道路路面施工质量检测方法及系统.pdf

上传人:T****z 文档编号:14521885 上传时间:2024-05-19 格式:PDF 页数:19 大小:1.25MB
收藏 版权申诉 举报 下载
道路路面施工质量检测方法及系统.pdf_第1页
第1页 / 共19页
道路路面施工质量检测方法及系统.pdf_第2页
第2页 / 共19页
道路路面施工质量检测方法及系统.pdf_第3页
第3页 / 共19页
文档描述:

《道路路面施工质量检测方法及系统.pdf》由会员分享,可在线阅读,更多相关《道路路面施工质量检测方法及系统.pdf(19页完成版)》请在专利查询网上搜索。

1、(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202410045140.4(22)申请日 2024.01.12(71)申请人 吉林交通职业技术学院地址 130012 吉林省长春市高新区新电台街63号(72)发明人 李杨高晓范庆华武皓卞彩侠(74)专利代理机构 郑州芝麻知识产权代理事务所(普通合伙)41173专利代理师 张磊(51)Int.Cl.G06T 7/00(2017.01)G06T 7/90(2017.01)G06V 10/26(2022.01)G06V 10/762(2022.01)G06V 10/82(2022.01)G06V 20。

2、/17(2022.01)(54)发明名称一种道路路面施工质量检测方法及系统(57)摘要本发明涉及区域分割技术领域,具体涉及一种道路路面施工质量检测方法及系统。本发明获取路面灰度图像中像素点的综合缺陷值,根据每个像素点与初始聚类中心之间的距离与综合缺陷值之间的差异,将路面灰度图像中像素点进行划分得到初始聚类簇,利用迭代自组织聚类算法并结合优化分裂条件对初始聚类簇进行迭代聚类得到最终聚类簇;依据每次迭代的聚类簇内像素点的综合缺陷值以及与聚类中心之间的距离获取优化分裂条件;基于最终聚类簇内像素点的综合缺陷值对路面施工质量进行检测。本发明对综合缺陷值对迭代自组织聚类算法的分裂条件进行改进,提升缺陷区域。

3、聚类效果,提高对路面施工质量检测的准确率。权利要求书3页 说明书14页 附图1页CN 117557569 A2024.02.13CN 117557569 A1.一种道路路面施工质量检测方法,其特征在于,该方法包括:获取路面灰度图像;结合路面灰度图像中每个像素点的预设窗口内灰度分布,所述预设窗口内灰度混乱程度与路面灰度图像中灰度混乱程度之间的差异,以及所述预设窗口内像素点的梯度角度的离散程度,获取路面灰度图像中每个像素点的综合缺陷值;在路面灰度图像中获取至少两个初始聚类中心,根据路面灰度图像中每个像素点与初始聚类中心之间的距离以及所述综合缺陷值之间的差异,对路面灰度图像中像素点进行划分得到初始聚。

4、类簇;利用迭代自组织聚类算法对初始聚类簇进行迭代聚类获取最终聚类簇,对迭代自组织聚类算法中的分裂条件进行改进,获取优化分裂条件;所述优化分裂条件的获取过程包括:根据每次迭代的聚类簇内像素点的所述综合缺陷值,以及所述聚类簇内像素点与其聚类中心之间的距离对预设分裂阈值进行调整,获取优化分裂条件;基于最终聚类簇内像素点的所述综合缺陷值对道路的路面施工质量进行检测。2.根据权利要求1所述的一种道路路面施工质量检测方法,其特征在于,所述获取路面灰度图像中每个像素点的综合缺陷值的方法,包括:选取路面灰度图像中任意一个像素点作为分析像素点,根据分析像素点的预设窗口内灰度分布,获取分析像素点的局部缺陷值;结合。

5、分析像素点的预设窗口内灰度混乱程度与路面灰度图像中灰度混乱程度之间的差异,以及所述预设窗口内像素点的梯度角度的离散程度,获取分析像素点的整体缺陷值;根据所述局部缺陷值与所述整体缺陷值获取分析像素点的综合缺陷值;所述局部缺陷值与所述整体缺陷值均与所述综合缺陷值为正相关的关系。3.根据权利要求2所述的一种道路路面施工质量检测方法,其特征在于,所述局部缺陷值的方法,包括:将分析像素点的预设窗口内除分析像素点外其余任意一个像素点作为窗口像素点,将分析像素点与窗口像素点的灰度值之间的差值绝对值作为窗口像素点的灰度差异值,将分析像素点对应的所有窗口像素点的所述灰度差异值的均值作为分析像素点的综合差异值;由。

6、分析像素点的预设窗口内每行中像素点的灰度值构成灰度序列;对于每个灰度序列,选取灰度序列中任意一个灰度值作为分析灰度值,当分析灰度值均小于或者大于其相邻的前一个灰度值、后一个灰度值时,将分析灰度值作为目标灰度值;将分析像素点对应的所有灰度序列中所述目标灰度值的总数量作为分析像素点的变化值;结合分析像素点的预设窗口内像素点的灰度值的极差、所述综合差异值与所述变化值,获取分析像素点的局部缺陷值;所述极差、所述综合差异值与所述变化值均与所述局部缺陷值为正相关的关系。4.根据权利要求2所述的一种道路路面施工质量检测方法,其特征在于,所述整体缺陷值的方法,包括:计算分析像素点的预设窗口内所有像素点的灰度值。

