0 引言

    我國高速公路快速發(fā)展令世界矚目，高速公路快速發(fā)展的同時，也使得傳統(tǒng)的路面破損人工目測檢測無法滿足需求，人工方法存在效率低、安全性不高等問題，因此，迫切需要一種高效的、高智能化的路面檢測裝置用于檢測路面破損檢測。

    隨著計算機視覺技術(shù)的發(fā)展，很多科研工作者提出了對路面裂縫的智能檢測方法并對其進行了系統(tǒng)的開發(fā)。早在20世紀60年代末期以模擬攝影技術(shù)為基礎(chǔ)的檢測系統(tǒng)就有由日本PASCO公司研發(fā)的ROADRECON-70檢測車和由法國開發(fā)的GERPHO自動檢測車^[1]。80年代，日本的KOMATSU公司研發(fā)了一款以模擬視頻錄像技術(shù)為基礎(chǔ)的路面裂縫檢測車^[2]，最高速度可達10 km/h；90年代中期，加拿大的RoadWare公司和瑞典的Romboll公司分別研制了基于面陣相機技術(shù)的ARAN系統(tǒng)和PAVUE系統(tǒng)^[3]，最高時速可達90 km/h；2008年，加拿大又研制出了以3D激光掃描技術(shù)為基礎(chǔ)的LCMS檢測系統(tǒng)^[4]，將路面檢測帶入一個新領(lǐng)域。國內(nèi)相關(guān)研究起步較晚，在2002年，南京理工大學(xué)的趙春雷等成功研制了N-1型路面檢測車^[5]，其檢測時速可達70 km/h。2007年武大卓越與湖北合力聯(lián)合研發(fā)了ZOYON-RTM智能道路檢測車^[6]；2010年長安大學(xué)研制出來基于依維柯的CT-502多功能路況檢測車^[7]。

    然而這些已經(jīng)研制成功的路面檢測系統(tǒng)都是通過圖像采集之后再通過計算機的強大處理能力來做后期的圖像處理，增加了大量視頻數(shù)據(jù)傳輸?shù)碾y度，且實時性低。為了避免大量數(shù)據(jù)的處理和傳輸難度，增加系統(tǒng)的實時性，本文提出一種在下位機就能實現(xiàn)路面有效信息提取的方案。在前人工作的基礎(chǔ)上，提出一種實時在線公路路面破損及位置檢測裝置。檢測裝置以FPGA技術(shù)、圖像處理技術(shù)以及北斗定位技術(shù)與無線通信技術(shù)相結(jié)合的方式來實現(xiàn)。檢測裝置通過CMOS圖像傳感器進行視頻圖像采集，SDRAM進行視頻圖像的緩存，在FPGA中就可對圖像進行實時處理與識別分類，然后用VGA進行視頻圖像的顯示，北斗定位模塊進行位置信息的獲取，通過DTU 4G無線傳輸模塊把獲取的圖像信息和位置信息發(fā)送到后臺進行存儲，通過LCD顯示識別分類結(jié)果和地理位置信息。

1 硬件系統(tǒng)設(shè)計

    本文所設(shè)計的路面破損檢測裝置的系統(tǒng)結(jié)構(gòu)框圖如圖1所示，整個系統(tǒng)使用Altera的Cyclone IV系列的EP4CE30F23C8N FPGA芯片作為主控芯片，該芯片有4個PLL，能產(chǎn)生多達20個全局時鐘，28 848個邏輯門，608 256個存儲單元，533個I/O接口，如此豐富的片上資源為本系統(tǒng)的設(shè)計提供了極大靈活性。

    首先FPGA芯片通過I2C總線協(xié)議對COMS攝像頭OV7725進行配置以實現(xiàn)路面圖像的采集，然后利用FPGA對獲得的圖像進行圖像處理，灰度中值濾波、Sobel邊緣檢測、形態(tài)學(xué)膨脹腐蝕，最后達到對裂縫特征提取與分類識別的目的。得到裂縫的特征并通過VGA顯示，再進行路面裂縫的識別與分類并對裂縫位置進行定位，最后把路面裂縫信息和位置信息發(fā)送到后臺終端。

1.1 灰度中值濾波的實現(xiàn)

    在對路面進行圖像信息采集的時候圖像中會摻雜一些噪聲，因此需要對采集到的圖像進行平滑濾波從而進行降噪處理，以便后續(xù)的圖像處理^[8]。中值濾波是一種非線性濾波的圖像處理方法，對消除少量離散噪聲點效果顯著^[9]，其通過對鄰域內(nèi)像素按灰度排序的結(jié)果決定中心像素的灰度，是通過窗口內(nèi)的像素的灰度值進行排序，并取出位于中間位置的灰度作為中心像素的灰度。因此中值濾波由窗口提取模塊和排序模塊組成。

1.1.1 窗口實現(xiàn)

    由于FPGA芯片內(nèi)部具有豐富Shift_RAM移位寄存器資源，可以非常方便地通過2行或3行Shift_RAM的移位存儲，來實現(xiàn)3×3像素陣列。本文通過移位寄存器Shift_RAM來存放2行像素，同時與當(dāng)前輸入行的數(shù)據(jù)組成3行的陣列。其硬件實現(xiàn)框圖如圖2所示。

1.1.2 排序模塊

    排序模塊的目的就是從9個像素點中比較出中間像素值，在FPGA中最快只需3個時鐘即可完成中值的比較，即使用7個比較器進行三輪比較，第一輪比較3個比較器并行比較出每行的最大值、中間值和最小值；第二輪3個比較器比較出3個最大值中的最小值、3個中間值的中間值、3個最小值中的最大值；第三輪用一個比較器比較出第二輪得出的3個像素值的中間值，將該值作為9個像素點的中間值^[10]。其實現(xiàn)流程如圖3所示。

1.2 改進的Sobel邊緣檢測的實現(xiàn)

    Sobel邊緣檢測模塊主要分梯度計算和基于像素閾值的邊緣檢測兩部分，因為只需要實現(xiàn)裂縫的邊緣檢測，這里不需要方向信息的提取。改進后的Sobel算子相比傳統(tǒng)的Sobel算子增加了不少運算量，涉及加法、減法、乘法、除法、平方和開平方等運算。

    經(jīng)過中值濾波后的圖像繼續(xù)使用移位寄存器Shift_RAM提取3×3像素陣列與改進的Sobel算子作乘法運算并經(jīng)過最后的合成得到的梯度值用來取代原來3×3像素陣列的中心像素值。由于 Altera 在 LPM 中提供了豐富的 IP核，復(fù)雜的乘除運算和平方根運算都可以通過例化相應(yīng)的IP核來實現(xiàn)，只需要根據(jù)需要配置相應(yīng)的參數(shù)即可，而簡單的加減運算則是用運算符實現(xiàn)。

    將設(shè)計好的閾值IP核與最后輸出的梯度值D比較，閾值可以根據(jù)實際情況作相應(yīng)的修改，本文設(shè)為60，如果像素值大于閾值，視為邊緣并賦值為 1；反之則賦 0，這樣就就可以得到一幅二值化的邊緣圖像，為后面的特征提取提供了基礎(chǔ)。

1.3 形態(tài)學(xué)膨脹與腐蝕的實現(xiàn)

    由于圖像降噪或者邊緣檢測時可能會發(fā)生部分信息丟失或者出現(xiàn)噪聲邊緣，因此需要通過形態(tài)學(xué)膨脹腐蝕算法來對圖像進行修復(fù)^[11]。

    膨脹與腐蝕是在二值化的圖像上處理的，需要用Shift_RAM移位寄存器來實現(xiàn)1 bit的3×3陣列，即將寬度參數(shù)設(shè)置為1 bit。其中膨脹運算通過像素之間作或運算來實現(xiàn)^[12]， 考慮到運算效率問題，在HDL中通過面積換取效率，通過兩個時鐘來實現(xiàn)，第一個時鐘分別計算每行3個像素的或，第二個時鐘計算前面結(jié)果的或。而腐蝕則相反，通過像素值作與運算來實現(xiàn)。

