基于无人机的公路裂缝识别研究

张琛+王军民

摘要：路面裂缝的测量是传统的公路测量技术，国内现有路面裂缝调查方法很大程度上还都依赖于人工，这种传统方法耗时费力，存在安全隐患不够客观。无人机具有价格便宜运行维护成本低 机动性好可高质量获取高分辨率影像等优势。本文论述了目前无人机的发展现状和将无人机运用到公路裂缝识别中的关键步骤，为无人机的公路裂缝识别应用提供理论基础。

关键词：无人机；裂缝识别

1引言

随着近几年经济的快速发展，我国的各项基础设施在不断的完善中逐渐发展到了一个相对繁荣的时期，这个过程中，基础设施的建设过程慢慢的被人们重视起来，其中工程测量技术尤为重要，路面裂缝的测量也是非常重要的测量工作。国内现有的路面裂缝调查方法在很大的程度上还都依赖于人工。这种传统的方法耗时费力，存在安全隐患并不够客观，已经越来越不能适应公路发展的要求。

本文基于无人机采集图像的公路裂缝识别方法，相比于传统人工检测具有机动灵活、成本费用低、获取图像分辨率高、响应时间短、携带转移方便、不必申请空域且受天气影响低等优点。具有很好的发展前景和市场使用价值。

2国内无人机发展现状

无人机是新一轮科技革命和产业革命的热点，其成本较低无人员伤亡更显、机动性强、在复杂危险的环境中取代人工的作用使其更具优势如今无人机正被广泛运到涉及国计民生的各个领域 发挥着重要的作用，已经深入与用于农林植保、电力巡航、石油管道巡检、国土测量、海洋监测、地质勘探、新闻报道、野生动物保护、灾后响应等诸多行业场景。无人机的硬件技术也在日趋成熟.如今无人机图像传输与控制距离远达5公里，低光学畸变摄像头、障碍感知、精准悬停、定点巡航更是如今无人机的标准配置，使得无人机在公路裂缝识别中应用成为可能。

3 裂缝边缘检测识别技术

裂缝边缘检测技术即图像边缘检测技术，其最早出现于20世纪50年代由Robert等人着手研究，如今已较为成熟，Robert算子作为最早的图像边缘检测算子，在其基础上又提出了Kirsch算子、Prewitt算子等具有代表性的边缘检测算子。在对采集图像进行边缘检测之前进行图像预处理，如正射畸变校正、灰度图像转化，必要时进行滤波图像锐化等处理（无人机低空采集图像时无需正射校正，必要时可用envi等软件进行校正处理，灰度图像转化滤波等处理简单matlab程序可以实现）下图为Prewitt算子进行边缘检测的效果

无人机采集公路图像具有高噪声、光照不均等特点，但其相较于传统的裂缝识别不需要太高的精度，所以重点应放在去噪方面。常规的去噪方法通过图像平滑处理有效减少图像噪声，改善图像质量，如介于空域的领域平均法、加权平均法、中值滤波、空域低通滤波等，近年来出现的一些新的图像平滑处理技术，结合人眼视觉特性、将模糊数学理论、小波分析、粗糙集理论等新技术进行图像平滑处理取得了较好的效果，可以进行尝试。

4 图像拼接技术

图像拼接技术是将图像拼接技术是将一组相互间重叠部分的图像序列进行空间匹配对准，经重采样合成后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。

主流：SIFT，即尺度不变特征转换（Scale-invariantfeaturetransform，SIFT），是用于图像处理领域的一种描述子。

利用SIFT特征進行图像拼接的主要步骤如下：

1、对图像提取SIFT特征

2、利用k-d tree和BBF算法进行特征匹配查找，并根据最近邻和次近邻距离比值进行初步筛选

3、利用RANSAC算法筛选匹配点并计算变换矩阵

4、图像融合

对于无人机采集的公路图像特征值可能过于单一，需要我们对道路两旁的图像信息进行部分采集，所采集部分若过多则易造成公路裂缝的边缘检测噪声过大，需要进行多次采样以确保在不影响裂缝边缘检测的基础上尽可能多的出现特征点。这一过程需要对公路宽度测量之后对无人机高度进行选定，选择合适的飞行高度后将公路宽度和飞行高度进行拟合成一个经验公式以便应对不同宽度路面的图像采集

5、生成报告

根据无人机的飞行路径可以准确生成所测量的公路路径长度信息，将其转化为坐标标注在拼接图像旁，可由坐标准确查找到裂缝的位置，以达成公路路面信息数据化保存的目的，也可作为数据对比使公路裂缝识别由主观的人工操作转化为客观的数据资料。将不同时间采集的公路数据进行对比也可对公路裂缝的产生起到直观的了解，对于裂缝的发育情况有一定的掌握，对裂缝发育原因有依据可以追寻。

6、结论与建议

本文基于无人机采集图像的公路裂缝识别方法，相比于传统人工检测具有机动灵活、成本费用低、获取图像分辨率高、响应时间短、携带转移方便、不必申请空域且受天气影响低等优点。具有很好的发展前景和市场使用价值。无人机在工程测量领域的应用是一个较新的研究领域，其机动性、低成本、无人员伤亡隐患等优势是人工作业无法比拟的，必将成为工程测量的新趋势。