CN107392216A - 一种基于灰度数据的盾构隧道管片环缝快速识别方法 - Google Patents
一种基于灰度数据的盾构隧道管片环缝快速识别方法 Download PDFInfo
- Publication number
- CN107392216A CN107392216A CN201710624401.8A CN201710624401A CN107392216A CN 107392216 A CN107392216 A CN 107392216A CN 201710624401 A CN201710624401 A CN 201710624401A CN 107392216 A CN107392216 A CN 107392216A
- Authority
- CN
- China
- Prior art keywords
- row
- circumferential weld
- shield tunnel
- duct pieces
- designated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明为一种基于灰度数据的盾构隧道管片环缝快速识别方法，所述的环缝快速识别方法包括采集盾构隧道管片的原始灰度图像，其特征在于：包括步骤：S1、使用直方图均衡化方法对原始灰度图像进行对比度增强处理；S2、根据对比度增强处理后的图像，统计其中每列灰度累加值；S3、对统计后的列灰度累加值进行缩放处理，将其缩放到设定范围；S4、根据缩放后的列灰度累加值确定盾构隧道管片环缝判定阈值；S5、遍历所有有效列的位置，并与所述的盾构隧道管片环缝判定阈值逐一比对，判断当前有效列的位置是否为盾构隧道管片环缝所在的位置，若是则记录下此位置；S6、输出最终的盾构隧道管片环缝位置的判断结果。
Description
技术领域
本发明涉及一种采用数字图像处理技术对盾构隧道管片环缝进行识别方法，特别是公开一种基于灰度数据的盾构隧道管片环缝快速识别方法，应用于地下工程领域。
背景技术
由于盾构法隧道技术具有修建速度快、干扰少、工艺成熟等特点，已大量应用于地铁、管沟、公路市政等地下隧道工程。在盾构隧道的运营过程中，由于受到车辆的振动、周边荷载的扰动等影响，盾构隧道管片结构会逐渐产生变形，变形达到一定程度会影响车辆行车安全及隧道结构的安全，故隧道管片变形检测是隧道日常运维监测的主要项目之一。盾构隧道的变形检测传统方法是通过全站仪或布设收敛计等仪器设备进行隧道测点断面检测实现的。但由于盾构隧道越来越多，检测业务量急剧增加，传统检测方法的效率已不能满足盾构隧道变形监测的工作需求，因此，基于数字图像处理的盾构隧道变形检测技术已得到了大量的应用。
在盾构隧道变形检测工作中，如何精确定位盾构隧道管片环缝的位置是实现基于数字图像处理的盾构隧道变形检测的关键技术之一，传统方法基于车距轮数据的盾构隧道管片环缝定位方法精度底，且效率低下，难以满足作业要求。
目前基于数字图像处理的盾构隧道管片环缝识别方法鲜有文献可查，如何快速识别出盾构隧道管片环缝是一个有待解决的关键问题。
因此，研究一种快速识别盾构隧道管片环缝的方法已成为基于数字图像处理的盾构隧道变形检测技术的迫切需求之一。
发明内容
本发明的目的是解决现有技术的缺陷，设计一种基于灰度数据的盾构隧道管片环缝快速识别方法，能快速识别出盾构隧道管片环缝，用于隧道管片里程定位或环号确定，以提高基于数字图像处理技术的盾构隧道变形检测工作的效率。
本发明是这样实现的：一种基于灰度数据的盾构隧道管片环缝快速识别方法，所述的环缝快速识别方法包括采集盾构隧道管片的原始灰度图像，其特征在于，所述的环缝快速识别方法还包括以下步骤：
S1、使用直方图均衡化方法对原始灰度图像进行对比度增强处理，原始灰度图像记为Isrc，对比度增强处理后的图像记为I，图像的宽和高分别记为W，H。
S2、根据对比度增强处理后的图像I，统计其中每列灰度累加值Gj，其中j ∈[1，W]。
所述步骤S2的具体操作如下：
（1）设定统计图像I中每列灰度累加值的起始范围，记为Vstart、Vend，其中Vstart∈[1，H]，Vend∈[1，H]；
（2）根据设定的每列灰度累加值的统计起始范围，得到有效数据统计区域，记为RV，统计图像I中有效数据统计区域内的列灰度累加值，记为Gj，j∈[1，W]，计算方法如下：
公式（1），
其中g（i，j）为图像I在（i，j）位置的灰度值，且（i，j）∈Rv，i∈[Vstart，Vend]。
S3、对统计后的列灰度累加值进行缩放处理，将其缩放到设定范围，缩放后的列灰度累加值记为G'j，其中的最大值记为G'max、最小值记为G'min。所述的设定范围是根据大量的盾构隧道图像的有效数据统计区域的列灰度累加值平均值，将其设为接近0.25倍平均值的数值。
所述步骤S3的具体操作如下：
缩放后的列灰度累加值记为G'j，计算方法如下：
公式（2），
其中Gmax为缩放前的列灰度累加值的最大值，G'max为缩放后的列灰度累加值的最大值，j∈[1，W]。
S4、对步骤S3中缩放后的列灰度累加值进行列裁剪，获得的最大值和最小值分别记为G"max、G"min确定盾构隧道管片环缝判定阈值，记为Tc。
所述步骤S4的具体操作如下：
（1）为了消除图像边界的零值干扰，对缩放后的列灰度累加值进行列裁剪，裁剪列数记为Nc，列裁剪后的列位置索引记为jc，jc∈（1＋Nc，W－Nc）；
（2）计算经过列裁剪后的列灰度累加值中的最大值和最小值，分别记为G"max，G"min，计算方法如下：
公式（3），
公式（4）；
（3）根据上述列裁剪后的列灰度累加值中的最大值和最小值，确定盾构隧道管片环缝判定阈值，记为Tc，计算方法如下：
公式（5），
公式（6），
其中Rc是惩罚参数，Rc∈（0，1）。所述的惩罚参数是为了解决各盾构隧道管片环缝处的灰度值与非环缝处的灰度值之差不一致导致管片环缝漏侦测的问题，是通过测试大量盾构隧道图像的对比度差异性得到的经验值，其中Rc越小，管片环缝漏侦测概率越小，但误侦测概率越大，Rc越大，误侦测概率越小，但管片环缝漏侦测概率越大。
S5、遍历所有有效列的位置，并与所述的盾构隧道管片环缝判定阈值逐一比对，判断当前有效列的位置是否为盾构隧道管片环缝所在的位置，若是则记录下此位置，所述的有效列是指其左、右两侧均能获取到若干采样列的灰度累加值数据的列，有效列的位置记为jv。
所述步骤S5的具体操作如下：
（1）选取当前有效列左、右两侧若干采样列的列灰度累加和数据，有效列的位置记为jv，jv∈（Sl＋N，W－Sr－N），其中N是采样列数，Sl、Sr分别是当前有效列左、右两侧采样列的采样偏移量，具体的选取步骤如下：
（a）设定当前有效列左、右两侧采样列的采样偏移量Sl、Sr，Sl、Sr∈（0.5* Wg，Dg），其中Wg是盾构隧道管片环缝的宽度，Dg是各盾构隧道管片环缝之间的距离，通过统计大量的盾构隧道管片环缝的最大宽度和平均宽度，将Wg设为平均宽度和最大宽度之间的数值；通过统计大量的盾构隧道管片环缝之间的最小距离和平均距离，将Dg设为最小距离和平均距离之间的数值；
（b）根据当前有效列左、右两侧采样列的采样偏移量确定当前有效列左、右两侧的起始采样列位置，当前有效列左、右两侧的起始采样列位置分别记为Ls、Rs，其中Ls=j－Sl－1、Rs=j＋Sr＋1，j为当前有效列的位置，j ∈jv；
（c）从当前有效列左、右两侧的起始采样列位置开始连续采样N个列的灰度累加值，分别得到当前有效列左、右两侧的采样列的列灰度累加值，其中当前有效列左侧的采样方向为向左，右侧的采样方向为向右，当前有效列左、右两侧的采样列的列灰度累加值分别记为G'kl、G'kr，其中kl∈[j－Sl－N，Ls]，kr∈[Rs，j＋Sr＋N]；
（2）统计位于当前有效列左、右两侧的若干采样列的列灰度累加值的平均值，分别记为G'ls，G'rs，计算方法如下：
公式（7），
公式（8）；
（3）计算当前有效列的灰度累加和与其左、右两侧的若干采样列的灰度累加和均值之差，分别记为Dl、Dr，计算方法如下：
公式（9），
公式（10）；
（4）如果当前有效列的列灰度累加值与其左、右两侧若干采样列的列灰度累加值的均值之差大于盾构隧道管片环缝判定阈值Tc，那么当前有效列的位置即为盾构隧道管片环缝所在的位置，记录此位置；反之，当前有效列的位置不是盾构隧道管片环缝所在的位置，不记录此位置；
