CN109060821B - 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
- CN109060821B CN109060821B CN201810750771.0A CN201810750771A CN109060821B CN 109060821 B CN109060821 B CN 109060821B CN 201810750771 A CN201810750771 A CN 201810750771A CN 109060821 B CN109060821 B CN 109060821B
- Authority
- CN
- China
- Prior art keywords
- tunnel
- point set
- disease
- section
- point
- 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
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
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:将激光扫描仪安装在检测小车上,在隧道中设置若干个测站点,激光扫描仪在每一测站点处对隧道进行检测,分段采集隧道的三维点云;对分段采集的隧道三维点云进行拼接,形成整个隧道的三维点云,并对拼接后的整个隧道的三维点云进行切片,得到隧道的横截面;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。本发明可以通过激光扫描仪自动扫描隧道检测病害,检测成本低。
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,其中,包括:
将激光扫描仪安装在检测小车上,在隧道中设置若干个测站点,激光扫描仪在每一测站点处对隧道进行检测,分段采集隧道的三维点云;
对分段采集的隧道三维点云进行拼接,形成整个隧道的三维点云,并对拼接后的整个隧道的三维点云切片,得到隧道的横截面;
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,所述对分段采集的隧道三维点云进行拼接,形成整个隧道的三维点云,并对拼接后的整个隧道的三维点云进行切片,得到隧道的横截面的步骤具体包括:
通过公式PA=RkPL+Tk将测站点处每一扫描点的坐标统一到检测小车运动坐标系中,完成隧道三维点云的拼接;其中,PA表示每一扫描点在检测小车运动坐标系中的坐标,Rk为当前测站点相对检测小车运动坐标系原点的旋转矩阵,PL为当前测站点处扫描点在激光扫描仪坐标系L中的坐标,Tk为当前测站点相对载体运动坐标系原点的平移矩阵;
完成隧道三维点云的拼接后,对整个隧道的三维点云进行切片,得到隧道的横截面。
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,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,用于采集隧道的三维点云;
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;
检测小车,用于安装所述激光扫描仪、惯性单元、同步控制器、晶振、光电编码器以及计算机。
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+F5010C的3D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:将激光扫描仪安装在检测小车上,在隧道中设置若干个测站点,激光扫描仪在每一测站点处对隧道进行检测,分段采集隧道的三维点云;对分段采集的隧道三维点云进行拼接,形成整个隧道的三维点云,并对拼接后的整个隧道的三维点云切片,得到隧道的横截面;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逐段扫描隧道的三维点云然后拼接成整个隧道的三维点云,对拼接数据进行处理后判断隧道内的病害,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为本发明隧道病害检测装置的结构示意图。
图3为检测小车的结构示意图。
图4为本发明隧道病害检测装置中传感器的同步流程图。
图5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、将激光扫描仪安装在检测小车上,在隧道中设置若干个测站点,激光扫描仪在每一测站点处对隧道进行检测,分段采集隧道的三维点云。
具体的,将激光扫描仪安装在检测小车上,在隧道中设置若干个测站点,小车行进到每个测站点时停下,在测站点处静止,扫描并采集隧道的三维点云,如图2所示。激光扫描仪采用德国Z+F5010C的3D激光扫描仪。使用3D激光扫描仪扫描大型隧道的时候每次只能测量有限的区域,要检测出隧道完整的病害情况,则需要分段采集隧道的三维点云后,拼接成整个隧道的三维点云。
步骤S200、对分段采集的隧道三维点云进行拼接,形成整个隧道的三维点云,并对拼接后的整个隧道的三维点云切片,得到隧道的横截面。
进一步的实施中,所述步骤S200具体包括:
S210、通过公式PA=RkPL+Tk将测站点处每一扫描点的坐标统一到检测小车运动坐标系中,完成隧道三维点云的拼接;其中,PA表示每一扫描点在检测小车运动坐标系中的坐标,Rk为当前测站点相对检测小车运动坐标系原点的旋转矩阵,PL为当前测站点处扫描点在激光扫描仪坐标系L中的坐标,Tk为当前测站点相对载体运动坐标系原点的平移矩阵;
S220、完成隧道三维点云的拼接后,对整个隧道的三维点云进行切片,得到隧道的横截面。
具体的,通过移动精密算法可以得到准确的检测小车在隧道内的运动轨迹,来作为检测小车的运动参考系A,从中提取出对应各个测站点的坐标,记为Pk(Xk,Yk,Zk),则当前测站点相对检测小车运动坐标系原点的平移矩阵为Tk=(Xk,Y,Zk)T,各个测站点检测小车均静止5分钟以上,姿态已经稳定,假设各个测站点处检测小车的惯性单元的俯仰角(相对于X轴的转动角)为ωk,横滚角(相对于Y轴的转动角)为航向角(相对于Z轴的转动角)为κk,则当前测站点相对检测小车运动坐标系原点的旋转矩阵为:各测站点处使用激光扫描仪的工作模式都相同,测站点处于相同的环境中,因此各测站点间没有尺度缩放,尺度因子取1,根据参数模型,假设当前测站点处扫描点在激光扫描仪坐标系L中的坐标为PL,则该扫描点在载体运动坐标系下的坐标为:PA=RkPL+Tk,通过此步坐标转换,测站点处各扫描点的坐标可以统一到载体运动坐标系中,实现了测站点间三维点云数据的初步拼接。拼接完之后的相邻两组三维点云存在重叠部分,分别提取重叠部分,再进行一次精确配准,即可实现无控制点的三维点云数据拼接。拼接完成后即形成整个隧道的三维点云,再对整个隧道的三维点云进行切片,得到隧道的横截面。
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;
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,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2为本发明的隧道病害检测装置的结构示意图,如图2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的牵引力作用下移动行走,并在行走到每个测站点处时静止并扫描隧道,采集采集隧道的三维点云。牵引单元10为卷扬机,通过卷扬机拉动检测小车20,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3为检测小车20的结构示意图,检测小车20包括:
3D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采用德国Z+F5010C的3D激光扫描仪,激光扫描仪21通过倾斜支架211安装在检测小车20上,倾斜支架211的倾斜角度根据隧道的坡度调节,以使3D激光扫描仪在倾斜的隧道里也可以保持水平,提高检测精度。
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4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5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:将激光扫描仪安装在检测小车上,在隧道中设置若干个测站点,激光扫描仪在每一测站点处对隧道进行检测,分段采集隧道的三维点云;对分段采集的隧道三维点云进行拼接,形成整个隧道的三维点云,并对拼接后的整个隧道的三维点云切片,得到隧道的横截面;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逐段扫描隧道的三维点云然后拼接成整个隧道的三维点云,对拼接数据进行处理后判断隧道内的病害,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 (5)
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:
将激光扫描仪安装在检测小车上,在隧道中设置若干个测站点,激光扫描仪在每一测站点处对隧道进行检测,分段采集隧道的三维点云;
对分段采集的隧道三维点云进行拼接,形成整个隧道的三维点云,并对拼接后的整个隧道的三维点云切片,得到隧道的横截面;
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;
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。
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,所述对分段采集的隧道三维点云进行拼接,形成整个隧道的三维点云,并对拼接后的整个隧道的三维点云进行切片,得到隧道的横截面的步骤具体包括:
通过公式PA=RkPL+Tk将测站点处每一扫描点的坐标统一到检测小车运动坐标系中,完成隧道三维点云的拼接;其中,PA表示每一扫描点在检测小车运动坐标系中的坐标,Rk为当前测站点相对检测小车运动坐标系原点的旋转矩阵,PL为当前测站点处扫描点在激光扫描仪坐标系L中的坐标,Tk为当前测站点相对载体运动坐标系原点的平移矩阵;
完成隧道三维点云的拼接后,对整个隧道的三维点云进行切片,得到隧道的横截面。
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,提取出病害点集区域的边缘轮廓、包围圆中心、包围圆半径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810750771.0A CN109060821B (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 |
---|---|---|---|
CN201810750771.0A CN109060821B (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 |
---|---|
CN109060821A CN109060821A (zh) | 2018-12-21 |
CN109060821B true CN109060821B (zh) | 2021-05-04 |
Family
ID=64819371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810750771.0A Active CN109060821B (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) | CN109060821B (zh) |
Families Citing this family (13)
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 |
CN110346370A (zh) * | 2019-07-17 | 2019-10-18 | 武汉汉宁轨道交通技术有限公司 | 隧道病害检测设备、系统及方法 |
CN110672632A (zh) * | 2019-09-24 | 2020-01-10 | 江西交通职业技术学院 | 一种隧道病害识别方法 |
CN110942514B (zh) * | 2019-11-26 | 2022-11-29 | 三一重工股份有限公司 | 一种生成点云数据和全景图像的方法、系统及装置 |
CN111912857B (zh) * | 2020-06-28 | 2023-04-07 | 深圳大学 | 一种引水隧洞爬绳检测机器人及其检测方法 |
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 |
CN113634883B (zh) * | 2021-06-28 | 2023-04-11 | 中国科学院上海光学精密机械研究所 | 利用co2脉冲激光层析烧蚀表征熔石英玻璃亚表面缺陷分布方法 |
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 |
CN115013650A (zh) * | 2022-05-16 | 2022-09-06 | 华北水利水电大学 | 一种深度学习智能图像识别用跟踪装置 |
CN114820595B (zh) * | 2022-06-23 | 2022-09-02 | 湖南大学 | 四足机器人协同无人机检测区域损伤的方法及相关组件 |
CN115200487B (zh) * | 2022-08-24 | 2023-05-30 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种大口径管道的安全测量装置及安全评估方法 |
CN116626040A (zh) * | 2022-12-07 | 2023-08-22 | 浙江众合科技股份有限公司 | 一种轨道与隧道的病变检测方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203011855U (zh) * | 2013-01-17 | 2013-06-19 | 招商局重庆交通科研设计院有限公司 | 移动式隧道综合检测系统 |
CN104048970B (zh) * | 2014-06-19 | 2018-01-16 | 樊晓东 | 隧道缺陷的高速检测系统与检测方法 |
CN104392476B (zh) * | 2014-12-04 | 2017-07-21 | 上海岩土工程勘察设计研究院有限公司 | 基于最小包围盒算法提取隧道三维轴线的方法 |
CN104680579B (zh) * | 2015-03-02 | 2017-09-01 | 北京工业大学 | 基于三维扫描点云的隧道施工信息化监测系统 |
CN204613120U (zh) * | 2015-05-15 | 2015-09-02 | 上海同岩土木工程科技有限公司 | 基于机器视觉的高速公路隧道检测车系统 |
CN106930784B (zh) * | 2017-03-08 | 2018-11-20 | 中交第二航务工程局有限公司 | 基于三维激光扫描的隧道监控方法 |
-
2018
- 2018-07-10 CN CN201810750771.0A patent/CN109060821B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109060821A (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 | |
CN103778681B (zh) | 一种车载高速公路巡检系统及数据获取和处理方法 | |
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 | |
CN104021676B (zh) | 基于车辆动态视频特征的车辆定位及车速测量方法 | |
Yu et al. | 3D reconstruction of road surfaces using an integrated multi-sensory approach | |
CN102032875B (zh) | 一种基于图像处理的电缆护套厚度测量方法 | |
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 | |
WO2023045299A1 (zh) | 基于三维轮廓的路面技术状况检测方法及设备 | |
CN109635816B (zh) | 车道线生成方法、装置、设备以及存储介质 | |
CN102788572B (zh) | 一种工程机械吊钩姿态的测量方法、装置及系统 | |
CN105761305B (zh) | 一种车辆行驶检测方法及系统 | |
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 | |
CN112731440A (zh) | 高速铁路边坡形变检测方法及装置 | |
Wu et al. | Concrete spalling detection for metro tunnel from point cloud based on roughness descriptor | |
CN105023270A (zh) | 用于地下基础设施结构监测的主动式3d立体全景视觉传感器 | |
US11247705B2 (en) | Train wheel measurement process, and associated system | |
CN116681912A (zh) | 铁路道岔的轨距检测方法及装置 | |
MA | Three-dimensional Laser Combined with BIM Technology for Building Modeling, Information Data Acquisition and Monitoring. | |
CN115797338A (zh) | 基于双目视觉的全景路面多性能指标计算方法及系统 | |
CN115562284A (zh) | 一种高铁箱梁巡检机器人实现自动巡检的方法 | |
CN116242774A (zh) | 适用于农村公路的轻量化三维检测方法及装置 |
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 |