【技术实现步骤摘要】
本专利技术涉及隧道建模领域，具体为一种基于双目视觉的隧道参数化建模方法及系统。
技术介绍
1、随着隧道工程和地下空间开发的迅速发展，隧道建设在交通运输、矿产资源采掘和城市地下空间利用等领域发挥着重要作用。然而，隧道工程的设计和施工过程面临复杂的地质环境和多样的岩体结构特性，尤其在不良地质区域，如软弱围岩、高地应力地区或断层破碎带，围岩的不稳定性常导致安全隐患。传统的隧道岩体分析和建模方法依赖于人工测量、经验公式和数值模拟，这些方法耗时长、精度低，且难以实时、自动化地获取和分析隧道的关键特征参数。
2、双目视觉技术近年来在工程测量中得到了广泛应用。作为一种类似人眼原理的三维重建技术，双目视觉可通过拍摄的图像计算目标的几何特性，如深度、倾角、宽度等。然而，仅依赖双目视觉获取几何信息的方式，受限于隧道施工环境中复杂的光照条件、岩体表面纹理的复杂性以及噪声干扰，往往难以直接提取隧道围岩的精确参数。同时，双目视觉捕获的大量隧道图像数据需要高效处理和建模，传统的参数提取过程对图像质量依赖较高，导致在实际工程中应用受限。此外，岩体强度的参数化建模和隧道稳定性评估是一个多变量、多学科交叉的问题，现有方法对隧道围岩强度和稳定性评价的自动化水平较低，难以根据现场的动态信息进行实时分析。
3、为了解决上述问题，基于人工智能和双目视觉的隧道参数化建模技术逐渐被研究和应用。通过结合深度学习算法和双目视觉技术，不仅可以更加高效地从隧道图像中提取关键特征参数，还可以通过建立基于有限元方法的隧道力学模型进行岩体强度和隧道稳定性分析。然而
4、现有技术中的，公开号为cn114707220a公开了一种revit基于宏程序的隧道bim智能建模方法，通过针对目前长隧道bim模型构筑物和构件较多，建模流程复杂、建模难度和工作量大，如何根据设计、施工要求快速且智能将每一个隧道构筑物和构件精准布置以代替人工手动创建长隧道bim模型这一问题，通过revit基于宏程序可视化编程，并借助自编码宏程序可在revit中直接拟合交通工程线路，利用自编码宏程序调用子族模型驱动自动创建隧道bim模型，使得创建bim模型的过程不再依赖civil3d等软件，减少建模的步骤，用参数形式创建子族模型，并以参数数据驱动隧道bim模型组建、调整，自动完善属性内容，代替现有的手动输入属性内容完成建模，提高了隧道bim建模的精度和效率。但该方法中revit主要擅长建筑信息模型（bim）的构件布置和几何模型的生成，但在隧道建模中，隧道的几何形状和布置通常受到地质条件的显著影响，如隧道结构面倾角、倾向等参数。同时对于隧道围岩的力学特性（如抗压强度、抗剪强度）和稳定性分析缺乏直接支持。隧道工程的安全性和稳定性往往需要结合岩体强度、地质参数以及隧道几何结构进行综合评估。因此导致建立模型的准确性、有效性降低。
5、在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本专利技术的目的在于提供一种基于视频图像的煤矿监管方法及系统，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于双目视觉的隧道参数化建模方法及系统，具体步骤包括：
4、基于双目摄像机对若干个已知特征参数的隧道进行拍摄，并对拍摄得到的隧道图像进行预处理，将预处理后的隧道图像与对应的特征参数一一映射，生成训练图像集，所述预处理包括畸变校正和降噪增强，所述特征参数包括隧道结构面倾角、倾向、平均波形频率、平均表面分形维数、隧道长度和隧道宽度；
5、建立神经网络模型，以训练图像集内的隧道图像作为神经网络模型的输入，并以隧道图像对应的特征参数作为标签对神经网络模型进行训练，得到输入为隧道图像，输出为隧道特征参数的隧道参数预测模型；
6、基于可移动智能体带动双目摄像机对目标隧道进行图像采集，通过复式采集的方式得到若干目标隧道图像，并基于相同的方法对其进行预处理；
7、将采集的目标隧道图像完成预处理后进行拼接，将拼接后的目标隧道图像输入完成训练的隧道参数预测模型内，输出目标隧道的特征参数预测值，基于得到的特征参数预测值建立目标隧道有限元模型；
8、基于建立的目标隧道有限元模型，分析得到目标隧道的岩体强度参数，根据目标隧道的岩体强度参数，结合目标隧道的特征参数预测值，生成剪切滑动指数和围岩强度比指数，通过剪切滑动指数和围岩强度比指数生成综合强度评估系数，基于综合强度评估系数判断目标隧道的强度，所述岩体强度参数包括岩体抗压强度、岩体抗拉强度和岩体抗剪强度。
9、进一步地，建立神经网络模型，基于lstm模型建立神经网络预测模型，选取激活函数和优化算法，其中选择tanh函数作为激活函数，选择adam作为lstm模型的优化算法；tanh函数其公式为：
10、；
11、式中，表示tanh函数，自变量表示神经元的输入加权和，即神经元接收到的来自上一层的输入经过加权求和后的结果；
12、同时设定lstm模型的超参数，所述lstm模型的超参数包括：网络层数、迭代次数、学习率、批量数大小、训练次数、批处理数量和隐藏层神经元个数；
13、其中网络层数设置为3层网络结构，迭代次数设定为200，学习率设置为0.001，批量数大小设为32，训练次数设为100，批处理数量设为256，隐藏层神经元个数为32。
14、进一步地，对采集的隧道图像进行预处理，所述预处理包括畸变校正和降噪增强，其中所述畸变校正包括径向畸变校正和切向畸变校正，径向畸变校正和切向畸变校正所依据的具体逻辑为：建立三个径向畸变系数，标定为、和，得到无切向畸变下的理想图像坐标所依据的公式为：
15、；
16、建立两个切向畸变系数，标定为和，无径向畸变的模型表达式为：
17、；
18、将两种畸变进行叠加组合，可以同时消除两者带来的影响，叠加后的参数表达式为：
19、；
20、式中，、和为三个不同的径向畸变系数，和为两个不同的切向畸变系数，表示理想光心系统下无畸变的图像坐标，是拍摄图像中某一像素点的图像坐标，是校正点到成像中心的距离，其中图像坐标系以主点位置坐标为图像中心，原点为相机光轴与成像平面的交点，以向右为轴正方向，向下为轴正方向建立，其中径向畸变系数、切向畸变系数及主点位置坐标通过相机标定获取；
21、其中对隧道图像进行降噪增强处理的方法为：采用小波变换的去噪方法对畸变校正后的图像进行去噪处理，采用双边滤波对隧道图像进行了细节增强。
22、进一步地，使用可移动智能体携带标定后的双目摄像机对目标隧道进行图像采集，其中通过a*算法生成可移动智能体的运本文档来自技高网...
【技术保护点】
1.一种基于双目视觉的隧道参数化建模方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的一种基于双目视觉的隧道参数化建模方法，其特征在于：建立神经网络模型，基于LSTM模型建立神经网络预测模型，选取激活函数和优化算法，其中选择Tanh函数作为激活函数，选择Adam作为LSTM模型的优化算法；Tanh函数其公式为：
3.根据权利要求2所述的一种基于双目视觉的隧道参数化建模方法，其特征在于：对采集的隧道图像进行预处理，所述预处理包括畸变校正和降噪增强，其中所述畸变校正包括径向畸变校正和切向畸变校正，径向畸变校正和切向畸变校正所依据的具体逻辑为：建立三个径向畸变系数，标定为、和，得到无切向畸变下的理想图像坐标所依据的公式为：
4.根据权利要求1所述的一种基于双目视觉的隧道参数化建模方法，其特征在于：使用可移动智能体携带标定后的双目摄像机对目标隧道进行图像采集，其中通过A*算法生成可移动智能体的运动路径，同时根据目标隧道内的环境参数对拍摄的亮度进行动态修正，其中所述环境参数包括环境亮度、隧道结构面与双目摄像机之间的水平距离，具体对拍摄的亮度进行动
5.根据权利要求1所述的一种基于双目视觉的隧道参数化建模方法，其特征在于：将采集的目标隧道图像完成预处理后进行拼接，其中进行图像拼接的逻辑为：在目标隧道的结构面上随机设置若干标志点，基于标志点完成图像的拼接，具体为选用基于特征点的匹配算法中SIFT算法进行标志点特征提取；选取目标区域图像建立高斯差分金字塔，确定特征点的位置，为特征点赋予方向，对已经确定的特征点构建描述符，所述描述符是一个向量，SIFT算法中描述符通过在特征点周围的区域内计算梯度方向直方图来生成；
6.根据权利要求1所述的一种基于双目视觉的隧道参数化建模方法，其特征在于：根据目标隧道的岩体强度参数，结合目标隧道的特征参数，生成剪切滑动指数和围岩强度比指数，其中剪切滑动指数计算所依据的公式为：
7.根据权利要求6所述的一种基于双目视觉的隧道参数化建模方法，其特征在于：其中围岩强度比指数计算所依据的公式为：
8.一种基于双目视觉的隧道参数化建模系统，其特征在于：所述一种基于双目视觉的隧道参数化建模系统用于执行权利要求1-7任一项所述的一种基于双目视觉的隧道参数化建模方法，包括：
...【技术特征摘要】
1.一种基于双目视觉的隧道参数化建模方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的一种基于双目视觉的隧道参数化建模方法，其特征在于：建立神经网络模型，基于lstm模型建立神经网络预测模型，选取激活函数和优化算法，其中选择tanh函数作为激活函数，选择adam作为lstm模型的优化算法；tanh函数其公式为：
3.根据权利要求2所述的一种基于双目视觉的隧道参数化建模方法，其特征在于：对采集的隧道图像进行预处理，所述预处理包括畸变校正和降噪增强，其中所述畸变校正包括径向畸变校正和切向畸变校正，径向畸变校正和切向畸变校正所依据的具体逻辑为：建立三个径向畸变系数，标定为、和，得到无切向畸变下的理想图像坐标所依据的公式为：
4.根据权利要求1所述的一种基于双目视觉的隧道参数化建模方法，其特征在于：使用可移动智能体携带标定后的双目摄像机对目标隧道进行图像采集，其中通过a*算法生成可移动智能体的运动路径，同时根据目标隧道内的环境参数对拍摄的亮度进行动态修正，其中所述环境参数包括环境亮度、隧道结构面与双目摄像机之间的水平距离，具体对拍摄的亮度进行动态修正所依据的公...
【专利技术属性】
技术研发人员：宋磊博，江权，胡云进，徐鼎平，王刚，刘杰，刘寅，郭金丽，
申请(专利权)人：绍兴文理学院，
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。