CN112857252B - 一种基于反射率强度的隧道影像边界线检测方法 - Google Patents
一种基于反射率强度的隧道影像边界线检测方法 Download PDFInfo
- Publication number
- CN112857252B CN112857252B CN202110037470.5A CN202110037470A CN112857252B CN 112857252 B CN112857252 B CN 112857252B CN 202110037470 A CN202110037470 A CN 202110037470A CN 112857252 B CN112857252 B CN 112857252B
- Authority
- CN
- China
- Prior art keywords
- tunnel
- image
- reflectivity
- boundary line
- point cloud
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/2433—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring outlines by shadow casting
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于反射率强度的隧道影像边界线检测方法,包括:采用三维激光扫描仪对隧道进行扫描,获取隧道原始三维点云数据;基于隧道原始三维点云数据,提取隧道中轴线;基于提取的隧道中轴线,将隧道原始三维点云数据进行展开,投影至参数平面形成隧道反射率影像;利用隧道反射率影像的局部信息对隧道反射率影像各像素的强度值进行调整,以增强隧道反射率影像的边界特征;基于增强后的隧道反射率影像,提取影像中的边界线特征。本发明能够通过对隧道反射率影像中局部区域的反射率强度信息的处理,可明显增强隧道影像中的边界特征,从而进一步提高隧道边界线提取的准确性,为隧道形变分析奠定重要的基础。
Description
技术领域
本发明涉及隧道检测技术领域,具体而言涉及一种基于反射率强度的隧道影像边界线检测方法。
背景技术
随着城市轨道交通越来越普遍,其安全性也越来越受到重视。其中,隧道交通在城市轨道交通中占有重要地位。然而,由于持续受到地下压力及路面施工等因素的影响,地铁隧道可能发生形变,从而导致渗水、裂缝及掉块等问题。这些问题不仅会影响地铁运行的可靠性,甚至还会引发重大的安全事故。因此对地铁隧道进行及时准确的检测是保证隧道交通安全运营的重要基础。
随着三维激光扫描技术在隧道领域的广泛应用,隧道三维点云及激光反射率影像提高了隧道的形变分析的效率和准确度。通过隧道反射率影像,可快速提取隧道边界线,从而定位隧道中的各个管片块的位置,对隧道形变分析具有重要作用。然而,由于隧道边界线结构特征不明显,且扫描过程中产生大量的噪声数据,严重影响了边界线的提取和隧道结构形变检测的效率和精度。目前,虽然有一些方法能够对实际影像中的明显边界线特征进行提取,但是对于边界线特征不明显的隧道影像而言,现有方法仍无法准确提取,原因是隧道影像中边界线特征和影像背景的对比度较小且噪声程度较高,现有方法无法准确识别和检测,最终并不能提高边界线的检测效率。
因此,亟待发明出一种基于反射率强度信息的隧道影像边界线检测方法。
发明内容
本发明针对现有技术中的不足,提供一种基于反射率强度的隧道影像边界线检测方法,通过对隧道反射率影像中局部区域的反射率强度信息的处理,可明显增强隧道影像中的边界特征,从而进一步提高隧道边界线提取的准确性,为隧道形变分析奠定重要的基础。
为实现上述目的,本发明采用以下技术方案:
一种基于反射率强度的隧道影像边界线检测方法,所述检测方法包括以下步骤:
S1:采用三维激光扫描仪对隧道进行扫描,获取隧道原始三维点云数据;
S2:基于隧道原始三维点云数据,提取隧道中轴线;
S3:基于提取的隧道中轴线,将隧道原始三维点云数据进行展开,投影至参数平面形成隧道反射率影像;
S4:利用隧道反射率影像的局部信息对隧道反射率影像各像素的强度值进行调整,以增强隧道反射率影像的边界特征;
S5:基于增强后的隧道反射率影像,提取影像中的边界线特征。
为优化上述技术方案,采取的具体措施还包括:
进一步地,步骤S2中,所述基于隧道原始三维点云数据,提取隧道中轴线的过程包括以下步骤:
采用高斯映射对隧道原始三维点云数据进行圆柱拟合,提取拟合得到的圆柱轴线Al=(x0,y0,z0)作为隧道中轴线;
式中,(x0,y0,z0)为单位方向向量,x0,y0,z0分别为该向量在三维坐标系各坐标轴上的分量。
进一步地,步骤S3中,所述基于提取的隧道中轴线,将隧道原始三维点云数据进行展开,投影至参数平面形成隧道反射率影像的过程包括以下步骤:
基于提取的隧道中轴线Al,采用等角正切投影,将隧道原始三维点云数据展开至二维平面,生成隧道反射率影像。
进一步地,步骤S4中,所述利用隧道反射率影像的局部信息对隧道反射率影像各像素的强度值进行调整,以增强隧道反射率影像的边界特征的过程包括以下步骤:
S41:选择所述隧道反射率影像中的任意一个像素点p(i,j),提取其邻域像素集合Nr(p(i,j)),i和j分别为选取像素点的行号和列号;
S42:计算所述邻域像素集合Nr(p(i,j))的平均强度值Ar(p(i,j)):
其中,|Nr(p(i,j))|表示Nr(p(i,j))中像素的个数;Nr(p(i,j))x表示Nr(p(i,j))集合中第x个像素;I(·)表示某一像素的强度值。
S43:计算所述邻域像素集合Nr(p(i,j))的强度值标准差σr(p(i,j)):
S44:基于p(i,j)像素的邻域集合Nr(p(i,j))及其平均强度值Ar(p(i,j)),重新计算p(i,j)像素的强度值I(p(i,j))′:
其中,U是调整影像增强程度的比例因子;p(m,n)∈Nr(p(i,j))。
S45:重复步骤S41至S44,遍历隧道反射率影像的所有像素,最终得到增强后的隧道反射率影像。
进一步地,步骤S5中,所述基于增强后的隧道反射率影像,提取影像中的边界线特征的过程包括以下步骤:
采用LSD直线检测算法对增强后的隧道反射率影像中的边界线进行检测和提取。
本发明的有益效果是:
本发明通过对隧道反射率影像中局部区域的反射率强度信息的处理,可明显增强隧道影像中的边界特征,从而进一步提高隧道边界线提取的准确性,为隧道形变分析奠定重要的基础。
附图说明
图1是本发明的基于反射率强度的隧道影像边界线检测方法流程图。
图2是本发明具体实施例中的隧道三维点云图。
图3是本发明具体实施例中生成的隧道反射率影像图。
图4是本发明具体实施例中增强后的隧道反射率影像图。
图5是本发明具体实施例中基于增强后隧道影像的边界线检测结果图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
需要注意的是,发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语,亦仅为便于叙述的明了,而非用以限定本发明可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当亦视为本发明可实施的范畴。
结合图1,本实例提供了一种基于反射率强度信息的隧道影像边界线检测方法,具体步骤如下:
1)采用三维激光扫描仪对隧道进行扫描,获取隧道原始三维点云数据,如图2所示。
2)基于隧道三维点云数据,提取隧道中轴线。
3)基于提取的隧道中轴线,将隧道三维数据进行展开,投影至参数平面形成反射率影像。
4)基于隧道反射率影像的局部信息对影像进行增强,突出其边界特征。
5)基于增强后的隧道影像,提取影像中的边界线特征。
本实施例能实现隧道反射率影像的边界线检测方法,如图5所示,在增强后的隧道影像上准确提取边界线特征,从而可准确定位隧道管片块,提高隧道形变分析的准确性。
在上述实施方式中,基于隧道三维点云数据,提取隧道中轴线,包括:基于获取的隧道三维点云数据,应用高斯映射对所述隧道点云进行圆柱拟合,提取圆柱轴线Al=(x0,y0,z0)作为所述隧道中轴线。
具体地,首先通过主成分分析法计算隧道三维点云中每个点的法线信息,并通过高斯映射法将隧道三维点云的法线信息映射至高斯球上,在球面上得到一系列映射点。基于该映射点集进行最小二乘平面拟合,并将拟合平面的法线作为隧道中轴线Al=(x0,y0,z0)。
进一步地,将隧道三维数据进行展开,投影至参数平面形成反射率影像,包括:基于提取的隧道中轴线Al,采用等角正切投影,将隧道三维点云展开至二维平面,生成隧道反射率影像,如图3所示。图3中存在大量的噪声信号且边界线特征不明显,如果直接对图3进行边界线提取处理,很容易提取到错误的边界线信息。
进一步地,基于隧道反射率影像的局部信息对影像进行增强,突出其边界特征,包括:在所述隧道反射率影像中,给定反射率影像中的一点p(i,j),提取其邻域像素(邻域半径设置为50个像素)集合Nr(p(i,j));计算所述邻域集合Nr(p(i,j))的平均强度值Ar(p(i,j)):
其中,|Nr(p(i,j))|表示Nr(p(i,j))中像素的个数;Nr(p(i,j))x表示Nr(p(i,j))集合中第x个像素;I(·)表示某一像素的强度值。进一步地,计算所述邻域集合Nr(p(i,j))的强度值标准差σr(p(i,j)):
基于p(i,j)像素的邻域集合Nr(p(i,j))、其平均强度值Ar(p(i,j))及其强度值标准差σr(p(i,j)),重新计算p(i,j)像素的强度值I(p(i,j))′:
其中,U是调整影像增强程度的比例因子(在本例中,可设置为15);p(m,n)∈Nr(p(i,j))。基于上述隧道影像增强公式,遍历隧道影像所有像素,最终得到增强后的隧道反射率影像,如图4所示。采用前述方法,除了可以增强边界线和其邻域区域的对比度,从而突显边界线之外,更重要的是,对于噪声信号,可以进一步减弱其与边界线相似的特性,例如图3中下半区域的灰色横线区域,经增强处理后,增强了其噪声特性,避免被错认为边界线。其他噪声也类似,本发明通过增强噪声信号的噪声特性,从而减弱其具有的类似的边界线特征,间接提高边界线检测精度。
进一步地,基于增强后的隧道影像,提取影像中的边界线特征,包括:基于增强后的隧道影像,采用LSD直线检测算法对影像中的边界线进行检测和提取,如图5所示。该算法在任何图像上均无需调节参数,是一种全自动的图像分析工具。因此,选用该方法进行隧道影像边界线检测,可提升检测效率,并提高隧道检测分析自动化程度。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (2)
1.一种基于反射率强度的隧道影像边界线检测方法,其特征在于,所述检测方法包括以下步骤:
S1:采用三维激光扫描仪对隧道进行扫描,获取隧道原始三维点云数据;
S2:基于隧道原始三维点云数据,提取隧道中轴线,具体包括:
通过主成分分析法计算隧道三维点云中每个点的法线信息,并通过高斯映射法将隧道三维点云的法线信息映射至高斯球上,在球面上得到一系列映射点;基于该映射点集进行最小二乘平面拟合,并将拟合平面的法线作为隧道中轴线Al=(x0,y0,z0);
式中,(x0,y0,z0)为单位方向向量,x0,y0,z0分别为该向量在三维坐标系各坐标轴上的分量;
S3:基于提取的隧道中轴线,将隧道原始三维点云数据进行展开,投影至参数平面形成隧道反射率影像,具体为:
基于提取的隧道中轴线Al,采用等角正切投影,将隧道原始三维点云数据展开至二维平面,生成隧道反射率影像;
S4:利用隧道反射率影像的局部信息对隧道反射率影像各像素的强度值进行调整,以增强隧道反射率影像的边界特征,具体包括以下步骤:
S41:选择所述隧道反射率影像中的任意一个像素点p(i,j),提取其邻域像素集合Nr(p(i,j)),i和j分别为选取像素点的行号和列号;
S42:计算所述邻域像素集合Nr(p(i,j))的平均强度值Ar(p(i,j)):
其中,|Nr(p(i,j))|表示Nr(p(i,j))中像素的个数;Nr(p(i,j))x表示Nr(p(i,j))集合中第x个像素;I(·)表示某一像素的强度值;
S43:计算所述邻域像素集合Nr(p(i,j))的强度值标准差σr(p(i,j)):
S44:基于p(i,j)像素的邻域集合Nr(p(i,j))及其平均强度值Ar(p(i,j)),重新计算p(i,j)像素的强度值I(p(i,j))′:
其中,U是调整影像增强程度的比例因子;p(m,n)∈Nr(p(i,j));
S45:重复步骤S41至S44,遍历隧道反射率影像的所有像素,最终得到增强后的隧道反射率影像;
S5:基于增强后的隧道反射率影像,提取影像中的边界线特征。
2.根据权利要求1所述的基于反射率强度的隧道影像边界线检测方法,其特征在于,步骤S5中,所述基于增强后的隧道反射率影像,提取影像中的边界线特征的过程包括以下步骤:
采用LSD直线检测算法对增强后的隧道反射率影像中的边界线进行检测和提取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110037470.5A CN112857252B (zh) | 2021-01-12 | 2021-01-12 | 一种基于反射率强度的隧道影像边界线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110037470.5A CN112857252B (zh) | 2021-01-12 | 2021-01-12 | 一种基于反射率强度的隧道影像边界线检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112857252A CN112857252A (zh) | 2021-05-28 |
CN112857252B true CN112857252B (zh) | 2023-04-07 |
Family
ID=76002944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110037470.5A Active CN112857252B (zh) | 2021-01-12 | 2021-01-12 | 一种基于反射率强度的隧道影像边界线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112857252B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554664B (zh) * | 2021-07-06 | 2024-02-09 | 南京航空航天大学 | 一种地铁隧道反射率影像优化剪裁方法 |
CN118037703B (zh) * | 2024-03-16 | 2024-07-23 | 中新聚能建设工程有限公司 | 一种基于多源信息的隧道掌子面分区方法及相关设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2020100893A4 (en) * | 2019-11-28 | 2020-07-09 | China Railway 18th Construction Bureau Co., Ltd. | Tunnel measurement and control method based on combination of three-dimensional laser scanner and bim |
CN111553868A (zh) * | 2020-04-29 | 2020-08-18 | 南京航空航天大学 | 一种基于改进sobel算子的隧道反射率影像滤波方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1876959A1 (en) * | 2005-04-25 | 2008-01-16 | Koninklijke Philips Electronics N.V. | Targeted additive gain tool for processing ultrasound images |
JP4263228B2 (ja) * | 2005-08-12 | 2009-05-13 | 株式会社リコー | 画像処理方法及び画像処理装置 |
CN104359459B (zh) * | 2014-12-04 | 2017-02-22 | 上海岩土工程勘察设计研究院有限公司 | 采用三维激光扫描反射率信息生成隧道内壁影像的方法 |
JP6073944B2 (ja) * | 2015-02-24 | 2017-02-01 | 株式会社パスコ | レーザ計測システム、反射ターゲット体及びレーザ計測方法 |
CN109373921B (zh) * | 2018-10-26 | 2020-07-14 | 南京航空航天大学 | 一种隧道监测方法及装置 |
CN111429373A (zh) * | 2020-03-24 | 2020-07-17 | 珠海嘉润医用影像科技有限公司 | 一种图像增强处理方法及*** |
CN111322985B (zh) * | 2020-03-25 | 2021-04-09 | 南京航空航天大学 | 基于激光点云的隧道限界分析方法、装置和*** |
-
2021
- 2021-01-12 CN CN202110037470.5A patent/CN112857252B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2020100893A4 (en) * | 2019-11-28 | 2020-07-09 | China Railway 18th Construction Bureau Co., Ltd. | Tunnel measurement and control method based on combination of three-dimensional laser scanner and bim |
CN111553868A (zh) * | 2020-04-29 | 2020-08-18 | 南京航空航天大学 | 一种基于改进sobel算子的隧道反射率影像滤波方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112857252A (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106951879B (zh) | 基于摄像头与毫米波雷达的多特征融合车辆检测方法 | |
CN112651968B (zh) | 一种基于深度信息的木板形变与凹坑检测方法 | |
CN108629775B (zh) | 一种热态高速线材表面图像处理方法 | |
CN103839268B (zh) | 一种地铁隧道表面裂缝的检测方法 | |
CN104535586B (zh) | 带钢边部缺陷检测识别方法 | |
CN108230344B (zh) | 一种隧道渗漏水病害自动识别方法 | |
CN112857252B (zh) | 一种基于反射率强度的隧道影像边界线检测方法 | |
CN108597009B (zh) | 一种基于方向角信息进行三维目标检测的方法 | |
AU2016385541A1 (en) | Object surface deformation feature extraction method based on line scanning three-dimensional point Cloud | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及*** | |
CN105133471A (zh) | 一种基于线结构光路面检测***的路面深度图像生产方法 | |
CN104268872A (zh) | 基于一致性的边缘检测方法 | |
CN104992429A (zh) | 一种基于图像局部增强的山体裂缝检测方法 | |
CN109978940A (zh) | 一种sab安全气囊尺寸视觉测量方法 | |
CN114066808A (zh) | 一种基于深度学习的路面缺陷检测方法及*** | |
CN112818989A (zh) | 一种基于梯度幅值随机采样的图像匹配方法 | |
CN105184792A (zh) | 一种圆锯片磨损量在线测量方法 | |
Zheng et al. | Rail detection based on LSD and the least square curve fitting | |
CN113947583B (zh) | 基于深度学习二维时间序列图像的焊缝无损检测方法 | |
CN111476792B (zh) | 一种板带钢图像轮廓的提取方法 | |
CN111178210B (zh) | 一种十字标记的图像识别及对准方法 | |
CN112950562A (zh) | 一种基于线结构光的扣件检测算法 | |
CN104166843B (zh) | 一种基于直线连续性的文档图像来源判别方法 | |
CN110689538B (zh) | 隧道衬砌裂缝图像检测方法 | |
CN113516081A (zh) | 一种通过深度学习图像识别技术实现虚拟水尺识别水位的方法 |
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 |