【技术实现步骤摘要】
本申请中涉及隧道检测，尤其是一种基于激光的隧道检测预警方法及系统。
技术介绍
1、随着科技的不断进步，激光技术在各个领域得到了广泛应用。在检测领域，激光测量技术凭借其高精度、非接触式、快速测量等优点，逐渐成为一种重要的检测手段。近年来，激光扫描仪的性能不断提升，测量精度和速度不断提高，数据处理算法也日益成熟，为激光技术在隧道检测中的应用提供了技术支持。
2、现有的基于移动激光扫描的隧道检测系统中，只是直接对图像进行识别分析，简单获取隧道的病害点，但是由于断裂缝隙与管片连接处裂缝较为相似，进而现有检测结果容易出现误判，容易将识别的断裂缝隙误判为连接处裂缝信息，进而导致病害点检测异常，由于隧道病害点的修补是存在先后顺序的，现有检测系统直接输出病害点信息，未考虑到不同病害点对隧道造成的影响不同，后修补的病害点对隧道造成的持续影响不同，进而导致隧道修补工作达到的实际效果较弱，大大增加了隧道的风险情况。
3、对此，急需一种技术取代现有对盾构隧道检测的方式，已解决如何准确识别病害点减少误判的问题。
技术实现思路
1、本申请实施例提供一种基于激光的隧道检测预警方法及系统。用以解决相关技术中存在的，准确识别病害点减少误判的问题。
2、其中，根据本申请实施例的一个方面，提供的一种基于激光的隧道检测预警系统，包括：
3、数据采集模块、数据预处理模块、特征提取与病害检测模块、病害检测评估与预警模块和数据处理模块；
4、所述数据采集模块包括移动单
5、所述数据预处理模块，采用统计滤波的方法，用于去除采集的数据集中到点云数据中所产生的噪声点，所述数据采集模块根据点云数据基于激光扫描单元自身坐标系，将其进行坐标转换到盾构隧道的全局坐标系中，并将数据处理结果传输至数据处理模块；
6、所述特征提取与病害检测模块，在点云数据中提取出盾构隧道的几何特征，通过拟合圆来确定半径，所述病害特征包括裂缝、剥落和渗漏水，若裂缝检测，通过分析点云数据的不连续性对病害特征进行检测；若对剥落区域的检测，通过比较点云将数据的高度差异和密度差异来检测剥落；若对渗漏水区域的检测，通过分析点云数据的反射强度和形状特征进行漏水区域的检测，将特征提取的结果和病害检测结果传输至数据处理模块；
7、所述病害检测评估与预警模块，根据盾构隧道规范和标准，建立病害评估标准，裂缝宽度的检测值为n，
8、若n<0.2mm，则设定为微裂缝；
9、若0.2mm≤n<0.5mm，则设定为小裂缝；
10、若0.5mm≤n<2mm，则设定为中裂缝；
11、若n≥2mm，则设定为大裂缝；
12、剥落面积检测值为s,
13、若s<1％，则设定为轻度剥落；
14、若1％≤s<5％，则设定为中度剥落；
15、若s≥5％，则设定为重度剥落；
16、根据盾构隧道规范和标准，建立病害评估阈值，当检测到病害程度达到或超过设定的阈值时，数据分析模块会触发警报触发预警。
17、所述数据处理模块，用于接收激光扫描模块采集的原设计数据，与其他模块对接，处理分析原始数据，并将处理好的数据进行整理保存。
18、进一步地，所述激光的隧道检测预警系统，所述激光扫描单元通过发射激光束，然后接收目标物体表面反射回来的激光信号，根据激光往返的时间来计算激光扫描单元到目标物体之间的距离，飞行时间法的计算公式为其中d为距离；c为光速；δt为激光发射和接收的时间差，所述激光扫描单元还包括旋转装置，能够使激光束在水平和垂直方向上进行扫描，从而获取目标物体表面的三维点云数据。
19、进一步地，所述激光的隧道检测预警系统，所述移动单元包括gps模块通过接收来自卫星的信号来确定设备的三维位置，在隧道检测中，安装在移动单元的gps模块可以提供检测位置的基本信息，基于三边测量原理，通过测量卫星信号到达接收器的时间差，结合卫星的位置信息，计算出接收器的位置。
20、进一步地，所述激光的隧道检测预警系统，数据预处理模块，对于点云中的每个点，计算其到周围点的距离的统计信息，计算每个点与其最近邻点的平均距离μ和标准差σ，若某个点到其周围点的距离大于μ+kσ，其中k为设定的阈值系数；则判定该点为噪声点并将其去除。
