-
公开(公告)号：CN109064411A
公开(公告)日：2018-12-21
申请号：CN201810607022.2
申请日：2018-06-13
Applicant: 长安大学
CPC classification number: G06T5/003 , G06T5/30 , G06T7/0002 , G06T7/11 , G06T7/136 , G06T2207/10004
Abstract: 本发明提供了一种基于光照补偿的路面图像去阴影方法，包括以下步骤：步骤1，采集路面二维阴影图像，并对路面二维阴影图像进行灰度化处理，得到灰度路面图像I(i,j)；对灰度路面图像I(i,j)进行预处理，得到预处理路面图像Ih(i,j)；步骤2，对预处理路面图像Ih(i,j)进行光照补偿处理，得到光照补偿后图像I′h(i,j)；将阴影因子C(i,j)补偿给灰度路面图像I(i,j)中阴影区域的像素，得到初步去阴影图像I′(i,j)；步骤3，对初步去阴影图像I′(i,j)中每一行和每一列像素点的半影区域进行样条插值处理，得到插值图像I′non(i,j)；对插值图像I′non(i,j)的半影区域进行纹理恢复，得到路面去阴影图像Inon(i,j)。本发明完整保留了路面纹理信息，采用光照补偿对路面图像去阴影，避免了裂缝监测车造价高、运动相机裂缝检测系统裂缝检测精度低的缺点。
-
公开(公告)号：CN107784646A
公开(公告)日：2018-03-09
申请号：CN201710905193.9
申请日：2017-09-29
Applicant: 长安大学
Abstract: 本发明公开了一种路用集料的自适应检测方法，包括：对待检测的路用集料颗粒图像依次进行滤波处理、二值化处理、形态学处理；确定二值化路用集料颗粒图像的质心坐标和方向角，随后旋转二值化路用集料颗粒图像使二值化路用集料颗粒图的方向角垂直于水平线；提取旋转后的路用集料颗粒图像中每个集料颗粒的特征参数，特征参数包括紧凑因子、投影轮廓、边缘点到质心距离分布，依据每个集料颗粒的特征参数将每个集料颗粒归至矩形、椭圆形、菱形、三角形中的任一类；分别计算矩形集料颗粒集合、椭圆形集料颗粒集合、菱形集料颗粒集合、三角形集料颗粒集合的校正系数，得到每个集料颗粒的最终粒径。本发明改善了图像法计算集料级配的精确度。
-
公开(公告)号：CN104657961B
公开(公告)日：2017-07-04
申请号：CN201410787722.6
申请日：2014-12-17
Applicant: 长安大学
Abstract: 本发明公开了一种基于双峰的路面深度直方图的错台三维滤波算法及系统：将图像采集设备采集到的路面三维图像数据矩阵输入计算机；对路面三维图像数据矩阵进行去噪处理：根据去噪后的路面三维数据矩阵求得路面深度直方图；获取路面深度直方图的两个峰值点及对应的滤波数据范围；求取平均值作为路面深度直方图上的滤波后的深度数据；得到滤波处理后的路面深度直方图。本发明算法复杂度低、运行时间短，无需人工参与。采用数理统计思想，只需输入采集到水泥混凝土路面的三维图像数据，即可完成对路面错台量的检测，因此，该检测算法效率高、检测精确。
-
公开(公告)号：CN106204497A
公开(公告)日：2016-12-07
申请号：CN201610575120.3
申请日：2016-07-20
Applicant: 长安大学
IPC: G06T5/00
CPC classification number: G06T5/002
Abstract: 本发明公开了一种基于smooth平滑曲线和拟合曲线的路面裂缝提取方法，具体包括如下步骤：将采集到的路面三维图像数据存入图像数据矩阵Am×n中，首先用斜率渐变的断点插值算法对矩阵Am×n进行预处理，得到处理后的数据矩阵A'm×n；然后对预处理后的路面数据矩阵A'm×n进行双向标准差滤波处理，得到滤波后的路面三维图像数据矩阵A″m×n；之后提取图像数据矩阵A″m×n的每行数据，分别进行smooth平滑和曲线拟合处理，根据平滑曲线和拟合曲线提取出路面裂缝的轮廓线，从而提取出裂缝。本发明算法复杂度低、运行时间短，无需人工参与，与根据傅里叶滤波提出的对基线进行改进的算法相比，该算法得到的基准线是连续光滑的，更能方便之后对裂缝的处理。
-
公开(公告)号：CN105223114A
公开(公告)日：2016-01-06
申请号：CN201510547711.5
申请日：2015-08-31
Applicant: 长安大学
IPC: G01N15/02
Abstract: 本发明公开了一种集料级配自动检测方法，包括如下步骤：一种集料级配自动检测方法，包括如下步骤：计算机依次读取集料图像中每个颗粒的图像数据矩阵，对每个颗粒的图像数据矩阵进行二值化处理，得到该颗粒的二值化图像；根据所述颗粒的二值化图像的质心位置，确定对应颗粒的轴向角度；在所述颗粒的轴向角度上运用多个Ferret径，获得对应颗粒的粒径；将所述颗粒粒径进行计算得到最终颗粒粒径；统计集料图像中所有的颗粒图像的最终颗粒粒径，得到集料级配结果。本发明在实现对集料颗粒级配的自动检测的基础上，提高了检测准确度，并能够同时对多个颗粒进行检测，解决了检测过程复杂、效率低等问题。
-
Patent Agency Ranking
公开(公告)号：CN104537218A
公开(公告)日：2015-04-22
申请号：CN201410787896.2
申请日：2014-12-17
Applicant: 长安大学
Abstract: 本发明公开了一种基于三维数据的路面错台量检测算法及系统，具体包括如下步骤：输入路面三维数据矩阵并对数据进行去噪处理；然后绘制出错台的高度直方图；根据错台的高度直方图找出计算错台量的阈值；再根据阈值将错台的三维数据矩阵划分为两部分；最后分别计算两部分的平均值并求两值之差便为该错台的错台量。本发明只需输入采集到的路面三维数据矩阵，即可计算出路面错台量，因此，该检测计算简单、运行时间短，无需人工参与，算法效率高、检测精确。
-
公开(公告)号：CN103310459A
公开(公告)日：2013-09-18
申请号：CN201310247550.9
申请日：2013-06-20
Applicant: 长安大学
Abstract: 本发明公开了一种基于三维信息的水泥混凝土路面构造深度的检测算法，具体包括如下步骤：输入图像三维数据矩阵，并对数据进行滤波处理；依次取滤波处理之后的三维图像数据矩阵Q的每一行，逐行求每一行所对应的构造深度，逐行求得构造深度A1，A2，…,Am，对此m个构造深度求平均值，即得该图像采集区域路面的构造深度。本发明计算简单、运行时间短，无需人工参与。采用面测量，只需输入采集到水泥混凝土路面的三维图像数据，即可完成对路面构造深度的检测，因此，该检测算法效率高、检测精确。
-
公开(公告)号：CN101929943B
公开(公告)日：2012-05-30
申请号：CN201010248521.0
申请日：2010-08-09
Applicant: 长安大学
Abstract: 本发明公开的一种用于集料级配检测的数字化成像采集系统，由集料抽样装置、图像获取装置、光处理优化装置和通信及存储设备组成。集料抽样装置包括分料板、距离调节杆和角度调节杆；图像获取装置包括红外线激光器、线阵相机和图像采集卡；光处理优化装置包括滤光装置和漫反射涂料层；通信及存储设备包括数据线和计算机。用于集料级配检测的数字化成像的采集方法：设置集料抽样装置；设置图像获取装置；设置通信及存储设备；对抽样集料进行图像采集；图像的传输和保存。本发明通过设置分料板实现对集料流的采样采集，解决了以往必须对集料下落流进行全部图像采集的问题，克服了采集到的图像质量差、颗粒难分离、处理数据量大的缺陷。
-
公开(公告)号：CN101788288A
公开(公告)日：2010-07-28
申请号：CN201010115980.1
申请日：2010-02-11
Applicant: 长安大学
Abstract: 本发明公开了一种路面裂缝定位系统，包括：采集模块，用于采集路面图像、路面图像所对应的空间属性信息以及每幅路面图像所对应的里程桩号，并将所述采集到的所有路面图像发送到识别模块、将所述采集到的路面图像的空间属性信息和里程桩号发送到处理模块；识别模块，用于对所述采集到的路面图像进行识别，找出其中含有裂缝的路面图像，并将所述含有裂缝的路面图像发送到处理模块；处理模块，用于根据路面图像的空间属性信息、以及每幅路面图像所对应的里程桩号，计算出含有裂缝的路面图像在路面上的位置。本发明同时公开了一种路面裂缝定位方法，应用本发明所述的定位系统和方法，不仅能够在降低成本的情况下灵活地对路面裂缝进行定位，而且定位精确度较高。
-
公开(公告)号：CN101294950A
公开(公告)日：2008-10-29
申请号：CN200810100449.X
申请日：2008-06-11
Applicant: 长安大学
Abstract: 本发明公开了一种检测沥青混合料中矿粉含量的方法，预先设置沥青类型、矿粉类型、矿粉含量以及沥青胶浆图像的特征参数的对应关系，该方法包括：获取当前沥青混合料所对应的当前沥青胶浆图像；确定当前沥青胶浆图像中所包含的沥青类型和矿粉类型；计算当前沥青胶浆图像的特征参数；根据确定的沥青类型和矿粉类型、计算的特征参数及所述对应关系，确定当前沥青混合料中的矿粉含量。本发明还同时公开了一种检测沥青混合料中矿粉含量的装置，采用本发明，能够提高检测沥青混合料中矿粉含量的精度。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.027 seconds)
