CN104964708B - 一种基于车载双目视觉的路面坑槽检测方法 - Google Patents
一种基于车载双目视觉的路面坑槽检测方法 Download PDFInfo
- Publication number
- CN104964708B CN104964708B CN201510234379.7A CN201510234379A CN104964708B CN 104964708 B CN104964708 B CN 104964708B CN 201510234379 A CN201510234379 A CN 201510234379A CN 104964708 B CN104964708 B CN 104964708B
- Authority
- CN
- China
- Prior art keywords
- road surface
- surface pit
- vehicle
- pit
- detection method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Traffic Control Systems (AREA)
- Image Processing (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Navigation (AREA)
Abstract
本发明是一种基于车载双目视觉的路面坑槽检测方法,该检测方法通过振动传感器的振动采样信息取合理阈值来筛选出路面坑槽,结合GPS信息给出路面坑槽的位置信息,当车轮漏压路面坑槽时可以通过按键式人工外触发装置记录当时的GPS信息,双目相机***对测试路面进行采样并输出给计算机,获得路面坑槽的图像后,通过图像进行预处理与图像处理算法得到路面坑槽的面积、深度信息。采用本发明技术方案,不仅能够完成路面坑槽的定位,而且在算法方面优化了传统的图像处理算法并能够准确实现路面坑槽面积、深度计算功能。
Description
技术领域
本发明涉及道路检测领域与图像处理领域,具体涉及一种基于双目视觉利用图像处理算法测量路面坑槽的位置、面积、深度信息的检测方法。
背景技术
近年来,经济的发展带动了车辆数量的增加,随着路面日积月累的磨损,坑槽的出现不可避免,因此路面坑槽的检测对于车辆行驶的重要性不言而喻。坑槽检测是路面质量检测中的重要部分,数字图像处理技术的发展让传统的路面检测工作变得更加智能化、更加机械化。
然而路面坑槽是一种特殊的路面破损形态,传统的路面测量方法,如颠簸累计仪、激光测距仪等都只能获得路面纵剖面的曲线,无法定位路面坑槽的位置,更不能获得其空间信息。基于传统边缘检测算法的路面图像处理也无法获得类似路面坑槽这种不规则闭合区域的边缘,传统的单目相机对路面图像的采样,由于其平面维度是二维的局限性也无法测量路面坑槽的空间三维信息。
发明内容
为了解决传统方法无法测得路面坑槽空间信息的缺陷,本发明结合了GPS、双目相机、振动传感器等硬件设备,运用车载的方式,定位坑槽的位置、采集坑槽的图像,并利用图像算法测算出坑槽的面积、深度信息。
为实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
一种基于车载双目视觉的路面坑槽检测方法,该方法基于的硬件包括主控芯片,所述主控芯片分别连接有双目相机***、GPS定位***、振动传感器、人工外触发装置和计算机,其特征在于,所述双目相机***安装于车辆顶棚上对路面图像进行采集,所述GPS定位***与双目相机***一起固定于车辆顶棚上,所述振动传感器固定于车辆仪表盘中,所述人工外触发装置固定于副驾驶面板上,所述计算机根据主控芯片传回的采样数据进行路面坑槽面积和路面坑槽深度信息测算:
所述路面坑槽面积测算方法包括以下步骤:
步骤1.1)接收路面采样图像,同时标定每个像素所占面积;
步骤1.2)对图像用自适应中值滤波降噪;
步骤1.3)采用基于区域生长规则的快速边缘检测;
步骤1.4)检测是否为闭合边缘并进行判别,若否,则说明不是路面坑槽,记录GPS信息,同时跳转至步骤1.1),若是,则转至下面的步骤1.5);
步骤1.5)统计边界上的像素总数与边界内的像素总数;
步骤1.6)结合标定的每个像素所占面积最终获得路面坑槽的面积;
所述路面坑槽深度测算方法包括以下步骤:
步骤2.1)接收路面采样图像;
步骤2.2)对图像用自适应中值滤波降噪;
步骤2.3)采用基于区域生长规则的快速边缘检测;
步骤2.4)检测是否为闭合边缘并进行判别,若否,则说明不是路面坑槽,转至下面的步骤2.5),若是,则跳转至步骤2.6);
步骤2.5)记录GPS信息,同时跳转至步骤2.1);
步骤2.6)获取双目图像的闭合边缘并获取同时刻双目图像;
步骤2.7)检查两幅图像是否具有同名像点并进行判别,若否,则跳转至步骤2.5),若是,则转至下面的步骤2.8);
步骤2.8)进行同名像点匹配;
步骤2.9)计算路面切平面;
步骤2.10)将边缘内各点分别计算与路面切平面之间的距离;
步骤2.11)取峰值作为路面坑槽的深度。
进一步的,所述双目相机***以固定的角度安装在车辆顶棚上。
