基于曲率相似性的路面连续纵长裂缝匹配方法

车载相机拍摄得到的路面裂缝形状分布随机，且由于视场角有限每次只能拍摄到道路上纵向长裂缝的一部分，导致纵长裂缝检测不完整。利用逆透视变换方法将车载相机采集的道路前方倾斜图像转化成正射图像，以去除纵长裂缝图像的透视变形；采用深度学习中的语义分割网络Deeplab V3+实现裂缝像素的提取；在此基础上，提出基于曲率相似性的由粗到精的两阶段路面连续纵长裂缝匹配方法。将待匹配的裂缝曲线分割为一连串相互重叠的子曲线序列，相互匹配的子曲线即为裂缝曲线相匹配的部分；利用曲率将子曲线局部形状与走势的特征表达为描述符，使用Kd-tree最邻近匹配算法对曲线描述符进行快速粗匹配。根据连续2张道路图像中纵长裂缝在空间位置分布上延续的特征，在裂缝曲线分割成子曲线时添加约束条件，前1张图像中裂缝曲线的起点和后1张图像中裂缝曲线的终点分别作为各自子曲线的1个端点；在粗匹配结果的基础上，逐步缩小分割曲线的间隔，迭代提高子曲线描述符间的归一化互相关系数，直至其大于等于阈值或者迭代次数超出最大迭代次数，实现对粗匹配结果的精调整。为验证算法精度，以武汉大学校园内路面不同类型的连续纵长裂缝为对象开展实验，匹配结果误差最小为0.688像素，精调整的误差比粗匹配平均减小24.19%。为进一步验证噪声下干扰的稳定性，仿真环境下增加了裂纹像素噪声；当高斯噪声的标准差从0增大到2像素时，匹配结果误差仅增大了1.083像素。将所提方法与SIFT算法进行对比，10组实验中，所提方法都能匹配成功；而SIFT算法在其中2组实验中匹配结果完全错误，表明所提算法有较好稳定性。

A Matching Method for Longitudinal Cracks Based on Curvature Similarity