CN113269865B - 隧道掌子面地下水出水特征智能识别方法及地下水状态分级方法 - Google Patents
隧道掌子面地下水出水特征智能识别方法及地下水状态分级方法 Download PDFInfo
- Publication number
- CN113269865B CN113269865B CN202110373812.0A CN202110373812A CN113269865B CN 113269865 B CN113269865 B CN 113269865B CN 202110373812 A CN202110373812 A CN 202110373812A CN 113269865 B CN113269865 B CN 113269865B
- Authority
- CN
- China
- Prior art keywords
- image
- video
- coordinate system
- black
- water outlet
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000012545 processing Methods 0.000 claims abstract description 81
- 239000003673 groundwater Substances 0.000 claims abstract description 73
- 230000003068 static effect Effects 0.000 claims abstract description 56
- 230000033001 locomotion Effects 0.000 claims abstract description 21
- 238000005516 engineering process Methods 0.000 claims abstract description 20
- 238000013507 mapping Methods 0.000 claims abstract description 12
- 238000003672 processing method Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000010586 diagram Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 5
- 238000005215 recombination Methods 0.000 claims description 5
- 230000005641 tunneling Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 abstract 1
- 238000010276 construction Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 238000013461 design Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000012512 characterization method Methods 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Geophysics And Detection Of Objects (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种隧道掌子面地下水出水特征智能识别方法及地下水状态分级方法,属于隧道及地下工程领域。该隧道掌子面地下水出水特征智能识别方法基于视频拆分技术,提取视频中各帧图像,并按时间顺序对提取的图像进行编号;基于图像处理技术,对提取的各帧图像进行灰度处理;基于视频处理方法,将灰度图像转换运动区域和静止区域的二值图像;提取运动像素点的位置信息;基于图像映射原理和运动区域像素点位置信息进行隧道掌子面出水形态三维重构;基于隧道掌子面出水形态三维重构结果确定隧道掌子面地下水出水体积、流量和流速。该方法较少的引入主观因素影响,克服了传统方法识别准确度较低的技术问题,且克服了传统人工判断效率低的问题。
Description
技术领域
本申请涉及隧道工程领域,具体而言,涉及一种隧道掌子面地下水出水特征智能识别方法及地下水状态分级方法。
背景技术
自2010年以来,人类拉开了第四次工业革命的帷幕,隧道及地下工程设计理念、建造技术逐渐向人工智能(AI技术)方向发展。随着设计理念、施工工艺的不断革新,隧道工程逐渐向机械化、信息化、智能化方向发展。如何准确、少人、无人的获取围岩参数成为了当今隧道及地下工程智能化建造的研究重点。掌子面出水量和出水口处流速往往能较好的反映掌子面地下水渗透力的大小,渗透力的大小极大的影响掌子面稳定性以及隧道支护结构设计、施工。另外,《铁路隧道设计规范》中以地下水流速为定量指标,将地下水划分为3级,不同的地下水级别对围岩修正分级以及围岩基本质量指标BQ的修正影响巨大。
有鉴于此,高效准确的判释掌子面地下水出水量和出水口流速对指导隧道及地下工程设计、施工具有重大意义。目前,地下水状态的识别方法仍停留在传统人工判释的技术层面,即在隧道仰拱中心和两侧修建排水沟渠以引流的方式测定地下水掌子面出水量和出水口流速,进而判定掌子面地下水级别,该方法人力物力投入较大,且在地下水从掌子面流入沟渠的过程中,由于围岩、混凝土孔隙的存在,造成了沿程地下水“损失”,故传统方法的判释结果并非掌子面实际情况。
发明内容
有鉴于此,本申请实施例提供了一种隧道掌子面地下水出水特征智能识别方法及隧道掌子面地下水状态分级方法,旨在地下水状态识别的智能化、准确性,指导隧道工程设计、施工,保证隧道工程施工安全起到了关键性作用。
第一方面,本实施例提供一种隧道掌子面地下水出水特征智能识别方法,包括
采集地下水出水口处视频;
提取视频各帧图像并根据照片的时间顺序对各帧图像进行编号和保存;
对提取的各帧图像进行灰度处理;
对视频进行处理,确定重组视频中的背景图像,并将背景图像中运动区域和静止区域分为2类,用1和0分别进行标记运动区域和静止区域的像素点;
基于运动区域和静止区域的分类二值图进行图像处理,获取图像运动区域和静止区域的二值图像和运动区域像素点位置信息;
基于图像映射原理和运动区域像素点位置信息进行隧道掌子面出水形态三维重构;
基于隧道掌子面出水形态三维重构结果确定隧道掌子面地下水出水体积和出水口流速。
结合第一方面的实施例,在一些实施例中,采集地下水出水口处视频,具体为:
在出水口处,分别布置2台不同拍摄角度的高清相机;
分别记录2台相机距离出水口处的距离、相机焦距、镜头在大地坐标系下的绝对坐标、拍摄光束相对于掌子面的三维角度和分辨率信息。
结合第一方面的实施例,在一些实施例中,对提取的各帧图像进行灰度处理,具体为:
基于各帧图像的RGB值、HSI值、HSV值,将视频中的彩色图像转换为灰度图像;
基于图像处理技术对灰度图像进行分割、增强、锐化处理并保存。
结合第一方面的实施例,在一些实施例中,对视频进行处理,确定重组视频中的背景图像,并将背景图像中运动区域和静止区域分为2类,用1和0分别进行标记运动区域和静止区域的像素点,具体为:
基于视频重组技术,将保存的灰度处理图像按时间顺序重组为灰度视频;
基于背景减除、背景增强视频处理方法,确定重组视频中的背景图像,同时将背景图像中运动区域和静止区域分为2类;
基于视频处理后的分类结果,用1和0分别进行标记运动区域和静止区域的像素点。
结合第一方面的实施例,在一些实施例中,基于运动和静止区域的分类二值图进行图像处理,提取地下水物理特征,包括
基于运动区域和静止区域分类标签,将背景图像转换为二值图像;
基于运动和静止区域的分类二值图和图像处理技术,提取地下水流动的亮度、外形、颜色视觉特征,尺寸、质心、运动方式、面积、频域物理特征。
第二方面,本申请提供一种地下水状态确定装置,包括
采集模块,所述采集模块用于地下水出水口处视频;
视频拆分模块,所述视频拆分模块用于提取视频各帧图像并根据照片的时间顺序对各帧图像进行编号和保存;
图像处理模块,所述图像处理模块用于对提取的各帧图像进行灰度处理;
视频处理模块,所述视频处理模块用于对视频进行处理,确定重组视频中的背景图像,并将背景图像中运动区域和静止区域分为2类,用1和0分别进行标记运动区域和静止区域的像素点;
提取模块,所述提取模块用于基于运动区域和静止区域的分类二值图进行图像处理,获取图像运动区域和静止区域的二值图像和运动区域像素点位置信息;
建模模块,所述建模模块用于基于图像映射原理和运动区域像素点位置信息进行隧道掌子面出水形态三维重构;
计算模块,所属计算模块用于基于隧道掌子面出水形态三维重构结果确定隧道掌子面地下水出水体积和出水口流速。
第三方面,本申请提供一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如所述的隧道掌子面地下水出水特征智能识别方法。
第四方面,本申请提供一种计算机可读介质,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所述的隧道掌子面地下水出水特征智能识别方法。
第五方面,本申请提供一种隧道掌子面地下水状态分级方法,包括如下步骤:
采集地下水出水口处视频;
提取视频各帧图像并根据照片的时间顺序对各帧图像进行编号和保存;
对提取的各帧图像进行灰度处理;
对视频进行处理,确定重组视频中的背景图像,并将背景图像中运动区域和静止区域分为2类,用1和0分别进行标记运动区域和静止区域的像素点;
基于运动区域和静止区域的分类二值图进行图像处理,获取图像运动区域和静止区域的二值图像和运动区域像素点位置信息;
基于图像映射原理和运动区域像素点位置信息进行隧道掌子面出水形态三维重构;
基于右手法则,以图像中心点为坐标原点构建图像坐标系(X1,Y1,Z1),以相机镜头为坐标原点,构建相机坐标系(X2,Y2,Z2),以掌子面中心点为坐标原点构建地面坐标系(X3,Y3,Z3);
基于各像素点在地面坐标系X3,Y3,Z3和投影方程,分别计算任一像素点在X3-Y3,X3-Z,Y3-Z3平面的投影坐标;
基于地面坐标系构建的三维立方体,将三维立方体沿隧道掘进方向切割为L列,沿隧道宽度方向切割为M列,沿隧道高度方向切割为N层,总计L×M×N个子立方体。构建的立方体示意图如图12所示。
根据计算各相机识别结果图中的黑色像素点坐标(x3,y3,z3),分别绘制在X3-Y3,X3-Z,Y3-Z3平面的投影图。其中相机A在三个平面上的投影示意如图13所示。
基于各平面的投影图,将立方体沿X轴、Y轴和Z轴的各“切片”对应的方格标为黑色。
基于2台相机采集视频识别和处理结果,对黑色“切片”进行叠加处理。叠加规则如下:
“黑A”+“黑B”=“黑”;
“黑A”+“白B”=“黑”;
“白A”+“黑B”=“黑”;
“白A”+“白B”=“白”。
叠加规则中A、B分别代表2台相机分别判释的结果。
基于隧道掌子面出水形态三维重构结果确定隧道掌子面地下水出水体积、流速和流量,其中,
根据每个子立方体6面填色情况,若黑色的面个数大于等于4,则将该立方体填充为黑色;
基于单目成像原理,任一相机换算子立方体表征的实际体积,具体计算方法如下:
式中:X—子立方体x轴方向长度表征的实际长度(m);
x—模型中子立方体沿x轴方向的长度(m);
D—相机镜头距离出水口(拍摄方向)的距离(m);
f—相机焦距(dm);
式中:Y—子立方体Y轴方向长度表征的实际长度(m);
y—模型中子立方体沿Y轴方向的长度(m);
D—相机镜头距离出水口(拍摄方向)的距离(m);
f—相机焦距(m);
式中:Z—子立方体Z轴方向长度表征的实际长度(m);
z—模型中子立方体沿z轴方向的长度(m);
D—相机镜头距离出水口(拍摄方向)的距离(m);
f—相机焦距(m);
Vi=X×Y×Z
式中:Vi—单个子立方体表征的实际体积(m3);
基于子立方体表征的实际单位体积,统计黑色子立方体的个数,计算隧道掌子面地下水出水体积、出水口流量和流速;
视频单位时间隧道掌子面地下水出水体积计算方法:
V=Vi×ni
式中:V—隧道掌子面地下水出水体积(m3);
Vi—单个子立方体表征的实际体积(m3);
ni—第i秒内黑色立方体的个数平均值。
视频单位时间隧道掌子面地下水出水口流量计算方法:
式中:Q—隧道掌子面地下水流量(m3/s);
V—隧道掌子面地下水出水体积(m3);
t—单位时间(s);
基于掌子面地下水三维重构结果,提取视频单位时间内在地面坐标系各黑色像素点坐标(x3,y3,z3),基于有限差分和最小二乘法原理,分别拟合不同假定函数形式的掌子面地下水出流曲线方程,取拟合的曲线方程中拟合度最高的方程为最终的掌子面地下水出流曲线方程f(x,y,z)
基于拟合的曲线方程f(x,y,z),确定ZD坐标最小处流速分量vx,vy,vz,以及掌子面地下水出水口处流速v。
式中:vx—地面坐标系中XD轴向速度(m/s);
vy—地面坐标系中YD轴向速度(m/s);
vz—地面坐标系中ZD轴向速度(m/s);
v—地面坐标系中掌子面地下水出水口流速(m/s)
f(x,y,z)—掌子面地下水出流曲线方程。
基于掌子面地下水出水体积、出水口流量和流速计算结果,按时间顺序绘制折线图。
结合第五方面的实施例,在一些实施例中,采集地下水出水口处数码视频,具体为:
在出水口处,分别布置2台不同拍摄角度的高清相机;
分别记录2台相机距离出水口处的距离、相机焦距、镜头在大地坐标系下的绝对坐标、拍摄光束相对于掌子面的三维角度和分辨率信息。
结合第五方面的实施例,在一些实施例中,对提取的各帧图像进行灰度处理,具体为:
基于各帧图像的RGB值、HSI值、HSV值和灰度值,将视频中的彩色图像转换为灰度图像;
基于图像处理技术对灰度图像进行分割、增强、锐化处理并保存。
结合第五方面的实施例,在一些实施例中,对视频进行处理,确定重组视频中的背景图像,并将背景图像中运动区域和静止区域分为2类,用1和0标记运动区域和静止区域的像素点,具体为:
基于视频重组技术,将保存的灰度处理图像按时间顺序重组为灰度视频;
基于背景减除、背景增强视频处理方法,确定重组视频中的背景图像,同时将背景图像中运动区域和静止区域分为2类;
基于视频处理后的分类结果,用1和0分别进行标记运动区域和静止区域的像素点。
结合第五方面的实施例,在一些实施例中,基于运动区域和静止区域的分类二值图进行图像处理,获取图像运动区域和静止区域的二值图像和运动区域像素点位置信息,具体为:
基于图像处理技术和分类标签,将视频的各帧图像转换为运动区域和静止区域的二值图像;
基于标记结果,将2台相机采集视频的各帧图像的运动区域设置为黑色,静止区域设置为白色,实现二值图像的转换;
分别统计2台相机采集的视频各帧图像中黑色像素点坐标(x,y,z)。
结合第五方面的实施例,在一些实施例中,基于图像映射原理和运动区域像素点位置信息进行隧道掌子面出水形态三维重构,具体包括:
基于地面坐标系构建的三维立方体,将三维立方体沿隧道掘进方向切割为L列,沿隧道宽度方向切割为M列,沿隧道高度方向切割为N层,总计L×M×N个子立方体。构建的立方体示意图如图12所示。
根据计算各相机识别结果图中的黑色像素点坐标(X,Y,Z),分别绘制在X-Y,X-Z,Y-Z平面的投影图。其中相机A在三个平面上的投影示意如图13所示。
基于各平面的投影图,将立方体沿X轴、Y轴和Z轴的各“切片”对应的方格标为黑色。
基于2台相机采集视频识别和处理结果,对黑色“切片”进行叠加处理。叠加规则如下:
“黑A”+“黑B”=“黑”;
“黑A”+“白B”=“黑”;
“白A”+“黑B”=“黑”;
“白A”+“白B”=“白”。
叠加规则中A、B分别代表2台相机分别判释的结果。
结合第五方面的实施例,在一些实施例中,基于隧道掌子面出水形态三维重构结果确定隧道掌子面地下水出水体积、流速和流量,具体包括:
根据每个子立方体6面填色情况,若黑色的面个数大于等于4,则将该立方体填充为黑色;
基于单目成像原理,换算子立方体表征的实际体积;
基于子立方体表征的实际单位体积,统计黑色子立方体的个数,计算视频采集时间内的掌子面地下水出水体积;
基于隧道掌子面地下水类平抛运动,计算视频采集时间内各时刻隧道掌子面地下水出水流速;
基于掌子面地下水出水口流速和过水断面面积,计算视频采集时间内各时刻隧道掌子面地下水出水流量;
基于掌子面地下水出水体积、流量和流速计算结果,按时间顺序绘制折线图。
本发明的有益效果是:基于视频拆分技术,提取视频中各帧图像,并按时间顺序对提取的图像进行编号;基于图像处理技术,对提取的各帧图像进行灰度处理;基于视频处理方法,将灰度图像转换运动区域和静止区域的二值图像;基于运动区域和静止区域的分类二值图进行图像处理,获取图像运动区域和静止区域的二值图像和运动区域像素点位置信息;基于图像映射原理和运动区域像素点位置信息进行隧道掌子面出水形态三维重构;基于隧道掌子面出水形态三维重构结果确定隧道掌子面地下水出水体积和出水口流速。该方法较少的引入主观因素影响,克服了传统方法识别准确度较低的技术问题,且克服了传统人工判断效率低的问题。
附图说明
为了更清楚地说明本申请实施方式的技术方案,下面将对实施方式中所需要使用的附图作简单的介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1是本申请实施例提供的隧道掌子面地下水出水特征智能识别方法的流程图;
图2是本申请实施例提供的相机A采集视频终止帧原始图像;
图3是本申请实施例提供的相机B采集视频终止帧原始图像;
图4是本申请实施例提供的涌水相机A采集视频终止帧原始图像经RGB值与灰度值转换后的灰度图像;
图5是本申请实施例提供的涌水相机B采集视频终止帧原始图像经RGB值与灰度值转换后的灰度图像;
图6是本申请实施例提供的相机A采集视频终止帧灰度图像经图像增强、锐化进一步处理后的图像;
图7是本申请实施例提供的相机B采集视频终止帧灰度图像经图像增强、锐化进一步处理后的图像;
图8是本申请实施例提供的相机A采集视频用于区分运动和静止区域的二值图像;
图9是本申请实施例提供的相机B采集视频用于区分运动和静止区域的二值图像;
图10是本申请实施例提供的构建的局部坐标系示意图;
图11是本申请实施例提供的投影示意图;
图12是本申请实施例提供的三维立方体示意图;
图13是本申请实施例提供的相机A在三个平面上的投影结果图;
图14是本申请实施例提供的掌子面地下水出水体积折线图;
图15是本申请实施例提供的掌子面地下水出水口流量折线图;
图16是本申请实施例提供的掌子面地下水出水口流量折线图;
图17是本申请实施例提供的地下水状态确定装置的结构的示意图;
图18是本申请实施例提供的电子设备的基本结构的示意图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整的描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
实施例
第四次工业革命席卷全球,加快了物联网、大数据、人工智能等新兴产业的发展,隧道工程建造技术逐渐向机械化、信息化、智能化方向发展。高效的识别隧道掌子面地下水出水体积和出水口流速对指导隧道工程设计、施工,保证施工、运营安全起到了关键性作用。
为此,本发明人经过长期的研究,提供一种隧道掌子面地下水出水特征智能识别方法及隧道掌子面地下水状态分级方法,旨在提高我国隧道建造水平,开创“高质、高效、少人、无人”的中国隧道工程建造、运营新模式。
图1示出了根据本公开的隧道掌子面地下水出水特征智能识别方法的一个实施例的流程图。请参阅图1,该隧道掌子面地下水出水特征智能识别方法用于隧道工程领域,在施工阶段识别地下水状态。
请参见图1,该隧道掌子面地下水出水特征智能识别方法包括如下步骤:
步骤101,采集地下水出水口处视频。
在这里,步骤101具体为:在出水口处,分别布置2台不同拍摄角度的高清相机;
分别记录2台相机距离出水口处的距离、相机焦距、镜头在大地坐标系下的绝对坐标、拍摄光束相对于掌子面的三维角度和分辨率信息。
步骤102,提取视频各帧图像并根据照片的时间顺序对各帧图像进行编号和保存。
在这里,步骤102具体包括
基于视频拆分技术,对2台相机提取采集的视频中各帧图像;
按时间顺序,对提取的各帧图像编号、保存。
在一种具体的实施方案中,某隧道掌子面出现了涌水现象,通过视频拆分技术,提取了各帧原始图像,其中视频A终止帧原始图像参见图2,视频B终止帧原始图像参见图3。
步骤103,对提取的各帧图像进行灰度处理。
基于各帧图像的RGB值、HSI值、HSV值,将2台相机采集视频中的彩色图像转换为灰度图像。
基于图像处理技术对灰度图像进行分割、增强、锐化处理并保存。
基于各帧图像的RGB值、HSI值、HSV值计算方法,初步将视频中的彩色图像转换为灰度图像。
其中视频A终止帧图像初步转换的灰度图像如图4所示;视频B采集的终止帧图像初步转换的灰度图像如图5所示;视频A中终止帧灰度图像经过图像增强、锐化进一步处理的图像如图6所示;视频B中终止帧灰度图像经过图像增强、锐化进一步处理的图像如图7所示。
步骤104,对视频进行处理,确定重组视频中的背景图像,并将背景图像中运动区域和静止区域分为2类,用1和0标记运动区域和静止区域的像素点。
在这里,步骤104具体为,具体为:
基于视频重组技术,将保存的灰度处理图像按时间顺序重组为灰度视频;
基于背景减除、背景增强视频处理方法,确定重组视频中的背景图像,同时将背景图像中运动区域和静止区域分为2类。其中,背景减除可以利用帧间差分、平均值累积法、高斯建模法和高斯混合建模法等。
基于视频处理后的分类结果,用1和0分别进行标记运动区域和静止区域的像素点。
步骤105,基于运动区域和静止区域的分类二值图进行图像处理,获取图像运动区域和静止区域的二值图像和运动区域像素点位置信息。
基于运动区域和静止区域分类标签,可以将背景图像转换为二值图像、矩阵等。其中相机A采集的视频终止帧二值化结果如图8所示;相机B采集的视频终止帧二值化结果如图9所示。
分别统计2台相机采集视频的各帧图像中黑色像素点的坐标(x,y)。
步骤106,基于图像映射原理和运动区域像素点位置信息进行隧道掌子面出水形态三维重构。
基于右手法则,以图像左下角为坐标原点建立图像二维坐标系(X1,Y1),以相机镜头为坐标原点,构建相机三维坐标系(X2,Y2,Z2)以相机光束投射方向为Z2轴;构建的局部坐标系示意如图10所示。
在图像坐标系中,识别结果图中任一像素点坐标可表示为(x1,y1),在相机坐标系中,该像素点(x2,y2)坐标与图像坐标系中的(x1,y1)保持一致,z2坐标值具体计算方法如下:
z2=y2cosγ
式中:z2—相机坐标系中z2坐标值;
y2—相机坐标系中y2坐标值;
γ—光束投射方向与地面夹角。
基于各像素点在地面坐标系(X3,Y3,Z3)和投影方程,分别计算任一像素点(x3,y3,z3)在X-Y,X-Z,Y-Z平面的投影坐标,投影示意如图11所示,具体计算过程如下:
x3=int(x2cosα)
y3=int(y2cosβ)
z3=int(z2cosγ)
式中:int—取整函数;
x3—任一像素点在地面坐标系中的X3坐标值;
y3—任一像素点在地面坐标系中的Y3坐标值;
z3—任一像素点在地面坐标系中的Z3坐标值;
x2—任一像素点在相机坐标系中的X2坐标值;
y2—任一像素点在相机坐标系中的Y2坐标值;
z2—任一像素点在相机坐标系中的Z2坐标值;
α—光束投射方向与X3轴夹角;
β—光束投射方向与Y3轴夹角;
γ—光束投射方向与Z3轴夹角。
基于地面坐标系构建的三维立方体,将三维立方体沿隧道掘进方向切割为L列,沿隧道宽度方向切割为M列,沿隧道高度方向切割为N层,总计L×M×N个子立方体。构建的立方体示意图如图12所示。
根据计算各相机识别结果图中的黑色像素点坐标(x3,y3,z3),分别绘制在X3-Y3,X3-Z,Y3-Z3平面的投影图。其中相机A在三个平面上的投影结果如图13所示。
基于各平面的投影图,将立方体沿X轴、Y轴和Z轴的各“切片”对应的方格标为黑色。
基于2台相机采集视频识别和处理结果,对黑色“切片”进行叠加处理。叠加规则如下:
“黑A”+“黑B”=“黑”;
“黑A”+“白B”=“黑”;
“白A”+“黑B”=“黑”;
“白A”+“白B”=“白”。
叠加规则中A、B分别代表2台相机分别判释的结果。
步骤107,基于隧道掌子面出水形态三维重构结果确定隧道掌子面地下水出水体积、流速和流量。
根据每个子立方体6面填色情况,若黑色的面个数大于等于4,则将该立方体填充为黑色;
基于单目成像原理,任一相机换算子立方体表征的实际体积,具体计算方法如下:
式中:X—子立方体x轴方向长度表征的实际长度(m);
x—模型中子立方体沿x轴方向的长度(m);
D—相机镜头距离出水口(拍摄方向)的距离(m);
f—相机焦距(dm);
式中:Y—子立方体Y轴方向长度表征的实际长度(m);
y—模型中子立方体沿Y轴方向的长度(m);
D—相机镜头距离出水口(拍摄方向)的距离(m);
f—相机焦距(m);
式中:Z—子立方体Z轴方向长度表征的实际长度(m);
z—模型中子立方体沿z轴方向的长度(m);
D—相机镜头距离出水口(拍摄方向)的距离(m);
f—相机焦距(m);
Vi=X×Y×Z
式中:Vi—单个子立方体表征的实际体积(m3);
基于子立方体表征的实际单位体积,统计黑色子立方体的个数,计算隧道掌子面地下水出水体积、出水口流量和流速;
视频单位时间隧道掌子面地下水出水体积计算方法:
V=Vi×ni
式中:V—隧道掌子面地下水出水体积(m3);
Vi—单个子立方体表征的实际体积(m3);
ni—第i秒内黑色立方体的个数平均值。
视频单位时间隧道掌子面地下水出水口流量计算方法:
式中:Q—隧道掌子面地下水流量(m3/s);
V—隧道掌子面地下水出水体积(m3);
t—单位时间(s);
基于掌子面地下水三维重构结果,提取视频单位时间内在地面坐标系各黑色像素点坐标(x3,y3,z3),基于有限差分和最小二乘法原理,分别拟合不同假定函数形式的掌子面地下水出流曲线方程,取拟合的曲线方程中拟合度最高的方程为最终的掌子面地下水出流曲线方程f(x,y,z)
基于拟合的曲线方程f(x,y,z),确定ZD坐标最小处流速分量vx,vy,vz,以及掌子面地下水出水口处流速v。
式中:vx—地面坐标系中XD轴向速度(m/s);
vy—地面坐标系中YD轴向速度(m/s);
vz—地面坐标系中ZD轴向速度(m/s);
v—地面坐标系中掌子面地下水出水口流速(m/s)
f(x,y,z)—掌子面地下水出流曲线方程。
基于掌子面地下水出水体积、出水口流量和流速计算结果,按时间顺序绘制折线图。
掌子面地下水出水体积如图14所示,掌子面地下水出水口流量如图15所示,掌子面地下水流速如图16所示。
基于视频拆分技术,提取视频中各帧图像,并按时间顺序对提取的图像进行编号;基于图像处理技术,对提取的各帧图像进行灰度处理;基于视频处理方法,将灰度图像转换运动区域和静止区域的二值图像;基于运动区域和静止区域的分类二值图进行图像处理,获取图像运动区域和静止区域的二值图像和运动区域像素点位置信息;基于图像映射原理和运动区域像素点位置信息进行隧道掌子面出水形态三维重构;基于隧道掌子面出水形态三维重构结果确定隧道掌子面地下水出水体积和出水口流速。该方法较少的引入主观因素影响,克服了传统方法识别准确度较低的技术问题,且克服了传统人工判断效率低的问题。
另外,该方法开创“智能、高效、少人、无人”的隧道掌子面地下水出水体积和出水口流速智能识别新模式,具有传统方法所不具有的高度智能化。
进一步,本发明另提供一种隧道掌子面地下水状态分级方法,该方法是在隧道掌子面地下水出水特征智能识别方法进一步发展而言,因此包括前述步骤。此外,还包括如下步骤:
进一步,作为对上述所示方法的实现,本文公开提供了一种掌子面地下水出水体积、出水口流速和流量确定装置,请参阅图17装置实施例与图1所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
本申请另公开一种地下水状态确定装置包括:采集模块701,所述采集模块701用于采集地下水出水口处视频;视频拆分模块702,所述视频拆分模块702用于提取视频各帧图像并根据照片的时间顺序对各帧图像进行编号和保存;图像处理模块703,所述图像处理模块703用于对提取的各帧图像进行灰度处理;视频处理模块704,所述视频处理模块704用于对视频进行处理,对视频进行处理,确定重组视频中的背景图像,并将背景图像中运动区域和静止区域分为2类,用1和0标记运动区域和静止区域的像素点;提取模块705,所述提取模块用于基于运动区域和静止区域的分类二值图进行图像处理,获取图像运动区域和静止区域的二值图像和运动区域像素点位置信息;建模模块706,所述建模模块用于基于图像映射原理和运动区域像素点位置信息,隧道掌子面出水形态三维重构;计算模块707,所属计算模块用于基于隧道掌子面出水形态三维重构结果,隧道掌子面地下水出水体积和出水口流速计算。
在一些可选的实施方式中,图像处理模块具体用于基于各帧图像的RGB值、HSI值、HSV值等,将视频中的彩色图像转换为灰度图像;基于图像处理技术对灰度图像进行分割、增强、锐化处理并保存。
在一些可选的实施方式中,视频处理模块,具体用于
基于视频重组技术,将保存的灰度处理图像按时间顺序重组为灰度视频;
基于背景减除、背景增强视频处理方法,确定重组视频中的背景图像,同时将背景图像中运动区域和静止区域分为2类;
基于视频处理后的分类结果,用1和0分别进行标记运动区域和静止区域的像素点。
下面参考图17,其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图18示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图18所示,电子设备可以包括处理装置(例如中央处理器、图形处理器等)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM803中,还存储有电子设备900操作所需的各种程序和数据。处理装置801、ROM802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
通常,以下装置可以连接至I/O接口805:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807;包括例如磁带、硬盘等的存储装置808;以及通信装置809。通信装置809可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图17示出了具有各种装置的电子设备,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置809从网络上被下载和安装,或者从存储装置808被安装,或者从ROM 802被安装。在该计算机程序被处理装置801执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
采集地下水出水口处视频;提取视频各帧图像并根据照片的时间顺序对各帧图像进行编号和保存;对提取的各帧图像进行灰度处理;对视频进行处理,确定重组视频中的背景图像,并将背景图像中运动区域和静止区域分为2类,用1和0分别进行标记运动区域和静止区域的像素点;基于运动区域和静止区域的分类二值图进行图像处理,获取图像运动区域和静止区域的二值图像和运动区域像素点位置信息;基于图像映射原理和运动区域像素点位置信息,隧道掌子面出水形态三维重构;基于隧道掌子面出水形态三维重构结果,隧道掌子面地下水出水体积和出水口流速计算。
隧道掌子面地下水出水体积、出水口流量和流速具体计算方法如下:
根据每个子立方体6面填色情况,若黑色的面个数大于等于4,则将该立方体填充为黑色;
基于单目成像原理,任一相机换算子立方体表征的实际体积,具体计算方法如下:
式中:X—子立方体x轴方向长度表征的实际长度(m);
x—模型中子立方体沿x轴方向的长度(m);
D—相机镜头距离出水口(拍摄方向)的距离(m);
f—相机焦距(dm);
式中:Y—子立方体Y轴方向长度表征的实际长度(m);
y—模型中子立方体沿Y轴方向的长度(m);
D—相机镜头距离出水口(拍摄方向)的距离(m);
f—相机焦距(m);
式中:Z—子立方体Z轴方向长度表征的实际长度(m);
z—模型中子立方体沿z轴方向的长度(m);
D—相机镜头距离出水口(拍摄方向)的距离(m);
f—相机焦距(m);
Vi=X×Y×Z
式中:Vi—单个子立方体表征的实际体积(m3);
基于子立方体表征的实际单位体积,统计黑色子立方体的个数,计算隧道掌子面地下水出水体积、出水口流量和流速;
视频单位时间隧道掌子面地下水出水体积计算方法:
V=Vi×ni
式中:V—隧道掌子面地下水出水体积(m3);
Vi—单个子立方体表征的实际体积(m3);
ni—第i秒内黑色立方体的个数平均值。
视频单位时间隧道掌子面地下水出水口出水口流量计算方法:
式中:Q—隧道掌子面地下水流量(m3/s);
V—隧道掌子面地下水出水体积(m3);
t—单位时间(s);
基于掌子面地下水三维重构结果,提取视频单位时间内在地面坐标系各黑色像素点坐标(x3,y3,z3),基于有限差分和最小二乘法原理,分别拟合不同假定函数形式的掌子面地下水出流曲线方程,取拟合的曲线方程中拟合度最高的方程为最终的掌子面地下水出流曲线方程f(x,y,z)
基于拟合的曲线方程f(x,y,z),确定ZD坐标最小处流速分量vx,vy,vz,以及掌子面地下水出水口处流速v。
式中:vx—地面坐标系中XD轴向速度(m/s);
vy—地面坐标系中YD轴向速度(m/s);
vz—地面坐标系中ZD轴向速度(m/s);
v—地面坐标系中掌子面地下水出水口流速(m/s)
f(x,y,z)—掌子面地下水出流曲线方程。
基于掌子面地下水出水体积、出水口流量和流速计算结果,按时间顺序绘制折线图。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、Python、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用于执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定,例如,采集模块还可以被描述为“地下水视频的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何适当组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
以上仅为本申请的优选实施方式而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种隧道掌子面地下水出水特征智能识别方法,其特征在于,包括
采集地下水出水口处视频;
提取视频各帧图像并根据照片的时间顺序对各帧图像进行编号和保存;
对提取的各帧图像进行灰度处理;
对视频进行处理,确定重组视频中的背景图像,并将背景图像中运动区域和静止区域分为2类,用1和0分别进行标记运动区域和静止区域的像素点;
基于运动区域和静止区域的分类二值图进行图像处理,获取图像运动区域和静止区域的二值图像和运动区域像素点位置信息;
基于图像映射原理和运动区域像素点位置信息进行隧道掌子面出水形态三维重构,其中,基于右手法则,以图像左下角为坐标原点建立图像二维坐标系(X1,Y1),以相机镜头为坐标原点,构建相机三维坐标系(X2,Y2,Z2)以相机光束投射方向为Z二轴,构建的局部坐标系;
在图像坐标系中,识别结果图中任一像素点坐标可表示为(x1,y1),在相机坐标系中,该像素点(x2,y2)坐标与图像坐标系中的(x1,y1)保持一致,z2坐标值具体计算方法如下:
z2=y2cosγ
式中:z2—相机坐标系中z2坐标值;
y2-相机坐标系中y2坐标值;
γ-光束投射方向与地面夹角;
基于各像素点在地面坐标系(X3,Y3,Z3)和投影方程,分别计算任一像素点(x3,y3,z3)在X-Y,X-Z,Y-Z平面的投影坐标,具体计算过程如下:
x3=int(x2cosα)
y3=int(y2cosβ)
z3=int(z2cosγ)
式中:int-取整函数;
x3-任一像素点在地面坐标系中的X3坐标值;
y3-任一像素点在地面坐标系中的Y3坐标值:
z3-任一像素点在地面坐标系中的Z3坐标值;
x2-任一像素点在相机坐标系中的X2坐标值;
y2-任一像素点在相机坐标系中的Y2坐标值;
z2-任一像素点在相机坐标系中的Z2坐标值;
α-光束投射方向与X3轴夹角;
β-光束投射方向与Y3轴夹角;
γ-光束投射方向与Z3轴夹角;
基于地面坐标系构建的三维立方体,将三维立方体沿隧道掘进方向切割为L列,沿隧道宽度方向切割为M列,沿隧道高度方向切割为N层,总计L×M×N个子立方体;
根据计算各相机识别结果图中的黑色像素点坐标(x3,y3,z3),分别绘制在X3-Y3,X3-Z,
Y3-Z3平面的投影图;
基于各平面的投影图,将立方体沿X轴、Y轴和Z轴的各“切片”对应的方格标为黑色;
基于2台相机采集视频识别和处理结果,对黑色“切片”进行叠加处理,叠加规则如下:
“黑A”+“黑B”=“黑”;
“黑A”+“白B”=“黑”;
“白A”+“黑B”=“黑”;
“白A”+“白B”=“白”:
叠加规则中A、B分别代表2台相机分别判释的结果;
基于隧道掌子面出水形态三维重构结果确定隧道掌子面地下水出水体积、流量和流速。
2.根据权利要求1所述的隧道掌子面地下水出水特征智能识别方法,其特征在于,采集地下水出水口处数码视频,具体为:
在地下水出口处,分别布置2台不同拍摄角度的高清相机;
分别记录2台相机距离出水口处的距离、相机焦距、镜头在大地坐标系下的绝对坐标、拍摄光束相对于掌子面的三维角度和分辨率信息。
3.根据权利要求2所述的隧道掌子面地下水出水特征智能识别方法,其特征在于,对提取的各帧图像进行灰度处理,具体为:
基于各帧图像的RGB值、HSI值、HSV值和灰度值,将视频中的彩色图像转换为灰度图像;
基于图像处理技术对灰度图像进行分割、增强、锐化处理并保存。
4.根据权利要求3所述的隧道掌子面地下水出水特征智能识别方法,其特征在于,对视频进行处理,确定重组视频中的背景图像,并将背景图像中运动区域和静止区域分为2类,用1和0标记运动区域和静止区域的像素点,具体为:
基于视频重组技术,将保存的灰度处理图像按时间顺序重组为灰度视频;
基于背景减除、背景增强视频处理方法,确定重组视频中的背景图像,同时将背景图像中运动区域和静止区域分为2类;
基于视频处理后的分类结果,用1和0分别进行标记运动区域和静止区域的像素点。
5.根据权利要求4所述的隧道掌子面地下水出水特征智能识别方法,其特征在于,基于运动区域和静止区域的分类二值图进行图像处理,获取图像运动区域和静止区域的二值图像和运动区域像素点位置信息,具体为:
基于图像处理技术和分类标签,将视频的各帧图像转换为运动区域和静止区域的二值图像;
基于标记结果,将2台相机采集视频的各帧图像中运动区域设置为黑色,静止区域设置为白色,实现二值图像的转换;
分别统计各视频各帧图像中黑色像素点的坐标(x,y)
z2=y2cosγx3=int(x2cosα)y3=int(y2cosβ)z3
=int(z2cosγ)。
6.根据权利要求1所述的隧道掌子面地下水出水特征智能识别方法,其特征在于,基于隧道掌子面出水形态三维重构结果确定隧道掌子面地下水出水体积、流量和流速,具体包括:
根据每个子立方体6面填色情况,若黑色的面个数大于等于4,则将该立方体填充为黑色;
基于单目成像原理,换算子立方体表征的实际体积;
基于子立方体表征的实际单位体积,统计黑色子立方体的个数,计算视频采集时间内的掌子面地下水出水体积;
基于隧道掌子面地下水类平抛运动,计算视频采集时间内各时刻隧道掌子面地下水出水流速;
基于掌子面地下水出水口流速和过水断面面积,计算视频采集时间内各时刻隧道掌子面地下水出水流量;
基于掌子面地下水出水体积、流量和流速计算结果,按时间顺序绘制折线图。
7.一种地下水状态确定装置,其特征在于,包括
采集模块,所述采集模块用于地下水出水口处视频;
视频拆分模块,所述视频拆分模块用于提取视频各帧图像并根据照片的时间顺序对各帧图像进行编号和保存;
图像处理模块,所述图像处理模块用于对提取的各帧图像进行灰度处理;
视频处理模块,所述视频处理模块用于对视频进行处理,确定重组视频中的背景图像,并将背景图像中运动区域和静止区域分为2类,用1和0分别进行标记运动区域和静止区域的像素点;
提取模块,所述提取模块用于基于运动和静止区域的分类二值图进行图像处理,提取地下水物理特征;
建模模块,所述建模模块用于基于图像映射原理和运动区域像素点位置信息进行隧道掌子面出水形态三维重构,其中,基于右手法则,以图像左下角为坐标原点建立图像二维坐标系(X1,Y1),以相机镜头为坐标原点,构建相机三维坐标系(X2,Y2,Z2)以相机光束投射方向为Z2轴,构建的局部坐标系;
在图像坐标系中,识别结果图中任一像素点坐标可表示为(x1,y1),在相机坐标系中,该像素点(x2,y2)坐标与图像坐标系中的(x1,y1)保持一致,z2坐标值具体计算方法如下:
z2=y2cosγ
式中:z2-相机坐标系中z2坐标值;
y2-相机坐标系中y2坐标值;
γ-光束投射方向与地面夹角;
基于各像素点在地面坐标系(X3,Y3,Z3)和投影方程,分别计算任一像素点(x3,y3,z3)在X-Y,X-Z,Y-Z平面的投影坐标,具体计算过程如下:
x3=int(x2cosα)
y3=int(y2cosβ)
z3=int(z2cosγ)
式中:int-取整函数;
x3-任一像素点在地面坐标系中的X3坐标值;
y3—任一像素点在地面坐标系中的Y3坐标值:
z3-任一像素点在地面坐标系中的Z3坐标值;
x2-任一像素点在相机坐标系中的X2坐标值;
y2-任一像素点在相机坐标系中的Y2坐标值;
z2-任一像素点在相机坐标系中的Z2坐标值;
α-光束投射方向与X3轴夹角;
β-光束投射方向与Y3轴夹角;
γ-光束投射方向与Z3轴夹角;
基于地面坐标系构建的三维立方体,将三维立方体沿隧道掘进方向切割为L列,沿隧道宽度方向切割为M列,沿隧道高度方向切割为N层,总计L×M×N个子立方体;
根据计算各相机识别结果图中的黑色像素点坐标(x3,y3,z3),分别绘制在X3-Y3,X3-Z,Y3-Z3平面的投影图;
基于各平面的投影图,将立方体沿X轴、Y轴和Z轴的各“切片”对应的方格标为黑色;
基于2台相机采集视频识别和处理结果,对黑色“切片”进行叠加处理,叠加规则如下:
“黑A”+“黑B”=“黑”;
“黑A”+“白B”=“黑”;
“白A”+“黑B”=“黑”;
“白A”+“白B”=“白”;
叠加规则中A、B分别代表2台相机分别判释的结果;
计算模块,所属计算模块用于基于隧道掌子面出水形态三维重构结果确定隧道掌子面地下水出水体积和出水口流速。
8.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
9.一种计算机可读介质,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中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110373812.0A CN113269865B (zh) | 2021-04-07 | 2021-04-07 | 隧道掌子面地下水出水特征智能识别方法及地下水状态分级方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110373812.0A CN113269865B (zh) | 2021-04-07 | 2021-04-07 | 隧道掌子面地下水出水特征智能识别方法及地下水状态分级方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113269865A CN113269865A (zh) | 2021-08-17 |
CN113269865B true CN113269865B (zh) | 2023-10-03 |
Family
ID=77228796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110373812.0A Active CN113269865B (zh) | 2021-04-07 | 2021-04-07 | 隧道掌子面地下水出水特征智能识别方法及地下水状态分级方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269865B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH063145A (ja) * | 1992-06-18 | 1994-01-11 | Shimizu Corp | トンネル切羽画像収録処理システム |
CN110187401A (zh) * | 2019-06-20 | 2019-08-30 | 中国电建集团成都勘测设计研究院有限公司 | 双护盾tbm隧道掌子面岩体三维影像成像装置 |
CN112215820A (zh) * | 2020-10-13 | 2021-01-12 | 仇文革 | 一种基于图像数据的隧道掌子面分析方法 |
-
2021
- 2021-04-07 CN CN202110373812.0A patent/CN113269865B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH063145A (ja) * | 1992-06-18 | 1994-01-11 | Shimizu Corp | トンネル切羽画像収録処理システム |
CN110187401A (zh) * | 2019-06-20 | 2019-08-30 | 中国电建集团成都勘测设计研究院有限公司 | 双护盾tbm隧道掌子面岩体三维影像成像装置 |
CN112215820A (zh) * | 2020-10-13 | 2021-01-12 | 仇文革 | 一种基于图像数据的隧道掌子面分析方法 |
Non-Patent Citations (4)
Title |
---|
Tong Jianjun等.Field test of thermal environment and thermal adaptation of workers in high geothermal tunnel.Building and Environment.2019,第160卷106174. * |
周申 ; 胡超 ; 李利平 ; 王祥国 ; 董晨阳 ; 许孝滨 ; 刘洪亮 ; .基于Sirovision的隧道岩面三维建模误差修正分析.长江科学院院报.2020,(第02期),87-92. * |
曹成勇 ; 施成华 ; 雷明锋 ; 彭立敏 ; .浅埋透水地层泥水盾构开挖面极限支护压力研究.中南大学学报(自然科学版).2016,(第09期),3131-3139. * |
童建军.厦门海底隧道砂质土掌子面涌水塌方处理施工.路基工程.2010,(第4期),83-84. * |
Also Published As
Publication number | Publication date |
---|---|
CN113269865A (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3937077B1 (en) | Lane marking detecting method, apparatus, electronic device, storage medium, and vehicle | |
CN110349212B (zh) | 即时定位与地图构建的优化方法及装置、介质和电子设备 | |
WO2022237811A1 (zh) | 图像处理方法、装置及设备 | |
EP4050305A1 (en) | Visual positioning method and device | |
CN111062981A (zh) | 图像处理方法、装置及存储介质 | |
CN113689372B (zh) | 图像处理方法、设备、存储介质及程序产品 | |
CN110910437A (zh) | 一种复杂室内场景的深度预测方法 | |
CN113129352A (zh) | 一种稀疏光场重建方法及装置 | |
CN114049356A (zh) | 一种结构表观裂缝检测方法、装置及系统 | |
CN108229281B (zh) | 神经网络的生成方法和人脸检测方法、装置及电子设备 | |
CN113421217A (zh) | 可行驶区域检测方法和装置 | |
CN116258859A (zh) | 语义分割方法、装置、电子设备及存储介质 | |
CN114881901A (zh) | 视频合成方法、装置、设备、介质及产品 | |
CN111583417B (zh) | 一种图像语义和场景几何联合约束的室内vr场景构建的方法、装置、电子设备和介质 | |
CN113269865B (zh) | 隧道掌子面地下水出水特征智能识别方法及地下水状态分级方法 | |
CN110533663B (zh) | 一种图像视差确定方法、装置、设备及系统 | |
CN115578432B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113269714B (zh) | 隧道掌子面涌水水头高度智能识别方法及确定装置 | |
KR20240012426A (ko) | 비제약 이미지 안정화 | |
CN110245553B (zh) | 路面测距方法及装置 | |
CN114494574A (zh) | 一种多损失函数约束的深度学习单目三维重建方法及系统 | |
CN113269713B (zh) | 隧道掌子面地下水出水形式智能识别方法及确定装置 | |
Wu et al. | Industrial equipment detection algorithm under complex working conditions based on ROMS R-CNN | |
CN116188583B (zh) | 相机位姿信息生成方法、装置、设备和计算机可读介质 | |
US20240193788A1 (en) | Method, device, computer system for detecting pedestrian based on 3d point clouds |
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 |