技术领域
[0001] 本
发明涉及盾构机刀具磨损检测相关技术领域，尤其是指一种用于隧道盾构施工中盾构机刀具磨损的可视化定量标定及分析方法。
背景技术
[0002] 盾构法是暗挖施工中的一种全机械化施工方法。盾构机作为一种集机、电、液技术为一体的大型设备，其刀具更换必须为带压作业，安全
风险大、
费用高昂、作业工期长。现有的检测方法包括开舱检查、刀具磨损感应装置、异味添加剂、掘进参数分析等，其中开舱检查的方法存在很高的风险，刀具磨损感应装置检测不全面，异味添加剂在泥
水式盾构中效果不佳，掘进参数分析方法不够精准。这些方法在一定程度上满足了生产控制需求，但还存在诸多工程问题。如能安全、便捷、经济、可靠地分析刀盘磨损情况，为换刀提供科学指导，无疑会带来明显的经济效益和社会效益。
[0003] 当今基于摄影测量的监控技术在社会生产和实践活动中已经获得了广泛的应用，与其它测量和检测技术相比较，影像检测最能符合人们的直接视觉感受，使用上的便捷性优势突出。
[0004] 数字摄影测量技术在工程领域的应用首次由Linkwitz(1963)，Rengers(1967)等人在上世纪60年代提出，为工程应用研究提出一个崭新的思路。近年来基于
电子技术的迅猛发展，数字摄影测量技术在
土木工程，特别是岩土工程和结构工程领域的应用也取得很大进展。
[0005] 德国航空航天局研究中心已成功开发了ESPI(2000)、ARGUS(2004)、ATOS(2008)等诸多基于光学图像的检测分析系统。目前在结构物表面细微裂缝的超高
精度识别，大尺寸结构物的高精度数值化建模，以及振动分析中得到广泛应用。奥地利的3G Software & Measurement GmbH公司、德国的Gom公司、日本的北九州检测检查公司等，开发了诸多工程领域的摄影测量技术。
[0006] 由于水对光的散射和与吸收、水压、能见度等因素，水下光电成像系统与陆地使用的光学观测系统大为不同。经过几十年的发展，水下摄像技术已日趋成熟，日本Moritox公司、法国ECA公司、美国洛克西德公司都研制成功了水下摄像系统。在国内，中国科学院西安光机所也研制成功了水下电视系统。沈凌敏对水下摄像技术进行了较深入的研究，并从水中成像的光学特性、辅助照明系统、水下目标图像提取技术等方面进行了阐述。
[0007] 结合泥水盾构机隧道施工的工程特点，克服密封舱内无
光源、高水压、高侵蚀性、泥水混合复杂介质等不利条件，将摄影测量技术应用于隧道盾构施工中刀具的可视化检测，并实现定量分析是一项可行的具有重要意义的创新。
发明内容
[0008] 本发明是为了克服
现有技术中存在上述的不足，提供了一种安全、便捷、经济、可靠的盾构机刀具磨损的可视化定量标定及分析方法。
[0009] 为了实现上述目的，本发明采用以下技术方案：
[0010] 一种盾构机刀具磨损的可视化定量标定及分析方法，通过摄像装置进行拍照成像，然后对所得图像进行分析处理，再与刀具原始三维模型进行对比，得出刀具磨损情况，以便对需要更换的刀具进行及时处理，具体操作步骤如下：
[0011] (4)盾构机精密三维模型的构造，其中：盾构机精密三维模型的构造依次包括构建盾构机模型的
基础框架和三维模型精细化处理两个步骤；
[0012] (5)检测影像数据的
姿态解算，包括相机标定、
图像采集和姿态解算三个步骤；其中，对于检测系统的摄像装置，通过标定首先确定其内参数和畸变参数，再对采集的原始影像进行畸变校正，恢复摄影时刻的光线约束关系，最后对摄像装置姿态和摄像装置在世界
坐标系中的
位置进行解算；
[0013] (6)空间场景结构恢复，包括
图像处理、定向操作和刀具磨损定量检测三个步骤，是基于OpenSceneGraph(OSG)技术实现三维可视化平台开发，测量后的影像要素以OSG图像对象的形式显示在三维平台中，并对磨损信息进行数值统计，生成并输出统计数据图表。
[0014] 本发明采用数字摄影测量技术，利用经过三维控制场标定的摄像装置采集盾构施工中刀具的影像数据，通过与盾构机精密三维模型的定向操作，借助三维可视化平台和影像分析对刀具的磨损情况进行定量检测，该方法实现了刀具虚拟可视化集成显示和磨损情况的数字化评估，是隧道盾构施工中刀具磨损的安全、便捷、经济、可靠的检测方法，具有重要的经济和社会效益及重大的工程意义。
[0015] 作为优选，在步骤(1)中，构建盾构机模型的基础框架是利用厂方提供的CAD工程图纸，在3dmax三维模型制作平台下，完成基于工程图纸的初始三维模型的制作，模型制作采用构造立体几何法(CSG)的模型构造方式，完成各个确定部件和盾构机刀盘骨架的搭建，然后进行组装操作。
[0016] 作为优选，在步骤(1)中，三维模型精细化处理是，采用三维激光
扫描仪，对完成组装调试的盾构机进行全方位的扫描，点
云扫描完成后，需要对不同站的点云进行滤波、拼接、分割、特征提取等操作，使不同站采集的点云归一化到统一的坐标系下，并通过点云旋转、平移，使其与模型坐标系得到统一，进而提取点云中的特征参数值，最后借助点云导入
插件，将点云数据导入到建模
软件之中，对初始三维模型进行
修改和构建，完成精密三维模型的构建工作。
[0017] 作为优选，在步骤(2)中，相机标定是摄影测量工作全过程的重要组成部分，可以通过对摄取的影像进行畸变校正，消除由相机镜头畸变产生的像点坐标误差；具体为，在四个设站对室内高精度三维控制场进行摄影，使用直接线性
算法(DLT)求解中心构想方程求得内参数矩阵K，再以求得的参数为初始值，考虑畸变因素，采用最小二乘法求解畸变参数kc。
[0018] 作为优选，在步骤(2)中，对于图像采集是，将摄像装置固定到推进装置的前端，推进装置通过
法兰与球
阀对接，将摄像装置推送到盾构机气泡舱室前壁外，对施工中盾构机刀具拍摄影像。
[0019] 作为优选，在步骤(2)中，对于姿态解算是，采用P4P算法和单像空间后方交会(Resection)的联合定向解算方案，实现精密姿态解算；其中，P4P算法是基于任意2D点的可视
角度和对应3D点的角度一样，所实现的单像线性算法；单像空间后方交会(Resection)，是以单张相片为基础，利用至少三个已知控制点坐标和三个影像坐标，根据共线方程求解外方位元素的方法。
[0020] 作为优选，在步骤(3)中，图像处理的目标是从目标影像中提取出磨损后的边缘信息，需要对图像依次进行锐化、直方图均衡、
阈值分割和Canny
边缘检测；其中，锐化处理的目标是突出图像中的某些细节或者增强被模糊了的特征；直方图均衡对图像变换后，使所有灰度层上的
像素分布概率
密度为1；阈值分割利用边缘存在的灰度等级的跃迁，来优化边缘信息提取效果；Canny边缘检测利用二维高斯函数对图像进行平滑，再计算函数梯度的幅值和方向，以非极大值抑制排除非边缘像素，最后根据滞后阈值确定刀具边缘。
[0021] 作为优选，在步骤(3)中，定向操作是，在模型和图像上提取明显的特征点或特征线，用他们作为转化的基准数据，采用P4P定向算法来实现大角度的定向操作，以解决一般算法的不收敛问题，在模型和图像上分别选取同名点，存入模型和图像坐标文件，然后一次性读取这些文件，计算定向参数。
[0022] 作为优选，在步骤(3)中，刀具磨损定量检测是，在定向操作完成以后，获取了由模型到图像的投影参数或矩阵，将模型上的刀盘的边缘投影到图像上，与图像上的刀盘边缘进行对比，就可以获取磨损信息。
[0023] 本发明的有益效果是：以安全、便捷、经济、可靠的方法检测刀具的磨损程度，避免刀具损坏后未及时更换而造成大面积的损伤或不必要开舱检查及更换刀具，延长的刀具的使用寿命，从而降低工程安全风险，降低工程造价，缩短工程周期；实现了刀具虚拟可视化集成显示和磨损情况的数字化评估，具有重要的经济和社会效益及重大的工程意义。
附图说明
具体实施方式
[0025] 下面结合附图和具体实施方式对本发明做进一步的描述。
[0026] 如图1所示，一种盾构机刀具磨损的可视化定量标定及分析方法，具体包括三部份内容：盾构机精密三维模型的构造、检测影像数据的姿态解算、空间场景结构恢复。其中：精密三维模型构造包括构建盾构机模型的基础框架和三维模型精细化处理两个步骤，检测影像数据的姿态解算包括相机标定、图像采集和姿态解算三个步骤，空间场景结构恢复包括图像处理、定向操作和刀具磨损定量检测三个步骤。
[0027] 具体操作步骤如下：
[0028] 一、盾构机精密三维模型的构造
[0029] 1.1构建盾构机模型的基础框架
[0030] 利用厂方提供的CAD工程图纸，在3dmax三维模型制作平台下，完成基于工程图纸的初始三维模型的制作。模型制作采用构造立体几何法(CSG)的模型构造方式。独立制作单刃
滚刀、双刃滚刀、主刀、先行刀、仿形刀、中央刀具、推出滚刀、和盾构机的刀盘骨架，然后将它们进行组装即可完成建模的初步效果。
[0031] 1.2三维模型精细化处理
[0032] 由于CAD设计图纸并非完全准确而全面，而且
制造过程中有些部分的切削、
焊接和
铆接并没有严格规定，因此盾构机模型的基础框架与组装完成的盾构机实体之间还有较大差异。所以必须对盾构机实体部件进行
数据采集，用实体信息进行现有模型的调整和完善。在盾构机组装完成后，需采用三维激光扫描仪，对完成组装调试的盾构机进行全方位的扫描。
[0033] 点云扫描完成后，需要对不同站的点云进行滤波、拼接、分割、特征提取等操作，使不同站采集的点云归一化到统一的坐标系下，并通过点云旋转、平移，使其与模型坐标系得到统一，进而提取点云中的特征参数值。最后借助点云导入插件，将点云数据导入到建模软件之中，对初始三维模型进行修改和构建，完成精密三维模型的构建工作。
[0034] 二、检测影像数据的姿态解算
[0035] 2.1相机标定
[0036] 在四个设站对室内高精度三维控制场进行摄影，用结构已知、高精度加工的标定尺作为空间参照物，使用直接线性算法(DLT)求解中心构想方程求得内参数矩阵K。以求得的参数为初始值，考虑径向畸变和切向畸变，采用最小二乘法求解畸变参数kc。
[0037] 图像坐标系和世界坐标系之间的关系如下：
[0038]
[0039] 令 则得到：
[0040]
[0041] 其中：[R t]为相机外参数矩阵，包括旋转矩阵R和平移向量t；K称为相机内参数矩阵；(u0,v0)为主点坐标(或称为主点偏移)；fu,fv分别为图像u轴和v轴上的尺度因子；γ是描述两图像坐标轴倾斜程度的参数；P＝K[R t]为3×4矩阵通常称为相机矩阵或投影矩阵。
[0042] 由于相机光学系统存在加工和装配误差，相机的成像系统不能准确描述其几何成像关系，实际上会受到多种畸变的影响。因此建立相关的数学模型，非线性畸变一般为几何畸变，即物点在像平面上的成像会偏离理想位置，可下式表示：
[0043]
[0044] 其中，(x,y)是图像点的理想位置，(xd,yd)是受畸变影响后图像点的实际位置，δx(x,y)是x方向上的总畸变，δy(x,y)是y方向上的总畸变。
[0045] (1)径向畸变
[0046] 镜头的畸变误差主要是径向轴对称畸变，径向畸变是由于镜片在加工误差造成的，其特点是像点的位置误差与它到
光心的距离有关。
[0047] 其畸变误差表示如下:
[0048]
[0049] (2)切向畸变
[0050] 认为许多相机系统除径向轴对称畸变外，还存在非径向轴对称畸变，即切向畸变。切向畸变的是由于透镜本身与成像平面不平行造成的，其误差可表示为：
[0051]
[0052] 综上所述，典型的相机畸变模型如下：
[0053]
[0054] 其中，右边的第一项是径向畸变，第二项是切向畸变，式中k1,k2,p1,p2称为非线性畸变参数，与前面所述的成像模型中的K矩阵组成了非线性相机模型的内部参数。
[0055] 直接线性算法(DLT)是由共线方程式推到而来的一种直接建立坐标仪坐标与物方空间坐标间的关系式的一种算法，计算中不需要内外方位元素的初值，计算速度快。共线方程及DLT方程如下：
[0056]
[0057]
[0058] 上式中li(i＝1、2、3……11)是相机内外方为元素的表达式，(δx，δy)是物镜畸变。该方程含11个未知数，故至少须6个控制点，才可解得li(i＝1、2、3……11)和畸变参数。再考虑旋转矩阵的
正交性质，利用下式可求得相机内参数，即得到相机内参数矩阵K。
[0059]
[0060] 2.2图像采集
[0061] 将摄像装置固定到推进装置的前端，推进装置通过法兰与
球阀对接，将摄像装置推送到盾构机气泡舱室前壁外。采用类似方法将照明装置与冲洗装置推送到合适位置。打开电源，通过摄像装置对刀具进行观察，如有必要可利用冲洗装置进行定向清洗，照明装置调整光照，至所成图像清晰可辨。利用球铰将相机调整一定角度后，再次拍照，获得一组刀具影像。
[0062] 2.3姿态解算
[0063] 以单张相片为基础，利用三个已知控制点坐标和三个影像坐标，根据共线方程求解外方位元素Xs、Ys、Zs、φ、κ、ω，该方法称为单像空间后方交会(Resection)。
[0064] 相机的参数矩阵K已通过相机标定得到，故可用PNP算法进行空间姿态计算，其依据任意2D点的可视角度和对应3D点的角度一样。本发明取4个控制点，即采用P4P算法。
[0065] 一组2D和3D的对应点 其中 是单位方向矢量，通过标定矩阵K的逆将2D像素测量值xi变换为单位模长的3D方向矢量得到：
[0066]
[0067] 未知量为从相机中心c到3D点pi的距离di，其中
[0068] 由三角形Δ(c,pi,pj)余弦定理得
[0069] fij(di,dj)＝di2+dj2-2didjcij-dij2＝0
[0070] 其中
[0071] 组合其他约束(fij,fik,fjk)，并消去di,dj可得如下关于di2的式子：
[0072] gijk(di2)＝a4di8+a3di6+a2di4+a1di2+a0＝0
[0073] 给定五个或者更多的对应点，我们可以产生(n-1)(n-2)/2个三元组来得到(di8,di6,di4,di2)的值的线性估计(用SVD)。di2可以用连续两个估计的比率di2n+2/di2n来估计，然后通过平均来获得di。
[0074] 确定di后，可得到一系列尺度自由的点 然后通过3D点之间的刚体变换，可将其变换到对应的样本点{pi}，从而完成线性投影矩阵确定。
[0075] 因为最小P4P解对噪声很敏感，所以通常用线性算法估计初始姿态，然后通过
迭代方法对该估计进行优化。
[0076] 非线性最小二乘来最小化反投影差是一种精确的估计方法，将投影过程写作：xi＝f(pi；R,t,K)
[0077] 迭代最小化求解线性投影误差：
[0078]
[0079] 其中 为当前残差，这个式子的求解可以用上一步得到的初值作为起始，优化迭代进而完成求解。
[0080] 三、空间场景结构恢复
[0081] 3.1图像处理
[0082] 为提高提取刀具磨损后边缘信息的准确性，对图像进行锐化、直方图均衡、阈值分割和Canny边缘检测。
[0083] (1)图像锐化
[0084] 通过锐化处理突出本发明中由于光照不足被模糊了的特征。
[0085] 梯度锐化：设图像为f(x,y)，定义f(x,y)在点(x，y)处的梯度矢量G[f(x,y)]为：
[0086]
[0087] 由于是点光源的照射，会造成一定的扩散现象，由此引起的图像模糊。可以用下式来进行锐化：
[0088]
[0089] (2)直方图均衡
[0090] 其目的是寻找一种算法，对图像变换后，使所有灰度层上的像素分布概率密度为1。设原像素的灰度值为r(0≤r≤1)，概率密度为pr(r)；经过变换后的像素灰度为s，概率密度为ps(s)；变换函数为T(r)，则有以下等式：
[0091] s＝T(r),0≤r≤1；ps(s)ds＝pr(r)dr
[0092] 同时，必须满足如下条件：T(r)是单调递增函数，确保灰度的单值映射非反转；0≤T(r)≤1，确保经变换不会缩小灰度动态范围.令
[0093]
[0094] 则有
[0095]
[0096]
[0097] 变换后的概率密度函数为1。以上是连续函数变换的公式，当应用于数字图像处理时，如果数字图像灰度有L阶，变为如下形式：
[0098]
[0099] 式中：k代表数字图像的灰阶，n代表总像素数，nj代表j灰度层上像素的个数，pr(rj)代表j灰度层上的概率密度，T(rk)代表k灰度层上像素的变换函数，sk(0≤sk≤1)为最终的变化结果.最终变换后所得的灰度值为：
[0100] Sk＝(L-1)×sk
[0101] (3)阈值分割
[0102] 本发明图像处理的最终目的是提取边缘信息，分割算法并不是应用于整幅图像，而是从中选取出的目标区域，边缘存在的灰度等级的跃迁是阈值分割提取的理论基础。
[0103] 本发明使用了不同的阈值化类型，来优化提取效果。
[0104] 二进制阈值化：
[0105]
[0106] 截断阈值化：
[0107]
[0108] (4)Canny边缘检测
[0109] Canny推出的最优边缘检测器的形状与高斯函数的一阶导数类似，利用二维高斯函数的对称性和可分解性，很容易就可以计算高斯函数在任一方向上的方向导数与图像的卷积。由于卷积运算可交换，可结合，故Canny算法首先采用二维高斯函数对图像进行平滑：
[0110]
[0111] 上式，σ是高斯
滤波器的参数，控制平滑的程度。
[0112] 3.2定向操作
[0113] 在模型和图像上提取明显的特征点或特征线，用他们作为转化的基准数据。采用P4P定向算法来实现大角度的定向操作。在模型和图像上分别选取同名点，存入模型和图像坐标文件，然后一次性读取这些文件，计算定向参数。
[0114] 3.3刀具磨损定量检测
[0115] 定向操作完成以后，可将模型上的点投影到图像上，与图像上的刀盘边缘进行对比，以获取磨损信息，包括示意图、最大磨损值、磨损后平均半径和磨损中误差。
