壓路機(jī)鋼輪壓實(shí)邊緣的檢測(cè)與提取

黃 浩， 汪學(xué)斌

(長(zhǎng)安大學(xué) 工程機(jī)械學(xué)院， 陜西 西安 710064)

在壓實(shí)施工過(guò)程中，壓路機(jī)操作人員在缺乏監(jiān)督時(shí)往往采用小振幅代替大振幅工作，降低發(fā)動(dòng)機(jī)轉(zhuǎn)速和振動(dòng)頻率，以降低振動(dòng)帶來(lái)的不適感和疲勞感；作業(yè)過(guò)程中加快碾壓速度，減少壓實(shí)遍數(shù)，造成壓實(shí)質(zhì)量問(wèn)題，誘發(fā)道路早期損壞現(xiàn)象，降低了道路使用壽命[1].同時(shí)壓路機(jī)在后退方向進(jìn)行碾壓時(shí)只能通過(guò)后視鏡觀測(cè)障礙物，盲區(qū)較大存在安全隱患.隨著自動(dòng)駕駛技術(shù)、新型傳感技術(shù)、機(jī)器人技術(shù)等高速發(fā)展[2]，遠(yuǎn)程指令控制的無(wú)人駕駛壓路機(jī)有助于上述問(wèn)題的解決，從而有效保證壓實(shí)質(zhì)量.

傳統(tǒng)采用的RTK-GNSS(real-time kinematic- global navigation satellite system)方式定位只適用于空曠無(wú)遮擋環(huán)境，在有高樓、大樹(shù)、山丘等遮擋環(huán)境下無(wú)法實(shí)現(xiàn)可靠的RTK解算，在隧道無(wú)GNSS信號(hào)區(qū)域無(wú)法定位.同時(shí)壓路機(jī)盡管作業(yè)速度較低，通常低于8 km·h-1，但需要在每一碾壓區(qū)段重復(fù)碾壓以保證壓實(shí)遍數(shù)和壓實(shí)效果，GNSS與IMU(inertial measurement unit)融合方式仍然無(wú)法在全部環(huán)境中有效定位，GNSS、IMU、激光雷達(dá)、相機(jī)融合方案系統(tǒng)復(fù)雜且成本較高限制了其開(kāi)發(fā)使用.采用視覺(jué)輔助定位的方式成本較低，可在無(wú)GNSS和弱GNSS信號(hào)區(qū)域?qū)崿F(xiàn)高精度定位；同時(shí)壓路機(jī)作業(yè)環(huán)境為非結(jié)構(gòu)化場(chǎng)景，其視覺(jué)輔助定位必須根據(jù)其作業(yè)特點(diǎn)和非結(jié)構(gòu)化作業(yè)場(chǎng)景的特殊性來(lái)設(shè)計(jì).壓路機(jī)鋼輪碾壓痕跡是壓實(shí)作業(yè)中可用來(lái)定位的典型特征.通過(guò)安裝在壓路機(jī)前車架上的相機(jī)，實(shí)時(shí)捕捉壓路機(jī)前方地面的鋼輪壓實(shí)邊緣，然后通過(guò)機(jī)載計(jì)算平臺(tái)內(nèi)置算法解算識(shí)別和提取壓實(shí)邊緣，進(jìn)而實(shí)現(xiàn)輔助定位.因此壓實(shí)邊緣提取的精度會(huì)直接影響定位精度.

自動(dòng)駕駛汽車的車道線檢測(cè)有較多研究成果及應(yīng)用，而壓路機(jī)壓實(shí)邊緣提取的相關(guān)研究則較少.常亮亮等[3]提出一種基于三維激光雷達(dá)的路沿檢測(cè)算法，該算法采用隨機(jī)采樣一致性算法快速分割出道路區(qū)域,濾除了大部分非地面數(shù)據(jù), 使檢測(cè)道路寬度誤差小于0.19 m，但并未涉及基于視覺(jué)的路沿檢測(cè)算法.T. SUGAWARA等[4]對(duì)Hough變換進(jìn)行了改進(jìn)，首先對(duì)車道線濾波，再進(jìn)行直線檢測(cè)，最后運(yùn)用RANSAC進(jìn)行曲線的擬合；該方法主要對(duì)車道線進(jìn)行了定位，并沒(méi)有進(jìn)行直接的跟蹤.C. F. OLSON[5]對(duì)Hough變換也進(jìn)行了改進(jìn)，提高了原算法的效率，降低了計(jì)算的內(nèi)存消耗量，但是要求路面的潔凈度要高，當(dāng)行駛環(huán)境中車輛較多或者是障礙物較多時(shí)，該方法就容易失效.上述車道線檢測(cè)的相關(guān)研究為壓路機(jī)鋼輪壓實(shí)軌跡提取提供了借鑒，針對(duì)壓路機(jī)特有的非結(jié)構(gòu)化作業(yè)場(chǎng)所及壓實(shí)軌跡特點(diǎn)，比較現(xiàn)有的圖像預(yù)處理、特征提取方法，選擇效率高、魯棒性好、適宜壓路機(jī)軌跡特點(diǎn)的圖像預(yù)處理、特征提取、邊緣檢測(cè)方法，從而為視覺(jué)輔助定位提供基礎(chǔ).

文中針對(duì)壓路機(jī)壓實(shí)過(guò)程中鋼輪產(chǎn)生的典型碾壓痕跡邊緣(見(jiàn)圖1)進(jìn)行研究，首先獲取原始圖像，即安裝在壓路機(jī)前方的相機(jī)實(shí)時(shí)獲取壓路機(jī)碾壓邊緣的圖像；其次進(jìn)行圖像的預(yù)處理，去除原始圖像中的各種噪聲；再次是壓實(shí)邊緣檢測(cè)，采用邊緣檢測(cè)算子對(duì)圖像進(jìn)行邊緣檢測(cè)；然后是壓實(shí)邊緣提取，通過(guò)Hough變換提取到準(zhǔn)確的壓實(shí)邊緣直線；最后輸出提取后圖像，得到壓實(shí)邊緣直線.

圖1 鋼輪碾壓邊緣圖像

1 預(yù)處理

圖像預(yù)處理是對(duì)圖像正式處理之前所做的準(zhǔn)備工作.由于壓路機(jī)作業(yè)環(huán)境為非結(jié)構(gòu)化場(chǎng)景，天氣、光線、地面反射強(qiáng)度、振動(dòng)、噪聲等因素會(huì)造成圖像的模糊、歪斜、缺損等，因此預(yù)處理可提高后續(xù)邊緣檢測(cè)及提取的精度，其目的在于改善圖像數(shù)據(jù)，抑制不需要的變形或者增強(qiáng)某些對(duì)于后續(xù)處理來(lái)說(shuō)比較重要的圖像特征.預(yù)處理包括鄰域平均、高斯濾波、中值濾波等方法[6].

1.1 鄰域平均

式中：k= 1,2,3對(duì)應(yīng)取3×3，5×5，7×7的鄰域平均模板.圖像具有局部連續(xù)性質(zhì)，即相鄰像素的數(shù)值相近，而噪聲的存在使得在噪聲點(diǎn)處產(chǎn)生灰度跳躍，假設(shè)偶爾出現(xiàn)的噪聲影響并沒(méi)有改變圖像局部連續(xù)的性質(zhì).通過(guò)鄰域平均，原局部圖像中噪聲點(diǎn)的灰度得到了有效修正，將每1個(gè)點(diǎn)用周圍點(diǎn)的平均代替，從而達(dá)到減少噪聲影響的目的.圖2給出了取3×3，5×5，7×7的鄰域平均模板得到的處理后圖像.

圖2 原圖及鄰域平均處理后的圖像

1.2 高斯濾波

為了減少平滑處理中的模糊點(diǎn)，得到更自然的平滑效果，可適當(dāng)加大模板中心點(diǎn)的權(quán)重，隨著距離中心點(diǎn)的距離增大，權(quán)重迅速減小，從而可以確保中心點(diǎn)看起來(lái)更接近與它距離更近的點(diǎn)，基于以上考慮得到的模板即為高斯濾波.常用的3×3高斯模板如下：

而其(i，j)位置的元素值可如下確定：

當(dāng)標(biāo)準(zhǔn)差σ取不同的值時(shí)，二維高斯函數(shù)的形狀會(huì)發(fā)生變化，若σ過(guò)小，偏離中心的所有權(quán)重會(huì)非常小，濾波操作退化為圖像的點(diǎn)運(yùn)算，無(wú)法起到平滑噪聲的作用；若σ過(guò)大，而鄰域相對(duì)較小，在鄰域內(nèi)的高斯模板將退化成鄰域平均模板；只有當(dāng)σ取合適的值時(shí)才能得到像素值的較好估計(jì).

圖3給出了σ取0.5、高斯模板取3×3以及σ取0.5、1.8、高斯模板取7×7的處理后圖像，經(jīng)放大后可清晰比較其不同的效果.

圖3 高斯濾波處理后的圖像

由圖3可見(jiàn)，7×7高斯模板濾波后，與3×3模板相比更為模糊；σ=1.8的濾波效果與σ=0.5相比也更為模糊.因此選取σ=0.5的3×3高斯模板作為預(yù)處理方式.

2 邊緣檢測(cè)

邊緣檢測(cè)是圖像分割的重要部分，常用的邊緣檢測(cè)算子有梯度算子、Canny邊緣檢測(cè)算子和Kirsch邊緣檢測(cè)算子等，因此采用上述3種算子進(jìn)行鋼輪碾壓痕跡的提取效果對(duì)比.

2.1 梯度算子

最常用的梯度算子如下：Roberts算子、Sobel算子[7-8]、Prewitt算子.Roberts算子利用局部差分算子尋找邊緣，邊緣定位較高，但容易丟失一部分邊緣.同時(shí)由于圖像沒(méi)經(jīng)過(guò)平滑處理，因此不具備抑制噪聲的能力.該算子對(duì)具有陡峭邊緣且含噪聲少的圖像效果好.Sobel算子、Prewitt算子都考慮了鄰域信息，相當(dāng)于對(duì)圖像先做加權(quán)平滑處理，再做微分運(yùn)算，所不同的是平滑部分的權(quán)值有些差異，因此對(duì)噪聲具有一定的抑制能力，但不能完全排除檢測(cè)結(jié)果中出現(xiàn)的虛假邊緣.雖然這2個(gè)算子邊緣定位效果較好，但檢測(cè)出的邊緣容易出現(xiàn)多像素寬度.各算子如下： Roberts算子為

Sobel算子為

Prewitt算子為

采用以上3種算子進(jìn)行邊緣檢測(cè)的結(jié)果見(jiàn)圖4.

圖4 梯度算子處理后的圖像

2.2 Canny邊緣檢測(cè)算子

圖5 Canny算子處理后的圖像

2.3 Kirsch邊緣檢測(cè)算子

Kirsch算子是一種非線性邊緣檢測(cè)器，可在幾個(gè)預(yù)定方向上找到最大邊緣強(qiáng)度.它采用8個(gè)模板對(duì)圖像上的每1個(gè)像素點(diǎn)進(jìn)行卷積求導(dǎo)數(shù)，這8個(gè)模板代表8個(gè)方向，對(duì)圖像上的8個(gè)特定邊緣方向做出最大響應(yīng)，運(yùn)算中取最大值作為圖像的邊緣輸出.這8個(gè)模板如下：

對(duì)壓實(shí)邊緣進(jìn)行提取時(shí)，使用Kirsch算子進(jìn)行邊緣檢測(cè)的結(jié)果見(jiàn)圖6.

圖6 Kirsch算子處理后的圖像

比較上述5種邊緣檢測(cè)算子的實(shí)際結(jié)果可見(jiàn)，Roberts算子、Sobel算子、Prewitt算子雖然能較好地去除多余噪聲點(diǎn)的影響，但同時(shí)也去除了較多有用的邊緣點(diǎn)，使得處理后的圖像無(wú)法進(jìn)行后續(xù)直線的提取，因此這3個(gè)算子并不適合壓實(shí)邊緣的提取.而采用Canny算子和Kirsch算子時(shí)，能提取到較多的邊緣點(diǎn)，為后續(xù)實(shí)現(xiàn)直線提取提供良好的基礎(chǔ).

3 邊緣提取

邊緣檢測(cè)得到圖片中所有符合條件的邊緣，其中包括測(cè)量需要的壓實(shí)邊緣和外界環(huán)境中的干擾邊緣.為更有效地識(shí)別鋼輪痕跡邊緣，需要進(jìn)一步進(jìn)行圖像分割，濾除外界不必要的邊緣，提取有用的壓實(shí)邊緣.根據(jù)邊緣檢測(cè)得到的圖像結(jié)果確定下一步圖像分割的方法.

3.1 Hough變換

Hough變換是一種特征提取技術(shù)[10-12].通過(guò)將Hough參數(shù)空間量化為有限間隔或累加器單元來(lái)實(shí)現(xiàn)變換，將(xi,yi)轉(zhuǎn)換為1個(gè)離散化的(r,θ)曲線，并且累加器單元沿著這條曲線遞增.累加器陣列中產(chǎn)生的峰值代表圖像中存在相應(yīng)的直線.在1個(gè)參數(shù)空間中，通過(guò)投票程序在特定類型的形狀內(nèi)找到對(duì)象的不完美實(shí)例，候選對(duì)象被當(dāng)作累加器空間中的局部最大值來(lái)獲得.Hough變換的主要優(yōu)點(diǎn)是能容忍特征邊界描述中的間隙，并且相對(duì)不受圖像噪聲的影響.

線性Hough變換的最終結(jié)果是類似于累加器的二維矩陣，該矩陣的1個(gè)維度是量化角度θ，另1個(gè)維度是量化距離r.矩陣每個(gè)元素的值等于量化參數(shù)(r,θ)表示的線上點(diǎn)或像素的總和.所以有最高值的元素表示輸入圖像中含有直線.在某些論文中，把累計(jì)器單元X的結(jié)果認(rèn)為是投票值.換句話說(shuō)，將每個(gè)交點(diǎn)看成一次投票，也就是說(shuō)A(r,θ)=A(r,θ)+1，所有點(diǎn)都如此進(jìn)行計(jì)算后，可以設(shè)置1個(gè)閾值，投票大于這個(gè)閾值的可以認(rèn)為是找到的直線[13].因此通過(guò)閾值的設(shè)定來(lái)判定直線，該閾值的設(shè)定方法會(huì)影響識(shí)別結(jié)果，文中選取的是默認(rèn)值，即0.5max(H(:))；其中H矩陣是指Hough變換矩陣.

3.2 直線提取

Canny算子邊緣檢測(cè)后，采用Hough變換進(jìn)行壓實(shí)邊緣提取的結(jié)果見(jiàn)圖7a，圖中的綠色實(shí)線為提取到的壓實(shí)邊緣.

圖7 Hough變換后圖像

比較圖7a與圖1可見(jiàn)，提取到的壓實(shí)邊緣嚴(yán)重偏離了實(shí)際的壓實(shí)邊緣.由此可知，采用Canny算子進(jìn)行邊緣檢測(cè)是失效的，圖像處理后得到的邊緣與原壓實(shí)邊緣嚴(yán)重不符.

Kirsch算子邊緣檢測(cè)后，采用Hough變換進(jìn)行壓實(shí)邊緣提取的結(jié)果見(jiàn)圖7b.比較圖7與圖1可見(jiàn)，相較于Canny算子，Kirsch算子提取的直線更加符合實(shí)際的壓實(shí)邊緣.

4 結(jié) 論

在壓路機(jī)壓實(shí)痕跡邊緣圖像預(yù)處理方法選擇中，可選取σ=0.5的3×3高斯模板作為預(yù)處理方式.在邊緣檢測(cè)算子的選擇中，Roberts、Sobel、Prewitt算子無(wú)法提取到較多的邊緣點(diǎn)，使得處理后的圖像無(wú)法進(jìn)行后續(xù)直線提取的功能；而采用Canny和Kirsch算子時(shí)，能提取到較多的邊緣點(diǎn)，但Kirsch算子比Canny算子的提取效果更加符合實(shí)際的壓實(shí)邊緣.因此文中提出的方法可準(zhǔn)確提取鋼輪碾壓痕跡邊緣信息，同時(shí)保證準(zhǔn)確性和實(shí)時(shí)性，為壓路機(jī)實(shí)現(xiàn)自動(dòng)行駛提供了重要的視覺(jué)信息.文中的試驗(yàn)是針對(duì)壓路機(jī)行駛中的某一幀圖像進(jìn)行處理，未涉及動(dòng)態(tài)的多幀圖像連續(xù)處理，在后續(xù)的工作中可繼續(xù)該方面的研究.