现如今随着公路建设的飞速发展,道路检测与养护管理已经日益成为我国公路建设的重要任务。裂缝作为大部分路面病害的早期表现形式,是评价路面质量最重要的参数之一,直接影响道路的使用寿命及行车安全。及早发现并进行修补可防止裂缝的进一步发展造成严重后果。目前路面裂缝的检测修补智能化较低,存在较大的发展空间。本文提出基于机器视觉的路面裂缝检测系统,利用Kinect相机采集到的深度图像,实现对裂缝的三维重建及参数计算。首先,论文介绍了Kinect深度相机的深度测距原理,并对图像坐标系,相机坐标系及世界坐标系直接的转化关系进行阐述,使用Matlab标定工具箱及张正友相机标定的方法实现对相机的标定;其次,对采集到的路面裂缝深度图像出现的误差进行分析,采集路面裂缝深度图像过程中产生的黑色空洞进行消除。深度图像中的噪声分别采用高斯滤波、中值滤波、均值滤波及双边滤波进行处理。根据各滤波算法的特点及处理后的效果图,选取双边滤波进行裂缝的保边去噪,并对该方法进行验证分析,验证结果表明滤波算法处理效果良好;然后,在三维重建之前,需要去除无破损路面背景凹凸不平的影响,采用分水岭分割算法进行区域分割之后,对图像进行掩膜处理,消除无破损路面的影响,然后根据深度图像及坐标系之间的关系,得到裂缝各点在真实世界坐标系下三维坐标,利用Matlab进行裂缝的三维可视化模型的建立;最后,计算得到裂缝的长度,最大宽度,最小外接矩形及最大深度及平均深度的计算,并将实际测量与计算所得的参数进行对比验证分析。试验结果表明,本文提出的基于机器视觉的路面裂缝检测识别方法具有一定的可行性,实现了裂缝三维可视化模型的建立及检测。与传统的路面检测系统相比,不仅可以快速得到路面裂缝的三维参数化信息,并对裂缝修补提供了科学可靠的技术支撑。