(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211099159.4 (22)申请日 2022.09.09 (65)同一申请的已公布的文献号 申请公布号 CN 115187792 A (43)申请公布日 2022.10.14 (73)专利权人 武汉中仪物联技 术股份有限公司 地址 430205 湖北省武汉市东湖新 技术开 发区光谷二路2 21号 (72)发明人 冯成会　王翔　蔡鹏　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 李文清 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/26(2022.01)G06V 10/25(2022.01) G06V 10/764(2022.01) 审查员 刘婉莹 (54)发明名称 管道裂缝提取方法、 装置、 电子设备及存储 介质 (57)摘要 本发明涉及管道检测技术领域， 提供一种管 道裂缝提取方法、 装置、 电子设备及存储介质， 该 方法通过构建管道裂缝模型， 设计扩展卡尔曼滤 波器和粒子滤波器， 利用滤波器组对待提取管道 图像中的实际裂缝进行提取， 可以大大提高裂缝 提取的效率及准确性， 尤其适用于提取复杂管道 图像中的裂缝， 具有很强的实际效益。 权利要求书2页 说明书14页 附图2页 CN 115187792 B 2022.12.20 CN 115187792 B 1.一种管道裂缝提取 方法， 其特 征在于， 包括： 获取待提取管道图像， 提取所述待提取管道图像中的备选裂缝， 并确定所述备选裂缝 上各裂缝点的特 征信息； 根据所述各裂缝点的特征信息， 确定管道裂缝模型， 并基于贝叶斯方法， 分析所述管道 裂缝模型， 确定所述各裂缝点的第一类概 率密度函数； 基于所述各裂缝点的第一类概 率密度函数， 确定扩展卡尔曼 滤波器和粒子滤波器； 基于所述扩展卡尔曼滤波器以及所述粒子滤波器， 对所述待提取管道图像中的实际裂 缝进行提取； 所述实际裂缝包括第一类裂缝和第二类裂缝， 所述第一类裂缝方向单一且无遮挡， 所 述第二类 裂缝具有分叉且有遮挡； 相应地， 所述基于所述扩展卡尔曼滤波器以及所述粒子滤波器， 对所述待提取管道图 像中的实际裂缝进行提取， 具体包括： 基于所述扩展卡尔曼 滤波器， 提取 所述待提取 管道图像中的第一类 裂缝； 基于所述粒子滤波器， 提取 所述待提取 管道图像中的第二类 裂缝。 2.根据权利要求1所述的管道裂缝提取方法， 其特征在于， 所述提取所述待提取管道图 像中的备选裂缝， 具体包括： 将所述待提取 管道图像进行 灰度化处 理， 得到灰度图像； 将所述灰度图像划分为多个局部区域， 并基于各局部区域内的灰度累计值， 确定所述 各局部区域中的感兴趣区域； 对所述感兴趣区域进行二 值分割， 得到裂缝分割图像； 对所述裂缝分割图像进行裂缝检测， 得到所述备选裂缝。 3.根据权利要求1所述的管道裂缝提取方法， 其特征在于， 所述根据所述各裂缝点的特 征信息， 确定管道裂缝模型， 具体包括： 根据所述各裂缝点中相邻裂缝点之间的相关 关系， 确定初始模型； 基于所述各裂缝点的特 征信息， 对所述初始模型进行 更新， 得到所述管道裂缝模型。 4.根据权利要求1所述的管道裂缝提取方法， 其特征在于， 所述基于所述扩展卡尔曼滤 波器， 提取 所述待提取 管道图像中的第一类 裂缝， 具体包括： 基于所述扩展卡尔曼滤波器， 检测所述待提取管道图像中的当前轮廓， 若所述当前轮 廓与历史轮廓之间的距离最小值小于设定阈值， 则将所述当前轮廓加入所述距离最小值对 应的历史轮廓； 基于所述待提取 管道图像中的所有轮廓， 确定所述第一类 裂缝。 5.根据权利要求1所述的管道裂缝提取方法， 其特征在于， 所述提取所述待提取管道图 像中的备选裂缝， 具体包括： 获取所述待提取管道图像的梯度图像， 并标记所述梯度图像中的极小值点， 基于所述 极小值点， 确定所述梯度图像的骨架； 以所述极小值点为中心、 所述骨架为中轴， 查找所述梯度图像中所述中轴两侧的两邻 域内与所述极小值 点的差商最大的特 征点； 以所述特征点为中心， 以所述极小值点到所述特征点为矢量方向， 继续查找所述矢量 方向两侧的两邻域内与所述特征点的差商最大 的点， 直至查找到所述梯度图像的边界点，权　利　要　求　书 1/2 页 2 CN 115187792 B 2得到所述备选裂缝。 6.根据权利要求1 ‑5中任一项所述的管道裂缝提取方法， 其特征在于， 所述基于所述各 裂缝点的第一类概 率密度函数， 确定扩展卡尔曼 滤波器和粒子滤波器， 具体包括： 基于所述扩展卡尔曼滤波器的同类滤波器的标准概率密度函数信 息， 将所述第 一类概 率密度函数进 行变形， 得到第二类概率密度函数， 并基于所述第二类概率密度函数， 确定所 述扩展卡尔曼 滤波器； 基于蒙特卡罗数值逼近法， 对所述第一类概率密度函数进行计算， 得到备选概率密度 函数； 基于所述粒子滤波器的同类滤波器的标准概率密度函数信 息， 将所述备选概率密度函 数进行变形， 得到第三类概率密度函数， 并基于所述第三类概率密度函数， 确定所述粒子滤 波器。 7.一种管道裂缝提取装置， 其特 征在于， 包括： 图像获取模块， 用于获取待提取管道图像， 提取所述待提取管道图像 中的备选裂缝， 并 确定所述备选裂缝 上各裂缝点的特 征信息； 模型分析模块， 用于根据 所述各裂缝点的特征信息， 确定管道裂缝模型， 并基于贝叶斯 方法， 分析 所述管道裂缝模型， 确定所述各裂缝点的第一类概 率密度函数； 滤波器确定模块， 用于基于所述各裂缝点的第一类概率密度函数， 确定扩展卡尔曼滤 波器和粒子滤波器； 裂缝提取模块， 用于基于所述扩展卡尔曼滤波器以及所述粒子滤波器， 对所述待提取 管道图像中的实际裂缝进行提取； 所述实际裂缝包括第一类裂缝和第二类裂缝， 所述第一类裂缝方向单一且无遮挡， 所 述第二类 裂缝具有分叉且有遮挡； 相应地， 所述裂缝提取模块， 具体用于： 基于所述扩展卡尔曼 滤波器， 提取 所述待提取 管道图像中的第一类 裂缝； 基于所述粒子滤波器， 提取 所述待提取 管道图像中的第二类 裂缝。 8.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求 1‑6中任一项 所 述的管道裂缝提取 方法。 9.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机 程序被处 理器执行时实现如权利要求1 ‑6中任一项所述的管道裂缝提取 方法。权　利　要　求　书 2/2 页 3 CN 115187792 B 3