基于无人机图像分析的路面裂缝检测探究

芦海利，姚军，刘善国，王国耀

中国人民解放军95894部队

随着我国公路和机场建设的不断发展，道路的管理、修护变得愈发重要。尤其是路面，因为行车负载、自然等各方面因素影响，极易产生各类破损现象，从而对路面承载能力、耐久性等产生负面影响。针对道路路面裂缝检测，本文开展基于无人机图像分析的检测探究，通过无人机获取的裂缝图像展开检测，以坎尼边缘检测法展开路面质量检测、评析，使裂缝检测工作变得更加快捷、精准。

根据交通运输部《2019年交通运输行业发展统计公告》统计，截止2019年末， 我国公路建设已达5.0125X106km；另据中国民用航空局《2019年民航行业发展统计公报》中的数据，颁证的运输机场238座、通用机场246座，伴随庞杂交通运输工程建设完成，与之而来的是道路管理、修护等问题。自最初人工发现问题到后来各种路面巡检车的运用，道路修护管理渐渐从人工向半自动化方向发展。针对道路病害，特别是路面裂缝问题，目前大多还是人工发觉、检测裂缝病害程度。道路病害的自动化检测包含两个环节，其一是表观图像的获得，如今发展应用以路面巡检车为主，而随着无人机技术的快速发展，无人机也渐渐被运用到道路管理修护工作中，这是未来发展的必然趋势；其二是病害图像的智能化检测，这主要依赖图像处理技术的不断发展。传统图像处理技术、基于机器学习的全新图像处理技术都可以高效地运用到道路病害检测项目。

路面裂缝检测的重要性

每一条道路都具有一定的养护年限，路面在应用一段时间之后，会受各方面因素影响出现裂缝、隆起、沉陷、交通标线被损坏等诸多病害。这些病害当中，最严重的是路面裂缝，它不仅是最常见、最易引发路面破损的因素，而且也是很多其他病害最初的表现方式。道路路面裂缝一方面会让道路变得更容易被损坏，发展为更加严重的道路病害，削弱道路的使用舒适性，降低道路使用寿命。另一方面也会对行驶工具造成不利影响。所以，预防路面产生严重性病害，在路面发生轻微裂缝时第一时间发现并予以处理解决，是一项非常重要的工作。

裂缝检测顾名思义是指采用各类技术或者工具对道路路面裂缝进行检测的过程。路面裂缝检测方法分为两类，依次是破坏性测试、非破坏性测试，其中非破坏性测试又可以分为红外热成像测试、超声波测试、图像测试、激光测试等。路面裂缝检测的可靠性逐渐成为衡量道路检测体系是否优良的指标。

路面裂缝相关检测技术发展

我国现在道路路面裂缝检测使用的方法主要是人工检测法，传统的人工检测缺点在于，费时耗力、不够精准、会对交通产生危害性影响，安全性无法保障，且成本也越来越高。路面裂缝自动检测体系的分析研究还有待发展，唯有少数高等院校、科研机构在跟进研究。

我国N-1路面智能检测车，包括车载样品采集、线下检测处理两大系统；CICS路面检测系统最高行驶速度达到100km/h，单次检测路面宽度为3.6m，裂缝最高检测精确度为1mm；ZOYON监测系统最高行驶速度达到120km/h，检测宽度最高为3.7m，自带GPS定位系统，裂缝最高检测精确度为1mm。

国外方面，比较有代表性的路面检测系统有美国全自动公路路况实时检测系统，这一系统包含有多个子系统，其中摄像设备置于车的前后方，单次可拍摄路面宽度高达4.1m，对路面裂缝的检测精确度最高为1mm；澳大利亚公路交通局自动化路面破损检测系统使用改装车辆，把摄像机、补光体系安装在检测车底座，最高行驶速度为100km/h，摄像机拍摄速度为27000f/s，路面裂缝检测精确度最高为1mm。

基于无人机图像分析的路面裂缝检测方案

随着信息技术发展，无人机具有自由搭载多种任务载荷、操控灵活、维修方便、使用成本低等特点，开始在生产、生活中广泛运用。因此，利用无人机进行路面裂缝检测的优势极为明显。

图1 无人机检测路面裂缝的优势极为明显。

无人机检测路面裂缝解决方案

无人机检测路面裂缝方法，即按照道路规定航线，搭载高倍变焦摄像头获取裂缝图像，从而了解和掌握道路病害的相关信息。图像获得后，展开图像数据处理工作检测裂缝的存在。裂缝检测过程的主要步骤是，首先对图像进行预处理，包含灰度化、灰度变换、滤波去噪等。其次是对图像的分割，即把裂缝图像信息从复杂的原始图像中割离出来，该步骤有两种方法，依次是阈值分割、边缘检测。在图像分割时一定会产生裂缝断裂的状况，针对这一情况，裂缝连接工作应基于裂缝线段最相近的端点展开，最后按照裂缝线性特征清除干扰元素，进行裂缝提取。无人机检测路面裂缝的方法更为智能化，技术更先进，对路面信息的获取更精准全面，效率快、质量高，这些优势使其容易获得广泛应用。

图像检测算法流程

首先，图像预处理过程包括三个步骤，分别是灰度化、灰度拉伸、图像滤波。

（1）灰度化

由于在裂缝检测期间，颜色信息并未应用到，所以先要对RGB图像予以灰度化处理，其公式为

v=0.299R+0.587G+0.114B，其中，v是转化之后的灰度值，R是原图像红色通道值，G是原图像绿色通道值，B是原图像蓝色通道值。

（2）灰度拉伸

为了让目标裂缝更为凸显和明确，必须对图像展开增强操作。灰度变换可以令筛选的小

灰度区间拓展成大灰度区间，从而令裂缝更为突出和明显。

（3）图像滤波

本文选用一种非线性的滤波方法即双边滤波方法，是对比图像空间的相近度以及像素值类似度的折衷处理方法。与此同时，还要关注空域信息、灰度相似性等，以达到保边去噪的效果。

图2 我国CICS路面检测车。

图3 澳大利亚自动化路面破损检测系统。

图4 无人机正在检测路面裂缝。

图5 基于人工智能技术的无人机用于路面裂缝检测。

第二个流程是边缘检测。一次良好的边缘检测需具备三条规则：优质的信噪比、优质的定位性、对单一边缘具有唯一响应性。而坎尼 (Canny)算法集合了上述所有规则，它先借助高斯滤波器平滑图像获得不错的信噪比，再运用窗口计算灰度梯度的幅值、方向。为精准确立定位边缘，要将梯度幅值图予以细化，只留存幅值的局部极大值，也就是非极大值遏制。然后运用双阈值方法自候选边缘点处展开检测，并对边缘予以链接。倘若点的梯度幅值超过大阈值，则表示其是边缘；如果比小阈值还低，则表示非边缘。梯度幅值居于两大阈值间的像素点，可视为边缘点，按照边缘的连通化程度加以判定。

第三个流程是裂缝检测。边缘检测会对裂缝的连续性造成一定的毁损和破坏，所以要把裂开的裂缝予以链接。可以先借助找寻凸包的方式，找到每条选段的端点，获得端点集合，然后对各个线段进行计算，找寻相距最短的两个点，小于阈值，则对两线段进行链接。

最后一个流程是线性检测。因为裂缝具有非常显著的线性特征，如周长面积比值，最小外接矩形长宽比等，借助于链码追踪形式，可以获得各个连通域的周长以及面积。可将面积小于等于周长平方除以30的线段予以保留，把面积小于20的区域进行删除。在找寻最小外接矩时，则把外接矩长宽比大于3的区域予以保留，最终留下来的便是裂缝。

本文以坎尼边缘检测法为主展开分析，这种方法对于比较简单的裂缝图像有不错的检测效果，而对于一些复杂背景的裂缝图像，则需要采取其他高科技的方法来展开探索和分析。

裂缝损坏是一种道路路面最为常见、最初期的病害现象，开展较好的检测、及时维护，防止其发展成比较严重的病害，降低各种资源成本，具有非常关键的现实意义。在人工智能、无人机技术高速发展的时代背景下，检测手段、分析方式等越来越丰富完善。路面检测会向智能化、科技化方向发展，未来还需进行深层次探索和研究，以促进我国道路建设健康发展。