CN113310987B - 一种隧道衬砌表面检测系统及方法 - Google Patents

Abstract

本申请提供一种隧道衬砌表面检测系统及方法，所述系统包括巡检车、多个线阵相机、激光扫描器、转动支架、车辆前进距离传感器以及数据处理装置。其中，所述激光扫描器和多个所述线阵相机通过转动支架可水平转动地设置在巡检车上，以扫描获取隧道衬砌表面的距离数据和图像数据。所述数据处理装置再根据每个检测层距离数据和图像数据，生成环向像素精度数据和纵向像素数据，以通过遍历像素点，结合环向像素精度和纵向像素精度，生成病害信息，完成对隧道衬砌表面的检测。所述系统可以减少相机个数，节省成本，同时通过结合距离数据分析图像数据，可以细化隧道衬砌表面的图像采集精度，提高检测质量。

Description

一种隧道衬砌表面检测系统及方法

技术领域

本申请涉及机器视觉技术领域，尤其涉及一种隧道衬砌表面检测系统及方法。

背景技术

隧道衬砌表面是指由隧道侧面和顶面构成的隧道内表面。受自然环境和工程质量的影响，隧道的衬砌表面容易出现裂缝、水浸、剥落等病害。这些病害容易产生墙体脱落，危及隧道内车辆的行驶安全，严重情况将导致隧道渗水、坍塌等重大安全事故。因此，为了及时发现隧道衬砌表面上的病害，需要定期对隧道衬砌表面进行检测。

隧道衬砌表面的检测方式主要包括人工视检和检测车巡检两种。其中，检测车巡检是利用在专用检测车上加装高分辨率相机，对隧道衬砌表面进行图像采集，以通过采集的图像信号，确定隧道衬砌表面的病害情况。随着检测车在隧道中穿行，检测车上的相机可以对整个隧道的衬砌表面完成图像检测。可见，实际应用中，尤其对于公路隧道衬砌表面检测，相机分辨率越高，且安装个数越多，采集图像的精度就越高。

但是，通过提高相机分辨率或增加相机安装个数的方法，其检测投入的成本很高，且对采集到的多相机、高分辨率图像信号的分析处理过于复杂，限制此方法的应用。同时，由于相机的分辨率是固定不变的，因此在每个相机视角范围内采集的图像像素精度固定不变，无法进一步细分，无法检测出细小病害位置，容易在识别病害时出现失真的问题，降低检测质量。

发明内容

本申请提供了一种隧道衬砌表面检测系统及方法，以解决传统多相机检测方法检测质量低的问题。

一方面，本申请提供一种隧道衬砌表面检测系统，包括巡检车、多个线阵相机、激光扫描器、转动支架、车辆前进距离传感器以及数据处理装置；

所述激光扫描器和多个所述线阵相机设置在所述转动支架上，所述转动支架可水平转动地设置在所述巡检车上；所述激光扫描器的扫描面视场角大于或等于多个所述相机的视场角之和；所述线阵相机用于拍摄检测层衬砌表面图像，获得图像数据；所述激光扫描器用于检测所述激光扫描器与检测层衬砌表面上每个扫描点之间的距离，获得检测层距离数据；所述车辆前进距离传感器用于获取行进距离；

所述数据处理装置被配置为接收所述线阵相机、激光扫描器和车辆前进距离传感器获取的数据，以及执行以下程序步骤：

获取检测层距离数据、图像数据以及行进距离；

生成环向像素精度；所述环向像素精度为每个扫描点对应在所述图像数据中像素比例；所述像素比例根据所述环向距离数据、相机参数以及所述激光扫描器和相机在转动支架上的安装位置关系计算获得；

拼接所有线阵相机对整个隧道检测的图像数据，生成融合数据；

结合行进距离以及线阵相机的曝光频率，生成纵向像素精度；所述纵向像素精度为车辆行进距离对应在所述融合数据中车辆前进方向的像素比例；

遍历所述融合数据中的像素点，以及结合所述环向像素精度和纵向像素精度，生成病害信息。

可选的，所述激光扫描器和相机在转动支架上的安装位置关系包括激光扫描器和相机之间的距离和角度；所述数据处理装置被配置为执行以下程序步骤：

获取所述距离数据中各扫描点的坐标；所述扫描点的坐标包括扫描点相对于所述激光扫描器的距离和角度；

确定所述图像数据中目标区域对应的扫描点；所述目标区域为所述图像数据中的色值变化区域；

计算目标区域物距；所述目标区域物距为所述目标区域与所述相机之间的距离；

获取所述相机的焦距和像元尺寸；

根据所述目标区域物距、所述相机的焦距和像元尺寸计算环向像素精度。

可选的，所述环向像素精度按照如下公式计算获得：

P＝(D/D₀-1)×W；

式中，D为目标区域物距；D₀为相机的焦距；W为相机的像元尺寸。

可选的，所述数据处理装置被进一步配置为执行以下程序步骤：

获取图像数据；

将所述图像数据转化为灰度图像；

将所述灰度图像转化为二值化图像；

遍历二值化图像中各像素点的色值，提取色值变化区域边界，以标记色值变化区域为所述目标区域。

可选的，所述数据处理装置被进一步配置为执行以下程序步骤：

定义分析时段；

提取所述分析时段内任一线阵相机所检测的图像张数，以及所述分析时段内的行进距离；

计算所述行进距离与所述图像张数的商，获得所述纵向像素精度。

可选的，所述数据处理装置被进一步配置为执行以下程序步骤：

遍历所有分析时段对应的纵向像素精度；

确定最低的纵向像素精度，作为整体纵向像素精度；

按照整体纵向像素精度，对其他分析时段对应的融合数据进行压缩。

可选的，所述转动支架包括支撑架体、回转支承以及回转电机；所述转动支架通过所述回转支承连接所述回转电机的转轴，以根据巡检车的行驶方向调整所述激光扫描器和相机的检测朝向。

可选的，所述病害信息包括病害区域位置和病害区域宽度；所述数据处理装置被进一步配置为执行以下程序步骤：

获取所述图像数据中，目标区域包含的像素点数量；以及所述目标区域边界与图像边界之间包含的像素点数量；

计算目标区域包含的像素点数量和所述环向像素精度的乘积，获得病害区域宽度；

计算目标区域边界与图像边界之间包含的像素点数量和所述环向像素精度的乘积，获得病害区域位置。

可选的，所述病害信息还包括病害区域长度；所述数据处理装置被进一步配置为执行以下程序步骤：

获取所述融合数据中，目标区域包含的像素点数量；

计算目标区域包含的像素点数量和所述纵向像素精度的乘积，获得病害区域长度。

另一方面，本申请还提供一种隧道衬砌表面检测方法，包括：

获取检测层距离数据、图像数据以及行进距离；所述距离数据包括所述激光扫描器检测的，所述激光扫描器与检测层衬砌表面上每个扫描点之间的距离；所述图像数据包括所述相机拍摄的检测层衬砌表面图像；

生成环向像素精度；所述环向像素精度为每个扫描点对应在所述图像数据中像素比例；所述像素比例根据所述环向距离数据、相机参数以及所述激光扫描器和相机在转动支架上的安装位置关系计算获得；

拼接所有线阵相机对整个隧道检测的图像数据，生成融合数据；

结合行进距离以及线阵相机的曝光频率，生成纵向像素精度；所述纵向像素精度为车辆行进距离对应在所述融合数据中车辆前进方向的像素比例；

遍历所述融合数据中的像素点，以及结合所述环向像素精度和纵向像素精度，生成病害信息。

由以上技术方案可知，本申请提供一种隧道衬砌表面检测系统及方法，所述系统包括巡检车、多个线阵相机、激光扫描器、转动支架、车辆前进距离传感器以及数据处理装置。其中，所述激光扫描器和多个所述线阵相机通过转动支架可水平转动地设置在巡检车上，以扫描获取隧道衬砌表面的距离数据和图像数据。所述数据处理装置再根据每个检测层距离数据和图像数据，生成环向像素精度数据和纵向像素数据，以通过遍历像素点，结合环向像素精度和纵向像素精度，生成病害信息，完成对隧道衬砌表面的检测。所述系统可以减少相机个数，节省成本。同时，通过结合距离数据和行进距离分析图像数据，可以细化隧道衬砌表面的图像采集精度，提高检测质量。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为本申请一种隧道衬砌表面检测系统的结构示意图；

图2为本申请检测衬砌表面检测系统确定目标区域示意图；

图3为本申请转动支架的结构示意图；

图4为本申请一种隧道衬砌表面检测方法的流程示意图；

图5为本申请计算环向像素精度的流程示意图；

图6为本申请计算纵向像素精度的流程示意图；

图7位本申请计算整体纵向像素精度的流程示意图；

图8为本申请生成病害信息的流程示意图；

图9为本申请计算病害区域总面积和病害区域形状的流程示意图；

图10为本申请标记目标区域的流程示意图；

图11为本申请坐标转换流程示意图。

具体实施方式

下面将详细地对实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。

参见图1，为本申请一种隧道衬砌表面检测系统的结构示意图。由图1、图2可知，本申请提供的隧道衬砌表面检测系统，包括巡检车、多个相机、激光扫描器、转动支架以及数据处理装置。

其中，检测车可以根据隧道类型自行选择车辆种类，例如，对于公路隧道，所述检测车可以为在公路上行驶的汽车；对于铁路隧道，所述检测车可以为铁路上行驶的一节火车车厢或者专用于进行隧道检测的小型火车车头。以公路隧道的情况为例，实际应用中，检测车可以像正常行驶的车辆一样在隧道中行进，对于多排车道情况，可以通过检测车辆的往复行驶，分别对每一排车道侧壁和顶部进行图像检测。例如，待检测隧道为双向2车道，检测车可以先行驶在右侧去方向的车道，以检测隧道的右侧壁和右侧顶部；再从左侧回方向车道驶回，以检测隧道的左侧壁和左侧顶部。

所述相机可以对隧道的衬砌表面实施图像拍摄，获取衬砌表面的图像数据。实际应用中，由于衬砌表面的病害缺陷一般为裂纹、水印等，其呈现在图像数据中难于被发现，尤其在检测车行驶的过程中，更容易产生拖影等造成图像数据不清晰。因此，在实际应用中，不仅要求相机的分辨率和曝光速度要能够满足要求，而且要求检测车的行驶速度不宜过快，一般行驶速度小于60km/h，且尽可能保持平稳运行。

由于一般相机的有效视场角较小，例如高速相机的视场角仅仅为90°左右，因此为了能够对隧道的侧壁和顶面都进行图像采集，需要使用多个相机同时进行拍摄，以覆盖待检测区域。例如，可在检测车上共设置三个相机，三个相机的总视场角之和为270°，足以覆盖隧道的一个侧壁和顶部。显然，为了避免视场角边界效应对图像数据的影响，避免漏掉部分衬砌表面，三个相机的视场角范围可以相互具有部分重合，从而使总视场角之和小于270°，因此，实际应用中，检测车行驶时，应尽量靠近车道中部位置。

为了便于对距离数据与图像数据进行分析，所述相机为线阵相机。所述线阵相机为采用线阵图像传感器的相机，线阵相机可以拍摄长度较长，但宽度极窄，如仅一个或几个像素的图像。通过线阵相机，可以通过极窄宽度的图像，使得图像数据能够与激光扫描器检测的距离数据相对应，减少数据处理量，便于对图像数据进行分析。

激光扫描器，也称激光雷达，是一种光学距离传感器，可以采用“光速－时间”飞行原理，结合快速调整激光反射方向，对场景中各实体的距离进行测量。由于激光扫描器的扫描角度(本申请也称之为视场角)较大，一般可达到270°，因此在本申请中，可以仅在检测车辆上设置一个激光扫描器即可。通过激光扫描器可以对隧道的衬砌表面进行扫描，以获取每个扫描点距离激光扫描器(探头)的距离数据。显然，距离数据包括所述激光扫描器与检测层衬砌表面上每个扫描点之间的距离，以及每个扫描点相对于激光扫描器所处的角度。

因此，为了对隧道的衬砌表面进行检测，所述激光扫描器和多个所述相机设置在所述转动支架上，所述转动支架可转动地设置在所述巡检车上；所述激光扫描器的扫描面视场角大于或等于多个所述相机的视场角之和。

本申请提供的技术方案中，所述转动支架用于调节激光扫描器和相机的扫描方向。例如，对于单行隧道，检测车辆可以先沿着右侧车道行驶，完成对隧道右侧壁和右侧顶部的检测；再通过转动支架调整激光扫描器和相机的扫描面朝向，使之能够检测隧道的左侧壁和左侧顶部。

进一步地，如图3所示，所述转动支架包括支撑架体、回转支承以及回转电机；所述转动支架通过所述回转支承连接所述回转电机的转轴，以通过所述回转电机调整所述激光扫描器和相机的检测面朝向。其中，回转支承可以为轴承结构，配合联轴器连接回转电机的转轴。例如，在隧道检测车上，水平安装一回转支承，能够在回转电机的带动下进行180度水平旋转，回转支承上面有一个矩形结构的支撑架体，支撑架体上安装有三台高分辨率线阵相机和一台TOF(Time of flight，飞行-时间)激光扫描器。

为了进行精确调节，转动支架上还可以设置有限位部件，以限制支撑架体的转动角度。例如，限位部件可以为分别设置在支撑架体两侧的金属块，以限制支撑架体的最大转动角度为180°。另外，回转电机可以是可调节转动速度和转动角度的步进电机、伺服电机等，以精确地调整检测方向。

