CN112785709A - Tbm搭载式围岩裂隙重建识别方法、装置、存储介质及设备 - Google Patents

Tbm搭载式围岩裂隙重建识别方法、装置、存储介质及设备 Download PDF

Info

Publication number
CN112785709A
CN112785709A CN202110057160.XA CN202110057160A CN112785709A CN 112785709 A CN112785709 A CN 112785709A CN 202110057160 A CN202110057160 A CN 202110057160A CN 112785709 A CN112785709 A CN 112785709A
Authority
CN
China
Prior art keywords
surrounding rock
rock fracture
reconstruction
tbm
image
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
CN202110057160.XA
Other languages
English (en)
Other versions
CN112785709B (zh
Inventor
李术才
马文
石恒
王孝特
潘东东
林鹏
许振浩
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.)
Shandong University
Original Assignee
Shandong 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 Shandong University filed Critical Shandong University
Priority to CN202110057160.XA priority Critical patent/CN112785709B/zh
Publication of CN112785709A publication Critical patent/CN112785709A/zh
Application granted granted Critical
Publication of CN112785709B publication Critical patent/CN112785709B/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
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • G06T5/70—
    • G06T5/80—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • 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
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G06T7/85—Stereo camera calibration
    • 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
    • G06T2207/20—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
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Abstract

本发明属于岩土工程领域，提供了一种TBM搭载式围岩裂隙重建识别方法、装置、存储介质及设备。其中，TBM搭载式围岩裂隙重建识别方法包括获取TBM搭载式拍摄装置处于不同拍摄位置时不同角度的围岩裂隙图像；其中，同一拍摄位置不同角度的围岩裂隙图像构成一个围岩裂隙图像序列；对各个围岩裂隙图像序列中的图像进行预处理；基于预处理后的图像及稀疏重建方法对隧道围岩裂隙进行稀疏重建，估计隧道围岩裂隙的深度图并配准融合深度图，采用投影方法对融合的深度图进行点云恢复，稠密重建围岩裂隙，得到围岩裂隙三维重建图像及识别结果。

Description

TBM搭载式围岩裂隙重建识别方法、装置、存储介质及设备
技术领域
本发明属于岩土工程领域，尤其涉及一种TBM搭载式围岩裂隙重建识别方法、装置、存储介质及设备。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
在隧道工程施工过程中，裂隙是影响围岩稳定性的主要因素之一。通常遇到宏观或者细观裂隙节理发育的脆性岩体容易引发围岩的脆性劈裂、岩爆及突涌水灾害等，严重影响到工程的正常施工，甚至造成严重的安全事故和巨大的经济损失。
裂隙岩体具有复杂的力学特征，如果要构建一个能够准确描述裂隙岩体的非线性力学模型通常较为困难。因为学者们在构建围岩本构模型的时候考虑情况较为理想，未完全还原围岩裂隙的真实情况。若要对围岩裂隙进行深入研究，三维重建围岩裂隙具有重要的工程意义。
传统采用地质罗盘和皮尺对围岩裂隙进行人工测绘的方法效率低下、受限于研究人员的专业能力和野外经验，同时受工作环境影响较大。由于传统方法难以全面反映围岩裂隙的实际情况，随着机器视觉技术的发展，数字图像技术逐步应用于隧道围岩裂隙的研究上。近年来国内外学者借助数字图像技术对围岩裂隙开展了一系列研究，但发明人发现，尚未建立较为完善的隧道围岩裂隙重建识别系统，缺乏针对TBM搭载的围岩裂隙图像采集装置设备及方法，同时在对围岩裂隙的三维情况进行还原时准确度和速度都有待提高。
发明内容
为了解决上述背景技术中存在的至少一项技术问题，本发明提供一种TBM搭载式围岩裂隙重建识别方法、装置、存储介质及设备，其能够实时拍摄围岩裂隙图像并进行存储，通过多视野几何实现围岩裂隙三维重建并自动识别裂隙，准确获取围岩裂隙形态，有利于提高现场识别裂隙的速度和准确度。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种TBM搭载式围岩裂隙重建识别方法，其包括：
获取TBM搭载式拍摄装置处于不同拍摄位置时不同角度的围岩裂隙图像；其中，同一拍摄位置不同角度的围岩裂隙图像构成一个围岩裂隙图像序列；
对各个围岩裂隙图像序列中的图像进行预处理；
基于预处理后的图像及稀疏重建方法对隧道围岩裂隙进行稀疏重建，估计隧道围岩裂隙的深度图并配准融合深度图，采用投影方法对融合的深度图进行点云恢复，稠密重建围岩裂隙，得到围岩裂隙三维重建图像及识别结果。
本发明的第二个方面提供一种TBM搭载式围岩裂隙重建识别装置。
在一个或多个实施例中，一种TBM搭载式围岩裂隙重建识别装置，包括：
图像获取模块，其用于获取TBM搭载式拍摄装置处于不同拍摄位置时不同角度的围岩裂隙图像；其中，同一拍摄位置不同角度的围岩裂隙图像构成一个围岩裂隙图像序列；
图像预处理模块，其用于对各个围岩裂隙图像序列中的图像进行预处理；
裂隙重现及识别模块，其用于基于预处理后的图像及稀疏重建方法对隧道围岩裂隙进行稀疏重建，估计隧道围岩裂隙的深度图并配准融合深度图，采用投影方法对融合的深度图进行点云恢复，稠密重建围岩裂隙，得到围岩裂隙三维重建图像及识别结果。
在一个或多个实施例中，一种TBM搭载式围岩裂隙重建识别装置，其包括：
TBM搭载式拍摄装置，其用于采集处于不同拍摄位置时不同角度的围岩裂隙图像；
处理器，其被配置为：
将同一拍摄位置不同角度的围岩裂隙图像构成一个围岩裂隙图像序列；
对各个围岩裂隙图像序列中的图像进行预处理；
