CN109146791B - 一种基于面阵ccd成像的隧道展布图生成方法 - Google Patents
一种基于面阵ccd成像的隧道展布图生成方法 Download PDFInfo
- Publication number
- CN109146791B CN109146791B CN201811023367.XA CN201811023367A CN109146791B CN 109146791 B CN109146791 B CN 109146791B CN 201811023367 A CN201811023367 A CN 201811023367A CN 109146791 B CN109146791 B CN 109146791B
- Authority
- CN
- China
- Prior art keywords
- image
- images
- camera
- tunnel
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000003384 imaging method Methods 0.000 title claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 238000005520 cutting process Methods 0.000 claims abstract description 22
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 28
- 230000003068 static effect Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 230000005284 excitation Effects 0.000 claims description 10
- 238000003892 spreading Methods 0.000 claims description 9
- 150000001875 compounds Chemical class 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 239000013589 supplement Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 7
- 230000007547 defect Effects 0.000 abstract description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010330 laser marking Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005297 material degradation process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
Description
技术领域
本发明涉及一种基于面阵CCD成像的隧道展布图生成方法,特别是公开一种运营隧道衬砌结构隧道展布图生成方法,应用于隧道工程领域。
背景技术
公路隧道在建设及营运过程中,鉴于隧道穿越复杂地质环境、设计参数不匹配、施工质量问题等因素影响,隧道渗漏水、开裂、错台、材料劣化、剥落剥离等病害突出,对隧道使用性能和正常运营构成了极大的安全隐患,为保证隧道运营安全,须定期或不定期进行检查和维护。
传统的公路隧道检测方式以人工巡检为主,辅助仪器进行检测,速度慢、效率低、成本高,对作业人员技术要求高,不能准确表达和记录病害的形态和性质,运营期隧道需要封道检测,极易导致交通阻塞。基于计算机视觉的检测技术以其高效率、高精度、高准确率等优点,逐渐成为隧道病害检测业务的新手段、新技术。目前国内外均已研制出了基于面阵CCD成像的公路隧道快速检测车,而其中隧道病害展布图作为一个重要的检测成果,隧道病害展布图的底图其生成的质量在一定程度上反映了公路隧道快速检测车的技术水平。目前,基于面阵CCD成像的隧道展布图生成方法的尚无公开文献可查,通过调研获悉各检测车提供的隧道病害展布图存在拼接错位、拼接速度慢、人工干预多等诸多问题。
综上,如何基于面阵CCD成像数据,快速、准确、无缝地生成隧道展布图是值得研究的工程问题。
发明内容
本发明的目的是解决现有技术的缺陷,设计一种基于面阵CCD成像的隧道展布图生成方法,能快速准确地构建隧道衬砌结构的二维展布图,为隧道运营检查管理提供基础数据。
本发明是这样实现的:一种基于面阵CCD成像的隧道展布图生成方法,其特征在于:包括以下步骤:
S1、利用隧道快速检测车采集隧道衬砌结构表观图像数据和编码器数据;
所述步骤S1的具体操作如下:
(4)通过隧道快速检测车的面阵工业相机阵列采集隧道衬砌结构表观图像,图像为单通道灰度图,编码器单次激发距离小于各相机实际拍摄宽度的最小值,以确保各相机拍摄的图像纵向有重叠区域,各个相机拍摄的图像存储文件命名方式为ccc_yyyy_mm_dd_hh_mm_ss_bbb_index,表示为相机编号_年_月_日_时_分_秒_毫秒_图像编号,
(5)通过隧道快速检测车的编码器采集检测车行驶里程数据,单个数据记录格式为index_ yyyy_mm_dd_hh_mm_ss_bbb_increment,表示为激发序号_年_月_日_时_分_秒_毫秒_距离增量,编码器激发数据存储时间与相对应的图像存储文件名时间相同。
S2、获得隧道进、出洞处的衬砌结构表观图像索引值及对图像预处理;
所述步骤S2的具体操作如下:
(1.2)图像识别法:选取拍摄隧道拱部的相机,依次遍历该所拍摄的图像,计算每张图像的像素平均值,当首次成立时为进洞处,取该图像的索引值记为,最后一次成立时为出洞处,取该图像的索引值记为,其中为夜间相机对天空拍摄图像的像素平均值,为白天相机对天空拍摄图像的像素平均值,和值可依据实际经验设定,可分别取25和220,
S3、基于图像特征点修正相邻相机间图像环向重叠度值;
所述步骤S3的具体操作如下:
(3)于像素区域和内分别查找图像和图像间相同的图像特征点,两图像的图像特征点像素Y坐标均值记为和,图像特征点是指图像中具有鲜明特性并能够有效反映图像本质特征能够标识图像中目标物体的点,可通过SIFT、SURF算法提取,
S4、基于编码器数据和图像特征点计算所有相机图像纵向重叠度;
所述步骤S4的具体操作如下:
(1)逐个遍历所有相机,
(6)重复步骤(2)、(3)、(4)、(5),直到所有相机对应的图像的纵向重叠度计算完毕,各相机的图像纵向重叠度记为,其中,由于各相机的图像纵向重叠度计算各自独立,故步骤(2)、(3)、(4)、(5)可以进行并行计算,提升运行效率,
S5、基于重叠度进行图像环向和纵向裁剪及拼接;
所述步骤S5的具体操作如下:
本发明的有益效果是:
(1)本发明首次提出了基于面阵CCD成像的隧道展布图生成方法,技术方案完整且易于编程实现;
(2)本发明利用对图像纵向重叠度和图像纵向拼接进行并行计算,可提升拼接效率;
(3)本发明利用图像自身图像特征点进行环向重叠度和纵向重叠度,可实现图像的无缝拼接。
附图说明
图1 是本发明方法的相邻相机间图像环向重叠度计算示意图。
图2 是本发明方法的同一相机间图像纵向重叠度计算示意图。
图3 是本发明方法生成的隧道展布图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
本发明是一种基于面阵CCD成像的隧道展布图生成方法,所述的隧道衬砌结构展布图生成方法包括以下步骤S1~S6:
S1、利用隧道快速检测车采集隧道衬砌结构表观图像数据和编码器数据。
所述步骤S1的具体操作如下:
(1)隧道快速检测车可采用上海同岩土木工程科技股份有限公司的TDV-H2000隧道快速检测车,该检测车采集设备包括30个面阵工业相机、增量式编码器、红外补光灯、图像采集卡和工控机。
(4)通过隧道快速检测车的面阵工业相机阵列采集隧道衬砌结构表观图像,图像为单通道灰度图,编码器单次激发距离小于各相机实际拍摄宽度的最小值,以确保各相机拍摄的图像纵向有重叠区域,各个相机拍摄的图像存储文件命名方式为ccc_yyyy_mm_dd_hh_mm_ss_bbb_index,表示为相机编号_年_月_日_时_分_秒_毫秒_图像编号。
以001-2016_09_10_22_45_53_967-26578为例,其中001表示相机编号为001,2016_09_10_22_45_53_967表示时间(年_月_日_时_分_秒_毫秒),26578表示图像编号。
(5)通过隧道快速检测车的编码器采集检测车行驶里程数据,单个数据记录格式为index_ yyyy_mm_dd_hh_mm_ss_bbb_increment,表示为激发序号_年_月_日_时_分_秒_毫秒_距离增量,编码器激发数据存储时间与相对应的图像存储文件名时间相同。
以26578-2016_09_10_22_45_53_967-0.50000为例,其中26578表示编码器的激发序号,2016_09_10_22_45_53_967表示时间(年_月_日_时_分_秒_毫秒),0.50000表示检测车行驶距离增量。
S2、获得隧道进、出洞处的衬砌结构表观图像索引值及对图像预处理。
所述步骤S2的具体操作如下:
(1.2)图像识别法:选取拍摄隧道拱部的相机,依次遍历该所拍摄的图像,计算每张图像的像素平均值,当首次成立时为进洞处,取该图像的索引值记为,最后一次成立时为出洞处,取该图像的索引值记为,其中为夜间相机对天空拍摄图像的像素平均值,为白天相机对天空拍摄图像的像素平均值,和值可依据实际经验设定,可分别取25和220,
图像顺时针旋转90°操作可直接调用Opencv函数RotatedRect实现,实现代码如下:
RotatedRect::RotatedRect(const Point2f& _center, const Size2f& _size,float _angle)
S3、基于图像特征点修正相邻相机间图像环向重叠度值。
所述步骤S3的具体操作如下:
(3)于像素区域和内分别查找图像和图像间相同的图像特征点,记为IFP(即Image feature points(图像特征点)缩写),两图像的图像特征点IFP像素Y坐标均值记为和,图像特征点IFP是指图像中具有鲜明特性并能够有效反映图像本质特征能够标识图像中目标物体的点,可通过SIFT、SURF算法提取。
SIFT算法: Scale-invariant feature transform(尺度不变特征变换),是一种局部特征描述子,具有尺度不变性,可在图像中检测出关键点。算法基本步骤包括:尺度空间极值检测、关键点定位、方向确定和关键点描述。
SURF算法:Speeded Up Robust Features,是一种稳健的局部特征点检测和描述算法,通过构建Hessian(黑塞矩阵),生成所有兴趣点,用于特征提取,构建尺度空间和特征点定位及主方向分析,生成特点描述子,最终完成特征点匹配。
