基于爬壁机器人的桥梁裂缝图像检测与分类方法

被引：26

作者：

陈瑶 ^{[1
,2
]}

梅涛 ^{[2
]}

王晓杰 ^{[2
,3
]}

李峰 ^{[1
]}

刘彦伟 ^{[2
]}

机构：

[1] 中国科学技术大学自动化系

[2] 重庆邮电大学

[3] 中国科学院合肥物质科学研究院先进制造技术研究所

来源：

中国科学技术大学学报 | 2016年 / 46卷 / 09期

关键词：

爬壁机器人; 运动模糊; 小波分析; 面形态学; KD树; 支持向量机;

D O I：

暂无

中图分类号：

TP391.41 []; TP242 [机器人];

学科分类号：

080203 ; 1111 ;

摘要：

针对传统的桥梁裂缝检测方法成本高、工作环境危险的现状,提出一种基于爬壁机器人的桥梁裂缝图像检测与分类方法,即利用安装在爬壁机器人上的微型摄像镜头获取桥梁的壁面裂纹,通过图像处理和分析方法识别并对裂缝分类.首先对获取的图片去除运动模糊;然后运用小波变换对图像中的裂缝目标进行增强,再用二值图像面形态学分析提取裂缝目标,运用KD树对裂缝进行连接完成对裂缝图像的识别;最后运用支持向量机方法对裂缝实现分类,并与几何特征分类方法和基于BP神经网络的分类方法比较,结果表明,该方法对裂缝分类效果较好.

引用

页码：788 / 796

页数：9

共 12 条

[1] 基于Prim最小生成树的路面裂缝连接算法
任亮
徐志刚
赵祥模
周经美
[J]. 计算机工程, 2015, 41 (01) : 31 - 36
[2] 基于图像分析的路面裂缝检测和分类
唐磊
赵春霞
王鸿南
胡勇
[J]. 图学学报, 2008, (03) : 99 - 104
[3] 基于视觉的高反射球面缺陷快速检测关键技术研究[D]. 栗琳.天津大学. 2013
[4] 基于图像分析的路面裂缝检测的关键技术研究[D]. 马常霞.南京理工大学. 2012
[5] 基于计算摄影的运动模糊图像清晰化技术研究[D]. 徐树奎.国防科学技术大学. 2011
[6] 桥梁检测爬壁机器人及其自适应控制技术研究[D]. 戴启凡.南京理工大学. 2014
[7] 桥底检测爬壁机器人控制系统开发[D]. 杨衍舒.南京理工大学. 2013
[8] 动态场景的视频分割算法研究[D]. 田宏阳.山东大学. 2007
[9] LIBSVM[J] . Chih-Chung Chang,Chih-Jen Lin.ACM Transactions on Intelligent Systems and Technology (TIST) . 2011 (3)
[10] Fast crack detection method for large-size concrete surface images using percolation-based image processing
Yamaguchi, Tomoyuki
Hashimoto, Shuji
[J]. MACHINE VISION AND APPLICATIONS, 2010, 21 (05) : 797 - 809

← 1 2 →