基于圖像處理的道路標線破損自動檢測系統設計

薛興國，尚雅層，來躍深，王森田

（西安工業大學機電工程學院 陜西 西安 710021）

1 研究背景

自“十三五”規劃以來，國家對公路建設的投資不斷加大[1]，道路標線作為公路建設的最后一道工序，對于美化路面和車輛安全行駛非常重要[2]。同時交通組織的變化對道路標線的要求不斷提高，而道路標線在長期的使用中會不斷磨損、甚至完全消失，如果對標線不加以維護可能會造成一些不可預測的安全事故[3-4]，因此對標線的檢測并及時修補顯得尤為重要。

道路標線破損檢測為是否需要修補或重畫提供參考依據，目前道路標線的破損主要依靠人工進行檢測，其檢測效率低下。本文提出在劃線車底部安裝攝像頭來獲取道路標線，然后進行破損自動檢測，這種方法比較便捷，也符合實際。通過將標線圖像進行一系列處理之后，確定出破損區域與原始標線區域，再通過二者像素比對標線的破損程度進行檢測評估。該方法易于實現，檢測精度高，能有效提高標線的破損檢測效率，并為下一步自動修補提供必要基礎。

2 標線圖像處理

在對標線圖像的采集中，由于路面狀況比較復雜，為圖像的質量和后續的處理帶來很大困擾。在圖像分析中，采集的圖像質量將直接影響后續算法的準確率，因此在對標線圖像分析前，需要進行預處理，消除圖像中由于無用信息對標線產生的影響，增強標線的真實信息和標線檢測的可靠性，并盡可能簡化數據量，從而為標線的破損檢測等提供必要的保證[5-6]。本次采集的圖像見圖1 所示。

圖1 原始標線圖像

工業相機所獲得的標線圖像為RGB 彩色圖像，每幅圖像是由R、G、B 三個顏色分量疊加而成的，數據量龐大，對圖像識別沒有實際意義。為了減少計算量，需要將彩色圖像經過灰度變換，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[7]，經空間域處理方法即灰度變換并進行500×500 像素標準化。

數字圖像在采集時會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（塊），處理結果需濾波處理。圖像本身就是一種波，在進行灰度變換之后，需要進行濾波操作減弱或者濾除一些噪點，傳統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，通過對像素值排序噪聲成分被選中的概率極低，對圖像產生的影響最小，本文用中值濾波對標線圖像進行降噪，中值濾波可以很好地平滑因信號脈沖強度引起的椒鹽噪聲。

本文使用Ostu 閾值分割（大津法），設標線圖像中前景標線與路面的分割閾值為T，標線灰度值的個數占圖像所有灰度值比例為，其均值為，路面灰度值個數占圖像比例為，其均值為[9]，則整個圖像的均值為

建立目標函數

標線圖像經閾值化分割后，標線周圍存在明顯孤立的小點和毛刺，通過對圖像進行開運算或閉運算操作來消除。開運算是一個基于幾何運算的濾波器，包括腐蝕和膨脹兩個過程，消除小點和毛刺的同時不會明顯改變圖像目標的面積。腐蝕是將圖像與結構元素（或者也稱為核）進行卷積，對結構元素的大小和形狀沒有要求。

閉運算與開運算是相對的，閉運算是對圖像膨脹后再腐蝕。本文先對標線圖像進行開運算處理后再進行閉運算處理，得到標線本質形態。

3 道路標線破損檢測與評估

目前已有的標線破損檢測方法是模板匹配法，將采集圖像像素與模板圖像像素進行逐個比較。2018 年王立春基于圖像匹配對道路標線破損進行了研究，利用模板匹配方式，將檢測的標線圖像與標定的模板圖像進行逐個像素對比來檢測標線的破損程度[8-10]。由于圖像的數據量較大，采用這種方法效果不理想。本文提出一種新方法進行破損檢測，對標線圖像進行破損區域和原始區域檢測，若用表示破損率（破損區域與原始標線區域之比），其算法流程見圖2 所示。

圖2 標線破損檢測流程圖

圖3 檢測結果

表1 標線損傷評估等級

4 GUI系統設計及測試

Matlab GUI 在數字圖像交互等方面使用廣泛，本文對標線圖像的破損檢測設計了圖像處理系統，采集到道路標線圖像后可以通過該系統觀測到各個處理流程，實現圖像檢測過程。

對采集到的不同路段200 張不同標線圖像進行測試驗證，每個流程的顯示結果能夠直接觀測到道路標線的處理過程，破損率也能客觀、準確地顯示，檢測結果見圖4，表2 為采集到的不同路段標線的處理結果。

圖4 檢測結果

表2 不同路段的檢測結果

4 結語

本文基于圖像處理提出了一種道路標線破損自動檢測與評估方法，研究了不同濾波器對標線的濾波效果，采用圖像閾值分割以及形態學開運算與閉運算對標線進行處理，提出通過像素比率來檢測標線破損程度，并設計了GUI 破損檢測系統。經過對多張圖像反復驗證，證明了該方法檢測準確，可用于標線破損自動檢測。