CN108335291B - 一种隧道病害影像预处理方法 - Google Patents

一种隧道病害影像预处理方法 Download PDF

Info

Publication number
CN108335291B
CN108335291B CN201810066918.4A CN201810066918A CN108335291B CN 108335291 B CN108335291 B CN 108335291B CN 201810066918 A CN201810066918 A CN 201810066918A CN 108335291 B CN108335291 B CN 108335291B
Authority
CN
China
Prior art keywords
tunnel
point cloud
point
arc
gray
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.)
Active
Application number
CN201810066918.4A
Other languages
English (en)
Other versions
CN108335291A (zh
Inventor
刘蝶
许正文
周理含
王吉
宫玮清
褚平进
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Survey Design And Research Institute Group Co ltd
Original Assignee
SGIDI Engineering Consulting Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SGIDI Engineering Consulting Group Co Ltd filed Critical SGIDI Engineering Consulting Group Co Ltd
Priority to CN201810066918.4A priority Critical patent/CN108335291B/zh
Publication of CN108335291A publication Critical patent/CN108335291A/zh
Application granted granted Critical
Publication of CN108335291B publication Critical patent/CN108335291B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10028Range image; Depth image; 3D point clouds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30132Masonry; Concrete
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30168Image quality inspection

Abstract

一种隧道病害影像预处理方法,包括:(1)采用三维激光扫描仪获取盾构隧道的点云信息,断面内各点点云坐标简写为(x,z);(2)对所述每一断面根据隧道管片拼装结构特点划分圆弧段,采用分段圆弧拟合,提取超出拟合残差外的点云,即为隧道内部附属设施点云,对每段圆弧分别采用最小二乘法进行圆弧拟合,圆方程为(x‑x0)2+(z‑z0)2=r2,求得拟合后的残差,残差大于某个阈值的点即为隧道内部附属设施点云,记入集合A;(3)在根据点云灰度信息获得隧道影像时,由于渗漏水的灰度值较低,因此将集合A中点云的灰度值设为所有点云灰度值的最大值,与隧道渗漏水区分,从而去除附属设施干扰。

Description

一种隧道病害影像预处理方法
技术领域
本发明属于隧道工程技术领域,特别涉及一种隧道病害影像预处理方法。
背景技术
随着我国地下交通建设规模的逐年扩大,隧道结构安全愈发重要。三维激光扫描技术能快速获取扫描物体的三维点云坐标,具有高效率、高精度、高密度的特性,除此之外,扫描物体的点云携带扫描反射值,能用于较为真实直观地绘制扫描物体的影像,为隧道结构安全监测提供了一种全新的技术手段。
在隧道内部,渗漏水是隧道结构变形的表观病害,对隧道结构稳定、行车安全和地面建设等带来诸多不良影响甚至威胁。目前隧道渗漏水勘探主要是采取人工巡查的方法,耗时耗力,且会存在遗漏的情况,因而采用三维激光扫描技术代替人工排查成为隧道巡检的必然趋势。
基于三维激光扫描技术可生成隧道点云灰度影像,经过预处理、纠正、分类等步骤即可提取隧道渗漏水病害,但由于隧道内部人工附属设施较多,如逃生平台、触网、消防设备、电力设备、里程牌等极大地影响了渗漏水的判读,另外由于隧道影像为灰度影像,信息量较少,从而导致隧道渗漏水识别效果不佳。
发明内容
本发明的目的是通过提供一种基于三维激光扫描点云的隧道病害影像预处理方法,以解决现有技术中盾构隧道病害影像由于干扰物的问题无法进行目标物识别的问题。
本发明的技术方案是,一种隧道病害影像预处理方法,该预处理方法包括:(1)采用三维激光扫描仪获取盾构隧道的点云信息,包括点云位置信息(x,y,z和灰度值(i),其中,X轴指向水平方向,Y轴指向隧道轴线方向,Z轴指向竖直方向,在垂直于隧道轴线方向上的任一断面内,由于断面内所有点的y坐标一致,因此断面内各点点云坐标简写为(x,z);
(2)对所述每一断面根据隧道管片拼装结构特点划分圆弧段,采用分段圆弧拟合,提取超出拟合残差外的点云,即为隧道内部附属设施点云,对每段圆弧分别采用最小二乘法进行圆弧拟合,圆方程为(x-x0)2+(z-z0)2=r2,求得拟合后的残差,残差大于某个阈值的点即为隧道内部附属设施点云,记入集合A。
(3)在根据点云灰度信息获得隧道影像时,由于隧道渗漏水点云的灰度值较低,因此将集合A,即隧道附属设施中点云的灰度值设为所有点云灰度值的最大值,与隧道渗漏水分离,从而去除附属设施干扰。
(4)生成经过预处理后的隧道影像。
本发明利用三维激光点云数据能真实反映盾构隧道内部结构的特点,分割隧道管壁与隧道内部附属设施,在生成隧道影像过程中将隧道内部附属设施点云灰度值统一改变,达到影像预处理效果。因而,本发明的创新关键是,在盾构隧道影像病害提取的处理过程中,直接利用点云数据进行图像预处理。主要方法是:分段圆弧拟合求取点云拟合残差,根据残差阈值提取隧道内部附属设施并进行灰度值重设,因而可以较好地剔除隧道内部附属设施的影响。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1本发明实施例中涉及的隧道断面圆弧划分示意图。
图2本发明实施例中经预处理后的隧道影像示例图。
具体实施方式
本发明的基于三维激光扫描点云的隧道病害影像预处理方法,主要步骤如下:
1)采用三维激光扫描技术获取盾构隧道点云信息,包括点云位置信息(x,y,z)和灰度信息(i),其中X轴指向水平方向,Y轴指向隧道轴线方向,Z轴指向竖直方向,在垂直于隧道轴线方向上的任一断面内,断面内所有点的y坐标一致,因此断面内各点点云坐标简写为(x,z)。
2)对每一断面均采用分段圆弧拟合,提取超出拟合残差外的点云,即为隧道内部附属设施点云。
首先针对每一断面根据隧道管片拼装结构特点划分圆弧段,共分为六段,如图1所示。盾构隧道管片拼装有通缝拼装和错缝拼装两种,通缝拼装管片所对应的圆心角分别是16°、4×65°、84°,错缝拼装管片所对应的圆心角分别是20°、2×68.75°、3×67.5°,底部段圆弧被列车轨道覆盖且受限于扫描仪视线(300°视角范围),因而只考虑轨道之上的五段圆弧。对每一段管片均采用圆弧拟合,提取超出拟合残差外的点云,即为隧道内部附属设施点云。圆弧拟合有平均值法、加权平均法、最小二乘法等,前两者算法较为粗糙,拟合效果差,而最小二乘法能通过最小化误差的平方和找到一组数据的最佳函数匹配,因此本文中对每段圆弧分别采用最小二乘法进行圆弧拟合,圆方程为(x-x0)2+(z-z0)2=r2,求得拟合后的残差,残差大于(0.02~0.1)阈值范围内的点即为隧道内部附属设施点云,记入集合A。
具体推导如下,根据圆方程建立间接平差的函数模型:
(x-x0)2+(z-z0)2=r2
其中x0与z0为拟合的圆心坐标,r为拟合的圆半径。
可得误差方程:
Figure BDA0001556958870000031
将上述方程线性化可得:
Figure BDA0001556958870000032
式中
Figure BDA0001556958870000033
由此可得误差方程的矩阵形式:
Figure BDA0001556958870000041
其中
Figure BDA0001556958870000042
根据最小二乘原理,上式的
Figure BDA0001556958870000043
必须满足
Figure BDA0001556958870000044
的要求,求解可得:
Figure BDA0001556958870000045
另外由下式求得拟合后的残差:
Figure BDA0001556958870000046
若σ>σ,则当前点为隧道附属设施点云集合A。
3)在根据点云灰度信息获得隧道影像时,隧道渗漏水易发生镜面反射,从而激光反射值小,假设影像灰度范围为0~255,则渗漏水的灰度值一般在0~120区间范围内,因此将集合A中隧道附属设施点云的灰度值设为所有点云灰度值的最大值(如255),则附属设施即可与隧道渗漏水区分。正由于在隧道影像上,由于隧道渗漏水的灰度值比较低,将集合A中点云的灰度值设为所有点云灰度值的最大值即可达到去除附属设施干扰的目的。
4)生成经过预处理后的隧道影像,如图2所示。可以很明显地看到隧道内部管线、触网、管道、螺栓孔等均已变成白色,与渗漏水病害完全区分开来。
值得说明的是,虽然前述内容已经参考若干具体实施方式描述了本发明创造的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。

Claims (1)

1.一种隧道病害影像预处理方法,其特征在于,该预处理方法包括:
(1)采用三维激光扫描仪获取盾构隧道的点云信息,包括点云位置信息(x,y,z)和灰度值(i),其中,X轴指向水平方向,Y轴指向隧道轴线方向,Z轴指向竖直方向,在垂直于隧道轴线方向上的任一断面内,由于断面内所有点的y坐标一致,因此断面内各点点云坐标简写为(x,z);
(2)对每一断面根据隧道管片拼装结构特点划分圆弧段,采用分段圆弧拟合,提取超出拟合残差外的点云,即为隧道内部附属设施点云,对每段圆弧分别采用最小二乘法进行圆弧拟合,圆方程为(x-x0)2+(z-z0)2=r2,求得拟合后的残差,残差大于某个阈值的点即为隧道内部附属设施点云,记入集合A;
(3)在根据点云灰度信息获得隧道影像时,由于隧道渗漏水点云的灰度值较低,因此将集合A,即隧道附属设施中点云的灰度值设为所有点云灰度值的最大值,与隧道渗漏水分离,从而去除附属设施干扰;
(4)生成经过预处理后的隧道影像,
在步骤(2)中,隧道管片拼装包括通缝拼装和错缝拼装,通缝拼装管片所对应的圆心角分别是16°、4×65°、84°,错缝拼装管片所对应的圆心角分别是20°、2×68.75°、3×67.5°,
对每一段管片均采用圆弧拟合,提取超出拟合残差外的点云,即为隧道内部附属设施点云,
对每段圆弧分别采用最小二乘法进行圆弧拟合,
根据圆方程建立间接平差的函数模型:
(x-x0)2+(z-z0)2=r2
其中x0与z0为拟合的圆心坐标,r为拟合的圆半径;
可得误差方程:
Figure FDA0003165677530000011
Figure FDA0003165677530000012
………
Figure FDA0003165677530000013
将上述方程线性化可得:
Figure FDA0003165677530000021
式中
Figure FDA0003165677530000022
由此可得误差方程的矩阵形式:
Figure FDA0003165677530000023
其中
Figure FDA0003165677530000024
根据最小二乘原理,上式的
Figure FDA0003165677530000025
必须满足
Figure FDA0003165677530000026
的要求,求解可得:
Figure FDA0003165677530000027
另外由下式求得拟合后的残差:
Figure FDA0003165677530000028
若σ>σ,则当前点为隧道附属设施点云集合A,
求得拟合后的残差,若残差大于(0.02~0.1)阈值范围内的点即为隧道内部附属设施点云,记入集合A,
在步骤(3)根据点云灰度信息获得隧道影像时,隧道渗漏水易发生镜面反射,从而激光反射值变小,
假设影像灰度范围为0~N,渗漏水的灰度值在0~M区间范围内,将集合A中隧道附属设施点云的灰度值设为所有点云灰度值的最大值N,则附属设施即可与隧道渗漏水区分,从而去除附属设施干扰,N和M是正整数。
CN201810066918.4A 2018-01-24 2018-01-24 一种隧道病害影像预处理方法 Active CN108335291B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810066918.4A CN108335291B (zh) 2018-01-24 2018-01-24 一种隧道病害影像预处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810066918.4A CN108335291B (zh) 2018-01-24 2018-01-24 一种隧道病害影像预处理方法

Publications (2)

Publication Number Publication Date
CN108335291A CN108335291A (zh) 2018-07-27
CN108335291B true CN108335291B (zh) 2021-11-02

Family

ID=62925383

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810066918.4A Active CN108335291B (zh) 2018-01-24 2018-01-24 一种隧道病害影像预处理方法

Country Status (1)

Country Link
CN (1) CN108335291B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110322428B (zh) * 2019-05-07 2021-07-30 武汉汉宁轨道交通技术有限公司 检测隧道病害的方法、装置及电子设备
CN110909657A (zh) * 2019-11-19 2020-03-24 上海勘察设计研究院(集团)有限公司 一种隧道表观病害图像识别的方法
CN110765543B (zh) * 2019-11-26 2023-02-28 上海勘察设计研究院(集团)有限公司 一种基于扫描点云的双圆盾构隧道横径解算方法
CN111102935B (zh) * 2019-12-31 2021-09-28 武汉汉宁轨道交通技术有限公司 隧道结构检测方法、装置和电子设备
CN111415344B (zh) * 2020-03-19 2023-06-20 北京城建勘测设计研究院有限责任公司 一种马蹄形隧道的病害检测方法及装置
CN111612847B (zh) * 2020-04-30 2023-10-20 湖北煌朝智能自动化装备有限公司 机器人抓取操作的点云数据匹配方法及系统
CN113744323B (zh) * 2021-08-11 2023-12-19 深圳蓝因机器人科技有限公司 点云数据处理方法和装置
CN113960049A (zh) * 2021-10-19 2022-01-21 中南大学 一种隧道表面病害检测装置及检测方法
CN114119355B (zh) * 2021-11-29 2023-04-28 北京工业大学 一种盾构隧道掉块风险预警方法与系统
CN116626706B (zh) * 2023-05-12 2024-01-16 北京交通大学 轨道交通隧道侵限检测方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104792274A (zh) * 2015-04-02 2015-07-22 同济大学 一种圆形隧道收敛变形的测量方法
CN105547602A (zh) * 2015-11-04 2016-05-04 上海大学 一种地铁隧道管片渗漏水的远距离测量方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104792274A (zh) * 2015-04-02 2015-07-22 同济大学 一种圆形隧道收敛变形的测量方法
CN105547602A (zh) * 2015-11-04 2016-05-04 上海大学 一种地铁隧道管片渗漏水的远距离测量方法

Also Published As

Publication number Publication date
CN108335291A (zh) 2018-07-27

Similar Documents

Publication Publication Date Title
CN108335291B (zh) 一种隧道病害影像预处理方法
CN108230344B (zh) 一种隧道渗漏水病害自动识别方法
CN110232736B (zh) 一种井下综采工作面三维场景快速构建方法
CN107154040B (zh) 一种隧道衬砌表面图像裂缝检测方法
Sohn et al. Automatic powerline scene classification and reconstruction using airborne lidar data
AU2020101833A4 (en) Laser slam method based on subgraph merging and pose optimization
JP2015201192A (ja) 物体の位置及び向きの検出
CN108305239B (zh) 一种基于生成式对抗网络的桥梁裂缝图像的修复方法
CN109214994B (zh) 一种基于双控制点的隧道密集点云噪声剔除方法
CN105447855B (zh) 一种地面三维激光扫描点云球面目标自动识别方法
CN105136054A (zh) 基于地面三维激光扫描的构筑物精细变形监测方法及系统
KR101845760B1 (ko) 태양 흑점을 이용한 태양 플레어 예보 시스템 및 방법
CN113487721B (zh) 一种基于三维点云的预制构件自动化识别方法
CN111028154A (zh) 一种地形崎岖不平海底的侧扫声呐图像匹配拼接方法
Oh et al. TRAVEL: Traversable ground and above-ground object segmentation using graph representation of 3D LiDAR scans
CN112161614A (zh) 一种基于三维激光扫描技术的盾构管片姿态测量方法
Ioli et al. UAV photogrammetry for metric evaluation of concrete bridge cracks
CN108921844A (zh) 一种绝缘子缺陷检测方法与装置
CN116893685A (zh) 一种无人机航线规划方法及系统
CN113362296B (zh) 一种隧道裂缝提取方法及系统
CN106652020B (zh) 一种基于模型的塔杆三维重建方法
CN105205817A (zh) 一种基于声呐图像边缘角点直方图的水下地形匹配方法
CN115436966A (zh) 一种激光雷达参考水深控制点批量提取方法
CN114693524A (zh) 侧扫声呐图像准确匹配快速拼接方法、设备及存储介质
CN113313651A (zh) 一种基于周围变化的侧扫声呐图像纹理失真区域修复方法

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
CB02 Change of applicant information

Address after: 200093 No. 38 Shui Feng Road, Yangpu District, Shanghai.

Applicant after: SGIDI ENGINEERING CONSULTING (Group) Co.,Ltd.

Address before: No. 258, Xiushan Road, Chongming Industrial Park, Chongming District, Shanghai 202150

Applicant before: SHANGHAI GEOTECHNICAL INVESTIGATIONS & DESIGN INSTITUTE Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: 200093 No. 38 Shui Feng Road, Yangpu District, Shanghai.

Patentee after: Shanghai Survey, Design and Research Institute (Group) Co.,Ltd.

Address before: 200093 No. 38 Shui Feng Road, Yangpu District, Shanghai.

Patentee before: SGIDI ENGINEERING CONSULTING (Group) Co.,Ltd.

CP01 Change in the name or title of a patent holder