面向地铁隧道表面渗漏水的快速检测技术

随着地铁运营时间的不断增加、地下水位的上涨,地铁隧道渗漏水情况日益严重,已严重影响地铁隧道的安全运行。传统的检测方法为人工现场巡查,效率低、准确率差,高自动化、高精度、高稳定性的漏水检测方法是改进传统检测方法的关键。因此,本文提出了一种利用移动激光扫描隧道进行渗漏水检测的深度学习方法。该方法由以下部分组成:①利用获取的隧道衬砌点云建立渗漏水数据集;②通过基于掩码区域卷积神经网络进行自动渗漏检测。在南京地铁2号线奥体东—兴隆大街测试结果表明,本文方法实现了隧道衬砌漏水在二维平面的自动化检测和评价,为检测人员提供了直观的漏水信息展示。     

改进Mask RCNN的盾构隧道渗漏水检测方法

渗漏水是盾构隧道结构存在潜在损伤或缺陷的重要表征,快速、准确检测出渗漏水位置,对隧道安全运营和维护具有重要意义。现有的方法大多采用光学影像对隧道渗漏水进行检测,受隧道内空间和光线条件限制,难以获得高质量病害图片。因此,本文提出了一种基于激光点云数据与改进Mask RCNN相结合的渗漏水检测方法。首先对激光点云反射强度进行修正;然后生成灰度图像并建立渗漏水病害数据集;最后在Mask RCNN算法中引入空洞卷积和变形卷积,实现了隧道渗漏水病害的快速检测。利用某地铁采集的数据进行验证,结果表明,本文提出的改进Mask RCNN算法相较于原始算法和FCN算法检测精度均有明显提升,在盾构隧道渗漏水识别方面性能表现较好。     

针对椭圆形隧道底部的横断面分割及滤波

针对基于三维激光点云的底部为矩形的椭圆形隧道横断面提取及拟合问题,本文提出一种对该类隧道进行隧道中线提取、横断面提取、分割及拟合的方法.该方法首先根据隧道腰部连接处的边界点云特征提取出腰部边界线并求取出腰部中线,接着使用腰部中线建立横断面方程并切割出隧道点云切片,然后使用随机抽样一致算法(random sample c...     

基于三维激光扫描技术的竣工盾构隧道渗漏水检测

渗漏水是隧道常见的病害,长期渗漏会导致隧道结构开裂、裂缝、钢筋腐蚀,威胁到隧道运营安全,因此对其检测一直受到重视。本文利用三维激光扫描技术实现了竣工盾构隧道渗漏水的位置及面积的自动检测。首先采用架站式三维激光扫描仪采集竣工隧道点云,基于修正后的反射强度值生成隧道衬砌表面灰度图,再采用膨胀法与腐蚀法对灰度图像进行预处理;然后利用连通域算法计算渗漏水位置及其面积;最后结合实际工程验证本文方法的实用性及准确性。结果表明,应用本文方法竣工隧道的渗漏水检测准确率达92%。     

激光点云在地铁盾构隧道病害诊断中的应用

移动式三维激光扫描技术在地铁盾构隧道安全监测工作中应用较为成熟。本文以地铁盾构隧道监测点云数据为基础进行研究,实现了地铁盾构隧道病害智能诊断。首先通过激光点云生成灰度图像;在此基础上运用卷积神经网络CNN,对地铁盾构隧道中的渗漏水和裂缝的识别技术进行了深入研究;最终生成隧道病害智能诊断系统,为地铁安全运营提供了智能监测方法,有效提高了我国地铁运营监测的技术水准。     

基于断面基准面点云模型的隧道管片分割与断面提取

隧道变形的精确测量对于掌握隧道衬砌结构的变化及其发展规律、保障隧道的安全运行具有重要意义。本文首先借助轨载移动三维激光测量系统获取地铁隧道的激光点云,结合隧道呈柱面的几何特点,提出一种基于断面基准面投影的盾构隧道点云模型构造方法;然后利用断面基准面点云的高度梯度与三维特征分割隧道管环并提取隧道断面,从而获取盾构隧道的连续横断面,为隧道变形监测提供基础。     

移动激光扫描技术在地铁隧道限界检测中的应用

我国轨道交通不断增加,列车运行速度也有了很大提高,传统轨道限界工程测量的方法效率低、作业周期长,为了更好保证地铁运行的安全,亟需一种更加安全、高效的车辆限界检测手段。针对上述问题,本文利用三维激光点云获取技术特点,采用2D激光扫描仪与轨道小车结合方式,实现隧道三维点云的快速获取,并根据设计限界框模拟列车轨迹行驶的方式,对隧道内建筑结构及设备进行限界检测。试验表明,该检测方案不仅检测效率高,检测过程安全,而且自动输出检测成果,更加符合未来地铁安全检测的需求。     

基于激光反射率的点云与图像自动融合

提出一个基于激光反射率的点云图像自动融合算法,数字图像与点云反射率图像特征点匹配,得到数字图像特征点像点坐标和相应物点物方空间坐标对,采用直接线性变换算法(DLT)建立点云数据反投影至二维图像点的投影模型,实现点云图像自动融合,得到目标表面的全面信息,包括物体表面三维坐标和纹理信息。自动地实现点云图像融合,无需人工参与,提高效率和准确率,同时结合实验验证该算法的可行性。     

三维点云的分割及骨架提取研究

针对在三维点云环境下分离目标物体所出现的过度分割问题,提出一种结合随机抽样一致性和颜色差值区域聚类的分割方法。首先利用RANSAC算法去除场景中大部分平面,使得目标物体和连成片的点云脱离,然后结合点云的距离阈值和目标颜色差值,得到目标点云数据。针对L1中值算法对曲率较大模型的骨架提取存在的不足,进行了改进。通过L1中值算法对点云模型进行骨架提取,得到点云的骨架点,然后沿端点方向向外进行最大内切球的球心提取,最后连接多个球心及骨架末端点,得到符合人类视觉效果的骨架。改进的算法提高了L1中值对曲率较大点云骨架提取的准确性。     

三维激光扫描技术在地铁圆形盾构隧道检测中的应用

从三维激光扫描仪的工作原理出发,阐述了三维激光扫描测量点云数据坐标转换优化设计,并详细介绍了三维激光扫描技术在地铁圆形盾构隧道检测中的点云数据采集流程、处理方法及成果分析,通过与传统方法对比分析验证了三维激光扫描技术在隧道检测中的精度与可靠性,并结合工程实例证明该方法能有效的获取地铁隧道断面测量、椭圆度检测、中心线等成果,为地铁后期的设计、施工、运营维护提供详细的基础资料。     

DSSRM级联分割的SAR图像变化检测

SRM(Statistical Region Merging)分割算法具有快速、稳定和抗噪强的优点,基于此,本文提出一种基于DSSRM(Dynamic Sorting Statistical Region Merging)级联分割的SAR图像变化检测方法。首先,针对SRM算法基于单特征静态排序导致的过分割问题,提出一种动态排序模式的DSSRM算法以减少差异图像分割错误,该算法建立基于合并区域的多特征马氏距离排序准则,在每次合并之后更新区域邻接矩阵并重新排序;然后,基于互信息最小化准则构造多通道差异数据集以提高算法对区域合并的约束能力;最后,提出一种级联分割变化检测框架,第1级利用SRM算法将差异图像映射到超像素空间,第2级采用DSSRM算法对超像素进行动态合并获得收敛的分割结果,第3级采用简化SRM方法进行三次合并获得最终的变化检测图。实验结果表明,该方法可以获得比SRM方法和目前流行方法更好的检测性能。     

利用三维激光扫描技术进行地铁隧道施工质量管控及病害检测

三维激光扫描技术具有不接触、高密度、高精度和数字化等特点，可实现地铁隧道全息、全面、快速三维测量。在土建施工阶段，分别对隧道初支及二衬进行三维扫描，可快速获取初支断面的超欠挖情况及二衬限界情况；将初支与二衬扫描获取的点云进行叠加计算，可分析隧道施工二衬的厚度。在地铁隧道运营阶段，采用移动三维激光扫描技术对隧道进行扫描，可快速获取隧道的全息数据，从点云中可分析、提取隧道渗水、裂缝、管片错台等病害信息。本文采用三维激光扫描技术对青岛地铁部分工点的施工质量及病害检测进行了测试、应用，介绍了其数据采集流程及点云分析处理，为三维激光扫描技术在地铁隧道的推广应用提供了一定的借鉴意义。     

基于非线性扩散的纹理分割

A texture image segmentation based on nonlinear diffusion is presented. The scale of texture can be measured during the process of nonlinear diffusion. A smooth 5-channel vector image with edge preserved, which is composed of intensity, scale and orientation of texture image, can be achieved by coupled nonlinear diffusion. A multi-channel statistical region active contour is employed to segment this vector image. The method can be seen as a kind of unsupervised segmentation because parameters are not sensitive to different texture images. Experimental results show its high efficiency in the semiautomatic extraction of texture image.     

观测数据采样化的遥感影像非监督分割

为了实现影像的自动化分割,提出一种利用非监督方式将观测数据采样化的遥感影像分割方法。该方法利用欧氏空间的概率分布建模采样数据和观测数据,并将其映射到黎曼空间,通过不断将观测数据转换为采样数据的方式实现影像的自动采样化。每次采样过程只需计算观测数据点到采样点的测地线距离,将距采样点测地线距离最小的观测数据转化为采样数据,以保证采样数据不断趋于该类数据的真实分割结果,同时使算法能够有效分割具有不同像素数的类别。将算法应用于模拟影像和真实遥感影像分割,对其分割结果以及传统基于统计、基于模糊的非监督算法和基于神经网络的监督算法相应分割结果定性定量的对比分析验证了该算法的有效性及可行性。     

基于自适应图像分割自动提取道路中心线

道路是城区地理空间信息中最重要的基础设施之一,从高分辨影像中自动、快速的提取道路特征,是快速更新城市道路网信息的重要途径。文中在分析道路基本特征的基础上,选择基于自适应结构元素的形态分析算法提取初始道路区域;引入面积和长宽比等形状指数,得到较精确的道路信息;最后,采用Hilditch细化算法,并进行优化处理。实验证明,该道路提取过程中无需人工设置参数,且能够得到具有较高完整性和正确性的道路中心线。     

Landsat影像冰川提取的上下文感知语义分割网络法

针对冰川提取存在云阴影、山体阴影、结冰湖泊等同物异谱、同谱异物导致难以有效区分的问题,设计了一种用于冰川提取的上下文感知深度学习语义分割网络。首先引入resnet50作为基准编码网络,以实现冰川特征提取的精度和效率平衡,其次针对现有语义分割网络存在上下文信息学习不足方面,设计了包括空洞卷积组块和最大池化组块的上下文信息提取层,以便更好地提取冰川的上下文信息。选择多景样本数据和验证数据的多源遥感影像进行试验,与现有基于特征指数的冰川提取方法、其他深度学习语义分割网络方法进行定性和定量对比,结果表明本文网络方法在结冰湖面等误提取,阴影的漏提取,以及提取结果完整性等方面,具有较好的效果,验证了本文方法的有效性与稳健性。     

一种基于GMM和Graph Cuts的图像分割方法

图像分割是图像处理中的基础问题。研究利用GMM构造T链的可行性,并探索一种可以兼顾精度与速度的确定GMM中K值的方法,结合GMM和Graph Cuts理论完成了对不同图像的分割实验。实验表明,文中的分割方法准确、有效。     

北京地铁隧道结构整体变形监测的研究

本文结合北京地铁一号线八宝山站至八角游乐园站区间结构变形监测工程,提出了一种对城市地铁隧道变形三维整体监测的方法,在不中断地铁正常运营的情况下,得到地铁整个变形区域形变的三维数据,不仅精密的监控了隧道衬砌、轨道和道床的形变,确保行车安全;而且可以方便的进行隧道结构和轨道变形的力学分析,从而达到了解地铁变形机理、掌握形变规律、预测形变趋势的目的。     

基于图像语义分割的动态场景下的单目SLAM算法

在恢复场景信息和相机运动时,传统的SLAM算法是基于静态环境假设的。场景中的动态物体会降低算法的稳健性和最终的定位精度。本文提出将基于深度学习的图像语义分割技术与传统的视觉SLAM算法结合,以减少动态物体对定位结果的干扰。首先,构建有监督的卷积神经网络对输入图像中的动态物体进行分割,获得语义图像;然后,从原始图像中提取特征点,并根据语义图像剔除动态物体特征点,保留静态物体特征点;最后,利用静态物体特征点采用基于特征点的单目视觉SLAM算法对相机运动进行跟踪。在ApolloScape自动驾驶数据集上的试验表明,与传统方法相比,本文算法在动态场景中定位精度提升约17%。