【技术实现步骤摘要】
隧道掌子面地下水出水特征智能识别方法及地下水状态分级方法
本申请涉及隧道工程领域,具体而言,涉及一种隧道掌子面地下水出水特征智能识别方法及地下水状态分级方法。
技术介绍
自2010年以来,人类拉开了第四次工业革命的帷幕,隧道及地下工程设计理念、建造技术逐渐向人工智能(AI技术)方向发展。随着设计理念、施工工艺的不断革新,隧道工程逐渐向机械化、信息化、智能化方向发展。如何准确、少人、无人的获取围岩参数成为了当今隧道及地下工程智能化建造的研究重点。掌子面出水量和出水口处流速往往能较好的反映掌子面地下水渗透力的大小,渗透力的大小极大的影响掌子面稳定性以及隧道支护结构设计、施工。另外,《铁路隧道设计规范》中以地下水流速为定量指标,将地下水划分为3级,不同的地下水级别对围岩修正分级以及围岩基本质量指标BQ的修正影响巨大。有鉴于此,高效准确的判释掌子面地下水出水量和出水口流速对指导隧道及地下工程设计、施工具有重大意义。目前,地下水状态的识别方法仍停留在传统人工判释的技术层面,即在隧道仰拱中心和两侧修建排水沟渠以引流的方式测定地下水掌子面出水量和出水口流速,进而判定掌子面地下水级别,该方法人力物力投入较大,且在地下水从掌子面流入沟渠的过程中,由于围岩、混凝土孔隙的存在,造成了沿程地下水“损失”,故传统方法的判释结果并非掌子面实际情况。
技术实现思路
有鉴于此,本申请实施例提供了一种隧道掌子面地下水出水特征智能识别方法及隧道掌子面地下水状态分级方法,旨在地下水状态识别的智能化、准确性,指导隧道工程 ...
【技术保护点】
1.一种隧道掌子面地下水出水特征智能识别方法,其特征在于,包括/n采集地下水出水口处视频;/n提取视频各帧图像并根据照片的时间顺序对各帧图像进行编号和保存;/n对提取的各帧图像进行灰度处理;/n对视频进行处理,确定重组视频中的背景图像,并将背景图像中运动区域和静止区域分为2类,用1和0分别进行标记运动区域和静止区域的像素点;/n基于运动区域和静止区域的分类二值图进行图像处理,获取图像运动区域和静止区域的二值图像和运动区域像素点位置信息;/n基于图像映射原理和运动区域像素点位置信息进行隧道掌子面出水形态三维重构;/n基于隧道掌子面出水形态三维重构结果确定隧道掌子面地下水出水体积、流量和流速。/n
【技术特征摘要】
1.一种隧道掌子面地下水出水特征智能识别方法,其特征在于,包括
采集地下水出水口处视频;
提取视频各帧图像并根据照片的时间顺序对各帧图像进行编号和保存;
对提取的各帧图像进行灰度处理;
对视频进行处理,确定重组视频中的背景图像,并将背景图像中运动区域和静止区域分为2类,用1和0分别进行标记运动区域和静止区域的像素点;
基于运动区域和静止区域的分类二值图进行图像处理,获取图像运动区域和静止区域的二值图像和运动区域像素点位置信息;
基于图像映射原理和运动区域像素点位置信息进行隧道掌子面出水形态三维重构;
基于隧道掌子面出水形态三维重构结果确定隧道掌子面地下水出水体积、流量和流速。
2.根据权利要求1所述的隧道掌子面地下水出水特征智能识别方法,其特征在于,采集地下水出水口处数码视频,具体为:
在地下水出口处,分别布置2台不同拍摄角度的高清相机;
分别记录2台相机距离出水口处的距离、相机焦距、镜头在大地坐标系下的绝对坐标、拍摄光束相对于掌子面的三维角度和分辨率信息。
3.根据权利要求2所述的隧道掌子面地下水出水特征智能识别方法,其特征在于,对提取的各帧图像进行灰度处理,具体为:
基于各帧图像的RGB值、HSI值、HSV值和灰度值,将视频中的彩色图像转换为灰度图像;
基于图像处理技术对灰度图像进行分割、增强、锐化处理并保存。
4.根据权利要求3所述的隧道掌子面地下水出水特征智能识别方法,其特征在于,对视频进行处理,确定重组视频中的背景图像,并将背景图像中运动区域和静止区域分为2类,用1和0标记运动区域和静止区域的像素点,具体为:
基于视频重组技术,将保存的灰度处理图像按时间顺序重组为灰度视频;
基于背景减除、背景增强视频处理方法,确定重组视频中的背景图像,同时将背景图像中运动区域和静止区域分为2类;
基于视频处理后的分类结果,用1和0分别进行标记运动区域和静止区域的像素点。
5.根据权利要求4所述的隧道掌子面地下水出水特征智能识别方法,其特征在于,基于运动区域和静止区域的分类二值图进行图像处理,获取图像运动区域和静止区域的二值图像和运动区域像素点位置信息,具体为:
基于图像处理技术和分类标签,将视频的各帧图像转换为运动区域和静止区域的二值图像;
基于标记结果,将2台相机采集视频的各帧图像中运动区域设置为黑色,静止区域设置为白色,实现二值图像的转换;
分别统计各视频各帧图像中黑色像素点的坐标(x,y)。
6.根据权利要求1所述的隧道掌子面地下水出水特征智能识别方法,其特征在于,基于图像映射原理和运动区域像素点位置信息进行隧道掌子面出水形态三维重构,具体包括:
基于右手法则,以图像左下角为坐标原点建立图像二维坐标系(X1,Y1),以相机镜头为坐标原点,构建相机三维坐标系(X2,Y2,Z2)以相机光束投射方向为Z2轴,构建的局部坐标系;
在图像坐标系中,识别结果图中任一像素点坐标可表示为(x1,y1),在相机坐标系中,该像素点(x2,y2)坐标与图像坐标系中的(x1,y1)保持一致,z2坐标值具体计算方法如下:
z2=y2cosγ
式中:z2—相机坐标系中z2坐标值;
y2—相机坐标系中y2坐标值;
γ—光束投射方向与地面夹角;
基于各像素点在地面坐标系(X3,Y3,Z3)和投影方程,分别计算任一像素点(x3,y3,z3)在X-Y,X-Z,Y-Z平面的投影坐标,具体计算过程如下:
x3=int(x2cosα)
y3=int(y2cosβ)
z3=int(z2cosγ)
式中:int—取整函数;
x3—任一像素点在地面坐标系中的X3坐标值;
y3—任一像素点在地面坐标系中的Y3坐标值;
z3—任一像素点在地面坐标系中的Z3坐标值;
x2—任一像素点在相机坐标系中的X2坐标值;
y2—任一像素点在相机坐标系中的Y2坐标值;
z2—任一像素点在相机坐标系中的Z2坐标值;
α—光束投射方向与X3轴夹角;
β—光束投射方向与Y3轴夹角;
γ—光束投射方向与Z3轴夹角;
基于地面坐标系构建的三维立方体,将三维立方体沿隧道掘进方向切割为L列,沿隧道宽度方向切割为M列,沿隧道高度方向切割为N层,总计L×M×N个子立方体;
根据计算各相机识别结果图中的黑色像素点坐标(x3,y3,z3),分别绘制在X3-Y3,X3-Z,Y3-Z3平面的投影图;
基于各平面的投影图,将立方体沿X轴、Y轴和Z轴的各“切片”对应的方格标为黑色;
基于2台相机采集视频识别和处理结果,对黑色“切片”进行叠加处理,叠加规则如下:
“黑A”+“黑B”=“黑”;
“黑A”+“白B”=“黑”;
“白A”+“黑B”=“黑”;
“白A”+“白B”=“白”;
叠加规则中A、B分别代表2台相机分别判释的结果。
7.根据权利要求1所述的隧道掌子面地下水出水特征智能识别方法,其特征在于,基于隧道掌子面出水形态三维重构结果确定隧道掌子面地下水出水体积、流量和流速,具体包括:
根据每个子立方体6面填色情况,...
【专利技术属性】
技术研发人员:童建军,易文豪,王明年,赵思光,桂登斌,刘大刚,于丽,钱坤,杨迪,
申请(专利权)人:西南交通大学,
类型:发明
国别省市:四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。