（5）对初步记录的盾构隧道管片环缝位置进行后处理，后处理方法为：设定一个搜索范围，记为SR，SR ∈（0.5* Dg，Dg），在SR范围内，只保留一个最优的盾构隧道管片环缝位置；
（6）重复上述（1）～（5）步，直到图像中所有有效列的位置遍历完成。
S6、输出最终的盾构隧道管片环缝位置的判断结果。
由于盾构隧道管片环缝处相对于其周围非环缝处具有一定深度的凹陷，所以本发明所述的环缝快速识别方法是根据图像采集设备采集的盾构隧道管片的原始灰度图像中盾构隧道管片环缝处的灰度值明显小于非环缝处的灰度值的原理来实现的，并根据各盾构隧道管片环缝之间的距离设定一个搜索区间来选出一个最优的盾构隧道管片环缝位置。
本发明的有益效果是：
（1）本发明是基于图像灰度数据的数学形态特征来做盾构隧道管片环缝识别，没有复杂的图像处理操作，计算效率高；
（2）本发明是根据盾构隧道的物理结构来建模，全自动化且易于实现，稳定性和准确率更高；
（3）本发明是基于图像处理的盾构隧道管片环缝识别方法，即在像素级计算盾构隧道管片环缝的位置，精度非常高。
附图说明
图1是本发明方法的操作步骤流程示意图。
图2是本发明方法的统计灰度累加和数据示意图。
图3是本发明方法的环缝判定原理示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
根据附图1，本发明是一种基于灰度数据的盾构隧道管片环缝快速识别方法，所述的环缝快速识别方法包括采集盾构隧道管片的原始灰度图像，还包括以下步骤S1～S6：
S1、直方图均衡化：使用直方图均衡化方法对原始灰度图像进行对比度增强处理，原始灰度图像记为Isrc，对比度增强处理后的图像记为I，图像的宽和高分别记为W，H。
S2、按列统计灰度数据：根据对比度增强处理后的图像I，统计其中每列灰度累加值Gj，其中j ∈[1，W]。
根据附图2，所述步骤S2的具体操作如下：
（1）设定统计图像I中每列灰度累加值的起始范围，记为Vstart、Vend，其中Vstart∈[1，H]，Vend∈[1，H]；
（2）根据设定的每列灰度累加值的统计起始范围，得到有效数据统计区域，记为RV，统计图像I中有效数据统计区域内的列灰度累加值，记为Gj，j∈[1，W]，计算方法如下：
公式（1），
其中g（i，j）为图像I在（i，j）位置的灰度值，且（i，j）∈Rv，i∈[Vstart，Vend]。
有效数据统计区域控制参数可定义如下：
struct GapRecRegCtlPara
{
int nVStart; //设定数据提取范围：垂直方向起点
int nVEnd; //设定数据提取范围：垂直方向终点
};
S3、列灰度数据缩放：对统计后的列灰度累加值进行缩放处理，将其缩放到设定范围，缩放后的列灰度累加值记为G'j，其中的最大值记为G'max、最小值记为G'min。所述的设定范围是根据大量的盾构隧道图像的有效数据统计区域的列灰度累加值平均值，将其设为接近0.25倍平均值的数值。
所述步骤S3的具体操作如下：
缩放后的列灰度累加值记为G'j，计算方法如下：
公式（2），
其中Gmax为缩放前的列灰度累加值的最大值，G'max为缩放后的列灰度累加值的最大值，j∈[1，W]。
S4、环缝判定阈值计算：对步骤S3中缩放后的列灰度累加值进行列裁剪，获得的最大值和最小值分别记为G"max、G"min确定盾构隧道管片环缝判定阈值，记为Tc。
所述步骤S4的具体操作如下：
（1）为了消除图像边界的零值干扰，对缩放后的列灰度累加值进行列裁剪，裁剪列数记为Nc，列裁剪后的列位置索引记为jc，jc∈（1＋Nc，W－Nc）；
（2）计算经过列裁剪后的列灰度累加值中的最大值和最小值，分别记为G"max，G"min，计算方法如下：
公式（3），
公式（4）；
（3）根据上述列裁剪后的列灰度累加值中的最大值和最小值，确定盾构隧道管片环缝判定阈值，记为Tc，计算方法如下：
公式（5），
公式（6），
其中Rc是惩罚参数，以控制盾构隧道管片环缝判定阈值的大小，Rc∈（0，1），优选值为0.5。所述的惩罚参数是为了解决各盾构隧道管片环缝处的灰度值与非环缝处的灰度值之差不一致导致管片环缝漏侦测的问题，是通过测试大量盾构隧道图像的对比度差异性得到的经验值，其中Rc越小，管片环缝漏侦测概率越小，但误侦测概率越大，Rc越大，误侦测概率越小，但管片环缝漏侦测概率越大。
