基于深度神经网络的路面裂缝检测模型构建及检测方法

    公开(公告)号:CN110070520A

    公开(公告)日:2019-07-30

    申请号:CN201910208224.4

    申请日:2019-03-19

    Applicant: 长安大学

    Abstract: 本发明公开了基于深度卷积神经网络的路面裂缝检测模型的构建及检测方法,具包括:获取不同路面背景下的路面裂缝图像集,使用不同角度的sigmoid曲线进行特征提取,获得特征图;将特征图作为输入,将所述的的标签作为输出,训练神经网络,获得路面裂缝检测模型;其中,神经网络包括依次设置的特征提取层和分类层。再将待检测路面图像输入到检测模型中,输出路面裂缝检测结果。实现对不同背景环境下修补和未修补的路面裂缝进行检测分类的目的,具有较高的检测分类精度。

    一种基于光照补偿的路面图像去阴影方法

    公开(公告)号:CN109064411B

    公开(公告)日:2021-08-17

    申请号:CN201810607022.2

    申请日:2018-06-13

    Applicant: 长安大学

    Abstract: 本发明提供了一种基于光照补偿的路面图像去阴影方法,包括以下步骤:步骤1,采集路面二维阴影图像,并对路面二维阴影图像进行灰度化处理,得到灰度路面图像I(i,j);对灰度路面图像I(i,j)进行预处理,得到预处理路面图像Ih(i,j);步骤2,对预处理路面图像Ih(i,j)进行光照补偿处理,得到光照补偿后图像I′h(i,j);将阴影因子C(i,j)补偿给灰度路面图像I(i,j)中阴影区域的像素,得到初步去阴影图像I′(i,j);步骤3,对初步去阴影图像I′(i,j)中每一行和每一列像素点的半影区域进行样条插值处理,得到插值图像I′non(i,j);对插值图像I′non(i,j)的半影区域进行纹理恢复,得到路面去阴影图像Inon(i,j)。本发明完整保留了路面纹理信息,采用光照补偿对路面图像去阴影,避免了裂缝监测车造价高、运动相机裂缝检测系统裂缝检测精度低的缺点。

    一种路面裂缝识别和特征提取算法及系统

    公开(公告)号:CN104504388B

    公开(公告)日:2017-10-24

    申请号:CN201410787747.6

    申请日:2014-12-17

    Applicant: 长安大学

    Abstract: 本发明公开了一种路面裂缝识别和特征提取算法及系统:读取路面三维数据矩阵;去噪处理;识别路面裂缝得到最终裂缝图像;从最终裂缝图像中提取裂缝种子点并进行区域生长得到裂缝二值化图像;将裂缝用多个相同的正方形标定,用矩形框将所有正方形框入其中且矩形框满足面积最小;按照矩形框的对角线与水平方向的夹角分类裂缝:夹角在[0,π/4]内的裂缝为横向裂缝,否则为纵向裂缝;计算矩形框的对角线长度作为裂缝的长度,计算矩形框的面积作为裂缝区域的面积。本发明只需输入采集到的三维数据矩阵,即可识别出裂缝并判断三维线性裂缝的类别,完成特征提取,其计算简单、运行时间短且检测结果精确。

    一种基于双尺度聚类算法的路面裂缝识别算法及系统

    公开(公告)号:CN104636750B

    公开(公告)日:2018-09-21

    申请号:CN201410787530.5

    申请日:2014-12-17

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于双尺度聚类的路面裂缝识别算法及系统:计算机读取三维图像数据矩阵,得到二值化图像;按照从上到下、从左到右的顺序,采用八邻域搜索算法扫描二值化图像对应的数据矩阵,得到标记后的裂缝区域;在裂缝区域对应的椭圆,使用双尺度聚类算法进行裂缝聚类得到聚类后的裂缝区域;使用聚类后的裂缝区域所在的最小外接椭圆作为路面裂缝。本发明复杂度低、运行时间短、无需人工参与。将杂乱的裂缝数据局域使用线性拟合、模型构建的思想表征成为规则的、确定的数学表达式,从而降低的数据处理的复杂度;只需输入采集到的路面裂缝数据即可完成路面裂缝的检测,因此该算法检测效率高、速度快,具有一定的研究价值。

    一种基于三维数据的路面错台量检测方法及系统

    公开(公告)号:CN104537218B

    公开(公告)日:2017-06-16

    申请号:CN201410787896.2

    申请日:2014-12-17

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于三维数据的路面错台量检测方法及系统,具体包括如下步骤:输入路面三维数据矩阵并对数据进行去噪处理;然后绘制出错台的高度直方图;根据错台的高度直方图找出计算错台量的阈值;再根据阈值将错台的三维数据矩阵划分为两部分;最后分别计算两部分的平均值并求两值之差便为该错台的错台量。本发明只需输入采集到的路面三维数据矩阵,即可计算出路面错台量,因此,该检测方法计算简单、运行时间短,无需人工参与,方法效率高、检测精确。

    一种基于双峰路面深度直方图的错台三维滤波算法及系统

    公开(公告)号:CN104657961A

    公开(公告)日:2015-05-27

    申请号:CN201410787722.6

    申请日:2014-12-17

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于双峰的路面深度直方图的错台三维滤波算法及系统:将图像采集设备采集到的路面三维图像数据矩阵输入计算机;对路面三维图像数据矩阵进行去噪处理:根据去噪后的路面三维数据矩阵求得路面深度直方图;获取路面深度直方图的两个峰值点及对应的滤波数据范围;求取平均值作为路面深度直方图上的滤波后的深度数据;得到滤波处理后的路面深度直方图。本发明算法复杂度低、运行时间短,无需人工参与。采用数理统计思想,只需输入采集到水泥混凝土路面的三维图像数据,即可完成对路面错台量的检测,因此,该检测算法效率高、检测精确。

    一种基于双尺度聚类算法的路面裂缝识别算法及系统

    公开(公告)号:CN104636750A

    公开(公告)日:2015-05-20

    申请号:CN201410787530.5

    申请日:2014-12-17

    Applicant: 长安大学

    CPC classification number: G06K9/6218 G06K9/6227

    Abstract: 本发明公开了一种基于双尺度聚类的路面裂缝识别算法及系统:计算机读取三维图像数据矩阵,得到二值化图像;按照从上到下、从左到右的顺序,采用八邻域搜索算法扫描二值化图像对应的数据矩阵,得到标记后的裂缝区域;在裂缝区域对应的椭圆,使用双尺度聚类算法进行裂缝聚类得到聚类后的裂缝区域;使用聚类后的裂缝区域所在的最小外接椭圆作为路面裂缝。本发明复杂度低、运行时间短、无需人工参与。将杂乱的裂缝数据局域使用线性拟合、模型构建的思想表征成为规则的、确定的数学表达式,从而降低的数据处理的复杂度;只需输入采集到的路面裂缝数据即可完成路面裂缝的检测,因此该算法检测效率高、速度快,具有一定的研究价值。

    基于深度神经网络的路面裂缝检测模型构建及检测方法

    公开(公告)号:CN110070520B

    公开(公告)日:2022-09-30

    申请号:CN201910208224.4

    申请日:2019-03-19

    Applicant: 长安大学

    Abstract: 本发明公开了基于深度卷积神经网络的路面裂缝检测模型的构建及检测方法,具包括:获取不同路面背景下的路面裂缝图像集,使用不同角度的sigmoid曲线进行特征提取,获得特征图;将特征图作为输入,将所述的的标签作为输出,训练神经网络,获得路面裂缝检测模型;其中,神经网络包括依次设置的特征提取层和分类层。再将待检测路面图像输入到检测模型中,输出路面裂缝检测结果。实现对不同背景环境下修补和未修补的路面裂缝进行检测分类的目的,具有较高的检测分类精度。

    一种基于光照补偿的路面图像去阴影方法

    公开(公告)号:CN109064411A

    公开(公告)日:2018-12-21

    申请号:CN201810607022.2

    申请日:2018-06-13

    Applicant: 长安大学

    Abstract: 本发明提供了一种基于光照补偿的路面图像去阴影方法,包括以下步骤:步骤1,采集路面二维阴影图像,并对路面二维阴影图像进行灰度化处理,得到灰度路面图像I(i,j);对灰度路面图像I(i,j)进行预处理,得到预处理路面图像Ih(i,j);步骤2,对预处理路面图像Ih(i,j)进行光照补偿处理,得到光照补偿后图像I′h(i,j);将阴影因子C(i,j)补偿给灰度路面图像I(i,j)中阴影区域的像素,得到初步去阴影图像I′(i,j);步骤3,对初步去阴影图像I′(i,j)中每一行和每一列像素点的半影区域进行样条插值处理,得到插值图像I′non(i,j);对插值图像I′non(i,j)的半影区域进行纹理恢复,得到路面去阴影图像Inon(i,j)。本发明完整保留了路面纹理信息,采用光照补偿对路面图像去阴影,避免了裂缝监测车造价高、运动相机裂缝检测系统裂缝检测精度低的缺点。

Patent Agency Ranking