一种基于计算机视觉的地铁隧道破损检测方法技术

本发明专利技术公开了一种基于计算机视觉的地铁隧道破损检测方法，获取地铁隧道内壁的激光点云数据；将激光点云数据转换为隧道内壁深度图；将隧道内壁深度图转化为单通道图像，再依次进行膨胀处理、图像去噪和二值化操作，得到二值化图像；对二值化图像中的破损部分进行优化，得到地铁隧道内壁破损部分轮廓；本发明专利技术通过采集隧道内壁的三位激光点云数据，再转换为隧道内壁深度图，再深度图上对隧道内壁破损部分进行识别和标记，可以避免灰度图像数据收到光照信息的影响，检测抗干扰性强，可以提升检测精度。测精度。测精度。

【技术实现步骤摘要】
一种基于计算机视觉的地铁隧道破损检测方法


[0001]本专利技术属于地铁隧道检测
，尤其涉及一种基于计算机视觉的地铁隧道破损检测方法。

技术介绍

[0002]近年来，我国的基础设施建设规模增长迅速，已有的地铁隧道规模已经十分庞大。地铁发展已经超过30年。地铁发展模式已逐步从“建设为重”过渡为“建养并重”。地铁隧道无论采用何种开挖方法以及不同的埋深，地铁隧道结构在建设中以及建成后，地铁隧道结构要承受大量的上部荷载，还有来自周围土体的挤压。这些地铁隧道在运营阶段难免会出现老化，结构损坏等情况。这对于地铁的长期运营存在十分重大的安全隐患。所以，定期对运营阶段的地铁隧道进行安全监测，及时发现问题并进行对应的处理十分重要。隧道衬砌破损是隧道结构病害的重要内容之一，能够在一定程度上反映隧道结构的安全状况。现阶段相关地铁隧道监测规范将破损作为衡量地铁隧道安全监测的重要指标之一。因此，隧道衬砌破损的自动化检测具有非常重要的意义。
[0003]目前，隧道衬砌破损的检测方法以人工记录为主，技术人员用肉眼观察隧道衬砌破损并对此进行记录，这种检测方法效率低下，耗时长，而且检测结果主观因素影响较大，无法满足现代破损检测快速、准确的需求。近些年来，随着计算机科学技术和深度学习的飞速发展，在越来越多的工程领域开始使用计算机软件配合外部硬件设备来进行各种检测与测量，很多研究者将图像处理技术应用到破损病害检测这一工作当中，首先利用工业相机采集地铁隧道内表面图像，再利用图像处理技术进行分析、识别破损。这种方法可以实现破损病害检测的自动化，节省人力物力的同时提高检测的效率，是一种客观的检测方法。
[0004]但现阶段上述依赖计算机图像处理技术在破损病害识别中识别结果十分依赖图像的质量和所采用的识别算法，破损图像也常常伴随着许多噪声的干扰。地铁隧道衬砌破损的深度信息是4mm～10mm，且具有深度浅、面积小等特点，而这些特点往往在面阵相机采集的灰度图像上表现并不明显，进而导致识别精度低，易出现漏检、错检的问题。

技术实现思路

[0005]本专利技术的目的是提供一种基于计算机视觉的地铁隧道破损检测方法，通过采集地铁隧道的三维点云数据，并从中提取出隧道内壁深度图，再对隧道内壁深度图进行处理，规避了隧道衬砌破损在灰度图上的表现不明显性，提升了检测精度。
[0006]本专利技术采用以下技术方案：一种基于计算机视觉的地铁隧道破损检测方法，包括以下步骤：
[0007]获取地铁隧道内壁的激光点云数据；
[0008]将激光点云数据转换为隧道内壁深度图；
[0009]将隧道内壁深度图转化为单通道图像，再依次进行膨胀处理、图像去噪和二值化操作，得到二值化图像；
[0010]对二值化图像中的破损部分进行优化，得到地铁隧道内壁破损部分轮廓。
[0011]进一步地，将激光点云数据转换为隧道内壁深度图包括：
[0012]将激光点云数据投影到拟合椭圆轮廓中，并将点云数据到拟合椭圆圆心的距离作为对应像素的深度信息。
[0013]进一步地，对二值化图像中的破损部分进行优化包括：
[0014]根据隧道内壁螺栓孔到环缝的距离，从破损部分中剔除螺栓孔对应的部分。
[0015]进一步地，从破损部分中提出螺栓孔对应的部分之后还包括：
[0016]获取剔除螺栓孔对应的部分后的破损部分的第一轮廓；
[0017]对第一轮廓内的破损部分进行中值滤波；
[0018]对中值滤波后的破损部分进行直方图分析，得到深度差阈值；
[0019]根据深度差阈值确定破损区域的第二轮廓。
[0020]进一步地，根据深度差阈值确定破损区域的第二轮廓之后还包括：
[0021]删除为规则矩形的破损区域。
[0022]进一步地，根据深度差阈值确定破损区域的第二轮廓之后还包括：
[0023]删除深度信息与螺栓孔相等应的破损区域。
[0024]进一步地，得到地铁隧道内壁破损部分轮廓后还包括：
[0025]将破损部分轮廓映射到隧道内壁灰度图上，生成具有破损部分轮廓的隧道内壁灰度图。
[0026]本专利技术的另一种技术方案：一种基于计算机视觉的地铁隧道破损检测装置，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现上述的一种基于计算机视觉的地铁隧道破损检测方法。
[0027]本专利技术的有益效果是：本专利技术通过采集隧道内壁的三位激光点云数据，再转换为隧道内壁深度图，再深度图上对隧道内壁破损部分进行识别和标记，可以避免灰度图像数据收到光照信息的影响，检测抗干扰性强，可以提升检测精度。
附图说明
[0028]图1为本专利技术实施例的方法步骤流程图；
[0029]图2为本专利技术实施例中点云圆周展开原理图；
[0030]图3为本专利技术实施例中隧道内壁深度图；
[0031]图4为本专利技术实施例中隧道内壁深度图与局部深度图对比示意图；
[0032]图5为本专利技术实施例中剔除螺栓孔干扰阶段环缝拟合局部图；
[0033]图6为本专利技术实施例中破损的全局深度图和局部深度图；
[0034]图7为本专利技术实施例中的局部深度图；
[0035]图8为本专利技术实施例中破损局部深度图；
[0036]图9为本专利技术实施例中的直方图分析示意图；
[0037]图10为本专利技术实施例中隧道内壁灰度影像图；
[0038]图11为本专利技术实施例中破损识别结果的细节展示图；
[0039]图12为本专利技术实施例中另一破损部分识别结果的细节展示图；
[0040]图13为本专利技术实施例中另一破损部分识别结果的细节展示图。
具体实施方式
[0041]下面结合附图和具体实施方式对本专利技术进行详细说明。
[0042]本专利技术公开了一种基于计算机视觉的地铁隧道破损检测方法，如图1所示，包括以下步骤：获取地铁隧道内壁的激光点云数据；将激光点云数据转换为隧道内壁深度图；将隧道内壁深度图转化为单通道图像，再依次进行膨胀处理、图像去噪和二值化操作，得到二值化图像；对二值化图像中的破损部分进行优化，得到地铁隧道内壁破损部分轮廓。
[0043]本专利技术通过采集隧道内壁的三位激光点云数据，再转换为隧道内壁深度图，再深度图上对隧道内壁破损部分进行识别和标记，可以避免灰度图像数据收到光照信息的影响，检测抗干扰性强，可以提升检测精度。
[0044]本专利技术可以解决隧道破损病害的检测问题，其抗干扰能力强，识别准确度高和效率高。隧道破损病害特点为大多出现在环缝区域，大多为不规则块状、少数长条状，区域呈现凹凸不平，和周边区域相比具有一定的深度差，凹凸不平和深度差反映在灰度图像上为像素的差异。
[0045]本专利技术将三维激光扫描技术和图像识别技术相结合实现破损病害的自动识别，解决了现阶段人工检测效率低、耗时长、易受主观因素影响的问题；与其他传统图像识别算法相比，本方法通用性更广，抗干扰更强以及准确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于计算机视觉的地铁隧道破损检测方法，其特征在于，包括以下步骤：获取地铁隧道内壁的激光点云数据；将所述激光点云数据转换为隧道内壁深度图；将所述隧道内壁深度图转化为单通道图像，再依次进行膨胀处理、图像去噪和二值化操作，得到二值化图像；对所述二值化图像中的破损部分进行优化，得到地铁隧道内壁破损部分轮廓。2.如权利要求1所述的一种基于计算机视觉的地铁隧道破损检测方法，其特征在于，将所述激光点云数据转换为隧道内壁深度图包括：将所述激光点云数据投影到拟合椭圆轮廓中，并将点云数据到拟合椭圆圆心的距离作为对应像素的深度信息。3.如权利要求2所述的一种基于计算机视觉的地铁隧道破损检测方法，其特征在于，对所述二值化图像中的破损部分进行优化包括：根据隧道内壁螺栓孔到环缝的距离，从所述破损部分中剔除螺栓孔对应的部分。4.如权利要求3所述的一种基于计算机视觉的地铁隧道破损检测方法，其特征在于，从所述破损部分中提出螺栓孔对应的部分之后还包括：获取剔除螺栓孔对应的部分后的所述破损部分的第一轮廓；对所述第一轮廓内的破损部分进行中值滤波...

【专利技术属性】
技术研发人员：王百泉，卓越，王武刚，王华，郭卫社，高攀，邹翀，李沿宗，林春刚，彭涛，闫贺，张秋元，史振狮，尚伟，李荆，何晓红，
申请(专利权)人：中铁隧道勘察设计研究院有限公司，
类型：发明
国别省市：