(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221095201 1.4 (22)申请日 2022.08.09 (71)申请人 中铁隧道局集团有限公司 地址 511466 广东省广州市南沙区明珠湾 起步区工业四路西侧自编2号 申请人 中铁隧道勘察设计 研究院有限公司 (72)发明人 王百泉　卓越　王武刚　王华　 郭卫社　高攀　邹翀　李沿宗　 林春刚　彭涛　闫贺　张秋元　 史振狮　尚伟　李荆　何晓红　 (74)专利代理 机构 西安维赛恩专利代理事务所 (普通合伙) 61257 专利代理师 李明全 (51)Int.Cl. G06V 20/52(2022.01)G06V 20/64(2022.01) G06V 10/28(2022.01) G06V 10/30(2022.01) G06V 10/44(2022.01) G06V 10/50(2022.01) G06T 5/00(2006.01) G06T 5/30(2006.01) G06T 5/40(2006.01) G06T 7/00(2017.01) G06T 7/13(2017.01) (54)发明名称 一种基于计算机视觉的地铁隧道破损检测 方法 (57)摘要 本发明公开了一种基于计算机视觉的地铁 隧道破损检测方法， 获取地铁隧道内壁的激光点 云数据； 将激光点云数据转换为隧道内壁深度 图； 将隧道内壁深度图转化为单通道图像， 再依 次进行膨胀处理、 图像去噪和二值化操作， 得到 二值化图像； 对二值化图像中的破损部分进行优 化， 得到地铁隧道内壁破损部分轮廓； 本发明通 过采集隧道内壁的三位激光点云数据， 再转换为 隧道内壁深度图， 再深度图上对隧道内壁破损部 分进行识别和标记， 可以避免灰度图像数据收到 光照信息的影响， 检测抗干扰性强， 可 以提升检 测精度。 权利要求书1页 说明书6页 附图7页 CN 115294527 A 2022.11.04 CN 115294527 A 1.一种基于计算机 视觉的地铁隧道破损检测方法， 其特 征在于， 包括以下步骤： 获取地铁隧道内壁的激光 点云数据； 将所述激光 点云数据转换为隧道内壁深度图； 将所述隧道内壁深度图转化为单通道图像， 再依次进行膨胀处理、 图像去噪和二值化 操作， 得到二 值化图像； 对所述二值化图像中的破损部分进行优化， 得到地铁隧道内壁破损部分轮廓。 2.如权利要求1所述的一种基于计算机视觉的地铁隧道破损检测方法， 其特征在于， 将 所述激光 点云数据转换为隧道内壁深度图包括： 将所述激光点云数据投影到拟合椭圆轮廓中， 并将点云数据到拟合椭圆圆心的距离作 为对应像素的深度信息 。 3.如权利要求2所述的一种基于计算机视觉的地铁隧道破损检测方法， 其特征在于， 对 所述二值化图像中的破损部分进行优化包括： 根据隧道内壁螺 栓孔到环缝的距离， 从所述破损部分中剔除螺 栓孔对应的部分。 4.如权利要求3所述的一种基于计算机视觉的地铁隧道破损检测方法， 其特征在于， 从 所述破损部分中提出螺 栓孔对应的部分之后还 包括： 获取剔除螺 栓孔对应的部分后的所述破损部分的第一轮廓； 对所述第一轮廓内的破损部分进行中值滤波； 对中值滤波后的破损部分进行直方图分析， 得到深度差阈值； 根据所述深度差阈值确定破损区域的第二轮廓。 5.如权利要求4所述的一种基于计算机视觉的地铁隧道破损检测方法， 其特征在于， 根 据所述深度差阈值确定破损区域的第二轮廓之后还 包括： 删除为规则矩形的破损区域。 6.如权利要求2 ‑5任一所述的一种基于计算机视觉的地铁 隧道破损检测方法， 其特征 在于， 根据所述深度差阈值确定破损区域的第二轮廓之后还 包括： 删除深度信息与螺 栓孔相等应的破损区域。 7.如权利要求6所述的一种基于计算机视觉的地铁隧道破损检测方法， 其特征在于， 得 到地铁隧道内壁破损部分轮廓后还 包括： 将所述破损部分轮廓映射到隧道内壁灰度图上， 生成具有破损部分轮廓的隧道内壁灰 度图。 8.一种基于计算机视觉的地铁隧道破损检测装置， 包括存储器、 处理器以及存储在所 述存储器中并可在所述处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计 算机程序时实现如权利要求 1‑7任一项所述的一种基于计算机视觉的地铁隧道破损检测方 法。权　利　要　求　书 1/1 页 2 CN 115294527 A 2一种基于计算机 视觉的地铁隧道破损检测方 法 技术领域 [0001]本发明属于地铁隧道检测技术领域， 尤其涉及一种基于计算机视觉的地铁隧道破 损检测方法。 背景技术 [0002]近年来， 我国的基础设施建设规模增长迅速， 已有的地铁隧道规模已经十分庞大。 地铁发展已经超过30年。 地铁发展模式已逐步从 “建设为重 ”过渡为“建养并重 ”。 地铁隧道 无论采用何种开挖方法以及不同的埋深， 地铁隧道结构在建设中以及建成后， 地铁隧道结 构要承受大量的上部荷载， 还有来自周围土体的挤压。 这些地铁隧道在运营阶段难免会出 现老化， 结构损坏等情况。 这对于地铁的长期运营存在十分重大的安全隐患。 所以， 定期对 运营阶段的地铁隧道进行安全监测， 及时发现问题并进行对应的处理十分重要。 隧道衬砌 破损是隧道结构病害的重要内容之一， 能够在一定程度上反 映隧道结构的安全状况。 现阶 段相关地铁隧道监测 规范将破损作为衡量地铁隧道安全监测的重要指标之一。 因此， 隧道 衬砌破损的自动化检测具有非常重要的意 义。 [0003]目前， 隧道衬砌破损的检测方法以人工记录为主， 技术人员用肉眼观察隧道衬砌 破损并对此进行记录， 这种检测方法效率低下， 耗时长， 而且检测结果主观因素影响较大， 无法满足现代破损检测快速、 准确的需求。 近些年来， 随着 计算机科学技术和深度学习的飞 速发展， 在 越来越多的工程领域开始使用计算机软件配合外部硬件设备来进 行各种检测与 测量， 很多研究者将图像处理技术应用到破损病害检测这一工作当中， 首先利用工业相 机 采集地铁隧道内表 面图像， 再利用图像处理技术进 行分析、 识别破损。 这种方法可以实现破 损病害检测的自动化， 节省人力物力的同时提高检测的效率， 是一种客观的检测方法。 [0004]但现阶段上述依赖计算机图像处理技术在破损病害识别中识别结果十分依赖图 像的质量和所采用的识别算法， 破损图像也常常伴 随着许多 噪声的干扰。 地铁隧道衬砌破 损的深度信息是4mm～10mm， 且具有深度浅、 面积小等特点， 而这些特点往往在面阵相机采 集的灰度图像上表现并不明显， 进 而导致识别精度低， 易出现漏检、 错检的问题。 发明内容 [0005]本发明的目的是提供一种基于计算机视觉的地铁隧道破损检测方法， 通过采集地 铁隧道的三 维点云数据， 并从中提取出隧道内壁深度图， 再对隧道内壁深度图进 行处理， 规 避了隧道衬砌 破损在灰度图上的表现不明显性， 提升 了检测精度。 [0006]本发明采用以下技术方案： 一种基于计算机视觉 的地铁隧道破损检测方法， 包括 以下步骤： [0007]获取地铁隧道内壁的激光 点云数据； [0008]将激光点云数据转换为隧道内壁深度图； [0009]将隧道内壁深度图转化为单通道图像， 再依次进行膨胀处理、 图像去噪和二值化 操作， 得到二 值化图像；说　明　书 1/6 页 3 CN 115294527 A 3