CN111429430A - 基于机器视觉的隧道检测车尺寸映射关系计算方法 - Google Patents

基于机器视觉的隧道检测车尺寸映射关系计算方法 Download PDF

Info

Publication number
CN111429430A
CN111429430A CN202010206703.5A CN202010206703A CN111429430A CN 111429430 A CN111429430 A CN 111429430A CN 202010206703 A CN202010206703 A CN 202010206703A CN 111429430 A CN111429430 A CN 111429430A
Authority
CN
China
Prior art keywords
image
camera
size
coordinate system
tunnel
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.)
Granted
Application number
CN202010206703.5A
Other languages
English (en)
Other versions
CN111429430B (zh
Inventor
谢雄耀
王皓正
周彪
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.)
Tongji University
Original Assignee
Tongji University
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 Tongji University filed Critical Tongji University
Priority to CN202010206703.5A priority Critical patent/CN111429430B/zh
Publication of CN111429430A publication Critical patent/CN111429430A/zh
Application granted granted Critical
Publication of CN111429430B publication Critical patent/CN111429430B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods

Landscapes

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

Abstract

本发明提供一种基于机器视觉的隧道检测车尺寸映射关系计算方法，利用双目视觉原理，在检测后对检测车上两相邻相机进行标定，从对应相机获取图像的公共区域选取衬砌上的任一第一特征点，计算第一特征点相对相机的位置关系以推算检测车与衬砌的位置关系，进而计算各相机相对衬砌的距离，标定图像尺寸与实际尺寸的映射参数与相机相对衬砌距离的关系，从而直接依据病害图像尺寸计算出实际的大小。本发明的一种基于机器视觉的隧道检测车尺寸映射关系计算方法，利用双目视觉原理，可直接依据病害图像尺寸计算出实际尺寸的大小。

Description

基于机器视觉的隧道检测车尺寸映射关系计算方法
技术领域
本发明涉及隧道检测领域，尤其涉及一种基于机器视觉的隧道检测车尺寸映射关系计算方法。
背景技术
现有的隧道衬砌病害检测主要以人工检测为主，通过检测人员在隧道现场进行检查，对衬砌病害进行拍照、测量、记录。这种方法不仅检测速度慢，而且对检测人员的经验依赖性极强，有较大的主观性。此外，检测人员在隧道进行检测时，隧道内通行的社会车辆不可避免会对检测作业产生影响，存在一定安全隐患。因此，利用集成有相机群的隧道检测车，实现对隧道衬砌病害的自动化检测变得愈发迫切。
隧道检测车作业流程为：首先依据隧道信息设定相机群镜头参数，然后车辆在隧道内行驶以采集隧道衬砌图片，在图片采集完成后，选取带有病害的图片并在图片上测量病害尺寸、提取病害参数，从而实现对隧道衬砌的检测。在提取图像病害参数的过程中，为计算病害实际大小，需要建立图像尺寸与实际尺寸的映射关系。传统的做法是在衬砌上粘贴标定板，通过对比标定板在图像上的大小与标定板实际大小，直接计算出映射关系，或在相机周围安装激光测距仪，测量出相机与衬砌间距离，利用小孔成像原理间接计算映射关系。粘贴标定板的方式增加了外业工作量，减慢了检测速度，而激光测距仪通常价格昂贵，增加了检测车的制造成本，且需要将激光测距仪获取的距离数据与此时所采集的图像建立对应关系，进一步增加了系统的开发难度。
发明内容
针对上述现有技术中的不足，本发明提供一种基于机器视觉的隧道检测车尺寸映射关系计算方法，利用双目视觉原理，可直接依据病害图像尺寸计算出实际尺寸的大小。
为了实现上述目的，本发明提供一种基于机器视觉的隧道检测车尺寸映射关系计算方法，包括步骤：
S1：在一检测车的两侧和顶部分别安装多个相机，利用所述检测车在一隧道内进行衬砌图像采集，并记录各相机的旋转角度、对焦值和缩放值；
S2：选取多个所述相机中的任一相机，以所述相机镜头中心为原点，竖直向上为X轴正方向，所述检测车前进方向为Y轴正方向，垂直于X轴和Y轴并指向衬砌为Z轴正方向，建立一世界坐标系；
S3：对所选取的所述相机和其相邻的一个相机进行双目视觉标定，计算两所述相机的图像坐标系到所述世界坐标系的一转换公式的参数；所述图像坐标系为所述相机拍摄图像中建立的二维直角坐标系；
S4：在选取的两相邻所述相机采集图片的重合区域选取衬砌上的第一特征点，利用所述图像坐标系到所述世界坐标系的转换公式，计算所述第一特征点在所述世界坐标系中的坐标；
S5：在所述世界坐标系的X-Z平面内，根据实际坐标绘制所述检测车的车轮、所有所述相机和所述第一特征点作为检测车图块；根据所述隧道的设计图纸，绘制所述隧道的内轮廓线作为隧道图块；
S6：将检测车图块中所述车轮底部放置于所述隧道图块中路面的顶部后，沿所述世界坐标系的Z轴正负方向移动所述检测车图块，直至所述第一特征点与所述隧道的内轮廓线重合，获得检测车与衬砌位置关系图；
S7：根据所述相机的所述旋转角度，在所述检测车与衬砌位置关系图上沿各所述相机的对准角度，绘制各所述相机的主光线，将所述主光线与所述衬砌的交点作为入射点，测量所述入射点与对应所述相机镜头间的距离作为所述相机的像距；
S8：对各所述相机在对应所述像距、所述对焦值和所述缩放值下的拍摄图像的图像尺寸与实际尺寸的映射关系进行标定，根据图像上的病害尺寸计算出病害的实际尺寸。
优选地，所述S3步骤进一步包括步骤：
S31：对所选取的所述相机和其相邻的一个相机对同一标定板进行拍摄；
S32：记录所述标定板上多个第二特征点在所述世界坐标系下的世界坐标，并在所述相机拍摄的标定板图像上，提取与所述第二特征点对应的图像坐标；
S33：将所述第二特征点的所述世界坐标和所述图像坐标代入所述图像坐标系到所述世界坐标系的转换公式，计算获得所述转换公式的参数。
优选地，所述S8步骤进一步包括步骤：
S81：对各所述相机在对应所述像距、所述对焦值和所述缩放值下的拍摄图像的图像尺寸与实际尺寸的映射关系进行标定，获得所述图像尺寸和所述实际尺寸的转换关系；
S82：在所述拍摄图像中直接量取所述病害的图像尺寸；
S83：根据所述转换关系计算出所述病害的实际尺寸。
本发明由于采用了以上技术方案，使其具有以下有益效果：
利用双目视觉原理，根据隧道检测车两相邻相机所采集的照片自动计算相机镜头与衬砌之间的位置关系，进而推算出所有相机与衬砌之间的距离，以建立病害图像尺寸与实际尺寸间的映射关系，在减少检测现场作业工作量、提高检测速度、降低系统开发成本的同时，提高了隧道检测车相机群进行隧道表观病害检测的精确度和系统的可用性。
附图说明
图1为本发明实施例的基于机器视觉的隧道检测车尺寸映射关系计算方法的流程图；
图2为本发明实施例的基于机器视觉的隧道检测车尺寸映射关系计算方法的测量示意图。
具体实施方式
下面根据附图1和图2，给出本发明的较佳实施例，并予以详细描述，使能更好地理解本发明的功能、特点。
请参阅图1和图2，本发明实施例的一种基于机器视觉的隧道检测车尺寸映射关系计算方法，包括步骤：
S1：在一检测车1的两侧和顶部分别安装多个相机2，利用检测车1在一隧道3内进行衬砌图像采集，并记录各相机2的旋转角度、对焦值和缩放值；
S2：选取多个相机2中的任一相机2，以相机2镜头中心为原点，竖直向上为X轴正方向，检测车1前进方向为Y轴正方向，垂直于X轴和Y轴并指向衬砌为Z轴正方向，建立一世界坐标系；
S3：对所选取的相机2和其相邻的一个相机2进行双目视觉标定，计算两相机2的图像坐标系到世界坐标系的一转换公式(1)的参数；图像坐标系为相机2拍摄图像中建立的二维直角坐标系；
其中，S3步骤进一步包括步骤：
S31：对所选取的相机2和其相邻的一个相机2对同一标定板进行拍摄；
S32：记录标定板上6个第二特征点在世界坐标系下的世界坐标，并在相机2拍摄的标定板图像上，提取与第二特征点对应的图像坐标；
S33：将第二特征点的世界坐标和图像坐标代入图像坐标系到世界坐标系的转换公式(1)，计算获得转换公式的参数。
Figure BDA0002421357220000051
式中：u，v为第二特征点在图像坐标系下的坐标；
ZC为相机到第二特征点的距离；
dx，dy为图像内每像素横纵坐标实际宽度；
u0，v0为图像中心在图像坐标系下坐标；
R为3×3阶旋转矩阵；
T为3×1阶平移矩阵
XW，YW，Zw为第二特征点在所建立世界坐标系下坐标。
利用消去各相机ZC后的12个等式，组成方程组，计算相机2参数矩阵内参数mij，i＝1-3，j＝1-4。
S4：在选取的两相邻相机2采集图片的重合区域选取衬砌上的第一特征点4，利用图像坐标系到世界坐标系的转换公式(2)，计算第一特征点4在世界坐标系中的坐标；
由于拼接需要，在相邻相机2拍摄的图片内有约10cm宽的重合区域，在完成双目视觉标定的两相机拍摄图片的重合区域内，在衬砌上任选一第一特征点。测量在两相机2图像坐标系下，重合区域第一特征点的坐标，分别带入两相机2图像坐标转世界坐标转换公式(2)：
Figure BDA0002421357220000061
分别在两相机2图像坐标转世界坐标转换公式中消去ZC：
XWm1，11+YWm1，22+ZWm1，13+m1，14-u1Xwm1，31-u1YWm1，32-u1ZWm1，33＝u1m1，34(3)
XWm1，21+YWm1，22+ZWm1，23+m1，24-v1XWm1，31-v1YWm1，32-v1ZWm1，33＝v1m1，34(4)
XWm2，11+YWm2，22+ZWm2，13+m2，，14-u2XWm2，31-u2YWm2，32-u2ZWm2，33＝u2m2，34(5)
XWm2，21+YWm2，22+ZWm2，23+m2，24-v2XWm2，31-v2YWm2，32-v2ZWm2，33＝v2m2，34(6)
联立式(3)-(6)，利用最小二乘法计算特征点世界坐标(XW，Yw，ZW)。
S5：在世界坐标系的X-Z平面内，根据实际坐标绘制检测车1的车轮、所有相机2和第一特征点4作为检测车图块；根据隧道的设计图纸，绘制隧道的内轮廓线作为隧道图块；
S6：将检测车图块中车轮底部放置于隧道图块中路面的顶部后，沿世界坐标系的Z轴正负方向移动检测车图块，直至第一特征点4与隧道3的内轮廓线重合，获得检测车与衬砌位置关系图；
S7：根据相机2的旋转角度，在检测车与衬砌位置关系图上沿各相机2的对准角度，绘制各相机2的主光线5，将主光线5与衬砌的交点作为入射点，测量入射点与对应相机2镜头间的距离作为相机2的像距；
S8：对各相机2在对应像距、对焦值和缩放值下的拍摄图像的图像尺寸与实际尺寸的映射关系进行标定，根据图像上的病害尺寸计算出病害的实际尺寸。
其中，S8步骤进一步包括步骤：
S81：对各相机2在对应像距、对焦值和缩放值下的拍摄图像的图像尺寸与实际尺寸的映射关系进行标定，获得图像尺寸和实际尺寸的转换关系；
S82：在拍摄图像中直接量取病害的图像尺寸；
S83：根据转换关系计算出病害的实际尺寸。
本发明实施例的一种基于机器视觉的隧道检测车尺寸映射关系计算方法，利用双目视觉原理，在检测后对检测车1上两相邻相机2进行标定，从对应相机2获取图像的公共区域选取衬砌上的任一第一特征点，计算第一特征点相对相机2的位置关系以推算检测车1与衬砌的位置关系，进而计算各相机2相对衬砌的距离，标定图像尺寸与实际尺寸的映射参数与相机2相对衬砌距离的关系，从而直接依据病害图像尺寸计算出实际的大小。
以上结合附图实施例对本发明进行了详细说明，本领域中普通技术人员可根据上述说明对本发明做出种种变化例。因而，实施例中的某些细节不应构成对本发明的限定，本发明将以所附权利要求书界定的范围作为本发明的保护范围。

Claims (3)

1.一种基于机器视觉的隧道检测车尺寸映射关系计算方法，包括步骤：
S1：在一检测车的两侧和顶部分别安装多个相机，利用所述检测车在一隧道内进行衬砌图像采集，并记录各相机的旋转角度、对焦值和缩放值；
S2：选取多个所述相机中的任一相机，以所述相机镜头中心为原点，竖直向上为X轴正方向，所述检测车前进方向为Y轴正方向，垂直于X轴和Y轴并指向衬砌为Z轴正方向，建立一世界坐标系；
S3：对所选取的所述相机和其相邻的一个相机进行双目视觉标定，计算两所述相机的图像坐标系到所述世界坐标系的一转换公式的参数；所述图像坐标系为所述相机拍摄图像中建立的二维直角坐标系；
S4：在选取的两相邻所述相机采集图片的重合区域选取衬砌上的第一特征点，利用所述图像坐标系到所述世界坐标系的转换公式，计算所述第一特征点在所述世界坐标系中的坐标；
S5：在所述世界坐标系的X-Z平面内，根据实际坐标绘制所述检测车的车轮、所有所述相机和所述第一特征点作为检测车图块；根据所述隧道的设计图纸，绘制所述隧道的内轮廓线作为隧道图块；
S6：将检测车图块中所述车轮底部放置于所述隧道图块中路面的顶部后，沿所述世界坐标系的Z轴正负方向移动所述检测车图块，直至所述第一特征点与所述隧道的内轮廓线重合，获得检测车与衬砌位置关系图；
S7：根据所述相机的所述旋转角度，在所述检测车与衬砌位置关系图上沿各所述相机的对准角度，绘制各所述相机的主光线，将所述主光线与所述衬砌的交点作为入射点，测量所述入射点与对应所述相机镜头间的距离作为所述相机的像距；
S8：对各所述相机在对应所述像距、所述对焦值和所述缩放值下的拍摄图像的图像尺寸与实际尺寸的映射关系进行标定，根据图像上的病害尺寸计算出病害的实际尺寸。
2.根据权利要求1所述的基于机器视觉的隧道检测车尺寸映射关系计算方法，其特征在于，所述S3步骤进一步包括步骤：
S31：对所选取的所述相机和其相邻的一个相机对同一标定板进行拍摄；
S32：记录所述标定板上多个第二特征点在所述世界坐标系下的世界坐标，并在所述相机拍摄的标定板图像上，提取与所述第二特征点对应的图像坐标；
S33：将所述第二特征点的所述世界坐标和所述图像坐标代入所述图像坐标系到所述世界坐标系的转换公式，计算获得所述转换公式的参数。
3.根据权利要求2所述的基于机器视觉的隧道检测车尺寸映射关系计算方法，其特征在于，所述S8步骤进一步包括步骤：
S81：对各所述相机在对应所述像距、所述对焦值和所述缩放值下的拍摄图像的图像尺寸与实际尺寸的映射关系进行标定，获得所述图像尺寸和所述实际尺寸的转换关系；
S82：在所述拍摄图像中直接量取所述病害的图像尺寸；
S83：根据所述转换关系计算出所述病害的实际尺寸。
CN202010206703.5A 2020-03-23 2020-03-23 基于机器视觉的隧道检测车尺寸映射关系计算方法 Active CN111429430B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010206703.5A CN111429430B (zh) 2020-03-23 2020-03-23 基于机器视觉的隧道检测车尺寸映射关系计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010206703.5A CN111429430B (zh) 2020-03-23 2020-03-23 基于机器视觉的隧道检测车尺寸映射关系计算方法

Publications (2)

Publication Number Publication Date
CN111429430A true CN111429430A (zh) 2020-07-17
CN111429430B CN111429430B (zh) 2022-03-25

