CN110081828A

CN110081828A - 机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法

Info

Publication number: CN110081828A
Application number: CN201910461248.0A
Authority: CN
Inventors: 杨宏燕; 吴惠明; 黄志刚; 张益中
Original assignee: Shanghai Tunnel Engineering Co Ltd
Current assignee: Shanghai Tunnel Engineering Co Ltd
Priority date: 2019-05-30
Filing date: 2019-05-30
Publication date: 2019-08-02
Anticipated expiration: 2039-05-30
Also published as: CN110081828B

Abstract

本发明公开了一种机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法，包括：于管片上设定j×k个特征点；利用CCD相机拍摄管片盾尾间隙；从CCD图像上获取可视边界的像素Lr[jk]；计算得到j×k个盾尾间隙d[jk]；依次剔除最大差距值对应的d[jk]；直至剩余n个d[jk]，n不超过5；计算n个d[jk]的均值d，得到过滤后的盾尾间隙d。本发明在图像上建立盾尾间隙检测网格，通过不同特征点对干扰因素进行过滤，避免了相机安装角度倾斜和旋转产生的视角图像误差，有效回避了逆光、光斑图像干扰信息，让基于机器视觉技术的盾尾间隙测量方法更加准确。

Description

机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法

技术领域

本发明涉及一种盾构施工质量和安全监测技术领域，尤其涉及一种机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法。

背景技术

现代城市地下交通建设主要采用盾构法隧道施工。盾构掘进过程中，盾尾间隙各处数值与隧道设计轴线(DTA)的变化、盾构纠偏措施、盾尾外壳和成型管片承受重力变形等因素密切相关。正确的盾尾间隙数据为指导盾构纠偏和管片纠偏提供基础信息，所以盾构施工必须严格监控盾尾间隙的变化。

但是实际工程应用中有各种影响机器视觉盾尾间隙检测准确性的因素，增加了图像辨识和数据分析的难度。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法，可以发挥平面图像多特征点检测的优势，提高盾尾间隙检测的可靠性。

为实现上述目的，本发明采用的技术方案是：一种机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法，该过滤方法包括步骤：

于管片上设定j条可视边界，所述可视边界平行于管片断面中心线，且每条所述可视边界包含k个特征点；

利用CCD相机拍摄所述管片和盾尾间隙，获取CCD图像；

从所述CCD图像上获取可视边界的像素Lr[jk]；

当所述可视边界位于管片断面中心线的左侧时，将可视边界的像素Lr[jk]代入公式(1)计算盾尾间隙d[jk]：

d[jk]＝dz[jk]+{(Y[jk]-2Lr[jk])hr}/Y[jk] (1)

当所述可视边界位于管片断面中心线的右侧时，将可视边界的像素Lr[jk]代入公式(2)计算盾尾间隙d[jk]：

d[jk]＝dz[jk]+{(2Lr[jk]-Y[jk])hr}/Y[jk] (2)

其中，dz[jk]为相机CCD坐标零点在管片端面中心线位置时的初始化管片盾尾间隙，公式(1)中的hr为可视边界到管片右边界的相距距离，公式(2)中的hr为可视边界到管片左边界的相距距离，Y[jk]为CCD图像中管片的宽度像素；

计算得到j×k个盾尾间隙d[jk]；

依次剔除最大差距值对应的d[jk]，其中，为当前剩余d[jk]的均值；直至剩余n个d[jk]，n不超过5；

计算n个d[jk]的均值d：d＝{d[jk]}/n，得到过滤后的盾尾间隙d。

在本发明机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法的一些实施例中，还包括步骤：在n＝0或d＜40mm或d＞130mm的情况下进行报错。

在本发明机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法的一些实施例中，通过以下步骤计算得到管片的宽度像素Y[jk]：

预先利用所述CCD相机在距离管片垂直距离为x₀和x₁的位置上分别拍摄管片的CCD图像；

从所述CCD图像中分别获取管片的左边界像素L₀、L₁和右边界像素R₀、R₁；

建立CCD相机的像素坐标系与实测数据的相距坐标系之间的函数关系：

其中，Y代表管片的宽度像素，L代表管片的左边界像素，R代表管片的右边界像素，x代表CCD相机距离管片的垂直距离，a代表函数关系中的距离系数，b代表函数关系中的像素系数；

代入x₀、x₁、L₀、L₁、R₀、R₁，求解得到：

Y0[jk]＝R0[jk]+L0[jk]

Y1[jk]＝R1[jk]+L1[jk]

则距离系数a和像素系数b求解为：

a[jk]＝(Y0[jk]·x₀-Y1[jk]·x₁)/(Y0[jk]-Y1[jk])

b[jk]＝Y0[jk]*(x₀-a[jk])

从而得到管片的宽度像素为：Y[jk]＝b[jk]/(x-a[jk])。

在本发明机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法的一些实施例中，选取管片的左边界、右边界和平行于管片断面中心线的至少一橡胶条作为管片的可视边界。

在本发明机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法的一些实施例中，当以管片的左边界作为可视边界时，输出的盾尾间隙为：

d[jk]＝dz[jk]+{(Y[jk]-2L[jk])h}/Y[jk]

当以橡胶条作为可视边界且橡胶条位于管片断面中心线左侧时，输出的盾尾间隙为：

d[jk]＝dz[jk]+{(Y[jk]-2Lr[jk])hr}/Y[jk]

当以管片的右边界作为可视边界时，输出的盾尾间隙为：

d[jk]＝dz[jk]+{(2R[jk]-Y[jk])h}/Y[jk]

其中，h为管片厚度。

在本发明机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法的一些实施例中，j条所述可视边界上的j×k个特征点在水平方向上一一对齐，呈矩阵网格点状布置。

本发明在图像上建立盾尾间隙检测网格，通过不同特征点对干扰因素进行过滤，避免了相机安装角度倾斜和旋转产生的视角图像误差，有效回避了逆光、光斑图像干扰信息，让基于机器视觉技术的盾尾间隙测量方法更加准确。

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的前提下，还可以根据这些附图获得其他的附图。

图1示出了CCD相机在距离管片垂直距离x₀时进行拍摄的模型示意图。

图2示出了CCD相机在距离管片垂直距离x₁时进行拍摄的模型示意图。

图3示出了根据本发明实施例的可靠性过滤方法中设定特征点的示例性布局示意图。

图4示出了CCD坐标系(像素值)与盾构坐标系(相距)之间的非线性比例关系图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。

下面结合附图和具体实施例对本发明做进一步详细说明。

本发明是以机器视觉图像坐标系的数值分析原理检测盾尾间隙。可以发挥平面图像多特征点检测的优势，以回避可能产生油脂、泥浆污物测点位置。具体来说，通过在图像上建立盾尾间隙检测网格，通过不同特征点对干扰因素进行过滤，避免了相机安装角度倾斜和旋转产生的视角图像误差，有效回避了逆光、光斑图像干扰信息，让基于机器视觉技术的盾尾间隙测量方法更加准确。

本发明机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法的具体实施步骤如下：

步骤一：于管片上设定j条可视边界，该j条可视边界平行于管片断面中心线，且每条可视边界均包含k个特征点；

具体来说，在该步骤中，首先确定管片的可视竖边个数j、每边上的特征点k，共j*k个特征点。为便于检测跟踪，特征点呈矩阵网格点状，各竖边j上的k个特征点在水平方向上一一对齐。盾尾间隙图像除了管片的左边界L和右边界R，还有橡胶条Lr可以利用，橡胶条L0起防水作用，颜色一般为黑色，可清晰识别，橡胶条Lr在粘贴时使其与管片断面中心线平行。以图3为例，j为边界号(j＝1～3)，j＝1代表管片左边界L、j＝2代表管片上橡胶条黑白边Lr，j＝3代表管片右边界R。设k为测点层次号，每条有效边有7个特征点，共3×7＝21个特征点。

步骤二：利用CCD相机拍摄管片及其盾尾间隙，获取CCD图像；

具体来说，在该步骤中，在管片初始化时，通过将CCD相机(数字摄像机)的摄像头垂直于管片断面且镜头对准于管片断面中心线，拍摄初始化盾尾间隙图像，从中获取相机CCD坐标零点在管片断面中心线位置时的初始化管片盾尾间隙dz[jk]。安装定焦CCD相机，使其拍摄范围能够覆盖盾构掘进过程中管片相对镜头垂直运动的全范围。CCD相机固定安装在盾构机盾尾的二相邻千斤顶之间，CCD相机所在位置对准于待拼管片的设计断面中心线所在位置。

步骤三：从CCD图像上获取可视边界的像素Lr[jk]；

当可视边界位于管片断面中心线的左侧时，将可视边界的像素Lr[jk]代入公式(1)计算盾尾间隙d[jk]：

d[jk]＝dz[jk]+{(Y[jk]-2Lr[jk])hr}/Y[jk] (1)

当可视边界位于管片断面中心线的右侧时，将可视边界的像素Lr[jk]代入公式(2)计算盾尾间隙d[jk]：

d[jk]＝dz[jk]+{(2Lr[jk]-Y[jk])hr}/Y[jk] (2)

步骤四：计算得到j×k个盾尾间隙d[jk]；依次剔除最大差距值对应的d[jk]，其中，为当前剩余d[jk]的均值；直至剩余n个d[jk]，n不超过5；

步骤五：计算n个d[jk]的均值d：d＝{d[jk]}/n，得到过滤后的盾尾间隙d。

进一步地，在本发明的过滤方法中，还通过以下步骤计算得到管片的宽度像素Y[jk]：

1)预先利用CCD相机在距离管片垂直距离为x₀和x₁的位置上分别拍摄管片的CCD图像；

从CCD图像中分别获取管片的左边界像素L₀、L₁和右边界像素R₀、R₁；

代入x₀、x₁、L₀、L₁、R₀、R₁，求解得到：

Y0[jk]＝R0[jk]+L0[jk]

Y1[jk]＝R1[jk]+L1[jk]

则距离系数a和像素系数b求解为：

a[jk]＝(Y0[jk]·x₀-Y1[jk]·x₁)/(Y0[jk]-Y1[jk])

b[jk]＝Y0[jk]*(x₀-a[jk])

从而得到管片的宽度像素为：Y[jk]＝b[jk]/(x-a[jk])。

作为本发明较佳实施方式，本发明的机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法优选管片的左边界L、右边界R和平行于管片断面中心线的至少一橡胶条Lr作为管片的可视边界，下面便针对该优选实施例的具体实施步骤，具体说明如下：

步骤一：初始赋值

1)确定两个距离标定基本参数，包括近距离采样千斤顶行程x₀、远距离采样千斤顶行程x₁，管片厚度h。远距离观测和近距离观测的像素初始值，示意模型如图1和图2所示。

2)以图3为例，j为边界号(j＝1～3)，j＝1代表管片左边界L、j＝2代表管片上橡胶条黑白边Lr，j＝3代表管片右边界R。设k为测点层次号，每条有效边有7个特征点，共3×7＝21个特征点。

3)大量实验数据分析证明，CCD坐标系(像素值)与盾构坐标系(相距)不是传统的距离之间的线性比例关系，而是非线形关系。且关系近似为双曲线，如图4所示(图中，X代表相距，单位为mm，P代表像素值)。

函数模型中，管片厚度h，相机距离管片距离x。调整相机使管片居中，实测图像管片左边像数L加右边像数R即为管片宽度像素Y，则

代入初始值(x₀行程时的数值)和最终值(x₁行程时的数值)求解得到：

Y0[jk]＝R0[jk]+L0[jk]

Y1[jk]＝R1[jk]+L1[jk]

则系数矩阵可求解为

a[jk]＝(Y0[jk]·x₀-Y1[jk]·x₁)./(Y0[jk]-Y1[jk])

b[jk]＝Y0[jk]*(x₀-a[jk])

任意位置管片的宽度像素为：

Y[jk]＝b[jk]./(x-a[jk])

步骤二：建立机器视觉网格特征点盾尾间隙检测集群输出模型首先是适用于管片左边界L的输出

d[1k]＝dz[1k]+{(Y[1k]-2L[1k])h}/Y[1k]

适合胶条边界Lr的输出

d[2k]＝dz[2k]+{(Y[2k]-2Lr[2k])hr}/Y[2k]

适合右边界R的输出

d[3k]＝dz[3k]+{(2R[3k]-Y[3k])h}/Y[3k]

其中，dz[1k]为相机CCD坐标零点在管片正中位置时，初始化管片间隙，可以通过试验标定得到。

步骤三：循环重心筛选盾尾间隙数据

1)对既有d[jk]求和得临时均值

2)剔除既有一个最大差距值对应的d[jk]；

3)如果余下d[jk]的个数大于5，循环回到1)，否则执行4)；

4)d＝{d[jk]}/n(n＝1～5)；

5)如果n＝0或d＜40或d＞130则报错；

6)回到步骤1)。

下面结合上述实施例中的机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法，例举一实际计算过程如下：

1.标定时数据：

千斤顶近处行程x0＝1067.3，左边界像素L0＝403.70，右边界像素R0＝443.56，人工测量获得的初始化盾尾间隙dm0＝122，如图1所示；

千斤顶远处行程x1＝2383.6，左边界像素L1＝192.445，右边界像素R1＝195.568，人工测量获得的初始化盾尾间隙dm1＝129，如图2所示；

1.1间隙初始化参数dk

d0＝dm0-(R0-L0)*h/(L0+R0)

d1＝dm1-(R1-L1)*h/(L1+R0)

已知h＝650(h为管片厚度)，得出d0＝91.42109，d1＝123.7675。

dk＝(d1-d0)/(x1-x0)

解得dk＝0.02457374

1.2距离_像素参数a、b

(L0+R0)＝b/(x0-a)

(L1+R1)＝b/(x1-a)

标定数据代入上面两个公式解得a＝-44.8233，b＝942259.8。

2.千斤顶推进过程求间隙

设千斤顶任意位置，例如x＝915.76397，光学检测工具检测到此时左边L＝469.80。

dz＝dk*(x-x0)+d0

求出dz＝87.69728

d＝dz+(Y-2*L)*h/Y

其中Y＝b/(x-a)，可知Y＝980.92，最终求出当前行程915.76397下的间隙为115.073。

同理，代入右边R、或橡胶条边Lr(此时橡胶条边到右边的距离替换管片厚度h)求得间隙值。

上面推导过程为21个特征点中的一点，全部21点的盾尾间隙结果数据如下：

左边界7个特征点的间隙值115.1，114.5，115.7，116.9，115.0，111.4，104.8；

橡胶条7个特征点的间隙值157.0，118.8，118.5，119.1，116.2，110.3，107.7；

右边界7个特征点的间隙值116.8，115.9，119.4，103.1，105.7，0，0

最后经过计算后得到最终的间隙值为116。

本发明通过建立图像特征点矩阵网格，对群测数据进行循环重心均值筛选，有效过滤了逆光、光斑图像干扰信息；规避了管片潮湿、管片文字痕迹、环境局部炫光、强逆光产生的错误信息；互补了防水条不规则状态、安装位置倾斜、旋转、边界不直等等不规则几何形状，提高了机器视觉检测盾尾间隙测的正确性、适用性。

需要说明的是，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。

以上所述仅是本发明的较佳实施例而已，并非对本发明做任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案的范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims

1.一种机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法，其特征在于，包括步骤：

利用CCD相机拍摄所述管片和盾尾间隙，获取CCD图像；

从所述CCD图像上获取可视边界的像素Lr[jk]；

d[jk]＝dz[jk]+{(Y[jk]-2Lr[jk])hr}/Y[jk] (1)

d[jk]＝dz[jk]+{(2Lr[jk]-Y[jk])hr}/Y[jk] (2)

计算得到j×k个盾尾间隙d[jk]；

计算n个d[jk]的均值d：d＝{d[jk]}/n，得到过滤后的盾尾间隙d。

2.如权利要求1所述的机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法，其特征在于，还包括步骤：在n＝0或d＜40mm或d＞130mm的情况下进行报错。

3.如权利要求1所述的机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法，其特征在于，通过以下步骤计算得到管片的宽度像素Y[jk]：

代入x₀、x₁、L₀、L₁、R₀、R₁，求解得到：

Y0[jk]＝R0[jk]+L0[jk]

Y1[jk]＝R1[jk]+L1[jk]

则距离系数a和像素系数b求解为：

a[jk]＝(Y0[jk]·x₀-Y1[jk]·x₁)/(Y0[jk]-Y1[jk])

b[jk]＝Y0[jk]*(x₀-a[jk])

从而得到管片的宽度像素为：Y[jk]＝b[jk]/(x-a[jk])。

4.如权利要求3所述的机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法，其特征在于，选取管片的左边界、右边界和平行于管片断面中心线的至少一橡胶条作为管片的可视边界。

5.如权利要求4所述的机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法，其特征在于，

当以管片的左边界作为可视边界时，输出的盾尾间隙为：

d[jk]＝dz[jk]+{(Y[jk]-2L[jk])h}/Y[jk]

d[jk]＝dz[jk]+{(Y[jk]-2Lr[jk])hr}/Y[jk]

当以管片的右边界作为可视边界时，输出的盾尾间隙为：

d[jk]＝dz[jk]+{(2R[jk]-Y[jk])h}/Y[jk]

其中，h为管片厚度。

6.如权利要求1所述的机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法，其特征在于：j条所述可视边界上的j×k个特征点在水平方向上一一对齐，呈矩阵网格点状布置。