CN111102935B - 隧道结构检测方法、装置和电子设备 - Google Patents

隧道结构检测方法、装置和电子设备 Download PDF

Info

Publication number
CN111102935B
CN111102935B CN201911424761.9A CN201911424761A CN111102935B CN 111102935 B CN111102935 B CN 111102935B CN 201911424761 A CN201911424761 A CN 201911424761A CN 111102935 B CN111102935 B CN 111102935B
Authority
CN
China
Prior art keywords
point cloud
segment
cloud data
tunnel
information
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
Application number
CN201911424761.9A
Other languages
English (en)
Other versions
CN111102935A (zh
Inventor
李清泉
毛庆洲
闫保芳
熊勇钢
唐超
李夏亮
李杨
余建伟
周宝定
来德辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Hirail Profiling Technology Co ltd
Wuhan University WHU
Original Assignee
Wuhan Hirail Profiling Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Hirail Profiling Technology Co ltd filed Critical Wuhan Hirail Profiling Technology Co ltd
Priority to CN201911424761.9A priority Critical patent/CN111102935B/zh
Publication of CN111102935A publication Critical patent/CN111102935A/zh
Application granted granted Critical
Publication of CN111102935B publication Critical patent/CN111102935B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
    • 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
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30132—Masonry; Concrete

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供了一种隧道结构检测方法、装置和电子设备，包括：获取隧道结构的点云数据；生成隧道结构的点云数据对应的灰度图；根据灰度图识别隧道中的管片，得到管片的位置信息；根据管片的位置信息和点云数据，对管片进行拟合分析和错台分析，得到隧道的结构检测结果。该方式中，通过对点云数据进行处理，识别隧道中的管片，并对管片进行拟合分析和错台分析，能够准确的检测隧道结构的变形程度，提高隧道结构变形检测的准确性和实用性。

