示分类准确率为94%,线状裂缝长度误差均值为7.2%,宽度误差均值为11.3%,非线状裂缝的面积误差均值为9.6%,表明这一方法有效、可靠。      

快速综合修补技术在水泥路养护中的应用

针对目前水泥路养护存在的弊端及出现的早期病害，分析了其成因，提出一种快速、综合修补水泥路面的养护技术，详细介绍了该技术方案、设备的设计开发及结合快速修补剂实施的情况．表明该技术能有效地解决破损水泥路面的早期修复问题。     

自适应阈值分割的图像边缘检测方法研究

边缘是图像视觉中的一种重要信息,是图像最基本的特征之一.在边缘检测过程中为了消除传统分水线算法引起的过分割现象,给出了一种新的过分割区域合并算法,该方法能把复杂的目标图像分割成为一系列反映目标基本结构特征的简单区域.然后利用轮廓提取算法去除图像内部的像素点,经最后处理得到的部分即是图像的边缘.     

装配式水泥混凝土路面板施工工艺研究

预制板修复路面技术能够在短时间内对水泥混凝土板面破损部位进行快速修复,为水泥混凝土路面的快速修复提供了一种有效的途径。文章阐述了混凝土预制板的施工流程,针对施工中的清除旧板、基层找平、预制板运输吊装和板块调平施工过程中的施工问题展开分析研究。提出了水泥混凝土预制板修复技术的应用建议和提升了施工质量,保障在短时间内能够使路面恢复良好的路用性能。     

基于SuBSENSE的内河船舶检测波纹干扰抑制算法

SuBSENSE是一种融合颜色特征和纹理特征的通用运动目标检测算法,同时算法中的参数自适应反馈机制使得背景模型能够良好地适应内河环境的多样性,在多种检测环境下达到参数最优化设置.针对一般运动目标检测算法用于内河船舶检测时,难以克服水波纹干扰这一问题,提出将SuBSENSE与基于全局对比度的显著性区域检测方法结合进行波纹抑制.利用水面显著值较低这一特性,通过设置适当阈值对显著图进行二值化,从而分离船舶与水面区域.将显著图与SuBSENSE检测结果进行与运算滤除背景干扰,即可得到船舶区域.实验证明,该方法能有效抑制内河环境中的波纹干扰,相比原SuBSENSE算法将综合表现提高了14.6%.      

沥青路面破损图像分割方法研究

提出了一种减少沥青路面破损图像识别计算量的图像分割方法。将路面图像等分为64×64像素的子块图像,并用灰度方差值描述子块图像特征。同时,设计了基于BP人工神经网络的子块图像模式分类器,利用子块图像模式分类结果所组成的矩阵作为路面破损图像分割结果。实验表明,该方法可较好地分割路面破损图像。     

基于彩色和黑白纹理的车牌快速定位方法

针对复杂背景下的车牌定位问题,提出了一种彩色和黑白纹理分析相结合的车牌定位算法。该算法依据RGB彩色空间中的车牌背景色,将彩色图像转换为能突出车牌颜色的灰度图,并进行颜色分割获得能突出车牌部分的黑白二值图;该算法对那些与车牌颜色接近的较大区域通过纹理特征的分析来滤除。测试表明,该定位方法不受光照等多种因素的影响,运算速度快,定位效果好,应用范围广。     

基于边缘对称性的车辆前方行人检测方法研究

利用视觉传感器信息丰富的特性，提出了一种基于边缘对称性的行人检测方法。利用Sobel算子和Hough变换确定车辆前方的感兴趣区域（AOI），然后提取感兴趣区域图像的垂直边缘，根据行人腿部的垂直边缘对称性确定垂直边缘对称轴，并结合行人形态特征以确定行人初始候选区域，最后采用灰度对称性和局部熵对行人候选区域进行目标识别验证。道路试验结果表明，该检测方法识别有效、可靠，并具有良好的鲁棒性。     

基于改进Sobel算子边缘检测的实现

边缘检测已经成为计算机视觉领域最活跃的课题之一。传统的Sobel算子边缘检测算法存在精度不高、提取的边缘特征粗略等缺陷,文章提出了一种改进的Sobel算子边缘检测算法,在原有水平和垂直方向上增加了两个对角线方向上的模板,提高了对弯道路面上车道线的识别精度。在MATLAB R2018b平台下仿真实验,结果表明,该方法提取得到的边缘更加精细,局部特性更好,抗噪声能力更强。     

变化光照条件下的交通标志快速鲁棒检测

变化光照条件下交通标志检测算法的准确率往往会显著降低。针对此问题,提出了1种新颖的概率图建立方法,并结合最大稳定极值区域特征进行交通标志检测。该方法包括3个处理步骤:①根据不同光照条件对真实场景交通标志样本图像进行明确分类以构建多类颜色直方图,将交通标志输入图像由原始色彩表达转变为概率图(直方图反投影);②通过在概率图上进行 MSER特征提取,获取候选的交通标志区域;③根据候选区域的面积、宽高比等特征快速有效去除非交通标志区域。实验结果表明在弱光照和强光照条件下基于归一化RGB的交通标志检测算法检测准确率分别下降到84.4%和83.0%,基于红蓝图的交通标志检测算法检测准确率分别下降到87.4%和86.3%,提出的算法在变化光照条件下依然可以保持90%以上的检测准确率,对光照变化有较好的鲁棒性。      

基于深度学习YOLO模型的高原山区沥青路面病害自动识别

高原山区沥青公路地形复杂上下纵坡较多,绿化树木及山体的光线遮挡造成车载式道路检测自动化检测系统采集的图片高光背影大,针对传统图像处理算法在处理此类图片时,存在算法稳定性差、裂缝提取精度较低,缺乏通用性的问题。本文提出一种采用YOLO模型自动检测高速路面缺陷的方法,可实现对高原山区沥青路面病害路面的快速、精确识别。