0 引言

    我國(guó)高等級(jí)公路網(wǎng)的建設(shè)已躋身于世界領(lǐng)先水平^[1]。高性能、高可靠性、高效率和多信息化的路面檢測(cè)裝備已經(jīng)成為路面檢測(cè)部門的迫切需要。傳統(tǒng)的人工檢測(cè)算法效率低、精度差、勞動(dòng)強(qiáng)度大和安全性差已無(wú)法滿足道路養(yǎng)護(hù)作業(yè)需求。隨著圖像處理技術(shù)和人工視覺技術(shù)的快速發(fā)展，基于機(jī)器視覺路面檢測(cè)識(shí)別系統(tǒng)得以發(fā)展。同時(shí)為檢測(cè)載體在快速行駛下準(zhǔn)確的識(shí)別路面破損類型以及確定高精度路面破損位置提出了更高的要求。

    20世紀(jì)90年代，美國(guó)的Earth公司研制出PCES系統(tǒng)，瑞典一家公司推出PAVUE系統(tǒng)，但是這兩個(gè)系統(tǒng)實(shí)時(shí)性較差，同時(shí)對(duì)于裂縫的定位精度較低^[2]。我國(guó)在路面破損的自動(dòng)檢測(cè)識(shí)別研究方面起步較晚。長(zhǎng)安大學(xué)的徐志剛、趙祥模等人一直在對(duì)路面裂縫的識(shí)別與檢測(cè)系統(tǒng)進(jìn)行研究，同時(shí)實(shí)現(xiàn)對(duì)圖像中有裂縫部分的精確定位^[3]。

    高速載體運(yùn)動(dòng)下的導(dǎo)航定位精度是衛(wèi)星導(dǎo)航領(lǐng)域下的熱點(diǎn)問(wèn)題，同時(shí)實(shí)現(xiàn)路面破損的高精度定位一直是路面破損智能識(shí)別與檢測(cè)系統(tǒng)的重點(diǎn)研究方向之一。近年來(lái)，我國(guó)全球北斗定位系統(tǒng)的快速發(fā)展，為實(shí)現(xiàn)路面破損的智能、快速、高精度的定位提供了有效的手段。雖然目前差分技術(shù)、組合導(dǎo)航的技術(shù)可以有效地提高定位精度，但是實(shí)用性不強(qiáng)且成本較高。本文結(jié)合基于FPGA的路面破損的智能識(shí)別和檢測(cè)系統(tǒng)，提出了一種基于機(jī)器視覺距離補(bǔ)償的北斗路面破損智能識(shí)別定位算法，提高了在高速運(yùn)動(dòng)情況下路面破損定位的精度。

1 路面破損識(shí)別檢測(cè)系統(tǒng)和高精度定位的實(shí)現(xiàn)

1.1 基于FPGA的路面破損監(jiān)測(cè)系統(tǒng)

    基于FPGA的路面破損識(shí)別檢測(cè)系統(tǒng)^[4]的實(shí)現(xiàn)包括路面信息的采集、路面破損檢測(cè)算法、硬件系統(tǒng)的設(shè)計(jì)、北斗定位、無(wú)線傳輸五大部分組成。系統(tǒng)的結(jié)構(gòu)見圖1。

    減少由于光線不均勻的照射和傳感器的感光問(wèn)題帶來(lái)的誤差噪聲。同時(shí)對(duì)CMOS攝像頭進(jìn)行初始化配置：從設(shè)備操作視頻圖像為每秒30幀、輸出高8 bit的RAW RGB格式視頻信號(hào)，默認(rèn)采取VGA分辨率輸出、開啟自動(dòng)增益AGC功能、開啟自動(dòng)白平衡AWB功能、開啟自動(dòng)曝光AEC功能以及亮度值補(bǔ)償功能等。

    工作流程為首先提出一種基于公路路面圖像特征提取和分析的路面破損檢測(cè)方法^[5]，并用FPGA構(gòu)建硬件系統(tǒng)進(jìn)行處理，然后將處理結(jié)果通過(guò)SDRAM進(jìn)行緩存然后進(jìn)行VGA顯示，當(dāng)判定有破損時(shí)會(huì)向定位模塊獲取定位信息，并將進(jìn)行運(yùn)動(dòng)補(bǔ)償后的破損定位信息在LCD上進(jìn)行顯示，最后通過(guò)無(wú)線傳輸模塊把獲取到的圖像信息和破損位置信息發(fā)送至后臺(tái)服務(wù)器顯示并存儲(chǔ)。

