基于机器视觉的路面缺陷及绿化带检测研究.pdfVIP

目录

致谢I

摘要II

AbstractIV

目录VI

1.绪论1

1.1研究背景及意义1

1.2研究现状3

1.2.1裂缝分割4

1.2.2坑洞检测5

1.2.3绿化带检测6

1.2.4研究现状小结7

1.3研究内容7

1.4论文创新点8

2.基于卷积神经网络的裂缝分割算法10

2.1图像分割背景10

2.2Unet图像分割算法12

2.3基于Unet的改进13

2.3.1多尺度特征提取模块IRAC14

2.3.2小波变换及其应用16

2.4裂缝分割网络结构设计19

2.5损失函数及训练设置20

2.6裂缝分割实验及结果分析21

2.6.1衡量指标21

2.6.2公开数据集上的裂缝分割实验结果23

2.7本章总结26

3.基于卷积神经网络的路面坑洞检测算法27

3.1路面坑洞检测介绍27

3.2基于灰度的坑洞粗检算法28

3.2.1基于灰度的坑洞粗检算法流程28

3.2.2粗检结果的中间数据集制作30

3.3细粒度图像分类介绍30

3.4PMG细粒度图像分类算法及其改进33

3.4.1PMG细粒度图像分类算法33

3.4.2基于PMG的细粒度图像分类算法改进策略35

3.5基于PMG细粒度图像分类算法实验设计与结果分析40

3.5.1模型训练与参数设置41

3.5.2CUB-200-2011数据集与评价指标41

3.5.3实验结果与分析42

3.6本章总结43

4.基于卷积神经网络的绿化带检测算法44

4.1计算机视觉测距算法介绍44

4.2特征点及其提取方法46

4.2.1基于数字图像处理的特征提取算法47

4.2.2基于深度学习的特征提取算法48

4.3基于数字图像处理和卷积神经网络的绿化带测距算法50

4.3.1算法流程50

4.3.2前后帧图像测距原理51

4.3.3路边护栏立柱的检测及测距53

4.3.4基于Superpoint网络提取特征点及其描述子55

4.3.5基于运动平滑性和极点特性的特征点匹配56

4.4测距实验及结果分析56

4.5本章总结58

5.总结与展望60

5.1工作总结60

5.2后续工作展望61

参考文献63

作者简历及在学期间取得的科研成果69

1.绪论

1.1研究背景及意义

通畅的公路设施是经济发展的关键一环，修建四通八达的公路让物流通畅，

人民出行便利。随着近些年我国公路设施的迅速完善，对路面情况的养护也就成

为一项重点工程。我国的基础设施建设中，非常重要的一部分就是道路工程，一

直以来都是国家政府部门关注的重点。维护道路的通畅安全不仅仅是生活需要，

更是安全保障，和人民的生命安全息息相关。公路暴露在自然天气中，高频次的

来往车辆对公路的磨损很大，导致路面不时出现破损的情况，给来往车辆带来安

全隐患，一旦造成交通事故，将严重威胁到人民生命和财产安全。这就需要对这

些破损及时修补，对路面缺陷等影响交通安全的因素的检测也成为一项需要重点

投入的工程。

路面上的缺陷存在多种形式，主要有裂缝、坑洞等等。目前检测主要还是人

工检查为主，但是单纯的人工检测效率较低，且容易漏检，需要投入大量人力物

力。同时人工检测受检测人的主观经验影响，进行定量分析时不够客观。因此近

年来，出现了一些车载的自动化路面缺陷检测系统。在实际检测中，路面缺陷的

检测尤为困难，存在着诸多的缺陷种类，加上路面复杂多变的环境，现有算法往

往难以保证检测的精度以及效率。另外高速公路上还存在绿化带植物生长超过护

栏过多，遮挡路肩的情况，也存在很大的安全隐患。

在对这些缺陷的检测中，存在许多环境干扰，影响了检测的精度。其中对裂

缝的检测，需要对裂缝进行结构性分析，主要是对图像中的裂缝进行分割，识别

出裂缝像素，如图1.1所示。传统的基于数字图像处理的算法存在鲁棒性不强的

问题，受到各类复杂干扰的影响，如污渍、阴影等，识别效果不稳定。近年来的

计算机视觉领域中，基于深度学习的方法大放异彩，在各种方向上取得了优于传

统图像处理方法的性