进一步的,所述振动传感器采用三轴加速度计。
进一步的,在所述步骤1.4)和步骤2.5)中,当车轮漏压路面坑槽时通过人工外触发装置来记录当时的GPS信息。
进一步的,所述人工外触发装置为按键式。
本发明的有益效果是:
本发明通过硬件的搭建能够完成路面坑槽的定位,在算法方面优化了传统的图像处理算法并能够准确实现路面坑槽面积、深度计算功能,这些数据在即可以在很大程度上为道路质量监管部门提供一项新型检测技术,又可以为将来保障路面行车安全提供支持,具有重要的工程实际意义。
附图说明
图1为为本发明***结构示意图;
图2为路面坑槽面积测算流程图;
图3为路面坑槽深度测算流程图;
图4为本发明实施例中所取的不同像点空间三维坐标图。
具体实施方式
下面将参考附图并结合实施例,来详细说明本发明。
参照图1所示,一种基于车载双目视觉的路面坑槽检测方法,该方法基于的硬件包括主控芯片,所述主控芯片分别连接有双目相机***、GPS定位***、振动传感器、人工外触发装置和计算机,其特征在于,所述双目相机***安装于车辆顶棚上对路面图像进行采集,所述GPS定位***与双目相机***一起固定于车辆顶棚上,所述振动传感器固定于车辆仪表盘中,所述人工外触发装置固定于副驾驶面板上,所述计算机根据主控芯片传回的采样数据进行路面坑槽面积和路面坑槽深度信息测算:
参照图2所示,所述路面坑槽面积测算方法包括以下步骤:
步骤1.1)接收路面采样图像,同时标定每个像素所占面积;
步骤1.2)对图像用自适应中值滤波降噪;
步骤1.3)采用基于区域生长规则的快速边缘检测;
步骤1.4)检测是否为闭合边缘并进行判别,若否,则说明不是路面坑槽,记录GPS信息,同时跳转至步骤1.1),若是,则转至下面的步骤1.5);
步骤1.5)统计边界上的像素总数与边界内的像素总数;
步骤1.6)结合标定的每个像素所占面积最终获得路面坑槽的面积,具体的是结合标定的参数信息,根据统计坑槽边缘像素坐标,技术坑槽范围内像素总数,进而获得路面坑槽实际面积;
参照图3所示,所述路面坑槽深度测算方法包括以下步骤:
步骤2.1)接收路面采样图像;
步骤2.2)对图像用自适应中值滤波降噪;
步骤2.3)采用基于区域生长规则的快速边缘检测;
步骤2.4)检测是否为闭合边缘并进行判别,若否,则说明不是路面坑槽,转至下面的步骤2.5),若是,则跳转至步骤2.6);
步骤2.5)记录GPS信息,同时跳转至步骤2.1);
步骤2.6)获取双目图像的闭合边缘并获取同时刻双目图像;
步骤2.7)检查两幅图像是否具有同名像点并进行判别,若否,则跳转至步骤2.5),若是,则转至下面的步骤2.8);
步骤2.8)进行同名像点匹配;
步骤2.9)计算路面切平面;
步骤2.10)将边缘内各点分别计算与路面切平面之间的距离;
步骤2.11)取峰值作为路面坑槽的深度。
所述双目相机***以固定的角度安装在车辆顶棚上。
所述振动传感器采用三轴加速度计。
在所述步骤1.4)和步骤2.5)中,当车轮漏压路面坑槽时通过人工外触发装置来记录当时的GPS信息。
所述人工外触发装置为按键式。
在本实施例中,表1代表在试验过程中,得到四个路面坑槽的面积,而且,利用本发明方法也能能够对准确的测量出一些形状不规则的物体面积:
表1坑槽图像面积测量数据(面积单位:)
在本实施例中,表2为不同像点的立体坐标值:
表2基于相关系数最大性能测度同名像点匹配的空间三维坐标计算值
对于不同的立体坐标,它可以在三维空间中表现出来。在图4中,设定如图4中的坐标系,结合图4可以看出,位于图4中部点的纵坐标较大,此路段路面较低,而周围的纵坐标数值相对较低,此路段相对较高。
从图4中可以看出,纵坐标的范围为17.122mm-48.772mm。这样就推算出需要检测路面坑槽深度约为31.65mm。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于车载双目视觉的路面坑槽检测方法,该方法基于的硬件包括主控芯片,所述主控芯片分别连接有双目相机***、GPS定位***、振动传感器、人工外触发装置和计算机,其特征在于,所述双目相机***安装于车辆顶棚上对路面图像进行采集,所述GPS定位***与双目相机***一起固定于车辆顶棚上,所述振动传感器固定于车辆仪表盘中,所述人工外触发装置固定于副驾驶面板上,所述计算机根据主控芯片传回的采样数据进行路面坑槽面积和路面坑槽深度信息测算:
所述路面坑槽面积测算方法包括以下步骤:
步骤1.1)接收路面采样图像,同时标定每个像素所占面积;
步骤1.2)对图像用自适应中值滤波降噪;
步骤1.3)采用基于区域生长规则的快速边缘检测;
步骤1.4)检测是否为闭合边缘并进行判别,若否,则说明不是路面坑槽,记录GPS信息,同时跳转至步骤1.1),若是,则转至下面的步骤1.5);
步骤1.5)统计边界上的像素总数与边界内的像素总数;
步骤1.6)结合标定的每个像素所占面积最终获得路面坑槽的面积;
所述路面坑槽深度测算方法包括以下步骤:
步骤2.1)接收路面采样图像;
步骤2.2)对图像用自适应中值滤波降噪;
步骤2.3)采用基于区域生长规则的快速边缘检测;