Description

隧道结构检测方法、装置和电子设备
技术领域
本发明涉及隧道结构检测技术领域，尤其是涉及一种隧道结构检测方法、装置和电子设备。
背景技术
隧道结构变形检测主要是为了了解围岩和建筑物结构内部的变形发展规律，目前大多用于隧道结构变形检测的测量方法，只局限于隧道断面的收敛变形的检测，检测结果误差较大，因而对不良病害的形状、大小、空间、形态等难以提供更为准确的信息，也无法评价病害的危害程度，隧道结构变形检测的准确性和实用性较低。
发明内容
有鉴于此，本发明的目的在于提供一种隧道结构检测方法、装置和电子设备，能够准确的检测隧道结构的变形程度，提高隧道结构变形检测的准确性和实用性。
第一方面，本发明实施例提供了一种隧道结构检测方法，该方法包括：获取隧道结构的点云数据；生成隧道结构的点云数据对应的灰度图；根据灰度图识别隧道中的管片，得到管片的位置信息；根据管片的位置信息和点云数据，对管片进行拟合分析和错台分析，得到隧道的结构检测结果。
进一步的，生成隧道结构的点云数据对应的灰度图的步骤，包括：将点云数据进行分段，得到多个分段点云数据；根据分段点云数据，通过拟合圆的方式，得到分段点云数据的拟合中心；根据预设的图像分辨率、预设的图像大小、分段点云数据的拟合中心和分段点云数据的坐标信息，得到分段点云数据对应的初始图像信息；通过像素邻域插值的方式，对初始图像信息进行插值处理，得到图像信息；根据图像信息，生成对应的灰度图。
进一步的，根据灰度图识别隧道中的管片，得到管片的位置信息的步骤，包括：根据预设的管片宽度，对管片的位置信息进行初步采样，得到灰度图的采样区间；将灰度图的采样区间进行梯度化和二值化处理，得到管片的二值化值和管片缝的位置信息；根据管片的二值化值和管片缝的位置信息，识别隧道中的第二个管片；利用管片距离推算的方式，确定第一个管片的位置信息；通过预设精度采样的方式，获得除第一个管片以外的每个管片的位置信息。
进一步的，根据管片的位置信息和点云数据，对管片进行拟合分析，得到隧道的结构检测结果的步骤，包括：针对每个管片，获取当前管片的多帧点云数据；根据多帧点云数据的密度信息或距离信息，并通过拟合的方式，过滤多帧点云数据；对多帧点云数据进行最小二乘法求解，获得多个拟合信息；其中，拟合信息包括水平轴；将多个水平轴的中值作为拟合结果的最优解；根据最优解，确定最优点云数据；根据拟合结果的最优解和最优点云数据，重新拟合最优点云数据，得到当前管片的拟合结果；其中，拟合结果包括水平轴、长轴和偏转角；将水平轴、长轴、偏转角与实际设计值进行比较，得到当前管片的变形结果。
进一步的，根据管片的位置信息和点云数据，对管片进行错台分析，得到隧道的结构检测结果的步骤，包括：获取第一管片和第二管片的拟合结果；第一管片和第二管片为相邻管片；通过拟合圆的方式，获得第一管片拟合结果与第二管片拟合结果的共同圆心；设置基准线，确定第一管片的拟合结果的点云距离基准线的距离，得到第一距离；确定第二管片的拟合结果的点云距离基准线的距离，得到第二距离；根据预设的点云分区，计算分区内第一距离与第二距离的差值；将差值的中值，确定为分区的最优解；若连续三个分区的最优解满足阈值，则确定第一管片和第二管片存在错台现象。
进一步的，该方法还包括：计算图像信息中像素的距离信息；根据距离信息得到点云数据对应的深度图；生成隧道结构的点云数据对应的深度图。
进一步的，该方法还包括：根据灰度图、深度图和隧道结构的点云数据对应的三维图，检测隧道管片的脱落信息。
进一步的，根据灰度图、深度图和三维图，检测隧道管片的脱落信息的步骤，包括：根据灰度图中各个区域的颜色、深度图中各个区域的深度或者根据三维图各个区域的凹陷情况，获取管片的脱落区域；根据管片的脱落区域，得到脱落区域的脱落信息。
第二方面，本发明实施例提供了一种隧道结构检测装置，该装置包括：点云数据获取模块，用于获取隧道结构的点云数据；灰度图生成模块，用于生成隧道结构的点云数据对应的灰度图；位置信息确定模块，用于根据灰度图识别隧道中的管片，得到管片的位置信息；结果确定模块，用于根据管片的位置信息和点云数据，对管片进行拟合分析和错台分析，得到隧道的结构检测结果。
第三方面，本发明实施例提供了一种电子设备，该电子设备包括：处理器和存储装置；存储装置上存储有计算机程序，计算机程序在被处理器运行时执行第一方面任一实施方式的隧道结构检测方法。
本发明实施例带来了以下有益效果：
本发明实施例提供的一种隧道结构检测方法、装置和电子设备，获取隧道结构的点云数据；生成隧道结构的点云数据对应的灰度图；根据灰度图识别隧道中的管片，得到管片的位置信息；根据管片的位置信息和点云数据，对管片进行拟合分析和错台分析，得到隧道的结构检测结果。该方式中，通过对点云数据进行处理，识别隧道中的管片，并对管片进行拟合分析和错台分析，能够准确的检测隧道结构的变形程度，提高隧道结构变形检测的准确性和实用性。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域技术人员来讲，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为本发明实施例提供的一种隧道结构检测方法的流程图；
图2为本发明实施例提供的一种数据采集工作的流程图；
图3为本发明实施例提供的一种采集系统组合算法的流程图；
图4为本发明实施例提供的一种生成灰度图的流程图；
图5为本发明实施例提供的一种隧道管片结构的灰度图；
图6为本发明实施例提供的一种管片识别的流程图；
图7为本发明实施例提供的一种管片的二值化图像；
图8为本发明实施例提供的一种管片拟合分析方法的流程图；
图9为本发明实施例提供的一种隧道结构内壁图；
图10为本发明实施例提供的一种隧道结构内壁的二维图；
图11为本发明实施例提供的一种隧道管片拟合结果示意图；
图12为本发明实施例提供的一种管片错台分析方法的流程图；
图13为本发明实施例提供的一种隧道管片错台分析结果图；
图14为本发明实施例提供的一种生成深度图的流程图；
图15为本发明实施例提供的一种检测隧道管片的脱落信息的方法流程图；
图16为本发明实施例提供的一种隧道结构检测装置的结构示意图；
图17为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前大多用于隧道结构变形检测的测量方法，只局限于隧道断面的收敛变形的检测，检测结果误差较大，因而对不良病害的形状、大小、空间、形态等难以提供更为准确的信息，也无法评价病害的危害程度，隧道结构变形检测的准确性和实用性较低，基于此，本发明实施例提供的一种隧道结构检测方法、装置和电子设备，能够准确的检测隧道结构的变形程度，提高隧道结构变形检测的准确性和实用性。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种隧道结构检测方法进行详细介绍。
实施例一：
本实施例提供了一种隧道结构检测方法，如图1所示，该方法包括如下步骤：
步骤S10，获取隧道结构的点云数据；
上述点云数据可以通过激光雷达、三维激光扫描仪等设备采集得到。具体的，采集上述点云数据的同时可以利用编码器和惯导传感器采集相应的编码器数据和惯导数据，将编码器数据和惯导数据进行融合解算得到实际的推行轨迹，再通过惯导中心和扫描头中心的偏移量和旋转量，可将点云数据旋转平移，得到真实世界点云。上述点云数据可以是扫描资料以点的形式记录，每一个点包含有三维坐标，有些可能含有颜色信息或反射强度信息。点云数据除了具有几何位置以外，有的还有颜色信息。颜色信息通常是通过相机获取彩色影像，然后将对应位置的像素的颜色信息赋予点云中对应的点。强度信息的获取是激光扫描仪接收装置采集到的回波强度，此强度信息与目标的表面材质、粗糙度、入射角方向，以及仪器的发射能量，激光波长有关。
步骤S12，生成隧道结构的点云数据对应的灰度图；