隧道衬砌表面检测系统还可以包括车辆前进距离传感器，车辆前进距离传感器用于检测车辆在检测过程中在隧道内行进的距离，即距离数据，从而用于辅助分析在隧道的纵向延伸方向上的缺陷。例如车辆前进距离传感器可以是装在巡检车辆轮轴上的距离编码器，随着轮轴的转动，距离编码器可以检测出车辆的行进距离。为了直接对检测的距离数据进行分析，距离编码器可以采用绝对距离编码器。

所述数据处理装置是具有数据处理功能的计算机设备，如PC(个人电脑)、服务器、工业主机以及智能终端等。所述数据处理装置分别连接所述激光扫描器和所述相机，以接收激光扫描器和相机检测的数据，并对数据加以分析，获得隧道衬砌表面的病害信息。其中，病害信息可以包括裂纹、水印等图像对应的位置和面积。

如图4所示，所述数据处理装置被配置为执行以下程序步骤：

S1：获取检测层距离数据、图像数据以及行进距离。

实际应用中，激光扫描器和相机的扫描平面可以垂直于检测车的行驶方向，由于所述距离数据包括所述激光扫描器检测的，所述激光扫描器与检测层衬砌表面上每个扫描点之间的距离；所述图像数据包括所述相机拍摄的检测层衬砌表面图像，因此在检测车每行驶至一个位置上，即可以在对应位置上进行扫描，获得一个层面的检测。即本申请中，检测层是指垂直于检测车行驶方向上的任一扫描面，整个隧道可以被划分为多个检测层，以连续对隧道衬砌表面进行检测。行进距离可以由车辆前进距离传感器，如距离编码器，检测获得。

S2：生成环向像素精度。

在获取检测层距离数据和图像数据后，可以根据获取的距离数据和图像数据，计算图像数据的环向像素精度。所述环向像素精度为每个扫描点对应在所述图像数据中像素比例；所述像素比例根据所述距离数据、相机参数以及所述激光扫描器和相机在转动支架上的安装位置关系计算获得。其中，相机参数包括线阵相机的安装位置、视场角、镜头焦距。通过环向像素精度，可以在图像数据中以遍历像素点的方式，确定实际衬砌表面上病害的位置和大小。

具体地，所述激光扫描器和相机在转动支架上的安装位置关系包括激光扫描器和相机之间的距离和角度。如图5所示，生成环向像素精度的步骤，还包括：

S201：获取所述距离数据中各扫描点的坐标；

S202：确定所述图像数据中目标区域对应的扫描点；

S203：计算目标区域物距；所述目标区域物距为所述目标区域与所述相机之间的距离；

S204：获取所述相机的焦距和像元尺寸；

S205：根据所述目标区域物距、所述相机的焦距和像元尺寸计算环向像素精度。

在获取到一个检测层的距离数据和图像数据后，可以进一步从距离数据中提取各扫描点的坐标，其中，所述扫描点的坐标包括扫描点相对于所述激光扫描器的距离和角度。根据激光扫描器的检测原理，激光扫描器在获取激光反射点与激光扫描器之间的距离后，还可以获取激光反射点相对于激光扫描器所处的角度，即极坐标P(ρ，θ)。

同时，可以在图像数据中提取目标区域。由于病害区域通常具有与衬砌表面不同的颜色，或呈现不同颜色的图像，例如裂缝相对于衬砌表面的水泥颜色呈现为更深的灰色或黑色，因此，可以根据图像数据中像素点的色值变化提取目标区域，当相邻两个像素点的色值变化较大时，其最有可能存在病害，则将其提取出来。即，所述目标区域为所述图像数据中的色值变化区域。

提取出目标区域后，可以根据距离数据和图像数据，确定目标区域对应的扫描点。实际应用中，由于激光扫描器和相机的安装位置和视场角朝向是确定的，因此，对于相机拍摄的图像中的每个部分，都可以在距离数据中确定与之对应的扫描点。显然，由于图像数据与距离数据之间的分辨率不同，因此通常图像数据中的多个像素点可以对应一个扫描点。

再获取相机的焦距和像元尺寸，从而根据目标区域物距、相机的焦距和像元尺寸计算环向像素精度，具体计算方式可以参考如下公式：

P＝(D/D₀-1)×W；

式中，D为目标区域物距；D₀为相机的焦距；W为相机的像元尺寸。

可见，本实施例采用激光扫描器得到的隧道衬砌表面距离坐标，融合相机的坐标偏移进行坐标变换后，计算出相机镜头的视角范围内物体的不同的物距值，再根据物距和该相机镜头的焦距，以及相机的CCD或CMOS像元尺寸的关系计算出不同物距下的环向像素精度值。这样就实现了同一相机视场下像素精度进一步细化，提高了采集精度。

