CN114119355A - 一种盾构隧道掉块风险预警方法与系统 - Google Patents
一种盾构隧道掉块风险预警方法与系统 Download PDFInfo
- Publication number
- CN114119355A CN114119355A CN202111431563.2A CN202111431563A CN114119355A CN 114119355 A CN114119355 A CN 114119355A CN 202111431563 A CN202111431563 A CN 202111431563A CN 114119355 A CN114119355 A CN 114119355A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- tunnel
- grid
- cloud data
- block
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000013461 design Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 7
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 8
- 201000010099 disease Diseases 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 238000004891 communication Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 206010034719 Personality change Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
- G06T3/067—Reshaping or unfolding 3D tree structures onto 2D planes
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明的一种盾构隧道掉块风险预警方法与系统,其中该方法包括:首先利用点云数据拟合隧道椭圆得到拟合椭圆方程;将点云数据投影到标准圆柱,按照标准圆柱展开图形得到展开后的点云数据;采用栅格对展开后的点云坐标进行划分,并将栅格内的点云转化为栅格的图像灰度值得到二值化图像;提取二值化图像上的掉块信息;根据掉块信息对隧道掉块进行预警。本发明利用点云数据拟合隧道椭圆,并将点云数据转化为二值化图像以提取隧道上的掉块信息,并基于掉块信息完成预警,可以大大提高掉块的检测效率,保证了在线监测的实时性和准确性。
Description
技术领域
本发明属于隧道工程测量技术领域,更具体地说,是涉及一种盾构隧道掉块风险预警方法与系统。
背景技术
随着我国经济进入新常态,轨道交通建设也步入了高速发展阶段。地铁隧道地下工程建设的发展增加了交通出行的多样性,同时缓解了城市交通拥堵的压力,如今地铁已成为我国城市中最主要的通勤工具,在城市交通体系中起到骨干作用。但是地铁隧道运营过程中由于技术条件、建设条件以缺少及时的维护等原因,几乎都存在着不同程度的结构病害,其中掉块是常见的结构病害之一;掉块病害会危及列车和行人的安全,因此掉块病害的检测受到高度重视。
传统的地铁隧道掉块病害检测方法多采用人工巡检、手工拍摄等手段采集数据,并花费大量时间进行数据处理并编制报告反馈信息。然而随着城市轨道交通的快速发照,传统人工方法无法满足掉块病害检测的需求。
发明内容
本发明的目的在于提供一种盾构隧道掉块风险预警方法与系统,旨在解决传统人工检测掉块方法效率低的问题。
为实现上述目的,本发明采用的技术方案是:
一种盾构隧道掉块风险预警方法,包括以下步骤:
步骤1:获取隧道的点云数据;
步骤2:利用所述点云数据拟合隧道椭圆得到拟合椭圆方程;
步骤3:将所述点云数据投影到标准圆柱,按照所述标准圆柱展开图形得到展开后的点云数据;
步骤4:采用栅格对所述展开后的点云坐标进行划分,并将栅格内的点云转化为栅格的图像灰度值得到二值化图像;
步骤5:提取所述二值化图像上的掉块信息;
步骤6:根据所述掉块信息对隧道掉块进行预警。
优选的,所述步骤2:利用所述点云数据拟合隧道椭圆得到拟合椭圆方程,包括:
步骤2.1:计算所述点云数据到隧道中心点的距离值;
步骤2.2:将所述距离值小于或者等于距离阈值的点云数据去除得到去噪后的点云数据;
步骤2.3:采用最小二乘法利用所述去噪后的点云数据拟合隧道椭圆得到拟合椭圆方程。
优选的,所述步骤3:将所述点云数据投影到标准圆柱,按照所述标准圆柱展开图形得到展开后的点云数据,包括:
步骤3.1:以拟合椭圆中心点为中心,将所述点云数据投影至隧道标准设计断面,得到点云数据投影点;其中,所述标准圆柱的横截面为所述隧道标准设计断面;所述点云数据投影点为:
步骤3.2:将所述隧道标准设计断面平直展开得到展开后的点云数据。
优选的,所述步骤3.2:将所述隧道标准设计断面平直展开得到展开后的点云数据,包括:
采用公式:
得到展开后的点云数据;其中,P″=(x″,z″)为P′展开后的点,xc为拟合椭圆中心点横坐标,zc为拟合椭圆中心点纵坐标。
优选的,所述步骤4:采用栅格对所述展开后的点云坐标进行划分,并将栅格内的点云转化为栅格的图像灰度值得到二值化图像,包括:
步骤4.1:计算栅格内每一个点云到拟合椭圆中心点的直线距离;
步骤4.2:将所述直线距离与拟合椭圆长、短轴均值的差作为栅格的深度值;
步骤4.3:根据所述深度值得到每一个栅格的图像灰度值;
步骤4.4:对每一个栅格的图像灰度值进行二值化处理得到二值化图像。
优选的,所述步骤4.3:根据所述深度值得到每一个栅格的图像灰度值,包括:
采用公式:
得到每一个栅格的图像灰度值;其中,Ti,j为图像栅格矩阵中(i,j)位置的灰度值,Mi,j为位于(i,j)位置的栅格中点云的深度值,n为栅格内点的数量。
优选的,所述步骤5:提取所述二值化图像上的掉块信息,包括:
步骤5.1:对所述二值化图像上的白色像素进行标记得到多个点云连通体;
步骤5.2:获取面积阈值,提取在所述面积阈值内的点云连通体得到掉块的点云连通体;
步骤5.3:根据所述掉块的点云连通体的面积和位置将栅格中点云的深度值重新赋予。
优选的,所述步骤6:根据所述掉块信息对隧道掉块进行预警,包括:
步骤6.1:获取掉块的点云连通体的面积信息和位置信息;
步骤6.2:根据所述面积信息和所述位置信息将栅格中点云的深度值重新赋予掉块的点云连通体得到深度信息赋值矩阵图像;
步骤6.3:判断所述深度信息赋值矩阵图像中每一个栅格中的深度值与深度阈值的大小;
步骤6.4:当栅格中的深度值大于所述深度阈值时,则对相应的栅格进行预警。
本发明还提供了一种盾构隧道掉块风险预警系统,包括:
点云获取模块,用于获取隧道的点云数据;
椭圆拟合模块,用于利用所述点云数据拟合隧道椭圆得到拟合椭圆方程;
点云处理模块,用于将所述点云数据投影到标准圆柱,按照所述标准圆柱展开图形得到展开后的点云数据;
点云转化模块,用于采用栅格对所述展开后的点云坐标进行划分,并将栅格内的点云转化为栅格的图像灰度值得到二值化图像;
掉块信息获取模块,用于提取所述二值化图像上的掉块信息;
隧道掉块预警模块,用于根据所述掉块信息对隧道掉块进行预警。
优选的,所述椭圆拟合模块,包括:
距离值计算单元,用于计算所述点云数据到隧道中心点的距离值;
去噪单元,用于将所述距离值小于或者等于距离阈值的点云数据去除得到去噪后的点云数据;
椭圆拟合单元,用于采用最小二乘法利用所述去噪后的点云数据拟合隧道椭圆得到拟合椭圆方程。
本发明提供的一种盾构隧道掉块风险预警方法与系统的有益效果在于:与现有技术相比,本发明的一种盾构隧道掉块风险预警方法,首先利用点云数据拟合隧道椭圆得到拟合椭圆方程;将点云数据投影到标准圆柱,按照标准圆柱展开图形得到展开后的点云数据;采用栅格对展开后的点云坐标进行划分,并将栅格内的点云转化为栅格的图像灰度值得到二值化图像;提取二值化图像上的掉块信息;根据掉块信息对隧道掉块进行预警。本发明利用点云数据拟合隧道椭圆,并将点云数据转化为二值化图像以提取隧道上的掉块信息,并基于掉块信息完成预警,可以大大提高掉块的检测效率,保证了在线监测的实时性和准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1为本发明实施例提供的一种盾构隧道掉块风险预警方法流程图;
图2为本发明实施例提供的一种盾构隧道掉块风险预警方法原理图;
图3为本发明实施例提供的点云数据获取流程图;
图4为本发明实施例提供的点云去噪前示意图;
图5为本发明实施例提供的点云去噪后示意图;
图6为本发明实施例提供的点云展开示意图;
图7为本发明实施例提供的点云栅格化示意图;
图8为本发明实施例提供的点云深度图像示意图;
图9为本发明实施例提供的图像二值化示意图;
图10为本发明实施例提供的点云连通域算法原理图;
图11为本发明实施例提供的掉块连通体示意图;
图12为本发明实施例提供的掉块风险预警示意图,其中(a)为掉块提取图、(b)为深度信息赋值矩阵图像、(c)风险预警示例图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
随着三维激光扫描技术的飞速发展,现有的激光扫描设备每秒已能获取高达百万个数据点,如此海量的点云为隧道掉块病害的识别提供了可能性。与摄影测量技术相比,激光扫描设备不仅具有轻便的优势,还不需要配备额外的照明设备,同时激光点云所具有的空间信息也可为地铁隧道三维数据的可视化分析提供保障。鉴于此,本发明提供一种盾构隧道掉块风险预警方法与系统,旨在解决传统人工检测掉块方法效率低的问题。
请一并参阅图1-2,为实现上述目的,本发明采用的技术方案是:一种盾构隧道掉块风险预警方法,包括以下步骤:
S1:获取隧道的点云数据;
在实际应用中,本发明使用仪器为Amberg GRP5000移动式三维激光扫描仪来获取隧道的点云数据,该仪器由三维激光扫描仪、GPS、惯性导航系统、里程计、工业相机、工业计算机和行走小车组成;当设备在地铁轨道上前进时,激光扫描的激光信号相位差,可以获得隧道内表面各点的几何坐标和反射强度,行进过程中设备发生的姿态变化由惯性测量单元进行实时补偿,进而生成海量点云;请参阅图3,其具体的工作过程如下:
(1)仪器组装。将GRP5000的各个零部件进行组合安装,安装好零部件,检查测试仪器的灵敏度和安全性;
(2)参数设置。扫描前需要在Amberg Rail中创建新项目,设置参数包括GRP小车的通讯端口、扫描仪端口,配置项目属性、客户信息、数据储存位置,同时设置限界模型和投影模型,平断面、纵断面、设计超高、设计规矩等数据集。然后设置好作业方向、里程计等基础参数;
(3)校准里程。将仪器开机,激光对准起始里程位置,手动输入起始坐标。然后将仪器旋转180°再次重复上述步骤,进行里程的校准,校准后便可以进行扫描;
(4)隧道扫描。测量人员控制速度在5m/s内推动小车向前扫描,可在工业计算机上同步看到扫描得到的隧道衬砌表面、轨距、里程和倾角。需要说明的是,Y方向为移动激光扫描系统进行方向,X方向为水平垂直于Y的方向,Z方向为竖直垂直于Y的方向。
S2:利用点云数据拟合隧道椭圆得到拟合椭圆方程;
进一步的,S2具体包括:
S2.1:计算点云数据到隧道中心点的距离值;
S2.2:将距离值小于或者等于距离阈值的点云数据去除得到去噪后的点云数据;
由于运营期地铁隧道中存在许多干扰物,这些干扰物会在识别掉块精度上产生较大的影响,为了剔除这些干扰物的影响本发明采用设置距离余量进行噪点去除。
地铁隧道半径为r,按隧道设计值计算点云到中心点的距离l,设置距离阈值j去除隧道内干扰物的影响,如图4-5所示的点云去噪示意图:
j=r-0.05 (1)
则去除干扰物后点云为:
l>j (2)
S2.3:采用最小二乘法利用去噪后的点云数据拟合隧道椭圆得到拟合椭圆方程。
进一步的,本发明依托最小二乘法拟合隧道椭圆的具体过程如下:
椭圆方程一般形式:
x2+Axy+By2+Cy+Dy+E=0 (3)
对于公式(3),方程中有5个未知数,分别是A,B,C,D,E。
为了求出5个未知数,要求采样点至少为5组;
min||x2+Axy+By2+Cy+Dy+E||2=0 (4)
即
N表示采样点个数
然后含A,B,C,D,E的项放置在左侧,其他放置在右侧,得到
∑Ax2y2+∑Bxy3+∑Cx2y+∑Dxy2+∑Exy=∑-x3y (8)
写成矩阵的形式如下:
这里的∑1=N,将五个矩阵方程合并,则:
则可写成:
得到拟合椭圆方程后,计算去噪后的点云到拟合椭圆中心点的距离,同时计算该椭圆长、短轴的均值。
S3:将点云数据投影到标准圆柱,按照标准圆柱展开图形得到展开后的点云数据;
进一步的,S3具体包括:
S3.1:以拟合椭圆中心点为中心,将点云数据投影至隧道标准设计断面,得到点云数据投影点;其中,标准圆柱的横截面为隧道标准设计断面;
请参阅图6,本发明以拟合椭圆中心点(xc,zc)为中心,将隧道点云投影至隧道标准设计断面,其中为x轴正向单位向量,为Z轴正向单位向量,P(x,z)为隧道上任意一点云,P′=(x′,z′)为P投影至标准设计断面的点,向量∠POX以X轴为基准逆时针旋转为正,得出点云数据投影点为:
S3.2:将隧道标准设计断面平直展开得到展开后的点云数据。
具体的,S3.2包括:
采用公式:
S4:采用栅格对展开后的点云坐标进行划分,并将栅格内的点云转化为栅格的图像灰度值得到二值化图像;
S4具体包括:
S4.1:计算栅格内每一个点云到拟合椭圆中心点的直线距离;
S4.2:将直线距离与拟合椭圆长、短轴均值的差作为栅格的深度值;
S4.3:根据深度值得到每一个栅格的图像灰度值;
图像数据的实质是矩阵,每个像素都有明确的行列位置和色彩数值。以指定长度b的栅格对点云进行划分,并为栅格设置行列值,如图7所示。将该栅格内点云到中心点的距离与长、短轴均值的差作为栅格的深度值M,因此栅格内的距离信息即对应图像中的特定像素,从而使点云数据到图像数据的转化,如图8所示。
具体的,S4.3包括:
采用公式:
得到每一个栅格的图像灰度值;其中,Ti,j为图像栅格矩阵中(i,j)位置的灰度值,Mi,j为位于(i,j)位置的栅格中点云的深度值,n为栅格内点的数量。
S4.4:对每一个栅格的图像灰度值进行二值化处理得到二值化图像。
需要说明的是,由于图像按标准圆柱的底部展开时,部分栅格中缺少点云数据,因此本发明将缺少点云数据的栅格像素数值设置为1,即为白色。针对展开的图像数据,需要从中提取出掉块面积和位置信息。图像的深度值是区分不同目标重要特征,通过图像二值化将掉块从图像中分离出来,二值化是将图像上的像素点以一定的阈值划分为0或1,即黑色或白色。二值化的图像如图9所示。
S5:提取二值化图像上的掉块信息;
在本发明中,S5包括:
S5.1:对二值化图像上的白色像素进行标记得到多个点云连通体;
具体的,本发明利用连通域算法对二值化图像中的白色像素(掉块)标记,让每个单独的掉块形成独立的点云连通体。
具体过程如下:
(1)搜索图像,查找图像中亮度为1的像素(图9中白色像素),并将找到第一个亮度为1的像素将其标记为1;
(2)将该像素周围8邻接像素中亮度为1的像素设置为标签1,如图10所示;
(3)若步骤(2)中8邻接像素中存在亮度为1的像素,则对该像素重复步骤(2)的处理,直到周围没有亮度为0的像素为止,此时所有标签为1的像素称为点云连通体;
(4)按照上述步骤(1)、步骤(2)、步骤(3)的顺序重复搜索图像,搜索图像时会忽略已被标记的连通体的像素,依次查找到图像中的其他连通域并进行记录。
S5.2:获取面积阈值,提取在面积阈值内的点云连通体得到掉块的点云连通体;
在实际应用中,缺少点云数据的栅格像素以及其他的噪点(如螺栓孔、管线)也会形成点云连通体。且由于缺少点云数据的栅格像素和管线形成的点云连通体具有面积过大或过小的特点,因此本发明通过设置点云连通体面积阈值去除此类点云连通体;因相同线路的地铁隧道管片在铺设过程中具有重复规律性,因此盾构管片上的螺栓孔具有位置规律,故通过设置位置阈值去除由螺栓孔形成的点云连通体,以提取掉块面积及位置信息。
具体步骤如下:
(1)设置连通体面积阈值A、B,只提取连通体面积C在A、B范围内的点云连通体,即:
A<C<B (21)
本发明可通过设置面积阈值去除由隧道管线及缺少点云数据的栅格像素形成的点云连通体;
(2)根据螺栓孔位置规律设置连通体位置阈值,去除因螺栓孔形成的点云连通体,最终只剩下由掉块形成的点云连通体,如图11所示;
本发明可利用式(22)(23)计算掉块面积及位置信息:
Si=a2·m (22)
其中Si为标签为i的掉块面积大小;Wi为标签为i的掉块位置信息;Li,j为标签为i的第j个像素的位置信息;a为栅格边长;m为栅格个数。
S5.3:根据掉块的点云连通体的面积和位置将栅格中点云的深度值重新赋予。
S6:根据掉块信息对隧道掉块进行预警。
进一步的,S6具体包括:
S6.1:获取掉块的点云连通体的面积信息和位置信息;
S6.2:根据面积信息和位置信息将栅格中点云的深度值重新赋予掉块的点云连通体得到深度信息赋值矩阵图像;
S6.3:判断深度信息赋值矩阵图像中每一个栅格中的深度值与深度阈值的大小;
S6.4:当栅格中的深度值大于深度阈值时,则对相应的栅格进行预警。
具体的,本发明需要创建一个空矩阵,然后利用上述S中确定的掉块面积和位置信息确定平移参数,然后利用矩阵的平移将掉块形成的矩阵平移到创建的空矩阵,如图12(a)所示,以方便工作人员对生成的图像进行观察,由此观察掉块位置、大小及形状。
进一步的,本发明通过将掉块的深度信息赋值创建的新矩阵,如图12(b)所示,并将深度值大于盾构管片厚度2/3的栅格设置为红色进行风险预警,并将生成图像的纵坐标设置为隧道里程,横坐标为长度,如图12(c)所示。
本发明通过点云栅格化和点云连通体的结合提取隧道掉块面积和位置信息,并通过对掉块深度设置阈值进行风险预警,不仅可以得到盾构隧道掉块面积和位置信息,而且也可对掉块进行风险分析,其操作过程简单方便,相比于传统人工观察方法,本发明具有高效率、高精度和智能化的优点。
本发明还提供了一种盾构隧道掉块风险预警系统,包括:
点云获取模块,用于获取隧道的点云数据;
椭圆拟合模块,用于利用点云数据拟合隧道椭圆得到拟合椭圆方程;
点云处理模块,用于将点云数据投影到标准圆柱,按照标准圆柱展开图形得到展开后的点云数据;
点云转化模块,用于采用栅格对展开后的点云坐标进行划分,并将栅格内的点云转化为栅格的图像灰度值得到二值化图像;
掉块信息获取模块,用于提取二值化图像上的掉块信息;
隧道掉块预警模块,用于根据掉块信息对隧道掉块进行预警。
优选的,椭圆拟合模块,包括:
距离值计算单元,用于计算点云数据到隧道中心点的距离值;
去噪单元,用于将距离值小于或者等于距离阈值的点云数据去除得到去噪后的点云数据;
椭圆拟合单元,用于采用最小二乘法利用去噪后的点云数据拟合隧道椭圆得到拟合椭圆方程。
本发明提供了一种盾构隧道掉块风险预警方法与系统,其中该方法包括:利用点云数据拟合隧道椭圆得到拟合椭圆方程;将点云数据投影到标准圆柱,按照标准圆柱展开图形得到展开后的点云数据;采用栅格对展开后的点云坐标进行划分,并将栅格内的点云转化为栅格的图像灰度值得到二值化图像;提取二值化图像上的掉块信息;根据掉块信息对隧道掉块进行预警。本发明利用点云数据拟合隧道椭圆,并将点云数据转化为二值化图像以提取隧道上的掉块信息,并基于掉块信息完成预警,可以大大提高掉块的检测效率,保证了在线监测的实时性和准确性。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种盾构隧道掉块风险预警方法,其特征在于,包括以下步骤:
步骤1:获取隧道的点云数据;
步骤2:利用所述点云数据拟合隧道椭圆得到拟合椭圆方程;
步骤3:将所述点云数据投影到标准圆柱,按照所述标准圆柱展开图形得到展开后的点云数据;
步骤4:采用栅格对所述展开后的点云坐标进行划分,并将栅格内的点云转化为栅格的图像灰度值得到二值化图像;
步骤5:提取所述二值化图像上的掉块信息;
步骤6:根据所述掉块信息对隧道掉块进行预警。
2.如权利要求1所述的一种盾构隧道掉块风险预警方法,其特征在于,所述步骤2:利用所述点云数据拟合隧道椭圆得到拟合椭圆方程,包括:
步骤2.1:计算所述点云数据到隧道中心点的距离值;
步骤2.2:将所述距离值小于或者等于距离阈值的点云数据去除得到去噪后的点云数据;
步骤2.3:采用最小二乘法利用所述去噪后的点云数据拟合隧道椭圆得到拟合椭圆方程。
5.如权利要求1所述的一种盾构隧道掉块风险预警方法,其特征在于,所述步骤4:采用栅格对所述展开后的点云坐标进行划分,并将栅格内的点云转化为栅格的图像灰度值得到二值化图像,包括:
步骤4.1:计算栅格内每一个点云到拟合椭圆中心点的直线距离;
步骤4.2:将所述直线距离与拟合椭圆长、短轴均值的差作为栅格的深度值;
步骤4.3:根据所述深度值得到每一个栅格的图像灰度值;
步骤4.4:对每一个栅格的图像灰度值进行二值化处理得到二值化图像。
7.如权利要求1所述的一种盾构隧道掉块风险预警方法,其特征在于,所述步骤5:提取所述二值化图像上的掉块信息,包括:
步骤5.1:对所述二值化图像上的白色像素进行标记得到多个点云连通体;
步骤5.2:获取面积阈值,提取在所述面积阈值内的点云连通体得到掉块的点云连通体;
步骤5.3:根据所述掉块的点云连通体的面积和位置将栅格中点云的深度值重新赋予。
8.如权利要求7所述的一种盾构隧道掉块风险预警方法,其特征在于,所述步骤6:根据所述掉块信息对隧道掉块进行预警,包括:
步骤6.1:获取掉块的点云连通体的面积信息和位置信息;
步骤6.2:根据所述面积信息和所述位置信息将栅格中点云的深度值重新赋予掉块的点云连通体得到深度信息赋值矩阵图像;
步骤6.3:判断所述深度信息赋值矩阵图像中每一个栅格中的深度值与深度阈值的大小;
步骤6.4:当栅格中的深度值大于所述深度阈值时,则对相应的栅格进行预警。
9.一种盾构隧道掉块风险预警系统,其特征在于,包括:
点云获取模块,用于获取隧道的点云数据;
椭圆拟合模块,用于利用所述点云数据拟合隧道椭圆得到拟合椭圆方程;
点云处理模块,用于将所述点云数据投影到标准圆柱,按照所述标准圆柱展开图形得到展开后的点云数据;
点云转化模块,用于采用栅格对所述展开后的点云坐标进行划分,并将栅格内的点云转化为栅格的图像灰度值得到二值化图像;
掉块信息获取模块,用于提取所述二值化图像上的掉块信息;
隧道掉块预警模块,用于根据所述掉块信息对隧道掉块进行预警。
10.如权利要求9所述的一种盾构隧道掉块风险预警系统,其特征在于,所述椭圆拟合模块,包括:
距离值计算单元,用于计算所述点云数据到隧道中心点的距离值;
去噪单元,用于将所述距离值小于或者等于距离阈值的点云数据去除得到去噪后的点云数据;
椭圆拟合单元,用于采用最小二乘法利用所述去噪后的点云数据拟合隧道椭圆得到拟合椭圆方程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111431563.2A CN114119355B (zh) | 2021-11-29 | 2021-11-29 | 一种盾构隧道掉块风险预警方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111431563.2A CN114119355B (zh) | 2021-11-29 | 2021-11-29 | 一种盾构隧道掉块风险预警方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114119355A true CN114119355A (zh) | 2022-03-01 |
CN114119355B CN114119355B (zh) | 2023-04-28 |
Family
ID=80371211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111431563.2A Active CN114119355B (zh) | 2021-11-29 | 2021-11-29 | 一种盾构隧道掉块风险预警方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114119355B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115294527A (zh) * | 2022-08-09 | 2022-11-04 | 中铁隧道局集团有限公司 | 一种基于计算机视觉的地铁隧道破损检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106767402A (zh) * | 2016-11-30 | 2017-05-31 | 华中科技大学 | 一种盾构法隧道表观质量检测方法及系统 |
CN108225184A (zh) * | 2018-01-16 | 2018-06-29 | 上海同岩土木工程科技股份有限公司 | 一种盾构隧道三维激光扫描点云数据除噪的方法 |
CN108335291A (zh) * | 2018-01-24 | 2018-07-27 | 上海岩土工程勘察设计研究院有限公司 | 一种隧道病害影像预处理方法 |
CN109373921A (zh) * | 2018-10-26 | 2019-02-22 | 南京航空航天大学 | 一种隧道监测方法及装置 |
JP2019128175A (ja) * | 2018-01-22 | 2019-08-01 | 株式会社パスコ | トンネル壁面検査装置及びトンネル壁面検査プログラム |
-
2021
- 2021-11-29 CN CN202111431563.2A patent/CN114119355B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106767402A (zh) * | 2016-11-30 | 2017-05-31 | 华中科技大学 | 一种盾构法隧道表观质量检测方法及系统 |
CN108225184A (zh) * | 2018-01-16 | 2018-06-29 | 上海同岩土木工程科技股份有限公司 | 一种盾构隧道三维激光扫描点云数据除噪的方法 |
JP2019128175A (ja) * | 2018-01-22 | 2019-08-01 | 株式会社パスコ | トンネル壁面検査装置及びトンネル壁面検査プログラム |
CN108335291A (zh) * | 2018-01-24 | 2018-07-27 | 上海岩土工程勘察设计研究院有限公司 | 一种隧道病害影像预处理方法 |
CN109373921A (zh) * | 2018-10-26 | 2019-02-22 | 南京航空航天大学 | 一种隧道监测方法及装置 |
Non-Patent Citations (2)
Title |
---|
JIANG QUAN 等: "Reconstitution method for tunnel spatiotemporal deformation based on 3D laser scanning technology and corresponding instability warning" * |
吴昌睿 等: "地铁隧道渗漏水的激光扫描检测方法及应用" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115294527A (zh) * | 2022-08-09 | 2022-11-04 | 中铁隧道局集团有限公司 | 一种基于计算机视觉的地铁隧道破损检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114119355B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103778681B (zh) | 一种车载高速公路巡检系统及数据获取和处理方法 | |
US10755132B2 (en) | Methods for extracting surface deformation feature of object based on linear scanning three-dimensional point cloud | |
CN108489403B (zh) | 基于三维激光扫描的露天矿山边坡岩体节理产状快速精细取值方法 | |
CN101694084B (zh) | 地面车载移动检测系统 | |
CN105180890A (zh) | 融合激光点云和数字影像的岩体结构面产状测量方法 | |
CN103605978A (zh) | 基于三维实景数据的城市违章建筑识别系统及方法 | |
CN110207608A (zh) | 一种基于三维激光扫描的地铁隧道形变检测方法 | |
CN103837087B (zh) | 基于主动形状模型的受电弓自动检测方法 | |
CN112070756B (zh) | 一种基于无人机倾斜摄影的路面立体病害测量方法 | |
CN114312877B (zh) | 铁路综合巡检系统 | |
CN112348952A (zh) | 艰险山区多源地理信息数据融合的三维场景构建方法 | |
Wang et al. | Automated pavement distress survey: a review and a new direction | |
CN108830317B (zh) | 基于数字摄影测量的露天矿山边坡岩体节理产状快速精细取值方法 | |
CN116524017B (zh) | 一种用于矿山井下检测识别定位系统 | |
Lehtomäki et al. | Performance analysis of a pole and tree trunk detection method for mobile laser scanning data | |
CN114379607B (zh) | 一种铁路综合巡检方法 | |
CN114379598B (zh) | 一种铁路综合巡检系统 | |
Du et al. | Dislocation detection of shield tunnel based on dense cross-sectional point clouds | |
CN114119355B (zh) | 一种盾构隧道掉块风险预警方法与系统 | |
CN106524998B (zh) | 基于三维激光扫描技术测量隧道线状出露结构面的方法 | |
Xu et al. | Crack width recognition of tunnel tube sheet based on yolov8 algorithm and 3d imaging | |
CN115035251B (zh) | 一种基于领域增强合成数据集的桥面车辆实时追踪方法 | |
CN114001678B (zh) | 基于车载激光雷达的路面平整度检测方法、装置和车辆 | |
CN114092433B (zh) | 一种基于三角形质心优化的表观缺陷检测方法 | |
CN112907739B (zh) | 一种井盖高程差信息获取方法、装置及系统 |
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 |