用于混凝土桥面板裂缝深度估计的掩膜引导立体视觉技术

《Engineering Structures》：Mask-guided stereo vision technique for crack depth estimation of concrete bridge deck

　　- 提出了一种掩码引导的立体视觉框架，用于混凝土裂缝深度估计。- 利用区域自适应匹配策略，改进了裂缝区域的视差恢复效果。- 引入了基于骨架引导的方法，从重构表面中提取裂缝深度。- 在实验室测试中证明了毫米级裂缝深度估计精度。- 利用超声波测量验证了立体视觉得到的裂缝深度数据。**引言**钢筋混凝土桥面是重要的交通基础设施，长期承受交通荷载和恶劣环境条件的作用[1]。裂缝会导致水分和氯离子渗入，加速钢筋腐蚀，降低结构耐久性和使用寿命[2]。因此，及时检测并准确表征裂缝对于可靠的状况评估和维护规划至关重要[3]、[4]、[5]、[6]。传统的裂缝检测主要依赖目视检查和局部无损检测（NDT）方法，如超声波脉冲速度（UPV）或取芯采样[7]、[8]、[9]。尽管这些技术能够提供深度信息，但它们劳动密集，空间覆盖有限，不适合频繁的大规模检查[7]。主动感知技术如激光雷达（LiDAR）也被探索用于三维表面表征。然而，其用于常规桥面检测受限于高成本、操作复杂以及对狭窄裂缝分辨率有限等问题[10]。计算机视觉和深度学习的最新进展实现了从图像中进行自动裂缝检测，为人工检查提供了可扩展的非接触替代方案[11]。这些方法可以检测裂缝并测量长度和宽度等几何属性[12]、[13]、[14]。然而，大多数现有基于视觉的方法仍专注于二维属性，如裂缝长度和宽度，而基于图像的裂缝深度估计则相对较少受到关注[15]。与表面宽度相比，裂缝深度与钢筋暴露和腐蚀起始的关系更为密切。因此，缺乏可靠的深度信息限制了当前基于视觉的系统在定量结构健康监测（SHM）和基于状态的维护中的应用[5]、[16]。立体视觉提供了一种经济有效的方法，通过图像获取三维表面信息，并广泛应用于机器人、制造和基础设施检测领域[17]、[18]。通过利用几何三角测量，立体系统使用被动光学传感器生成密集的深度图。然而，对狭窄混凝土裂缝进行可靠的深度估计仍然具有挑战性。裂缝通常表现出纹理微弱、对比度低和深度不连续性突然等特点，这会给半全局块匹配（SGBM）等立体对应算法带来歧义[19]、[20]。因此，裂缝区域内的视差估计通常噪声较大或不完整，降低了深度测量的可靠性。近年来的研究已将基于图像的裂缝评估扩展至三维和定量表征。例如，基于深度学习的裂缝检测和分割已与双目视觉和SGBM结合，用于自动测量裂缝的长度、宽度和方向[21]。一种轻量级的双目视觉框架也被开发用于水下微裂缝检测和亚毫米级几何测量[22]。最近，使用结合RGB信息和二值裂缝特征的双分支网络直接预测裂缝深度的方法也被探索[23]。这些进展表明，从裂缝检测向定量几何表征转变的兴趣日益增长。然而，现有的基于立体的方法主要关注表面尺寸，而基于学习的深度预测并未直接利用校准后的立体几何进行度量重建。因此，在狭窄裂缝区域内实现可靠的立体对应仍然是基于图像的裂缝深度测量的一个重要挑战。为了解决这一局限性，本研究提出了一种掩码引导的立体视觉框架用于裂缝深度估计。首先，基于迁移学习的U-Net模型从高分辨率立体图像中生成二值裂缝掩码。这些掩码通过区域加权匹配策略指导传统SGBM流水线中的视差估计，在改善裂缝区域内对应关系的同时，保持完好表面的稳定重建。与端到端的基于学习的深度模型不同，该框架保持了立体视觉的几何可解释性，同时在具有挑战性的裂缝区域改进了鲁棒性[24]。所提出的方法使用从多种不同现场条件下的混凝土结构采集的图像进行验证，包括桥面、混凝土人行道和室内楼板。实验结果表明，与标准SGBM相比，改进后的视差连续性、减少的误匹配和更可靠的裂缝深度估计。该框架使用低成本的立体成像实现了定量的裂缝深度测量，支持混凝土基础设施SHM和维护的可扩展非接触检测。本研究的主要贡献总结如下：- 一种掩码引导的立体视觉框架，将语义裂缝定位与几何立体重建相结合。- 一种裂缝感知的双阶段SGBM策略，使用区域特定的匹配设置、掩码引导的视差融合和区域感知的验证，以改善跨越裂缝深度不连续性的视差恢复。- 一种骨架引导的裂缝深度量化方法，使用局部平面拟合和鲁棒统计。- 在真实混凝土结构上的现场验证，证明了用于自动检测和SHM的可靠裂缝深度估计。**图像章节片段****图像基于裂缝检测与表面表征**随着深度卷积神经网络（CNN）在基础设施检测和像素级损伤标注中的发展，从图像中自动检测裂缝已被广泛研究[3]、[16]。语义分割已成为主导方法，因为它能够在复杂光照和异质表面纹理下精确划分细长的裂缝痕迹[13]。编码器—解码器架构如U-Net通过跳跃连接保留空间细节，从而实现检测。**所提出框架概述**本研究提出了一种掩码引导的立体视觉框架，用于混凝土表面的定量裂缝深度估计。该方法将语义裂缝定位与经典立体几何相结合，在保持物理可解释深度重建的同时，改善狭窄裂缝区域的视差可靠性。如图1所示，工作流程被组织为模块化流水线，用不同颜色标注的阶段代表输入数据、语义裂缝推理、立体计算等。**立体成像系统与标定**立体视觉通过从两个视角观察同一表面点，并利用几何三角测量重建其三维位置来估计场景深度。如图6所示，场景点 P(Xw, Yw, Zw) 被投影到左右图像平面上的像素位置 Pl(ul, vl) 和 Pr(ur, vr)。这些投影之间的水平位移定义为视差 d = ul ? ur，用于恢复度量深度。相机之间以固定的立体基线 b 分隔，并描述如下。**控制试件的实验结果**本节展示了从控制裂缝试件获得的定性和定量结果，随后对关键成像参数进行了敏感性分析。**结论**本研究开发并验证了一种掩码引导的立体视觉框架，用于混凝土表面的定量裂缝深度估计。该方法将语义裂缝定位与基于几何的立体对应流水线相结合，在改善狭窄裂缝区域的视差可靠性同时，实现物理可解释的深度重建。通过将裂缝感知的引导嵌入SGBM过程，该框架在保持裂缝引起的深度不连续性稳定的同时。**CRediT作者贡献声明****Michael Bekele Maru：** 撰写初稿，可视化，验证，方法，调查研究，形式分析，数据管理。**AHM Muntasir Billah：** 撰写评审与编辑，监督，资源，项目管理，资金获取，概念设计。**利益冲突声明**作者声明他们没有已知的竞争性经济利益或个人关系，这些关系可能影响本文所报告的工作。**致谢**作者衷心感谢加拿大自然科学与工程研究委员会（NSERC）通过NSERC Alliance-Mitacs Accelerate拨款以及卡尔加里市提供的财政支持。作者也感谢Proceq公司的David Dalley在UPV测量方面提供的帮助。