基于图像分析的隧道变形在线监测系统及其应用专利检索- .通过利用电磁激励或探测专利检索查询-专利查询网

基于图像分析的隧道变形在线监测系统及其应用
申请号	CN201210071452.X	申请日	2012-03-16	公开(公告)号	CN102620673A	公开(公告)日	2012-08-01
申请人	同济大学;			发明人	朱合华; 刘学增; 桑运龙;
摘要	本发明涉及一种基于图像分析的隧道变形在线监测系统及其应用，标识点、网络摄像机、中心控制电脑和传输网络，该系统的应用包括以下步骤：1)布设标识点；2)中心控制电脑周期性控制网络摄像机变焦拍照；3)网络摄像机将照片传输至中心控制电脑；4)中心控制电脑对照片进行自适应滤波变换；5)中心控制电脑进行灰度的阈值变换；6)中心控制电脑进行图像边缘检测，获取标识点；7)标识点拱顶下沉位移和拱脚收敛位移计算；8)判断拱顶下沉位移和拱脚收敛位移是否都小于设定阈值，若为是，返回步骤2)，否则进行报警。与现有技术相比，本发明具有实施简单、可以实现在线监侧与自动预警等优点。
权利要求	1.一种基于图像分析的隧道变形在线监测系统，其特征在于，包括标识点、网络摄像机、中心控制电脑和传输网络，所述的网络摄像机对准标识点，所述的传输网络用于连接网络摄像机与中心控制电脑。 2.根据权利要求1所述的一种基于图像分析的隧道变形在线监测系统，其特征在于，所述的标识点由3行3列连续排列的组成；从上到下每行标识点的颜色排列分别为黑白黑、白黑白、黑白黑。 3.根据权利要求2所述的一种基于图像分析的隧道变形在线监测系统，其特征在于，所述的正方形为2cm×2cm的正方形。 4.根据权利要求2所述的一种基于图像分析的隧道变形在线监测系统，其特征在于，所述的标识点共布放3个，分别位于拱顶和左右拱脚处，并处于同一个竖直立面上。 5.根据权利要求1所述的一种基于图像分析的隧道变形在线监测系统，其特征在于，所述的网络摄像机安装位置垂直于标识点安装立面并设有LED白光补光灯。 6.根据权利要求1所述的一种基于图像分析的隧道变形在线监测系统，其特征在于，所述的中心控制电脑包括依次连接的拍照控制模块、图像处理模块和监测预警模块。 7.根据权利要求4所述的一种基于图像分析的隧道变形在线监测系统，其特征在于，所述的图像处理模块通过sobel算子进行边缘检测识别标识点边缘，提取标识点中心坐标。 8.一种如权利要求1所述的基于图像分析的隧道变形在线监测系统的应用，其特征在于，包括以下步骤： 1)布设标识点； 2)中心控制电脑周期性控制网络摄像机变焦拍照； 3)网络摄像机将照片传输至中心控制电脑； 4)中心控制电脑对照片进行自适应滤波变换； 5)中心控制电脑进行灰度的阈值变换，判断图像中像素的灰度值是否小于设定的阈值，若为是则将该像素的灰度值设置为0，即黑色，否则灰度值设置为255，即白色，以获取二值图像； 6)中心控制电脑进行图像边缘检测，获取标识点； 7)标识点拱顶下沉位移和拱脚收敛位移计算； 8)判断拱顶下沉位移和拱脚收敛位移是否都小于设定阈值，若为是，返回步骤2)，否则进行报警。 9.根据权利要求8所述的一种基于图像分析的隧道变形在线监测系统的应用，其特征在于，所述的标识点拱顶下沉位移和拱脚收敛位移计算如下：根据3×3标识点的边缘检测结果，以照片左上角为坐标原点，水平方向为X轴，竖直方向为Y轴，计算中心黑色方格的中心像素坐标，拱顶下沉位移的计算为计算前后两次照片中标识点的y坐标变化值，根据相机标定参数，把像素坐标y变化值换算为位移量，即得到隧道掌子面的拱顶下沉位移；拱脚收敛位移计算为计算前后两次照片中左右拱脚标识点的x坐标变化值，根据相机标定参数，把像素坐标x变化值换算为位移量，即得到隧道掌子面的左右拱脚收敛位移。
