近年来我国经济稳步发展,公路里程数日渐增多,路面裂缝检测逐渐成了人们的关注点。人工检测路面裂缝的方式危险系数高、效率低下且检测费用高,这种方式已经不能满足社会发展的实际需求,人们都在寻找更经济、高效的方式检测路面裂缝。当前计算机视觉技术发展迅猛,将其与高效的图像采集系统、GPS定位系统结合能够实现迅速、精确地检测路面裂缝。本文根据路面裂缝检测的实际需求,在算法和理论上研究了解决方案,用C++语言基于OpenCV和Qt开发了一个路面裂缝检测平台,图像处理算法由OpenCV实现,界面设计以及数据库功能由Qt实现。本文的主要工作有以下几个方面:首先,对路面图像进行预处理。将三通道彩色图像转化为灰度图,通过gamma校正增强图像对比度,通过中值滤波和双边滤波减少噪声,完成预处理。其次,针对当前的检测方式多是经过预处理后直接去提取裂缝,这样的处理一般需要知道有无裂缝的先验知识,不符合智能化检测要求。本文先通过构建机器学习模型做了裂缝的检测定位工作,实现无需人为观察,计算机自动得出裂缝有无先验知识的功能,满足智能化检测要求。比较采用SIFT、SURF和ORB这三种特征提取算法得到的分类模型的各项指标,确定它们分别适用的场合。然后,对存在裂缝的图像提取裂缝、识别裂缝类型并计算相应参数。用局部自适应阈值分割算法对图像分割处理,提取分割后图像中的连通域,计算连通域的圆形度和面积,去除圆形度相对较大并且面积相对较小的连通域,得到裂缝目标。对于提取裂缝后的图像,通过改进投影法识别裂缝类型。对网状裂缝计算分布面积,线性裂缝计算长度和最大宽度。最后,用C++语言基于OpenCV和Qt开发了本文所需的路面裂缝检测平台。提供了用户友好的操作界面,实现了对路面图像的裂缝检测、提取、类型识别和参数测量的功能,可以分步处理也可以一键处理,能够同时处理多幅图像,并设计了数据库模块实现了对图像信息管理的功能。