一种车载式路面井盖缺失检测方法

1.一种车载式路面井盖缺失检测方法，其特征在于，包括以下步骤：
S1、驱动检测车驶入待检测道路，定位信息采集机构开始采集地理位置信息确定检测车的位置信息；
S2、在检测车行进过程中，采用检测车上的图像采集机构采集路面图像信息并生成路面图像；
S3、图片信息处理机构对路面图像进行图像处理并将路面图像中的井盖识别出来；
S4、图片信息检测机构根据识别的井盖信息判断井盖是否出现缺失或裂缝；
所述步骤S3中图像处理包括以下步骤：
S31、对路面图像进行灰度化处理及滤波处理；
S32、将经步骤S31得到的路面图像进行边缘检测和二值化；
S33：将经步骤S32得到的路面图像运用检测椭圆的方法进行井盖识别；
所述步骤S31中灰度化及滤波处理包括以下步骤：
S311、将路面图像中各像素点坐标按照i，j轴二维坐标系定义为(i，j)；
S312、令路面图像中的每个像素点的三分量R、G、B相等，求路面图像中每个像素点的三分量R、G、B的平均值即灰度值，然后将该平均值赋予给这个像素的三分量；
S313、将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，让周围的像素值接近的真实值，从而消除孤立的噪声点；
所述步骤S32中边缘检测和二值化包括以下步骤：
S321、利用OTSU算法确定最佳阈值T；
S322、利用Sobel算子进行边缘检测处理；
S323、将路面图像上的像素点的灰度置为0或255，使得整个路面图像呈现出明显的黑白效果，实现二值化处理；
所述步骤S33中检测椭圆的方法包括以下步骤：
S331、利用最小二乘法进行椭圆拟合，椭圆的方程为：
x2+bxy+cy2+dx+ey+f＝0
其中，b、c、d、e、f均为拟合参数；
S332、利用最小二乘法路面图上各边缘点坐标的方差和为：
其中，(xv，yv)是椭圆边界点的坐标；
S333、对b、c、d、e、f求偏微分；
S334、用高斯消元法求得b、c、d、e、f值，得到拟合椭圆系数；
S335、对于椭圆来说各边缘点坐标的方差和s2很小，若s2≤T，则可判断图像为椭圆；
所述步骤S4中图片信息检测机构判断路面图像包括以下步骤：
S41、经过步骤S3将井盖识别后，锁定井盖区域；
S42、判断井盖是否缺失：若椭圆个数为1则井盖未缺失，若椭圆个数大于1则井盖有缺失；
S42、判断井盖是否出现部分缺失：经过步骤S32的二值化处理后，井盖边缘显示为白色，其余部分为背景显示为黑色，若井盖区域出现块状白色区域则判断井盖表面出现部分缺失；
S43、判断井盖是否出现裂缝：经过步骤S32的二值化处理后，井盖边缘显示为白色，其余部分为背景显示为黑色，若井盖区域出现线条状白色区域则判断井盖表面出现破裂；
所述步骤S42判断井盖是否出现部分缺失包括以下步骤：
S421、计算井盖区域内像素点总数Σm；
S422、计算灰度值f(i，j)＝255的像素点总数Σn；
S423、求得白色区域占井盖区域面积的百分比为Q；
S424、若Q值＜1％则井盖区域内无白色区域，若Q值为1％≤Q ≤10％则判断井盖区域内有较小块白色区域，若Q值为Q≥10％则判断井盖区域内有较大块白色区域。
2.根据权利要求1所述的车载式路面井盖缺失检测方法，其特征在于，所述步骤S43判断井盖是否出现裂缝包括以下步骤：
S431、对井盖区域分别从左至右、从上至下进行扫描；
S432、扫描完成后，判断每条扫描线与井盖区域内灰度值为255的像素点的交点数是否一致；
S433、判断第i条扫描线、第(i+1)条扫描线分别与灰度值为255的像素点的交点的坐标是否接近；
S434、若交点数一致，且相邻两条扫描线交点坐标接近，则判断井盖区域存在线条状白色区域。

一种车载式路面井盖缺失检测方法\n技术领域\n[0001] 本发明属于井盖安全防护技术领域，具体涉及一种车载式路面井盖缺失检测方法。\n背景技术\n[0002] 在我们生活的城市里，路面井盖的分布密度很大，每走几部就会出现一个井盖。随着城市交通系统的发展，道路交通安全越来越受到人们的重视。\n[0003] 目前，对于井盖的缺失主要采用两种方法，一是人工监测的方法，其缺点是费时费力，效率低；二是在井盖上安装传感器检测的方法，井盖的数目众多，每个井盖均安装传感器，费用巨大，而且容易出错，存在一定的不稳定性。\n[0004] 因此，亟需一种车载式路面井盖缺失检测方法。\n发明内容\n[0005] 为了解决上述技术问题，本发明提供了一种车载式路面井盖缺失检测方法。\n[0006] 为了达到上述目的，本发明的技术方案如下：\n[0007] 本发明提供一种车载式路面井盖缺失检测方法，包括以下步骤：\n[0008] S1、驱动检测车驶入待检测道路，定位信息采集机构开始采集地理位置信息确定检测车的位置信息；\n[0009] S2、在检测车行进过程中，采用检测车上的图像采集机构采集路面图像信息并生成路面图像；\n[0010] S3、图片信息处理机构对路面图像进行图像处理并将路面图像中的井盖识别出来；\n[0011] S4、图片信息检测机构根据识别的井盖信息判断井盖是否出现缺失或裂缝。\n[0012] 步骤S3中图像处理包括以下步骤：\n[0013] S31、对路面图像进行灰度化处理及滤波处理；\n[0014] S32、将经步骤S31得到的路面图像进行边缘检测和二值化；\n[0015] S33：将经步骤S32得到的路面图像运用检测椭圆的方法进行井盖识别。\n[0016] 步骤S31中灰度化及滤波处理包括以下步骤：\n[0017] S311、将路面图像中各像素点坐标按照i，j轴二维坐标系定义为 (i，j)；\n[0018] S312、令路面图像中的每个像素点的三分量R、G、B相等，求路面图像中每个像素点的三分量R、G、B的平均值即灰度值，然后将该平均值赋予给这个像素的三分量；\n[0019] S313、将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，让周围的像素值接近的真实值，从而消除孤立的噪声点。\n[0020] 步骤S32中边缘检测和二值化包括以下步骤：\n[0021] S321、利用OTSU算法确定最佳阈值T；\n[0022] S322、利用Sobel算子进行边缘检测处理；\n[0023] S323、将路面图像上的像素点的灰度置为0或255，使得整个路面图像呈现出明显的黑白效果，实现二值化处理。\n[0024] 步骤S33中检测椭圆的方法包括以下步骤：\n[0025] S331、利用最小二乘法进行椭圆拟合，椭圆的方程为：\n[0026] x2+bxy+cy2+dx+ey+f＝0\n[0027] 其中，b、c、d、e、f均为拟合参数；\n[0028] S332、利用最小二乘法路面图上各边缘点坐标的方差和为：\n[0029]\n[0030] 其中，(xv，yv)是椭圆边界点的坐标；\n[0031] S333、对b、c、d、e、f求偏微分；\n[0032] S334、用高斯消元法求得b、c、d、e、f值，得到拟合椭圆系数；\n[0033] S335、对于椭圆来说各边缘点坐标的方差和s2很小，若s2≤T，则可判断图像为椭圆。\n[0034] 步骤S4中图片信息检测机构判断路面图像包括以下步骤：\n[0035] S41、经过步骤S3将井盖识别后，锁定井盖区域；\n[0036] S42、判断井盖是否缺失：若椭圆个数为1则井盖未缺失，若椭圆个数大于1则井盖有缺失；\n[0037] S42、判断井盖是否出现部分缺失：经过步骤S32的二值化处理后，井盖边缘显示为白色，其余部分为背景显示为黑色，若井盖区域出现块状白色区域则判断井盖表面出现部分缺失；\n[0038] S43、判断井盖是否出现裂缝：经过步骤S32的二值化处理后，井盖边缘显示为白色，其余部分为背景显示为黑色，若井盖区域出现线条状白色区域则判断井盖表面出现破裂。\n[0039] 步骤S42判断井盖是否出现部分缺失包括以下步骤：\n[0040] S421、计算井盖区域内像素点总数∑m；\n[0041] S422、计算灰度值f(i，j)＝255的像素点总数∑n；\n[0042] S423、求得白色区域占井盖区域面积的百分比为Q；\n[0043] S424、若Q值＜1％则井盖区域内无白色区域，若Q值为1％≤Q ≤10％则判断井盖区域内有较小块白色区域，若Q值为Q≥10％则判断井盖区域内有较大块白色区域。