基于ODVS的隧道病害檢測方法研究.pdf

1、交通建設在國家經濟發(fā)展中起著十分重要的先行作用，在公路、鐵路和城市交通建設中，為了能夠跨越江河、深谷和海峽或穿越山嶺和水底，需要建造各種隧道工程。相關調查研究表明相當數(shù)量的隧道存在病害問題，嚴重影響到交通運輸安全和人民生命財產安全，因此如何快速有效地對隧道病害進行快速檢測成為亟待解決的問題?，F(xiàn)有的檢測設備存在著獲取隧道病害圖像難、檢測隧道病害難等問題，針對上述問題，本文設計并實現(xiàn)了隧道病害檢測系統(tǒng)，采用搭載全景視覺傳感器的隧道病害檢測車

2、，獲取隧道襯砌的全斷面圖像來檢測隧道襯砌的“貌”，然后進行全景圖像的圖像處理;最后，采用卷積神經網絡對病害進行自動檢測分類識別。
　　本文研究內容如下:
　　1、一種一次性獲取隧道全斷面圖像的隧道病害檢測車的研究。本文設計實現(xiàn)了隧道病害檢測系統(tǒng)，硬件部分主要包括隧道檢測車、全方位視覺傳感器(Omni-directional vision sensor,ODVS)、照明光源和遠程計算機等。檢測流程如下:隧道檢測車自帶工控機，工

3、控機負責采集隧道襯砌的全景圖像，然后進行全景展開處理，最后將展開后的全景圖像發(fā)送給遠程計算機，遠程計算機通過配套軟件對全景圖像進行圖像處理。
　　2、基于數(shù)字圖像處理技術對隧道全景圖像進行高精度的自動分析和評估方法的研究。隧道襯砌病害與一般混凝土結構病害不同，存在著對比度低，空間連通性差，光照不均勻，噪聲種類繁多，分布無規(guī)律等問題，因此本文首先對獲取到的全景圖像進行處理，主要包括全景圖像展開、圖像預處理、圖像分割等;然后，通過四連

4、通域法提取經最優(yōu)閡值法處理的二值圖像中的病害區(qū)域。最后，提出隧道病害量化指標，對隧道病害進行分析研究。
　　3、基于卷積神經網絡(Convolutional Neural Network，CNN)的隧道病害識別方法的研究。隧道襯砌病害類別繁多，某些病害僅通過數(shù)字圖像處理的方法無法識別，因此本文采取卷積神經網絡對各種隧道病害進行特征自動提取和識別。由于隧道病害數(shù)據比較少，因此首先對已有的隧道病害數(shù)據進行數(shù)據擴充，然后訓練卷積神經網絡