基于圖像處理的無參考物坑洞測量方法研究

曹建秋，蘭全祥，王丹妹

(重慶交通大學 信息科學與工程學院，重慶 400074)

?

基于圖像處理的無參考物坑洞測量方法研究

曹建秋，蘭全祥，王丹妹

(重慶交通大學 信息科學與工程學院，重慶 400074)

對路面坑洞測量方法進行了研究，提出一種無參考物測量方法。利用安卓設備對坑洞進行圖像采集并用其方向和重力感應參數對圖像進行預處理和矯正，然后建立了坑洞測量的數學模型并給出計算公式，最后對測量方法進行了誤差分析。實驗結果表明，該方法測量準確，誤差在可接受范圍內。與傳統測量方法相比，該方法有效地解決了依賴參考物測量的問題，對環境依賴性低，提高了信息采集的便捷性。

道路工程；圖像處理；坑洞測量；參考物；便捷；安卓

0 引 言

測量方法是人們認識自然界的一種手段，按測量手段和獲得測量結果的方法不同進行分類，主要有直接測量、間接測量和組合測量三種測量方法。隨著時代的發展，測量方法在越來越多的領域被廣泛地應用，然而傳統的測量方法雖然測量工具簡單、操作便捷、準確度高，但很容易形成人工測量誤差，在某些環境下無法直接測量，測量結果精確度低等問題，因此為了提高工作效率，降低人工測量誤差，測量方法逐漸轉變為基于圖像處理的測量方法，如利用數字圖像處理技術測量幾何尺寸[1]。

基于圖像處理的測量方法是將圖像處理技術與工程測量相結合從而識別出圖像中物體的實際尺寸，其原理都是選定既定的參照物或者對測量系統進行標定之后再進行測量識別，前者主要適用于參照物和待測物體同時被采集至待識別圖像的情況，而后者主要用于既定環境下，固定測量距離且測量系統不改變的情況，特別是小尺寸、高精度的測量。因此基于圖像處理的測量方法被廣泛應用于小型工業零件測量[2-3]、農產品測量[4]等其他工程領域，但參考物的選取和放置，測量過程的便捷性和靈活性等諸多問題依然亟需解決。

在利用圖像處理技術進行測量的過程中，更希望能避免考慮參考物選取和放置的問題，能打破利用測量系統進行測量時存在的諸多限制，從而便捷、靈活、高效地進行測量。特別是在道路養護的路況信息采集過程中，工作人員希望利用圖像處理技術將圖像和路況信息同時采集并識別出路面情況(如基于圖像處理的路面裂縫識別、基于圖像處理的交通信息采集等[5-6])，但是卻不愿過多地考慮參考標尺該如何放置，也不可能利用測量系統進行信息采集。所以如何在以往的基于圖像處理測量方法的基礎上，打破參考物的限制，提高測量靈活性與便捷性將會成為基于圖像處理測量方法的一個研究重點。

1 測量方法與步驟

隨著手機移動設備和移動應用的發展，Android發展前景廣闊，并正逐步改變整個移動互聯網，因此將移動應用與工程測量相結合將成為未來的一個發展趨勢，筆者測量方法就是以安卓軟硬件特性為基礎。Android設備不僅包含攝像頭采集設備，一般情況下還擁有一些其他的傳感器，包括地磁和方向傳感器、光和溫度傳感器等[7]。Android軟件開發包(Software Development Kit,SDK)提供了各種應用程序編程接口(API)來訪問手機上的底層硬件特性，并且可以通過SensorManager對象(android.hardware. SensorManager)來訪問設備傳感器，SensorManager對象監聽來自傳感器的數據，可以通過getSystemService()方法來獲取其實例：

SensorManager sensors = (SensorManager)

getSystemService(Contexe.SENSOR_SERVICE)。

文中測量方法將利用采集到的多組坑洞圖像對待測坑洞進行建模，再通過以上技術讀取拍攝測量時的重力感應及方向感應設備參數，并對坑洞圖像進行標定和測算，從而實現對路面坑洞的測量。該測量方法的具體實施步驟如圖1。

圖1 基于圖像處理的坑洞測量實施步驟

首先利用安卓設備對路面坑洞圖像進行兩次采集(分別對坑洞附近兩點進行采集)，采集過程中需要設定拍攝高度，保存安卓感應設備參數等數據。然后對采集到的圖像進行預處理和矯正，預處理過程包括圖像的灰度化、邊緣提取、幾何校正以及將兩次采集的圖像進行配準、拼接和融合。最后對融合之后的坑洞圖像進行標定和測算，從而實現對路面坑洞的測量。

