基于机器视觉的路面裂缝及附属物检测研究

发布时间：2020-08-26 11:55

【摘要】：道路表面存在很多缺陷,裂缝是常见的一种缺陷。道路表面还存在其它附属物,例如标志线、井盖、切割线等。目前国内对裂缝缺陷及附属物的检测主要依靠人工,人工检测效率低、可靠性差。机器视觉就是使机器像人眼一样,具备人眼的基本功能,对检测物进行分析、判断。本文研究了利用机器视觉的相关理论对图像进行预处理、分割,对图像中的标志线、井盖、“十字”切割线、“一字”切割线、网状裂缝、横向裂缝和纵向裂缝进行检测。同时还研究了裂缝融合、裂缝方向尺寸计算等内容。解决了混凝土路面裂缝缺陷和附属物检测的问题,为道路自动检测提供了方法基础。预处理是图像处理的第一步。等间隔降采样和基于局部均值的降采样是常用的降采样方法。分析两种降采样方法的优缺点,在本文中采用后者对图像进行降采样处理。去除噪声关系到后续处理的效果。均值滤波、中值滤波、基于形态学的处理是本文主要研究的去噪方法,分析各种去噪算法的效果,采用基于形态学的算法对噪声处理。图像分割是目标提取的关键步骤,分割方法有阈值固定的分割算法、背景差分的分割算法、边缘检测的算法。分析各个算法的优缺点,本文主要采用Canny算子和Otsu相结合的阈值自适应分割算法。附属物的检测也是本文的重点,利用颜色、形状特征对标志线进行检测。对分割后图像进行膨胀腐蚀处理,采用霍夫圆检测算法对井盖进行检测。利用几何形态与像素分布特性对“十字”切割线进行检测。利用统计思想对“一字”切割线进行检测。网状裂缝的检测主要依据其尺寸和像素分布特性。对裂缝骨架进行投影判断其裂缝方向。采用基于尺寸的裂缝融合算法,使属于同一裂缝的信息得到融合。本文利用形态学开闭运算对图像进行预处理,可以去除暗噪声和亮噪声,同时增强了裂缝信息。利用颜色信息和几何特征对标志线进行检测,检测准确性较高。将Canny算子与Otsu相结合实现了分割阈值的自适应选取。由于井盖信息较弱,使检测结果不精确,使用形态学方法增强井盖信息,使检测更加准确。本文算法对“十字”切割线的检出率为95%。对“一字”切割线的检出率可以达到97%。对网状裂缝的检出率为94%。对裂缝方向的检测正确性可以达到100%。对过度分割的裂缝进行融合,提高了检测准确性。
【学位授予单位】：西安理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U418.6;TP391.41

