(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 20221028013 6.7 (22)申请日 2022.03.22 (65)同一申请的已公布的文献号 申请公布号 CN 114387291 A (43)申请公布日 2022.04.22 (73)专利权人 中大检测 （湖南） 股份有限公司 地址 410000 湖南省长 沙市岳麓区学士街 道学士路755号 (72)发明人 王朝扣　陈跃欣　刘泽亮　 (74)专利代理 机构 长沙朕扬知识产权代理事务 所(普通合伙) 43213 专利代理师 马家骏 (51)Int.Cl. G06T 7/12(2017.01) G06T 7/13(2017.01)G06T 7/90(2017.01) G06T 7/00(2017.01) G06V 10/762(2022.01) G06K 9/62(2022.01) 审查员 龚红丽 (54)发明名称 公路状况检测图像中基准网格的自动筛选 方法及系统 (57)摘要 本发明涉及图像处理技术领域， 公开一种公 路状况检测图像中基准网格的自动筛选方法及 系统， 以提高病害区域智能筛选的普适性和可靠 性。 方法包括： 获取公路状况检测图像， 在相对应 井盖、 桥梁伸缩 缝和减速带的轮廓之外的图像区 域中提取出路面标线所标定颜色范围内的区域， 再判断该区域是否存在线宽与路面标线所标定 的线宽范围处在设定范围内的直线线段， 如果 是， 判断相应的区域为标线区域； 将公路状况检 测图像均分成 网格， 筛选出标线区域、 井盖、 桥梁 伸缩缝和减速带轮廓之外的网格， 并以所筛选出 的各网格内像素点的灰度序列进行聚类计算， 选 取同一聚类中的元素最多的类， 将 选取的该类中 方差最小的像素点的灰度序列所对应的网格确 认为基准网格 。 权利要求书1页 说明书5页 附图1页 CN 114387291 B 2022.07.15 CN 114387291 B 1.一种公路状况检测图像中基准网格的自动筛 选方法， 其特 征在于， 包括： 标定检测车车载的图像采集终端所采集单幅图像中至少部分路面标线所对应的颜色 和线宽范围； 并构建过滤模 型库， 所述过滤模型库中建立至少一种井盖模型、 至少一种桥梁 伸缩缝模型及至少一种减速带模型； 获取当前的目标公路状况检测图像， 遍历所述过滤模型库中的各个模型是否存在于所 述目标公路状况检测图像的局部， 如果存在， 提取出相对应井盖、 桥梁伸缩缝和减速带的轮 廓信息； 然后再在相对应井盖、 桥梁伸缩缝和减速带 的轮廓之外的图像区域中提取出路面 标线所标定颜色范围内的区域， 并判断所提取各区域的轮廓是否存在部分直线线段， 如果 存在， 再判断相应直线线段的线宽是否与路面标线所标定的线宽范围处在设定的接近范围 内， 如果是， 判断相应的区域 为标线区域； 将所述目标公路状况检测图像均分成网格， 筛选出标线区域、 井盖、 桥梁伸缩缝和减速 带轮廓之外的网格， 并以所筛 选出的各网格内像素点的灰度 序列为元 素建立数据集； 对所述数据集内的元素进行聚类计算， 选取同一聚类中的元素最多的类， 将选取的该 类中方差最小的像素点的灰度 序列所对应的网格确认为基准网格。 2.根据权利要求1  所述的方法， 其特 征在于， 还 包括： 对所述数据集中非所述基准网格同类的其他网格像素点的图像灰度序列分别与所述 基准网格像素点的图像灰度序列 做差， 再计算做差后的相应网格像素点的灰度序列的方差 是否大于设定的阈值， 如果是， 将对应的网格确认为潜在病害网格。 3.根据权利要求1  所述的方法， 其特 征在于， 还 包括： 对所述数据集中非所述基准网格同类的其他网格像素点的图像灰度序列分别与所述 基准网格像素点的图像灰度序列 做差， 再判断做差后的相应网格像素点的灰度矩阵中相 邻 像素点之 间的灰度差分是否大于做差后的相应网格像素点的灰度序列的方差的设定倍数， 如果是， 将对应的网格确认为潜在病害网格。 4.根据权利要求2  或3 所述的方法， 其特 征在于， 还 包括： 判断各潜在病 害网格是否存在相邻的潜在病 害网格， 并将相邻的潜在病 害网格融合为 同一个潜在病害区域， 自动标记各个潜在病害区域的边界信息并计算出相应的面积； 然后 根据各个潜在病害区域的面积和所属图像的路面材质预筛各个潜在病害区域所一一对应 的病害列表以供用户手动录入病害类型后保存。 5.根据权利要求 4 所述的方法， 其特 征在于， 还 包括： 用户在手动录入病害类型 前， 对自动标记的相对应的潜在病害区域的边界予以修 正。 6.根据权利要求5  所述的方法， 其特 征在于， 还 包括： 在任一所述潜在病 害区域被手动录入的病 害类型对应有裂缝后， 从与 所述基准网格做 差后的网格图像中提取裂缝的轮廓信息并计算出裂缝的宽度。 7.一种公路技术状况评定系统中的图像处理系统， 包括存储器、 处理器以及存储在存 储器上并可在处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计算机程序 时实现上述权利要求1  至6 任一所述方法的步骤。权　利　要　求　书 1/1 页 2 CN 114387291 B 2公路状况检测图像中基准网格的 自动筛选方 法及系统 技术领域 [0001]本发明涉及图像处理技术领域， 尤其涉及 一种公路状况检测图像中基准网格的自 动筛选方法及系统。 背景技术 [0002]公路在日常的保养中， 通常需要每年进行技术状况评定。 在现有的公路检测中， 通 常由检测车采集路况的图像数据， 再由用户通过目测划定病害区域并对病害区域的病害类 型予以标记。 但在实际的操作过程中， 由于受制于图像分辨率和肉 眼的辨别能力， 人工对病 害区域进行识别容易导致较多的遗漏。 若通过图像处理技术自动执行病害区域的智能筛 选， 则容易受路面标线、 桥梁伸缩缝、 井盖及减速带等的干扰； 与此同时， 在检测图像中如何 精确确定作为参照基准的正常路面状况的网格是决定病害区域最终筛选结果可靠性的关 键因子。 发明内容 [0003]本发明目的在于公开一种公路状况检测图像中基准网格的自动筛选方法及系统， 以提高病害区域智能筛 选的普适 性和可靠性。 [0004]为达上述目的， 本发明公开一种 公路状况检测图像中基准网格 的自动筛选方法， 包括： [0005]标定检测车车载的图像采集终端所采集单幅图像中至少部分路面标线所对应的 颜色和线宽范围； 并构建过滤模型库， 所述过滤模 型库中建立至少一种井盖模型、 至少一种 桥梁伸缩缝模型及至少一种减速带模型； [0006]获取当前的目标公路状况检测图像， 遍历所述过滤模型库中的各个模型是否存在 于所述目标公路状况检测图像的局部， 如果存在， 提取出相对应井盖、 桥梁伸缩缝和减速带 的轮廓信息； 然后再在相对应井盖、 桥梁伸缩缝和减速带 的轮廓之外的图像区域中提取出 路面标线所标定颜色范围内的区域， 并判断所提取各区域的轮廓是否存在部分直线线段， 如果存在， 再判断相应直线线段的线宽是否与路面标线所标定的线宽范围处在设定的接近 范围内， 如果是， 判断相应的区域 为标线区域； [0007]将所述目标公路状况检测图像均分成网格， 筛选出标线区域、 井盖、 桥梁伸缩缝和 减速带轮廓之外的网格， 并以所筛 选出的各网格内像素点的灰度 序列为元 素建立数据集； [0008]对所述数据集内的元素进行聚类计算， 选取同一聚类中的元素最多的类， 将选取 的该类中方差最小的像素点的灰度 序列所对应的网格确认为基准网格。 [0009]为达上述目的， 本发明还公开一种 公路技术状况评定系统中的图像处理系统， 包 括存储器、 处理器以及存储在存储器上并可在处理器上运行 的计算机程序， 所述处理器执 行所述计算机程序时实现上述方法相对应的步骤。 [0010]本发明具有以下有益效果： [0011]由于路面标线、 井盖及减速带等对象具有色彩明显且尺寸规范等特征， 便于在图说　明　书 1/5 页 3 CN 114387291 B 3