CN109146791B - 一种基于面阵ccd成像的隧道展布图生成方法 - Google Patents

一种基于面阵ccd成像的隧道展布图生成方法 Download PDF

Info

Publication number
CN109146791B
CN109146791B CN201811023367.XA CN201811023367A CN109146791B CN 109146791 B CN109146791 B CN 109146791B CN 201811023367 A CN201811023367 A CN 201811023367A CN 109146791 B CN109146791 B CN 109146791B
Authority
CN
China
Prior art keywords
image
images
camera
tunnel
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811023367.XA
Other languages
English (en)
Other versions
CN109146791A (zh
Inventor
刘学增
刘新根
陈莹莹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHANGHAI TONGYAN CIVIL ENGINEERING TECHNOLOGY CO LTD
Original Assignee
SHANGHAI TONGYAN CIVIL ENGINEERING TECHNOLOGY CO LTD
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SHANGHAI TONGYAN CIVIL ENGINEERING TECHNOLOGY CO LTD filed Critical SHANGHAI TONGYAN CIVIL ENGINEERING TECHNOLOGY CO LTD
Priority to CN201811023367.XA priority Critical patent/CN109146791B/zh
Publication of CN109146791A publication Critical patent/CN109146791A/zh
Application granted granted Critical
Publication of CN109146791B publication Critical patent/CN109146791B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于面阵CCD成像的隧道展布图生成方法，主要解决隧道病害展布图存在拼接错位、拼接速度慢、人工干预多等技术问题。所述的隧道展布图生成方法包括步骤：S1、利用隧道快速检测车采集隧道衬砌结构表观图像数据和编码器数据。S2、获得隧道进、出洞处的衬砌结构表观图像索引值及对图像预处理。S3、基于图像特征点修正相邻相机间图像环向重叠度值。S4、基于编码器数据和图像特征点计算所有相机图像纵向重叠度。S5、基于重叠度进行图像环向和纵向裁剪及拼接。S6、保存并输出隧道展布图
Figure DEST_PATH_IMAGE002
。本发明主要用于公路隧道检测。

Description

一种基于面阵CCD成像的隧道展布图生成方法
技术领域
本发明涉及一种基于面阵CCD成像的隧道展布图生成方法，特别是公开一种运营隧道衬砌结构隧道展布图生成方法，应用于隧道工程领域。
背景技术
公路隧道在建设及营运过程中，鉴于隧道穿越复杂地质环境、设计参数不匹配、施工质量问题等因素影响，隧道渗漏水、开裂、错台、材料劣化、剥落剥离等病害突出，对隧道使用性能和正常运营构成了极大的安全隐患，为保证隧道运营安全，须定期或不定期进行检查和维护。
传统的公路隧道检测方式以人工巡检为主，辅助仪器进行检测，速度慢、效率低、成本高，对作业人员技术要求高，不能准确表达和记录病害的形态和性质，运营期隧道需要封道检测，极易导致交通阻塞。基于计算机视觉的检测技术以其高效率、高精度、高准确率等优点，逐渐成为隧道病害检测业务的新手段、新技术。目前国内外均已研制出了基于面阵CCD成像的公路隧道快速检测车，而其中隧道病害展布图作为一个重要的检测成果，隧道病害展布图的底图其生成的质量在一定程度上反映了公路隧道快速检测车的技术水平。目前，基于面阵CCD成像的隧道展布图生成方法的尚无公开文献可查，通过调研获悉各检测车提供的隧道病害展布图存在拼接错位、拼接速度慢、人工干预多等诸多问题。
综上，如何基于面阵CCD成像数据，快速、准确、无缝地生成隧道展布图是值得研究的工程问题。
发明内容
本发明的目的是解决现有技术的缺陷，设计一种基于面阵CCD成像的隧道展布图生成方法，能快速准确地构建隧道衬砌结构的二维展布图，为隧道运营检查管理提供基础数据。
本发明是这样实现的：一种基于面阵CCD成像的隧道展布图生成方法，其特征在于：包括以下步骤：
S1、利用隧道快速检测车采集隧道衬砌结构表观图像数据和编码器数据；
所述步骤S1的具体操作如下：
（1）隧道快速检测车采集设备包括
Figure 100002_DEST_PATH_IMAGE001
个面阵工业相机、编码器、红外补光灯、图像采集卡和工控机，
（2）为确保隧道衬砌结构图像全覆盖，相邻相机拍摄图像环向之间预留重叠区域，并计算相邻相机间静态拍摄图像环向重叠度值
Figure 744135DEST_PATH_IMAGE002
，当
Figure 100002_DEST_PATH_IMAGE003
时，
Figure 461424DEST_PATH_IMAGE002
固定为零，
（3）测量静止状态下各相机拍摄的图像对应目标物的实际宽度
Figure 745775DEST_PATH_IMAGE004
和高度
Figure 100002_DEST_PATH_IMAGE005
，
（4）通过隧道快速检测车的面阵工业相机阵列采集隧道衬砌结构表观图像，图像为单通道灰度图，编码器单次激发距离小于各相机实际拍摄宽度的最小值，以确保各相机拍摄的图像纵向有重叠区域，各个相机拍摄的图像存储文件命名方式为ccc_yyyy_mm_dd_hh_mm_ss_bbb_index，表示为相机编号_年_月_日_时_分_秒_毫秒_图像编号，
（5）通过隧道快速检测车的编码器采集检测车行驶里程数据，单个数据记录格式为index_ yyyy_mm_dd_hh_mm_ss_bbb_increment，表示为激发序号_年_月_日_时_分_秒_毫秒_距离增量，编码器激发数据存储时间与相对应的图像存储文件名时间相同。
S2、获得隧道进、出洞处的衬砌结构表观图像索引值及对图像预处理；
所述步骤S2的具体操作如下：
（1）获取隧道进、出洞处图像的索引值，分别记为
Figure 20286DEST_PATH_IMAGE006
和
Figure 100002_DEST_PATH_IMAGE007
，索引值确定方法：
（1.1）人工选择法：人工通过图片查看软件选择隧道进、出洞处图像的索引值
Figure 985968DEST_PATH_IMAGE006
和
Figure 167551DEST_PATH_IMAGE007
，
（1.2）图像识别法：选取拍摄隧道拱部的相机
Figure 544174DEST_PATH_IMAGE008
，依次遍历该所拍摄的图像，计算每张图像的像素平均值
Figure 100002_DEST_PATH_IMAGE009
，当
Figure 647259DEST_PATH_IMAGE010
首次成立时为进洞处，取该图像的索引值记为
Figure 134741DEST_PATH_IMAGE006
，最后一次成立时为出洞处，取该图像的索引值记为
Figure 374093DEST_PATH_IMAGE007
，其中
Figure 100002_DEST_PATH_IMAGE011
为夜间相机对天空拍摄图像的像素平均值，
Figure 187197DEST_PATH_IMAGE012
为白天相机对天空拍摄图像的像素平均值，
Figure 980841DEST_PATH_IMAGE011
和
Figure 350642DEST_PATH_IMAGE012
值可依据实际经验设定，可分别取25和220，
（2）逐个提取各相机拍摄图像
Figure 100002_DEST_PATH_IMAGE013
的索引值
Figure 917538DEST_PATH_IMAGE014
，当时
Figure 100002_DEST_PATH_IMAGE015
，对该图像
Figure 635964DEST_PATH_IMAGE013
进行顺时针旋转90°，并调整图像的亮度。
S3、基于图像特征点修正相邻相机间图像环向重叠度值；
所述步骤S3的具体操作如下：
（1）选取索引值
Figure 448062DEST_PATH_IMAGE016
处的所有相机的图像，记为
Figure 100002_DEST_PATH_IMAGE017
，其中
Figure 277347DEST_PATH_IMAGE018
，
Figure 100002_DEST_PATH_IMAGE019
为一个整数值，依据实际经验设定，可取50，
（2）逐个两两遍历相邻相机图像
Figure 678241DEST_PATH_IMAGE017
，获取图像的静态图像环向重叠度值
Figure 646197DEST_PATH_IMAGE002
，计算两图像重叠边界线的像素坐标系下Y坐标位置
Figure 742329DEST_PATH_IMAGE020
和
Figure 100002_DEST_PATH_IMAGE021
，计算方法为：
Figure 581496DEST_PATH_IMAGE022
（1）
Figure 100002_DEST_PATH_IMAGE023
（2）
式中，
Figure 649947DEST_PATH_IMAGE020
为相机
Figure 710175DEST_PATH_IMAGE024
的图像在像素坐标系下的重叠边界线Y坐标值；
Figure 28024DEST_PATH_IMAGE021
为相机
Figure 100002_DEST_PATH_IMAGE025
的图像在像素坐标系下的重叠边界线Y坐标值，
Figure 667953DEST_PATH_IMAGE026
为图像的像素高度，
Figure 100002_DEST_PATH_IMAGE027
为查找范围修正系数，
Figure 856489DEST_PATH_IMAGE028
，
（3）于像素区域
Figure 100002_DEST_PATH_IMAGE029
和
Figure 353198DEST_PATH_IMAGE030
内分别查找图像
Figure 830447DEST_PATH_IMAGE024
和图像
Figure 333454DEST_PATH_IMAGE025
间相同的图像特征点，两图像的图像特征点像素Y坐标均值记为
Figure 100002_DEST_PATH_IMAGE031
和
Figure 110917DEST_PATH_IMAGE032
，图像特征点是指图像中具有鲜明特性并能够有效反映图像本质特征能够标识图像中目标物体的点，可通过SIFT、SURF算法提取，
（4）利用
Figure 512948DEST_PATH_IMAGE031
和
Figure 70969DEST_PATH_IMAGE032
修正图像环向重叠度值，修正后的重叠度记为