首先可以对上述点云数据进行去噪、滤波等处理，可以通过直观检查法、曲线检查法、拟合等方式对点云数据进行处理，最终得到较为纯净的点云数据。可以通过图像的分辨率和点云数据所包含的坐标等信息，将点云数据信息转换为图像信息，可以通过图像信息包含的点云坐标信息和强度信息，进而生成灰度图。
步骤S14，根据灰度图识别隧道中的管片，得到管片的位置信息；
上述灰度图可以是白色与黑色之间按对数关系分为若干等级，可以对灰度图进行处理，使得管片的位置能加明显，利用处理后的灰度图显示的管片的结构特征和管片之间的距离信息，通过采样计算的方式得到管片的位置信息。上述管片的位置信息可以是对每个管片的位置进行编号，得到每个编号管片的宽度、里程等信息。
步骤S16，根据管片的位置信息和点云数据，对管片进行拟合分析和错台分析，得到隧道的结构检测结果。
上述拟合分析，可以是对隧道结构的单帧点云数据进行圆拟合，基于点云数据得到拟合结果，可以与建设隧道结构的设计值进行对比，判断隧道结构是否有变形。举例说明，建设隧道结构的设计值包括，圆的半径，中心等，与拟合圆的半径、中心等进行对比，若与设计值有较大的偏差，说明隧道结构有变形的情况。上述错台分析，是分析隧道中的相邻的管片的位置信息，可以在拟合结果的基础上对相邻管片的拟合圆设置基准线，进行错台差值分析，若差值满足预设值则说明该相邻管片有错台现象。
本发明实施例提供的一种隧道结构检测方法，获取隧道结构的点云数据；生成隧道结构的点云数据对应的灰度图；根据灰度图识别隧道中的管片，得到管片的位置信息；根据管片的位置信息和点云数据，对管片进行拟合分析和错台分析，得到隧道的结构检测结果。该方式中，通过对点云数据进行处理，识别隧道中的管片，并对管片进行拟合分析和错台分析，能够准确的检测隧道结构的变形程度，提高隧道结构变形检测的准确性和实用性。
针对上述步骤S10中，获取隧道结构的点云数据，提供一种具体的实施方式，具体如下：
获取隧道的点云数据可以通过基于轨道车的三维移动激光测量系统测量得到，参见图2所示的数据采集工作的流程图，该系统主要由平板电脑，激光雷达(每秒可获得百万点，百米内误差为毫米级别)，惯导传感器，编码器，电池，控制器和硬盘构成。采集过程中，将控制器，编码器，惯导传感器和激光雷达上电，平板电脑通过控制器控制着激光雷达的停转，当轨道车向前推行时，编码器将数据通过端口传送给控制器，惯导传感器通过端口传送给控制器，激光雷达将数据通过端口传送给控制器，控制器以时间帧同步的方式存储相应的编码器数值，惯导数据和激光雷达数据(点云数据)。
一般情况下，隧道结构检测中若没有GNSS(Global Navigation SatelliteSystem，全球导航卫星系统)，惯导传感器推算误差会随时间一直累积，从而影响采集系统的精度。上述的激光雷达、惯导传感器和编码器的组合定位系统定姿系统不需要GNSS提供位置数据，而是融合惯导数据、编码器里程计数据和激光雷达控制靶标数据，构建统一的扩展卡尔曼滤波模型。参见图3所示为采集系统组合算法的流程图，该模型建立在惯导动力学模型和误差模型基础上，通过激光雷达控制标靶将数据带入到卡尔曼滤波方程中，计算惯导和编码器组合的误差状态向量，限制其误差发散，从而得到高精度位置和姿态。
另外，实际采集的点云是相对于轨道面，在转弯处轨道面倾斜，整体获得点云数据相对于地面也是倾斜，因此需要根据惯导数据将点云数据信息转换为真实的点云数据信息，以消除轨道倾斜造成的影响。
进一步的，图4示出了本发明实施例提供的生成灰度图的流程图。参见图4所示，上述步骤S12中，生成隧道结构的点云数据对应的灰度图，具体包括如下步骤：
步骤S120，将点云数据进行分段，得到多个分段点云数据；
上述点云数据为真实世界的点云数据，可以根据上述步骤S10中描述的推行轨迹进行分段处理。在进行点云数据分段之前，由于只需要对盾构区间的点云数据进行图像生成，所以需要根据采集的数据选取盾构隧道的起始帧号和终止帧号。得到每一帧的点云数据后，可以通过数据转换公式，将点云数据转换为三维点云数据，具体公式如下：
ptNew＝R·pt+t (1)；
其中，pt为激光点云三维坐标；R为旋转矩阵；t为平移矩阵；ptNew为旋转和平移后的新点。
得到分段后的点云数据后，重新确定分段后点云数据的起始帧号和终止帧号，具体公式如下：
PtBegFrame＝BegFrame-△Frame (2)
PtEndFrame＝EndFrame+△Frame (3)
△Frame＝f(Mile，Threold) (4)
其中，PtBegFrame表示分段后重新确定起始帧号，BegFrame表示分段后的起始帧号，PtEndFrame表示分段后重新确定终止帧号，EndFrame表示分段后的终止帧号，△Frame表示帧差，Mile表示起始帧或终止帧里程，Threold表示里程阈值，f()表示由Mile±Threold里程到帧的转换关系。
根据重新确定的起始帧号和终止帧号，可以得到该区间内的所有点云数据，包括点云的位置信息和强度信息，其中位置信息包括每个点的三维坐标。
步骤S122，根据分段点云数据，通过拟合圆的方式，得到分段点云数据的拟合中心；
上述分段点云数据在进行拟合之前，可以有规律的对分段的点云数据进行筛选过滤，选择等间距多帧点云数据，并记录其坐标信息和强度信息。将筛选后的每一帧点云数据投影在二维平面内进行拟合圆，获得每帧点云数据的拟合中心，然后将二维平面的数据转换为三维坐标，重新获得三维点云数据的拟合中心。将得到的多帧点云数据的拟合中心，通过最小二乘法进行直线拟合，选择最接近该直线的拟合中心，作为最优的拟合中心。得到每个分段点云的拟合中心后，根据拟合中心可以得到该段点云的中心线，也可以称为隧道中心线。
步骤S124，根据预设的图像分辨率、预设的图像大小、分段点云数据的拟合中心和分段点云数据的坐标信息，得到分段点云数据对应的初始图像信息；
上述初始图像信息包含有图像的初始信息和栅格板信息，从图像的初始信息开始，分段选择点云，获得每个分段点云的中心线，通过中心线以及点云的位置信息可确定每个点的点云信息的角度信息和位置信息，根据角度信息和位置信息可以对点云进行栅格化处理。上述预设的图像大小，可以预先设定图像的宽度为Width，电脑分辨率为PCPix，图像高度为Height，其计算公式如下：
Height＝PCPixHeight×Width÷PCPixWidth (5)；
其中，PCPixHeight为电脑分辨率高度，PCPixWidth为电脑分辨率宽度。可以通过预设的图像宽度计算图像的分辨率Pix。计算公式如下：
Pix＝Width÷(2×π×Radius) (6)；
其中，Width为图像宽度，Radius为点云的设计半径。
可以通过预设的图像宽度和图像的分辨率计算得到采集系统的推行长度l，计算公式如下：
l＝Pix×Width (7)；
其中，l为推行长度，Pix为图像的分辨率，Width为图像宽度。
采集系统在隧道的推行采集过程中，推行轨迹不是直线，因此不能将图像直接沿直线展开，可以将图像在小范围内以直线的形式展开，在选择过程中，需要扩大筛选范围，具体公式如下：
△p＝(s+△s)×pt (8)；
其中，△p表示小范围的图像，s表示小范围的距离，△s表示超出s范围的局部点云，pt表示该范围的点云。
首先需要确定图像中心，根据图像中像素点的坐标值，可以确定前进点Y的值，根据Y的值和对应的直线方程可以得到X方向的值。将每一个点进行栅格板图像填充，直到所有点完成填充，计算公式如下：
Figure GDA0003105347610000111
Figure GDA0003105347610000112
△w＝△x (11)；
其中，Angle表示该点的角度，z表示该点纵坐标，x表示该点横坐标，centerZ表示圆心纵坐标，centerX表示圆心横坐标，△h表示该点的像素高度，Height表示图像高度，offset表示角度到图片的转换关系，△w表示该点的像素宽度，△x表示前进方向的距离。