2 圖像預處理與矯正

2.1 圖像采集

2.1.1 拍攝高度設定

在拍攝測量之前應設置好手機攝像頭距地面的高度h，并將其作為測算路面坑洞實際尺寸的基本參數。

2.1.2 拍攝步驟

利用Android設備對坑洞進行測量需要對坑洞信息進行拍攝采集，其具體實施步驟如下：

1)保持拍攝時手機攝像頭距離地面的高度為h；

2)將攝像頭拍攝中心對準坑洞任意一點A進行拍攝，保存當前圖像為圖像a，并讀取方向感應設備參數αA以及當前重力感應設備傾角βA；

3)保持拍攝位置不變，對坑洞另外任意一點B進行拍攝，保存當前圖像為圖像b，并讀取方向感應設備參數αB以及當前重力感應設備傾角βB。

2.2 圖像預處理

2.2.1 灰度化

由于采集的圖像在后續的處理過程中不需要對彩色圖像的RGB，3個分量都進行處理，同時為了減小圖像原始數據量，便于后續處理與計算，因此對所采集到的圖像進行灰度化處理。

根據HSI模型，I分量表示的亮度足夠包含了灰度圖像的所有信息，因此利用I分量完全能夠表示出一幅灰度圖像，具體轉換函數表達式如下：

(1)

式中：記號?x」表示不超過x的最大整數；i=0,1，…，M-1，j=0,1，…，N-1(M，N分別為該圖像的寬和高)。

求出I值后，將輸出圖像的R，G，B分量值都賦值為I即可[8]。

2.2.2 邊緣提取

為更好地測算出圖像中坑洞的周向尺寸以及面積，減少后續計算量，降低測算復雜度，在圖像預處理中，筆者將對圖像中坑洞的邊緣進行提取。

隨著圖像處理技術的不斷發展，圖像邊緣提取的辦法越來越多，其中典型的算法有Robert，Sobel，Prewit和Kirsh算法。但是就路面坑洞圖像而言，坑洞圖像的邊緣檢測較為復雜，利用這些邊緣檢測算法雖然計算量小，但噪聲影響卻很大，邊緣檢測效果不是非常令人滿意，故筆者擬采用基于小波變換的自適應閥值對圖像進行初步的邊緣檢測。小波變換在時域和頻域都具有很好的局部性，并且小波基具有Fourier基的光滑性好和Haar基的局部性佳的優點[9]。

為讓坑洞的邊緣更明顯，使邊界向內部收縮，將孤立點或者小于結構元素的邊緣去除，可以用過對坑洞的邊緣圖像進行腐蝕來實現。

若區域A被結構元素B腐蝕，可表示為：

E(A)=A?B={a|Ba?A}={a|B+a?A}

(2)

結構元素的大小將影響坑洞邊緣圖像最后的腐蝕結果，結構元素較大時，一些較細的線條和小區域將被完全腐蝕掉，所以在使用形態學腐蝕對邊緣進行處理時需根據具體情況確定結構元素的大小。

2.3 圖像矯正

2.3.1 幾何校正

利用安卓設備所采集的坑洞圖像使用的圖像系統是非矩形的像素坐標，當使用普通的顯示設備對這些圖像進行處理的時候將會出現很大的誤差。因此，這些存在幾何變形的圖像都需要先進行幾何校正，也就是說將其轉換為矩形像素坐標，然后才能準備地對其內容做出解釋，即使坑洞的位置準確地在邊緣圖像中展現出來[10]。

為使坑洞尺寸能夠不失真地在圖像上展現出來，保障后續測算的準確性，筆者將對坑洞圖像進行幾何校正，其具體步驟如圖2。

圖2 坑洞圖像幾何校正流程

坑洞圖像進行矩形像素坐標變換之后的效果如圖3。

圖3 坑洞邊緣圖像校正后效果

2.3.2 拼接融合

圖像a，b分別是對坑洞附近的A，B兩點進行采集所得到的坑洞圖像。為了對坑洞進行測算，首先應將A，B兩點融合在一張圖像中(即將圖像a，b進行配準[11-12]、拼接和融合)(圖4)，然后基于融合之后的圖像c進行標定和測算。

圖4 坑洞圖像拼接融合效果

3 測量原理與實現

3.1 模型建立

由于在測量過程中很難將測量限制于二維平面中，同時計算機視覺領域中，基于圖像的三維測量方法是人們研究的熱點，從二維測量到三維測量成為了必然趨勢，因此筆者將對上述方法進行三維建模測量。

以拍攝所在位置為原點，即拍攝點P(0,0,h)在原點正上方且位于z軸上，以拍攝過程中正北方向為x軸，建立三維數學模型，并利用三維坐標將A,B兩點表示在三維坐標系中，如圖5。

圖5 三維測量模型

由空間向量夾角公式可得：

(3)

(4)

(5)

(6)

由空間兩點距離公式：

(7)