Figure 100002_DEST_PATH_IMAGE033
，
Figure 787121DEST_PATH_IMAGE033
计算方法为：
Figure 746987DEST_PATH_IMAGE034
（3）
如果两图像间相同图像特征点不明显或找不到，则
Figure 601810DEST_PATH_IMAGE033
值取静态图像环向重叠度值
Figure 568498DEST_PATH_IMAGE002
，
（5）记录存储各相机修正后的图像环向重叠度值
Figure 91271DEST_PATH_IMAGE033
。
S4、基于编码器数据和图像特征点计算所有相机图像纵向重叠度；
所述步骤S4的具体操作如下：
（1）逐个遍历所有相机，
（2）提取相机
Figure 843326DEST_PATH_IMAGE024
中的洞内图像
Figure 100002_DEST_PATH_IMAGE035
和
Figure 587160DEST_PATH_IMAGE036
，图像
Figure 57456DEST_PATH_IMAGE035
的索引值
Figure 100002_DEST_PATH_IMAGE037
，图像
Figure 177727DEST_PATH_IMAGE036
的索引值
Figure 49868DEST_PATH_IMAGE038
，此时
Figure 100002_DEST_PATH_IMAGE039
，
（3）通过图像
Figure 230183DEST_PATH_IMAGE035
文件名解析出图像存储时间
Figure 656616DEST_PATH_IMAGE040
，依据
Figure 108807DEST_PATH_IMAGE040
查找相应的图像激发编码器距离增量
Figure 100002_DEST_PATH_IMAGE041
，
（4）通过距离增量
Figure 569876DEST_PATH_IMAGE041
和图像
Figure 655512DEST_PATH_IMAGE035
目标物的宽度
Figure 897138DEST_PATH_IMAGE004
计算初始纵向重叠边界线在图像像素坐标系下的X坐标位置
Figure 641103DEST_PATH_IMAGE042
，
Figure 18995DEST_PATH_IMAGE042
计算方法为：
Figure 100002_DEST_PATH_IMAGE043
（4）
式中，
Figure 744374DEST_PATH_IMAGE044
为图像的像素宽度，
Figure 207716DEST_PATH_IMAGE027
为查找范围修正系数，
Figure 739061DEST_PATH_IMAGE028
，
（5）于图像
Figure 643563DEST_PATH_IMAGE035
的X坐标像素区域
Figure 100002_DEST_PATH_IMAGE045
和图像
Figure 870669DEST_PATH_IMAGE036
的X坐标像素区域
Figure 758991DEST_PATH_IMAGE046
内查找两图像的相同特征点，两图像的图像特征点像素X坐标均值记为
Figure 100002_DEST_PATH_IMAGE047
和
Figure 562868DEST_PATH_IMAGE048
，依据
Figure 118614DEST_PATH_IMAGE047
和
Figure 61162DEST_PATH_IMAGE048
计算图像
Figure 420468DEST_PATH_IMAGE036
的纵向重叠度
Figure 100002_DEST_PATH_IMAGE049
，
Figure 309927DEST_PATH_IMAGE049
计算方法为：
Figure 703868DEST_PATH_IMAGE050
（5）
如果两图像间相同图像特征点不明显或找不到，
Figure 489421DEST_PATH_IMAGE049
计算方法为：
Figure 100002_DEST_PATH_IMAGE051
（6）
（6）重复步骤（2）、（3）、（4）、（5），直到所有相机对应的图像的纵向重叠度计算完毕，各相机的图像纵向重叠度记为
Figure 864252DEST_PATH_IMAGE052
，其中
Figure 100002_DEST_PATH_IMAGE053
，由于各相机的图像纵向重叠度计算各自独立，故步骤（2）、（3）、（4）、（5）可以进行并行计算，提升运行效率，
（7）记录存储各相机的图像纵向重叠度
Figure 26243DEST_PATH_IMAGE052
。
S5、基于重叠度进行图像环向和纵向裁剪及拼接；
所述步骤S5的具体操作如下：
（1）利用环向重叠度
Figure 274691DEST_PATH_IMAGE033
对
Figure 496725DEST_PATH_IMAGE054
号相机采集的图像进行环向裁剪，裁剪的区域为像素坐标系下X轴方向
Figure 100002_DEST_PATH_IMAGE055
，环向裁剪后的图像记为
Figure 830623DEST_PATH_IMAGE056
，
（2）利用纵向重叠度
Figure 100002_DEST_PATH_IMAGE057
对各相机环向裁剪后的图像
Figure 61884DEST_PATH_IMAGE056
进行纵向裁剪，裁剪的区域为像素坐标系的Y轴方向
Figure 430417DEST_PATH_IMAGE058
，纵向裁剪后的图像记为
Figure 100002_DEST_PATH_IMAGE059
，
（3）依次对每个相机裁剪处理后的图像
Figure 557773DEST_PATH_IMAGE059
进行纵向拼接，以生成一系列的单相机纵向展布图，记为
Figure 647477DEST_PATH_IMAGE060
，由于各相机纵向拼接各自独立，故此步可以进行并行计算，提升运行效率，
（4）以1号相机的展布图
Figure 100002_DEST_PATH_IMAGE061
为基准，分别计算与
Figure 151270DEST_PATH_IMAGE054
号相机展布图的缩放系数
Figure 374310DEST_PATH_IMAGE062
，计算方法为：
Figure 100002_DEST_PATH_IMAGE063
（7）
（5）利用缩放系数
Figure 203726DEST_PATH_IMAGE062
对
Figure 246637DEST_PATH_IMAGE054
相机的展布图
Figure 616439DEST_PATH_IMAGE060
进行缩放，缩放后的展布图记为
Figure 975876DEST_PATH_IMAGE064
，
（6）依据相机编号
Figure 959881DEST_PATH_IMAGE024
顺序依次对各相机的展布图
Figure 568717DEST_PATH_IMAGE064
进行环向拼接，最终形成隧道衬砌结构完整的展布图
Figure DEST_PATH_IMAGE065
。
S6、保存并输出隧道展布图
Figure 621772DEST_PATH_IMAGE065
。
本发明的有益效果是：
（1）本发明首次提出了基于面阵CCD成像的隧道展布图生成方法，技术方案完整且易于编程实现；
（2）本发明利用对图像纵向重叠度和图像纵向拼接进行并行计算，可提升拼接效率；
（3）本发明利用图像自身图像特征点进行环向重叠度和纵向重叠度，可实现图像的无缝拼接。
附图说明
图1 是本发明方法的相邻相机间图像环向重叠度计算示意图。
图2 是本发明方法的同一相机间图像纵向重叠度计算示意图。
图3 是本发明方法生成的隧道展布图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
本发明是一种基于面阵CCD成像的隧道展布图生成方法，所述的隧道衬砌结构展布图生成方法包括以下步骤S1～S6：
S1、利用隧道快速检测车采集隧道衬砌结构表观图像数据和编码器数据。
所述步骤S1的具体操作如下：
（1）隧道快速检测车可采用上海同岩土木工程科技股份有限公司的TDV-H2000隧道快速检测车，该检测车采集设备包括30个面阵工业相机、增量式编码器、红外补光灯、图像采集卡和工控机。
（2）为确保隧道衬砌结构图像全覆盖，相邻相机拍摄图像环向之间预留重叠区域，并利用三线激光标线仪作为标识，计算相邻相机间静态拍摄图像环向重叠度值
Figure 632453DEST_PATH_IMAGE002
，当
Figure 538092DEST_PATH_IMAGE003
时，
Figure 555596DEST_PATH_IMAGE002
固定为零。
（3）测量静止状态下各相机拍摄的图像对应目标物的实际宽度
Figure 267200DEST_PATH_IMAGE004
和高度
Figure 335650DEST_PATH_IMAGE005
，
Figure 599141DEST_PATH_IMAGE066
（1）
Figure DEST_PATH_IMAGE067
（2）
式中，
Figure 369520DEST_PATH_IMAGE068
为相机CCD芯片宽度，
Figure DEST_PATH_IMAGE069
为相机CCD芯片高度，
Figure 556919DEST_PATH_IMAGE070
为相机成像物距，
Figure DEST_PATH_IMAGE071
为相机成像焦距。
（4）通过隧道快速检测车的面阵工业相机阵列采集隧道衬砌结构表观图像，图像为单通道灰度图，编码器单次激发距离小于各相机实际拍摄宽度的最小值，以确保各相机拍摄的图像纵向有重叠区域，各个相机拍摄的图像存储文件命名方式为ccc_yyyy_mm_dd_hh_mm_ss_bbb_index，表示为相机编号_年_月_日_时_分_秒_毫秒_图像编号。
以001-2016_09_10_22_45_53_967-26578为例，其中001表示相机编号为001，2016_09_10_22_45_53_967表示时间（年_月_日_时_分_秒_毫秒），26578表示图像编号。
（5）通过隧道快速检测车的编码器采集检测车行驶里程数据，单个数据记录格式为index_ yyyy_mm_dd_hh_mm_ss_bbb_increment，表示为激发序号_年_月_日_时_分_秒_毫秒_距离增量，编码器激发数据存储时间与相对应的图像存储文件名时间相同。
以26578-2016_09_10_22_45_53_967-0.50000为例，其中26578表示编码器的激发序号，2016_09_10_22_45_53_967表示时间（年_月_日_时_分_秒_毫秒），0.50000表示检测车行驶距离增量。
S2、获得隧道进、出洞处的衬砌结构表观图像索引值及对图像预处理。
所述步骤S2的具体操作如下：
（1）获取隧道进、出洞处图像的索引值，分别记为
Figure 669756DEST_PATH_IMAGE006
和
Figure 979514DEST_PATH_IMAGE007
，索引值确定方法：
（1.1）人工选择法：人工通过图片查看软件选择隧道进、出洞处图像的索引值
Figure 971610DEST_PATH_IMAGE006
和
Figure 228279DEST_PATH_IMAGE007
，
（1.2）图像识别法：选取拍摄隧道拱部的相机
Figure 68059DEST_PATH_IMAGE008
，依次遍历该所拍摄的图像，计算每张图像的像素平均值
Figure 470090DEST_PATH_IMAGE009
，当
Figure 231373DEST_PATH_IMAGE010
首次成立时为进洞处，取该图像的索引值记为
Figure 822891DEST_PATH_IMAGE006
，最后一次成立时为出洞处，取该图像的索引值记为
Figure 704128DEST_PATH_IMAGE007
，其中
Figure 293373DEST_PATH_IMAGE011
为夜间相机对天空拍摄图像的像素平均值，
Figure 460393DEST_PATH_IMAGE012
为白天相机对天空拍摄图像的像素平均值，
Figure 855603DEST_PATH_IMAGE011
和
Figure 591346DEST_PATH_IMAGE012
值可依据实际经验设定，可分别取25和220，
（2）逐个提取各相机拍摄图像
Figure 617071DEST_PATH_IMAGE013
的索引值
Figure 884104DEST_PATH_IMAGE014
，当时
Figure 4376DEST_PATH_IMAGE015
，对该图像
Figure 876517DEST_PATH_IMAGE013
进行顺时针旋转90°，并调整图像的亮度。
图像顺时针旋转90°操作可直接调用Opencv函数RotatedRect实现，实现代码如下：
RotatedRect::RotatedRect(const Point2f& _center, const Size2f& _size,float _angle)
S3、基于图像特征点修正相邻相机间图像环向重叠度值。
所述步骤S3的具体操作如下：
（1）选取索引值
Figure 869881DEST_PATH_IMAGE072
处的所有相机的图像，记为
Figure 811161DEST_PATH_IMAGE017
，其中
Figure DEST_PATH_IMAGE073
，
Figure 675736DEST_PATH_IMAGE001
为一个整数值，依据实际经验设定，可取50。
（2）如图1所示，逐个两两遍历相邻相机图像
Figure 136805DEST_PATH_IMAGE017
，获取图像的静态图像环向重叠度值
Figure 566649DEST_PATH_IMAGE002
，计算两图像重叠边界线的像素坐标系下Y坐标位置
Figure 729646DEST_PATH_IMAGE020
和
Figure 208032DEST_PATH_IMAGE021
，计算方法为：
Figure 851503DEST_PATH_IMAGE022
（3）
Figure 108040DEST_PATH_IMAGE023
（4）
式中，
Figure 836962DEST_PATH_IMAGE020
为相机
Figure 119039DEST_PATH_IMAGE024
的图像在像素坐标系下的重叠边界线Y坐标值；
Figure 803967DEST_PATH_IMAGE021
为相机
Figure 575614DEST_PATH_IMAGE025
的图像在像素坐标系下的重叠边界线Y坐标值，
Figure 198356DEST_PATH_IMAGE026
为图像的像素高度，
Figure 530462DEST_PATH_IMAGE027
为查找范围修正系数，
Figure 820629DEST_PATH_IMAGE028
。
（3）于像素区域
Figure 763177DEST_PATH_IMAGE029
和
Figure 122483DEST_PATH_IMAGE030
内分别查找图像
Figure 746362DEST_PATH_IMAGE024
和图像
Figure 140304DEST_PATH_IMAGE025
间相同的图像特征点，记为IFP（即Image feature points（图像特征点）缩写），两图像的图像特征点IFP像素Y坐标均值记为
Figure 253753DEST_PATH_IMAGE031
和
Figure 382246DEST_PATH_IMAGE032
，图像特征点IFP是指图像中具有鲜明特性并能够有效反映图像本质特征能够标识图像中目标物体的点，可通过SIFT、SURF算法提取。
SIFT算法： Scale-invariant feature transform（尺度不变特征变换），是一种局部特征描述子，具有尺度不变性，可在图像中检测出关键点。算法基本步骤包括：尺度空间极值检测、关键点定位、方向确定和关键点描述。
SURF算法：Speeded Up Robust Features，是一种稳健的局部特征点检测和描述算法，通过构建Hessian（黑塞矩阵），生成所有兴趣点，用于特征提取，构建尺度空间和特征点定位及主方向分析，生成特点描述子，最终完成特征点匹配。
（4）利用
Figure 793505DEST_PATH_IMAGE031
和
Figure 982565DEST_PATH_IMAGE032
修正图像环向重叠度值，修正后的重叠度记为
Figure 266916DEST_PATH_IMAGE033
，
Figure 617126DEST_PATH_IMAGE033
计算方法为：
Figure 566496DEST_PATH_IMAGE034
（5）
如果两图像间相同图像特征点不明显或找不到，则
Figure 748079DEST_PATH_IMAGE033
值取静态图像环向重叠度值
Figure 141014DEST_PATH_IMAGE002
。
（5）记录存储各相机修正后的图像环向重叠度值
Figure 962208DEST_PATH_IMAGE033
。
S4、基于编码器数据和图像特征点计算所有相机图像纵向重叠度。
所述步骤S4的具体操作如下：
（1）逐个遍历所有相机。
（2）提取相机
Figure 731581DEST_PATH_IMAGE024
中的洞内图像
Figure 220200DEST_PATH_IMAGE035
和
Figure 580774DEST_PATH_IMAGE036
，图像
Figure 639997DEST_PATH_IMAGE035
的索引值
Figure 833300DEST_PATH_IMAGE037
，图像
Figure 723896DEST_PATH_IMAGE036
的索引值
Figure 193055DEST_PATH_IMAGE038
，此时
Figure 257350DEST_PATH_IMAGE074
。
（3）通过图像
Figure 368526DEST_PATH_IMAGE035
文件名解析出图像存储时间
Figure 379207DEST_PATH_IMAGE040
，依据
Figure 471797DEST_PATH_IMAGE040
查找相应的图像激发编码器距离增量
Figure 489300DEST_PATH_IMAGE041
，如图2所示。
（4）通过距离增量
Figure 200904DEST_PATH_IMAGE041
和图像
Figure 456305DEST_PATH_IMAGE035
目标物的宽度
Figure 740304DEST_PATH_IMAGE004
计算初始纵向重叠边界线在图像像素坐标系下的X坐标位置
Figure 323732DEST_PATH_IMAGE042
，
Figure 511131DEST_PATH_IMAGE042
计算方法为：
Figure 417776DEST_PATH_IMAGE043
（6）
式中，
Figure 930797DEST_PATH_IMAGE044
为图像的像素宽度，
Figure 1521DEST_PATH_IMAGE027
为查找范围修正系数，
Figure 976299DEST_PATH_IMAGE028
。
（5）于图像
Figure 206292DEST_PATH_IMAGE035
的X坐标像素区域
Figure 686952DEST_PATH_IMAGE045
和图像
Figure 979393DEST_PATH_IMAGE036
的X坐标像素区域
Figure 508595DEST_PATH_IMAGE046
内查找两图像的相同特征点，两图像的图像特征点IFP像素X坐标均值记为
Figure 658341DEST_PATH_IMAGE047
和
Figure 247585DEST_PATH_IMAGE048
，依据
Figure 214273DEST_PATH_IMAGE047
和
Figure 609482DEST_PATH_IMAGE048
计算图像
Figure 361537DEST_PATH_IMAGE036
的纵向重叠度
Figure 370951DEST_PATH_IMAGE049
，
Figure 637984DEST_PATH_IMAGE049
计算方法为：
Figure 40146DEST_PATH_IMAGE050
（7）
如果两图像间相同图像特征点不明显或找不到，
Figure 630397DEST_PATH_IMAGE049
计算方法为：
Figure 889340DEST_PATH_IMAGE051
（8）
（6）重复步骤（2）、（3）、（4）、（5），直到所有相机对应的图像的纵向重叠度计算完毕，各相机的图像纵向重叠度记为
Figure 315773DEST_PATH_IMAGE052
，其中
Figure 502385DEST_PATH_IMAGE053
，由于各相机的图像纵向重叠度计算各自独立，故步骤（2）、（3）、（4）、（5）可以进行并行计算，提升运行效率。
（7）记录存储各相机的图像纵向重叠度
Figure 25770DEST_PATH_IMAGE052
。
S5、基于重叠度进行图像环向和纵向裁剪及拼接。
所述步骤S5的具体操作如下：
（1）利用环向重叠度
Figure 393298DEST_PATH_IMAGE033
对
Figure 290715DEST_PATH_IMAGE054
号相机采集的图像进行环向裁剪，裁剪的区域为像素坐标系下X轴方向
Figure 831418DEST_PATH_IMAGE055
，环向裁剪后的图像记为
Figure 678151DEST_PATH_IMAGE056
。
图像裁剪操作可直接调用Opencv类Mat公共操作函数rowRange实现，rowRange函数如下：
Mat Mat::rowRange(int startrow, int endrow) const
（2）利用纵向重叠度
Figure 934689DEST_PATH_IMAGE057
对各相机环向裁剪后的图像
Figure 663611DEST_PATH_IMAGE056
进行纵向裁剪，裁剪的区域为像素坐标系的Y轴方向
Figure 945688DEST_PATH_IMAGE058
，纵向裁剪后的图像记为
Figure 630616DEST_PATH_IMAGE059
。
（3）依次对每个相机裁剪处理后的图像
Figure 136683DEST_PATH_IMAGE059
进行纵向拼接，以生成一系列的单相机纵向展布图，记为
Figure 25005DEST_PATH_IMAGE060
，由于各相机纵向拼接各自独立，故此步可以进行并行计算，提升运行效率。
（4）以1号相机的展布图
Figure 362970DEST_PATH_IMAGE061
为基准，分别计算与
Figure 715454DEST_PATH_IMAGE054
号相机展布图的缩放系数
Figure 595685DEST_PATH_IMAGE062
，计算方法为：
Figure 954991DEST_PATH_IMAGE063
（9）
图像裁剪操作可直接调用Opencv类操作函数resize实现，resize函数如下：
void resize( InputArray src, OutputArray dst, Size dsize, double fx =0, double fy = 0,
int interpolation = INTER_LINEAR )；
（5）利用缩放系数
Figure 375608DEST_PATH_IMAGE062
对
Figure 51440DEST_PATH_IMAGE054
相机的展布图
Figure 820682DEST_PATH_IMAGE060
进行缩放，缩放后的展布图记为
Figure 745913DEST_PATH_IMAGE064
。
（6）依据相机编号
Figure 173483DEST_PATH_IMAGE024
顺序依次对各相机的展布图
Figure 687510DEST_PATH_IMAGE064
进行环向拼接，最终形成隧道衬砌结构完整的展布图
Figure 971861DEST_PATH_IMAGE065
，如图3所示。
S6、保存并输出隧道展布图
Figure 56491DEST_PATH_IMAGE065
。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由本发明的权利要求书所要求的保护范围内。

Claims (1)

1.一种基于面阵CCD成像的隧道展布图生成方法，其特征在于：包括以下步骤：
S1、利用隧道快速检测车采集隧道衬砌结构表观图像数据和编码器数据；
具体操作如下：
（1）隧道快速检测车采集设备包括面阵工业相机阵列、编码器、红外补光灯、图像采集卡和工控机；
（2）为确保隧道衬砌结构图像全覆盖，相邻相机拍摄图像环向之间预留重叠区域，并计算相邻相机间静态拍摄图像环向重叠度值
Figure 969295DEST_PATH_IMAGE002
，当
Figure DEST_PATH_IMAGE003
时，
Figure 793025DEST_PATH_IMAGE002
固定为零；
（3）测量静止状态下各相机拍摄的图像对应目标物的实际宽度
Figure 823298DEST_PATH_IMAGE004
和高度
Figure DEST_PATH_IMAGE005
；
（4）通过隧道快速检测车的面阵工业相机阵列采集隧道衬砌结构表观图像，图像为单通道灰度图，编码器单次激发距离小于各相机实际拍摄宽度的最小值，以确保各相机拍摄的图像纵向有重叠区域，各个相机拍摄的图像存储文件命名方式为ccc_yyyy_mm_dd_hh_mm_ss_bbb_index，表示为相机编号_年_月_日_时_分_秒_毫秒_图像编号；
（5）通过隧道快速检测车的编码器采集检测车行驶里程数据，单个数据记录格式为index_ yyyy_mm_dd_hh_mm_ss_bbb_increment，表示为激发序号_年_月_日_时_分_秒_毫秒_距离增量，编码器激发数据存储时间与相对应的图像存储文件名时间相同；
S2、获得隧道进、出洞处的衬砌结构表观图像索引值及对图像预处理；
具体操作如下：
（1）获取隧道进、出洞处图像的索引值，分别记为
Figure 109310DEST_PATH_IMAGE006
和
Figure DEST_PATH_IMAGE007
，索引值确定方法：
（1.1）人工选择法：人工通过图片查看软件选择隧道进、出洞处图像的索引值
Figure 194816DEST_PATH_IMAGE006
和
Figure 122321DEST_PATH_IMAGE007
；
（1.2）图像识别法：选取拍摄隧道拱部的相机
Figure 261178DEST_PATH_IMAGE008
，依次遍历该拍摄的图像，计算每张图像的像素平均值
Figure DEST_PATH_IMAGE009
，当
Figure 719972DEST_PATH_IMAGE010
首次成立时为进洞处，取该图像的索引值记为
Figure 278343DEST_PATH_IMAGE006
，最后一次成立时为出洞处，取该图像的索引值记为
Figure 263616DEST_PATH_IMAGE007
，其中
Figure DEST_PATH_IMAGE011
为夜间相机对天空拍摄图像的像素平均值，
Figure 448741DEST_PATH_IMAGE012
为白天相机对天空拍摄图像的像素平均值；
（2）逐个提取各相机拍摄图像
Figure DEST_PATH_IMAGE013
的索引值
Figure 893367DEST_PATH_IMAGE014
，当时
Figure DEST_PATH_IMAGE015
，对该图像
Figure 9090DEST_PATH_IMAGE013
进行顺时针旋转90°，并调整图像的亮度；
S3、基于图像特征点修正相邻相机间图像环向重叠度值；
具体操作如下：
（1）选取索引值
Figure 661920DEST_PATH_IMAGE016
处的所有相机的图像，记为
Figure DEST_PATH_IMAGE017
，其中
Figure 204896DEST_PATH_IMAGE018
，
Figure DEST_PATH_IMAGE019
为一个整数值；
（2）逐个两两遍历相邻相机图像
Figure 874168DEST_PATH_IMAGE017
，获取图像的静态图像环向重叠度值
Figure 731266DEST_PATH_IMAGE002
，计算两图像重叠边界线的像素坐标系下Y坐标位置
Figure 238602DEST_PATH_IMAGE020
和
Figure DEST_PATH_IMAGE021
，计算公式为：
Figure 264064DEST_PATH_IMAGE022
；
Figure DEST_PATH_IMAGE023
；
式中，
Figure 371698DEST_PATH_IMAGE020
为相机
Figure 579956DEST_PATH_IMAGE024
的图像在像素坐标系下的重叠边界线Y坐标值；
Figure 191066DEST_PATH_IMAGE021
为相机
Figure DEST_PATH_IMAGE025
的图像在像素坐标系下的重叠边界线Y坐标值，
Figure 587763DEST_PATH_IMAGE026
为图像的像素高度，
Figure DEST_PATH_IMAGE027
为查找范围修正系数，
Figure 917113DEST_PATH_IMAGE028
；
（3）于像素区域
Figure DEST_PATH_IMAGE029
和
Figure 991379DEST_PATH_IMAGE030
内分别查找图像
Figure 394679DEST_PATH_IMAGE024
和图像
Figure 27523DEST_PATH_IMAGE025
间相同的图像特征点，两图像的图像特征点像素Y坐标均值记为
Figure DEST_PATH_IMAGE031
和
Figure 594902DEST_PATH_IMAGE032
，图像特征点是指图像中具有鲜明特性并能够有效反映图像本质特征能够标识图像中目标物体的点，可通过SIFT、SURF算法提取；
（4）利用
Figure 394231DEST_PATH_IMAGE031
和
Figure 232130DEST_PATH_IMAGE032
修正图像环向重叠度值，修正后的重叠度记为
Figure DEST_PATH_IMAGE033
，
Figure 724291DEST_PATH_IMAGE033
计算公式为：
Figure 513387DEST_PATH_IMAGE034
；
如果两图像间相同图像特征点不明显或找不到，则
Figure 54090DEST_PATH_IMAGE033
值取静态图像环向重叠度值
Figure 759877DEST_PATH_IMAGE002
；
（5）记录存储各相机修正后的图像环向重叠度值
Figure 406628DEST_PATH_IMAGE033
；
S4、基于编码器数据和图像特征点计算所有相机图像纵向重叠度；
具体操作如下：
（1）逐个遍历所有相机；
（2）提取相机
Figure 197867DEST_PATH_IMAGE024
中的洞内图像
Figure DEST_PATH_IMAGE035
和
Figure 89731DEST_PATH_IMAGE036
，图像
Figure 650025DEST_PATH_IMAGE035
的索引值
Figure DEST_PATH_IMAGE037
，图像
Figure 488185DEST_PATH_IMAGE036
的索引值
Figure 766719DEST_PATH_IMAGE038
，此时
Figure DEST_PATH_IMAGE039
；
（3）通过图像
Figure 462274DEST_PATH_IMAGE035
文件名解析出图像存储时间
Figure 877075DEST_PATH_IMAGE040
，依据
Figure 193524DEST_PATH_IMAGE040
查找相应的图像激发编码器距离增量
Figure DEST_PATH_IMAGE041
；
（4）通过距离增量
Figure 631459DEST_PATH_IMAGE041
和图像
Figure 865125DEST_PATH_IMAGE035
目标物的宽度
Figure 714526DEST_PATH_IMAGE004
计算初始纵向重叠边界线在图像像素坐标系下的X坐标位置
Figure 562396DEST_PATH_IMAGE042
，
Figure 549944DEST_PATH_IMAGE042
计算公式为：
Figure DEST_PATH_IMAGE043
；
式中，
Figure 649618DEST_PATH_IMAGE044
为图像的像素宽度，
Figure 976694DEST_PATH_IMAGE027
为查找范围修正系数，
Figure 572630DEST_PATH_IMAGE028
；
（5）于图像
Figure 47473DEST_PATH_IMAGE035
的X坐标像素区域
Figure DEST_PATH_IMAGE045
和图像
Figure 622942DEST_PATH_IMAGE036
的X坐标像素区域
Figure 866842DEST_PATH_IMAGE046
内查找两图像的相同特征点，两图像的图像特征点像素X坐标均值记为
Figure DEST_PATH_IMAGE047
和
Figure 630749DEST_PATH_IMAGE048
，依据
Figure 592888DEST_PATH_IMAGE047
和
Figure 972048DEST_PATH_IMAGE048
计算图像
Figure 8137DEST_PATH_IMAGE036
的纵向重叠度
Figure DEST_PATH_IMAGE049
，
Figure 8192DEST_PATH_IMAGE049
计算公式为：
Figure 395311DEST_PATH_IMAGE050
；
如果两图像间相同图像特征点不明显或找不到，
Figure 561850DEST_PATH_IMAGE049
计算公式为：
Figure DEST_PATH_IMAGE051
；
（6）重复步骤（2）、（3）、（4）、（5），直到所有相机对应的图像的纵向重叠度计算完毕，各相机的图像纵向重叠度记为
Figure 531074DEST_PATH_IMAGE052
，其中
Figure DEST_PATH_IMAGE053
，由于各相机的图像纵向重叠度计算各自独立，故步骤（2）、（3）、（4）、（5）进行并行计算，提升运行效率；
（7）记录存储各相机的图像纵向重叠度
Figure 704960DEST_PATH_IMAGE052
；
S5、基于重叠度进行图像环向和纵向裁剪及拼接；
具体操作如下：
（1）利用环向重叠度
Figure 313796DEST_PATH_IMAGE033
对
Figure 549605DEST_PATH_IMAGE054
号相机采集的图像进行环向裁剪，裁剪的区域为像素坐标系下X轴方向
Figure DEST_PATH_IMAGE055
，环向裁剪后的图像记为
Figure 373336DEST_PATH_IMAGE056
；
（2）利用纵向重叠度
Figure DEST_PATH_IMAGE057
对各相机环向裁剪后的图像
Figure 715193DEST_PATH_IMAGE056
进行纵向裁剪，裁剪的区域为像素坐标系的Y轴方向
Figure 873642DEST_PATH_IMAGE058
，纵向裁剪后的图像记为
Figure DEST_PATH_IMAGE059
；
（3）依次对每个相机裁剪处理后的图像
Figure 132716DEST_PATH_IMAGE059
进行纵向拼接，以生成一系列的单相机纵向展布图，记为
Figure 325800DEST_PATH_IMAGE060
，由于各相机纵向拼接各自独立，故此步进行并行计算，提升运行效率；
（4）以1号相机的展布图
Figure DEST_PATH_IMAGE061
为基准，分别计算与
Figure 773312DEST_PATH_IMAGE054
号相机展布图的缩放系数
Figure 419057DEST_PATH_IMAGE062
，计算公式为：
Figure DEST_PATH_IMAGE063
；
（5）利用缩放系数
Figure 481822DEST_PATH_IMAGE062
对
Figure 529413DEST_PATH_IMAGE054
相机的展布图
Figure 839172DEST_PATH_IMAGE060
进行缩放，缩放后的展布图记为
Figure 221480DEST_PATH_IMAGE064
；
（6）依据相机编号
Figure 337204DEST_PATH_IMAGE024
顺序依次对各相机的展布图
Figure 176984DEST_PATH_IMAGE064
进行环向拼接，最终形成隧道衬砌结构完整的展布图
Figure 470693DEST_PATH_IMAGE001
；
S6、保存并输出隧道展布图
Figure DEST_PATH_IMAGE001
。
CN201811023367.XA 2018-09-04 2018-09-04 一种基于面阵ccd成像的隧道展布图生成方法 Active CN109146791B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811023367.XA CN109146791B (zh) 2018-09-04 2018-09-04 一种基于面阵ccd成像的隧道展布图生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811023367.XA CN109146791B (zh) 2018-09-04 2018-09-04 一种基于面阵ccd成像的隧道展布图生成方法

Publications (2)

Publication Number Publication Date
CN109146791A CN109146791A (zh) 2019-01-04
CN109146791B true CN109146791B (zh) 2023-02-14

Family

ID=64826498

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811023367.XA Active CN109146791B (zh) 2018-09-04 2018-09-04 一种基于面阵ccd成像的隧道展布图生成方法

Country Status (1)

Country Link
CN (1) CN109146791B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033407B (zh) * 2019-03-29 2020-10-30 华中科技大学 一种盾构隧道表面图像标定方法、拼接方法及拼接***
CN110849368B (zh) * 2019-10-23 2021-09-03 同济大学 一种隧道内高精度快速定位装置与方法
CN111429430B (zh) * 2020-03-23 2022-03-25 同济大学 基于机器视觉的隧道检测车尺寸映射关系计算方法
CN111583108B (zh) * 2020-04-20 2020-12-18 北京新桥技术发展有限公司 隧道衬砌面线阵图像tof融合拼接方法、装置及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015049765A (ja) * 2013-09-03 2015-03-16 公益財団法人鉄道総合技術研究所 トンネル覆工面画像の歪みを補正する方法
CN106053475B (zh) * 2016-05-24 2018-10-23 浙江工业大学 基于主动式全景视觉的隧道病害全断面动态快速检测装置
CN108109112B (zh) * 2018-01-16 2021-07-20 上海同岩土木工程科技股份有限公司 一种基于Sift特征的隧道展布图拼接参数处理方法

Also Published As

Publication number Publication date
CN109146791A (zh) 2019-01-04

Similar Documents

Publication Publication Date Title
CN109146791B (zh) 一种基于面阵ccd成像的隧道展布图生成方法
EP2057585B1 (en) Mosaic oblique images and methods of making and using same
Xie et al. Automatic multi-image stitching for concrete bridge inspection by combining point and line features
CN111260615B (zh) 基于激光和机器视觉融合的无人机桥梁表观病害检测方法
Zhu et al. Panoramic image stitching for arbitrarily shaped tunnel lining inspection
JP2008059319A (ja) 物体認識装置および映像物体測位装置
CN104463778A (zh) 一种全景图生成方法
CN111462503A (zh) 车辆测速方法、装置及计算机可读存储介质
KR20200110120A (ko) 3d-vr 멀티센서 시스템 기반의 도로 시설물 관리 솔루션을 구현하는 시스템 및 그 방법
CN108362205B (zh) 基于条纹投影的空间测距方法
CN103902953A (zh) 一种屏幕检测***及方法
US11423611B2 (en) Techniques for creating, organizing, integrating, and using georeferenced data structures for civil infrastructure asset management
JP6278790B2 (ja) 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラムならびに車両位置検出システム
CN113269671A (zh) 一种基于局部和全局特征的桥梁表观全景图生成方法
CN115619623A (zh) 一种基于移动最小二乘变换的平行鱼眼相机图像拼接方法
Farella et al. The EuroSDR TIME benchmark for historical aerial images
Wu et al. Adaptive image registration via hierarchical voronoi subdivision
CN116485856A (zh) 一种基于语义分割的无人机图像地理配准方法及相关设备
Cao et al. Generating panoramic unfolded image from borehole video acquired through APBT
Hu et al. A high-resolution surface image capture and mapping system for public roads
CN113808103A (zh) 基于图像处理的路面坑洼自动检测方法、设备和存储介质
CN116518961B (zh) 大规模固定视觉传感器全局位姿的确定方法和装置
WO2020158726A1 (ja) 画像処理装置、画像処理方法、及びプログラム
CN116132610A (zh) 一种综采面视频拼接方法及***
Du et al. Mosaicking of mountain tunnel images guided by laser rangefinder

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant