CN109029381A - 一种隧道裂缝的检测方法、系统及终端设备 - Google Patents

Abstract

本发明适用于计算机应用技术领域，提供了一种隧道裂缝的检测方法、系统以及终端设备，所述检测方法包括：获取待检测图像，待检测图像为隧道区域图像，提取待检测图像的特征信息，根据特征信息得到待检测图像的检测结果，若检测结果为包含裂缝，则确定待检测图像对应的隧道区域为裂缝区域，当确定出裂缝区域后，便自动进行双目立体测量，确定裂缝的几何参数，几何参数包含裂缝长度和裂缝宽度，几何参数获取速度快，无需人工进行检测以及测量裂缝，提高了对隧道裂缝几何参数的获取效率。

Description

一种隧道裂缝的检测方法、系统及终端设备

技术领域

本发明属于计算机应用技术领域，尤其涉及一种隧道裂缝的检测方法、系统及终端设备。

背景技术

随着经济和社会的飞速发展，沿海城市的用地越来越紧张，填海造地在各大沿海城市越来越普遍。目前有很多地区在填海后立即进行地下隧道工程的建设，导致下层的深厚软土在短时间内难以完成固结，同时周边地上建筑也会陆续大规模开发。上述因素均会导致隧道结构在运营期内发生受力变化。由于隧道结构受力不均，隧道管片表面会出现裂缝，进而引发渗漏水等次生病害，给隧道结构安全带来极大的隐患(如坍塌等)。因此，需要定期进行隧道裂缝检测工作。

现有技术中，一般是通过人工巡检的方式检测隧道裂缝的几何参数，由于隧道结构一般是较长的，需要安排较多的检测人员进行检测，人工成本高。当检测人员发现裂缝后，还需要手工去测量裂缝的几何参数，参数获取时间较长，效率较低。因此，由人工检测隧道裂缝几何参数的方式存在人工成本高以及裂缝几何参数获取效率低的问题。

发明内容

有鉴于此，本发明实施例提供了一种隧道裂缝的检测方法、系统及终端设备，以解决现有技术中由人工检测隧道裂缝几何参数的方式存在人工成本高以及裂缝几何参数获取效率低的问题。

本发明实施例的第一方面提供了一种隧道裂缝的检测方法，包括：

获取待检测图像，所述待检测图像为隧道区域图像；

提取所述待检测图像的特征信息；

根据所述特征信息得到所述待检测图像的检测结果；

若所述检测结果为包含裂缝，则确定所述待检测图像对应的隧道区域为裂缝区域；

对所述裂缝区域进行双目立体测量，确定裂缝的几何参数，所述几何参数包含裂缝长度和裂缝宽度。

本发明实施例的第二方面提供了一种隧道裂缝的检测系统，包括：

检测图像获取模块，用于获取待检测图像，所述待检测图像为隧道区域图像；

特征信息提取模块，用于提取所述待检测图像的特征信息；

检测结果生成模块，用于根据所述特征信息得到所述待检测图像的检测结果；

裂缝区域确定模块，用于若所述检测结果为包含裂缝，则确定所述待检测图像对应的隧道区域为裂缝区域；

几何参数确定模块，用于对所述裂缝区域进行双目立体测量，确定裂缝的几何参数，所述几何参数包含裂缝长度和裂缝宽度。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的隧道裂缝的检测方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的隧道裂缝的检测方法的步骤。

本发明实施例与现有技术相比存在的有益效果是：本发明实施例通过提取待检测图像的特征信息，并根据特征信息确定待检测图像是否包含裂缝，若待检测图像包含裂缝，则确定待检测图像为裂缝区域。当确定出裂缝区域后，便自动进行双目立体测量，确定裂缝的几何参数，几何参数获取速度快，提高了几何参数的获取效率，降低了人工成本。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例提供的隧道裂缝的检测方法的实现流程示意图；

图2是本发明一个实施例提供的图1中步骤S102的具体实现流程示意图；

图3是本发明一个实施例提供的隧道裂缝的检测系统的结构示意图；

图4是本发明一个实施例提供的图3中的特征信息提取模块的具体结构示意图；

图5是本发明一个实施例提供的终端设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例1：

图1示出了本发明的一个实施例提供的隧道裂缝的检测方法的实现流程，本实施例的流程执行主体为终端设备，其过程详述如下：

在步骤S101中，获取待检测图像，待检测图像为隧道区域图像。

在本发明的一个实施例中，步骤S101包括：

1)发送单目照相指令至隧道检测车，单目照相指令用于指示隧道检测车进行移动，并通过单目相机采集图像。

2)接收隧道检测车发送的单目相机采集图像，得到待检测图像。

在本实施例中，隧道检测车上安装有多个单目相机，单目相机安装在车身不同位置，全部单目相机的拍摄范围覆盖了隧道表面。发送单目照相指令至隧道检测车，当隧道检测车接收到单目照相指令后一边进行移动，一边通过全部的单目相机采集图像，并实时将单目相机采集的图像发送至终端设备。

其中，隧道可以为地铁隧道、铁路隧道或公路隧道，只要是隧道检测车可以通行的隧道都属于本申请的保护范围内，在此不对隧道做任何限定。

在步骤S102中，提取待检测图像的特征信息。

在本实施例中，通过预设训练后的自编码器提取待检测图像的特征信息。

在本实施例中，获取包含裂缝的图像和不包含裂缝的图像，分别对包含裂缝的图像和不包含裂缝的图像进行灰度化处理，得到第一和第二灰度图像，采用滑动窗方法对第一灰度图像进行不重叠分割，得到若干第一子灰度图像，由于第一子灰度图像中，可能会存在不包含裂缝的子灰度图像，因此，需要去除不包含裂缝的第一子灰度图像，仅将包含裂缝的第一子灰度图像作为裂缝样本图像，同时也采用滑动窗方法对第二灰度图像进行不重叠分割，得到若干第二子灰度图像，将第二子灰度图像作为非裂缝样本图像，将部分裂缝样本图像和部分非裂缝样本图像输入至标准自编码器中，对标准自编码器进行训练，即标准自编码器进行无监督学习，得到提取裂缝及非裂缝图像特征信息的最优参数，得到预设训练后的自编码器。

其中，自编码器为稀疏自编码器，是基于自编码算法，可以进行无监督学习，其可以为ELM(Extreme Learning Machine，超限学习机)自编码器，具有训练速度快，泛化性能强的优点。

在步骤S103中，根据特征信息得到待检测图像的检测结果。

在本发明的一个实施例中，步骤S103包括：

将特征信息输入至预设训练后的分类器中，得到待检测图像的检测结果。

承接上述实施例，将剩余的裂缝样本图像和剩余的非裂缝样本图像输入至预设训练后的自编码器中，该预设训练后的自编码器输出裂缝样本图像的裂缝特征信息和非裂缝样本图像的非裂缝特征信息，将裂缝特征信息和非裂缝特征信息分别输入至标准分类器中，对标准分类器进行训练，得到预设训练后的分类器，即标准分类器进行有监督学习，使其获得对裂缝区域特征与非裂缝区域特征的分类能力。

其中，标准分类器为未经训练的ELM分类器。ELM是一种新的单隐层前馈神经网络算法。在该单隐层前馈神经网络中，输入层到隐藏层的权值参数根据已知的概率分布随机生成，然后仅需要求解隐藏层到输出层的网络权值参数，即可完成超限学习机训练过程。

在本实施例中，提取待检测图像对应的子图像的特征信息，并分别将子图像的特征信息输入至预设训练后的分类器中，预设训练后的分类器基于子图像的特征信息确定对应的子图像是否包含裂缝，从而输出检测结果，检测结果包括包含裂缝和不包含裂缝。

在步骤S104中，若检测结果为包含裂缝，则确定待检测图像对应的隧道区域为裂缝区域。

在一个实施例中，若全部子图像的检测结果均为不包含裂缝，则确定待检测图像对应的隧道区域为非裂缝区域。

在本发明的一个实施例中，步骤S104包括：

若待检测图像和之前连续预设数目的待检测图像的检测结果均为包含裂缝，则确定待检测图像对应的隧道区域为裂缝区域。

在本实施例中，接收隧道检测车发送的待检测图像是按照时间先后顺序接收的，因此，在判断出某一张待检测图像的检测结果为包含裂缝时，则获取该待检测图像之前接收到的连续预设数目的待检测图像的检测结果，若该之前的连续预设数目的待检测图像的检测结果均为包含裂缝，则确定上述该待检测图像对应的隧道区域为裂缝区域，裂缝区域为包含裂缝的区域。考虑到隧道结构环境复杂多变，利用待检测图像之间的时空相关性，即通过判断连续多张的待检测图像的检测结果是否均为包含裂缝区域，从而确定待检测图像对应的隧道区域是否为裂缝区域，使裂缝区域的检测更加精准。

其中，待检测图像和之前连续预设数目的待检测图像对应的都是同一隧道区域。

以一个具体应用场景为例，预设数目为3，依次接收到隧道检测车发送的待检测图像A、待检测图像B、待检测图像C和待检测图像D，待检测图像A的检测结果为包含裂缝，待检测图像B的检测结果为包含裂缝，待检测图像C的检测结果为包含裂缝，当将待检测图像D的特征信息输入至预设训练后的分类器中，得到的检测结果为包含裂缝，则获取待检测图像A、B和C的检测结果，检测到待检测图像A、B和C的检测结果均为包含裂缝，则确定待检测图像D对应的隧道区域为裂缝区域。

在步骤S105中，对裂缝区域进行双目立体测量，确定裂缝的几何参数，几何参数包含裂缝长度和裂缝宽度。

在本发明的一个实施例中，步骤S105包括：

1)发送双目照相指令至隧道检测车，双目照相指令用于指示隧道检测车移动至裂缝区域，并通过双目相机采集图像。

2)接收隧道检测车发送的多张双目相机采集图像，得到裂缝区域图像。多张双目相机采集图像为双目相机在不同角度采集的图像。

3)基于SIFT特征提取算法，提取每张裂缝区域图像的特征点和特征向量信息。

4)将所有裂缝区域图像上的特征点相互进行比对。

5)若所有裂缝区域图像上的特征点相互匹配，则按照裂缝区域图像对应的特征向量信息，对裂缝区域进行三维重构，得到裂缝区域的三维立体模型。

6)通过三维立体模型，测量几何参数。

在本实施例中，当确定出裂缝区域后，由于根据单目相机采集的图像，无法确定一个物体的真实大小。它可能是一个很大但很远的物体，也可能是一个很近很小的物体。通过单目相机的运动形成视差，可以测量物体相对深度。但是单目视觉SLAM估计的轨迹和地图将与真实的轨迹和地图相差一个因子，也就是尺度(scale)，单凭图像无法确定这个真实尺度，所以称尺度不确定性。因此，根据单目相机采集的图像无法直接计算出裂缝区域的几何参数(例如，宽度)，因此采用双目相机进行采集图像，并根据双目相机采集到的图像进行三维重构，即将裂缝进行还原，然后测量裂缝的几何参数。

在本实施例中，当确定出裂缝区域后，则控制隧道检测车移动至裂缝区域，若隧道检测车当前在裂缝区域，则直接控制隧道检测车停止移动即可，当隧道检测车移动至裂缝区域后，则控制隧道检测车上的双目相机进行转动，以使双目相机采集在不同角度拍摄图像，从而获取裂缝区域的多角度图像。

在本实施例中，彩色图像不易寻找梯度突变点，所以在提取特征前先将图片进行灰度化处理，即将裂缝区域图像转换为灰度裂缝区域图像。

在本实施例中，SIFT(尺度不变特征转换，Scale-invariant feature transform)特征提取算法是一种计算机视觉算法，其用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点(即特征点)，并提取出其位置和尺度等。SIFT特征提取方法的主要思想为：首先建立高斯差分金字塔表征，然后将每个像素点与它周围的像素点以及上下相邻层的邻域点进行比较。如果该点是极值点，那么就认为该点为特征点，同时计算出该特征点的主方向，由此可以提取出当前图像区域的特征点。

其提取特征点和特征向量信息具体过程为：

1)对灰度裂缝区域图像按不同采样率进行降采样，得到一系列大小不同的子灰度裂缝区域图像。降采样与缩放类似，采样率越高，得到的图像越小。若总共有n种采样率，则会产生n张降采样图像，即得到n张子灰度双目相机采集图像，每种采样率称为一阶，n为正数。

2)利用一组高斯核分别对每一张降采样图像进行卷积。例如一组高斯核由3个不同的高斯核组成，分别用3个高斯核对一张降采样图像进行卷积则可以3张卷积后的降采样图像。若原本有n张降采样图像，则与该组高斯核卷积后则可得到3n张卷积降采样图像，阶数仍为n，每一阶包含该阶降采样图像分别于3个卷积核卷积后的卷积降采样图。

3)将每一阶相邻卷积降采样图两两做差，得到高斯差分图。若每一阶有4张图像，相邻两两做差后为3张图像。

4)查找高斯差分图中的极值点(即，特征点)，利用Hessian矩阵去除边缘点对极值点的影响，并获取极值点的尺度、位置坐标和方向。

5)计算特征点一定范围内的像素点梯度及方向(将360°均分为八段，每段相差45°，取像素点最近角度作为其梯度方向)，并依据其直方图(8个方向的幅值加权和)找出主方向及辅方向。

6)将上述范围内的像素点进行旋转，使其主方向与水平方向一致，并重新计算该范围内像素点梯度及方向。

7)对上述范围进行4X4分块，统计每一子块内像素点的梯度及方向，作为该子块的子特征(维度为8，对应8个梯度方向，大小为对应的梯度方向上的梯度幅值和)，依据各个子块与特征点的距离对其子特征进行加权，并将其进行排列得到特征向量信息(维度为4X4X8)，最后对其进行归一化去除光照影响。

在本实施例中，特征向量信息中的元素相当于特征点的相邻像素点与特征点的距离，基于特征点的位置与尺度，在预设坐标系中标记特征点，并基于特征向量信息中的元素，标记相邻像素点，再将所有的特征点以及相邻像素点标记完成后，进行曲线拟合，实现三维结构的重建，即裂缝区域的三维立体模型构建完成。

在本实施例中，在构建裂缝区域的三维立体模型之前，需要将所有裂缝区域图像上的特征点进行比对，即将特征点的位置坐标、尺度和方向进行比对，利用特征点的位置坐标和尺度，得到特征点的绝对位置，将所有裂缝区域图像的特征点的绝对位置和方向分别进行比对，若某一裂缝区域对应的全部的裂缝区域图像上的特征点相互匹配，则进行三维重建，否则，则控制隧道检测车重新通过双目相机采集该裂缝区域图像。

以一个具体应用场景为例，裂缝区域图像1上的特征点A和裂缝区域图像2上的特征点B是裂缝区域相同位置上对应的像素点，根据特征点A的位置坐标和尺度，得到特征点A位于裂缝区域的绝对位置坐标，根据特征点B的位置坐标和尺度，得到特征点B处于裂缝区域的绝对位置坐标，判断特征点A和特征点B的绝对位置坐标是否相同并判断特征点A和特征点B的方向是否相同，若特征点A和特征点B的绝对位置坐标相同，且特征点A和特征点B的方向相同，则特征点A和特征点B匹配。

在本实施例中，隧道检测车还包括可以自由旋转的双目相机，当确定出裂缝区域后，便控制隧道检测车移动至该裂缝区域，并控制双目相机采集裂缝区域图像，为了增强测量裂缝几何参数的鲁棒性，对于同一裂缝区域，在不同角度位置利用双目相机对其进行图像采集，然后对不同角度采集的图像分别进行关键特征点提取，由于这些图像是出自同一条裂缝，只是拍摄角度不同，所以在不同角度所采集裂缝图像对应的关键特征点应该相匹配。如果匹配，可以认为这条裂缝的真实形态(长度，宽度)与采集到的图像中的裂缝形态相同，可以对该裂缝进行进一步的几何参数测量。如果不匹配，则说明在不同角度所采集的数据中，可能发生了遮挡或其他影响因素，使采集到的图像中的裂缝形态与真实裂缝形态不符，此时如果直接继续进行，会导致测量结果不准确。所以需要对一个裂缝采集不同位置的多组图像进行匹配，通过关键特征点匹配方法，就可以有效避免由于图像采集角度单一而导致的检测失败。

在本实施例中，通过提取待检测图像的特征信息，并根据特征信息确定待检测图像是否包含裂缝，若待检测图像包含裂缝，则确定待检测图像对应的拍摄区域，即隧道区域为裂缝区域，对裂缝区域进行双目立体测量，得到裂缝的几何参数，无需人工进行检测以及测量，降低了人工成本，且当确定出裂缝区域后，便自动进行双目立体测量，确定裂缝的几何参数，几何参数获取速度快，提高了参数的获取效率。

图2示出了本发明的一个实施例提供的图1中的步骤S102的具体实现流程，其过程详述如下：

在步骤S201中，对待检测图像进行灰度化处理，得到灰度图像。

在本实施例中，将彩色图像转换为灰度图像的过程称为图像的灰度化。将待检测图像转换为灰度图像，可以加快后续处理待检测图像的速度。

在步骤S202中，对灰度图像进行分割，得到若干子图像。

在本实施例中，为了加快处理图像的速度，采用滑动窗口方法，对灰度图像进行不重叠分割，得到若干尺寸大小相同的方块图像，即得到若干子图像。

在步骤S203中，将每个子图像输入至预设训练后的自编码器中，获取自编码器输出的特征信息。

在本实施例中，将每个子图像输入至预设训练好的自编码中，该自编码器输出子图像对应的特征信息。自编码器对子图像特征提取的公式为：其中，H₁＝G(W,b,X)为稀疏自编码器的隐层输出矩阵，W,b为隐层随机生成参数；经过多次迭代优化后得到最优输出权重β₁；为了获取更稀疏和紧凑的关键结构特征数据，采用l₁范数对β₁进行优化。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

实施例2：

图3示出了本发明的一个实施例提供的隧道裂缝的检测系统100，用于执行图1所对应的实施例中的方法步骤，其包括：

检测图像获取模块110，用于获取待检测图像，待检测图像为隧道区域图像。

特征信息提取模块120，用于提取待检测图像的特征信息。

检测结果生成模块130，用于根据特征信息得到待检测图像的检测结果。

裂缝区域确定模块140，用于若检测结果为包含裂缝，则确定待检测图像对应的隧道区域为裂缝区域。

几何参数确定模块150，用于对裂缝区域进行双目立体测量，确定裂缝的几何参数，几何参数包含裂缝长度和裂缝宽度。

在本发明的一个实施例中，检测结果生成模块130具体用于：

将特征信息输入至预设训练后的分类器中，得到待检测图像的检测结果。

在本发明的一个实施例中，裂缝区域确定模块140具体用于：

若待检测图像和之前连续预设数目的待检测图像的检测结果均为包含裂缝，则确定待检测图像对应的隧道区域为裂缝区域。

在本发明的一个实施例中，检测图像获取模块110包括：

第一指令发送单元，用于发送单目照相指令至隧道检测车，单目照相指令用于指示隧道检测车进行移动，并通过单目相机采集图像。

第一图像接收单元，用于接收隧道检测车发送的单目相机采集图像，得到待检测图像。

在本发明的一个实施例中，几何参数确定模块150包括：

第二指令发送单元，用于发送双目照相指令至隧道检测车，双目照相指令用于指示隧道检测车移动至裂缝区域，并通过双目相机采集图像。

第二图像接收单元，用于接收隧道检测车发送的多张双目相机采集图像，得到裂缝区域图像。多张双目相机采集图像为双目相机在不同角度采集的图像。

特征确定单元，用于基于SIFT特征提取算法，提取每张裂缝区域图像的特征点和特征向量信息。

特征比对单元，用于将所有裂缝区域图像上的特征点相互进行比对。

三维重构单元，用于若所有裂缝区域图像上的特征点相互匹配，则按照裂缝区域图像对应的特征向量信息，对裂缝区域进行三维重构，得到裂缝区域的三维立体模型。

参数测量单元，用于通过三维立体模型，测量几何参数。

如图4所示，在本发明的一个实施例中，图3中的特征信息提取模块120用于执行图2所对应的实施例中的方法步骤，其包括：

灰度处理单元121，用于对待检测图像进行灰度化处理，得到灰度图像。

图像分割单元122，用于对灰度图像进行分割，得到若干子图像。

特征信息生成单元123，用于将每个子图像输入至预设训练后的自编码器中，获取自编码器输出的特征信息。

在一个实施例中，隧道裂缝的检测系统100还包括其他功能模块/单元，用于实现实施例1中各实施例中的方法步骤。

实施例3：

图5是本发明一实施例提供的终端设备的示意图。如图5所示，该实施例的终端设备5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现如实施例1中所述的各实施例的步骤，例如图1所示的步骤S101至步骤S105。或者，所述处理器50执行所述计算机程序52时实现如实施例2中所述的各系统实施例中的各模块/单元的功能，例如图3所示模块110至150的功能。

示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述终端设备5中的执行过程。例如，所述计算机程序52可以被分割成检测图像获取模块、特征信息提取模块、检测结果生成模块、裂缝区域确定模块和几何参数确定模块。各模块具体功能如下：

检测图像获取模块，用于获取待检测图像，待检测图像为隧道区域图像。

特征信息提取模块，用于提取待检测图像的特征信息。

检测结果生成模块，用于根据特征信息得到待检测图像的检测结果。

裂缝区域确定模块，用于若检测结果为包含裂缝，则确定待检测图像对应的隧道区域为裂缝区域。

几何参数确定模块，用于对裂缝区域进行双目立体测量，确定裂缝的几何参数，几何参数包含裂缝长度和裂缝宽度。

所述终端设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备5可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是终端设备5的示例，并不构成对终端设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器51可以是所述终端设备5的内部存储单元，例如终端设备5的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备，例如所述终端设备5上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。

实施例4：

本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如实施例1中所述的各实施例中的步骤，例如图1所示的步骤S101至步骤S105。或者，所述计算机程序被处理器执行时实现如实施例2中所述的各系统实施例中的各模块/单元的功能，例如图3所示的模块110至150的功能。

所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。

在上述实施例中，对各个实施例的描述都各有侧重，实施例1至4可以任意组合，组合后形成的新的实施例也在本申请的保护范围之内。某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的终端设备和方法，可以通过其它的方式实现。例如，以上所描述的系统/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种隧道裂缝的检测方法，其特征在于，包括：

获取待检测图像，所述待检测图像为隧道区域图像；

提取所述待检测图像的特征信息；

根据所述特征信息得到所述待检测图像的检测结果；

若所述检测结果为包含裂缝，则确定所述待检测图像对应的隧道区域为裂缝区域；

对所述裂缝区域进行双目立体测量，确定裂缝的几何参数，所述几何参数包含裂缝长度和裂缝宽度。

2.如权利要求1所述的隧道裂缝的检测方法，其特征在于，所述提取所述待检测图像的特征信息，包括：

对所述待检测图像进行灰度化处理，得到灰度图像；

对所述灰度图像进行分割，得到若干子图像；

将每个子图像输入至预设训练后的自编码器中，获取所述自编码器输出的所述特征信息。

3.如权利要求1所述的隧道裂缝的检测方法，其特征在于，所述根据所述特征信息得到所述待检测图像的检测结果，包括：

将所述特征信息输入至预设训练后的分类器中，得到所述待检测图像的检测结果。

4.如权利要求1所述的隧道裂缝的检测方法，其特征在于，所述若所述检测结果为包含裂缝，则确定所述待检测图像对应的隧道区域为裂缝区域，包括：

若所述待检测图像和之前连续预设数目的待检测图像的检测结果均为包含裂缝，则确定所述待检测图像对应的隧道区域为裂缝区域。

5.如权利要求1所述的隧道裂缝的检测方法，其特征在于，所述获取待检测图像，包括：

发送单目照相指令至隧道检测车，所述单目照相指令用于指示所述隧道检测车进行移动，并通过单目相机采集图像；

接收所述隧道检测车发送的单目相机采集图像，得到所述待检测图像。

6.如权利要求5所述的隧道裂缝的检测方法，其特征在于，所述对所述裂缝区域进行双目立体测量，包括：

发送双目照相指令至所述隧道检测车，所述双目照相指令用于指示所述隧道检测车移动至所述裂缝区域，并通过双目相机采集图像；

接收所述隧道检测车发送的多张双目相机采集图像，得到裂缝区域图像；所述多张双目相机采集图像为所述双目相机在不同角度采集的图像；

基于SIFT特征提取算法，提取每张裂缝区域图像的特征点和特征向量信息；

将所有裂缝区域图像上的特征点相互进行比对；

若所有裂缝区域图像上的特征点相互匹配，则按照裂缝区域图像对应的特征向量信息，对所述裂缝区域进行三维重构，得到裂缝区域的三维立体模型；

通过所述三维立体模型，测量所述几何参数。

7.一种隧道裂缝的检测系统，其特征在于，包括：

检测图像获取模块，用于获取待检测图像，所述待检测图像为隧道区域图像；

特征信息提取模块，用于提取所述待检测图像的特征信息；

检测结果生成模块，用于根据所述特征信息得到所述待检测图像的检测结果；

裂缝区域确定模块，用于若所述检测结果为包含裂缝，则确定所述待检测图像对应的隧道区域为裂缝区域；

几何参数确定模块，用于对所述裂缝区域进行双目立体测量，确定裂缝的几何参数，所述几何参数包含裂缝长度和裂缝宽度。

8.如权利要求7所述的隧道裂缝的检测系统，其特征在于，所述特征信息提取模块包括：

灰度处理单元，用于对所述待检测图像进行灰度化处理，得到灰度图像；

图像分割单元，用于对所述灰度图像进行分割，得到若干子图像；

特征信息生成单元，用于将每个子图像输入至预设训练后的自编码器中，获取所述自编码器输出的所述特征信息。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的隧道裂缝的检测方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的隧道裂缝的检测方法的步骤。