CN112036508B - 一种基于盾构隧道衬砌结构的环缝自动识别方法 - Google Patents

一种基于盾构隧道衬砌结构的环缝自动识别方法 Download PDF

Info

Publication number
CN112036508B
CN112036508B CN202011028530.9A CN202011028530A CN112036508B CN 112036508 B CN112036508 B CN 112036508B CN 202011028530 A CN202011028530 A CN 202011028530A CN 112036508 B CN112036508 B CN 112036508B
Authority
CN
China
Prior art keywords
tunnel
point
bolt hole
ring
shield tunnel
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
CN202011028530.9A
Other languages
English (en)
Other versions
CN112036508A (zh
Inventor
王子轩
樊勇
刘天祥
戎泽峰
刘旺军
倪传清
赵红涛
王世秀
贺祎侃
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 Jinghai Engineering Technology Co ltd
Original Assignee
Shanghai Jinghai 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 Jinghai Engineering Technology Co ltd filed Critical Shanghai Jinghai Engineering Technology Co ltd
Priority to CN202011028530.9A priority Critical patent/CN112036508B/zh
Publication of CN112036508A publication Critical patent/CN112036508A/zh
Priority to US17/231,852 priority patent/US20220101513A1/en
Application granted granted Critical
Publication of CN112036508B publication Critical patent/CN112036508B/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
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06T3/08—Projecting images onto non-planar surfaces, e.g. geodetic screens
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

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)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Lining And Supports For Tunnels (AREA)

Abstract

本发明为一种基于盾构隧道衬砌结构的接缝自动识别方法，其特征在于包括以下步骤：S1:使用移动扫描***进行盾构隧道三维点云采集；S2:隧道内壁正射投影图像生成；S3:螺栓孔特征识别；S4:盾构隧道纵接缝提取；S5:先验结构模板环生成；S6:盾构隧道横接缝提取。本发明具备以下优点：从盾构隧道衬砌结构的特点出发，选取具有较强结构特征的螺栓孔作为识别特征，间接提取接缝信息，可以在一定程度上排除隧道内壁扫描遮挡、附属设施干扰的影响，精度高、鲁棒性强。采用先验结构模板环的方式进行横接缝识别，对通缝、错缝隧道均具有较好的识别效果，操作简便、通用性强，适合于实际工程应用。

Description

一种基于盾构隧道衬砌结构的环缝自动识别方法
技术领域
本发明涉及盾构隧道测量技术领域，具体涉及一种基于盾构隧道衬砌结构的环缝自动识别方法。
背景技术
近年来，随着我国城市轨道交通行业的迅猛发展，地铁隧道的数量和地铁运营长度急剧增加，地铁已成为城市中最主要的通勤工具，并随之产生大量的地铁隧道安全监测与维护工作。盾构隧道以其安全、环保、快速的优点在地铁工程建设过程中被大量应用，盾构法隧道最显著的特点是结构存在大量接缝，1km长的单圆盾构隧道其接缝总长度是隧道自身长度的20余倍，盾构隧道接缝位置往往是拼装隧道的薄弱环节，管片横、纵接缝是描述隧道环拼装的重要结构特征。
隧道里程定位与拼装环块分割取决于对接缝的准确识别提取，隧道接缝信息的提取是完成隧道错台计算、全断面收敛、BIM模型生成等后续成果的必备前提。
专利201410726695.1公开了基于三维扫描技术提取隧道错台的方法，通过激光扫描影像获取隧道接缝信息，接缝信息为人工采集，效率过低。
专利201811566725.1公开了一种基于盾构隧道影像的管片接缝位置自动识别方法，该方法需要实现构建训练集与测试集，图像数据处理量较大，操作较繁琐且易受隧道内线状附属结构干扰。
发明内容
本发明的目的是为了克服上述现有技术不足，提供一种基于盾构隧道衬砌结构的环缝自动识别方法，该方法采用移动扫描***采集盾构隧道三维点云，根据盾构隧道结构特征，自动识别盾构隧道衬砌结构中特征较明显的螺栓孔，间接提取盾构隧道中横、纵接缝的位置，可广泛用于通缝、错缝隧道环缝的自动提取。
为了实现上述目的，本发明提供一种基于盾构隧道衬砌结构特征的环缝自动识别方法，包括步骤如下。
S1:使用移动扫描***进行盾构隧道三维点云采集。
S2:隧道内壁正射投影图像生成。
S3:螺栓孔特征识别。
S4:盾构隧道纵接缝提取。
S5:先验结构模板环生成。
S6:盾构隧道横接缝提取。
进一步的，所述的S2步骤中，使用圆柱投影模型进行盾构隧道正射投影，生成隧道内壁正射影像图，此图像用于接缝的人工先验选取与接缝识别结果验证。
进一步的，所述的S3步骤中，包含以下步骤。
S31: 选取隧道图像上包含螺栓孔的区域范围，沿隧道里程方向进行采样，计算相应点到断面拟合椭圆中心的距离，同时为了剔除附属设施遮挡影响，在同一断面采样点集中选取距离最大值作为当前断面采样距离，构成采样点集合G。
S32:利用螺栓孔设计宽度t_w与深度t_d作为阈值，对采样点集合G中的点进行聚类分割算法，识别到全部t个聚类，构成聚类重心点集J。
S33:点集J中包含两类点，分别为螺栓孔聚类点J_1，隧道壁点J_2，对识别到的全部聚类重心使用宽度为6的滑动窗口计算窗口内聚类重心平均值k，将窗口内距离小于k的点作为隧道壁点J_2，将距离大于k的点作为螺栓孔点J_1，将全部J_1构成螺栓孔点集H。
进一步的，所述的S4步骤中，将全部理论接缝里程位置构成为 l，遍历选取螺栓孔点集H中点Hi，在 l中遍历查找距离Hi最近的点 l i ，如果Hi< l i ，将Hi放入点集Hleft，如果Hi> l i ，将Hi放入点集Hright，取Hleft与Hright中距离最近的一对点pl与pr，则盾构隧道当前纵接缝位置p_h为：。
进一步的，所述的S5步骤中，包含以下步骤。
S51:根据隧道实际情况，人工选择1-3环接缝位置作为先验位置信息，将第i环接缝位置构成点集Oi。
S52:使用S3步骤中的算法提取第i环中的螺栓孔点集Hi，遍历Hi中的螺栓孔，在点集Oi中寻找距离当前螺栓孔最近的接缝，储存当前接缝与螺栓孔的位置关系索引h-oi存入位置关系索引集合HOi。
S53:将全部环的HOi取并集，构成整体先验结构模板环集合HO。
进一步的，所述的S6步骤中，由于区间内某横接缝待识别环i与S5中的结构模板环具有相同的拼装方式，具有相同的“接缝-螺栓孔”对应关系，仅与“结构模板环”存在绕隧道轴线的旋转角θ，θ取值范围为0°-360°。待识别环i中识别到的螺栓孔集合Hi是结构模板环中螺栓孔集合HO的子集，当确定正确的旋转角θ后，就可以得到各螺栓孔的正确匹配。按照0°~360°的旋转角θ对待识别环i进行旋转，将待识别环i采用S3步骤算法提取螺栓孔点集Hi，之后遍历结构模板环HO中的螺栓孔集合，匹配查找Hi中各螺栓孔对应的结构模板环HO中方位角差最小的螺栓孔，计算当前旋转角θ下平均角差δ，将全部θ取值下的δ加入平均角差集合φ。选取集合φ中最小的平均角差，得到对应的旋转角取值θmin，将待识别环i旋转θmin，遍历查找Hi中各螺栓孔在先验结构模板环HO中距离最近的模板螺栓孔，直接找到对应的横接缝位置，如有重复的接缝位置则取平均值，作为最终的横接缝位置p_z。
本发明采用以上技术方案，具备以下优点。从盾构隧道衬砌结构的特点出发，选取具有较强结构特征的螺栓孔作为识别特征，间接提取接缝信息，可以在一定程度上排除隧道内壁扫描遮挡、附属设施干扰的影响，精度高、鲁棒性强。采用先验结构模板环的方式进行横接缝识别，对通缝、错缝隧道均具有较好的识别效果，操作简便、通用性强，适合于实际工程应用。
附图说明
图1为本发明的操作方法流程图。
图2为本发明实施例中结构特征示意图。
图3为本发明实施例中纵接缝识别示意图。
图4为本发明实施例中模板环生成示意图。
图5为本发明实施例中横接缝匹配曲线示意图。
具体实施方式
下面结合附图1-5，给出本发明的较佳实施例，对本发明做进一步说明。
附图1为本发明的操作方法流程图，包括步骤如下。
S1:使用移动扫描***进行盾构隧道三维点云采集。
S2:隧道内壁正射投影图像生成。
S3:螺栓孔特征识别。
S4:盾构隧道纵接缝提取。
S5:先验结构模板环生成。
S6:盾构隧道横接缝提取。
所述的S2步骤中，使用圆柱投影模型进行盾构隧道正射投影，生成隧道内壁正射影像图，此图像用于接缝的人工先验选取与接缝识别结果验证。
附图2中展示了本发明中需要识别的螺栓孔特征，需要提取的横纵接缝样式。
所述的S3步骤中，包含以下步骤，结合附图3中所示参数进行详细说明。
S31: 选取隧道图像上包含螺栓孔的区域范围，沿隧道里程方向进行采样，计算相应点到断面拟合椭圆中心的距离，同时为了剔除附属设施遮挡影响，在同一断面采样点集中选取距离最大值作为当前断面采样距离，构成采样点集合G，显示如图3所示原始点构成的曲线。
S32:利用螺栓孔设计宽度t_w与深度t_d作为阈值，对采样点集合G中的点进行聚类分割算法，识别到全部t个聚类，构成聚类重心点集J。
S33: 如附图3所示，点集J中包含两类点，分别为螺栓孔聚类点J_1，隧道壁点J_2，对识别到的全部聚类重心使用宽度为6的滑动窗口计算窗口内聚类重心平均值k，将窗口内距离小于k的点作为隧道壁点J_2，将距离大于k的点作为螺栓孔点J_1，将全部J_1构成螺栓孔点集H。
所述的S4步骤中，结合附图3中所示参数进行详细说明，将全部理论接缝里程位置构成为 l，遍历选取螺栓孔点集H中点Hi，在 l中遍历查找距离Hi最近的点 l i ，如果Hi< l i ，将Hi放入点集Hleft，如果Hi> l i ，将Hi放入点集Hright，如图3所示，取Hleft与Hright中距离最近的一对点pl与pr，则盾构隧道当前纵接缝位置p_h为： ，位于图3虚线框中。
所述的S5步骤，结合附图4中所示参数进行详细说明，附图4中1-6分别为:1螺栓孔，2横接缝，3先验接缝选取，4接缝—螺栓孔对应关系，5先验接缝合并，6先验结构模板环，具体包含以下步骤。
S51:在本实施例中，选取2环接缝位置作为先验位置信息，如图4中“3先验接缝选取”所示，并将第i环接缝位置构成点集Oi。
S52:使用S3步骤中的算法提取第i环中的螺栓孔（图4中“1螺栓孔”），构成点集Hi，遍历Hi中的螺栓孔，在点集Oi中寻找距离当前螺栓孔最近的接缝（图4中“2横接缝”），储存当前接缝与螺栓孔的位置关系索引h-oi（图4中“4接缝—螺栓孔对应关系”）存入位置关系索引集合HOi。
S53:将全部环的HOi取并集，如图4中“5先验接缝合并”所示，构成整体先验结构模板环集合HO（图4中“6先验结构模板环”）。
所述的S6步骤中，结合附图5进行说明，在本实施例中，按照0°~360°的旋转角θ对待识别环i进行旋转，将待识别环i采用S3步骤算法提取螺栓孔点集Hi，之后遍历结构模板环HO中的螺栓孔集合，匹配查找Hi中各螺栓孔对应的结构模板环HO中方位角差最小的螺栓孔，计算当前旋转角θ下平均角差δ，绘制如图5所示平均角度差随旋转角变化曲线，将全部θ取值下的δ加入平均角差集合φ。选取集合φ中最小的平均角差，得到对应的旋转角取值θmin，如图5所示最小值所指位置。最后，将待识别环i旋转θmin，遍历查找Hi中各螺栓孔在先验结构模板环HO中距离最近的模板螺栓孔，直接找到对应的横接缝位置，如有重复的接缝位置则取平均值，作为最终的横接缝位置p_z。

Claims (1)

1.一种基于盾构隧道衬砌结构的环缝自动识别方法，其特征在于包括如下步骤：S1:使用移动扫描***进行盾构隧道三维点云采集；S2:隧道内壁正射投影图像生成；S3:螺栓孔特征识别；S4:盾构隧道纵接缝提取；S5:先验结构模板环生成；S6:盾构隧道横接缝提取;
所述S1步骤中，盾构隧道点云由移动扫描***采集，点云包含三维坐标位置信息与强度信息；
所述S2步骤中，使用圆柱投影模型进行盾构隧道正射投影，生成隧道内壁正射影像图；
所述S3步骤中，包含以下步骤：S31: 选取隧道图像上包含螺栓孔的区域范围，沿隧道里程方向进行采样，计算相应点到断面拟合椭圆中心的距离，同时为了剔除附属设施遮挡影响，在同一断面采样点集中选取距离最大值作为当前断面采样距离，构成采样点集合G；S32:利用螺栓孔设计宽度t_w与深度t_d作为阈值，对采样点集合G中的点进行聚类分割算法，识别到全部t个聚类，构成聚类重心点集J；S33:点集J中包含两类点，分别为螺栓孔聚类点J_1，隧道壁点J_2，对识别到的全部聚类重心使用宽度为6的滑动窗口计算窗口内聚类重心平均值k，将窗口内距离小于k的点作为隧道壁点J_2，将距离大于k的点作为螺栓孔点J_1，将全部J_1构成螺栓孔点集H；
所述S4步骤中，将全部理论接缝里程位置构成为l，遍历选取螺栓孔点集H中点Hi，在l中遍历查找距离Hi最近的点li，如果Hi<li，将Hi放入点集Hleft，如果Hi>li，将Hi放入点集Hright，取Hleft与Hright中距离最近的一对点pl与pr，则盾构隧道当前纵接缝位置p_h为：
 ;
所述S5步骤中，包含以下步骤：S51:根据隧道实际情况，人工选择1-3环接缝位置作为先验位置信息，将第i环接缝位置构成点集Oi；S52:使用S3步骤中的算法提取第i环中的螺栓孔点集Hi，遍历Hi中的螺栓孔，在点集Oi中寻找距离当前螺栓孔最近的接缝，储存当前接缝与螺栓孔的位置关系索引h-oi存入位置关系索引集合HOi；S53:将全部环的HOi取并集，构成整体先验结构模板环集合HO;
所述S6步骤中，按照0°~360°的旋转角θ对待识别环i进行旋转，将待识别环i采用S3步骤算法提取螺栓孔点集Hi，之后遍历结构模板环HO中的螺栓孔集合，匹配查找Hi中各螺栓孔对应的结构模板环HO中方位角差最小的螺栓孔，计算当前旋转角θ下平均角差δ，将全部θ取值下的δ加入平均角差集合φ，选取集合φ中最小的平均角差，得到对应的旋转角取值θmin，将待识别环i旋转θmin，遍历查找Hi中各螺栓孔在先验结构模板环HO中距离最近的模板螺栓孔，直接找到对应的横接缝位置，如有重复的接缝位置则取平均值，作为最终的横接缝位置p_z。
CN202011028530.9A 2020-09-27 2020-09-27 一种基于盾构隧道衬砌结构的环缝自动识别方法 Active CN112036508B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011028530.9A CN112036508B (zh) 2020-09-27 2020-09-27 一种基于盾构隧道衬砌结构的环缝自动识别方法
US17/231,852 US20220101513A1 (en) 2020-09-27 2021-04-15 Method for Automatically Identifying Ring Joint of Shield Tunnel Based on Lining Structure

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011028530.9A CN112036508B (zh) 2020-09-27 2020-09-27 一种基于盾构隧道衬砌结构的环缝自动识别方法

Publications (2)

Publication Number Publication Date
CN112036508A CN112036508A (zh) 2020-12-04
CN112036508B true CN112036508B (zh) 2023-05-02

Family

ID=73575152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011028530.9A Active CN112036508B (zh) 2020-09-27 2020-09-27 一种基于盾构隧道衬砌结构的环缝自动识别方法

Country Status (2)

Country Link
US (1) US20220101513A1 (zh)
CN (1) CN112036508B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112819070A (zh) * 2021-01-29 2021-05-18 中国电建集团华东勘测设计研究院有限公司 隧道管片环缝直线化识别及里程环号标记方法
CN114046747A (zh) * 2021-06-03 2022-02-15 北京工业大学 一种基于移动点云数据的智能分析盾构隧道环间错台量方法
CN114136993B (zh) * 2021-11-29 2023-05-23 北京工业大学 一种盾构隧道环缝检测方法与***
CN114267039B (zh) * 2021-12-15 2024-06-11 上海勘察设计研究院(集团)股份有限公司 一种基于盾构隧道横缝先验规律的识别结果精处理方法
CN115294527B (zh) * 2022-08-09 2023-05-16 中铁隧道局集团有限公司 一种基于计算机视觉的地铁隧道破损检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537162A (zh) * 2014-12-16 2015-04-22 上海交通大学 确定盾构隧道衬砌环间接缝抵抗错台与张开变形能力方法
CN105403366A (zh) * 2015-09-23 2016-03-16 同济大学 盾构隧道管片环缝抗渗性能试验***
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
CN111486797A (zh) * 2019-01-29 2020-08-04 上海京海工程技术有限公司 一种地铁圆形盾构隧道横向直径的自动提取方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3800916B2 (ja) * 2000-03-17 2006-07-26 株式会社日立製作所 解析モデル生成装置、解析モデル生成プログラムを記憶した記憶媒体及び記憶装置
CN104457572B (zh) * 2014-12-04 2017-11-24 上海岩土工程勘察设计研究院有限公司 基于三维扫描技术提取盾构隧道错缝错台量的方法
US10362293B2 (en) * 2015-02-20 2019-07-23 Tetra Tech, Inc. 3D track assessment system and method
US10518791B2 (en) * 2015-10-20 2019-12-31 Sameer Singh Integrated rail and track condition monitoring system with imaging and inertial sensors
CN111710027B (zh) * 2020-05-25 2021-05-04 南京林业大学 一种隧道三维几何重建方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537162A (zh) * 2014-12-16 2015-04-22 上海交通大学 确定盾构隧道衬砌环间接缝抵抗错台与张开变形能力方法
CN105403366A (zh) * 2015-09-23 2016-03-16 同济大学 盾构隧道管片环缝抗渗性能试验***
CN111486797A (zh) * 2019-01-29 2020-08-04 上海京海工程技术有限公司 一种地铁圆形盾构隧道横向直径的自动提取方法
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
桑运龙，等..基于螺栓-凹凸榫连接的地铁盾构隧道管片环缝接头刚度分析及应用.《隧道建设（中英文）》.2020,第40卷(第1期),第19-27页. *
毕俊，等..三维激光扫描技术在地铁隧道收敛变形监测中的应用研究.《测绘科学》.2008,第33卷第14-16页. *

Also Published As

Publication number Publication date
US20220101513A1 (en) 2022-03-31
CN112036508A (zh) 2020-12-04

Similar Documents

Publication Publication Date Title
CN112036508B (zh) 一种基于盾构隧道衬砌结构的环缝自动识别方法
WO2023019709A1 (zh) 基于车载移动激光点云的接触网导高与拉出值自动检测方法
US20210302157A1 (en) Method, device and system for analyzing tunnel clearance based on laser point cloud
CN111336990B (zh) 一种隧道断面收敛快速分析方法和装置
CN109214994B (zh) 一种基于双控制点的隧道密集点云噪声剔除方法
CN103279765B (zh) 基于图像匹配的钢丝绳表面损伤检测方法
CN110160463B (zh) 一种基于静态激光扫描的地铁隧道不圆度检测方法
CN111899288A (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
CN113963051A (zh) 基于视觉信息和特征提取的目标直径自动测量方法和***
CN110490342B (zh) 一种基于Faster R-CNN的接触网静态几何参数检测方法
CN115620021A (zh) 一种基于三维激光点云的地下建筑物特征提取方法
CN115877400A (zh) 基于雷达与视觉融合的巷道顶板支护钢带钻孔定位方法
Ran et al. An improved algorithm for wind turbine blade defect detection
CN113932821A (zh) 基于连续窗口平均方向特征的轨迹地图匹配方法
Du et al. Dislocation detection of shield tunnel based on dense cross-sectional point clouds
Lu et al. A lightweight real-time 3D LiDAR SLAM for autonomous vehicles in large-scale urban environment
CN111127582B (zh) 一种轨迹重合段识别方法、装置、***及存储介质
Stein et al. Model-based rail detection in mobile laser scanning data
CN112507867A (zh) 一种基于EDLines线特征的车道线检测方法
CN114119355B (zh) 一种盾构隧道掉块风险预警方法与***
CN114445435A (zh) 一种基于标记线移位偏差的车体螺栓松动判别方法
CN112581521B (zh) 一种磁浮轨道中心线提取方法
CN114359515A (zh) 一种基于三维点云的巷道超欠挖检测方法及***
CN116620360B (zh) 一种轨道车定位***及方法
Huang et al. FRVO-Mono: Feature-Based Railway Visual Odometry With Monocular Camera

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