CN112629899A - 一种基于吸盘爬壁隧道检测***及其检测方法 - Google Patents

一种基于吸盘爬壁隧道检测***及其检测方法 Download PDF

Info

Publication number
CN112629899A
CN112629899A CN202011418690.4A CN202011418690A CN112629899A CN 112629899 A CN112629899 A CN 112629899A CN 202011418690 A CN202011418690 A CN 202011418690A CN 112629899 A CN112629899 A CN 112629899A
Authority
CN
China
Prior art keywords
tunnel
detection
image
sucker
disease
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.)
Granted
Application number
CN202011418690.4A
Other languages
English (en)
Other versions
CN112629899B (zh
Inventor
李志明
陈如申
黎勇跃
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.)
Hangzhou Shenhao Technology Co Ltd
Original Assignee
Hangzhou Shenhao 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 Hangzhou Shenhao Technology Co Ltd filed Critical Hangzhou Shenhao Technology Co Ltd
Priority to CN202011418690.4A priority Critical patent/CN112629899B/zh
Publication of CN112629899A publication Critical patent/CN112629899A/zh
Application granted granted Critical
Publication of CN112629899B publication Critical patent/CN112629899B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manipulator (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于吸盘爬壁隧道检测***及其检测方法，包括远程控制中心和隧道检测机器人，隧道检测机器人包括检测小车和吸盘爬壁机器人，检测小车上设有中央处理器、信息存储模块、供电装置和第一图像采集单元，吸盘爬壁机器人上设有检测装置和第二图像采集单元，因本发明添加了检测小车和吸盘爬壁机器人，检测小车上设有中央处理器、信息存储模块、供电装置和第一图像采集单元，所述吸盘爬壁机器人上设有检测装置和第二图像采集单元，检测小车和吸盘爬壁机器人两者协同完成检测工作，该设计方便将检测到的数据进行实时传输，解决了原有防隧道检测效果欠佳，提高了本发明的检测效果。

Description

一种基于吸盘爬壁隧道检测***及其检测方法
技术领域
本发明涉及固定隧道检测领域，具体涉及一种基于吸盘爬壁隧道检测***及其检测方法。
背景技术
随着国民经济的持续快速发展，对基础设施的服务性能要求越来越来，同时，对基础设施的投入能力越来越强，在此背景下，我国出现了大量的公路隧道，至2017年底已建设16229座公路隧道，其数量和长度是其他国家难以比拟的。与之同时，隧道运营中也出现了严重病害，主要表现为渗漏水、冻融、衬砌损伤等，不仅缩短了隧道维护周期和使用寿命，而且影响交通安全，近年来国内外多次出现的隧道内重大交通事故多是隧道病害累积作用造成的。因此，为了公路隧道病害已经成为威胁交通安全的主要因素之一，亟待解决。
为了治理隧道病害，国内外学者和工程技术人员进行了不懈努力，从维修加固和快速检测方面做了大量工作。目前最常用的维修加固方法就是注浆处理。但实践发现，注浆处置效果差异严重，尤其是岩溶地区渗漏水隧道，有效性十分有限，主要原因在于维修加固方案的制定往往基于隧道病害外部表征而制定，对病害的起源和病害演化机理与演化过程没有深入考虑。隧道检测往往基于人工目测和仪器协作为主，该方法不仅需要封闭交通，而且往往只考虑衬砌表面的可见病害，现有病害评价体系也仅仅检测可见病害。虽然现在已经开发了快速检测的桥梁检测车，不需要封闭交通，但这些检测往往是基于红外线、激光、影像等技术进行的，这些技术仅能检测衬砌表面可见病害，而对位于衬砌背后的隐性病害无能为力。而这些隐性病害恰恰是可见病害的病原体，是威胁隧道稳定性和交通安全性的关键致因，也是病害处置急需解决的本源问题。
因一次检测往往需要对隧道全长进行检测，距离较长，人工操作劳动强度过大，且在检测时因人为因素，雷达与检测线会出现偏移，且距离不能保持恒定，使得检测存在较大误差，检测结果不够精确。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于吸盘爬壁隧道检测***及其检测方法。
为了解决上述技术问题，采用如下技术方案：
一种基于吸盘爬壁隧道检测***，包括远程控制中心和隧道检测机器人，所述隧道检测机器人包括检测小车和吸盘爬壁机器人，所述检测小车上设有中央处理器、信息存储模块、供电装置和第一图像采集单元，所述吸盘爬壁机器人上设有检测装置和第二图像采集单元，所述检测装置、第一图像采集单元和第二图像采集单元的输出端与所述信息存储模块的输入端相连接，所述信息存储模块的输出端与中央处理器的输入端相连接，所述中央处理器通过无线通信模块与所述远程控制中心相连接，所述供电装置分别与所述中央处理器、信息存储模块、检测装置和第一图像采集单元相连接，所述吸盘爬壁机器人可拆离地设置在检测小车上。
所述中央处理器用于将信息存储模块得到的隧道病害的位置和病害类型的数据信息生成信息报告，并将所述信息报告通过无线通信模块传输给所述远程控制中心；
所述信息存储模块用于收集所述检测装置、第一图像采集单元和第二图像采集单元检测得到的隧道病害的位置和病害类型的数据信息；
所述检测装置、第一图像采集单元和第二图像采集单元用于检测隧道病害的位置和病害类型，并将检测所述隧道病害的位置和病害类型信息发送给所述信息存储模块。
进一步，所述检测装置包括探测雷达和激光扫描模块，所述探测雷达通过对隧道的壁面进行扫描和检查，生成隧道墙面雷达图，将探测雷达生成的隧道病害图传给信息存储模块；
所述激光扫描模块用于对隧道轮廓进行全断面扫描，获取隧道轮廓数据。
进一步，所述第一图像采集单元包括红外感应单元、第一补灯装置和全景扫描摄像头，所述全景扫描摄像头设置在检测小车上，所述红外感应单元输出端与全景扫描摄像头的输入端相连接，所述第一补灯装置的输出端与全景扫描摄像头的输入端相连接，所述全景扫描摄像头的输出端与信息存储模块的输入端相连接。
进一步，所述第二图像采集单元包括第二补灯装置和特写摄像头，所述第二补灯装置和特写摄像头设置于吸盘爬壁机器人上，所述第二补灯装置的输出端与特写摄像头的输入端相连接，所述特写摄像头的输出端与信息存储模块的输入端相连接。
进一步，所述吸盘爬壁机器人还包括上支架和下支架，所述上支架的下部设有驱动机构，所述下支架上设有第一吸盘装置，所述上支架上设有第二吸盘装置；通过驱动机构带动第一吸盘装置和第二吸盘装置相互交错前进。
进一步，所述驱动机构包括驱动电机、驱动丝杆和驱动丝杆滑块，所述驱动电机固定安装于所述上支架的下部，所述驱动电机的输出端连接有驱动丝杆，所述驱动丝杆上安装有驱动丝杆滑块，所述驱动丝杆滑块的上部连接有滑轨，所述驱动丝杆滑块的下部连接有下支架；
所述滑轨的顶部设有安装板，所述安装板的两端均设有安装座，所述安装座设置于所述驱动丝杆的两端。
进一步，所述第一吸盘装置包括若干个第一吸盘组件，所述第一吸盘组件包括第一吸盘杆、第一吸盘气缸、第一吸盘和第一吸盘杆安装座，所述第一吸盘杆的的顶部设有第一吸盘杆安装座，所述第一吸盘杆安装座连接所述下支架，所述第一吸盘杆的下部设有所述第一吸盘，所述第一吸盘通过气管连接有第一吸盘气缸；
若干个所述第一吸盘组件呈圆周阵列分布或者线性阵列分布安装于所述下支架上。
进一步，所述第二吸盘装置包括若干个第二吸盘组件，所述第二吸盘组件包括第二吸盘杆、第二吸盘气缸、第二吸盘和第二吸盘杆安装座，所述第二吸盘杆的的顶部设有第二吸盘杆安装座，所述第二吸盘杆安装座连接所述上支架，所述第二吸盘杆的下部设有所述第二吸盘，所述第二吸盘通过气管连接有第二吸盘气缸；
若干个所述第二吸盘组件呈圆周阵列分布或者线性阵列分布安装于所述上支架上。
9.一种基于吸盘爬壁隧道检测***的检测方法，包括以下步骤：
(1)所述检测小车根据远程控制中心的动作指令，将检测小车和吸盘爬壁机器人带到预设的检测起点；
(2)所述远程控制中心查询预先训练获得该隧道壁面所对应的优选检测方案，根据所述优选检测方案生成检测命令，向所述检测小车的中央处理器发出所述检测命令，所述中央处理器先控制探测雷达和激光扫描模块，所述探测雷达通过对隧道的壁面进行扫描和检查，生成隧道墙面雷达图；所述激光扫描模块通过对隧道轮廓进行全断面扫描，获取隧道轮廓数据；将需要检测的隧道的隧道墙面雷达图和隧道轮廓数据发送给信息存储模块进行储存；
(3)基于隧道墙面雷达图和隧道轮廓数据，初步判断生成该隧道墙面的病害类型报告；根据所述病害类型报告，通过第一图像采集单元，由检测小车带着第一图像采集单元进行远部取景，形成该隧道位置的远景病害图像；同时通过第二图像采集单元，由吸盘爬壁机器人带着第二图像采集单元进行近部取景，形成该隧道位置的近景病害图像；
(4)取连续n帧远景病害图像，记对应的远景病害图像集合P＝(P1，P2， P3，…，Pn)，将远景病害图像集合P做平均化处理，记更新后的远景病害图像像素值为
Figure BDA0002821270390000051
同理，取连续n帧近景病害图像，记对应的近景病害图像集合Q＝(Q1，Q2， Q3，…，Qn)，将近景病害图像集合Q做平均化处理，记更新后的近景病害图像像素值为
Figure BDA0002821270390000052
(5)将远景病害图像像素值
Figure BDA0002821270390000053
分割成i行和j列的矩形像素图像，计算每一个矩形像素图像的中心坐标为ΔP，ΔP的横纵坐标分别为
Figure BDA0002821270390000054
Figure BDA0002821270390000055
其中xi为第i行的坐标，yi为第j列的坐标，F(i，j)表示第i行和第j列的像素值，由此计算出远景病害图像的每一个矩形像素图像的中心坐标集合
Figure BDA0002821270390000056
同理，依据计算远景病害图像的每一个矩形像素图像的中心坐标
Figure BDA0002821270390000057
Figure BDA0002821270390000061
的方式，计算出近景病害图像的每一个矩形像素图像的中心坐标集合
Figure BDA0002821270390000062
Figure BDA0002821270390000063
(6)基于远景病害图像中心坐标集合ΔP和近景病害图像中心坐标集合ΔQ，先计算远景病害图像和近景病害图像的两个图像间的偏差程度，所述偏差程度
Figure BDA0002821270390000064
然后将偏差程度R(ΔP，ΔQ)做归一化处理，得到归一化偏差程度
Figure BDA0002821270390000065
R为表示远景病害图像集合P和近景病害图像集合Q两两之间每个像素的偏差程度之和；
(7)将r(ΔP，ΔQ)小于远程控制中心的数据库的设置阀值T时，将远景病害图像中心坐标集合ΔP和近景病害图像中心坐标集合ΔQ进行像素特征融合，形成新的病害图像W，将新的病害图像W输出给输出给远程控制中心；当 r(ΔP，ΔQ)大于远程控制中心的数据库的设置阀值T时，将远景病害图像中心坐标集合ΔP和近景病害图像中心坐标集合ΔQ做优化处理，得到优化后的病害图像M，将优化后的病害图像M输出给输出给远程控制中心。
进一步，将远景病害图像中心坐标集合ΔP和近景病害图像中心坐标集合ΔQ做优化处理的具体过程为：先对远景病害图像中心坐标集合ΔP和近景病害图像中心坐标集合ΔQ进行开运算得到第一运算图像
Figure BDA0002821270390000066
在对所述第一运算图像P1进行闭运算得到第二运算图像
Figure BDA0002821270390000067
得出最终的病害图像P2，将最终的病害图像P输出给远程控制中心。
由于采用上述技术方案，具有以下有益效果：
本发明为一种基于吸盘爬壁隧道检测***及其检测方法，该检测***科学便利、针对性强、使用方便，成本低廉，操作简单，易于推广。因本发明添加了检测小车和吸盘爬壁机器人，检测小车上设有中央处理器、信息存储模块、供电装置和第一图像采集单元，所述吸盘爬壁机器人上设有检测装置和第二图像采集单元，检测小车和吸盘爬壁机器人两者协同完成检测工作，该设计方便将检测到的数据进行实时传输，解决了原有防隧道检测效果欠佳，提高了本发明的检测效果。
本发明的检测方法先通过中央处理器先控制探测雷达和激光扫描模块，所述探测雷达通过对隧道的壁面进行扫描和检查，生成隧道墙面雷达图；所述激光扫描模块通过对隧道轮廓进行全断面扫描，获取隧道轮廓数据；将需要检测的隧道的隧道墙面雷达图和隧道轮廓数据发送给信息存储模块进行储存，由此得到初步的隧道墙面的病害类型报告。然后通过第一图像采集单元，由检测小车带着第一图像采集单元进行远部取景，形成该隧道位置的远景病害图像；同时通过第二图像采集单元，由吸盘爬壁机器人带着第二图像采集单元进行近部取景，形成该隧道位置的近景病害图像。接着对远景病害图像和近景病害图像进行图像处理，得到该隧道墙面的隧道病害的精确位置和病害类型，并将其数据信息生成信息报告，并将所述信息报告通过无线通信模块传输给所述远程控制中心，方便远程控制中心及时作出相关措施，及时对该隧道墙面的病害进行处理，使本发明与传统检测相比，隧道隐性病害的检测精度更高，本发明采用全自动化检测，在释放后无需人工操控，即可自动完成整个隧道的隐形病害的检测。
附图说明
下面结合附图对本发明作进一步说明：
图1为本发明中吸盘爬壁机器人的结构示意图；
图2为本发明中去掉上支架后的吸盘爬壁机器人的结构示意图；
图3为本发明中驱动机构的结构示意图；
图4为本发明中吸盘爬壁机器人位于检测小车上的结构示意图。
图中：1-上支架；2-下支架；3-驱动机构；4-第一吸盘装置；5-第二吸盘装置；
31-驱动电机；32-驱动丝杆；33-驱动丝杆滑块；34-滑轨；35-安装板；16- 安装座；
41-第一吸盘杆；42-第一吸盘；43-第一吸盘杆安装座；
51-第二吸盘杆；52-第二吸盘；53-第二吸盘杆安装座。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图及实施例，对本发明进行进一步详细说明。但是应该理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
一种基于吸盘爬壁隧道检测***，包括远程控制中心和隧道检测机器人，所述隧道检测机器人包括检测小车和吸盘爬壁机器人，所述检测小车上设有中央处理器、信息存储模块、供电装置和第一图像采集单元，所述吸盘爬壁机器人上设有检测装置和第二图像采集单元，所述检测装置、第一图像采集单元和第二图像采集单元的输出端与所述信息存储模块的输入端相连接，所述信息存储模块的输出端与中央处理器的输入端相连接，所述中央处理器通过无线通信模块与所述远程控制中心相连接，所述供电装置分别与所述中央处理器、信息存储模块、检测装置和第一图像采集单元相连接，所述吸盘爬壁机器人可拆离地设置在检测小车上。
所述中央处理器用于将信息存储模块得到的隧道病害的位置和病害类型的数据信息生成信息报告，并将所述信息报告通过无线通信模块传输给所述远程控制中心；
所述信息存储模块用于收集所述检测装置、第一图像采集单元和第二图像采集单元检测得到的隧道病害的位置和病害类型的数据信息；
所述检测装置、第一图像采集单元和第二图像采集单元用于检测隧道病害的位置和病害类型，并将检测所述隧道病害的位置和病害类型信息发送给所述信息存储模块。
进一步，所述检测装置包括探测雷达和激光扫描模块，所述探测雷达通过对隧道的壁面进行扫描和检查，生成隧道墙面雷达图，将探测雷达生成的隧道病害图传给信息存储模块；
所述激光扫描模块用于对隧道轮廓进行全断面扫描，获取隧道轮廓数据。
具体地，所述激光扫描单元在隧道检测机器人的检测小车的行车过程中通过激光扫描仪对隧道轮廓进行快速扫描，其扫描获得的图像位置信息与里程定位装置的里程对应，建立隧道三维点云，获取隧道轮廓数据。
进一步，所述第一图像采集单元包括红外感应单元、第一补灯装置和全景扫描摄像头，所述全景扫描摄像头设置在检测小车上，所述红外感应单元输出端与全景扫描摄像头的输入端相连接，所述第一补灯装置的输出端与全景扫描摄像头的输入端相连接，所述全景扫描摄像头的输出端与信息存储模块的输入端相连接。
进一步，所述第二图像采集单元包括第二补灯装置和特写摄像头，所述第二补灯装置和特写摄像头设置于吸盘爬壁机器人上，所述第二补灯装置的输出端与特写摄像头的输入端相连接，所述特写摄像头的输出端与信息存储模块的输入端相连接。
如图1至图4所示，吸盘爬壁机器人包括上支架1和下支架2，所述上支架 1的下部设有驱动机构3，所述驱动机构3连接所述下支架2，所述下支架2上设有第一吸盘装置4，所述上支架1上设有第二吸盘装置5；通过驱动机构3带动第一吸盘装置4和第二吸盘装置5相互交错前进。
进一步，所述驱动机构3包括驱动电机31、驱动丝杆32和驱动丝杆滑块 33，所述驱动电机31固定安装于所述上支架1的下部，所述驱动电机31的输出端连接有驱动丝杆32，所述驱动丝杆32上安装有驱动丝杆滑块33，所述驱动丝杆滑块33的上部连接有滑轨34，所述驱动丝杆滑块33的下部连接有下支架2。驱动机构3通过控制驱动电机31做高速旋转运动，在驱动丝杆32和驱动丝杆滑块33的作用下，将驱动丝杆32的回转运动转化为驱动丝杆滑块33的直线运动，从而带动下支架2或者上支架1完成相应的运动工作。
进一步，所述滑轨34的顶部设有安装板35，所述安装板35的两端均设有安装座36，所述安装座36设置于所述驱动丝杆32的两端。通过设置安装板35 和安装座36，方便安装和装配驱动电机31、驱动丝杆32和驱动丝杆滑块33等部件。
进一步，所述第一吸盘装置4包括若干个第一吸盘组件，所述第一吸盘组件包括第一吸盘杆41、第一吸盘气缸(图中未画出)、第一吸盘42和第一吸盘杆安装座43，所述第一吸盘42杆41的的顶部设有第一吸盘杆安装座43，所述第一吸盘杆安装座43连接所述下支架2，所述第一吸盘42杆41的下部设有所述第一吸盘42，所述第一吸盘42通过气管连接有第一吸盘42气缸。若干个所述第一吸盘42组件呈圆周阵列分布或者线性阵列分布安装于所述下支架2上。参看图1，所述第一吸盘42组件呈线性阵列分布安装于所述下支架2上，其中第一吸盘42组件设置有4个。
进一步，所述第二吸盘装置5包括若干个第二吸盘组件，所述第二吸盘组件包括第二吸盘杆51、第二吸盘气缸(图中未画出)、第二吸盘52和第二吸盘杆安装座53，所述第二吸盘52杆51的的顶部设有第二吸盘杆安装座53，所述第二吸盘杆安装座53连接所述上支架1，所述第二吸盘52杆51的下部设有所述第二吸盘52，所述第二吸盘52通过气管连接有第二吸盘52气缸。若干个所述第二吸盘52组件呈圆周阵列分布或者线性阵列分布安装于所述上支架1上。参看图1，所述第二吸盘52组件呈线性阵列分布安装于所述上支架1上，其中第二吸盘52组件设置有4个。
本检测***先通过检测小车将吸盘爬壁机器人运动到隧道内，然后将检测机器人放置到隧道壁面上，起初保持外部的第二吸盘52装置5吸附于隧道壁面上。通过控制主机控制驱动机构3开始工作，在驱动丝杆32和驱动丝杆滑块33 的作用下，将驱动丝杆32的回转运动转化为驱动丝杆滑块33的直线运动，从而带动下支架2和第一吸盘42装置4向前运动，当驱动丝杆滑块33运动预设的量程范围时，驱动电机31停止工作，第一吸盘42装置4向下吸附住隧道壁面。接着松开第二吸盘52装置5，重新控制驱动机构3开始工作，在驱动丝杆 32和驱动丝杆滑块33的作用下，将驱动丝杆32的回转运动转化为驱动丝杆滑块33的直线运动，从而带动上支架1和第二吸盘52装置5向前运动。由此通过驱动机构3带动第一吸盘42装置4和第二吸盘52装置5相互交错前进，使检测机器人隧道壁面内可实现横向和纵向的移动，由检测装置和第二图像采集单元自行在隧道壁爬行检测，配合第一图像采集单元，可以完成所有隧道壁面的高覆盖率检测，自动化程度高，检测速度快。同时，该检测机器人安装有数据采集仪、红外摄像头以及温湿度传感器以及辅助探测仪等检测设备，使检测设备在协同作用下，可对隧道显性病害和障碍完成精确探测，并且可以通过自身携带的控制器实现自动避障的功能。
一种基于吸盘爬壁隧道检测***的检测方法，包括以下步骤：
(1)所述检测小车根据远程控制中心的动作指令，将检测小车和吸盘爬壁机器人带到预设的检测起点。具体的，一开始检测小车在轨道上行走，带动隧道洞口时，吸盘爬壁机器人脱离检测小车，爬到隧道壁面上，分开进行检测工作。
(2)所述远程控制中心查询预先训练获得该隧道壁面所对应的优选检测方案，根据所述优选检测方案生成检测命令，向所述检测小车的中央处理器发出所述检测命令，所述中央处理器先控制探测雷达和激光扫描模块，所述探测雷达通过对隧道的壁面进行扫描和检查，生成隧道墙面雷达图；所述激光扫描模块通过对隧道轮廓进行全断面扫描，获取隧道轮廓数据；将需要检测的隧道的隧道墙面雷达图和隧道轮廓数据发送给信息存储模块进行储存。
(3)基于隧道墙面雷达图和隧道轮廓数据，初步判断生成该隧道墙面的病害类型报告；所述病害包括如下至少一种：裂缝、基地上拱、受力情况、衬砌形变、空洞、渗漏水和掉块。
根据所述病害类型报告，通过第一图像采集单元，由检测小车带着第一图像采集单元进行远部取景，形成该隧道位置的远景病害图像；同时通过第二图像采集单元，由吸盘爬壁机器人带着第二图像采集单元进行近部取景，形成该隧道位置的近景病害图像。在第一图像采集单元和第而图像采集单元中，根据隧道内情况，打开红外感应单元、第一补灯装置和第二补灯装置辅助完成图像采集工作。具体地，由于吸盘爬壁机器人带着检测装置先进行初步检测工作，第二图像采集单元可以同时进行近部取景，形成该隧道位置的近景病害图像。在完成近景病害图像后，第一图像采集单元再进行远部取景，形成该隧道位置的远景病害图像。
(4)得到的远景病害图像和近景病害图像可以为一段视频流，也可以是几张不同角度的图片，根据不同的病害类型和病害位置情况，第一图像采集单元和第二图像采集单元采取相应的措施。
具体的，本申请为了适应各种类型的病害类型和病害位置情况，取连续n 帧远景病害图像，记对应的远景病害图像集合P＝(P1，P2，P3，…，Pn)，将远景病害图像集合P做平均化处理，记更新后的远景病害图像像素值为
Figure BDA0002821270390000131
同理，取连续n帧近景病害图像，记对应的近景病害图像集合Q＝(Q1，Q2， Q3，…，Qn)，将近景病害图像集合Q做平均化处理，记更新后的近景病害图像像素值为
Figure BDA0002821270390000132
(5)为了对图像更好的处理，本申请将远景病害图像像素值
Figure BDA0002821270390000133
分割成i行和j列的矩形像素图像，计算每一个矩形像素图像的中心坐标为ΔP，ΔP的横纵坐标分别为
Figure BDA0002821270390000134
其中xi为第i行的坐标，yi为第j列的坐标，F(i，j)表示第i行和第j列的像素值，由此计算出远景病害图像的每一个矩形像素图像的中心坐标集合
Figure BDA0002821270390000135
同理，依据计算远景病害图像的每一个矩形像素图像的中心坐标
Figure BDA0002821270390000136
Figure BDA0002821270390000137
的方式，计算出近景病害图像的每一个矩形像素图像的中心坐标集合
Figure BDA0002821270390000138
Figure BDA0002821270390000139
(6)基于远景病害图像中心坐标集合ΔP和近景病害图像中心坐标集合ΔQ，先计算远景病害图像和近景病害图像的两个图像间的偏差程度，所述偏差程度
Figure BDA0002821270390000141
然后将偏差程度R(ΔP，ΔQ)做归一化处理，得到归一化偏差程度
Figure BDA0002821270390000142
R为表示远景病害图像集合P和近景病害图像集合Q两两之间每个像素的偏差程度之和；
(7)将r(ΔP，ΔQ)小于远程控制中心的数据库的设置阀值T时，将远景病害图像中心坐标集合ΔP和近景病害图像中心坐标集合ΔQ进行像素特征融合，形成新的病害图像W，将新的病害图像W输出给输出给远程控制中心；当 r(ΔP，ΔQ)大于远程控制中心的数据库的设置阀值T时，将远景病害图像中心坐标集合ΔP和近景病害图像中心坐标集合ΔQ做优化处理，得到优化后的病害图像M，将优化后的病害图像M输出给远程控制中心。至此得到的病害图像或者病害图像M，均可以相对较好地反应出隧道病害的位置和病害类型，方便远程控制中心及时作出相关措施，及时对该隧道墙面的病害进行处理，使本发明与传统检测相比，隧道隐性病害的检测精度更高，本发明采用全自动化检测，在释放后无需人工操控，即可自动完成整个隧道的隐形病害的检测。
进一步，将远景病害图像中心坐标集合ΔP和近景病害图像中心坐标集合ΔQ做优化处理的具体过程为：先对远景病害图像中心坐标集合ΔP和近景病害图像中心坐标集合ΔQ进行开运算得到第一运算图像
Figure BDA0002821270390000143
在对所述第一运算图像P1进行闭运算得到第二运算图像
Figure BDA0002821270390000144
得出最终的病害图像P2，将最终的病害图像P2输出给输出给远程控制中心。
以上仅为本发明的具体实施例，但本发明的技术特征并不局限于此。任何以本发明为基础，为解决基本相同的技术问题，实现基本相同的技术效果，所作出地简单变化、等同替换或者修饰等，皆涵盖于本发明的保护范围之中。

Claims (10)

1.一种基于吸盘爬壁隧道检测***，包括远程控制中心和隧道检测机器人，所述隧道检测机器人包括检测小车和吸盘爬壁机器人，所述检测小车上设有中央处理器、信息存储模块、供电装置和第一图像采集单元，所述吸盘爬壁机器人上设有检测装置和第二图像采集单元，所述检测装置、第一图像采集单元和第二图像采集单元的输出端与所述信息存储模块的输入端相连接，所述信息存储模块的输出端与中央处理器的输入端相连接，所述中央处理器通过无线通信模块与所述远程控制中心相连接，所述供电装置分别与所述中央处理器、信息存储模块、检测装置和第一图像采集单元相连接，所述吸盘爬壁机器人可拆离地设置在检测小车上。
所述中央处理器用于将信息存储模块得到的隧道病害的位置和病害类型的数据信息生成信息报告，并将所述信息报告通过无线通信模块传输给所述远程控制中心；
所述信息存储模块用于收集所述检测装置、第一图像采集单元和第二图像采集单元检测得到的隧道病害的位置和病害类型的数据信息；
所述检测装置、第一图像采集单元和第二图像采集单元用于检测隧道病害的位置和病害类型，并将检测所述隧道病害的位置和病害类型信息发送给所述信息存储模块。
2.根据权利要求1所述的一种基于吸盘爬壁隧道检测***，其特征在于：所述检测装置包括探测雷达和激光扫描模块，所述探测雷达通过对隧道的壁面进行扫描和检查，生成隧道墙面雷达图，将探测雷达生成的隧道病害图传给信息存储模块；
所述激光扫描模块用于对隧道轮廓进行全断面扫描，获取隧道轮廓数据。
3.根据权利要求1所述的一种基于吸盘爬壁隧道检测***，其特征在于：所述第一图像采集单元包括红外感应单元、第一补灯装置和全景扫描摄像头，所述全景扫描摄像头设置在检测小车上，所述红外感应单元输出端与全景扫描摄像头的输入端相连接，所述第一补灯装置的输出端与全景扫描摄像头的输入端相连接，所述全景扫描摄像头的输出端与信息存储模块的输入端相连接。
4.根据权利要求1所述的一种基于吸盘爬壁隧道检测***，其特征在于：所述第二图像采集单元包括第二补灯装置和特写摄像头，所述第二补灯装置和特写摄像头设置于吸盘爬壁机器人上，所述第二补灯装置的输出端与特写摄像头的输入端相连接，所述特写摄像头的输出端与信息存储模块的输入端相连接。
5.根据权利要求1所述的一种基于吸盘爬壁隧道检测***，其特征在于：所述吸盘爬壁机器人还包括上支架和下支架，所述上支架的下部设有驱动机构，所述下支架上设有第一吸盘装置，所述上支架上设有第二吸盘装置；通过驱动机构带动第一吸盘装置和第二吸盘装置相互交错前进。
6.根据权利要求5所述的一种基于吸盘爬壁隧道检测***，其特征在于：所述驱动机构包括驱动电机、驱动丝杆和驱动丝杆滑块，所述驱动电机固定安装于所述上支架的下部，所述驱动电机的输出端连接有驱动丝杆，所述驱动丝杆上安装有驱动丝杆滑块，所述驱动丝杆滑块的上部连接有滑轨，所述驱动丝杆滑块的下部连接有下支架；
所述滑轨的顶部设有安装板，所述安装板的两端均设有安装座，所述安装座设置于所述驱动丝杆的两端。
7.根据权利要求5所述的一种基于吸盘爬壁隧道检测***，其特征在于：所述第一吸盘装置包括若干个第一吸盘组件，所述第一吸盘组件包括第一吸盘杆、第一吸盘气缸、第一吸盘和第一吸盘杆安装座，所述第一吸盘杆的的顶部设有第一吸盘杆安装座，所述第一吸盘杆安装座连接所述下支架，所述第一吸盘杆的下部设有所述第一吸盘，所述第一吸盘通过气管连接有第一吸盘气缸；
若干个所述第一吸盘组件呈圆周阵列分布或者线性阵列分布安装于所述下支架上。
8.根据权利要求5所述的一种基于吸盘爬壁隧道检测***，其特征在于：所述第二吸盘装置包括若干个第二吸盘组件，所述第二吸盘组件包括第二吸盘杆、第二吸盘气缸、第二吸盘和第二吸盘杆安装座，所述第二吸盘杆的的顶部设有第二吸盘杆安装座，所述第二吸盘杆安装座连接所述上支架，所述第二吸盘杆的下部设有所述第二吸盘，所述第二吸盘通过气管连接有第二吸盘气缸；
若干个所述第二吸盘组件呈圆周阵列分布或者线性阵列分布安装于所述上支架上。
9.一种基于吸盘爬壁隧道检测***的检测方法，其特征在于包括以下步骤：
(1)所述检测小车根据远程控制中心的动作指令，将检测小车和吸盘爬壁机器人带到预设的检测起点；
(2)所述远程控制中心查询预先训练获得该隧道壁面所对应的优选检测方案，根据所述优选检测方案生成检测命令，向所述检测小车的中央处理器发出所述检测命令，所述中央处理器先控制探测雷达和激光扫描模块，所述探测雷达通过对隧道的壁面进行扫描和检查，生成隧道墙面雷达图；所述激光扫描模块通过对隧道轮廓进行全断面扫描，获取隧道轮廓数据；将需要检测的隧道的隧道墙面雷达图和隧道轮廓数据发送给信息存储模块进行储存；
(3)基于隧道墙面雷达图和隧道轮廓数据，初步判断生成该隧道墙面的病害类型报告；根据所述病害类型报告，通过第一图像采集单元，由检测小车带着第一图像采集单元进行远部取景，形成该隧道位置的远景病害图像；同时通过第二图像采集单元，由吸盘爬壁机器人带着第二图像采集单元进行近部取景，形成该隧道位置的近景病害图像；
(4)取连续n帧远景病害图像，记对应的远景病害图像集合P＝(P1，P2，P3，…，Pn)，将远景病害图像集合P做平均化处理，记更新后的远景病害图像像素值为
Figure FDA0002821270380000041
同理，取连续n帧近景病害图像，记对应的近景病害图像集合Q＝(Q1，Q2，Q3，…，Qn)，将近景病害图像集合Q做平均化处理，记更新后的近景病害图像像素值为
Figure FDA0002821270380000042
(5)将远景病害图像像素值
Figure FDA0002821270380000043
分割成i行和j列的矩形像素图像，计算每一个矩形像素图像的中心坐标为△P，△P的横纵坐标分别为
Figure FDA0002821270380000044
Figure FDA0002821270380000045
其中xi为第i行的坐标，yi为第j列的坐标，F(i，j)表示第i行和第j列的像素值，由此计算出远景病害图像的每一个矩形像素图像的中心坐标集合
Figure FDA0002821270380000046
同理，依据计算远景病害图像的每一个矩形像素图像的中心坐标
Figure FDA0002821270380000047
Figure FDA0002821270380000048
的方式，计算出近景病害图像的每一个矩形像素图像的中心坐标集合
Figure FDA0002821270380000049
Figure FDA00028212703800000410
(6)基于远景病害图像中心坐标集合△P和近景病害图像中心坐标集合△Q，先计算远景病害图像和近景病害图像的两个图像间的偏差程度，所述偏差程度
Figure FDA0002821270380000051
然后将偏差程度R(△P，△Q)做归一化处理，得到归一化偏差程度
Figure FDA0002821270380000052
R为表示远景病害图像集合P和近景病害图像集合Q两两之间每个像素的偏差程度之和；
(7)将r(△P，△Q)小于远程控制中心的数据库的设置阀值T时，将远景病害图像中心坐标集合△P和近景病害图像中心坐标集合△Q进行像素特征融合，形成新的病害图像W，将新的病害图像W输出给输出给远程控制中心；当r(△P，△Q)大于远程控制中心的数据库的设置阀值T时，将远景病害图像中心坐标集合△P和近景病害图像中心坐标集合△Q做优化处理，得到优化后的病害图像M，将优化后的病害图像M输出给输出给远程控制中心。
10.根据权利要求9所述的一种基于吸盘爬壁隧道检测***的检测方法，其特征在于：将远景病害图像中心坐标集合△P和近景病害图像中心坐标集合△Q做优化处理的具体过程为：先对远景病害图像中心坐标集合△P和近景病害图像中心坐标集合△Q进行开运算得到第一运算图像
Figure FDA0002821270380000053
在对所述第一运算图像P1进行闭运算得到第二运算图像
Figure FDA0002821270380000054
得出最终的病害图像P2，将最终的病害图像P2输出给远程控制中心。
CN202011418690.4A 2020-12-07 2020-12-07 一种基于吸盘爬壁隧道检测***及其检测方法 Active CN112629899B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011418690.4A CN112629899B (zh) 2020-12-07 2020-12-07 一种基于吸盘爬壁隧道检测***及其检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011418690.4A CN112629899B (zh) 2020-12-07 2020-12-07 一种基于吸盘爬壁隧道检测***及其检测方法

Publications (2)

Publication Number Publication Date
CN112629899A true CN112629899A (zh) 2021-04-09
CN112629899B CN112629899B (zh) 2023-04-07

Family

ID=75308641

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011418690.4A Active CN112629899B (zh) 2020-12-07 2020-12-07 一种基于吸盘爬壁隧道检测***及其检测方法

Country Status (1)

Country Link
CN (1) CN112629899B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110066360A (ko) * 2009-12-11 2011-06-17 주식회사 포디컬쳐 터널 표면 검사장치
CN104914108A (zh) * 2015-05-15 2015-09-16 上海同岩土木工程科技有限公司 基于机器视觉的高速公路隧道检测车***
CN106020188A (zh) * 2016-05-17 2016-10-12 杭州申昊科技股份有限公司 一种基于激光导航的变电站巡检机器人自主充电方法
JP2016211878A (ja) * 2015-04-30 2016-12-15 新日本非破壊検査株式会社 浮上ロボットを用いた構造物検査装置及び構造物の検査方法
CN109571414A (zh) * 2018-12-14 2019-04-05 杭州申昊科技股份有限公司 一种电缆隧道巡检机器人
CN110510025A (zh) * 2019-07-23 2019-11-29 长安大学 一种公路隧道隐性病害爬壁检测机器人
CN111610193A (zh) * 2020-05-29 2020-09-01 武汉至科检测技术有限公司 采用多镜头拍摄巡检地铁隧道管片结构缺陷的***及方法
CN111912857A (zh) * 2020-06-28 2020-11-10 深圳大学 一种引水隧洞爬绳检测机器人及其检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110066360A (ko) * 2009-12-11 2011-06-17 주식회사 포디컬쳐 터널 표면 검사장치
JP2016211878A (ja) * 2015-04-30 2016-12-15 新日本非破壊検査株式会社 浮上ロボットを用いた構造物検査装置及び構造物の検査方法
CN104914108A (zh) * 2015-05-15 2015-09-16 上海同岩土木工程科技有限公司 基于机器视觉的高速公路隧道检测车***
CN106020188A (zh) * 2016-05-17 2016-10-12 杭州申昊科技股份有限公司 一种基于激光导航的变电站巡检机器人自主充电方法
CN109571414A (zh) * 2018-12-14 2019-04-05 杭州申昊科技股份有限公司 一种电缆隧道巡检机器人
CN110510025A (zh) * 2019-07-23 2019-11-29 长安大学 一种公路隧道隐性病害爬壁检测机器人
CN111610193A (zh) * 2020-05-29 2020-09-01 武汉至科检测技术有限公司 采用多镜头拍摄巡检地铁隧道管片结构缺陷的***及方法
CN111912857A (zh) * 2020-06-28 2020-11-10 深圳大学 一种引水隧洞爬绳检测机器人及其检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈东生: "一种基于爬壁机器人装置的隧道检测方法", 《铁道建筑》 *

Also Published As

Publication number Publication date
CN112629899B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN108657455B (zh) 一种高压输电线路巡检的无人机自动收放装置
CN106680290B (zh) 狭窄空间的多功能检测车
CN112743559A (zh) 一种悬挂式隧道巡检机器人、***及方法
CN214028599U (zh) 一种悬挂式隧道巡检机器人及***
CN112729405A (zh) 一种悬挂式隧道巡检装置、***及方法
CN112630223B (zh) 一种基于隧道裂纹检测***及方法
CN104369742A (zh) 一种基于图像处理的隧道表面裂缝快速智能检测车
CN208872301U (zh) 一种单轨式地铁隧道安全巡检机器人
CN110288545A (zh) 一种辊压机辊面在线三维成像装置与方法
CN112140089A (zh) 一种用于室内环境的巡检机器人
CN114719792A (zh) 预制构件拼装面智能扫描和误差自动标识***及方法
CN112629899B (zh) 一种基于吸盘爬壁隧道检测***及其检测方法
CN116591005A (zh) 一种沥青路面表观病害智能检测修复装置
CN116008284A (zh) 一种巡检装置及其应用
CN208422101U (zh) 一种基于视频的高速路况检测装置
CN204196909U (zh) 一种基于图像处理的隧道表面裂缝快速智能检测车
CN213828993U (zh) 一种吸盘爬壁隧道检测机器人
CN116388669A (zh) 一种基于Swin Transformer的光伏板异物检测与清洁方法
CN115406458A (zh) 城轨车辆巡检机器人的综合定位导航方法
CN213982888U (zh) 一种多关节隧道空洞检测机器人
CN210879689U (zh) 一种适用于地铁车辆列检工作的智能机器人
CN203024870U (zh) 一种冷库保温缺陷自动检测机
CN114019950A (zh) 一种隧道结构表观病害智能巡检机器人
CN116142245B (zh) 一种小型的多功能集成地铁智能巡检车及方法
CN209615485U (zh) 一种无线巡检机器人***

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