CN115035060B - 基于计算机图像识别的隧道壁面变形检测方法 - Google Patents
基于计算机图像识别的隧道壁面变形检测方法 Download PDFInfo
- Publication number
- CN115035060B CN115035060B CN202210636560.0A CN202210636560A CN115035060B CN 115035060 B CN115035060 B CN 115035060B CN 202210636560 A CN202210636560 A CN 202210636560A CN 115035060 B CN115035060 B CN 115035060B
- Authority
- CN
- China
- Prior art keywords
- tunnel
- image
- deformation
- wall surface
- deformed
- 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
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明的实施例公开一种基于计算机图像识别的隧道壁面变形检测方法,属于隧道检测技术领域,用于解决现有的通过传感器检测隧道变形的方法成本高,安装维修不方便的问题。本发明提供的方法包括:在隧道中央采集隧道延伸图像;根据对称性判断所述隧道延伸图像中隧道壁面的轮廓是否发生变形;若所述隧道延伸图像中隧道壁面的轮廓发生变形,则定位发生变形的位置。本发明能够根据隧道图像基于计算机图像识别技术对隧道壁自动进行变形检测。
Description
技术领域
本发明属于隧道检测技术领域,尤其涉及基于计算机图像识别的隧道壁面变形检测方法。
背景技术
近年来,随着科技的发展,国家的基础设施建设也不断增多,隧道在公路、铁路、地铁领域的建设越来越多。隧道的安全直接影响下方道路的畅通和通行车辆的安全,对人民的生命财产安全和经济建设有重大影响,一旦发生坍塌将造成难以估量的直接及间接损失。因此隧道的变形监测是隧道施工过程和后续隧道维护过程中的重中之重。
隧道因为其分布分散、地理位置普遍较偏远的特点影响,因此早期的公路或铁路中尽量避免使用隧道,对于无法避免的隧道路段,常采用人工定期巡检的办法来了解隧道的状态,但是,人工巡检测量隧道变形的方法比较少,且测量不方便、变形量的测量精度较差。随着隧道量的增多,人工监测成本也不断增高,远程监测成了未来隧道检测领域的主要发展方向。
目前,常用的远程隧道变形检测的方法主要是通过在隧道壁上不同位置安装多个传感器,远程获取传感器的检测值并经计算机计算得出隧道壁是否变形的结论,工作过程复杂、计算效率低,且该种方法需要在隧道中安装传感器,安装不方便,且需要对传感器进行定期检修,后期维修也不方便,维修和检测成本高。
发明内容
有鉴于此,本发明实施例提供一种基于计算机图像识别的隧道壁面变形检测方法,用于解决现有的通过传感器检测隧道变形的方法成本高,安装维修不方便的问题。本发明能够根据隧道图像基于计算机图像识别技术对隧道壁自动进行变形检测。
本发明实施例提供一种基于计算机图像识别的隧道壁面变形检测方法,包括以下步骤:
在隧道中央采集隧道延伸图像;
根据对称性判断所述隧道延伸图像中隧道壁面的轮廓是否发生变形;
若所述隧道延伸图像中隧道壁面的轮廓发生变形,则定位发生变形的位置。
在一可选实施例中,所述在隧道中央采集隧道延伸图像,包括:
通过一可在所述隧道内行进的小车上安装的摄像头在隧道口中央采集隧道延伸图像。
在一可选实施例中,在所述在隧道中央采集隧道延伸图像之前,还包括:
在所述隧道中设置与所述小车车轮相匹配的轨道;所述轨道中心设置在所述隧道底部宽度方向中心线上;
将所述小车置于所述轨道上。
在一可选实施例中,在所述在隧道中央采集隧道延伸图像之前,还包括:
在所述隧道内路面中心线位置设置导向标识线;
通过所述小车前侧中央的识别感应装置识别感应所述导向标识线;
根据对导向标识线的识别感应结果调整所述小车位置,以使所述小车宽度方向中央与所述导向标识线对齐。
在一可选实施例中,在所述在隧道中央采集隧道延伸图像之前,还包括:
通过所述小车上安装的圆形激光器向所述隧道的隧道壁上发射圆形激光线;
通过所述摄像头实时采集包括所述圆形激光线的隧道内图像;
调整所述摄像头的位置和拍摄角度,直至所述摄像头采集的隧道内图像中显示的圆形激光线左右对称时为止,以使所述摄像头位于所述隧道横截面的垂直中心线上。
