基于多傳感器的隧道異常自動巡檢系統的設計

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，從而提高線路技術標準。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]，嚴重威脅了隧道的安全；而裂縫會降低鋼筋混凝土結構的承載能力，甚至導致襯砌失穩和突然坍塌，威脅到隧道結構的運營安全。因此，通過傳感器實時自動地檢測隧道內滲漏水及裂紋的存在，進而能夠及時準確的實施防護措施對整個隧道工程有著至關重要的作用。

目前，國內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值，該方法檢測精度高，需要大量的人力和時間。基于圖像處理[5-6]的裂縫檢測方法能夠彌補傳統檢測方法的不足，高效準確地獲取裂縫數據并節約人工成本，是一種理想的裂縫自動檢測技術，該方法圖像數據獲取困難，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)相機采集圖像數據，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+區域漏水噪聲監測系統，從聲學原理角度分析了滲漏水聲波的產生、傳播途徑、特點，實現對供水管網實現漏水監測的目的。吳鵬程[9]提出一種基于MCU的智能防漏水系統方案，該檢測電路采用適當的電極型水傳感器，根據電極浸水阻值變化原理，通過電壓檢測確定傳感器的狀態，該方案能有效處理家居中漏水問題，不適用于開放性場景。同濟大學劉學增等[10]以隧道襯砌滲漏水面積為檢測目標，研究出包括去噪、銳化、分割、修正的一整套數字圖像處理算法，并開發了隧道襯砌表面病害數字圖像識別系統，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，檢測需要做大量準備工作，傳感器覆蓋區域小，導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，將工業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備中，并設計了一種多鄰域生長動態異常區域識別算法，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，設計了一種基于相機標定的圖像拼接算法獲取隧道全部視場。經實驗驗證，該系統能夠實時、準確地對隧道環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的設計

傳感器(sensor)能夠通過將感受到的信息轉變成電信號或者其他形式的信號，將其轉換得到所需的能夠進行處理的信息。與機器結合相當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定的目標，具有高效和準確等優點。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，可增加其感官獲取隧道中更多的信息，從而進行更加準確充分的識別和處理。

整個隧道異常檢測系統如圖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備內，使用低功耗嵌入式中央處理器對傳感器采集到的數據進行處理，再通過一套完整的網絡系統進行信息和數據的傳輸。該系統是一個完整的系統，采用了標準的三層網絡架構：① 數據采集傳感器與嵌入式系統的數據采集傳輸層；② 設備內的各模塊經過內置4G路由器進行相互通信；③ 主控室通過快速以太網建立服務器、客戶端和移動設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部設備，而且是襯砌損裂[15]的主要原因。隧道環境復雜，頂壁和側壁經常會發生滲漏水等隧道病害，越早發現則可以越早的防止危害進一步擴大，能夠大大降低養護費用和維護成本。

通過安裝在運動巡檢設備中的紅外熱成像傳感器，實時采集隧道內現場的紅外數據，設備在固定于隧道墻面頂端的軌道上來回巡檢，經過中央處理器的分析處理，及時對隧道內有無滲漏水情況進行監測。若發現滲漏水情況則通過網絡系統發送異常信號至PC客戶端，主控室的操作員則可通過中央計算機系統發現有滲漏水情況。與此同時，高清相機采集現場圖像并通過圖像拼接來將超高分辨率的現場圖像傳至云服務器，主控室工作人員根據從云服務器上下載的高清圖像來確認是否有滲漏水。

圖1 隧道異常檢測系統結構圖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為發射體的絕對溫度；I(v,T)為黑體發射單位時間內的能量。

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

(2)

式中：ε為發射常數；σ為Stefan常數；T為發射體溫度；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

運動巡檢設備在隧道往返運動的過程中，熱成像模塊持續采集偽彩圖，提出了一種基于多鄰域生長動態算法進行滲漏水檢測，該算法在中央處理器執行，對采集到的熱成像偽彩圖數據進行分析處理，持續得出檢測結果。算法流程圖如圖2所示，先將采集到的紅外圖像進行轉灰度圖，并二值化處理，之后建立灰度閾值塊，閾值塊的大小根據取得的數據設定，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。若此異常區域的鄰域異常數值達到預設參數值，則判定為該處有滲露水現象，發出指令進行滲漏水報警；若未達到預設的參數值繼續進行滑動，直至到圖像的最末行末列，即整幅圖像檢測完畢，未發現異常區域，則繼續取下一張圖并檢測。

圖2 多鄰域生長動態算法流程圖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現是隧道維護的一個關鍵點，較深的裂痕可能對隧道的安全造成重大的影響。現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現與排查，留有隱患。墻體裂痕的早期發現有利于隧道的安全，對此，如何早期便可以發現墻體裂痕并及時修整，防患于未然，是隧道維護方面應注意的問題。