1.2 高精度破損定位算法的實(shí)現(xiàn)

    實(shí)現(xiàn)高精度的路面裂破損定位的流程如圖2所示。首先對(duì)北斗定位原始數(shù)據(jù)進(jìn)行擴(kuò)展卡爾曼濾波^[6]處理，消除車載北斗信號(hào)容易受到遮擋和干擾的影響。消除誤差之后將車載北斗接收機(jī)接收到的經(jīng)緯度信息經(jīng)過(guò)高斯投影坐標(biāo)轉(zhuǎn)換到平面坐標(biāo)系。對(duì)CMOS相機(jī)采集的圖像幀數(shù)據(jù)進(jìn)行數(shù)字圖像處理，得到裂縫的在實(shí)際中的物理距離，最后進(jìn)行FPGA運(yùn)算耗時(shí)的運(yùn)動(dòng)補(bǔ)償，進(jìn)行坐標(biāo)轉(zhuǎn)換得到裂縫的經(jīng)緯度。

2 基于EKF的北斗高精度的定位數(shù)據(jù)的獲取

    本系統(tǒng)首先通過(guò)擴(kuò)展卡爾曼濾波(EKF)將北斗接收機(jī)接收到的數(shù)據(jù)進(jìn)行濾波處理^[7]，建立系統(tǒng)模型消除由于高樓建筑物和樹木遮擋導(dǎo)致定位精度偏差和數(shù)據(jù)丟失的問(wèn)題。

    假設(shè)車輛在行駛過(guò)程中是一個(gè)二維運(yùn)動(dòng)，則車輛運(yùn)動(dòng)的軌跡、實(shí)時(shí)速度都可以通過(guò)加速度的運(yùn)動(dòng)來(lái)推算出來(lái)，從而建立系統(tǒng)的運(yùn)動(dòng)狀態(tài)模型。因此，只需要將加速度變化的模型建立出來(lái)就可以表示運(yùn)動(dòng)載體當(dāng)前的運(yùn)動(dòng)狀態(tài)^[8]。

2.1 加速度模型的建立

    由于汽車在做加速運(yùn)動(dòng)時(shí)，它的下一瞬間的加速度的值是在一個(gè)有限范圍內(nèi)的，也就是在當(dāng)前加速度的領(lǐng)域內(nèi)。用一階馬爾科夫過(guò)程表示加速度的變化：

2.2 狀態(tài)方程

2.3 觀測(cè)方程的建立

    將北斗接收機(jī)接收到的數(shù)據(jù)東向位置信息z_e、北向位置信息z_n、實(shí)時(shí)速度v和方向角θ建立觀測(cè)方程，離散化可得：

    由于該方程是非線性的，采用EKF進(jìn)行線性化，即將預(yù)測(cè)值處泰勒級(jí)數(shù)展開，保留一階項(xiàng)。

    通過(guò)EKF來(lái)對(duì)裂縫識(shí)別車在行駛過(guò)程中由于樹木或者高樓引起的多徑效應(yīng)的誤差進(jìn)行修正，來(lái)得到更加精確的識(shí)別車的定位精度。

3 距離補(bǔ)償定位校正

3.1 FPGA圖像處理的運(yùn)算時(shí)間補(bǔ)償

    考慮到裂縫種類的特殊性，因此在裂縫判定分類時(shí)應(yīng)該根據(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(biāo)準(zhǔn)且安排一定的順序，設(shè)定閾值較高的應(yīng)該事先判定分類，具體的設(shè)置方法在這里就不再贅述。

    整個(gè)系統(tǒng)的圖像處理設(shè)計(jì)流程如圖3所示。

    為得到FPGA圖像處理得到的運(yùn)算時(shí)間，對(duì)圖像處理過(guò)程通過(guò)ModelSim-Altera仿真軟件進(jìn)行功能性仿真，得到完成中值濾波耗時(shí)t₁=1.200 ms，邊緣檢測(cè)耗時(shí)t₂=1.205 ms，膨脹算法耗時(shí)t₃=1.278 ms，腐蝕算法耗時(shí)t₄=1.126 ms和計(jì)算裂縫物理距離耗時(shí)t₅=1.002 ms，通過(guò)仿真，可以知道該系統(tǒng)的實(shí)時(shí)性較好。但是考慮到本系統(tǒng)的使用場(chǎng)景，當(dāng)裂縫識(shí)別車在高速運(yùn)動(dòng)時(shí)，F(xiàn)PGA進(jìn)行圖像處理時(shí)的計(jì)算速度造成的定位延時(shí)，需要對(duì)經(jīng)緯度的信息進(jìn)行誤差運(yùn)動(dòng)補(bǔ)償。