【相似文献】

相关期刊论文 前10条

1 徐仲勋;黄科程;;机器视觉构造及应用综述[J];四川工程职业技术学院学报;2015年03期

2 朱阳芬;银冬平;邹舜章;王海文;周为;;机器视觉在汽车行业中的发展与应用[J];汽车实用技术;2017年22期

3 吴东明;王丽娟;;基于GPS和机器视觉的自主导航定位农机设备研究[J];农机化研究;2018年02期

4 李延浩;;机器视觉在多领域内的应用[J];电子技术与软件工程;2018年01期

5 ;机器视觉时代,最好的时代![J];智能机器人;2018年02期

6 宗卫红;;台达机器视觉系统助力制造业迈向智造新时代——访台达集团-中达电通机器视觉产品项目经理王风路[J];国内外机电一体化技术;2016年06期

7 何遥;;宇视揭秘安防机器视觉[J];中国公共安全;2016年19期

8 阮晋蒙;;机器视觉:让中国制造2025“看”得更远[J];新经济导刊;2017年Z1期

9 ;凌华科技推出三款高性能机器视觉产品[J];自动化应用;2017年02期

10 ;台达携机器视觉系统解决方案 亮相2017上海国际机器视觉展[J];变频器世界;2017年03期

相关会议论文 前10条

1 金守峰;张慧;;面向机器视觉的织物纬斜检测方法[A];全国先进制造技术高层论坛暨第九届制造业自动化与信息化技术研讨会论文集[C];2010年

2 管庶安;周龙;陈永强;廖明潮;;机器视觉在粮食品质检测中的应用研究[A];中国粮油学会第三届学术年会论文选集（下册）[C];2004年

3 张超;徐建瑜;王文静;;基于机器视觉的梭子蟹质量估计方法研究[A];浙江省信号处理学会2013学术年会论文集——信号处理在海洋[C];2013年

4 刘炎艳;;基于机器视觉的卷烟32位码识别系统研究[A];中国烟草学会2014年学术年会入选论文摘要汇编[C];2014年

5 王海宽;张锐;周志境;费敏锐;;基于机器视觉的智能医疗吊塔系统的设计与实现[A];2015全国嵌入式仪表及系统技术会议程序册[C];2015年

6 王稳;郭文成;叶宇翔;;基于机器视觉的激光光斑位置测量[A];2015年工业设计与协同创新学术会议暨第20届全国工业设计学术年会论文集[C];2015年

7 吴远峰;金翠娥;刘颖卓;;基于机器视觉的智能检测方法研究[A];第十一届全国磁粉渗透检测技术年会论文集[C];2017年

8 胡庆新;王伟;顾爱华;;基于机器视觉的农产品物料分级检测系统关键技术研究[A];2011下一代自动测试系统学术研讨会论文集[C];2011年

9 张超;李慧;;基于机器视觉的零件自动识别研究[A];探索 创新 交流（第7集）——第七届中国航空学会青年科技论坛文集（下册）[C];2016年

10 赵玉良;刘永贤;;基于机器视觉的汽车轮毂识别系统[A];2007中国汽车工程学会年会论文集[C];2007年

相关重要报纸文章 前10条

1 本报记者 李佳师;人工智能市场逼近2700亿元 三大难题待突破[N];中国电子报;2016年

2 宜宾 李定川;机器视觉光源基础及选型指导(一)[N];电子报;2018年

3 中国电子信息产业发展研究院信息化研究中心智慧城市研究室主任 刘鹏宇;智能技术：呈现八大趋势[N];中国电子报;2017年

4 赛迪智库信息化中心助理研究员 刘鹏宇;2017年智能技术发展趋势[N];中国计算机报;2017年

5 经济日报·中国经济网记者 周明阳;给机器一双“慧眼”[N];经济日报;2017年

6 本报记者 胡心媛;机器视觉展推动智能制造落地[N];中国贸易报;2017年

7 本报记者 蔡炜;书写“东方工匠”传奇的黑牡丹集团技术总监邓建军：“创新，只有起点没有终点”[N];新华日报;2017年

8 本报研究员 费天元;机器视觉成争夺焦点 应用场景将加速拓展[N];上海证券报;2016年

9 记者 王宙洁 实习生 卢梦匀;机器视觉 智能生活的第三只眼[N];上海证券报;2015年

10 本报记者 郭涛;机器视觉：为机器装上“眼睛”和“大脑”[N];中国高新技术产业导报;2014年

相关博士学位论文 前10条

1 胡志新;基于机器视觉的钢轨踏面磨耗剥落检测技术研究[D];南昌大学;2018年

2 吴衡;机器视觉鬼成像理论与实验研究[D];华南理工大学;2017年

3 胡越黎;目的机器视觉研究及其在皮肤症状识别中的应用[D];上海大学;2005年

4 韩彦芳;机器视觉中的聚类检测新方法[D];上海交通大学;2006年

5 饶洪辉;基于机器视觉的作物对行喷药控制系统研究[D];南京农业大学;2006年

6 周平;基于机器视觉的自然目标特征学习与即时检测[D];浙江大学;2006年

7 郁志宏;基于机器视觉的种蛋筛选及孵化成活性检测研究[D];内蒙古农业大学;2006年

8 徐晓秋;机器视觉球面孔位快速精密测量系统的研究[D];四川大学;2006年

9 龚爱平;基于嵌入式机器视觉的信息采集与处理技术研究[D];浙江大学;2013年

10 徐剑坤;基于机器视觉的巷道变形实时监测预警技术研究[D];中国矿业大学;2012年

相关硕士学位论文 前10条

1 王波;基于机器视觉的全自动高精度铆钉筛选系统[D];西南交通大学;2018年

2 许鹏飞;基于机器视觉的焊缝三维重建及焊接飞溅物在位检测研究[D];山东大学;2018年

3 杜宇;基于机器视觉的药品包装检测系统研究与设计[D];天津大学;2017年

4 刘可敬;基于机器视觉的车站客流安全智能监控研究[D];西南交通大学;2018年

5 熊联军;基于机器视觉的测量系统测量能力及评价方法研究[D];天津大学;2017年

6 孙文侠;基于机器视觉的焊接机器人焊缝识别与跟踪系统[D];青岛科技大学;2018年

7 马天娇;基于机器视觉的缺陷检测与识别方法研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2018年

8 刘笑寒;基于机器视觉的磁性材料外观自动光学检测成像技术研究[D];电子科技大学;2018年

9 乔葳;基于机器视觉的输送带运输物料双视点流量测量方法研究[D];太原理工大学;2018年

10 豆永坤;基于机器视觉的机械零件几何外形检测研究[D];兰州理工大学;2018年

本文编号：2805138