CN109115434A - 一种隧道健康监测系统及方法 - Google Patents
一种隧道健康监测系统及方法 Download PDFInfo
- Publication number
- CN109115434A CN109115434A CN201810682226.2A CN201810682226A CN109115434A CN 109115434 A CN109115434 A CN 109115434A CN 201810682226 A CN201810682226 A CN 201810682226A CN 109115434 A CN109115434 A CN 109115434A
- Authority
- CN
- China
- Prior art keywords
- tunnel
- image
- data
- panorama
- processing unit
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0008—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings of bridges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0033—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining damage, crack or wear
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种隧道健康监测系统及方法,系统包括设置在检修车上的环形架,环形架与所在的检修车行进方向垂直或者呈非零的一定角度,在弧形架上布设有拍摄隧道全景图像的多个图像传感器,为图像传感器提供照度的多个补光灯,对隧道内壁进行距离测量的测距模块;图像传感器为一组或分为多组前后并列且纵向对应布设在环形架上;该系统通过不同位置拍摄同一视场图像来增加图像采集精度,进而提高隧道健康监测精度;实现隧道的全景监测,监测范围大;中央处理器对测量数据进行离线分析处理,有效避开地铁停运时段过短带来的人为漏判问题,大大延长了地铁隧道监测天窗期,对隧道健康实时监测。
Description
技术领域
本发明涉及隧道检测领域,特别是涉及一种隧道健康监测系统及方法。
背景技术
城市轨道中的盾构隧道因穿越的工程地质以及水文地质等条件复杂多变,长期受地表水和地下水有害作用的影响,以及受隧道修建时期的设计与施工条件的限制,早期修建的隧道时常发生隧道形变、盾构片开裂,脱空、边墙渗水、盾构壁漏筋等隧道病害,这将会严重影响隧道的使用寿命,甚至威胁到地铁运营安全,因此如何对现役营运隧道以及在建隧道进行健康评估和实时监测就变得尤为重要。
目前城市轨道交通行业的隧道健康评估和线路巡检在日常监测和定期监测两个方面存在如下问题。
日常监测受环境影响,不能对病害及时反馈,主要表现在:
地铁的日常监测依靠人工完成,在地铁运营时段之外,由检修巡查人员乘坐隧道网轨检修车进入地铁隧道,使用补光灯或手电光照亮后目检隧道墙和盾构壁的状态,因人眼限制,尤其是在曝光不足的条件下,不能识别细微的裂缝和隧道相对形变,另外,巡检效果还会受巡检人员自身职业道德规范和主观想法影响,不能有效形成对病害的实际跟踪,存在安全隐患。
定期监测周期长,效率不高,主要表现在:
为了对地铁隧道的综合健康状态进行全面评估,地铁运营公司通常会定期(如每年)委托专业监测公司对地铁隧道进行综合监测。相较于日常人工监测维护,专业监测设备监测结果比较理想,但是其所需要得出监测结果和给出评估报告周期较长(通常需要3个月),不能及时反映当前地铁隧道健康状态,也不能实时和有效地进行安全预警。
发明内容
本发明旨在至少解决现有技术中存在的技术问题,特别创新地提出了一种隧道健康监测系统及方法。
为了实现本发明的上述目的,根据本发明的第一个方面,本发明提供了一种隧道健康监测系统,包括设置在检修车上的环形架,所述环形架与所在的检修车行进方向垂直或者呈非零的一定角度,在所述弧形架上布设有拍摄隧道全景图像的多个图像传感器,为所述图像传感器提供照度的多个补光灯,对隧道内壁进行距离测量的测距模块;
所述图像传感器分一组或分为多组前后并列且纵向对应布设在环形架上;
还包括采集所述图像传感器输出图像的图像采集模块,实时同步获取所述图像采集模块和测距模块的输出数据的主控子系统,以及接收所述主控子系统输出数据并进行健康分析处理的位于监控室的中央处理器。
上述技术方案的有益效果为:该系统在不同位置拍摄同一视场图像来增加图像采集精度,进而提高隧道健康监测精度;环形架上布设多个图像传感器可实现隧道的全景监测,监测范围大;主控子系统实时采集图像采集模块、测距模块的输出数据并传输至监控室的中央处理器进行离线分析处理,有效避开地铁停运时段过短带来的人为漏判问题,大大延长了地铁隧道监测天窗期,对隧道健康实时监测。
在本发明的一种优选实施方式中,还包括位于监控室的显示操控模块,所述显示操控模块的数据端与所述中央处理器的显控数据端通信连接。
上述技术方案的有益效果为:通过显示操控系统的启动和关闭,并实时显示隧道全景三维图像、裂缝轮廓图像、以及报警信息等,便于人机交互。
在本发明的一种优选实施方式中,还包括设置在所述环形架上的环境检测组件,所述环境检测组件包括湿度传感器、温度传感器、光照传感器、有毒气体传感器之一或任意组合;
和/或还包括电源管理子系统,所述电源管理子系统为系统提供稳定电源。
上述技术方案的有益效果为:便于实时了解隧道内的温湿、湿度、光照强度、隧道内的CO、H2S等有毒气体浓度情况,便于管理人员作出相应的决策。为系统提供稳定电源,保证隧道监测顺利进行。
为了实现本发明的上述目的,根据本发明的第二个方面,本发明提供了一种隧道健康监测方法,包括:
S1,主控子系统同步获取图像采集模块输出的图像数据、测距模块输出的点云数据,将图像数据和点云数据分开或一起压缩后获得数据包,并在数据包中标记时间标签和空间标签;
所述时间标签为主控子系统同步获取图像数据、点云数据时间;
S2,主控子系统发送数据包至中央处理器,中央处理器对数据包进行解压处理;
S3,中央处理器对解压后的图像数据进行预处理、配准和拼接处理,获得隧道全景图像;
S4,中央处理器对点云数据进行滤波和精简处理后,基于最小二乘椭圆拟合法重构隧道三维结构;
S5,中央处理器将隧道全景图像和隧道三维结构按照时间和空间顺序进行融合,获得隧道全景三维图像并在显示操控模块上显示;
S6,基于Harris特征检测算法对隧道全景三维图像进行检测,获得隧道上的裂缝轮廓图像,生成数据报表并在显示操控模块上显示。
上述技术方案的有益效果为:同步采集图像采集模块输出的图像数据、测距模块输出的点云数据并标记时间标签和空间标签,保证了监测的实时性,使数据处理获得的隧道全景图像和隧道三维结构具有相同的时间基准和空间基准,使隧道全景三维图像更准确还原隧道真实情况;
通过Harris特征检测算法快速获取隧道全景三维图像中的裂缝轮廓,监测结果通过显示操控模块及时告知和预警相关人员。对隧道全景进行监测,检测范围大;中央处理器对数据离线分析处理,有效避开地铁停运时段过短带来的人为漏判问题,大大延长了地铁隧道监测天窗期。
在本发明的一种优选实施方式中,在所述S1之前,还包括在显示操控模块按下开始按钮,系统启动并初始化步骤;
或者在所述S1中,主控子系统还同步采集环境检测组件输出的环境信息,并将所述环境信息和数据包一起传输至中央处理器,再由中央处理器传输至显示操控模块中显示;
和/或还包括环境信息判断步骤,中央处理器判断环境信息是否达到环境预警阈值,若达到环境预警阈值,通过显示操控模块对相关人员进行预警提示。
上述技术方案的有益效果为:通过显示操控模块远程对检修车上的各模块进行操控,避免了人员直接参于检修车上各设备和模块的开启或关闭,使本系统在列车运营时间段也可以工作;实时监测温度、湿度、有害气体浓度和光照强度进行检测,当达到环境预警阈值时能及时的通知相关人员进行处理,避免列车运行危险发生和隧道保养。
在本发明的一种优选实施方式中,所述S3包括:
S31,对于一个时间标签或空间标签的图像数据,将每个图像传感器输出的图像数据进行灰度化处理,通过不具方向性的拉普拉斯算式对灰度化处理结果进行锐化处理,获得预处理图像;
S32,基于相关度最大算法,依次对每组图像传感器中相邻两个图像传感器的预处理图像进行配准,获得一个360度隧道全景配准图像;
按照时间顺序或空间顺序对所有时间标签或空间标签的隧道全景配准图像依次配准,获得整个隧道全景配准图像;
S33,对整个隧道全景配准图像中的重叠区域进行像素平均,获得拼接后的隧道全景图像。
上述技术方案的有益效果为:通过相邻图像传感器对同一视场图像部分重叠的进行拍摄,通过360度隧道全景配准图像进行拼接,能减少因拍摄点地理位置限制引起的漏拍等误差,使隧道全景图像能够更真实地反映隧道面貌,进而实现隧道检测的全覆盖及提高后续处理精度。
在本发明的一种优选实施方式中,所述S4包括:
S41,对点云数据进行高斯滤波;
S42,对高斯滤波后的点云数据基于最小曲面距离算法进行精简;
S43,基于最小二乘椭圆拟合法重构隧道三维结构的步骤包括:
隧道断面轮廓线定义为椭球与断面所在平面的相交线,且椭球中心与断面中心重合,均落在隧道中轴线上;
基于精简后的点云数据采用最小代数距离平方和的方法求解出椭圆曲线,完成该时间标签或空间标签的点云数据的隧道三维结构重构;
S44,逐个对所有时间标签或空间标签的点云数据重复执行S41,S42,S43完成整个隧道三维结构的重构。
上述技术方案的有益效果为:通过采用高斯滤波可以滤除点云数据中的随机噪声;通过最小曲面距离算法能够快速对点云数据进行精简,且能精确完整地标识曲面特征;基于最小二乘椭圆拟合法重构隧道三维结构,在任何噪声或者遮挡的情况下都会给出一个有用的结果,对噪声具有很高的鲁棒性,计算高效性。
在本发明的一种优选实施方式中,所述S6包括:
S61,对隧道全景三维图像进行高斯平滑去噪处理;
S62,使用Harris特征检测算法对隧道全景三维图像进行处理,得到特征点集K;
S63,求取特征点集K中所有点的梯度值,并将自适应阈值设置为:
其中,M(xi,yi)为特征点集K中第i个点的梯度值,(xi,yi)表示点i的坐标值,1≤i≤N,N为正整数;