计算盾构隧道管片环缝判定阈值的控制参数可定义如下：
struct GapRecThCtlPara
{
double dPenaltyCoef; //盾构隧道管片环缝判定阈值
int nBoundaryClip; //图像边界裁剪范围
};
S5、遍历有效列灰度数据：遍历所有有效列的位置，并与所述的盾构隧道管片环缝判定阈值逐一比对，判断当前有效列的位置是否为盾构隧道管片环缝所在的位置，若是，则标记当前列为环缝，记录下此位置，所述的有效列是指其左、右两侧均能获取到若干采样列的灰度累加值数据的列，有效列的位置记为jv。
根据附图3环缝判定原理示意图，所述步骤S5的具体操作如下：
（1）选取当前有效列左、右两侧若干采样列的列灰度累加和数据，有效列的位置记为jv，jv∈（Sl＋N，W－Sr－N），其中N是采样列数，Sl、Sr分别是当前有效列左、右两侧采样列的采样偏移量，具体的选取步骤如下：
（a）设定当前有效列左、右两侧采样列的采样偏移量Sl、Sr，Sl、Sr∈（0.5* Wg，Dg），其中Wg是盾构隧道管片环缝的宽度，Dg是各盾构隧道管片环缝之间的距离，通过统计大量的盾构隧道管片环缝的最大宽度和平均宽度，将Wg设为平均宽度和最大宽度之间的数值；通过统计大量的盾构隧道管片环缝之间的最小距离和平均距离，将Dg设为最小距离和平均距离之间的数值；
（b）根据当前有效列左、右两侧采样列的采样偏移量确定当前有效列左、右两侧的起始采样列位置，当前有效列左、右两侧的起始采样列位置分别记为Ls、Rs，其中Ls=j－Sl－1、Rs=j＋Sr＋1，j为当前有效列的位置，j∈jv；
（c）从当前有效列左、右两侧的起始采样列位置开始连续采样N个列的灰度累加值，分别得到当前有效列左、右两侧的采样列的列灰度累加值，其中当前有效列左侧的采样方向为向左，右侧的采样方向为向右，当前有效列左、右两侧的采样列的列灰度累加值分别记为G'kl、G'kr，其中kl∈[j－Sl－N，Ls]，kr∈[Rs，j＋Sr＋N]；
（2）统计位于当前有效列左、右两侧的若干采样列的列灰度累加值的平均值，分别记为G'ls，G'rs，计算方法如下：
公式（7），
公式（8）；
（3）计算当前有效列的灰度累加和与其左、右两侧的若干采样列的灰度累加和均值之差，分别记为Dl、Dr，计算方法如下：
公式（9），
公式（10）；
（4）如果当前有效列的列灰度累加值与其左、右两侧若干采样列的列灰度累加值的均值之差大于盾构隧道管片环缝判定阈值Tc，那么当前有效列的位置即为盾构隧道管片环缝所在的位置，记录此位置；反之，当前有效列的位置不是盾构隧道管片环缝所在的位置，不记录此位置；
（5）对初步记录的盾构隧道管片环缝位置进行后处理，后处理方法为：设定一个搜索范围，记为SR，SR ∈（0.5* Dg，Dg），在SR范围内，只保留一个最优的盾构隧道管片环缝位置；
（6）重复上述（1）～（5）步，直到图像中所有有效列的位置遍历完成。
盾构隧道管片环缝判定的控制参数可定义如下：
struct GapRecJudgeCtlPara
{
int nShiftLR; //采样像素点偏移量
int nPointNum; //采样像素点数量
};
S6、输出环缝判断结果：输出最终的盾构隧道管片环缝位置的判断结果。
由于盾构隧道管片环缝处相对于其周围非环缝处具有一定深度的凹陷，所以本发明所述的环缝快速识别方法是根据图像采集设备采集的盾构隧道管片的原始灰度图像中盾构隧道管片环缝处的灰度值明显小于非环缝处的灰度值的原理来实现的，并根据各盾构隧道管片环缝之间的距离设定一个搜索区间来选出一个最优的盾构隧道管片环缝位置。
以上为本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由本发明的权利要求书所要求的保护范围内。
Claims (6)
1.一种基于灰度数据的盾构隧道管片环缝快速识别方法，所述的环缝快速识别方法包括采集盾构隧道管片的原始灰度图像，其特征在于，所述的环缝快速识别方法还包括以下步骤：
S1、使用直方图均衡化方法对原始灰度图像进行对比度增强处理，原始灰度图像记为Isrc，对比度增强处理后的图像记为I，图像的宽和高分别记为W，H；
S2、根据对比度增强处理后的图像I，统计其中每列灰度累加值Gj，其中j ∈[1，W]；
S3、对统计后的列灰度累加值进行缩放处理，将其缩放到设定范围，缩放后的列灰度累加值记为G'j，其中的最大值记为G'max、最小值记为G'min；
S4、对步骤S3中缩放后的列灰度累加值进行列裁剪，获得的最大值和最小值分别记为G"max、G"min，确定盾构隧道管片环缝判定阈值，记为Tc；
S5、遍历所有有效列的位置，并与所述的盾构隧道管片环缝判定阈值逐一比对，判断当前有效列的位置是否为盾构隧道管片环缝所在的位置，若是则记录下此位置，所述的有效列是指其左、右两侧均能获取到若干采样列的灰度累加值数据的列，有效列的位置记为jv；
S6、输出最终的盾构隧道管片环缝位置的判断结果。
2.根据权利要求1所述的一种基于灰度数据的盾构隧道管片环缝快速识别方法，其特征在于，所述步骤S2的具体操作如下：
（1）设定统计图像I中每列灰度累加值的起始范围，记为Vstart、Vend，其中Vstart∈[1，H]，Vend∈[1，H]；
（2）根据设定的每列灰度累加值的统计起始范围，得到有效数据统计区域，记为RV，统计图像I中有效数据统计区域内的列灰度累加值，记为Gj，j∈[1，W]，计算方法如下：
公式（1），
其中g（i，j）为图像I在（i，j）位置的灰度值，且（i，j）∈Rv，i∈[Vstart，Vend]。
3.根据权利要求1所述的一种基于灰度数据的盾构隧道管片环缝快速识别方法，其特征在于，所述步骤S3的具体操作如下：
缩放后的列灰度累加值记为G'j，计算方法如下：
公式（2），
其中，Gmax为缩放前的列灰度累加值的最大值，G'max为缩放后的列灰度累加值的最大值，且j∈[1，W]。
4.根据权利要求1所述的一种基于灰度数据的盾构隧道管片环缝快速识别方法，其特征在于，所述步骤S4的具体操作如下：
（1）为了消除图像边界的零值干扰，对缩放后的列灰度累加值进行列裁剪，裁剪列数记为Nc，列裁剪后的列位置索引记为jc，jc∈（1＋Nc，W－Nc）；
（2）计算经过列裁剪后的列灰度累加值中的最大值和最小值，分别记为G"max，G"min，计算方法如下：
公式（3），
公式（4）；
（3）根据上述列裁剪后的列灰度累加值中的最大值和最小值，确定盾构隧道管片环缝判定阈值，记为Tc，计算方法如下：
公式（5），
公式（6），
其中Rc是惩罚参数，Rc ∈（0，1）。
5.根据权利要求1所述的一种基于灰度数据的盾构隧道管片环缝快速识别方法，其特征在于，所述步骤S5的具体操作如下：
（1）选取当前有效列左、右两侧若干采样列的列灰度累加和数据，有效列的位置记为jv，jv∈（Sl＋N，W－Sr－N），其中N是采样列数，Sl、Sr分别是当前有效列左、右两侧采样列的采样偏移量，具体的选取步骤如下：
（a）设定当前有效列左、右两侧采样列的采样偏移量Sl、Sr，Sl、Sr∈（0.5* Wg，Dg），其中Wg是盾构隧道管片环缝的宽度，Dg是各盾构隧道管片环缝之间的距离；
（b）根据当前有效列左、右两侧采样列的采样偏移量确定当前有效列左、右两侧的起始采样列位置，当前有效列左、右两侧的起始采样列位置分别记为Ls、Rs，其中Ls=j－Sl－1、Rs=j＋Sr＋1，j为当前有效列的位置，j∈jv；
（c）从当前有效列左、右两侧的起始采样列位置开始连续采样N个列的灰度累加值，分别得到当前有效列左、右两侧的采样列的列灰度累加值，其中当前有效列左侧的采样方向为向左，右侧的采样方向为向右，当前有效列左、右两侧的采样列的列灰度累加值分别记为G'kl、G'kr，其中kl∈[j －Sl－N，Ls]，kr∈[Rs，j＋Sr＋N]；
（2）统计位于当前有效列左、右两侧的若干采样列的列灰度累加值的平均值，分别记为G'ls，G'rs，计算方法如下：
公式（7），
公式（8）；
（3）计算当前有效列的灰度累加和与其左、右两侧的若干采样列的灰度累加和均值之差，分别记为Dl、Dr，计算方法如下：
公式（9），
公式（10）；
（4）如果当前有效列的列灰度累加值与其左、右两侧若干采样列的列灰度累加值的均值之差大于盾构隧道管片环缝判定阈值Tc，那么当前有效列的位置即为盾构隧道管片环缝所在的位置，记录此位置；反之，当前有效列的位置不是盾构隧道管片环缝所在的位置，不记录此位置；
（5）对初步记录的盾构隧道管片环缝位置进行后处理，后处理方法为：设定一个搜索范围，记为SR，SR ∈（0.5* Dg，Dg），在SR范围内，只保留一个最优的盾构隧道管片环缝位置；
（6）重复上述（1）～（5）步，直到图像中所有有效列的位置遍历完成。
6.根据权利要求5所述的一种基于灰度数据的盾构隧道管片环缝快速识别方法，其特征在于：由于盾构隧道管片环缝处相对于其周围非环缝处具有一定深度的凹陷，所述的环缝快速识别方法是根据图像采集设备采集的盾构隧道管片的原始灰度图像中盾构隧道管片环缝处的灰度值明显小于非环缝处的灰度值的原理来实现的，并根据各盾构隧道管片环缝之间的距离设定一个搜索区间来选出一个最优的盾构隧道管片环缝位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710624401.8A CN107392216B (zh) | 2017-07-27 | 2017-07-27 | 一种基于灰度数据的盾构隧道管片环缝快速识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710624401.8A CN107392216B (zh) | 2017-07-27 | 2017-07-27 | 一种基于灰度数据的盾构隧道管片环缝快速识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107392216A true CN107392216A (zh) | 2017-11-24 |
| CN107392216B CN107392216B (zh) | 2020-06-23 |
Family
ID=60341354
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710624401.8A Active CN107392216B (zh) | 2017-07-27 | 2017-07-27 | 一种基于灰度数据的盾构隧道管片环缝快速识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107392216B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108204985A (zh) * | 2018-01-16 | 2018-06-26 | 上海同岩土木工程科技股份有限公司 | 一种盾构隧道里程定位方法 |
| CN109712148A (zh) * | 2018-12-19 | 2019-05-03 | 上海勘察设计研究院(集团)有限公司 | 基于盾构隧道影像的管片接缝位置自动识别方法 |
| CN112819070A (zh) * | 2021-01-29 | 2021-05-18 | 中国电建集团华东勘测设计研究院有限公司 | 隧道管片环缝直线化识别及里程环号标记方法 |
| CN113450357A (zh) * | 2021-09-01 | 2021-09-28 | 南昌市建筑科学研究所（南昌市建筑工程质量检测中心） | 管片图像在线分析子系统及地铁盾构检测系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101526480A (zh) * | 2009-04-27 | 2009-09-09 | 清华大学 | 基于视觉的薄板对接焊缝实时检测方法 |
| KR20100128501A (ko) * | 2009-05-28 | 2010-12-08 | (주) 애인테크놀로지 | 철강공정 내부 크랙 및 중심편석 판정 방법 |
| CN102867302A (zh) * | 2012-08-30 | 2013-01-09 | 四川大学 | 基于三维图像信息处理的岩心裂缝识别方法 |
| CN104512579A (zh) * | 2014-10-22 | 2015-04-15 | 中国电子科技集团公司第四十一研究所 | 一种透明包装材料上拉线缺陷检测方法 |
| US9390343B2 (en) * | 2014-08-19 | 2016-07-12 | International Business Machines Corporation | Estimating degree of deterioration of road surface |
| CN106228565A (zh) * | 2016-08-02 | 2016-12-14 | 电子科技大学 | 一种基于x射线图像的输油管道焊缝缺陷检测方法 |
| CN106251361A (zh) * | 2016-08-30 | 2016-12-21 | 兰州交通大学 | 一种钢轨表面缺陷图像自适应分割方法 |
-
2017
- 2017-07-27 CN CN201710624401.8A patent/CN107392216B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101526480A (zh) * | 2009-04-27 | 2009-09-09 | 清华大学 | 基于视觉的薄板对接焊缝实时检测方法 |
| KR20100128501A (ko) * | 2009-05-28 | 2010-12-08 | (주) 애인테크놀로지 | 철강공정 내부 크랙 및 중심편석 판정 방법 |
| CN102867302A (zh) * | 2012-08-30 | 2013-01-09 | 四川大学 | 基于三维图像信息处理的岩心裂缝识别方法 |
| US9390343B2 (en) * | 2014-08-19 | 2016-07-12 | International Business Machines Corporation | Estimating degree of deterioration of road surface |
| CN104512579A (zh) * | 2014-10-22 | 2015-04-15 | 中国电子科技集团公司第四十一研究所 | 一种透明包装材料上拉线缺陷检测方法 |
| CN106228565A (zh) * | 2016-08-02 | 2016-12-14 | 电子科技大学 | 一种基于x射线图像的输油管道焊缝缺陷检测方法 |
| CN106251361A (zh) * | 2016-08-30 | 2016-12-21 | 兰州交通大学 | 一种钢轨表面缺陷图像自适应分割方法 |
Non-Patent Citations (2)
| Title |
|---|
| AHMED MAHGOUB AHMED TALAB: "Detection crack in image using Otsu method and multiple filtering in image processing techniques", 《OPTIK》 * |
| 褚燕利: "基于灰度图像及其纹理特性的裂缝特征提取", 《公路》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108204985A (zh) * | 2018-01-16 | 2018-06-26 | 上海同岩土木工程科技股份有限公司 | 一种盾构隧道里程定位方法 |
| CN109712148A (zh) * | 2018-12-19 | 2019-05-03 | 上海勘察设计研究院(集团)有限公司 | 基于盾构隧道影像的管片接缝位置自动识别方法 |
| CN112819070A (zh) * | 2021-01-29 | 2021-05-18 | 中国电建集团华东勘测设计研究院有限公司 | 隧道管片环缝直线化识别及里程环号标记方法 |
| CN113450357A (zh) * | 2021-09-01 | 2021-09-28 | 南昌市建筑科学研究所（南昌市建筑工程质量检测中心） | 管片图像在线分析子系统及地铁盾构检测系统 |
| CN113450357B (zh) * | 2021-09-01 | 2021-12-17 | 南昌市建筑科学研究所（南昌市建筑工程质量检测中心） | 管片图像在线分析子系统及地铁盾构检测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107392216B (zh) | 2020-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jiang et al. | HDCB-Net: A neural network with the hybrid dilated convolution for pixel-level crack detection on concrete bridges | |
| CN107392216A (zh) | 一种基于灰度数据的盾构隧道管片环缝快速识别方法 | |
| CN103759758B (zh) | 一种基于机械角度和刻度识别的汽车仪表指针的位置检测方法 | |
| CN105547602B (zh) | 一种地铁隧道管片渗漏水的远距离测量方法 | |
| CN112433203A (zh) | 一种基于毫米波雷达数据的车道线形检测方法 | |
| CN105389814A (zh) | 一种用于气密性试验的气泡检测方法 | |
| CN105865344A (zh) | 一种基于机器视觉的工件尺寸测量方法和装置 | |
| CN104458895A (zh) | 管道三维漏磁成像检测方法及系统 | |
| CN103561271B (zh) | 静止摄像头拍摄的运动目标被移除视频空域篡改检测方法 | |
| CN102680480A (zh) | 一种混凝土结构裂缝智能化检测方法 | |
| CN106651828A (zh) | 一种工业小尺度运动模糊成像条件下的产品尺寸亚像素测量方法 | |
| CN105372324B (zh) | 基于磁光成像法的缺陷检测方法 | |
| CN103148881A (zh) | 利用视频自动对指针式仪表进行读数的方法及装置 | |
| CN108204985A (zh) | 一种盾构隧道里程定位方法 | |
| CN103886294A (zh) | 基于图像的换流站用避雷器动作次数的识别方法以及系统 | |
| CN104036516A (zh) | 基于对称性分析的摄像机标定棋盘图像角点检测方法 | |
| CN107133623A (zh) | 一种基于背景差和圆心定位的指针位置精确检测方法 | |
| CN105387801A (zh) | 一种地铁隧道管片错台量检测方法 | |
| CN106355205A (zh) | 一种紫外图像数字识别方法及识别装置 | |
| CN116844147A (zh) | 一种基于深度学习的指针式仪表识别和异常警报方法 | |
| CN105354913A (zh) | 一种检测纸币的方法及装置 | |
| CN114387328A (zh) | 基于深度学习模型和岩心图像的rqd计算方法 | |
| CN109901216A (zh) | 一种检测海水放射性核素的寻峰方法 | |
| CN109767426B (zh) | 一种基于图像特征识别的盾构隧道渗漏水检测方法 | |
| Ying et al. | Research on an automatic counting method for steel bars' image |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A fast identification method of shield tunnel segment circumferential seam based on gray data Effective date of registration: 20220310 Granted publication date: 20200623 Pledgee: Agricultural Bank of China Limited Shanghai Wujiaochang sub branch Pledgor: SHANGHAI TONGYAN CIVIL ENGINEERING TECHNOLOGY CO.,LTD. Registration number: Y2022310000048 |