说明书全文	基于图像分析的隧道变形在线监测系统及其应用技术领域 [0001] 本发明涉及一种隧道变形在线监测相关技术，尤其是涉及一种基于图像分析的隧道变形在线监测系统及其应用。背景技术 [0002] 目前，国内隧道变形量测多采用人工现场量测手段，一方面效率比较低，另一方面，人为因素影响较大，量测误差较大，且无法实现在线监测以及自动预警。 [0003] 随着计算机性能的不断提高，电脑图像处理性能的增强和高分辨率数字产品的出现，以及功能强大的图像处理计算软件的诞生，使得基于数字照相的变形测量在岩土工程领域中的开发应用成为可能。基于数字照相的变形测量是以数码相机拍摄获得的数码照片为基础，通过计算机分析和处理，获取数字图形和数字图像信息的测量技术。利用数码相机进行变形量测的方法，根据是否在岩土工程结构上布置量测物理标志点，变形量测法可以分为有标点法和无标点法。目前大部分测量方法属于有标点法。 [0004] 由于网络摄像机的精度已经达到了百万以上，而且，方便实现远程控制，因此，采用高清网络摄像机进行有标点法的隧道变形在线监侧成为一种容易实施的隧道变形在线监测系统。但是目前的隧道变形在线监测系统普遍存在实现成本高、监测进度差等缺陷。发明内容 [0005] 本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种实施简单、能实现在线监测与自动预警且能保存现场历史照片以便于回溯分析的基于图像分析的隧道变形在线监测系统及其应用。 [0006] 本发明的目的可以通过以下技术方案来实现： [0007] 一种基于图像分析的隧道变形在线监测系统，其特征在于，包括标识点、网络摄像机、中心控制电脑和传输网络，所述的网络摄像机对准标识点，所述的传输网络用于连接网络摄像机与中心控制电脑。 [0008] 所述的标识点由3行3列连续排列的组成；从上到下每行标识点的颜色排列分别为黑白黑、白黑白、黑白黑。 [0009] 所述的正方形为2cm×2cm的正方形。 [0010] 所述的标识点共布放3个，分别位于拱顶和左右拱脚处，并处于同一个竖直立面上。 [0011] 所述的网络摄像机安装位置垂直于标识点安装立面并设有LED白光补光灯。 [0012] 所述的中心控制电脑包括依次连接的拍照控制模块、图像处理模块和监测预警模块。 [0013] 所述的图像处理模块通过sobel算子进行边缘检测识别标识点边缘，提取标识点中心坐标。 [0014] 一种基于图像分析的隧道变形在线监测系统的应用，其特征在于，包括以下步骤： [0015] 1)布设标识点； [0016] 2)中心控制电脑周期性控制网络摄像机变焦拍照； [0017] 3)网络摄像机将照片传输至中心控制电脑； [0018] 4)中心控制电脑对照片进行自适应滤波变换，根据图像的局部方差来调整滤波器的输出，当局部方差大时，滤波器的平滑效果较小，当局部方差小时，滤波器平滑效果强； [0019] 5)中心控制电脑进行灰度的阈值变换，判断图像中像素的灰度值是否小于设定的阈值，若为是则将该像素的灰度值设置为0，即黑色，否则灰度值设置为255，即白色，以获取二值图像； [0020] 6)中心控制电脑进行图像边缘检测，获取标识点； [0021] 7)标识点拱顶下沉位移和拱脚收敛位移计算； [0022] 8)判断拱顶下沉位移和拱脚收敛位移是否都小于设定阈值，若为是，返回步骤2)，否则进行报警。 [0023] 所述的标识点拱顶下沉位移和拱脚收敛位移计算如下： [0024] 根据3×3标识点的边缘检测结果，以照片左上角为坐标原点，水平方向为X轴，竖直方向为Y轴，计算中心黑色方格的中心像素坐标，拱顶下沉位移的计算为计算前后两次照片中标识点的y坐标变化值，根据相机标定参数，把像素坐标y变化值换算为位移量，即得到隧道掌子面的拱顶下沉位移；拱脚收敛位移计算为计算前后两次照片中左右拱脚标识点的x坐标变化值，根据相机标定参数，把像素坐标x变化值换算为位移量，即得到隧道掌子面的左右拱脚收敛位移。 [0025] 与现有技术相比，本发明现场实施简单、可以实现在线监侧与自动预警，同时可以保存现场历史照片以便于回溯分析。附图说明 [0026] 图1为隧道变形监测系统工作流程； [0027] 图2为标识点布设示意图； [0028] 图3为标识点示意图。 [0029] 图2中：A-位于拱顶的标识点，B-位于左拱脚的标识点，C-位于右拱脚的标识点。具体实施方式 [0030] 下面结合附图和具体实施例对本发明进行详细说明。 [0031] 实施例 [0032] 一种基于图像分析的隧道变形在线监测系统，包括标识点、网络摄像机、中心控制电脑和传输网络，所述的标识点的布设保证正对网络摄像机的安装位置，所述的传输网络用于连接网络摄像机与中心控制电脑。 [0033] 如图2所示，所述的标识点由3行3列连续排列的2cm×2cm的正方形组成；从上到下每行标识点的颜色排列分别为黑白黑、白黑白、黑白黑。标识点布放3个，分别位于拱顶和左右拱脚，位于同一个竖直立面上。 [0034] 所述的网络摄像机安装位置垂直于标识点安装立面并设有LED白光补光灯。网络摄像机拍摄图像分辨率不小于120万像素；网络摄像机安装位置垂直于权利要求2的标识点安装立面；网络摄像机安装距离掌子面在30米到50米之间；网络摄像机镜头的变焦范围保证满画面能够拍摄10m见方的场景，也能够拍摄1m见方的场景； [0035] 所述的中心控制电脑包括拍照控制模块、图像处理模块和监测预警模块，所述的拍照控制模块、图像处理模块和监测预警模块依次连接。所述的图像处理模块通过sobel算子，进行边缘检测识别标识点边缘，提取标识点中心坐标。拍照控制模块，通过网络控制网络摄像机的调焦和拍照，并将照片保存到中心控制电脑；图像处理模块，对保存的照片进行平滑处理，灰度修正，提取标识点坐标；监测预警模块，对标识点坐标与历史数据对比，实现拱顶下沉、拱脚位移监测。 [0036] 如图1～图3所示，一种基于图像分析的隧道变形在线监测系统的应用，其特征在于，包括以下步骤： [0037] 1)布设标识点，作为照片的控制点； [0038] 2)中心控制电脑周期性控制网络摄像机变焦拍照，网络摄像机带云台安装于已经稳定的隧道围岩内壁上； [0039] 3)中心控制电脑控制将照片传输至中心控制电脑； [0040] 4)中心控制电脑对照片进行自适应滤波变换，根据图像的局部方差来调整滤波器的输出，当局部方差大时，滤波器的平滑效果较小，当局部方差小时，滤波器平滑效果强； [0041] 5)中心控制电脑进行灰度的阈值变换，如果图像中像素的灰度值小于设定的阈值，则将该像素的灰度值设置为0，即黑色，否则灰度值设置为255，即白色，以获取二值图像； [0042] 6)中心控制电脑应用经典的Sobel图像边缘检测算法进行图像边缘检测，获取标识点； [0043] 7)标识点拱顶下沉位移和拱脚收敛位移计算，以得到变形数据，具体方式为：根据3×3标识点的边缘检测结果，以照片左上角为坐标原点，水平方向为X轴，竖直方向为Y轴，计算中心黑色方格的中心像素坐标，所述的拱顶下沉位移的计算方法为计算前后两次照片中标识点的y坐标变化值，根据相机标定参数，把像素坐标y变化值换算为位移量，即得到隧道掌子面的拱顶下沉；所述的拱脚收敛位移计算方法为计算前后两次照片中左右拱脚标识点的x坐标变化值，根据相机标定参数，把像素坐标x变化值换算为位移量，即得到隧道掌子面的左右拱脚收敛； [0044] 8)拱顶下沉、拱脚收敛的判断，实现变形实时监测预警。 [0045] 运用标识点、网络摄像机和中心控制电脑，实现隧道掌子面变形的实时分析与自动监测。