详情

原文传递一种基于群体多源数据的道路裂纹识别方法

专利名称：	一种基于群体多源数据的道路裂纹识别方法
摘要：	本发明涉及一种基于群体多源数据的道路裂纹识别方法，利用智能手机对道路裂纹拍照，收集到道路裂纹的群体数据。对裂纹数据进行聚类，把同一个裂纹的所有数据聚类在一起。对同一个裂纹的数据进行筛选，使用筛选后的数据进行后续识别。从同一个裂纹的大量数据中，筛选出可以代表裂纹的一组高质量照片数据组后，通过计算每一个数据的权重值以及从该数据计算得到的裂纹类型，通过加权投票方法计算该数据组的裂纹类型。利用基于SIFT算子的图像拼接技术得到一个完整的裂纹图像，针对拼接后的每一部分，利用凸透镜成像原理计算该部分裂纹实际物理尺寸，然后各个部分求和，得到完整的裂纹实际物理尺寸。
专利类型：	发明专利
国家地区组织代码：	陕西;61
申请人：	西北工业大学
发明人：	於志文;孔莹莹;郭斌;王柱;王亮
专利状态：	有效
发布日期：	2019-01-01T00:00:00+0800
申请号：	CN201810264457.1
公开号：	CN108573220A
代理机构：	西北工业大学专利中心 61204
代理人：	刘新琼
分类号：	G06K9/00(2006.01)I;G06K9/62(2006.01)I;G;G06;G06K;G06K9;G06K9/00;G06K9/62
申请人地址：	710072 陕西省西安市友谊西路127号
主权项：	1.一种基于群体多源数据的道路裂纹识别方法，其特征在于步骤如下：步骤1：利用智能手机对道路裂纹拍照，收集道路裂纹的群体数据，群体数据包括同一裂纹多人从不同角度采集到的照片以及拍照时候的手机传感器数据；将群体数据整理成五元组<裂纹照片，传感器名称，传感器数值，拍照者身高，拍照时间>的格式；原始数据表示为(img,Ax,Ay,Az,Mx,My,Mz,h,lat,lng,er,light)，其中img代表裂纹照片，(Ax,Ay,Az)代表加速度传感器在三轴的记录值，(Mx,My,Mz)代表磁力传感器在三轴的记录值，h代表拍照者的身高，lat和lng代表拍照地点的GPS经纬度记录值，er代表GPS的定位误差，light代表拍照时刻手机的光传感器的记录值；步骤2：对裂纹数据进行聚类，把同一个裂纹的所有数据聚类在一起；计算n张照片组K＝{k1,k2,…,kn}中所有照片的聚类结果时，首先通过n张照片拍照时候得到的GPS数据，把经纬度坐标投影到直角坐标系中，得到n张照片组的坐标p＝{p1(x1,y1),p2(x2,y2),…,pn(xn,yn)}，然后计算手机镜头方向，以及相机距离目标之间的实际地面距离，计算得到n张照片组的真实坐标p’＝{p’1(x’1,y’1),p2(x’2,y’2),…,p’n(x’n,y’n)}，然后依次计算p’2与p’1之间的距离d，如果p’2与p’1之间的距离小于实验训练阈值ts，那么p’2与p’1是同一个裂纹的数据，否则p’2与p’1不是同一个裂纹的数据，依次计算直到p’n，把属于同一个裂纹的所有数据聚类在一起；步骤3：对聚类后同一个裂纹的m张照片组数据s＝{s1,s2,…,sm}中所有照片进行筛选时，首先把m张照片组数据s＝{s1,s2,…,sm}按照拍照角度[0,π/3]、[π/3,2π/3]、[2π/3,π]、[0,‑π/3]、[‑π/3,‑2π/3]、[‑2π/3,‑π]分为六组；然后针对六组中的每张照片使用公式Score(i)＝light(i)/varx(i)+vary(i)+varz(i)计算照片质量得分Socre(i)，其中light(i)代表光线传感器对应的三个光线强度取值{1.5,1.0,0.5}，varx(i)、vary(i)和varz(i)代表拍照片si的时候手机加速度传感器在手机三轴的记录采样值；最后在拍照角度为[0,π/3]、[π/3,2π/3]、[2π/3,π]、[0,‑π/3]、[‑π/3,‑2π/3]、[‑2π/3,‑π]的六组中选择得分score(i)最高的照片作为代表；步骤4：从同一个裂纹的大量数据中，筛选出可以代表裂纹的一组高质量照片数据组g＝{g₁,g₂,…,g_n}后，通过计算每一个数据的权重值以及从该数据计算得到的裂纹类型，通过加权投票方法计算该数据组的裂纹类型：首先使用连通域阈值判断照片数据组g＝{g₁,g₂,…,g_n}中裂纹的类型是网状裂纹还是线性裂纹；如果g_i是网状裂纹，那么g_i＝1，否则如果g_i是线性裂纹，那么g_i＝‑1；提出加权系数Info(i)，Info(i)＝Score(i)/Time_diffe(i)，以此来衡量照片数据组g＝{g₁,g₂,…,g_n}中每一个数据对于判定裂纹类型的重要程度，Score(i)代表照片质量得分值，Time_diffe(i)代表距离拍照的时间，Time_diffe(i)越小越能代表目前裂纹的情况；通过计算出来的g(i)和Info(i)的值，通过判断本组裂纹数据组g＝{g₁,g₂,…,g_n}的类型，如果Type的值大于0，那么该裂纹是网状裂纹，本次算法结束，否则，如果Type的值小于0，那么该裂纹是线性裂纹，继续判断线性裂纹是横向裂纹还是纵向裂纹；计算照片数据组g＝{g₁,g₂,…,g_n}中g_i的裂纹方向、以及GPS投影到OpenStreetMap上计算得到的道路方向，然后根据手机坐标系和大地坐标系之间的投影变换，计算大地坐标系中裂纹方向和道路方向之间的夹角，如果夹角ε大于45°，该裂纹是一个横向裂纹，那么g_i＝1，否则，如果夹角ε小于45°，该裂纹是一个纵向裂纹，g_i＝‑1；通过判断本组裂纹数据组g＝{g₁,g₂,…,g_n}的类型，如果Type的值大于0，那么该裂纹是横向裂纹，否则，如果Type的值小于0，那么该裂纹是纵向裂纹；步骤5：从同一个裂纹的大量数据中，筛选出代表本组裂纹的高质量照片数据组g＝{g1,g2,…,gn}后，用基于SIFT算子的图像拼接算法对图片组进行拼接，得到拼接后的图像gn+1，拼接过程中保留转换矩阵；利用转换矩阵求出图像gn+1的每一个组成部分c1,c2,…,cn；针对c1,c2,…,cn，计算ci像的大小，使用ci的传感器信息计算拍摄ci时的物距和等效焦距，利用凸透镜成像原理计算ci的实际物理尺寸；针对图像gn+1的每一个组成部分c1,c2,…,cn，对各个部分的物理尺寸求和，得到完整的裂纹实际物理尺寸。
所属类别：	发明专利