路面检测关键技术综述

摘 要 公路交通的发展状况对于国家的经济稳定以及快速发展有着关键性的作用。近些年来公路网的不断完善发展，使得公路路面的状况检测、公路的养护管理成为公路建设的重要任务。公路的快速发展促进了经济飞速的发展，人们的出行也越来越方便快捷。同时道路的养护工作也变得更加重要。

关键词 路面检测 关键技术 养护管理

中图分类号：U491 文献标识码：A

0引言

随着我国经济的高速发展，交通早已成为人民的日常生活和国家经济领域的不可或缺的基础设施，交通领域的基础建设也就越来越有着举足轻重的意义。交通的发展体现了一个国家的经济实力和综合国力。在所有的交通途径中，公路交通和人们的日常生活最为靠近且不可分离。

2001年，在全国的公路养护与管理工作的会议上，首次明确提出树立“公路建设是发展，其养护管理也是发展”的观点，努力研究先进的、实用的公路养护新技术，为全面提高公路养护的工作效率和技术水平奠定坚实基础。因此，采用先进的检测手段和评价技术自动地进行公路路面病害研究就显得非常必要。

1研究背景和意义

公路对国家和地区的经济发展起到了关键性的作用，俨然已成为衡量一个国家现代化程度的标志，近几年我国公路的建设十分迅速，据官方资料至2005年年底，我国高速公路总里程已经达到了4.1万公里，位居世界第二位，而在“十一五”期间全国又新建成高速公路2.4万公里，至此高速公路总里程达到6.5万公里。

但是因为公路暴露于大气中，需要长期承受着雨水的腐蚀、车辆的重压、人为的破坏等等，因此养护工作就显得格外重要，否则将严重影响到交通安全的状况。在公路养护中，如果在裂缝出现的初期能够及时的发现，并且对裂缝的发展情况给予实时的跟踪，之后对裂缝状况进行修补。照此公路的养护费将会大大的减少。

目前国内主要是依靠人工来检测公路的路面状况，这早已经不能够满足高速发展的公路状况的检测要求，其主要的缺点如下：

（1）人工成本耗费过大：基于工人的视觉的检测需要依靠养护工人亲自到现场，使用眼睛来观察，然而一条公路的里程数相当可观，因此工人的劳动强度过大，会耗费大量的人工成本。

（2）时间过长：检测工人在进行检测作业的时候主要依靠步行查看，并且由于是基于人的视觉特性，导致检测速度依然很慢而且效率极低，因此完成全面的检测需要耗费大量的时间。

（3）判定结果不够准确：由于是人工的肉眼检测，在判断裂缝时及其容易受到人工的主观因素影响，导致采集的数据不够精确，因此判定结果就会因人而异，对后续的修护造成影响。

（4）影响正常的交通：在检测路面病害的时候，需要将检测的这段公路封闭，这会对公路的正常运行造成一定的影响。

（5）安全性差：尽管检测路面病害的时候封闭了相关的检测车道，但是庞大的交通流量依然对检测人员的人身安全存在一定的隐患。

（6）成本过高：因为投入了巨大的人力和时间，所以花费很高。

数字图像处理，又称为计算机图像处理，它是用计算机将图像信号转换成数字信号，然后再用计算机对其加工处理的过程。该技术最早出现于二十世纪五十年代。在二十世纪六十年代的初期，数字图像处理开始行成为一门学科。从二十世纪七十年代中期开始，人工智能、计算机技术伴随着图像处理技术的进一步发展得到迅速的发展，数字图像处理的技术开始向着更高的层次发展。

目前，基于图像处理技术的裂缝检测的方法早已广泛应用于工业中。因此，基于图像处理的路面裂缝检测技术早已经成为了可能。在不影响正常的公路交通的情况下，该技术利用车载摄像头对公路路面进行图像采集，对所采集的路面图像可采用离线处理和实时处理这两种方法进行数字图像处理，经过相应的检测处理之后，得知路面裂缝的信息，例如裂缝的位置、裂缝的类型、裂缝的严重程度等等。

2路面裂缝检测系统的关键技术

路面裂缝检测系统一般分为四个部分。第一步是路面图像采集；第二步是对路面图像进行初步的预处理，对路面图像去噪；第三步是对路面裂缝进行目标提取，对路面图像分割再做裂缝边缘提取；最后一步对路面裂缝图像进行分类，此外，还可以对裂缝的特征信息进行处理，比如计算裂缝的位置、类型等等。

2.1路面图像采集

在路面图像采集的过程中，一般是将高精度的高速摄像头安装在公路路面检测车上，检测车在高速行车的情况下进行对能够覆盖整个车道的路面图像进行采集，要求图像清晰可靠。

2.2路面裂缝图像的预处理

由于采集设备自身因素、路面的各种噪声干扰、光照的不均匀等等，检测车所采集的路面图像中会带有大量的随机噪声。为了提取裂缝，就必须要消除或者减弱这些噪声，我们采用图像滤波预处理。图像滤波预处理包括空域滤波处理和频域滤波处理。空域滤波处理对图像不做任何变换值的处理，直接对图像的像素点进行处理。频域滤波处理是先将图像进行变换值的处理，再将其转换到空间域处理。

王建兴，秦国峰等人分析路面图像中的噪声以及裂缝信息的特点，结合已有的去噪算法的优点，提出了一种新的基于路面裂缝检测的多级去噪模型。其主要方法是串联多种去噪模型，逐步对路面图像的路标线和杂物噪声、随机噪声、油污噪声以及路面噪声进行去除。

一种利用图像形态学滤波器消除噪音先和识别裂缝的算法由马常霞提出。马常霞提出孤立噪声点的去除可通过组合中值滤波去除。相比均值滤波和中值滤波对于背景纹理变化较大的情况处理效果不理想。借此张娟等提出了二维自适应维纳滤波方法，其主要思想是根据像素局部邻域的统计特性的估计进行滤波。

2.3路面裂缝目标的分割

起源最早的、最常用的是图像分割算法是阈值分割法。因为阈值分割算法计算量小、运算速度快、性能稳定、实现简单而成为路面裂缝图像分割中最基本、最常用的技术。

一种基于直方图的路面裂缝图像阈值分割方法是由Kirschke提出。该方法的主要思想是先将所采集的路面图像划分为若干个大小相同的子图像；分析研究划分后每个子路图像的直方图，根据不同的直方图特征将其全部子图像分为两类，裂缝子图像和非裂缝子图像；最后对裂缝子图像进行阈值分割。该方法对细小裂缝识别效果差，对明显裂缝明感度高。

Cheng 等人分析沥青路面图像的分割阈值与像素灰度的均值和方差明显相关，一种基于减少样本空间阈值分割算法由此提出。该算法的基本思路是：首先建立一个庞大的样本空间；接着为了提高算法的实时性去掉相似样本，减少样本空间。然而这种算法未考虑裂缝的空间分布特性，分割阈值仅仅只是由像素灰度的均值和方差来确定，这是其最大的缺点，这一缺点最终导致裂缝目标存在错检和漏捡的情况较多，检测效果不理想。

2.4路面裂缝类型的分类

目前，常把裂缝分类成横向裂缝、纵向裂缝、网状裂缝和块状裂缝。

裂缝的分类方法大致可分为无监督分类和有监督分类，所谓无监督分类是不需要人工采集样子数据，自然聚类，通过聚类方法来自动分类；有监督分类是利用样本数据作为依据建立和训练分类器，然后再分类，是通过设计分类器来实现。B.J.Lee 提出了一种集成神经网络技术的路面图像的裂缝类型分类系统，该系统包括了三种基于神经网络的分类器对路面裂缝图像进行分类，分别是基于图像的神经网络、基于直方图的神经网络和基于概率的神经网络。每个神经网络最佳的架构的确定是基于样本数据的学习训练。实验结果证明，基于概率的神经网络分类效果最好。

3结语

虽然近些年图像处理技术在裂缝检测领域的应用越来越广，但仍存在一系列技术问题有待改进。本文主要围绕基于图像处理的路面裂缝检测过程中存在的关键性问题进行研究。还有一些问题需要改进：

（1）由于路面图像容易受到不确定因素的影响导致路面图像亮度不均匀，原本可以有效分割的图像现在不能有效分割。因此，对于不均匀亮度的路面裂缝图像如何有效分割是亟待解决的问题之一。

（2）裂缝类型分类中，因为块状裂缝本身就属于网状裂缝，所以在两种裂缝类型分类过程中，分类器的准确性有待提高，可借助三维激光扫描扫描仪，将采集到的路面三维信息与二维图像结合，所提取特征中包含空间三维信息，以达到裂缝的精确分类。

基金项目：本文受西藏自治区自然科学基金项目（2015ZR-14-18）和西藏民族大学校内科研项目（14myY14）资助。

作者简介：宋俊芳（1984-），女，讲师，博士研究生，主要研究方向为计算机视觉、图像处理、智能交通。