S64,对特征点集K中所有点的梯度值进行判断,若该点梯度值大于等于Lth,认为该点为裂缝轮廓点,若该点梯度值小于Lth,认为该点非裂缝轮廓点,进而获得隧道全景三维图像中裂缝轮廓图。
上述技术方案的有益效果为:该方法简单易行,能快速识别出裂缝轮廓。
在本发明的一种优选实施方式中,其特征在于,还包括进行裂缝轮廓图的面积判断步骤,包括:
计算裂缝轮廓图的面积,若所述面积达到裂缝面积预警阈值,则将该裂缝轮廓图对应的空间标签和面积发送至显示操控模块对相关人员进行预警提示的步骤。
上述技术方案的有益效果为:对裂缝轮廓的大小进行定量监测,便于对隧道危害程度进行监测。
附图说明
图1是本发明一具体实施方式中隧道健康监测系统的系统框图;
图2是本发明一具体实施方式中图像配准示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,除非另有规定和限定,需要说明的是,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
本发明公开了一种隧道健康监测系统,如图1所示,包括设置在检修车上的环形架,环形架与所在的检修车行进方向垂直或者呈非零的一定角度,在弧形架上布设有拍摄隧道全景图像的多个图像传感器,为图像传感器提供照度的多个补光灯,对隧道内壁进行距离测量的测距模块;
图像传感器为一组或多组前后并列且纵向对应布设在环形架上;
还包括采集所述图像传感器输出图像的图像采集模块,实时同步获取所述图像采集模块和测距模块的输出数据的主控子系统,以及接收所述主控子系统输出数据并进行健康分析处理的位于监控室的中央处理器。
在本实施方式中,环形架的弧度角优选的与隧道内衬弧度一致,当对隧道全景进行监测时,优选的弧度角可为360°。弧形架为具有一定厚度的圆形结构架,可以选用金属材质或者刚度较大的塑料材质,通过焊接或者螺栓连接的方式固定在检修车上,优选的,固定在检修车的前端。优选的,图像传感器可分为前后两组,两组数量相同,均匀布设在弧形架上,图像传感器的安装位置纵向前后对应,可根据图像传感器的视角大小,确定图像传感器的数量,从成本等考虑,本发明可优选视角在略大于30度的摄像头,因此,需要24个图像传感器,前后各12个,间隔30度均匀分布在环形架上;摄像头包括互连的定焦镜头和图像感应器,图像感应器可为CCD/CMOS/FPA感应器等。图像采集模块为图像采集卡,如可选用北京大恒图像的DH-VT140进行。补光灯为可见光灯,可选用可见激光灯,均匀分布在环形架上,可选择4个,为图像传感器提供照度,以便图像传感器在隧道内能清晰采集隧道衬砌信息和隧道全景图像。
在本实施方式中,图像传感器也可为一组,可均匀布设在弧形架上。测距模块可以是常规激光测距仪,也可以是图像测距模块,还可以是激光扫描仪。在本实施方式中,当测距模块为激光扫描仪时,激光扫描仪的激光头发射可见激光点阵对隧道内壁进行360度扫描,其激光头的进行360度旋转,旋转面与检修车的行进方向垂直,由于检修车有行进速度和激光长度有限,激光扫描的估计是沿检修车行进方向螺旋延伸,且在任意隧道切面,一个圆周,只有部分区域有激光条纹,一部分没有,即所有图像传感器中有部分输出的图像中有激光条纹,一部分没有激光条纹。为便于区分,激光的颜色可与补光灯的发光颜色不一致。激光扫描仪可选用武汉海达数云技术有限公司的iLSP系列产品。
在本实施方式中,主控子系统包括基于X86架构的工控主板、磁盘阵列和通信模块,X86架构的工控主板可选用平望科技公司的型号为PV6351工控主板;磁盘阵列可选用戴尔PowerVault MD1200,具有24TB容量,能满足大量数据暂存。通信模块可为以太网通信模块,如西门子BCNet-S7300模块,或者WIFI通信模块,如上海汉枫电子科技有限公司的HF-A21,或者GSM通信模块,如西门子的TC35/TC35i。通信模块的输入端与工控主板的数据输出端连接,通信模块的输出端通过网线或者无线与中央处理器的数据输入端连接,中央处理器为具有大量数据运算能力的工控机或者服务器,且配置有大容量的磁盘阵列。
在本发明的一种优选实施方式中,还包括位于监控室的显示操控模块,显示操控模块的数据端与中央处理器的显控数据端通信连接。
在本实施方式中,显示操控模块可为连接在中央处理器的显示器、键盘、或者触摸屏等,具体连接方式本领域技术人员可参考电脑主机与键盘和显示器的连接线路,在此不再赘述。
在本发明的一种优选实施方式中,还包括设置在环形架上的环境检测组件,环境检测组件包括湿度传感器、温度传感器、光照传感器、有毒气体传感器之一或任意组合;
和/或还包括电源管理子系统,电源管理子系统为系统提供稳定电源。
在本实施方式中,湿度传感器的输出端与主控子系统的工控主板的湿度输入端连接,温度传感器的输出端与主控子系统的工控主板的温度输入端连接,光照传感器的输出端与主控子系统的工控主板的光照输入端连接,有毒气体传感器的输出端与主控子系统的工控主板的气体检测输入端连接,主控子系统的工控主板的湿度输入端、温度输入端、光照输入端和气体检测输入端可为A/D采集接口或者I/O输入接口。湿度传感器可选用深圳胜群科技的SQHT03;温度传感器可选择PT100铂电阻温度传感器;光照传感器可选用光电二极管,光电池等现有成熟光电器件;有毒气体传感器可包括H2S浓度传感器和/或CO浓度传感器,可选用深圳市东日瀛能科技有限公司的SK-600-H2S-SR硫化氢H2S有毒气体传感器模组,SK-600-CO-SR一氧化碳CO有毒气体传感器模组。
