CN112508866B - 基于机器视觉与数字图像处理的岩体裂隙分析系统及方法 - Google Patents

基于机器视觉与数字图像处理的岩体裂隙分析系统及方法 Download PDF

Info

Publication number
CN112508866B
CN112508866B CN202011321533.1A CN202011321533A CN112508866B CN 112508866 B CN112508866 B CN 112508866B CN 202011321533 A CN202011321533 A CN 202011321533A CN 112508866 B CN112508866 B CN 112508866B
Authority
CN
China
Prior art keywords
fracture
unit
crack
module
skeleton
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
CN202011321533.1A
Other languages
English (en)
Other versions
CN112508866A (zh
Inventor
王军祥
曾相森
郭连军
陈四利
徐晨晖
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.)
Shenyang University of Technology
Original Assignee
Shenyang University of Technology
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 Shenyang University of Technology filed Critical Shenyang University of Technology
Priority to CN202011321533.1A priority Critical patent/CN112508866B/zh
Publication of CN112508866A publication Critical patent/CN112508866A/zh
Application granted granted Critical
Publication of CN112508866B publication Critical patent/CN112508866B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • 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
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • 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
    • G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于机器视觉与数字图像处理的岩体裂隙分析系统及其方法，该系统包括：基础模块、裂隙分割模块、裂隙骨架提取模块、裂隙宽度提取模块、裂隙倾角提取模块、裂隙面积计算模块、裂隙轮廓提取模块、裂隙长度提取模块和系统底层硬件。本发明解决采用人工方法获取岩体裂隙检测的岩体裂隙结构信息的效率低、误差大等问题，且现有的图像采集系统不适用于岩体裂隙采集与分析的问题。