21、进一步地，所述激光的隧道检测预警系统，所述数据预处理模块，通过gps模块上出的数据获取激光扫描单元在盾构隧道中的位置和姿态，位置用坐标(x0,y0,z0)表示，姿态用旋转矩阵r表述，旋转矩阵是由所述激光扫描单元的俯仰角α、偏航角β和翻滚角γ通过三角函数计算得到，坐标系转换公式为：
22、在所述激光扫描单元的坐标系下，点云数据中的点p(xs,ys,zs)转换到盾构隧道全局坐标系p(xt,yt,zt)
23、
24、其中，旋转矩阵r的具体形式与设备的姿态角有关，绕z轴旋转γ角度的旋转矩阵rz为：
25、
26、若同时涉及绕x轴和y轴的旋转，将相应的旋转矩阵相乘得到总的旋转矩阵。
27、进一步地，所述激光的隧道检测预警系统，所述特征提取与病害检测模块，利用已标记的病害数据作为训练集，训练机器学习模型，将提取的特征作为模型的输入，模型输出病害的类别和严重程度。
28、进一步地，所述激光的隧道检测预警系统，所述特征提取与病害检测模块，所述数据采集模块还包括图像识别单元，当检测到病害程度达到或超过设定的阈值时，通过图像识别单元对病害特征进行拍摄识别，并将拍摄的图像传输至所述数据处理模块，所述数据处理模块结合预处理后的数据与图像对病害特征进行处理分析。
29、进一步地，所述激光的隧道检测预警系统，所述图像识别单元包括图像增强系统，所述图像增强系统获取原始图像中的灰度分量图像，通过cpld处理器，根据所述灰度分量图像的像素点与经过高斯平滑后的灰度分量图像中像素点之间的相对明暗关系，对所述灰度分量图像的像素点进行灰度值校正，并将所述经过灰度值校正的灰度分量图像进行合成，得到增强图像。
30、进一步地，所述激光的隧道检测预警系统，所述移动单元包括电池与电源管理模块，所述电池用于驱动移动单元，保障整个系统稳定运行，所述电源管理模块备对输入电源的电压和电流进行实时监测的功能，通过电压传感器和电流传感器，将电压和电流信号转换为数字信号并传输至数据处理模块。
31、根据本申请实施例的还一个方面，提供的一种基于激光的隧道检测预警方法，包括以下步骤：
32、s100：校准与安装激光扫描单元，对扫描范围参数进行设置，对移动单元进行初始化；
33、s200：移动单元沿着本文档来自技高网...
【技术保护点】
1.一种基于激光的隧道检测预警系统，其特征在于，包括：
2.根据权利要求1所述的激光的隧道检测预警系统，其特征在于，
3.根据权利要求1所述的激光的隧道检测预警系统，其特征在于，
4.根据权利要求1所述的激光的隧道检测预警系统，其特征在于，
5.根据权利要求1所述的激光的隧道检测预警系统，其特征在于，
6.根据权利要求1所述的激光的隧道检测预警系统，其特征在于，所述特征提取与病害检测模块，利用已标记的病害数据作为训练集，训练机器学习模型，将提取的特征作为模型的输入，模型输出病害的类别和严重程度。
7.根据权利要求1所述的激光的隧道检测预警系统，其特征在于，
8.根据权利要求7所述的激光的隧道检测预警系统，其特征在于，
9.根据权利要求1所述的激光的隧道检测预警系统，其特征在于，
10.一种基于激光的隧道检测预警方法，其特征在于，包括以下步骤：
【技术特征摘要】
1.一种基于激光的隧道检测预警系统，其特征在于，包括：
2.根据权利要求1所述的激光的隧道检测预警系统，其特征在于，
3.根据权利要求1所述的激光的隧道检测预警系统，其特征在于，
4.根据权利要求1所述的激光的隧道检测预警系统，其特征在于，
5.根据权利要求1所述的激光的隧道检测预警系统，其特征在于，
6.根据权利要求1所述的激光的隧道检测预警系统，其特征在于，所述特...
【专利技术属性】
技术研发人员：周杨，章游斌，胡方小，
申请(专利权)人：江西省天驰高速科技发展有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。