在拍照前，首先在隧道掌子面布设标识点，作为照片的控制点，网络摄像机安装于不会随掌子面变形的固定位置上，通过网络与中心控制电脑连接，控制程序远程控制摄像机拍照，并对照片进行实时分析，实现隧道掌子面变形的自动监测与预警。首先进行标识点的布设，多个标识点粘贴于不稳定围岩的初期支护上，网络摄像机带云台安装于已经稳定的隧道围岩内壁上。然后摄像机朝向标识点，对隧道掌子面进行拍照，并将照片传送到中心控制电脑。接着中心控制电脑对照片进行分析处理，得出隧道掌子面的变形数据，实现变形实时监测预警。 [0046] 1、图像预处理 [0047] 在对掌子面拍照过程中，由于隧道内部潮湿、灰尘以及照明不足等环境影响，所得到的图像常常不尽人意，在拍摄过程中常会引入噪声、照片局部可能会欠曝或过曝，这时我们需要对图像进行图像平滑、灰度变换等预处理。具体操作如下： [0048] ①图形变换 [0049] 常用的图像变换方法有线性变换、中值变换、自适应滤波变换等三种，其中，线性滤波是对于给定的图像f(i，j)中的每个像点(m，n)，取其邻域S。设S含M个像素，取其平均值作为处理后所得图像像点(m，n)处的灰度。用一像素邻域内各像素灰度平均值来代替该像素原来的灰度，即使邻域平均技术。而中值滤波是抑制噪声的非线性处理方法。对于给定的n个数值{a1，a2...an}，将它们按大小有序排列。当n为奇数时，位于中间位置的那个数值称为这n个数值中值。当n为偶数时，位于中间位置的两个数值的平均值称为这n个数值的中值，中值滤波就是图像中滤波后某像素的输出等于该像素邻域中各像素灰度的中值。只有自适应滤波可以实现图像噪声的自适应滤除，他根据图像的局部方差来调整滤波器的输出，当局部方差大时，滤波器的平滑效果较小，当局部方差小时，滤波器平滑效果强。通常自适应滤波比线性滤波效果好，它比相应的线性滤波具有更好的选择性，可以更好的保存图像的边缘和高频细节信息。由于标识点设计3x3方格的图像边缘变化剧烈，照片其他掌子面部分相对变化平缓，而照片处理的目标是获取标识点位置，因此，采用自适应滤波图形变换算法。 [0050] ②灰度变换 [0051] 灰度变换可实现图像动态范围的加大，对比度的扩展，提高图像清晰度，使图像特征明显。常用方法包括：灰度的线性变换、灰度的拉伸、灰度的阈值变化等。 [0052] 灰度的线性变换 [0053] 灰度的线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。在处理图像时，选用一维线性函数T(x)＝Ax+B做为变换函数，因此灰度变换方程为： [0054] DB＝T(DA)＝A×DA+B [0055] 式中参数A为线性函数的斜率，B为线性函数的在y轴的截距，DA表示输入图像的灰度，DB表示处理后输出图像的灰度。当A＞1时，输出图像的对比度将增大；当A＜1时，输出图像的对比度将减小；当A＝1时，输出图像将变得更暗或更亮；如果A＜0时，图像暗区域变亮，亮区域变暗。可根据图像的实际情况由用户输入斜率A和截距B的数值，以便处理后的图像达到预期效果。 [0056] 灰度的拉伸 [0057] 灰度拉伸与灰度线性变换同样用到了灰度的线性变换，不同在于灰度拉伸使用的不是完全的线性变换，而是分段进行线性变换。它采用的灰度变换函数表达式如下： [0058] [0059] 式中，(x1，y1)和(x2，y2)是分段线性图形中两个转折点的坐标。可以自定义输入其数值。 [0060] 灰度拉伸可以有选择的拉伸某段灰度区间以改善输出图像。如果一幅图像灰度集中在较暗的区域而导致图像偏暗，可以用此功能来拉伸(斜率＞1)物体灰度区间以使图像变亮；反之如果图像灰度集中在较亮的区域而导致图像偏亮，也可以用此功能来压缩(斜率＜1)物体灰度区间以改善图像质量。 [0061] 灰度的阀值变换 [0062] 灰度的阀值变换可以将一幅灰度图像转换成黑白二值图像。它的操作过程是先由用户指定一个阀值，如果图像中某像素的灰度值小于该阀值，则将该像素的灰度值设置为0(黑色)，否则灰度值设置为255(白色)。灰度阀值变换的变换函数表达式如下： [0063] [0064] 其中T为用户指定的阀值。 [0065] 标点法位移量测的关键是正确识别标点坐标，要求标识点颜色与背景表面颜色有较好的对比度，利用图像处理中的阀值技术和特定算法识别标点坐标，通过比较不同时刻标识点的坐标的变化，分析出标识点位移，进而得到隧道掌子面的位移变形；针对我们设计的3x3黑白交错的标识点，我们选取灰度阀值变换算法，最终得出黑白二值图像。 [0066] 2、图像边缘检测 [0067] 边缘是图像中重要的特征之一，主要表现为图像局部特征的不连续性，是图像中灰度变化比较强烈的地方，也即通常所说的信号发生奇异变化的地方。传统的边缘检测算法通过梯度算子来实现，在求边缘的梯度时，需要对每个象素位置计算。在实际中常用小区域模板卷积来近似计算，模板是NN的权值方阵，经典的梯度算子模板：Sobel模板、Kirsch模板、Prewitt模板、Roberts模板、Laplacian模板等。 [0068] 在边缘检测中边缘定位能力和噪声抑制能力方面，有的算子边缘定位能力强，有的抗噪声能力比较好：Roberts算子利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失一部分边缘，同时由于没经过图像平滑计算，不能抑制噪声。该算子对具有陡峭的低噪声图像响应最好；Sobel算子和Prewitt算子都是对图像进行差分和滤波运算，差别只是平滑部分的权值有些差异，对噪声具有一定的抑制能力，不能完全排除检测结果中出现伪边缘。这两个算子的边缘定位比较准确和完整，但容易出现边缘多像素宽。对灰度渐变和具有噪声的图像处理的较好；Krisch算子对8个方向边缘信息进行检测，因此有较好的边缘定位能力，并且对噪声有一定的抑制作用，该算子的边缘定位能力和抗噪声能力比较理想，但该算子的运算量比较大。不适合实时检测分析；Laplacian算子是二阶微分算子，对图像中的阶跃型边缘点定位准确且具有旋转不变性即无方向性。但该算子容易丢失一部分边缘的方向信息，造成不连续的检测边缘，同时抗噪声能力比较差，比较适用于屋脊型边缘检测。 [0069] 由于已知检测目标的图像边缘为阶跃边缘，模型为：f(x)＝cl(x)，其中c＞0为边缘幅度，为阶跃函数。若存在噪声，可以选用大尺度的模板平滑图像，不会影响边缘的定位。 [0070] 由于前面经过了自适应滤波，为了提高图像分析的效率与监测的实时性，选择经典的Sobel图像边缘检测算法进行边缘检测。该算法计算简单，速度快，但由于只采用了两个方向模板，只能检测水平方向和垂直方向的边缘，适用于纹理简单的图像。因此，在本系统中标识点设计为3X3的黑白交错方格，对于背景图像，通过灰度的阀值变换先期去除。Sobel算法的基本原理是由于图像边缘附近的亮度变化较大，所以可以把那些在邻域内，灰度变化超过某个适当阈值TH的像素点当作边缘点。 [0071] 3、标识点位移计算 [0072] 根据3X3标识点的边缘检测结果，以照片左上角为坐标原点，水平方向为X轴，竖直方向为Y轴，计算中心黑色方格的中心像素坐标。 [0073] 对于照片p1，只需要计算前后两次照片中标识点的y坐标变化值。根据相机标定参数，把像素坐标y变化值换算为位移量，即得到隧道掌子面的拱顶下沉。 [0074] 对于照片p2，需要计算前后两次照片中左右拱脚标识点的x坐标变化值。根据相机标定参数，把像素坐标x变化值换算为位移量，即得到隧道掌子面的左右拱脚收敛。

意见反馈