基于多傳感器的隧道異常自動巡檢系統(tǒng)的設(shè)計

江仲慶

(上海浦江橋隧運營管理有限公司,上海 200023)

隧道通常是指作為地下通道的工程建筑物，具有某些其他工程無法比擬的優(yōu)勢[1]。它能克服高程障礙，縮短線路長度，減小坡度和曲率，從而提高線路技術(shù)標(biāo)準(zhǔn)。滲漏水和裂縫是2類最常見的隧道病害，隧道滲漏水是降低襯砌承載力、腐蝕隧道、致使混凝土開裂凍脹的主要原因[2]，嚴(yán)重威脅了隧道的安全；而裂縫會降低鋼筋混凝土結(jié)構(gòu)的承載能力，甚至導(dǎo)致襯砌失穩(wěn)和突然坍塌，威脅到隧道結(jié)構(gòu)的運營安全。因此，通過傳感器實時自動地檢測隧道內(nèi)滲漏水及裂紋的存在，進而能夠及時準(zhǔn)確的實施防護措施對整個隧道工程有著至關(guān)重要的作用。

目前，國內(nèi)的隧道裂紋檢測方法主要以人工肉眼和人工儀器為主[3]，如文獻[4]提到一套裂縫儀器檢測方法，采用DJCK-2智能裂縫測寬儀測量隧道裂縫，測量時程序自動掃描捕獲裂縫并在顯示屏上實時顯示裂縫的寬度數(shù)值，該方法檢測精度高，需要大量的人力和時間?；趫D像處理[5-6]的裂縫檢測方法能夠彌補傳統(tǒng)檢測方法的不足，高效準(zhǔn)確地獲取裂縫數(shù)據(jù)并節(jié)約人工成本，是一種理想的裂縫自動檢測技術(shù)，該方法圖像數(shù)據(jù)獲取困難，檢測范圍受限。國外Yu等[7]通過控制移動機器人與墻壁保持恒定距離的同時利用電荷耦合器件(CCD)相機采集圖像數(shù)據(jù)，并利用圖像處理從采集的圖像中提取裂紋信息，能夠保證裂紋的精確識別，檢測與交通不能同時進行。劉志強等[8]提出一種Permalog+區(qū)域漏水噪聲監(jiān)測系統(tǒng)，從聲學(xué)原理角度分析了滲漏水聲波的產(chǎn)生、傳播途徑、特點，實現(xiàn)對供水管網(wǎng)實現(xiàn)漏水監(jiān)測的目的。吳鵬程[9]提出一種基于MCU的智能防漏水系統(tǒng)方案，該檢測電路采用適當(dāng)?shù)碾姌O型水傳感器，根據(jù)電極浸水阻值變化原理，通過電壓檢測確定傳感器的狀態(tài)，該方案能有效處理家居中漏水問題，不適用于開放性場景。同濟大學(xué)劉學(xué)增等[10]以隧道襯砌滲漏水面積為檢測目標(biāo)，研究出包括去噪、銳化、分割、修正的一整套數(shù)字圖像處理算法，并開發(fā)了隧道襯砌表面病害數(shù)字圖像識別系統(tǒng)，為隧道襯砌滲漏水病害檢測提供一種便捷、低成本、直觀、高效的方法。

然而，這些研究工作主要針對單一病害進行，檢測需要做大量準(zhǔn)備工作，傳感器覆蓋區(qū)域小，導(dǎo)致檢測范圍受限且不實時。為此，本文提出了一種基于多傳感器的隧道自動異常檢測系統(tǒng)，將工業(yè)相機和紅外熱成像攝像機功能模塊化，安裝在隧道中的運動巡檢設(shè)備中，并設(shè)計了一種多鄰域生長動態(tài)異常區(qū)域識別算法，對熱成像攝像機獲取的偽彩圖進行滲漏水檢測；為使裂紋檢測范圍更廣及識別更精確，設(shè)計了一種基于相機標(biāo)定的圖像拼接算法獲取隧道全部視場。經(jīng)實驗驗證，該系統(tǒng)能夠?qū)崟r、準(zhǔn)確地對隧道環(huán)境中的滲漏水和裂縫進行檢測，對隧道的智能安全防護有積極的意義。

