基于双目视觉的桥面裂缝检测技术研究



基于双目视觉的桥面裂缝检测技术研究

刘建威，钟泽湘

(长沙市规划设计院有限责任公司，湖南 长沙 410007)

桥面裂缝检测数据是桥梁耐久性评估的重要参考之一，能够为养护部门提供有效依据，进而保障工程安全与行车效率。但是，当前国内的裂缝检测技术基本仅限于人工操作，其效率和安全性均有不足，且检测结果往往会受到人为主观因素影响。

因而，近年来桥面裂缝检测技术的一个发展方向便是通过相机采集裂缝图像，再由计算机对图像进行二值化处理，进而计算出裂缝尺寸。国内外大量学者对这种技术进行了研究，Richard[1]提出以Gauss滤波方法处理二值化之后的桥面裂缝图像，进而使图像锐化效果更好；Heipke等[2]对图像加以中心提取技术，以期提高精度；夏巨武等[3]基于贝叶斯滤波提出了一种改进的图像处理方法；许薛军等[4]改进了边缘检测技术。但是以上检测方法均建立在单目视觉的基础之上，即仅用一个相机采集桥面裂缝图像并进行处理计算，此方法虽然较之传统人工方法效率上有了极大改善，但测量可靠度不高。因为仅用一个相机，会将从三维空间里采集到的图片压缩到二维平面上，若拍摄平面与桥面平行度较好，则结果较为可靠，否则，随着相机平面与桥面的夹角增大，误差将会显著增大。为克服这种缺陷，本文提出了一种基于双目视觉的桥面裂缝检测技术，通过双相机采集裂缝图片，进而图像处理之后以双目视觉理论计算裂缝尺寸。从而克服单目视觉技术的不足之处，使机器视觉能更好地应用于桥面裂缝检测。

1双目视觉测量系统理论分析

1.1基本理论

如图1所示，设点P为空间桥面裂缝某一特征点，该点在两相机平面O1和O2的投影点依次为P1和P2。设左右两台相机由空间绝对坐标系O-XYZ到相机平廓与桥面背景区域。

图1　双目视觉原理Fig.1 Binocular vision system principle

根据空间解析几何理论，很显然，式(3)中的4个方程均具有平面解析式的形式，前2方程代表2平面相交，得到的是直线O1P1P的方程，同理直线O2P2P的方程由后2个方程得出。两直线方程相交，即可求出P点的空间三维坐标。

可见，若采用单相机模型，则理论上仅能解出一条直线的空间方程，无法得出空间点的准确三维坐标，而双目视觉理论则能够克服这个缺陷，从而使桥面裂缝的精确测量有了可能。

1.2图像处理

为实现准确测量的目的，必须对采集到的图像进行数字化处理。首先，经过相机采集到的裂缝图像不可避免地存在一些污染痕迹，这些痕迹会对有效捕捉裂缝特征点产生影响，这在计算机图形学中被称之为噪点，要进行降噪处理以剔除噪点。其次，初步采集到的图像为全信息图像，欲提取有效裂缝信息，必须对图像进行二值化处理，以便计算机有效区分裂缝轮面坐标系O-XlYl，O-XrYr的转换矩阵分别为Ml和Mr，那么根据透镜成像原理，针对左右相机，可得如下2个方程：

(1)

(2)

式中：(u1,v1,1)和(u2,v2,1)依次为p1和p2的齐次相机平面坐标；(X,Y,Z,1)为点P在空间绝对坐标系中的齐次坐标。将式(1)和式(2)展开并联立有：

(3)

1.3裂缝检测

设P和Q为裂缝图像边缘上的2个像素点，其经过计算得出的三维坐标为(XP,YP,ZP)和(XQ,YQ,ZQ),

那么，根据空间2点距离公式有P和Q两点间的距离为：

(4)

由此，可计算裂缝边缘上任意两点的距离。垂直于裂缝轴线并与裂缝轮廓相交的线段长度可认为是裂缝宽度，同时已知空间点坐标也可计算曲线长度，从而有效计算裂缝长度。

2桥面裂缝检测系统

为实现对桥面裂缝检测，需要一套完备的软硬件系统，系统主要结构模块如图2所示。下面分别对各个模块进行详细介绍。

2.1图像采集模块

桥面裂缝检测双目视觉测量系统图像采集模块的核心是双目相机。本系统采用韩国Vieworks公司所生产的黑白CCD工业相机，型号VH-5MG，分辨率2 488×2 056。因为工业相机能实现数据实时传输的功能，且帧率高，即便是相机随着检测车辆做高速运动时，也能采集清晰的桥面裂缝图像。将双相机固定在检测车辆上，可随着车辆的移动拍摄桥面裂纹图像。为避免相机随车辆的振动而产生晃动，在固定处安置一稳定平台，从而有效避免了相机振荡对图像采集效果的影响。

