基于图像处理的道路标线破损自动检测系统设计

薛兴国，尚雅层，来跃深，王森田

（西安工业大学机电工程学院 陕西 西安 710021）

1 研究背景

自“十三五”规划以来，国家对公路建设的投资不断加大[1]，道路标线作为公路建设的最后一道工序，对于美化路面和车辆安全行驶非常重要[2]。同时交通组织的变化对道路标线的要求不断提高，而道路标线在长期的使用中会不断磨损、甚至完全消失，如果对标线不加以维护可能会造成一些不可预测的安全事故[3-4]，因此对标线的检测并及时修补显得尤为重要。

道路标线破损检测为是否需要修补或重画提供参考依据，目前道路标线的破损主要依靠人工进行检测，其检测效率低下。本文提出在划线车底部安装摄像头来获取道路标线，然后进行破损自动检测，这种方法比较便捷，也符合实际。通过将标线图像进行一系列处理之后，确定出破损区域与原始标线区域，再通过二者像素比对标线的破损程度进行检测评估。该方法易于实现，检测精度高，能有效提高标线的破损检测效率，并为下一步自动修补提供必要基础。

2 标线图像处理

在对标线图像的采集中，由于路面状况比较复杂，为图像的质量和后续的处理带来很大困扰。在图像分析中，采集的图像质量将直接影响后续算法的准确率，因此在对标线图像分析前，需要进行预处理，消除图像中由于无用信息对标线产生的影响，增强标线的真实信息和标线检测的可靠性，并尽可能简化数据量，从而为标线的破损检测等提供必要的保证[5-6]。本次采集的图像见图1 所示。

图1 原始标线图像

工业相机所获得的标线图像为RGB 彩色图像，每幅图像是由R、G、B 三个颜色分量叠加而成的，数据量庞大，对图像识别没有实际意义。为了减少计算量，需要将彩色图像经过灰度变换，其处理方法一般包括空间域和变换域两种，空间域处理方法是以图像像素操作为基础[7]，经空间域处理方法即灰度变换并进行500×500 像素标准化。

数字图像在采集时会不可避免地引入噪声，其在图像上显示为较小且孤立的像素点（块），处理结果需滤波处理。图像本身就是一种波，在进行灰度变换之后，需要进行滤波操作减弱或者滤除一些噪点，传统的图像滤波算法主要包括均值滤波、中值滤波、高斯滤波[8]等。在中值滤波中，通过对像素值排序噪声成分被选中的概率极低，对图像产生的影响最小，本文用中值滤波对标线图像进行降噪，中值滤波可以很好地平滑因信号脉冲强度引起的椒盐噪声。

本文使用Ostu 阈值分割（大津法），设标线图像中前景标线与路面的分割阈值为T，标线灰度值的个数占图像所有灰度值比例为，其均值为，路面灰度值个数占图像比例为，其均值为[9]，则整个图像的均值为

建立目标函数

标线图像经阈值化分割后，标线周围存在明显孤立的小点和毛刺，通过对图像进行开运算或闭运算操作来消除。开运算是一个基于几何运算的滤波器，包括腐蚀和膨胀两个过程，消除小点和毛刺的同时不会明显改变图像目标的面积。腐蚀是将图像与结构元素（或者也称为核）进行卷积，对结构元素的大小和形状没有要求。

闭运算与开运算是相对的，闭运算是对图像膨胀后再腐蚀。本文先对标线图像进行开运算处理后再进行闭运算处理，得到标线本质形态。

3 道路标线破损检测与评估

目前已有的标线破损检测方法是模板匹配法，将采集图像像素与模板图像像素进行逐个比较。2018 年王立春基于图像匹配对道路标线破损进行了研究，利用模板匹配方式，将检测的标线图像与标定的模板图像进行逐个像素对比来检测标线的破损程度[8-10]。由于图像的数据量较大，采用这种方法效果不理想。本文提出一种新方法进行破损检测，对标线图像进行破损区域和原始区域检测，若用表示破损率（破损区域与原始标线区域之比），其算法流程见图2 所示。

图2 标线破损检测流程图

图3 检测结果

表1 标线损伤评估等级

4 GUI系统设计及测试

Matlab GUI 在数字图像交互等方面使用广泛，本文对标线图像的破损检测设计了图像处理系统，采集到道路标线图像后可以通过该系统观测到各个处理流程，实现图像检测过程。

对采集到的不同路段200 张不同标线图像进行测试验证，每个流程的显示结果能够直接观测到道路标线的处理过程，破损率也能客观、准确地显示，检测结果见图4，表2 为采集到的不同路段标线的处理结果。

图4 检测结果

表2 不同路段的检测结果

4 结语

本文基于图像处理提出了一种道路标线破损自动检测与评估方法，研究了不同滤波器对标线的滤波效果，采用图像阈值分割以及形态学开运算与闭运算对标线进行处理，提出通过像素比率来检测标线破损程度，并设计了GUI 破损检测系统。经过对多张图像反复验证，证明了该方法检测准确，可用于标线破损自动检测。