【技术实现步骤摘要】
本申请涉及桥梁检测领域，特别涉及一种基于计算机视觉的混凝土桥梁裂缝检测方法。
技术介绍
1、目前，混凝土桥梁裂缝检测主要采用人工巡检和传统图像处理方法。人工巡检依赖检测人员的经验和专业知识，存在检测效率低、主观性强、漏检率高等问题。传统的图像处理方法，如阈值分割、边缘检测等，虽然在一定程度上实现了检测过程的自动化，但面临着检测精度不高、鲁棒性差等局限性。这些方法主要基于rgb图像进行裂缝区域的提取和分析，容易受到光照变化、噪声干扰等因素的影响，导致检测结果不准确。此外，由于裂缝区域纹理复杂、形状不规则，传统方法难以准确刻画裂缝的细节特征。
2、近年来，以计算机视觉和深度学习为代表的人工智能技术取得了长足进展，为混凝土桥梁裂缝检测提供了新的思路和方法。计算机视觉技术可以通过摄像头等设备采集桥梁表面图像，利用图像处理和模式识别算法自动提取和分析裂缝信息，具有检测效率高、数据处理能力强等优势。深度学习方法，尤其是卷积神经网络，通过构建多层次的特征提取和分类模型，可以自动学习和挖掘裂缝图像的本质特征，实现端到端的裂缝区域检测和分割。
3、然而，现有的基于计算机视觉和深度学习的混凝土桥梁裂缝检测方法仍然存在一些不足之处。大多数方法仅利用rgb图像信息进行裂缝检测，忽略了裂缝区域的深度和三维几何特征，导致检测精度和可靠性不高。
技术实现思路
1、针对现有技术中存在的混凝土桥梁裂缝检测精度低的问题，本申请提供了一种基于计算机视觉的混凝土桥梁裂缝检测方法，通过建立图像坐标和
2、本申请的目的通过以下技术方案实现。
3、本申请提供一种基于计算机视觉的混凝土桥梁裂缝检测方法，包括：采集混凝土桥梁的裂缝图像和gps数据，通过激光雷达采集桥梁表面的深度图像，深度图像中每个像素值表示像素点对应的桥梁表面位置相对于激光雷达的深度值；根据gps数据，建立裂缝图像像素坐标与裂缝物理空间坐标之间的映射关系，计算裂缝图像的像素坐标到裂缝物理空间坐标的转换系数；将采集的裂缝图像和深度图像进行配准，通过基于orb特征的特征匹配和基于互信息的配准优化算法，获取裂缝图像和深度图像在像素级别的对齐，得到对齐后的彩色裂缝图像和深度裂缝图像；将彩色裂缝图像作为输入，采用maskr-cnn模型提取裂缝区域的像素级裂缝分割掩码；根据裂缝分割掩码与配准后的深度裂缝图像，通过基于条件生成对抗网络cgan的深度补全算法估计裂缝区域的深度信息，得到裂缝深度分布图；根据裂缝深度分布图，通过形态学算法和中轴变换算法提取裂缝的几何参数，几何参数包含裂缝长度、宽度和深度，根据像素坐标到物理坐标的转换系数，将裂缝几何参数的像素尺寸转换为物理尺寸，作为检测结果输出。
4、进一步的，计算裂缝图像的像素坐标到裂缝物理空间坐标的转换系数，包括：根据gps数据，提取裂缝区域边界点的gps坐标，gps坐标包含经度、纬度和高程；根据裂缝区域边界点的gps坐标，通过gps坐标到局部切平面坐标系的转换算法，将gps坐标转换为以桥梁所在位置为原点的局部切平面坐标系下的物理空间坐标，得到表示裂缝区域物理位置的物理空间坐标数据；根据裂缝区域的物理空间坐标数据，通过三维空间距离计算，计算裂缝区域的物理空间几何参数，物理空间几何参数包含裂缝区域的长度和宽度；采用图像分割算法从裂缝图像中提取裂缝区域图像；提取裂缝区域图像的分辨率和像素点数量参数，通过像素尺寸计算，计算裂缝区域图像中每个像素点对应的物理空间尺寸，得到裂缝区域像素尺寸参数；根据裂缝区域的物理空间几何参数和裂缝区域像素尺寸参数，通过坐标转换矩阵计算公式，计算裂缝图像像素坐标到裂缝物理空间坐标的转换系数，得到将裂缝图像像素坐标映射到裂缝物理空间坐标的转换矩阵，作为转换系数输出。
5、进一步的，坐标转换矩阵计算公式，表达式如下：
6、
7、其中，(xp,yp,wp)表示裂缝物理空间坐标的齐次坐标，(u,v)表示裂缝图像像素坐标；a11，a22分别表示控制x和y方向上的缩放因子；a12，a21分别表示控制x和y方向上的剪切因子；a13，a23分别表示控制仿射变换中的平移变换，表示裂缝图像像素坐标系原点相对于裂缝物理空间坐标系原点的平移量；a31，a32分别表示控制透视变换中的透视因子，引入透视变换可以更好地处理裂缝图像中的透视失真问题。
