一种无人机盾构隧道巡检方法及系统

1.本发明涉及隧道巡检技术领域，更具体的说是涉及一种无人机盾构隧道巡检方法及系统。


背景技术：

2.近几年来，随着国家经济的持续发展，我国的基本建设水平和覆盖面都在不断提高，而我国的隧道里程也在不断增加，这就造成了隧道工程质量检验工作的繁重。不论是新建的隧道，或是随着改革开放而发展起来的大型交通工程，均要求对隧道进行高精度的测试，以确保其在工程中的正常运行。采用人工方式对巷道进行探测，不仅需要耗费大量的人力、物力，而且探测过程中还存在着风险和不确定因素。
3.随着无人驾驶飞机技术的不断发展，其超常的机动性和可操控性得到了广泛的关注，各类探测企业纷纷将目光投向无人驾驶飞机，无人驾驶飞机在隧道探测中的应用逐渐成为主流。无人机可以根据探测的需要，将各种传感器和设备安装在其机身上，从而可以自主的对人工无法探测到的隧道环境进行探测，从而大大提升了工作效率和工作质量。比起传统的探伤车辆，无人驾驶设备的成本要低很多，只需要少量的操作员和数据处理人员，便可以进行远距离、远距离、远距离的探测，同时也可以获取到更多的信息，而且成本也相对较低，这也是各大企业最感兴趣的地方。这样既可以降低隧道探测的工作量，又可以确保隧道探测的安全，降低探测中出现的事故。
4.但是，隧道内复杂的工作环境给无人驾驶飞机的工作带来了巨大的挑战。一旦进入隧道深处，gps和其他卫星的信号就会被屏蔽，所以一般的无人机根本不可能在隧道内完成任务。此外，轨道交通中存在一些外部干扰，如轨道交通中的电磁干扰等，也会对其工作产生一定的影响。
5.因此，如何提供一种无人机盾构隧道巡检系统及方法成为本领域技术人员急需解决的技术问题。


技术实现要素：

6.有鉴于此，本发明提供了一种无人机盾构隧道巡检系统及方法，以解决背景技术中的问题。
7.为了实现上述目的，本发明提供如下技术方案：
8.一方面，本发明公开了一种无人机盾构隧道巡检方法，具体步骤如下：
9.输入预设三维坐标系初步设定飞机路径，并利用环境感知信息调整飞行路径，同时获取隧道断面的二维信息；
10.根据盾构隧道衬砌环标准化生产的特性，识别每一单位的盾构隧道衬砌环，通过隧道断面的二维信息，将所述二维信息与轴向飞行里程结合，将每一衬砌环定位信息叠加，建立初步的三维模型；
11.收集隧道内影像信息，结合周边环境感知信息，利用高斯滤波及sobel边缘检测算
法完善模型；
12.根据计算视觉原理识别出各类型损伤及损伤程度。
13.优选的，在上述的一种无人机盾构隧道巡检方法中，利用环境感知信息调整飞行路径，具体步骤如下：
14.通过径向、切向畸变系数修正飞行路径；
15.使用相机畸变参数对图像进行矫正，径向畸变矫正公式如下式(1)，切向畸变的矫正公式如下式(2)：
[0016][0017][0018]
式中，x为任意一点横坐标，y为任意一点纵坐标，t为任意一点与坐标原点之间的距离，ki为径向畸变纠正系数，pi为切向畸变纠正系数。
[0019]
优选的，在上述的一种无人机盾构隧道巡检方法中，获取隧道断面的二维信息，具体步骤如下：在盾构断面上建立一个以隧道断面圆心为原点的二维坐标系，根据无人机与隧道底部的距离以及无人机与两侧隧道壁间的距离，通过几何计算获取无人机的二维坐标，如下式：
[0020]
x＝|r*cosθ
1-x1|或x＝|x
2-r*cosθ1|；
[0021]
y＝|y
0-r*sinθ2|；
[0022]
式中，x为断面水平坐标，y为断面竖直坐标，r为标准衬砌环的半径，x1、x2分别为前进方向上无人机左右两端激光测距仪到右壁和左壁的距离，y0为下端激光测距仪到下壁的距离。如附图1
[0023]
优选的，在上述的一种无人机盾构隧道巡检方法中，轴向飞行里程计算如下：通过sobel边缘检测算法识别无人机经过的衬砌环个数；
[0024]
d＝(n-1)*d；
[0025]
式中，d代表无人机轴向的飞行里程，n代表sobel边缘检测算法检测出的边缘数，d代表每一标准衬砌环的标准宽度。
[0026]
优选的，在上述的一种无人机盾构隧道巡检方法中，利用sobel边缘检测算法完善模型具体步骤如下：
[0027]
收集隧道内影像信息两个方向进行求导，使用3
×
3卷积核来求取近似的微分；
[0028]
对于水平方向的像素亮度突变使用一个卷积核来检测，而垂直方向的的亮度突变用另外一个卷积核进行检测；利用卷积核对源图像进行卷积，获得“sobel边缘图像”；
[0029]
使用g
x
和gy分别代表x和y方向的梯度值，利用a，b表示x，y方向的卷积核：
[0030]gx
＝a*i，gy＝b*i
[0031]
式中，*表示卷积算子，i表示输入图像。
[0032]
最终的图像梯度幅值g通过下式计算：
[0033]
[0034]
梯度方向由下式表示：
[0035]
优选的，在上述的一种无人机盾构隧道巡检方法中，利用高斯滤波完善模型具体步骤如下：通过对灰度色彩空间中的色彩信息进行剔除，从而将其转化为灰阶，而将无边缘区域变为黑色，将边缘区域变为白色或其它饱和色；采用高斯平滑滤波器，在二维空间分布中，高斯滤波方程如下式所示：
[0036][0037]
式中，σ是正态分布的标准偏差。
[0038]
优选的，在上述的一种无人机盾构隧道巡检方法中，还包括：根据计算视觉原理识别出各类型损伤及损伤程度，利用对损伤部位与隧道表面的颜色比对，分析rgb色域将影像二值化，将损伤部位显化，根据像素信息计算几何参数；根据建立的三维模型，对受损部位定位。
[0039]
另一方面，本发明公开了一种采用无人机盾构隧道巡检方法的无人机盾构隧道巡检系统，包括：
[0040]
无人机本体，所述无人机本体上搭载着微型电脑、激光雷达、高清相机和激光测距仪；所述微型电脑置于所述无人机本体的内部，所述激光雷达和所述微型电脑连接，所述激光雷达通过在隧道中发射光脉冲、反射电脉冲，对隧道周围环境进行探测与感知，同时对人工端的三维建模进行图层的初步反馈；
[0041]
所述高清相机连接于微型电脑，用于在隧道巡检过程中的拍照及录像，采集隧道表面高分辨率的管片内壁影像，用于人工端实时对隧道内部情况有初步了解，以及基于计算视觉的隧道损伤鉴别；
[0042]
所述激光测距仪分别搭载于无人机本体的机身左右两端以及下端的传感器支架上，通过发射激光，并分析识别反射回接收单元的激光，计算出在隧道断面的二维信息，人工设定以断面圆心为坐标系原点，断面水平方向为x轴，断面竖直方向为y轴，建立二维断面坐标系，计算无人机在断面坐标系中的具体坐标，再以无人机前进方向为z轴，根据飞行里程设定z轴坐标，合并断面坐标系建立三维定位坐标系。
[0043]
优选的，在上述的一种无人机盾构隧道巡检系统中，还包括：照明装置，所述照明装置安装在所述无人机本体上。
[0044]
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种无人机盾构隧道巡检方法及系统，因盾构隧道衬砌环均为标准均匀环形，可人工将指定的三维坐标系统输入给无人机，并将其输入相应的坐标参数，以确保其按预定轨道运行，满足探测要求。同时，利用衬砌环间的间隙，对无人机进行了边界识别，从而决定了其在轴线方向上的航程。利用高斯滤波器和sobel边缘检测算法，可以在复杂的巷道中进行准确的定位；解决了无人机在外部干扰或信号屏蔽状态下不能够完整巡检工作的问题。
附图说明
[0045]
为了更清楚地说明本发明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，下面描述中的附图仅仅是本
发明的实施例，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，还可以根据提供的附图获得其他的附图。
[0046]
图1为本发明的二维坐标结构计算示意图。
[0047]
图2为本发明所述三维坐标系示意图。
[0048]
图3为本发明所述方法的流程图。
具体实施方式
[0049]
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，所描述的实施例仅仅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做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。
[0050]
本发明实施例公开了一种无人机盾构隧道巡检方法，具体步骤如下：
[0051]
输入预设三维坐标系初步设定飞机路径，并利用环境感知信息调整飞行路径，同时获取隧道断面的二维信息；
[0052]
根据盾构隧道衬砌环标准化生产的特性，识别每一单位的盾构隧道衬砌环，通过隧道断面的二维信息，将所述二维信息与轴向飞行里程结合，将每一衬砌环定位信息叠加，建立初步的三维模型；
[0053]
收集隧道内影像信息，结合周边环境感知信息，利用高斯滤波及sobel边缘检测算法完善模型；
[0054]
根据计算视觉原理识别出各类型损伤及损伤程度。
[0055]
还包括：对根据识别出的各类损伤及损伤程度，构建隧道三维模型，将损伤可视化。
[0056]
因为在飞行的过程中，摄像头的拍摄角度会发生一定的改变，而且在飞行的过程中还会出现摇晃，所以虚拟画面与真实画面之间会有一定的差别，可以通过畸变参数对影像进行矫正，使得提高影像精度，尽可能还原真实的损伤情况，因此利用环境感知信息调整飞行路径，具体步骤如下：
[0057]
通过径向、切向畸变系数修正飞行路径；
[0058]
使用相机畸变参数对图像进行矫正，径向畸变矫正公式如下式(1)，切向畸变的矫正公式如下式(2)：
[0059][0060][0061]
式中，x为任意一点横坐标，y为任意一点纵坐标，r为任意一点与坐标原点之间的距离，ki为径向畸变纠正系数，pi为切向畸变纠正系数。
[0062]
为了解决无gps定位信号的问题，本发明采用三维坐标系与sobel边缘检测算法确定无人机在隧道内的位置与飞行里程。在飞行前或飞行过程中，人工在盾构断面上建立一个以隧道断面圆心为原点的二维坐标系，无人机左右及下面搭载的激光测距仪在飞行过程
中将不断地发射激光，发射的激光在碰撞到隧道壁后反射回无人机接收端，得到无人机与隧道底部与两侧隧道壁间的距离，从而通过几何计算获取无人机的二维坐标，如下式：
[0063]
x＝|r*cosθ
1-x1|或x＝|x
2-r*cosθ1|；
[0064]
y＝|y
0-r*sinθ2|；
[0065]
式中，x为断面水平坐标，y为断面竖直坐标，r为标准衬砌环的半径，x1、x2分别为前进方向上无人机左右两端激光测距仪到右壁和左壁的距离，y0为下端激光测距仪到下壁的距离。
[0066]
为了进一步优化上述技术方案，轴向飞行里程计算如下：通过sobel边缘检测算法识别无人机经过的衬砌环个数；
[0067]
d＝(n-1)*d；
[0068]
式中，d代表无人机轴向的飞行里程，n代表sobel边缘检测算法检测出的边缘数，d代表每一标准衬砌环的标准宽度。
[0069]
为了进一步优化上述技术方案，利用sobel边缘检测算法完善模型具体步骤如下：
[0070]
对于损伤的识别分析，采取了sobel边缘检测算法，此算法在处理灰度渐变以及噪声比较多的图像时，能表现出比较强的优化能力，且sobel算子对边缘的定位较为准确，同时其计算速度快。因为图像为二维的，所以只需要在两个方向进行求导：垂直方向的边缘在水平方向的梯度幅值较大，水平方向的边缘在垂直方向的梯度幅值较大，所以可以使用3
×
3卷积核来求取近似的微分。对于水平方向的像素亮度突变可以使用一个卷积核来检测，而垂直方向的的亮度突变可以用另外一个卷积核进行检测。利用这些卷积核对源图像进行卷积，可以获得“sobel边缘图像”。
[0071]
使用g
x
和gy分别代表x和y方向的梯度值，利用a，b表示x，y方向的卷积核：
[0072]gx
＝a*i，gy＝b*i
[0073]
式中，*表示卷积算子，i表示输入图像。
[0074]
最终的图像梯度幅值g通过下式计算：
[0075][0076]
梯度方向由下式表示：
[0077]
因为sobel算法是直接利用阈值来对边缘点进行判断，所以会导致过多的噪声点误判。为了最大限度地提高图像的还原度，本发明还采用一种高斯滤波的方法对图像进行去噪、计算梯度、在边缘上使用非最大抑制(nms)，在检测到的边缘上使用双阈值来去除假阳性。最后，对所有的边缘以及它们之间的连接进行分析，以达到保留真正的边缘，消除不显著的边缘的目的。在计算视觉中，通过对灰度色彩空间中的色彩信息进行剔除，从而将其转化为灰阶，而将无边缘区域变为黑色，将边缘区域变为白色或其它饱和色。该方法采用高斯平滑滤波器，可以很好地抑制正态分布下的噪声，而sobel算法对亮度下的图像满足正态分布，因此，该方法具有很强的鲁棒性。
[0078]
采用高斯平滑滤波器，在二维空间分布中，高斯滤波方程如下式所示：
[0079][0080]
式中，σ是正态分布的标准偏差。
[0081]
在两个平面上，利用此公式所求出的曲面等高线为一个标准的同心圆，并以单点为中心向外扩展。将一个非零象素组成的卷积阵转化为原始图象。每个像素的数字都是相邻像素值的加权平均值。因为初始点的高斯分布值是最大的，所以它的权重是最大的，而相邻的权重是随着初始点的距离而递减的。与其它均衡模糊滤波算法比较，本实施例提出的算法能够较好地保留图像中的边缘效果。
[0082]
完善三维模型后，无人机根据算法识别检测到的缝隙等损坏，将缝隙在模型中所处坐标记录于微型电脑中，微型电脑再通过计算还原至所建的三维隧道模型中，直观地反映出损伤部位，实现报告损伤位置与受损情况的功能。
[0083]
为了进一步优化上述技术方案，还包括：根据计算视觉原理识别出各类型损伤及损伤程度，利用对损伤部位与隧道表面的颜色比对，分析rgb色域将影像二值化，将损伤部位显化，根据像素信息计算几何参数；根据建立的三维模型，对受损部位定位。
[0084]
本发明另一实施例公开了一种采用无人机盾构隧道巡检方法的无人机盾构隧道巡检系统，包括：
[0085]
无人机本体，所述无人机本体上搭载着微型电脑、激光雷达、高清相机和激光测距仪；所述微型电脑置于所述无人机本体的内部，所述激光雷达和所述微型电脑连接，所述激光雷达通过在隧道中发射光脉冲、反射电脉冲，对隧道周围环境进行探测与感知，同时对人工端的三维建模进行图层的初步反馈；
[0086]
所述高清相机连接于微型电脑，用于在隧道巡检过程中的拍照及录像，采集隧道表面高分辨率的管片内壁影像，用于人工端实时对隧道内部情况有初步了解，以及基于计算视觉的隧道损伤鉴别；
[0087]
所述激光测距仪分别搭载于无人机本体的机身左右两端以及下端的传感器支架上，通过发射激光，并分析识别反射回接收单元的激光，计算出在隧道断面的二维信息，人工设定以断面圆心为坐标系原点，断面水平方向为x轴，断面竖直方向为y轴，建立二维断面坐标系，计算无人机在断面坐标系中的具体坐标，再以无人机前进方向为z轴，根据飞行里程设定z轴坐标，合并断面坐标系建立三维定位坐标系。
[0088]
为了进一步优化上述技术方案，还包括：照明装置，所述照明装置安装在所述无人机本体上。
[0089]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0090]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种无人机盾构隧道巡检方法，其特征在于，具体步骤如下：输入预设三维坐标系初步设定飞机路径，并利用环境感知信息调整飞行路径，同时获取隧道断面的二维信息；根据盾构隧道衬砌环标准化生产的特性，识别每一单位的盾构隧道衬砌环，通过隧道断面的二维信息，将所述二维信息与轴向飞行里程结合，将每一衬砌环定位信息叠加，建立初步的三维模型；收集隧道内影像信息，结合周边环境感知信息，利用高斯滤波及sobel边缘检测算法完善模型；根据计算视觉原理识别出各类型损伤及损伤程度。2.根据权利要求1所述的一种无人机盾构隧道巡检方法，其特征在于，利用环境感知信息调整飞行路径，具体步骤如下：通过径向、切向畸变系数修正飞行路径；使用相机畸变参数对图像进行矫正，径向畸变矫正公式如下式(1)，切向畸变的矫正公式如下式(2)：式如下式(2)：式中，x为任意一点横坐标，y为任意一点纵坐标，r为任意一点与坐标原点之间的距离，k
i
为径向畸变纠正系数，p
i
为切向畸变纠正系数。3.根据权利要求1所述的一种无人机盾构隧道巡检方法，其特征在于，获取隧道断面的二维信息，具体步骤如下：在盾构断面上建立一个以隧道断面圆心为原点的二维坐标系，根据无人机与隧道底部的距离以及无人机与两侧隧道壁间的距离，通过几何计算获取无人机的二维坐标，如下式：x＝|r*cosθ
1-x1|或x＝|x
2-r*cosθ1|；y＝|y
0-r*sinθ2|；式中，x为断面水平坐标，y为断面竖直坐标，r为标准衬砌环的半径，x1、x2分别为前进方向上无人机左右两端激光测距仪到右壁和左壁的距离，y0为下端激光测距仪到下壁的距离。4.根据权利要求1所述的一种无人机盾构隧道巡检方法，其特征在于，轴向飞行里程计算如下：通过sobel边缘检测算法识别无人机经过的衬砌环个数；d＝(n-1)*d；式中，d代表无人机轴向的飞行里程，n代表sobel边缘检测算法检测出的边缘数，d代表每一标准衬砌环的标准宽度。5.根据权利要求1所述的一种无人机盾构隧道巡检方法，其特征在于，利用sobel边缘检测算法完善模型具体步骤如下：收集隧道内影像信息两个方向进行求导，使用3
×
3卷积核来求取近似的微分；对于水平方向的像素亮度突变使用一个卷积核来检测，而垂直方向的的亮度突变用另
外一个卷积核进行检测；利用卷积核对源图像进行卷积，获得“sobel边缘图像”；使用g
x
和g
y
分别代表x和y方向的梯度值，利用a，b表示x，y方向的卷积核：g
x
＝a*i，g
y
＝b*i式中，*表示卷积算子，i表示输入图像。最终的图像梯度幅值g通过下式计算：梯度方向由下式表示：6.根据权利要求5所述的一种无人机盾构隧道巡检方法，其特征在于，利用高斯滤波完善模型具体步骤如下：通过对灰度色彩空间中的色彩信息进行剔除，从而将其转化为灰阶，而将无边缘区域变为黑色，将边缘区域变为白色或其它饱和色；采用高斯平滑滤波器，在二维空间分布中，高斯滤波方程如下式所示：式中，σ是正态分布的标准偏差。7.根据权利要求1所述的一种无人机盾构隧道巡检方法，其特征在于，还包括：根据计算视觉原理识别出各类型损伤及损伤程度，利用对损伤部位与隧道表面的颜色比对，分析rgb色域将影像二值化，将损伤部位显化，根据像素信息计算几何参数；根据建立的三维模型，对受损部位定位。8.一种采用如权利要求1-7任一项所述的无人机盾构隧道巡检方法的无人机盾构隧道巡检系统，其特征在于，包括：无人机本体，所述无人机本体上搭载着微型电脑、激光雷达、高清相机和激光测距仪；所述微型电脑置于所述无人机本体的内部，所述激光雷达和所述微型电脑连接，所述激光雷达通过在隧道中发射光脉冲、反射电脉冲，对隧道周围环境进行探测与感知，同时对人工端的三维建模进行图层的初步反馈；所述高清相机连接于微型电脑，用于在隧道巡检过程中的拍照及录像，采集隧道表面高分辨率的管片内壁影像，用于人工端实时对隧道内部情况有初步了解，以及基于计算视觉的隧道损伤鉴别；所述激光测距仪分别搭载于无人机本体的机身左右两端以及下端的传感器支架上，通过发射激光，并分析识别反射回接收单元的激光，计算出在隧道断面的二维信息，人工设定以断面圆心为坐标系原点，断面水平方向为x轴，断面竖直方向为y轴，建立二维断面坐标系，计算无人机在断面坐标系中的具体坐标，再以无人机前进方向为z轴，根据飞行里程设定z轴坐标，合并断面坐标系建立三维定位坐标系。9.根据权利要求8所述的一种无人机盾构隧道巡检系统，其特征在于，还包括：照明装置，所述照明装置安装在所述无人机本体上。

技术总结
本发明公开了一种无人机盾构隧道巡检系统及方法，应用于隧道巡检技术领域，通过人工给定盾构剖面的三维坐标轴，结合无人机自动巡航、计算视觉，实现无人机隧道巡检自动化。本发明利用搭载的微型电脑复现人工设定的坐标系，同时利用隧道环境和采集离隧道壁的距离，计算隧道断面坐标体系下无人机所处位置的坐标。另外，利用sobel边缘检三维法识别通过的盾构隧道标准衬砌环，从而计算出轴向距离，建立隧道的三维模型并确定无人机在隧道内的前进里程；利用高斯滤波与sobel边缘算法等计算视觉算法分析识别图像信息中关于隧道损伤的情况。本发明具有成本低、工作效率高、自动化程度高等优点，能够广泛地运用到隧道巡检中。能够广泛地运用到隧道巡检中。能够广泛地运用到隧道巡检中。


技术研发人员：袁宝聪 王义诚 刘超 陈权钊 张兴国
受保护的技术使用者：广州大学
技术研发日：2023.05.30
技术公布日：2023/7/12