2022-01-23 22:50:47 索炜达.猿创 209
文件编号:C411
文件大小:13M
代码行数:49行(主程序)
开发环境:Python3.9、OpenCV4.5
猿创承诺:该源码均通过亲自测试可正常运行
简要概述:基于OpenCV的公路或路面裂缝检测,据了解,全世界正在投入数百万美元用于公路/地铁隧道的维护和修复。如果能尽早发现裂纹,则可将该成本降至最低。由于修复过程取决于裂纹的类型,因此我们需要采取措施,以便下一步如何修复。如果我们能尽早找到裂缝,那将是一个非常好的决定。最初,我们需要拍摄非常透明的道路/混凝土基础设施图像。原因检测将取决于该图像。因此,任何用于扫描或捕获道路/混凝土基础设施图像的设备,都必须配置为拍摄高分辨率图像。在这些图像上,应用各种图像处理技术来提取裂纹信息。根据这些信息,可以使用一些决策算法对图像进行分类。该程序可用于任何物体或车辆采集的图像,这些物体或车辆携带图像传感终端、激光距离传感器、图像存储和处理服务器、中央控制系统和速度传感器。准确度取决于图像质量和准确捕获。
无论何时我们旅行,我们首先需要的是道路安全。所以,如果我们能确认我们的公路状况良好,那么事故就会自动减少。由于修建了公路,可以看到沥青/混凝土表面的裂缝或孔洞。一旦我们修补了裂缝,我们的旅程肯定会安全的。大多数情况下,事故都是由于道路状况不佳造成的。
在非常现代化的国家,他们有数千公里的高速公路。用人力检查这些道路很困难。因此,可以开发一种有效的道路状况自动检测系统,以确保道路安全。
这些公路裂缝可分为若干类型。根据这些裂缝,当局必须采取措施修复这些裂缝。最初可能需要检测裂纹的位置。为了实现这一点,需要一种视觉检测技术来捕获道路图像,然后进行分析。
因此,我们的最终目标是开发一种能够自动检测高速公路裂缝的系统。
依赖包:
numpy
opencv-python==3.4.2.16
opencv-contrib-python==3.4.2.16
matplotlib
方法:
此处,裂纹检测方法可分为以下几个步骤:
1.图像捕获
2.图像处理
3.图像分割
4.特征提取
运行效果:
目录│文件列表:
├ 演示视频
│ └ 演示视频.mp4
└ 项目源码
└ crack-detection-opencv
│ CrackDetection.py
│ requirements.txt
├ Input-Set
│ │ Cracked_01.jpg
│ │ Cracked_02.jpg
│ │ Cracked_03.jpg
│ │ Cracked_04.jpg
│ │ Cracked_05.jpg
│ │ Cracked_06.jpg
│ │ Cracked_07.jpg
│ │ Cracked_08.jpg
│ │ Cracked_09.jpg
│ │ Cracked_10.jpg
│ │ Cracked_11.jpg
│ │ RoadCrack_01.jpg
│ │ RoadCrack_02.jpg
│ │ RoadCrack_03.jpg
│ │ RoadCrack_04.jpg
│ │ RoadCrack_05.jpg
│ │ RoadCrack_06.jpg
│ │ RoadCrack_07.jpg
│ │ RoadCrack_08.jpg
│ └ SolidRoad-1.jpg
├ Output-Set
│ │ CrackDetected-1.jpg
│ │ CrackDetected-10.jpg
│ │ CrackDetected-11.jpg
│ │ CrackDetected-2.jpg
│ │ CrackDetected-3.jpg
│ │ CrackDetected-4.jpg
│ │ CrackDetected-5.jpg
│ │ CrackDetected-6.jpg
│ │ CrackDetected-7.jpg
│ │ CrackDetected-8.jpg
│ │ CrackDetected-9.jpg
│ │ NoCrack-1.jpg
│ │ RoadCrackDetected-1.jpg
│ │ RoadCrackDetected-2.jpg
│ │ RoadCrackDetected-3.jpg
│ │ RoadCrackDetected-4.jpg
│ │ RoadCrackDetected-5.jpg
│ │ RoadCrackDetected-6.jpg
│ │ RoadCrackDetected-7.jpg
│ └ RoadCrackDetected-8.jpg
└ Processed-Set
│ bilateral-1.jpg
│ bilateral-7.jpg
│ blur-1.jpg
│ blur-7.jpg
│ closing-1.jpg
│ closing-7.jpg
│ edges-1.jpg
│ edges-7.jpg
│ gray-1.jpg
│ gray-7.jpg
│ img_log-1.jpg
└ img_log-7.jpg