8、进一步的计算转换矩阵中各个参数，包括：在裂缝区域图像和裂缝区域物理空间坐标中，选择4对对应的控制点(ui,vi)和(xpi,ypi)，其中，i＝1，2，3，4；利用选取的控制点，构建一个线性方程组：
9、
10、采用最小二乘法求解构建的线性方程，得到8个参数a11，a12，a13，a21，a22，a23，a31，a32。
11、进一步的，到对齐后的彩色裂缝图像和深度裂缝图像，包括：分别对采集的裂缝图像和深度图像进行多尺度orb特征提取，通过构建图像金字塔，在不同尺度下检测orb特征点，提取相应的位置坐标和多尺度特征描述符，得到两组多尺度orb特征点集合；根据两组多尺度orb特征点集合，获取潜在匹配点对；根据获取的潜在匹配点，通过外点剔除算法剔除错误匹配点对，得到匹配点对集合，匹配点对集合中的每个点对包含裂缝图像和深度图像中相对应的像素坐标；根据匹配点对集合，通过最小二乘法估计裂缝图像到深度图像的初始变换矩阵，变换矩阵包含旋转矩阵和平移向量；以初始变换矩阵为初值，采用基于互信息的配准优化算法对变换矩阵进行迭代优化，通过最大化裂缝图像和深度图像之间的互信息，得到最优变换矩阵；利用最优变换矩阵，对裂缝图像进行几何变换和插值，将裂缝图像配准到深度图像的坐标空间，得到对齐后的彩色裂缝图像；将对齐后的彩色裂缝图像与原始的深度图像进行像素级融合，生成对齐后的深度裂缝图像，深度裂缝图像中每个像素的值为相应彩色裂缝图像像素的rgb值和原始深度图像像素的深度值的组合，作为配准结果输出。
12、进一步的，根据两组orb特征点集合，获取潜在匹配点对，包括：构建深度图像的orb特征点集合的k-d树索引结构，k-d树通过递归地将特征点集合划分为k个维度的子空间，每个子空间包含一部分特征点，形成树状索引结构；对裂缝图像的每个orb特征点，在构建的k-d树中进行最近邻搜索，通过递归地比较特征点在k个维度上的坐标值，获取特征空间中与其最接近的候选匹配点，获取候选匹配点对；对获取的每个候选匹配点对，计算裂缝图像特征点与深度图像候选匹配点之间的特征描述符距离，特征描述符距离采用汉明距离度量，表示两个二进制特征描述符之间不同位数的个数；对计算的特征描述符距离进行最近邻比率测试，比较候选匹配点中最近邻距离与次近邻距离之间的比率，如果比率小于给定阈值，则接受最近邻点作为匹配点；对获取的匹配点对进行交叉一致性检验，分别以裂缝图像特征点和深度图像特征点为基准，重复执行以上步骤，只保留在两个方向上都本文档来自技高网...
【技术保护点】
1.一种基于计算机视觉的混凝土桥梁裂缝检测方法，包括：
2.根据权利要求1所述的基于计算机视觉的混凝土桥梁裂缝检测方法，其特征在于：
3.根据权利要求2所述的基于计算机视觉的混凝土桥梁裂缝检测方法，其特征在于：
4.根据权利要求3所述的基于计算机视觉的混凝土桥梁裂缝检测方法，其特征在于：
5.根据权利要求3所述的基于计算机视觉的混凝土桥梁裂缝检测方法，其特征在于：
6.根据权利要求5所述的基于计算机视觉的混凝土桥梁裂缝检测方法，其特征在于：
7.根据权利要求6所述的基于计算机视觉的混凝土桥梁裂缝检测方法，其特征在于：
8.根据权利要求7所述的基于计算机视觉的混凝土桥梁裂缝检测方法，其特征在于：
9.根据权利要求8所述的基于计算机视觉的混凝土桥梁裂缝检测方法，其特征在于：
10.根据权利要求9所述的基于计算机视觉的混凝土桥梁裂缝检测方法，其特征在于：
【技术特征摘要】
1.一种基于计算机视觉的混凝土桥梁裂缝检测方法，包括：
2.根据权利要求1所述的基于计算机视觉的混凝土桥梁裂缝检测方法，其特征在于：
3.根据权利要求2所述的基于计算机视觉的混凝土桥梁裂缝检测方法，其特征在于：
4.根据权利要求3所述的基于计算机视觉的混凝土桥梁裂缝检测方法，其特征在于：
5.根据权利要求3所述的基于计算机视觉的混凝土桥梁裂缝检测方法，其特征在于：
6.根...
【专利技术属性】
技术研发人员：董元帅，崔玉萍，张艳，辛光涛，张听雨，张晓宇，张铮，郭敏敏，
申请(专利权)人：中国公路工程咨询集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。