发明内容
本发明实施例提供一种基于序列图像的隧道检测及图像处理方法,用以解决多类型传感器协同的隧道病害检测中的数据采集、数据定位及数据融合问题。
本发明实施例提供基于序列图像的隧道检测及图像处理方法,包括:
基于各个传感器分别获取任一隧道断面的序列图像数据和点云数据,所述各个传感器包括位置相对固定的激光雷达和多个图像传感器,所述各个传感器刚性连接在多传感器集成平台上;所述序列图像数据为所述多个图像传感器获取的隧道图像数据;所述点云数据为所述激光雷达获取的隧道表面轮廓数据;
基于所述任一隧道断面的序列图像数据和点云数据,以及各个传感器自身的坐标参数间的映射函数关系,确定以多传感器集成平台为参照坐标空间的所述任一隧道断面的序列图像数据处理结果;
基于固定在多传感器集成平台上的定位定姿传感器,求解各个传感器相对于以静态隧道为参照坐标空间的位置信息和姿态信息,并基于所述位置信息和姿态信息确定各个传感器触发采集每一隧道断面数据时所处位置相对于静态隧道坐标参数之间的映射函数关系;
基于每一隧道断面的序列图像数据处理结果,以及所述各个传感器触发采集每一隧道断面数据时所处位置相对于静态隧道坐标参数之间的映射函数关系,确定以静态隧道为参照坐标空间的隧道数据处理结果,所述隧道数据处理结果为序列图像数据中用于隧道检测的有效图像数据。
可选地,所述基于所述任一隧道断面的序列图像数据和点云数据,以及各个传感器自身的坐标参数间的映射函数关系,确定以多传感器集成平台为参照坐标空间的所述任一隧道断面的序列图像数据处理结果,具体包括:
基于所述任一隧道断面的序列图像数据和点云数据,以及各个传感器自身的坐标参数间的映射函数关系,确定所述任一隧道断面的序列图像数据和点云数据与所述任一隧道断面对应的空间位置关系;
基于所述任一隧道断面的序列图像数据和点云数据,及其与所述任一隧道断面对应的空间位置关系,确定以多传感器集成平台为参照坐标空间的所述任一隧道断面的序列图像数据处理结果。
可选地,所述基于所述任一隧道断面的序列图像数据和点云数据,及其与所述任一隧道断面对应的空间位置关系,确定以多传感器集成平台为参照坐标空间的所述任一隧道断面的序列图像数据处理结果,之前还包括:
基于所述任一隧道断面的序列图像数据和点云数据,以及各个传感器自身的坐标参数间的映射函数关系,以及任一隧道断面的隧道轮廓信息,对序列图像数据进行图像处理;
其中,所述任一隧道断面的隧道轮廓信息是基于所述任一隧道断面的点云数据确定的。
可选地,所述对序列图像数据进行图像处理,包括:
采用定位、配准和剪裁中的至少一种对所述序列图像数据进行图像处理。
可选地,所述基于每一隧道断面的序列图像数据处理结果,以及所述各个传感器触发采集每一隧道断面数据时所处位置相对于静态隧道坐标参数之间的映射函数关系,确定以静态隧道为参照坐标空间的隧道数据处理结果,具体包括:
基于每一隧道断面的序列图像数据处理结果,以及所述各个传感器触发采集每一隧道断面数据时所处位置相对于静态隧道坐标参数之间的映射函数关系,确定每一隧道断面的序列图像数据处理结果与静态隧道对应的空间位置关系;
基于每一隧道断面的序列图像数据处理结果,及其与静态隧道对应的空间位置关系,确定以静态隧道为参照坐标空间的隧道数据处理结果。
可选地,所述基于固定在多传感器集成平台上的定位定姿传感器,求解各个传感器相对于以静态隧道为参照坐标空间的位置信息和姿态信息,具体包括:
基于固定在多传感器集成平台上的定位定姿传感器,获取所述多传感器集成平台从上一控制点移动到当前位置的移动距离和航向角;
基于上一控制点的位置信息、所述移动距离和所述航向角,求解各个传感器相对于以静态隧道为参照坐标空间的位置信息和姿态信息;
所述控制点为隧道中装设的实体控制点,或由导航卫星***确定的虚拟控制点。
可选地,所述基于上一控制点的位置信息、所述移动距离和所述航向角,求解各个传感器相对于以静态隧道为参照坐标空间的位置信息和姿态信息,还包括:
基于第一水平偏移和第二水平偏移,对所述多传感器集成平台的位置信息进行校正;
其中,所述第一水平偏移是基于上一控制点的位置信息、所述移动距离和所述航向角确定的;所述第二水平偏移是基于所述多传感器集成平台相对于静态隧道的横断面距离确定的。
本发明实施例提供的基于序列图像的隧道检测及图像处理方法,通过获取隧道断面的序列图像数据和点云数据,将获取的多源数据转换到多传感器集成平台坐标空间后进行融合得到隧道断面的序列图像数据处理结果,将序列图像数据处理结果转换到静态隧道坐标空间后进行融合得到隧道数据处理结果,实现了多个传感器数据的融合,所得到的隧道数据处理结果能够有效且直观地反映隧道衬砌特征,提高了隧道衬砌的检测效率。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的基于序列图像的隧道检测及图像处理方法的流程示意图,如图1所示,该方法包括:
步骤101,基于各个传感器分别获取任一隧道断面的序列图像数据和点云数据,各个传感器包括位置相对固定的激光雷达和多个图像传感器,各个传感器刚性连接在多传感器集成平台上;序列图像数据为多个图像传感器获取的隧道图像数据;点云数据为激光雷达获取的隧道表面轮廓数据;
具体地,用于获取隧道断面的序列图像数据的图像传感器可以是光学相机,也可以是红外成像仪,本发明实施例对于获取数据的图像传感器的类型不做具体限定。
各个传感器刚性连接在一个多传感器集成平台上,当各个传感器工作时,传感器之间的相对位置和相对姿态关系是固定的,各传感器相对于多传感器集成平台之间的相对位置和相对姿态关系也是固定的。
步骤102,基于任一隧道断面的序列图像数据和点云数据,以及各个传感器自身的坐标参数间的映射函数关系,确定以多传感器集成平台为参照坐标空间的任一隧道断面的序列图像数据处理结果;
具体地,由于各个传感器工作时,传感器之间的相对位置和相对姿态关系是固定的,各传感器相对于多传感器集成平台之间的相对位置和相对姿态关系也是固定的。也就是说,在检测过程中,传感器之间的相对关系不会发生变化,传感器与多传感器集成平台之间的相对关系也不会发生变化。因此,以多传感器集成平台为参照坐标空间,可以通过标定和解算的方式,事先获取各个传感器的相对位置和相对姿态,确定各个传感器自身的坐标参数与多传感器集成平台坐标参数之间的映射函数关系。
根据各个传感器自身的坐标参数与多传感器集成平台坐标参数之间的映射函数关系,可以确定各个传感器分别获取的任一隧道断面的点云数据和序列图像数据之间的空间位置关系,根据各数据之间的空间位置关系,可以将获取的数据进行融合,得到对应的隧道断面的序列图像数据处理结果。
步骤103,基于固定在多传感器集成平台上的定位定姿传感器,求解各个传感器相对于以静态隧道为参照坐标空间的位置信息和姿态信息,并基于位置信息和姿态信息确定各个传感器触发采集每一隧道断面数据时所处位置相对于静态隧道坐标参数之间的映射函数关系;
具体地,在隧道检测过程中,多传感器集成平台可以刚性固定在移动平台上,随着移动平台在隧道内运动。建立以静态隧道为参照坐标空间,由固定在多传感器集成平台上的定位定姿传感器获取多传感器集成平台的速度和航向角,可以确定多传感器集成平台相对于静态隧道的位置信息和姿态信息,进而确定各个传感器触发采集每一隧道断面数据时所处位置相对于静态隧道坐标参数之间的映射函数关系。
步骤104,基于每一隧道断面的序列图像数据处理结果,以及各个传感器触发采集每一隧道断面数据时所处位置相对于静态隧道坐标参数之间的映射函数关系,确定以静态隧道为参照坐标空间的隧道数据处理结果,隧道数据处理结果为序列图像数据中用于隧道检测的有效图像数据。
具体地,根据各个传感器触发采集每一隧道断面数据时所处位置相对于静态隧道坐标参数之间的映射函数关系,可以确定每一隧道断面的序列图像数据处理结果在静态隧道坐标空间中的空间位置关系,进而根据空间位置关系进行数据融合,得到以静态隧道为参照坐标空间的隧道数据处理结果。隧道数据处理结果包括整个隧道的序列图像数据和点云数据的融合结果。隧道数据处理结果可以以三维模型的形式呈现,也可以展开为对应的全景图,便于检测人员分析隧道衬砌表面渗漏水、裂缝、变形、破损等病害情况。