Description

基于机器视觉与数字图像处理的岩体裂隙分析系统及方法
技术领域
本发明涉及岩石工程领域岩体裂隙检测技术领域，尤其涉及一种基于机器视觉与数字图像处理的岩体裂隙分析系统及方法。
背景技术
在地下金属矿山开采、深部地下工程建设、水利水电工程修建过程中，在开挖扰动下围岩应力场进行二次分布，出现的裂隙给岩石工程安全性和稳定性带来重大影响。对于岩体裂隙的检测，具有工序复杂，人工测量误差大，很难定量描述的特点，要查看现场某条裂隙的面积、长度、宽度、角度等特征，需要进行非常复杂的工作。
对于岩体裂隙检测的岩体裂隙结构信息获取还采用人工方法，该方法多以工程地质人员的现场经验为主，有很多缺陷，一方面由于传统的直接观察法，以罗盘和皮尺为主要工具，对现场进行估测，不仅效率低下、条件艰苦，而且只能获得人接触到的区域内的信息，信息量也极为有限，而且存在着个体测量误差；另一方面技术人员可能会对数据的误读和误录，使得岩体性质状况评价与实际结果产生较大的偏差，或者对数据记录格式的不正确，导致后续一系列工作变得更加困难。由于岩土裂隙形态各异，对裂隙的智能识别与分析都有较大困难，现有的算法研究较难实现裂隙矢量化。
目前，由于大部分图像采集系统，都不能脱离上位机独立工作，这些设备大多基于PC，并且体积大，功率高，价格昂贵，安装困难。如果应用于岩体裂隙采集与分析，这些设备的使用都比较困难。如果在人不能抵达的区域，这一切都将变得更加困难。
发明内容：
发明目的：
本发明提供一种基于机器视觉与数字图像处理的岩体裂隙分析系统及方法，其目的在于解决采用人工方法获取岩体裂隙检测的岩体裂隙结构信息的效率低、误差大等问题，且现有的图像采集系统不适用于岩体裂隙采集与分析的问题。
技术方案：
一种基于机器视觉与数字图像处理的岩体裂隙分析系统，该系统包括：基础模块、裂隙分割模块、裂隙骨架提取模块、裂隙宽度提取模块、裂隙倾角提取模块、裂隙面积计算模块、裂隙轮廓提取模块、裂隙长度提取模块和系统底层硬件；
基础模块与系统底层硬件对接，基础模块分别与裂隙分割模块、裂隙骨架提取模块、裂隙宽度提取模块、裂隙倾角提取模块、裂隙面积计算模块、裂隙轮廓提取模块和裂隙长度提取模块连接；裂隙分割模块分别与裂隙骨架提取模块、裂隙面积计算模块和裂隙轮廓提取模块连接；裂隙骨架提取模块分别与裂隙宽度提取模块、裂隙倾角提取模块和裂隙长度提取模块连接；裂隙宽度提取模块和裂隙轮廓提取模块连接；
所述基础模块用于图像采集、缓存、控制和配置设备基础信息；
所述裂隙分割模块用于显示裂隙分割状况；
所述裂隙骨架提取模块用于显示裂隙骨架提取状况；
所述裂隙宽度提取模块用于显示裂隙宽度提取状况；
所述裂隙倾角提取模块用于显示裂隙角度提取状况；
裂隙面积计算模块用于显示裂隙面积提取状况；
系统底层硬件用于提供软件运行的支撑环境，提供人机交互接口；
裂隙轮廓提取模块用于显示裂隙轮廓提取状况；
裂隙长度提取模块用于显示裂隙长度提取状况。
基础模块上设置有图像采集单元、图像拷贝单元、图像存储单元、设备指标配置单元、信息显示单元和设备控制单元；图像采集单元与摄像头相连；图像拷贝单元分别与裂隙分割模块、裂隙骨架提取模块、裂隙宽度提取模块、裂隙倾角提取模块、裂隙轮廓提取模块和裂隙长度提取模块连接；图像存储单元与存储器相连；设备指标配置单元与摄像头、存储器、显示器、控制器相连，信息显示单元与显示器相连，设备控制单元和控制器相连接；
裂隙分割模块包括裂隙阈值粗分割单元、噪声抑制单元和裂隙信息提取单元；所述噪声抑制单元连接于裂隙阈值粗分割单元之后；所述裂隙信息提取单元连接于噪声抑制单元之后；
裂隙骨架提取模块包括骨架粗提取单元和骨架剪枝单元；所述骨架剪枝单元连接于骨架粗提取单元后；
裂隙骨架提取模块的骨架粗提取单元连接基础模块的图像拷贝单元，裂隙骨架提取模块的骨架剪枝单元连接基础模块的图像拷贝单元；
裂隙宽度提取模块包括宽度骨架切线计算单元、骨架点法线计算单元、骨架点宽度计算单元；所述骨架点法线计算单元连接于宽度骨架切线计算单元后；所述骨架点宽度计算单元连接于骨架点宽度计算单元后；
裂隙宽度提取模块的宽度骨架切线计算单元连接基础模块的图像拷贝单元，裂隙宽度提取模块的骨架点宽度计算单元连接基础模块的图像拷贝单元；
裂隙倾角提取模块包括倾角骨架切线计算单元、骨架点角度统计单元；所述骨架点角度统计单元连接于倾角骨架切线计算单元后；
裂隙倾角提取模块的倾角骨架切线计算单元连接基础模块的图像拷贝单元，裂隙倾角提取模块的骨架点角度统计单元连接基础模块的图像拷贝单元。一种基于机器视觉与数字图像处理的岩体裂隙分析的方法，包括以下步骤：
步骤1：根据所需参数，进行设备指标配置和设备初始化；
步骤2：将摄像头的图像通过图像采集单元采集到内存上；
步骤3：将上述步骤2中的图像拷贝到裂隙阈值粗分割单元中，进行粗分割，将裂隙分割出来，得到裂隙粗分割结果；
步骤4：将裂隙粗分割结果送入噪声抑制单元，通过抑制噪声区域，获得最终裂隙图像；
步骤5：将上述步骤4中获得的裂隙图像存入存储器中，并将其送入裂隙信息提取单元，获得各条裂隙的原始裂隙信息包；
步骤6：将上述步骤5中获得的原始裂隙信息包及存入存储器的裂隙图像输入到裂隙面积计算模块中，通过求取各条裂隙的连通域的像素个数，得到其面积，并将面积信息更新到裂隙信息提取单元中，得到面积更新的裂隙信息包；
步骤7：将步骤6中面积更新的裂隙信息包及步骤5中存入存储器的裂隙图像输入到裂隙骨架提取模块中的骨架粗提取单元中进行骨架粗提取，得到粗骨架，将结果输入到骨架剪枝单元中进行剪枝，获得主骨架；将主骨架的坐标所有点连续更新到裂隙信息提取单元中，得到骨架更新的裂隙信息包；
步骤8：将步骤7中骨架更新的裂隙信息包及步骤5中存入存储器的裂隙图像输入到裂隙轮廓提取模块中进行轮廓提取，并连续提取所有轮廓点位置信息，打包到裂隙信息提取单元中，得到轮廓更新的裂隙信息包；
步骤9：将步骤8中轮廓更新的裂隙信息包及步骤5中存入存储器的裂隙图像输入到裂隙宽度提取模块中的骨架切线计算单元中进行骨架拟合，并计算各骨架点切线，然后将结果送入骨架点宽度计算单元计算各骨架点所在位置的宽度，求出平均宽度作为裂隙宽度，并打包到裂隙信息提取单元中，得到宽度更新的裂隙信息包；
步骤10：将上述步骤9中宽度更新的裂隙信息包输入到裂隙长度提取模块中进行主骨架长度计算，并计算结果作为裂隙长度，打包到裂隙信息提取单元中，得到长度更新的裂隙信息包；
步骤11：将上述步骤10中长度更新的裂隙信息包输入到裂隙倾角提取模块中的骨架切线计算单元中进行骨架拟合，并计算各骨架点切线，然后将结果送入骨架点角度统计单元计算骨架平均倾角作为裂隙角度，并打包到裂隙信息提取单元中，得到角度更新的裂隙信息包，最终获得岩体裂隙结构信息；
步骤3具体步骤为：
步骤3.1：将步骤2中的图像拷贝到裂隙阈值粗分割单元中，进行图像灰度化和图像直方图统计；
步骤3.2：将步骤3.1中的图像统计直方图进行二级HARR小波变换，得到统计直方图HARR小波变换的低频结果；
步骤3.3：根据步骤3.2中的统计直方图HARR小波变换的低频结果，选取平滑滤波器及滤波半径对数据进行平滑，得到结果统计直方图；
