1.一种基于机器视觉的桥梁底部检测方法,其特征在于,包括以下步骤:步骤一:通过桥梁检测机器人采集桥梁底部的两个航道的序列图像,其中包括两个航道的序列图像,航道即桥梁检测机器人车体航行路线;
步骤二:检测两个航道序列图像的ORB特征点;
步骤三:根据ORB特征点之间的欧式距离匹配两航道图像序列间的ORB特征点;
步骤四:用RANSAC方法剔除误匹配点,达到精确匹配;
步骤五:利用得到的匹配点计算出两组图像序列间的单应性矩阵,将一个航道的图像映射到另一个航道的图像的坐标空间中,然后根据匹配点的坐标平移实现拼接;
步骤六:在拼接边缘处进行加权平均模糊处理以消除拼接痕迹得到拼接后的图像;
步骤七:利用LDE方法对拼接后的图像进行预处理以加强裂缝结构在图像中的对比度;
具体步骤如下:
步骤7.1:将g(x,y;σ)与f(x,y)进行卷积运算,再将得到的结果取Hessian矩阵Hσ(x,y);
其中,x表示图像中的像素横坐标,y表示图像中的像素纵坐标;g(x,y;σ)表示均值为0,标准差为σ的高斯函数,gxy(x,y)表示g(x,y;σ)先对x求偏导,再对y求偏导,gxx(x,y)表示对x求两次偏导;gyy(x,y)表示对y求两次偏导,f(x,y)表示拼接后的图像中(x,y)位置像素的灰度值;
步骤7.2:计算局部、前向、后向裂缝滤波函数:
2 2
rl(x,y,θ;σ)=gxx(x,y)cosθ+gyy(x,y)sinθ+gxy(x,y)sin2θ其中θ表示计算时在图像中选取的方向,θ初始值取零度, 分别表示在θ方向基础上旋转的角度,大于零为顺时针方向旋转,小于零则为逆时针方向旋转;d作为可调参数,取值大于零,它影响着滤波函数的局部性;rl(x,y,θ;σ)表示局部裂缝滤波函数,表示前向裂缝滤波函数, 表示后向裂缝滤波函数,gxx(x,y),gyy(x,y),gxy(x,y)同步骤7.1;
步骤7.3:将三种滤波函数各与原图像f(x,y)进行卷积操作得到裂缝响应函数:Rl(x,y,θ;σ)=rl(x,y,θ;σ)*f(x,y)Rl(x,y,θ;σ)表示局部裂缝响应函数; 表示前向裂缝响应函数;
表示后向裂缝响应函数;rl(x,y,θ;σ), 同步骤
7.2;
步骤7.4:将三种裂缝响应函数取最大值并求和得到总响应函数,总响应函数的图像即为经LDE方法处理过后的图像:*
其中,R (x,y;σ)表示LDE预处理后的图像; 表示Rl(x,y,θ;σ)取最大值; 表示 取最大值; 表示
取最大值;
步骤八:对由步骤七得到的图像使用Tuff裂缝分割方法,将图像中类似裂缝的结构分割出来,得到检测结果;
Tuff裂缝分割方法具体步骤如下:
步骤8.1:计算出步骤7.1中Hessian矩阵的两个特征向量:分割曲线的轴向以及与轴向相垂直的方向;
步骤8.2:计算一个能量泛函;
ε(φ)=εreg(φ)+εevolve(φ)其中,
这里εreg(φ)与εevolve(φ)分别表示为影响曲线光滑度和曲线演变的能量泛函;其中,r1表示影响光滑度的系数,取值大于零,φ(x)表示水平集函数,δ(x)表示理想单位冲激函数,αi表示影响曲线演变程度的轴向分量以及垂直分量的参数,vi(i=1,2)表示步骤8.1中提到的两个方向向量, H(φ)表示单位阶跃函数;
步骤8.3:计算能量泛函ε(φ),当ε(φ)取最小值时,分割曲线演变为最终结果。