下面通过举例说明。图2为本发明实施例提供的隧道数据采集示意图,如图2所示,需要测量的隧道210为公路隧道,隧道检测***采用了载重汽车作为移动平台230。移动平台230上装载有多传感器集成平台220。光学相机一221、光学相机二222和光学相机三223刚性固定在多传感器集成平台220上。
通过3台光学相机获取任一隧道断面的序列图像数据。以多传感器集成平台220为坐标空间,由于3台光学相机被刚性固定在多传感器集成平台上,通过标定和解算的方式可以得到每台相机相对于多传感器集成平台的坐标参数,还可以得到每台相机在该参照***下的光轴和成像视场等信息。因此,每台相机拍摄的序列图像数据之间存在固定的空间位置关系,通过各个相机的相对位置和相对姿态,可以解算出各个相机自身的坐标参数与多传感器集成平台坐标参数之间的映射函数关系,进而得到各个序列图像数据之间的空间位置关系,根据各个序列图像数据之间的空间位置关系,可以将获取的序列图像数据进行融合,得到对应的隧道断面的序列图像数据处理结果。
随着多传感器集成平台220从隧道检测的起始端移动到终点端,3台光学相机进行隧道衬砌表面图像数据的采集,连续得到多个隧道断面的序列图像数据处理结果。
图3为本发明实施例提供的隧道三维模型及其展开图的示意图,如图3所示,根据多传感器集成平台触发采集每一隧道断面数据时所处位置相对于静态隧道坐标参数之间的映射函数关系,隧道断面的序列图像数据处理结果进行融合得到整个隧道的隧道数据处理结果。图像数据303为本发明实施例中光学相机二222采集到的图像数据。整个隧道的隧道数据处理结果可以以图像三维模型301的形式呈现,也可以展开为对应的全景图302。
本发明实施例提供的基于序列图像的隧道检测及图像处理方法,通过获取隧道断面的序列图像数据和点云数据,将获取的多源数据转换到多传感器集成平台坐标空间后进行融合得到隧道断面的序列图像数据处理结果,将序列图像数据处理结果转换到静态隧道坐标空间后进行融合得到隧道数据处理结果,实现了多个传感器数据的融合,所得到的隧道数据处理结果能够有效且直观地反映隧道衬砌特征,提高了隧道衬砌的检测效率。
基于上述实施例,步骤102具体包括:
基于任一隧道断面的序列图像数据和点云数据,以及各个传感器自身的坐标参数间的映射函数关系,确定任一隧道断面的序列图像数据和点云数据与任一隧道断面对应的空间位置关系;
基于任一隧道断面的序列图像数据和点云数据,及其与任一隧道断面对应的空间位置关系,确定以多传感器集成平台为参照坐标空间的任一隧道断面的序列图像数据处理结果。
具体地,任一隧道断面的序列图像数据处理结果为根据任一隧道断面的序列图像数据和点云数据,及其与任一隧道断面对应的空间位置关系,对任一隧道断面的若干张序列图像进行拼接得到的。
图4为本发明实施例提供的基于序列图像的隧道检测及图像处理方法的参数计算示意图,如图4所示,激光雷达刚性固定在多传感器集成平台上,建立以激光雷达为原点的相对坐标系,L点为激光雷达的位置,C点为任一相机的位置,激光雷达水平向隧道衬砌表面的方向为X轴,多传感器集成平台的前进方向为Y轴,垂直于道路的方向为Z轴。
每一相机相对于激光雷达的空间位置关系是固定的,并且可以将每一相机和激光雷达设置为同一平面。因此,每一相机在以激光雷达为原点的相对坐标系中的相对坐标可以通过空间位置关系得到。对任一相机,根据其相对坐标(△x,△y,△z)可以得到任一相机的成像中心(x,y,z),求解公式为:
式中,α为任一相机的光轴角度,d为任一相机的工作距离。由于任一相机和和激光雷达为共面关系,因此,任一相机的成像中心在Y轴等于多传感器集成平台的当前位置,即y=△y。
任一相机的工作距离d根据下列公式求解:
式中,α为任一相机的光轴角度,h为激光雷达测量得到的激光雷达至隧道衬砌的距离,b为任一相机与激光雷达之间的距离。
还可以根据隧道断面大小确定相机的个数N,求解公式为:
N=S/l
式中,l为任一相机的覆盖视场尺寸,S为隧道一次测量的弧长。
l=2d/tanγ
式中,l为任一相机的覆盖视场尺寸,d为任一相机的工作距离,γ为任一相机的视场角。
根据上述求解方法,依次求解可以得到其余相机的成像中心。因为相机的成像中心为位于图像中心并垂直于相机光轴的直线,所以每一相机所采集的图像数据为以成像中心为中心的四边形。
根据每一相机的成像中心,确定每一相机采集的图像数据与隧道断面对应的空间位置关系。根据任一隧道断面的序列图像数据和点云数据,及其与任一隧道断面对应的空间位置关系,确定以多传感器集成平台为参照坐标空间的任一隧道断面的序列图像数据处理结果。
图5为本发明实施例提供的隧道断面序列图像数据处理结果示意图,如图5所示,将每一相机采集的图像数据502根据其对应的空间位置关系投影到隧道断面501,可以得到在同一隧道断面的一系列图像中心503共线的序列图像,将同一隧道断面中心共线的序列图像进行融合,得到一张融合图像,即隧道断面的序列图像数据处理结果。
基于上述任一实施例,基于任一隧道断面的序列图像数据和点云数据,及其与任一隧道断面对应的空间位置关系,确定以多传感器集成平台为参照坐标空间的任一隧道断面的序列图像数据处理结果,之前还包括:
基于任一隧道断面的序列图像数据和点云数据,以及各个传感器自身的坐标参数间的映射函数关系,以及任一隧道断面的隧道轮廓信息,对序列图像数据进行图像处理;
其中,任一隧道断面的隧道轮廓信息是基于任一隧道断面的点云数据确定的。
具体地,隧道衬砌图像由多台相机多次独立采集的序列图像。为了保障图像的连续性与完整性,相邻的序列图像数据间有冗余的重叠区域。由于自多台相机存在安装误差以及相机间可能的相对位移等原因,衬砌序列图像存在相对位移情形,表现为裂缝病害错位、构造物错位、标志物错位等。对于存在相对位移的错位序列图像,图像中的对象可能出现重复或不完整等异常。
根据任一隧道断面的点云数据,以及获取点云数据的激光雷达自身的坐标参数与多传感器集成平台坐标参数之间的映射函数关系,可以得到任一隧道断面的隧道轮廓信息。
由于隧道断面为曲面,断面各处的弯曲度跟隧道轮廓信息紧密相关。图像数据进行数据融合时,需要考虑到隧道断面的隧道轮廓信息进行一定的图片处理,以使得处理后得到的序列图像数据处理结果更加贴近真实的隧道衬砌。
基于上述任一实施例,对序列图像数据进行图像处理,包括:
采用定位、配准和剪裁中的至少一种对序列图像数据进行图像处理。
具体地,本发明实施例提供的图像处理的定位方法如下:
隧道断面为弧形曲面。对于隧道检测的第i个相机,该相机刚性固定在多传感器集成平台上,其与水平的夹角βi可以根据相机与多传感器集成平台之间的固定关系通过标定得到。该相机成像光轴与隧道曲面焦点(xi,yi)满足方程:
式中,di为第i个相机的工作距离,H为第i个相机中轴焦点的离地高度。
由上式可以确定每一相机成像光轴与隧道曲面焦点坐标(xi,yi)以及固定的角度βi和工作距离di间的关系。
隧道断面可以视为一个曲面展开的平面,以隧道断面曲面方向β为平面的横坐标,以多传感器集成平台的行驶方向为平面的纵坐标。则用于隧道检测的N台相机拍摄的图像在该坐标***内为序列排列的N张图像。这N张图像的成像中心为(βi,z0),βi取决于第i个相机与水平方向的夹角βi,z0取决于多传感器集成平台的当前行驶坐标。
本发明实施例提供的图像处理的配准方法如下:
在重叠区域可能有明显的图像特征,能够反映隧道裂缝等病害。可以使用SURF(Speeded Up Robust Features)算法对重叠区域进行图像特征空间匹配。由于重叠区域占据图像数据的空间不会太多,SURF算法只需要检测该重叠区域,大大加快了特征点检测的速度。由于SURF算法得到的匹配点中可能存在部分伪点对,误差较大,可以使用RANSAC(Random Sample Consensus)算法对上述匹配点进行滤波,得到有效匹配点。基于有效匹配点,确定图像配准结果。
本发明实施例提供的图像处理的一种剪裁处理的方法如下:
由于隧道断面各处的弯曲度不同,每一相机的成像平面存在差异,导致相邻图像数据存在重叠区域。
图6为本发明实施例提供的相邻图像数据对应的相机成像重叠示意图,如图6所示,相邻图像数据分别由相机A和相机B采集得到,θA和θB分别为相机A和相机B的视场角的一半。DA和DB分别为相机A和相机B到各自实际成像平面的物距。D为相机A和相机B到隧道投影平面的物距。隧道投影平面即隧道图像融合平面,为隧道检测的参考平面。
根据相机成像原理,相机A和相机B分别到实际成像平面和隧道投影平面形成的图片的物理尺寸关系可以用公式表示为:
LA=2*DA*tanθA
LB=2*DB*tanθB
L′A=2*D*tanθA
L′B=2*D*tanθB
式中,LA为相机A到实际成像平面形成的图片的物理尺寸,L′A为相机A到隧道投影平面形成的图片的物理尺寸,LB为相机B到实际成像平面形成的图片的物理尺寸,L′B为相机B到隧道投影平面形成的图片的物理尺寸。
图7为本发明实施例提供的相邻图像数据的重叠区域宽度示意图,如图7所示,在隧道投影平面上,相邻图像数据的宽度分别为L′A和L′B,则重叠区域宽度L可以用公式表示为:
L=0.5*(L′A+L′B)-L′
式中,L′为相邻图像数据的成像中心距离。
相邻图像数据的重叠区域宽度L所对应的图像即为需要进行剪裁的部分。在上述实施例中,可以根据基于对应相机的姿态位置信息和相机成像原理,求解得到图像数据的物理分辨率,即每像素点对应的物理距离。设每像素点对应的物理距离为p,求解公式如下:
p=l/q
式中,l为任一相机的覆盖视场尺寸,q为相机分辨率因子,任一相机的相机分辨率为q×q。
工程应用中,物理分辨率也被称之为物方物理精度或物方分辨率,可以由相关隧道检测规范确定。
本发明实施例提供的图像处理的又一种剪裁的方法如下:
考虑到动态测量环境下多传感器标定结果的鲁棒性、多传感器集成平台的刚性和惯性组件定位定姿精度等因素,基于几何参数解算通常会产生配准误差,导致在接缝处通常存在图像结构错位,在图像重叠区域形成重影,在图像边缘形成接缝。
产生的结构错位是由于几何参数解算产生的,对应的配准误差主要来源于相机视场范围误差和相机视场中心的成像误差导致的结构错位。
基于图像配准结果和相邻图像数据的分辨率,对相邻序列图像数据中的重叠部分进行剪裁,确定重叠部分的有效图像数据。
根据相邻图像数据的物理分辨率,可以使用物理分辨率更高的图像数据覆盖物理分辨率较的图像数据,从而提高隧道断面的序列图像数据处理结果的分辨率。
因此,对序列图像数据进行以平移为主,伴随少量缩放操作做就可以完成图像处理。
此外,图像结构错位还有可能是在多传感器集成平台的行驶方向上产生的。理想中的图像数据的中轴线经过图像数据的图像中心,与隧道断面方向平行。多传感器集成平台上的多个相机所拍摄的序列图像数据的中轴线应该与代表隧道断面的检测中轴线严格共线。但实际检测过程中,由于多传感器集成平台上的传感器存在安装误差,导致图像数据的中轴线与隧道断面的检测中轴线存在数毫米至数十毫米的误差。
针对上述问题,本发明实施例提供的图像处理的再一种剪裁处理的方法如下。
图8为本发明实施例提供的行车方向上的图像结构错位示意图,如图8所示,由相机拍摄的n张序列图像数据的中轴线未与隧道断面的检测中轴线严格共线。n张序列图像数据与的中轴线未与隧道断面的检测中轴线的误差分别表示为:δO1,δO2,…,δOn。该行车方向为多集成传感器平台的移动方向。
对于任一图像数据(图像i),行车方向上的视场宽度为Ei,图像的中轴线与检测断面存在定位误差δOi,两侧边缘距检测断面的实际距离为Li和Ri,满足方程:
其中,视场宽度Ei为任一图像数据(图像i)对应相机的覆盖视场尺寸,由前文所述的方法求解,定位误差δOi由配准后的图像数据求解。图像在行车方向上的两侧边界不共线,需要进行剪裁。剪裁范围为图像边缘距离检测断面的最小值。
其中,L剪裁为序列图像边缘距离检测断面的左侧最小值,R剪裁为序列图像边缘距离检测断面的右侧最小值。
剪裁是处理图像间重叠区域的有效手段之一。由于相机参数和拍摄环境不同,在重叠区域不同图像的成像质量存在差异。原则上,质量较高的图像更适合作为重叠区域的数据来源。通常图像质量被用于量化图像在在重叠区域的清晰度,取决于两方面因素,相机成像质量的理论值和实际图像的清晰程度。
理论上,相机的成像质量主要和像素点、灰度值、信噪比、成像距离等几方面有关。构成视相机感光层的基本单元。像素点直径数量级为微米,单位面积上像素点越多,构成的图像越细致,分辨率越高。灰度值越高,则相机可以分辨的灰度越多,灰度细节更丰富。信噪比是正常光信号与异常信号的比值,信噪比越高,图像更真实、更清晰。成像距离指相机至衬砌的工作距离,通常距离越近图像越清晰。
实际检测条件下,受环境光、照明光、材料反光特性、空气杂质等因素的影响,图像的清晰度与其理论值存在差异,需要修正。在无参考图像的质量评价中,图像的清晰度是衡量图像质量优劣的主要指标,它能够较好的与人的主观感受相对应。目前几种较为常用的、具有代表性清晰度算法包括:Tenengrad梯度函数,Laplacian梯度函数,SMD(灰度方差)函数,能量梯度函数,熵函数,Brenner梯度函数、Tenengrad梯度函数、Vollath函数、EAV点锐度算法函数等。
任一隧道序列图像经过剪裁后,得到宽度为|L剪裁-R剪裁|的有效隧道断面数据,即序列图像数据处理结果。
基于上述任一实施例,步骤104具体包括:
基于每一隧道断面的序列图像数据处理结果,以及各个传感器触发采集每一隧道断面数据时所处位置相对于静态隧道坐标参数之间的映射函数关系,确定每一隧道断面的序列图像数据处理结果与静态隧道对应的空间位置关系;
基于每一隧道断面的序列图像数据处理结果,及其与静态隧道对应的空间位置关系,确定以静态隧道为参照坐标空间的隧道数据处理结果。
具体地,根据每一隧道断面的序列图像数据处理结果,以及各个传感器触发采集每一隧道断面数据时所处位置相对于静态隧道坐标参数之间的映射函数关系,可以确定每一隧道断面的序列图像数据处理结果与静态隧道对应的空间位置关系。
通过每一隧道断面的序列图像数据处理结果与静态隧道之间的空间位置关系,以及序列图像的采集时间,可以确定每一隧道断面的序列图像数据处理结果对应的多传感器集成平台的移动速度。
多传感器集成平台的移动速度为v,为了防止出现行车方向上的数据遗漏,断面测量间隔为t应当满足方程:
vt≥|L剪裁-R剪裁|
其中,L剪裁为序列图像边缘距离检测断面的左侧最小值,R剪裁为序列图像边缘距离检测断面的右侧最小值。
此时,可以按照断面序列图像数据采集时间标签顺序对隧道断面的序列图像数据处理结果进行以步长vt为单位进行拼接,得到以静态隧道为参照坐标空间的隧道数据处理结果。
隧道数据处理结果包括整个隧道的点云数据和图像数据的融合结果。隧道数据处理结果可以以三维模型的形式呈现,也可以展开为对应的全景图,便于检测人员分析隧道衬砌表面渗漏水、裂缝、变形、破损等病害情况。
隧道是一个封闭的空间,缺少GPS(Global Positioning System,全球定位***)信号。现有的技术使用相对坐标定位,里程计测量多传感器集成平台移动的距离,惯性测量单元测量多传感器集成平台移动的航向角,基于距离和航向角计算多传感器集成平台的位置信息,由于多传感器集成平台的移动路径可能是非直线的,并且航向角可能会产生累积误差,导致多传感器集成平台的位置信息的精度降低,无法满足建立获得精确隧道点云数据的需要。
基于上述任一实施例,步骤103具体包括:
基于固定在多传感器集成平台上的定位定姿传感器,获取多传感器集成平台从上一控制点移动到当前位置的移动距离和航向角;
基于上一控制点的位置信息、移动距离和航向角,求解各个传感器相对于以静态隧道为参照坐标空间的位置信息和姿态信息;
控制点为隧道中装设的实体控制点,或由导航卫星***确定的虚拟控制点。
具体地,在隧道中每隔一段距离装设有1个实体控制点,或在隧道中标记由导航卫星***确定的虚拟控制点,并预先对每个控制点进行定位,结合多传感器集成平台的位置信息,得到更加准确的多传感器集成平台相对于以静态隧道为参照坐标空间的位置信息。
以上一控制点为参考起始点,获取多传感器集成平台移动到当前位置的移动距离和航向角。定位定姿传感器包括里程计(DMI)和惯性测量单位(IMU)。定位定姿传感器固定在多传感器集成平台上。
移动距离可以由里程计(DMI)获取,航向角可以由惯性测量单位(IMU)获取,移动距离和航向角的获取也可以通过其他传感器获得,本发明实施例对此不做具体限定。
基于上一控制点的位置信息、移动距离和航向角,求解各个传感器相对于以静态隧道为参照坐标空间的位置信息和姿态信息。
下面通过举例来说明。图9为本发明实施例提供的基于序列图像的隧道检测及图像处理方法的定位示意图,如图9所示,多传感器集成平台刚性固定在载车平台上,建立以行车方向为Y轴,以隧道横断方向为X轴的相对坐标系,参考起始点A为上一控制点,其坐标为(x0,y0)。单位时间后,多传感器集成平台移动到B点,B点坐标为(x1,y1),则B点的计算方法为:
式中,d为多传感器集成平台从A点移动到B点的移动距离,α为多传感器集成平台从A点移动到B点的航向角。
基于上述任一实施例,基于上一控制点的位置信息、移动距离和航向角,求解各个传感器相对于以静态隧道为参照坐标空间的位置信息和姿态信息,还包括:
基于第一水平偏移和第二水平偏移,对多传感器集成平台的位置信息进行校正;
其中,第一水平偏移是基于上一控制点的位置信息、移动距离和航向角确定的;第二水平偏移是基于多传感器集成平台相对于静态隧道的横断面距离确定的。
具体地,由于多传感器集成平台在移动过程中会产生水平偏移,影响多传感器集成平台定位的准确性。因此,需要对多传感器集成平台的位置信息进行校正。基于上一控制点的位置信息、移动距离和航向角可以确定第一水平偏移,求解公式为:
其中,Δx为第一水平偏移,该偏移存在累计误差。
利用多传感器集成平台上的激光雷达,可以在A点获取多传感器集成平台相对于隧道左右衬砌的横截面距离L1和L2;在B点获取多传感器集成平台相对于隧道左右衬砌的横截面距离L′1和L′2,则第二水平偏移可以用公式表示为:
式中,ΔL为基于激光雷达获取的多传感器集成平台的第二水平偏移。
可以利用第一水平偏移和第二水平偏移相结合的方式来校正多传感器集成平台的位置信息。
基于上述任一实施例,基于第一水平偏移和第二水平偏移,对多传感器集成平台的位置信息进行校正,包括:
若第一水平偏移与第二水平偏移之间的累计误差超过约束值,对多传感器集成平台的位置信息进行校正。
具体地,通过测量可以得到|ΔL-Δx|序列,可以得到其平均误差以平均误差/>作为第一水平偏移Δx与第二水平偏移ΔL之间的累计误差约束值。
如果则认为里程计(DMI)和惯性测量单位(IMU)定位的累计噪音超过激光雷达测量值的误差,此时对累计误差进行校准,Δx=ΔL。
假设里程计(DMI)和惯性测量单位(IMU)的测量噪声和激光雷达的测量噪声都满足高斯分布的假设,然后用滤波算法来生成修正后的航向角数据α′和位移数据Δx′。滤波算法可以采用卡尔曼互补滤波,本发明实施例对此不做具体限定。
修正后,多传感器集成平台在B点的位置(x′1,y′1)可以表示为:
本发明实施例提供的基于序列图像的隧道检测及图像处理方法,通过在隧道内设置控制点,利用多传感器实现了隧道内多传感器组合定位,能够在无GPS信号且缺少参照物的情况下实现隧道内高精度定位。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。