买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京乐道机器人科技有限公司

摘要：本发明提供用于桥梁检测机器人的实时拉索表面缺陷检测的方法，包括步骤（1）：桥梁检测机器人采集拉索表面原始图像，步骤（2）：主机接收模块接收原始图像并将图像转为一通道灰度图像，步骤（3）：通过列灰度值来确定图像中拉索所属的矩形区域并进行提取图像，步骤（4）：通过自适应中值滤波算法对步骤（3）提取后的图像进行滤波，步骤（5）：使用对比度受限的自适应直方图均衡化CLAHE算法对步骤（4）滤波后的图像进行图像增强，步骤（6）：进行拉索表面的缺陷区域的提取和分割；步骤（7）：以无缺陷状态的拉索表面图像作为参考模型，与步骤（6）中分割后的拉索图像进行差分运算，并生成二值化图像，保存步骤（8）的缺陷图像。

主权项：1.用于桥梁检测机器人的实时拉索表面缺陷检测的方法，所述方法通过以下装置实现，所述装置包括四台缺陷检测相机、拉索检测机器人、远距离图像发送模块、远距离图像接收模块、远程识别主机，四台缺陷检测相机安装在拉索检测机器人周向四等分位置捕获拉索表面图像，检测相机通过信号接口远距离图像发送模块，远程识别主机通过USB连接远距离图像接收模块，该方法通过获取实时拉索表面图像并通过执行缺陷检测算法实现拉索表面缺陷的实时检测，其特征在于,该方法包括以下步骤；步骤1：桥梁检测机器人通过四个缺陷检测相机采集拉索表面360度的原始图像，并合成为一张图像通过远距离图像发送模块发送；步骤2：远程识别主机通过远距离图像接收模块接收检测机器人采集到的原始图像，并将彩色RGB三通道图像转为一通道灰度图像，灰度转化处理根据：Gr＝0.321·Rt+0.602·Gt+0.121·Bt其中，Gr代表处理后图像的灰度值，Rt、Gt、Bt分别代表原始图像中像素的RGB数值；步骤3：根据拉索图像灰度值较大的特点，通过列灰度值来确定图像中拉索所属的矩形区域，以减少无关区域对后续图像处理的干扰，并结合GrabCut算法进行拉索最终边界区域提取图像，根据基于混合高斯模型进行边界区域提取，使用的能量公式为： 其中，代表能量函数的区域数据项，代表能量函数的边界项,α为相关系数；所述步骤3中矩形区域确定具体方式是首先根据拉索直径设定其对应像素宽度为s列，然后根据公式计算多组灰度值和： i为图像像素列值，wt为图像像素宽度值；当Sumi为最大时，第i列像素为矩形区域左侧边界，第i+s-1列像素为矩形区域右侧边界；步骤4：通过自适应中值滤波算法或递推平均滤波算法对步骤3提取后的图像进行滤波，去除高空水雾带来的椒盐噪声以及信号传输产生的高斯噪声，减少噪声对后续表面缺陷识别带来的影响，滤波公式为：Gx,y＝median{fx-k,y-l,k,l∈W},x,y∈D其中，Gx,y代表滤波后的图像，fx,y代表上一步骤获取的图像像素值,median{}代表对像素求中值，W为滤波窗口尺寸范围且k,l∈W；步骤5：根据拉索图像光照不均的特性，使用对比度受限的自适应直方图均衡化CLAHE算法对步骤4滤波后的图像进行图像增强，突出拉索表面缺陷，弱化无关区域；步骤6：根据拉索图像中缺陷像素的灰度值所示范围，设置多组缺陷像素的灰度值作为种子点，采用区域生长法进行拉索表面的缺陷区域的提取和分割；所述步骤6中区域生长法是通过预先设置的多组缺陷像素的灰度值作为初始种子点，并进行四次区域生长，每次区域生长阈值分别为10,6,5,2；步骤7：以无缺陷状态的拉索表面图像作为参考模型，与步骤6中分割后的拉索图像进行差分运算，削弱正常拉索面相识的图像像素影响，并生成二值化图像，突出显示缺陷所属像素，差分运算公式为： 其中，代表最终的拉索缺陷差分图像，为步骤6生成的分割图像，预先设置的无缺陷状态的拉索表面图像；步骤8：根据缺陷实际尺寸与图像像素的比例关系，判断缺陷像素连通范围大小，当步骤7生成的差分图像中的缺陷范围尺寸大于8mm以上，认为该像素区域为拉索表面缺陷，否则，认为不存在缺陷；步骤9：若远程主机识别到拉索表面有缺陷，保存步骤8的缺陷图像以及对应的原始图像，并根据机器人所处拉索编号以及运行距离，在图片上标注位置信息；若未识别到拉索缺陷，则不保存；返回步骤1进行下一位置拉索缺陷检测。

全文数据：

权利要求：

百度查询： 南京乐道机器人科技有限公司 用于桥梁检测机器人的实时拉索表面缺陷检测方法