基于预处理后的图像及稀疏重建方法对隧道围岩裂隙进行稀疏重建，估计隧道围岩裂隙的深度图并配准融合深度图，采用投影方法对融合的深度图进行点云恢复，稠密重建围岩裂隙，得到围岩裂隙三维重建图像及识别结果。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的TBM搭载式围岩裂隙重建识别方法中的步骤。
本发明的第四个方面提供一种计算机设备。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的TBM搭载式围岩裂隙重建识别方法中的步骤。
与现有技术相比，本发明的有益效果是：
(1)采用搭载于TBM上的拍摄装置实时拍摄围岩裂隙图像，在工作过程中不影响现场施工，自动化程度高，减少劳动量，节约成本，且速度快。
(2)采用定点拍摄一组有序围岩裂隙图像，通过多视野几何实现围岩裂隙三维重建并自动识别裂隙，利用稀疏重建、深度图估计、稠密重建等方法获取围岩裂隙稠密点云及拍摄装置的姿态，可实现隧道围岩裂隙三维可视化，使观察人员在隧道外也可以完整掌握围岩裂隙情况。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例的TBM搭载式围岩裂隙重建识别方法流程图；
图2是本发明实施例的TBM搭载式围岩裂隙重建识别装置结构示意图；
图3是本发明实施例的TBM搭载式围岩裂隙重建识别装置的硬件结构图；
图4是本发明实施例的可伸缩、旋转机械臂结构图；
图5是本发明实施例的防水防震相机保护装置结构示意图。
其中：1、全断面硬岩隧道掘进机(TBM)；2、围岩；3、可伸缩、旋转机械臂；4、相机；5、防水防震相机保护装置；6、第一护栏；7、第二护栏；
3-1、连接元件；3-2、手臂；3-3、云台；3-4、导向装置；
5-1、球形保护外壳；5-2、可开闭闸门。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
如图1所示，本实施例提供了一种TBM搭载式围岩裂隙重建识别方法，其包括：
S101：获取TBM搭载式拍摄装置处于不同拍摄位置时不同角度的围岩裂隙图像；其中，同一拍摄位置不同角度的围岩裂隙图像构成一个围岩裂隙图像序列。
为了使得各个围岩裂隙图像序列中的图像角度相同，最终提高隧道围岩裂隙重建的精度，本实施例采用滑动窗口法获取同一拍摄位置的多视角围岩裂隙图像。
例如：采用滑动窗口法对围岩裂隙进行多视角的拍摄，每台TBM搭载式拍摄装置(比如：相机)拍摄16个经过严格控制的视角，从而获取一组有序的围岩裂隙图像。
S102：对各个围岩裂隙图像序列中的图像进行预处理。
具体地，记录掘进里程和掘进时间，测量TBM搭载式拍摄装置并对各台TBM搭载式拍摄装置进行标定；预处理围岩裂隙图像，对图像进行优化处理和畸变矫正。
在具体实施中，对围岩裂隙图像进行预处理的具体过程包括图像优化和畸变矫正。图像优化步骤的具体过程包括：对图像进行增强处理和降噪处理，增强处理通过对原始图像附加信息或数据变换，扩大图像中其他物体与裂隙特征之间的差别，加强图像判别和识别效果；降噪处理利用均值滤波、中值滤波等算法消除图像噪声。
其中，畸形矫正处理包括利用Mercator投影和对图像进行径向畸变矫正修正原始图像的几何变形。
本实施例通过优化和矫正图像，提高了隧道围岩裂隙重建的精度。
S103：基于预处理后的图像及稀疏重建方法对隧道围岩裂隙进行稀疏重建，估计隧道围岩裂隙的深度图并配准融合深度图，采用投影方法对融合的深度图进行点云恢复，稠密重建围岩裂隙，得到围岩裂隙三维重建图像及识别结果。
在一些实施例中，在稀疏重建的过程中，提取预处理后围岩裂隙图像的全局特征并进行特征匹配，采用增量式重建对围岩裂隙进行稀疏重建和优化，获取围岩裂隙的三维稀疏点云和TBM搭载式拍摄装置的姿态。
通过匹配代价构造、代价累计、深度估计和深度图优化获取围岩裂隙的深度图和法向量图，并利用几何一致性对深度图进行优化。
其中匹配代价构造利用归一化互相关原理(NCC)作为围岩裂隙图像光学一致性的测度，特征l的最优拟合平面或此特征的深度
Figure BDA0002901049550000063
和法向量
Figure BDA0002901049550000064
满足：
Figure BDA0002901049550000061
Figure BDA0002901049550000062
Figure BDA0002901049550000071
其中，Pl(m)表示源图像m中的块与参考块相似的概率，而q(Z)是真实后验值p(Z)的近似值,
Figure BDA0002901049550000075
描述参考块之间的颜色相似性以及基于归一化互相关(NCC)的平行平面单应性图像扭曲，
Figure BDA0002901049550000076
表示对于特征l、Im与参考图像的NCC。
代价累计采用信息传递策略，经过视角平滑后，在候选子集中进行同名特征采样，对每个特征l，寻找最优深度θl和最优法向量nl使下式达到最小：
Figure BDA0002901049550000072
A表示从分布Pl(m)中采集图像AC{1，2，3…，M}的子集，因此仅计算最相似源图像的NCC，其中，
Figure BDA0002901049550000073
深度估计采用GEM算法进行优化，利用交叉行列向传播计算在固定深度和法向量的遮挡信号，并通过光学一致性和几何一致性约束，对初始深度图进行过滤，有利于优化由于无法获得准确深度信息而残留随机值造成纹理缺失的初始计算深度图，使围岩裂隙边缘光滑并实现多视图之间的几何关系稳定。
其中，稠密重建基于深度图融合通过配准进行深度图融合，以下式的投影方法进行点云恢复：
Figure BDA0002901049550000074
其中，若干已知围岩上一物点(X，Y，Z)相应像点坐标(u，v)；fx、fy表示多相机系统的内部参数，即相机焦距；u0、v0为图像基准点(通常为图像中点)；R、T表示多相机系统的外部参数，即分别为多相机系统中不同相机之间的旋转变化矩阵和偏移变换向量；M1表示内参数矩阵，M2表示外参矩阵。
在一实施例中，TBM搭载式围岩裂隙重建识别方法，还包括：存储围岩裂隙三维重建图像及识别结果并构建围岩裂隙数据库。
本实施例采用定点拍摄一组有序围岩裂隙图像，通过多视野几何实现围岩裂隙三维重建并自动识别裂隙，利用稀疏重建、深度图估计、稠密重建等方法获取围岩裂隙稠密点云及拍摄装置的姿态，可实现隧道围岩裂隙三维可视化，使观察人员在隧道外也可以完整掌握围岩裂隙情况。
实施例二
如图2所示，本实施例提供了一种TBM搭载式围岩裂隙重建识别装置，其包括：
(1)图像获取模块，其用于获取TBM搭载式拍摄装置处于不同拍摄位置时不同角度的围岩裂隙图像；其中，同一拍摄位置不同角度的围岩裂隙图像构成一个围岩裂隙图像序列。
(2)图像预处理模块，其用于对各个围岩裂隙图像序列中的图像进行预处理。
其中，图像预处理模块包括图像优化模块和畸形矫正模块；
图像优化模块包括对图像进行增强处理和降噪处理，增强处理通过对原始图像附加信息或数据变换，有选择地突出围岩图像中的裂隙，扩大图像中其他物体与裂隙特征之间的差别，改善图像质量、丰富信息量，加强图像判别和识别效果；降噪处理用于消除图像噪声，利用均值滤波、中值滤波等算法减少数字图像在数字化和传输过程中受到成像设备与外部环境噪声干扰等的影响；
畸形矫正模块利用Mercator投影和对图像进行径向畸变矫正减少边缘畸变影像带来的较大视觉估计误差。
(3)裂隙重现及识别模块，其用于基于预处理后的图像及稀疏重建方法对隧道围岩裂隙进行稀疏重建，估计隧道围岩裂隙的深度图并配准融合深度图，采用投影方法对融合的深度图进行点云恢复，稠密重建围岩裂隙，得到围岩裂隙三维重建图像及识别结果。
如图2所示，裂隙重现及识别模块包括稀疏重建模块、深度图估计模块和稠密重建模块。
稀疏重建模块提取全局特征并进行匹配，实现自动生成场景图和匹配矩阵；增量式重建采用逐渐增加视角并进行迭代优化重投影误差的方法，计算不同视图的相机参数，获取隧道围岩裂隙的稀疏点云和确定不同视图与点云之间的可视关系；并进行迭代全局的BA优化，优化已有相机的姿态和裂隙三维稀疏点云坐标。
深度图估计模块通过匹配代价构造、代价累计、深度估计和深度图优化获取围岩裂隙的深度图和法向量图，并利用几何一致性对深度图进行优化。
稠密重建模块对估计出来的深度图通过配准进行深度图融合，并采用投影方法进行点云恢复，从而实现对隧道围岩裂隙的稠密重建。
在一些实施例中，TBM搭载式围岩裂隙重建识别装置还包括结果分析模块和管理模块，其包括结果分析模块和数据管理模块。其中，结果分析模块对匹配矩阵进行分析，通过在编录系统中导入围岩裂隙三维重建图像，将工程号、工程位置和图号进行叠加显示，实现对围岩裂隙的三维重建和识别；数据管理模块通过将裂隙三维重建图像保存在专有数据库中，实现信息快速检索、编辑和管理。
本实施例的TBM搭载式围岩裂隙重建识别装置中的各个模块与实施例一中的TBM搭载式围岩裂隙重建识别方法中的步骤一一对应，其具体实施过程相同，此处不再累述。
实施例三
如图3所示，本实施例提供了一种TBM搭载式围岩裂隙重建识别装置，其包括TBM搭载式拍摄装置和处理器。
其中，TBM搭载式拍摄装置用于采集处于不同拍摄位置时不同角度的围岩裂隙图像。
TBM搭载式拍摄装置以相机为例：
如图3所示，相机4的数量为三台，相机4的外部设置有防水防震相机保护装置5，相机4通过可伸缩、旋转机械臂3搭载在全断面硬岩隧道掘进机(TBM)1上。相机4用于采集一组不同视野下拍摄的有序围岩2裂隙图像；在主控室放置计算机，用于控制机械臂移动、伸缩和触发多台相机曝光；在护栏设置照明装置，用于调整光照情况，拍摄三种不同光照情况下的围岩裂隙图像。
例如：在TBM1罐车段左侧、右侧和平台安装三台搭载有相机的防水防震相机保护装置，通过计算机自动控制机械臂移动。采用定点滑动窗口拍摄法，即选定拍摄点后固定机械臂每次移动距离，保证两次拍摄位置图像重叠30％，形成4×4的有序围岩图像组。一个相机可获取16张不同视野的围岩裂隙图像，由此三台相机在同一拍摄点可同时获取48张严格控制拍摄点的图像组，极大程度还原裂隙真实情况。
如图4所示，可伸缩、旋转机械臂通过连接元件3-1搭载于TBM的第一护栏6和第二护栏7上，导向装置3-4可通过计算机控制每次移动距离和方向并带动手臂3-2伸缩和旋转，实现定点滑动窗口拍摄。机械臂配置云台3-3可满足相机360度旋转，实现不同视野角度下围岩裂隙图像的拍摄。
如图5所示，防水防震相机保护装置包括球形保护外壳5-1、激光测距仪、自动开关装置和减震装置，可进行方便的拼装、更换、拆卸，多次利用；球形保护外壳为不透明高强材料，可适应隧道内不良地质条件，防止相机受潮或损坏；同时设置前、后、左、右、上、下六个不同角度的可开闭闸门5-2，通过自动开关装置控制闸门开闭，即在TBM掘进时为关闭状态，保护相机不受到落石等不良地质的损坏，确定拍摄点后通过发出指令打开闸门，使相机拍摄视野完全暴露；激光测距仪固定在球形保护外壳顶端，调整好拍摄角度后通过测量相机位置进行标定；减震装置固定在相机保护装置内部，通过液压减震器减少TBM掘进过程中产生的震动；计算机安装在TBM主控室内，防止在TBM掘进时受到落石等不良地质损坏；被配置为存储图像，控制机械臂移动、伸缩和在相机自动对焦后出发相机曝光；照明装置搭载在护栏两侧设置4台照灯，并通过光敏电阻自动调节照灯的光照强度，用于拍摄3种不同光照情况下的围岩裂隙图像。
在具体实施中，处理器被配置为：
将同一拍摄位置不同角度的围岩裂隙图像构成一个围岩裂隙图像序列；
对各个围岩裂隙图像序列中的图像进行预处理；
基于预处理后的图像及稀疏重建方法对隧道围岩裂隙进行稀疏重建，估计隧道围岩裂隙的深度图并配准融合深度图，采用投影方法对融合的深度图进行点云恢复，稠密重建围岩裂隙，得到围岩裂隙三维重建图像及识别结果。
其中，处理器中的各个步骤与实施例一中的TBM搭载式围岩裂隙重建识别方法中的步骤一一对应，其具体实施过程相同，此处不再累述。
应用上述装置采集隧道围岩裂隙图像，并实现围岩裂隙重建与识别，包括以下步骤：
在围岩裂隙图像采集开始前，将相机、防水防震相机保护装置、计算机、照明装置等设备安置、组装好，调整好现场光源；
记录掘进里程和掘进时间，通过激光测距仪测量相机位置并对三台相机进行标定，计算机控制相机保护装置上的闸门自动打开；
调整机械臂连接相机的云台，使相机摄像头对准闸门，暴露拍摄视野；
待相机自动对焦后，通过硬件触发相机曝光，采集得到围岩裂隙图像；
通过计算机控制机械臂移动、旋转，采用滑动窗口法继续拍摄同一位置不同视野图像，每台相机拍摄16个不同视野，构成一组裂隙图像并传输到图像预处理系统；
对图像进行优化和畸变矫正；
将预处理后的围岩裂隙传输到将预处理后的围岩裂隙图像传输到裂隙重建及识别系统，通过稀疏重建实现围岩裂隙三维结构和相机姿态还原并输出全部相机参数和稀疏三维点云；
通过匹配代价构造、代价累计、深度估计和深度图优化获取围岩裂隙的深度图和法向量图，并利用几何一致性对深度图进行优化；
对估计出来的深度图通过配准进行深度图融合，并采用投影方法进行点云恢复，从而实现对隧道围岩裂隙的稠密重建；
最终，将围岩裂隙三维重建图像及识别结果，建立围岩裂隙数据库并进行存储，实现数据的远程传输、存储管理、自动检索和实时更新。
本实施例采用相机、机械臂、计算机、照明装置等组合设备，并通过自动调节机械臂和相机角度，可定点拍摄一组有序围岩裂隙图像，极大程度上还原隧道围岩裂隙真实情况；通过多视角几何，利用稀疏重建、深度图估计、稠密重建等方法获取围岩裂隙稠密点云及相机姿态，可实现隧道围岩裂隙三维可视化，使观察人员在隧道外也可以完整掌握围岩裂隙情况。
实施例四
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例一所述的TBM搭载式围岩裂隙重建识别方法中的步骤。
实施例五
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例一所述的TBM搭载式围岩裂隙重建识别方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种TBM搭载式围岩裂隙重建识别方法，其特征在于，包括：
获取TBM搭载式拍摄装置处于不同拍摄位置时不同角度的围岩裂隙图像；其中，同一拍摄位置不同角度的围岩裂隙图像构成一个围岩裂隙图像序列；
对各个围岩裂隙图像序列中的图像进行预处理；
基于预处理后的图像及稀疏重建方法对隧道围岩裂隙进行稀疏重建，估计隧道围岩裂隙的深度图并配准融合深度图，采用投影方法对融合的深度图进行点云恢复，稠密重建围岩裂隙，得到围岩裂隙三维重建图像及识别结果。
2.如权利要求1所述的TBM搭载式围岩裂隙重建识别方法，其特征在于，对图像进行预处理的操作包括图像优化和畸变矫正。
3.如权利要求1所述的TBM搭载式围岩裂隙重建识别方法，其特征在于，采用滑动窗口法获取同一拍摄位置的多视角围岩裂隙图像。
4.如权利要求1所述的TBM搭载式围岩裂隙重建识别方法，其特征在于，在稀疏重建的过程中，提取预处理后围岩裂隙图像的全局特征并进行特征匹配，采用增量式重建对围岩裂隙进行稀疏重建和优化，获取围岩裂隙的三维稀疏点云和TBM搭载式拍摄装置的姿态。
5.如权利要求1所述的TBM搭载式围岩裂隙重建识别方法，其特征在于，通过匹配代价构造、代价累计、深度估计和深度图优化获取围岩裂隙的深度图和法向量图，并利用几何一致性对深度图进行优化。
6.如权利要求1所述的TBM搭载式围岩裂隙重建识别方法，其特征在于，所述的TBM搭载式围岩裂隙重建识别方法，还包括：存储围岩裂隙三维重建图像及识别结果并构建围岩裂隙数据库。
7.一种TBM搭载式围岩裂隙重建识别装置，其特征在于，包括：
图像获取模块，其用于获取TBM搭载式拍摄装置处于不同拍摄位置时不同角度的围岩裂隙图像；其中，同一拍摄位置不同角度的围岩裂隙图像构成一个围岩裂隙图像序列；
图像预处理模块，其用于对各个围岩裂隙图像序列中的图像进行预处理；
裂隙重现及识别模块，其用于基于预处理后的图像及稀疏重建方法对隧道围岩裂隙进行稀疏重建，估计隧道围岩裂隙的深度图并配准融合深度图，采用投影方法对融合的深度图进行点云恢复，稠密重建围岩裂隙，得到围岩裂隙三维重建图像及识别结果。
8.一种TBM搭载式围岩裂隙重建识别装置，其特征在于，包括：
TBM搭载式拍摄装置，其用于采集处于不同拍摄位置时不同角度的围岩裂隙图像；
处理器，其被配置为：
将同一拍摄位置不同角度的围岩裂隙图像构成一个围岩裂隙图像序列；
对各个围岩裂隙图像序列中的图像进行预处理；
基于预处理后的图像及稀疏重建方法对隧道围岩裂隙进行稀疏重建，估计隧道围岩裂隙的深度图并配准融合深度图，采用投影方法对融合的深度图进行点云恢复，稠密重建围岩裂隙，得到围岩裂隙三维重建图像及识别结果。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的TBM搭载式围岩裂隙重建识别方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一项所述的TBM搭载式围岩裂隙重建识别方法中的步骤。
CN202110057160.XA 2021-01-15 2021-01-15 Tbm搭载式围岩裂隙重建识别方法、装置、存储介质及设备 Active CN112785709B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110057160.XA CN112785709B (zh) 2021-01-15 2021-01-15 Tbm搭载式围岩裂隙重建识别方法、装置、存储介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110057160.XA CN112785709B (zh) 2021-01-15 2021-01-15 Tbm搭载式围岩裂隙重建识别方法、装置、存储介质及设备

Publications (2)

Publication Number Publication Date
CN112785709A true CN112785709A (zh) 2021-05-11
CN112785709B CN112785709B (zh) 2023-10-17

Family

ID=75757121

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110057160.XA Active CN112785709B (zh) 2021-01-15 2021-01-15 Tbm搭载式围岩裂隙重建识别方法、装置、存储介质及设备

Country Status (1)

Country Link
CN (1) CN112785709B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113836997A (zh) * 2021-08-12 2021-12-24 山东大学 一种隧道内岩体裂隙识别方法、装置及系统
CN113838005A (zh) * 2021-09-01 2021-12-24 山东大学 基于维度转换的岩体裂隙智能识别与三维重构方法及系统
CN115546113A (zh) * 2022-09-15 2022-12-30 山东大学 掌子面裂隙图像与前方三维结构参数预测方法及系统
CN116503511A (zh) * 2023-05-06 2023-07-28 中国矿业大学(北京) 一种掘进巷道围岩破坏区形态的即时映射成像方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110111412A (zh) * 2019-04-08 2019-08-09 浙江省交通规划设计研究院有限公司 一种隧道开挖面围岩点云模型的获取方法
CN110223383A (zh) * 2019-06-17 2019-09-10 重庆大学 一种基于深度图修补的植物三维重建方法及系统
CN111291658A (zh) * 2019-09-06 2020-06-16 山东大学 Tbm搭载式隧道围岩结构虚拟再现系统与方法
CN111815757A (zh) * 2019-06-29 2020-10-23 浙江大学山东工业技术研究院 基于图像序列的大型构件三维重建方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110111412A (zh) * 2019-04-08 2019-08-09 浙江省交通规划设计研究院有限公司 一种隧道开挖面围岩点云模型的获取方法
CN110223383A (zh) * 2019-06-17 2019-09-10 重庆大学 一种基于深度图修补的植物三维重建方法及系统
CN111815757A (zh) * 2019-06-29 2020-10-23 浙江大学山东工业技术研究院 基于图像序列的大型构件三维重建方法
CN111291658A (zh) * 2019-09-06 2020-06-16 山东大学 Tbm搭载式隧道围岩结构虚拟再现系统与方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨淑云等: "小场景交互式稠密三维重建系统", 《图学学报》 *
杨淑云等: "小场景交互式稠密三维重建系统", 《图学学报》, no. 02, 15 April 2019 (2019-04-15) *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113836997A (zh) * 2021-08-12 2021-12-24 山东大学 一种隧道内岩体裂隙识别方法、装置及系统
CN113838005A (zh) * 2021-09-01 2021-12-24 山东大学 基于维度转换的岩体裂隙智能识别与三维重构方法及系统
CN113838005B (zh) * 2021-09-01 2023-11-21 山东大学 基于维度转换的岩体裂隙智能识别与三维重构方法及系统
CN115546113A (zh) * 2022-09-15 2022-12-30 山东大学 掌子面裂隙图像与前方三维结构参数预测方法及系统
CN116503511A (zh) * 2023-05-06 2023-07-28 中国矿业大学(北京) 一种掘进巷道围岩破坏区形态的即时映射成像方法
CN116503511B (zh) * 2023-05-06 2023-09-19 中国矿业大学(北京) 一种掘进巷道围岩破坏区形态的即时映射成像方法

Also Published As

Publication number Publication date
CN112785709B (zh) 2023-10-17

Similar Documents

Publication Publication Date Title
CN112785709B (zh) Tbm搭载式围岩裂隙重建识别方法、装置、存储介质及设备
CN110070615B (zh) 一种基于多相机协同的全景视觉slam方法
US20190026400A1 (en) Three-dimensional modeling from point cloud data migration
CN104330074B (zh) 一种智能测绘平台及其实现方法
CN109407547A (zh) 面向全景视觉感知的多摄像头在环仿真测试方法与系统
CN104200523B (zh) 一种融合附加信息的大场景三维重建方法
US20190026938A1 (en) Three-dimensional modeling from optical capture
CN109509230A (zh) 一种应用于多镜头组合式全景相机的slam方法
CN104484648A (zh) 基于轮廓识别的机器人可变视角障碍物检测方法
CN110319772B (zh) 基于无人机的视觉大跨度测距方法
CN112734841B (zh) 一种用轮式里程计-imu和单目相机实现定位的方法
CN110033489A (zh) 一种车辆定位准确性的评估方法、装置及设备
CN103679674A (zh) 一种无人飞行器实时图像拼接方法及系统
CN102509309B (zh) 一种基于图像匹配的目标点定位系统
CN110969663A (zh) 一种相机外部参数的静态标定方法
CN103885455B (zh) 跟踪测量机器人
CN111815765B (zh) 一种基于异构数据融合的图像三维重建方法
CN110111412A (zh) 一种隧道开挖面围岩点云模型的获取方法
CN104570764A (zh) 一种机载目标指示系统验证平台
CN112288848A (zh) 无人机航拍三维建模计算工程量的方法
CN103837138B (zh) 精密摄影测量机器人
US11257197B2 (en) Mapping pipeline optimization using aggregated overhead view reconstruction
CN116050277A (zh) 一种煤矿井下场景现实捕捉感知及仿真方法及设备
KR101966732B1 (ko) 석회석 광산 갱내의 디지털 사진 자료를 이용한 암상 분석 방법
CN117288094B (zh) 基于激光传感器的掘进机实时定位系统

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