S3：拼接所有线阵相机对整个隧道检测的图像数据，生成融合数据；

本申请中，随着巡检车辆在隧道中的行进，线阵相机可以按照其曝光频率不断采集图像数据。在巡检车对整个隧道(或对隧道中的部分段)完成扫描后，可以将线阵相机采集的全部图像进行拼接，形成能够反映沿巡检车行进方向特征的融合数据。

为了获得更细致的融合数据，在实际应用中，线阵相机的曝光频率应足够大，且巡检车辆的行进速度不宜过快。例如，巡检车辆以60km/h的速度在隧道中行进，线阵相机的曝光频率为30000，即在1s的时间内能够采集30000张图像数据，如果每张图像数据为单列像素构成的，则在1s时间内，车辆行进16.667m，即获取到了隧道中16.667m距离的融合数据。

显然，可以根据硬件条件，适当调整巡检车辆的行进速度，例如线阵相机的曝光频率较低时，应适当减慢巡检车辆的速度。

S4：结合行进距离以及线阵相机的曝光频率，生成纵向像素精度。

与所述环向像素精度相似，所述纵向像素精度为车辆行进距离对应在所述融合数据中在车辆前进方向上的像素比例。纵向像素精度可以用于对隧道纵向延伸方向内壁上的缺陷情况进行检测测量，即可以通过遍历融合数据中的像素点，确定衬砌表面缺陷的位置和大小。

具体地，为了获得纵向像素精度，还可以对数据处理装置进行进一步配置，即如图6所示，生成纵向像素精度的步骤还包括：

S401：定义分析时段；

S402：提取所述分析时段内任一线阵相机所检测的图像张数，以及所述分析时段内的行进距离；

S403：计算所述行进距离与所述图像张数的商，获得所述纵向像素精度。

实际应用中，由于巡检车不可能在隧道中保持匀速行驶，使得融合数据中不同区间所对应参与拼接的图像数据张数不同，因此，在后续分析中可以根据巡检车的行走情况，定义分析时段。所述分析时段可以时间为计量，例如，每1s为一个分析时段，也可以图像数据的张数计量，例如，每500张图像数据为一个分析时段。

在定义分析时段后，可以分别提取分析时段内任一线阵相机所检测的图像张数，以及所述分析时段内的行进距离。例如，分析时段为1s，在1s时间内，巡检车的行进速度近似为匀速，若速度为60km/h，线阵相机的曝光频率为30000，则在1s时间内车辆行进了16.667m，采集到30000张图像数据。

再对行进距离与图像张数进行除法运算，即可获得融合数据对应的纵向精度，例如，上述示例中：纵向像素精度＝16.667/30000＝0.00056，即相邻两个像素之间对应的实际间隔距离为0.56mm。

由于在实际应用中，隧道长度不确定，因此在隧道中巡检车辆的行进速度存在波动，因此在隧道中各分析时段所计算出的纵向像素精度不同，为了反映整个隧道的纵向像素精度，在实际分析中，为了便于对隧道整体的衬砌表面进行分析，还可以对每个时段的纵向像素精度进行进一步融合，确定整体纵向像素精度。

即如图7所示，本申请的部分实施例中，生成纵向像素精度的步骤还包括：

S404：遍历所有分析时段对应的纵向像素精度；

S405：确定最低的纵向像素精度，作为整体纵向像素精度；

S406：按照整体纵向像素精度，对其他分析时段对应的融合数据进行压缩。

例如，以每500张图像拼成的融合数据为分析时段，由于获取500张图像所使用的时间很短，因此认为车辆在此分析时段内是匀速的。可以通过遍历所有分析时段，找出每个500张图像组成的融合数据中，对应纵向像素精度最差的分析时段。并以此分析时段对应的纵向像素精度作为整个隧道的整体纵向像素精度。

在获得整体纵向像素精度后，对于其他纵向像素精度较高的融合数据对应的图片，可以通过压缩来达到上述整体纵向像素精度，从而使整个隧道的纵向像素精度达到一致，以便后续分析。可见，在本实施例中，对每个分析时段对应的融合数据，只进行压缩而不进行拉伸，因此没有精度失真。

S5：遍历所述融合数据中的像素点，以及结合所述环向像素精度和纵向像素精度，生成病害信息。

实际应用中，像素精度作为图像拍摄的像素点与实际成像物体的比例关系，因此可以通过像素点个数与像素精度的乘积，即可确定实际成像物体的面积或位置。对于衬砌表面上的不同部位，由于其与相机之间的距离不同，因此不同部位的像素精度不同。为了确定不同部位的像素精度，可以在图像数据中，划分出多个目标区域，并逐一对目标区域进行像素精度计算。目标区域的划分方式可以根据激光扫描器的视场角与相机的视场角和布置方式确定。即在获取的距离数据与图像数据中，由于激光扫描器和相机的视场角以及布置方式是确定的，因此一个距离数据的扫描点对应一个目标区域。

