CN115220036A - 一种智能化道路空洞在线检测系统及检测方法 - Google Patents
一种智能化道路空洞在线检测系统及检测方法 Download PDFInfo
- Publication number
- CN115220036A CN115220036A CN202211146716.3A CN202211146716A CN115220036A CN 115220036 A CN115220036 A CN 115220036A CN 202211146716 A CN202211146716 A CN 202211146716A CN 115220036 A CN115220036 A CN 115220036A
- Authority
- CN
- China
- Prior art keywords
- module
- detection
- data
- underground
- processing module
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 81
- 238000012545 processing Methods 0.000 claims abstract description 55
- 230000000149 penetrating effect Effects 0.000 claims description 66
- 239000011159 matrix material Substances 0.000 claims description 63
- 238000000034 method Methods 0.000 claims description 63
- 238000005070 sampling Methods 0.000 claims description 40
- 238000000354 decomposition reaction Methods 0.000 claims description 16
- 230000001629 suppression Effects 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000012847 principal component analysis method Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000513 principal component analysis Methods 0.000 claims description 5
- 239000011800 void material Substances 0.000 claims description 5
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims 4
- 239000000945 filler Substances 0.000 abstract description 9
- 238000010276 construction Methods 0.000 abstract description 5
- 230000008439 repair process Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005684 electric field Effects 0.000 description 3
- 230000005672 electromagnetic field Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000009933 burial Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/885—Radar or analogous systems specially adapted for specific applications for ground probing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Geology (AREA)
- Geophysics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种智能化道路空洞在线检测系统及检测方法,所述检测系统包括探测模块、扫描模块、处理模块以及牵引模块,探测模块检测到地下空洞向处理模块发送探测数据,处理模块自动控制牵引模块运行,牵引模块带动扫描模块移动扫描地下空洞,返回数据至处理模块,处理模块对地下空洞建模计算地下空洞容量。本发明检测系统在探测到地下空洞时,对地下空洞做建模处理,从而使得探测人员能够根据地下空洞模型预估当前道路修补大致所需的填料量,避免填料量过多或者过少,保证施工进度的同时降低道路修补成本。
Description
技术领域
本发明涉及道路检测技术领域,具体涉及一种智能化道路空洞在线检测系统及检测方法。
背景技术
近年来,城市道路地下空洞事故频发,地下空洞的形成,通常是由于道路经过多年的使用后,往往会出现土壤层局部疏松、脱空,在水蚀作用下逐步形成地下空洞,随着城市道路设计的标准提高,道路的结构层越来越厚,承载力越来越强,结构层下局部的空洞,在一般情况下很难发现,只有当空洞形成一定规模、面积时,在车辆碾压、雨水浸泡等外力条件下,达到临界点时才会开成坍塌,而这时的空洞已经扩大,坍塌往往会造成较为严重的灾害和损失。
专利号CN205229480U公开了一种道路地下空洞检测系统及车载系统。所述道路地下空洞检测系统包括中央控制系统、分别与中央控制系统连接的卫星定位系统、数字预处理系统、电源系统和探地雷达系统,数字预处理系统还与探地雷达系统连接。本实用新型能检测道路地下空洞,从而可以提前对地下空洞进行修复,以防止造成坍塌事故。
现有技术存在以下不足:现有地下空洞检测系统仅具有检测地下空洞的功能,即巡航车在道路上移动,探地雷达探测到空洞后发出提示,由探测人员进行记录,然而,由于探地雷达仅能探测到地下空洞,无法显示空洞的容积,从而探测人员无法预估空洞填补的用料量,若填料量过少,会导致需要频繁补给填料,降低施工效率,若填料量过多,则会导致填料浪费,增加施工成本。
发明内容
本发明的目的是提供一种智能化道路空洞在线检测系统及检测方法,以解决背景技术中不足。
为了实现上述目的,本发明提供如下技术方案:一种智能化道路空洞在线检测系统,所述检测系统包括探测模块、扫描模块、处理模块以及牵引模块;
探测模块检测到地下空洞向处理模块发送探测数据,处理模块自动控制牵引模块运行,牵引模块带动扫描模块移动扫描地下空洞,返回数据至处理模块,处理模块对地下空洞建模计算地下空洞容量。
优选的,所述探测模块包括巡航车以及探地雷达,探地雷达安装于巡航车的底部,探地雷达通过巡航车在地面移动,探地雷达用于检测地下空洞,地下空洞检测指标包括的对角长度、边长以及深度。
优选的,所述系统的处理逻辑为:探测模块在k时刻探测到地下空洞,此时探测模块向处理模块发送一个信号x,处理模块接收信号x并处理存储后,向牵引模块发送指令y,向扫描模块发送指令z,牵引模块带动扫描模块移动,对地下空洞建模。
优选的,所述探地雷达包括主机、发射机、发射天线、接收机以及接收天线,主机控制发射机经发射天线向地下发射短高频电磁波,电磁波在地下传播时遇到地表及地下目标不连续的介质面时,反射的回波信号由接收天线接收并传给接收机,接收机进行数据采集后发送给处理模块。
优选的,所述探地雷达的杂波抑制方法包括均值滤波法、主成分分析法和低秩稀疏矩阵分解法,均值滤波法的计算公式为:
优选的,所述低秩稀疏矩阵分解法抑制杂波包括以下步骤:
对探测数据进行傅里叶逆变换,将频域数据转换成时域B-scan数据;
对上述B-scan数据进行鲁棒主成分分析,得到稀疏矩阵S和低秩矩阵L;
提取稀疏矩阵S作为目标回波信号,完成探地雷达杂波抑制工作。
优选的,所述探地雷达地下目标自动识别方法包括以下步骤:
通过仿真和实验方法得到探地雷达B-scan数据;
用低秩稀疏矩阵分解法对所有数据进行杂波抑制得到目标矩阵;
向量化目标矩阵,把每个B-scan目标矩阵都转化为一个行向量作为一个样本;
用FastPCA函数对向量化矩阵降维,提取前20维的特征向量;
将所有样本归一化,前十组数据作为训练样本,后十组数据作为测试样本;
用训练样本训练分类器;
输入测试样本,进行分类识别;
输出识别结果。
优选的,所述扫描模块包括采样单元以及信号收发单元,
优选的,所述信号收发单元包括天线中心频率以及测点间距:
其中,
测点间距:设采样间隔介质中电磁波波长的1/4,计算公式为:
本发明还提供一种智能化道路空洞在线检测方法,所述检测方法通过检测系统运行以下步骤:
S1:探测模块在道路上移动探测到空洞边缘向处理模块发送指令;
S2:处理模块控制牵引模块和扫描模块运行;
S3:牵引模块通过摄像头检测路沿,驱动扫描模块以路沿为边界沿着路径L移动;
S4:扫描模块沿路径L移动扫描空洞并发送数据至处理模块建模;
S5:扫描模块扫描空洞另一端边缘后停止扫描。
在上述技术方案中,本发明提供的技术效果和优点:
1、本发明通过探测模块探测地下空洞,探测模块包括巡航车以及探地雷达,探地雷达通过巡航车在地面移动,当探地雷达检测到地下空洞时发出提示,并向处理模块发送探测数据,处理模块自动控制牵引模块运行,牵引模块带动扫描模块移动扫描地下空洞,扫描模块扫描地下空洞的对角长度、边长以及深度后,返回数据至处理模块,处理模块对地下空洞建模,该检测系统在探测到地下空洞时,对地下空洞做建模处理,从而使得探测人员能够根据地下空洞模型预估当前道路修补大致所需的填料量,避免填料量过多或者过少,保证施工进度的同时降低道路修补成本。
2、本发明基于低秩稀疏矩阵分解法对探地雷达检测信号抑制杂波,具有较强的抗干扰能力,将本质上低秩的数据矩阵从含有较大误差但是结构稀疏的观测矩阵中恢复出来,从而有效地抑制稀疏噪声的影响,鲁棒性好。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明的系统模块图。
图2为本发明的探地雷达地下目标自动识别算法流程图。
图3为本发明扫描模块的功率传送示意图。
图4为本发明检测系统的使用场景图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例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他实施例,都属于本发明保护的范围。
实施例1
请参阅图1所示,本实施例所述一种智能化道路空洞在线检测系统,所述检测系统包括探测模块、扫描模块、处理模块以及牵引模块。
其中,
探测模块用于探测地下空洞,探测模块包括巡航车以及探地雷达,探地雷达通过巡航车在地面移动,当探地雷达检测到地下空洞时发出提示,并向处理模块发送探测数据,处理模块自动控制牵引模块运行,牵引模块带动扫描模块移动扫描地下空洞,扫描模块扫描地下空洞的对角长度、边长以及深度后,返回数据至处理模块,处理模块对地下空洞建模,该检测系统在探测到地下空洞时,对地下空洞做建模处理,从而使得探测人员能够根据地下空洞模型预估当前道路修补大致所需的填料量,避免填料量过多或者过少,保证施工进度的同时降低道路修补成本。
具体处理逻辑为:探测模块在k时刻探测到地下空洞,此时探测模块向处理模块发送一个信号x,处理模块接收信号x并处理存储后,向牵引模块发送指令y,向扫描模块发送指令z,牵引模块带动扫描模块移动,对地下空洞建模。
所述探测模块包括巡航车以及探地雷达,为便于探地雷达使用,探地雷达安装于巡航车的底部;
所述探地雷达主要由主机(处理模块)、发射机、发射天线、接收机、接收天线五部分组成,探地雷达主机控制发射机经发射天线向地下发射短高频电磁波,电磁波在地下传播时遇到地表及地下目标等不连续的介质面时,电磁波会产生发射,反射的回波信号由接收天线接收并传给接收机,接收机进行数据采集后发送给处理模块,处理模块采用数据处理技术和数字图像技术对回波数据进行数据处理。
所述探地雷达按发射信号不同,分为无载频冲激脉冲探地雷达、频率步进探地雷达、调频连续波探地雷达、随机噪声探地雷达。
其中,
(1)无载频冲激脉冲探地雷达:时域冲激脉冲雷达发射的是周期的冲激脉冲信号,一般为近似高斯脉冲波形或者双极性脉冲,脉冲的幅度与雷达系统的最大探测深度有关,脉冲的宽度与发射信号的带宽有关,对于超宽带探地雷达发射信号,要求脉冲幅度越大越好,脉宽越窄越好,超宽带脉冲雷达能够发射脉宽为纳秒甚至亚纳秒级的信号,其频谱特别宽,所以信号在介质中的传播能力非常强;
但是无载频冲激脉冲探地雷达始终存在最大探测距离和系统分辨率间的矛盾,要想使雷达的距离分辨率升高,就要让信号的脉冲宽度缩小,但这样会导致信号的发射功率降低,使得回波信号能量减弱且容易受外部信号的干扰,从而降低雷达的最大探测距离,要使雷达的最大探测距离增加,就要增加脉冲的发射功率或脉冲宽度,但前者对硬件的要求较高,实现难度较大,后者又会导致距离分辨率的降低,冲激脉冲探地雷达可以发射周期脉冲信号,并在接收端对脉冲进行累积计算,这样可以提高信号能量,但在脉冲重频较高的情况下,雷达存在距离模糊问题,对实际工作距离产生一定的影响。
(2)频率步进探地雷达:频率步进信号主要有两种类型,分别为频率步进连续波和频率步进脉冲串,频率步进连续波在探地雷达和穿墙雷达中应用较多,并采用波长较长的波段;
频率步进脉冲串应用场合更加广泛,如单脉冲三维成像、合成孔径雷达、逆合成孔径雷达、汽车防撞等众多领域,探地雷达中应用前者较多,其是通过发射工作频率按固定间隔逐步上升的连续波,并对不同频率点回波幅度与相位信息进行数据采集的连续波雷达,频率步进信号具有合成宽带、瞬时窄带的优点,降低了发射机、接收机的瞬时带宽,对数字信号处理硬件要求低,同时频率步进雷达还具有波形设计灵活,易于实现雷达多模式、多功能等的能力,并且可以针对不同的应用环境选择不同的调制方式,因此其使用方便灵活。
(3)调频连续波探地雷达:在探地雷达中常用的是线性调频信号,它是对脉冲信号(LFM)的调制形式,将脉冲压缩技术应用于探地雷达发射信号,产生的LFM信号克服了脉冲雷达的缺点,LFM雷达通常在接收端用滤波器对LFM信号进行滤波,但是这种方法会导致信号旁瓣变大,时域数字加权技术或频域数字加权技术的发展很大程度上抑制了旁瓣高度,提高了目标分辨率,但是这样会导致主瓣高度的降低,从而导致系统的灵敏度受到影响。
(4)随机噪声探地雷达:以常用的各种随机噪声信号比如混沌信号、噪声信号等作为雷达信号源,随机信号具有较好的电磁兼容性、较强的抗干扰能力、较高的距离分辨率和超低的截获率以及大时间带宽积等特点,可以同时提高发射功率和距离分辨率,消除了冲激脉冲探地雷达最大探测距离与系统分辨率之间的矛盾。
本实施例中,所述探地雷达的具体检测原理为:所述电磁波在地下介质中传播时,其传播路径、电磁场强度以及波形会根据所通过的介质的电性参数以及介质体截面的几何形态而变化,根据发射和接收反射波的双程走时、相位变化、回波信号强度、频谱特征等,可得到地下目标的位置、形态等信息。
本实施例探地雷达信号通过麦克斯韦电磁原理在地下介质中传播,麦克斯韦方程组是探地雷达电磁波在介质中传播的理论基础,指出变化的磁场产生变化的电场,而变化的电场进而激发变化的磁场,随时间变化的电磁场由近及远向四周扩散,不断的向周围空间传递,电磁场这种时间与空间的变化符合波动理论,其表达式为:
实施例2
所述探地雷达的杂波抑制方法包括均值滤波法、主成分分析法、低秩稀疏矩阵分解法。
其中,
(1)均值滤波法:探地雷达B-scan数据中背景杂波主要来源于地面反射,由于探测地面一般都是水平的,所以地面反射信号强度相似,且反射数据水平横跨B-scan数据矩阵的所有行,均值滤波法是将探地雷达二维矩阵中每一行的每一个元素与该行所有元素的均值进行减法运算,以此来达到消除地面反射的目的,设B-scan图像是M×N的矩阵,为行向量,则均值滤波法的数学表达式为:
(2)主成分分析法:将已知的一组相关变量经过某种线性变换转化成另外一组非相关变量,经过线性变换前后变量的总方差维持不变,变换后得到的非相关变量根据方差大小进行重新排列,重排后的变量按照方差从大到小分别被称为第一主成分,第二主成分等,依次类推,第i个变量就是第i主成分,并且各主成分间不具有相关性,由于主成分分析算法是在二维矩阵基础上进行计算的,而且探地雷达B-scan数据简单且具有代表性,因此主要对B-scan数据进行分析;
主成分分析法仅适用于背景噪声不大,数据污染较小的情况,当目标埋藏深度较浅时,地面反射与目标反射之间相互影响,第一主成分分量里可能包含目标信息,且其他分量里边也可能包含地表反射信息,所以这种将第一主成分分量置零再重构数据矩阵的方法便不再有效。
(3)低秩稀疏矩阵分解法:又叫鲁棒主成分分析和低秩稀疏表示,具有较强的抗干扰能力、鲁棒性和泛化能力受到模式识别、图像处理、雷达等领域的高度重视;
核心思想是考虑怎样将本质上低秩的数据矩阵从含有较大误差但是结构稀疏的观测矩阵中恢复出来,从而有效地抑制稀疏噪声的影响,与主成分分析法相比,低秩稀疏矩阵分解法的鲁棒性更好,当图像受噪声影响较大时,低秩稀疏矩阵分解法的效果明显更优;
在探地雷达数据中,空洞目标数据受杂波影响损坏比较严重,主成分分析法在处理污染严重的数据时效果较差,因此本实施例中,选择鲁棒性更好的低秩稀疏矩阵分解法来进行杂波抑制;
鲁棒主成分分析的主要思路是将探测矩阵分解为一个稀疏矩阵和一个低秩矩阵,若矩阵中的元素大部分数值为零,只有极少数的元素非零,并且非零元素分布无序时,则称该矩阵为稀疏矩阵,若矩阵的秩较小且远小于矩阵的维度,则称该矩阵为低秩矩阵,在用探地雷达进行地下空洞探测时,空洞的体积相对背景较小且数量较少,目标矩阵具有稀疏性,可以用一个稀疏矩阵来表示,直达波和背景反射波组成的杂波矩阵各维度间的相似性很高,具有低秩性,可以用一个低秩矩阵来表示。
探地雷达基于低秩稀疏矩阵分解法抑制杂波的步骤如下:
(1)对探测数据进行傅里叶逆变换,将频域数据转换成时域B-scan数据;
(2)对上述B-scan数据进行鲁棒主成分分析,得到稀疏矩阵S和低秩矩阵L;
(3)提取稀疏矩阵S作为目标回波信号,完成探地雷达杂波抑制工作。
探地雷达通过均值滤波法、主成分分析法、低秩稀疏矩阵分解法抑制杂波结果如表1所示:
由上表可知,通过低秩稀疏矩阵分解法得到的SCR值为23.65dB,其杂波抑制效果较好。
针对探地雷达在城市道路地下空洞检测中存在的数据量庞大、目标形状各异、状态多样且信息损失严重等问题,本实施例提出一探地雷达地下目标自动识别方法,算法流程如说明书附图2所示,具体步骤为:
(1)通过仿真和实验方法得到探地雷达B-scan数据;
(2)用低秩稀疏矩阵分解法对所有数据进行杂波抑制得到目标矩阵;
(3)向量化目标矩阵,把每个B-scan目标矩阵都转化为一个行向量作为一个样本;
(4)用FastPCA方法对向量化矩阵降维,提取前20维的特征向量;
(5)将所有样本归一化,前十组数据作为训练样本,后十组数据作为测试样本;
(6)用训练样本训练分类器;
(7)输入测试样本,进行分类识别;
(8)输出识别结果。
实施例3
所述扫描模块包括采样单元以及信号收发单元。
其中,
采样单元包括采样时窗以及采样率:
(1)采样时窗:从数据开始采集到结束采集的时间长度称为采样时窗,采样时窗的大小主要取决于电磁波在地下介质中的传播速度和探测的最大深度,在实际探测中,可根据进行估算,式中,G为采样时窗,单位ns,为天线所能探测的最大深度,单位m,v为电磁波在介质中的传播速度,单位m/ns;
其中,
系数1.3是考虑到在实际探测过程中,电磁波在介质层中传播时波速及目标物埋深可能发生变化而作的30%时窗预留量,以保证在数据采集的过程中,使采样单元接收到的有效信息更加完善。
信号收发单元包括天线中心频率以及测点间距:
其中,
(1)天线中心频率:需结合探测深度与空间分辨率,综合考虑确定天线的中心频率,天线的中心频率越高,其分辨率越高,探测深度越浅,通常当被测目标物较小时,宜采用较高频率的天线以获得较高的分辨率。为了保证被测目标物的完整度及获得较高的清晰度,需要根据实际探测情况选择合适的天线中心频率,天线中心频率可以根据公式来确定,式中,y为天线中心频率,单位MHz,x为空间分辨率,单位m,r为相对介电常数。
(2)测点间距:测点间距由天线中心频率及地下介质的电磁特性决定,测点间距需符合尼奎斯特采样定律以保证地下目标体的回波信号在空间上不会出现重叠现象;
根据尼奎斯特采样定律,采样间隔介质中电磁波波长的1/4,即
若测点间距大于采样间隔,就无法准确地确定倾斜目标体的位置、大小等,测点间距越小,采集的数据量就越大,目标体的信息也更详细,因此,在实际的探测中需要根据具体情况选择合适的测点间距,比如,若目标物表面平坦,则可适当加大测点间距,在满足工作要求的同时也能加大工作效率。
请参阅图3所示,扫描模块所能探测到最深的目标体的深度称为扫描深度,当系统选定后,系统的增益(为仪器的发射功率,为接收系统的背景噪声功率)已知,因此只要到达接收器的回波信号幅度大于,那么来自该目标体的回波就可以被扫描模块系统识别,因此探测深度的预测就归结为求目标体回波的大小。
所述牵引模块可为带有摄像头的无人机;
其中,
无人机:扫描模块安装在无人机的底部,当探测模块探测到空洞边缘时,处理模块控制无人机运行,无人机基于摄像头采集道路两侧路沿,以路沿作为边界,带动扫描模块移动扫描地下空洞。
请参阅图4所示,具体步骤为:
(1)探测模块在道路上移动探测到空洞边缘向处理模块发送指令;
(2)处理模块控制牵引模块和扫描模块运行;
(3)牵引模块通过摄像头检测路沿,驱动扫描模块以路沿为边界沿着路径L移动;
(4)扫描模块沿路径L移动扫描空洞并发送数据至处理模块建模;
(5)扫描模块扫描空洞另一端边缘后停止扫描。
通过该种扫描方式,不仅可以扫描出该空洞附近的其它空洞,而且可以对扫描出的空洞进行建模,从而估算出空洞的大致容积,预估当前道路修补大致所需的填料量,避免填料量过多或者过少,保证施工进度的同时降低道路修补成本。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系,但也可能表示的是一种“和/或”的关系,具体可参考前后文进行理解。
本申请中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-onlymemory,ROM)、随机存取存储器(randomaccessmemory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种智能化道路空洞在线检测系统及检测方法,其特征在于:所述检测系统包括探测模块、扫描模块、处理模块以及牵引模块;
探测模块检测到地下空洞向处理模块发送探测数据,处理模块自动控制牵引模块运行,牵引模块带动扫描模块移动扫描地下空洞,返回数据至处理模块,处理模块对地下空洞建模计算地下空洞容量。
2.根据权利要求1所述的一种智能化道路空洞在线检测系统及检测方法,其特征在于:所述探测模块包括巡航车以及探地雷达,探地雷达安装于巡航车的底部,探地雷达通过巡航车在地面移动,探地雷达用于检测地下空洞,地下空洞检测指标包括的对角长度、边长以及深度。
3.根据权利要求2所述的一种智能化道路空洞在线检测系统及检测方法,其特征在于:所述系统的处理逻辑为:探测模块在k时刻探测到地下空洞,此时探测模块向处理模块发送一个信号x,处理模块接收信号x并处理存储后,向牵引模块发送指令y,向扫描模块发送指令z,牵引模块带动扫描模块移动,对地下空洞建模。
4.根据权利要求3所述的一种智能化道路空洞在线检测系统及检测方法,其特征在于:所述探地雷达包括主机、发射机、发射天线、接收机以及接收天线,主机控制发射机经发射天线向地下发射短高频电磁波,电磁波在地下传播时遇到地表及地下目标不连续的介质面时,反射的回波信号由接收天线接收并传给接收机,接收机进行数据采集后发送给处理模块。
6.根据权利要求5所述的一种智能化道路空洞在线检测系统及检测方法,其特征在于:所述低秩稀疏矩阵分解法抑制杂波包括以下步骤:
对探测数据进行傅里叶逆变换,将频域数据转换成时域B-scan数据;
对上述B-scan数据进行鲁棒主成分分析,得到稀疏矩阵S和低秩矩阵L;
提取稀疏矩阵S作为目标回波信号,完成探地雷达杂波抑制工作。
7.根据权利要求6所述的一种智能化道路空洞在线检测系统及检测方法,其特征在于:所述探地雷达地下目标自动识别方法包括以下步骤:
通过仿真和实验方法得到探地雷达B-scan数据;
用低秩稀疏矩阵分解法对所有数据进行杂波抑制得到目标矩阵;
向量化目标矩阵,把每个B-scan目标矩阵都转化为一个行向量作为一个样本;
用FastPCA函数对向量化矩阵降维,提取前20维的特征向量;
将所有样本归一化,前十组数据作为训练样本,后十组数据作为测试样本;
用训练样本训练分类器;
输入测试样本,进行分类识别;
输出识别结果。
10.一种智能化道路空洞在线检测方法,其特征在于:所述检测方法通过如权利要求1-9任一项所述的检测系统运行以下步骤:
S1:探测模块在道路上移动探测到空洞边缘向处理模块发送指令;
S2:处理模块控制牵引模块和扫描模块运行;
S3:牵引模块通过摄像头检测路沿,驱动扫描模块以路沿为边界沿着路径L移动;
S4:扫描模块沿路径L移动扫描空洞并发送数据至处理模块建模;
S5:扫描模块扫描空洞另一端边缘后停止扫描。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211146716.3A CN115220036A (zh) | 2022-09-21 | 2022-09-21 | 一种智能化道路空洞在线检测系统及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211146716.3A CN115220036A (zh) | 2022-09-21 | 2022-09-21 | 一种智能化道路空洞在线检测系统及检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115220036A true CN115220036A (zh) | 2022-10-21 |
Family
ID=83617494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211146716.3A Pending CN115220036A (zh) | 2022-09-21 | 2022-09-21 | 一种智能化道路空洞在线检测系统及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115220036A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117781964A (zh) * | 2023-12-14 | 2024-03-29 | 水利部交通运输部国家能源局南京水利科学研究院 | 混凝土裂缝深度指示剂示踪雷达可视化检测方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100030528A1 (en) * | 2008-07-18 | 2010-02-04 | Geospatial Mapping Systems, Inc. | Method, Apparatus, and System for Determining Accurate Location Data Related to Underground Installations |
CN106558097A (zh) * | 2016-10-15 | 2017-04-05 | 合肥市勘察院有限责任公司 | 一种基于车载式三维探地雷达和道路测绘技术的地下环境透视三维模型建立方法 |
CN107831548A (zh) * | 2017-11-29 | 2018-03-23 | 国家电网公司 | 一种无人机载动的探地雷达装置 |
CN108772937A (zh) * | 2018-04-28 | 2018-11-09 | 中国矿业大学 | 一种地下空洞智能化充填方法 |
CN208151824U (zh) * | 2018-04-19 | 2018-11-27 | 四川云众汇信息安全技术有限公司 | 一种道面检测机器人的机载系统 |
CN209102898U (zh) * | 2018-10-23 | 2019-07-12 | 三峡大学 | 一种基于高性能无人机的隧道二次衬砌检测系统 |
CN111929646A (zh) * | 2020-08-14 | 2020-11-13 | 中国地质大学(北京) | 波束扫描探地雷达系统及智能波束扫描探测方法 |
CN113464163A (zh) * | 2021-06-15 | 2021-10-01 | 中铁武汉勘察设计院有限公司 | 一种隧道衬砌下方空洞检修一体台车系统及方法 |
CN215986490U (zh) * | 2021-09-13 | 2022-03-08 | 江苏煤炭地质物测队 | 城市道路地下空洞的探测与预警系统 |
CN114187516A (zh) * | 2021-12-14 | 2022-03-15 | 中国地质大学(武汉) | 一种基于bp神经网络的探地雷达地下空洞目标识别方法 |
CN114637005A (zh) * | 2022-03-18 | 2022-06-17 | 郑州大学 | 一种堤坝面板脱空病害区域高聚物注浆修复结果分析方法 |
-
2022
- 2022-09-21 CN CN202211146716.3A patent/CN115220036A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100030528A1 (en) * | 2008-07-18 | 2010-02-04 | Geospatial Mapping Systems, Inc. | Method, Apparatus, and System for Determining Accurate Location Data Related to Underground Installations |
CN106558097A (zh) * | 2016-10-15 | 2017-04-05 | 合肥市勘察院有限责任公司 | 一种基于车载式三维探地雷达和道路测绘技术的地下环境透视三维模型建立方法 |
CN107831548A (zh) * | 2017-11-29 | 2018-03-23 | 国家电网公司 | 一种无人机载动的探地雷达装置 |
CN208151824U (zh) * | 2018-04-19 | 2018-11-27 | 四川云众汇信息安全技术有限公司 | 一种道面检测机器人的机载系统 |
CN108772937A (zh) * | 2018-04-28 | 2018-11-09 | 中国矿业大学 | 一种地下空洞智能化充填方法 |
CN209102898U (zh) * | 2018-10-23 | 2019-07-12 | 三峡大学 | 一种基于高性能无人机的隧道二次衬砌检测系统 |
CN111929646A (zh) * | 2020-08-14 | 2020-11-13 | 中国地质大学(北京) | 波束扫描探地雷达系统及智能波束扫描探测方法 |
CN113464163A (zh) * | 2021-06-15 | 2021-10-01 | 中铁武汉勘察设计院有限公司 | 一种隧道衬砌下方空洞检修一体台车系统及方法 |
CN215986490U (zh) * | 2021-09-13 | 2022-03-08 | 江苏煤炭地质物测队 | 城市道路地下空洞的探测与预警系统 |
CN114187516A (zh) * | 2021-12-14 | 2022-03-15 | 中国地质大学(武汉) | 一种基于bp神经网络的探地雷达地下空洞目标识别方法 |
CN114637005A (zh) * | 2022-03-18 | 2022-06-17 | 郑州大学 | 一种堤坝面板脱空病害区域高聚物注浆修复结果分析方法 |
Non-Patent Citations (3)
Title |
---|
王鹏: "道路路基内病害探地雷达模型试验及工程应用", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
陈浩: "基于机器学习的探地雷达地下空洞目标图像识别", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 * |
韩俊涛: "铁路路基病害的地质雷达正演模拟与探测方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117781964A (zh) * | 2023-12-14 | 2024-03-29 | 水利部交通运输部国家能源局南京水利科学研究院 | 混凝土裂缝深度指示剂示踪雷达可视化检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Development of high-speed ultrawideband ground-penetrating radar for rebar detection | |
Abujarad et al. | Clutter removal for landmine using different signal processing techniques | |
CN102914773B (zh) | 一种多航过圆周sar三维成像方法 | |
CN110133643B (zh) | 植物根系探测方法及装置 | |
CN108196241B (zh) | 一种基于Hough变换的高速动目标速度估计方法 | |
CN112255607B (zh) | 一种海杂波的抑制方法 | |
CN115220036A (zh) | 一种智能化道路空洞在线检测系统及检测方法 | |
CN108872980B (zh) | 一种基于窄带系统的自适应穿墙成像方法 | |
Wang et al. | Denoising FMCW ladar signals via EEMD with singular spectrum constraint | |
CN103777191A (zh) | 基于小波平移不变阈值去噪的激光雷达波形数据处理方法 | |
CN116973914B (zh) | 一种基于三维探地雷达的道路隐蔽病害三维重构方法 | |
Linnett et al. | Remote sensing of the sea-bed using fractal techniques | |
van Kempen et al. | New results on clutter reduction and parameter estimation for land mine detection using GPR | |
CN107121705A (zh) | 一种基于自动反相校正和峰度值比较的探地雷达回波信号去噪算法 | |
Lopera et al. | Time-frequency domain signature analysis of GPR data for landmine identification | |
KR20140040422A (ko) | Data Matrix Bank Filter를 이용한 이동체용 레이더의 클러터 제거기 및 제거방법 | |
CN115877380A (zh) | 一种sar多运动目标成像方法、装置和存储介质 | |
Sakamoto et al. | Three-dimensional imaging of objects in accumulated snow using multifrequency holography | |
KR101007406B1 (ko) | 광대역 선형 주파수 변조 파형에 기반한 레이더 영상 데이터의 해상도 향상 장치 및 방법 | |
CN115113163A (zh) | 一种探地雷达多分辨率低秩稀疏分解杂波抑制方法 | |
Voccola et al. | On the relationship between the generalized likelihood ratio test and backprojection for synthetic aperture radar imaging | |
Juan et al. | A new Wavelet Prediction method for GPR clutter elimination Based on LSTM network | |
Harkat et al. | Ground penetrating radar imaging for buried cavities in a dispersive medium: Profile reconstruction using a modified hough transform approach and a time-frequency analysis | |
Lamont-Smith | An empirical model of EM scattering from steepening wave profiles derived from numerical computations | |
Fan et al. | Research on Target Detection Algorithm of Radar and Visible Image Fusion Based on Wavelet Transform |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221021 |
|
RJ01 | Rejection of invention patent application after publication |