CN115423815B - 一种基于移动激光扫描的隧道检测系统及方法 - Google Patents
一种基于移动激光扫描的隧道检测系统及方法 Download PDFInfo
- Publication number
- CN115423815B CN115423815B CN202211382281.2A CN202211382281A CN115423815B CN 115423815 B CN115423815 B CN 115423815B CN 202211382281 A CN202211382281 A CN 202211382281A CN 115423815 B CN115423815 B CN 115423815B
- Authority
- CN
- China
- Prior art keywords
- segment
- disease
- information
- point
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 201000010099 disease Diseases 0.000 claims abstract description 333
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 333
- 230000000875 corresponding effect Effects 0.000 claims description 331
- 230000002159 abnormal effect Effects 0.000 claims description 68
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 58
- 230000007547 defect Effects 0.000 claims description 53
- 238000012545 processing Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 101000605076 Homo sapiens Ligand-dependent nuclear receptor corepressor-like protein Proteins 0.000 claims description 3
- 102100038259 Ligand-dependent nuclear receptor corepressor-like protein Human genes 0.000 claims description 3
- 101150118928 MXR1 gene Proteins 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000012634 fragment Substances 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000008439 repair process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 208000037919 acquired disease Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 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
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
-
- 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
- G06T2207/30232—Surveillance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/20—Hydro energy
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Geochemistry & Mineralogy (AREA)
- Signal Processing (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Emergency Management (AREA)
- Image Processing (AREA)
Abstract
本发明涉及隧道检测技术领域,具体为一种基于移动激光扫描的隧道检测系统及方法,所述系统包括扫描数据获取模块、病害信息生成模块、初始病害点分析模块及病害预警管理模块,所述初始病害点分析模块获取待测路线的隧道病害信息,分析隧道的不同病害信息之间的关联性,并结合待测路线隧道的历史病害信息,确定待测路线隧道的初始病害点及相应初始病害点的破坏影响值。本发明采用生成特征掩膜的方式,对管片图像进行处理并识别,能够实现对管片断裂缝隙及管片连接处裂缝的有效区分,避免了将管片断裂缝隙误判成管片连接处裂缝的情况发生,使得对管片病害点的识别更加精准。
Description
技术领域
本发明涉及隧道检测技术领域,具体为一种基于移动激光扫描的隧道检测系统及方法。
背景技术
目前,国内隧道的数量正稳定增长中,由于隧道由于直接在山体或地下开挖,其安全性也备受重视。三维激光移动扫描技术是近几年发展起来的一种集激光扫描技术、实时定位技术、姿态测量技术、通信技术、计算机技术为一体的检测技术,适合于竣工后的地铁隧道空间结构检测,能够基于隧道内部复杂的环境,实现在隧道内移动快速采集激光扫描数据,并根据扫描数据计算管径收敛值和管片病害点分析。
现有的基于移动激光扫描的隧道检测系统中,只是直接对管片图像进行识别分析,简单获取隧道的病害点,但是由于管片断裂缝隙与管片连接处裂缝较为相似,进而现有检测结果容易出现误判,容易将识别的管片断裂缝隙误判为连接处裂缝信息,进而导致病害点检测异常,由于隧道病害点的修补是存在先后顺序的,现有检测系统直接输出病害点信息,未考虑到不同病害点对隧道造成的影响不同,后修补的病害点对隧道造成的持续影响不同,进而导致隧道修补工作达到的实际效果较弱,大大增加了隧道的风险情况。
发明内容
本发明的目的在于提供一种基于移动激光扫描的隧道检测系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于移动激光扫描的隧道检测方法,其特征在于,所述方法包括以下步骤:
S1、通过移动激光对盾构隧道进行扫描,得到待测线路的不同环号对应的各个管片图像及不同环号的管径收敛值,并结合数据库中预置的管径收敛值范围,筛选出不同环号管径收敛值中的异常值,
当扫描结果中相应环号对应的管径收敛值在数据库中预置的管径收敛值范围之内,则判定该环号对应的管径收敛值正常,
当扫描结果中相应环号对应的管径收敛值不在数据库中预置的管径收敛值范围之内,则判定该环号对应的管径收敛值异常;
S2、对不同环号的各个管片图像中的管片位置进行识别,生成特征掩膜并对管片图像进行处理,识别处理后的管片图像中的断裂信息、连接处裂缝信息及漏水信息,结合不同环号管径收敛值中的异常值,生成待测线路的隧道病害信息,并对待测线路的隧道病害信息中的各个病害点进行标记,所述管径收敛值中的异常值S1中获取的与相应的第一标准值差值的绝对值大于等于第二标准值的管径收敛值,所述第一标准值为隧道刚修建完成时相应管片的管径收敛值,所述第二标准值为数据库中预制的常数;
S3、获取待测路线的隧道病害信息,分析隧道的不同病害信息之间的关联性,并结合待测路线隧道的历史病害信息,确定待测路线隧道的初始病害点及相应初始病害点的破坏影响值;
S4、对待测线路的隧道病害信息进行预警,并根据待测路线隧道的初始病害点及相应初始病害点的破坏影响值,计算待测线路的隧道病害信息中各个病害点的预警优先级。
进一步的,所述S2中生成特征掩膜并对管片图像进行处理的方法包括以下步骤:
S2.1、识别管片图像中各个手孔的位置,所述手孔的平面图像为上底与下底长度不等的等边梯形,长度大的下底比长度小的下底更临近管片边缘且下底与管片边缘的最小距离为a,每个管片存在四个手孔且每个手孔的下底分别对应管片的一条边;
S2.2、获取管片图像中任意相邻的四个手孔位置构成一个组合,得到管片图像对应的多个手孔位置组合,每个手孔位置组合对应一个数据集合,每个数据集合中元素为相应组合的四个手孔位置中,任意两个手孔位置在图像中的距离与剩余两个手孔位置在图像中距离的比值,即一个数据集合包含12个元素;
S2.3、将每个手孔位置组合对应的数据集合与数据库中预制的标准数据集合进行比较,所述标准数据集合为一块管片中任意两个手孔之间距离与剩余两个手孔之间距离的比值,所述标准数据集合包括12个元素,计算手孔位置组合对应的数据集合与标准数据集合中相同序号的元素值的比值,并将所得的各个比值相乘,将所得乘积记为A1,
当|A1-1|≤β时,则判定A1对应的手孔位置组合中四个手孔在同一块管片上,所述β为数据库中预制的容错系数,
当|A1-1|>β时,则判定A1对应的手孔位置组合中四个手孔不在同一块管片上,并A1对应的手孔位置组合删除;
S2.4、获取S2.3中剩余的手孔位置组合,将每个手孔位置组合中每个手孔位置在相应管片图片中对应的第一标记点,并获取相应管片的第一特征掩膜,所述管片的第一特征掩膜的大小与相应管片图像的大小相同,所述管片的第一特征掩膜内,过手孔位置组合中四个手孔位置分别对应第一标记点的最小矩形区域内各个像素点的灰度值记为255,所述管片的第一特征掩膜内其余区域内各个像素点的灰度值记为0,
所述第一标记点为手孔的平面图像上底中点至下底中点对应的射线上且与下底中点的距离为0.8a,所述第一标记点不在手孔的平面图像上底中点与下底中点构成的线段上;
S2.5、生成管片第一处理图像,将S1中获取的各个管片图像记为原管片图像,所述管片第一处理图像为原管片图像中,相应第一特征掩膜内灰度值为255的区域且灰度处理后的部分图像;
S2.6、生成管片第二处理图像,所述管片第二处理图像为灰度处理后的原图像与相应第一特征掩膜合并后的图像,所述合并后的图像中像素点的灰度值为原图像中像素点对应的灰度值与第一特征掩膜中相同位置对应像素点的灰度值的和B,
当B的值小于等于255时,则判定B的值为管片第二处理图像中相应像素点对应的灰度值,
当B的值大于255时,则判定管片第二处理图像中相应像素点对应的灰度值为255。
本发明生成特征掩膜,是考虑到管片断裂缝隙与管片连接处裂缝较为相似,进而现有检测结果容易出现误判,容易将识别的管片断裂缝隙误判为连接处裂缝信息,进而导致病害点检测异常,因此根据管片中的手孔位置确定管片对应的范围区域,进而生成管片相应的特征掩膜,通过特征掩膜对原图像进行处理(第二处理图像),进而能够使得特征掩膜处理后的原图像中只能识别到管片连接处裂缝信息,而无法识别到管片上的断裂缝隙;同时,根据管片中识别的手孔位置,锁定管片图像中识别管片断裂缝隙的位置区域(第一处理图像),进而实现对管片断裂缝隙及管片连接处裂缝的有效区分,避免了将管片断裂缝隙误判成管片连接处裂缝的情况发生,实现了对管片断裂缝隙的精准识别。
进一步的,所述S2中识别处理后的管片图像中的断裂信息、连接处裂缝信息及漏水信息的方法包括以下步骤:
S201、对管片第一处理图像进行图像识别,将管片第一处理图像中除手孔位置区域外的剩余区域中的各个像素点的灰度值与第一预设区间进行比较,所述第一预设区间为数据库中预制的管片图像中断裂区域对应的灰度值区间,
将管片第一处理图像中除手孔位置区域外的剩余区域中灰度值属于第一预设区间的各个像素点的通过第一标记方式进行标记,将第一方式标记的像素点中相邻的像素点划分为同一簇,将同一簇的各个像素点位置录入到一个空白集合中,得到多个采用第一标记方式标记的像素点集合,将每簇采用第一标记方式标记的像素点集合中的元素个数与第一阈值进行比较,所述第一阈值为数据库中预制的常数,
当像素点集合中的元素个数小于第一阈值时,则将该像素点集合删除,
当像素点集合中的元素个数大于等于第一阈值时,则判定该像素点集合对应一个管片断裂处,进而得到管片断裂处对应的管片断裂信息{c1,c2,c3,c4},c1表示管片断裂长度,c2表示管片断裂宽度,c3表示管片断裂处对应的环号,c4表示管片断裂处中心点对应像素点的位置,
所述c1等于相应像素点集合中任意两个像素点之间距离的最大值,获取c1对应的两个像素点连线,记为Lc1,令q为Lc1上的一点,获取过q且与Lc1垂直的直线,记为Lc1q,获取q为Lc1上的不同位置时,Lc1q与c1相应像素点集合中相交的像素点个数的最大值c2;
S202、对管片第二处理图像进行图像识别,将管片第二处理图像中灰度值不为255的区域中各个像素点的灰度值与第二预设区间进行比较,所述第二预设区间为数据库中预制的管片图像中连接断裂区域对应的灰度值区间,
将管片第二处理图像中灰度值不为255的区域中灰度值属于第二预设区间的各个像素点的通过第二标记方式进行标记,将第二方式标记的像素点区域为连接裂缝区域,所述连接裂缝呈矩形分布,将其划分为四部分,每部分裂缝区域对应矩形的一条边,对四部分裂缝区域进行编号,分别获取每部分裂缝区域中距离最远的两像素点的连线,记为相应裂缝的长LB,令q1为LB上的一点,获取过q1且与LB垂直的直线,记为LBq1,获取q1为LB上的不同位置时,LBq1与相应裂缝区域中相交的像素点个数e,将e与第二阈值进行比较,所述第二阈值为数据库中预制的常数,
当e小于第二阈值时,则将e对应的各个像素点正常,
当e大于等于第二阈值时,则判定e对应的各个像素点异常,并采用第三标记方式对异常像素点进行标记,将第三标记方式标记的像素点中相邻像素点划分为同一簇,将同一簇的各个像素点位置录入到一个空白集合中,得到多个采用第三标记方式标记的像素点集合,每个像素点集合对应一个连接处裂缝异常处,进而得到连接处裂缝异常处对应的管片连接裂缝信息{d1,d2,d3-d4,d5},d1表示管片连接处裂缝异常处的长度,d2表示管片连接处裂缝异常处的最大宽度,d3-d4表示管片连接处裂缝异常处对应两个管片的环号,d3表示管片连接处裂缝异常处对应的第一管片的环号,d4表示管片连接处裂缝异常处对应的第二管片的环号,d5表示管片连接处裂缝异常处中心点对应像素点的位置,
所述d1等于管片连接处裂缝异常处任意两个像素点之间距离的最大值,d2等于管片连接处裂缝异常处对应的各个e值中的最大值;
S203、对灰度处理后的管片原图像进行图像识别,将灰度处理后的管片原图像中各个像素点的灰度值与第三预设区间进行比较,所述第三预设区间为数据库中预制的管片图像中连接断裂区域对应的灰度值区间,
将灰度处理后的管片原图像中灰度值属于第三预设区间的各个像素点的通过第四标记方式进行标记,将第四方式标记的像素点中相邻的像素点划分为同一簇,将同一簇的各个像素点位置录入到一个空白集合中,得到多个采用第一标记方式标记的像素点集合,每个像素点集合对应一个管片漏水处,进而得到管片漏水处对应的管片漏水信息{f1,f2,f3},f1表示管片漏水处对应的环号,f2表示管片漏水处最高点对应像素点的位置,f3表示管片漏水处相应像素点集合对应的面积,所述面积等于像素点集合的元素总个数除以管片图像中像素点的总个数的商与管片实际面积的乘积,
所述S2中的待测路线的隧道病害信息包括各个管片断裂信息、连接处裂缝信息、漏水信息及形变信息,所述形变信息包括每个异常管径收敛值及相应的环号。
本发明S2中识别处理后的管片图像中的断裂信息、连接处裂缝信息及漏水信息的过程中,获取管片图像对应的第一处理图像、第二处理图像及原图像,对不同类型的图像识别不同类型的隧道病害信息,确保识别的病害信息更加精准,避免出现遗漏的情况,进而使得遗漏的病害点持续对隧道造成影响;获取的各个病害信息中均包含环号,是为了后续判断待测路线隧道的各个初始病害点;同时获取的病害信息为后续计算各个病害点相应的偏差值提供了数据基础。
进一步的,所述S3中确定待测路线隧道的初始病害点的方法包括以下步骤:
S3.1、获取待测路线的隧道病害信息,对待测路线隧道病害信息中各个管片断裂信息、连接处裂缝信息、漏水信息及形变信息统一进行编号,一个编号对应一处管片断裂信息或连接处裂缝信息或漏水信息或形变信息;
S3.2、计算每个编号对应隧道病害信息的关联隧道病害信息编号,
当两个不同编号对应的隧道病害信息中对应环号差值的绝对值大于等于w时,则判定这两个编号对应的隧道病害信息不关联,所述w为关联系数阈值,且w为数据库中预置的常数,
当两个不同编号对应的隧道病害信息中对应环号差值的绝对值小于w时,则判定这两个编号对应的隧道病害信息关联,将每个编号及其对应的各个关联隧道病害信息编号逐个录入到一个空白集合中,得到每个编号对应的关联病害点集合,
S3.3、将获取的各个编号对应的关联病害点集合相互之间进行比较,
当不考虑集合内元素顺序的情况下,多个编号对应的关联病害点集合中的元素均相等时,则将最小编号对应的关联病害点集合之外的各个关联病害点集合删除;
当不考虑集合内元素顺序的情况下,多个编号对应的关联病害点集合中的元素存在不相等的情况时,则不对各个编号对应的关联病害点集合进行处理;
S3.4、获取S3.3中剩余的关联病害点集合,记为R1,所述R1中每个关联病害点集合对应一个初始病害点,获取历史数据中的上一次移动激光扫描数据中,R1内每个关联病害点集合中各元素对应区域的监测数据,并计算R1内每个关联病害点集合中各元素与上一次移动激光扫描数据中相应区域监测数据的偏差值,选取偏差值最大的元素的隧道病害信息对应的位置为初始病害点;
当关联病害点集合中的元素为管片断裂信息或漏水信息时,则相应的偏差值为u*(MR1-M1)/MR1,
其中,MR1表示断裂信息中c1*c2对应的值或漏水信息中f3的值,M1表示历史数据中的上一次移动激光扫描数据中,断裂信息中管片断裂长度与断裂宽度的乘积或漏水信息中管片漏水处的面积,u为影响转化因子,关联病害点集合中的元素为管片断裂信息时的u等于u1,关联病害点集合中的元素为管片漏水信息时的u等于u2,所述u1与u2均为数据库中预制的常数;
当关联病害点集合中的元素为连接处裂缝信息时,则相应的偏差值为u3*(MLR1-ML1)/MLR1,
其中,MLR1表示连接处裂缝信息中d1*d2对应的值,ML1表示历史数据中的上一次移动激光扫描数据中,连接处裂缝信息中管片连接处裂缝的长度与管片连接处裂缝的最大宽度的乘积,u3为数据库中预制的影响转化因子;
当关联病害点集合中的元素为形变信息时,则相应的偏差值为u4*(MXR1-MX1)/MXR1,
其中,MXR1表示形变信息中异常管径收敛值,MX1表示历史数据中的上一次移动激光扫描数据中,形变信息中管径收敛值,u4为数据库中预制的影响转化因子;
数据库中在每隔第一单位时间对影响转化因子进行一次更新,分别统计历史数据中管片断裂信息总个数k1、连接处裂缝信息总个数k2、漏水信息总个数k3及形变信息总个数k4,则更新后的uh=1-kh/(k1+k2+k3+k4),所述h的值为1、2、3及4中的一个。
本发明S3中确定待测路线隧道的初始病害点的过程中,获取各个关联病害点集合,是为了统计需要确认的初始病害点的个数;当不考虑集合内元素顺序的情况下,多个编号对应的关联病害点集合中的元素均相等时,将最小编号对应的关联病害点集合之外的各个关联病害点集合删除,是为了避免关联病害点集合中元素出现重复的情况,从而使得多个关联病害点集合对应的初始病害点相同;计算关联病害点集合中的元素对应的偏差值,是为了通过偏差值实现对关联病害点集合中初始病害点的筛选,同时关联病害点集合中的元素对应的偏差值也为后续计算初始病害点的破坏影响值及获取各个病害点的预警优先级提供了数据参照。
进一步的,所述S3中计算初始病害点的破坏影响值的方法包括以下步骤:
S301、获取每个初始病害点对应的关联病害点集合中各个元素相应的偏差值,将第j个初始病害点对应关联病害点集合中第i个元素对应的偏差值记为PjCi,获取第j个初始病害点对应的环号j1;
S302、获取第i个元素对应隧道病害信息中的环号,记为Hi,并计算Hi与j1之间的影响偏差系数gi,
当|Hi-j1|=0时,则gi=1,
当|Hi-j1|≠0时,则gi=|Hi-j1|;
S303、得到第j个初始病害点的破坏影响值PYj,
其中,Nj表示第j个初始病害点对应关联病害点集合中的元素总个数。
本发明S3中计算初始病害点的破坏影响值,是为了通过初始病害点的破坏影响值确定不同初始病害点对应的关联病害点集合中病害点的预警优先级关系,为后续获取各个病害点的预警优先级提供了数据参照。
进一步的,所述S4中计算待测线路的隧道病害信息中各个病害点的预警优先级的方法包括以下步骤:
S4.1、获取待测线路的隧道病害信息中,每个初始病害点对应的关联病害点集合中各个隧道病害信息的编号,每个隧道病害信息对应一个病害点;
S4.2、比较不同初始病害点对应的关联病害点集合中对应的病害点的预警优先级,将破坏影响值大的初始病害点对应的关联病害点集合中的病害点,排列在坏影响值小的初始病害点对应的关联病害点集合中的病害点之前;
S4.3、比较相同初始病害点对应的关联病害点集合中各个病害点的预警优先级,将偏差值大的病害点排列在偏差值小的病害点之前;
S4.4、获取S4.2及S4.3中的各个病害点的排列顺序,并按从前至后的顺序对病害点进行编号,编号为v的病害点的预警优先级为第v预警优先级。
本发明S4中计算待测线路的隧道病害信息中各个病害点的预警优先级,是考虑到隧道病害点的修补是存在先后顺序的,且不同病害点对隧道造成的影响不同,在隧道病害点修补过程中,未修补的病害点依旧会持续对隧道造成影响,进而设置病害点的预警优先级,是为了对病害点的修补顺序进行管控,降低隧道病害点修补过程中,后修补的病害点持续对隧道造成影响,提升隧道的安全性及使用寿命。
一种基于移动激光扫描的隧道检测系统,所述系统包括以下模块:
扫描数据获取模块,所述扫描数据获取模块通过移动激光对盾构隧道进行扫描,得到待测线路的不同环号对应的各个管片图像及不同环号的管径收敛值,并结合数据库中预置的管径收敛值范围,筛选出不同环号管径收敛值中的异常值,
当扫描结果中相应环号对应的管径收敛值在数据库中预置的管径收敛值范围之内,则判定该环号对应的管径收敛值正常,
当扫描结果中相应环号对应的管径收敛值不在数据库中预置的管径收敛值范围之内,则判定该环号对应的管径收敛值异常;
病害信息生成模块,所述病害信息生成模块对不同环号的各个管片图像中的管片位置进行识别,生成特征掩膜并对管片图像进行处理,识别处理后的管片图像中的断裂信息、连接处裂缝信息及漏水信息,结合不同环号管径收敛值中的异常值,生成待测线路的隧道病害信息,并对待测线路的隧道病害信息中的各个病害点进行标记;
初始病害点分析模块,所述初始病害点分析模块获取待测路线的隧道病害信息,分析隧道的不同病害信息之间的关联性,并结合待测路线隧道的历史病害信息,确定待测路线隧道的初始病害点及相应初始病害点的破坏影响值;
病害预警管理模块,所述病害预警管理模块对待测线路的隧道病害信息进行预警,并根据待测路线隧道的初始病害点及相应初始病害点的破坏影响值,计算待测线路的隧道病害信息中各个病害点的预警优先级。
进一步的,所述病害信息生成模块中待测路线的隧道病害信息包括各个管片断裂信息、连接处裂缝信息、漏水信息及形变信息,所述形变信息包括每个异常管径收敛值及相应的环号。
进一步的,所述病害预警管理模块获取待测线路的隧道病害信息中,每个初始病害点对应的关联病害点集合中各个隧道病害信息,每个隧道病害信息对应一个病害点;先比较不同初始病害点对应的关联病害点集合中对应的病害点的预警优先级;再比较相同初始病害点对应的关联病害点集合中各个病害点的预警优先级;最后获取各个病害点的排列顺序,并按从前至后的顺序对病害点进行编号,编号为v的病害点的预警优先级为第v预警优先级。
与现有技术相比,本发明所达到的有益效果是:本发明采用生成特征掩膜的方式,对管片图像进行处理并识别,能够实现对管片断裂缝隙及管片连接处裂缝的有效区分,避免了将管片断裂缝隙误判成管片连接处裂缝的情况发生,使得对管片病害点的识别更加精准;同时设置病害点的预警优先级,对病害点的修补顺序进行管控,降低隧道病害点修补过程中,后修补的病害点持续对隧道造成影响,提升隧道的安全性及使用寿命。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于移动激光扫描的隧道检测系统的结构示意图;
图2是本发明一种基于移动激光扫描的隧道检测方法的流程示意图。
具体实施方式
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做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。
请参阅图1-图2,本发明提供技术方案:一种基于移动激光扫描的隧道检测方法,其特征在于,所述方法包括以下步骤:
S1、通过移动激光对盾构隧道进行扫描,得到待测线路的不同环号对应的各个管片图像及不同环号的管径收敛值,并结合数据库中预置的管径收敛值范围,筛选出不同环号管径收敛值中的异常值,
当扫描结果中相应环号对应的管径收敛值在数据库中预置的管径收敛值范围之内,则判定该环号对应的管径收敛值正常,
当扫描结果中相应环号对应的管径收敛值不在数据库中预置的管径收敛值范围之内,则判定该环号对应的管径收敛值异常;
S2、对不同环号的各个管片图像中的管片位置进行识别,生成特征掩膜并对管片图像进行处理,识别处理后的管片图像中的断裂信息、连接处裂缝信息及漏水信息,结合不同环号管径收敛值中的异常值,生成待测线路的隧道病害信息,并对待测线路的隧道病害信息中的各个病害点进行标记,所述管径收敛值中的异常值S1中获取的与相应的第一标准值差值的绝对值大于等于第二标准值的管径收敛值,所述第一标准值为隧道刚修建完成时相应管片的管径收敛值,所述第二标准值为数据库中预制的常数;
S3、获取待测路线的隧道病害信息,分析隧道的不同病害信息之间的关联性,并结合待测路线隧道的历史病害信息,确定待测路线隧道的初始病害点及相应初始病害点的破坏影响值;
S4、对待测线路的隧道病害信息进行预警,并根据待测路线隧道的初始病害点及相应初始病害点的破坏影响值,计算待测线路的隧道病害信息中各个病害点的预警优先级。
所述S2中生成特征掩膜并对管片图像进行处理的方法包括以下步骤:
S2.1、识别管片图像中各个手孔的位置,所述手孔的平面图像为上底与下底长度不等的等边梯形,长度大的下底比长度小的下底更临近管片边缘且下底与管片边缘的最小距离为a,每个管片存在四个手孔且每个手孔的下底分别对应管片的一条边;
S2.2、获取管片图像中任意相邻的四个手孔位置构成一个组合,得到管片图像对应的多个手孔位置组合,每个手孔位置组合对应一个数据集合,每个数据集合中元素为相应组合的四个手孔位置中,任意两个手孔位置在图像中的距离与剩余两个手孔位置在图像中距离的比值,即一个数据集合包含12个元素;
S2.3、将每个手孔位置组合对应的数据集合与数据库中预制的标准数据集合进行比较,所述标准数据集合为一块管片中任意两个手孔之间距离与剩余两个手孔之间距离的比值,所述标准数据集合包括12个元素,计算手孔位置组合对应的数据集合与标准数据集合中相同序号的元素值的比值,并将所得的各个比值相乘,将所得乘积记为A1,
当|A1-1|≤β时,则判定A1对应的手孔位置组合中四个手孔在同一块管片上,所述β为数据库中预制的容错系数,
当|A1-1|>β时,则判定A1对应的手孔位置组合中四个手孔不在同一块管片上,并A1对应的手孔位置组合删除;
本实施例中数据库中预制的容错系数为0.1,若手孔位置组合对应的数据集合对应的四个手孔分别记为甲、乙、丙及丁,
则四个手孔中任意两个手孔之间的距离分别为:甲乙距离pa1、甲丙距离pa2、甲丁距离pa3、乙丙距离pa4、乙丁距离pa5、丙丁距离pa6;
则手孔位置组合对应的数据集合中元素包括:pa1/pa2、pa1/pa3、pa1/pa4、pa2/pa1、pa2/pa3、pa2/pa4、pa3/pa1、pa3/pa2、pa3/pa4、pa4/pa1、pa4/pa2及pa4/pa3;
若A1=1.2,则1.2-1=0.2>0.1,则判定1.2对应的手孔位置组合中四个手孔不在同一块管片上。
S2.4、获取S2.3中剩余的手孔位置组合,将每个手孔位置组合中每个手孔位置在相应管片图片中对应的第一标记点,并获取相应管片的第一特征掩膜,所述管片的第一特征掩膜的大小与相应管片图像的大小相同,所述管片的第一特征掩膜内,过手孔位置组合中四个手孔位置分别对应第一标记点的最小矩形区域内各个像素点的灰度值记为255,所述管片的第一特征掩膜内其余区域内各个像素点的灰度值记为0,
所述第一标记点为手孔的平面图像上底中点至下底中点对应的射线上且与下底中点的距离为0.8a,所述第一标记点不在手孔的平面图像上底中点与下底中点构成的线段上;
S2.5、生成管片第一处理图像,将S1中获取的各个管片图像记为原管片图像,所述管片第一处理图像为原管片图像中,相应第一特征掩膜内灰度值为255的区域且灰度处理后的部分图像;
S2.6、生成管片第二处理图像,所述管片第二处理图像为灰度处理后的原图像与相应第一特征掩膜合并后的图像,所述合并后的图像中像素点的灰度值为原图像中像素点对应的灰度值与第一特征掩膜中相同位置对应像素点的灰度值的和B,
当B的值小于等于255时,则判定B的值为管片第二处理图像中相应像素点对应的灰度值,
当B的值大于255时,则判定管片第二处理图像中相应像素点对应的灰度值为255。
所述S2中识别处理后的管片图像中的断裂信息、连接处裂缝信息及漏水信息的方法包括以下步骤:
S201、对管片第一处理图像进行图像识别,将管片第一处理图像中除手孔位置区域外的剩余区域中的各个像素点的灰度值与第一预设区间进行比较,所述第一预设区间为数据库中预制的管片图像中断裂区域对应的灰度值区间,
将管片第一处理图像中除手孔位置区域外的剩余区域中灰度值属于第一预设区间的各个像素点的通过第一标记方式进行标记,将第一方式标记的像素点中相邻的像素点划分为同一簇,将同一簇的各个像素点位置录入到一个空白集合中,得到多个采用第一标记方式标记的像素点集合,将每簇采用第一标记方式标记的像素点集合中的元素个数与第一阈值进行比较,所述第一阈值为数据库中预制的常数,
本实施例中第一预设区间为[0,50],第一阈值为100;
当像素点集合中的元素个数小于第一阈值时,则将该像素点集合删除,
当像素点集合中的元素个数大于等于第一阈值时,则判定该像素点集合对应一个管片断裂处,进而得到管片断裂处对应的管片断裂信息{c1,c2,c3,c4},c1表示管片断裂长度,c2表示管片断裂宽度,c3表示管片断裂处对应的环号,c4表示管片断裂处中心点对应像素点的位置,
所述c1等于相应像素点集合中任意两个像素点之间距离的最大值,获取c1对应的两个像素点连线,记为Lc1,令q为Lc1上的一点,获取过q且与Lc1垂直的直线,记为Lc1q,获取q为Lc1上的不同位置时,Lc1q与c1相应像素点集合中相交的像素点个数的最大值c2;
S202、对管片第二处理图像进行图像识别,将管片第二处理图像中灰度值不为255的区域中各个像素点的灰度值与第二预设区间进行比较,所述第二预设区间为数据库中预制的管片图像中连接断裂区域对应的灰度值区间,
将管片第二处理图像中灰度值不为255的区域中灰度值属于第二预设区间的各个像素点的通过第二标记方式进行标记,将第二方式标记的像素点区域为连接裂缝区域,所述连接裂缝呈矩形分布,将其划分为四部分,每部分裂缝区域对应矩形的一条边,对四部分裂缝区域进行编号,分别获取每部分裂缝区域中距离最远的两像素点的连线,记为相应裂缝的长LB,令q1为LB上的一点,获取过q1且与LB垂直的直线,记为LBq1,获取q1为LB上的不同位置时,LBq1与相应裂缝区域中相交的像素点个数e,将e与第二阈值进行比较,所述第二阈值为数据库中预制的常数,
本实施例中第二预设区间为[0,60],第二阈值为5;
当e小于第二阈值时,则将e对应的各个像素点正常,
当e大于等于第二阈值时,则判定e对应的各个像素点异常,并采用第三标记方式对异常像素点进行标记,将第三标记方式标记的像素点中相邻像素点划分为同一簇,将同一簇的各个像素点位置录入到一个空白集合中,得到多个采用第三标记方式标记的像素点集合,每个像素点集合对应一个连接处裂缝异常处,进而得到连接处裂缝异常处对应的管片连接裂缝信息{d1,d2,d3-d4,d5},d1表示管片连接处裂缝异常处的长度,d2表示管片连接处裂缝异常处的最大宽度,d3-d4表示管片连接处裂缝异常处对应两个管片的环号,d3表示管片连接处裂缝异常处对应的第一管片的环号,d4表示管片连接处裂缝异常处对应的第二管片的环号,d5表示管片连接处裂缝异常处中心点对应像素点的位置,
所述d1等于管片连接处裂缝异常处任意两个像素点之间距离的最大值,d2等于管片连接处裂缝异常处对应的各个e值中的最大值;
S203、对灰度处理后的管片原图像进行图像识别,将灰度处理后的管片原图像中各个像素点的灰度值与第三预设区间进行比较,所述第三预设区间为数据库中预制的管片图像中连接断裂区域对应的灰度值区间,
本实施例中第三预设区间为[61,100],
将灰度处理后的管片原图像中灰度值属于第三预设区间的各个像素点的通过第四标记方式进行标记,将第四方式标记的像素点中相邻的像素点划分为同一簇,将同一簇的各个像素点位置录入到一个空白集合中,得到多个采用第一标记方式标记的像素点集合,每个像素点集合对应一个管片漏水处,进而得到管片漏水处对应的管片漏水信息{f1,f2,f3},f1表示管片漏水处对应的环号,f2表示管片漏水处最高点对应像素点的位置,f3表示管片漏水处相应像素点集合对应的面积,所述面积等于像素点集合的元素总个数除以管片图像中像素点的总个数的商与管片实际面积的乘积,
所述S2中的待测路线的隧道病害信息包括各个管片断裂信息、连接处裂缝信息、漏水信息及形变信息,所述形变信息包括每个异常管径收敛值及相应的环号。
所述S3中确定待测路线隧道的初始病害点的方法包括以下步骤:
S3.1、获取待测路线的隧道病害信息,对待测路线隧道病害信息中各个管片断裂信息、连接处裂缝信息、漏水信息及形变信息统一进行编号,一个编号对应一处管片断裂信息或连接处裂缝信息或漏水信息或形变信息;
S3.2、计算每个编号对应隧道病害信息的关联隧道病害信息编号,
当两个不同编号对应的隧道病害信息中对应环号差值的绝对值大于等于w时,则判定这两个编号对应的隧道病害信息不关联,所述w为关联系数阈值,且w为数据库中预置的常数,
当两个不同编号对应的隧道病害信息中对应环号差值的绝对值小于w时,则判定这两个编号对应的隧道病害信息关联,将每个编号及其对应的各个关联隧道病害信息编号逐个录入到一个空白集合中,得到每个编号对应的关联病害点集合,
S3.3、将获取的各个编号对应的关联病害点集合相互之间进行比较,
当不考虑集合内元素顺序的情况下,多个编号对应的关联病害点集合中的元素均相等时,则将最小编号对应的关联病害点集合之外的各个关联病害点集合删除;
当不考虑集合内元素顺序的情况下,多个编号对应的关联病害点集合中的元素存在不相等的情况时,则不对各个编号对应的关联病害点集合进行处理;
S3.4、获取S3.3中剩余的关联病害点集合,记为R1,所述R1中每个关联病害点集合对应一个初始病害点,获取历史数据中的上一次移动激光扫描数据中,R1内每个关联病害点集合中各元素对应区域的监测数据,并计算R1内每个关联病害点集合中各元素与上一次移动激光扫描数据中相应区域监测数据的偏差值,选取偏差值最大的元素的隧道病害信息对应的位置为初始病害点;
当关联病害点集合中的元素为管片断裂信息或漏水信息时,则相应的偏差值为u*(MR1-M1)/MR1,
其中,MR1表示断裂信息中c1*c2对应的值或漏水信息中f3的值,M1表示历史数据中的上一次移动激光扫描数据中,断裂信息中管片断裂长度与断裂宽度的乘积或漏水信息中管片漏水处的面积,u为影响转化因子,关联病害点集合中的元素为管片断裂信息时的u等于u1,关联病害点集合中的元素为管片漏水信息时的u等于u2,所述u1与u2均为数据库中预制的常数;
当关联病害点集合中的元素为连接处裂缝信息时,则相应的偏差值为u3*(MLR1-ML1)/MLR1,
其中,MLR1表示连接处裂缝信息中d1*d2对应的值,ML1表示历史数据中的上一次移动激光扫描数据中,连接处裂缝信息中管片连接处裂缝的长度与管片连接处裂缝的最大宽度的乘积,u3为数据库中预制的影响转化因子;
当关联病害点集合中的元素为形变信息时,则相应的偏差值为u4*(MXR1-MX1)/MXR1,
其中,MXR1表示形变信息中异常管径收敛值,MX1表示历史数据中的上一次移动激光扫描数据中,形变信息中管径收敛值,u4为数据库中预制的影响转化因子;
数据库中在每隔第一单位时间对影响转化因子进行一次更新,分别统计历史数据中管片断裂信息总个数k1、连接处裂缝信息总个数k2、漏水信息总个数k3及形变信息总个数k4,则更新后的uh=1-kh/(k1+k2+k3+k4),所述h的值为1、2、3及4中的一个。
所述S3中计算初始病害点的破坏影响值的方法包括以下步骤:
S301、获取每个初始病害点对应的关联病害点集合中各个元素相应的偏差值,将第j个初始病害点对应关联病害点集合中第i个元素对应的偏差值记为PjCi,获取第j个初始病害点对应的环号j1;
S302、获取第i个元素对应隧道病害信息中的环号,记为Hi,并计算Hi与j1之间的影响偏差系数gi,
当|Hi-j1|=0时,则gi=1,
当|Hi-j1|≠0时,则gi=|Hi-j1|;
S303、得到第j个初始病害点的破坏影响值PYj,
其中,Nj表示第j个初始病害点对应关联病害点集合中的元素总个数。
所述S4中计算待测线路的隧道病害信息中各个病害点的预警优先级的方法包括以下步骤:
S4.1、获取待测线路的隧道病害信息中,每个初始病害点对应的关联病害点集合中各个隧道病害信息的编号,每个隧道病害信息对应一个病害点;
S4.2、比较不同初始病害点对应的关联病害点集合中对应的病害点的预警优先级,将破坏影响值大的初始病害点对应的关联病害点集合中的病害点,排列在坏影响值小的初始病害点对应的关联病害点集合中的病害点之前;
S4.3、比较相同初始病害点对应的关联病害点集合中各个病害点的预警优先级,将偏差值大的病害点排列在偏差值小的病害点之前;
S4.4、获取S4.2及S4.3中的各个病害点的排列顺序,并按从前至后的顺序对病害点进行编号,编号为v的病害点的预警优先级为第v预警优先级。
一种基于移动激光扫描的隧道检测系统,所述系统包括以下模块:
扫描数据获取模块,所述扫描数据获取模块通过移动激光对盾构隧道进行扫描,得到待测线路的不同环号对应的各个管片图像及不同环号的管径收敛值,并结合数据库中预置的管径收敛值范围,筛选出不同环号管径收敛值中的异常值,
当扫描结果中相应环号对应的管径收敛值在数据库中预置的管径收敛值范围之内,则判定该环号对应的管径收敛值正常,
当扫描结果中相应环号对应的管径收敛值不在数据库中预置的管径收敛值范围之内,则判定该环号对应的管径收敛值异常;
病害信息生成模块,所述病害信息生成模块对不同环号的各个管片图像中的管片位置进行识别,生成特征掩膜并对管片图像进行处理,识别处理后的管片图像中的断裂信息、连接处裂缝信息及漏水信息,结合不同环号管径收敛值中的异常值,生成待测线路的隧道病害信息,并对待测线路的隧道病害信息中的各个病害点进行标记;
初始病害点分析模块,所述初始病害点分析模块获取待测路线的隧道病害信息,分析隧道的不同病害信息之间的关联性,并结合待测路线隧道的历史病害信息,确定待测路线隧道的初始病害点及相应初始病害点的破坏影响值;
病害预警管理模块,所述病害预警管理模块对待测线路的隧道病害信息进行预警,并根据待测路线隧道的初始病害点及相应初始病害点的破坏影响值,计算待测线路的隧道病害信息中各个病害点的预警优先级。
所述病害信息生成模块中待测路线的隧道病害信息包括各个管片断裂信息、连接处裂缝信息、漏水信息及形变信息,所述形变信息包括每个异常管径收敛值及相应的环号。
所述病害预警管理模块获取待测线路的隧道病害信息中,每个初始病害点对应的关联病害点集合中各个隧道病害信息,每个隧道病害信息对应一个病害点;先比较不同初始病害点对应的关联病害点集合中对应的病害点的预警优先级;再比较相同初始病害点对应的关联病害点集合中各个病害点的预警优先级;最后获取各个病害点的排列顺序,并按从前至后的顺序对病害点进行编号,编号为v的病害点的预警优先级为第v预警优先级。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于移动激光扫描的隧道检测方法,其特征在于,所述方法包括以下步骤:
S1、通过移动激光对盾构隧道进行扫描,得到待测线路的不同环号对应的各个管片图像及不同环号的管径收敛值,并结合数据库中预置的管径收敛值范围,筛选出不同环号管径收敛值中的异常值,
当扫描结果中相应环号对应的管径收敛值在数据库中预置的管径收敛值范围之内,则判定该环号对应的管径收敛值正常,
当扫描结果中相应环号对应的管径收敛值不在数据库中预置的管径收敛值范围之内,则判定该环号对应的管径收敛值异常;
S2、对不同环号的各个管片图像中的管片位置进行识别,生成特征掩膜并对管片图像进行处理,识别处理后的管片图像中的断裂信息、连接处裂缝信息及漏水信息,结合不同环号管径收敛值中的异常值,生成待测线路的隧道病害信息,并对待测线路的隧道病害信息中的各个病害点进行标记,所述管径收敛值中的异常值S1中获取的与相应的第一标准值差值的绝对值大于等于第二标准值的管径收敛值,所述第一标准值为隧道刚修建完成时相应管片的管径收敛值,所述第二标准值为数据库中预制的常数;
S3、获取待测路线的隧道病害信息,分析隧道的不同病害信息之间的关联性,并结合待测路线隧道的历史病害信息,确定待测路线隧道的初始病害点及相应初始病害点的破坏影响值;
S4、对待测线路的隧道病害信息进行预警,并根据待测路线隧道的初始病害点及相应初始病害点的破坏影响值,计算待测线路的隧道病害信息中各个病害点的预警优先级;
所述S2中生成特征掩膜并对管片图像进行处理的方法包括以下步骤:
S2.1、识别管片图像中各个手孔的位置,所述手孔的平面图像为上底与下底长度不等的等边梯形,长度大的下底比长度小的下底更临近管片边缘且下底与管片边缘的最小距离为a,每个管片存在四个手孔且每个手孔的下底分别对应管片的一条边;
S2.2、获取管片图像中任意相邻的四个手孔位置构成一个组合,得到管片图像对应的多个手孔位置组合,每个手孔位置组合对应一个数据集合,每个数据集合中元素为相应组合的四个手孔位置中,任意两个手孔位置在图像中的距离与剩余两个手孔位置在图像中距离的比值,即一个数据集合包含12个元素;
S2.3、将每个手孔位置组合对应的数据集合与数据库中预制的标准数据集合进行比较,所述标准数据集合为一块管片中任意两个手孔之间距离与剩余两个手孔之间距离的比值,所述标准数据集合包括12个元素,计算手孔位置组合对应的数据集合与标准数据集合中相同序号的元素值的比值,并将所得的各个比值相乘,将所得乘积记为A1,
当|A1-1|≤β时,则判定A1对应的手孔位置组合中四个手孔在同一块管片上,所述β为数据库中预制的容错系数,
当|A1-1|>β时,则判定A1对应的手孔位置组合中四个手孔不在同一块管片上,并A1对应的手孔位置组合删除;
S2.4、获取S2.3中剩余的手孔位置组合,将每个手孔位置组合中每个手孔位置在相应管片图片中对应的第一标记点,并获取相应管片的第一特征掩膜,所述管片的第一特征掩膜的大小与相应管片图像的大小相同,所述管片的第一特征掩膜内,过手孔位置组合中四个手孔位置分别对应第一标记点的最小矩形区域内各个像素点的灰度值记为255,所述管片的第一特征掩膜内其余区域内各个像素点的灰度值记为0,
所述第一标记点为手孔的平面图像上底中点至下底中点对应的射线上且与下底中点的距离为0.8a,所述第一标记点不在手孔的平面图像上底中点与下底中点构成的线段上;
S2.5、生成管片第一处理图像,将S1中获取的各个管片图像记为原管片图像,所述管片第一处理图像为原管片图像中,相应第一特征掩膜内灰度值为255的区域且灰度处理后的部分图像;
S2.6、生成管片第二处理图像,所述管片第二处理图像为灰度处理后的原图像与相应第一特征掩膜合并后的图像,所述合并后的图像中像素点的灰度值为原图像中像素点对应的灰度值与第一特征掩膜中相同位置对应像素点的灰度值的和B,
当B的值小于等于255时,则判定B的值为管片第二处理图像中相应像素点对应的灰度值,
当B的值大于255时,则判定管片第二处理图像中相应像素点对应的灰度值为255;
所述S2中识别处理后的管片图像中的断裂信息、连接处裂缝信息及漏水信息的方法包括以下步骤:
S201、对管片第一处理图像进行图像识别,将管片第一处理图像中除手孔位置区域外的剩余区域中的各个像素点的灰度值与第一预设区间进行比较,所述第一预设区间为数据库中预制的管片图像中断裂区域对应的灰度值区间,
将管片第一处理图像中除手孔位置区域外的剩余区域中灰度值属于第一预设区间的各个像素点的通过第一标记方式进行标记,将第一方式标记的像素点中相邻的像素点划分为同一簇,将同一簇的各个像素点位置录入到一个空白集合中,得到多个采用第一标记方式标记的像素点集合,将每簇采用第一标记方式标记的像素点集合中的元素个数与第一阈值进行比较,所述第一阈值为数据库中预制的常数,
当像素点集合中的元素个数小于第一阈值时,则将该像素点集合删除,
当像素点集合中的元素个数大于等于第一阈值时,则判定该像素点集合对应一个管片断裂处,进而得到管片断裂处对应的管片断裂信息{c1,c2,c3,c4},c1表示管片断裂长度,c2表示管片断裂宽度,c3表示管片断裂处对应的环号,c4表示管片断裂处中心点对应像素点的位置,
所述c1等于相应像素点集合中任意两个像素点之间距离的最大值,获取c1对应的两个像素点连线,记为Lc1,令q为Lc1上的一点,获取过q且与Lc1垂直的直线,记为Lc1q,获取q为Lc1上的不同位置时,Lc1q与c1相应像素点集合中相交的像素点个数的最大值c2;
S202、对管片第二处理图像进行图像识别,将管片第二处理图像中灰度值不为255的区域中各个像素点的灰度值与第二预设区间进行比较,所述第二预设区间为数据库中预制的管片图像中连接断裂区域对应的灰度值区间,
将管片第二处理图像中灰度值不为255的区域中灰度值属于第二预设区间的各个像素点的通过第二标记方式进行标记,将第二方式标记的像素点区域为连接裂缝区域,所述连接裂缝呈矩形分布,将其划分为四部分,每部分裂缝区域对应矩形的一条边,对四部分裂缝区域进行编号,分别获取每部分裂缝区域中距离最远的两像素点的连线,记为相应裂缝的长LB,令q1为LB上的一点,获取过q1且与LB垂直的直线,记为LBq1,获取q1为LB上的不同位置时,LBq1与相应裂缝区域中相交的像素点个数e,将e与第二阈值进行比较,所述第二阈值为数据库中预制的常数,
当e小于第二阈值时,则将e对应的各个像素点正常,
当e大于等于第二阈值时,则判定e对应的各个像素点异常,并采用第三标记方式对异常像素点进行标记,将第三标记方式标记的像素点中相邻像素点划分为同一簇,将同一簇的各个像素点位置录入到一个空白集合中,得到多个采用第三标记方式标记的像素点集合,每个像素点集合对应一个连接处裂缝异常处,进而得到连接处裂缝异常处对应的管片连接裂缝信息{d1,d2,d3-d4,d5},d1表示管片连接处裂缝异常处的长度,d2表示管片连接处裂缝异常处的最大宽度,d3-d4表示管片连接处裂缝异常处对应两个管片的环号,d3表示管片连接处裂缝异常处对应的第一管片的环号,d4表示管片连接处裂缝异常处对应的第二管片的环号,d5表示管片连接处裂缝异常处中心点对应像素点的位置,
所述d1等于管片连接处裂缝异常处任意两个像素点之间距离的最大值,d2等于管片连接处裂缝异常处对应的各个e值中的最大值;
S203、对灰度处理后的管片原图像进行图像识别,将灰度处理后的管片原图像中各个像素点的灰度值与第三预设区间进行比较,所述第三预设区间为数据库中预制的管片图像中连接断裂区域对应的灰度值区间,
将灰度处理后的管片原图像中灰度值属于第三预设区间的各个像素点的通过第四标记方式进行标记,将第四方式标记的像素点中相邻的像素点划分为同一簇,将同一簇的各个像素点位置录入到一个空白集合中,得到多个采用第一标记方式标记的像素点集合,每个像素点集合对应一个管片漏水处,进而得到管片漏水处对应的管片漏水信息{f1,f2,f3},f1表示管片漏水处对应的环号,f2表示管片漏水处最高点对应像素点的位置,f3表示管片漏水处相应像素点集合对应的面积,所述面积等于像素点集合的元素总个数除以管片图像中像素点的总个数的商与管片实际面积的乘积,
所述S2中的待测路线的隧道病害信息包括各个管片断裂信息、连接处裂缝信息、漏水信息及形变信息,所述形变信息包括每个异常管径收敛值及相应的环号。
2.根据权利要求1所述的一种基于移动激光扫描的隧道检测方法,其特征在于:所述S3中确定待测路线隧道的初始病害点的方法包括以下步骤:
S3.1、获取待测路线的隧道病害信息,对待测路线隧道病害信息中各个管片断裂信息、连接处裂缝信息、漏水信息及形变信息统一进行编号,一个编号对应一处管片断裂信息或连接处裂缝信息或漏水信息或形变信息;
S3.2、计算每个编号对应隧道病害信息的关联隧道病害信息编号,
当两个不同编号对应的隧道病害信息中对应环号差值的绝对值大于等于w时,则判定这两个编号对应的隧道病害信息不关联,所述w为关联系数阈值,且w为数据库中预置的常数,
当两个不同编号对应的隧道病害信息中对应环号差值的绝对值小于w时,则判定这两个编号对应的隧道病害信息关联,将每个编号及其对应的各个关联隧道病害信息编号逐个录入到一个空白集合中,得到每个编号对应的关联病害点集合,
S3.3、将获取的各个编号对应的关联病害点集合相互之间进行比较,
当不考虑集合内元素顺序的情况下,多个编号对应的关联病害点集合中的元素均相等时,则将最小编号对应的关联病害点集合之外的各个关联病害点集合删除;
当不考虑集合内元素顺序的情况下,多个编号对应的关联病害点集合中的元素存在不相等的情况时,则不对各个编号对应的关联病害点集合进行处理;
S3.4、获取S3.3中剩余的关联病害点集合,记为R1,所述R1中每个关联病害点集合对应一个初始病害点,获取历史数据中的上一次移动激光扫描数据中,R1内每个关联病害点集合中各元素对应区域的监测数据,并计算R1内每个关联病害点集合中各元素与上一次移动激光扫描数据中相应区域监测数据的偏差值,选取偏差值最大的元素的隧道病害信息对应的位置为初始病害点;
当关联病害点集合中的元素为管片断裂信息或漏水信息时,则相应的偏差值为u*(MR1-M1)/MR1,
其中,MR1表示断裂信息中c1*c2对应的值或漏水信息中f3的值,M1表示历史数据中的上一次移动激光扫描数据中,断裂信息中管片断裂长度与断裂宽度的乘积或漏水信息中管片漏水处的面积,u为影响转化因子,关联病害点集合中的元素为管片断裂信息时的u等于u1,关联病害点集合中的元素为管片漏水信息时的u等于u2,所述u1与u2均为数据库中预制的常数;
当关联病害点集合中的元素为连接处裂缝信息时,则相应的偏差值为u3*(MLR1-ML1)/MLR1,
其中,MLR1表示连接处裂缝信息中d1*d2对应的值,ML1表示历史数据中的上一次移动激光扫描数据中,连接处裂缝信息中管片连接处裂缝的长度与管片连接处裂缝的最大宽度的乘积,u3为数据库中预制的影响转化因子;
当关联病害点集合中的元素为形变信息时,则相应的偏差值为u4*(MXR1-MX1)/MXR1,
其中,MXR1表示形变信息中异常管径收敛值,MX1表示历史数据中的上一次移动激光扫描数据中,形变信息中管径收敛值,u4为数据库中预制的影响转化因子;
数据库中在每隔第一单位时间对影响转化因子进行一次更新,分别统计历史数据中管片断裂信息总个数k1、连接处裂缝信息总个数k2、漏水信息总个数k3及形变信息总个数k4,则更新后的uh=1-kh/(k1+k2+k3+k4),所述h的值为1、2、3及4中的一个。
3.根据权利要求2所述的一种基于移动激光扫描的隧道检测方法,其特征在于:所述S3中计算初始病害点的破坏影响值的方法包括以下步骤:
S301、获取每个初始病害点对应的关联病害点集合中各个元素相应的偏差值,将第j个初始病害点对应关联病害点集合中第i个元素对应的偏差值记为PjCi,获取第j个初始病害点对应的环号j1;
S302、获取第i个元素对应隧道病害信息中的环号,记为Hi,并计算Hi与j1之间的影响偏差系数gi,
当|Hi-j1|=0时,则gi=1,
当|Hi-j1|≠0时,则gi=|Hi-j1|;
S303、得到第j个初始病害点的破坏影响值PYj,
其中,Nj表示第j个初始病害点对应关联病害点集合中的元素总个数。
4.根据权利要求3所述的一种基于移动激光扫描的隧道检测方法,其特征在于:所述S4中计算待测线路的隧道病害信息中各个病害点的预警优先级的方法包括以下步骤:
S4.1、获取待测线路的隧道病害信息中,每个初始病害点对应的关联病害点集合中各个隧道病害信息的编号,每个隧道病害信息对应一个病害点;
S4.2、比较不同初始病害点对应的关联病害点集合中对应的病害点的预警优先级,将破坏影响值大的初始病害点对应的关联病害点集合中的病害点,排列在坏影响值小的初始病害点对应的关联病害点集合中的病害点之前;
S4.3、比较相同初始病害点对应的关联病害点集合中各个病害点的预警优先级,将偏差值大的病害点排列在偏差值小的病害点之前;
S4.4、获取S4.2及S4.3中的各个病害点的排列顺序,并按从前至后的顺序对病害点进行编号,编号为v的病害点的预警优先级为第v预警优先级。
5.应用权利要求1至4中任意一项所述一种基于移动激光扫描的隧道检测方法的基于移动激光扫描的隧道检测系统,其特征在于,所述系统包括以下模块:
扫描数据获取模块,所述扫描数据获取模块通过移动激光对盾构隧道进行扫描,得到待测线路的不同环号对应的各个管片图像及不同环号的管径收敛值,并结合数据库中预置的管径收敛值范围,筛选出不同环号管径收敛值中的异常值,
当扫描结果中相应环号对应的管径收敛值在数据库中预置的管径收敛值范围之内,则判定该环号对应的管径收敛值正常,
当扫描结果中相应环号对应的管径收敛值不在数据库中预置的管径收敛值范围之内,则判定该环号对应的管径收敛值异常;
病害信息生成模块,所述病害信息生成模块对不同环号的各个管片图像中的管片位置进行识别,生成特征掩膜并对管片图像进行处理,识别处理后的管片图像中的断裂信息、连接处裂缝信息及漏水信息,结合不同环号管径收敛值中的异常值,生成待测线路的隧道病害信息,并对待测线路的隧道病害信息中的各个病害点进行标记;
初始病害点分析模块,所述初始病害点分析模块获取待测路线的隧道病害信息,分析隧道的不同病害信息之间的关联性,并结合待测路线隧道的历史病害信息,确定待测路线隧道的初始病害点及相应初始病害点的破坏影响值;
病害预警管理模块,所述病害预警管理模块对待测线路的隧道病害信息进行预警,并根据待测路线隧道的初始病害点及相应初始病害点的破坏影响值,计算待测线路的隧道病害信息中各个病害点的预警优先级。
6.根据权利要求5所述的一种基于移动激光扫描的隧道检测系统,其特征在于:所述病害信息生成模块中待测路线的隧道病害信息包括各个管片断裂信息、连接处裂缝信息、漏水信息及形变信息,所述形变信息包括每个异常管径收敛值及相应的环号。
7.根据权利要求5所述的一种基于移动激光扫描的隧道检测系统,其特征在于:所述病害预警管理模块获取待测线路的隧道病害信息中,每个初始病害点对应的关联病害点集合中各个隧道病害信息,每个隧道病害信息对应一个病害点;先比较不同初始病害点对应的关联病害点集合中对应的病害点的预警优先级;再比较相同初始病害点对应的关联病害点集合中各个病害点的预警优先级;最后获取各个病害点的排列顺序,并按从前至后的顺序对病害点进行编号,编号为v的病害点的预警优先级为第v预警优先级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211382281.2A CN115423815B (zh) | 2022-11-07 | 2022-11-07 | 一种基于移动激光扫描的隧道检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211382281.2A CN115423815B (zh) | 2022-11-07 | 2022-11-07 | 一种基于移动激光扫描的隧道检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115423815A CN115423815A (zh) | 2022-12-02 |
CN115423815B true CN115423815B (zh) | 2023-04-07 |
Family
ID=84207788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211382281.2A Active CN115423815B (zh) | 2022-11-07 | 2022-11-07 | 一种基于移动激光扫描的隧道检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115423815B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117169121B (zh) * | 2023-09-05 | 2024-01-30 | 南京交科数智科技发展有限公司 | 一种基于云边端架构的交通道路病害检测系统及方法 |
CN117786782B (zh) * | 2024-02-27 | 2024-05-07 | 季华实验室 | 一种紧固件孔位生成方法、装置、电子设备及存储介质 |
CN118052541B (zh) * | 2024-04-16 | 2024-06-14 | 安徽省七星工程测试有限公司 | 一种基于隧道快速检测的数字化交付管理平台 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378950B (zh) * | 2019-06-18 | 2023-02-28 | 上海同岩土木工程科技股份有限公司 | 一种基于灰度和梯度融合的隧道结构裂缝识别方法 |
CN112084973B (zh) * | 2020-09-14 | 2023-04-25 | 北京工商大学 | 一种基于正射投影图像的隧道管环识别与标注方法 |
-
2022
- 2022-11-07 CN CN202211382281.2A patent/CN115423815B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115423815A (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115423815B (zh) | 一种基于移动激光扫描的隧道检测系统及方法 | |
US11551341B2 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
CN113516660B (zh) | 适用于列车的视觉定位与缺陷检测方法和装置 | |
JP4616120B2 (ja) | 画像処理装置及び検査装置 | |
CN105335963A (zh) | 一种边缘缺陷检测方法及装置 | |
CN109087291B (zh) | 隧道位置信息库建立方法及隧道病害定位方法 | |
CN111899288A (zh) | 基于红外和可见光图像融合的隧道渗漏水区域检测与识别方法 | |
CN110130987B (zh) | 一种基于图像分析的隧道收敛变形监测方法 | |
CN108305239B (zh) | 一种基于生成式对抗网络的桥梁裂缝图像的修复方法 | |
TW201428690A (zh) | 圖案檢查計測裝置及程式 | |
CN107515481B (zh) | 一种显示面板的检测方法和装置 | |
CN108007374A (zh) | 一种建筑物变形激光点云数据坐标偏差分析方法 | |
CN105938554B (zh) | 基于图像自动判读的尖轨伸缩位移监测方法及系统 | |
JP2006067272A (ja) | カメラキャリブレーション装置及びカメラキャリブレーション方法 | |
CN103886602A (zh) | 一种基于纹理的射线图像缺陷检测方法 | |
Huang et al. | Rapid surface damage detection equipment for subway tunnels based on machine vision system | |
CN114792323A (zh) | 一种基于图像处理的钢管变形检测方法及系统 | |
Lang et al. | Pavement cracking detection and classification based on 3d image using multiscale clustering model | |
CN117237925B (zh) | 一种基于计算机视觉的智慧道路病害巡检方法及系统 | |
CN113962929A (zh) | 光伏电池组件缺陷检测方法、系统及光伏电池组件生产线 | |
CN113610786A (zh) | 一种基于视觉测量的轨道变形监测方法 | |
CN115575407B (zh) | 一种应用于轨道与隧道的检测方法 | |
CN115761468A (zh) | 一种基于图像分割和目标检测技术的水位检测系统、方法 | |
KR102387717B1 (ko) | 드론 촬영 및 사진첩 기법을 이용한 시설물 손상 진단 및 점검방법 | |
CN110969103B (zh) | 一种基于ptz相机的高速公路路面病害长度测量方法 |
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 |