1.4 投影特征提取與裂縫分類識別

    本文將路面裂縫大致分為橫向裂縫、縱向裂縫、以及龜裂和塊狀裂縫4類。裂縫的特征提取直接關(guān)系到對裂縫識別與分類性能的優(yōu)劣^[13]。

1.4.1 裂縫投影特征提取

    投影算法就是將某個方向作為投影方向，并統(tǒng)計在其方向的垂直方向上的坐標圖像目標的像素點的和，為了更好地對裂縫路面進行分類，則需要對裂縫圖像分別做X、Y坐標軸方向上的投影，其算法如式(1)與式(2)所示。

    在FPGA中，通過設(shè)計累加器來對各行各列的像素值進行累加并且通過寄存器保存累加值，再通過比較器比較出最大投影值來作為當(dāng)前圖像的投影特征值。

1.4.2 裂縫分類識別

    考慮到裂縫種類的特殊性，在裂縫判定分類根據(jù)收集的大量不同裂縫圖像的投影特征設(shè)定不同的閾值標準,為了獲取裂縫的特征，對裂縫圖像進行采樣并作為裂縫特征數(shù)據(jù)庫，并通過MATLAB進行投影特征分析，獲得表1所示的裂縫分類投影特征。將提取到的圖像投影特征值與表中的閾值進行比較就能判斷出裂縫的類型，本文通過一個一段式狀態(tài)機來實現(xiàn)裂縫類型的判別。

1.5 北斗定位模塊

    北斗衛(wèi)星系統(tǒng)是我國具有自主知識產(chǎn)權(quán)的空間導(dǎo)航定位系統(tǒng),具有定位、授時以及短報文通信等功能^[14]。本文選擇了具有高精度定位的基于北斗地基增強站（CORS）的北斗偽距差分定位方法。北斗地基增強系統(tǒng)由參考站網(wǎng)、數(shù)據(jù)處理與控制中心、網(wǎng)絡(luò)通信系統(tǒng)和用戶設(shè)備4部分組成^[15]。本文采用泰斗D303導(dǎo)航差分定位芯片作為用戶端與江蘇北斗地基增強站(JSCORS)建立數(shù)據(jù)通信獲得高精度差分定位信息^[16]，由芯片D303接收的單點定位信息通過GPRS網(wǎng)絡(luò)通信發(fā)送給數(shù)據(jù)中心，再接收數(shù)據(jù)中心生成的差分修正信息，再由D303差分定位模塊解析得到高精度定位信息^[17]。

    D303芯片與FPGA之間通過串口通信將解析后的高精度北斗定位電文發(fā)給FPGA端的串口接收模塊，本文只要從所有電文中提取出其中包含經(jīng)緯度信息的BDGGA電文中的經(jīng)緯度信息即可，在FPGA中通過一個簡單的狀態(tài)機實現(xiàn)。

1.6 無線通信模塊

    無線傳輸使用DTU 4G無線傳輸模塊，支持AT指令，本系統(tǒng)中其與FPGA之間采用串口通信的方式，通信速度設(shè)為230 400 b/s，TXD、RXD為發(fā)送、接收端，分別連接到FPGA的串口發(fā)送和接收端。在發(fā)送數(shù)據(jù)之前先使用AT指令與遠程服務(wù)器建立TCP連接，接收到返回連接建立成功后即可發(fā)送數(shù)據(jù)，F(xiàn)PGA端已將要發(fā)送的定位信息、裂縫信息以及裂縫圖片按約定的格式緩存在SRAM中，通過串口發(fā)送模塊即可發(fā)送數(shù)據(jù)。

2 Sobel算子及其改進

    Sobel邊緣檢測算法被廣泛運用在計算機視覺識別領(lǐng)域^[18]，其算法是對獲取的圖像的像素平滑處理后進行橫向和縱向的3×3矩陣卷積即可得到橫向和縱向的差分近似值^[19]，假設(shè)A代表獲取平滑濾波處理后的圖像，G_x、G_y表示經(jīng)過縱向和橫向邊緣檢測的圖像，其定義如式(3)所示：

    同時梯度方向由arctan(D_x/D_y)所決定^[20]。

    傳統(tǒng)的Sobel邊緣檢測算法只對橫向和縱向作卷積運算^[21]，因此對于一些紋理比較復(fù)雜的圖像可能邊緣檢測效果不是那么明顯，尤其是對路面這樣噪聲較多的圖像，針對瀝青路面的高噪聲的情況，對傳統(tǒng)的Sobel邊緣檢測算法進行改進，加入抗噪能力更強的可變分母差分算法^[22]，用f_ij表示圖像模板中的像素點，D_x、D_y分別表示水平和垂直方向的像素差分值，A和B表示圖像與水平模板計算后各部分的值，C和D表示圖像與垂直模板計算后的值，加入了可變分母后的計算方法如式(5)和式(6)所示：

3 系統(tǒng)測試與實驗結(jié)果分析

    圖4所示是搭建的整個系統(tǒng)的實物圖以及系統(tǒng)的顯示界面，主要由圖像處理部分、定位部分、顯示部分、數(shù)據(jù)傳輸部分以及后臺服務(wù)器組成。圖5是檢測到各類裂縫后傳輸?shù)椒?wù)器后通過上位機顯示出來的經(jīng)緯度信息以及裂縫信息，表明該系統(tǒng)能夠穩(wěn)定地運行并成功地檢測出橫向、縱向、龜裂以及塊狀裂縫。 

    本文采用的評價智能路面裂縫檢測系統(tǒng)的技術(shù)指標如下所示：

    （1）識別率：用來作為衡量識別系統(tǒng)能否正確識別的最重要的一個指標。

    （2）誤識率：簡單地概括為將一種裂縫識別分類成其他類別的比率。

    （3）拒識率：對有裂縫的圖像無法進行識別或分類，即衡量算法能否進行正常識別工作。

    表2所示是實驗結(jié)果統(tǒng)計表，是分別對20個橫向、縱向、龜裂、塊狀的裂縫進行檢測，通過結(jié)果可以得知該系統(tǒng)工作性能優(yōu)良，能夠滿足正常的路面裂縫檢測的工作，達到預(yù)期目標。由表2可以得知，塊狀的識別率在4種裂縫類別中最低，主要是因為塊狀的裂縫在橫向與縱向上的投影特征不顯著，在判定閾值的選取上對塊狀的裂縫識別影響較大。

4 結(jié)論

    本系統(tǒng)通過將北斗導(dǎo)航技術(shù)和圖像處理技術(shù)結(jié)合實現(xiàn)了基于北斗定位和FPGA的路面裂縫檢測系統(tǒng)。通過改進的Sobel邊緣檢測算法，降低了邊緣的模糊程度，提高檢測準確性和抗干擾能力。并且在FPGA上實現(xiàn)了裂縫的自動識別和分類，系統(tǒng)只需在識別出裂縫時通過無線通信發(fā)送裂縫圖片和經(jīng)緯度信息，避免了大量數(shù)據(jù)流傳輸?shù)耐瑫r而不失實時性。本系統(tǒng)所采用的是北斗差分導(dǎo)航定位模塊，該定位模塊的精度在靜止和運動狀態(tài)下分別為1 m和3 m，實現(xiàn)了高精度定位功能。把無線通信模塊和FPGA結(jié)合起來，可以把FPGA采集和處理完的數(shù)據(jù)實時傳輸?shù)椒?wù)器上顯示實時圖片并存儲起來，實現(xiàn)實時監(jiān)控，方便后期的管理。存儲的數(shù)據(jù)可以輸入到地圖上，實現(xiàn)裂縫位置信息在地圖上可視化。

參考文獻

[1] BENSON K R，ELKINS G E，UDDIN W，et al.Comparison of methods and equipment to conduct pavement distress surveys[M].Transportation Research Record，1988.

[2] COUNCIL N.Automated imaging technologies for pavement distress surveys[C].Transportation Research E-Circular，2011.

[3] KLASSEN G，SWINDALL B.Automated crack detection system implementation in ARAN[C].Digital Image Processing：Techniques and Applications in Civil Engineering，1993.

