Analiza wpływu metod binaryzacji obrazu na detekcję i estymację kształtów ubytków nawierzchni drogi

• Autorzy: Graf K. , Lech P. , Okarma K.

Warianty tytułu

EN

Analysis of the binarization method’s influence on detection and shape estimation of road surface defects

• Języki publikacji: PL

Abstrakty

PL

W publikacji przeanalizowano wpływ zastosowanej metody binaryzacji na wyniki detekcji oraz estymacji wielkości i kształtu ubytków nawierzchni drogi. Klasyczne podejście oparte na detekcji krawędzi z użyciem filtrów Sobela czy też Robertsa, a nawet filtru Canny’ego nie zawsze prowadzi do zadowalających rezultatów prowadząc często do dużej liczby fałszywie pozytywnych detekcji, co jest spowodowane m.in. faktem niewielkiej różnicy odcieni pomiędzy powierzchnią drogi oraz wnętrzem ubytku. Z tego względu zasadne jest użycie metod binaryzacji obrazu, jednakże typowo używane metody globalne bazujące na analizie histogramu obrazu, jak np. metoda Otsu, równie często okazują się zawodne. Zaproponowane w artykule podejście probabilistyczne, wykorzystujące quasi-lokalną analizę histogramu, pozwala na efektywną detekcję ubytków w krótkim czasie, co jest szczególnie pożądane przy znacznych prędkościach, przy założeniu wykorzystania wbudowanych kamer w pojeździe lub niezależnych rejestratorów jazdy o ograniczonej mocy obliczeniowej.

EN

In the paper the influence of the binarization method on the results of the detection and estimation of the size and shape of the road surface defects is analyzed. The classic approach to edge detection using Sobel or Roberts filters or even using Canny edge detector does not always lead to satisfactory results often resulting in a high number of false positive detections, caused, inter alia, by the fact of little differences of the luminance between the road surface and the interior of the road defect. Therefore, it is reasonable to use the image binarization methods, however, typically used methods based on the analysis of the global image histogram, as for example Otsu method, often prove to be unreliable. The probabilistic approach proposed in the article, utilizing a quasi-local histogram analysis allows for efficient detection of defects in a short time, which is particularly desirable for large velocities, assuming the use of the built-in cameras or autonomous vehicle driving recorders with limited computing power.

Słowa kluczowe

PL

analiza obrazów; wizja maszynowa; inteligentne pojazdy

EN

image analysis; machine vision; intelligent vehicles

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2015
• Tom: nr 4
• Strony: 3527--3535, CD2
• Opis fizyczny: Bibliogr. 11 poz., rys., tab.

Twórcy

autor

Graf K.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Elektryczny, Studenckie Koło Naukowe Teleinformatyki „Apacz 500”; 70-313 Szczecin, ul. Gen. Władysława Sikorskiego 37; Tel: [phone], Fax: [phone]

autor

Lech P.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Elektryczny, Katedra Przetwarzania Sygnałów i Inżynierii Multimedialnej; 70-313 Szczecin, ul. Gen. Władysława Sikorskiego 37; Tel: [phone], Fax: [phone]

autor

Okarma K.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Elektryczny, Katedra Przetwarzania Sygnałów i Inżynierii Multimedialnej; 70-313 Szczecin, ul. Gen. Władysława Sikorskiego 37; Tel: [phone], Fax: [phone]

Bibliografia

• 1. Frejlichowski D., An algorithm for binary contour objects representation and recognition, Lecture Notes in Computer Science 2008, vol. 5112 – Image Analysis and Recognition, pp. 537–546, Springer International Publishing.
• 2. Frejlichowski D., An experimental comparison of seven shape descriptors in the general shape analysis problem, Lecture Notes in Computer Science 2010, vol. 6111 – Image Analysis and Recognition, pp. 294–305, Springer International Publishing.
• 3. Iwanowski M, Metody morfologiczne w przetwarzaniu obrazów cyfrowych. Wydawnictwo EXIT, 2009.
• 4. Kapur J., Sahoo P., Wong A., A new method for gray-level picture thresholding using the entropy of the histogram. Computer Vision, Graphics, and Image Processing 1985, vol. 29 no. 3, pp. 273–285.
• 5. Kutila M., Jokela M., Roessler B., Weingart J., Utilization of optical road surface condition detection around intersections. Advanced Microsystems for Automotive Applications, VDI-Buch 2009, pp. 109–127, Springer International Publishing.
• 6. Lech P., Okarma K., Optimization of the fast image binarization method based on the Monte Carlo approach. Elektronika ir Elektrotechnika 2014, vol. 20 no. 4, pp. 63–66.
• 7. Lech P., Okarma K., Tecław M., A fast histogram estimation based on the Monte Carlo method for image binarization. Image Processing and Communications Challenges 5, Series: Advances in Intelligent Systems and Computing 2014, vol. 233, pp. 73–80, Springer International Publishing.
• 8. Otsu N., A threshold selection method from gray-level histograms. IEEE Transactions on Systems, Man and Cybernetics 1979, vol. 9 no. 1, pp. 62–66.
• 9. Ryu S.-K., Kim T., Bae E., Algorithm and experiment for vision-based recognition of road surface conditions using polarization and wavelet transform. journal of emerging trends in computing and information sciences. Journal of Emerging Trends in Computing and Information Sciences 2014, vol. 5 no. 10, pp. 739–745.
• 10. Saito T., Kuroda Y., Online road surface analysis using laser remission in structured outdoor environments. Proceedings of the 41st International Symposium on Robotics (ISR) and 6th German Conference on Robotics (ROBOTIK) 2010, pp. 1–8.
• 11. Staniek M., Ocena dokładności stereowizyjnej metody inspekcji dróg. Budownictwo i Architektura 2014, vol. 13 nr 4, str. 259–266.

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę