[发明专利]基于图像处理的路面坑洼自动检测方法、设备和存储介质

权利要求书

1.一种基于图像处理的路面坑洼自动检测方法，其特征在于，包括以下步骤：

对路面进行图像采集，得到路面图像；

通过SFM对路面图像进行三维重建，得到路面的正射影像；

通过深度可分离卷积网络对所述路面图像进行路面坑洼特征分割，得到分割结果；

测量分割结果中坑洼的口径和体积。

2.根据权利要求1所述的一种基于图像处理的路面坑洼自动检测方法，其特征在于，所述对路面进行图像采集，具体包括：

设定图像采集的高度、间隔和角度，使视野和采样距离之间达到平衡；

使用可移动载体搭载摄像机对路面进行图像采集。

3.根据权利要求1所述的一种基于图像处理的路面坑洼自动检测方法，其特征在于，所述通过SFM对路面图像进行三维重建，具体包括：

对摄像机进行标定，消除路面图像中因摄像机镜头而产生的径向畸变和切向畸变，并获取摄像机的内部物理特性；

根据路面图像和摄像机内部物理特性生成路面图像的点云模型；

对生成的点云模型进行校准；

对校准后的点云模型进行空间分割，生成路面的正射影像。

4.根据权利要求3所述的一种基于图像处理的路面坑洼自动检测方法，其特征在于，所述对生成的点云模型进行校准，具体包括以下步骤：

利用PCA算法分析所述点云模型，提取所述点云模型的主要特征分量，得到第一特征分量、第二特征分量和第三特征分量；

以所述第一特征分量、第二特征分量和第三特征分量为三个坐标方向建立空间坐标系，并在坐标系中构建点云平面；

将所述第一特征分量、第二特征分量和第三特征分量中特征值最小的特征分量作为点云平面的法向特征分量；

将点云模型中每个点的坐标与所述法向特征分量相乘，生成标定点云；

通过标定点云对点云模型中的原始点云进行旋转校正。

5.根据权利要求3所述的一种基于图像处理的路面坑洼自动检测方法，其特征在于，所述正射影像，包括：

彩色正射影像，所述彩色正射影像中像素所记录的是像素位置点云的平均RGB值；

深度正射影像，所述深度正射影像中像素所记录的是像素位置点云的平均高度；

重叠正射影像，所述重叠正射影像是所述彩色正射影像和所述深度正射影像的重叠影像。

6.根据权利要求5所述的一种基于图像处理的路面坑洼自动检测方法，其特征在于，所述重叠正射影像的重叠步骤包括：

将所述彩色正射影像进行RGB分离，分离出的R通道影像为第一通道影像、分离出的G通道影像为第二通道影像、分离出的B通道影像为第三通道影像；

将所述第一通道影像的像素值、第二通道影像的像素值和第三通道影像的像素值分别与所述深度正射影像的像素值平均，得到平均第一通道影像、平均第二通道影像和平均第三通道影像；

将所述均第一通道影像、平均第二通道影像和平均第三通道影像重新组合，形成重叠正射影像。

7.根据权利要求1所述的一种基于图像处理的路面坑洼自动检测方法，其特征在于，所述通过深度可分离卷积网络对图像进行路面坑洼特征分割，具体包括：

通过多个下采样层对所述正射影像进行卷积运算，得到第一特征影像；

通过与所述下采样层所对应的多个上采样层对所述第一特征影像进行转置卷积运算，得到第二特征影像，所述第二特征影像与所述正射影像的图像大小相同；

通过softmax层判断所述第二特征影像中路面存在坑洼的概率。

8.根据权利要求7所述的一种基于图像处理的路面坑洼自动检测方法，其特征在于，所述下采样层，具体包括内核尺寸为3×3的卷积层、批量归一化层和校正线性单元激活层。

9.一种设备，其特征在于，包括处理器以及存储器；

所述存储器用于存储程序；

所述处理器执行所述程序实现如权利要求1-8中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1-8中任一项所述的方法。