7、的均值作为分析像素点的灰度局部均值;获取路面灰度图像中所有像素点的灰度值的均值作为灰度整体均值;将所述灰度局部均值与所述灰度整体均值的差值绝对值作为分析像素点的综合均差值;计算分析像素点的预设窗口内像素点的灰度值的信息熵作为分析像素点的局部混乱权利要求书1/3 页2CN 117557569 A2度;获取路面灰度图像中所有像素点的灰度值的信息熵作为整体混乱度;将所述局部混乱度与所述整体混乱度的差值绝对值作为分析像素点的综合混乱差值;将分析像素点的预设窗口内像素点的梯度角度的众数作为分析像素点的梯度特征角度;选取分析像素点的预设窗口内任意一个像素点作为待测像素点,将待测像素点的梯度角度与所述梯度特。

8、征角度之间的差值绝对值,作为待测像素点的初始光照差,将分析像素点的预设窗口内所有像素点的所述初始光照差异度的均值作为分析像素点的综合光照差;结合所述综合均差值、所述综合混乱差值与所述综合光照差获取分析像素点的整体缺陷值;所述综合均差值、所述综合混乱差值与所述综合光照差均与所述整体缺陷值为正相关的关系。5.根据权利要求2所述的一种道路路面施工质量检测方法,其特征在于,所述初始聚类簇的获取方法,包括:计算分析像素点分别与每个初始聚类中心之间的欧式距离,将最小的第一预设数量个所述欧式距离对应的初始聚类中心作为分析像素点的关联聚类中心;将分析像素点与每个关联聚类中心的所述局部缺陷值之间的差值绝对值作为。

9、分析像素点与每个关联聚类中心的局部关联差异;将分析像素点与每个关联聚类中心的所述整体缺陷值之间的差值绝对值作为分析像素点与每个关联聚类中心的整体关联差异;结合分析像素点与每个初始聚类中心之间的欧式距离、所述局部关联差异与所述整体关联差异,获取分析像素点与每个初始聚类中心之间的关联度;分析像素点与每个初始聚类中心之间的欧式距离、所述局部关联差异与所述整体关联差异均与所述关联度为负相关的关系;将分析像素点划分到最大的所述关联度对应的关联聚类中心所在的聚类簇中;遍历路面灰度图像中所有像素点进行聚类簇的划分,将初始聚类中心所在的聚类簇作为初始聚类簇。6.根据权利要求1所述的一种道路路面施工质量检测方法。

10、,其特征在于,所述优化分裂条件的获取过程包括:选取迭代聚类过程中任意一次迭代的任意一个聚类簇作为目标簇,将目标簇内像素点划分为至少两种类型;将目标簇内同种类型的像素点的所述综合缺陷值的均值作为目标簇内每种类型的像素点的缺陷均值;结合目标簇内像素点与其聚类中心之间的欧式距离,目标簇内像素点的所述综合缺陷值以及所述缺陷均值,获取目标簇的内部差异度;将迭代聚类过程中任意一偶数次迭代作为目标偶数次迭代,选取目标偶数次迭代的任意一个聚类簇作为分析簇,所述分析簇由目标偶数次迭代的上一次迭代的两个聚类簇合并得到,将所述两个聚类簇作为分析簇的组合簇;选取分析簇中任意一个像素点作为判断像素点,将判断像素点在目标。

11、偶数次迭代与其之前迭代中所在的聚类簇作为判断像素点的判断簇,若判断簇在对应迭代中出现分裂或合并,则将判断簇作为变化簇,将判断像素点对应的判断簇中所述变化簇的数量作为判断像素点的变化次数;计算分析簇与目标偶数次迭代的除分析簇外的每个聚类簇的聚类中心之间的欧式距离,将最小的第二预设数量个所述欧式距离对应的所述聚类簇作为分析簇的关联簇;结合分析簇内像素点的所述变化次数、所述关联簇的所述内部差异度以及分析簇与其所述组合簇的所述内部差异度之间的差异,获取分析簇的阈值修正系数;权利要求书2/3 页3CN 117557569 A3将分析簇的所述阈值修正系数与预设分裂阈值的乘积作为分析簇的修正分裂阈值;所述优。

12、化分裂条件为:分析簇的所述内部差异度大于或者等于所述修正分裂阈值。7.根据权利要求6所述的一种道路路面施工质量检测方法,其特征在于,所述目标簇的内部差异度的计算公式如下:式中,为目标簇的所述内部差异度;Z为目标簇的整体缺陷差异值;为目标簇内每种类型的像素点的所述缺陷均值中的最大值;为目标簇内每种类型的像素点的所述缺陷均值中的最小值;为目标簇内像素点的综合缺陷值的方差;为目标簇内像素点与其聚类中心之间的欧式距离的方差;为目标簇的像素集合,所述像素集合由目标簇内所有像素点构成;为目标簇的像素集合内第j个像素点的特征差异值;为目标簇的像素集合内第j个像素点综合缺陷值;为目标簇的像素集合内所有像素点的。

