一种沥青路面图像的结构光光条中心提取方法

摘要

本发明公开了一种沥青路面图像的结构光光条中心提取方法，包含：使用光条灰度阈值划分图像，切割出图像光条感兴趣区域ROI，在ROI中进行后续的提取算法；采用Steger曲线条纹中心的无偏差提取法，获取光条亚像素中心点；对Steger提取的光条中心点使用局部离群因子检测方法LOF，通过计算每个点的局部密度寻找离群点并去除，获得准确的光条中心点。本发明提出的沥青路面图像的结构光光条中心提取方法明显改善了光条中心提取效果，针对噪声点的特征去除干扰，避免不必要的卷积计算，计算效率较高，并具有较强的普适性和鲁棒性，提取到准确的光条中心以便于对中心点进行坐标转换，应用于路面表面三维扫描与表观重构，提高了沥青路面表观信息的提取精度与识别效率。

说明书

技术领域

本发明涉及一种沥青路面图像的结构光光条中心提取方法，属于道路工程领域与图像处理技术领域。

背景技术

截止2019年年底，全国的公路里程已达501.25万公里，其中高速公路总里程已达14.96万公里。作为国家最基础、最关注也是投资较大的基础建设工程，公路的质量影响着各地经济发展和人民日常生活水平，因此，公路的检测与养护管理日益凸显出重要性和紧迫性。目前，随着工业相机、图像处理和等技术的发展和计算能力的提升，路面三维扫描采集设备已趋近成熟，而构造深度的检测仍然采用铺沙法等完全人工的方式，工作量大、效率低。针对自研发的路面结构光三维扫描设备采集到的路面结构光图像开发算法，对光条中心进行准确快速提取式三维扫描的关键技术，对中心点进行坐标转换后可以准确重构出路面表观三维图像，及时、高效、准确地评价路面状况，并节省人力资源。

目前常见的结构光光条中心提取方法主要有：

(1)传统的光条中心提取方法主要有：极值法、阈值法、重心法、曲线拟合法、边缘法、几何中心法等，这些方法根据条纹灰度分布特点，在条纹法线方向通过灰度曲线拟合，提取的中心点为像素级的坐标，误差较大，精度较低，受到环境、设备自身和被测对象的复杂性等因素影响，这些光条中心提取方法很难同时满足较为普适的、实时的、精准的测量要求。

(2)亚像素级的中心提取法最具代表性的是Steger博士提出的“曲线条纹中心的无偏差提取法”，针对医学图像、卫星图像中的条纹(如血管、道路等)特征，按Taylor多项式展开，求取灰度分布的亚像素中心，具有较强的普适性和鲁棒性，且提取精度较高，但是由于其用到了大模板的高斯核图像卷积，运算效率较低，且应用于沥青路面灰度较为复杂的图像时有噪声产生。

现有的这些方法中，传统方法对路面图像质量要求较高，受外部环境干扰较大，但实际工程中沥青路面检测并不是在相同的光照条件下获取的(昼/夜)，(晴天/多云)，Steger法精度优势比较明显，但大范围的高斯卷积计算效率低，并且在光条边缘局部灰度较大的地方会产生噪点，影响中心提取的效率和准确性。

发明内容

本发明为避免Steger法的计算效率低和有噪声等缺点，通过分割光条和去除离群点对Steger条纹中心提取法进行改进，批量对沥青路面结构光图像进行光条中心提取，以便更好的应用于路面三维重构，本发明针对自研发的路面结构光三维扫描设备采集到的路面结构光图像提供了一种沥青路面图像的结构光光条中心提取方法，能够减少曲线中心点提取噪声并且高效批量处理大量图片。

本发明为解决上述技术问题采用以下技术方案：

一种沥青路面图像的结构光光条中心提取方法，包括以下步骤：

步骤1、对沥青路面图像进行灰度二值化，利用沥青路面图像中光条整体灰度最大的特点，通过阈值分割处理分割出光条，并从光条边缘向外扩展一定距离后得到图像光条感兴趣区域ROI；

步骤2、在ROI上进行Steger曲线条纹中心的无偏差提取，获取光条亚像素中心点；

步骤3、对获取的光条亚像素中心点进行LOF离群因子检测，去除局部密度较小的离群点，获得准确的光条中心点。

进一步，步骤1具体包括以下步骤：

步骤1.1：对沥青路面图像进行灰度化后，使用im2bw函数对灰度化后的沥青路面图像进行二值化，根据光条灰度大的特点设定灰度阈值I＝0.98；

步骤1.2：遍历二值化后的沥青路面图像，分别从二值化后的沥青路面图像上下左右开始寻找像素值为1的点，找到第一个点后停止并记录该点的行列坐标，上下两点的行坐标为光条行坐标最大值r

步骤1.3：计算光条感兴趣区域ROI，ROI的行坐标范围为[r

进一步，所述步骤2具体包括以下步骤：

步骤2.1：对步骤1获得的ROI与二维高斯微分核卷积得到Hessian矩阵H(x,y),计算H(x,y)最大特征值对应的特征向量，即为条纹局部法线方向；

步骤2.2：在条纹局部法线方向采用二阶Taylor多项式描述局部灰度分布：p(x)＝r+r′x+0.5r″x

进一步，所述步骤3具体包括以下步骤：

步骤3.1：计算步骤2获取的光条亚像素中心点的局部可达密度

步骤3.2：根据局部离群因子LOF

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

本发明通过总结Steger法应用于沥青路面结构光条中心提取时有计算效率低、边缘产生噪声等问题，根据以上特征，本发明针对曲线条纹中心的无偏差提取法的不足予以改进，有效消除噪声干扰，提取准确光条中心信息，提高计算效率；

本发明提供的改进的结构光光条中心提取方法用于沥青路面结构光图像的光条中心提取时，算法能够有效的消除光条边缘噪声，运算效率高，具有较强的普适性与鲁棒性。

附图说明

图1是本发明具体实施方式中的三维扫描设备采集的路面结构光图像F；

图2是本发明具体实施方式中的通过阈值分割后的光条感兴趣区域ROI；

图3是本发明具体实施方式中的经过Steger法提取中心线并判断出离群点；

图4是本发明具体实施方式中的去除离群点后的光条中心线；

图5是本发明的方法流程图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

本实施例基于以下假设，以实现对沥青路面图像的结构光光条中心提取：

1、工业相机拍摄范围大，光条区域只有很小一部分；

2、相机拍摄边缘产生畸变，光条亮度降低；

3、结构光光条灰度在图像中最大；

4、光条是一个狭窄、连续的目标物体；

基于以上假设，利用结构光光条与图像其余部分的差异性。如图5所示，本实施例通过使用光条灰度阈值划分图像，切割出图像光条感兴趣区域(ROI)，在ROI中进行后续的提取算法；采用Steger曲线条纹中心的无偏差提取法，获取光条亚像素中心点；对Steger提取的光条中心点使用局部离群因子检测方法(LOF)，通过计算每个点的局部密度寻找离群点并去除，获得准确的光条中心点。本实施例不依赖于高质量的结构光图像，对于路面背景复杂和光照不均情况具有很好的适应性。

本实施例具体包括以下步骤：

步骤1.1：对如图1所示的图像进行灰度化后，使用im2bw函数对灰度图像进行二值化，灰度阈值根据光条灰度大的特点选择I＝0.98，二值图像中仅保留光条部分；

步骤1.2：遍历二值化后的沥青路面图像，分别从二值化后的沥青路面图像上下左右开始寻找像素值为1的点，找到第一个点后停止并记录该点的行列坐标，上下两点的行坐标为光条行坐标最大值r

步骤1.3：计算光条感兴趣区域(ROI),r范围为[r

步骤2、在光条所在区域(ROI)上进行曲线条纹中心的无偏差提取法，获取光条亚像素中心点；

步骤2.1：对步骤1获得的ROI图像与二维高斯微分核卷积得到Hessian矩阵H(x,y),计算H(x,y)最大特征值对应的特征向量，即为条纹局部法线方向；

步骤2.2：在条纹法线方向采用二阶Taylor多项式描述局部灰度分布，p(x)＝r+r′x+0.5r″x

步骤3、对获取的光条亚像素中心点进行离群因子检测，去除局部密度较小的离群点，获得准确的光条中心点。

步骤3.1：计算步骤2获取的光条亚像素中心点的局部可达密度，k值选择5，

步骤3.2：根据局部离群因子LOF

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。