步骤3.4：对步骤3.3中的结果统计直方图进行极值冲击检测，得到极值分布数组；
步骤3.5：根据步骤3.4中的极值分布数组，采用极值冲击响应模型求其系统冲击响应，得到极值冲击响应结果；
步骤3.6：得到上述步骤3.5中极值冲击响应结果，求得系统响应第二次下降为0时的位置，根据响应位置求得此前最近一次的极小值，将其作为阈值；
步骤3.7：将步骤3.6中的阈值，进行HARR小波逆变换，将其还原到原始直方图的位置，并将该位置作为原始灰度图的分割阈值；
步骤3.8：采用步骤3.7中的分割阈值，对原始灰度图进行阈值分割，得到裂隙的粗分割图像。
步骤3.5中其中极值冲击响应模型如下，
f(xi)＝a×f(xi-1)+|jzf(xi)|-b
式中，a为响应函数的缓冲系数，b为衰减系数，jzf(xi)为在位置xi处的极值冲击值，f(xi)为在位置xi处的极值冲击响应值，fg(xi)为在位置xi处的抗饱和极值冲击响应值，xi为离散直方图的横坐标。
步骤4具体为：
步骤4.1：将步骤3中得到的粗分割结果送入噪声抑制单元，选取抑制参数设置最大噪声区域面积；
步骤4.2：对粗分割结果进行8邻域连通搜索，求得各个连通域的面积，将步骤4.1中的参数作为最大噪声区域面积，当连通域面积小于该值时，该连通域将被过滤清空，得到最终裂隙图像。
步骤7具体为：
步骤7.1：将步骤5中存入存储器的裂隙图像，采用优化的ZhangSuen算法进行骨架细化得到粗骨架；
步骤7.2：将步骤7.1的粗骨架输入到骨架剪枝单元中，选取剪枝参数，设置从端点到进行剪枝，获得主骨架；将主骨架的坐标所有点连续更新到裂隙信息提取单元中，得到骨架更新的裂隙信息包。
步骤9具体为：
步骤9.1：将步骤5的裂隙图像以及步骤8中轮廓更新的裂隙信息包输入，从裂隙信息提取单元中获得主骨架；
步骤9.2：将步骤9.1的主骨架，采用动量滤波器对其进行平滑，获得主骨架上任意一主骨架点的斜率；
步骤9.3：计算步骤9.2的主骨架点处的法向量，采用DDA画线算法沿着法向量方向绘制直线，直到直线两端超出裂隙区域，记录两端端点，利用欧式距离公式求得线段长度；
步骤9.4：对所有骨架点执行上述步骤9.3的操作，记录每一点处的裂隙宽度，然后求取裂隙平均宽度，将平均宽度作为裂隙的宽度，打包到宽度更新的裂隙信息包。
步骤10具体为：
步骤10.1：从步骤9中宽度更新的裂隙信息包中获得的主骨架信息，并将其输入到裂隙长度提取模块中；
步骤10.2：利用欧式距离公式计算主骨架中连续两点间距离，进行主骨架长度计算，并计算结果作为裂隙长度，打包到裂隙信息提取单元中，得到长度更新的裂隙信息包；
步骤11具体为：
步骤11.1：获得上述步骤10中长度更新的裂隙信息包中的主骨架，采用动量滤波器对其进行平滑，获得主骨架上任意一点的斜率；
步骤11.2：对主骨架上所有点执行上述步骤11.1中操作，并记录骨架点斜率，对结果进行统计，将骨架平均倾角作为裂隙角度，并打包到裂隙信息提取单元中，得到角度更新的裂隙信息包。
优点及效果：
(1)在结构形式上，采用各部分功能模块集成的思想，将各模块，如：基础模块、裂隙分割模块、裂隙面积计算模块、裂隙骨架提取模块、裂隙轮廓提取模块、裂隙宽度提取模块、裂隙长度提取模块、裂隙倾角提取模块有机的结合起来，更加方便实现各部分功能的改进和完善；
(2)目前已报道设备鲜见岩体裂隙分析系统，本发明中采用数字图像技术进行岩体裂隙分析，从而可以保证岩体裂隙分析的稳定性；
(3)本发明采用自动化监测设备、无线传输技术、非接触视频测量技术以及图像视觉算法技术，实现了数据和图像的实时采集以及反馈分析。
综上所述，本发明主要效果是能够解决岩体裂隙结构信息获取，为开展复杂环境下岩体裂隙分析提供技术手段，研究成果为复杂环境下金属矿山开采、深部地下工程建设、能源开发等提供参考和依据。
附图说明
图1为本发明一个实施例提供的基础模块详图；
图2为本发明一个实施例提供的裂隙分割模块详图；
图3为本发明一个实施例提供的裂隙骨架提取模块详图；
图4为本发明一个实施例提供的裂隙宽度提取模块详图；
图5为本发明一个实施例提供的裂隙倾角提取模块详图；
图6为本发明一个实施例提供的基于机器视觉与数字图像处理的岩体裂隙分析系统及方法数据流整体结构示意图；
图7为本发明一个实施例提供的基于机器视觉与数字图像处理的岩体裂隙分析系统及方法结构示意图；
图8为本发明一个实施例提供的基于机器视觉与数字图像处理的岩体裂隙分析系统及方法提供的灰度阈值分割算法流程示意图；
图9为本发明一个实施例提供的基于机器视觉与数字图像处理的岩体裂隙分析方法提供的裂隙分割降噪算法流程示意图；
图10为本发明一个实施例提供的基于机器视觉与数字图像处理的岩体裂隙分析方法提供的裂隙骨架剪枝算法流程示意图；
图11为小波分解树结构示意图；
图12为二级小波分解后的直方图分布一；
图13为二级小波分解后的直方图分布二；
图14为harr小波函数；
图中标注：
1、基础模块，1-1、图像采集单元，1-2、图像拷贝单元，1-3、图像存储单元，1-4、设备指标配置单元，1-5、信息显示单元，1-6、设备控制单元，2、裂隙分割模块，2-1、裂隙阈值粗分割单元，2-2、噪声抑制单元，2-3、裂隙信息提取单元，3、裂隙骨架提取模块，3-1、骨架粗提取单元，3-2、骨架剪枝单元，4、裂隙宽度提取模块，4-1、宽度骨架切线计算单元，4-2、骨架点法线计算单元，4-3、骨架点宽度计算单元，5、裂隙倾角提取模块，5-1、倾角骨架切线计算单元，5-2、骨架点角度统计单元，6、裂隙面积计算模块，7、系统底层硬件，7-1、摄像头，7-2、处理器，7-3、存储器，7-4、用户，7-5、显示器，7-6、控制器，8、裂隙轮廓提取模块，9、裂隙长度提取模块。
具体实施方式
为使本发明的技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述。
本发明基于嵌入式电子技术与图像分析技术，提出一套嵌入式小型移动针孔摄像头图像采集和数据传输硬件方案，并在此基础上结合图像分析技术提出一种新型裂隙识别与分割算法。利用针孔摄像头将岩体图像信息进行数字化，将岩体裂隙图像进行栅格化，然后对裂隙进行定量化描述。而且针孔摄像头方便小型机器人携带，可以到达那些人难以到达的区域，以便获得更多的岩体信息。
(1)设计岩石裂隙识别系统的硬件整体方案，建立一套独立的岩石裂隙采集便携式硬件系统。
通过系统功能规划，确定需要的功能模块，根据需求功能进行芯片选型。然后根据芯片接口参数，进行系统外围设计与分析，建立一套独立的岩石裂隙采集便携式硬件系统。
(2)提出岩体裂隙预处理算法研究与实施
基于现有的数字图像技术，结合岩体裂隙识别所需的结果，选择适合的图像预处理方法，以便后续裂隙识别与特征提取；结合设计的硬件系统，将算法实现并集成到芯片内，以便该系统能对裂隙图像进行预处理。
(3)提取岩体裂隙识别与特征参数
基于预处理后的结果图像进行分析，研究如何识别岩体裂隙，将其从背景中分割出来并进行矢量化表达，以进行特征参数的统计与分析。
基于以上内容提出一种基于机器视觉与数字图像处理的岩体裂隙分析系统及方法，主要包括：基础模块、裂隙分割模块、裂隙面积计算模块、裂隙骨架提取模块、裂隙轮廓提取模块、裂隙宽度提取模块、裂隙长度提取模块、裂隙倾角提取模块。由基础模块控制硬件部分并联合其他模块构成整体系统框架，通过基础模块中的设备指标配置单元进行配置设备信息及参数。该系统识别完裂隙图像后，用户可以通过控制器查看并显示裂隙的信息。本发明实施例提供了基于自动化监测、数字技术以及机器视觉与图像处理算法等技术进行图像数据实时采集和裂隙分析，实时性和可靠性良好，有利于对现场裂隙进行实时检测。提出一种基于直方图小波分析后建立起来的自动阈值分割算法，该算法速度上要优于传统Otsu算法，并且表现效果良好，在计算机中运算简单。采用区域生长法计算裂隙面积，采用边界跟踪算法提取边缘轮廓，采用Zhang-Suen细化算法计算裂隙骨架，在此基础上，利用动量法拟合骨架切线，然后计算切线的法向量，并结合DDA画线算法计算宽度信息，该方法不仅保证了骨架的平滑度，而且提高骨架的拟合程度只需修改一个模型参数，不会增加计算复杂度。相比于传统方法，该方法计算更加简单，计算量更小。在动量法的基础上还分别计算了裂隙长度，夹角等特征。
如图6、图7所示，一种基于机器视觉与数字图像处理的岩体裂隙分析系统，该系统包括：基础模块1、裂隙分割模块2、裂隙骨架提取模块3、裂隙宽度提取模块4、裂隙倾角提取模块5、裂隙面积计算模块6、裂隙轮廓提取模块8、裂隙长度提取模块9和系统底层硬件7；
基础模块1与系统底层硬件7对接，基础模块1分别与裂隙分割模块2、裂隙骨架提取模块3、裂隙宽度提取模块4、裂隙倾角提取模块5、裂隙面积计算模块6、裂隙轮廓提取模块8和裂隙长度提取模块9连接；裂隙分割模块2分别与裂隙骨架提取模块3、裂隙面积计算模块6和裂隙轮廓提取模块8连接；裂隙骨架提取模块3分别与裂隙宽度提取模块4、裂隙倾角提取模块5和裂隙长度提取模块9连接；裂隙宽度提取模块4和裂隙轮廓提取模块8连接；
基础模块1用于图像采集、缓存、控制和配置设备基础信息；
裂隙分割模块2提供显示事件，用于显示裂隙分割状况；
裂隙骨架提取模块3提供显示事件，用于显示裂隙骨架提取状况；
裂隙骨架提取模块3与裂隙宽度提取模块4相连，用于接收裂隙骨架并连接入骨架切线计算单元；
裂隙骨架提取模块3与裂隙倾角提取模块5相连，用于接收裂隙骨架并连接骨架切线计算单元；
裂隙骨架提取模块3与裂隙长度提取模块9相连，用于接收裂隙骨架并连接骨架长度计算单元；
裂隙宽度提取模块4提供显示事件，用于显示裂隙宽度提取状况；
裂隙倾角提取模块5提供显示事件，用于显示裂隙角度提取状况；
裂隙面积计算模块6提供显示事件，用于显示裂隙面积提取状况；
系统底层硬件7提供软件运行的支撑环境，提供人机交互接口；
裂隙轮廓提取模块8提供显示事件，用于显示裂隙轮廓提取状况。
裂隙长度提取模块9提供显示事件，用于显示裂隙长度提取状况。
如图7所示，系统底层硬件7，主要由摄像头7-1、处理器7-2、存储器7-3、显示器7-5、控制器7-6构成。处理器7-2分别与摄像头7-1、存储器7-3、显示器7-5、控制器7-6连接。用户7-4根据显示器7-5的显示信息，可以操控控制器7-6。
图1、图6及图7所示，基础模块1上设置有图像采集单元1-1、图像拷贝单元1-2、图像存储单元1-3、信息显示单元1-3、设备指标配置单元1-4和设备控制单元1-6。
图像拷贝单元1-2分别与裂隙分割模块2、裂隙骨架提取模块3、裂隙宽度提取模块4、裂隙倾角提取模块5、裂隙轮廓提取模块8和裂隙长度提取模块9连接，具体为图像拷贝单元1-2与裂隙分割模块2相连，用于将分割后的裂隙图拷贝给各个模块进行后续相关处理；图像拷贝单元1-2与裂隙骨架提取模块3相连，用于接收裂隙图像进行骨架提取；图像拷贝单元1-2与裂隙宽度提取模块4相连，用于接收裂隙图像进行宽度提取；图像拷贝单元1-2与裂隙倾角提取模块5相连，用于接收裂隙图像进行倾角提取；图像拷贝单元1-2与裂隙轮廓提取模块8相连，用于接收裂隙图像进行轮廓提取；图像拷贝单元1-2与裂隙长度提取模块9相连，用于接收裂隙图像进行长度提取；
基础模块1与系统底层硬件7对接，图像采集单元1-1接收摄像头7-1获得的图像，并存入存储器7-3中，所述图像存储单元1-3与存储器7-3相连，信息显示单元1-5与显示器7-5相连，设备控制单元1-6和控制器7-6相连接，图像拷贝单元1-2分别与裂隙分割模块2、裂隙骨架提取模块3、裂隙宽度提取模块4、裂隙倾角提取模块5、裂隙轮廓提取模块8和裂隙长度提取模块9连接；在基础模块1中与存储器7-3相连接，所述设备指标配置单元1-4与摄像头7-1、存储器7-3、显示器7-5、控制器7-6相连，用于控制设备输入或输出的数据模式，以及系统相关参数、单位及指标。
如图1、图2及图7所示，所述裂隙分割模块2包括裂隙阈值粗分割单元2-1、噪声抑制单元2-2和裂隙信息提取单元2-3。噪声抑制单元2-2连接于裂隙阈值粗分割单元2-1之后；裂隙信息提取单元2-3连接于噪声抑制单元2-2之后；裂隙分割模块2的裂隙阈值粗分割单元2-1连接基础模块1的图像存储单元1-3，裂隙分割模块2的裂隙信息提取单元2-3输出至基础模块1的图像拷贝单元1-2。
裂隙阈值粗分割单元2-1用于图像分割；噪声抑制单元2-2还与裂隙面积计算模块6相连，用于同时过滤噪声和计算裂隙面积；裂隙信息提取单元2-3提供显示事件，用于显示当前裂隙的面积状况。
裂隙粗分割单元2-1从图像拷贝单元1-2中获得原始图像，通过初步分割，再将结果送入噪声抑制单元2-2进行噪声抑制，获得裂隙图像，将裂隙图像传入裂隙信息提取单元2-3，进行裂隙信息包的获取，并将裂隙图像及裂隙信息包输出，其中裂隙图像存入存储器7-3中，以便后续使用。
如图1、图3及图7所示，裂隙骨架提取模块3由骨架粗提取单元3-1和骨架剪枝单元3-2组成。骨架剪枝单元3-2连接于骨架粗提取单元3-1后；裂隙骨架提取模块3的骨架粗提取单元3-1连接基础模块1的图像拷贝单元1-2，裂隙骨架提取模块3的骨架剪枝单元3-2连接基础模块1的图像拷贝单元1-2。
骨架粗提取单元3-1从图像拷贝单元1-2中获得分割后的裂隙图像，在骨架粗提取单元3-1的提取下，将粗骨架送入骨架剪枝单元3-2，减去短的旁支，获得主骨架，并将主骨架信息打包到对应的裂隙信息包中。
如图1、图4及图7所示，裂隙宽度提取模块4包括宽度骨架切线计算单元4-1、骨架点法线计算单元4-2和骨架点宽度计算单元4-3。骨架点法线计算单元4-2连接于宽度骨架切线计算单元4-1后；骨架点宽度计算单元4-3连接于骨架点宽度计算单元4-3后；
裂隙宽度提取模块4的宽度骨架切线计算单元4-1连接基础模块1的图像拷贝单元1-2，裂隙宽度提取模块4的骨架点宽度计算单元4-3连接基础模块1的图像拷贝单元1-2
骨架切线计算单元4-1从裂隙信息包中获得骨架点坐标，通过宽度骨架切线计算单元4-1对离散骨架的动态拟合，计算出骨架每个骨架点所在位置处的骨架切线，将各点切线送入骨架点法线计算单元4-2，计算出骨架法线，然后将结果送入骨架点宽度计算单元4-3计算各点所在位置的宽度，取平均宽度作为裂隙宽度结果输出，打包到裂隙信息包中。
如图1、图4及图7所示，所述裂隙倾角提取模块5包括倾角骨架切线计算单元5-1、骨架点角度统计单元5-2。所述骨架点角度统计单元5-2连接于倾角骨架切线计算单元5-1后。
裂隙倾角提取模块5的倾角骨架切线计算单元5-1连接基础模块1的图像拷贝单元1-2，裂隙倾角提取模块5的骨架点角度统计单元5-2连接基础模块1的图像拷贝单元1-2
倾角骨架切线计算单元5-1从裂隙信息包中获得骨架点坐标，通过倾角骨架切线计算单元5-1对离散骨架的动态拟合，计算出骨架每个骨架点所在位置处的骨架切线，将各点切线送入骨架点法线计算单元4-2，计算出骨架法线，然后将结果送入骨架点角度统计单元5-2，计算出骨架平均倾角作为裂隙的倾角，并将结果打包输出到裂隙信息包中。
在本实施方式中，所有裂隙的面积、宽度、长度参数单位均默认为像素，若采用其他单位如毫米mm，则需要采用设备指标配置单元1-4进行配置及单位转换。
在本实施方式中，裂隙的倾角单位均默认为角度，若采用其他单位如弧度，则需要采用设备指标配置单元1-4进行配置及单位转换。
由于传统的图像采集系统通常较为笨重，安装和使用都较为困难，因此本发明基于一套独立的岩石裂隙采集便携式硬件系统，该系统采用CMOS图像传感器，配备小型MCU进行图像采集和传输，显示采用LCD接口或预留接口上传服务器，该系统配备外部SRAM以便缓解进行图像处理所需的内存开销。各结构集成在一张小面积的芯片上，最终得到体积小的便携式硬件系统，能够适应复杂环境下岩体裂隙的信息获取等。
本发明还包括一种基于机器视觉与数字图像处理的岩体裂隙分析方法，该方法为基于直方图小波分析后建立起来的自动阈值分割算法，该算法速度上要优于传统Otsu算法，并且表现效果良好，在计算机中运算简单。
包括以下步骤：
步骤1：利用设备指标配置单元1-4进行设备基础信息配置，通过设备指标配置单元1-4配置采集图像的分辨率及格式，其中参数包括摄像头7-1获取的图像大小等；配置结束后，摄像头7-1，显示器7-5及其他设备均按所需参数正常工作；
步骤2：将摄像头7-1的图像通过图像采集单元1-1采集到内存上，将裂隙图像按照相应格式采集到图像存储单元1-3。将上述步骤1图像存储单元1-3中采集到图像，输入至裂隙分割模块2，将每条裂隙进行信息打包；
步骤3：将上述步骤2中的图像拷贝到裂隙阈值粗分割单元2-1中，进行粗分割，将裂隙尽可能分割出来；图8为本实施例提供的基于机器视觉与数字图像处理的岩体裂隙分析方法提供的灰度阈值分割算法流程示意图。
步骤3.1：将上述步骤2中的图像拷贝到裂隙阈值粗分割单元2-1中，进行图像灰度化和图像直方图统计；
步骤3.2：选取小波变换级数，如选取参数为2使则将上述步骤3.1中的图像统计直方图进行二级HARR小波变换；考虑采用一维Harr小波变换进行处理。图14为Harr小波函数，Harr母小波函数ψ(x)和父小波函数如下：
ψj,k(x)＝v(2jx-k) (2)
其中k为平移系数，j为尺度系数，所有ψj,k(x)和构成了一组小波空间，构建小波分解树如图11所示。
由于在均值滤波中，半径2大小的滤波核就能取得较好的效果。因此，我们对原始直方图进行二级小波分解，将复杂波形分解成两个简单的波形，便于技术处理，其中二级小波分解提取低频成分如图12和图13。
步骤3.3：得到上述步骤3.2中的统计直方图HARR小波变换的低频结果，选取平滑滤波器及滤波半径对数据进行平滑；
步骤3.4：得到上述步骤3.3中的结果统计直方图，对其进行极值冲击检测，得到极值分布数组；其中采用的极值冲击响应检测模型如下：
步骤3.5：得到上述步骤3.4中极值分布数组，选取模型参数，采用的极值冲击响应模型求其系统冲击响应，其中极值冲击响应模型如下，a响应函数的缓冲系数，b为衰减系数：
f(xi)＝a×f(xi-1)+|jzf(xi)|-b (7)
式中，a为响应函数的缓冲系数，b为衰减系数，jzf(xi)为在位置xi处的极值冲击值，f(xi)为在位置xi处的极值冲击响应值，fg(xi)为在位置xi处的抗饱和极值冲击响应值，xi为离散直方图的横坐标。
步骤3.6：得到上述步骤3.5中极值冲击响应结果，求得系统响应第二次下降为0时的位置，根据响应位置求得此前最近一次的极小值，将其作为阈值；
步骤3.7：得到上述步骤3.6中的阈值，进行HARR小波逆变换，将其还原到原始直方图的位置，并将该位置作为原始灰度图的分割阈值；
步骤3.8：得到上述步骤3.7中的分割阈值，对原始灰度图进行阈值分割，得到裂隙的粗分割图像。
步骤4：将粗分割结果送入噪声抑制单元2-2，通过抑制噪声区域，获得最终裂隙图像；图9为本实施例提供的基于机器视觉与数字图像处理的岩体裂隙分析方法提供的裂隙分割降噪算法流程示意图。
步骤4.1：将粗分割结果送入噪声抑制单元2-2，选取抑制参数设置最大噪声区域面积；
步骤4.2：对粗分割结果进行8邻域连通搜索，求得各个连通域的面积，将步骤4.1中的参数作为最大噪声区域面积，当连通域面积小于该值时，该连通域将被过滤清空；
步骤4.3：将各条裂隙的面积以及其他裂隙相关信息传入裂隙信息提取单元2-3；
步骤:4.4：将各条裂隙信息进行一次打包，形成裂隙信息包。
步骤4.5：用鼠标点击某条裂隙所在的矩形框范围内时，显示该裂隙及其面积。
步骤5：将上述步骤4中获得的裂隙图像存入存储器7-3中，并将其送入裂隙信息提取单元2-3，获得各条裂隙的原始裂隙信息包；
步骤6：将上述步骤5中获得的原始裂隙信息包及存入存储器7-3的裂隙图像输入到裂隙面积计算模块6中，通过求取各条裂隙的连通域的像素个数，得到其面积，并将面积信息更新到裂隙信息提取单元2-3中，得到面积更新的裂隙信息包。
步骤7：将上述步骤6中面积更新的裂隙信息包及步骤5中存入存储器7-3的裂隙图像输入到裂隙骨架提取模块3中的骨架粗提取单元3-1中进行骨架粗提取，得到粗骨架，将结果输入到骨架剪枝单元3-2中进行剪枝，获得主骨架；将主骨架的坐标所有点连续更新到裂隙信息提取单元2-3中，得到骨架更新的裂隙信息包；此时裂隙面积、裂隙骨架已更新。图10为本实施例提供的基于机器视觉与数字图像处理的岩体裂隙分析方法提供的裂隙骨架剪枝算法流程示意图。
步骤7.1：得到上述步骤5中存入存储器7-3的裂隙图像，采用优化的ZhangSuen算法进行骨架细化得到粗骨架；
步骤7.2：将上述步骤7.1的结果输入到骨架剪枝单元3-2中，选取剪枝参数，设置从端点到进行剪枝，获得主骨架；将主骨架的坐标所有点连续更新到裂隙信息包中；
步骤8：将上述步骤7中骨架更新的裂隙信息包及步骤5中存入存储器7-3的裂隙图像输入到裂隙轮廓提取模块8中进行轮廓提取，并连续提取所有轮廓点位置信息，打包到裂隙信息提取单元2-3中，得到轮廓更新的裂隙信息包；此时裂隙面积、裂隙骨架、裂隙轮廓已更新。
步骤9：将上述步骤8中轮廓更新的裂隙信息包及步骤5中存入存储器7-3的裂隙图像输入到裂隙宽度提取模块4中的骨架切线计算单元中进行骨架拟合，并计算各骨架点切线，然后将结果送入骨架点宽度计算单元4-3计算各骨架点所在位置的宽度，求出平均宽度作为裂隙宽度，并打包到裂隙信息提取单元2-3中，得到宽度更新的裂隙信息包；此时裂隙面积、裂隙骨架、裂隙轮廓、裂隙宽度已更新。
步骤9.1：将上述步骤5的裂隙图像以及步骤8中更新完后的信息包输入，从信息包中获得主骨架；
步骤9.2：得到上述步骤9.1的主骨架，采用动量滤波器对其进行平滑，获得主骨架上任意一点的斜率；
步骤9.3：将图像拷贝单元1-2中的骨架图像拷贝输入至裂隙长度提取模块9，得到上述步骤9.2的主骨架点斜率，计算该点处的法向量，采用DDA画线算法沿着法向量方向绘制直线，直到直线两端超出裂隙区域，记录两端端点，利用欧式距离公式求得线段长度；
步骤9.4：对所有骨架点执行上述步骤9.3的操作，记录每一点处的裂隙宽度，然后求取裂隙平均宽度，将平均宽度作为裂隙的宽度，打包到裂隙信息包中；
步骤9.5：用鼠标点击某条裂隙所在的矩形框范围内时，显示该裂隙的长度。
步骤10：将上述步骤9中宽度更新的裂隙信息包输入到裂隙长度提取模块9中进行主骨架长度计算，并计算结果作为裂隙长度，打包到裂隙信息提取单元2-3中，得到长度更新的裂隙信息包；此时裂隙面积、裂隙骨架、裂隙轮廓、裂隙宽度、裂隙长度已更新。
步骤10.1：从上述步骤9中更新完后的信息包中获得的主骨架信息，并将其输入到裂隙长度提取模块9中；
步骤10.2：利用欧式距离公式计算主骨架中连续两点间距离，进行主骨架长度计算，并计算结果作为裂隙长度，打包到裂隙信息包中；
式中，Dm为m点至m+1点间距离；ix、ix+1为x、x+1点的水平向量；iy、iy+1为y、y+1点的竖向向量；L为裂隙长度。
步骤11：将上述步骤10中长度更新的裂隙信息包输入到裂隙倾角提取模块5中的骨架切线计算单元中进行骨架拟合，并计算各骨架点切线，然后将结果送入骨架点角度统计单元5-2计算骨架平均倾角作为裂隙角度，并打包到裂隙信息提取单元2-3中，得到角度更新的裂隙信息包，此时裂隙面积、裂隙骨架、裂隙轮廓、裂隙宽度、裂隙长度、裂隙角度均已更新，最终获得岩体裂隙结构信息。
步骤11.1：获得上述步骤10中更新完后的信息包中的主骨架，采用动量滤波器对其进行平滑，获得主骨架上任意一点的斜率；
式中，f为骨架坐标增量向量，g为本文动量法预测输出的切向量。
步骤11.2：对主骨架上所有点执行上述步骤11.1中操作，并记录骨架点斜率，对结果进行统计，将骨架平均倾角作为裂隙角度，并打包到裂隙信息包中。
式中，g为本文动量法预测输出的切向量，θ为裂隙倾角。
此外，通过控制器7-6，用户7-4可以将该图像对应的裂隙各个参数信息显示到信息显示单元1-5中，便可以在显示器7-5上查看各个参数信息。实现了数据和图像的实时采集以及反馈分析。
综上，本发明能够解决岩体裂隙结构信息获取，为开展复杂环境下岩体裂隙分析提供技术手段，研究成果为复杂环境下金属矿山开采、深部地下工程建设、能源开发等提供参考和依据。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于机器视觉与数字图像处理的岩体裂隙分析系统，其特征在于：该系统包括：基础模块(1)、裂隙分割模块(2)、裂隙骨架提取模块(3)、裂隙宽度提取模块(4)、裂隙倾角提取模块(5)、裂隙面积计算模块(6)、裂隙轮廓提取模块(8)、裂隙长度提取模块(9)和系统底层硬件(7)；
基础模块(1)与系统底层硬件(7)对接，基础模块(1)分别与裂隙分割模块(2)、裂隙骨架提取模块(3)、裂隙宽度提取模块(4)、裂隙倾角提取模块(5)、裂隙面积计算模块(6)、裂隙轮廓提取模块(8)和裂隙长度提取模块(9)连接；裂隙分割模块(2)分别与裂隙骨架提取模块(3)、裂隙面积计算模块(6)和裂隙轮廓提取模块(8)连接；裂隙骨架提取模块(3)分别与裂隙宽度提取模块(4)、裂隙倾角提取模块(5)和裂隙长度提取模块(9)连接；裂隙宽度提取模块(4)和裂隙轮廓提取模块(8)连接；
所述基础模块(1)用于图像采集、缓存、控制和配置设备基础信息；
所述裂隙分割模块(2)用于显示裂隙分割状况；
所述裂隙骨架提取模块(3)用于显示裂隙骨架提取状况；
所述裂隙宽度提取模块(4)用于显示裂隙宽度提取状况；
所述裂隙倾角提取模块(5)用于显示裂隙角度提取状况；
裂隙面积计算模块(6)用于显示裂隙面积提取状况；
系统底层硬件(7)用于提供软件运行的支撑环境，提供人机交互接口；
裂隙轮廓提取模块(8)用于显示裂隙轮廓提取状况；
裂隙长度提取模块(9)用于显示裂隙长度提取状况。
2.根据权利要求1所述的基于机器视觉与数字图像处理的岩体裂隙分析系统，其特征在于：
基础模块(1)上设置有图像采集单元(1-1)、图像拷贝单元(1-2)、图像存储单元(1-3)、设备指标配置单元(1-4)、信息显示单元(1-5)和设备控制单元(1-6)；图像采集单元(1-1)与摄像头(7-1)相连；图像拷贝单元(1-2)分别与裂隙分割模块(2)、裂隙骨架提取模块(3)、裂隙宽度提取模块(4)、裂隙倾角提取模块(5)、裂隙轮廓提取模块(8)和裂隙长度提取模块(9)连接；图像存储单元(1-3)与存储器(7-3)相连；设备指标配置单元(1-4)与摄像头(7-1)、存储器(7-3)、显示器(7-5)、控制器(7-6)相连，信息显示单元(1-5)与显示器(7-5)相连，设备控制单元(1-6)和控制器(7-6)相连接；
裂隙分割模块(2)包括裂隙阈值粗分割单元(2-1)、噪声抑制单元(2-2)和裂隙信息提取单元(2-3)；所述噪声抑制单元(2-2)连接于裂隙阈值粗分割单元(2-1)之后；所述裂隙信息提取单元(2-3)连接于噪声抑制单元(2-2)之后；
裂隙骨架提取模块(3)包括骨架粗提取单元(3-1)和骨架剪枝单元(3-2)；所述骨架剪枝单元(3-2)连接于骨架粗提取单元(3-1)后；
裂隙骨架提取模块(3)的骨架粗提取单元(3-1)连接基础模块(1)的图像拷贝单元(1-2)，裂隙骨架提取模块(3)的骨架剪枝单元(3-2)连接基础模块(1)的图像拷贝单元(1-2)；
裂隙宽度提取模块(4)包括宽度骨架切线计算单元(4-1)、骨架点法线计算单元(4-2)、骨架点宽度计算单元(4-3)；所述骨架点法线计算单元(4-2)连接于宽度骨架切线计算单元(4-1)后；所述骨架点宽度计算单元(4-3)连接于骨架点宽度计算单元(4-3)后；
裂隙宽度提取模块(4)的宽度骨架切线计算单元(4-1)连接基础模块(1)的图像拷贝单元(1-2)，裂隙宽度提取模块(4)的骨架点宽度计算单元(4-3) 连接基础模块(1)的图像拷贝单元(1-2)；
裂隙倾角提取模块(5)包括倾角骨架切线计算单元(5-1)、骨架点角度统计单元(5-2)；所述骨架点角度统计单元(5-2)连接于倾角骨架切线计算单元(5-1)后；
裂隙倾角提取模块(5)的倾角骨架切线计算单元(5-1)连接基础模块(1)的图像拷贝单元(1-2)，裂隙倾角提取模块(5)的骨架点角度统计单元(5-2)连接基础模块(1)的图像拷贝单元(1-2)。
3.一种如权利要求1所述的基于机器视觉与数字图像处理的岩体裂隙分析的方法，其特征在于：包括以下步骤：
步骤1：根据所需参数，进行设备指标配置和设备初始化；
步骤2：将摄像头(7-1)的图像通过图像采集单元(1-1)采集到内存上；
步骤3：将上述步骤2中的图像拷贝到裂隙阈值粗分割单元(2-1)中，进行粗分割，将裂隙分割出来，得到裂隙粗分割结果；
步骤4：将裂隙粗分割结果送入噪声抑制单元(2-2)，通过抑制噪声区域，获得最终裂隙图像；
步骤5：将上述步骤4中获得的裂隙图像存入存储器(7-3)中，并将其送入裂隙信息提取单元(2-3)，获得各条裂隙的原始裂隙信息包；
步骤6：将上述步骤5中获得的原始裂隙信息包及存入存储器(7-3)的裂隙图像输入到裂隙面积计算模块(6)中，通过求取各条裂隙的连通域的像素个数，得到其面积，并将面积信息更新到裂隙信息提取单元(2-3)中，得到面积更新的裂隙信息包；
步骤7：将步骤6中面积更新的裂隙信息包及步骤5中存入存储器(7-3)的裂隙图像输入到裂隙骨架提取模块(3)中的骨架粗提取单元(3-1)中进行骨架粗提取，得到粗骨架，将结果输入到骨架剪枝单元(3-2)中进行剪枝，获得主骨架；将主骨架的坐标所有点连续更新到裂隙信息提取单元(2-3)中，得到骨架更新的裂隙信息包；
步骤8：将步骤7中骨架更新的裂隙信息包及步骤5中存入存储器(7-3)的裂隙图像输入到裂隙轮廓提取模块(8)中进行轮廓提取，并连续提取所有轮廓点位置信息，打包到裂隙信息提取单元(2-3)中，得到轮廓更新的裂隙信息包；
步骤9：将步骤8中轮廓更新的裂隙信息包及步骤5中存入存储器(7-3)的裂隙图像输入到裂隙宽度提取模块(4)中的骨架切线计算单元中进行骨架拟合，并计算各骨架点切线，然后将结果送入骨架点宽度计算单元(4-3)计算各骨架点所在位置的宽度，求出平均宽度作为裂隙宽度，并打包到裂隙信息提取单元(2-3)中，得到宽度更新的裂隙信息包；
步骤10：将上述步骤9中宽度更新的裂隙信息包输入到裂隙长度提取模块(9)中进行主骨架长度计算，并计算结果作为裂隙长度，打包到裂隙信息提取单元(2-3)中，得到长度更新的裂隙信息包；
步骤11：将上述步骤10中长度更新的裂隙信息包输入到裂隙倾角提取模块(5)中的骨架切线计算单元中进行骨架拟合，并计算各骨架点切线，然后将结果送入骨架点角度统计单元(5-2)计算骨架平均倾角作为裂隙角度，并打包到裂隙信息提取单元(2-3)中，得到角度更新的裂隙信息包，最终获得岩体裂隙结构信息。
4.根据权利要求3所述的基于机器视觉与数字图像处理的岩体裂隙分析的方法，其特征在于：步骤3具体步骤为：
步骤3.1：将步骤2中的图像拷贝到裂隙阈值粗分割单元(2-1)中，进行图像灰度化和图像直方图统计；
步骤3.2：将步骤3.1中的图像统计直方图进行二级HARR小波变换，得到统计直方图HARR小波变换的低频结果；
步骤3.3：根据步骤3.2中的统计直方图HARR小波变换的低频结果，选取平滑滤波器及滤波半径对数据进行平滑，得到结果统计直方图；
步骤3.4：对步骤3.3中的结果统计直方图进行极值冲击检测，得到极值分布数组；
步骤3.5：根据步骤3.4中的极值分布数组，采用极值冲击响应模型求其系统冲击响应，得到极值冲击响应结果；
步骤3.6：得到上述步骤3.5中极值冲击响应结果，求得系统响应第二次下降为0时的位置，根据响应位置求得此前最近一次的极小值，将其作为阈值；
步骤3.7：将步骤3.6中的阈值，进行HARR小波逆变换，将其还原到原始直方图的位置，并将该位置作为原始灰度图的分割阈值；
步骤3.8：采用步骤3.7中的分割阈值，对原始灰度图进行阈值分割，得到裂隙的粗分割图像。
5.根据权利要求4所述的基于机器视觉与数字图像处理的岩体裂隙分析的方法，其特征在于：步骤3.5中其中极值冲击响应模型如下，
f(xi)＝a×f(xi-1)+|jzf(xi)|-b
式中，a为响应函数的缓冲系数，b为衰减系数，jzf(xi)为在位置xi处的极值冲击值，f(xi)为在位置xi处的极值冲击响应值，fg(xi)为在位置xi处的抗饱和极值冲击响应值，xi为离散直方图的横坐标。
6.根据权利要求3所述的基于机器视觉与数字图像处理的岩体裂隙分析的方法，其特征在于：步骤4具体为：
步骤4.1：将步骤3中得到的粗分割结果送入噪声抑制单元(2-2)，选取抑制参数设置最大噪声区域面积；
步骤4.2：对粗分割结果进行8邻域连通搜索，求得各个连通域的面积，将步骤4.1中的参数作为最大噪声区域面积，当连通域面积小于该值时，该连通域将被过滤清空，得到最终裂隙图像。
7.根据权利要求3所述的基于机器视觉与数字图像处理的岩体裂隙分析的方法，其特征在于：步骤7具体为：
步骤7.1：将步骤5中存入存储器(7-3)的裂隙图像，采用优化的ZhangSuen算法进行骨架细化得到粗骨架；
步骤7.2：将步骤7.1的粗骨架输入到骨架剪枝单元(3-2)中，选取剪枝参数，设置从端点到进行剪枝，获得主骨架；将主骨架的坐标所有点连续更新到裂隙信息提取单元(2-3)中，得到骨架更新的裂隙信息包。
8.根据权利要求3所述的基于机器视觉与数字图像处理的岩体裂隙分析的方法，其特征在于：步骤9具体为：
步骤9.1：将步骤5的裂隙图像以及步骤8中轮廓更新的裂隙信息包输入，从裂隙信息提取单元(2-3)中获得主骨架；
步骤9.2：将步骤9.1的主骨架，采用动量滤波器对其进行平滑，获得主骨架上任意一主骨架点的斜率；
步骤9.3：计算步骤9.2的主骨架点处的法向量，采用DDA画线算法沿着法向量方向绘制直线，直到直线两端超出裂隙区域，记录两端端点，利用欧式距离公式求得线段长度；
步骤9.4：对所有骨架点执行上述步骤9.3的操作，记录每一点处的裂隙宽度，然后求取裂隙平均宽度，将平均宽度作为裂隙的宽度，打包到宽度更新的裂隙信息包。
9.根据权利要求3所述的基于机器视觉与数字图像处理的岩体裂隙分析的方法，其特征在于：步骤10具体为：
步骤10.1：从步骤9中宽度更新的裂隙信息包中获得的主骨架信息，并将其输入到裂隙长度提取模块(9)中；
步骤10.2：利用欧式距离公式计算主骨架中连续两点间距离，进行主骨架长度计算，并计算结果作为裂隙长度，打包到裂隙信息提取单元(2-3)中，得到长度更新的裂隙信息包。
10.根据权利要求3所述的基于机器视觉与数字图像处理的岩体裂隙分析的方法，其特征在于：步骤11具体为：
步骤11.1：获得上述步骤10中长度更新的裂隙信息包中的主骨架，采用动量滤波器对其进行平滑，获得主骨架上任意一点的斜率；
步骤11.2：对主骨架上所有点执行上述步骤11.1中操作，并记录骨架点斜率，对结果进行统计，将骨架平均倾角作为裂隙角度，并打包到裂隙信息提取单元(2-3)中，得到角度更新的裂隙信息包。
CN202011321533.1A 2020-11-23 2020-11-23 基于机器视觉与数字图像处理的岩体裂隙分析系统及方法 Active CN112508866B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011321533.1A CN112508866B (zh) 2020-11-23 2020-11-23 基于机器视觉与数字图像处理的岩体裂隙分析系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011321533.1A CN112508866B (zh) 2020-11-23 2020-11-23 基于机器视觉与数字图像处理的岩体裂隙分析系统及方法

Publications (2)

Publication Number Publication Date
CN112508866A CN112508866A (zh) 2021-03-16
CN112508866B true CN112508866B (zh) 2024-03-08

Family

ID=74959515

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011321533.1A Active CN112508866B (zh) 2020-11-23 2020-11-23 基于机器视觉与数字图像处理的岩体裂隙分析系统及方法

Country Status (1)

Country Link
CN (1) CN112508866B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114547721B (zh) * 2021-12-21 2022-10-25 沈阳工业大学 深埋隧道局部区域差异定向断裂控制爆破方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942783A (zh) * 2014-04-01 2014-07-23 同济大学 一种岩体裂隙信息的计算方法
CN108986079A (zh) * 2018-06-26 2018-12-11 中国矿业大学(北京) 一种复杂裂隙网络的裂缝提取及优化方法
CN109522646A (zh) * 2018-11-15 2019-03-26 中国矿业大学 岩体交叉裂隙图像自动分离及其矢量化表达方法
WO2019134252A1 (zh) * 2018-01-03 2019-07-11 东南大学 结构裂缝自动化描绘及宽度精准测量方法与设备
CN110672072A (zh) * 2019-10-10 2020-01-10 山东科技大学 一种用于裂隙岩体结构的信息多元解译与表征方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942783A (zh) * 2014-04-01 2014-07-23 同济大学 一种岩体裂隙信息的计算方法
WO2019134252A1 (zh) * 2018-01-03 2019-07-11 东南大学 结构裂缝自动化描绘及宽度精准测量方法与设备
CN108986079A (zh) * 2018-06-26 2018-12-11 中国矿业大学(北京) 一种复杂裂隙网络的裂缝提取及优化方法
CN109522646A (zh) * 2018-11-15 2019-03-26 中国矿业大学 岩体交叉裂隙图像自动分离及其矢量化表达方法
CN110672072A (zh) * 2019-10-10 2020-01-10 山东科技大学 一种用于裂隙岩体结构的信息多元解译与表征方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
岩体节理对暗挖地铁车站隧道围岩稳定性的影响研究;蒋伟;中国优秀硕士学位论文全文数据库工程科技Ⅱ辑;20200615(第6期);全文 *

Also Published As

Publication number Publication date
CN112508866A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
AU2021250975B2 (en) Statistical point pattern matching technique
CN110340891B (zh) 基于点云模板匹配技术的机械臂定位抓取系统及方法
Gruen et al. Road extraction from aerial and satellite images by dynamic programming
Rottensteiner et al. A new method for building extraction in urban areas from high-resolution LIDAR data
Rottensteiner et al. Automatic extraction of buildings from LIDAR data and aerial images
Guo et al. Towards automatic discontinuity trace extraction from rock mass point cloud without triangulation
Brilakis et al. Visual pattern recognition models for remote sensing of civil infrastructure
JP6273473B2 (ja) 森林情報管理装置
CN116468392A (zh) 一种电网工程项目进度监控方法、装置、设备及存储介质
Haala Detection of buildings by fusion of range and image data
CN112508866B (zh) 基于机器视觉与数字图像处理的岩体裂隙分析系统及方法
CN110672072A (zh) 一种用于裂隙岩体结构的信息多元解译与表征方法
CN104318051A (zh) 基于规则的大范围水体信息遥感自动提取系统及方法
Gruen et al. Semiautomatic road extraction by dynamic programming
CN104463091B (zh) 一种基于图像lgbp特征子向量的人脸图像识别方法
Sreevalsan-Nair et al. Contour extraction in buildings in airborne lidar point clouds using multiscale local geometric descriptors and visual analytics
CN114581794A (zh) 地理数字孪生信息获取方法、装置、电子设备及存储介质
CN118212662A (zh) 指纹图像匹配方法、设备及存储介质
Quackenbush et al. Road extraction: A review of LiDAR-focused studies
CN108109125A (zh) 基于遥感图像的信息提取方法和装置
Heipke et al. Semiautomatic extraction of roads from aerial images
CN116079713A (zh) 一种钻锚机器人多钻臂协同控制方法、系统、设备及介质
US20220261713A1 (en) Computer Vision Systems and Methods for Detecting Power Line Hazards from Imagery
CN115565072A (zh) 一种道路垃圾识别和定位方法、装置、电子设备及介质
Gadhiraju et al. Segmentation of desert sand dunes

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