S4、基于编码器数据和图像特征点计算所有相机图像纵向重叠度。
所述步骤S4的具体操作如下:
(1)逐个遍历所有相机。
(6)重复步骤(2)、(3)、(4)、(5),直到所有相机对应的图像的纵向重叠度计算完毕,各相机的图像纵向重叠度记为,其中,由于各相机的图像纵向重叠度计算各自独立,故步骤(2)、(3)、(4)、(5)可以进行并行计算,提升运行效率。
S5、基于重叠度进行图像环向和纵向裁剪及拼接。
所述步骤S5的具体操作如下:
图像裁剪操作可直接调用Opencv类Mat公共操作函数rowRange实现,rowRange函数如下:
Mat Mat::rowRange(int startrow, int endrow) const
图像裁剪操作可直接调用Opencv类操作函数resize实现,resize函数如下:
void resize( InputArray src, OutputArray dst, Size dsize, double fx =0, double fy = 0,
int interpolation = INTER_LINEAR );
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由本发明的权利要求书所要求的保护范围内。
Claims (1)
1.一种基于面阵CCD成像的隧道展布图生成方法,其特征在于:包括以下步骤:
S1、利用隧道快速检测车采集隧道衬砌结构表观图像数据和编码器数据;
具体操作如下:
(1)隧道快速检测车采集设备包括面阵工业相机阵列、编码器、红外补光灯、图像采集卡和工控机;
(4)通过隧道快速检测车的面阵工业相机阵列采集隧道衬砌结构表观图像,图像为单通道灰度图,编码器单次激发距离小于各相机实际拍摄宽度的最小值,以确保各相机拍摄的图像纵向有重叠区域,各个相机拍摄的图像存储文件命名方式为ccc_yyyy_mm_dd_hh_mm_ss_bbb_index,表示为相机编号_年_月_日_时_分_秒_毫秒_图像编号;
(5)通过隧道快速检测车的编码器采集检测车行驶里程数据,单个数据记录格式为index_ yyyy_mm_dd_hh_mm_ss_bbb_increment,表示为激发序号_年_月_日_时_分_秒_毫秒_距离增量,编码器激发数据存储时间与相对应的图像存储文件名时间相同;
S2、获得隧道进、出洞处的衬砌结构表观图像索引值及对图像预处理;
具体操作如下:
(1.2)图像识别法:选取拍摄隧道拱部的相机,依次遍历该拍摄的图像,计算每张图像的像素平均值,当首次成立时为进洞处,取该图像的索引值记为,最后一次成立时为出洞处,取该图像的索引值记为,其中为夜间相机对天空拍摄图像的像素平均值,为白天相机对天空拍摄图像的像素平均值;
S3、基于图像特征点修正相邻相机间图像环向重叠度值;
具体操作如下:
(3)于像素区域和内分别查找图像和图像间相同的图像特征点,两图像的图像特征点像素Y坐标均值记为和,图像特征点是指图像中具有鲜明特性并能够有效反映图像本质特征能够标识图像中目标物体的点,可通过SIFT、SURF算法提取;
S4、基于编码器数据和图像特征点计算所有相机图像纵向重叠度;
具体操作如下:
(1)逐个遍历所有相机;
(6)重复步骤(2)、(3)、(4)、(5),直到所有相机对应的图像的纵向重叠度计算完毕,各相机的图像纵向重叠度记为,其中,由于各相机的图像纵向重叠度计算各自独立,故步骤(2)、(3)、(4)、(5)进行并行计算,提升运行效率;
S5、基于重叠度进行图像环向和纵向裁剪及拼接;
具体操作如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811023367.XA CN109146791B (zh) | 2018-09-04 | 2018-09-04 | 一种基于面阵ccd成像的隧道展布图生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811023367.XA CN109146791B (zh) | 2018-09-04 | 2018-09-04 | 一种基于面阵ccd成像的隧道展布图生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109146791A CN109146791A (zh) | 2019-01-04 |
CN109146791B true CN109146791B (zh) | 2023-02-14 |
Family
ID=64826498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811023367.XA Active CN109146791B (zh) | 2018-09-04 | 2018-09-04 | 一种基于面阵ccd成像的隧道展布图生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109146791B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033407B (zh) * | 2019-03-29 | 2020-10-30 | 华中科技大学 | 一种盾构隧道表面图像标定方法、拼接方法及拼接系统 |
CN110849368B (zh) * | 2019-10-23 | 2021-09-03 | 同济大学 | 一种隧道内高精度快速定位装置与方法 |
