CN109801216B - 隧道检测图像的快速拼接方法 - Google Patents
隧道检测图像的快速拼接方法 Download PDFInfo
- Publication number
- CN109801216B CN109801216B CN201811561093.XA CN201811561093A CN109801216B CN 109801216 B CN109801216 B CN 109801216B CN 201811561093 A CN201811561093 A CN 201811561093A CN 109801216 B CN109801216 B CN 109801216B
- Authority
- CN
- China
- Prior art keywords
- tunnel
- images
- image
- splicing
- section
- 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
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及隧道检测技术领域,尤其涉及隧道检测车获取的隧道图像的快速拼接,供后续的隧道病害发现使用。本发明公开了一种隧道检测图像的快速拼接方法,其主要步骤包括隧道模型图像的标定、隧道图像的分辨率的统一、图像对比度增强、图像匀光、图像拼接以及断面图像的裁剪。本发明可以快速实现隧道断面图像的拼接,拼接得到的隧道断面图像对比度高,隧道图像的拼接精度高,并且后续可以将拼接得到的断面图像合成为大视场的隧道图像用于病害的自动提取。本发明可大大的节省人力,同时有助于隧道病害检测效率的大幅提高。
Description
技术领域
本发明涉及隧道检测技术领域,尤其涉及隧道检测车获取的隧道图像的快速拼接,供后续的隧道病害发现使用。
背景技术
目前在基础设施中,如公路路面病害检测、公路铁路隧道或桥梁的病害检测。传统的检测手段是以人工为主,比如对于高速公路隧道检测。依靠人工检测的方法,不仅对交通造成影响,更需要花费大量的人力和时间,往往依赖于检测人员的经验来确定病害的程度。
目前出现了取代人工检测的隧道检测车,隧道检测车上设有相机,随着检测车的移动,逐个断面获取隧道衬砌表面图像,然后对一张张隧道断面图像进行拼接,生成大视场的隧道图像。这样,就能够利用隧道病害自动识别检测图像软件,利用图像识别检测出隧道病害。这种方法大大减少了人工干预、检测效率高,相对于传统的人工检测算法大大节省了工作量以及人员投入,大大提升了隧道病害检测的效率。
大视场的隧道图像是由一张张隧道断面组成,而为了加快检测车获取隧道断面图像的速度,检测车上通常设有多个相机同时工作,每个相机获取同一断面上不同角度的局部图像。因而隧道断面是由多个相机获取的多张图像拼接而成。因此大视场的隧道图像其实是由一张张隧道图像进行不断拼接所组成的,拼接的效果影响着后续的病害检测等处理过程,隧道图像的拼接便是尤其重要的。
发明内容
本发明所要解决的技术问题是提供一种隧道检测图像的快速拼接方法,用于将隧道检测车上各个CCD面阵相机获取的隧道衬砌面图像进行精确、快速拼接。
为解决上述技术问题,本发明提供一种隧道检测图像的快速拼接方法,包括以下步骤:
(1)对隧道模型进行标定,标定包括:计算隧道模型图像之间的偏移参数;确定多个CCD相机与激光点的对应关系;获得激光扫描仪在相机支架平面上的投影点至相机的距离;
(2)隧道检测车对实际隧道进行数据采集,获取的数据包括隧道衬砌面图像以及每组图像对应的激光数据;根据激光数据计算此时真实的隧道图像对应的物距,然后根据物距以及焦距,计算每张图像的分辨率,对每张图像进行分辨率的统一;
(3)隧道图像拼接处理:根据标定模型的图像之间的重叠距离计算得到实际物距下隧道图像之间偏移的像素,将一组隧道图像拼接成一个隧道断面;
(4)对拼接得到的隧道断面图像进行裁剪:先通过相机触发间距以及图像的像素分辨率计算断面的裁剪量,然后根据所述断面裁剪量将隧道断面图像之间重叠部分裁减掉,保证后续得到的大视场隧道图像不会有重复部分出现,得到一组拼接好的隧道断面图像。
进一步的,所述的隧道检测图像的快速拼接方法包括以下步骤:对所述进行分辨率统一后的每张图像进行对比度增强处理,以提高每张图像的对比度,使其视觉上更加清晰。
更优的,所述隧道检测图像的快速拼接方法还包括以下步骤:对所述每张隧道图像对比度增强处理后,进行匀光处理,所述匀光处理基于重叠区域的灰度变换,使相邻图像的亮度趋于一致。
进一步的,所述隧道图像拼接处理中,引入图像重叠区域的特征匹配对图像之间的偏移像素进行约束,保证隧道图像拼接的精度。
所述的隧道检测图像的快速拼接方法,还包括以下步骤:
遍历隧道检测车获取的有效隧道数据,对这些数据依次进行所述的分辨率统一、对比度增强、图像匀光、图像拼接和图像裁剪的处理过程,直至所有的有效隧道图像均已经拼接完成。
本发明的有益效果是,可以快速实现隧道断面图像的拼接,拼接得到的隧道断面图像对比度高,隧道图像的拼接精度高,并且后续可以将拼接得到的断面图像合成为大视场的隧道图像用于病害的自动提取。可大大的节省人力,提高隧道病害检测效率。
附图说明
下面结合附图和具体实施方式对本发明的技术方案作进一步具体说明。
图1为模型图像间偏移参数标定流程图。
图2为激光扫描仪与相机的几何关系图。
图3为像素分辨率与相机的CCD像元映射关系图。
图4为实际隧道物距与隧道模型的几何示意图。
图5为具有重叠像素的断面图像。
图6隧道影像快速拼接算法流程图。
具体实施方式
本具体实施方式采用本申请人发明的一种隧道检测多传感器集成平台进行隧道图像的采集(参见申请人早先的已授权专利“一种隧道检测多传感器集成平台”-专利号为201510870169.7)。隧道检测多传感器集成平台上设有16个CCD相机、一台激光扫描仪。
结合图1至图6所示,隧道图像的快速拼接算法,首先进行对隧道模型的标定,然后采集实际的隧道衬砌面数据并根据激光数据进行分辨率统一,之后对图像进行对比度提高以及匀光处理以保证隧道图像细节清晰以及图像之间亮度一致,然后根据实际隧道衬砌面的物距将隧道模型下的图像重叠参数计算到该物距下以确定实际隧道图像之间的偏移像素数目,隧道图像拼接为断面后对断面进行裁剪以保证断面之间没有重复区域出现。接下来对每一部分的实施方式进行具体说明。
在进行隧道衬砌面图像拼接之前,需要对隧道模型进行标定,以得到模型下的16个CCD相机所获取的图像之间的偏移参数,用于后续对隧道衬砌面图像实际拼接时计算实际隧道图像之间的偏移参数。标定分为隧道模型图像之间偏移参数的计算、相机与激光点对应关系确定以及激光扫描仪在相机支架平面上的投影点至相机的距离的获得等三个部分。
对于隧道模型图像之间偏移参数的计算,首先根据隧道检测车的模型分析文档对隧道模型图像进行分辨率的统一,然后将16张隧道模型图像导入Photoshop,选取图像之间的同名点,根据同名点得到图像的偏移像素,通过Photoshop可以便捷的获得图像之间的重叠像素,将图像之间的重叠像素由公式
Li=overlapi×Basic_resolution
换算为实际的长度,其中Li为图像之间对应的实际长度,overlapi为图像之间的重叠像素,Basic_resolution为基准分辨率,其过程如图1所示。
然后获取激光与图像之间对应关系,采用挡板将对应相机挡住,将采集的激光数据换算为距离,然后通过应用程序matlab显示激光距离数据,因为挡板是一个明显的平面,因此在matlab上显示为一个平面的部分就是该平面所对应的激光点号,将16个CCD相机范围内的激光点号确定后,将点号按照相机序号分别输出在txt中。
标定的最后一个过程是激光扫描仪在相机支架平面上的投影点与各个相机之间距离的测量,如图2所示是激光扫描仪与相机之间的几何关系,激光扫描仪在相机支架平面上的投影点为O,设其中一个相机为A,激光扫描仪为B,为了获得物距SA’需要采用激光至隧道面的距离BS减去A’B,即减去AO,根据激光数据BS是已知的,因此只要求得AO即可,利用勾股定理,采用全站仪测量AB与OB,就可以进而得出AO,对16个相机分别进行求取其到激光扫描仪在相机支架平面上投影点的距离。至此,标定过程的隧道模型图像之间偏移参数的计算、相机与激光点对应关系确定以及激光扫描仪在相机支架平面上的投影点至相机的距离的确定均已经完成。
对隧道模型图像进行标定后,开始进行实际的隧道衬砌面图像数据的采集,对获取的实际的隧道衬砌面,根据其激光数据得到激光扫描仪至隧道面的距离。激光扫描仪的数据是距离数据,隧道检测车上的激光扫描仪共采集541个点的距离数据,每个点按照次序依次编号,因为标定的过程中已经将图像与激光点的对应关系确定了,因此从541个点中可以容易的提取每张图像对应的激光点数据,对于一张隧道图像而言,其图像范围内的激光点数据已经确定,计算其激光点数据的平均值,即这些点代表的距离的平均值作为该图像所在隧道面与激光扫描仪的距离,该距离即是图2中的BS,这里对于图像范围内的异常数据会进行识别,在实际应用中,发现激光点异常的数据其值是0,因此对于值为0的激光点数据在求取平均值时并不将其计入。标定的过程已经计算得到激光扫描仪在相机支架平面上的投影点与相机的距离即图2中A′B是已知的,那么由公式di=BSi-A′Bi可以得出每个隧道图像对应的物距di,然后根据相机镜头的焦距以及CCD像元的大小计算每个图像的像素分辨率,如图3所示,f为焦距,d为物距,CCD为相机CCD像元的尺寸大小,那么图像的像素分辨率由
可以求出16张隧道图像各自对应的像素分辨率resolutioni。然后选择一个基准分辨率,将隧道图像进行重采样使其像素分辨率等于基准分辨率从而完成图像分辨率的统一。