[4] LAURENT J，LEFEBVRE D，SAMSON E.Development of a new 3D transverse laser profiling system for the automatic measurement of road cracks[J].Symposium on Pavement Surface Characteristics Portoroz Slovenia，2008.

[5] 趙春霞，唐振民，楊靜宇，等. N-1型道路狀況智能檢測系統(tǒng)[C].中國人工智能學(xué)會全國學(xué)術(shù)年會，2003.

[6] 武漢武大卓越科技有限責(zé)任公司，道路檢測[EB/OL].(2016-04-03).http：//www.zoyon.com.cn/index.php/index-show-tid-31.html.

[7] 王建鋒.激光路面三維檢測專用車技術(shù)與理論研究[D].西安：長安大學(xué)，2010.

[8] American Association of State Highway and Transportation Officials(AASHTO) Guide for Design of Pavement Structures[M].Washington，D.C.，2002.

[9] 張杰.基于FPGA的數(shù)字圖像處理[D].武漢：華中科技大學(xué)，2009.

[10] 孟顯英.中值濾波算法的FPGA設(shè)計與實現(xiàn)[J].電腦知識與技術(shù)，2010，27(6)：7822-7824.

[11] 何春華，張雪飛，胡迎春.基于改進Sobel算子的邊緣檢測算法的研究[J].光學(xué)技術(shù)，2012，38(3)：332-337.

[12] KELVIN C，WANG P.Elements of automated survey of pavements and a 3D methodology[J].Journal of Modern Transportation，2011，19(1)：51-57.

[13] 宋俊芳.路面檢測關(guān)鍵技術(shù)綜述[J].科教導(dǎo)刊，2016(18)：156-157.

[14] 李亞鵬，馬潤.基于北斗衛(wèi)星的電力調(diào)度應(yīng)急通信系統(tǒng)的研究[J].寧夏電力，2015(2)：51-55.

[15] 劉天恒，陳明劍，張樹為，等.北斗地基增強系統(tǒng)數(shù)據(jù)通信綜述[J].全球定位系統(tǒng)，2017，42(1)：65-69.

[16] 閆建巧，陳明劍，汪威，等.基于地基增強系統(tǒng)的增強PPP技術(shù)[J].全球定位系統(tǒng)，2016，41(2)：50-54.

[17] 劉天恒，陳明劍，尹子明，等.基于北斗地基增強系統(tǒng)RTD精度分析[C].中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會，2016.

[18] 陳娟，文振宇，李志強，等.一種快速手勢識別算法的實現(xiàn)與驗證[J].實驗科學(xué)與技術(shù)，2011，9(6)：34-36.

[19] 盧春雨，張長水，聞方，等.基于區(qū)域特征的快速人臉檢測法[J].清華大學(xué)學(xué)報(自然科學(xué)版)，1999，39(1)：101-105.

[20] 李鵬，杜敏，趙芬芬.基于FPGA圖像分析的路面破損檢測系統(tǒng)的研究與實現(xiàn)[J].微電子學(xué)與計算機，2017，34(3)：100-104.

[21] 劉博峰，郜麗鵬.基于FPGA的Sobel圖像邊緣檢測算法[J].應(yīng)用科技，2016，43(6)：59-61.

[22] 張建軍，羅靜.基于改進Sobel算子的表面裂紋邊緣檢測算法[J].合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版)，2011，34(6)：845-848.

作者信息:

張精榕1，2，3，顧彬彬1，2，3，繆誠鈺1，2，3，李劍喬4

(1.南京信息工程大學(xué) 江蘇省大氣環(huán)境與裝備技術(shù)協(xié)同創(chuàng)新中心，江蘇 南京210044；

2.南京信息工程大學(xué) 江蘇省氣象傳感網(wǎng)技術(shù)工程中心，江蘇 南京210044；

3.南京信息工程大學(xué) 江蘇省氣象探測與信息處理重點實驗室，江蘇 南京210044；

4.南京郵電大學(xué) 電子科技與工程學(xué)院，江蘇 南京210003)