图2　双目视觉系结构Fig.2 Binocular vision system structure

2.2图像处理模块

图像处理的步骤为

1)采用Gauss滤波算法[5]对图像进行降噪处理，从而剔除对检测结果不利的噪点。

2)采用直方图均衡化法[6]对降噪后的图像进行增强处理，为裂缝边缘检测做准备。

3)用Canny算法[7]对增强后的图像裂缝进行边缘检测。

4)对检测边缘进行二值化处理[8]。得出对尺寸计算有用的像素点。

选取某一桥面裂缝图片，经处理后效果如图3所示。

(a)原始图像；(b)数字处理后图像图3　数字化处理效果图Fig.3 Digitized renderings

2.3双目视觉计算模块

2.3.1相机标定

2.1节中对双目视觉基本理论与坐标计算方法作了介绍，其中转换矩阵Ml和Mr中的某些参数是相机的固有属性，称为内参数(如镜头畸变系数)，这些参数是已知的。而将三维空间点投影到二维平面过程中的平移矩阵和旋转矩阵中的参数是未知的，为求解这些参数，需要在检测前对相机进行标定。本文采用Times公司生产的黑白棋盘格标定板，以经典的张正友标定算法[9]，对相机进行标定。

经标定之后，相机的内外参数即可求得，代入Ml和Mr矩阵，即可参与计算。

2.3.2图像匹配与尺寸计算

以上分析可见，空间点P的三维坐标是通过这一点在左右相机平面上的二维坐标计算可得。因此，从理论上讲，必须精确寻得点P在左右相机平面中的像点，才能进行准确计算。这一过程称为图像的匹配过程。本文采用Sift算法[10]对左右相机二值化后的图像进行匹配。经匹配计算之后，即可得出同一空间点在两相机平面中的二维坐标。然后根据1.1节中的理论对该点的三维坐标进行计算。得出空间点坐标之后，即可用1.3中的理论计算裂缝尺寸。

3实例分析

3.1汉十高速汉江大桥桥面裂纹检测实验

汉十高速十堰段处于鄂陕两省交界地区，地势复杂，而且气候条件较差，桥梁与隧道居多，需要定期对该处桥梁进行裂缝检测，以便及时养护。现就汉江高速公路大桥检测数据为例，说明双目视觉检测法在桥面裂缝检测中的有效性。

天气状况：阴(为避免雨水对检测效果的影响，也避免强光干扰检测结果)，检测车辆时速：60 km/h，大桥全长1 126 m。检测全程历时85 s，共采集到16帧裂纹图像，通过本文系统检测出的裂缝尺寸与实际尺寸对比如表1所示。其中，桥梁宽度是指裂缝的最大宽度，长度为裂缝的曲线长度。实际长度与宽度是指通过埋设在混凝土中的光纤传感器网络监测得到的尺寸数据，是已录入桥梁裂缝检测报告中的数据。由于最大宽度的唯一性，可保证本文方法与该方法的对比宽度位置一致。

由表1可见，对于汉江大桥裂缝宽度和长度的测量，通过双目视觉技术所得到的误差分别保持在1%和10%以内，根据《公路桥涵设计规范》中的规定[10]，该方法满足要求。且该方法的优势在于测量时间短，仅在85 s内就完成了汉江大桥16个裂缝尺寸的检测，是一种高效，可靠的检测方法。

表1汉江大桥裂缝检测尺寸与实际尺寸对比

Table 1 Crack detection size and the actual size comparison of Hanjiang bridge

序号检测宽度/mm实际宽度/mm误差/%检测长度/mm实际长度/mm误差/%10.3030.2971.8640.40340.3120.2320.4040.4265.5660.71260.1470.9430.3030.3174.4732.16731.9650.6340.5030.4922.2294.35993.4590.9650.5260.5132.4756.78557.2240.7761.0251.1178.9459.12759.0070.2070.9461.0126.9475.36775.1140.3480.8250.9019.1564.11563.6270.7790.5270.5112.9998.62999.4890.86100.1240.1212.10106.325105.9910.32110.2360.2312.3087.54988.1470.68120.4590.4560.7129.14628.9420.70130.8940.8831.2796.32495.4230.94140.7460.7420.5857.65157.2230.75151.1161.1011.3755.97256.2370.47160.8690.7948.6750.63151.1230.96

3.2京哈高速吉林段某桥梁检测实验

京哈高速吉林段位于我国东北地区，属于温带大陆性气候，气候干燥，夏季炎热，冬天寒冷，且昼夜温差较大。这种气候很容易造成路面龟裂，因此需加强检测。现选择合适天气对某桥梁进行裂缝检测，桥梁全长526 m，检测车辆时速80 km/h，采集裂缝图像9帧，检测历时57 s，运用双目视觉检测系统得出的检测数据与实际测量值(测量方法和尺寸定义均与汉江大桥相同)对比，结果如表2所示。