解得：

dAB=

(8)

3.2 圖像標定與測算

一般情況下，AB的實際尺寸并非路面坑洞的周向尺寸，因此只能用AB實際尺寸以及所占像素個數對坑洞圖像進行標定[13]，如圖6。

圖6 對坑洞圖像進行標定

由式(8)可計算出圖像中AB長度dAB(單位：m)。若對坑洞圖像中AB以及坑洞所占像素點個數進行分析統計，AB在圖像中所占像素個數為n(以像素個數為單位)，坑洞在圖像中的所占像素個數為N，則圖像中每個像素代表的實際長度為dAB/n，待測坑洞的面積S為：

(9)

4 實驗結果與分析

4.1 誤差來源與分析

根據式(9)可知，坑洞面積的測算結果由選定的A，B兩點距離dAB，AB所占像素個數為n以及坑洞在圖像中的所占像素個數為N決定，因此誤差可能來源于計算式(8)中各個參數的測量誤差以及對圖像像素個數的統計誤差。為進一步研究文中測量方法的準確性，筆者將不考慮對圖像像素分析和統計的誤差，只對式(8)中dAB各參數的測量誤差進行分析，并將其測量結果將作為評價本辦法可用性和準確性的標準。

由誤差的定義，若x*為準確值x的一個近似值，則稱x-x*為近似值x*的絕對誤差，用e*(x)表示，即e*(x)=x-x*，故：

cos(αA+ΔαA+αB+ΔαB)]1/2

使用MATLAB作圖，當βA，βB取值為[-π/2,π/2]時，絕對誤差的三維圖像如圖7。

圖7 三維坐標系中的絕對誤差

圖8 絕對誤差大小分布

綜上所述，排除對坑洞圖像的分析統計誤差，筆者測量方法的誤差主要來源于測量過程中拍攝高度h，兩次拍攝讀取的重力感應傾角βA，βB和方向感應夾角αA，αB。若拍攝過程中，拍攝高度為1 m且重力感應傾角在45°左右時，絕對誤差將小于0.05 m；重力感應傾角不超過75°時，絕對誤差將小于0.1 m。因此筆者的測量方法應用在道路養護上是可行的，誤差在可接受范圍內。

4.2 實驗結果與結論

筆者對不同尺寸的坑洞樣本進行實際測量和識別，并將測算結果與直接測量結果相比較。實驗數據如表1。

表1 不同樣本測量參數及估算

表1是對部分坑洞樣本進行測量，測量過程中采用不同的拍攝高度以排除拍攝高度參數設定的特殊性，方向感應角度規定正北方為0°。由于路面坑洞的實際尺寸的精確值很難得到，故筆者將采用直接測量所得結果與表1測量結果進行比較上述樣本對比結果見表2。

表2 與直接測量結果相比較

從表2的實驗數據可見，利用文中測量方法與直接測量方法相比較，測量結果準確率高，達到了90%以上。從實驗數據上來看，本文測量方法應用于道路養護，對路面坑洞測量是完全可行的，其測量誤差在可接受范圍內。

5 結 語

筆者所提出的基于圖像處理的無參考物路面坑洞實際尺寸測量方法與既有的基于參考物的測量法方法、基于測量系統的測量方法相比，該方法在測量過程中不需要放置參考標尺或者參考物，對于測量環境依賴性低，很大程度上簡化了工程測量復雜度，增加了道路養護的便捷性。該測量方法能夠對道路坑洞的圖像以及數據信息進行同時采集，適用于各種平坦道路路面坑洞尺寸的測量，但對斜坡道路上的坑洞測量誤差較大。經實驗驗證，該測量方法測量準確度高，測量誤差在可接受范圍內。如何選取拍攝位置以及更加精確地確定拍攝高度是下一步研究重點。

[1] 張少軍,艾矯健,李忠富,等.利用數字圖像處理技術測量幾何尺寸[J].北京科技大學學報,2002,24(3):284-287. Zhang Shaojun,Ai Jiaojian,Li Zhongfu,et al.Size measurement with digital image processing technology [J].Journal of University of Science and Technology Beijing,2002,24(3):284-287.

[2] 祁曉玲,趙霞霞,靳伍銀.基于機器視覺的軸類零件幾何尺寸測量[J].組合機床與自動化加工技術,2013(1):65-67. Qi Xiaoling,Zhao Xiaxia,Jin Wuyin.Geometric dimensions measurement for shaft based on machine vision [J].Modular Machine Tool & Automatic Manufacturing Technique,2013(1):65-67.

[3] 尚小燕,姜旭,武繼安.基于圖像處理的軸類零件尺寸測量技術研究[J].工具技術,2012,46(3):85-87. Shang Xiaoyan,Jiang Xu,Wu Ji’an.Research on size measurement of shaft parts based on image processing [J].Tool Engineering,2012,46(3):85-87.

