CN111681225B - 一种隧道内基于原始影像的任意类型隧道四测线计算方法 - Google Patents
一种隧道内基于原始影像的任意类型隧道四测线计算方法 Download PDFInfo
- Publication number
- CN111681225B CN111681225B CN202010518420.4A CN202010518420A CN111681225B CN 111681225 B CN111681225 B CN 111681225B CN 202010518420 A CN202010518420 A CN 202010518420A CN 111681225 B CN111681225 B CN 111681225B
- Authority
- CN
- China
- Prior art keywords
- tunnel
- point cloud
- calculating
- point
- slice
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 7
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000005282 brightening Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 229910000673 Indium arsenide Inorganic materials 0.000 claims 1
- RPQDHPTXJYYUPQ-UHFFFAOYSA-N indium arsenide Chemical compound [In]#[As] RPQDHPTXJYYUPQ-UHFFFAOYSA-N 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 18
- 238000010276 construction Methods 0.000 abstract description 10
- 238000004364 calculation method Methods 0.000 abstract description 8
- 230000007547 defect Effects 0.000 abstract description 4
- 238000005065 mining Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 description 15
- 230000011218 segmentation Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种隧道内基于原始影像的任意类型隧道四测线计算方法,包括以下步骤:布设标记点;采集点云数据,建立点云切片索引;生成隧道原始影像;利用分段线性拉伸算法对图像进行分段线性拉伸处理;识别反光片中心;计算弦线长度;本发明弥补了通过拟合断面中心或基于正射影像监测的缺点,影像生成速度快,适用于矿山法和盾构法施工的断面,对断面形状无限制,不受隧道形状和施工方法的限制,适用于任意类型隧道的弦线计算,且计算精度高,极大地方便了隧道变形监测的需求。
Description
技术领域
本发明涉及点云数据处理技术领域,具体地说是一种隧道内基于原始影像的任意类型隧道四测线计算方法。
背景技术
2019年,中国内地累计有40个城市开通城轨交通运营线路6730.27公里,2019年中国内地新增温州、济南、常州、徐州、呼和浩特5个城轨交通运营城市;另有27个城市有新增线路(段)投运,新增运营线路长度968.77公里,再创历史新高。随着城市地铁和高速铁路的快速发展,隧道施工和运营期间的安全不容小觑,定期对隧道内病害的监测必不可少。特别是在运营期间的隧道监测,往往只有三到四个小时的天窗期能够实施作业,因此,能够快速、高效获取隧道内信息,并对隧道内病害进行监测的设备变得尤为重要。
现阶段地铁隧道的挖掘,多采用盾构机和顶管***进行施工,由于施工后土层压力的改变,在管片拼装完成后,受土层压力的影响,隧道仍会随着时间产生形变或沉降。因此,对隧道断面进行实时的和定期的监测和分析,是保证施工安全,防止事故发生的手段,也是衡量工程质量的重要指标。
传统方法如全站仪水准仪等,测量人员投入大且隧道内环境复杂,对中、整平、后视等带来困难,效率低下,误差较大;站式三维激光扫描需设置靶标,相邻站之间需进行影像拼接,单站扫描时间较长,数据冗余。现阶段许多学者也围绕三维激光扫描对隧道变形进行研究,其主要思想是通过拟合提取断面中心或基于隧道正射影像进行隧道断面拟合与病害检测,这种算法虽然经过理论与实践的验证,具有较高的准确性,但是随之带来的弊端在于影像生成速度慢,只能在盾构隧道中进行数据解算,而且不能对隧道管片结构变化进行精准的分析,只能做粗略的判断,有一定的局限性。
如中国专利申请CN108253925A公开了一种基于点云剖面的隧道变形监测方法,通过激光扫描仪获取隧道不同期的点云数据,对各期的数据进行去噪、拼接,并对不同时期数据进行配准,然后按照一定的间距提取剖面点云数据,在此基础上利用点到模型的方法对隧道进行变形监测。中国专利申请CN108917712A公开了一种基于三维激光扫描技术的隧道自动化监测***及方法,布置好量测控制点,进行外业操作从现场采集有效数据并完成储存;对所采集的点云数据分步骤进行处理,提取出靶标中心在扫描仪坐标系中的三维坐标,进行点云配准得出点云数据坐标;根据隧道表面的点云数据坐标,提取出三个有代表性桩号处的隧道断面数据,进行断面拟合,提取出中心坐标,拟合出中线。上述专利对隧道结构变化进行分析的精准性有限,只能做到大体粗略的判断,应用具有一定的局限性。
因此,如何提供一种适合任意类型的隧道监测方法,以解决现有技术中存在的问题,是目前本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此,本申请的目的在于提供一种隧道内基于原始影像的任意类型隧道四测线计算方法,以弥补通过拟合断面中心或基于正射影像监测的缺点,提高影像生成速度,适用于矿山法和盾构法施工的断面,对断面形状无限制。
为了达到上述目的,本申请提供如下技术方案。
一种隧道内基于原始影像的任意类型隧道四测线计算方法,包括以下步骤:
S1、布设标记点;
S2、采集点云数据,建立点云切片索引;
S3、生成隧道原始影像;
S4、利用分段线性拉伸算法对图像进行分段线性拉伸处理;
S5、识别反光片中心;
S6、计算弦线长度。
优选地,所述步骤S1包括以下步骤:
101、将全站仪架设在轨道面正上方,保证对中位置也在轨道面上,在距全站仪20m处,选择轨道面上与全站仪对中位置相同的点做标记;
102、将全站仪照准轨面标记点处,此时将全站仪置位零度,将全站仪水平旋转90°,旋紧水平制动旋钮,使得全站仪只能在断面内转动;
103、利用步骤102的方法,在同一断面内不同的管片上选择五个点,粘贴反光片。
优选地,所述步骤S2中建立点云切片索引,包括以下步骤:
201、进行数据预处理,并将las格式的点云数据转换为XYZ格式;
202、扫描仪激光头顺时针旋转并按照顺时针的顺序将点的坐标依次存储,在建立坐标系时设Y方向为扫描仪前进方向,那么点云的X,Z坐标就可以构成一个平面,并且该平面始终垂直于前进方向,垂直于Y方向的平面就可认为是点云的切片,每一个Y坐标对应一个切片;
203、按照存储顺序将每个切片进行编号,建立扫面线索引;
204、将切片内的点按数据存储顺序编号,建立切片内点的索引。
优选地,所述步骤S3包括以下步骤:
301、将点云激光强度信息转化为灰度值,公式如下:
式中,Imax为本段扫描线激光强度最大值,Imin为最小值,In为当前强度,Gn为灰度值,B为增亮系数;
302、建立图像矩阵;
303、将灰度值按照建立的索引写入图像矩阵,切片索引值与矩阵的列号相对应,切片内索引值与矩阵的行号相对应。
优选地,所述步骤S4中分段线性拉伸算法的分段线性拉伸公式如下:
式中,f(x)为输出的分段函数,x轴代表输入的灰度,y轴代表输出灰度,设start为分段函数第一个分段点横坐标,同样的,end为为分段函数第二个分段点横坐标。
优选地,所述步骤S5包括以下步骤:
501、将原始影像进行二值化处理,由于反光片采用黑白相间的设计,黑色部分在图像二值化后呈现为黑色正方形;
502、利用canny边缘检测算法识别正方形轮廓;
503、利用霍夫直线检测,求出轮廓线直线表达式,从而计算得出反光片中心坐标。
优选地,所述步骤S6包括以下步骤:
601、通过图片上反光片中点像素位置行列号反向索引到该点在点云中的序号,读取该点的坐标值,计算同一断面内两点间的欧氏距离;
602、以反光片中点像素为中心,遍历周围3×3像素,设标记点为(Xi,Yi),周围点分别为(Xi-1,Yi-1),(Xi,Yi-1),(Xi+1,Yi-1),(Xi-1,Yi),(Xi+1,Yi),(Xi+1,Yi+1),(Xi,Yi+1), (Xi+1,Yi+1);
603、计算左右相邻的两个断面像素的弦线长度,取其算数平均值。
优选地,所述步骤601中欧式距离的计算公式:
式中,(X0,Y0),(Xi,Yi)均为标记点坐标。
优选地,所述步骤603每个断面计算九段距离,累计计算距离27段,标记为d1,d2…d27,计算27组距离的算数平均值:
标准差为:
本发明所获得的有益技术效果:
1)本发明解决了现有技术所存在的缺陷,本发明弥补了通过拟合断面中心或基于正射影像监测的缺点,影像生成速度快,适用于矿山法和盾构法施工的断面,对断面形状无限制,不受隧道形状和施工方法的限制,适用于任意类型隧道的弦线计算,且计算精度高,极大地方便了隧道变形监测的需求;
2)本发明首先在隧道内壁同一断面管片上布设反光片,通过移动隧道检测装置采集的点云数据进行切片,建立索引等操作生成原始影像,再通过人机交互或反光片自动提取等方式标记反光片,进行隧道内弦线测量,采用四测线的方法表示隧道内的弦线长度,通过不同时间的重复检测来反映隧道内壁的结构变化;
3)本发明在盾构隧道应用时要将反光片布设到不同管片上,且尽量置于管片中心位置,布设的反光片具有较高的复用性,无需每次作业重复布设,通过不同时间重复性监测的弦线长度进行对比,可以将形变位置精确化,方便在地铁施工以及运营阶段及时的发现隧道形变并提前做出预警;
4)本发明采用的***集成高精度三维扫描仪等多种传感器于一体,采用电动轨道检测车驱动,相比于站式扫描和传统测量能够更快速获取高质量的隧道、钢轨以及隧道附属物的三维点云;具有生产作业机动灵活、速度快、图像分辨率高、数据成果可靠及信息全面等特点。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,从而可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下以本申请的较佳实施例并配合附图详细说明如后。
根据下文结合附图对本申请具体实施例的详细描述,本领域技术人员将会更加明了本申请的上述及其他目的、优点和特征。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1是本公开实施例1中切片索引值与矩阵列号的对应方式;
图2是本公开实施例1中分段线性拉伸的示意图;
图3是本公开实施例2中往返测量的重复性监测数据对比图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。在下面的描述中,提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本申请的实施例。因此,本领域技术人员应该清楚,可以对这里描述的实施例进行各种改变和修改而不脱离本申请的范围和精神。另外,为了清楚和简洁,实施例中省略了对已知功能和构造的描述。
应该理解,说明书通篇中提到的“一个实施例”或“本实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“一个实施例”或“本实施例”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
此外,本申请可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身并不指示所讨论各种实施例和/或设置之间的关系。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,单独存在B,同时存在A和B三种情况,本文中术语“/和”是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A,单独存在A和B两种情况,另外,本文中字符“/”,一般表示前后关联对象是一种“或”关系。
本文中术语“至少一种”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和B的至少一种,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含。
实施例1
一种隧道内基于原始影像的任意类型隧道四测线计算方法,包括以下步骤:
S1、布设标记点。
其中,布设标记点,包括以下步骤:
101、将全站仪架设在轨道面正上方,保证对中位置也在轨道面上,在距全站仪20m处,选择轨道面上与全站仪对中位置相同的点做标记;
102、将全站仪照准轨面标记点处,此时将全站仪置位零度,将全站仪水平旋转90°,旋紧水平制动旋钮,使得全站仪只能在断面内转动;
103、利用步骤102的方法,在同一断面内不同的管片上选择五个点,粘贴反光片,反光片可重复使用。
S2、采集点云数据,建立点云切片索引。
其中,采集点云数据是使用移动隧道监测***进行点云数据采集,该移动隧道监测***由里程计,扫描仪,车体三部分组成,采用电机驱动,五档速度可调,利用该***可快速,准确的获取隧道内点云信息,在粘贴有反光片的隧道区间进行往返重复测量。
其中,建立点云切片索引,包括以下步骤:
201、进行数据预处理,并将las格式的点云数据转换为XYZ格式,为了便于生成预览影像;
202、扫描仪激光头顺时针旋转并按照顺时针的顺序将点的坐标依次存储,在建立坐标系时设Y方向为扫描仪前进方向,那么点云的X,Z坐标就可以构成一个平面,并且该平面始终垂直于前进方向,垂直于Y方向的平面就可认为是点云的切片,每一个Y坐标对应一个切片;
203、按照存储顺序将每个切片进行编号,建立扫面线索引;
204、将切片内的点按数据存储顺序编号,建立切片内点的索引。
S3、生成隧道原始影像。
其中,生成隧道原始影像,包括以下步骤:
301、将点云激光强度信息转化为灰度值,公式如下:
式中,Imax为本段扫描线激光强度最大值,Imin为最小值,In为当前强度,Gn为灰度值,B为增亮系数;公式中B取值1.3,255为灰度最大值。
302、建立图像矩阵;
303、将步骤301中的灰度值按照建立的索引写入步骤302建立的图像矩阵,切片索引值与矩阵的列号相对应,如附图1所示,切片内索引值与矩阵的行号相对应。
利用已经建立的索引,写入矩阵时切片序号和矩阵的列编号对应,切片中点的序号和矩阵的行编号对应,从而将点云完整的表达在图像矩阵中。
S4、利用分段线性拉伸算法对图像进行分段线性拉伸处理,突显图像细节,从而提高图像的辨识度。
其中,分段线性拉伸算法的分段线性拉伸公式如下:
式中,f(x)为输出的分段函数,x轴代表输入的灰度,y轴代表输出灰度,设start为分段函数第一个分段点横坐标,sout为分段函数第一个分段点对应的输出值;同样的,end为为分段函数第二个分段点横坐标,eout为分段函数第二个分段点对应的输出值,如附图2所示。
本实施例中start取50,sout取15,end取200,eout取240,由上述公式计算可得:经过计算可得K1=0.3,C1=0,K2=1.5,C2=-60,K3=0.27,C3=185.5。
S5、识别反光片中心。
其中,识别反光片中心,包括以下步骤:
501、将原始影像进行二值化处理,由于反光片采用黑白相间的设计,黑色部分在图像二值化后呈现为黑色正方形;
502、利用canny边缘检测算法识别正方形轮廓;
503、利用霍夫直线检测,求出轮廓线直线表达式,从而计算得出反光片中心坐标。
S6、计算弦线长度。
其中,计算弦线长度,包括以下步骤:
601、通过图片上反光片中点像素位置行列号反向索引到该点在点云中的序号,读取该点的X,Z坐标值,由于X,Z构成了平面,为了方便计算,以下计算将Z坐标值使用Y 值替代,计算同一断面内两点间的欧氏距离;
其中,欧式距离的计算公式:
式中,(X0,Y0),(Xi,Yi)均为标记点坐标。
进一步的,根据步骤302中图像矩阵上的行列号和点云中的索引一一对应,所以通过图片上反光片中点像素位置行列号反向索引到该点在点云中的序号,读取该点的X,Z坐标值,由于X,Z构成了平面,为了方便计算,以下计算将Z坐标值使用Y值替代。
602、以反光片中点像素为中心,遍历周围3×3像素,设标记点为(Xi,Yi),周围点分别为(Xi-1,Yi-1),(Xi,Yi-1),(Xi+1,Yi-1),(Xi-1,Yi),(Xi+1,Yi),(Xi+1,Yi+1),(Xi,Yi+1),(Xi+1,Yi+1);同样,标记另一点(X0,Y0),采取相同方法遍历周围3×3像素。
603、计算左右相邻的两个断面像素的弦线长度,取其算数平均值。
每个断面计算九段距离,累计计算距离27段,标记为d1,d2…d27,计算27组距离的算数平均值:
标准差为:
实施例2
基于上述实施例1,采用上述四测线计算方法,并采用全站仪测量数据为对比测量,对同一段隧道进行往返测量,对比数据如表1:
表1
弦线编号 | 测量值(m) | 全站仪测量值(m) | 差值(mm) |
1 | 5.1631 | 5.165 | 1.9 |
2 | 5.4005 | 5.4028 | 2.3 |
3 | 5.8018 | 5.8005 | 1.3 |
4 | 4.39 | 4.388 | 2 |
5 | 1.3369 | 1.3355 | 1.4 |
6 | 1.8366 | 1.8363 | 0.3 |
7 | 2.5596 | 2.5608 | 1.2 |
8 | 5.4966 | 5.4968 | 0.2 |
9 | 4.52 | 4.5208 | 0.8 |
10 | 5.725 | 5.7252 | 0.2 |
由表1可知,采用的弦线计算方法具有较高的精度,往返测量精度和全站仪对比精度均在3mm以内,满足隧道变形监测的需求。
如附图3所示,上述实施例往返测量的重复性监测数据对比图,由图可知,往返测量的绝对偏差在0mm到3mm之间,其均差为1.29mm,其中偏差小于1mm的占总数据量的 45%,介于1mm到2mm之间的占总数据量的30%,大于2mm的占总数据量的25%。上述实施例测量往返重复测量差值在±3mm内。
根据规范《GBT 50308-2017城市轨道交通工程测量规范》和《城市轨道交通地下工程监测技术规范》矿山法、盾构法施工监测及运营线路轨道,道床,混凝土结构,施工中的工程结构,隧道拱顶下沉,结构收敛变形允许误差为±3mm,所以本实施例的测量方法满足隧道变形监测的需求。
以上所述仅为本发明的优选实施例而已,其并非因此限制本发明的保护范围,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,通过常规的替代或者能够实现相同的功能在不脱离本发明的原理和精神的情况下对这些实施例进行变化、修改、替换、整合和参数变更均落入本发明的保护范围内。
Claims (5)
1.一种隧道内基于原始影像的任意类型隧道四测线计算方法,其特征在于,包括以下步骤:
S1、布设标记点;