然后是对分辨率统一后的隧道图像进行对比度增强处理,这里采用分段仿摄均衡进行图像的对比度增强处理。之后是对各图像进行匀光处理,使相邻图像之间亮度趋于一致。这里匀光以图像两两之间匀光的方式进行。这里以左影像作为标准影像为例,将右影像进行处理使其亮度与左影像趋于一致。采用一种基于分区直方图匹配的灰度仿射变换对右片进行分区间的分段仿射均衡,从而达到使右片与标准影像亮度一致的效果,并且经过均衡化,右片的细节得以增强。
为了保证匀光后同种地物灰度最大程度的一致,首先分别统计左右图像重叠区域的灰度累计直方图,因为二者重叠区具有完全相同的地物,因此在灰度累积直方图上同一概率对应的灰度的地物应该是相同的,可以选择特定的两个概率位置分别从左右两个图像上选择出灰度L1、L2以及R1、R2,L1和L2是左片的灰度,R1和R2是右片的灰度,L1与R1是同名灰度,L2和R2是同名灰度。将右片进行基于同名灰度对应的灰度变换,变换后右片的灰度值范围应该与左片相同且R1变换到了L1,R2变换为L2。对经基于同名灰度对应进行灰度变换处理的右片进行分区间统计归一化累计直方图,经灰度变换后的右影像的子区间应该与左影像相同,因而可以保证每个区间的端点为同名地物灰度,这样对每个区间进行相应的直方图匹配相当于对灰度处于同名地物灰度之间的地物进行了匹配,即假设右片经基于同名点灰度拉伸后其灰度区间由[bk,bk+1]变换至[ak,ak+1],对左片和灰度拉伸后的右片灰度区间[ak,ak+1]进行归一化累积直方图统计,横轴为灰度值,纵轴为各个灰度级占灰度区间总像元数目的概率,可见对右片的灰度拉伸处理也保证了横轴灰度范围的对应。若左片灰度区间[ak,ak+1]的归一化累积直方图分布为:
s=T(r)
灰度拉伸处理后的右片灰度区间[ak,ak+1]的归一化累积直方图分布为:
v=G(z)
其中r,z为原灰度,右片灰度z可以表示为:
z=G-1(v)
通过区间[ak,ak+1]的直方图匹配,我们可以找对一个s与v相等,那么:
z=G-1(T(r))
因此对于右片灰度z在左片同样的灰度区间[ak,ak+1]有一个灰度r与其对应,通过确定r在左片分段仿射均衡处理时所处的变换区间[xk,xk+1],从而确定经拉伸处理的右片灰度为z的像素进行仿射均衡时的变换斜率mk,进行仿射变换,最后实现拉伸处理后的右片的区间[ak,ak+1]的仿射均衡,依次对其余区间的灰度进行上述过程直至完成整幅影像的仿射均衡。对于右片的分段仿射均衡其实是一个通过分区间直方图匹配寻找左片对应灰度,进而依照左片对应灰度的仿射变换关系对右片的灰度进行仿射均衡处理,通过基于分区直方图匹配的灰度仿射变换避免了对灰度拉伸后的右片直接进行分段仿射均衡造成的两幅影像中同种地物的灰度的过度差异。至此完成相邻影像之间的匀光处理。对于其他影像两两之间的匀光与上述过程同理。
接下来的步骤就是对经过增强和匀光处理的影像进行拼接处理,拼接时需要计算实际隧道图像两两之间横向和纵向的偏移像素。根据实际的物距与隧道模型图像对应的物距、相机视场角之间的几何关系,将隧道模型图像的标定后的横向和纵向偏移距离换算到实际隧道影像的物距下,并根据与像素分辨率的关系计算得到偏移像素。实际隧道物距与隧道模型的几何示意图如图4,因为实际隧道检测车上相机两两之间距离较近,认为相机投影在在隧道面上的平面近似平行。如图4所示,θA和θB分别为相机A和相机B的视场角的一半,fA和fB分别为相机A和相机B的焦距,D1和D2分别为相机B对应标定时隧道模型图像的物距以及相机B获取的实际隧道图像的物距,由几何关系可知实际隧道图像的重叠长度近似为:
overlap=(D2-D1)(tanθA+tanθB)+L
根据上述关系可以求得隧道图像两两之间的重叠长度,然后根据图像分辨率将重叠长度换算为像素数,进而得出图像两两之间重叠的像素数。根据已经求得的重叠像素数目可以计算拼接时图像之间的单应阵Homography中的平移参数,然后引入图像之间的重叠区域的特征匹配,根据精确匹配的结果对Homography中的平移参数进行修正,从而进一步提高图像之间拼接的精度,图像之间两两拼接时采用Laplacian Pyramid方法进行消除接缝处理从而实现图像交界处的灰度平滑过渡。将隧道图像进行拼接得到隧道断面图像。在实际的应用中,可以选择不引入匹配的方式进行拼接以满足在较低精度要求下的应用的需要。
最后一步是对拼接得到的隧道断面图像进行裁剪,隧道检测车的CCD相机的触发间距为460mm,即每隔460mm就会曝光一次,获得一组16张隧道图像,将460mm依据像素分辨率换算为图像的像素数目,其与隧道断面的高有如图5所示关系。Rows为断面图像的高,r1表示触发间距460mm对应的像素数,r2表示两个断面之间的重叠像素,从其关系可知:
r2=Rows-r1
同样这里也引入断面之间的匹配对其进行约束,以保证裁剪量r2的准确性,在实际应用中可以根据需要选择是否采用断面之间的匹配的方式进行裁剪量的获取。
遍历隧道检测车获取的有效隧道数据,对这些数据依次进行上述的分辨率统一、对比度增强、图像匀光、图像拼接和图像裁剪的处理过程,直至所有的有效隧道图像均已经拼接完成。
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种隧道检测图像的快速拼接方法,其特征在于,包括以下步骤:
(1)对隧道模型进行标定,标定包括:计算隧道模型图像之间的偏移参数;确定多个CCD相机与激光点的对应关系;获得激光扫描仪在相机支架平面上的投影点至相机的距离;
(2)隧道检测车对实际隧道进行数据采集,获取的数据包括隧道衬砌面图像以及每组图像对应的激光数据;根据激光数据计算此时真实的隧道图像对应的物距,然后根据物距以及焦距,计算每张图像的分辨率,对每张图像进行分辨率的统一;
(3)隧道图像拼接处理:根据标定模型的图像之间的重叠距离计算得到实际物距下隧道图像之间偏移的像素,将一组隧道图像拼接成一个隧道断面;
(4)对拼接得到的隧道断面图像进行裁剪:先通过相机触发间距以及图像的像素分辨率计算断面的裁剪量,然后根据所述断面裁剪量将隧道断面图像之间重叠部分裁减掉,得到一组拼接好的隧道断面图像。
2.根据权利要求1所述的隧道检测图像的快速拼接方法,其特征在于,包括以下步骤:对所述进行分辨率统一后的每张图像进行对比度增强处理。
3.根据权利要求2所述的隧道检测图像的快速拼接方法,其特征在于,包括以下步骤:对所述每张隧道图像对比度增强处理后,进行匀光处理,所述匀光处理基于重叠区域的灰度变换,使相邻图像的亮度趋于一致。
4.根据权利要求3所述所述的隧道检测图像的快速拼接方法,其特征在于,所述隧道图像拼接处理中,引入图像重叠区域的特征匹配对图像之间的偏移像素进行约束。
5.根据权利要求4所述的隧道检测图像的快速拼接方法,其特征在于,还包括以下步骤:
遍历隧道检测车获取的有效隧道数据,对这些数据依次进行所述的分辨率统一、对比度增强、图像匀光、图像拼接和图像裁剪的处理过程,直至所有的有效隧道图像均已经拼接完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811561093.XA CN109801216B (zh) | 2018-12-20 | 2018-12-20 | 隧道检测图像的快速拼接方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811561093.XA CN109801216B (zh) | 2018-12-20 | 2018-12-20 | 隧道检测图像的快速拼接方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109801216A CN109801216A (zh) | 2019-05-24 |
CN109801216B true CN109801216B (zh) | 2023-01-03 |
Family
ID=66557194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811561093.XA Active CN109801216B (zh) | 2018-12-20 | 2018-12-20 | 隧道检测图像的快速拼接方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109801216B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378856B (zh) * | 2019-07-22 | 2023-03-14 | 福建农林大学 | 一种隧道表面二维激光图像增强处理方法 |
CN110764106A (zh) * | 2019-10-09 | 2020-02-07 | 中交一公局集团有限公司 | 一种采用激光雷达辅助盾构区间调坡调线测量施工方法 |
CN113310987B (zh) * | 2020-02-26 | 2023-04-11 | 保定市天河电子技术有限公司 | 一种隧道衬砌表面检测***及方法 |
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 |
CN111707668B (zh) * | 2020-05-28 | 2023-11-17 | 武汉光谷卓越科技股份有限公司 | 基于序列图像的隧道检测及图像处理方法 |
CN112435170B (zh) * | 2020-12-04 | 2023-11-03 | 安徽圭目机器人有限公司 | 一种隧道拱顶图像拼接方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2971982B2 (ja) * | 1991-05-30 | 1999-11-08 | 日立建機株式会社 | セグメントの姿勢検出方法及び自動組立装置 |
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 |
CN105550995B (zh) * | 2016-01-27 | 2019-01-11 | 武汉武大卓越科技有限责任公司 | 隧道影像拼接方法及*** |
CN207991478U (zh) * | 2017-12-25 | 2018-10-19 | 中铁科学技术开发公司 | 铁路隧道衬砌表面病害快速检测*** |
-
2018
- 2018-12-20 CN CN201811561093.XA patent/CN109801216B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109801216A (zh) | 2019-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109801216B (zh) | 隧道检测图像的快速拼接方法 | |
US11551341B2 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
CN108764257B (zh) | 一种多视角的指针式仪表识别方法 | |
KR100817656B1 (ko) | 화상 처리 방법, 3차원 위치 계측 방법 및 화상 처리 장치 | |
CN111855664B (zh) | 一种可调节隧道病害三维检测*** | |
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 | |
JP7319432B2 (ja) | 学習用データ収集装置、学習用データ収集方法、及びプログラム | |
CN110033407B (zh) | 一种盾构隧道表面图像标定方法、拼接方法及拼接*** | |
CN103902953B (zh) | 一种屏幕检测***及方法 | |
JP2009133085A (ja) | トンネル覆工のひび割れ検査装置 | |
JP6333307B2 (ja) | 劣化部位検知装置、劣化部位検知方法およびプログラム | |
CN113989353A (zh) | 一种猪只背膘厚度测定方法及*** | |
CN113608378A (zh) | 一种基于lcd制程的全自动缺陷检测方法和*** | |
JP2020038132A (ja) | コンクリート表面上のひび割れ特定方法、ひび割れ特定装置、ひび割れ特定システム及びプログラム | |
CN113435420A (zh) | 一种路面病害尺寸检测方法、装置和存储介质 | |
JP2001174227A (ja) | 繊維の径分布測定方法および装置 | |
CN109084721B (zh) | 用于确定半导体器件中的目标结构的形貌参数的方法和设备 | |
JP2011033428A (ja) | パンタグラフ高さ測定装置 | |
Ziqiang et al. | Research of the algorithm calculating the length of bridge crack based on stereo vision | |
US20220076428A1 (en) | Product positioning method | |
CN115063778A (zh) | 一种基于双目相机的车前行人测距方法及终端 | |
JPH11190611A (ja) | 3次元計測方法およびその方法を用いた3次元計測処理装置 | |
CN107860933B (zh) | 基于数字图像的纺织品中纤维含量的自动检测方法和装置 | |
Pateraki et al. | Analysis and performance of the Adaptive Multi-Image matching algorithm for airborne digital sensor ADS40 | |
CN111696047B (zh) | 一种医用成像设备的成像质量确定方法及*** |
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 | ||
CB02 | Change of applicant information |
Address after: 430223 Hubei science and Technology Park, East Lake Development Zone, Wuhan, China Applicant after: Wuhan Optical Valley excellence Technology Co.,Ltd. Address before: 430223 No.6, 4th Road, Wuda Science Park, Donghu New Technology Development Zone, Wuhan City, Hubei Province Applicant before: WUHAN WUDA ZOYON SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |