Crack-Aware är användarvänligt och lätt att installera, instruktioner för installation och användning finns i manualen. Det finns goda möjligheter att jobba vidare med den data som beräknas av Crack-Aware eftersom alla resultat förutom att visas på skärmen även lagras på hårdisken.
Sprickdetekteringen finns i två utföranden. Originalutförandet kräver Matlab med image processing toolbox. För att sprickdetektering ska kunna utföras på plattformar där image processing toolbox saknas har de funktioner från image processing toolbox som krävs i originalprogrammet implementerats som fristående
44 System design
Figur 5.10. Crack-Awares huvudfönster.
Figur 5.11. Presentation av mått och resultat.
Matlab-funktioner.
Klassificering av sprickor i fyra klasser ger en bild av vilken typ av sprickbild- ningar som förekommer på den analyserade vägen.
Den grafiska presentationen av sprickinventeringen, figur 5.11 till vänster, visas på sådant sätt att väsentliga detaljer går att urskilja även då en stor datamängd bearbetas. Vid sådana stora datamängder (t.ex. en bild som beskriver en vägyta med storleken 1 × 100m) anpassas de linjer som ritas ut på ett sådant sätt att alla
5.8 Fördelar med Crack-Aware 45
sprickor syns, färg och tjocklek på linjerna beskriver spricktyp och sprickbredd. Det på VTI etablerade måttet på en vägs förslitningsgrad, Sprickindex, beräk- nas. Detta bidrar till att programvaran generarar mått som är kompatibelt med de från manuell sprickinventering.
Examensarbetet har även resulterat i metoder för hantering av asfaltbilder lag- rade på VHS-band och sammanfogning av dessa. Även detta inkluderas i begreppet Crack-Aware. Det finns möjlighet att extrahera en eller två bilder från varje frame en videosekvens. Sedan kan det optimala överlappet mellan två närliggande bilder beräknas automatiskt, och en samling bilder som beskriver en vägyta med längd upp till 100 m kan sammanfogas automatiskt.
Kapitel 6
Experiment och resultat
Tester gjordes på bilder insamlade från två olika vägar, Svärdsjö och Björnlunda. Bilderna från Svärdsjö användes vid utveckling av sprickdetektering och bilder från Björnlunda användes sedan för validering av metoder.
6.1
Bildinhämtning
Översikt över formatkonverteringar:
SVHS → bildrutor → bilder → inputbild till sprickdetekteringsalgoritmen. PAVUE- bilder från fyra videokameror insamlat vid Svärdsjö digitaliserades delvis. Figur 6.1 visar en karta där vägen som digitaliserats visas.
Först gjordes ett försök att digitalisera med hjälp av SVHS-bandspelare till DV-CAM och via firewire in i dator. Datorn fångade strömmen med Windows Mo- viemaker. Kvaliteten blev för dålig på grund av kassettbandspelaren. Filformatet var också bökigt att hantera. AVI är filändelsen för inkapslingsformatet “Audio Video Interleave”. Multimediafiler med filändelsen AVI kan vara kodade på många olika sätt. I detta fall blev filmerna av typen “DVSD”. DVSD står för Digital Video Standard Definition och kan kodas på två olika sätt, typ 1 och typ 2. Filmerna kon- verterades från DVSD typ 1 till typ 2 med programmet avi-edit [20], detta för att kunna läsas in i bildbehandlingsprogram. Vid närmare titt på enskilda bildrutor i dator insågs att dessa var interlacekodade, se avsnitt 6.1.2. Därför skrevs ett pro- gram för att extrahera en eller två bilder från varje bildruta. Bilderna sammanfogas till input-bilder för sprickdetekteringsalgoritmen.
6.1.1
Bildserie digitaliserad på universitetet
Kvaliteten blev inte tillfredsställande och formatet var ohanterligt. Därför användes utrustning på Linköpings universitet, ISY (institutionen för systemteknik).
ISY har ett bildbehandlingslabb med kassettstation Panasonic AG8700. En PC med grafikkort Matrox RT X100 pro används för att fånga in signalen ut från bandläsaren. På datorn finns programvaran Adobe Premiere som fångade strömmen
48 Experiment och resultat
Figur 6.1. Karta över vägen vid Svärdsjö.
Starttid Sluttid Antal bildrutor
5.18 5.20 50
7.50 7.51 25
52.10 52.11 50
Tabell 6.1. Tidskodning vid sekvenser som digitaliserats.
och därifrån gick det smidigt att exportera bildrutor till “Windows bitmap”-bilder. Dessa lagrades och användes som indata för Matlab-algoritmer.
Tre tidsperioder digitaliserades från samtliga fyra kameror för att få vägsnuttar med full bredd att arbeta med. Tabell 6.1 beskriver vilka tidsperioder som blev digitaliserade, tid 0.00 definieras som första bildrutan med signal.
6.1.2
Interlacekodade bilder
För att reda ut terminologi beskrivs först vissa ord som används i avsnittet:
Bildruta kallas på engelska frame och innebär en hel videobild, vilken består av två interlace-kodade bilder, så kallade fields.
6.1 Bildinhämtning 49
Filmsekvenser lagras på VHS-band med interlaceteknik. Det är ett sätt att fördubbla den temporala upplösning genom att halvera den vertikala upplösningen enligt [4]. När sekvenser från VHS-band digitaliseras till stillbilder med programmet Adobe Premiere kollapsar strukturen och i varje stillbild lagras två interlacekodade bilder, dessa bilder kallas på engelska fields. På de VHS-band som har digitaliserats har 25 bildrutor lagrats per inspelad sekund, vilket är standard i PAL1.
Om man ser varje digitaliserad bild som en matris med rader och kolumner så utgör de udda raderna tillsammans en bild och de jämna raderna bildar en annan. Med hjälp av interlace-teknik är detta tänkt att visas på en skärm i 50 Hz2genom
att först rita upp de udda raderna och låta dem lysa medan de jämna ritas upp. Om man trycker på paus under uppspelning av ett VHS-band kan man märka interlace-kodningen då bilden kan upplevas darra pga. att den udda och jämna bilden då visas samtidigt.
Denna interlace-kodning var till besvär vid digitalisering av bilder, men kunde åtgärdas genom att plocka ut udda och jämna rader och skapa två bilder för varje bildruta. Frekvensanalys av bilderna visar enligt figur 6.2 att det går att halvera upplösningen i bredd med obetydlig vikningsdistorsion. Slutsatsen bygger på att signalen har mycket lite energi i frekvenser ovanför π/2.3Tester med lågpassfiltre-
ring i samband med nedsamplingen utfördes, detta bekräftade att lågpassfiltrering- en inte behövdes för att uppnå önskad kvalitet.
6.1.3
Mosaicing/stitching
Olika tekniker för att sammanfoga stora bildserier testades. Sammanfogning av bilder förekommer bland annat vid panoramafotografering. I dessa tillämpningar behöver varje individuell ingående bilds projektion ändras från plan till cirkulär. Eftersom vägen är relativt plan behöver ingen ändring av projektionen ske i detta fall. Verktygen hugin [23] och autopano-sift [19] testades. Dessa kunde användas för diverse cirkulära projektioner men tyvärr ej för det plana fallet.
Som en tillfällig lösning lades bilderna på rad efter varandra med konstant över- lapp. Det visade sig att den metoden inte var tillräckligt bra eftersom det uppkom- mer skarpa kanter vid gränserna mellan bilderna. Dessa kanter var till besvär för sprickdetekteringsalgoritmer. En ny sammanfogningsalgoritm utarbetades. Den ut- för en mjuk övergång mellan bilderna. Det finns möjlighet att beräkna det optimala överlappet mellan två intilliggande bilder, detta har implementerats i funktionen disparity. Vid användning av disparity anger man en övre och undre gräns för var man tror att det optimala överlappet finns.
Vid en sammanfogning med det optimala överlappet blir området som överlap- par betydligt skapare än annars. Flera metoder har testats för att avgöra vilket överlapp som är bäst. Studie av de bildernas korrelation har testats. Emellertid lämpade sig beräkningar utifrån överlappets histogramstudien bättre för denna
1PAL är standard för kodning av färgtv i Europa.
2Moderna TV-apparater kan använda en uppdateringsfrekvens på 100 Hz för att undvika
flimmer. Detta åstadkoms genom att varje bild ritas upp två gånger i följd.
50 Experiment och resultat
tillämpning. Skärpan kan mätas via histogram av överlappets intensitetsvärden. Detta implementeras i funktionen disparity. Histogrammet innehåller informa- tion om hur många pixlar som antar varje möjligt intensitetsvärde. Om överlappet är skarpt blir histogrammet mer utbrett än om överlappet är suddigt. Funktio- nen testar alla överlapp inom intervallet och returnerar vilket som gav bredast histogram.
Körning 1 sammanfogas som enstaka bilder från varje bildruta lagda kant i kant. Bildserier från en kamera i taget används, men möjlighet finns att samman- foga bildserier från flera kameror. Överlappen mellan kamerorna blir då oberoende av mätbilens hastighet och varierar således inte med tiden på samma sätt som överlappen mellan bilderna tagna med en viss kamera gör.