CN111192309B - 一种路面标线的测量方法 - Google Patents
一种路面标线的测量方法 Download PDFInfo
- Publication number
- CN111192309B CN111192309B CN201911361482.2A CN201911361482A CN111192309B CN 111192309 B CN111192309 B CN 111192309B CN 201911361482 A CN201911361482 A CN 201911361482A CN 111192309 B CN111192309 B CN 111192309B
- Authority
- CN
- China
- Prior art keywords
- image
- area
- marking
- gray
- road
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
- G01C15/002—Active optical surveying means
- G01C15/004—Reference lines, planes or sectors
- G01C15/006—Detectors therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Optics & Photonics (AREA)
- Geometry (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开一种路面标线的测量方法。该测量方法包括:当所述检测车在道路上行驶时,采集所述线扫描相机拍摄的所述道路的路面的多条线扫图像;按照采集的线扫图像的顺序,将预设数量的线扫图像从下到上生成一幅灰度图像;获取所述灰度图像中的第一标线区域;计算得到所述第一标线区域的平均灰度值;确定所述第一标线区域的平均灰度值对应的灰度值范围;根据预设的标线的灰度值范围与逆反射系数范围的对应关系,确定所述第一标线区域的平均灰度值对应的逆反射系数范围。该测量方法还包括:测量标线的有效面积和完好度。本发明可实现快速测量,且测量结果一致、精确,成本较低。
Description
技术领域
本发明涉及道路测量技术领域,尤其涉及一种路面标线的测量方法。
背景技术
路面标线作为引导、警示驾驶行为的关键信息载体,既是道路交通安全的重要指标之一,也是公路工程基础设施的重要组成部分。对于标线的测量,各地公路养护部门大多采用人工沿路巡查的方式,手动测量标线污损和反光效果。人工巡查的方式工作效率较低,测量结果一致性较差,不适用于路网级标线检测。
发明内容
本发明实施例提供一种路面标线的测量方法,以解决现有技术工作效率较低,测量结果一致性较差的问题。
第一方面,提供一种路面标线的测量方法,所述测量方法采用检测车,所述检测车上搭载有用于拍摄所述检测车前方的道路的检测范围的路面图像的线扫描相机,用于照射线扫描相机拍摄的道路的检测范围的条形光源,以及,用于控制所述线扫描相机拍摄路面图像的测距编码器,所述线扫描相机的光轴在道路的路面上的投影与所述检测车的长度方向平行;
所述测量方法包括:
当所述检测车在道路上行驶时,采集所述线扫描相机拍摄的所述道路的路面的多条线扫图像,其中,所述测距编码器每发射一次脉冲,所述线扫描相机拍摄一条线扫图像;
按照采集的线扫图像的顺序,将预设数量的线扫图像从下到上生成一幅灰度图像;
获取所述灰度图像中的第一标线区域;
计算得到所述第一标线区域的平均灰度值;
确定所述第一标线区域的平均灰度值对应的灰度值范围;
根据预设的标线的灰度值范围与逆反射系数范围的对应关系,确定所述第一标线区域的平均灰度值对应的逆反射系数范围。
第二方面,提供一种路面标线的测量方法,所述测量方法采用检测车,所述检测车上搭载有用于拍摄所述检测车前方的道路的检测范围的路面图像的线扫描相机,用于照射线扫描相机拍摄的道路的检测范围的条形光源,以及,用于控制所述线扫描相机拍摄路面图像的测距编码器,所述线扫描相机的光轴在道路的路面上的投影与所述检测车的长度方向平行;
所述测量方法包括:
当所述检测车在道路上行驶时,采集所述线扫描相机拍摄的所述道路的路面的多条线扫图像,其中,所述测距编码器每发射一次脉冲,所述线扫描相机拍摄一条线扫图像;
按照采集的线扫图像的顺序,将预设数量的线扫图像从下到上生成一幅灰度图像;
获取所述灰度图像中的第一标线区域;
计算得到所述第一标线区域的平均灰度值;
确定所述第一标线区域的平均灰度值对应的灰度值范围;
获取对应的灰度值范围的灰度值上限和灰度值下限;
根据灰度值上限和灰度值下限,对所述第一标线区域进行二值化处理,得到第二标线区域;
将所述第二标线区域的像素点转换为所述灰度图像对应的路面坐标系中的像素方格;
计算所述第二标线区域在所述路面坐标系中的每一像素方格的面积的和,得到所述灰度图像的标线的有效面积;
其中,所述灰度图像对应的路面坐标系的原点为所述灰度图像的第一条线扫图像的中心点对应的所述待测道路的路面点为原点,X轴为所述第一条线扫图像对应的所述待测道路的路面方向,Y轴为所述检测车的移动方向。
这样,本发明实施例的路面标线的测量方法,可实现快速测量,且测量结果一致、精确,成本较低。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一优选实施例的路面标线的测量方法的流程图;
图2是本发明另一优选实施例的路面标线的测量方法的流程图;
图3是本发明还一优选实施例的路面标线的测量方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获取的所有其他实施例,都属于本发明保护的范围。
本发明一优选实施例公开了一种路面标线的测量方法。该测量方法采用检测车。检测车上搭载有用于拍摄检测车前方的道路的检测范围的路面图像的线扫描相机,用于照射线扫描相机拍摄的道路的检测范围的条形光源,以及,用于控制线扫描相机拍摄路面图像的测距编码器。
具体的,线扫描相机为基于单行像元芯片的线阵灰度相机,一般安装在检测车的一侧,距道路的路面一定高度,扫描线与检测车长度方向垂直并至少覆盖半幅车道范围,线扫描相机的光轴与垂直于路面的垂线的夹角为0~30°。优选的,线扫描相机可以为两部,左右对称安装,扫描线覆盖全车道范围。线扫描相机的镜头安装滤光片,通过光波长的范围为560±20nm。
条形光源为向线扫描相机的拍摄区域提供照明的条形光源。通过较强的光源补偿,削弱环境光照对标线图像的灰度值的影响。本发明实施例的检测目标包括路面白色标线和黄色标线。考虑黄色标线主要吸收波长范围为450~480nm的蓝光,而白色标线对各波段光均有良好的反射性,所以选择绿光LED光源,光源中心波长为560nm。
测距编码器一般安装于检测车非导向轮轮毂或轮轴上,可通过编码信号输出检测车移动距离信息。本发明实施例的测距编码器可控制线扫描相机拍摄图像,即测距编码器每发射一次脉冲,线扫描相机拍摄一次。
具体的,为了达到最佳的测量效果,需要预先对线扫描相机、光源等位置进行安装调试。
线扫描相机的安装位置包括:线扫描相机的镜头的中心相对检测车的车体的宽度方向的位置,相对路面的高度以及线扫描相机的光轴相对路面的垂线的角度。线扫描相机的安装位置应满足:线扫描相机的光轴在道路的路面上的投影与检测车的长度方向平行,线扫描相机的扫描线与光源的光带的中心线基本重合,并覆盖既定检测范围。此外,可对相机平场校正,利用相机厂商提供的校正软件,通过改变每个像元响应直线的斜率和偏移,使所有像素点的响应直线相同,以消除光带不均匀性对成像的影响。
条形光源的安装位置包括:条形光源中心相对检测车的车体的宽度方向的位置,相对路面的高度以及光轴相对路面的垂线的角度。条形光源的安装位置应满足:使光源在路面上的照射光带覆盖既设检测范围,且检测范围内各点光照强度满足既定要求。
如图1所示,该测量方法包括如下的步骤:
步骤S101:当检测车在道路上行驶时,采集线扫描相机拍摄的道路的路面的多条线扫图像。
其中,测距编码器每发射一次脉冲,线扫描相机拍摄一条线扫图像。
步骤S102:按照采集的线扫图像的顺序,将预设数量的线扫图像从下到上生成一幅灰度图像。
该预设数量可根据经验和实际情况确定。在一幅灰度图像中,先得到的线扫图像位于后得到的线扫图像的下方。
步骤S103:获取灰度图像中的第一标线区域。
具体的,该步骤包括如下的过程:
(1)提取灰度图像的图像边缘的像素点,得到边缘像素点集合。
在灰度图像中,图像边缘为图像中灰度变化较为明显的区域。因此,可通过专业图像处理软件或者人工识别进行提取。本发明一具体的实施例采用Canny边缘检测算法提取灰度图像的图像边缘,从而得到图像边缘的像素点。
(2)构建与灰度图像对应的图像矩阵的大小相同的第一矩阵。
应当理解的是,灰度图像的图像矩阵中,矩阵的行对应图像的高(纵向,单位为像素),矩阵的列对应图像的宽(横向,单位为像素),矩阵的元素对应图像的像素点,矩阵的元素的值就是像素点的灰度值。
因此,第一矩阵具有灰度图像矩阵相同的行数和列数,第一矩阵中的每一元素的值表示灰度值,且灰度值均为0,第一矩阵为全零矩阵。
(3)将第一矩阵中与图像边缘的像素点的位置相同的元素赋值为1,得到第二矩阵。
具体的,可以确定灰度图像的图像边缘的像素点在灰度图像的图像矩阵中的位置,从而可将第一矩阵中与灰度图像的图像矩阵位置相同的元素的值赋为1。赋值后的第二矩阵是一个由0和1组成的矩阵,因此,其表示的图像是一幅黑白图像。
(4)根据第二矩阵,采用hough变换算法,提取直线,得到直线集合。
hough变换算法为现有技术,可以从黑白图像中检测直线,在此不再赘述。
(5)计算边缘像素点集合中的每一像素点与直线集合中的每一直线之间的距离,确定边缘像素点集合中的每一像素点对应的最小距离。
本发明一具体实施例中,灰度图像的图像坐标系的原点为灰度图像的第一条线扫图像的中心点,图像坐标系的X轴平行于灰度图像的横向,图像坐标系的Y轴平行于灰度图像的纵向。可通过专业图像处理软件读取通过hough变换算法提取的直线的像素点,建立直线方程。以及,可通过专业图像处理软件读取边缘像素点集合中的每一像素点在图像坐标系中的坐标。从而可通过采用公知的点到线的距离公式进行计算,在此不再赘述。
(6)建立直线集合中的每一直线对应的像素点分组。
(7)将边缘像素点集合中的每一像素点划分到一像素点分组中。
具体的,像素点应满足如下的分组规则:像素点对应的最小距离对应的直线与像素点分组对应的直线相同。因此,当多个像素点与同一直线的距离最小,则这些像素点分入该直线对应的像素点分组中。
(8)根据每一像素点分组中的像素点,采用最小二乘法确定每一像素点分组对应的直线方程,得到每一像素点分组对应的拟合直线段。
最小二乘法拟合直线方程为现有技术,在此不再赘述。应当理解的是,本发明实施例拟合时,可采用上述灰度图像的图像坐标系中的每一像素点的坐标进行拟合。
(9)将多条拟合直线段形成的闭合区域,以及,拟合直线段与灰度图像的图像边缘形成的闭合区域,确定为第一标线区域。
拟合直线段之间可能相互首尾相接形成一个闭合区域。或者,拟合直线段与灰度图像的图像边缘相接形成一个闭合区域。这些闭合区域均为第一标线区域。
步骤S104:计算得到第一标线区域的平均灰度值。
具体的,可以通过专业图像处理软件获取第一标线区域的每一像素点的灰度值,从而可计算第一标线区域的平均灰度值。
步骤S105:确定第一标线区域的平均灰度值对应的灰度值范围。
灰度值范围为预先确定,确定方法在步骤S106中描述。
步骤S106:根据预设的标线的灰度值范围与逆反射系数范围的对应关系,确定第一标线区域的平均灰度值对应的逆反射系数范围。
标线的灰度值范围与逆反射系数范围的对应关系可通过预先标定得到。在本发明一具体的实施例中,可使用逆反射系数测试仪采集大量标线的逆反射系数值并计算标线的平均逆反射系数。同时采集相应标线的线阵图像并计算平均灰度值,从而建立标线逆反射系数与灰度值的对应关系。应当理解的是,标线反光效果越低,逆反射系数越小。将标线样本按逆反射系数平均值大小依次划分为多个区间范围,并根据该逆反射系数范围对应标线样本确定标线图像的灰度值范围,建立标线逆反射系数范围与灰度值范围的对应关系。
通过该对应关系,可确定第一标线区域的平均灰度值对应的逆反射系数范围,即该灰度图像中的标线的逆反射系数范围。
综上,本发明一优选实施例的路面标线的测量方法,通过标线逆反射系数范围与灰度值范围的对应关系,根据采集的标线的灰度值估算标线逆反射系数,进而表征标线反光效果,测量快速,且测量结果一致、精确,成本较低。
本发明另一优选实施例公开了一种路面标线的测量方法。该测量方法采用检测车。该检测车与上述优选实施例的检测车相同,在此不再赘述。同样的,为了达到最佳的测量效果,需要预先对线扫描相机、条形光源等位置进行安装调试,调试的过程和调试达到的效果与上述优选实施例相同,在此也不再赘述。
如图2所示,该路面标线的测量方法包括:
步骤S201:当检测车在道路上行驶时,采集线扫描相机拍摄的道路的路面的多条线扫图像。
步骤S202:按照采集的线扫图像的顺序,将预设数量的线扫图像生成一幅灰度图像。
步骤S203:获取灰度图像中的第一标线区域。
步骤S204:计算得到第一标线区域的平均灰度值。
步骤S205:确定第一标线区域的平均灰度值对应的灰度值范围。
上述的步骤S201~步骤S205与前述优选实施例的步骤S101~步骤S105完全相同,在此不再赘述。
步骤S206:获取对应的灰度值范围的灰度值上限和灰度值下限。
步骤S207:根据灰度值上限和灰度值下限,对第一标线区域进行二值化处理,得到第二标线区域。
具体的,该步骤包括如下的过程:
(1)以灰度值上限为阈值,对灰度图像的第一标线区域进行二值化处理,得到第一二值化标线区域。
具体的,若第一标线区域的像素点的灰度值不小于灰度值上限,则该像素点的灰度值修改为1;若第一标线区域的像素点的灰度值小于灰度值上限,则该像素点的灰度值修改为0。
(2)以灰度值下限为阈值,对灰度图像的第一标线区域进行二值化处理,得到第二二值化标线区域。
具体的,若第一标线区域的像素点的灰度值不小于灰度值下限,则该像素点的灰度值修改为1;若第一标线区域的像素点的灰度值小于灰度值下限,则该像素点的灰度值修改为0。
(3)根据第二二值化标线区域对应的第二图像矩阵减去第一二值化标线区域对应的第一图像矩阵的差,得到第三图像矩阵。
第一图像矩阵和第二图像矩阵的定义与前述优选实施例的图像矩阵的定义相同,在此不再赘述。通过将第二图矩阵和第一图像矩阵的相同位置的元素的值相减得到的差的绝对值作为第三图像矩阵的相同位置的元素的值。应当理解的是,第三图像矩阵中的元素的值为1或0。
(4)将第三图像矩阵中的值为1的元素对应的像素点形成的区域,确定为第二标线区域。
步骤S208:将第二标线区域的像素点转换为灰度图像对应的路面坐标系中的像素方格。
像素点转换到路面坐标系后,相邻像素点之间的空隙可以构成一个像素方格。其中,灰度图像对应的路面坐标系的原点为灰度图像的第一条线扫图像的中心点对应的待测道路的路面点为原点,具体可通过线扫图像对应的测距编码器采集的道路里程来确定线扫图像中的路面的位置,进而通过线扫图像的范围确定线扫图像的中心对应的路面点。应当理解的是,按照灰度图像的生成方式,第一条线扫图像位于灰度图像的最下方。X轴为第一条线扫图像对应的待测道路的路面方向,即道路的宽度方向。Y轴为检测车的移动方向。应当理解的是,检测车的移动方向一般是平行于道路中心线的。因此X轴和Y轴是相互垂直的。
步骤S209:计算第二标线区域在路面坐标系中的每一像素方格的面积的和,得到灰度图像的标线的有效面积。
具体的,每一像素方格沿路面坐标系的X轴的尺寸为:
其中,xp表示灰度图像的图像坐标系的横坐标。灰度图像的图像坐标系的原点为灰度图像的第一条线扫图像的中心点,图像坐标系的X轴平行于灰度图像的横向,图像坐标系的Y轴平行于灰度图像的纵向。图像坐标系中各点的坐标可直接读取。u表示线扫描相机的芯片的单像元的宽度,f表示线扫描相机的镜头焦距,h表示线扫描相机的镜头的中心距道路的路面的高度,γ表示线扫描相机的光轴与道路的路面的垂线的夹角。上述方程的建立是基于图像一维坐标系和路面扫描线一维坐标系之间的转换而建立的,具体将在下文阐述。
每一像素方格沿路面坐标系的Y轴的尺寸为l。l表示的是测距编码器发射一次脉冲对应的检测车行驶的距离。l可通过预先标定获得。具体的,选择不小于20m的直路段,测量路段起点到终点长度为L。将安装测距编码器的检测车的测距轮(例如右轮)的中心对应路段起点,开始采集数据,待检测车沿直线行驶至测距轮的中心对应路段终点时,获取测距编码器一共发射的脉冲的总数量,记为N。那么,测距编码器发射一次脉冲对应的检测车行驶的距离
因此,每一像素方格的面积为△s=X×l。
灰度图像的标线的有效面积为:
其中,A表示第二标线区域对应的像素方格的集合。通过灰度图像的标线的有效面积可以评估标线的完好度,以便确定是否需要修补标线。
综上,本发明另一优选实施例的路面标线的测量方法,通过标线的有效面积评估标线的完好度,以便确定是否需要修补标线,可以快速测量标线的有效面积,且测量结果一致、精确,成本较低。
本发明还一优选的实施例公开了一种路面标线的测量方法。该测量方法采用检测车。该检测车与上述优选实施例的检测车相同,在此不再赘述。同样的,为了达到最佳的测量效果,需要预先对线扫描相机、条形光源等位置进行安装调试,调试的过程和调试达到的效果与上述优选实施例相同,在此也不再赘述。
如图3所示,该路面标线的测量方法包括如下的步骤:
步骤S301:当检测车在道路上行驶时,采集线扫描相机拍摄的道路的的路面的多条线扫图像。
步骤S302:按照采集的线扫图像的顺序,将预设数量的线扫图像生成一幅灰度图像。
步骤S303:获取灰度图像中的第一标线区域。
步骤S304:计算得到第一标线区域的平均灰度值。
步骤S305:确定第一标线区域的平均灰度值对应的灰度值范围。
步骤S306:获取对应的灰度值范围的灰度值上限和灰度值下限。
步骤S307:根据灰度值上限和灰度值下限,对第一标线区域进行二值化处理,得到第二标线区域。
步骤S308:将第二标线区域的像素点转换为灰度图像对应的路面坐标系中的像素方格。
步骤S309:计算第二标线区域在路面坐标系中的每一像素方格的面积的和,得到灰度图像的标线的有效面积。
上述的步骤S301~步骤S309与前述优选实施例的步骤S201~步骤S209完全相同,在此不再赘述。
步骤S310:按照转换方程组将每一第一标线区域的轮廓的各像素点在图像坐标系中的坐标转换为在路面坐标系中的坐标,得到第一标线区域对应的第三标线区域。
步骤S311:按照转换方程组将灰度图像的图像边缘的各像素点在图像坐标系中的坐标转换为在路面坐标系中的坐标,得到路面灰度图像区域。
图像坐标系和路面坐标系的定义如前所述,在此不再赘述。
其中,转换方程组为:
该转换方程组的建立是基于图像一维坐标系和路面扫描线一维坐标系的转换关系。图像一维坐标系以线扫图像中心为原点,路面扫描线一维坐标系以相机光轴与道路的路面交点为原点。因此,这两个坐标系之间的横坐标存在下式所述的转换关系:
通过上述的转换,可以得到第一标线区域对应的路面上实际的第三标线区域,以及,灰度图像对应的路面上实际的区域。
步骤S312:遍历标线模板集合中的每一标线模板图像,确定与第三标线区域匹配的标线模板图像。
具体的,标线模板图像的种类可以包括:箭头、文字等标线图像、连续虚线段组成的标线和连续实线段组成的标线等等。对于箭头、文字等标线图像,标线模板就是其独立的标线图形。对于虚线段和实线段组成的标线,可根据经验选择一定长度的虚线段和实线段作为标线模板图像,例如,取长度为Len的一段建立模板,Len=m×l。l是如前所述的测距编码器发射一次脉冲对应的检测车行驶的距离。m表示组成一幅灰度图像的线扫图像的数量。
该步骤具体包括如下的过程:
(1)在路面坐标系中,对于每一标线模板图像,将标线模板图像的每一第一轮廓特征点逐一与第三标线区域的每一第二轮廓特征点对齐,得到对齐重叠区域。
第一轮廓特征点和第二轮廓特征点,均为轮廓线段的拐点。对于第三标线区域,由于其由第一标线区域得到,由第一标线区域的得到过程可以确定,第三标线区域的轮廓特征点是两条连接的直线段的交点。对齐重叠区域指的是标线模板图像和第三标线区域重叠的区域。
具体的,该过程将一标线模板图像的一第一轮廓特征点与第三标线区域的一第二轮廓特征点对齐,得到一个对齐重叠区域。然后将该第一轮廓特征点与另一第二轮廓特征点对齐,得到另一对齐重叠区域。以此类推,可以将该第一轮廓特征点与第三标线区域的每一第二轮廓特征点各进行一次对齐。然后将一标线模板图像的另一第一轮廓特征点再次按照上述的过程与第三标线区域的每一第二轮廓特征点各进行一次对齐。同样的,对于每一标线模板图像都进行如上的过程。这样得到的每一对齐重叠区域对应一标线模板图像的一第一轮廓特征点和一第二轮廓特征点。
应当理解的是,由于标线的方向都是一定的,在进行对齐时,只是保持标线模板的方向,平移标线模板图像,不会进行旋转。
(2)对于每一对齐重叠区域,计算该对齐重叠区域对应的标线模板图像的面积与第三标线区域的面积的面积和。
具体可通过现有的专业图像处理软件计算对应的图像的面积。
(3)计算对齐重叠区域的面积占该对齐重叠区域对应的面积和的比例。
具体可通过现有的专业图像处理软件计算对应的图像的面积。然后计算对齐重叠区域的面积除以对齐重叠区域对应的面积和的商。
(4)对于每一标线模板图像,将该标线模板图像对应的比例最大的对齐重叠区域的比例作为该标线模板图像与第三标线区域的匹配度。
若所占比例最大,则表明对应的标线模板图像的一第一轮廓点与第三标线区域的一第二轮廓点对齐时,对齐重叠区域最大。因此,选择该比例作为该标线模板图像与第三标线区域的匹配度。
(5)比较每一标线模板图像与第三标线区域的匹配度的大小,将匹配度最大的标线模板图像作为第三标线区域的匹配的标线模板图像。
对于每一标线模板图像,都可以得到一个与第三标线区域的匹配度。若该标线模板图像对应的匹配度最大,则表明该标线模板图像与第三标线区域的对齐重叠区域的面积最大,第三标线区域的形状最为接近该标线模板图像的形状,将该标线模板图像匹配第三标线区域。
步骤S313:获取第三标线区域匹配的标线模板图像在路面灰度图像区域中的标准面积。
具体的,该步骤包括如下的过程:
(1)根据匹配的标线模板图像的匹配度对应的对齐重叠区域的第一轮廓点特征点和第二轮廓特征点,匹配的标线模板图像的形状及尺寸,以及,路面灰度图像区域的边缘,确定标线模板图像在路面灰度图像区域中的模板实际区域。
由匹配度对应的对齐的第一轮廓特征点和第二轮廓特征点,标线模板图像的形状及尺寸,以及路面灰度图像区域的边缘,可确定是否灰度图像采集到了完整的标线模板图像。
若采集的灰度图像对应的第三标线区域为完整的标线模板图像,则标线模板图像在路面灰度图像区域中的模板实际图像就是完整的标线模板图像。
若采集的灰度图像对应的第三标线区域不是完整的标线模板图像,即第三标线区域为路面灰度图像区域的边缘及路面灰度图像区域中的线段围成的,则标线模板图像在路面灰度图像区域中的模板实际图像可由匹配度对应的对齐的第一轮廓特征点和第二轮廓特征点,标线模板图像的形状及尺寸,以及路面灰度图像区域的边缘共同确定。
(2)获取模板实际区域的面积,作为标准面积。
模板实际区域的面积可由图像处理软件获得。对于采集的灰度图像中的第三标线区域为完整的标线模板图像的情况,模板实际图像的面积就是标线模板图像的面积,可以直接采用该面积。应当理解的是,无论哪一种标线模板图像都有标准规定的形状和尺寸,因此具有规定的面积。
步骤S314:计算灰度图像的标线的有效面积与标准面积的商,得到灰度图像的标线的完好度。
即
k表示灰度图像的标线的完好度。S′表示灰度图像的标线的有效面积。S0匹配的标线模板图像在灰度图像中的标准面积。通过灰度图像的标线的完好度确定是否需要修补标线。
综上,本发明还一优选实施例的路面标线的测量方法,通过标线的完好度确定是否需要修补标线,可以快速测量标线的完好度,且测量结果一致、精确,成本较低。
本发明实施例还公开了一种道路的标线的测量***。该***包括:
检测车。检测车上搭载有用于拍摄检测车前方的道路的检测范围的路面图像的线扫描相机,用于照射线扫描相机拍摄的道路的检测范围的条形光源,以及,用于控制线扫描相机拍摄路面图像的测距编码器,线扫描相机的光轴在道路的路面上的投影与检测车的长度方向平行。
采集模块,用于当检测车在道路上行驶时,采集线扫描相机拍摄的道路的路面的多条线扫图像。
其中,测距编码器每发射一次脉冲,线扫描相机拍摄一条线扫图像。
生成模块,用于按照采集的线扫图像的顺序,将预设数量的线扫图像从下到上生成一幅灰度图像。
第一获取模块,用于获取灰度图像中的第一标线区域。
第一计算模块,用于计算得到第一标线区域的平均灰度值。
第一确定模块,用于确定第一标线区域的平均灰度值对应的灰度值范围。
第二确定模块,用于根据预设的标线的灰度值范围与逆反射系数范围的对应关系,确定第一标线区域的平均灰度值对应的逆反射系数范围。
优选的,第一获取模块包括:
第一提取子模块,用于提取灰度图像的图像边缘的像素点,得到边缘像素点集合。
构建子模块,用于构建与灰度图像对应的图像矩阵的大小相同的第一矩阵。
其中,第一矩阵中的每一元素的值为灰度值,且灰度值均为0。
赋值子模块,用于将第一矩阵中与图像边缘的像素点的位置相同的元素赋值为1,得到第二矩阵。
第二提取子模块,用于根据第二矩阵,采用hough变换算法,提取直线,得到直线集合。
第一计算子模块,用于计算边缘像素点集合中的每一像素点与直线集合中的每一直线之间的距离,确定边缘像素点集合中的每一像素点对应的最小距离。
建立子模块,用于建立直线集合中的每一直线对应的像素点分组。
划分子模块,用于将边缘像素点集合中的每一像素点划分到一像素点分组中。
其中,像素点对应的最小距离对应的直线与像素点分组对应的直线相同。
第一确定子模块,用于根据每一像素点分组中的像素点,采用最小二乘法确定每一像素点分组对应的直线方程,得到每一像素点分组对应的拟合直线段。
第二确定子模块,用于将多条拟合直线段形成的闭合区域,以及,拟合直线段与灰度图像的图像边缘形成的闭合区域,确定为第一标线区域。
优选的,该***还包括:
第二获取模块,用于获取对应的灰度值范围的灰度值上限和灰度值下限。
处理模块,用于根据灰度值上限和灰度值下限,对第一标线区域进行二值化处理,得到第二标线区域。
第一转换模块,用于将第二标线区域的像素点转换为灰度图像对应的路面坐标系中的像素方格。
第二计算模块,用于计算第二标线区域在路面坐标系中的每一像素方格的面积的和,得到灰度图像的标线的有效面积。
其中,灰度图像对应的路面坐标系的原点为灰度图像的第一条线扫图像的中心点对应的待测道路的路面点为原点,X轴为第一条线扫图像对应的待测道路的路面方向,Y轴为检测车的移动方向。
优选的,处理模块包括:
第一处理子模块,用于以灰度值上限为阈值,对灰度图像的第一标线区域进行二值化处理,得到第一二值化标线区域。
第二处理子模块,用于以灰度值下限为阈值,对灰度图像的第一标线区域进行二值化处理,得到第二二值化标线区域。
相减子模块,用于根据第二二值化标线区域对应的第二图像矩阵减去第一二值化标线区域对应的第一图像矩阵的差,得到第三图像矩阵。
第三确定子模块,用于将第三图像矩阵中的值为1的元素对应的像素点形成的区域,确定为第二标线区域。
优选的,每一像素方格的面积的计算方程为:
△s=X×l,其中,△s表示每一像素方格的面积;
X表示每一像素方格沿路面坐标系的X轴的尺寸;
xp表示灰度图像的图像坐标系的横坐标,u表示线扫描相机的芯片的单像元的宽度,f表示线扫描相机的镜头焦距,h表示线扫描相机的镜头的中心距道路的路面的高度,γ表示线扫描相机的光轴与道路的路面的垂线的夹角;其中,灰度图像的图像坐标系的原点为灰度图像的第一条线扫图像的中心点,图像坐标系的X轴平行于灰度图像的横向,图像坐标系的Y轴平行于灰度图像的纵向。
l表示每一像素方格沿路面坐标系的Y轴的尺寸,且每一像素方格沿路面坐标系的Y轴的尺寸为测距编码器发射一次脉冲对应的检测车行驶的距离。
优选的,该***还包括:
第二转换模块,用于按照转换方程组将每一第一标线区域的轮廓的各像素点在图像坐标系中的坐标转换为在路面坐标系中的坐标,得到第一标线区域对应的第三标线区域。
第三转换模块,用于按照转换方程组将灰度图像的图像边缘的各像素点在图像坐标系中的坐标转换为在路面坐标系中的坐标,得到路面灰度图像区域。
第三确定模块,用于遍历标线模板集合中的每一标线模板图像,确定与第三标线区域匹配的标线模板图像。
第三获取模块,用于获取第三标线区域匹配的标线模板图像在路面灰度图像区域中的标准面积。
第三计算模块,用于计算灰度图像的标线的有效面积与标准面积的商,得到灰度图像的标线的完好度。
优选的,转换方程组为:
其中,(xp,yp)表示像素点在灰度图像的图像坐标系中的坐标,(XP,YP)表示像素点在灰度图像的图像坐标系对应的路面坐标系中的坐标。
优选的,第三确定模块包括:
对齐子模块,用于在路面坐标系中,对于每一标线模板图像,将标线模板图像的每一第一轮廓特征点逐一与第三标线区域的每一第二轮廓特征点对齐,得到对齐重叠区域。
其中,每一对齐重叠区域对应一标线模板图像的一第一轮廓特征点和一第二轮廓特征点。
第二计算子模块,用于对于每一对齐重叠区域,计算该对齐重叠区域对应的标线模板图像的面积与第三标线区域的面积的面积和。
第三计算子模块,用于计算对齐重叠区域的面积占该对齐重叠区域对应的面积和的比例;
第一匹配子模块,用于对于每一标线模板图像,将该标线模板图像对应的比例最大的对齐重叠区域的比例作为该标线模板图像与第三标线区域的匹配度;
第二匹配子模块,用于比较每一标线模板图像与第三标线区域的匹配度的大小,将匹配度最大的标线模板图像作为第三标线区域的匹配的标线模板图像。
优选的,第三获取模块包括:
第四确定子模块,用于根据匹配的标线模板图像的匹配度对应的对齐重叠区域的第一轮廓点特征点和第二轮廓特征点,匹配的标线模板图像的形状及尺寸,以及,路面灰度图像区域的边缘,确定标线模板图像在路面灰度图像区域中的模板实际图像。
获取子模块,用于获取模板实际图像的面积,作为标准面积。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
综上,本发明实施例的道路的标线的测量***,可以通过标线逆反射系数范围与灰度值范围的对应关系,根据采集的标线的灰度值估算标线逆反射系数,进而表征标线反光效果;可以通过测量标线的有效面积、完好度,确定是否需要修补标线,可以实现快速测量,且测量结果一致、精确,成本较低。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种路面标线的测量方法,其特征在于,所述测量方法采用检测车,所述检测车上搭载有用于拍摄所述检测车前方的道路的检测范围的路面图像的线扫描相机,用于照射线扫描相机拍摄的道路的检测范围的条形光源,以及,用于控制所述线扫描相机拍摄路面图像的测距编码器,所述线扫描相机的光轴在道路的路面上的投影与所述检测车的长度方向平行;
所述测量方法包括:
当所述检测车在道路上行驶时,采集所述线扫描相机拍摄的所述道路的路面的多条线扫图像,其中,所述测距编码器每发射一次脉冲,所述线扫描相机拍摄一条线扫图像;
按照采集的线扫图像的顺序,将预设数量的线扫图像从下到上生成一幅灰度图像;
获取所述灰度图像中的第一标线区域;
计算得到所述第一标线区域的平均灰度值;
确定所述第一标线区域的平均灰度值对应的灰度值范围;
根据预设的标线的灰度值范围与逆反射系数范围的对应关系,确定所述第一标线区域的平均灰度值对应的逆反射系数范围;
所述获取所述灰度图像中的第一标线区域的步骤,包括:
提取所述灰度图像的图像边缘的像素点,得到边缘像素点集合;
构建与所述灰度图像对应的图像矩阵的大小相同的第一矩阵,其中,所述第一矩阵中的每一元素的值为灰度值,且灰度值均为0;
将所述第一矩阵中与所述图像边缘的像素点的位置相同的元素赋值为1,得到第二矩阵;
根据所述第二矩阵,采用hough变换算法,提取直线,得到直线集合;
计算所述边缘像素点集合中的每一像素点与所述直线集合中的每一直线之间的距离,确定所述边缘像素点集合中的每一像素点对应的最小距离;
建立所述直线集合中的每一直线对应的像素点分组;
将所述边缘像素点集合中的每一像素点划分到一所述像素点分组中,其中,所述像素点对应的最小距离对应的直线与所述像素点分组对应的直线相同;
根据每一所述像素点分组中的像素点,采用最小二乘法确定每一所述像素点分组对应的直线方程,得到每一所述像素点分组对应的拟合直线段;
将多条所述拟合直线段形成的闭合区域,以及,所述拟合直线段与所述灰度图像的图像边缘形成的闭合区域,确定为所述第一标线区域。
2.一种路面标线的测量方法,其特征在于,所述测量方法采用检测车,所述检测车上搭载有用于拍摄所述检测车前方的道路的检测范围的路面图像的线扫描相机,用于照射线扫描相机拍摄的道路的检测范围的条形光源,以及,用于控制所述线扫描相机拍摄路面图像的测距编码器,所述线扫描相机的光轴在道路的路面上的投影与所述检测车的长度方向平行;
所述道路的标线的完好度的测量方法包括:
当所述检测车在道路上行驶时,采集所述线扫描相机拍摄的所述道路的路面的多条线扫图像,其中,所述测距编码器每发射一次脉冲,所述线扫描相机拍摄一条线扫图像;
按照采集的线扫图像的顺序,将预设数量的线扫图像从下到上生成一幅灰度图像;
获取所述灰度图像中的第一标线区域;
计算得到所述第一标线区域的平均灰度值;
确定所述第一标线区域的平均灰度值对应的灰度值范围;
获取对应的灰度值范围的灰度值上限和灰度值下限;
根据灰度值上限和灰度值下限,对所述第一标线区域进行二值化处理,得到第二标线区域;
将所述第二标线区域的像素点转换为所述灰度图像对应的路面坐标系中的像素方格;
计算所述第二标线区域在所述路面坐标系中的每一像素方格的面积的和,得到所述灰度图像的标线的有效面积;
其中,所述灰度图像对应的路面坐标系的原点为所述灰度图像的第一条线扫图像的中心点对应的所述道路的路面点为原点,X轴为所述第一条线扫图像对应的所述道路的路面方向,Y轴为所述检测车的移动方向;
所述获取所述灰度图像中的第一标线区域的步骤,包括:
提取所述灰度图像的图像边缘,且获取所述图像边缘的像素点,得到像素点集合;
构建与所述灰度图像对应的图像矩阵的大小相同的第一矩阵,其中,所述第一矩阵中的每一元素表示灰度值,且每一元素的灰度值为0;
将所述第一矩阵中与所述图像边缘的像素点的位置相同的元素赋值为1,得到第二矩阵;
根据所述第二矩阵,采用hough变换算法,提取直线,得到直线集合;
计算所述像素点集合中的每一像素点与所述直线集合中的每一直线之间的距离,确定所述像素点集合中的每一像素点对应的最小距离;
建立所述直线集合中的每一直线对应的像素点分组;
将所述像素点集合中的每一像素点划分到一所述像素点分组中,其中,所述像素点对应的最小距离对应的直线与所述像素点分组对应的直线相同;
根据每一所述像素点分组中的像素点,采用最小二乘法确定每一所述像素点分组对应的直线方程,得到每一所述像素点分组对应的拟合直线段;
将多条所述拟合直线段形成的闭合区域,以及,所述拟合直线段与所述灰度图像的图像边缘形成的闭合区域,确定为所述第一标线区域。
3.根据权利要求2所述的测量方法,其特征在于,所述得到第二标线区域的步骤,包括:
以所述灰度值上限为阈值,对所述灰度图像的第一标线区域进行二值化处理,得到第一二值化标线区域;
以所述灰度值下限为阈值,对所述灰度图像的第一标线区域进行二值化处理,得到第二二值化标线区域;
根据所述第二二值化标线区域对应的第二图像矩阵减去所述第一二值化标线区域对应的第一图像矩阵的差,得到第三图像矩阵;
将所述第三图像矩阵中的值为1的元素对应的像素点形成的区域,确定为第二标线区域。
4.根据权利要求2所述的测量方法,其特征在于,每一像素方格的面积的计算方程为:
Δs=X×l,其中,Δs表示每一像素方格的面积;
X表示每一像素方格沿路面坐标系的X轴的尺寸;
xp表示灰度图像的图像坐标系的横坐标,u表示线扫描相机的芯片的单像元的宽度,f表示线扫描相机的镜头焦距,h表示线扫描相机的镜头的中心距道路的路面的高度,γ表示线扫描相机的光轴与道路的路面的垂线的夹角;其中,灰度图像的图像坐标系的原点为灰度图像的第一条线扫图像的中心点,图像坐标系的X轴平行于灰度图像的横向,图像坐标系的Y轴平行于灰度图像的纵向;
l表示每一像素方格沿路面坐标系的Y轴的尺寸,且每一像素方格沿路面坐标系的Y轴的尺寸为测距编码器发射一次脉冲对应的检测车行驶的距离。
5.根据权利要求2所述的测量方法,其特征在于,还包括:
按照转换方程组将每一所述第一标线区域的轮廓的各像素点在图像坐标系中的坐标转换为在路面坐标系中的坐标,得到所述第一标线区域对应的第三标线区域;
按照转换方程组将所述灰度图像的图像边缘的各像素点在图像坐标系中的坐标转换为在路面坐标系中的坐标,得到路面灰度图像区域;
遍历标线模板集合中的每一标线模板图像,确定与所述第三标线区域匹配的标线模板图像;
获取所述第三标线区域匹配的所述标线模板图像在所述路面灰度图像区域中的标准面积;
计算所述灰度图像的标线的有效面积与所述标准面积的商,得到所述灰度图像的标线的完好度。
6.根据权利要求5所述的测量方法,其特征在于,所述转换方程组为:
其中,(xp,yp)表示像素点在灰度图像的图像坐标系中的坐标,(XP,YP)表示像素点在灰度图像的图像坐标系对应的路面坐标系中的坐标。
7.根据权利要求6所述的测量方法,其特征在于,所述确定与所述第三标线区域匹配的标线模板图像的步骤,包括:
在路面坐标系中,对于每一标线模板图像,将所述标线模板图像的每一第一轮廓特征点逐一与所述第三标线区域的每一第二轮廓特征点对齐,得到对齐重叠区域,其中,每一对齐重叠区域对应一标线模板图像的一第一轮廓特征点和一第二轮廓特征点;
对于每一对齐重叠区域,计算该对齐重叠区域对应的标线模板图像的面积与第三标线区域的面积的面积和;
计算对齐重叠区域的面积占该对齐重叠区域对应的面积和的比例;
对于每一标线模板图像,将该标线模板图像对应的比例最大的对齐重叠区域的比例作为该标线模板图像与所述第三标线区域的匹配度;
比较每一标线模板图像与所述第三标线区域的匹配度的大小,将匹配度最大的标线模板图像作为所述第三标线区域的匹配的标线模板图像。
8.根据权利要求7所述的测量方法,其特征在于,所述获取所述第三标线区域匹配的所述标线模板图像在所述路面灰度图像区域中的标准面积的步骤,包括:
根据匹配的标线模板图像的匹配度对应的对齐重叠区域的第一轮廓点特征点和第二轮廓特征点,匹配的所述标线模板图像的形状及尺寸,以及,所述路面灰度图像区域的边缘,确定所述标线模板图像在所述路面灰度图像区域中的模板实际图像;
获取所述模板实际图像的面积,作为所述标准面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911361482.2A CN111192309B (zh) | 2019-12-25 | 2019-12-25 | 一种路面标线的测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911361482.2A CN111192309B (zh) | 2019-12-25 | 2019-12-25 | 一种路面标线的测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111192309A CN111192309A (zh) | 2020-05-22 |
CN111192309B true CN111192309B (zh) | 2023-10-20 |
Family
ID=70707576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911361482.2A Active CN111192309B (zh) | 2019-12-25 | 2019-12-25 | 一种路面标线的测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111192309B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116699644B (zh) * | 2023-08-07 | 2023-10-27 | 四川华腾公路试验检测有限责任公司 | 基于三维激光雷达的标线可靠性评估方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5793491A (en) * | 1992-12-30 | 1998-08-11 | Schwartz Electro-Optics, Inc. | Intelligent vehicle highway system multi-lane sensor and method |
JP2011118890A (ja) * | 2009-11-04 | 2011-06-16 | Valeo Schalter & Sensoren Gmbh | 車線境界全般を検出する方法およびシステム |
AU2012261556A1 (en) * | 2005-10-20 | 2013-01-10 | Scanalyse Pty Ltd | A System and Method for Measuring and Mapping a Surface Relative to a Reference |
CN104567684A (zh) * | 2015-01-20 | 2015-04-29 | 中国铁道科学研究院 | 一种接触网几何参数检测方法及装置 |
CN105988123A (zh) * | 2015-02-13 | 2016-10-05 | 中国科学院理化技术研究所 | 一种线扫描成像装置 |
CN107539160A (zh) * | 2017-09-29 | 2018-01-05 | 深圳悉罗机器人有限公司 | 充电桩及其识别方法、智能移动机器人 |
CN108648171A (zh) * | 2018-04-02 | 2018-10-12 | 成都精工华耀科技有限公司 | 一种采用线阵图像二值化区域投影的轨枕定位及计数方法 |
-
2019