CN111429430B (zh) * | 2020-03-23 | 2022-03-25 | 同济大学 | 基于机器视觉的隧道检测车尺寸映射关系计算方法 |
CN111583108B (zh) * | 2020-04-20 | 2020-12-18 | 北京新桥技术发展有限公司 | 隧道衬砌面线阵图像tof融合拼接方法、装置及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015049765A (ja) * | 2013-09-03 | 2015-03-16 | 公益財団法人鉄道総合技術研究所 | トンネル覆工面画像の歪みを補正する方法 |
CN106053475B (zh) * | 2016-05-24 | 2018-10-23 | 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 |
CN108109112B (zh) * | 2018-01-16 | 2021-07-20 | 上海同岩土木工程科技股份有限公司 | 一种基于Sift特征的隧道展布图拼接参数处理方法 |
-
2018
- 2018-09-04 CN CN201811023367.XA patent/CN109146791B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109146791A (zh) | 2019-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109146791B (zh) | 一种基于面阵ccd成像的隧道展布图生成方法 | |
CN109978755B (zh) | 全景图像合成方法、装置、设备与存储介质 | |
EP2057585B1 (en) | Mosaic oblique images and methods of making and using same | |
Xie et al. | Automatic multi-image stitching for concrete bridge inspection by combining point and line features | |
JP4717760B2 (ja) | 物体認識装置および映像物体測位装置 | |
Zhu et al. | Panoramic image stitching for arbitrarily shaped tunnel lining inspection | |
CN104463778A (zh) | 一种全景图生成方法 | |
CN111462503A (zh) | 车辆测速方法、装置及计算机可读存储介质 | |
JP6278790B2 (ja) | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラムならびに車両位置検出システム | |
KR20200110120A (ko) | 3d-vr 멀티센서 시스템 기반의 도로 시설물 관리 솔루션을 구현하는 시스템 및 그 방법 | |
CN108362205B (zh) | 基于条纹投影的空间测距方法 | |
US11423611B2 (en) | Techniques for creating, organizing, integrating, and using georeferenced data structures for civil infrastructure asset management | |
CN113269671A (zh) | 一种基于局部和全局特征的桥梁表观全景图生成方法 | |
Farella et al. | The EuroSDR TIME benchmark for historical aerial images | |
CN116132610A (zh) | 一种综采面视频拼接方法及系统 | |
Wu et al. | Adaptive image registration via hierarchical voronoi subdivision | |
Cao et al. | Generating panoramic unfolded image from borehole video acquired through APBT | |
CN118229524A (zh) | 基于点云映射隧道图像拼接方法、装置、设备及存储介质 | |
JP5274173B2 (ja) | 車両検査装置 | |
Hu et al. | A high-resolution surface image capture and mapping system for public roads | |
CN113808103A (zh) | 基于图像处理的路面坑洼自动检测方法、设备和存储介质 | |
WO2020158726A1 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN116518961A (zh) | 大规模固定视觉传感器全局位姿的确定方法和装置 | |
Du et al. | Mosaicking of mountain tunnel images guided by laser rangefinder | |
CN114463170A (zh) | 一种针对agv应用的大场景图像拼接方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |