【技术实现步骤摘要】
本申请涉及隧道检测领域，特别涉及一种移动隧道检测方法及系统。
技术介绍
1、隧道是铁路、公路等交通基础设施中的重要组成部分，对经济社会发展具有重大意义。随着交通事业的快速发展，隧道工程也日益增多。为保障隧道结构安全和使用功能，需要对运营隧道进行定期检测和维护。
2、机器视觉是一种重要的智能检测手段，通过对目标成像进行分析，可以自动识别其中的缺陷和异常。将机器视觉引入隧道检测领域，可显著提升检测效率和客观性。但是，隧道环境复杂多变，普通的二维成像难以全面反映隧道结构状况。三维激光扫描技术可以获取隧道的高精度三维点云数据，为隧道检测提供更丰富的空间信息。
3、然而，原始的隧道点云数据庞大且杂乱，包含大量冗余和噪声，直接进行分析难度很大。因此，需要对点云数据进行预处理，提取关键信息，并建立点云与二维图像之间的关联，才能充分利用三维信息进行检测。此外，隧道缺陷种类多样，形态各异，传统的特征工程很难设计出鲁棒的检测算法。
技术实现思路
1、针对现有技术中存在的隧道检测效率低的问题，本申请提供了一种移动隧道检测方法及系统，通过将隧道分为盾构隧道和矿山隧道，并采集隧道点云进行预处理，建立点云与衬砌图像之间的索引关系，并利用机器学习进行隧道缺陷检测等，提高了隧道缺陷的检测效率。
2、本申请的目的通过以下技术方案实现。
3、本申请的一个方面提供一种移动隧道检测方法，包括：根据隧道的施工方法，将隧道分为盾构隧道和矿山隧道；对于盾构隧道，获取盾构隧道的三维
4、其中，盾构隧道：采用盾构机掘进施工的隧道。盾构机是一种用于软土地层中隧道施工的专用设备，在土层中边掘进边架设管片衬砌，形成隧道结构。矿山隧道：采用钻爆法施工的隧道。钻爆法是在岩石地层中施工隧道的常用方法，通过钻孔、装药、爆破、出渣的循环作业，逐步掘进隧道，并喷射混凝土形成衬砌。csf算法：cloth simulation filter，布料模拟滤波算法。该算法通过模拟三维点云上铺设的虚拟布料受重力下垂的过程，自适应提取出地面点。在盾构隧道中用于分割衬砌面。矿山隧道衬砌图：将矿山隧道内表面展开成二维平面图像。通过特定的投影变换方式，可以在保持隧道内壁纹理特征的同时，方便进行图像处理和分析。
5、其中，骨干网络：神经网络的主体部分，用于提取输入数据的高维特征。骨干网络一般采用成熟的卷积神经网络结构，如resnet、vgg等，并根据任务需求进行适当修改。颈部网络：连接骨干网络和输出层的中间网络。颈部网络起到融合骨干网络提取的特征，并调整特征图尺度和维度的作用，为后续的分类、检测等任务做准备。convnext block网络：一种改进的卷积神经网络模块。convnext block引入深度可分离卷积和逆残差结构，在提高特征提取能力的同时减少了模型参数量，使网络更加高效。cbam注意力机制：convolutionalblockattention module，卷积块注意力模块。cbam通过在空间维度和通道维度学习特征权重，自适应增强网络的特征表达能力。通道维度：特征图的深度方向。在卷积神经网络中，每个特征图对应某一卷积核的输出，体现了输入在该卷积核定义的特定模式下的激活程度。空间维度：特征图的平面方向。空间维度体现了图像在二维平面内不同位置的特征分布情况，反映了目标的空间结构和纹理等信息。
6、进一步的，对于盾构隧道，获取盾构隧道的三维点云，包括：获取盾构隧道的三维点云数据；建立以隧道几何中心为原点，垂直向上的z轴为正方向，垂直于z轴指向右侧的x轴，形成隧道断面坐标系；计算隧道壁点相对于断面坐标系的夹角θ；根据隧道设计参数和夹角θ，将隧道壁点从断面坐标系转换为平面直角坐标系下的坐标，得到展开后的隧道壁点云。
7、进一步的，计算隧道壁点相对于断面坐标系的夹角θ，通过如下公式：
8、
9、其中：xi为断面上的点横坐标，zi为断面上的点纵，x0为隧道几何中心横坐标，z0为隧道几何中心纵坐标。
10、进一步的，采用csf算法和dbscan算法提取螺栓孔，包括：对展开后的隧道壁点云进行坐标变换，得到与初始采集的三维点云方向一致的隧道壁点云；构建csf模型，初始化布料网格，网格分辨率设置为展开后隧道壁点云的平均点间距的d倍；布料初始位置位于点云最高点上方的预设范围内；利用csf模型获取隧道壁点云的分类阈值hcc，分类阈值hcc用于区分隧道壁点与螺栓孔点；迭代计算隧道壁点云中每个点与csf模型布料粒子之间的高度差异；将高度差异大于分类阈值hcc的点标记为潜在的螺栓孔点云，反之标记为隧道壁点云；对标记为潜在的螺栓孔点云，采用dbscan算法进行聚类，得到最终的螺栓孔点云。
11、其中，布料网格(clothmesh)：在csf算法中，布料网格是一种虚拟的三角形网格平面，用于模拟柔性布料；布料网格由一系列互连的三角形组成，每个三角形定点称为粒子；布料网格的分辨率由三角形的大小决定，分辨率越高，网格越密集，模拟的布料表面越精细；在该算法中，布料网格的分辨率被设置为点云平均点间距的d倍，以平衡计算效率和模拟精度；布料网格的初始位置设置在点云最高点以上，以避免布料直接穿过点云表面。
12、布料粒子(cloth particle)：布料粒子是组成布料网格的基本单元，对应于网格中的每个三角形顶点；每个布料粒子都有其特定的物理属性，如质量、速度、受力等；布料粒子之间通过虚拟的弹簧连接，用于模拟布料的内部张力和剪切力；在模拟过程中，布料粒子在重力和内部张力的作用下运动，使得布料网格不断下垂并与点云表面接触；通过求解布料粒子的运动方程，可以得到布料网格在每一时刻的形变和位置。
13、csf模型(cloth simulation filter model)：csf模型是一种基于物理仿真的点云滤波算法，通过模拟布料与点云表面的交互，实现地面点与非地面点的分离；csf模型包括三个主要部分：点云数据、布料网格和本文档来自技高网...
【技术保护点】
1.一种移动隧道检测方法，其特征在于，包括：
2.根据权利要求1所述的移动隧道检测方法，其特征在于：
3.根据权利要求2所述的移动隧道检测方法，其特征在于：
4.根据权利要求2所述的移动隧道检测方法，其特征在于：
5.根据权利要求4所述的移动隧道检测方法，其特征在于：
6.根据权利要求5所述的移动隧道检测方法，其特征在于：
7.根据权利要求5所述的移动隧道检测方法，其特征在于：
8.根据权利要求7所述的移动隧道检测方法，其特征在于：
9.根据权利要求2至8任一所述的移动隧道检测方法，其特征在于：
10.一种移动隧道检测系统，其特征在于，
【技术特征摘要】
1.一种移动隧道检测方法，其特征在于，包括：
2.根据权利要求1所述的移动隧道检测方法，其特征在于：
3.根据权利要求2所述的移动隧道检测方法，其特征在于：
4.根据权利要求2所述的移动隧道检测方法，其特征在于：
5.根据权利要求4所述的移动隧道检测方法，其特征在于：
<...【专利技术属性】
技术研发人员：张彦峰，姚添宝，苏增云，刘长青，王金明，韩铮，于风彬，李嘉彤，林鑫，王智，孙海丽，张子真，刘函仲，闫明柱，吴红样，
申请(专利权)人：北京市勘察设计研究院有限公司，
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。