盾构隧道衬砌管片隐伏裂缝识别方法技术

本发明专利技术涉及衬砌管片隐伏裂缝识别技术领域，具体涉及盾构隧道衬砌管片隐伏裂缝识别方法。方法包括：获取隧道内任一位置处的目标隧道内壁图像和所述目标隧道内壁图像中的各种遮挡物；根据目标隧道内壁图像中的各管线的最大内接矩形的面积和最小外接矩形的面积，得到目标隧道内壁图像中管线的扭曲程度；根据所述扭曲程度，对目标隧道内壁图像进行分块，得到各子区域块；根据各子区域块对应的各像素点的灰度值、实际深度值、理论深度值和训练好的全显示网络，得到目标隧道内壁图像的复原图像；对所述复原图像进行处理，得到对应的裂缝图像。本发明专利技术提高了对隧道内壁的衬砌管片裂缝的识别精度。识别精度。识别精度。

【技术实现步骤摘要】
盾构隧道衬砌管片隐伏裂缝识别方法


[0001]本专利技术涉及衬砌管片隐伏裂缝识别
，具体涉及盾构隧道衬砌管片隐伏裂缝识别方法。

技术介绍

[0002]衬砌管片隐伏裂缝作为一种常见的隧道病害，是发生重大事故的先兆，有可能引发重大交通安全事故。裂缝出现的主要原因有：列车冲击带来的长期振动；过度载荷导致的隧道沉降；渗漏水引起的衬砌和围岩的冻融开裂；地质结构的缓慢变化等。因此，地铁隧道的健康问题成为影响运营安全的重要因素，隧道裂缝病害检测自然成为地铁隧道周期性巡检的重要任务之一。
[0003]目前，对隧道衬砌管片裂缝检测主要依靠人工检测来实现，技术人员在隧道内缓慢移动，用肉眼观察裂缝，利用卡尺级裂缝宽度测量仪进行测量，凭借人工经验判断裂缝的危害性，主观性较大；并且由于隧道管线等物体对衬砌管片的遮挡，导致无法对遮挡部分的裂缝进行识别，精度较低。

技术实现思路

[0004]为了解决现有对隧道衬砌管片裂缝进行检测的精度较低的问题，本专利技术的目的在于提供一种盾构隧道衬砌管片隐伏裂缝识别方法，所采用的技术方案具体如下：
[0005]本专利技术提供了一种盾构隧道衬砌管片隐伏裂缝识别方法包括以下步骤：
[0006]获取隧道内任一位置处的目标隧道内壁图像和所述目标隧道内壁图像中的各种遮挡物；所述目标隧道内壁图像中各像素点对应一个灰度值和一个实际深度值；所述目标隧道内壁图像由多个相机拍摄到的不同的衬砌管片图像得到；
[0007]根据隧道内该位置处各相机的排列位置，得到目标隧道内壁图像中各像素点对应的理论深度值；
[0008]根据目标隧道内壁图像中的各管线的最大内接矩形的面积和最小外接矩形的面积，得到目标隧道内壁图像中管线的扭曲程度；所述管线属于遮挡物的一种；根据所述扭曲程度，对目标隧道内壁图像进行分块，得到各子区域块；
[0009]根据各子区域块对应的各像素点的灰度值、实际深度值、理论深度值和训练好的全显示网络，得到目标隧道内壁图像的复原图像；对所述复原图像进行处理，得到对应的裂缝图像。
[0010]优选的，获取隧道内任一位置处的目标隧道内壁图像和所述目标隧道内壁图像中的各种遮挡物，包括：
[0011]获取隧道内该位置处各相机拍摄到的衬砌管片图像；将各相机拍摄到的衬砌管片图像按顺序进行图像拼接，得到隧道内该位置处对应的初始隧道内壁图像；所述初始隧道内壁图像为隧道内该位置处隧道内壁一圈的图像；
[0012]将所述初始隧道内壁图像转化为灰度图像，记为隧道内壁灰度图像；
[0013]将隧道内壁灰度图像输入到训练好的第一神经网络中，识别出隧道内壁灰度图像中的竖向接缝和各种遮挡物；所述第一神经网络用于识别图像中的接缝和不同种类的遮挡物；
[0014]根据隧道内壁灰度图像中的竖向接缝，将隧道内壁灰度图像分割为横向宽度与衬砌管片宽度相同的图像，得到目标隧道内壁图像；所述竖向接缝为平行于隧道内壁灰度图像长边的接缝。
[0015]优选的，根据隧道内该位置处各相机的排列位置，得到目标隧道内壁图像中各像素点对应的理论深度值，包括：
[0016]所述各相机是按照圆形阵列摆放的，所述圆形阵列的圆心与隧道横截面的圆心重合；
[0017]对于隧道内该位置处的任一相机：以该相机平面的中心点为原点，以过原点沿该相机平面竖直向上的轴为y轴，以过原点以垂直于该相机平面向着隧道内壁方向的轴为z轴，构建平面直角坐标系；根据所述平面直角坐标系，构建隧道横截面圆周曲线方程；根据隧道横截面圆周曲线方程，得到该相机在隧道内该位置拍摄到的衬砌管片图像中各像素点对应的理论深度值；所述衬砌管片图像中每一行对应的像素点对应的理论深度值相同；
[0018]根据隧道内该位置处各相机对应的衬砌管片图像中各像素点对应的理论深度值，得到目标隧道内壁图像中各像素点对应的理论深度值。
[0019]优选的，所述隧道横截面圆周曲线方程为：
[0020]y2+(z+d)2＝R2[0021]其中，R为隧道横截面圆周曲线的半径，d为所述圆形阵列圆心到该相机平面的距离，y为平面直角坐标系中的横坐标，z为平面直角坐标系中的纵坐标。
[0022]优选的，根据隧道横截面圆周曲线方程，得到该相机在隧道内该位置拍摄到的衬砌管片图像中各像素点对应的理论深度值，包括：
[0023]对于该相机在隧道内该位置拍摄到的衬砌管片图像中过中心点的一列中任一像素点：
[0024]计算该像素点对应的理论深度值的公式为：
[0025][0026]其中，为该像素点对应的理论深度值，为该像素点对应的横坐标。
[0027]优选的，根据目标隧道内壁图像中的各管线的最大内接矩形的面积和最小外接矩形的面积，得到目标隧道内壁图像中管线的扭曲程度的公式为：
[0028][0029]其中，Tw为目标隧道内壁图像中管线的扭曲程度，为目标隧道内壁图像中第1个管线的最小外接矩形的面积，为目标隧道内壁图像中第1个管线的最大内接矩形的面积，为目标隧道内壁图像中第2个管线的最小外接矩形的面积，为目标隧道内壁图像中第2个管线的最大内接矩形的面积，为目标隧道内壁图像中第i个管线的最小外接矩形的面积，为目标隧道内壁图像中第i个管线的最大内接矩形的面积，Max{}
为最大值。
[0030]优选的，根据所述扭曲程度，对目标隧道内壁图像进行分块，得到各子区域块，包括：
[0031]根据目标隧道内壁图像中管线的扭曲程度，计算目标隧道内壁图像的横向拆分数量；所述横向拆分数量为将目标隧道内壁图像的短边进行拆分的数量；
[0032]计算横向拆分数量的预设倍数，得到竖向拆分数量；所述竖向拆分数量为将目标隧道内壁图像的长边进行拆分的数量；
[0033]根据横向拆分数量和竖向拆分数量，对所述目标隧道内壁图像进行分块，得到各子区域块；所述各子区域块的数量为横向拆分数量和竖向拆分数量的乘积；
[0034]所述计算所述目标隧道内壁图像的横向拆分数量的公式为：
[0035][0036]其中，B为横向拆分数量，Tw为目标隧道内壁图像中管线的扭曲程度，θ为最低划分数量，μ是比例系数，为向下取整。
[0037]优选的，根据各子区域块对应的各像素点的灰度值、实际深度值、理论深度值和训练好的全显示网络，得到目标隧道内壁图像的复原图像，包括：
[0038]对于任一子区域块：将该子区域块对应的所有像素点按从左到右，从上到下的顺序进行排列；将该子区域块中各像素点对应的灰度值和实际深度值按照像素点排列的顺序进行拼接，构建该子区域块对应的特征向量；将该子区域块中各像素点对应的灰度值和理论深度值按照像素点排列的顺序进行拼接，构建该子区域块对应的理论深度向量；
[0039]按照从左到右，从上到下的顺序对各子区域块进行位置编码，得到各子区域块对应的位置标签；
[0040]将各目标子区域块对应的特征向量、理论深度向量和位置标签输入到训练好的全显示网络中，得到所述目标隧道内壁图像的复原图像；所述目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种盾构隧道衬砌管片隐伏裂缝识别方法，其特征在于，该方法包括以下步骤：获取隧道内任一位置处的目标隧道内壁图像和所述目标隧道内壁图像中的各种遮挡物；所述目标隧道内壁图像中各像素点对应一个灰度值和一个实际深度值；所述目标隧道内壁图像由多个相机拍摄到的不同的衬砌管片图像得到；根据隧道内该位置处各相机的排列位置，得到目标隧道内壁图像中各像素点对应的理论深度值；根据目标隧道内壁图像中的各管线的最大内接矩形的面积和最小外接矩形的面积，得到目标隧道内壁图像中管线的扭曲程度；所述管线属于遮挡物的一种；根据所述扭曲程度，对目标隧道内壁图像进行分块，得到各子区域块；根据各子区域块对应的各像素点的灰度值、实际深度值、理论深度值和训练好的全显示网络，得到目标隧道内壁图像的复原图像；对所述复原图像进行处理，得到对应的裂缝图像。2.根据权利要求1所述的盾构隧道衬砌管片隐伏裂缝识别方法，其特征在于，获取隧道内任一位置处的目标隧道内壁图像和所述目标隧道内壁图像中的各种遮挡物，包括：获取隧道内该位置处各相机拍摄到的衬砌管片图像；将各相机拍摄到的衬砌管片图像按顺序进行图像拼接，得到隧道内该位置处对应的初始隧道内壁图像；所述初始隧道内壁图像为隧道内该位置处隧道内壁一圈的图像；将所述初始隧道内壁图像转化为灰度图像，记为隧道内壁灰度图像；将隧道内壁灰度图像输入到训练好的第一神经网络中，识别出隧道内壁灰度图像中的竖向接缝和各种遮挡物；所述第一神经网络用于识别图像中的接缝和不同种类的遮挡物；根据隧道内壁灰度图像中的竖向接缝，将隧道内壁灰度图像分割为横向宽度与衬砌管片宽度相同的图像，得到目标隧道内壁图像；所述竖向接缝为平行于隧道内壁灰度图像长边的接缝。3.根据权利要求1所述的盾构隧道衬砌管片隐伏裂缝识别方法，其特征在于，根据隧道内该位置处各相机的排列位置，得到目标隧道内壁图像中各像素点对应的理论深度值，包括：所述各相机是按照圆形阵列摆放的，所述圆形阵列的圆心与隧道横截面的圆心重合；对于隧道内该位置处的任一相机：以该相机平面的中心点为原点，以过原点沿该相机平面竖直向上的轴为y轴，以过原点以垂直于该相机平面向着隧道内壁方向的轴为z轴，构建平面直角坐标系；根据所述平面直角坐标系，构建隧道横截面圆周曲线方程；根据隧道横截面圆周曲线方程，得到该相机在隧道内该位置拍摄到的衬砌管片图像中各像素点对应的理论深度值；所述衬砌管片图像中每一行对应的像素点对应的理论深度值相同；根据隧道内该位置处各相机对应的衬砌管片图像中各像素点对应的理论深度值，得到目标隧道内壁图像中各像素点对应的理论深度值。4.根据权利要求3所述的盾构隧道衬砌管片隐伏裂缝识别方法，其特征在于，所述隧道横截面圆周曲线方程为：y2+(z+d)2＝R2其中，R为隧道横截面圆周曲线的半径，d为所述圆形阵列圆心到该相机平面的距离，y为平面直角坐标系中的横坐标，z为平面直角坐标系中的纵坐标。
5.根据权利要求4所述的盾构隧道衬砌管片隐伏裂缝识别方法，其特征在于，根据隧道横截面圆周曲线方程，得到该相机在隧道内该位置拍摄到的衬砌管片图像中各像素点对应的理论深度值，包括：对于该相机在隧道内该位置拍摄到的衬砌管片图像中过中心点的一列中任一像素点：计算该像素点对应的理论深度值的公式为：其中，为该像素点对应的理论深度值，为该像素点对应的横坐标。6.根据权利要求1所述的盾构隧道衬砌管片隐伏裂缝识别方法，其特征在于，根据目标隧道内壁图像中的各管线的最大内接矩形的面积和最小外接矩形的面积，得到目标隧道内壁图像中管线的扭曲程度的公式为：其中，Tw为目标隧道内壁图像中管线的扭曲程度，为目标隧道内壁图像中第1个管线的最小外接矩形的面积，为目标隧道...

【专利技术属性】
技术研发人员：王平让，程杰，汪德才，李柄成，任永杰，王亮亮，魏锦辉，宋衡星，
申请(专利权)人：郑州航空工业管理学院，
类型：发明
国别省市：