[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

说明书

本发明公开了一种基于图像处理的路面坑洼自动检测方法、设备和存储介质。包括以下步骤：对路面进行图像采集；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图像进行路面坑洼特征分割，得到三维路面坑洼分割模型；测量三维路面坑洼分割模型中坑洼的口径和体积。本发明将先进的机器学习技术引入路面坑洼检测领域，采用SFM对路面坑洼图像进行三维重建，建模精度达到毫米级；同时应用了深度可分离卷积网络进行特征提取分割，减少了模型参数，提高了运算效率。有助于本领域技术人员实现高精度的路面坑洼体积自动测量，为进一步深入优化测量方法提供了新的起点。

技术领域

本发明涉及图像处理领域，尤其是一种基于图像处理的路面坑洼自动检测方法、设备和存储介质。

背景技术

随着城市化建设的逐渐普及，国家铺设了大量的沥青公路供车辆通行。随着使用年限的增长，公路逐渐老化，容易出现裂纹、塌陷等情况影像车辆的正常驾驶，因此交通运输部门需要定期对路面进行巡检养护。

目前常用的路面巡检方式还是采用传统的人工检测方法，由专人对路面坑洼进行实地记录与测量，不仅费时费力，且效率偏低，在铺设公路里程越来越高的情况下巡检的成本也水涨船高。

发明内容

有鉴于此，本发明将先进的机器学习方法引入路面坑洼检测中，将繁杂的坑洼测量、记录工作交由AI完成。

本发明的第一方面提供了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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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；