1 多傳感器異常檢測系統(tǒng)的設(shè)計

傳感器(sensor)能夠通過將感受到的信息轉(zhuǎn)變成電信號或者其他形式的信號，將其轉(zhuǎn)換得到所需的能夠進行處理的信息。與機器結(jié)合相當(dāng)于讓其能夠擁有視覺[11-13]、觸覺[14]等感官，能夠特定的識別和檢測預(yù)定的目標(biāo)，具有高效和準(zhǔn)確等優(yōu)點。而單一傳感器所能獲取的信息是有限的，因此，通過集成多傳感器(multi-sensor)的異常檢測系統(tǒng)，可增加其感官獲取隧道中更多的信息，從而進行更加準(zhǔn)確充分的識別和處理。

整個隧道異常檢測系統(tǒng)如圖1所示，高清相機和紅外熱成像攝像機模塊化安裝在隧道移動設(shè)備內(nèi)，使用低功耗嵌入式中央處理器對傳感器采集到的數(shù)據(jù)進行處理，再通過一套完整的網(wǎng)絡(luò)系統(tǒng)進行信息和數(shù)據(jù)的傳輸。該系統(tǒng)是一個完整的系統(tǒng)，采用了標(biāo)準(zhǔn)的三層網(wǎng)絡(luò)架構(gòu)：① 數(shù)據(jù)采集傳感器與嵌入式系統(tǒng)的數(shù)據(jù)采集傳輸層；② 設(shè)備內(nèi)的各模塊經(jīng)過內(nèi)置4G路由器進行相互通信；③ 主控室通過快速以太網(wǎng)建立服務(wù)器、客戶端和移動設(shè)備之間的通信控制層。

2 滲漏水檢測

滲漏水是運營隧道的一種比較普遍的病害。它不僅會腐蝕隧道的內(nèi)部設(shè)備，而且是襯砌損裂[15]的主要原因。隧道環(huán)境復(fù)雜，頂壁和側(cè)壁經(jīng)常會發(fā)生滲漏水等隧道病害，越早發(fā)現(xiàn)則可以越早的防止危害進一步擴大，能夠大大降低養(yǎng)護費用和維護成本。

通過安裝在運動巡檢設(shè)備中的紅外熱成像傳感器，實時采集隧道內(nèi)現(xiàn)場的紅外數(shù)據(jù)，設(shè)備在固定于隧道墻面頂端的軌道上來回巡檢，經(jīng)過中央處理器的分析處理，及時對隧道內(nèi)有無滲漏水情況進行監(jiān)測。若發(fā)現(xiàn)滲漏水情況則通過網(wǎng)絡(luò)系統(tǒng)發(fā)送異常信號至PC客戶端，主控室的操作員則可通過中央計算機系統(tǒng)發(fā)現(xiàn)有滲漏水情況。與此同時，高清相機采集現(xiàn)場圖像并通過圖像拼接來將超高分辨率的現(xiàn)場圖像傳至云服務(wù)器，主控室工作人員根據(jù)從云服務(wù)器上下載的高清圖像來確認(rèn)是否有滲漏水。

圖1 隧道異常檢測系統(tǒng)結(jié)構(gòu)圖Fig.1 The structural diagram of tunnel anomaly detection system

2.1 紅外成像原理

在電磁輻射中，Planck 定律描述了黑體輻射的能量

(1)

式中：h為普朗克常量；c為真空中的光速；k為電磁輻射頻率；T為發(fā)射體的絕對溫度；I(v,T)為黑體發(fā)射單位時間內(nèi)的能量。

而對于紅外輻射體，將式(1)進行全譜和全空間積分，考慮發(fā)射率影響，可得到單位面積在每秒時間內(nèi)的紅外輻射能量密度，遵從Stefan-Boltzmann規(guī)律

(2)

式中：ε為發(fā)射常數(shù)；σ為Stefan常數(shù)；T為發(fā)射體溫度；A為輻射面積；P為凈輻射能量。

式(2)常被用來測量物體的表面溫度，通過紅外攝像儀采集紅外輻射體的溫度分布與變化。

2.2 滲漏水檢測算法

運動巡檢設(shè)備在隧道往返運動的過程中，熱成像模塊持續(xù)采集偽彩圖，提出了一種基于多鄰域生長動態(tài)算法進行滲漏水檢測，該算法在中央處理器執(zhí)行，對采集到的熱成像偽彩圖數(shù)據(jù)進行分析處理，持續(xù)得出檢測結(jié)果。算法流程圖如圖2所示，先將采集到的紅外圖像進行轉(zhuǎn)灰度圖，并二值化處理，之后建立灰度閾值塊，閾值塊的大小根據(jù)取得的數(shù)據(jù)設(shè)定，并逐行滑動，滑至某處檢測出異常時，進行多鄰域的滑動來判斷是否為誤檢。若此異常區(qū)域的鄰域異常數(shù)值達到預(yù)設(shè)參數(shù)值，則判定為該處有滲露水現(xiàn)象，發(fā)出指令進行滲漏水報警；若未達到預(yù)設(shè)的參數(shù)值繼續(xù)進行滑動，直至到圖像的最末行末列，即整幅圖像檢測完畢，未發(fā)現(xiàn)異常區(qū)域，則繼續(xù)取下一張圖并檢測。

圖2 多鄰域生長動態(tài)算法流程圖Fig.2 Flow chart of dynamic algorithm formulti-neighborhood growth

3 圖像拼接與裂紋檢測

對于墻面裂痕的提早發(fā)現(xiàn)是隧道維護的一個關(guān)鍵點，較深的裂痕可能對隧道的安全造成重大的影響?，F(xiàn)階段檢測墻面裂痕基本采用人工的方式，進行肉眼的檢測，在一定程度上無法做到全部裂痕的發(fā)現(xiàn)與排查，留有隱患。墻體裂痕的早期發(fā)現(xiàn)有利于隧道的安全，對此，如何早期便可以發(fā)現(xiàn)墻體裂痕并及時修整，防患于未然，是隧道維護方面應(yīng)注意的問題。

傳統(tǒng)視覺檢測系統(tǒng)由于視場角限制，一次只能獲取周圍環(huán)境部分的視場信息，其余大部分視場信息彼放棄了，無法提供全方位的決策依據(jù)信息。或是采用全景相機、魚眼鏡頭等設(shè)備，它們通過鏡面反射或光學(xué)裝置可將周圍的場景投射到單個相機鏡頭中，從而獲得大的視場。但得到的圖像嚴(yán)重扭曲，分辨率低，對于后期的圖像處理和檢測算法極為不利。而該系統(tǒng)采用高分辨率的工業(yè)相機進行取圖，利用圖像拼接技術(shù)得到隧道中墻面和路面的全景圖像，并采用基于霍夫變換的OSTU改進算法[16]對取得的全景圖進行裂紋檢測。通過基于相機標(biāo)定的方法能夠準(zhǔn)確快速完成隧道無特征點環(huán)境的圖像拼接，使得能夠一次性地提供從給定視點處所能獲取的全部視覺信息，為后續(xù)的圖像處理，信息歸類提供了有利的條件，其技術(shù)優(yōu)勢十分明顯。

3.1 基于相機標(biāo)定的圖像拼接算法

圖像拼接(mosaicing)是將多幅圖像組合成一幅高分辨率圖像的過程，拼接好的圖像稱為全景圖像。此項技術(shù)在該系統(tǒng)中起到2個作用：① 滲漏水檢測系統(tǒng)發(fā)出異常信息后，操作員能夠通過圖像拼接的高清圖像準(zhǔn)確判定是否為滲漏水；② 增加圖像中隧道裂紋的可識別度和檢測準(zhǔn)確度，能夠檢測到整個隧道的狀態(tài)。

現(xiàn)有的圖像拼接技術(shù)都是基于頻域、基于灰度和基于特征點的經(jīng)典的全景圖拼接方法。頻域相關(guān)匹配方法將圖像在空間域中的匹配轉(zhuǎn)換成頻率域的匹配，利用了傅里葉變換的平移原理。該方法對于待拼接圖像間只存在平移關(guān)系時有較好的效果，但當(dāng)存在旋轉(zhuǎn)變換時，則需要大量反復(fù)的空域和頻域轉(zhuǎn)換，較大的計算量影響到了配準(zhǔn)的效率?；诨叶鹊姆椒ɡ脠D像的灰度信息進行配準(zhǔn)。該方法雖然易于實現(xiàn)，但也存在計算量大，效率低的問題?；趫D像的特征進行拼接，可以提取直線、弧、特征點、輪廓等圖像特征進行圖像匹配。該種方法會對圖像的特征點進行大量的計算提取，這導(dǎo)致了配準(zhǔn)效率的下降。