Family

ID=71548648

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010206703.5A Active CN111429430B (zh) 2020-03-23 2020-03-23 基于机器视觉的隧道检测车尺寸映射关系计算方法

Country Status (1)

Country Link
CN (1) CN111429430B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112924960A (zh) * 2021-01-29 2021-06-08 重庆长安汽车股份有限公司 目标尺寸实时检测方法、系统、车辆及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550995A (zh) * 2016-01-27 2016-05-04 武汉武大卓越科技有限责任公司 隧道影像拼接方法及系统
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
CN106841216A (zh) * 2017-02-28 2017-06-13 浙江工业大学 基于全景图像cnn的隧道病害自动识别装置
CN109146791A (zh) * 2018-09-04 2019-01-04 上海同岩土木工程科技股份有限公司 一种基于面阵ccd成像的隧道展布图生成方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550995A (zh) * 2016-01-27 2016-05-04 武汉武大卓越科技有限责任公司 隧道影像拼接方法及系统
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
CN106841216A (zh) * 2017-02-28 2017-06-13 浙江工业大学 基于全景图像cnn的隧道病害自动识别装置
CN109146791A (zh) * 2018-09-04 2019-01-04 上海同岩土木工程科技股份有限公司 一种基于面阵ccd成像的隧道展布图生成方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
李永强 等: "摄像测量技术在隧道衬砌检测中的应用", 《福建建设科技》 *
薛亚东 等: "基于深度学习的盾构隧道衬砌病害识别方法", 《海南大学学报》 *
谢雄耀 等: "山岭隧道结构裂缝特征自动化提取算法研究", 《地下空间与工程学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112924960A (zh) * 2021-01-29 2021-06-08 重庆长安汽车股份有限公司 目标尺寸实时检测方法、系统、车辆及存储介质
CN112924960B (zh) * 2021-01-29 2023-07-18 重庆长安汽车股份有限公司 目标尺寸实时检测方法、系统、车辆及存储介质

Also Published As

Publication number Publication date
CN111429430B (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
CN109509230B (zh) 一种应用于多镜头组合式全景相机的slam方法
CN110322702B (zh) 一种基于双目立体视觉系统的车辆智能测速方法
WO2021004312A1 (zh) 一种基于双目立体视觉系统的车辆智能测轨迹方法
CN110031829B (zh) 一种基于单目视觉的目标精准测距方法
WO2018103408A1 (zh) 一种无人机勘查交通事故现场的航拍图像采集方法及系统
CN102034238B (zh) 基于光学成像测头和视觉图结构的多摄像机系统标定方法
CN105716542B (zh) 一种基于柔性特征点的三维数据拼接方法
CN103530880B (zh) 基于投影高斯网格图案的摄像机标定方法
CN102768762B (zh) 一种针对盾构隧道病害数字照相检测的数码相机标定方法及其装置
CN102155923A (zh) 基于立体靶标的拼接测量方法及系统
CN110033489A (zh) 一种车辆定位准确性的评估方法、装置及设备
CN106996748A (zh) 一种基于双目视觉的轮径测量方法
CN108362205B (zh) 基于条纹投影的空间测距方法
CN110444043B (zh) 一种基于定位技术的停车位巡检系统及其方法
CN111091076B (zh) 基于立体视觉的隧道限界数据测量方法
CN113971768A (zh) 一种基于无人机的输电线路违章建筑三维动态检测方法
CN110415299B (zh) 一种运动约束下基于设定路牌的车辆位置估计方法
CN209181784U (zh) 一种应用于自动泊车系统的视频量测装置
CN105163065A (zh) 一种基于摄像机前端处理的交通测速方法
CN109883433B (zh) 基于360度全景视图的结构化环境中车辆定位方法
CN113947638B (zh) 鱼眼相机影像正射纠正方法
CN116129067A (zh) 一种基于多源地理信息耦合的城市实景三维建模方法
CN115578315A (zh) 一种基于无人机图像的桥梁应变近景摄影测量方法
CN111429430B (zh) 基于机器视觉的隧道检测车尺寸映射关系计算方法
CN110044266B (zh) 基于散斑投影的摄影测量系统

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
GR01 Patent grant
GR01 Patent grant