CN116858098A - 一种建设期隧道多元信息自动化采集方法和系统 - Google Patents

Abstract

本发明涉及建设期隧道监测技术领域，具体涉及一种建设期隧道多元信息自动化采集方法和系统，通过光源在隧道内壁投影形成检测点和检测线，而后通过测量相机记录不同时间段内检测点和检测线所在区域的像素位置变化，并以检测点和检测线为参考基准与隧道点云数据进行整合、修正，形成准确的隧道四维模型，由此可以动态全方位观测、记录隧道的结构状态和施工进度，实现了隧道信息收集的自动化和智能化，节约了人力，提高了隧道施工的效率。

Description

一种建设期隧道多元信息自动化采集方法和系统

技术领域

本发明涉及建设期隧道监测技术领域，具体涉及一种建设期隧道多元信息自动化采集方法和系统。

背景技术

在隧道施工初期支护后，需要开展监控测量，以获取初期支护变形数据，把控隧道施工质量。而目前隧道施工过程中多是周期性采用昂贵的全站仪结合靶标进行隧道拱顶、边墙固定点的变形监测。

一方面，这种周期性、间断对隧道内部进行形变监测的方式无法保证形变数据的实时更新，起不到对工程人员及时预警的作用；

另一方面，靶标的监测点设置是不连续的，且靶标点位纵向间距长、横断面点位稀疏。无法做到对隧道连续截面的形变测量；

总结来说，传统的隧道变形监测方式设备成本较高，无法实时监测且监测范围有限无法整体反映隧道内壁的形变参数，不利于工程人员对施工质量和安全的把控。

鉴于此，为了改善上述技术问题，本发明提供一种建设期隧道多元信息自动化采集方法和系统。

发明内容

第一方面，本发明提供一种建设期隧道多元信息自动化采集系统包括多个光源，包括多个光源，所述光源布设在隧道侧壁上并在隧道内壁形成检测点和\或检测线；

围绕所述检测点和\或检测线架设有多个测量相机，所述测量相机用于实时收集、录制所述检测点和\或检测线区域的图像数据，多个所述测量相机组合形成的摄制视角范围覆盖所述检测点和\或检测线区域的所有面；

数据处理器，所述数据处理器的信号输入端与所述测量相机相连接，用于接收所述测量相机实时收集的图像数据，并分别以所述检测点和\或检测线为位置基准计算检测点和\或检测线所处区域的三维坐标、以不同摄制视角得到的所述检测点和\或检测线所在区域的图像数据计算检测点和\或检测线所处区域的尺寸和形状，而后整合所述三维坐标、尺寸、形状信息建立隧道内壁的低密度点云数据；

应用终端，所述应用终端的信号输入端与所述数据处理器的信号输出端相连接，用于接收所述数据处理器更新、修正得到的实时点云数据，并展示根据该点云数据建立的隧道四维模型，同时根据该四维模型反馈展示包括检测点和\或检测线区域的变形数据、混凝土厚度数据、隧道平整度数据、锚杆数量、位置数据、掌子面素描数据。

优选的，所述光源为点光源、线光源、面光源的一种或多种的组合。

第二方面，本发明提供一种建设期隧道多元信息自动化采集方法，所述建设期隧道多元信息自动化采集方法采用上述的建设期隧道多元信息自动化采集系统，

步骤101：在隧道侧壁横向或纵向布设多个光源，利用光源在隧道的拱顶和侧壁形成检测点和\或检测线；

步骤102：围绕所述检测点和\或检测线架设多部测量相机，利用多个测量相机配合，多角度实时摄制、收集整个检测点和\或检测线区域在不同时间段内的图像数据；

步骤103：将测量相机实时收集到的图像数据传输到数据处理器中，所述数据处理器分别以所述检测点和\或检测线为位置基准计算检测点和\或检测线所处区域的三维坐标、以不同摄制视角得到的所述检测点和\或检测线区域的图像数据计算检测点和\或检测线所处区域的尺寸和形状，而后整合所述三维坐标、尺寸、形状信息建立隧道内壁的低密度点云数据；

同时利用图像捕捉算法逐帧比对不同角度下同一检测点和\或检测线区域在不同时间段内的像素位移数据和关键帧数据；并以检测点和\或检测线作为标齐基准，用所述检测点和\或检测线所在区域的像素移动数据和关键帧数据，实时校准、更新所述点云数据中发生位置移动的部分点云；

步骤104：数据处理器将实时修正后的点云数据发送到应用终端转换成隧道的四维模型；

步骤105：应用终端对不断修正、转化得到的隧道四维模型按照时间轴的顺序进行展示，得到动态的隧道四维模型；

步骤106：应用终端利用图像比对算法将新的三维模型与历史三维模型进行对比，并展示隧道内壁的实时动态的形变数据、混凝土厚度数据、隧道平整度数据。

优选的，所述步骤101中的光源包括点光源，基于点光源实现隧道壁某一精确点形变检测的方式如下：

步骤201：将点光源投影到隧道侧壁某一个需要精确观测的点，形成检测点；

步骤202：围绕所述检测点架设多部测量相机，利用多个测量相机配合，多角度摄制、收集整个检测点在不同时间段内的图像数据；

步骤203：将测量相机收集到的图像数据传输到数据处理器中，所述数据处理器利用图像捕捉算法逐帧比对不同角度下同一检测点区域在不同时间段内的像素位移数据和关键帧数据，并由此计算得出检测点区域的形变数据；

步骤204：数据处理器将检测点区域的形变数据以及时间轴发送到应用终端用于展示检测点所在隧道侧壁区域当前的形变数据。

优选的，所述步骤101中的光源包括线光源，基于线光源实现隧道壁形变检测的方式如下：

步骤301：将多个线光源沿着隧道长度方向安装在隧道侧壁，在隧道拱顶及侧壁形成间距相同或任意间距的断面检测线；

步骤302：围绕所述检测线架设多部测量相机，利用多个测量相机配合，多角度拍摄整个检测线所在区域不同时间段内的图像数据；

步骤303：将测量相机收集到的图像数据传输到数据处理器中，并分别以所述检测线为位置基准计算检测线所处区域的三维坐标、以不同摄制视角得到所述检测线区域的图像数据计算检测线所处区域的尺寸和形状，而后整合所述三维坐标、尺寸、形状信息建立隧道内壁的低密度点云数据；

同时数据处理器利用阈值分割以及中心线提取算法提取检测线区域，而后与原始检测线、检测线所在区域的历史像素位置数据融合计算，得到不同角度下同一检测线区域在不同时间段内的像素移动数据和关键帧数据；并以检测线作为标齐基准用所述检测线所在区域像素移动数据和关键帧数据实时校准、更新所述点云数据中发生位置移动的部分点云；

步骤304：数据处理器将修正后的点云数据发送到应用终端转换成隧道的四维模型；

步骤305：应用终端对不断修正、转化得到的隧道四维模型按照时间轴的顺序进行展示，得到动态的隧道四维模型；

步骤306：应用终端利用图像比对算法将新的三维模型与历史三维模型进行对比，展示隧道中检测线所在拱顶、侧壁的实时动态的形变数据。

优选的，所述步骤101中的光源还包括面光源，基于面光源实现隧道壁形变检测的方式如下：

步骤401：将多个面光源沿着隧道长度方向安装在隧道侧壁，在隧道拱顶及侧壁形成网格检测线；

步骤402：围绕所述网格检测线架设多部测量相机，利用多个测量相机配合，多角度拍摄整个网格检测线所在区域不同时间段内的图像数据；

步骤403：将测量相机收集到的图像数据传输到数据处理器中，并分别以所述网格检测线为位置基准计算网格检测线所处区域的三维坐标、以不同摄制视角得到的所述网格检测线图像数据计算检测线所处区域的尺寸和形状，而后以图像数据中网格检测线的像素位置整合所述三维坐标、尺寸、形状信息建立隧道内壁的低密度点云数据；

同时数据处理器采用深度学习图像分割算法提取网格检测线的交点作为捕捉点，得到不同角度下同一捕捉点区域在不同时间段内的像素移动数据和关键帧数据，并以捕捉点为基准计算相邻两个捕捉点之间检测线区域的像素位移数据；而后整合所述三维坐标、尺寸、形状信息建立隧道内壁的低密度点云数据；

步骤404：将修正后的点云数据发送到应用终端转换成隧道的四维模型；

步骤405：应用终端对不断修正、转化得到隧道四维模型按照时间轴的顺序进行展示，得到动态的隧道四维模型；

步骤406：应用终端利用图像比对算法将新的三维模型与历史三维模型进行对比，展示隧道拱顶、侧壁空间的整体动态形变参数。

优选的，所述步骤104中修正后的点云数据还可以用于实现隧道内壁混凝土厚度的计算，具体计算方式如下：

步骤501：设定所述网格检测线为基准线；

步骤502：利用计算点云数据中每一个云点的法向量与所述基准线的交点距离；

步骤503：调出云点位置数据并将其与交点距离数据进行匹配；

步骤504：以云点位置数据为基准将交点距离数据同步、匹配到隧道三维模型中，得到隧道中不同位置的混凝土厚度。

优选的，所述步骤105中生成的四维隧道模型还可以用于实现隧道内壁平整度的测量，具体测量方式如下：

步骤601：以所述检测点和\或检测线作为位置参考点，采用中心线捕捉算法得到三维隧道模型的中心线；

步骤602：将整个三维隧道模型沿着所述三维隧道模型的中心线展开生成正交影像图；

步骤603：利用三维测量算法得到所述正交影像图中云点法向量与隧道内壁表面检测点和\或检测线之间的高程差；

步骤604：收集高程差数据，得到隧道内壁的平整度。

优选的，所述步骤102中的测量相机数据收集方式还可以用来实现喷锚支护过程的记录和锚杆孔位、数量的记录，具体记录方式如下：

步骤701：将测量相机架设在隧道中对整个锚杆支护过程进行视频录制，形成视频数据；

步骤702：将测量相机收集到的视频数据传输到数据处理器中，并分别以所述检测点和\或检测线为位置基准计算检测点和\或检测线所处区域的三维坐标、以不同摄制视角得到的所述检测点和\或检测线所处区域的图像数据计算检测点和\或检测线所处区域的尺寸和形状，而后整合所述三维坐标、尺寸、形状信息建立隧道内壁的低密度点云数据；

同时数据处理器利用图像识别技术自动识别视频数据中的锚杆以及数量，并在检测点和\或检测线的辅助下定位锚杆的位置；而后再次以检测点和\或检测线为位置基准将锚杆的位置、数量信息与点云数据进行整合、修正；

步骤703：将修正后的点云数据发送到应用终端转换成隧道的四维模型；

步骤704：应用端在隧道四维模型中展示锚杆的位置、数量以及每个孔的打孔时间；同时测量相机录制的视频数据也能导出形成工作视频摘要。

优选的，所述步骤102中的测量相机的数据收集方式还可以用来实现掌子面素描数据的生成的，具体生成方式如下：

步骤801：将多个测量相机以不同的角度和位置架设在隧道掌子面前方；

步骤802：测量相机实时摄制掌子面的形成图像数据；

步骤803：将测量相机收集到的图像数据传输到数据处理器中，所述数据处理器利用图像识别技术分析不同摄制视角下得到的掌子面图像数据，得出掌子面岩石的种类数据、岩土完整程度数据、地下水出水状态数据、岩石坚硬程度数据；

步骤804：应用终端接收数据处理器整合的图像信息，并展示标注有包括掌子面岩石种类数据、岩土完整程度数据、地下水出水状态数据、岩石坚硬程度数据的隧道掌子面素描图像。

本发明的有益效果为：

1、本发明用测量相机和检测点、检测线的配合构建隧道的低密度点云数据并转换成隧道的四维模型，通过不同时间段四维模型的尺寸比对来得出隧道内壁的形变数据。由此取代传统的全站仪移动式测量标靶来监测隧道位移的方式，实现了隧道内壁形变数据的实时监控和反馈，有效保证了隧道监测的连续性、整体性和及时性。

2、本发明以测量相机和检测点、检测线的配合构成隧道的低密度点云数据，并通过测量相机实时收集的图像信息来更新点云数据中发生位置移动的云点。由此不仅能够将最新的点云数据传输给应用终端实时生成最新的隧道四维模型；而且避免了需要消耗大量算力反复对整个隧道点云数据进行重新构建，保证了整个运算流程的高效进行。

3、本发明中的检测点和\或检测线不仅能够作为构造线辅助测量相机捕捉监测区域的形态，还能够作为位置参考线为点云数据的合成、更新、锚杆位置的定位、隧道曲面的展平、混凝土厚度的测量提供参考标准，使获取的数据能够与隧道实况精准对应，结果更加精确。

4、本发明利用像素位移数据实现点云数据中的部分更新、替换，得到的实时更新的四维模型，由此能够更加及时、精确地调取到掌子面的素描信息、锚杆的施工进度、锚杆的布设位置、任意区域的混凝土厚度、平整度以及任意区域的内壁变形参数。同时上述各项信息能够通过一个系统完成收集、整合和展示，提高了整个隧道施工监测体系的自动化和智能化程度，使整个隧道施工效率、安全性、数据准确性更高。

附图说明

图1为本发明的系统组成结构示意图；

图2为本发明提供的一种建设期隧道多元信息自动化采集方法的流程示意图；

图3为本发明点光源投影示意图；

图4为本发明利用点光源检测隧道某点区域形变的流程示意图；

图5为本发明线光源投影示意图；

图6为本发明利用线光源检测隧道某一节拱顶和侧壁区域形变的流程示意图；

图7为本发明面光源投影示意图；

图8为本发明利用面光源检测隧道整体内壁区域形变的流程示意图；

图9为本发明利用点云数据计算隧道侧壁混凝土厚度的流程示意图；

图10为本发明利用点云数据计算隧道侧壁平整度的流程示意图；

图11为本发明实时监测锚杆安装位置、数量、安装时间的流程示意图；

图12为本发明自动生成掌子面素描数据的流程示意图；

图13为网格检测线实验室展示实景图；

图14为隧道掌子面图像采集。

具体实施方式

为了加深对本发明的理解，下面将结合实施例对本发明做进一步详述，本实施例仅用于解释本发明，并不构成对本发明保护范围的限定。

实施例一：

如图1所示，本实施例一提出了建设期隧道多元信息自动化采集系统，包括多个光源，所述光源布设在隧道侧壁上并在隧道内壁形成检测点和\或检测线；

围绕所述检测点和\或检测线架设有多个测量相机，所述测量相机用于实时收集、录制所述检测点和\或检测线区域的图像数据，多个所述测量相机组合形成的摄制视角范围覆盖所述检测点和\或检测线区域的所有面；

数据处理器，所述数据处理器的信号输入端与所述测量相机相连接，用于接收所述测量相机实时收集的图像数据，并分别以所述检测点和\或检测线为位置基准计算检测点和\或检测线所处区域的三维坐标、以不同摄制视角得到的所述检测点和\或检测线所在区域的图像数据计算检测点和\或检测线所处区域的尺寸和形状，而后整合所述三维坐标、尺寸、形状信息建立隧道内壁的低密度点云数据；

应用终端，所述应用终端的信号输入端与所述数据处理器的信号输出端相连接，用于接收所述数据处理器更新、修正得到的实时点云数据，并展示根据该点云数据建立的隧道四维模型，同时根据该四维模型反馈展示包括检测点和\或检测线区域的变形数据、混凝土厚度数据、隧道平整度数据、锚杆数量、位置数据、掌子面素描数据。

所述光源为点光源、线光源、面光源的一种或多种的组合。

隧道工程人员可以根据隧道监测的不同需要灵活选择合适的光源对隧道进行形变监测，而后利用多个测量相机优选有三个，分别从三个不同的角度对某一个或多个检测点、某一条或多条检测线进行图像采集，其中三个角度不同的测量相机组成的摄制视角能够囊括检测线或检测点所在区域的所有面；

由此全方位收集检测点或检测线在不同时间段下的图像数据，避免单一的测量相机摄制角度固定，在有限的视角范围内丢失部分形变数据的弊端，并保证了数据处理器在对图像数据分析时能够得到准确的检测线或检测点的像素移动数据和关键帧数据。

基于检测线或检测点的像素移动数据和关键帧数据实时更新、替换低密度点云数据中发生位置移动的云点，并在应用终端的辅助下将实时修正后的点云数据转化成便于利用三维软件调取数据的四维模型，由此基于四维模型可以自由观测、调取、展示不同时间段内隧道拱顶、侧壁的基础数据和形变参数。

既而通过将测量相机收集的实时像素位置数据与点云数据整合，建立隧道的四维模型，不仅实现了隧道整体形变的持续、实时监测，而且由监测数据整合形成的隧道三维模型还能够为后期隧道工程的数据测算提供基础参数，如隧道侧壁混凝土厚度计算、平整度计算等。

实施例二：

如图2所示，本实施例二提出了建设期隧道多元信息自动化采集方法，具体采集方式如下：

步骤101：在隧道侧壁横向或纵向布设多个光源，利用光源在隧道的拱顶和侧壁形成检测点和\或检测线；

步骤102：围绕所述检测点和\或检测线架设多部测量相机，利用多个测量相机配合，多角度实时摄制、收集整个检测点和\或检测线区域在不同时间段内的图像数据；

步骤103：将测量相机实时收集到的图像数据传输到数据处理器中，所述数据处理器分别以所述检测点和\或检测线为位置基准计算检测点和\或检测线所处区域的三维坐标、以不同摄制视角得到的所述检测点和\或检测线区域的图像数据计算检测点和\或检测线所处区域的尺寸和形状，而后整合所述三维坐标、尺寸、形状信息建立隧道内壁的低密度点云数据；

同时利用图像捕捉算法逐帧比对不同角度下同一检测点和\或检测线区域在不同时间段内的像素位移数据和关键帧数据；并以检测点和\或检测线作为标齐基准，用所述检测点和\或检测线所在区域的像素移动数据和关键帧数据，实时校准、更新所述点云数据中发生位置移动的部分点云；

步骤104：数据处理器将实时修正后的点云数据发送到应用终端转换成隧道的四维模型；

步骤105：应用终端对不断修正、转化得到的隧道四维模型按照时间轴的顺序进行展示，得到动态的隧道四维模型；

步骤106：应用终端利用图像比对算法将新的三维模型与历史三维模型进行对比，并展示隧道内壁的实时动态的形变数据、混凝土厚度数据、隧道平整度数据。

利用检测点和\或检测线在隧道内壁构建参考点和\或参考线，并以该参考点和\或参考线作为对齐基准将测量相机实时监测的检测点和\或检测线区域的位置数据对应整合到点云数据中；

在后续的监测过程中，只需利用测量相机实时监测多个检测点或多条检测线所在的区域，在数据处理器的识别下获得多个检测点或多条检测线的像素位移数据，并利用该像素位移数据和关键帧数据替换、更新整个点云数据中有变动的云点部分。

既而，不仅能够利用测量相机对形变区域进行实时监测，保证得到的隧道四维模型始终是动态同步的；而且利用像素位移数据和关键帧数据替换、更新有变动的云点，实现四维模型部分区域的更换重建，在保证监测实时的前提下，也极大节约了隧道模型整体重建的算力。

由此将传统的隧道施工过程中采用全站仪一周一次或两次的扫描监测频率对隧道内壁进行变形度分析的方式缩短到以秒为单位的形变分析速率，这极大提高了对隧道监测的及时性，为施工人员在隧道内的安全施工以及工程质量的管控提供了数据保障。

如图3至图4所示，所述步骤101中的光源包括点光源，基于点光源实现隧道壁某一精确点形变检测的方式如下：

步骤201：将点光源投影到隧道侧壁某一个需要精确观测的点，形成检测点；

步骤202：围绕所述检测点架设多部测量相机，利用多个测量相机配合，多角度摄制、收集整个检测点在不同时间段内的图像数据；

步骤203：将测量相机收集到的图像数据传输到数据处理器中，所述数据处理器利用图像捕捉算法逐帧比对不同角度下同一检测点区域在不同时间段内的像素位移数据和关键帧数据，并由此计算得出检测点区域的形变数据；

步骤204：数据处理器将检测点区域的形变数据以及时间轴发送到应用终端用于展示检测点所在隧道侧壁区域当前的形变数据。

如图5至图6所示，上述步骤101中的光源还可以包括线光源，基于线光源实现隧道壁形变检测的方式如下：

所述步骤101中的光源包括线光源，基于线光源实现隧道壁形变检测的方式如下：

步骤301：将多个线光源沿着隧道长度方向安装在隧道侧壁，在隧道拱顶及侧壁形成间距相同或任意间距的断面检测线；

步骤302：围绕所述检测线架设多部测量相机，利用多个测量相机配合，多角度拍摄整个检测线所在区域不同时间段内的图像数据；

步骤303：将测量相机收集到的图像数据传输到数据处理器中，并分别以所述检测线为位置基准计算检测线所处区域的三维坐标、以不同摄制视角得到所述检测线区域的图像数据计算检测线所处区域的尺寸和形状，而后整合所述三维坐标、尺寸、形状信息建立隧道内壁的低密度点云数据；

同时数据处理器利用阈值分割以及中心线提取算法提取检测线区域，而后与原始检测线、检测线所在区域的历史像素位置数据融合计算，得到不同角度下同一检测线区域在不同时间段内的像素移动数据和关键帧数据；并以检测线作为标齐基准用所述检测线所在区域像素移动数据和关键帧数据实时校准、更新所述点云数据中发生位置移动的部分点云；

步骤304：数据处理器将修正后的点云数据发送到应用终端转换成隧道的四维模型；

步骤305：应用终端对不断修正、转化得到的隧道四维模型按照时间轴的顺序进行展示，得到动态的隧道四维模型；

步骤306：应用终端利用图像比对算法将新的三维模型与历史三维模型进行对比，展示隧道中检测线所在拱顶、侧壁的实时动态的形变数据。

如图7至图8所示，所述步骤101中的光源还包括面光源，基于面光源实现隧道壁形变检测的方式如下：

所述步骤101中的光源还包括面光源，基于面光源实现隧道壁形变检测的方式如下：

步骤401：将多个面光源沿着隧道长度方向安装在隧道侧壁，在隧道拱顶及侧壁形成网格检测线；

步骤402：围绕所述网格检测线架设多部测量相机，利用多个测量相机配合，多角度拍摄整个网格检测线所在区域不同时间段内的图像数据；

步骤403：将测量相机收集到的图像数据传输到数据处理器中，并分别以所述网格检测线为位置基准计算网格检测线所处区域的三维坐标、以不同摄制视角得到的所述网格检测线图像数据计算检测线所处区域的尺寸和形状，而后以图像数据中网格检测线的像素位置整合所述三维坐标、尺寸、形状信息建立隧道内壁的低密度点云数据；

同时数据处理器采用深度学习图像分割算法提取网格检测线的交点作为捕捉点，得到不同角度下同一捕捉点区域在不同时间段内的像素移动数据和关键帧数据，并以捕捉点为基准计算相邻两个捕捉点之间检测线区域的像素位移数据；而后整合所述三维坐标、尺寸、形状信息建立隧道内壁的低密度点云数据；

步骤404：将修正后的点云数据发送到应用终端转换成隧道的四维模型；

步骤405：应用终端对不断修正、转化得到隧道四维模型按照时间轴的顺序进行展示，得到动态的隧道四维模型；

步骤406：应用终端利用图像比对算法将新的三维模型与历史三维模型进行对比，展示隧道拱顶、侧壁空间的整体动态形变参数。

实施例三：

如图9所示，可以采用步骤104中修正后的点云数据还可以用于实现隧道内壁混凝土厚度的计算，具体计算方式如下：

步骤501：设定所述网格检测线为基准线；

步骤502：利用计算点云数据中每一个云点的法向量与所述基准线的交点距离；

步骤503：调出云点位置数据并将其与交点距离数据进行匹配；

步骤504：以云点位置数据为基准将交点距离数据同步、匹配到隧道三维模型中，得到隧道中不同位置的混凝土厚度。

实施例四：

如图10所示，可以采用上述步骤105中生成的三维隧道模型进行隧道内壁平整度的测量，具体测量方式如下：

步骤601：以所述检测点和\或检测线作为位置参考点，采用中心线捕捉算法得到三维隧道模型的中心线；

步骤602：将整个三维隧道模型沿着所述三维隧道模型的中心线展开生成正交影像图；

步骤603：利用三维测量算法得到所述正交影像图中云点法向量与隧道内壁表面检测点和\或检测线之间的高程差；

步骤604：收集高程差数据，得到隧道内壁的平整度。

由此，通过将三维模型展开成二维的正交影像图，从而将曲面三维测算方法转变成平面二维计算方法，不仅能够节约计算高程差所需要的算力而且保证计算结果更加准确。

实施例五：

如图11所示，上述步骤102中的测量相机的数据收集方式可以用来实现喷锚支护过程的记录和锚杆孔位、数量的记录，具体记录方式如下：

步骤701：将测量相机架设在隧道中对整个锚杆支护过程进行视频录制，形成视频数据；

步骤702：将测量相机收集到的视频数据传输到数据处理器中，并分别以所述检测点和\或检测线为位置基准计算检测点和\或检测线所处区域的三维坐标、以不同摄制视角得到的所述检测点和\或检测线所处区域的图像数据计算检测点和\或检测线所处区域的尺寸和形状，而后整合所述三维坐标、尺寸、形状信息建立隧道内壁的低密度点云数据；

同时数据处理器利用图像识别技术自动识别视频数据中的锚杆以及数量，并在检测点和\或检测线的辅助下定位锚杆的位置；而后再次以检测点和\或检测线为位置基准将锚杆的位置、数量信息与点云数据进行整合、修正；

步骤703：将修正后的点云数据发送到应用终端转换成隧道的四维模型；

步骤704：应用端在隧道四维模型中展示锚杆的位置、数量以及每个孔的打孔时间；同时测量相机录制的视频数据也能导出形成工作视频摘要。

实施例六：

如图12所示，上述步骤102中的测量相机的数据收集方式还可以配合用来实现掌子面素描数据的生成的，具体生成方式如下：

步骤801：将多个测量相机以不同的角度和位置架设在隧道掌子面前方；

步骤802：测量相机实时摄制掌子面的形成图像数据；

步骤803：将测量相机收集到的图像数据传输到数据处理器中，所述数据处理器利用图像识别技术分析不同摄制视角下得到的掌子面图像数据，得出掌子面岩石的种类数据、岩土完整程度数据、地下水出水状态数据、岩石坚硬程度数据；

步骤804：应用终端接收数据处理器整合的图像信息，并展示标注有包括掌子面岩石种类数据、岩土完整程度数据、地下水出水状态数据、岩石坚硬程度数据的隧道掌子面素描图像。

由此掌子面素描图像，工程人员可以清楚的了解到掌子面各部分的结构、硬度和节理特征，为掌子面钻爆的优化提供数据支持。

该建设期隧道多元信息自动化采集方法和系统是通过光源在隧道内侧壁建立检测点和检测线，一方面利用检测点作为测量相机的捕捉点，便于实时检测该检测点所在隧道侧壁区域在不同时间段内的像素位移以得到该检测点区域的形变数据，或在检测线的连接下得到隧道壁多个连续截面的形变数据；一方面能够将检测点和检测线作为参照基准，基于测量相机收集到的实时检测点和检测线像素位置更新部分点云数据，从而实时得到精确的隧道四维模型，且作为参照物的检测点和检测线还可以辅助测量相机对特定的点位进行精确定位和记录，如锚杆的位置；另一方面，在基于隧道四维模型进行隧道壁混凝土厚度以及平整度计算的过程中，检测点和检测线可以作为参考基准便于比较计算点云数据中每个云点的法向量到检测点和检测线的距离得出混凝土的厚度，以及便于通过检测点和检测线定位隧道的中心线，从而将隧道的三维模型以该中心线展开成正交影像，从而便于得到混凝土的平整度数据。

即，本申请通过光源、测量相机的相互配合实现对隧道数据的收集，并通过数据处理器和应用终端建立了隧道施工过程中精确的四维模型，并由此四维模型可以进行掌子面钻爆设计的优化、混凝土厚度及平整度的计算、喷锚施工过程视频记录及锚杆的位置记录。整个监测和后期的测算都实现了自动化，监测系统并联，数据之间相互共通，有效提高了整个隧道施工监测体系的自动化和智能化程度，使整个隧道施工效率、安全性更高。

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种建设期隧道多元信息自动化采集系统，其特征在于：

包括多个光源，所述光源布设在隧道侧壁上并在隧道内壁形成检测点和\或检测线；

围绕所述检测点和\或检测线架设有多个测量相机，所述测量相机用于实时收集、录制所述检测点和\或检测线区域的图像数据，多个所述测量相机组合形成的摄制视角范围覆盖所述检测点和\或检测线区域的所有面；

数据处理器，所述数据处理器的信号输入端与所述测量相机相连接，用于接收所述测量相机实时收集的图像数据，并分别以所述检测点和\或检测线为位置基准计算检测点和\或检测线所处区域的三维坐标、以不同摄制视角得到的所述检测点和\或检测线所在区域的图像数据计算检测点和\或检测线所处区域的尺寸和形状，而后整合所述三维坐标、尺寸、形状信息建立隧道内壁的低密度点云数据；

应用终端，所述应用终端的信号输入端与所述数据处理器的信号输出端相连接，用于接收所述数据处理器更新、修正得到的实时点云数据，并展示根据该点云数据建立的隧道四维模型，同时根据该四维模型反馈展示包括检测点和\或检测线区域的变形数据、混凝土厚度数据、隧道平整度数据、锚杆数量、位置数据、掌子面素描数据。

2.根据权利要求1所述的建设期隧道多元信息自动化采集系统，其特征在于：所述光源为点光源、线光源、面光源的一种或多种的组合。

3.一种建设期隧道多元信息自动化采集方法，所述建设期隧道多元信息自动化采集方法采用上述权利要求1至2任一项所述的建设期隧道多元信息自动化采集系统，其特征在于：

步骤101：在隧道侧壁横向或纵向布设多个光源，利用光源在隧道的拱顶和侧壁形成检测点和\或检测线；

步骤102：围绕所述检测点和\或检测线架设多部测量相机，利用多个测量相机配合，多角度实时摄制、收集整个检测点和\或检测线区域在不同时间段内的图像数据；

步骤103：将测量相机实时收集到的图像数据传输到数据处理器中，所述数据处理器分别以所述检测点和\或检测线为位置基准计算检测点和\或检测线所处区域的三维坐标、以不同摄制视角得到的所述检测点和\或检测线区域的图像数据计算检测点和\或检测线所处区域的尺寸和形状，而后整合所述三维坐标、尺寸、形状信息建立隧道内壁的低密度点云数据；

同时利用图像捕捉算法逐帧比对不同角度下同一检测点和\或检测线区域在不同时间段内的像素位移数据和关键帧数据；并以检测点和\或检测线作为标齐基准，用所述检测点和\或检测线所在区域的像素移动数据和关键帧数据，实时校准、更新所述点云数据中发生位置移动的部分点云；

步骤104：数据处理器将实时修正后的点云数据发送到应用终端转换成隧道的四维模型；

步骤105：应用终端对不断修正、转化得到的隧道四维模型按照时间轴的顺序进行展示，得到动态的隧道四维模型；

步骤106：应用终端利用图像比对算法将新的三维模型与历史三维模型进行对比，并展示隧道内壁的实时动态的形变数据、混凝土厚度数据、隧道平整度数据。

4.根据权利要求3所述的建设期隧道多元信息自动化采集方法，其特征在于：

所述步骤101中的光源包括点光源，基于点光源实现隧道壁某一精确点形变检测的方式如下：

步骤201：将点光源投影到隧道侧壁某一个需要精确观测的点，形成检测点；

步骤202：围绕所述检测点架设多部测量相机，利用多个测量相机配合，多角度摄制、收集整个检测点在不同时间段内的图像数据；

步骤203：将测量相机收集到的图像数据传输到数据处理器中，所述数据处理器利用图像捕捉算法逐帧比对不同角度下同一检测点区域在不同时间段内的像素位移数据和关键帧数据，并由此计算得出检测点区域的形变数据；

步骤204：数据处理器将检测点区域的形变数据以及时间轴发送到应用终端用于展示检测点所在隧道侧壁区域当前的形变数据。

5.根据权利要求3所述的建设期隧道多元信息自动化采集方法，其特征在于：

所述步骤101中的光源包括线光源，基于线光源实现隧道壁形变检测的方式如下：

步骤301：将多个线光源沿着隧道长度方向安装在隧道侧壁，在隧道拱顶及侧壁形成间距相同或任意间距的断面检测线；

步骤302：围绕所述检测线架设多部测量相机，利用多个测量相机配合，多角度拍摄整个检测线所在区域不同时间段内的图像数据；

步骤303：将测量相机收集到的图像数据传输到数据处理器中，并分别以所述检测线为位置基准计算检测线所处区域的三维坐标、以不同摄制视角得到所述检测线区域的图像数据计算检测线所处区域的尺寸和形状，而后整合所述三维坐标、尺寸、形状信息建立隧道内壁的低密度点云数据；

同时数据处理器利用阈值分割以及中心线提取算法提取检测线区域，而后与原始检测线、检测线所在区域的历史像素位置数据融合计算，得到不同角度下同一检测线区域在不同时间段内的像素移动数据和关键帧数据；并以检测线作为标齐基准用所述检测线所在区域像素移动数据和关键帧数据实时校准、更新所述点云数据中发生位置移动的部分点云；

步骤304：数据处理器将修正后的点云数据发送到应用终端转换成隧道的四维模型；

步骤305：应用终端对不断修正、转化得到的隧道四维模型按照时间轴的顺序进行展示，得到动态的隧道四维模型；

步骤306：应用终端利用图像比对算法将新的三维模型与历史三维模型进行对比，展示隧道中检测线所在拱顶、侧壁的实时动态的形变数据。

6.根据权利要求3所述的建设期隧道多元信息自动化采集方法，其特征在于：

所述步骤101中的光源还包括面光源，基于面光源实现隧道壁形变检测的方式如下：

步骤401：将多个面光源沿着隧道长度方向安装在隧道侧壁，在隧道拱顶及侧壁形成网格检测线；

步骤402：围绕所述网格检测线架设多部测量相机，利用多个测量相机配合，多角度拍摄整个网格检测线所在区域不同时间段内的图像数据；

步骤403：将测量相机收集到的图像数据传输到数据处理器中，并分别以所述网格检测线为位置基准计算网格检测线所处区域的三维坐标、以不同摄制视角得到的所述网格检测线图像数据计算检测线所处区域的尺寸和形状，而后以图像数据中网格检测线的像素位置整合所述三维坐标、尺寸、形状信息建立隧道内壁的低密度点云数据；

同时数据处理器采用深度学习图像分割算法提取网格检测线的交点作为捕捉点，得到不同角度下同一捕捉点区域在不同时间段内的像素移动数据和关键帧数据，并以捕捉点为基准计算相邻两个捕捉点之间检测线区域的像素位移数据；而后整合所述三维坐标、尺寸、形状信息建立隧道内壁的低密度点云数据；

步骤404：将修正后的点云数据发送到应用终端转换成隧道的四维模型；

步骤405：应用终端对不断修正、转化得到隧道四维模型按照时间轴的顺序进行展示，得到动态的隧道四维模型；

步骤406：应用终端利用图像比对算法将新的三维模型与历史三维模型进行对比，展示隧道拱顶、侧壁空间的整体动态形变参数。

7.根据权利要求3所述的建设期隧道多元信息自动化采集方法，其特征在于：

所述步骤104中修正后的点云数据还可以用于实现隧道内壁混凝土厚度的计算，具体计算方式如下：

步骤501：设定所述网格检测线为基准线；

步骤502：利用计算点云数据中每一个云点的法向量与所述基准线的交点距离；

步骤503：调出云点位置数据并将其与交点距离数据进行匹配；

步骤504：以云点位置数据为基准将交点距离数据同步、匹配到隧道三维模型中，得到隧道中不同位置的混凝土厚度。

8.根据权利要求3所述的建设期隧道多元信息自动化采集方法，其特征在于：

所述步骤105中生成的四维隧道模型还可以用于实现隧道内壁平整度的测量，具体测量方式如下：

步骤601：以所述检测点和\或检测线作为位置参考点，采用中心线捕捉算法得到三维隧道模型的中心线；

步骤602：将整个三维隧道模型沿着所述三维隧道模型的中心线展开生成正交影像图；

步骤603：利用三维测量算法得到所述正交影像图中云点法向量与隧道内壁表面检测点和\或检测线之间的高程差；

步骤604：收集高程差数据，得到隧道内壁的平整度。

9.根据权利要求3所述的建设期隧道多元信息自动化采集方法，其特征在于：

所述步骤102中的测量相机数据收集方式还可以用来实现喷锚支护过程的记录和锚杆孔位、数量的记录，具体记录方式如下：

步骤701：将测量相机架设在隧道中对整个锚杆支护过程进行视频录制，形成视频数据；

步骤702：将测量相机收集到的视频数据传输到数据处理器中，并分别以所述检测点和\或检测线为位置基准计算检测点和\或检测线所处区域的三维坐标、以不同摄制视角得到的所述检测点和\或检测线所处区域的图像数据计算检测点和\或检测线所处区域的尺寸和形状，而后整合所述三维坐标、尺寸、形状信息建立隧道内壁的低密度点云数据；

同时数据处理器利用图像识别技术自动识别视频数据中的锚杆以及数量，并在检测点和\或检测线的辅助下定位锚杆的位置；而后再次以检测点和\或检测线为位置基准将锚杆的位置、数量信息与点云数据进行整合、修正；

步骤703：将修正后的点云数据发送到应用终端转换成隧道的四维模型；

步骤704：应用端在隧道四维模型中展示锚杆的位置、数量以及每个孔的打孔时间；同时测量相机录制的视频数据也能导出形成工作视频摘要。

10.根据权利要求3所述的建设期隧道多元信息自动化采集方法，其特征在于：

所述步骤102中的测量相机的数据收集方式还可以用来实现掌子面素描数据的生成的，具体生成方式如下：

步骤801：将多个测量相机以不同的角度和位置架设在隧道掌子面前方；

步骤802：测量相机实时摄制掌子面的形成图像数据；

步骤803：将测量相机收集到的图像数据传输到数据处理器中，所述数据处理器利用图像识别技术分析不同摄制视角下得到的掌子面图像数据，得出掌子面岩石的种类数据、岩土完整程度数据、地下水出水状态数据、岩石坚硬程度数据；

步骤804：应用终端接收数据处理器整合的图像信息，并展示标注有包括掌子面岩石种类数据、岩土完整程度数据、地下水出水状态数据、岩石坚硬程度数据的隧道掌子面素描图像。