無論采用什么方法，圖像拼接過程一般都由預(yù)處理、圖像配準(zhǔn)、圖像融合3個步驟組成，以上3種拼接方法都是在圖像配準(zhǔn)這部分需要大量的計算，導(dǎo)致效率低。因此，采用基于相機標(biāo)定的方法(見圖3)，事先標(biāo)定好相機獲取的圖像間的旋轉(zhuǎn)平移參數(shù)，在圖像拼接過程直接利用這些參數(shù)進行拼接融合，可節(jié)省大量時間，極大地了提高拼接效率。

圖3 基于相機標(biāo)定的圖像拼接過程Fig.3 The image mosaic process based on camera calibration

3.2 裂紋檢測

由于照明光源影響、道路兩旁物體的投影、路面上的污漬等外界因素，以及路面本身紋理特征的干擾，拍攝到的圖像普遍存在著缺陷：圖像整體偏色、亮度不均、噪聲多且雜等。這些會使裂縫很難被辨識或者被完整的提取。為了能清晰完整的分割裂縫與背景，需對裂縫圖像進行預(yù)處理：① 對圖像進行灰度化及降低分辨率處理。② 用加權(quán)鄰域平均法[17]對圖像進行平滑操作，去除噪聲。③ 用八方向Sobel算子[18]對圖像進行邊緣增強。

4 實驗結(jié)果與分析

為了測試該系統(tǒng)的可行性，將通車前的杭州文一路隧道作為實驗場景(見圖4)，該隧道是杭州“一環(huán)、三縱、五橫”城市快速路網(wǎng)系統(tǒng)中“一橫”德勝路至文一路的重要組成部分，且車流量較大，隧道內(nèi)日常人工巡檢帶來了人員安全風(fēng)險和影響路網(wǎng)通行能力的困擾。通過在杭州文一路隧道應(yīng)用該套基于多傳感器的隧道自動巡檢系統(tǒng)，可以實現(xiàn)自動巡檢逐步替代人工巡檢，解決上述兩點難題。異常檢測隧道環(huán)境的截面如圖5所示，裝有紅外熱成像傳感器和高清相機的移動設(shè)備(見圖6)在固定于隧道斜上方的軌道上來回運動，對整個隧道頂部的滲漏水和地面和頂部的裂紋進行實時檢測，并通過在隧道頂端持續(xù)抹水創(chuàng)造有滲漏水的實驗環(huán)境來驗證多鄰域生長動態(tài)算法；設(shè)計了一套轉(zhuǎn)臺機械結(jié)構(gòu)來采集待拼接的圖像序列，在中央處理器執(zhí)行圖像拼接，采用的基于霍夫變換的OSTU改進算法文[16]已經(jīng)得到充分的驗證。

圖4 杭州文一路隧道應(yīng)用場景實物圖Fig.4 The application scene physical map of Wenyi Tunnel in Hangzhou

圖5 隧道異常檢測截面示意圖Fig.5 The diagrammatic sketch of tunnel anomaly detection

圖6 運動巡檢設(shè)備Fig.6 The moving inspection equipment

4.1 熱成像檢測結(jié)果

系統(tǒng)采用測溫型熱成像攝像機DH-TPC-BF5400，將其模塊化裝在運動巡檢設(shè)備中(見圖6)，其探測器類型為非制冷氧化釩焦平面探測器，支持14種偽彩色，編碼輸出的偽彩圖像為 1 280×1 024 pixel，熱成像選用的鏡頭焦距為7.5 mm，使其在同等條件下具有更大的視場，通過千兆網(wǎng)口與中央處理器相接實現(xiàn)采圖，實時采到的白熱偽彩圖識別檢測結(jié)構(gòu)如圖7所示，攝像機朝向隧道頂部防護板，在沒有溫差的正常情況下拍攝結(jié)果為無特征的固定灰度的偽彩圖。

圖7(a)表示沒有任何水的情況，剩下的5幅圖與其進行對比可觀察到黑色區(qū)域深淺不一，表示的是溫度差異，實際則表示滲水的程度不一樣，圖像灰度值較高(偽彩圖中顯示為越黑)的區(qū)域滲水的程度較深，與之對應(yīng)的就是長時間滲漏水的實際情況。如圖7(b)～(f)所示，檢測到滲漏水的區(qū)域用白框框選出來，而相對灰度值不高的區(qū)域根據(jù)閾值大小將其視為正常區(qū)域。

建立一個10×10 pixel的滑動窗口分別在不同比較閾值下檢測異常區(qū)域，該閾值為區(qū)域塊的平均灰度值減去整幅圖像的平均灰度值，以圖7中的(a)、(b)、(c)、(e)和(f)這5幅熱成像偽彩圖作為實驗對象，檢測到的平均灰度值(gray_l)和鄰近異常區(qū)域數(shù)量(num)如表1所示。

圖7 隧道異常檢測截面示意圖Fig.7 The diagrammatic sketch of tunnel anomaly detection

表1 熱成像檢測結(jié)果比較分析Tab.1 Comparison and analysis of thermal imaging test results

通過分析上表中的數(shù)據(jù)，若窗口中的平均灰度值比整幅圖像的平均灰度值大40為最合理判定閾值，即在此閾值下鄰近異常區(qū)域數(shù)量>8則判定為該區(qū)域異常，通過網(wǎng)絡(luò)系統(tǒng)完成滲漏水報警。并發(fā)送圖像拼接命令將現(xiàn)場高清圖像傳至云臺，等待操作人員確認(rèn)是否為滲漏水。該模塊現(xiàn)場檢測效果如圖8所示，該圖為系統(tǒng)的巡檢結(jié)果與現(xiàn)場的真實圖像疊加形成，具有較高的檢測精度。

圖8 滲漏水檢測效果圖Fig.8 The effect image of leakage water detection

圖10 圖像拼接結(jié)果Fig.10 The image mosaic results

4.2 圖像拼接結(jié)果

為能夠拍攝到隧道中全部視場，設(shè)計了一個轉(zhuǎn)動的機械機構(gòu)及一套工業(yè)相機調(diào)焦機構(gòu)，采集隧道中的圖像進行拼接。系統(tǒng)接收到拼接指令后，控制轉(zhuǎn)臺舵機先轉(zhuǎn)至第一個位置，調(diào)焦舵機轉(zhuǎn)至對應(yīng)位置，之后觸發(fā)相機SDK進行采圖。并設(shè)定一個采圖的數(shù)量，如果未達到指定值則重復(fù)上一過程，反之則表示完成采圖，進行圖像拼接。該機械結(jié)構(gòu)三維圖如圖9所示，整個高清相機模塊(見圖6)同樣安裝在運動巡檢設(shè)備中。

圖9 高清相機轉(zhuǎn)臺圖Fig.9 The graphic model of high resolution camera turntable

利用標(biāo)定板對旋轉(zhuǎn)的單相機進行標(biāo)定，通過相機標(biāo)定得到相機每個位置相機變換參數(shù)，再利用標(biāo)定得到的參數(shù)完成圖像拼接，最后進行圖像融合去拼縫，得到拼接圖像。圖像拼接過程各相關(guān)參數(shù)如表2所示。

表2 圖像拼接過程相關(guān)參數(shù)Tab.2 The parameters of image mosaic process

由于隧道環(huán)境特征點少，而傳統(tǒng)圖像拼接基于特征點查找匹配，本文采用相機標(biāo)定得到全景圖拼接所需的參數(shù)完成拼接過程中圖像配準(zhǔn)這一步驟，可實現(xiàn)無特征點圖像拼接，減少了拼接時間，并極大地提高圖像拼接精度，該算法具有強魯棒性。

5 結(jié) 語

針對隧道中裂紋和滲漏水的情況，提出了一種基于多傳感器的隧道自動異常檢測系統(tǒng)。將紅外熱成像設(shè)備和工業(yè)相機模塊化安裝于運動巡檢設(shè)備中，分別對滲漏水和裂紋進行實時檢測，該系統(tǒng)在一套完整的網(wǎng)絡(luò)架構(gòu)下進行通信和數(shù)據(jù)傳輸。實驗結(jié)果表明，本文提出的系統(tǒng)能有效檢測到隧道滲漏水和裂紋，能夠及時反饋至控制中心采取措施，提出的滲漏水檢測算法能夠準(zhǔn)確快速檢測到溫度異常的區(qū)域，且設(shè)計出的基于相機標(biāo)定的圖像拼接算法具有很高的魯棒性，拼接得到的圖像分辨率高、成像質(zhì)量好。該系統(tǒng)所采用的改進的OSTU裂紋檢測算法效果良好、穩(wěn)定，抗干擾能力強。