- 2019-12-25 CN CN201911361482.2A patent/CN111192309B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5793491A (en) * | 1992-12-30 | 1998-08-11 | Schwartz Electro-Optics, Inc. | Intelligent vehicle highway system multi-lane sensor and method |
AU2012261556A1 (en) * | 2005-10-20 | 2013-01-10 | Scanalyse Pty Ltd | A System and Method for Measuring and Mapping a Surface Relative to a Reference |
JP2011118890A (ja) * | 2009-11-04 | 2011-06-16 | Valeo Schalter & Sensoren Gmbh | 車線境界全般を検出する方法およびシステム |
CN104567684A (zh) * | 2015-01-20 | 2015-04-29 | 中国铁道科学研究院 | 一种接触网几何参数检测方法及装置 |
CN105988123A (zh) * | 2015-02-13 | 2016-10-05 | 中国科学院理化技术研究所 | 一种线扫描成像装置 |
CN107539160A (zh) * | 2017-09-29 | 2018-01-05 | 深圳悉罗机器人有限公司 | 充电桩及其识别方法、智能移动机器人 |
CN108648171A (zh) * | 2018-04-02 | 2018-10-12 | 成都精工华耀科技有限公司 | 一种采用线阵图像二值化区域投影的轨枕定位及计数方法 |
Non-Patent Citations (2)
Title |
---|
A simple and effective extrinsic calibration method of a camera and a single line scanning lidar;Yang Heng等;Proceedings of the 21st international Conference on Pattern Recognition;全文 * |
基于车载激光扫描数据的道路要素提取方法研究;胡啸;中国优秀硕士学位论文全文数据库(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111192309A (zh) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108759973B (zh) | 一种水位测量方法 | |
CN111855664B (zh) | 一种可调节隧道病害三维检测*** | |
US11551341B2 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
CN105784710B (zh) | 一种基于数字图像处理的混凝土桥梁裂缝检测装置 | |
US20150371094A1 (en) | A road marking analyser and a method of analysis of road markings and an apparatus and method for detecting vehicle weave | |
CN105839505B (zh) | 一种三维可视化的路面破损信息的检测方法及检测装置 | |
Kwon | Atmospheric visibility measurements using video cameras: Relative visibility | |
CN113011283B (zh) | 一种基于视频的非接触式钢轨轨枕相对位移实时测量方法 | |
CN104700395A (zh) | 一种构造物外观裂缝检测方法及*** | |
CN111121643B (zh) | 一种道路宽度的测量方法及*** | |
CN105973171A (zh) | 一种光轴与安装基准面平行度测试装置及方法 | |
JP2009133085A (ja) | トンネル覆工のひび割れ検査装置 | |
CN103714343A (zh) | 线激光器照明条件下双线阵相机采集的路面图像拼接及匀化方法 | |
CN107798293A (zh) | 一种道路裂缝检测装置 | |
JP6902652B1 (ja) | 道路不具合検出装置、道路不具合検出方法及び道路不具合検出プログラム | |
Tsai et al. | Pavement crack detection using high-resolution 3D line laser imaging technology | |
CN103938531A (zh) | 激光道路错台检测***和方法 | |
CN112461122B (zh) | 一种隧道表面特征检测装置及方法 | |
CN110243293A (zh) | 基于结构光和机器视觉的管片错台快速检测装置与方法 | |
CN111192309B (zh) | 一种路面标线的测量方法 | |
CN115035141A (zh) | 基于图像处理的隧道裂缝远程监测与预警方法 | |
CN104930976A (zh) | 便携式裂纹长度测量装置及方法 | |
CN113884011A (zh) | 一种非接触式混凝土表观裂缝测量设备和方法 | |
CN112949479A (zh) | 一种基于深度学习和透视变换的非接触式钢轨轨枕相对位移实时测量方法 | |
CN205711654U (zh) | 一种三维可视化的路面破损信息的检测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |