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

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.

---

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.