\n[0044] 步骤S43判断井盖是否出现裂缝包括以下步骤：\n[0045] S431、对井盖区域分别从左至右、从上至下进行扫描；\n[0046] S432、扫描完成后，判断每条扫描线与井盖区域内灰度值为255 的像素点的交点数是否一致；\n[0047] S433、判断第i条扫描线、第(i+1)条扫描线分别与灰度值为 255的像素点的交点的坐标是否接近；\n[0048] S434、若交点数一致，且相邻两条扫描线交点坐标接近，则判断井盖区域存在线条状白色区域。\n[0049] 本发明相较于现有技术，采用检测车和图像采集机构的集成，在检测车行驶过程中图像采集机构获取检测车前方的路面图像，根据采集到的路面图像判断井盖是否缺失或裂缝损坏等，省却人力，效率高，大大提高检测的准确性。\n附图说明\n[0050] 图1为本发明一种实施方式的结构框图。\n[0051] 图2为本发明一种实施方式的工作流程图。\n具体实施方式\n[0052] 下面结合附图详细说明本发明的优选实施方式。\n[0053] 为了达到本发明的目的，如图1至图2所示，在本发明的其中一种实施方式中提供一种车载式路面井盖缺失检测方法，包括以下步骤：\n[0054] S1、驱动检测车驶入待检测道路，定位信息采集机构开始采集地理位置信息确定检测车的位置信息；\n[0055] S2、在检测车行进过程中，采用检测车上的图像采集机构采集路面图像信息并生成路面图像；\n[0056] S3、图片信息处理机构对路面图像进行图像处理并将路面图像中的井盖识别出来；\n[0057] S4、图片信息检测机构根据识别的井盖信息判断井盖是否出现缺失或裂缝。\n[0058] 步骤S3中图像处理包括以下步骤：\n[0059] S31、对路面图像进行灰度化处理及滤波处理；\n[0060] S32、将经步骤S31得到的路面图像进行边缘检测和二值化；\n[0061] S33：将经步骤S32得到的路面图像运用检测椭圆的方法进行井盖识别。\n[0062] 步骤S31中灰度化及滤波处理包括以下步骤：\n[0063] S311、将路面图像中各像素点坐标按照i，j轴二维坐标系定义为 (i，j)；\n[0064] S312、令路面图像中的每个像素点的三分量R、G、B相等，求路面图像中每个像素点的三分量R、G、B的平均值即灰度值，然后将该平均值赋予给这个像素的三分量；\n[0065] 定义f(i，j)为输出图像，R(i，j)、G(i，j)、B(i，j)为原始R、G、B值；R1(i，j)、G1(i，j)、B1(i，j)为灰度化处理后R，G，B值，则：\n[0066] f(i，j)＝[R(i，j)+G(i，j)+B(i，j)]/3\n[0067] R1(i，j)＝G1(i，j)＝B1(i，j)＝f(i，j)；\n[0068] S313、将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，让周围的像素值接近的真实值，从而消除孤立的噪声点。其中，设置W二维模板为3*3区域，将区域内的各像素点进行排序，则：\n[0069] g(i，j)＝med｛f(i-k，j-1)，(k，1∈W)}\n[0070] 其中，f(i，j)、g(i，j)分别为原始图像和处理后图像。\n[0071] 步骤S32中边缘检测和二值化包括以下步骤：\n[0072] S321、利用OTSU算法确定最佳阈值T：\n[0073] (1)计算图像的平均灰度p：设图像长为a、宽为b，图像中各像素点灰度值为i，像素点计数为m(i)，则平均灰度p为p＝∑i*m (i)/(a*b)；\n[0074] (2)设T为目标与背景的分割阈值，记灰度值大于等于T的像素(目标像素)占图像比例为Q1，灰度值大于T的像素点总数为M1，平均灰度值为p1；记灰度值小于T的像素(背景像素)占图像比例为Q2，灰度值小于T的像素点总数为M2，平均灰度值p2。则：\n[0075] Q1＝M1/(a*b)，p1＝∑i*M1/(a*b)，i≥T；\n[0076] Q2＝M2/(a*b)，p2＝∑i*M2/(a*b)，i＜T；\n[0077] (3)分别带入(2)中的T，使G＝Q1*(p1-u)+Q2*(p2-u)最大时，则T为最佳阈值；\n[0078] S322、利用Sobel算子进行边缘检测处理：\n[0079] 在算法实现过程中，设f(x，y)为原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，G(x，y)为边缘检测后该像素点灰度值，θ为图像梯度方向，则：\n[0080]\n[0081]\n[0082]\n[0083]\n[0084] 若G(x，y)大于阈值T则说明该为边缘点；\n[0085] S323、将路面图像上的像素点的灰度置为0或255，使得整个路面图像呈现出明显的黑白效果，实现二值化处理。\n[0086] 步骤S33中检测椭圆的方法包括以下步骤：\n[0087] S331、利用最小二乘法进行椭圆拟合，椭圆的方程为：\n[0088] x2+bxy+cy2+dx+ey+f＝0\n[0089] 其中，b、c、d、e、f均为拟合参数；\n[0090] S332、利用最小二乘法路面图上各边缘点坐标的方差和为：\n[0091]\n[0092] 其中，(xv，yv)是椭圆边界点的坐标；\n[0093] S333、对b、c、d、e、f求偏微分：\n[0094]\n[0095]\n[0096]\n[0097]\n[0098]\n[0099] S334、将步骤S333中的5个公式联立方程，并用高斯消元法求得b、c、d、e、f值，得到拟合椭圆系数；\n[0100] S335、对于椭圆来说各边缘点坐标的方差和s2很小，若s2≤T，则可判断图像为椭圆。\n[0101] 步骤S4中图片信息检测机构判断路面图像包括以下步骤：\n[0102] S41、经过步骤S3将井盖识别后，锁定井盖区域；\n[0103] S42、判断井盖是否缺失：若椭圆个数为1则井盖未缺失，若椭圆个数大于1则井盖有缺失；\n[0104] S42、判断井盖是否出现部分缺失：经过步骤S32的二值化处理后，井盖边缘显示为白色，其余部分为背景显示为黑色，若井盖区域出现块状白色区域则判断井盖表面出现部分缺失；\n[0105] S43、判断井盖是否出现裂缝：经过步骤S32的二值化处理后，井盖边缘显示为白色，其余部分为背景显示为黑色，若井盖区域出现线条状白色区域则判断井盖表面出现破裂。\n[0106] 步骤S42判断井盖是否出现部分缺失包括以下步骤：\n[0107] S421、计算井盖区域内像素点总数∑m；\n[0108] S422、计算灰度值f(i，j)＝255的像素点总数∑n；\n[0109] S423、求得白色区域占井盖区域面积的百分比为Q；\n[0110] S424、若Q值＜1％则井盖区域内无白色区域，若Q值为1％≤Q ≤10％则判断井盖区域内有较小块白色区域，若Q值为Q≥10％则判断井盖区域内有较大块白色区域。\n[0111] 步骤S43判断井盖是否出现裂缝包括以下步骤：\n[0112] S431、对井盖区域分别从左至右、从上至下进行扫描；\n[0113] S432、扫描完成后，判断每条扫描线与井盖区域内灰度值为255 的像素点的交点数是否一致；\n[0114] S433、判断第i条扫描线、第(i+1)条扫描线分别与灰度值为 255的像素点的交点的坐标是否接近；\n[0115] S434、若交点数一致，且相邻两条扫描线交点坐标接近，则判断井盖区域存在线条状白色区域。\n[0116] 本实施方式相较于现有技术，采用检测车和图像采集机构的集成，在检测车行驶过程中图像采集机构获取检测车前方的路面图像，根据采集到的路面图像判断井盖是否缺失或裂缝损坏等，省却人力，效率高，大大提高检测的准确性。\n[0117] 以上所述的仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。