基于K值分析的路面坑槽面積自動測量

秦 忠 義

(山西公路局長治公路分局，山西 長治 046011)

?

基于K值分析的路面坑槽面積自動測量

秦 忠 義

(山西公路局長治公路分局，山西 長治 046011)

采用K值分析對路面坑槽面積進行自動計算，通過圖像灰度閾值計算，對坑槽特征進行了提取，同時通過像素點數量計算實現面積測量,結果表明該方法具有較高精度，為同類工程提供參考。

路面檢測，K值分析，坑槽，灰度閾值

0 引言

坑槽類破損是路面常見病害之一，也是評價路面狀況指數(PCI)的重要組成部分，其中評價坑槽對路面性能的衰減作用是通過將坑槽面積來進行衡量的[1-3]。因此，路面坑槽面積進行快速、準確的測量對指導路面的養護、管理及維修具有重要意義[4-6]。

目前采用的人工測量法具有工作量大、精確度低等弊端，與日益增長的公路養護需求不符。因此，國內外諸多學者致力于開發更快、更精確的裂縫檢測系統，并且已經取得了較大進展。日本的Komatsu[7]系統使用攝像機進行數據采集，并使用微處理器進行圖像處理，初步實現了智能坑槽檢測，但該系統只能于夜間工作。美國的阿肯色州大學研制出了一套實時路面坑槽測量系統“數字公路數據車(DHDV)”[8]能夠在較高速度下進行路面裂縫的數據采集、識別與分類，但該系統需要超級計算機的輔助，對硬件的要求很高。Bursanescu[9]采用激光傳感器對路面進行連續掃描，繪制路表三維可視圖,通過對該圖處理分析可獲得坑槽破損信息，雖然圖像不受路面陰影干擾,但缺點是數據量大,對硬件設備要求高。上述方法雖然能進行坑槽面積計算，但是由于識別精度、硬件條件等因素，在工程中未廣泛使用。

因此，本文以K值分析為技術手段，通過采集的道路坑槽圖片來識別道路坑槽面積。通過圖像灰度閾值計算進行坑槽特征提取，同時通過像素點數量計算實現面積測量，實現了坑槽面積的批量自動識別計算。

1 K值分析

1.1 圖像采集

在本研究中,圖像中坑槽面積與實際面積的比例為1∶4，坑槽圖像采集時鏡頭與路面保持垂直，鏡頭到路面的距離固定保持不變，圖像采集設備參數如圖1所示。如圖1所示獲得的圖像尺寸為4096×4096像素點。為便于后續計算和分析，將4096×4096像素點的圖像分割為256張256×256像素點的圖像，后續坑槽面積計算將各部分面積相加即為坑槽面積。

1.2K均值聚類分析

數碼照相機采集到的原始圖像為JPEG格式的RGB圖像，其中包含色彩信息，對于裂縫特征而言，色彩信息不但沒有積極作用還會使圖像內感興趣區域的提取與識別難度增大?？紤]到計算機硬件條件限制，去除了原始圖像的色彩信息并儲存為bmp格式的灰度圖像。

坑槽和平整路面在灰度圖中的灰度值存在顯著差異，利用灰度值差異來進行裂縫特征預提取是可行的。采用MATLAB軟件繪制具有代表性的100張坑槽圖像的灰度分布直方圖，圖2顯示其中五張坑槽圖像的1張灰度分布直方圖。直方圖中均出現兩處明顯波峰Peak1和Peak2。一般認為，以各個波峰作為聚類中心的灰度可作為各組分的灰度范圍[10-14]。100張灰度分布直方圖值進行K均值聚類分析，獲得第一波峰聚類中心平均值為80.59，第二波峰聚類中心平均值為151.81，確定各組分表征形態，給出各組分灰度范圍，坑槽50.05～110.14，路面110.14～250。

1.3 特征提取

對1.2中的灰度圖進行特征提取，目的是保證圖像中僅表現出坑槽形態和尺寸等基本特征，步驟如下：

1)縮減灰度范圍，突出了坑槽形態和形狀等基本要素，其結果見圖3c)；2)輸入灰度范圍50.05～110.14，對圖像進行劃分，其結果見圖3d)；3)坑槽圖像保存。