重复上述的填充操作，直到该分段区间内的点云数据被全部划分填充，划分填充完成后，根据终止点位置和分段距离，重新查找下一段点云数据的起始帧号和终止帧号，继续划分填充下一段点云数据，直到将整个图片的宽度全部填充点云数据信息为止。
步骤S126，通过像素邻域插值的方式，对初始图像信息进行插值处理，得到图像信息；
上述初始图像信息，可能会存在某个图像内的一个或多个位置没有像素值的情况，可以用四周像素信息的平均值来代替该点的像素值，其计算公式如下：
△Pix＝(△Pix1+△Pix2+△Pix3+△Pix4)/4 (12)；
其中，△Pix表示该点的像素值，△Pix1表示该点左侧的像素值，△Pix2表示该点右侧的像素值，△Pix3表示该点上侧的像素值，△Pix4表示该点下侧的像素值。
步骤S128，根据图像信息，生成对应的灰度图。
上述图像信息内存在每个点云数据对应的点的坐标信息和强度信息，将强度信息转换为图片的强度信息，最后生成灰度图，可以参见图5所示的隧道管片结构的灰度图。
进一步的，图6示出了本发明实施例提供的管片识别的流程图。参见图6所示，上述步骤S14中，根据灰度图识别隧道中的管片，得到管片的位置信息，具体包括如下步骤：
步骤S140，根据预设的管片宽度，对管片的位置信息进行初步采样，得到灰度图的采样区间；
上述预设的管片宽度可以是1.2m或1.5m两种形式，其中，初步采样的计算公式如下：
Figure GDA0003105347610000121
RangeWidth＝1.5*RingWidth*Pix-throld (14)；
其中，RangeHeight表示初步采样图片的高度，Height表示图片高度。RangeWidth表示初步采样图片的宽度，RingWidth表示管片宽度，Pix表示1m内的像素个数，throld表示偏置的阈值。
步骤S142，将灰度图的采样区间进行梯度化和二值化处理，得到管片的二值化值和管片缝的位置信息；
上述梯度化可以将图像看成二维离散函数，梯度可以是该二维离散函数的求导，用差分代替微分，求取图像的梯度。一般常用的梯度模板有：Roberts梯度、Sobel梯度等。对一幅数字图像f(x，y)，其梯度计算公式如下：
Figure GDA0003105347610000122
由于数字图像是离散的二维图像，故用差分代替微分：
Figure GDA0003105347610000123
dx(x，y)＝f(x，y)-f(x+1，y) (17)；
dy(x，y)＝f(x，y)-f(x，y+1) (18)；
梯度模为：
Figure GDA0003105347610000124
在管片自动识别的过程中，沿X轴方向(隧道采集系统推行方向)对每个像素间做灰度梯度函数dx(x,y)＝f(x,y)-f(x+1,y)，得到灰度梯度最大值。最后对每一帧进行统计，对于梯度最大值像素数量最多的一帧即为管片缝的位置。
将上述生成的灰度图进行二值化处理，设置阈值，该阈值可以是40，满足阈值的像素值将变为1(白色部分)，不满足阈值的像素将变为0(黑色部分)。过滤掉灰度值较小的部分区域，再沿图像X方向在选定区域做梯度最大值。图像的二值化是将图像上的像素点的灰度值设置为0或255，参见图也就是将整个图像呈现出明显的黑白效果。
将256个亮度等级的灰度图像通过适当的阈值选取，获得可以反映图像整体和局部特征的二值化图像。首先，图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标轮廓。其次，要进行二值化图像的处理与分析，首先要把灰度图像二值化，得到二值化图像。所有灰度大于或等于阈值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。
经过二值化过滤的隧道灰度图有效减少了管片自动识别的区域，提升了后续灰度梯度最大值检测的效率，是管片自动识别中的有效一环，其结果参见图7所示的管片的二值化图。
步骤S144，根据管片的二值化值和管片缝的位置信息，识别隧道中的第二个管片；
由于管片缝存在厚度，需要计算管片缝两侧的情况，根据管片的二值化值，沿管片的正方向可以得到管片正方向的二值化值，沿管片负方向可以得到管片负方向的二值化值。计算每一列的最大像素值，计算公式如下：
Pix_max＝max(col) (20)；
Pix＝(Pix_1+Pix_2)/2 (21)；
其中，Pix_max表示图片在列方向上的最大像素值，col表示每一列的像素值。Pix表示管片位置信息，Pix_1表示沿管片正方向的最大值，Pix_2表示沿管片负方向的最大值。
重复上述操作，直到所有初始采样管片计算完成，得到初始的第一个管片的位置信息。
由于初始的第一个管片位置信息可能识别错误或不存在，所以先计算第二个管片的位置信息。
Index2＝Index-Num×RingWidth×Pix (22)；
其中：Index2表示第二个管片的位置信息，Index表示当前管片的位置信息，Num表示管片序号，RingWidth表示管片宽度，Pix表示1m的像素数量。上述当前管片可以是初始的第一个管片也可以是其他管片。
步骤S146，利用管片距离推算的方式，确定第一个管片的位置信息；
通过计算得到的第二个管片的位置信息，计算得到第一个管片的位置信息，计算公式如下：
Index1＝Index2-RingWidth×Pix (23)；
其中，Index1表示第一个管片的位置信息，Index2表示第二个管片的位置信息，RingWidth表示管片宽度，Pix表示1m的像素数量。
步骤S148，通过预设精度采样的方式，获得除第一个管片以外的每个管片的位置信息。
上述预设精度采样的方式，可以是根据上述第一个管片信息，重复筛选管片位置信息，计算公式如下：
IndexEver＝Index+Num×RingWidth×Pix±threlod (24)；
其中，IndexEver为每个管片信息，Index表示第一个管片位置信息，RingWidth表示管片宽度，Pix表示1m的像素数量，threlod表示管片的左右阈值。
对精采样区间的图像重新进行梯度化，二值化处理，重复上述步骤获取每个管片的位置信息，其中管片的位置信息可以包括，每个管片的位置编号，每个编号管片的宽度、里程等信息。
另外，上述识别管片编号生成的管片编号是从1开始的管片编号，灰度图上可以找到实际的管片号，通过计算可以得到实际的管片号，其计算公式如下：
IDnew＝ID+Offset (25)；
其中，ID表示原始管片编号，Offset表示墙上管片号与当前管片号的差值，IDnew表示当前管片号。
进一步的，图8示出了本发明实施例提供的管片拟合分析方法的流程图。参见图8所示，上述步骤S16中，根据管片的位置信息和点云数据，对管片进行拟合分析，得到隧道的结构检测结果，具体包括如下步骤：
步骤S1601，针对每个管片，获取当前管片的多帧点云数据；
上述当前管片可以是隧道顶上的一圈管片，是由多个管片拼接的一圈扇形管片，上述多帧点云数据为三维点云数据。参见图9所示的隧道结构内壁图，参见图10所示的隧道结构内壁的二维图，管片上存在着疏散平台、电线、接触网、支架和消防管道，选取单帧点云数据难以对整个管片的形状进行描述，而且支架、电气的安装位置不固定，同时在管片的中心位置左右间隔100mm处，存在孔洞，会对拟合椭圆的水平轴造成影响。因此在实际操作过程中，为了避开墙上孔洞，可以选取一圈管片的中间位置左右间隔50mm处的点云数据，然后在100mm的区间内，选取每隔20mm选择一帧点云数据，可以选取10帧的点云数据。
步骤S1602，根据多帧点云数据的密度信息或距离信息，并通过拟合的方式，过滤多帧点云数据；
由于每个栅格的列向量对应一帧的点云数据，需要对每一帧的点云数据进行粗过滤和拟合；获得多帧的点云数据之后，可能会存在较远距离的噪点，因此需要根据点云的密度信息或距离信息对点云进行初过滤。点云数据中存在有轨道信息，而轨道信息不参与拟合，需要根据角度信息过滤掉轨道信息，对剩余点云进行分段拟合圆处理。初步选取单帧当前管片的中间位置，将点云平均分割成四部分，然后对点云进行圆拟合，得到四个拟合结果的中心和半径，根据半径和中心，对点云进行过滤，能够很好的过滤点云上的管道和支架信息。
对于点云上的管线，其电线贴合隧道壁，较难滤掉点云信息，通过最小二乘法拟合椭圆的形式能够更好的得到拟合效果，根据点云与拟合的椭圆在重新过滤，能够较好的去除隧道壁的电线。
步骤S1603，对多帧点云数据进行最小二乘法求解，获得多个拟合信息；其中，拟合信息包括水平轴；
对过滤之后的点云数据重新进行最小二乘法求解，获得椭圆的长轴、短轴、水平轴和偏转角以及拟合标准差。为了更加贴合实际情况，对拟合的水平轴进行搜索，保证结果更贴合实际情况，水平轴附近的点云较为密集，可以选择拟合直线的形式，来估算水平轴的大小，但是水平轴存在有点云和无点云的情况，所以选择合适范围的点云进行拟合直线能够更好的表达水平轴的情况，当水平轴附近没有点云时，则不拟合，最后选择拟合的结果作为水平轴的结果。重复上述操作，直到选取的每一帧点云数据都完成拟合。
步骤S1604，将多个水平轴的中值作为拟合结果的最优解；根据最优解，确定最优点云数据；
对拟合结果中的多个水平轴进行排序，获得水平轴的中值作为拟合结果的最优解。将最优解的水平轴对应的该帧点云数据，确定为最优点云数据。
步骤S1605，根据拟合结果的最优解和最优点云数据，重新拟合最优点云数据，得到当前管片的拟合结果；其中，拟合结果包括水平轴、长轴和偏转角；
计算最优点云数据过滤之后的点云数据信息，通过上述的拟合方法重新对最优点云数据进行拟合，得到拟合椭圆的标准差和椭圆信息，其中椭圆信息包括，水平轴、长轴和偏转角。
步骤S1606，将水平轴、长轴、偏转角与实际设计值进行比较，得到当前管片的变形结果。
参见图11所示的隧道管片拟合结果示意图，将拟合分析的到水平轴、长轴、偏转角与实际设计值进行比较，可以根据具体的偏差，来判断当前管片的变形结果。比如，拟合分析得到的长轴比实际值变大了，则说明当前管片顶部受挤压变形，让管片上下受力较大，产生变形，造成两侧距离变大，对于顶部较大变形的情况，会存在局部塌陷情况，造成顶部点云不光滑。
进一步的，图12示出了本发明实施例提供的管片错台分析方法的流程图。参见图12所示，上述步骤S16中，根据管片的位置信息和点云数据，对管片进行错台分析，得到隧道的结构检测结果，具体包括如下步骤：
步骤S1611，获取第一管片和第二管片的拟合结果；第一管片和第二管片为相邻管片；
错台分析可以理解为管片与管片拼装的错位情况，由于管片缝在拼装过程中不是精准的直线，为了避免单帧点云数据为管片缝处的点云数据，可以选取距离在管片缝位置，间隔10cm位置的两帧点云作为对比，既可以避免切入管片缝也可以避免进入内凹螺丝孔区域，还能真实的反应管片的拼装状况。经过上述拟合分析的方法，将上述选取的第一管片与第二管片的点云数据进行拟合分析，得到拟合结果，上述拟合结果包括拟合圆。
步骤S1612，通过拟合圆的方式，获得第一管片拟合结果与第二管片拟合结果的共同圆心；
通过上述步骤S1611可以得到的相邻管片最优的两帧点云数据，该最优的两帧点云数据可能会存在错位现象，需要对两帧点云数据进行匹配，使点云重合在一起。根据左右轨道的刚性特征，可以确定轨道的中心点，根据中心点的位置信息，可以将两帧点云叠合一起。
具体实施时，由于轨道的上部无遮挡，可以确定轨道顶部的大致范围，根据轨道顶部的范围向下偏移一定的距离，可以提出轨道腰部的点云，将得到的点云与真实的轨道点模型进行匹配，可以得到轨道中心的坐标。重复上述操作，直到两帧点云完成匹配，获得轨道中心点坐标，将点云进行偏置，即可将点云叠合在一起。将叠合在一起的两帧点云进行点云过滤，点云过滤的方法同管片拟合方法相似，过滤之后，通过拟合椭圆的方法，获得两帧点云的共同圆心。
步骤S1613，设置基准线，确定第一管片的拟合结果的点云距离基准线的距离，得到第一距离；确定第二管片的拟合结果的点云距离基准线的距离，得到第二距离；
需要对两帧点云进行对比，可以得到共同的基准线，其中基准线的值与隧道的设计直径保持一致。上述第一距离是第一管片的最优单帧点云中每个点云距离基准线的距离，上述第二距离是第二管片的最优单帧点云中每个点云距离基准线的距离。
步骤S1614，根据预设的点云分区，计算分区内第一距离与第二距离的差值；将差值的中值，确定为分区的最优解；
上述预设的点云分区可以是，将第一管片和第二管片的拟合圆，根据圆心可以将点云平均分成72份，每5°作为一个分割点，按每5°进行分区，判断每个分区内的点云个数是否满足阈值，满足则说明该分区有效，否则该分区视为空点。计算该分区内的第一距离与第二距离的差值，得到多差值，对差值进行排序，选取中值作为该分区内计算结果的最优值。
步骤S1615，若连续三个分区的最优解满足阈值，则确定第一管片和第二管片存在错台现象。
通过计算两帧点云最优的差值，每个有效的分区都可以得到一个最优值。由于单帧点云数据存在支架和管线影响，单个5°分区的差值往往可能为支架、电气设备和管线的错位量，极易造成误判，因此选取连续3个区间的最优解大于20mm差值的作为输出结果，确定第一管片和第二管片存在错台现象，可以避免上述情况的出现，准确的表达管片的错位量。其错台结果可以参见图13所示的隧道管片错台分析结果图。
进一步的，图14示出了本发明实施例提供的生成深度图的流程图。参见图14所示，生成深度图的具体包括如下步骤：
步骤S1402，计算图像信息中像素的距离信息；根据距离信息得到点云数据对应的深度图；
步骤S1404，生成隧道结构的点云数据对应的深度图。
上述距离信息为相应点云附近的相对距离信息，计算每一行像素前后多个像素的平均距离，当前像素的距离值减去平均距离作为新的距离值，循环上述操作，直到栅格内的距离信息被更新。然后将得到的距离信息转为RGB(RGB color mode，RGB色彩模式)信息，具体计算公式如下：
B＝(Sub-Min)÷(Max-Min)×255 (26)；
G＝(Sub-Min)÷(Max-Min)×255 (27)；
R＝(Sub-Min)÷(Max-Min)×255 (28)；
其中，B表示每个点RGB中的蓝色分量，G表示每个点RGB中的绿色分量，R表示每个点RGB中的红色分量，Min表示预设的距离信息的最小值，Max表示距离信息的最大值，最后根据RGB信息生成隧道结构的点云数据对应的深度图。
进一步的，图15示出了本发明实施例提供的检测隧道管片的脱落信息的方法流程图。参见图15所示，根据灰度图、深度图和隧道结构的点云数据对应的三维图，检测隧道管片的脱落信息，具体包括如下步骤：
步骤S1502，根据灰度图中各个区域的颜色、深度图中各个区域的深度或者根据三维图各个区域的凹陷情况，获取管片的脱落区域；
步骤S1504，根据管片的脱落区域，得到脱落区域的脱落信息。
隧道管片脱落的区域可以在灰度图，深度图和三维图进行查看，在灰度图上管片脱落的区域，颜色显示与周围不同，在深度图上管片脱落的区域，颜色显示为蓝色，其他位置显示为绿色，在三维图上管片脱落的区域，可以看到是凹陷的。可以联合灰度图，深度图和三维图，确认管片的脱落信息。
可以在软件界面通过鼠标左键，记录脱落区域的起始里程，拖动鼠标至了脱落区域的终止位置，则可以得到上述的管片脱落区域DeformArea。
脱落区域的里程信息DeformMile为脱落区域的中间里程，计算公式如下：
DeformMile＝f((EndMouseX+BegMouseX)÷2) (29)；
其中，EndMouseX表示脱落区域终止的横坐标，BegMouseX表示脱落区域起始的横坐标，f()表示图像横坐标和里程Mile的映射关系。
脱落区域的角度信息DeformAngle为脱落区域的中间角度，计算公式如下：
DeformAngle＝Height÷360×(EndMouseY+BegMouseY)÷2 (30)；
其中，Height表示图像的高度，EndMouseY表示脱落区域终止的纵坐标，BegMouseY表示脱落区域起始的纵坐标。
脱落区域的面积信息DeformArea为该区域的弧长DeformLength与里程差DeformMileSub的乘积，其计算公式如下：
Figure GDA0003105347610000211
DeformMileSub＝f(EndMouseX)-f(BegMouseX) (32)；
DeformArea＝DeformLength×DeformMileSub (33)；
脱落区域的深度信息DeformDeep计算公式如下：
DeformDeep＝DeformDist-DistN (34)；
其中，DeformDist表示脱落区域的最优距离，DistN表示N帧点云的最优距离。
通过手动添加脱落区域可以得到脱落区域的里程信息，角度信息，脱落区域面积和深度信息并保存至数据库。
为了进一步确认脱落区域，加载点云的前后多帧点云，还原真实的三维信息，可以观察得到点云脱落区域的点云与其他位置的点云不在一个平面，更确认此处为变形区域。某隧道管片检测结果报表如下表所示：
序号 里程 角度(°) 管片脱落面积(m<sup>2</sup>)
1 K1055+898.337 110 0.16
2 K1055+973.21 85 1.67
3 K1056+008.276 129 0.37
4 K1056+162.358 56 0.68
5 K1056+186.208 102 1.62
6 K1056+221.699 31 0.42
7 K1056+281.008 109 0.49
8 K1056+601.29 92 0.5
实施例二
参见上述方法实施例，本实施例提供了一种隧道结构检测装置，如图16所示，该装置包括：
点云数据获取模块161，用于获取隧道结构的点云数据；
灰度图生成模块162，用于生成隧道结构的点云数据对应的灰度图；
位置信息确定模块163，用于根据灰度图识别隧道中的管片，得到管片的位置信息；
结果确定模块164，用于根据管片的位置信息和点云数据，对管片进行拟合分析和错台分析，得到隧道的结构检测结果。
进一步的，上述灰度图生成模块还用于，将点云数据进行分段，得到多个分段点云数据；根据分段点云数据，通过拟合圆的方式，得到分段点云数据的拟合中心；根据预设的图像分辨率、预设的图像大小、分段点云数据的拟合中心和分段点云数据的坐标信息，得到分段点云数据对应的初始图像信息；通过像素邻域插值的方式，对初始图像信息进行插值处理，得到图像信息；根据图像信息，生成对应的灰度图。
进一步的，上述位置信息确定模块还用于，根据预设的管片宽度，对管片的位置信息进行初步采样，得到灰度图的采样区间；将灰度图的采样区间进行梯度化和二值化处理，得到管片的二值化值和管片缝的位置信息；根据管片的二值化值和管片缝的位置信息，识别隧道中的第二个管片；利用管片距离推算的方式，确定第一个管片的位置信息；通过预设精度采样的方式，获得除第一个管片以外的每个管片的位置信息。
进一步的，上述结果确定模块还用于，针对每个管片，获取当前管片的多帧点云数据；根据多帧点云数据的密度信息或距离信息，并通过拟合的方式，过滤多帧点云数据；对多帧点云数据进行最小二乘法求解，获得多个拟合信息；其中，拟合信息包括水平轴；将多个水平轴的中值作为拟合结果的最优解；根据最优解，确定最优点云数据；根据拟合结果的最优解和最优点云数据，重新拟合最优点云数据，得到当前管片的拟合结果；其中，拟合结果包括水平轴、长轴和偏转角；将水平轴、长轴、偏转角与实际设计值进行比较，得到当前管片的变形结果。
进一步的，上述结果确定模块还用于，获取第一管片和第二管片的拟合结果；第一管片和第二管片为相邻管片；通过拟合圆的方式，获得第一管片拟合结果与第二管片拟合结果的共同圆心；设置基准线，确定第一管片的拟合结果的点云距离基准线的距离，得到第一距离；确定第二管片的拟合结果的点云距离基准线的距离，得到第二距离；根据预设的点云分区，计算分区内第一距离与第二距离的差值；将差值的中值，确定为分区的最优解；若连续三个分区的最优解满足阈值，则确定第一管片和第二管片存在错台现象。
进一步的，上述装置还包括深度图生成模块，用于计算图像信息中像素的距离信息；根据距离信息得到点云数据对应的深度图；生成隧道结构的点云数据对应的深度图。
进一步的，上述装置还包括脱落信息检测模块，用于根据灰度图、深度图和隧道结构的点云数据对应的三维图，检测隧道管片的脱落信息。
进一步的，上述脱落信息检测模块还用于，根据灰度图中各个区域的颜色、深度图中各个区域的深度或者根据三维图各个区域的凹陷情况，获取管片的脱落区域；根据管片的脱落区域，得到脱落区域的脱落信息。
本发明实施例提供的一种隧道结构检测装置，获取隧道结构的点云数据；生成隧道结构的点云数据对应的灰度图；根据灰度图识别隧道中的管片，得到管片的位置信息；根据管片的位置信息和点云数据，对管片进行拟合分析和错台分析，得到隧道的结构检测结果。该方式中，通过对点云数据进行处理，识别隧道中的管片，并对管片进行拟合分析和错台分析，能够准确的检测隧道结构的变形程度，提高隧道结构变形检测的准确性和实用性。
本发明实施例提供的隧道结构检测装置，与上述实施例提供的隧道结构检测方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
参见图17所示的一种电子设备的结构示意图，电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108以及一个或多个图像采集设备110，这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意，图17所示的电子设备100的组件和结构只是示例性的，而非限制性的，根据需要，电子设备也可以具有其他组件和结构，或者电子设备还可以具有比图中所示更少的部件，或者电子设备还可以具有不同的部件布置。
处理器102可以是网关，也可以为智能终端，或者是包含中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元的设备，可以对电子设备100中的其它组件的数据进行处理，还可以控制电子设备100中的其它组件以执行期望的功能。
存储装置104可以包括一个或多个计算机程序产品，计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器102可以运行程序指令，以实现下文的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在计算机可读存储介质中还可以存储各种应用程序和各种数据，例如应用程序使用和/或产生的各种数据等。
输入装置106可以是用户用来输入指令的装置，并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
输出装置108可以向外部(例如，用户)输出各种信息(例如，图像或声音)，并且可以包括显示器、扬声器等中的一个或多个。
图像采集设备110可以采集预览视频帧或图片数据(如待识别图片或训练图片)，并且将采集到的预览视频帧或图像数据存储在存储装置104中以供其它组件使用。
示例性地，用于实现根据本发明实施例的隧道结构检测方法、装置、和电子设备的示例电子设备中的各器件可以集成设置，也可以分散设置，诸如将处理器102、存储装置104、输入装置106和输出装置108集成设置于一体，而将图像采集设备110设置于可以采集到图片的指定位置。当上述电子设备中的各器件集成设置时，该电子设备可以被实现为诸如相机、智能手机、平板电脑、计算机等智能终端。
本发明实施例所提供的隧道结构检测方法、装置和电子设备的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“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。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (9)

1.一种隧道结构检测方法，其特征在于，所述方法包括：
获取隧道结构的点云数据；
生成所述隧道结构的点云数据对应的灰度图；
根据所述灰度图识别所述隧道中的管片，得到所述管片的位置信息；
根据所述管片的位置信息和所述点云数据，对所述管片进行拟合分析和错台分析，得到所述隧道的结构检测结果；
根据所述灰度图识别所述隧道中的管片，得到所述管片的位置信息的步骤，包括：
根据预设的管片宽度，对所述管片的位置信息进行初步采样，得到所述灰度图的采样区间；
将所述灰度图的采样区间进行梯度化和二值化处理，得到所述管片的二值化值和管片缝的位置信息；
根据所述管片的二值化值和所述管片缝的位置信息，识别所述隧道中的第二个管片；
利用管片距离推算的方式，确定第一个管片的位置信息；所述第一个管片为所述隧道的起始位置的第一个管片；所述第一个管片与所述第二个管片所在的位置沿采集系统推行方向相邻；
通过预设精度采样的方式，获得除所述第一个管片以外的每个管片的位置信息。
2.根据权利要求1所述的方法，其特征在于，生成所述隧道结构的点云数据对应的灰度图的步骤，包括：
将所述点云数据进行分段，得到多个分段点云数据；
根据所述分段点云数据，通过拟合圆的方式，得到所述分段点云数据的拟合中心；
根据预设的图像分辨率、预设的图像大小、所述分段点云数据的拟合中心和所述分段点云数据的坐标信息，得到所述分段点云数据对应的初始图像信息；
通过像素邻域插值的方式，对所述初始图像信息进行插值处理，得到图像信息；
根据所述图像信息，生成对应的灰度图。
3.根据权利要求1所述的方法，其特征在于，根据所述管片的位置信息和所述点云数据，对所述管片进行拟合分析，得到所述隧道的结构检测结果的步骤，包括：
针对每个管片，获取当前管片的多帧点云数据；
根据所述多帧点云数据的密度信息或距离信息，并通过拟合的方式，过滤所述多帧点云数据；
对所述多帧点云数据进行最小二乘法求解，获得多个拟合信息；其中，所述拟合信息包括水平轴；
将多个所述水平轴的中值作为拟合结果的最优解；根据所述最优解，确定最优点云数据；
根据所述拟合结果的最优解和所述最优点云数据，重新拟合所述最优点云数据，得到所述当前管片的拟合结果；其中，所述拟合结果包括水平轴、长轴和偏转角；
将所述水平轴、所述长轴、所述偏转角与实际设计值进行比较，得到所述当前管片的变形结果。
4.根据权利要求3所述的方法，其特征在于，根据所述管片的位置信息和所述点云数据，对所述管片进行错台分析，得到所述隧道的结构检测结果的步骤，包括：
获取第一管片和第二管片的拟合结果；所述第一管片和所述第二管片为相邻管片；
通过拟合圆的方式，获得所述第一管片的拟合结果与所述第二管片的拟合结果的共同圆心；
设置基准线，确定所述第一管片的拟合结果的点云距离基准线的距离，得到第一距离；确定所述第二管片的拟合结果的点云距离基准线的距离，得到第二距离；其中，所述基准线与所述隧道的设计直径保持一致；
根据预设的点云分区，计算所述分区内所述第一距离与第二距离的差值；将所述差值的中值，确定为所述分区的最优解；
若连续三个分区的最优解满足阈值，则确定所述第一管片和第二管片存在错台现象。
5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
计算所述图像信息中像素的距离信息；根据所述距离信息得到所述点云数据对应的深度图；
生成所述隧道结构的点云数据对应的深度图。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：根据所述灰度图、所述深度图和隧道结构的点云数据对应的三维图，检测隧道管片的脱落信息。
7.根据权利要求6所述的方法，其特征在于，根据所述灰度图、所述深度图和所述三维图，检测隧道管片的脱落信息的步骤，包括：
根据所述灰度图中各个区域的颜色、所述深度图中各个区域的深度或者根据所述三维图中各个区域的凹陷情况，获取所述管片的脱落区域；
根据所述管片的脱落区域，得到所述脱落区域的脱落信息。
8.一种隧道结构检测装置，其特征在于，所述装置包括：
点云数据获取模块，用于获取隧道结构的点云数据；
灰度图生成模块，用于生成所述隧道结构的点云数据对应的灰度图；
位置信息确定模块，用于根据所述灰度图识别所述隧道中的管片，得到所述管片的位置信息；
结果确定模块，用于根据所述管片的位置信息和所述点云数据，对所述管片进行拟合分析和错台分析，得到所述隧道的结构检测结果；
所述位置信息确定模块，还用于：
根据预设的管片宽度，对所述管片的位置信息进行初步采样，得到所述灰度图的采样区间；
将所述灰度图的采样区间进行梯度化和二值化处理，得到所述管片的二值化值和管片缝的位置信息；
根据所述管片的二值化值和所述管片缝的位置信息，识别所述隧道中的第二个管片；
利用管片距离推算的方式，确定第一个管片的位置信息；所述第一个 管片为所述隧道的起始位置的第一个管片；所述第一个管片与所述第二个管片所在的位置沿采集系统推行方向相邻；
通过预设精度采样的方式，获得除所述第一个管片以外的每个管片的位置信息。
9.一种电子设备，其特征在于，所述电子设备包括：处理器和存储装置；
所述存储装置上存储有计算机程序，所述计算机程序在被所述处理器运行时执行如权利要求1至7任一项所述的隧道结构检测方法。
CN201911424761.9A 2019-12-31 2019-12-31 隧道结构检测方法、装置和电子设备 Active CN111102935B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911424761.9A CN111102935B (zh) 2019-12-31 2019-12-31 隧道结构检测方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911424761.9A CN111102935B (zh) 2019-12-31 2019-12-31 隧道结构检测方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN111102935A CN111102935A (zh) 2020-05-05
CN111102935B true CN111102935B (zh) 2021-09-28