步骤2.4)检测是否为闭合边缘并进行判别,若否,则说明不是路面坑槽,转至下面的步骤2.5),若是,则跳转至步骤2.6);
步骤2.5)记录GPS信息,同时跳转至步骤2.1);
步骤2.6)获取双目图像的闭合边缘并获取同时刻双目图像;
步骤2.7)检查两幅图像是否具有同名像点并进行判别,若否,则跳转至步骤2.5),若是,则转至下面的步骤2.8);
步骤2.8)进行同名像点匹配;
步骤2.9)计算路面切平面;
步骤2.10)将边缘内各点分别计算与路面切平面之间的距离;
步骤2.11)取峰值作为路面坑槽的深度。
2.根据权利要求1所述的基于车载双目视觉的路面坑槽检测方法,其特征在于,所述双目相机***以固定的角度安装在车辆顶棚上。
3.根据权利要求1所述的基于车载双目视觉的路面坑槽检测方法,其特征在于,所述振动传感器采用三轴加速度计。
4.根据权利要求1所述的基于车载双目视觉的路面坑槽检测方法,其特征在于,在所述步骤1.4)和步骤2.5)中,当车轮漏压路面坑槽时通过人工外触发装置来记录当时的GPS信息。
5.根据权利要求4所述的基于车载双目视觉的路面坑槽检测方法,其特征在于,所述人工外触发装置为按键式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510234379.7A CN104964708B (zh) | 2015-08-03 | 2015-08-03 | 一种基于车载双目视觉的路面坑槽检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510234379.7A CN104964708B (zh) | 2015-08-03 | 2015-08-03 | 一种基于车载双目视觉的路面坑槽检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104964708A CN104964708A (zh) | 2015-10-07 |
CN104964708B true CN104964708B (zh) | 2017-09-19 |
Family
ID=54218756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510234379.7A Expired - Fee Related CN104964708B (zh) | 2015-08-03 | 2015-08-03 | 一种基于车载双目视觉的路面坑槽检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104964708B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105277144A (zh) * | 2015-10-16 | 2016-01-27 | 浙江工业大学 | 基于双目视觉的土地面积快速检测方法及其检测装置 |
CN105463973B (zh) * | 2015-12-15 | 2017-08-04 | 长安大学 | 一种智能型坑槽修补车 |
CN108360344B (zh) * | 2018-02-11 | 2020-12-01 | 云南通衢工程检测有限公司 | 公路技术状况检测*** |
CN109919139B (zh) * | 2019-04-01 | 2021-02-09 | 杭州晶一智能科技有限公司 | 基于双目立体视觉的路面状况快速检测方法 |
CN110208278A (zh) * | 2019-07-09 | 2019-09-06 | 电子科技大学 | 路面表观裂痕视觉测量*** |
CN111609892B (zh) * | 2020-07-01 | 2021-10-29 | 苏州市东挺河智能科技发展有限公司 | 一种有槽工业产品的改进型精度评估设备 |
CN112229362A (zh) * | 2020-10-19 | 2021-01-15 | 南京朗禾智能控制研究院有限公司 | 车载实时精确测量面积的装置 |
CN113962301B (zh) * | 2021-10-20 | 2022-06-17 | 北京理工大学 | 一种多源输入信号融合的路面质量检测方法及*** |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101907448B (zh) * | 2010-07-23 | 2013-07-03 | 华南理工大学 | 一种基于双目三维视觉的深度测量方法 |
CN102061659B (zh) * | 2010-10-27 | 2012-07-04 | 毛庆洲 | 一种城市道路路面日常巡检设备 |
CN202433311U (zh) * | 2011-12-08 | 2012-09-12 | 长安大学 | 一种路面破损检测装置 |
JP5776546B2 (ja) * | 2011-12-28 | 2015-09-09 | 富士通株式会社 | 路面調査プログラム及び路面調査装置 |
JP6119097B2 (ja) * | 2011-12-28 | 2017-04-26 | 富士通株式会社 | 路面調査プログラム及び路面調査装置 |
CN102607505B (zh) * | 2012-03-23 | 2014-04-16 | 中国科学院深圳先进技术研究院 | 道路平整度检测方法及*** |
CN102706880B (zh) * | 2012-06-26 | 2014-04-02 | 哈尔滨工业大学 | 基于二维图像和深度信息的路面信息提取装置及使用该装置实现路面裂纹信息的检测方法 |
CN102829763B (zh) * | 2012-07-30 | 2014-12-24 | 中国人民解放军国防科学技术大学 | 基于单目视觉定位的路面图像采集方法及采集*** |
CN103679127B (zh) * | 2012-09-24 | 2017-08-04 | 株式会社理光 | 检测道路路面的可行驶区域的方法和装置 |
CN204039886U (zh) * | 2014-05-07 | 2014-12-24 | 长安大学 | 一种基于多台相机立体拍摄的路面损坏裂缝检测*** |
CN104005325B (zh) * | 2014-06-17 | 2016-01-20 | 武汉武大卓越科技有限责任公司 | 基于深度和灰度图像的路面裂缝检测装置和方法 |
CN104361627B (zh) * | 2014-11-07 | 2017-11-28 | 武汉科技大学 | 基于sift的双目视觉沥青路面微观纹理三维图像重构方法 |
-
2015
- 2015-08-03 CN CN201510234379.7A patent/CN104964708B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104964708A (zh) | 2015-10-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104964708B (zh) | 一种基于车载双目视觉的路面坑槽检测方法 | |
CN110285793B (zh) | 一种基于双目立体视觉***的车辆智能测轨迹方法 | |
CN110322702B (zh) | 一种基于双目立体视觉***的车辆智能测速方法 | |
Cortés et al. | ADVIO: An authentic dataset for visual-inertial odometry | |
JP6484228B2 (ja) | 視覚強化ナビゲーション | |
CN104704384B (zh) | 具体用于装置的基于视觉的定位的图像处理方法 | |
CN105940429B (zh) | 用于确定设备运动的估计的方法和*** | |
US10424078B2 (en) | Height measuring system and method | |
US8571354B2 (en) | Method of and arrangement for blurring an image | |
CN103605978A (zh) | 基于三维实景数据的城市违章建筑识别***及方法 | |
CN103530881B (zh) | 适用于移动终端的户外增强现实无标志点跟踪注册方法 | |
CN106978774B (zh) | 一种路面坑槽自动检测方法 | |
CN106375706B (zh) | 利用双摄像头进行运动物体测速的方法、装置及移动终端 | |
US20160042515A1 (en) | Method and device for camera calibration | |
CA2684416A1 (en) | Method of and apparatus for producing road information | |
CN106871906B (zh) | 一种盲人导航方法、装置及终端设备 | |
CN103292779A (zh) | 一种测量距离的方法及图像获取设备 | |
CN107589069B (zh) | 一种物体碰撞恢复系数的非接触式测量方法 | |
US10132635B2 (en) | Method and apparatus for misalignment between device and pedestrian using vision | |
CN106504227B (zh) | 基于深度图像的人数统计方法及其*** | |
CN112455502B (zh) | 基于激光雷达的列车定位方法及装置 | |
CN104376323B (zh) | 一种确定目标距离的方法及装置 | |
CN109870126A (zh) | 一种面积计算方法以及一种能够进行面积计算的手机 | |
TWM560099U (zh) | 運用擴增實境技術之室內精確導航系統 | |
CN110345924A (zh) | 一种距离获取的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170919 Termination date: 20190803 |