[发明专利]基于激光扫描成像原理的隧道外观病害检测机器人在审
申请号: | 201810373102.6 | 申请日: | 2018-04-24 |
公开(公告)号: | CN108592876A | 公开(公告)日: | 2018-09-28 |
发明(设计)人: | 李科;丁浩;刘秋卓;韩自强;李文锋;郭鸿雁;江星宏 | 申请(专利权)人: | 招商局重庆交通科研设计院有限公司 |
主分类号: | G01C7/06 | 分类号: | G01C7/06;E21F17/18 |
代理公司: | 北京同恒源知识产权代理有限公司 11275 | 代理人: | 赵荣之 |
地址: | 400067 *** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 激光扫描仪 车载系统 激光扫描成像 病害检测 点云数据 噪声点 隧道 机器人 灰度值图像 激光测距仪 隧道横断面 断面检测 激光成像 几何校正 检测报告 脉冲信号 平面图像 人本发明 扫描过程 隧道病害 隧道检测 行进过程 螺旋形 扫描头 量测 滤波 病害 检测 | ||
本发明涉及基于激光扫描成像原理的隧道外观病害检测机器人,属于隧道检测领域。该机器人包括激光扫描仪和车载系统;激光扫描仪设置在车载系统上;激光扫描仪在车载系统行进过程中沿隧道360°旋转,激光测距仪在扫描头的扫描过程中自发自收脉冲信号,获得螺旋形的点云数据,量测隧道横断面轮廓;在获得点云数据后,采用E.Level阀值滤波对激光成像中灰度值图像中的噪声点进行消除;在经过噪声点消除之后,进行几何校正;通过人工介入病害标识的方法,依次在检测成果平面图像上完成对整个隧道病害的标记,完成检测报告,形成断面检测报告。
技术领域
本发明属于隧道检测领域,涉及基于激光扫描成像原理的隧道外观病害检测机器人。
背景技术
目前,针对隧道内部复杂的环境,几乎是通过人工方式,根据施工经验,对隧道断面进行评估。这种方式判断误差较大,对施工的安全性无法保障。
发明内容
有鉴于此,本发明的目的在于提供基于激光扫描成像原理的隧道外观病害检测机器人,
为达到上述目的,本发明提供如下技术方案:
基于激光扫描成像原理的隧道外观病害检测机器人,包括激光扫描仪和车载系统;
所述激光扫描仪设置在车载系统上;激光扫描仪在车载系统行进过程中沿隧道360°旋转,激光测距仪在扫描头的扫描过程中自发自收脉冲信号,获得螺旋形的点云数据,量测隧道横断面轮廓;
在获得点云数据后,采用E.Level阀值滤波对激光成像中灰度值图像中的噪声点进行消除;
在经过噪声点消除之后,进行几何校正;
通过人工介入病害标识的方法,依次在检测成果平面图像上完成对整个隧道病害的标记,完成检测报告,形成断面检测报告。
进一步,所述激光测距仪在扫描头的扫描过程中自发自收脉冲信号,获得螺旋形的点云数据具体为:
激光束对目标进行照射,目标的反射回波经光电成像探测器接收,通过信号处理获取目标的反射强度信息、目标至探测器的距离和速度信息,进而获得区别于背景的目标强度图像、距离图像和多普勒速度;
激光成像原理所采集得到的数据本质是激光反射点的反射强度信息,是以电子信号的形式返回到信号采集装置中;然后,通过设置ViS-divisor阀值通过计算将电子信号转化为计算机程序可识别灰度值;灰度值是指在灰度图像中每个像素点的数值,用以表示黑白图像中点的颜色深度,范围一般从0到255,白色为255,黑色为0,中间的数字从小到大表示由黑到白的过渡色,其数据类型为8位无符号整数的int8,放大后的图像为矩阵排列的不同灰度颜色的“小方块”,通过这些“小方块”的矩阵排列来成图。
通过VIS-divisor阀值的设置,以求在计算后滤除结果数据在[0,255]以外的灰度值,剔除数据异常点,保留有效数值,在结合数据采集时得到的每个像素的的位置信息,得到灰度图像矩阵,从而完成表观图像。
进一步,所述采用E.Level阀值滤波对激光成像中灰度值图像中的噪声点进行消除具体为:灰度值为0到255范围内的数值,TS3使用中通滤波器的方式,分别定义高阀值A与低阀值B,将每个像素点的灰度值使用于该中通滤波器中,如若灰度值在A与B之间,则视之为有效点将其保留,反之则剔除。
进一步,所述几何校正具体为:
1)车载系统速度校正
当车载系统行进速度过快时,造成同样距离内采集得到测线数量减少,如若需要在同样单位距离内通过后处理获得相同数量的测线,则需要采用插值算法对其进行插值计算;
插值法是利用函数f(x)在某区间中已知的若干点的函数值,作出适当的特定函数,在区间的其他点上用这特定函数的值作为函数f(x)的近似值;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于招商局重庆交通科研设计院有限公司,未经招商局重庆交通科研设计院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810373102.6/2.html,转载请声明来源钻瓜专利网。