13、综合缺陷值的均值;为目标簇的像素集合内第j个像素点与目标簇的聚类中心之间的欧式距离;为目标簇的像素集合内像素点与目标簇的聚类中心之间的欧式距离的均值;Norm为归一化函数;max为最大值函数。8.根据权利要求6所述的一种道路路面施工质量检测方法,其特征在于,所述分析簇的阈值修正系数的计算公式如下:式中,为分析簇的所述阈值修正系数;为分析簇的第k个像素点的所述变化次数;为分析簇内像素点的数量;为分析簇的所述内部差异度;为分析簇对应的第一个组合簇的内部差异度;为分析簇对应的第二个组合簇的内部差异度;为分析簇的第m个关联簇的所述内部差异度;M为分析簇的关联簇的数量;a为预设正数;exp为以自然常数e。

14、为底数的指数函数;Norm为归一化函数。9.根据权利要求1所述的一种道路路面施工质量检测方法,其特征在于,所述基于最终聚类簇内像素点的所述综合缺陷值对道路的路面施工质量进行检测的方法,包括:对于每个最终聚类簇,将最终聚类簇中所有像素点的所述综合缺陷值的均值作为综合均特征值;若所述综合均特征值大于或者等于预设缺陷阈值,最终聚类簇内像素点构成的连通域为空鼓缺陷区域;当存在空鼓缺陷区域时,路面施工质量不合格。10.一种道路路面施工质量检测系统,其特征在于,该系统包括:存储器、处理器以及存储在所述存储器中并可在处理器上运行的计算机程序,处理器执行所述计算机程序时,实现上述权利要求19任意一项所述一种道。

15、路路面施工质量检测方法的步骤。权利要求书3/3 页4CN 117557569 A4一种道路路面施工质量检测方法及系统技术领域0001本发明涉及区域分割技术领域,具体涉及一种道路路面施工质量检测方法及系统。背景技术0002道路施工过程中常见的质量问题包括路面开裂、滑动、不均匀沉降、空鼓等,本发明主要对路面上的空鼓缺陷问题进行检测;路面空鼓会导致道路表面出现凸起或凹陷区域,影响路面的平整度和稳定性,给道路使用带来安全隐患,因此对路面施工质量检测非常重要。0003通常利用迭代自组织聚类算法对初始聚类结果进行不断地合并与分裂,最终迭代出最符合聚类条件的多个类簇,以达到划分图像中缺陷区域的目的。由于空鼓。

16、缺陷区域的不同位置的凸起或凹陷的缺陷程度不同,且拍摄时光照强度可能不均匀,使缺陷区域内部像素具有一定的灰度差异,若利用常规算法中基于聚类簇内像素的灰度差异进行分裂操作,导致同一空鼓缺陷区域可能被划分为多个类簇,进而使算法的迭代收敛效果不佳,可能出现类簇反复合并、分裂的情况,影响算法效率并降低聚类结果的准确性,导致对路面施工质量检测出现误差。发明内容0004为了解决空鼓缺陷区域内部像素具有一定的灰度差异,导致缺陷区域聚类效果不佳,使路面施工质量检测出现误差的技术问题,本发明的目的在于提供一种道路路面施工质量检测方法及系统,所采用的技术方案具体如下:第一方面,本发明一个实施例提供了一种道路路面施工。

17、质量检测方法,该方法包括:获取路面灰度图像;结合路面灰度图像中每个像素点的预设窗口内灰度分布,所述预设窗口内灰度混乱程度与路面灰度图像中灰度混乱程度之间的差异,以及所述预设窗口内像素点的梯度角度的离散程度,获取路面灰度图像中每个像素点的综合缺陷值;在路面灰度图像中获取至少两个初始聚类中心,根据路面灰度图像中每个像素点与初始聚类中心之间的距离以及所述综合缺陷值之间的差异,对路面灰度图像中像素点进行划分得到初始聚类簇;利用迭代自组织聚类算法对初始聚类簇进行迭代聚类获取最终聚类簇,对迭代自组织聚类算法中的分裂条件进行改进,获取优化分裂条件;所述优化分裂条件的获取过程包括:根据每次迭代的聚类簇内像素点。

18、的所述综合缺陷值,以及所述聚类簇内像素点与其聚类中心之间的距离对预设分裂阈值进行调整,获取优化分裂条件;基于最终聚类簇内像素点的所述综合缺陷值对道路的路面施工质量进行检测。0005进一步地,所述获取路面灰度图像中每个像素点的综合缺陷值的方法,包括:说明书1/14 页5CN 117557569 A5选取路面灰度图像中任意一个像素点作为分析像素点,根据分析像素点的预设窗口内灰度分布,获取分析像素点的局部缺陷值;结合分析像素点的预设窗口内灰度混乱程度与路面灰度图像中灰度混乱程度之间的差异,以及所述预设窗口内像素点的梯度角度的离散程度,获取分析像素点的整体缺陷值;根据所述局部缺陷值与所述整体缺陷值获取。

