CN109060820B - 基于激光检测的隧道病害检测方法及隧道病害检测装置 - Google Patents
基于激光检测的隧道病害检测方法及隧道病害检测装置 Download PDFInfo
- Publication number
- CN109060820B CN109060820B CN201810750763.6A CN201810750763A CN109060820B CN 109060820 B CN109060820 B CN 109060820B CN 201810750763 A CN201810750763 A CN 201810750763A CN 109060820 B CN109060820 B CN 109060820B
- Authority
- CN
- China
- Prior art keywords
- tunnel
- section
- point set
- cross
- disease
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
Abstract
本发明公开了一种基于激光检测的隧道病害检测方法及隧道病害检测装置,所述隧道病害检测方法包括:激光扫描仪沿着隧道移动并扫描,采集隧道断面的点云数据;计算采集的隧道断面相对于与该隧道断面对应的隧道横截面的偏转角度,根据偏转角度对隧道断面的点云数据进行修正,将采集到的隧道断面转换成对应的隧道横截面;将隧道横截面分离为完好点集和病害点集;将完好点集与隧道标准横截面精确配准,定位病害点集,并提取每个横截面的病害点集的特征;在隧道断面的点云数据中计算出每个病害点集的区域;根据病害点集的特征和区域判断病害类型。本发明通过激光扫描仪沿着隧道移动扫面隧道断面来判断隧道内的病害,检测成本低,检测效率高且危险性低。
Description
技术领域
本发明涉及隧道检测技术领域,尤其涉及一种基于激光检测的隧道病害检测方法及隧道病害检测装置。
背景技术
传统的引水隧道表面病害检测主要依靠人眼进行巡检,劳动强度大,作业效率低,检测结果可靠性差,而且需要专业的有经验的人员来判定。对于一些大型引水隧道,例如百米级隧道,人工根本无法到达,搭建脚手架方式资金投入大、工期长、作业风险高、效率低且不易实施。
现有的二维病害检测系统采用图像获取技术记录病害信息,并采用数字图像处理技术分析病害情况。其缺点主要有:光照不均导致图像对比度太强,掩盖了病害的特征信息,病害的漏识别率与识别不全率高,往往需要加装相应的照明系统和电力系统,增加了成本;病害信息较弱导致无法识别;隧洞内有水雾的情况下,一方面容易造成病害信息较弱,更甚者直接导致获取的图像无法记录病害信息,也就无法进行检测病害了。
另外,超声波探伤和电磁检测又很难区分内部核伤和表面病害,需配合现场复检以判断病害类型,在隧道表面病害检测方面应用不足。
因此,针对上述缺陷,现有技术还有待于改进和发展。
发明内容
鉴于现有技术的不足,本发明的目的在于提供一种基于激光检测的隧道病害检测方法及隧道病害检测装置,旨在解决现有技术中隧道病害检测需搭建脚手架人工进入隧道检测,检测效率低,检测成本和危险性较高的问题。
为解决上述技术问题,本发明采用的技术方案如下:
一种基于激光检测的隧道病害检测方法,包括:
激光扫描仪沿着隧道移动并扫描,采集隧道断面的点云数据;
计算采集的隧道断面相对于与该隧道断面对应的隧道横截面的偏转角度,根据偏转角度对隧道断面的点云数据进行修正,将采集到的隧道断面转换成对应的隧道横截面;
将隧道横截面分离为完好点集和病害点集;
将完好点集与隧道标准横截面精确配准,定位病害点集,并提取每个横截面的病害点集的特征;
在隧道断面的点云数据中计算出每个病害点集的区域;
根据病害点集的特征和区域判断病害类型。
进一步的,所述计算采集的隧道断面相对于与隧道断面对应的隧道横截面的偏转角度,根据偏转角度对隧道断面的点云数据进行修正,将采集到的隧道断面转换成对应的隧道横截面的步骤具体包括:
将采集到的隧道断面的最左端的点和最右端的点的坐标带入公式中,在标定参数下根据三角形相似原理求解出θ和γ;公式中θ代表采集到的隧道断面与其对应的隧道横截面的偏转角,γ代表采集到的隧道断面与其对应的隧道横截面的横滚角,zBCAF、yBCAF和zBCAF代表采集到的隧道断面最左端的点或最右端的点的空间坐标,XBDAE、YBDAE和ZBDAE代表采集到的隧道断面对应的隧道横截面的最左端的点或最右端的点的空间坐标;
根据偏转角θ和横滚角γ对隧道断面的点云数据进行修正,将采集到的隧道断面转换成对应的隧道横截面。
进一步的,所述将隧道横截面分离为完好点集和病害点集的步骤具体包括:
根据隧道横截面最左端的点和最右端的点选择初始圆心;
计算隧道横截面上每个点到圆心的半径,将半径看做是隧道横截面上各点的函数,表示为R=f(i),R为隧道横截面上每个点到圆心的半径,i作为时间轴;
采用小波变换分析R的时频特性;
将R中的高频分量滤除,得到平滑的R曲线;
对比R原始曲线和平滑曲线,定位到高频分量的索引;
根据索引将隧道横截面的完好点集和病害点集分离。
进一步的,所述小波变换的公式为:
进一步的,所述将完好点集与隧道标准横截面精确配准,定位病害点集,并提取每个横截面的病害点集的特征的步骤具体包括:
通过以上步骤将隧道横截面完好点集与隧道标准横截面精确配准,计算出病害点集的深度、梯度、反射强度。
进一步的,所述在隧道断面的点云数据中计算出每个病害点集的区域的步骤具体包括:
采用k-means算法,先提取连续病害点集区域,限制病害点集区域的长度和宽度去除散点干扰,得到内部连续的多个病害点集区域;
计算每个病害点集区域的质心和半径;
从多个病害点集区域中选取h个病害点集区域的质心作为初始质心;
计算剩余的每个病害点集区域的质心与选取的h个病害点集区域的质心的距离,如果计算的距离中有距离小于指定阈值,则将此病害点集区域归类到与其距离小于指定阈值的初始质心所属的类,否则作为新类加入到初始质心中;
更新分类结果并重新计算新的质心;
重复上述步骤直至新的质心与原质心相等或其距离小于指定阈值则算法结束;
通过以上算法提取出病害点集区域的边缘轮廓、包围圆中心、包围圆半径。
本发明还提供一种基于激光检测的隧道病害检测装置,所述隧道病害检测装置包括牵引单元以及与所述牵引单元连接的检测小车,所述检测小车在所述牵引单元的牵引力作用下沿着隧道行走;所述检测小车包括:
激光扫描仪,用于采集隧道断面的点云数据;
惯性单元,用于检测检测小车的姿态;
同步控制器,用于为各传感器提供统一的时间参考;
晶振,用于向同步控制器提供时钟频率;
光电编码器,用于记录检测小车行进的里程信息;
计算机,用于系统的采集与控制。
进一步的,所述隧道病害检测装置中传感器的同步步骤为:
同步控制器采用授时同步的方式将时间信息传送给激光扫描仪和惯性单元,并采用主动同步的方式将光电编码器的脉冲信号接入到同步控制器;
同步控制器按照一定的时间间隔输出光电编码器的总脉冲数和同步控制器的时间到计算机中。
进一步的,所述隧道病害检测装置移动定位的步骤为:
采用扩展卡尔曼模型,将光电编码器航位推算得到的位置增量和惯性单元推算得到的位置增量计算残差,导入到扩展卡尔曼滤波中,计算出惯性单元的位置、速度、姿态误差改正量,并最终更新惯性单元的位置、姿态、速度等参数。
进一步的,所述激光扫描仪的型号为Z+F9012的2D激光扫描仪。
本发明提供了一种基于激光检测的隧道病害检测方法及隧道病害检测装置,所述隧道病害检测方法包括:激光扫描仪沿着隧道移动并扫描,采集隧道断面的点云数据;计算采集的隧道断面相对于与隧道断面对应的隧道横截面的偏转角度,根据偏转角度对隧道断面的点云数据进行修正,将采集到的隧道断面转换成对应的隧道横截面;将隧道横截面分离为完好点集和病害点集;将完好点集与隧道标准横截面精确配准,定位病害点集,并提取每个横截面的病害点集的特征;在隧道断面的点云数据中计算出每个病害点集的区域;根据病害点集的特征和区域判断病害类型。本发明通过激光扫描仪沿着隧道移动扫面隧道断面来判断隧道内的病害,检测成本低,检测效率高,且危险性低。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明基于激光检测的隧道病害检测方法较佳实施例的流程图。
图2为将采集的隧道断面转换成与隧道断面对应的隧道横截面的示意图。
图3为本发明隧道病害检测装置的结构示意图。
图4为检测小车的结构示意图。
图5为本发明隧道病害检测装置中传感器的同步流程图。
图6为本发明隧道病害检测装置移动定位的流程图。
具体实施方式
以下将配合附图及实施例来详细说明本申请的实施方式,藉此对本申请如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
图1为本发明的基于激光检测的隧道病害检测方法较佳实施例的流程图,如图1所示,本发明实施例提供的一种基于激光检测的隧道病害检测方法,包括以下步骤:
步骤S100、激光扫描仪沿着隧道移动并扫描,采集隧道断面的点云数据。
具体的,激光扫描仪沿着隧道移动并扫描,来采集隧道断面的点云数据,本发明使用的是德国Z+F9012的2D激光扫描仪,2D激光扫描仪沿着隧道移动的同时,2D激光扫描仪的激光头不停的旋转,扫描隧道断面。具体实施时,可将激光扫描仪安装在一个移动的检测小车上进行检测,如图2所示。
步骤S200、计算采集的隧道断面相对于与该隧道断面对应的隧道横截面的偏转角度,根据偏转角度对隧道断面的点云数据进行修正,将采集到的隧道断面转换成对应的隧道横截面。
具体的,通过2D激光扫描仪的工作方式可以知道,2D激光扫描仪直接获取的是隧道断面轮廓的点云数据,这个数据不能直接用于隧道病害判断,因为断面轮廓是在运动过程中采集得到的,采集的断面不可能是隧道的横截面,因此,需要通过运动模型修正,将采集的隧道断面转换成对应的横截面。
进一步的实施中,所述步骤S200具体包括:
S210、将采集到的隧道断面的最左端的点和最右端的点的坐标带入公式中,在标定参数下根据三角形相似原理求解出θ和γ;公式中θ代表采集到的隧道断面与其对应的隧道横截面的偏转角,γ代表采集到的隧道断面与其对应的隧道横截面的横滚角,xBCAF、yBCAF和zBCAF代表采集到的隧道断面最左端的点或最右端的点的空间坐标,XBDAE、YBDAE和ZBDAE代表采集到的隧道断面对应的隧道横截面的最左端的点或最右端的点的空间坐标;
S220、根据偏转角θ和横滚角γ对隧道断面的点云数据进行修正,将采集到的隧道断面转换成对应的隧道横截面。
具体的,图2为将采集的隧道断面转换成与隧道断面对应的隧道横截面的示意图,如图2所示,如果2D激光扫描仪在隧道中静止且垂直隧道表面扫描,则可直接得到隧道横截面,但由于测量小车一直在行进,运动采集到的真实断面如图2中断面BCAF所示,假设此时的等效横截面为BDAE,其中AB是标定出的激光扫描仪的垂直轴,C和F是采集断面BCAF的最左端和最右端的点,D和E是等效横截面BDAE的最左端和最右端的点,假设扫描断面BCAF和等效横截面BDAE的偏转角为θ,由于隧道的弯曲起伏,同时会导致扫描断面BCAF和等效横截面BDAE之间产生一个横滚角γ,即图中z1轴和Z轴的夹角。所以,等效横截面BDAE可以看成是扫描断面BCAF经过角γ旋转至水平后在横截面上的投影,因此,等效横截面BDAE上坐标与扫描断面BCAF上坐标的关系满足:其中,θ代表采集到的隧道扫描断面BCAF与其对应的等效横截面BDAE的偏转角,γ代表采集到的隧道扫描断面BCAF与其对应的等效横截面BDAE的横滚角,xBCAF、yBCAF和zBCAF代表采集到的隧道扫描断面BCAF最左端的点或最右端的点的空间坐标,XBDAE、XBDAE和XBDAE代表等效横截面BDAE的最左端的点或最右端的点的空间坐标,从上式可以看出,偏转角θ和横滚角γ的计算是运动修正模型的关键。由于2D激光扫描仪在运动过程中速度并不是固定不变的,因此偏转角θ在运动过程中也是动态变化的,而由于隧道的弯曲起伏在不同的地方程度也不一样,因此横滚角γ也是动态变化的。需要找到一些相对稳定的特征点来计算这两个角度,选择隧道最左点和最右点作为特征点,在标定参数下根据三角形相似原理即可求解出θ和γ,从而修正运动模型得到隧道横截面点云数据。
步骤S300、将隧道横截面分离为完好点集和病害点集。
进一步的实施中,所述步骤S300具体包括:
S310、根据隧道横截面最左端的点和最右端的点选择初始圆心;
S320、计算隧道横截面上每个点到圆心的半径,将半径看做是隧道横截面上各点的函数,表示为R=f(i),R为隧道横截面上每个点到圆心的半径,i作为时间轴;
S330、采用小波变换分析R的时频特性;
S340、将R中的高频分量滤除,得到平滑的R曲线;
S350、对比R原始曲线和平滑曲线,定位到高频分量的索引;
S360、根据索引将隧道横截面的完好点集和病害点集分离。
具体的,小波变换的原理公式如下所示:小波变换是将傅里叶变换的基给换了,将无限长的三角函数基换成了有限长的会衰减的小波基,从时域上达到频域加窗的效果。小波变换有两个变量:一个控制小波函数伸缩的尺度a和一个控制小波函数平移的平移量τ。尺度与频率成反比,平移量与时间成正比,因此小波的基函数会伸缩、会平移,缩得窄,对应高频,伸得宽,对应低频。当伸缩、平移到小波基函数和信号相乘得到一个极大值的时候,就表明信号在此刻具有和小波基相同的频率,从而可以知道信号时域具体位置上的频率成分,而在每个尺度下都平移着和信号乘过一遍后,就能知道信号在时域每个位置上都包含哪些频率成分,从而得到信号的时频分布。
在隧道横截面点云配准之前,只能初略定位圆心的大概位置,这将导致很难准确计算横截面上每个点的半径、斜率、梯度等信息,采用传统的方法很难对隧道纯净点和病害点进行区分,本发明将横截面上连续点的半径看成是时间的函数,圆心的不准确使得半径在真实半径上下波动,连续半径波形就是一个非平稳信号,波动是低频的,而疑似病害点可以看成是低频波动上叠加的高频扰动,小波变换算法可以得到非平稳信号的时频谱,从而准确找到高频扰动对应的疑似病害点,将隧道纯净点和疑似病害点进行分离。
步骤S400、将完好点集与隧道标准横截面精确配准,定位病害点集,并提取每个横截面的病害点集的特征。隧道标准横截面可根据隧道建造时的图纸得到。
进一步的实施例中,所示步骤S400具体包括:
S460、通过以上步骤将隧道横截面完好点集与隧道标准横截面精确配准,计算出病害点集的深度、梯度、反射强度。
具体的,迭代最近点算法是一种基于纯粹几何模型3D对象对齐算法,其本质是基于最小二乘法的最优匹配算法,通过首先确定具有相应关系的集合,然后计算最优的刚性变换,重复这个过程直到满足正确匹配的收敛准则,以便两个匹配数据的最佳匹配满足的给定的度量,从而找出目标点集P到参考点集Q的旋转变换量R和平移变换T。
在本过程中,目标点集即为滤波后的隧道横截面点集,而参考点集即为隧道标准断面模型点集。这个过程用数学描述如下,定义目标点集为{Pi,i=1,2,...},参考点集为{Qi,i=1,2,...},在第k次迭代中,从Q中找到一个对应目标点集P的点集然后计算P和的变换矩阵,并更新初始点集直到两个点集之间的平均距离小于给定的阈值τ,换句话说,就是要满足公式
通过迭代最近点算法,可以将隧道横截面完好点集与隧道标准横截面模型准确配准,从而将隧道横截面与标准横截面准确配准,进而计算出疑似病害点集的病害深度、反射强度、梯度信息,为后续病害识别提供判断依据。
步骤S500、在隧道断面的点云数据中计算出每个病害点集的区域。
进一步的实施例中,所示步骤S500具体包括:
S510、采用k-means算法,先提取连续病害点集区域,限制病害点集区域的长度和宽度去除散点干扰,得到内部连续的多个病害点集区域;
S520、计算每个病害点集区域的质心和半径;
S530、从多个病害点集区域中选取h个病害点集区域的质心作为初始质心;h为大于0的自然数;
S540、计算剩余的每个病害点集区域的质心与选取的h个病害点集区域的质心的距离,如果计算的距离中有距离小于指定阈值,则将此病害点集区域归类到与其距离小于指定阈值的初始质心所属的类,否则作为新类加入到初始质心中;
S550、更新分类结果并重新计算新的质心;
S560、重复上述步骤S540~S550直至新的质心与原质心相等或其距离小于指定阈值则算法结束;
S570、通过以上算法提取出病害点集区域的边缘轮廓、包围圆中心、包围圆半径。
具体的,知道了隧道横截面内的病害深度、反射强度、梯度信息后,并不能直接判断病害的类型或者是否为病害还是干扰点,需要结合连续段断面的病害分布情况才能更准确判断,本发明采用k-means算法对连续断面内的病害点聚类分析,具体如上步骤S510~S550,先通过选取若干个初始质心,并通过其余质心与初始质心的距离阈值限制来对病害点集区域的质心进行分类,在分类后的质心中,再另外选取该类质心中新的质心进行还未分类的质心的距离计算,使质心分类稳定不能再继续分,通过此过程可以提取出疑似病害区域的边缘轮廓、包围圆中心、包围圆半径等信息,结合上一过程得到的病害深度、反射强度、梯度信息即可准确检测出病害。
S600根据病害点集的特征和区域判断病害类型。
具体的,病害点集的特征即为上述病害深度、反射强度和梯度信息,病害点集的区域即为上述病害区域的边缘轮廓、包围圆中心和包围圆半径。
图3为本发明的隧道病害检测装置的结构示意图,如图3所示,隧道病害检测装置包括牵引单元10和检测小车20,牵引单元10设置在隧道30的一端,检测小车20通过缆绳11牵引单元10连接,并在牵引单元10的牵引力作用下沿着隧道30行走以扫描隧道断面,牵引单元10为卷扬机,通过卷扬机拉动检测小车20对隧道断面进行扫描,无需检测人员进入隧道30内部检测,提高了检测的安全性和成本。卷扬机和检测小车20之间设置有滑轮40使缆绳11转向。
图4为检测小车20的结构示意图,检测小车20包括:
2D激光扫描仪21,用于采集隧道断面的点云数据
惯性单元(图中未示出),用于检测检测小车的姿态;
同步控制器(图中未示出),用于为各传感器提供统一的时间参考;
晶振(图中未示出),用于向同步控制器提供时钟频率;
光电编码器22,用于记录检测小车行进的里程信息;
计算机(图中未示出),用于系统的采集与控制。
检测小车20上设置有封装盒23,惯性单元、同步控制器、晶振以及计算机都设置在封装盒内,以保护传感器。检测小车20底部设置有行走轮24,光电编码器22安装在行走轮24上,这样即可通过光电编码器22检测行走轮24行走的里程信息。激光扫描仪21选用德国Z+F9012的2D激光扫描仪。如图3所示,2D激光扫描仪的扫描头不停的旋转,如图3中圆31所示,以扫描隧道断面。
所述隧道病害检测装置中传感器的同步步骤为:
同步控制器采用授时同步的方式将时间信息传送给激光扫描仪和惯性单元,并采用主动同步的方式将光电编码器的脉冲信号接入到同步控制器;
同步控制器按照一定的时间间隔输出光电编码器的总脉冲数和同步控制器的时间到计算机中。
具体的,各传感器的时间基准不同,采样频率不同,工作方式不同,均会给最终的数据融合带来极大的困难,本发明通过同步控制器提供各传感器统一的时间参考,时间同步控制流程如图5所示,同步控制器一方面采用授时同步的方式,在PPS信号到来时,同步控制器将自己的时间信息传送给激光扫描仪和惯性单元,实现激光扫描仪和惯性单元的时间与同步控制器的时间对齐;另一方面采用主动同步的方式,光电编码器的脉冲信号接入到同步控制器,同步控制器按照一定的时间间隔,一般为10ms-50ms,输出光电编码器的总脉冲数和同步控制器的时间到计算机中,在如此短的时间间隔内,可以认为检测小车是匀速直线运动的,所以可以通过线性插值算法计算得到光电编码器每一个脉冲对应的同步控制器的精确时间。经过以上步骤,实现了各个传感器,如光电编码器、激光扫描仪和惯性单元的时间与同步控制器的时间同步。
所述隧道病害检测装置移动定位的步骤为:
在隧道中无GNSS信号的情况下,检测小车的精密定位依靠惯性单元和光电编码器来实现,不管是惯性单元推算还是光电编码器的里程计推算,都是一个累计的过程,在此过程中,误差也会随之累积,如图6所示,采用扩展卡尔曼模型,将光电编码器航位推算得到的位置增量和惯性单元推算得到的位置增量计算残差,导入到扩展卡尔曼滤波中,计算出惯性单元的位置、速度、姿态误差改正量,并最终更新惯性单元的位置、姿态、速度等参数。由上可实现利用光电编码器的里程和速度信息约束惯性单元的航位推算的发散和误差累积速度,从而提高系统的定位精度,实现无GNSS信号条件下的移动精密定位。
综上所述,本发明提供了一种基于激光检测的隧道病害检测方法及隧道病害检测装置,所述隧道病害检测方法包括:激光扫描仪沿着隧道移动并扫描,采集隧道断面的点云数据;计算采集的隧道断面相对于与隧道断面对应的隧道横截面的偏转角度,根据偏转角度对隧道断面的点云数据进行修正,将采集到的隧道断面转换成对应的隧道横截面;将隧道横截面分离为完好点集和病害点集;将完好点集与隧道标准横截面精确配准,定位病害点集,并提取每个横截面的病害点集的特征;在隧道断面的点云数据中计算出每个病害点集的区域;根据病害点集的特征和区域判断病害类型。本发明通过激光扫描仪沿着隧道移动扫面隧道断面来判断隧道内的病害,检测成本低,检测效率高,且危险性低。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (9)
1.一种基于激光检测的隧道病害检测方法,其特征在于,包括:
激光扫描仪沿着隧道移动并扫描,采集隧道断面的点云数据;
计算采集的隧道断面相对于与该隧道断面对应的隧道横截面的偏转角度和横滚角度,根据偏转角度和横滚角度对隧道断面的点云数据进行修正,将采集到的隧道断面转换成对应的隧道横截面;
将隧道横截面分离为完好点集和病害点集;
将完好点集与隧道标准横截面精确配准,定位病害点集,并提取每个横截面的病害点集的特征;
在隧道断面的点云数据中计算出每个病害点集的区域;
根据病害点集的特征和区域判断病害类型;
其中,所述计算采集的隧道断面相对于与隧道断面对应的隧道横截面的偏转角度和横滚角度,根据偏转角度和横滚角度对隧道断面的点云数据进行修正,将采集到的隧道断面转换成对应的隧道横截面的步骤具体包括:
将采集到的隧道断面的最左端的点和最右端的点的坐标带入公式中,在标定参数下根据三角形相似原理求解出θ和γ;公式中θ代表采集到的隧道断面与其对应的隧道横截面的偏转角,γ代表采集到的隧道断面与其对应的隧道横截面的横滚角,xBCAF、yBCAF和zBCAF代表采集到的隧道断面最左端的点或最右端的点的空间坐标,XBDAE、YBDAE和ZBDAE代表采集到的隧道断面对应的隧道横截面的最左端的点或最右端的点的空间坐标;
根据偏转角θ和横滚角γ对隧道断面的点云数据进行修正,将采集到的隧道断面转换成对应的隧道横截面。
2.根据权利要求1所述的基于激光检测的隧道病害检测方法,其特征在于,所述将隧道横截面分离为完好点集和病害点集的步骤具体包括:
根据隧道横截面最左端的点和最右端的点选择初始圆心;
计算隧道横截面上每个点到圆心的半径,将半径看做是隧道横截面上各点的函数,表示为R=f(i),R为隧道横截面上每个点到圆心的半径,i作为时间轴;
采用小波变换分析R的时频特性;
将R中的高频分量滤除,得到平滑的R曲线;
对比R原始曲线和平滑曲线,定位到高频分量的索引;
根据索引将隧道横截面的完好点集和病害点集分离。
4.根据权利要求1所述的基于激光检测的隧道病害检测方法,其特征在于,所述将完好点集与隧道标准横截面精确配准,定位病害点集,并提取每个横截面的病害点集的特征的步骤具体包括:
通过以上步骤将隧道横截面完好点集与隧道标准横截面精确配准,计算出病害点集的深度、梯度、反射强度。
5.根据权利要求1所述的基于激光检测的隧道病害检测方法,其特征在于,所述在隧道断面的点云数据中计算出每个病害点集的区域的步骤具体包括:
采用k-means算法,先提取连续病害点集区域,限制病害点集区域的长度和宽度去除散点干扰,得到内部连续的多个病害点集区域;
计算每个病害点集区域的质心和半径;
从多个病害点集区域中选取h个病害点集区域的质心作为初始质心;
计算剩余的每个病害点集区域的质心与选取的h个病害点集区域的质心的距离,如果计算的距离中有距离小于指定阈值,则将此病害点集区域归类到与其距离小于指定阈值的初始质心所属的类,否则作为新类加入到初始质心中;
更新分类结果并重新计算新的质心;
重复上述步骤直至新的质心与原质心相等或其距离小于指定阈值则算法结束;
通过以上算法提取出病害点集区域的边缘轮廓、包围圆中心、包围圆半径。
6.一种基于权利要求1所述基于激光检测的隧道病害检测方法的隧道病害检测装置,其特征在于,所述隧道病害检测装置包括牵引单元以及与所述牵引单元连接的检测小车,所述检测小车在所述牵引单元的牵引力作用下沿着隧道行走;所述检测小车包括:
激光扫描仪,用于采集隧道断面的点云数据;
惯性单元,用于检测检测小车的姿态;
同步控制器,用于为各传感器提供统一的时间参考;
晶振,用于向同步控制器提供时钟频率;
光电编码器,用于记录检测小车行进的里程信息;
计算机,用于系统的采集与控制。
7.根据权利要求6所述的隧道病害检测装置,其特征在于,所述隧道病害检测装置中传感器的同步步骤为:
同步控制器采用授时同步的方式将时间信息传送给激光扫描仪和惯性单元,并采用主动同步的方式将光电编码器的脉冲信号接入到同步控制器;
同步控制器按照一定的时间间隔输出光电编码器的总脉冲数和同步控制器的时间到计算机中。
8.根据权利要求6所述的隧道病害检测装置,其特征在于,所述隧道病害检测装置移动定位的步骤为:
采用扩展卡尔曼模型,将光电编码器航位推算得到的位置增量和惯性单元推算得到的位置增量计算残差,导入到扩展卡尔曼滤波中,计算出惯性单元的位置、速度、姿态误差改正量,并最终更新惯性单元的位置、姿态、速度等参数。
9.根据权利要求6所述的隧道病害检测装置,其特征在于,所述激光扫描仪的型号为Z+F9012的2D激光扫描仪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810750763.6A CN109060820B (zh) | 2018-07-10 | 2018-07-10 | 基于激光检测的隧道病害检测方法及隧道病害检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810750763.6A CN109060820B (zh) | 2018-07-10 | 2018-07-10 | 基于激光检测的隧道病害检测方法及隧道病害检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109060820A CN109060820A (zh) | 2018-12-21 |
CN109060820B true CN109060820B (zh) | 2021-04-13 |
Family
ID=64819379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810750763.6A Active CN109060820B (zh) | 2018-07-10 | 2018-07-10 | 基于激光检测的隧道病害检测方法及隧道病害检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109060820B (zh) |
Families Citing this family (6)
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 |
CN110530290A (zh) * | 2019-08-28 | 2019-12-03 | 北京交通大学 | 隧道断面的激光扫描测量装置及方法 |
CN110672622A (zh) * | 2019-10-12 | 2020-01-10 | 成都天佑智隧科技有限公司 | 一种基于点云数据和全站仪的隧道缺陷快速定位方法 |
CN112432609B (zh) * | 2020-11-24 | 2022-09-20 | 中铁十一局集团电务工程有限公司 | 一种轨道接触网参数测量系统 |
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 |
CN113822891B (zh) * | 2021-11-24 | 2022-03-11 | 深圳市智源空间创新科技有限公司 | 一种融合激光点云与全景图像的隧洞病害检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2765388B1 (de) * | 2013-02-08 | 2018-10-17 | Hexagon Technology Center GmbH | Mobiler Feld-Controller zur Messung und Fernsteuerung |
EP3078935A1 (en) * | 2015-04-10 | 2016-10-12 | The European Atomic Energy Community (EURATOM), represented by the European Commission | Method and device for real-time mapping and localization |
WO2017117667A1 (en) * | 2016-01-07 | 2017-07-13 | Peck Tech Consulting Ltd. | A method and system for georeferencing underground data |
-
2018
- 2018-07-10 CN CN201810750763.6A patent/CN109060820B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109060820A (zh) | 2018-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109060821B (zh) | 基于激光检测的隧道病害检测方法及隧道病害检测装置 | |
CN109060820B (zh) | 基于激光检测的隧道病害检测方法及隧道病害检测装置 | |
CN106997049B (zh) | 一种基于激光点云数据的检测障碍物的方法和装置 | |
CN111855664B (zh) | 一种可调节隧道病害三维检测系统 | |
CN106595630B (zh) | 一种基于激光导航变电站巡检机器人的建图系统与方法 | |
JP5991489B2 (ja) | 道路変状検出装置、道路変状検出方法及びプログラム | |
CN109635816B (zh) | 车道线生成方法、装置、设备以及存储介质 | |
CN104021676A (zh) | 基于车辆动态视频特征的车辆定位及车速测量方法 | |
JP6524529B2 (ja) | 建築限界判定装置 | |
CN107796373B (zh) | 一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法 | |
CN109522804A (zh) | 一种道路边沿识别方法及系统 | |
JP6465421B1 (ja) | 構造物変状検出装置 | |
CN111967360A (zh) | 基于车轮的目标车辆姿态检测方法 | |
CN113091639A (zh) | 盾构隧道管片错台提取方法 | |
CN112965135B (zh) | 一种石窟崖体裂隙空间异质分布的无损探测综合方法 | |
CN114758504B (zh) | 一种基于滤波校正的网联车超速预警方法及系统 | |
CN107220964A (zh) | 一种线状特征提取用于地质危岩体稳定性评估方法 | |
KR101090082B1 (ko) | 단일 카메라 및 레이저를 이용한 계단 치수 측정 시스템 및 방법 | |
Wang et al. | Automated pavement distress survey: a review and a new direction | |
Wu et al. | Concrete spalling detection for metro tunnel from point cloud based on roughness descriptor | |
KR20180098945A (ko) | 고정형 단일 카메라를 이용한 차량 속도 감지 방법 및 장치 | |
Mizutani et al. | Quantitative evaluation of peeling and delamination on infrastructure surfaces by laser signal and image processing of 3D point cloud data | |
CN103810676A (zh) | 一种钢管运行速度的监测方法 | |
CN110550067A (zh) | 列车车轮的测量方法及相关系统 | |
KR101626572B1 (ko) | 캘리브레이션 장치 및 방법, 캘리브레이션 용 격자판 |
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 |