表2京哈高速某桥裂缝检测尺寸与实际尺寸对比

Table 2 Crack detection size and the actual size comparison of a bridge in Jingha expressway

序号检测宽度/mm实际宽度/mm误差/%检测长度/mm实际长度/mm误差/%10.4570.4723.28103.251102.3120.9120.5320.4976.5875.62374.9470.8930.4140.3925.3137.45837.7650.8240.7320.7816.6946.32146.0360.6252.5262.3138.43179.256178.1630.6161.0251.1178.9854.37954.6120.4371.8352.0129.6575.36775.1140.3482.0752.2458.19115.342114.3650.8590.6480.6115.7197.63597.4110.23

由表2可见，对于京哈高速某桥裂缝宽度和长度的测量，其误差亦符合《规范》中的规定，检测精度可靠，检测效率亦极高。

4结论

1)系统分析了双目视觉测量理论，从理论上证明了双目视觉技术更适用于尺寸检测。

2)组建了基于双目视觉技术的桥梁裂缝检测系统，使之能应用于工程实践。

3)实验证明，双目视觉测量技术在桥梁裂缝检测应用方面有较高的可靠度。对类似的工程实际也有一定的应用价值。

参考文献：

[1] Richard H, Andrew Z. Multiple view geometry in computer vision[M]. 2nd edition.Cambridge: Cambridge University Press， 2004: 239 - 262．

[2] Heipke C. Overview of image matching techniques[C]// Proceeding of 16th OEEPE Workshop on Application of Digital Photogrammetric Workstation. Lausanne:[s.n.],1996: 173 -189.

[3] 夏巨武，陈普春，陈卓，等.基于数字图像处理的桥梁裂缝测量技术[J].仪器仪表用户,2011，18( 1) :72-74．

XIA Juwu, CHEN Puchun, CHEN Zuo, et al. Bridge crack detection technology based on digital image processing[J]. Electronic Instrumentation Customer,2011，18(1):72 -74．

[4] 许薛军,张肖宁.基于数字图像的混凝土桥梁裂缝检测技术[J].湖南大学学报(自然科学版),2013,40(7) : 34-40.

XU Xuejun, ZHANG Xiaoning. Crack detection of concrete bridges based digital image[J]． Journal of Hunan University(Natural Science)， 2013，40(7) : 34-40.

[5] Takashi G, Kozo S. History matching with iterative Latin hypercube samplings and parameterization of reservoir heterogeneity[J]. Journal of Petroleum Science and Engineering, 2014,114: 61-73．

[6] Adrian K, Gray B. Learning opencv[M].2nd edition. Sebastopol: O'Reilly Media,2008:78-80．

[7] Eskiciogln A M. Image quality measures and their performance[J]. IEEE Trans.Comm,1995,43(12):2959-2965.

[8] Malik M, Mudar S, Florent C. Automatic camera calibration based on robot calibration[C]// IEEE Instrumentation and Measurement Technology Conference,1992(2)：1278-1282.

[9] Zhang Z. A flexible new technique for camera calibration[J]. Microsoft Corporation: Technical Report MSR-TR, 2002(6):71-98.

[10] Fraser C S. Automation in Digital Close-Range Photogrammetry[C]// 1st Trans Tasman Surveyors Conference[s.n.], 1997.

(编辑蒋学东)

摘要:准确检测桥面裂缝，对于提高桥梁养护效率和保障车辆通行安全具有重要意义，但是，传统的检测方法往往效率低下而且人力成本过高。针对这种现状，提出一种基于双目视觉的桥面裂缝检测方法，通过CCD工业相机采集裂缝图像，再对图像进行数字化处理，最后由双目视觉系统计算裂缝尺寸，从而达到检测目的。工程实践表明，该方法检测效率要显著高于传统方法，且检测精度亦能满足相关技术标准的规定。

关键词：桥面裂缝检测；双目视觉；图像处理

Research on bridge crack detection based on binocular visionLIU Jianwei, ZHONG Zexiang

(Changsha Planning & Design Institute Co. ,Ltd, Changsha 410007, China)

Abstract:Detecting the bridge deck crack accurately is of great significance for improving bridge maintenance efficiency and ensuring traffic safety. However, the traditional detection methods are often inefficient and labor-consuming. In this regard, this paper proposed a bridge crack detection method based on binocular vision, to capture the crack images through CCD industrial camera, which was digitized with a computer to calculate the size of crack with binocular vision theory. The engineering practice shows that the proposed method was far more efficient than the traditional one, and the detection accuracy can also meet the relevant technical standards.

Key words:bridge crack detection; binocular vision; image processing

中图分类号：U416

文献标志码：A

文章编号：1672-7029(2016)01-0164-04

通讯作者：刘建威(1979-)，男，湖南双峰人，高级工程师，从事路桥设计研究；E-mail:jdf199198@163.com

收稿日期：*2015-06-07