    北斗接收機(jī)可以實(shí)時(shí)地提供裂縫識(shí)別車的運(yùn)動(dòng)速度，在1 s內(nèi)將車行駛的速度近似為勻速運(yùn)動(dòng)。通過(guò)經(jīng)過(guò)濾波后的速度v，與FPGA進(jìn)行圖像處理的時(shí)間總和t，計(jì)算公式如下：

3.2 基于機(jī)器視覺的誤差校正

    本系統(tǒng)采用的是OV7725攝像頭進(jìn)行圖像采集，采集速度為30 f/s，采集的圖像大小是640×480。采集系統(tǒng)模型如圖4所示。

    由于攝像頭固定在車的頂部位置，對(duì)OV7725攝像機(jī)進(jìn)行定標(biāo)處理后^[9]，僅需要對(duì)特征提取裂縫圖像后的二值化圖像幀數(shù)據(jù)進(jìn)行運(yùn)算，計(jì)算裂縫A點(diǎn)位置裂縫在這一幀圖像中的距離。

    當(dāng)OV7725攝像頭固定在汽車上時(shí)，裂縫識(shí)別車到攝像頭采集到的視角的邊距S₁是固定值為2 m,由于物距是固定的，經(jīng)過(guò)大量的統(tǒng)計(jì)測(cè)量可以得到單位長(zhǎng)度對(duì)應(yīng)的像素?cái)?shù)為σ，通過(guò)對(duì)二值化后的裂縫像素點(diǎn)在圖像坐標(biāo)系中坐標(biāo)(u，v)進(jìn)行差分，并迭代相加，統(tǒng)計(jì)出像素點(diǎn)的個(gè)數(shù)n，最后轉(zhuǎn)換為物理距離，計(jì)算公式如下：

    圖5是經(jīng)過(guò)FPGA圖像處理后二值化圖像進(jìn)行物理距離的運(yùn)算，與實(shí)際的測(cè)量距離比較得到誤差值如表1所示。

4 北斗數(shù)據(jù)的轉(zhuǎn)換

    由于北斗接收機(jī)輸出數(shù)據(jù)采用的是2000國(guó)家大地坐標(biāo)系，因此需要運(yùn)用CGCS2000坐標(biāo)系進(jìn)行高斯投影坐標(biāo)正反轉(zhuǎn)換計(jì)算^[10]。本系統(tǒng)采用的是6°帶投影算法。南京地區(qū)中央子午線為117°，建立高斯投影平面坐標(biāo)。

    CGCS2000坐標(biāo)(B，L)轉(zhuǎn)換成平面直角坐標(biāo)(x，y)的高斯投影坐標(biāo)正算公式為：

5 算法測(cè)試與實(shí)驗(yàn)結(jié)果分析

    為了驗(yàn)證該算法的有效性和實(shí)時(shí)性，本課題組于2017年12月20日在南京信息工程大學(xué)進(jìn)行路面破損采集定位測(cè)試。試驗(yàn)設(shè)備是由泰斗D303北斗芯片接收數(shù)據(jù)，在一定時(shí)間內(nèi)進(jìn)行定位數(shù)據(jù)的采集，如時(shí)間、緯度、經(jīng)度、速度、航向和方位角等。采樣頻率為1 Hz。圖6是經(jīng)緯度運(yùn)動(dòng)軌跡，圖7是速度的變化量.

    圖8是濾波后的緯度和濾波前的緯度比較，圖9是濾波后的經(jīng)度和濾波前的經(jīng)度比較。以經(jīng)度為118.425 123°，緯度為32.125 222°坐標(biāo)為起始位置，從圖中可以看出由于實(shí)驗(yàn)過(guò)程中學(xué)校內(nèi)部的高樓和樹木較多，導(dǎo)致系統(tǒng)的誤差較大。通過(guò)EKF濾波后經(jīng)緯度值更加接近真實(shí)值。

    在運(yùn)動(dòng)過(guò)程中對(duì)路面上破損進(jìn)行實(shí)時(shí)采集和運(yùn)動(dòng)補(bǔ)償，對(duì)該路段進(jìn)行了3次裂縫采集，并將本系統(tǒng)采集的路面裂縫的編號(hào)和誤差進(jìn)行作圖分析。表2給出了在第一次測(cè)試采集裂縫的個(gè)數(shù)、編號(hào)、實(shí)時(shí)速度和定位誤差。圖10給出了3次重復(fù)采集的裂縫誤差信息。表3是3次測(cè)試誤差的統(tǒng)計(jì)結(jié)果。

    實(shí)驗(yàn)結(jié)果可以看出，本文提出的基于運(yùn)動(dòng)補(bǔ)償?shù)谋倍仿访嫫茡p定位算法具有較高的精度，通過(guò)機(jī)器視覺的補(bǔ)償將路面破損定位算法誤差降低到2 m左右。但是在車速較快時(shí)，誤差有較小的波動(dòng)。精度滿足本系統(tǒng)的設(shè)計(jì)要求。

6 結(jié)論

    本文針對(duì)基于FPGA的北斗路面破損識(shí)別系統(tǒng)提出了一種基于機(jī)器視覺距離補(bǔ)償?shù)穆访嫫茡p高精度定位算法，對(duì)破損信息的經(jīng)緯度的提取具有較高的精度和較好的實(shí)時(shí)性。擴(kuò)展卡爾曼濾波很好地降低了北斗芯片在定位過(guò)程中的誤差干擾問(wèn)題，并采用了機(jī)器視覺距離補(bǔ)償修正算法，很好地提高了基于FPGA的路面破損定位系統(tǒng)的實(shí)用性和可靠性。

參考文獻(xiàn)

[1] 楊愛國(guó).《公路交通“十二五”發(fā)展規(guī)劃》解讀[J].中國(guó)公路，2012：56-58.

[2] HARIS N，SANHOURI K，DOWNEY A B.Analysis of segmentation algorithms for pavement distress images[J].Journal of Transportation Engineer，1993，119(6)：391-394.

[3] WEI N，ZHAO X M，WANG T.Mathematical morphology based as phalt pavement crack detection[C].Proceedings of the Second International Conference on Transportation Engineering，2009：3883-3887.

[4] 李鵬，杜敏，趙芬芬.基于FPGA的圖像分析的路面破損檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[J].微電子學(xué)與計(jì)算機(jī)，2017，34（3）：100-104.

[5] 李鵬，趙芬芬，杜敏.基于雙樹復(fù)小波的直方圖路面裂縫檢測(cè)算法[J].安徽大學(xué)學(xué)報(bào)(自然科學(xué)版)，2018，42(1)：38-44.

[6] 韓春雷，陳赤聯(lián)，宋明，等.卡爾曼濾波在被動(dòng)目標(biāo)跟蹤系統(tǒng)中的應(yīng)用[J].電子科技，2012，22（4）：47-53.

[7] 劉玉杰.基于擴(kuò)展卡爾曼濾波算法的融合室內(nèi)定位系統(tǒng)研究與實(shí)現(xiàn)[D].南京：南京郵電大學(xué)，2016.

[8] YANG L，HILL C，MENG X.Evaluation of network RTK GPS correction transmission delay and loss[C].ENC GNSS2008，Toulouse，F(xiàn)rance，2008.

[9] 孫俊陽(yáng)，孫俊，許傳龍，等.一種基于光場(chǎng)圖像的聚焦光場(chǎng)相機(jī)標(biāo)定方法[J].光學(xué)學(xué)報(bào)，2017(5)：176-186.

[10] 王愛生，徐生，張棋，等.基于CGCS2000橢球的大地測(cè)量實(shí)用公式[J].導(dǎo)航定位學(xué)報(bào)，2015，3（3）：105-109.

作者信息:

繆誠(chéng)鈺1，2，3，李  鵬1，2，3，張精榕1，2，3，顧彬彬1，2，3，蔣  威1，2，3

(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(cè)與信息處理重點(diǎn)實(shí)驗(yàn)室，江蘇 南京210044)