基于雙目視覺的橋面裂縫檢測技術研究

?

基于雙目視覺的橋面裂縫檢測技術研究

劉建威，鐘澤湘

(長沙市規劃設計院有限責任公司，湖南 長沙 410007)

橋面裂縫檢測數據是橋梁耐久性評估的重要參考之一，能夠為養護部門提供有效依據，進而保障工程安全與行車效率。但是，當前國內的裂縫檢測技術基本僅限于人工操作，其效率和安全性均有不足，且檢測結果往往會受到人為主觀因素影響。

因而，近年來橋面裂縫檢測技術的一個發展方向便是通過相機采集裂縫圖像，再由計算機對圖像進行二值化處理，進而計算出裂縫尺寸。國內外大量學者對這種技術進行了研究，Richard[1]提出以Gauss濾波方法處理二值化之后的橋面裂縫圖像，進而使圖像銳化效果更好；Heipke等[2]對圖像加以中心提取技術，以期提高精度；夏巨武等[3]基于貝葉斯濾波提出了一種改進的圖像處理方法；許薛軍等[4]改進了邊緣檢測技術。但是以上檢測方法均建立在單目視覺的基礎之上，即僅用一個相機采集橋面裂縫圖像并進行處理計算，此方法雖然較之傳統人工方法效率上有了極大改善，但測量可靠度不高。因為僅用一個相機，會將從三維空間里采集到的圖片壓縮到二維平面上，若拍攝平面與橋面平行度較好，則結果較為可靠，否則，隨著相機平面與橋面的夾角增大，誤差將會顯著增大。為克服這種缺陷，本文提出了一種基于雙目視覺的橋面裂縫檢測技術，通過雙相機采集裂縫圖片，進而圖像處理之后以雙目視覺理論計算裂縫尺寸。從而克服單目視覺技術的不足之處，使機器視覺能更好地應用于橋面裂縫檢測。

1雙目視覺測量系統理論分析

1.1基本理論

如圖1所示，設點P為空間橋面裂縫某一特征點，該點在兩相機平面O1和O2的投影點依次為P1和P2。設左右兩臺相機由空間絕對坐標系O-XYZ到相機平廓與橋面背景區域。

圖1　雙目視覺原理Fig.1 Binocular vision system principle

根據空間解析幾何理論，很顯然，式(3)中的4個方程均具有平面解析式的形式，前2方程代表2平面相交，得到的是直線O1P1P的方程，同理直線O2P2P的方程由后2個方程得出。兩直線方程相交，即可求出P點的空間三維坐標。

可見，若采用單相機模型，則理論上僅能解出一條直線的空間方程，無法得出空間點的準確三維坐標，而雙目視覺理論則能夠克服這個缺陷，從而使橋面裂縫的精確測量有了可能。

1.2圖像處理

為實現準確測量的目的，必須對采集到的圖像進行數字化處理。首先，經過相機采集到的裂縫圖像不可避免地存在一些污染痕跡，這些痕跡會對有效捕捉裂縫特征點產生影響，這在計算機圖形學中被稱之為噪點，要進行降噪處理以剔除噪點。其次，初步采集到的圖像為全信息圖像，欲提取有效裂縫信息，必須對圖像進行二值化處理，以便計算機有效區分裂縫輪面坐標系O-XlYl，O-XrYr的轉換矩陣分別為Ml和Mr，那么根據透鏡成像原理，針對左右相機，可得如下2個方程：

(1)

(2)

式中：(u1,v1,1)和(u2,v2,1)依次為p1和p2的齊次相機平面坐標；(X,Y,Z,1)為點P在空間絕對坐標系中的齊次坐標。將式(1)和式(2)展開并聯立有：

(3)

1.3裂縫檢測

設P和Q為裂縫圖像邊緣上的2個像素點，其經過計算得出的三維坐標為(XP,YP,ZP)和(XQ,YQ,ZQ),

那么，根據空間2點距離公式有P和Q兩點間的距離為：

(4)

由此，可計算裂縫邊緣上任意兩點的距離。垂直于裂縫軸線并與裂縫輪廓相交的線段長度可認為是裂縫寬度，同時已知空間點坐標也可計算曲線長度，從而有效計算裂縫長度。

2橋面裂縫檢測系統

為實現對橋面裂縫檢測，需要一套完備的軟硬件系統，系統主要結構模塊如圖2所示。下面分別對各個模塊進行詳細介紹。

2.1圖像采集模塊

橋面裂縫檢測雙目視覺測量系統圖像采集模塊的核心是雙目相機。本系統采用韓國Vieworks公司所生產的黑白CCD工業相機，型號VH-5MG，分辨率2 488×2 056。因為工業相機能實現數據實時傳輸的功能，且幀率高，即便是相機隨著檢測車輛做高速運動時，也能采集清晰的橋面裂縫圖像。將雙相機固定在檢測車輛上，可隨著車輛的移動拍攝橋面裂紋圖像。為避免相機隨車輛的振動而產生晃動，在固定處安置一穩定平臺，從而有效避免了相機振蕩對圖像采集效果的影響。

圖2　雙目視覺系結構Fig.2 Binocular vision system structure

2.2圖像處理模塊

圖像處理的步驟為

1)采用Gauss濾波算法[5]對圖像進行降噪處理，從而剔除對檢測結果不利的噪點。

2)采用直方圖均衡化法[6]對降噪后的圖像進行增強處理，為裂縫邊緣檢測做準備。

3)用Canny算法[7]對增強后的圖像裂縫進行邊緣檢測。

4)對檢測邊緣進行二值化處理[8]。得出對尺寸計算有用的像素點。

選取某一橋面裂縫圖片，經處理后效果如圖3所示。

(a)原始圖像；(b)數字處理后圖像圖3　數字化處理效果圖Fig.3 Digitized renderings

2.3雙目視覺計算模塊

2.3.1相機標定

2.1節中對雙目視覺基本理論與坐標計算方法作了介紹，其中轉換矩陣Ml和Mr中的某些參數是相機的固有屬性，稱為內參數(如鏡頭畸變系數)，這些參數是已知的。而將三維空間點投影到二維平面過程中的平移矩陣和旋轉矩陣中的參數是未知的，為求解這些參數，需要在檢測前對相機進行標定。本文采用Times公司生產的黑白棋盤格標定板，以經典的張正友標定算法[9]，對相機進行標定。

經標定之后，相機的內外參數即可求得，代入Ml和Mr矩陣，即可參與計算。

2.3.2圖像匹配與尺寸計算

以上分析可見，空間點P的三維坐標是通過這一點在左右相機平面上的二維坐標計算可得。因此，從理論上講，必須精確尋得點P在左右相機平面中的像點，才能進行準確計算。這一過程稱為圖像的匹配過程。本文采用Sift算法[10]對左右相機二值化后的圖像進行匹配。經匹配計算之后，即可得出同一空間點在兩相機平面中的二維坐標。然后根據1.1節中的理論對該點的三維坐標進行計算。得出空間點坐標之后，即可用1.3中的理論計算裂縫尺寸。

3實例分析

3.1漢十高速漢江大橋橋面裂紋檢測實驗

漢十高速十堰段處于鄂陜兩省交界地區，地勢復雜，而且氣候條件較差，橋梁與隧道居多，需要定期對該處橋梁進行裂縫檢測，以便及時養護。現就漢江高速公路大橋檢測數據為例，說明雙目視覺檢測法在橋面裂縫檢測中的有效性。

天氣狀況：陰(為避免雨水對檢測效果的影響，也避免強光干擾檢測結果)，檢測車輛時速：60 km/h，大橋全長1 126 m。檢測全程歷時85 s，共采集到16幀裂紋圖像，通過本文系統檢測出的裂縫尺寸與實際尺寸對比如表1所示。其中，橋梁寬度是指裂縫的最大寬度，長度為裂縫的曲線長度。實際長度與寬度是指通過埋設在混凝土中的光纖傳感器網絡監測得到的尺寸數據，是已錄入橋梁裂縫檢測報告中的數據。由于最大寬度的唯一性，可保證本文方法與該方法的對比寬度位置一致。

由表1可見，對于漢江大橋裂縫寬度和長度的測量，通過雙目視覺技術所得到的誤差分別保持在1%和10%以內，根據《公路橋涵設計規范》中的規定[10]，該方法滿足要求。且該方法的優勢在于測量時間短，僅在85 s內就完成了漢江大橋16個裂縫尺寸的檢測，是一種高效，可靠的檢測方法。

表1漢江大橋裂縫檢測尺寸與實際尺寸對比

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

序號檢測寬度/mm實際寬度/mm誤差/%檢測長度/mm實際長度/mm誤差/%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橋梁檢測實驗

京哈高速吉林段位于我國東北地區，屬于溫帶大陸性氣候，氣候干燥，夏季炎熱，冬天寒冷，且晝夜溫差較大。這種氣候很容易造成路面龜裂，因此需加強檢測。現選擇合適天氣對某橋梁進行裂縫檢測，橋梁全長526 m，檢測車輛時速80 km/h，采集裂縫圖像9幀，檢測歷時57 s，運用雙目視覺檢測系統得出的檢測數據與實際測量值(測量方法和尺寸定義均與漢江大橋相同)對比，結果如表2所示。

表2京哈高速某橋裂縫檢測尺寸與實際尺寸對比

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

序號檢測寬度/mm實際寬度/mm誤差/%檢測長度/mm實際長度/mm誤差/%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可見，對于京哈高速某橋裂縫寬度和長度的測量，其誤差亦符合《規范》中的規定，檢測精度可靠，檢測效率亦極高。

4結論

1)系統分析了雙目視覺測量理論，從理論上證明了雙目視覺技術更適用于尺寸檢測。

2)組建了基于雙目視覺技術的橋梁裂縫檢測系統，使之能應用于工程實踐。

3)實驗證明，雙目視覺測量技術在橋梁裂縫檢測應用方面有較高的可靠度。對類似的工程實際也有一定的應用價值。

參考文獻：

[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，陳普春，陳卓，等.基于數字圖像處理的橋梁裂縫測量技術[J].儀器儀表用戶,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] 許薛軍,張肖寧.基于數字圖像的混凝土橋梁裂縫檢測技術[J].湖南大學學報(自然科學版),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.

(編輯蔣學東)

摘要:準確檢測橋面裂縫，對于提高橋梁養護效率和保障車輛通行安全具有重要意義，但是，傳統的檢測方法往往效率低下而且人力成本過高。針對這種現狀，提出一種基于雙目視覺的橋面裂縫檢測方法，通過CCD工業相機采集裂縫圖像，再對圖像進行數字化處理，最后由雙目視覺系統計算裂縫尺寸，從而達到檢測目的。工程實踐表明，該方法檢測效率要顯著高于傳統方法，且檢測精度亦能滿足相關技術標準的規定。

關鍵詞：橋面裂縫檢測；雙目視覺；圖像處理

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

中圖分類號：U416

文獻標志碼：A

文章編號：1672-7029(2016)01-0164-04

通訊作者：劉建威(1979-)，男，湖南雙峰人，高級工程師，從事路橋設計研究；E-mail:jdf199198@163.com

收稿日期：*2015-06-07