一种基于图像识别的高速公路波形板变形检测方法与流程

本发明涉及图像处理和计算机视觉，具体是一种基于图像识别的高速公路波形板变形检测方法。

背景技术：

1、为了保障高速公路安全，交通部门要求运营管理部门每日都要对高速公路进行巡检，以及时发现路面裂缝、坑槽、龟裂，路侧交通标志牌遮挡、波形板变形等病害、故障和隐患。为提高巡检效率，现在通常采用半自动或全自动的方式。通过在巡检车辆上架设相机和传感器，采集图片和数据，再用人工或者自动化方法对采集到的数据进行分析识别，发现病害、故障和隐患。基于图像处理、计算机视觉、人工智能技术的全自动化识别方法是未来的发展趋势。

2、波形板变形是高速公路运营管理部门很关心的一种病害。但目前尚没有一种可及时高效的识别波形板变形的方法。

技术实现思路

1、针对现有技术存在的问题，本发明提供了一种基于图像识别的高速公路波形板变形检测方法,可及时高效的识别高速公路波形板变形病害。

2、为实现上述发明目的，本发明的技术方案如下：

3、一种基于图像识别的高速公路波形板变形检测方法，包含以下步骤：

4、步骤一、使用深度神经网络对待检测图片进行图像分割，提取波形板区域，得到二值图：

5、具体可以采用unet、deeplab、deeplabv2、deeplabv3、deeplabv3+、pspnet、upernet、hrnet、segformer、segmenter、maskformer、mask2former中的任意一种网络手段实现图像分割；二值图是图像分割的结果，是与待检测图片等大的图片，非波形板区域像素值等于0，波形板区域像素值等于1。

6、步骤二、标记二值图中的波形板轮廓，具体可按如下方式进行：

7、标记二值图中所有的值等于1的连通域，每个连通域对应一个波形板区域；

8、标记每个连通域的轮廓，得到的波形板的轮廓，轮廓是一组点的集合。

9、步骤三、对每个波形板轮廓执行以下操作，判断波形板是否存在变形：

10、首先，计算波形板轮廓上距离最远的两个端点，包括：

11、计算每个波形板的轮廓的凸包，凸包是一组点的集合；

12、计算凸包中任意两个点之间的距离；

13、计算所有距离的最大值，标记距离最大值的凸包上的两个点，这两个点就是波形板轮廓上距离最远的两个端点。

14、其次，计算波形板轮廓上每个点的转向角，包括：

15、设定平滑距离阈值；

16、对波形板轮廓上每个点，按如下方法计算转向角：

17、沿着轮廓逆时针向前找到第一个与当前点距离大于平滑距离阈值的点，记为当前点的前向点，沿着轮廓顺时针向后找到第一个与当前点距离大于平滑距离阈值的点，记为当前点的后向点，计算前向点减去当前点得到的前向向量，计算当前点减去后向点得到的后向向量，计算前向向量和后向向量的夹角，得到当前点的转向角。

18、再次，选取波形板轮廓上的转向敏感点，具体包括：

19、设定角度阈值；

20、对波形板轮廓上的每一个点，如果当前点的转向角大于等于阈值，将其作为转向敏感点。

21、最后，根据波形板轮廓上的转向敏感点在波形板轮廓和图片上的位置判断波形板是否存在变形，具体操作是：

22、设定端点距离阈值和边缘距离阈值；

23、对波形板轮廓上每一个转向敏感点，如果它与对应轮廓上距离最远的两个端点的距离都大于等于端点距离阈值，并且与图片上、下、左、右边界的距离都大于等于边缘距离阈值，则将其标记为变形敏感点；

24、如果存在变形敏感点，则判定波形板存在变形。

25、本发明的有益效果：

26、本发明借助基于深度学习的图像分割技术，能够找到图片中波形板的区域。正常的波形板形态是光滑平整的，没有明显的局部变形突变。在确定波形板区域后，提取区域边缘，计算边缘的转向角，如果轮廓边缘上存在转向角较大的点，结合其在轮廓和图片中的位置，即可判断波形板是否变形。本发明可快速高效地识别高速公路的波形板变形病害，极具应用前景。

技术特征：

1.一种基于图像识别的高速公路波形板变形检测方法，其特征在于：

2.根据权利要求1所述的一种基于图像识别的高速公路波形板变形检测方法，其特征在于：所述的使用深度神经网络对图片进行图像分割，提取波形板区域，得到二值图，具体为可采用unet、deeplab、deeplabv2、deeplabv3、deeplabv3+、pspnet、upernet、hrnet、segformer、segmenter、maskformer、mask2former中的任意一种网络实现图像分割；二值图是图像分割的结果，是与待检测图片等大的图片，非波形板区域像素值等于0，波形板区域像素值等于1。

3.根据权利要求1所述的一种基于图像识别的高速公路波形板变形检测方法，其特征在于：所述的标记波形板轮廓，包含以下步骤：

4.根据权利要求1所述的一种基于图像识别的高速公路波形板变形检测方法，其特征在于：所述的计算波形板轮廓上距离最远的两个端点，包含以下步骤：

5.根据权利要求1所述的一种基于图像识别的高速公路波形板变形检测方法，其特征在于：所述计算波形板轮廓上每个点的转向角，包含以下步骤：

6.根据权利要求1所述的一种基于图像识别的高速公路波形板变形检测方法，其特征在于：所述选取波形板轮廓上的转向敏感点，具体为：

7.根据权利要求1所述的一种基于图像识别的高速公路波形板变形检测方法，其特征在于：所述根据波形板轮廓上的转向敏感点在波形板轮廓和图片上的位置判断波形板是否存在变形，具体包括以下步骤：

技术总结
本发明公开了一种基于图像识别的高速公路波形板变形检测方法，包括以下步骤：使用深度神经网络对待检测图片进行图像分割，提取波形板区域，得到二值图；标记二值图中的波形板轮廓；计算波形板轮廓上距离最远的两个端点；计算波形板轮廓上每个点的转向角；选取波形板轮廓上的转向敏感点；根据波形板轮廓上的转向敏感点在波形板轮廓和图片上的位置判断波形板是否存在变形。本发明可以快速高效地发现高速公路波形板变形病害。

技术研发人员：梁贞,郑旭平,黄春华,陆程,黎奕枫,梁珊妮,邓泳,陈昊烊,陈森财,何燕
受保护的技术使用者：广西交科集团有限公司
技术研发日：
技术公布日：2024/2/1