傳統視覺檢測系統由于視場角限制，一次只能獲取周圍環境部分的視場信息，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信息。或是采用全景相機、魚眼鏡頭等設備，它們通過鏡面反射或光學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。而該系統采用高分辨率的工業相機進行取圖，利用圖像拼接技術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。通過基于相機標定的方法能夠準確快速完成隧道無特征點環境的圖像拼接，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，為后續的圖像處理，信息歸類提供了有利的條件，其技術優勢十分明顯。

3.1 基于相機標定的圖像拼接算法

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。此項技術在該系統中起到2個作用：① 滲漏水檢測系統發出異常信息后，操作員能夠通過圖像拼接的高清圖像準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確度，能夠檢測到整個隧道的狀態。

現有的圖像拼接技術都是基于頻域、基于灰度和基于特征點的經典的全景圖拼接方法。頻域相關匹配方法將圖像在空間域中的匹配轉換成頻率域的匹配，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系時有較好的效果，但當存在旋轉變換時，則需要大量反復的空域和頻域轉換，較大的計算量影響到了配準的效率。基于灰度的方法利用圖像的灰度信息進行配準。該方法雖然易于實現，但也存在計算量大，效率低的問題。基于圖像的特征進行拼接，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，這導致了配準效率的下降。

無論采用什么方法，圖像拼接過程一般都由預處理、圖像配準、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這部分需要大量的計算，導致效率低。因此，采用基于相機標定的方法(見圖3)，事先標定好相機獲取的圖像間的旋轉平移參數，在圖像拼接過程直接利用這些參數進行拼接融合，可節省大量時間，極大地了提高拼接效率。

圖3 基于相機標定的圖像拼接過程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處理：① 對圖像進行灰度化及降低分辨率處理。② 用加權鄰域平均法[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 實驗結果與分析

為了測試該系統的可行性，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、三縱、五橫”城市快速路網系統中“一橫”德勝路至文一路的重要組成部分，且車流量較大，隧道內日常人工巡檢帶來了人員安全風險和影響路網通行能力的困擾。通過在杭州文一路隧道應用該套基于多傳感器的隧道自動巡檢系統，可以實現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抹水創造有滲漏水的實驗環境來驗證多鄰域生長動態算法；設計了一套轉臺機械結構來采集待拼接的圖像序列，在中央處理器執行圖像拼接，采用的基于霍夫變換的OSTU改進算法文[16]已經得到充分的驗證。

圖4 杭州文一路隧道應用場景實物圖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 運動巡檢設備Fig.6 The moving inspection equipment

4.1 熱成像檢測結果

系統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，通過千兆網口與中央處理器相接實現采圖，實時采到的白熱偽彩圖識別檢測結構如圖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)的區域滲水的程度較深，與之對應的就是長時間滲漏水的實際情況。如圖7(b)～(f)所示，檢測到滲漏水的區域用白框框選出來，而相對灰度值不高的區域根據閾值大小將其視為正常區域。

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域，該閾值為區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)和鄰近異常區域數量(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 熱成像檢測結果比較分析Tab.1 Comparison and analysis of thermal imaging test results

通過分析上表中的數據，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域數量>8則判定為該區域異常，通過網絡系統完成滲漏水報警。并發送圖像拼接命令將現場高清圖像傳至云臺，等待操作人員確認是否為滲漏水。該模塊現場檢測效果如圖8所示，該圖為系統的巡檢結果與現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 圖像拼接結果Fig.10 The image mosaic results

4.2 圖像拼接結果

為能夠拍攝到隧道中全部視場，設計了一個轉動的機械機構及一套工業相機調焦機構，采集隧道中的圖像進行拼接。系統接收到拼接指令后，控制轉臺舵機先轉至第一個位置，調焦舵機轉至對應位置，之后觸發相機SDK進行采圖。并設定一個采圖的數量，如果未達到指定值則重復上一過程，反之則表示完成采圖，進行圖像拼接。該機械結構三維圖如圖9所示，整個高清相機模塊(見圖6)同樣安裝在運動巡檢設備中。

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

利用標定板對旋轉的單相機進行標定，通過相機標定得到相機每個位置相機變換參數，再利用標定得到的參數完成圖像拼接，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參數如表2所示。

表2 圖像拼接過程相關參數Tab.2 The parameters of image mosaic process

由于隧道環境特征點少，而傳統圖像拼接基于特征點查找匹配，本文采用相機標定得到全景圖拼接所需的參數完成拼接過程中圖像配準這一步驟，可實現無特征點圖像拼接，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 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。將紅外熱成像設備和工業相機模塊化安裝于運動巡檢設備中，分別對滲漏水和裂紋進行實時檢測，該系統在一套完整的網絡架構下進行通信和數據傳輸。實驗結果表明，本文提出的系統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確快速檢測到溫度異常的區域，且設計出的基于相機標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、成像質量好。該系統所采用的改進的OSTU裂紋檢測算法效果良好、穩定，抗干擾能力強。