所述病害信息包括病害区域位置和病害区域宽度；如图8所示，遍历所述融合数据中的像素点，以及结合所述环向像素精度和纵向像素精度，生成病害信息包括以下步骤：

S311：获取所述图像数据中，目标区域包含的像素点数量；以及所述目标区域边界与图像边界之间包含的像素点数量；

S312：计算目标区域包含的像素点数量和所述环向像素精度的乘积，获得病害区域宽度；

S313：计算目标区域边界与图像边界之间包含的像素点数量和所述环向像素精度的乘积，获得病害区域位置。

本实施例中，可以在获取图像数据后，对目标区域中包含的像素点数量进行计数，以便通过目标区域中包含的像素点数量和环向像素精度，计算病害区域的面积。可见，由于本实施例采用线阵相机拍摄极窄图像数据，例如图像宽度为1个像素，因此目标区域的面积也是目标区域的宽度。

同时，可以对目标区域边界与图像边界之间包含的单列像素点数量进行计数，以确定目标区域与图像边界之间的距离。由于相机的安装位置是固定的，并且目标区域与激光扫描器之间的距离也是已知的，因此，通过目标区域边界与图像边界之间包含的单列像素点数量可以确定病害位置。

进一步地，在对单张图像数据进行分析后，还可以通过对检测车行进过程中收集的所有数据进行统一分析，以实现对整个隧道进行检测。即所述病害信息还包括病害区域长度，如图9所示，遍历所述融合数据中的像素点，以及结合所述环向像素精度和纵向像素精度，生成病害信息的步骤，还包括：

S321：获取所述融合数据中，目标区域包含的像素点数量；

S322：计算目标区域包含的像素点数量和所述纵向像素精度的乘积，获得病害区域长度。

本实施例中，可以将一个位置上检测的图像数据和距离数据称为一帧。随着检测车在隧道中的行进，激光扫描器和相机可以持续对隧道进行扫描检测，从而获取到多帧距离数据和图像数据。因此，可以根据多帧数据进行综合分析，确定整个隧道中所存在的病害情况。具体地，可以将多个病害区域面积和病害区域位置融合，计算病害区域总面积和病害区域形状。

例如，对于同一个裂缝，其可以延伸覆盖多个检测层，因此如果在第一帧数据中确定该裂缝的目标区域后，可以在第二帧数据、第三帧数据……中继续对该裂缝进行检测，从而根据每一帧数据对应计算出的病害区域面积进行求和计算，确定该裂缝的总面积。同时，可以根据每一帧数据计算出的病害区域位置，生成一个与视场角边界相关的位置变化趋势数据，即可以表示该裂缝的形状。

在本申请的部分实施例中，为了从图像数据中识别出目标区域，还可以对扫描得到的图像进行进一步处理，使图像数据中像素点上的色值更加容易进行区分，如图10所示，所述数据处理装置被进一步配置为执行以下程序步骤：

S211：获取图像数据；

S212：将所述图像数据转化为灰度图像；

S213：将所述灰度图像转化为二值化图像；

S214：遍历二值化图像中各像素点的色值，提取色值变化区域边界，以标记色值变化区域为所述目标区域。

实际应用中，可以对相机拍摄获取的彩色图像进行灰度处理，再进行二值化处理，使彩色图像转化为二值化图像。在二值化图像中，每个像素点的颜色只有两种，即黑色(0,0,0)和白色(255,255,255)。因此，可以通过判断像素点的色值是黑色还是白色，确定像素点对应是衬砌表面还是裂缝等缺陷图像。

需要说明的是，由于针对不同的病害类型，所呈现的图像颜色不同。例如，裂缝为黑色而水印为较浅的灰色，因此，可以根据检测过程中，想要检测出的结果侧重点的不同，而设定二值化阈值，减少因颜色较浅而将病害区域颜色二值化为衬砌表面颜色。

在本申请的部分实施例中，如图11所示，所述数据处理装置被进一步配置为执行以下程序步骤：

S2021：获取所述激光扫描器与所述相机的视场角重合区域；

S2022：提取所述目标区域相对于所述视场角边界的偏移角度；

S2023：在视场角重合区域内，提取所述偏移角度对应的扫描点坐标。

实际应用中，由于相机和激光扫描器本身具有一定的体积，因此，为了防止相互造成遮挡，相机相对于激光扫描器之间具有一定的安装距离。例如，如图1所示，激光扫描器设置在最高处相机的下后方位置。同时，为了避免遮挡，激光扫描器和线阵相机的扫描面不再同一个平面上，根据实际情况激光扫描器和线阵相机有一定的坐标偏移。

相应地，在获取激光扫描器与相机分别采集的距离数据和图像数据后，可以根据激光扫描器与相机的视场角重合区域，提取出目标区域相对于视场角边界的偏移角度，从而在视场角重合区域内，提取所述偏移角度对应的扫描点坐标。

在本申请的部分实施例中，所述回转电机连接所述数据处理装置，以通过数据处理装置驱动回转电机转动，调整所述激光扫描器和相机的检测朝向。显然，如果回转电机是可控制转动角度的步进电机或伺服电机，还可以通过数据处理装置控制回转电机的转动角度。实际应用中，所述数据处理装置被进一步配置为执行以下程序步骤：

S401：获取巡检车的行驶方向；

S402：根据所述行驶方向启动所述回转电机，调整所述激光扫描器和相机的检测朝向。

巡检车的行驶方向可以通过驾驶人员手动输入，也可以通过GPS定位系统自动获得。在获取巡检车的行驶方向后，可以根据行驶方向启动所述回转电机，调整激光扫描器和相机的检测朝向。

例如，对于单向两车道，检测车在右车道行驶时，需要将回转支承上的支架转向右侧，检测车在左车道行驶时，需要将回转支承旋转180度，支架转向左侧，这样支架上的相机就对隧道左侧壁及顶部进行图像采集。对于双向两车道，每个车道都是右车道，回转支撑架上的相机一直扫描右侧隧道表面，无需转动。而对于单向三车道，在左车道和右车道同单向双车道一样，需要旋转回转支承180度，在中间车道只需要保持和左车道或右车道回转支承位置一样即可。

基于上述隧道衬砌表面检测，本申请还提供一种隧道衬砌表面检测方法，如图4所示，具体包括以下步骤：

S1：获取检测层距离数据、图像数据以及行进距离；

其中，所述距离数据包括所述激光扫描器检测的，所述激光扫描器与检测层衬砌表面上每个扫描点之间的距离；所述图像数据包括所述相机拍摄的检测层衬砌表面图像；

S2：生成环向像素精度；

其中，所述环向像素精度为每个扫描点对应在所述图像数据中像素比例；所述像素比例根据所述环向距离数据、相机参数以及所述激光扫描器和相机在转动支架上的安装位置关系计算获得。

S3：拼接所有线阵相机对整个隧道检测的图像数据，生成融合数据；

S4：结合行进距离以及线阵相机的曝光频率，生成纵向像素精度；

其中，所述纵向像素精度为车辆行进距离对应在所述融合数据中车辆前进方向的像素比例。

S5：遍历所述融合数据中的像素点，以及结合所述环向像素精度和纵向像素精度，生成病害信息。

由以上技术方案可知，本申请提供一种隧道衬砌表面检测系统及方法，所述系统包括巡检车、多个线阵相机、激光扫描器、转动支架、车辆前进距离传感器以及数据处理装置。其中，所述激光扫描器和多个所述线阵相机通过转动支架可水平转动地设置在巡检车上，以扫描获取隧道衬砌表面的距离数据和图像数据。所述数据处理装置再根据每个检测层距离数据和图像数据，生成环向像素精度数据和纵向像素数据，以通过遍历像素点，结合环向像素精度和纵向像素精度，生成病害信息，完成对隧道衬砌表面的检测。所述系统可以减少相机个数，节省成本，同时通过结合距离数据分析图像数据，可以细化隧道衬砌表面的图像采集精度，提高检测质量。

本申请提供的实施例之间的相似部分相互参见即可，以上提供的具体实施方式只是本申请总的构思下的几个示例，并不构成本申请保护范围的限定。对于本领域的技术人员而言，在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。

Claims (7)

1.一种隧道衬砌表面检测系统，包括巡检车和多个线阵相机，其特征在于，还包括：激光扫描器、转动支架、车辆前进距离传感器以及数据处理装置；

所述激光扫描器和多个所述线阵相机设置在所述转动支架上，所述转动支架可水平转动地设置在所述巡检车上；所述转动支架包括支撑架体、回转支承以及回转电机；所述转动支架通过所述回转支承连接所述回转电机的转轴，以根据巡检车的行驶方向调整所述激光扫描器和相机的检测朝向；所述激光扫描器的扫描面视场角大于或等于多个所述相机的视场角之和；所述线阵相机用于拍摄检测层衬砌表面图像，获得图像数据；所述激光扫描器用于检测所述激光扫描器与检测层衬砌表面上每个扫描点之间的距离，获得检测层距离数据；所述车辆前进距离传感器用于获取行进距离；

所述数据处理装置被配置为接收所述线阵相机、激光扫描器和车辆前进距离传感器获取的数据，以及执行以下程序步骤：

获取检测层距离数据、图像数据以及行进距离；

生成环向像素精度；所述环向像素精度为每个扫描点对应在所述图像数据中像素比例；所述像素比例根据所述环向距离数据、相机参数以及所述激光扫描器和相机在转动支架上的安装位置关系计算获得；

拼接所有线阵相机对整个隧道检测的图像数据，生成融合数据；

定义分析时段；

提取所述分析时段内任一线阵相机所检测的图像张数，以及所述分析时段内的行进距离；

计算所述行进距离与所述图像张数的商，获得纵向像素精度；

遍历所有分析时段对应的纵向像素精度；

确定最低的纵向像素精度，作为整体纵向像素精度；

按照整体纵向像素精度，对其他分析时段对应的融合数据进行压缩；所述纵向像素精度为车辆行进距离对应在所述融合数据中车辆前进方向的像素比例；

遍历所述融合数据中的像素点，以及结合所述环向像素精度和纵向像素精度，生成病害信息。

2.根据权利要求1所述的隧道衬砌表面检测系统，其特征在于，所述激光扫描器和相机在转动支架上的安装位置关系包括激光扫描器和相机之间的距离和角度；所述数据处理装置被配置为执行以下程序步骤：

获取所述距离数据中各扫描点的坐标；所述扫描点的坐标包括扫描点相对于所述激光扫描器的距离和角度；

确定所述图像数据中目标区域对应的扫描点；所述目标区域为所述图像数据中的色值变化区域；

计算目标区域物距；所述目标区域物距为所述目标区域与所述相机之间的距离；

获取所述相机的焦距和像元尺寸；

根据所述目标区域物距、所述相机的焦距、像元尺寸计算环向像素精度。

3.根据权利要求2所述的隧道衬砌表面检测系统，其特征在于，所述环向像素精度按照如下公式计算获得：

P＝(D/D₀-1)×W；

式中，D为目标区域物距；D₀为相机的焦距；W为相机的像元尺寸。

4.根据权利要求2所述的隧道衬砌表面检测系统，其特征在于，所述数据处理装置被进一步配置为执行以下程序步骤：

获取图像数据；

将所述图像数据转化为灰度图像；

将所述灰度图像转化为二值化图像；

遍历二值化图像中各像素点的色值，提取色值变化区域边界，以标记色值变化区域为所述目标区域。

5.根据权利要求1所述的隧道衬砌表面检测系统，其特征在于，所述病害信息包括病害区域位置和病害区域宽度；所述数据处理装置被进一步配置为执行以下程序步骤：

获取所述图像数据中，目标区域包含的像素点数量；以及所述目标区域边界与图像边界之间包含的像素点数量；

计算目标区域包含的像素点数量和所述环向像素精度的乘积，获得病害区域宽度；

计算目标区域边界与图像边界之间包含的像素点数量和所述环向像素精度的乘积，获得病害区域位置。

6.根据权利要求5所述的隧道衬砌表面检测系统，其特征在于，所述病害信息还包括病害区域长度；所述数据处理装置被进一步配置为执行以下程序步骤：

获取所述融合数据中，目标区域包含的像素点数量；

计算目标区域包含的像素点数量和所述纵向像素精度的乘积，获得病害区域长度。

7.一种隧道衬砌表面检测方法，其特征在于，所述方法适用于权利要求1至6任意一项所述隧道衬砌表面检测系统，所述方法包括：

获取检测层距离数据、图像数据以及行进距离；所述距离数据包括激光扫描器检测的，所述激光扫描器与检测层衬砌表面上每个扫描点之间的距离；所述图像数据包括相机拍摄的检测层衬砌表面图像；

生成环向像素精度；所述环向像素精度为每个扫描点对应在所述图像数据中像素比例；所述像素比例根据所述环向距离数据、相机参数以及所述激光扫描器和相机在转动支架上的安装位置关系计算获得；

拼接所有线阵相机对整个隧道检测的图像数据，生成融合数据；

定义分析时段，提取所述分析时段内任一线阵相机所检测的图像张数，以及所述分析时段内的行进距离，计算所述行进距离与所述图像张数的商，获得纵向像素精度，遍历所有分析时段对应的纵向像素精度，确定最低的纵向像素精度，作为整体纵向像素精度，按照整体纵向像素精度，对其他分析时段对应的融合数据进行压缩；所述纵向像素精度为车辆行进距离对应在所述融合数据中车辆前进方向的像素比例；

遍历所述融合数据中的像素点，以及结合所述环向像素精度和纵向像素精度，生成病害信息。

Images