基于無人機(jī)遙感圖像的公路路面裂縫識(shí)別技術(shù)研究

摘要：由于傳統(tǒng)公路路面病害檢測(cè)技術(shù)自動(dòng)化水平較低，導(dǎo)致檢測(cè)結(jié)果存在大量漏檢現(xiàn)象。為提高公路路面裂縫的識(shí)別準(zhǔn)確率，對(duì)基于無人機(jī)遙感圖像的公路路面裂縫識(shí)別技術(shù)進(jìn)行研究。利用無人機(jī)遙感技術(shù)采集公路路面裂縫圖像，并對(duì)圖像做增強(qiáng)和去噪處理，提升遙感圖像質(zhì)量。通過提取遙感圖像的投影特征，并根據(jù)不同特征值，識(shí)別出不同類型的公路路面裂縫。實(shí)驗(yàn)結(jié)果表明，利用無人機(jī)遙感圖像方法識(shí)別不同類型的公路路面裂縫時(shí)，平均正確率達(dá)到95.38%。本方法識(shí)別精度較高，可以減少漏檢現(xiàn)象的發(fā)生，有利于實(shí)際應(yīng)用。

關(guān)鍵詞：無人機(jī)；遙感圖像；裂縫識(shí)別；識(shí)別精度

0" "引言

公路建設(shè)項(xiàng)目不僅是我國(guó)社會(huì)經(jīng)濟(jì)發(fā)展的關(guān)鍵保障，更對(duì)我國(guó)戰(zhàn)略安全具有巨大影響。時(shí)至今日，我國(guó)公路建設(shè)水平取得了舉世矚目的成就，公路里程在穩(wěn)步增加。然而，隨著我國(guó)公路運(yùn)營(yíng)時(shí)間的不斷增長(zhǎng)，很多公路發(fā)生了裂縫、擁包、坑槽等病害，影響行車舒適度的同時(shí)，威脅行車安全。

公路路面養(yǎng)護(hù)工程貫穿了公路使用的各個(gè)階段，但若在病害出現(xiàn)的初期完成檢測(cè)，采取有效措施將病害及時(shí)控制住，則有利于降低后續(xù)維護(hù)的開銷。當(dāng)下，我國(guó)展開公路路面裂縫病害檢測(cè)時(shí)，主要依靠人工或者檢測(cè)車的方式。這種方式需要耗費(fèi)大量時(shí)間與精力，不僅不利于裂縫病害的檢測(cè)精度，而且難以保障裂縫病害的檢測(cè)效率。為滿足時(shí)代新要求，應(yīng)用信息技術(shù)進(jìn)行公路路面病害檢測(cè)至關(guān)必要，所以本文提出一種基于無人機(jī)遙感圖像的公路路面裂縫識(shí)別方法[3]。

1" "公路路面裂縫無人機(jī)遙感圖像采集

1.1" "無人機(jī)遙感圖像采集原理

利用無人機(jī)遙感技術(shù)，可對(duì)公路路面的裂縫圖像進(jìn)行采集。無人機(jī)遙感技術(shù)簡(jiǎn)單來說，就是將傳感器與相機(jī)搭載在無人機(jī)設(shè)備上，一邊控制無人機(jī)在空中合適位置處飛行，一邊采集遙感圖像。

1.2" "無人機(jī)基本性能參數(shù)確定

在利用無人機(jī)遙感技術(shù)采集公路路面裂縫的遙感圖像時(shí)，需要確定無人機(jī)飛行拍攝時(shí)的基本性能參數(shù)，如飛行高度、飛行速度等。

飛行高度主要指無人機(jī)相對(duì)于公路路面的航高。假設(shè)無人機(jī)采集公路路面裂縫遙感圖像像幅為I·J，根據(jù)像元大小則可獲取像幅的具體數(shù)據(jù)，其計(jì)算公式如下：

I=YB1

J=YB2" " " " " " " " " （1）

式（1）中：Y代表公路路面裂縫圖像的像元大小；B1、B2代表無人機(jī)搭載相機(jī)分辨率。

根據(jù)無人機(jī)航拍成像原理，即可確定無人機(jī)的飛行高度，其計(jì)算公式如下：

（2）

式（2）中：H代表無人機(jī)的飛行高度；?代表相機(jī)的焦距；d代表地面分辨率。

當(dāng)無人機(jī)飛行在公路路面上方采集裂縫圖像時(shí)，由于公路路面不斷行車，如果無人機(jī)飛行速度過快可能會(huì)導(dǎo)致裂縫圖像發(fā)生漏采現(xiàn)象。為避免這種情況的出現(xiàn)，還需獲取無人機(jī)的飛行速度，其計(jì)算公式如下：

（3）

式（4）中：V1代表無人機(jī)的飛行速度；D1代表無人機(jī)采集車輛覆蓋路面裂縫時(shí)的最大移動(dòng)距離；t1代表車輛覆蓋裂縫的時(shí)間。

假設(shè)公路路面行駛車輛的長(zhǎng)度為D2，利用式（4）即可獲取車輛覆蓋裂縫的時(shí)間t1：

（4）

式中（3）：V2代表公路路面行駛車輛的速度。

將式（4）結(jié)果帶入式（3），即可求得無人機(jī)的飛行速度V1。

通過控制搭載相機(jī)與傳感器的無人機(jī)的飛行高度和飛行速度，實(shí)時(shí)采集公路路面裂縫的遙感圖像，可為后續(xù)裂縫識(shí)別奠定堅(jiān)實(shí)基礎(chǔ)。

2" "預(yù)處理公路路面裂縫無人機(jī)遙感圖像

一般來說，利用無人機(jī)遙感技術(shù)采集公路路面裂縫圖像時(shí)，由于無人機(jī)自身抖動(dòng)以及傳感器誤差等因素，造成原始采集圖像很多表面模糊或者噪點(diǎn)較多[4]，一定程度上影響裂縫識(shí)別效果，所以為提升公路路面裂縫識(shí)別的精度，需要對(duì)原始采集圖像做一定的預(yù)處理。

2.1" "增強(qiáng)處理

針對(duì)模糊、特征被淹沒的公路路面裂縫遙感圖像，需先進(jìn)行增強(qiáng)處理。圖像增強(qiáng)技術(shù)一般有兩種：一是空間域增強(qiáng)方法；二是頻域增強(qiáng)方法。針對(duì)公路路面裂縫無人機(jī)遙感圖像的實(shí)際特點(diǎn)，選擇頻域增強(qiáng)技術(shù)。簡(jiǎn)單來說，就是在裂縫圖像的頻域中對(duì)圖像進(jìn)行變換處理。

假設(shè)無人機(jī)采集的公路路面裂縫遙感圖像為F（i，j），需要先對(duì)該圖像做正變換，輸出F2（i，j），其表達(dá)式如下：

F2（i，j）=η{F1（i，j）}" " " " " " "（5）

式（5）中：η代表公路路面裂縫圖像的頻域正變換函數(shù)。

再對(duì)正變換后的圖像F2（i，j）做修正處理，輸出F3（i，j），其表達(dá)式如下：

F3（i，j）=F2（i，j）·ε（i，j）" " " " " "（6）

式（6）中：ε（i，j）代表公路路面裂縫圖像在頻域中的修正系數(shù)。

最后對(duì)修正后的圖像F3（i，j）做逆變換，從而得到增強(qiáng)后的公路路面裂縫圖像F4（i，j），其表達(dá)式如下：

F4（i，j）=η-1{F3（i，j）}" " " " " " "（7）

式（7）中：η-1代表公路路面裂縫圖像的頻域反變換函數(shù)。

2.2" "去噪處理

針對(duì)含大量噪點(diǎn)的公路路面裂縫遙感圖像，對(duì)其進(jìn)行去噪處理。本文主要采用中值濾波法去除圖像噪聲。由于圖像是由眾多像素點(diǎn)所組成的，而噪聲主要以孤立點(diǎn)的形式存在于圖像中，所以通過一個(gè)中值濾波器，對(duì)圖像進(jìn)行掃描，即可將圖像中孤立噪聲點(diǎn)濾除。通過增強(qiáng)和去噪處理，提升原始采集的公路路面裂縫無人機(jī)遙感圖像質(zhì)量，有利于后續(xù)裂縫識(shí)別。

3" "公路路面裂縫識(shí)別

通過以上步驟，得到了待識(shí)別的公路路面裂縫圖像。然后對(duì)這些圖像進(jìn)行特征提取，并根據(jù)不同的特征值識(shí)別出不同類型的裂縫[5]。已知預(yù)處理后的公路路面裂縫圖像為F4（i，j），假設(shè)圖像大小為m×n。

3.1" "裂縫圖像投影幅度值確定

首先，需要對(duì)該裂縫圖像進(jìn)行賦值，其中背景點(diǎn)的像素值設(shè)為0，裂縫目標(biāo)點(diǎn)的像素值設(shè)為1。其次，對(duì)賦值后的圖像做投影，分別將圖像投影于水平方向的x軸與垂直方向y軸上。最后，根據(jù)公式計(jì)算，可以得到裂縫圖像投影幅度值，其表達(dá)式如下：

（8）

式（8）中：x（i）代表公路路面裂縫圖像向x軸投影后的幅度值；y（i）代表公路路面裂縫圖像向y軸投影后的幅度值。

3.2" "識(shí)別出裂縫類型

在實(shí)際的公路路面裂縫識(shí)別中，不同類型裂縫投影后的幅值各不相同。橫向裂縫在x軸投影幅值較大，但在y軸投影幅值較小。縱向裂縫在x軸投影幅值較小，但在y軸投影幅值較大。因此，根據(jù)公路路面裂縫圖像的投影特征即可識(shí)別出裂縫類型。

3.3" "獲取裂縫識(shí)別特征值

在實(shí)際公路路面裂縫識(shí)別中，需根據(jù)裂縫圖像在水平與垂直方向的最大投影值與最小投影值，獲取裂縫識(shí)別的特征值，其計(jì)算公式如下所示：

Tx=max x（i）-min x（i）

Ty=max y（i）-min y（i）" " " " " " （9）

式（9）中：Tx代表公路路面裂縫圖像水平投影特征值；Ty代表公路路面裂縫圖像的垂直投影特征值。

一般公路路面橫向裂縫的Tx數(shù)值較大，而Ty數(shù)值較小。縱向裂縫的Tx數(shù)值較小，而Ty數(shù)值較大。網(wǎng)狀裂縫由于紋理分布密集，所以Tx與Ty都較小。

基于以上分析可知，在利用無人機(jī)遙感圖像識(shí)別公路路面裂縫時(shí)，本文采用圖像投影特征值對(duì)比的方法獲得裂縫識(shí)別結(jié)果。

4" "仿真實(shí)驗(yàn)

4.1" "實(shí)驗(yàn)準(zhǔn)備

為驗(yàn)證基于無人機(jī)遙感圖像的公路路面裂縫識(shí)別方法的有效性與正確性，進(jìn)行仿真對(duì)比實(shí)驗(yàn)。以本文設(shè)計(jì)方法為實(shí)驗(yàn)組，以基于機(jī)器視覺的公路路面裂縫識(shí)別方法和基于卷積神經(jīng)網(wǎng)絡(luò)的公路路面裂縫識(shí)別方法為對(duì)照組。

首先，于某高速公路瀝青路面采集實(shí)地采集路面圖像，并將其中模糊不清的圖像剔除掉，剩下共計(jì)10000張瀝青路面圖像作為本次實(shí)驗(yàn)數(shù)據(jù)。

其次，將實(shí)驗(yàn)數(shù)據(jù)集中10000張圖像按照裂縫病害的類型進(jìn)行分組，每一個(gè)組內(nèi)都有與該裂縫類型相匹配的不同裂縫圖像。示意圖如圖1所示。

再次，基于圖1中所示幾種類型公路路面圖像，獲取每一組實(shí)驗(yàn)數(shù)據(jù)集內(nèi)圖像數(shù)據(jù)分布情況。公路路面裂縫圖像集分布情況如表1所示。

最后，通過對(duì)瀝青公路路面橫向裂縫、縱向裂縫、網(wǎng)狀裂縫以及無裂縫圖像的實(shí)際識(shí)別，觀察各方法對(duì)公路路面裂縫的識(shí)別能力。

4.2" "實(shí)驗(yàn)結(jié)果分析

利用實(shí)驗(yàn)組方法與對(duì)照組方法分別對(duì)上述4組公路路面圖像進(jìn)行識(shí)別，并將各方法下的識(shí)別結(jié)果進(jìn)行匯總對(duì)比。公路路面裂縫識(shí)別結(jié)果對(duì)比如表2所示。

從表2中數(shù)據(jù)可知，當(dāng)對(duì)不同類型公路路面裂縫圖像進(jìn)行識(shí)別時(shí)，無論何種類型，本文設(shè)計(jì)方法下的正確識(shí)別圖像的數(shù)量均較對(duì)照組方法多。

通過計(jì)算各方法的識(shí)別正確率，再次對(duì)比分析。經(jīng)計(jì)算可知，機(jī)器視覺識(shí)別方法下的裂縫圖像識(shí)別結(jié)果平均正確率為88.04%，卷積神經(jīng)網(wǎng)絡(luò)識(shí)別方法下裂縫圖像識(shí)別結(jié)果平均正確率為81.64%，本文設(shè)計(jì)方法下裂縫圖像識(shí)別結(jié)果平均正確率為95.38%，較對(duì)照組方法分別提升了7.34%、13.74%。

綜上所述，上述3種識(shí)別方法經(jīng)對(duì)比可知，本文設(shè)計(jì)方法更具優(yōu)越性，不僅可以有效識(shí)別不同類型的公路路面裂縫，而且識(shí)別精度較高，可以滿足我國(guó)公路病害檢測(cè)需求。

5" "結(jié)束語(yǔ)

在我國(guó)公路路面養(yǎng)護(hù)工程中，針對(duì)裂縫病害需要全面且及時(shí)地進(jìn)行修復(fù)，以避免影響行車舒適性與行車安全。如何準(zhǔn)確、高效地檢測(cè)到公路路面裂縫，成為我國(guó)道路巡檢作業(yè)中亟需解決的問題。

本文設(shè)計(jì)一種基于無人機(jī)遙感圖像的公路路面裂縫識(shí)別方法。它通過無人機(jī)遙感技術(shù)快速采集路面裂縫圖像，并利用獲取圖像特征值，完成裂縫的識(shí)別。結(jié)合實(shí)例，本文進(jìn)行仿真對(duì)比實(shí)驗(yàn)，根據(jù)不同方法的實(shí)驗(yàn)對(duì)比結(jié)果，驗(yàn)證了設(shè)計(jì)方法的有效性。該方法針對(duì)公路路面裂縫識(shí)別具有較好的識(shí)別效果，可以有效減少漏檢現(xiàn)象的發(fā)生。

參考文獻(xiàn)

[1] 章世祥，張漢成，李西芝，等.基于機(jī)器視覺的路面裂縫病

害多目標(biāo)識(shí)別研究[J].公路交通科技，2021，38（3）：30-39.

[2] 李燕.基于高度差乘積的三維瀝青路面裂縫識(shí)別[J].中外

公路，2021，41（3）：66-70.

[3] 王墨川，何莉，胡成雪，等.基于曲率濾波和N-P準(zhǔn)則的

路面裂縫識(shí)別方法[J].計(jì)算機(jī)工程與科2022，44（10）：1822-

1831.

[4] 章天杰，王洋洋，韓海航，等.基于改進(jìn)兩步式卷積神經(jīng)網(wǎng)

絡(luò)的瀝青路面裂縫識(shí)別方法[J].公路交通科技，2022，39（10）：

1-8+58.

[5] 章天杰，韓海航.基于殘差神經(jīng)網(wǎng)絡(luò)的瀝青路面裂縫識(shí)別

分類研究[J].公路，2021，66（10）：24-29.