薛興國(guó)，尚雅層，來(lái)躍深，王森田

（西安工業(yè)大學(xué)機(jī)電工程學(xué)院 陜西 西安 710021）

1 研究背景

自“十三五”規(guī)劃以來(lái)，國(guó)家對(duì)公路建設(shè)的投資不斷加大[1]，道路標(biāo)線作為公路建設(shè)的最后一道工序，對(duì)于美化路面和車(chē)輛安全行駛非常重要[2]。同時(shí)交通組織的變化對(duì)道路標(biāo)線的要求不斷提高，而道路標(biāo)線在長(zhǎng)期的使用中會(huì)不斷磨損、甚至完全消失，如果對(duì)標(biāo)線不加以維護(hù)可能會(huì)造成一些不可預(yù)測(cè)的安全事故[3-4]，因此對(duì)標(biāo)線的檢測(cè)并及時(shí)修補(bǔ)顯得尤為重要。

道路標(biāo)線破損檢測(cè)為是否需要修補(bǔ)或重畫(huà)提供參考依據(jù)，目前道路標(biāo)線的破損主要依靠人工進(jìn)行檢測(cè)，其檢測(cè)效率低下。本文提出在劃線車(chē)底部安裝攝像頭來(lái)獲取道路標(biāo)線，然后進(jìn)行破損自動(dòng)檢測(cè)，這種方法比較便捷，也符合實(shí)際。通過(guò)將標(biāo)線圖像進(jìn)行一系列處理之后，確定出破損區(qū)域與原始標(biāo)線區(qū)域，再通過(guò)二者像素比對(duì)標(biāo)線的破損程度進(jìn)行檢測(cè)評(píng)估。該方法易于實(shí)現(xiàn)，檢測(cè)精度高，能有效提高標(biāo)線的破損檢測(cè)效率，并為下一步自動(dòng)修補(bǔ)提供必要基礎(chǔ)。

2 標(biāo)線圖像處理

在對(duì)標(biāo)線圖像的采集中，由于路面狀況比較復(fù)雜，為圖像的質(zhì)量和后續(xù)的處理帶來(lái)很大困擾。在圖像分析中，采集的圖像質(zhì)量將直接影響后續(xù)算法的準(zhǔn)確率，因此在對(duì)標(biāo)線圖像分析前，需要進(jìn)行預(yù)處理，消除圖像中由于無(wú)用信息對(duì)標(biāo)線產(chǎn)生的影響，增強(qiáng)標(biāo)線的真實(shí)信息和標(biāo)線檢測(cè)的可靠性，并盡可能簡(jiǎn)化數(shù)據(jù)量，從而為標(biāo)線的破損檢測(cè)等提供必要的保證[5-6]。本次采集的圖像見(jiàn)圖1 所示。

圖1 原始標(biāo)線圖像

工業(yè)相機(jī)所獲得的標(biāo)線圖像為RGB 彩色圖像，每幅圖像是由R、G、B 三個(gè)顏色分量疊加而成的，數(shù)據(jù)量龐大，對(duì)圖像識(shí)別沒(méi)有實(shí)際意義。為了減少計(jì)算量，需要將彩色圖像經(jīng)過(guò)灰度變換，其處理方法一般包括空間域和變換域兩種，空間域處理方法是以圖像像素操作為基礎(chǔ)[7]，經(jīng)空間域處理方法即灰度變換并進(jìn)行500×500 像素標(biāo)準(zhǔn)化。

數(shù)字圖像在采集時(shí)會(huì)不可避免地引入噪聲，其在圖像上顯示為較小且孤立的像素點(diǎn)（塊），處理結(jié)果需濾波處理。圖像本身就是一種波，在進(jìn)行灰度變換之后，需要進(jìn)行濾波操作減弱或者濾除一些噪點(diǎn)，傳統(tǒng)的圖像濾波算法主要包括均值濾波、中值濾波、高斯濾波[8]等。在中值濾波中，通過(guò)對(duì)像素值排序噪聲成分被選中的概率極低，對(duì)圖像產(chǎn)生的影響最小，本文用中值濾波對(duì)標(biāo)線圖像進(jìn)行降噪，中值濾波可以很好地平滑因信號(hào)脈沖強(qiáng)度引起的椒鹽噪聲。

本文使用Ostu 閾值分割（大津法），設(shè)標(biāo)線圖像中前景標(biāo)線與路面的分割閾值為T(mén)，標(biāo)線灰度值的個(gè)數(shù)占圖像所有灰度值比例為，其均值為，路面灰度值個(gè)數(shù)占圖像比例為，其均值為[9]，則整個(gè)圖像的均值為

建立目標(biāo)函數(shù)

標(biāo)線圖像經(jīng)閾值化分割后，標(biāo)線周?chē)嬖诿黠@孤立的小點(diǎn)和毛刺，通過(guò)對(duì)圖像進(jìn)行開(kāi)運(yùn)算或閉運(yùn)算操作來(lái)消除。開(kāi)運(yùn)算是一個(gè)基于幾何運(yùn)算的濾波器，包括腐蝕和膨脹兩個(gè)過(guò)程，消除小點(diǎn)和毛刺的同時(shí)不會(huì)明顯改變圖像目標(biāo)的面積。腐蝕是將圖像與結(jié)構(gòu)元素（或者也稱(chēng)為核）進(jìn)行卷積，對(duì)結(jié)構(gòu)元素的大小和形狀沒(méi)有要求。

閉運(yùn)算與開(kāi)運(yùn)算是相對(duì)的，閉運(yùn)算是對(duì)圖像膨脹后再腐蝕。本文先對(duì)標(biāo)線圖像進(jìn)行開(kāi)運(yùn)算處理后再進(jìn)行閉運(yùn)算處理，得到標(biāo)線本質(zhì)形態(tài)。

3 道路標(biāo)線破損檢測(cè)與評(píng)估

目前已有的標(biāo)線破損檢測(cè)方法是模板匹配法，將采集圖像像素與模板圖像像素進(jìn)行逐個(gè)比較。2018 年王立春基于圖像匹配對(duì)道路標(biāo)線破損進(jìn)行了研究，利用模板匹配方式，將檢測(cè)的標(biāo)線圖像與標(biāo)定的模板圖像進(jìn)行逐個(gè)像素對(duì)比來(lái)檢測(cè)標(biāo)線的破損程度[8-10]。由于圖像的數(shù)據(jù)量較大，采用這種方法效果不理想。本文提出一種新方法進(jìn)行破損檢測(cè)，對(duì)標(biāo)線圖像進(jìn)行破損區(qū)域和原始區(qū)域檢測(cè)，若用表示破損率（破損區(qū)域與原始標(biāo)線區(qū)域之比），其算法流程見(jiàn)圖2 所示。

圖2 標(biāo)線破損檢測(cè)流程圖

圖3 檢測(cè)結(jié)果

表1 標(biāo)線損傷評(píng)估等級(jí)

4 GUI系統(tǒng)設(shè)計(jì)及測(cè)試

Matlab GUI 在數(shù)字圖像交互等方面使用廣泛，本文對(duì)標(biāo)線圖像的破損檢測(cè)設(shè)計(jì)了圖像處理系統(tǒng)，采集到道路標(biāo)線圖像后可以通過(guò)該系統(tǒng)觀測(cè)到各個(gè)處理流程，實(shí)現(xiàn)圖像檢測(cè)過(guò)程。

對(duì)采集到的不同路段200 張不同標(biāo)線圖像進(jìn)行測(cè)試驗(yàn)證，每個(gè)流程的顯示結(jié)果能夠直接觀測(cè)到道路標(biāo)線的處理過(guò)程，破損率也能客觀、準(zhǔn)確地顯示，檢測(cè)結(jié)果見(jiàn)圖4，表2 為采集到的不同路段標(biāo)線的處理結(jié)果。

圖4 檢測(cè)結(jié)果

表2 不同路段的檢測(cè)結(jié)果

4 結(jié)語(yǔ)

本文基于圖像處理提出了一種道路標(biāo)線破損自動(dòng)檢測(cè)與評(píng)估方法，研究了不同濾波器對(duì)標(biāo)線的濾波效果，采用圖像閾值分割以及形態(tài)學(xué)開(kāi)運(yùn)算與閉運(yùn)算對(duì)標(biāo)線進(jìn)行處理，提出通過(guò)像素比率來(lái)檢測(cè)標(biāo)線破損程度，并設(shè)計(jì)了GUI 破損檢測(cè)系統(tǒng)。經(jīng)過(guò)對(duì)多張圖像反復(fù)驗(yàn)證，證明了該方法檢測(cè)準(zhǔn)確，可用于標(biāo)線破損自動(dòng)檢測(cè)。