基于机器视觉的路面坑槽喷补机工作装置的轨迹规划

发布时间：2020-05-21 05:50

【摘要】：随着我国公路交通的快速发展和交通车辆的日益增多,路面病害也越来越多。坑槽为常见的一种路面病害,其严重影响着行车的舒适性和安全,传统的坑槽修补工作费时费力,因此智能化坑槽修补需要被重视。喷射式路面坑槽修补是一种快速有效、省力低耗的技术,在国内尚未得到普及。本文采用Kinect二代的深度相机对路面坑槽进行图像采集,对所得到的深度图像进行滤波、二值化、孔洞填充、模版操作、边界提取等操作,得到目标坑槽修补区域的信息。针对深度较大的坑槽,需要对其进行分层修补。通过处理后的深度图像像素点的灰度值,可以提取出每个分层轮廓的边界点,再将其从图像坐标系转换到世界坐标系下,就得到了分层轮廓的具体形状和尺寸。通过比较不同的修补轨迹方式,采用算法较为简单、效果较为可靠的往返直线填充方式。为了获得理论上的最优轨迹,提出了修补质量的预测指标即修补误差,修补误差通过在修补时间内喷头的出料误差和轨迹的遍历率所计算出来,修补误差越接近于0,理论上修补质量就越好。在对分层轮廓进行提取时,可能会遇到特殊情况。当坑槽底部有较大的凸起或凹陷时,所提取的轮廓往往含有多个子轮廓,这时如果采用逐行修补的方式,将可能导致修补误差较大。采用区域修补的方法,针对含有孔洞内轮廓的情况,采用区域分割,将其分割为多个不含孔洞的子轮廓,针对含有多个相分离子轮廓的情况,分别在各个子轮廓内生成轨迹,再根据距离最短原则,连接各个子轮廓内的轨迹。该方法可以减少喷头跨越非修补区域的次数,轨迹填充线的数量越多,效果就越明显。最后在试验平台上用最优轨迹和非最优轨迹对坑槽进行修补,通过比较修补结果,验证了预测指标的有效性。
【图文】：

喷补,路面坑槽,人工智能,视觉

图 1.1 易山重工喷补王国人工智能领域飞速发展，但机器视觉应用于自动化路面坑传统机械行业向智能化的转变，这些技术将逐渐应用于实际器视觉的路面坑槽喷补系统简介[16]面坑槽修补方法相比，基于机器视觉的路面坑槽喷补系统可槽信息，例如路面坑槽体积、表面积、深度、轮廓等信息，的判断，根据设定好的算法自行进行轨迹规划，从而准确地补过程中，相机对坑槽进行实时检测，，获得路面坑槽的修补术结合了自动化及机器视觉技术，实现智能化修补。按功能控制模块和执行模块，工作流程如图 1.2 所示。主要对坑槽进行信息采集，并进行数字化处理，输出修补轨

系统结构图,喷补,机器视觉,系统结构图

4图 1.2 基于机器视觉的沥青坑槽喷补系统结构图论文研究内容在智能化坑槽修补中，如何获取坑槽边界信息，如何根据边界信息自动生成修如何获得最优的修补轨迹等都是较为关键的技术，这些技术都对坑槽修补的质要的作用。本文主要进行以下几个方面的研究：1. 根据 Kinect 的深度相机拍摄的深度图像，先对其进行预处理，再根据规定个修补分层进行边界提取；2. 选择修补坑槽的轨迹类型，提出预测坑槽修补质量的指标，建立修补轨迹模型，并对其进行优化，当修补完一层后，根据深度相机拍摄的坑槽区域的深
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U418.32;TP391.41

【参考文献】