[4] 紀平,王俊,陳鶴碧.基于圖像的番茄識別與幾何尺寸測量[J].安徽農業科學,2012,40(33):16426-16428. Ji Ping,Wang Jun,Chen Hebi.The tomato identification and geometric size measurement based on image [J].Anhui Agricultural Sciences,2012,40 (33):16426-16428.

[5] 孫波成,邱延峻.基于圖像處理的路面裂縫識別研究[J].重慶交通大學學報：自然科學版,2008，27(1):61-64. Sun Bocheng,Qiu Yanjun.Pavement cracks identification using image Technology [J].Journal of Chongqing Jiaotong University:Natural Science,2008,27(1):61-64.

[6] 高建平,張小東,蔣銳.基于圖像處理的交通信息采集[J].重慶交通學院學報,2006,25(1):103-106. Gao Jianping,Zhang Xiaodong,Jiang Rui.Traffic information collection method based on image manipulation [J].Journal of Chongqing Jiaotong University,2006,25(1):103-106.

[7] Lauren D,Shane C.Android Wireless Application Development Volume II:Advanced Topics [M].3rdEd.New Jersey,U.S.:Addison-Wesley Educational Publishers Inc.,2012.

[8] 孫燮華.數字圖象處理——原理與算法[M].北京:北京大學出版社,2012. Sun Xiehua.Digital Image Processing:Principles and Algorithms [M].Beijing:Peking University Press,2012.

[9] 宋文龍,閔昆龍,邢奕,等.基于小波變換的自適應閥值植物根系圖像邊緣檢測[J].北京科技大學學報,2012,34(8):966-970. Song Wenlong,Min Kunlong,Xing Yi,et al.Roots image edge detection based on adaptive thresholds and wavelet transforms[J].Journal of University of Science and Technology Beijing,2012,34(8):966-970.

[10] 李云海,屈海濤.數字圖象處理[M].北京:機械工業出版社,2010. Li Yunhai,Qu Haitao.Digital Image Processing [M].Beijing:Mechanical Industry Press,2010.

[11] 王華,叢建亭,侯相深,等.畸變圖像的有效配準算法[J].哈爾濱工業大學學報,2010,42(4):597-601.

Wang Hua,Cong Jianting,Hou Xiangshen,et al.Effective matching algorithm of distorted images [J].Journal of Harbin Institute of Technology,2010,42(4):597-601.

[12] 趙萌萌,曹建秋.基于邊緣角點的SIFT圖像配準算法[J].重慶交通大學學報:自然科學版,2013,32(4):721-724. Zhao Mengmeng,Cao Jianqiu.Image registration algorithm of SIFT based on edge and corner point [J].Journal of Chongqing Jiaotong University:Natural Science,2013,32(4):721-724.

[13] 吳新杰,王苗苗,黃國興.基于粒子濾波和機器視覺的圓形零件尺寸測量[J].機械設計與制造,2012 (11):49-51. Wu Xinjie,Wang Miaomiao,Huang Guoxing.Measurement for sizes of circular parts based on particle filter and machine vision [J].Machinery Design & Manufacture,2012(11):49-51.

Potholes Measurement Method Based on Image Processing Without Reference Material

Cao Jianqiu, Lan Quanxiang, Wang Danmei

(College of Information Science & Engineering, Chongqing Jiaotong University, Chongqing 400074, China)

A potholes measurement method without reference materials was proposed by researching the existing measuring methods. Firstly, the pothole images were photographed by using the Android devices, and then the direction and gravity parameters of it were utilized to pre-process and correct pothole images. Secondly, mathematical models to measure potholes were established and the formulas were calculated. Finally, the errors of the proposed method were analyzed. Experimental results show that the presented method can achieve high accuracy of measurement and its error is acceptable. Compared with the traditional measurement methods, the problem for relying on reference materials is solved, and it has low dependence on the environment; the more important thing is that the convenience of information collection is improved obviously.

road engineering; image processing; potholes measurement; reference material; convenient; Android

10.3969/j.issn.1674-0696.2015.04.10

2014-06-13；

2014-07-16

重慶市科委攻關項目(CSTC 2011AC6102 ); 重慶高校創新團隊建議計劃項目(KJTD201306)

曹建秋(1967—)，男，湖南益陽人，教授，主要從事數字圖像處理、計算機控制、計算機網絡方面的研究。E-mail：caojq86@cqjtu.edu.cn。

蘭全祥(1990—)，男，四川攀枝花人，碩士，主要從事圖像處理方面的研究。E-mail：15123213773@qq.com。

TP391.41；U416.2

A

1674-0696(2015)04-057-05