在本实施方式中,电源管理子系统将检修车上的车载AC220V或车载DC24V电源转换为各子系统和设备提供所需电压,可通过不同大小电压输出的DCDC降压模块实现,如24V降压至5V,可选用深圳市芯纳电子有限公司XL2596;或者选用LM7805或LM2576。
本发明还公开了一种隧道健康监测方法,包括:
S1,主控子系统同步获取图像采集模块输出的图像数据、测距模块输出的点云数据,将图像数据和点云数据分开或一起压缩后获得数据包,并在数据包中标记时间标签和空间标签;
时间标签为主控子系统同步获取图像数据、点云数据的时间;
S2,主控子系统发送数据包至中央处理器,中央处理器对数据包进行解压处理;
S3,中央处理器对解压后的图像数据进行预处理、配准和拼接处理,获得隧道全景图像;
S4,中央处理器对点云数据进行滤波和精简处理后,基于最小二乘椭圆拟合法重构隧道三维结构;
S5,中央处理器将隧道全景图像和隧道三维结构按照时间和空间顺序进行融合,获得隧道全景三维图像并在显示操控模块上显示;
S6,基于Harris特征检测算法对隧道全景三维图像进行检测,获得隧道上的裂缝轮廓图像,生成数据报表并在显示操控模块上显示。
在本实施方式中,主控子系统采用主动、被动、授时同步等多种方式采集图像采集模块输出的图像数据、测距模块输出的点云数据和里程计输出的里程数据,通过设置时间标签和空间标签,为这些数据提供统一的时间和空间基准。时间标签可以具体到秒,如2018年6月6日9点19分,将这些数据作为时间标签;空间标签表示主控子系统采集该数据包时的地理信息位置,可以依照现有技术中从设置在隧道内的里程桩、检修车上设置空间记录仪器或者GPS定位系统获得。在本实施方式中,在测距模块选用激光扫描仪例如德国SICK的LM511,获得裂缝宽度信息的方法如下:
S71,利用激光扫描仪得到与图像传感器拍摄同步对应的点云数据,并标注时间和空间标签;
S72,将所有的图像数据按照S71进行处理,获得整个隧道的三维图像和地形数据;
S73,依据裂缝点邻域均值和标准差计算裂缝宽度算法对图像进行分析识别,获得隧道裂缝轮廓信息;
S74,依据所述裂缝轮廓信息中所占像素点的数量,进而获得裂缝轮廓图的宽度信息;
和/或还包括若裂缝轮廓图的宽度达到裂缝宽度预警阈值,将所述裂缝轮廓图对应的空间标签和宽度信息发送至显示操控模块对相关人员进行预警提示的步骤。
上述过程中,通过激光扫描测距获取隧道三维数据,对裂缝的宽度进行了测量,对裂缝的危害进行的评估提供了一个依据,提高了裂缝危害监测的精度和准确性。激光扫描测距的步骤和算法本领域技术人员可参考现有技术实现。
在本发明的一种优选实施方式中,在S1之前,还包括在显示操控模块按下开始按钮,系统启动并初始化步骤;
或者在S1中,主控子系统还同步采集环境检测组件输出的环境信息,并将环境信息和数据包一起传输至中央处理器,再由中央处理器传输至显示操控模块中显示;
和/或还包括环境信息判断步骤,中央处理器判断环境信息是否达到环境预警阈值,若达到环境预警阈值,通过显示操控模块对相关人员进行预警提示。
在本实施方式中,每个环境参数对应一个环境预警阈值,如隧道内的温度,对应温度预警阈值,隧道内的湿度,随影湿度预警阈值等。
在本发明的一种优选实施方式中,S3包括:
S31,对于一个时间标签或空间标签的图像数据,将每个图像传感器输出的图像数据进行灰度化处理,通过不具方向性的拉普拉斯算式对灰度化处理结果进行锐化处理,获得预处理图像;
S32,基于相关度最大算法,依次对每组图像传感器中相邻两个图像传感器的预处理图像进行配准,获得一个360度隧道全景配准图像;
按照时间顺序或空间顺序对所有时间标签或空间标签的隧道全景配准图像依次配准,获得整个隧道全景配准图像;
S33,对整个隧道全景配准图像中的重叠区域进行像素平均,获得拼接后的隧道全景图像。
在本实施方式中,预处理是对采集的图像数据进行几何畸变矫正和噪声点的抑制,让待拼接的图像不存在明显的几何畸变,图像预处理让图像质量能够满足图像配准的要求。先将采集到的图像数据灰度化处理,即:
Gray(x,y)=0.11R(x,y)+0.59G(x,y)+0.3B(x,y);
其中,R(x,y),G(x,y),B(x,y)分别为像素点(x,y)的红、绿、蓝分量,Gray(x,y)为灰度化处理后像素点(x,y)的灰度值,然后选用不具方向性的拉普拉斯公式算子对灰度数据进行锐化处理,图像经过锐化后,其边界将更趋于明细,有利于图像的配准;
不具方向性的拉普拉斯公式算子为:
锐化处理公式为:
F(x,y)=Gray(x,y)·Π;
其中,F(x,y)为锐化后的梯度图像,x,y为像素点(x,y)二维坐标值。
由于每个图像传感器拍摄的视角、拍摄时间、光照强度的差异,可能存在平移、旋转、缩放等多种变换或大面积的同色区域,两幅待拼接的图中一般相似区域只是其中一部分,两幅图像中相似区域占总面积的30%-50%,图像配准主要指对两幅图像中的相似区域进行提取,找出图像间的对应信息,将待拼接的两幅图像对齐。
如图2所示,待拼接两幅图F1和F2,相似区域为F1的下部和F2的上部区域。以F1下部逼近F2上部为例说明,F2保持静止,将F1往下逼近F2,计算相关度,当F1移动到与F2的重叠区域一致时,相关度最大。相关度可以通过F1和F2的重叠区域来计算,如图2所示,F1,F2的重叠区域为一个长为m,宽为n的m×n的矩形(虚线到F1和F2交界处实线的矩形区域),F1和F2的重叠区域分别是T1(x,y)和T2(x,y),x和y分别为坐标值,以F1和F2图像右下角为原点,向左为x正向值,向上为y正向值。设D(x,y)为相关度:
其中,T1表示图像F1中的重叠区域,T2表示图像F2中的重叠区域,T1(x,y)和T2(x,y)表示在同一个点(x,y)处的锐化值;当相关度为最大值时,则完成F1与F2的配准。
图像配准后,对图像进行融合和缝合拼接,由于两幅图像是由两个传感器拍摄的,会有光强差异,在图像缝合处会有比较明显的拼痕,需要进行边界平滑处理,消除图像光强和色彩的不连续性。本发明将平滑过渡区域放在重叠图像的中央,权为像素点距边界的距离,可以有效解决重叠区域像素不连贯的问题。考虑到两幅图像由同一采集系统获得,像素灰度偏差不大,对两幅图的重叠区域的像素取平均,就能消除边界融合拼接的痕迹。
图像F1和F2的重叠部分为T1(x,y)和T2(x,y),则拼接后重叠区域图像像素为:
最终完成全景图像的拼接处理,还原隧道真实图像。
在本发明的一种优选实施方式中,S4包括:
S41,对点云数据进行高斯滤波;
S42,对高斯滤波后的点云数据基于最小曲面距离算法进行精简;
S43,基于最小二乘椭圆拟合法重构隧道三维结构的步骤包括:
隧道断面轮廓线定义为椭球与断面所在平面的相交线,且椭球中心与断面中心重合,均落在隧道中轴线上;
基于精简后的点云数据采用最小代数距离平方和的方法求解出椭圆曲线,完成该时间标签或空间标签的点云数据的隧道三维结构重构;
S44,逐个对所有时间标签或空间标签的点云数据重复执行S41,S42,S43完成整个隧道三维结构的重构。
在本实施方式中,中央处理器对激光点云数据进行拟合,实现隧道三维结构重构。由于受隧道环境和隧道衬砌面积、表面粗糙度和扫描仪自身测量的影响,需要对采集的点云数据进行处理,处理步骤主要包括点云数据滤波、点云数据精简、点云数据拟合,实现隧道三维结构的重构。
在本实施方式中,点云数据滤波采用高斯滤波,可以滤除点云数据中的随机噪声,其通过一个高斯卷积核函数来实现图像或区域的光滑,二维高斯卷积核函数定义为:
A是幅值,优选的,A=1;x0,y0是中心点坐标,优选的,x0=y0=0;σx和σy是方差,优选的,σx=σy=1。
在本实施方式中,采用基于最小曲面距离的点云精简算法,通过快速相邻算法得到点云邻域,通过二次曲面拟合其邻域,并计算得到曲率。原则是小曲率区域保留少量的点,而大曲率区域保留足够多的点,以精确完整地标识曲面特征。最小曲面距离的算法原理为:设一个最小距离Dmin,然后沿扫描方向顺序比较相邻两点间的距离L,如果L<Dmin则把后一个比较点记录,如果L>Dmin则不记录,依次判断所有扫描点,每相邻两点构成一个有向矢量,相邻矢量间的角度偏差反应了截面上的曲率变化,从而可以根据该角度偏差来精简点云。
在本实施方式中,采用最小二乘椭圆拟合法进行隧道三维场景的重构,即认为隧道断面轮廓线是椭球与断面所在平面的相交线,且椭球中心与断面中心重合,均落在隧道中轴线上。
隧道断面设计为一个标准的圆面,在受到外力作用下一般可以认为是一个离心率很小的椭圆,用平面二次曲线的一般方程可以表示为:
F(p,q)=ax2+bxy+cy2+dx+ey+f=0;
其中,p={a,b,c,d,e,f}T,q=[x2,xy,y,x,y,1],第i个像素点的系数qi为qi=[xi 2,xiyi,yi,xi,yi,1],F(p,qi)称为平面上点(xi,yi)到曲线F(p,q)=0的代数距离,即可通过求解所有点的最小代数距离平方和的方法求解出相应的二次曲线。通过以上公式可依次求出椭圆的中心、长半轴和短半轴,从而实现隧道结构轮廓图和隧道结构的重构。
在本发明的一种优选实施方式中,S6包括:
S61,对隧道全景三维图像进行高斯平滑去噪处理;
S62,使用Harris特征检测算法对隧道全景三维图像进行处理,得到特征点集K;
S63,求取特征点集K中所有点的梯度值,并将自适应阈值设置为:
其中,M(xi,yi)为特征点集K中第i个点的梯度值,(xi,yi)表示点i的坐标值,1≤i≤N,N为正整数;
S64,对特征点集K中所有点的梯度值进行判断,若该点梯度值大于等于Lth,认为该点为裂缝轮廓点,若该点梯度值小于Lth,认为该点非裂缝轮廓点,进而获得隧道全景三维图像中裂缝轮廓图。
在本实施方式中,在重构的隧道的三维场景图像中使用Candy的改进算法对裂缝轮廓进行检测,在经典的Canny检测算法中,最后一步阈值的选取往往是通过经验或者是随机选择,不能适用于整幅图像的检测,并且对每一个点都进行梯度计算也增加了算法的复杂程度。在结构健康检测中,主要关注的是裂缝以及裂缝周边的信息,而对于其他一些边缘信息则并不需要。因此在本发明中引入了Harris特征检测算法对其进行改进。
在本发明的一种优选实施方式中,其特征在于,还包括进行裂缝轮廓图的面积判断步骤,包括:
计算裂缝轮廓图的面积,若面积达到裂缝面积预警阈值,则将该裂缝轮廓图对应的空间标签和面积发送至显示操控模块对相关人员进行预警提示的步骤。
在本实施方式中,优选的,在多次监测中,还可以在显示操控模块上绘制裂缝面积随时间的变化趋势,并将变化趋势较快的部分裂缝的空间标签显示出来,以便相关人员提前做好准备。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (9)
1.一种隧道健康监测系统,其特征在于,包括设置在检修车上的环形架,所述环形架与所在的检修车行进方向垂直或者呈非零的一定角度,在所述弧形架上布设有拍摄隧道全景图像的多个图像传感器,为所述图像传感器提供照度的多个补光灯,对隧道内壁进行距离测量的测距模块;
所述图像传感器为一组或分为多组前后并列且纵向对应布设在环形架上;
还包括采集所述图像传感器输出图像的图像采集模块,实时同步获取所述图像采集模块和测距模块的输出数据的主控子系统,以及接收所述主控子系统输出数据并进行健康分析处理的位于监控室的中央处理器。
2.如权利要求1所述的隧道健康监测系统,其特征在于,还包括位于监控室的显示操控模块,所述显示操控模块的数据端与所述中央处理器的显控数据端通信连接。
3.如权利要求1所述的隧道健康监测系统,其特征在于,还包括设置在所述环形架上的环境检测组件,所述环境检测组件包括湿度传感器、温度传感器、光照传感器、有毒气体传感器之一或任意组合;
和/或还包括电源管理子系统,所述电源管理子系统为系统提供稳定电源。
4.一种基于权利要求1-3中任一所述的隧道健康监测系统的隧道健康监测方法,其特征在于,包括:
S1,主控子系统同步获取图像采集模块输出的图像数据、测距模块输出的点云数据,将图像数据和点云数据分开或一起压缩后获得数据包,并在数据包中标记时间标签和空间标签;
所述时间标签为主控子系统同步获取图像数据、点云数据时间;
S2,主控子系统发送数据包至中央处理器,中央处理器对数据包进行解压处理;
S3,中央处理器对解压后的图像数据进行预处理、配准和拼接处理,获得隧道全景图像;
S4,中央处理器对点云数据进行滤波和精简处理后,基于最小二乘椭圆拟合法重构隧道三维结构;
S5,中央处理器将隧道全景图像和隧道三维结构按照时间和空间顺序进行融合,获得隧道全景三维图像并在显示操控模块上显示;
S6,基于Harris特征检测算法对隧道全景三维图像进行检测,获得隧道上的裂缝轮廓图像,生成数据报表并在显示操控模块上显示。
5.如权利要求4所述的隧道健康监测方法,其特征在于,在所述S1之前,还包括在显示操控模块按下开始按钮,系统启动并初始化步骤;
或者在所述S1中,主控子系统还同步采集环境检测组件输出的环境信息,并将所述环境信息和数据包一起传输至中央处理器,再由中央处理器传输至显示操控模块中显示;
和/或还包括环境信息判断步骤,中央处理器判断环境信息是否达到环境预警阈值,若达到环境预警阈值,通过显示操控模块对相关人员进行预警提示。
6.如权利要求4所述的隧道健康监测方法,其特征在于,所述S3包括:
S31,对于一个时间标签或空间标签的图像数据,将每个图像传感器输出的图像数据进行灰度化处理,通过不具方向性的拉普拉斯算式对灰度化处理结果进行锐化处理,获得预处理图像;
S32,基于相关度最大算法,依次对每组图像传感器中相邻两个图像传感器的预处理图像进行配准,获得一个360度隧道全景配准图像;
按照时间顺序或空间顺序对所有时间标签或空间标签的隧道全景配准图像依次配准,获得整个隧道全景配准图像;
S33,对整个隧道全景配准图像中的重叠区域进行像素平均,获得拼接后的隧道全景图像。
7.如权利要求4所述的隧道健康监测方法,其特征在于,所述S4包括:
S41,对点云数据进行高斯滤波;
S42,对高斯滤波后的点云数据基于最小曲面距离算法进行精简;
S43,基于最小二乘椭圆拟合法重构隧道三维结构的步骤包括:
隧道断面轮廓线定义为椭球与断面所在平面的相交线,且椭球中心与断面中心重合,均落在隧道中轴线上;
基于精简后的点云数据采用最小代数距离平方和的方法求解出椭圆曲线,完成该时间标签或空间标签的点云数据的隧道三维结构重构;
S44,逐个对所有时间标签或空间标签的点云数据重复执行S41,S42,S43,完成整个隧道三维结构的重构。
8.如权利要求4所述的隧道健康监测方法,其特征在于,所述S6包括:
S61,对隧道全景三维图像进行高斯平滑去噪处理;
S62,使用Harris特征检测算法对隧道全景三维图像进行处理,得到特征点集K;
S63,求取特征点集K中所有点的梯度值,并将自适应阈值设置为:
其中,M(xi,yi)为特征点集K中第i个点的梯度值,(xi,yi)表示点i的坐标值,1≤i≤N,N为正整数;
S64,对特征点集K中所有点的梯度值进行判断,若该点梯度值大于等于Lth,认为该点为裂缝轮廓点,若该点梯度值小于Lth,认为该点非裂缝轮廓点,进而获得隧道全景三维图像中裂缝轮廓图。
9.如权利要求4所述的隧道健康监测方法,其特征在于,还包括进行裂缝轮廓图的面积判断步骤,包括:
计算裂缝轮廓图的面积,若所述面积达到裂缝面积预警阈值,则将该裂缝轮廓图对应的空间标签和面积发送至显示操控模块对相关人员进行预警提示的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810682226.2A CN109115434A (zh) | 2018-06-27 | 2018-06-27 | 一种隧道健康监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810682226.2A CN109115434A (zh) | 2018-06-27 | 2018-06-27 | 一种隧道健康监测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109115434A true CN109115434A (zh) | 2019-01-01 |
Family
ID=64822298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810682226.2A Pending CN109115434A (zh) | 2018-06-27 | 2018-06-27 | 一种隧道健康监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109115434A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110593957A (zh) * | 2019-10-08 | 2019-12-20 | 上海市东方海事工程技术有限公司 | 一种隧道巡检方法 |
CN112015125A (zh) * | 2020-06-02 | 2020-12-01 | 中国铁建重工集团股份有限公司 | 一种隧道工程设备控制的方法、系统及设备 |
WO2021068746A1 (zh) * | 2019-10-08 | 2021-04-15 | 上海市东方海事工程技术有限公司 | 隧道巡检图像采集装置、隧道巡检系统及隧道巡检方法 |
CN113791074A (zh) * | 2021-08-12 | 2021-12-14 | 中国建筑股份有限公司 | 一种基于多传感器融合的无人机桥梁裂缝巡检系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004012152A (ja) * | 2002-06-03 | 2004-01-15 | Asia Air Survey Co Ltd | 構造物の壁面調査装置 |
KR101097119B1 (ko) * | 2009-07-20 | 2011-12-22 | 김수언 | 비전센서 시스템의 터널 내부면 손상검사 방법 |
CN103047930A (zh) * | 2012-12-05 | 2013-04-17 | 上海同岩土木工程科技有限公司 | 一种车载式地铁隧道病害数据自动化采集系统 |
CN104048970A (zh) * | 2014-06-19 | 2014-09-17 | 樊晓东 | 隧道缺陷的高速检测系统与检测方法 |
CN104914108A (zh) * | 2015-05-15 | 2015-09-16 | 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 |
CN105510350A (zh) * | 2016-01-28 | 2016-04-20 | 北京工业大学 | 隧道表面图像获取装置及隧道表面检测设备 |
CN106053475A (zh) * | 2016-05-24 | 2016-10-26 | 浙江工业大学 | 基于主动式全景视觉的隧道病害全断面动态快速检测装置 |
-
2018
- 2018-06-27 CN CN201810682226.2A patent/CN109115434A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004012152A (ja) * | 2002-06-03 | 2004-01-15 | Asia Air Survey Co Ltd | 構造物の壁面調査装置 |
KR101097119B1 (ko) * | 2009-07-20 | 2011-12-22 | 김수언 | 비전센서 시스템의 터널 내부면 손상검사 방법 |
CN103047930A (zh) * | 2012-12-05 | 2013-04-17 | 上海同岩土木工程科技有限公司 | 一种车载式地铁隧道病害数据自动化采集系统 |
CN104048970A (zh) * | 2014-06-19 | 2014-09-17 | 樊晓东 | 隧道缺陷的高速检测系统与检测方法 |
CN104914108A (zh) * | 2015-05-15 | 2015-09-16 | 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 |
CN105510350A (zh) * | 2016-01-28 | 2016-04-20 | 北京工业大学 | 隧道表面图像获取装置及隧道表面检测设备 |
CN106053475A (zh) * | 2016-05-24 | 2016-10-26 | 浙江工业大学 | 基于主动式全景视觉的隧道病害全断面动态快速检测装置 |
Non-Patent Citations (5)
Title |
---|
孙亮等: "基于自适应阈值Canny算法的裂缝检测方法研究", 《微型机与应用》 * |
杨柳: "《数字图像物体识别理论详解与实战》", 31 January 2018, 北京邮电大学出版社 * |
段连飞: "《无人机图像处理》", 30 June 2017, 西北工业大学出版社 * |
谢雄耀等: "基于地面三维激光扫描技术的隧道全断面变形测量方法", 《岩石力学与工程学报》 * |
赵书睿: "全景图像拼接关键技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110593957A (zh) * | 2019-10-08 | 2019-12-20 | 上海市东方海事工程技术有限公司 | 一种隧道巡检方法 |
WO2021068746A1 (zh) * | 2019-10-08 | 2021-04-15 | 上海市东方海事工程技术有限公司 | 隧道巡检图像采集装置、隧道巡检系统及隧道巡检方法 |
CN110593957B (zh) * | 2019-10-08 | 2021-09-28 | 上海市东方海事工程技术有限公司 | 一种隧道巡检方法 |
CN112015125A (zh) * | 2020-06-02 | 2020-12-01 | 中国铁建重工集团股份有限公司 | 一种隧道工程设备控制的方法、系统及设备 |
CN113791074A (zh) * | 2021-08-12 | 2021-12-14 | 中国建筑股份有限公司 | 一种基于多传感器融合的无人机桥梁裂缝巡检系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109115434A (zh) | 一种隧道健康监测系统及方法 | |
CN109029277A (zh) | 一种隧道形变监测系统及方法 | |
WO2021068848A1 (zh) | 隧道结构病害多尺度检测与智能诊断系统及方法 | |
WO2020093436A1 (zh) | 管道内壁的三维重建方法 | |
CN105784710B (zh) | 一种基于数字图像处理的混凝土桥梁裂缝检测装置 | |
Chen et al. | Inexpensive multimodal sensor fusion system for autonomous data acquisition of road surface conditions | |
CN103837087B (zh) | 基于主动形状模型的受电弓自动检测方法 | |
CN110142785A (zh) | 一种基于目标检测的巡检机器人视觉伺服方法 | |
CN102135236B (zh) | 双目视觉管道内壁自动无损检测方法 | |
CN106920291B (zh) | 基于增强现实的结构表面巡检和分析系统 | |
CN108491758A (zh) | 一种轨道检测方法及机器人 | |
CN110487816A (zh) | 一种隧道巡检图像采集装置及隧道巡检系统 | |
CN106049210A (zh) | 一种轨道状态智能检测平台 | |
CN107187464B (zh) | 轨道板检测车、系统以及方法 | |
CN105046746A (zh) | 一种数字散斑人体三维快速扫描方法 | |
CN107642036A (zh) | 桥梁快速可视化检测装置及其系统和方法 | |
CN110145692A (zh) | 污水管道cctv检测系统及方法 | |
CN206327389U (zh) | 一种基于接触网杆号图像识别的铁路定位系统 | |
Stent et al. | A low-cost robotic system for the efficient visual inspection of tunnels | |
CN113192063A (zh) | 一种桥梁线形监测系统以及桥梁线形监测方法 | |
CN114279324B (zh) | 一种预制构件外观质量全方位智能检测方法 | |
CN109341542A (zh) | 基于数字信号序列长度识别裂缝宽度的方法及其监测装置 | |
CN112037252A (zh) | 基于鹰眼视觉的目标跟踪方法及系统 | |
CN106705896A (zh) | 一种基于单摄像机全方位主动视觉的电连接器壳体缺陷检测装置及方法 | |
CN207295453U (zh) | 一种桥梁快速可视化检测装置及其系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190101 |
|
RJ01 | Rejection of invention patent application after publication |