所述步骤S1包括以下步骤:
101、将全站仪架设在轨道面正上方,保证对中位置也在轨道面上,在距全站仪20m处,选择轨道面上与全站仪对中位置相同的点做标记;
102、将全站仪照准轨面标记点处,此时将全站仪置位零度,将全站仪水平旋转90°,旋紧水平制动旋钮,使得全站仪只能在断面内转动;
103、利用步骤102的方法,在同一断面内不同的管片上选择五个点,粘贴反光片;
S2、采集点云数据,建立点云切片索引;
所述步骤S2中建立点云切片索引,包括以下步骤:
201、进行数据预处理,并将las格式的点云数据转换为XYZ格式;
202、扫描仪激光头顺时针旋转并按照顺时针的顺序将点的坐标依次存储,在建立坐标系时设Y方向为扫描仪前进方向,那么点云的X,Z坐标就可以构成一个平面,并且该平面始终垂直于前进方向,垂直于Y方向的平面就可认为是点云的切片,每一个Y坐标对应一个切片;
203、按照存储顺序将每个切片进行编号,建立扫面线索引;
204、将切片内的点按数据存储顺序编号,建立切片内点的索引;
S3、基于步骤S2生成隧道原始影像;
S4、利用分段线性拉伸算法对所述原始影像进行分段线性拉伸处理;
S5、基于步骤S4得到的预处理影像进行识别获得反光片中心坐标;
S6、计算弦线长度;
所述步骤S6包括以下步骤:
601、通过图片上反光片中点像素位置行列号反向索引到该点在点云中心的序号,读取该点的坐标值,计算同一断面内两点间的欧氏距离;
602、以反光片中心点像素为中心,遍历周围3×3像素,设标记点为(Xi,Yi),周围点分别为(Xi-1,Yi-1),(Xi,Yi-1),(Xi+1,Yi-1),(Xi-1,Yi),(Xi+1,Yi),(Xi+1,,Yi+1),(Xi,Yi+1),(Xi-1,Yi+1);
603、计算左右相邻的两个断面像素的弦线长度,取其算数平均值;
所述步骤603每个断面计算九段距离,累计计算距离27段,标记为d1,d2…d27,计算27组距离的算数平均值:
标准差为:
4.根据权利要求1所述的隧道内基于原始影像的任意类型隧道四测线计算方法,其特征在于,所述步骤S5包括以下步骤:
501、将原始影像进行二值化处理,由于反光片采用黑白相间的设计,黑色部分在图像二值化后呈现为黑色正方形;
502、利用canny边缘检测算法识别正方形轮廓;
503、利用霍夫直线检测,求出轮廓线直线表达式,从而计算得出反光片中心坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010518420.4A CN111681225B (zh) | 2020-07-10 | 2020-07-10 | 一种隧道内基于原始影像的任意类型隧道四测线计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010518420.4A CN111681225B (zh) | 2020-07-10 | 2020-07-10 | 一种隧道内基于原始影像的任意类型隧道四测线计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111681225A CN111681225A (zh) | 2020-09-18 |
CN111681225B true CN111681225B (zh) | 2022-06-17 |
Family
ID=72454216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010518420.4A Active CN111681225B (zh) | 2020-07-10 | 2020-07-10 | 一种隧道内基于原始影像的任意类型隧道四测线计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111681225B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117132709A (zh) * | 2023-08-28 | 2023-11-28 | 中山大学 | 隧道的正射影像生成方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106930784A (zh) * | 2017-03-08 | 2017-07-07 | 中交第二航务工程局有限公司 | 基于三维激光扫描的隧道监控方法 |
CN109278053A (zh) * | 2018-09-30 | 2019-01-29 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 一种铁路隧道检测方法 |
CN109375619A (zh) * | 2018-09-30 | 2019-02-22 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 一种隧道巡检*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102620673A (zh) * | 2012-03-16 | 2012-08-01 | 同济大学 | 基于图像分析的隧道变形在线监测***及其应用 |
-
2020
- 2020-07-10 CN CN202010518420.4A patent/CN111681225B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106930784A (zh) * | 2017-03-08 | 2017-07-07 | 中交第二航务工程局有限公司 | 基于三维激光扫描的隧道监控方法 |
CN109278053A (zh) * | 2018-09-30 | 2019-01-29 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 一种铁路隧道检测方法 |
CN109375619A (zh) * | 2018-09-30 | 2019-02-22 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 一种隧道巡检*** |
Non-Patent Citations (1)
Title |
---|
一种真圆型隧道激光扫描断面变形检测新方法的研究;尤相骏等;《隧道建设》;20171231(第07期);19-27 * |
Also Published As
Publication number | Publication date |
---|---|
CN111681225A (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2016385541B2 (en) | Object surface deformation feature extraction method based on line scanning three-dimensional point Cloud | |
US11551341B2 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
CN114370828B (zh) | 基于激光扫描的盾构隧道直径收敛和径向错台检测方法 | |
CN111899288B (zh) | 基于红外和可见光图像融合的隧道渗漏水区域检测与识别方法 | |
CN111710027B (zh) | 一种隧道三维几何重建方法 | |
CN111855664A (zh) | 一种可调节隧道病害三维检测*** | |
CN104359459A (zh) | 采用三维激光扫描反射率信息生成隧道内壁影像的方法 | |
CN104567708A (zh) | 基于主动式全景视觉的隧道全断面高速动态健康检测装置与方法 | |
CN109470207A (zh) | 一种用于隧道的全面检测方法 | |
CN112487521B (zh) | 一种基于点云的隧道改建工程bim建模方法及*** | |
CN114312877B (zh) | 铁路综合巡检*** | |
CN108204985A (zh) | 一种盾构隧道里程定位方法 | |
CN111681225B (zh) | 一种隧道内基于原始影像的任意类型隧道四测线计算方法 | |
CN113011283B (zh) | 一种基于视频的非接触式钢轨轨枕相对位移实时测量方法 | |
CN112233233B (zh) | 一种隧道相对点云数据的三维线形恢复方法 | |
CN113063795A (zh) | 一种高速公路隧道病害位置确定方法及*** | |
CN109682303A (zh) | 基于bim技术的曲线pc轨道梁精密三维检测方法 | |
CN111968079B (zh) | 基于断面局部极值及分段稀疏的三维路面裂缝提取方法 | |
CN114379607B (zh) | 一种铁路综合巡检方法 | |
CN110706153B (zh) | 一种基于原始点云数据的隧道断面快速提取方法 | |
Du et al. | Dislocation detection of shield tunnel based on dense cross-sectional point clouds | |
CN114379598A (zh) | 一种铁路综合巡检*** | |
CN113610786B (zh) | 一种基于视觉测量的轨道变形监测方法 | |
CN113673011A (zh) | 基于点云数据智能识别运营期隧道侵界的方法 | |
CN113420670A (zh) | 基于高分遥感输变电线路迁改环水保监管方法 |
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 |