Family

ID=70427321

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911424761.9A Active CN111102935B (zh) 2019-12-31 2019-12-31 隧道结构检测方法、装置和电子设备

Country Status (1)

Country Link
CN (1) CN111102935B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113311441B (zh) * 2020-12-22 2024-03-19 广东中科如铁技术有限公司 一种接触网定位器定位点的动态测量方法
CN112731440B (zh) * 2020-12-25 2023-10-13 中国铁道科学研究院集团有限公司 高速铁路边坡形变检测方法及装置
CN112528386B (zh) * 2020-12-31 2022-05-06 中铁建电气化局集团第三工程有限公司 地铁隧内接触网悬挂点位置无轨化精测方法
CN113625302B (zh) * 2021-09-03 2024-05-21 国网山东省电力公司济宁供电公司 基于手持式激光雷达的地下廊道危险区识别方法及系统
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
CN113848945B (zh) * 2021-10-20 2023-12-15 杭州越歌科技有限公司 一种管道孔洞检测方法、系统、存储介质及智能终端
CN114234832B (zh) * 2021-12-21 2023-09-29 中国铁路设计集团有限公司 一种基于标靶识别的隧道监控量测方法
CN114370828B (zh) * 2021-12-28 2023-06-20 中国铁路设计集团有限公司 基于激光扫描的盾构隧道直径收敛和径向错台检测方法
CN116858098B (zh) * 2023-08-15 2024-02-09 中国铁路经济规划研究院有限公司 一种建设期隧道多元信息自动化采集方法和系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110008402A (ko) * 2009-07-20 2011-01-27 김수언 비전센서 시스템의 터널 내부면 손상검사 방법
CN104457572A (zh) * 2014-12-04 2015-03-25 上海岩土工程勘察设计研究院有限公司 基于三维扫描技术提取盾构隧道错缝错台量的方法
JP2017058292A (ja) * 2015-09-17 2017-03-23 国立大学法人三重大学 変位計測方法および変位計測装置
CN108230442A (zh) * 2018-01-24 2018-06-29 上海岩土工程勘察设计研究院有限公司 一种盾构隧道三维仿真方法
CN108335291A (zh) * 2018-01-24 2018-07-27 上海岩土工程勘察设计研究院有限公司 一种隧道病害影像预处理方法
CN108362308A (zh) * 2018-01-19 2018-08-03 同济大学 一种利用隧道环缝的移动激光测量系统里程校正方法
CN109612406A (zh) * 2018-12-14 2019-04-12 中铁隧道局集团有限公司 一种盾构隧道拼装管片环拼装质量的随机检测方法
CN109712148A (zh) * 2018-12-19 2019-05-03 上海勘察设计研究院(集团)有限公司 基于盾构隧道影像的管片接缝位置自动识别方法
CN110322428A (zh) * 2019-05-07 2019-10-11 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
CN110411361A (zh) * 2019-05-15 2019-11-05 首都师范大学 一种移动隧道激光检测数据处理方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110008402A (ko) * 2009-07-20 2011-01-27 김수언 비전센서 시스템의 터널 내부면 손상검사 방법
CN104457572A (zh) * 2014-12-04 2015-03-25 上海岩土工程勘察设计研究院有限公司 基于三维扫描技术提取盾构隧道错缝错台量的方法
JP2017058292A (ja) * 2015-09-17 2017-03-23 国立大学法人三重大学 変位計測方法および変位計測装置
CN108362308A (zh) * 2018-01-19 2018-08-03 同济大学 一种利用隧道环缝的移动激光测量系统里程校正方法
CN108230442A (zh) * 2018-01-24 2018-06-29 上海岩土工程勘察设计研究院有限公司 一种盾构隧道三维仿真方法
CN108335291A (zh) * 2018-01-24 2018-07-27 上海岩土工程勘察设计研究院有限公司 一种隧道病害影像预处理方法
CN109612406A (zh) * 2018-12-14 2019-04-12 中铁隧道局集团有限公司 一种盾构隧道拼装管片环拼装质量的随机检测方法
CN109712148A (zh) * 2018-12-19 2019-05-03 上海勘察设计研究院(集团)有限公司 基于盾构隧道影像的管片接缝位置自动识别方法
CN110322428A (zh) * 2019-05-07 2019-10-11 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
CN110411361A (zh) * 2019-05-15 2019-11-05 首都师范大学 一种移动隧道激光检测数据处理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"基于移动三维激光扫描的盾构隧道断面提取与应用";虞伟家;《测绘通报》;20190901;第200-206页 *
虞伟家."基于移动三维激光扫描的盾构隧道断面提取与应用".《测绘通报》.2019, *

Also Published As

Publication number Publication date
CN111102935A (zh) 2020-05-05

Similar Documents

Publication Publication Date Title
CN111102935B (zh) 隧道结构检测方法、装置和电子设备
JP5343042B2 (ja) 点群データ処理装置および点群データ処理プログラム
US8884962B2 (en) Computer arrangement for and method of matching location data of different sources
JP5593177B2 (ja) 点群位置データ処理装置、点群位置データ処理方法、点群位置データ処理システム、および点群位置データ処理プログラム
JP6456141B2 (ja) 地図データの生成
CN109816708B (zh) 基于倾斜航空影像的建筑物纹理提取方法
WO2018061010A1 (en) Point cloud transforming in large-scale urban modelling
JP2002157576A (ja) ステレオ画像処理装置及びステレオ画像処理方法並びにステレオ画像処理用プログラムを記録した記録媒体
CN101529202A (zh) 用于处理与建筑立面有关的激光扫描样本和数字摄影图像的系统和方法
JP6534296B2 (ja) ３次元モデル生成装置、３次元モデル生成方法、及びプログラム
Kang et al. The change detection of building models using epochs of terrestrial point clouds
KR101549155B1 (ko) 라이다 자료를 활용한 구조물의 직선경계 추출방법
JP2001067463A (ja) 異なる視点からの複数のフェイシャル画像に基づき新たな視点からのフェイシャル画像を生成するフェイシャル画像生成装置及び方法並びにその応用装置及び記録媒体
JP4568845B2 (ja) 変化領域認識装置
JP2020509370A5 (zh)
CN113160410A (zh) 一种实景三维精细化建模方法及系统
CN112233056A (zh) 一种多源数据的点云融合方法、装置和存储介质
CN112258474A (zh) 一种墙面异常检测方法和装置
CN116051980B (zh) 基于倾斜摄影的建筑识别方法、系统、电子设备及介质
JP3966419B2 (ja) 変化領域認識装置および変化認識システム
Feng et al. Assessment of influence of image processing on fully automatic UAV photogrammetry
Rottensteiner Roof plane segmentation by combining multiple images and point clouds
KR101907057B1 (ko) 구면 모델링을 통한 깊이 정보 보정 방법과 보정장치
CN116485636B (zh) 一种点云立面成像方法、系统及可读存储介质
Arefi et al. Ridge based decomposition of complex buildings for 3D model generation from high resolution digital surface models

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230613

Address after: 433000, No. 6, 7th Floor, Building 1, Building 1, Wudahui Garden, National Geospatial Information Industry Base Phase V, South of Daxue Garden Road, Donghu Development Zone, Wuhan City, Hubei Province

Patentee after: WUHAN HIRAIL PROFILING TECHNOLOGY CO.,LTD.

Patentee after: WUHAN University

Address before: 430000 phase V of National Geospatial Information Industry base south of University Park Road, East Lake New Technology Development Zone, Wuhan, Hubei Province -- No. 6, floor 7, building 1, Wuda Huiyuan

Patentee before: WUHAN HIRAIL PROFILING TECHNOLOGY CO.,LTD.