CN104266591A - 一种隧道内移动装置的移位检测方法 - Google Patents

Abstract

本发明提出了一种隧道内移动装置的移位检测方法，有效修正移动装置的位移，为移动装置获取隧道图像提供更为精确的位移数据。本发明将隧道分为若干给定区间，利用红外对管输出位移传感器测距复位信号，有效地解决了长距离位移测量带来的误差不断积累问题；利用图像算法检测管片接缝位置并进行多次测量进行误差分析，通过大量数据分析，得出由轮轨打滑和S形路线造成的位移测量误差的概率分布模型，估计误差期望，从而分配总误差，降低每一段的测量误差。

Description

一种隧道内移动装置的移位检测方法

技术领域

本发明涉及一种隧道内移动装置的移位检测方法，其可以用于测量隧道车等移动装置的行进位移。

背景技术

近年，有相关单位与学者提出了隧道表面信息自动化采集***，该***主要是利用光学成像技术，在移动平台上安装相机设备，对地铁隧道拍摄高清图像并记录图像拍摄位置。如果利用数字图像处理与计算机视觉技术，对地铁隧道图像进行智能化检测分析，则可以实现地铁隧道智能化信息监测与管理，对地铁运营的安全维护有重要意义。在地铁隧道上高速移动拍摄隧道表面图像具有很大的难度。移动平台在高速前进过程中，通过轮轨摩擦产生牵引力，该过程中不可避免地存在车轮打滑以及由于轮轨缝隙而以S形路线前进。这给移动移动平台的位移测量带来很大的挑战。由于隧道成像技术多采用高速线阵相机拍摄，利用测量位移进行图像融合，所以移动平台位移测量的精度直接影响隧道成像的准确度。此外，隧道铁轨的沉降一方面影响车辆运行安全，另一方面也增加了移动平台位移测量的难度。

发明内容

本发明提出了一种隧道内移动装置的移位检测方法，有效修正移动装置的位移，为移动装置获取隧道图像提供更为精确的位移数据。

本发明的技术方案是这样实现的：

一种隧道内移动装置的移位检测方法，其特征在于包括以下步骤：

在隧道给定的区间的两端和移动装置上分别安装信号收发对，线阵CCD相机与位移传感器固定于移动装置；

移动装置移动过程中，位移传感器提供位移信号，线阵CCD相机根据该位移信号获取隧道内管片的图像；

沿着隧道延伸方向对图像分块压缩存储，降噪处理；

利用梯度边缘检测算法以及图像区域灰度特征对图像进行分割，并作形态学膨胀腐蚀与二值化处理，获得轮廓特征；

利用图像直线检测算法，由隧道管片轮廓特征提取相邻管片接缝的轮廓信息，并由位移传感器获得当前管片接缝的位置，已知该管片接缝在给定区间的位置，得出管片接缝测量误差；

多次测量，比较同一管片接缝的测量误差变化，获得该管片位置的位移传感器测量误差的概率分布模型；

获得每一管片的测量位移误差的期望值，分配位移传感器的测量值与区间总长度的总误差。

在本发明的隧道内移动装置的移位检测方法中，根据给定区间内位移误差的分布，拟合误差分布曲线，按该分布曲线，分配总误差。

在本发明的隧道内移动装置的移位检测方法中，将隧道分为若干个给定区间，各区间之间设置红外收发装置。

在本发明的隧道内移动装置的移位检测方法中，经给定区间后，位移传感器的位移值清零。

在本发明的隧道内移动装置的移位检测方法中，图像的降噪方法包括图像增强以及滤波算法。

在本发明的隧道内移动装置的移位检测方法中，所述信号收发对由红外发射装置和接收装置组成。

在本发明的隧道内移动装置的移位检测方法中，所述红外接收装置为红外接收管阵列，该红外接收管阵列安装在隧道车上，根据红外线照射在红外接收管阵列上的位置，计算沉降。

实施本发明的隧道内移动装置的移位检测方法，具有以下有益效果：本发明将隧道分为若干给定区间，利用红外对管输出位移传感器测距复位信号，有效地解决了长距离位移测量带来的误差不断积累问题；利用图像算法检测管片接缝位置并进行多次测量进行误差分析，通过大量数据分析，得出由轮轨打滑和S形路线造成的位移测量误差的概率分布模型，估计误差期望，从而分配总误差，降低每一段的测量误差；利用高分辨率红外接收管阵列，可以有效监测特定位置铁轨沉降。

附图说明

图1为本发明的隧道分割示意图；

图2为本发明的一种实施方式下隧道内移动装置；

图3本发明的隧道内移动装置的移位检测方法的流程图；

图4为图3的***结构示意图；

图5表示在存在打滑和S路线前进的前提下，车体实际运行位移曲线与传感器测得的位移曲线。

图6为待拼接的两幅图；

图7为两幅图拼接区域的拼接系数曲线图；

图8为图6的拼接结果。

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。

参照图4，位移传感器可以是一个测距轮，一般情况下，车轮视为匀速运动。由于打滑和S行进的存在，车体实际运行速度发生变化，车***移一般小于位移传感器测得的位移，如图5。在实际应用中，移动装置需要拍摄隧道图像并对拍摄位置进行标定，因此需要将位移传感器测得的行进速度和位移修正为车体的实际速度和位移，即根据每个位置打滑和S行进程度的不同，适当削减位移传感器测得的位移数据。

如图1，本发明的隧道内移动装置的移位检测方法，包括以下步骤：

S01：将隧道分为若干个给定区间，例如隧道长度800m，分为100m长的八个区间，每一区间又由多个隧道管片组成，如图2所示。在隧道给定的区间的两端和移动装置上分别安装信号收发对，线阵CCD相机与位移传感器固定于移动装置，参照图4。

S02：移动装置移动过程中，位移传感器提供位移信号，线阵CCD相机根据该位移信号获取隧道内管片的图像。利用多个高速线阵CCD相机、位移传感器以及光照补偿辅助照明***获取隧道内部高清图像。对单个线阵CCD相机的图像进行融合，得到图像I。并沿着隧道延伸方向按固定单位长度对图像分块压缩存储{I₁,I₂,...I_n}，n表示图像分块个数。

S03：沿着隧道延伸方向对图像分块压缩存储，降噪处理。图像分割算法选择梯度算子其中，G_x,G_y分别为经横向及纵向边缘检测的图像，B_x,B_y为3*3参数矩阵。粗轮廓特征为图像轮廓区域的灰度信息作为灰度特征利用直方图均衡以及高斯滤波方法，对I_i,i∈{1,2,...,n}进行增强与滤波，降低光照影响与图像噪声。二维零均值离散高斯滤波函数其中σ为噪声方差。该滤波器对图像中的服从正态分布的噪声有很好的抑制效果。图像滤波结果记为

S04：利用梯度边缘检测算法以及图像区域灰度特征对图像进行分割，并作形态学膨胀腐蚀与二值化处理，获得轮廓特征。对粗轮廓特征进行膨胀腐蚀处理，对粗轮廓特征进行修剪细化，得到更好的分割效果，记为对进行自适应阈值的二值化处理，得到图像的轮廓特征

S05：利用图像直线检测算法，由隧道管片轮廓特征提取相邻管片接缝的轮廓信息，并由位移传感器获得当前管片接缝的位置。在比较短的时间内，隧道管片可以视为静止参照，由隧道图像和给定区间的长度(该长度预设，相邻红外收发对的间距)得出隧道管片和管片接缝的测量坐标p′₁,p′₂,p′₃,...,p′_m，(m为给定区间管片的数量)进而得出特定管片接缝之间的距离S1。位移传感器可以测量移动装置在该管片接缝之间的移动位移S2，△＝S2-S1得到管片接缝测量误差。

S06：该红外接收管阵列安装在隧道车上，根据红外线照射在红外接收管阵列上的位置，计算沉降。经过每一给定区间后，位移传感器的位移值清零。红外接收管至少具有以下作用：标记区间的大小，位移传感器清零，以便消除误差在下一区间测量时的积累；测量车体沉降。

S07：多次测量，比较同一管片接缝的位移变化，获得该管片位置的位移传感器测量误差的概率分布模型。多次测量可以得出同一管片的误差△的分布，进而得出期望和方差等参数，参照S05所述。

S08：获得每一管片的位移误差的期望值，根据给定区间内位移误差的分布，拟合误差分布曲线，按该分布曲线，分配位移传感器的测量值与区间总长度的总误差。误差分布曲线为不同位置的误差△的大小分布，显示了移动装置在不同位置由于轨道打滑、S路线等引起的误差。在同一区间，误差总和由位移传感器在该区间的位移值与区间长度的差值得出。总误差需要在该区间内进行分配，在本实施例中，根据不同位置的误差分布，尤其是误差期望值的分布，分配总误差。例如，总误差为10cm，管片位移误差分布分别为0.3、0.1、0.1、0.2、0.3，则每一管片分担的误差值分别为3cm、1cm、1cm、2cm、3cm，即将位移传感器不同位置的测量值依次减去误差分担。

在本发明中，隧道内壁为弧形，面积大，单个相机无法获取整个隧道的全部图像，需要多个CCD相机配合实现。CCD相机获得的图像会相互交叉，因此在单个相机获取图像后，需要对图像进行拼接。因此得到单个相机的固定尺寸的图像后，利用红外激光器标记对不同CCD相机获取的图像进行拼接融合，具体如下述。

对图像进行灰度变换、硬阈值分割，得到二值轮廓特征图，采用Hough算法检测轮廓特征图的直线，直线应与图像至少一个边的夹角小于5℃，对距离小于设定阈值ξ的两条直线认定为重复直线，只保留其中一条。标记长度大于设定值的直线，直线坐标为pos(pos为直线的横坐标或者纵坐标)，图像拼接区间为[pos–index,pos+index]，index为拼接区间宽度参数。阈值ξ小于10个像素。

生成拼接系数参数y_x＝0.5*exp(-0.5*x²/σ²)，其中，x∈[-index,index],σ＝20；拼接图像 $I_j=\left\{\begin{array}{c}{I}_{1j}*(1-y_{j-{\mathrm{pos}}_{\max }})+I_{2({\mathrm{pos}}_{\min }+j-{\mathrm{pos}}_{\max })}*y_{j-{\mathrm{pos}}_{\max }},j\∈[{\mathrm{pos}}_{\max }-\mathrm{index},{\mathrm{pos}}_{\max }]\\ I_{2({\mathrm{pos}}_{\min }+j-{\mathrm{pos}}_{\max })}*(1-y_{j-{\mathrm{pos}}_{\max }})+I_{1j}*y_{j-{\mathrm{pos}}_{\max }},j\∈[{\mathrm{pos}}_{\max },{\mathrm{pos}}_{\max }+\mathrm{index}]\\ I_{1j},j\∈[0,{\mathrm{pos}}_{\max })\\ I_{2({\mathrm{pos}}_{\min }+j-{\mathrm{pos}}_{\max })},j\∈{(\mathrm{pos}}_{\max }+\mathrm{index},W]\end{array}\right.,$ 其中j为图像上的坐标，I_j表示坐标为j的像素线，I₁,I₂表示相邻的两幅图像，I_1j表示I₁上坐标为j的像素线，pos_max表示I₁,I₂中pos坐标较大的一个，pos_min表示I₁,I₂中pos坐标较小的一个，W＝max(pos1,pos2)+W₂-min(pos1,pos2)为合成图像的宽度。I₁,I₂两幅图像对应的激光线位置pos是不一样的，分成pos1，pos2；对于较大pos值(pos_max)的图我们保留其左半图，较小pos值的图(pos_min)我们保留右半部分,合成图像的大小为：max(pos1,pos2)+W₂-min(pos1,pos2)，合成后的图像坐标系与左半边图像一致。在融合区域之外，拼接图像分别于I₁,I₂一致，在融合区域内(区间[pos–index,pos+index])，拼接图像由I₁,I₂分别乘以其拼接参数而成。拼接参数的取值随着坐标j的变化而变化，图7显示了图像拼接区域的拼接系数曲线图，图6和图8显示了拼接前后的图像。

本发明的盾构隧道的管片移位检测方法可以采用图3所示的***实现，其由主控单元、线阵CCD相机、图像压缩单元、图像存储单元、同步控制器、位移传感器等构成。该同步控制器的输入端连接至所述主控单元，输出端连接至所述图像压缩单元，该图像压缩单元的输出端连接至所述线阵CCD相机，该图像压缩单元的输出端还连接至所述图像存储单元，该图像存储单元的输出端连接至所述主控单元。位移传感器提供原始位移信号，依次通过主控单元、同步控制器、图像压缩单元控制线阵CCD相机抓取图像数据，线阵CDD相机将该图像数据连通该时刻的位移信号提供给图像压缩单元，图像压缩单元将图像、位移数据发送至图像存储单元。图像存储单元将图像数据提供给主控单元，主控单元对图像进行拼接、分析，得到管片接缝尺寸。此外，为保证图像亮度，还可以设置光照补偿***，其可以包括面光源。移动存储设备可以便于将图像存储单元等存储的数据读出。

本发明的移动装置的移位检测方法可以修正车轮测距的误差，实现对移动装置，例如测量车的位移。其可以用于隧道***中，例如隧道病害的识别与隧道缺陷的高速检测。隧道***对隧道内壁的测量均要求提供一位移传感器，该位移传感器可以获得车体运动的速度。由于单一的车轮智能提供车轮的速度，需要采用本发明的位移监测方法加以修正。

隧道缺陷的高速检测***至少包括可移动的检测平台、主控单元、线状激光器、面阵CCD相机、位移传感器、同步控制器、高速存储模块、存储模块、校正模块以及惯性导航仪。检测平台为本***的承载装置，其可以是隧道小车，该隧道小车在轨道上行走的过程中，***实时的获取隧道内侧面的图像信息，获得全景影像。主控单元为本发明的中央处理器件，主要控制各设备单元数据传输并进行相关计算等。图像压缩单元将图像压缩后经主控单元存储至高速存储模块。线状激光器安装在检测平台上，该线状激光器发射线状激光，线状激光打在隧道内侧，反射至面阵CCD相机，相机上的可见光截止滤光片过滤可见光，相机只获取红外激光线的反射光形成高亮线条。面阵CCD相机安装在所述检测平台上。其为CCD图像传感器，CCD上有许多排列整齐的电容，能感应光线，经由外部电路的控制，每个小电容能将其所带的电荷转给它相邻的电容，最终并将影像转变成数字信号。位移传感器在轨道上滑动，根据转速测量检测小车的位置，以便测量全程隧道。同步控制器根据位移传感器的位移值控制所述控制图像压缩单元，图像压缩单元控制面阵CCD相机摄像，该同步控制器可以收纳在主控单元内。***安装完成后，用存储模块记录安装参数，包括安装基线的长度、线状激光器与该安装基线的夹角、面阵CCD相机的焦距。该参数存储在所述存储模块内，与同步控制器相同，该存储模块收纳在所述主控单元内。校正模块同为存储器件，在第一次测量时，该校正模块提供一经验值，此后逐渐修正，最终存储一最优修正参数offset。该修正参数可以修正测量小车、隧道轨道等对测量结果的影响。惯性导航仪测量检测平台的水平方向与前进方向震动，并根据该水平震动提供修正参数本发明的这种隧道缺陷的高速检测***采用线状激光器作为光源，多组检测平台实时发射高强度激光信号，能获得高密度的检测结果。同时本发明采用独特的空间建模方法，能准确地对隧道内壁进行高精度三维建模。

隧道缺陷的高速检测方法，采用如下检测步骤：

S01：将线状激光器2与面阵CCD相机3安装固定在同一平台上，面阵CCD相机的镜头与线状激光器处于同一平面。存储线状激光器2与面阵CCD相机3的焦点限定的安装基线的长度s、线状激光器2与该安装基线的夹角β以及面阵CCD相机3的焦距f。焦点为F。FL＝s，P₁LP＝β，FF₁＝f。O为FL的中点，所以FO也为已知量。

S02：线状激光发射激光线，面阵CCD相机3获取激光反射图像，识别出激光光线，以图像中心点(该图像中心点可以是焦点在成像元件上的投影)为原点建立坐标系，X轴的方向垂直于激光线。依据计算激光线中点P₁，连续的N个中点P₁组成打在隧道上的激光线的中线01，该中线01对应于成像元件32上的中线03。

S03：计算中点P₁与线状激光器2的距离其中offset为修正参数，PixelSize为像素尺寸，x₁为中点的像P₁'与坐标原点之间的像素个数。在附图中，d₁＝P₁L。P₁L、OL以及β，根据正弦定理，可计算P₁O。已知以检测车的移动方向为X，激光中线的方向为Y，x₁对应P₁'的横坐标。

S04：根据三余弦定理，计算中点之外各点P₂与线状激光器2的距离。在成像元件32上，P₁'与P₂'之间的距离由点间像素个数与像素尺寸求出。三角形P₁'P₂'F三角形P₁ P₂F相似，P₁'F与P₁ F以及已知，可计算P₁ P₂。又P₁O已知，可计算P₂O、P₁OP₂。由P₁O和P₁L以及β，可计算P₁O P。P₁ P₂垂直于面P1FL，根据三余弦定理，cosP₂OP＝cosP₁OP₂*cosP₁OP，已知P₂OP、OL以及P₂O，可计算P₂L。已知中点P₁，可计算激光线上中点以外其他各点与激光器的距离，或者说，在计算出中线01上各中点的位置，即可计算所有激光光线上各点的位置。

S05：首次测量时offset代入经验值，多次测量，确定该offset对测量结果的影响，并根据测量结果确定offset值。Offset参数的引入可以减少特殊安装位置和工况对测量结果的影响。得出offset与测量结果的相关性后，根据测量结果偏差方向，代入不同的offset，以降低测量结果的误差。

S06：测量检测小车在前进过程中水平的震动误差并对当前隧道截面的每个实测距离进行修正水平的震动误差由惯性导航仪测量，并将数据提供给主控单元1。在本发明中，惯性导航仪可以测量xyz三个方向的误差，并对测量结果进行修正。

S07：利用移动载体对整个隧道进行全景测量，得到隧道的三维空间点云数据，根据云数据重构隧道模型。隧道测量速度快，优选的采用高速存储模块9存储图像数据，并借助图像压缩单元31对图像信息进行压缩。

上述步骤详述了可行的计算方法，对本发明而言，较为重要的是采用线状红外激光器测量，对计算公式没有特别的限制，根据精度要求的不同，也可以采用其他可行的计算方法。

能够得到比较理想的测量结果主要原因是利用相机校正，测距曲线拟合纠正参数，亚像素细分定位算法等技术保证了***的准确性与稳定性，利用该方法设计的隧道缺陷监测***可以准备地对地铁等隧道进行建模重构，隧道形变监测变得简单高效。

隧道病害的识别***，可以由主控单元、线阵CCD相机、图像压缩单元、图像存储单元、同步控制器、位移传感器等构成。该同步控制器的输入端连接至所述主控单元，输出端连接至所述图像压缩单元，该图像压缩单元的输出端连接至所述线阵CCD相机，该图像压缩单元的输出端还连接至所述图像存储单元，该图像存储单元的输出端连接至所述主控单元。位移传感器提供原始位移信号，依次通过主控单元、同步控制器、图像压缩单元控制线阵CCD相机抓取图像数据，线阵CDD相机将该图像数据连通该时刻的位移信号提供给图像压缩单元，图像压缩单元将图像、位移数据发送至图像存储单元。图像存储单元将图像数据提供给主控单元，主控单元对图像进行拼接、分析，得到病害位置。此外，为保证图像亮度，还可以设置光照补偿***，其可以包括面光源。移动存储设备可以便于将图像存储单元等存储的数据读出。

隧道病害的识别方法，主要包括如下步骤：

S1：获取图像。利用多个高速线阵CCD相机、位移传感器以及光照补偿辅助照明***获取隧道内部高清图像，得到图像I，并沿着隧道延伸方向按固定单位长度对图像分块压缩存储{I₁,I₂,...I_n}，n表示图像分块个数。为一种病害的拍摄结果。

S2：将I_i,i∈{1,2,...,n}转化为灰度图像，并进行去噪处理，去噪结果为利响与图像噪声。二维零均值离散高斯滤波函数其中σ为噪声方差。该滤波器对图像中的服从正态分布的噪声有很好的抑制效果。图像滤波结果记为

S3：对进行图像分割，提取粗轮廓特征以及灰度特征图像分割算法选择梯度算子其中，G_x,G_y分别为经横向及纵向边缘检测的图像，B_x,B_y为3*3参数矩阵。粗轮廓特征为图像轮廓区域的灰度信息作为灰度特征

S4：对粗轮廓特征进行形态学处理并对特征二值化，得到对粗轮廓特征进行膨胀腐蚀处理，对粗轮廓特征进行修剪细化，得到更好的分割效果，记为对进行自适应阈值的二值化处理，得到图像的轮廓特征

S5：建立隧道表面正常轮廓特征与病害特征数据库E₁,E₂,E₃,E₄。利用以上步骤对测试隧道进行轮廓特征和灰度特征提取，利用大量测试结果建立正常隧道表面轮廓特征数据库E₁,裂缝轮廓特征数据库E₂，渗水轮廓特征数据库E₃以及衬砌剥落轮廓特征E₄。

S6：监测隧道表面。利用上述相同算法提取隧道表面轮廓特征与灰度特征，通过与已知类型轮廓特征数据库进行比较，进行轮廓特征分类，获得当前监测隧道表面轮廓特征类型，并通过多次检测提高分类准确性。

S7：隧道表面病害参数计算。利用病害轮廓特征估计相关病害参数：渗水面积，裂缝宽度以及衬砌剥落面积等。

在本发明中，隧道内壁为弧形，面积大，单个相机无法获取整个隧道的全部图像，需要多个CCD相机配合实现。CCD相机获得的图像会相互交叉，因此在单个相机获取图像后，需要对图像进行拼接。因此在单个相机获取图像后，优选的进行以下步骤：对图像进行灰度变换、硬阈值分割，得到二值轮廓特征图，采用Hough算法检测轮廓特征图的直线，直线应与图像至少一个边的夹角小于5℃，对距离小于设定阈值ξ的两条直线认定为重复直线，只保留其中一条。标记长度大于设定值的直线，直线坐标为pos(pos为直线的横坐标或者纵坐标)，图像拼接区间为[pos–index,pos+index]，index为拼接区间宽度参数。阈值ξ小于10个像素。生成拼接系数参数y_x＝0.5*exp(-0.5*x²/σ²)，其中，x∈[-index,index],σ＝20；拼接图像

$I_j=\left\{\begin{array}{c}{I}_{1j}*(1-y_{j-{\mathrm{pos}}_{\max }})+I_{2({\mathrm{pos}}_{\min }+j-{\mathrm{pos}}_{\max })}*y_{j-{\mathrm{pos}}_{\max }},j\∈[{\mathrm{pos}}_{\max }-\mathrm{index},{\mathrm{pos}}_{\max }]\\ I_{2({\mathrm{pos}}_{\min }+j-{\mathrm{pos}}_{\max })}*(1-y_{j-{\mathrm{pos}}_{\max }})+I_{1j}*y_{j-{\mathrm{pos}}_{\max }},j\∈[{\mathrm{pos}}_{\max },{\mathrm{pos}}_{\max }+\mathrm{index}]\\ I_{1j},j\∈[0,{\mathrm{pos}}_{\max })\\ I_{2({\mathrm{pos}}_{\min }+j-{\mathrm{pos}}_{\max })},j\∈{(\mathrm{pos}}_{\max }+\mathrm{index},W]\end{array}\right.,$

其中j为图像上的坐标，I_j表示坐标为j的像素线，I₁,I₂表示相邻的两幅图像，I_1j表示I₁上坐标为j的像素线，pos_max表示I₁,I₂中pos坐标较大的一个，pos_min表示I₁,I₂中pos坐标较小的一个，W＝max(pos1,pos2)+W₂-min(pos1,pos2)为合成图像的宽度。I₁,I₂两幅图像对应的激光线位置pos是不一样的，分成pos1，pos2；对于较大pos值(pos_max)的图我们保留其左半图，较小pos值的图(pos_min)我们保留右半部分,合成图像的大小为：max(pos1,pos2)+W₂-min(pos1,pos2)，合成后的图像坐标系与左半边图像一致。在融合区域之外，拼接图像分别于I₁,I₂一致，在融合区域内(区间[pos–index,pos+index])，拼接图像由I₁,I₂分别乘以其拼接参数而成。拼接参数的取值随着坐标j的变化而变化。

位移传感器可以是一个测距轮，一般情况下，车轮视为匀速运动。由于打滑和S行进的存在，车体实际运行速度发生变化，车***移一般小于位移传感器测得的位移。在实际应用中，移动装置需要拍摄隧道图像并对拍摄位置进行标定，因此需要将位移传感器测得的行进速度和位移修正为车体的实际速度和位移，即根据每个位置打滑和S行进程度的不同，适当削减位移传感器测得的位移数据。

本申请的未尽事项，可参见201410275604.7以及201410275647.5所述。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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 (8)

1.一种隧道内移动装置的移位检测方法，其特征在于包括以下步骤：

在隧道给定的区间的两端和移动装置上分别安装信号收发对，线阵CCD相机与位移传感器固定于移动装置；

移动装置移动过程中，位移传感器提供位移信号，线阵CCD相机根据该位移信号获取隧道内管片的图像；

沿着隧道延伸方向对图像分块压缩存，降噪处理；

利用梯度边缘检测算法以及图像区域灰度特征对图像进行分割，并作形态学膨胀腐蚀与二值化处理，获得轮廓特征；

利用图像直线检测算法，由隧道管片轮廓特征提取相邻管片接缝的轮廓信息，并由位移传感器获得当前管片接缝的位置，已知该管片接缝在给定区间的位置，得出管片接缝测量误差；

多次测量，比较同一管片接缝的测量误差变化，获得该管片位置的位移传感器测量误差的概率分布模型；

获得每一管片的位移误差的期望值，分配位移传感器的测量值与区间总长度的总误差。

2.根据权利要求1所述的隧道内移动装置的移位检测方法，其特征在于，根据给定区间内位移误差的分布，拟合误差分布曲线，按该分布曲线，分配总误差。

3.根据权利要求1所述的隧道内移动装置的移位检测方法，其特征在于，将隧道分为若干个给定区间，各区间之间设置红外收发装置。

4.根据权利要求1所述的隧道内移动装置的移位检测方法，其特征在于，经给定区间后，位移传感器的位移值清零。

5.根据权利要求1所述的隧道内移动装置的移位检测方法，其特征在于，图像的降噪方法包括图像增强以及滤波算法。

6.根据权利要求1所述的隧道内移动装置的移位检测方法，其特征在于，所述红外接收装置为红外接收管阵列，该红外接收管阵列安装在隧道车上，根据红外线照射在红外接收管阵列上的位置，计算沉降。

7.一种隧道病害的识别方法，其特征在于，采用权利要求1至6任意一项所述的位移测量方法测量校正平台的位移。

8.一种隧道缺陷的高速检测方法，其特征在于，采用权利要求1至6任意一项所述的位移测量方法校正检测平台的位移。