圖3a)，圖3d)對比可見，該灰度閾值下的組分劃分細節表達清晰，未改變坑槽面積等基本要素，因此可采用該灰度閾值作為批量特征提取的依據。

2 結果與討論

本文采集了山西省境內四條高速公路的坑槽類病害圖像，采集過程保證圖像中坑槽面積與實際面積的比例為1∶4，坑槽圖像采集時鏡頭與路面保持垂直，鏡頭到路面的距離固定保持不變。對采集到的圖像進行K值分析和特征提取，之后依據像素點的數量反算坑槽面積。最后將算法計算結果和實際路面檢測結果進行分析，部分結果如表1所示。結果表明K值分析的誤差率控制在10%以內，完全符合我國公路路面檢測的需求[15]。同時K值分析大幅減少了檢測需要的時間，減少人工測量的主觀性干擾，在未來的自動化檢測中具有較高的運用價值。

表1 K值聚類分析部分結果

3 結語

本文采用K值分析對路面坑槽面積的自動計算。通過圖像灰度閾值計算進行坑槽特征提取，同時通過像素點數量計算實現面積測量，可得出如下結論：

1)實現了自動路面坑槽面積自動測量算法的實現。路面坑槽檢測圖像被作為樣本進行特征處理。通過圖像采集，K值聚類分析和特征提取可以批量進行坑槽長度測量，結果表明K值分析的坑槽面積計算準確率為94.36%，最大長度誤差為10 mm2，基本滿足工程要求。

2)通過灰度處理，圖像中坑槽的形狀、幾何尺寸等重要特征被保留。同時大量無用的信息，如外界陰影、路面紋理等被除去，提高了坑槽面積測量的精度。

3)通過K值聚類分析給出了瀝青路面坑槽提取過程中各組分的灰度參考值，坑槽50.05～110.14，路面110.14～250。

4)本文設計的K值分析僅針對了山西省AC-16的瀝青路面，未來應對不同材料路面進行K值分析，進一步驗證算法的準確性。

[1] 田耀剛,延麗麗,陳長征,等.材料模量對瀝青路面坑槽修補結構力學性能影響分析[J].武漢理工大學學報,2013(11):58-62.

[2] 郝堯生,劉興東.高速公路瀝青路面坑槽病害成因與處治[J].中外公路,2012(3):118-120.

[3] 劉海蘋,楊 揚,董希斌.冷補瀝青混合料在路面坑槽修補中的運用[J].森林工程,2006(2):36-38.

[4] 茅 荃.瀝青混凝土路面坑槽修補技術研究[J].公路,2004(10):158-163.

[5] 康敬東,孫祖望.瀝青混凝土路面坑槽修補機理分析[J].公路,2003(12):112-115.

[6] 申愛琴.路面坑槽形成原因的力學分析[J].西安公路交通大學學報,1995(1):12-15,85.

[7] Toshihiko Fukuhara,Keiji Terada,Makoto Nagao,etc..Automatic Pavement-Distress-Survey System [J].Journal of Transportation Engineering,1990,116(3):280-286.

[8] Wenting Luo,Lin Li,Kelvin.C.P.Wang.Automated pavement horizontal curve measurement methods based on inertial measurement unit and 3D profiling data[J].Journal of Traffic and Transportation Engineering (English Edition),2016,3(2):137-145.

[9] Liviu Bursanescu,Francois Blais.Automated pavement distress data collection and analysis:a 3-D approach[J].Digital Identity Management,1997,13(2):1-11.

[10] Della Bona,.Three-dimensional finite element modelling of all-ceramic restorations based on micro-CT[J].Journal of Dentistry,2013,41(5):412-419.

[11] 王敬貴,亢 慶,鄺高明,等.尖山河小流域土壤可蝕性K值空間變異研究[J].生態環境學報,2014(4):555-560.

[12] 史東梅,陳正發,蔣光毅,等.紫色丘陵區幾種土壤可蝕性K值估算方法的比較[J].北京林業大學學報,2012(1):32-38.

[13] 張金池,李海東,林 杰,等.基于小流域尺度的土壤可蝕性K值空間變異[J].生態學報,2008(5):2199-2206.

[14] 楊善林,李永森,胡笑旋,等.K-MEANS算法中的K值優化問題研究[J].系統工程理論與實踐,2006(2):97-101.

The automatic measurement of pavement pit area based onKvalue analysis

Qin Zhongyi

(ChangzhiHighwayBranch,ShanxiHighwayBureau,Changzhi046011,China)

This paper made automatically calculation to pavement pit area using theKvalue analysis, through the image gray threshold calculation, extracted the pit characteristics, at the same time, through the quantity calculation of pixel points to achieve the area measurement, the results showed that this method had good accuracy, provided reference for similar engineering.

pavement detection,Kvalue analysis, pit, gray threshold

1009-6825(2017)18-0139-02

2017-03-29

秦忠義(1977- )，男，工程師

U416.2

A