19、分析像素点的综合缺陷值;所述局部缺陷值与所述整体缺陷值均与所述综合缺陷值为正相关的关系。0006进一步地,所述局部缺陷值的方法,包括:将分析像素点的预设窗口内除分析像素点外其余任意一个像素点作为窗口像素点,将分析像素点与窗口像素点的灰度值之间的差值绝对值作为窗口像素点的灰度差异值,将分析像素点对应的所有窗口像素点的所述灰度差异值的均值作为分析像素点的综合差异值;由分析像素点的预设窗口内每行中像素点的灰度值构成灰度序列;对于每个灰度序列,选取灰度序列中任意一个灰度值作为分析灰度值,当分析灰度值均小于或者大于其相邻的前一个灰度值、后一个灰度值时,将分析灰度值作为目标灰度值;将分析像素点对应的所有灰。

20、度序列中所述目标灰度值的总数量作为分析像素点的变化值;结合分析像素点的预设窗口内像素点的灰度值的极差、所述综合差异值与所述变化值,获取分析像素点的局部缺陷值;所述极差、所述综合差异值与所述变化值均与所述局部缺陷值为正相关的关系。0007进一步地,所述整体缺陷值的方法,包括:计算分析像素点的预设窗口内所有像素点的灰度值的均值作为分析像素点的灰度局部均值;获取路面灰度图像中所有像素点的灰度值的均值作为灰度整体均值;将所述灰度局部均值与所述灰度整体均值的差值绝对值作为分析像素点的综合均差值;计算分析像素点的预设窗口内像素点的灰度值的信息熵作为分析像素点的局部混乱度;获取路面灰度图像中所有像素点的灰度。

21、值的信息熵作为整体混乱度;将所述局部混乱度与所述整体混乱度的差值绝对值作为分析像素点的综合混乱差值;将分析像素点的预设窗口内像素点的梯度角度的众数作为分析像素点的梯度特征角度;选取分析像素点的预设窗口内任意一个像素点作为待测像素点,将待测像素点的梯度角度与所述梯度特征角度之间的差值绝对值,作为待测像素点的初始光照差,将分析像素点的预设窗口内所有像素点的所述初始光照差异度的均值作为分析像素点的综合光照差;结合所述综合均差值、所述综合混乱差值与所述综合光照差获取分析像素点的整体缺陷值;所述综合均差值、所述综合混乱差值与所述综合光照差均与所述整体缺陷值为正相关的关系。0008进一步地,所述初始聚类簇。

22、的获取方法,包括:计算分析像素点分别与每个初始聚类中心之间的欧式距离,将最小的第一预设数量个所述欧式距离对应的初始聚类中心作为分析像素点的关联聚类中心;将分析像素点与每个关联聚类中心的所述局部缺陷值之间的差值绝对值作为分析像素点与每个关联聚类中心的局部关联差异;将分析像素点与每个关联聚类中心的所述说明书2/14 页6CN 117557569 A6整体缺陷值之间的差值绝对值作为分析像素点与每个关联聚类中心的整体关联差异;结合分析像素点与每个初始聚类中心之间的欧式距离、所述局部关联差异与所述整体关联差异,获取分析像素点与每个初始聚类中心之间的关联度;分析像素点与每个初始聚类中心之间的欧式距离、所述。

23、局部关联差异与所述整体关联差异均与所述关联度为负相关的关系;将分析像素点划分到最大的所述关联度对应的关联聚类中心所在的聚类簇中;遍历路面灰度图像中所有像素点进行聚类簇的划分,将初始聚类中心所在的聚类簇作为初始聚类簇。0009进一步地,所述优化分裂条件的获取过程包括:选取迭代聚类过程中任意一次迭代的任意一个聚类簇作为目标簇,将目标簇内像素点划分为至少两种类型;将目标簇内同种类型的像素点的所述综合缺陷值的均值作为目标簇内每种类型的像素点的缺陷均值;结合目标簇内像素点与其聚类中心之间的欧式距离,目标簇内像素点的所述综合缺陷值以及所述缺陷均值,获取目标簇的内部差异度;将初次奇数迭代之后的任意一奇数次迭。

24、代作为目标奇数次迭代,选取目标奇数次迭代的任意一个聚类簇作为分析簇,所述分析簇由两个聚类簇合并得到,将所述两个聚类簇作为分析簇的组合簇;选取分析簇中任意一个像素点作为判断像素点,将判断像素点在目标奇数次迭代与其之前迭代中所在的聚类簇作为判断像素点的判断簇,若判断簇在对应迭代中出现分裂或合并,则将判断簇作为变化簇,将判断像素点对应的判断簇中所述变化簇的数量作为判断像素点的变化次数;计算分析簇与目标奇数次迭代的除分析簇外的每个聚类簇的聚类中心之间的欧式距离,将最小的第二预设数量个欧式距离对应的所述聚类簇作为分析簇的关联簇;结合分析簇内像素点的所述变化次数、所述关联簇的所述内部差异度以及分析簇与其所。

25、述组合簇的所述内部差异度之间的差异,获取分析簇的阈值修正系数;将分析簇的所述阈值修正系数与预设分裂阈值的乘积作为分析簇的修正分裂阈值;所述优化分裂条件为:分析簇的所述内部差异度大于或者等于所述修正分裂阈值。0010进一步地,所述目标簇的内部差异度的计算公式如下:式中,为目标簇的所述内部差异度;Z为目标簇的整体缺陷差异值;为目标簇内每种类型的像素点的所述缺陷均值中的最大值;为目标簇内每种类型的像素点的所述缺陷均值中的最小值;为目标簇内像素点的综合缺陷值的方差;为目标簇内像素点与其聚类中心之间的欧式距离的方差;为目标簇的像素集合,所述像素集合由目标簇内所有像素点构成;为目标簇的像素集合内第j个像素。

26、点的特征差异值;为目标簇的像说明书3/14 页7CN 117557569 A7素集合内第j个像素点综合缺陷值;为目标簇的像素集合内所有像素点的综合缺陷值的均值;为目标簇的像素集合内第j个像素点与目标簇的聚类中心之间的欧式距离;为目标簇的像素集合内像素点与目标簇的聚类中心之间的欧式距离的均值;Norm为归一化函数;max为最大值函数。0011进一步地,所述分析簇的阈值修正系数的计算公式如下:式中,为分析簇的所述阈值修正系数;为分析簇的第k个像素点的所述变化次数;为分析簇内像素点的数量;为分析簇的所述内部差异度;为分析簇对应的第一个组合簇的内部差异度;为分析簇对应的第二个组合簇的内部差异度;为分析。

27、簇的第m个关联簇的所述内部差异度;M为分析簇的关联簇的数量;a为预设正数;exp为以自然常数e为底数的指数函数;Norm为归一化函数。0012进一步地,所述基于最终聚类簇内像素点的所述综合缺陷值对道路的路面施工质量进行检测的方法,包括:对于每个最终聚类簇,将最终聚类簇中所有像素点的所述综合缺陷值的均值作为综合均特征值;若所述综合均特征值大于或者等于预设缺陷阈值,最终聚类簇内像素点构成的连通域为空鼓缺陷区域;当存在空鼓缺陷区域时,路面施工质量不合格。0013第二方面,本发明另一个实施例提供了一种道路路面施工质量检测系统,该系统包括:存储器、处理器以及存储在所述存储器中并可在处理器上运行的计算机程。

28、序,处理器执行所述计算机程序时,实现上述任意一项方法的步骤。0014本发明具有如下有益效果:本发明实施例中,利用像素点周围像素的灰度分布特征,以及像素点与整张图像的灰度分布之间的差异构建综合缺陷值,降低空鼓缺陷区域内部存在较大灰度差异对聚类的影响;在基于像素点与初始聚类中心之间的距离的基础上,考虑到像素点与初始聚类中心的综合缺陷值之间的差异,避免了空鼓缺陷区域内部像素的灰度差异对初始聚类的影响,有效提升初始聚类结果的准确性并降低出现局部最优的情况的可能性;利用迭代自组织聚类算法对初始聚类簇进行迭代聚类获取最终聚类簇,依据每次迭代的聚类簇内像素点的综合缺陷值,以及聚类簇内像素点与其聚类中心之间的。

29、距离设置算法的优化分裂条件,有效避免了因空鼓缺陷区域内部像素具有一定的灰度差异导致常规利用类簇中内像素灰度差异设定优化分裂条件,导致同一空鼓缺陷区域可能被划分为多个类簇的后果,提高算法的迭代收敛效果,降低出现类簇反复合并、分裂的情况,提高算法运行效率与聚类结果的准确性,降低对路面施工质量检测出现误差的可能性。附图说明0015为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,说明书4/14 页8CN 117557569 。

30、A8还可以根据这些附图获得其它附图。0016图1为本发明一个实施例所提供的一种道路路面施工质量检测方法的步骤流程图。具体实施方式0017为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种道路路面施工质量检测方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。0018除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。0019本发明所针对的。

31、具体场景:在对道路路面进行施工后,路面可能因材料黏结力不足、湿度控制不当、施工工艺不规范等问题出现空鼓现象,导致路面表面凸起或凹陷。而采用迭代自组织聚类算法对空鼓缺陷进行检测时,会因缺陷内部的像素表现不一致和特征差异接近阈值而产生迭代收敛不佳和聚类结果不准确的问题,所以需要修改分裂条件并在迭代过程中进行自适应调整来解决以上问题。0020下面结合附图具体的说明本发明所提供的一种道路路面施工质量检测方法及系统的具体方案。0021请参阅图1,其示出了本发明一个实施例提供的一种道路路面施工质量检测方法的步骤流程图,该方法包括:步骤S1:获取路面灰度图像。0022具体的,利用无人机拍摄施工完成后道路的俯。

32、视图得到施工路面图像,本发明中施工路面图像为RGB图像;对施工路面图像进行灰度化与去噪处理,得到施工路面初始灰度图像。施工路面初始灰度图像中包含无关背景区域与路面区域,为消除无关区域对后续分析的影响,利用语义分割去除无关背景区域,将留下的路面区域作为路面灰度图像。0023需要说明的是,本发明实施例中选用加权平均灰度化算法进行灰度化处理,使用高斯滤波进行去噪处理,以及语义分割,具体方法在此不做介绍,均为本领域技术人员熟知的技术手段。在本发明其他实施例中也可选用其他图像采集装置及图像预处理算法,选用神经网络获取路面灰度图像,图像采集和图像预处理算法均为本领域技术人员熟知的技术手段,在此不做限定。0。

33、024步骤S2:结合路面灰度图像中每个像素点的预设窗口内灰度分布,预设窗口内灰度混乱程度与路面灰度图像中灰度混乱程度之间的差异,以及预设窗口内像素点的梯度角度的离散程度,获取路面灰度图像中每个像素点的综合缺陷值。0025在常规的迭代自组织聚类算法中,像素点的聚类条件,类簇的合并与分裂条件基本上是围绕像素点之间的距离与灰度差异进行设定,路面空鼓缺陷区域内部因表面高度不同自身就存在一定的灰度差异,因此仅通过距离和灰度差异进行聚类无法得到较好的效果。本发明根据像素点的缺陷表现来构建综合特征值作为聚类和迭代条件,且同一缺陷区域内可能会存在差异接近迭代阈值即合并分裂阈值的像素点,这种像素点在迭代过程中很。

34、说明书5/14 页9CN 117557569 A9可能会多次进行合并与分裂,可以根据类簇在合并前后的变化自适应地调整分裂阈值,以达到整体调控迭代阈值的效果。0026(1)获取路面灰度图像中每个像素点的局部缺陷值。0027由于正常路面平整且光滑,则正常路面在路面灰度图像中对应区域的灰度分布较为均匀;当道路出现空鼓缺陷时,缺陷位置的表面高度参差不齐,不同位置对光线的反射效果不同,导致空鼓缺陷位置在路面灰度图像中对应区域的灰度分布较为混乱,根据像素点周围像素灰度分布特点构建像素点的局部缺陷值。0028优选地,局部缺陷值的具体获取方法为:将分析像素点的预设窗口内除分析像素点外其余任意一个像素点作为窗口。

35、像素点,将分析像素点与窗口像素点的灰度值之间的差值绝对值作为窗口像素点的灰度差异值,将分析像素点对应的所有窗口像素点的灰度差异值的均值作为分析像素点的综合差异值;由分析像素点的预设窗口内每行中像素点的灰度值构成灰度序列;对于每个灰度序列,选取灰度序列中任意一个灰度值作为分析灰度值,当分析灰度值均小于或者大于其相邻的前一个灰度值、后一个灰度值时,将分析灰度值作为目标灰度值;将分析像素点对应的所有灰度序列中目标灰度值的总数量作为分析像素点的变化值;结合分析像素点的预设窗口内像素点的灰度值的极差、综合差异值与变化值,获取分析像素点的局部缺陷值;极差、综合差异值与变化值均与局部缺陷值为正相关的关系。0。

36、029本发明实施例中,像素点的预设窗口的尺寸取经验值,像素点位于其预设窗口的中心位置,实施者可根据具体情况自行设置。0030需要说明的是,由于分析像素点的预设窗口的尺寸为,将分析像素点的预设窗口内每行中像素点的灰度值从左到右顺序排列得到灰度序列,分析像素点对应5个灰度序列,且灰度序列中元素为灰度值。每个灰度序列中第一个灰度值与最后一个灰度值不可能为目标灰度值,灰度序列中目标灰度值的数量越多时,说明分析像素点的预设窗口内该行中像素点的灰度值的增减方向发生变化的次数越多,该行像素点的灰度值越不稳定。在本发明其他实施例中,也可以将像素点的预设窗口内每列中像素点的灰度值从上到下顺序排列得到灰度序列。0。

37、031分析像素点的局部缺陷值的计算公式如下:式中,为分析像素点的局部缺陷值;H为分析像素点的灰度值;为分析像素点的预设窗口内除分析像素点外其余第i个像素点的灰度值;I为分析像素点的预设窗口内像素点的总数量;为分析像素点的预设窗口内像素点的灰度值的最大值;为分析像素点的预设窗口内像素点的灰度值的最小值;为分析像素点的预设窗口内像素点的灰度值的极差;G为分析像素点的变化值;为分析像素点的预设窗口内除分析像素点外其余第i个像素点的灰度差异值;为分析像素点的综合差异值;Norm为归一化函数;为绝对值函数。0032本实施例中通过分析像素点与其预设窗口内像素点的灰度差异衡量分析像素点说明书6/14 页10。

38、CN 117557569 A10的预设窗口内灰度变化程度,当越大时,说明分析像素点的预设窗口内像素点的灰度变化程度越大,分析像素点位于空鼓缺陷区域的可能性越大,则局部缺陷值越大。当越大时,说明分析像素点的预设窗口内像素点的灰度值差异越大,分析像素点位于空鼓缺陷区域的可能性越大,则局部缺陷值越大。当G越大时,说明分析像素点的预设窗口内像素点的灰度值的增减方向发生变化的次数越多,分析像素点的预设窗口内像素的灰度值越不稳定,像素点位于空鼓缺陷区域的可能性越大,则局部缺陷值越大。0033(2)获取路面灰度图像中每个像素点的整体缺陷值。0034已知空鼓缺陷区域与正常道路区域的灰度分布存在较大差异,由于空。

39、鼓缺陷区域一般面积较小,正常路面区域占据整张图像的大部分面积,则路面灰度图像的整体表现趋于正常区域,因此,空鼓缺陷区域与整张图像的灰度分布存在较大差异,据此获取像素点的整体特征值。0035优选地,整体缺陷值的具体获取方法为:计算分析像素点的预设窗口内所有像素点的灰度值的均值作为分析像素点的灰度局部均值;获取路面灰度图像中所有像素点的灰度值的均值作为灰度整体均值;将灰度局部均值与灰度整体均值的差值绝对值作为分析像素点的综合均差值;计算分析像素点的预设窗口内像素点的灰度值的信息熵作为分析像素点的局部混乱度;获取路面灰度图像中所有像素点的灰度值的信息熵作为整体混乱度;将局部混乱度与整体混乱度的差值绝。

40、对值作为分析像素点的综合混乱差值;将分析像素点的预设窗口内像素点的梯度角度的众数作为分析像素点的梯度特征角度;选取分析像素点的预设窗口内任意一个像素点作为待测像素点,将待测像素点的梯度角度与梯度特征角度之间的差值绝对值,作为待测像素点的初始光照差,将分析像素点的预设窗口内所有像素点的初始光照差异度的均值作为分析像素点的综合光照差;结合综合均差值、综合混乱差值与综合光照差获取分析像素点的整体缺陷值;综合均差值、综合混乱差值与综合光照差均与整体缺陷值为正相关的关系。0036其中,信息熵的计算方法为本领域技术人员公知技术,在此不再赘述。0037需要说明的是,由于路面灰度图像中大部分区域受到光照的方向。

41、相同,则将分析像素点的预设窗口内像素点的梯度角度的众数作为分析像素点的梯度特征角度。0038分析像素点的整体缺陷值的计算公式如下:式中,为分析像素点的整体缺陷值;为分析像素点的灰度局部均值;为灰度整体均值;为分析像素点的综合均差值;为分析像素点的局部混乱度,为整体混乱度;为分析像素点的综合混乱差值;I为分析像素点的预设窗口内像素点的总数量;为分析像素点的预设窗口内第i个像素点的梯度角度;为分析像素点的梯度特征角度;为分析像素点的初始光照差;为分析像素点的综合光照差;Norm为归一化函数;为绝对值函数。说明书7/14 页11CN 117557569 A110039已知空鼓缺陷区域与整张图像的灰度。

42、分布存在较大差异,空鼓缺陷区域的灰度分布较为混乱,整张图像的灰度分布较为均匀。当越大时,说明分析像素点处于空鼓缺陷区域的可能性越大,则整体缺陷值越大。由于空鼓缺陷位置的表面高度参差不齐,导致空鼓缺陷中不同位置的光照发生改变,其在图像中对应区域内灰度分布较为混乱,局部混乱度DA较大;路面灰度图像的灰度分布较为均匀,整体混乱度DB较小,当越大时,分析像素点位于空鼓缺陷区域的可能性越大,则整体缺陷值越大。0040由于路面灰度图像中大部分区域受到光照的方向相同,而空鼓缺陷区域的表面高度参差不齐,导致空鼓缺陷区域中不同位置受到光照的方向发生改变,本发明通过像素点的梯度方向反映像素点处的光照方向。反映像素。

43、点的预设窗口内像素点的梯度方向与光照方向之间的差异,当越大时,说明分析像素点与其周围像素点的光照越不均匀,越大,像素点位于空鼓缺陷区域的可能性越大,则整体缺陷值越大。0041(3)获取路面灰度图像中每个像素点的综合缺陷值。0042将分析像素点的局部缺陷值与整体缺陷值的乘积作为分析像素点的综合缺陷值,当综合缺陷值越大时,说明分析像素点位于空鼓缺陷位置的可能性越大。0043需要说明的是,由于分析像素点为路面灰度图像中任意一个像素点,则根据分析像素点的综合缺陷值的获计算方法,获取路面灰度图像中所有像素点的综合缺陷值。0044步骤S3:在路面灰度图像中获取至少两个初始聚类中心,根据路面灰度图像中每个像。

44、素点与初始聚类中心之间的距离以及所述综合缺陷值之间的差异,对路面灰度图像中像素点进行划分得到初始聚类簇。0045本发明选用迭代自组织聚类算法对路面灰度图像中的像素点进行聚类,基于综合缺陷值设定初始聚类条件,以获取初始聚类结果即初始聚类簇。由于本发明主要针对迭代过程中的迭代条件进行自适应优化调整,为了保证初始聚类簇的分布足够均匀,使用等距离选取的方式确定初始聚类中心的位置,具体方法如下:将路面灰度图像均匀划分尺寸相同的若干个正方形区域,若本发明实施例中路面灰度图像的长宽比为,则将路面灰度图像在长、宽上分别等距离划分为8个部分和6个部分,得到48个尺寸相同的正方形区域,将每个正方形区域的中心位置的。

45、像素点作为初始聚类中心。0046其中,迭代自组织聚类算法为本领域技术人员公知技术,在此不再赘述。0047在常规的迭代自组织聚类算法中首先按最近邻规则将路面灰度图像中像素点划分到初始聚类中心所在的聚类簇中,之后根据设定条件对这些聚类簇进行合并与分裂操作;本发明在基于距离对路面灰度图像中像素点进行划分的基准上,添加综合缺陷值进行分析,获取初始聚类簇,避免了空鼓缺陷区域内部像素的灰度差异聚类的影响,并增强像素点的缺陷特征表现,有效提升聚类的准确性,同时减少了可能出现的局部最优的情况。0048优选地,初始聚类簇的划分方法为:计算分析像素点分别与每个初始聚类中心之间的欧式距离,将最小的第一预设数量个欧式。

46、距离对应的初始聚类中心作为分析像素点的关联聚类中心;将分析像素点与每个关联聚类中心的局部缺陷值之间的差值绝对值作为分说明书8/14 页12CN 117557569 A12析像素点与每个关联聚类中心的局部关联差异;将分析像素点与每个关联聚类中心的整体缺陷值之间的差值绝对值作为分析像素点与每个关联聚类中心的整体关联差异;结合分析像素点与每个初始聚类中心之间的欧式距离、局部关联差异与整体关联差异,获取分析像素点与每个初始聚类中心之间的关联度;分析像素点与每个初始聚类中心之间的欧式距离、局部关联差异与整体关联差异均与关联度为负相关的关系;将分析像素点划分到最大的关联度对应的关联聚类中心所在的聚类簇中;。

47、遍历路面灰度图像中所有像素点进行聚类簇的划分,将初始聚类中心所在的聚类簇作为初始聚类簇。0049本发明实施例中第一预设数量取经验值4,实施者可根据具体情况自行设置。需要说明的是,将分析像素点分别与每个初始聚类中心之间的欧式距离从小到大顺序排列,选取前4个欧式距离对应的初始聚类中心作为分析像素点的关联聚类中心。仅考虑分像素点与其关联聚类中心的特征之间的关联程度,有效减少计算量。0050分析像素点与其关联聚类中心之间的相关度的计算公式如下:式中,为分析像素点与其第r个关联聚类中心之间的关联度;为分析像素点与其第r个关联聚类中心之间的欧式距离;为分析像素点的局部缺陷值;为分析像素点的第r个关联聚类中。

48、心的局部缺陷值;为分析像素点与其第r个关联聚类中心的局部关联差异;为分析像素点的整体缺陷值,为分析像素点的第r个关联聚类中心的整体缺陷值;为分析像素点与其第r个关联聚类中心的整体关联差异;a为预设正数,取经验值0.01,作用为防止分母为零导致分式无意义;为绝对值函数。0051当越大时,说明分析像素点与其第r个关联聚类中心之间的距离越远,则分析像素点与其第r个关联聚类中心之间的相关性越小,关联度越大。与依次从像素点的局部范围内、整张图像范围内呈现分析像素点与其第r个关联聚类中心的局部范围内呈现空鼓缺陷程度之间的差异程度,当与均越大时,说明分析像素点与其第r个关联聚类中心呈现空鼓缺陷程度之间的差异。

49、程度越大,两个像素点之间的相关程度越小,则关联度越大。0052计算分析像素点分别与其4个关联聚类中心之间的相关度,将分析像素点划分到最大的相关度对应的关联聚类中心所在的聚类簇中。根据分析像素点的划分方法,将路面灰度图像中所有像素点均进行划分,遍历路面灰度图像中所有像素点,直至图像中所有像素点均划分完成,将初始聚类中心所在的聚类簇作为初始聚类簇。0053步骤S4:利用迭代自组织聚类算法对初始聚类簇进行迭代聚类获取最终聚类簇,对迭代自组织聚类算法中的分裂条件进行改进,获取优化分裂条件;所述优化分裂条件的获取过程包括:根据每次迭代的聚类簇内像素点的所述综合缺陷值,以及所述聚类簇内像素点与其聚类中心之。

50、间的距离对预设分裂阈值进行调整,获取优化分裂条件。0054将路面灰度图像中像素点初步划分得到初始聚类簇后,迭代自组织聚类算法会基于合并条件对聚类簇进行合并操作,将距离较近、相似度较高的类簇合并为一个类簇,之后说明书9/14 页13CN 117557569 A13便会对类簇进行分裂操作。在常规的迭代自组织聚类算法中的分裂条件是基于类簇中像素点数量、内部像素灰度值方差进行设定,而仅有这些特征显然不适用于检测空鼓缺陷的聚类过程。本发明利用获取的像素点的综合缺陷值与类簇间的整体缺陷的差异获取优化分裂条件,以判断聚类簇是否需要分裂。0055利用迭代自组织聚类算法对路面灰度图像中像素点进行迭代聚类,获取最。

展开阅读全文
内容关键字: 道路 路面 施工 质量 检测 方法 系统
关于本文
本文标题:道路路面施工质量检测方法及系统.pdf
链接地址:https://www.zhuanlichaxun.net/pdf/14521885.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

copyright@ 2017-2018 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备2021068784号-1