在一可选实施例中,所述根据对称性判断所述隧道延伸图像中隧道壁面的轮廓是否发生变形,包括:
以所述隧道延伸图像的左下顶点为坐标原点,以所述隧道延伸图像的底边向右为X轴,以所述隧道延伸图像左侧边向上为Y轴,建立平面直角坐标系;
将所述隧道延伸图像沿隧道的横断面的垂直中心线切分,得到所述平面直角坐标系中的左半面图像和右半面图像;
获取所述左半面图像和右半面图像中的任意一个图像作为第一图像,剩余一个图像作为第二图像;
在所述平面直角坐标系中根据第一公式将所述第一图像沿所述隧道横截面的垂直中心线做对称变换,得到第三图像;
根据所述第三图像与所述第二图像,基于第二公式计算所述隧道延伸图像中隧道壁面的轮廓发生变形的检测值;
判断所述隧道壁面的轮廓发生变形的检测值是否等于0,若是,则确定所述隧道延伸图像中隧道壁面的轮廓发生变形,否则,确定所述隧道延伸图像中隧道壁面的轮廓未发生变形;
其中,所述第一公式为:
所述第一公式中,表示在所述平面直角坐标系中坐标为(x,y)处的第三图像的像素值;(X0,Y0)表示所述隧道延伸图像的中心点在所述平面直角坐标系中的坐标;D(2×X0-x,y)表示所述隧道延伸图像在所述平面直角坐标中坐标为(2×X0-x,y)处的像素值;
所述第二公式为:
所述第二公式中,P表示所述隧道壁面的轮廓发生变形的检测值;E(x,y)表示在所述平面直角坐标中坐标为(x,y)处的所述隧道延伸图像对应隧道壁面的轮廓发生变形的位置坐标定位值;||表示求取绝对值;D(x,y)表示所述隧道延伸图像在所述平面直角坐标中坐标为(x,y)处的像素值,Dmax表示所述隧道延伸图像的所有像素值中的最大像素值;k表示预设的隧道壁面轮廓变形的像素波动误差,
在一可选实施例中,所述定位发生变形的位置,包括:
根据所述隧道壁面的轮廓发生变形的位置坐标定位值以及所述隧道的标准隧道半径,基于以下第三公式确定发生变形的位置所在的隧道深度:
其中,H(x,y)表示在所述平面直角坐标中坐标为(x,y)处的所述隧道延伸图像对应隧道壁面的轮廓发生变形的位置所对应的隧道深度值,若H(x,y)=0表示相应位置的隧道壁面的轮廓未发生变形,若H(x,y)≠0表示相应位置的隧道壁面的轮廓发生变形;f表示所述隧道延伸图像采集设备的焦距值。
在一可选实施例中,在确定发生变形的位置所在的隧道深度之后,还包括:
控制所述小车沿所述隧道底部宽度方向中心线行进至本次确定发生变形的位置;
通过所述摄像头采集当前位置的隧道壁图像;
将本次确定发生变形的位置参数以及对应隧道壁图像发送给远程控制终端。
本发明提供的基于计算机图像识别的隧道壁面变形检测方法,通过采集隧道内的隧道延伸图像,基于对称性原理可以初步检测判断所述隧道壁面的轮廓结构是否发生变形,可以脱离人工控制,利用计算机自动进行变形判断,缩短了对所述隧道壁面图像的检测时间,提高了工作效率;若根据对称性初步检测判断所述隧道壁面的轮廓结构发生变形,还可根据采集的隧道延伸图像定位所述变形的位置坐标,通过计算机图像识别技术精准定位变形位置,并可根据变形的位置坐标以及该隧道的标准隧道半径确定变形位置所在的隧道深度,以进一步自动采集该位置处的隧道壁图像或通知用户进行实地变形确认。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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它的附图。
图1为本发明实施例提供的基于计算机图像识别的隧道壁面变形检测方法流程图;
图2为本发明实施例提供的摄像头位置的标定方法流程图;
图3为S2的一种实施方法流程图;
图4A为位于所述平面直角坐标系中的隧道延伸图像示意图;
图4B为位于所述平面直角坐标系中的图4A的左半面图像;
图4C为位于所述平面直角坐标系中的图4A的右半面图像;
图4D为对图4C沿所述隧道横截面的垂直中心线做对称变换后得到的第三图像。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
图1为本发明实施例提供的基于计算机图像识别的隧道壁面变形检测方法流程图。参见图1,该方法包括如下步骤:
S1:在隧道中央采集隧道延伸图像;
优选地,此步骤可以通过一可在所述隧道内行进的小车上安装的摄像头在隧道口中央采集隧道延伸图像。
S2:根据对称性判断所述隧道延伸图像中隧道壁面的轮廓是否发生变形;若是,则执行S3,否则,结束流程。
S3:定位发生变形的位置。
本实施例中,由于摄像头视角的原因,随着隧道的延伸越长图像中的隧道壁面会逐渐变小,若直线隧道的壁面未发生变形则图像是关于横断面的垂直中心线几乎对称的。若检测出发生变形,则还可以进一步到定位发生变形的位置之前继续采集隧道延伸图像,采用本发明提供的方法再次判断采集的隧道延伸图像中隧道壁面的轮廓是否发生变形,若多次定位出同一位置发生变形,则上报用户变形位置以便用户进行实地检测。
本发明提供的基于计算机图像识别的隧道壁面变形检测方法,通过采集隧道内的隧道延伸图像,基于对称性原理可以初步检测判断所述隧道壁面的轮廓结构是否发生变形,可以脱离人工控制,利用计算机自动进行变形判断,缩短了对所述隧道壁面图像的检测时间,提高了工作效率
在一可选实施例中,步骤S1可以通过一安装在可伸缩杆上的摄像头采集隧道延伸图像,所述可伸缩杆的一端固定安装于隧道顶部中央(或隧道侧壁上),可伸缩杆的自由端安装所述摄像头,在需要采集图像时,可以通过伸长所述可伸缩杆以使其将所述摄像头位置调整到隧道横断面中央,然后通过所述摄像头从采集隧道延伸图像。
在另一可选实施例中,步骤S1还可以通过一可在所述隧道内行进的小车上安装的摄像头在隧道口中央采集隧道延伸图像。
可选地,可以预先在所述隧道中设置与所述小车车轮相匹配的轨道,随后将所述小车置于所述轨道上采集隧道延伸图像。其中,所述轨道中心设置在所述隧道底部宽度方向中心线上。显然,这种方式尤其适用于地铁或国铁等本身已有列车运行轨道的隧道,则只需要将带有摄像头的小车置于隧道内的铁轨上即可进行图像采集。
可选地,也可以预先在所述隧道内路面中心线位置设置导向标识线,随后通过所述小车前侧中央的识别感应装置识别感应所述导向标识线,根据对导向标识线的识别感应结果调整所述小车位置,以使所述小车宽度方向中央与所述导向标识线对齐。例如:所述导向标识线可以为贴于地面的反光标识线,然后所述识别感应装置包括光源以及一个中间带有狭缝采光窗的光接收器,所述光源发出的光射到隧道地面上,在所述反光标识线处得到最大的反射光强,当所述小车宽度方向中央与所述导向标识线对齐时,反光标识线反射的最大光强方向的光通过所述狭缝进入光接收器,当所述小车宽度方向中央与所述导向标识线未对齐时,反光标识线反射的最大光强方向的光被所述狭缝两侧的挡板部分或全部遮挡,光接收器根据接收的光照情况,即可确定所述小车宽度方向中央与所述导向标识线是否对齐,若未对齐,则可以通过自动/人工调节小车偏移位置,最终使得所述小车宽度方向中央与所述导向标识线对齐,小车则被调整至所述隧道横断面的垂直中心线上。
在一可选实施例中,在步骤S1之前,当把带头摄像头的小车调整于隧道口中央之后,该方法还包括摄像头位置的标定步骤,如图2所示,具体包括:
S101:通过所述小车上安装的圆形激光器向所述隧道的隧道壁上发射圆形激光线;
S102:通过所述摄像头实时采集包括所述圆形激光线的隧道内图像;
S103:调整所述摄像头的位置和拍摄角度,直至所述摄像头采集的隧道内图像中显示的圆形激光线左右对称时为止,以使所述摄像头位于所述隧道横截面的垂直中心线上。
本实施例中,通过一个标准圆形激光器来标定所述摄像头的位置,当打到隧道壁上的圆形激光线为左右对称的圆弧形时,则说明摄像头的位置位于隧道横截面的垂直中心线上,否则,所述此时摄像头位置不正导致本该左右对称的圆形激光线产生了变形,需要调整所述摄像头的位置和拍摄角度。
在一可选实施例中,如图3所示,步骤S2可以包括如下步骤S201-S208:
S201:以所述隧道延伸图像的左下顶点为坐标原点,以所述隧道延伸图像的底边向右为X轴,以所述隧道延伸图像左侧边向上为Y轴,建立平面直角坐标系。
本实施例中,经过步骤S201后的位于所述平面直角坐标系中的隧道延伸图像例如图4A所示。
S202:将所述隧道延伸图像沿隧道的横断面的垂直中心线切分,得到所述平面直角坐标系中的左半面图像和右半面图像;
例如,对图4A所示的隧道延伸图像沿隧道的横断面的垂直中心线切分,得到如图4B所示的所述平面直角坐标系中的左半面图像以及如图4C所示的所述平面直角坐标系中的右半面图像。
S203:获取所述左半面图像和右半面图像中的任意一个图像作为第一图像,剩余一个图像作为第二图像;
为方便说明,下文中,以右半面图像作为第一图像,左半面图像作为第二图像。
S204:在所述平面直角坐标系中根据第一公式将所述第一图像沿所述隧道横截面的垂直中心线做对称变换,得到第三图像。
例如,根据第一公式将图4C沿所述隧道横截面的垂直中心线做对称变换,得到如图4D所示的第三图像。
其中,所述第一公式为:
所述第一公式中,表示在所述平面直角坐标系中坐标为(x,y)处的第三图像的像素值;(X0,Y0)表示所述隧道延伸图像的中心点在所述平面直角坐标系中的坐标;D(2×X0-x,y)表示所述隧道延伸图像在所述平面直角坐标中坐标为(2×X0-x,y)处的像素值。
S205:根据所述第三图像与所述第二图像,基于第二公式计算所述隧道延伸图像中隧道壁面的轮廓发生变形的检测值。
本步骤中,例如,通过计算机比较图4D和图4B,即可得到二者不一致的地方,这些地方有可能就是隧道壁面的轮廓发生变形的位置。
优选地,所述第二公式为:
所述第二公式中,P表示所述隧道壁面的轮廓发生变形的检测值;E(x,y)表示在所述平面直角坐标中坐标为(x,y)处的所述隧道延伸图像对应隧道壁面的轮廓发生变形的位置坐标定位值;||表示求取绝对值;D(x,y)表示所述隧道延伸图像在所述平面直角坐标中坐标为(x,y)处的像素值,Dmax表示所述隧道延伸图像的所有像素值中的最大像素值;k表示预设的隧道壁面轮廓变形的像素波动误差,
S206:判断所述隧道壁面的轮廓发生变形的检测值是否等于0,若是,则执行S207,否则,执行S208。
本步骤中,判断上一步骤根据第二公式计算得到的P是否等于0,P=0,表示所述隧道壁面初步检测结果为变形;P≠0,表示所述隧道壁面初步检测结果为未变形。
S207:确定所述隧道延伸图像中隧道壁面的轮廓发生变形。
S208:确定所述隧道延伸图像中隧道壁面的轮廓未发生变形。
本实施例中,通过计算机利用公式将所述隧道延伸图像的右半面图像完整的截取后镜像,使得整个图像可以脱离人工控制进行计算机自动截取,根据所述隧道延伸图像的右半面对称后的图像与所述隧道延伸图像的左半面图像进行比对,定位所述隧道延伸图像中发生变形的隧道壁面的位置坐标,从而可以利用计算机自动进行变形判断以及图像对比从而精准定位变形位置,保证了计算机的运行效率的同时又定位到了准确的变形位置。
在一可选实施例中,步骤S3中定位发生变形的位置,具体可以根据所述隧道壁面的轮廓发生变形的位置坐标定位值以及所述隧道的标准隧道半径,基于以下第三公式确定发生变形的位置所在的隧道深度:
其中,H(x,y)表示在所述平面直角坐标中坐标为(x,y)处的所述隧道延伸图像对应隧道壁面的轮廓发生变形的位置所对应的隧道深度值,若H(x,y)=0表示相应位置的隧道壁面的轮廓未发生变形,若H(x,y)≠0表示相应位置的隧道壁面的轮廓发生变形;f表示所述隧道延伸图像采集设备的焦距值。
本实施例中,根据所述隧道延伸图像上发生变形的位置坐标以及隧道的标准隧道半径确定变形位置所在的隧道深度,从而在精准定位变形坐标的同时还能方便工作人员对需要巡检的隧道深度进行快速定位,可以缓解计算机CPU的算力,减低功耗节省运算时间,保证当初步确认所述隧道壁面发生变形时可以快速的进行相应的应急处理和响应,保证隧道的安全。
在一可选实施例中,在确定发生变形的位置所在的隧道深度之后,若无法实现人工巡检,则所述方法还包括以下步骤:
步骤B11:控制所述小车沿所述隧道底部宽度方向中心线行进至本次确定发生变形的位置;
步骤B12:通过所述摄像头采集当前位置的隧道壁图像;
步骤B13:将本次确定发生变形的位置参数以及对应隧道壁图像发送给远程控制终端。
其中,所述位置参数可以包括检测出所述隧道壁面的轮廓发生变形的隧道延伸图像、发生变形的位置在该图像中的坐标定位值以及发生变形的位置所在的隧道深度。
本实施例中,在检测出隧道壁面的轮廓发生变形的具体深度位置后,可以通过控制小车运行至该位置附近再次采集隧道壁图像发送给远程控制终端,以便用户远程检查并确定是否需要进一步人工巡检,能够进一步节省人力,提高隧道检测的工作效率。
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。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。以上所述,仅为本发明的具体实施方式,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,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.基于计算机图像识别的隧道壁面变形检测方法,其特征在于,包括以下步骤:
在隧道中央采集隧道延伸图像;
根据对称性判断所述隧道延伸图像中隧道壁面的轮廓是否发生变形;
若所述隧道延伸图像中隧道壁面的轮廓发生变形,则定位发生变形的位置;
所述在隧道中央采集隧道延伸图像,包括:
通过一可在所述隧道内行进的小车上安装的摄像头在隧道口中央采集隧道延伸图像;
所述根据对称性判断所述隧道延伸图像中隧道壁面的轮廓是否发生变形,包括:
以所述隧道延伸图像的左下顶点为坐标原点,以所述隧道延伸图像的底边向右为X轴,以所述隧道延伸图像左侧边向上为Y轴,建立平面直角坐标系;
将所述隧道延伸图像沿隧道的横断面的垂直中心线切分,得到所述平面直角坐标系中的左半面图像和右半面图像;
获取所述左半面图像和右半面图像中的任意一个图像作为第一图像,剩余一个图像作为第二图像;
在所述平面直角坐标系中根据第一公式将所述第一图像沿所述隧道横截面的垂直中心线做对称变换,得到第三图像;
根据所述第三图像与所述第二图像,基于第二公式计算所述隧道延伸图像中隧道壁面的轮廓发生变形的检测值;
判断所述隧道壁面的轮廓发生变形的检测值是否等于0,若是,则确定所述隧道延伸图像中隧道壁面的轮廓发生变形,否则,确定所述隧道延伸图像中隧道壁面的轮廓未发生变形;
其中,所述第一公式为:
所述第一公式中,表示在所述平面直角坐标系中坐标为(x,y)处的第三图像的像素值;(X0,Y0)表示所述隧道延伸图像的中心点在所述平面直角坐标系中的坐标;D(2×X0-x,y)表示所述隧道延伸图像在所述平面直角坐标中坐标为(2×X0-x,y)处的像素值;
所述第二公式为:
2.如权利要求1所述的基于计算机图像识别的隧道壁面变形检测方法,其特征在于,在所述在隧道中央采集隧道延伸图像之前,还包括:
在所述隧道中设置与所述小车车轮相匹配的轨道;所述轨道中心设置在所述隧道底部宽度方向中心线上;
将所述小车置于所述轨道上。
3.如权利要求1所述的基于计算机图像识别的隧道壁面变形检测方法,其特征在于,在所述在隧道中央采集隧道延伸图像之前,还包括:
在所述隧道内路面中心线位置设置导向标识线;
通过所述小车前侧中央的识别感应装置识别感应所述导向标识线;
根据对导向标识线的识别感应结果调整所述小车位置,以使所述小车宽度方向中央与所述导向标识线对齐。
4.如权利要求1所述的基于计算机图像识别的隧道壁面变形检测方法,其特征在于,在所述在隧道中央采集隧道延伸图像之前,还包括:
通过所述小车上安装的圆形激光器向所述隧道的隧道壁上发射圆形激光线;
通过所述摄像头实时采集包括所述圆形激光线的隧道内图像;
调整所述摄像头的位置和拍摄角度,直至所述摄像头采集的隧道内图像中显示的圆形激光线左右对称时为止,以使所述摄像头位于所述隧道横截面的垂直中心线上。
6.如权利要求5所述的基于计算机图像识别的隧道壁面变形检测方法,其特征在于,在确定发生变形的位置所在的隧道深度之后,还包括:
控制所述小车沿所述隧道底部宽度方向中心线行进至本次确定发生变形的位置;
通过所述摄像头采集当前位置的隧道壁图像;
将本次确定发生变形的位置参数以及对应隧道壁图像发送给远程控制终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210636560.0A CN115035060B (zh) | 2022-06-07 | 2022-06-07 | 基于计算机图像识别的隧道壁面变形检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210636560.0A CN115035060B (zh) | 2022-06-07 | 2022-06-07 | 基于计算机图像识别的隧道壁面变形检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115035060A CN115035060A (zh) | 2022-09-09 |
CN115035060B true CN115035060B (zh) | 2023-02-03 |
Family
ID=83122694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210636560.0A Active CN115035060B (zh) | 2022-06-07 | 2022-06-07 | 基于计算机图像识别的隧道壁面变形检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115035060B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102564335B (zh) * | 2012-01-16 | 2014-11-26 | 苏州临点三维科技有限公司 | 一种大型隧道变形测量方法 |
CN102589808A (zh) * | 2012-01-16 | 2012-07-18 | 苏州临点三维科技有限公司 | 大型隧道渗水点测量方法 |
CN206709793U (zh) * | 2017-04-13 | 2017-12-05 | 上海隧道工程质量检测有限公司 | 一种隧道横断面轮廓缺陷检测装置 |
CN108198164A (zh) * | 2017-12-04 | 2018-06-22 | 国网山东省电力公司济南供电公司 | 一种电缆隧道电缆完整性的检测装置及方法 |
CN110514133A (zh) * | 2019-09-30 | 2019-11-29 | 西南石油大学 | 一种基于摄影测量的无人机隧道变形检测方法 |
CN112461122B (zh) * | 2020-09-21 | 2022-04-19 | 浙江大学 | 一种隧道表面特征检测装置及方法 |
CN114529811A (zh) * | 2020-11-04 | 2022-05-24 | 中国科学院沈阳自动化研究所 | 一种地铁隧道异物的快速自动识别与定位方法 |
-
2022
- 2022-06-07 CN CN202210636560.0A patent/CN115035060B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115035060A (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108828589B (zh) | 地铁盾构隧道衬砌质量高精度快速车载检测方法与装置 | |
CN107504899B (zh) | 连续跟踪测量接触网几何参数的系统和方法 | |
CN106192634B (zh) | 一种铁路轨道弹条扣件状态自动检测装置以及方法 | |
CN103630088B (zh) | 基于双激光带的高精度隧道断面检测方法及装置 | |
CN103266559B (zh) | Bp桥梁安全巡检车及获取桥梁表面面相的方法 | |
CN111866337A (zh) | 智能巡检机器人及巡检方法 | |
KR101689567B1 (ko) | 구간 속도 산출 시스템 및 그 방법 | |
KR101872431B1 (ko) | 교량 신축 이음부 유간 측정 장치 | |
CN107200042A (zh) | 一种列车车轮直径与圆度磨耗高精度在线检测方法及其检测装置 | |
CN104792790A (zh) | 隧道状态检测装置和检测方法 | |
WO2022174592A1 (zh) | 一种隧道形变实时监测方法及装置 | |
CN207268608U (zh) | 列车轮对尺寸动态检测系统 | |
CN109187564B (zh) | 一种狭长型构筑物实时变形监测系统 | |
CN204944427U (zh) | 一种接触网几何参数动态检测小车 | |
CN109668515A (zh) | 列车轮对尺寸动态检测系统及检测方法 | |
CN115035060B (zh) | 基于计算机图像识别的隧道壁面变形检测方法 | |
CN205373648U (zh) | 基于三角测量的接触网几何参数动态检测装置 | |
CN205228438U (zh) | 隧道收敛直径测量系统 | |
CN112539702A (zh) | 一种用于轨道探伤车的自动对中方法及系统 | |
CN104006804A (zh) | 基于观测基准失稳补偿的接触网偏移量检测方法 | |
CN110525463A (zh) | 地下矿山有轨运输轨道检查车及检查方法 | |
CN115755977A (zh) | 一种隧道内智能无人机巡检方法及系统 | |
CN110962876A (zh) | 一种铁路工字钢杆塔的限界测量新方法 | |
CN113252004B (zh) | 一种隧道综合检测监测系统及方法 | |
CN114935776A (zh) | 一种道路检查井井盖的监测分析系统及监测分析方法 |
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 |