基于視覺機器人的大壩水下表面裂縫檢測系統(tǒng)設計

陳從平 聶 葳 吳 喆 李林波

(三峽大學 機械與動力學院， 湖北 宜昌 443002)

?

基于視覺機器人的大壩水下表面裂縫檢測系統(tǒng)設計

陳從平 聶 葳 吳 喆 李林波

(三峽大學 機械與動力學院， 湖北 宜昌 443002)

針對大壩質量安全檢測的問題，設計開發(fā)了一種基于視覺機器人的大壩水下表面裂縫檢測系統(tǒng)，主要對其系統(tǒng)方案進行了設計，包括系統(tǒng)硬件平臺、軟件平臺及信號傳輸方法，在此基礎上，開發(fā)了裂縫自動檢測算法，并通過實驗進行了驗證．結果表明，本文所提供的方法能有效地檢測出不同類型的大壩水下表面裂縫，可為大壩水下表面裂縫巡檢提供詳細的技術指導，提高了大壩安全預警系數(shù)．

水下大壩； 裂縫檢測； 系統(tǒng)設計； 視覺機器人

大壩在長期服役過程中，其混凝土面板水下部分不可避免地會出現(xiàn)不同程度的裂縫，尤其是服役初期，內部結構應力高速釋放，裂縫產(chǎn)生速度更快，若不能被及時探測并進行維護，裂縫逐漸擴展極有可能會導致災難性的后果[1-2]．

目前，國內外的大壩水下表面裂縫檢測技術主要有高密度電阻率法、面波勘探法、瞬變電磁法、聲速測量法等[3-4]，這些方法的共同缺點是探測深度淺(10～20 m)，且定位誤差大、效率低，對上百米深的大壩中、下部深水部位無法到達和探測．因而，實際操作中往往由于高面板壩深水部位裂紋難以探測的“隱蔽性”、以及現(xiàn)有深水裂紋檢測手段能力的局限性，一般直至內部裂紋擴展到表面且出現(xiàn)了明顯病癥時才被發(fā)現(xiàn)，實時性差、災情系數(shù)高．

基于視覺機器人的大壩水下表面裂縫檢測技術，僅依靠安裝在水下機器人上面的圖像采集系統(tǒng)獲取水下圖像，然后傳輸?shù)疥懙厣系闹骺仄脚_進行圖像分析和處理，從而快速定位可視表面裂縫，標注出該可能的裂縫位置，該方法能夠提高裂縫檢測的效率和準確率，從而大大地降低險情帶來的危害．

1 總體方案設計

基于視覺機器人的大壩水下表面裂縫檢測平臺由硬件系統(tǒng)與軟件系統(tǒng)兩大部分組成，總體技術路線圖如圖1所示．在硬件系統(tǒng)和軟件系統(tǒng)都安裝與調試穩(wěn)定以后，通過主控平臺的控制，讓裝備有水下視覺成像裝置(水下攝像機和光源)的水下機器人對大壩混凝土面板水下部分進行巡檢或定點檢測，采集水下視頻，并傳輸?shù)街骺仄脚_；然后通過圖像處理軟件系統(tǒng)對采集到的視頻進行處理，從而判斷是否有裂縫存在．拍攝時需保持相機軸線與被拍攝面垂直，且保持距離在一定的范圍之內．那么通過主控平臺不僅可以實時監(jiān)控水下情況，而且可以自動記錄大壩混凝土面板水下部分存在裂縫的位置，為后續(xù)的裂縫修補提供及時可靠的信息．

圖1 總體技術路線圖

1.1 硬件系統(tǒng)

基于視覺機器人的大壩水下表面裂縫檢測平臺的硬件系統(tǒng)主要包括：水下機器人(含承載基本結構、動力系統(tǒng)、視覺采集硬件)和主控平臺(機器人運動、姿態(tài)、圖像或視頻采集等的控制，視頻信息處理和機器人狀態(tài)的監(jiān)控)．硬件系統(tǒng)的組成如圖2所示．

圖2 系統(tǒng)硬件模塊圖

1)硬件功能

水下機器人是視頻采集系統(tǒng)的載體，它能夠在主控平臺的控制下在水中進行前進、后退、轉向、上升、下潛、懸停和側移等各種運動．水下機器人的核心硬件主要由如下幾個部分組成：4個水平推進器，并且成“矢量”布局，從而增強了行駛過程中的穩(wěn)定性．在運動過程中，位于本體內部的單片機接受由電纜傳輸來的控制指令，運動的能量用本體內的電池供給，4個水平推進器同時提供動力，采用空間矢量合成算法實現(xiàn)各種運動；快速升降控制由2個球形水柜、壓縮氣罐以及電磁閥系統(tǒng)構成，用以調整水下機器人的比重使其在水中呈懸浮狀態(tài)，以及遇到緊急情況時能快速上??；裝載在水下機器人上面的視頻采集系統(tǒng)包括水下攝像機、4束LED高亮度照明燈和圖像采集卡.水下機器人在水下運行的過程中，主控平臺可以控制照明燈的強度和攝像頭轉動和俯仰，并且能夠調整相機的相關參數(shù)，從而達到最佳的拍攝效果．同時，為了對水下機器人狀態(tài)進行實時的監(jiān)控，機器人內部安裝有壓力、深度、溫濕度和GPS等傳感器．

主控平臺主要由控制箱、顯示器和遙控器組成．其中控制箱的作用是提供電源、信號控制處理、視頻信息的處理、對水下機器人的狀態(tài)進行監(jiān)控；顯示器能夠實時監(jiān)視水下攝像機的視頻畫面，監(jiān)測水下機器人的動力系統(tǒng)、視頻采集系統(tǒng)、深度、方向和位置等狀態(tài)信息，同時，在軟件界面上可以對整個系統(tǒng)的參數(shù)進行調節(jié)；遙控器能夠對水下機器人進行前進、后退、上浮、下潛、姿態(tài)懸停、原地掉頭、側向平移、仰俯、翻轉、比重調整等控制，同時能夠對視頻采集系統(tǒng)進行采集觸發(fā)的控制．

2)硬件通訊

本系統(tǒng)的硬件之間的通訊采用局部有纜與遠程無纜相結合的方法．水下機器人與水上主控平臺之間通過漂浮于水面的光纖收發(fā)器-無線路由器來進行信號傳輸，其中水下機器人與光纖收發(fā)器之間通過光纖以太網(wǎng)相連接，光纖收發(fā)器將信號傳輸給無線路由器，再由路由器與控制站進行無線信息交互．在系統(tǒng)運行過程中，視頻采集系統(tǒng)采集到水下圖像后，通過電纜將視頻信號直接傳輸?shù)焦饫w收發(fā)器上，再由收發(fā)器將數(shù)據(jù)信號通過WIFI傳給主控平臺的控制箱，經(jīng)過圖像采集卡轉換后，由軟件系統(tǒng)進行處理，從而能夠在主控平臺的顯示器上觀看水下攝像機的視頻畫面和裂縫檢測的結果．

1.2 軟件系統(tǒng)

基于視覺機器人的大壩水下表面裂縫檢測平臺的軟件系統(tǒng)安裝在主控平臺的控制機中，如圖3所示，主要包括以下幾個模塊：水下機器人控制模塊、地面站監(jiān)測模塊視頻采集與處理模塊、數(shù)據(jù)管理模塊．

圖3 軟件系統(tǒng)

其中，水下機器人控制模塊完成對水下機器人的遠程運動控制；地面站監(jiān)控模塊完成對水下機器人狀態(tài)和視頻的監(jiān)視功能；視頻采集與處理模塊完成對圖像的捕捉、傳輸、播放與錄制等任務；數(shù)據(jù)通信與管理模塊完成數(shù)據(jù)傳輸、轉換、保存和處理的功能．各類控制和通訊軟件在算法上均有較為成熟的實例作為借鑒，而圖像處理模塊則需要針對檢測對象的特征進行專門開發(fā)．盡管機器視覺以及水下成像技術目前已得到長足發(fā)展，但在水下目標識別方面并沒有通用的圖像處理算法，主要因為水下視覺能見度差、視頻質量受水體波動、水下懸浮物、水的折射、虛假物的干擾等因素的影響，技術方法上遠比在空氣中復雜．

針對大壩混凝土面板水下表面裂縫的視頻特征，制定圖像處理軟件系統(tǒng)方案如圖4所示，其主要處理算法功能需求為：1)圖像預處理．需將圖像灰度化后，通過水下圖像增強預處理技術去除圖像噪聲和照明不均的問題，消除由水波動、折射、吸光、懸浮物(粒)散射、渾濁等造成的圖像質量嚴重退化現(xiàn)象；2)水下圖像分割，對預處理后的圖像進行分割，將作為假信息的紋理、陰影、外輪廓的模塊進行分割、去除；3)水下環(huán)境干擾物的判別，根據(jù)裂縫的特征建立特征建模，區(qū)分水下環(huán)境中的干擾物(紋理、虛假物陰影、輪廓棱角等假信息)，判斷是否存在裂縫；4)裂縫檢測，檢測出裂縫在圖像中的具體位置，保證檢測到的裂縫的完整性與準確性，描述裂縫邊緣的形態(tài)，從而獲得裂縫的相關信息．

圖4 圖像處理系統(tǒng)處理流程圖

2 實驗及應用

技術實施的難點在于如何從大壩深水表面視覺信號中自動提取裂縫信息，而作為水下機器人本身及水下-陸基信號傳輸技術目前已經(jīng)較為成熟，可直接引用．但視覺信號處理與識別技術因環(huán)境差異及目標本身特征不同而不能通用，需要針對性地進行開發(fā)，包括水下低照度圖像去噪和增強、裂縫分割和裂縫識別．作者在前期相關工作中已對相關技術難點進行研究，開發(fā)了相應的算法，并對模擬的深水混凝土試驗水槽中采集裂縫樣本進行了驗證，結果如圖5～6所示，其中圖5為單一裂縫檢測結果，圖6為復雜裂縫檢測結果．檢測過程中所經(jīng)歷的步驟和開發(fā)的相應算法為：

Step1：水下模糊圖像增強．針對該環(huán)節(jié)開發(fā)了照明均勻化處理技術和同態(tài)濾波(MBHF)算法[5]，提出了一種新的水下圖像增強預處理技術去除圖像噪聲和照明不均的問題．該算法基于照明反射模型首先將圖像分塊進行局部背景估計，利用去圖像背景的方法使照明均勻化，然后利用改進的Butterworth-MBHF濾波器在保留圖像原貌和細節(jié)時對感興趣的目標進行有效增強．該算法很好地解決了水下圖像預處理和甄別的難題，處理效果如圖5(b)和圖6(b)所示．

Step2：裂縫分割．針對該環(huán)節(jié)開發(fā)了基于過渡區(qū)提取(LDC)圖像分割提取算法對可能的裂縫進行分割[6]，首先求取原圖像的清晰度圖像的局部復雜度曲線，據(jù)此復雜度曲線獲得過渡區(qū)提取門限，根據(jù)提取出的過渡區(qū)的灰度直方圖求取圖像分割閾值并對圖像進行分割．該算法很好地解決了裂縫分割問題，處理效果如圖5(c)和圖6(c)所示．

Step3：裂縫提取．針對該環(huán)節(jié)，開發(fā)了基于裂縫兩側輪廓特征匹配和模板匹配相結合的算法[7]，根據(jù)分割后裂縫邊緣與其它干擾的區(qū)別，首先提取面積、曲率、最大弦長、最大投影長度4個特征參數(shù)，建立BP神經(jīng)網(wǎng)絡模型，判別干擾物．然后，根據(jù)裂縫輪廓相互匹配的特征，通過模板搜索的方式檢測出準確、完整的裂縫輪廓．該算法很好地解決了水下環(huán)境干擾物的識別與判斷問題，最終的檢測效果如圖5(d)和圖6(d)所示．

圖6 復雜水下大壩表面裂縫檢測結果

3 結 論

通過水下視覺機器人可以快速判定混凝土壩水下表面裂縫的存在性、平面尺寸、位置信息，為進一步進行裂縫深度檢測提供目標和依據(jù)，極大地提高檢測效率，提高大壩安全服役的可靠性．

[1] 洪 云．大壩安全檢測的原理與應用[D]．南京：河海大學，2004．

[2] 王理華．我國水電站大壩安全現(xiàn)狀分析[J]．水力發(fā)電，1994(6)：35-39．

[3] 吳中如．大壩與壩基安全監(jiān)控理論和方法及其應用[J]．江蘇科技信息，2005(12)：1-6．

[4] 谷云靜．水庫大壩安全自動化監(jiān)測問題研究[D]．蘭州：蘭州理工大學，2011．

[5] 陳從平，王 健，鄒 雷．一種有效的低對比度水下圖像增強算法[J]．激光與紅外，2012，42(5)：567-571．

[6] 陳從平，秦 武，方子帆.基于LDC的圖像過渡區(qū)提取與分割[J]．激光與紅外，2011，41(9)：1023-1026．

[7] Chen Congping， Wang Jian， Zou Lei． A Novel Crack Detection Algorithm of Underwater Dam Image[J]． International Conference on Systems and Informatics (ICSAI), 2012：1825-1828．

[責任編輯 王康平]

Design of Underwater Dam Surface Crack Detection System Based on Visual Robot

Chen Congping Nie Wei Wu Zhe Li Linbo

(College of Mechanical & Power Engineering, China Three Gorges Univ., Yichang 443002, China)

Aiming at the problem of dam quality safety detection，an underwater dam surface crack detection system based on visual robot is designed and developed; mainly focused on its scheme design, including its hardware, software, and signal transmission method. And then the algorithm for cracks automatic detection is developed and verified experimentally. The results show that the different types of underwater dam surface cracks all can be detected with the method presented in this paper. Therefore, it can give some technical guidance for the underwater dam surface cracks inspection and improve the dam safety factor.

underwater dam; crack detection; system design; visual robot

10.13393/j.cnki.issn.1672-948X.2016.05.014

2016-05-20

中國水利水電科學研究院開放基金項目(IWHRKF201010)

陳從平(1976-)，男，教授，博士，研究方向為機器視覺，自動過程控制．E-mail：mechencp@163.com

TV543.+6

A

1672-948X(2016)05-0072-03