一种基于轨道机器人的隧道检测方法、设备及介质与流程

1.本技术涉及图像数据处理技术领域，具体涉及一种基于轨道机器人的隧道检测方法、设备及介质。


背景技术：

2.目前，国内对隧道施工阶段检测技术已比较成熟，但是对隧道运营期间的检测重视程度远远不够。随着隧道运营时间的不断增长以及外界环境因素的作用，隧道会产生一定的损耗，甚至有可能影响隧道的整体安全性。因此，对隧道进行检测具有重要意义，目前隧道检测使用的检测设备功能单一，不便于对检测设备进行调节，且检测范围较为固定，存在检测范围小且检测结果精确度低的状况，耗费大量的人力物力且工作效率低。


技术实现要素：

3.为了解决上述问题，本技术提出了一种基于轨道机器人的隧道检测方法，包括：确定设于隧道内壁的轨道机器人对应的多个检测节点，通过所述轨道机器人上设置的激光雷达设备，采集所述多个检测节点分别对应的道壁点云数据；针对每个检测节点，将所述检测节点对应的道壁点云数据重构为隧道曲面，并获取所述检测节点对应的标准隧道曲面；其中，所述标准隧道曲面为所述隧道未发生形变时的隧道曲面；根据所述隧道曲面和所述标准隧道曲面，确定所述检测节点是否发生形变；在所述检测节点发生形变的情况下，确定所述检测节点对应的形变度以及形变位置，并通过所述轨道机器人上设置的图像采集设备，采集所述形变位置的道壁状态图像；对所述道壁状态图像进行灰度处理，根据灰度处理后的道壁状态图像中各像元点的灰度值，确定所述道壁状态图像中的背景区和待识别区域；对所述待识别区域进行像元识别，以确定所述隧道是否存在相应的裂缝区域，若所述形变度大于预设值或存在所述裂缝区域，对所述隧道进行预警。
4.在本技术的一种实现方式中，对所述待识别区域进行像元识别，以确定所述隧道是否存在相应的裂缝区域，具体包括：确定所述待识别区域中的多个像元点，针对每个像元点，确定由所述像元点以及所述像元点对应的对角像元点所组成的邻接像元区；确定所述邻接像元区中各像元点的邻接像元点以及所述邻接像元点对应像元值之间的像元标准差和像元平均值；根据所述像元标准差和所述像元平均值，确定所述隧道是否存在相应的裂缝区域。
5.在本技术的一种实现方式中，根据所述像元标准差和所述像元平均值，确定所述隧道是否存在相应的裂缝区域，具体包括：根据所述像元标准差和所述像元平均值之间的比值，确定所述像元点对应的变差
系数；将每个像元点对应的变差系数与预设系数进行对比，若所述变差系数大于所述预设系数，则提取所述像元点作为裂缝区域的特征像元点；确定所述特征像元点构成的像元点集合所在区域，将所述区域作为所述隧道的裂缝区域。
6.在本技术的一种实现方式中，根据所述隧道曲面和所述标准隧道曲面，确定所述检测节点是否发生形变，具体包括：从所述道壁点云数据中提取各特征点对应的三维坐标，根据所述三维坐标，确定所述特征点在所述标准隧道曲面上对应的平面投影点，并根据所述平面投影点，确定所述标准隧道曲面中与所述特征点相对应的标准特征点；确定所述标准特征点对应的标准三维坐标，将所述三维坐标和所述标准三维坐标进行对比，以确定所述检测节点是否发生形变。
7.在本技术的一种实现方式中，根据所述三维坐标，确定所述特征点在所述标准隧道曲面上对应的平面投影点，并根据所述平面投影点，确定所述标准隧道曲面中与所述特征点相对应的标准特征点，具体包括：确定所述特征点到所述标准隧道曲面中全部点的三维平面距离，根据所述三维平面距离，从所述全部点中，筛选出不同坐标维度平面中与所述特征点距离最近的点作为所述特征点的平面投影点；确定所述平面投影点的质心，并将所述质心作为所述特征点对应的标准特征点。
8.在本技术的一种实现方式中，将所述三维坐标和所述标准三维坐标进行对比，以确定所述检测节点是否发生形变，具体包括：将所述三维坐标和所述标准三维坐标进行对比，以确定所述三维坐标和所述标准三维坐标在不同坐标维度平面中是否存在坐标偏移；若存在，则确定所述检测节点发生形变，并确定所述三维坐标和所述标准三维坐标之间的坐标偏移值；在所述检测节点发生形变的情况下，确定所述检测节点对应的形变度以及形变位置，具体包括：根据所述检测节点中存在坐标偏移的特征点对应的三维坐标，确定所述检测节点对应的形变位置；根据所述坐标偏移值与预设形变度之间的映射关系，确定所述检测节点对应的形变度。
9.在本技术的一种实现方式中，根据所述坐标偏移值与预设形变度之间的映射关系，确定所述检测节点对应的形变度之前，所述方法还包括：对所述隧道进行区域划分，得到对应的多个隧道关键区域，并确定所述形变位置所属的指定隧道关键区域；根据所述指定隧道关键区域所在的区域类型，确定所述指定隧道关键区域对应的区域形变影响度，并根据所述区域形变影响度，确定所述形变度对应的第一修正系数；其中，所述区域形变影响度表示不同区域发生形变时对于隧道整体结构稳定性所能产生的影响程度，所述区域类型至少包括以下任意一项或多项：拱顶、拱脚、侧墙。
10.在本技术的一种实现方式中，根据所述坐标偏移值与预设形变度之间的映射关系，确定所述检测节点对应的形变度，具体包括：确定所述坐标偏移值所对应的坐标维度，并获取所述坐标维度下坐标偏移值与预设形变度之间的映射关系；根据所述坐标偏移值与预设形变度之间的映射关系，确定所述检测节点在至少一个坐标维度上对应的初始形变度；根据所述指定隧道关键区域所在的区域类型，确定所述指定隧道关键区域中不同坐标维度平面坐标对于所述隧道所能产生的维度形变影响度，并根据所述维度形变影响度，确定所述形变度对应的第二修正系数；其中，所述维度形变影响度表示不同维度发生形变时对于隧道整体结构稳定所能产生的影响程度；通过所述第二修正系数，对不同坐标维度中发生坐标偏移的特征点对应的初始形变度进行加权求和，得到对应的加权求和结果；将所述加权求和结果与所述第一修正系数进行乘积运算，以得到所述检测节点对应的形变度。
11.本技术实施例提供了一种基于轨道机器人的隧道检测设备，其特征在于，所述设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的一种基于轨道机器人的隧道检测方法。
12.本技术实施例提供了一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：如上所述的一种基于轨道机器人的隧道检测方法。
13.通过本技术提出的一种基于轨道机器人的隧道检测方法能够带来如下有益效果：轨道机器人按照巡检路线可自动完成隧道状态数据的采集，检测范围较为广泛。通过轨道机器人上搭载的传感采集设备，对隧道是否发生形变进行检测，并在确定出形变后，对形变位置是否出现裂缝进行进一步确认，在有效提高了检测精度的同时，还能够及时对裂缝区域和形变度较大的形变位置进行预警，保证了隧道的运行安全。
附图说明
14.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：图1为本技术实施例提供的一种基于轨道机器人的隧道检测方法的流程示意图；图2为本技术实施例提供的一种基于轨道机器人的隧道检测设备的结构示意图。
具体实施方式
15.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一
部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
16.以下结合附图，详细说明本技术各实施例提供的技术方案。
17.如图1所示，本技术实施例提供的一种基于轨道机器人的隧道检测方法，包括：101：确定设于隧道内壁的轨道机器人对应的多个检测节点，通过轨道机器人上设置的激光雷达设备，采集多个检测节点分别对应的道壁点云数据。
18.隧道搭载有智慧巡检系统，检测人员可通过物联网技术和传感器，实时监测隧道内部状态，自动识别病害并进行定位，提高巡检效率和管理水平。隧道内壁设有环形轨道，轨道机器人能够在轨道长度内自由活动，通过机械臂和摄像头等传感器设备对隧道进行巡视和安全监测，实现对隧道的实时监控和调度。轨道上预先设置有多个检测节点，当轨道机器人在轨道上运动时，每到达一个检测节点后，轨道机器人可通过激光雷达设备，采集该检测节点覆盖范围内的道壁点云数据，以便后续根据采集到的道壁点云数据实现对检测节点范围内的隧道形变程度的识别。
19.102：针对每个检测节点，将检测节点对应的道壁点云数据重构为隧道曲面，并获取检测节点对应的标准隧道曲面；其中，标准隧道曲面为隧道未发生形变时的隧道曲面。
20.隧道形变是长期演变的过程，通过简单的图像识别无法确定当前隧道是否发生了形变，本技术实施例利用三维分散点云估计点的坐标是否偏移来确定当前隧道是否发生了形变，在采集到道壁点云数据后，将每个检测节点的道壁点云数据重构为三维的隧道曲面，进而在三维平面的角度上对隧道形变进行检测。而若要实现三维点云的检测，还需要获取隧道未发生形变时的标准隧道曲面，标准隧道曲面可通过隧道未发生形变时所采集的道壁点云数据重构而成。
21.103：根据隧道曲面和标准隧道曲面，确定检测节点是否发生形变。
22.在得到重构后的隧道曲面以及标准隧道曲面后，可据此确定对应的检测节点所在隧道是否发生了形变。
23.具体地，检验形变实质上就是对比同一点在隧道曲面和标准隧道曲面中的位置是否发生了偏移，如果发生了偏移，则说明隧道发生了一定形变。首先，从道壁点云数据中提取各特征点对应的三维坐标，根据三维坐标，确定特征点在标准隧道曲面上对应的平面投影点，并根据平面投影点，确定标准隧道曲面中与特征点相对应的标准特征点。然后，确定标准特征点对应的标准三维坐标，将三维坐标和标准三维坐标进行对比，以确定检测节点是否发生形变。
24.需要说明的是，平面投影点指的是标准隧道曲面中在不同坐标维度上距离特征点距离最近的点，可确定特征点到标准隧道曲面中全部点的三维平面距离，根据三维平面距离，从标准隧道曲面的全部点中，筛选出不同坐标维度平面中与特征点距离最近的点作为特征点的平面投影点。在得到特征点x、y、z三个不同维度空间上的平面投影点后，确定上述平面投影点的质心，并将质心作为特征点对应的标准特征点。标准特征点便是标准隧道曲面中特征点的对应点。然后，可进一步将特征点的三维坐标和标准特征点的标准三维坐标进行对比，从而确定出三维坐标和标准三维坐标在不同坐标维度平面中是否存在坐标偏移。如果存在，则说明当前检测节点发生形变，此时需确定三维坐标和标准三维坐标之间的坐标偏移值，用以表征隧道发生的形变程度。
25.104：在检测节点发生形变的情况下，确定检测节点对应的形变度以及形变位置，并通过轨道机器人上设置的图像采集设备，采集形变位置的道壁状态图像。
26.待确定检测节点出现形变后，需根据检测节点中存在坐标偏移的特征点对应的三维坐标，确定检测节点对应的形变位置。同时，根据坐标偏移值与预设形变度之间的映射关系，确定检测节点对应的形变度。
27.需要说明的是，处于隧道不同位置的特征点，其对于隧道的形变影响程度是不同的，比如，处于侧墙上的特征点其对于隧道整体结构稳定性的影响较低，但是对于拱顶和侧墙连接处或是拱脚的特征点来说，此位置发生形变能够直接影响隧道稳定性，影响程度相对较高。因此，在确定检测节点的形变度之前，还需对隧道进行区域划分，得到对应的多个隧道关键区域，并确定形变位置所属的指定隧道关键区域。不同隧道关键区域对应的区域类型不同，区域类型至少包括以下任意一项或多项：拱顶、拱脚、侧墙。根据指定隧道关键区域所在的区域类型，可基于隧道建设规定标准，确定指定隧道关键区域对应的区域形变影响度，区域形变影响度表示不同区域发生形变时对于隧道整体结构稳定所能产生的影响程度。在确定出区域形变影响度后，根据预设的映射关系，确定当前区域形变影响度所对应的第一修正系数。
28.不同位置的形变对于隧道所能产生的影响不同，但是由于不同位置所能发生的形变类型也存在不同，因此，对于形变位置来说，其在不同坐标维度上对于隧道产生的影响也是不同的。通常情况下，隧道形变大体可分为：拱顶的沉降变形、偏压引起的拱脚变形和偏压引起的侧墙变形，对于拱顶来说，形变位置如果在x轴和z轴空间方向上均发生了坐标偏移，那么z轴空间方向对于拱顶所产生的形变影响程度是最大的。因此，确定坐标偏移值所对应的坐标维度，并获取所述坐标维度下坐标偏移值与预设形变度之间的映射关系，在根据坐标偏移值与预设形变度之间的映射关系，确定检测节点在至少一个坐标维度上对应的初始形变度后，还需考虑不同坐标维度与形变度之间的关系，对初始形变度进行修正。
29.具体地，根据指定隧道关键区域所在的区域类型，确定指定隧道关键区域中不同坐标维度平面坐标对于所述隧道所能产生的维度形变影响度，并根据维度形变影响度，确定形变度对应的第二修正系数。维度形变影响度表示不同维度发生形变时对于隧道整体结构稳定所能产生的影响程度。通过第二修正系数，对不同坐标维度中发生坐标偏移的特征点对应的初始形变度进行加权求和，得到对应的加权求和结果。将加权求和结果与第一修正系数进行乘积运算，以得到检测节点对应的形变度。
30.由于隧道的形变会直接导致隧道裂缝的产生，因此，为了对隧道进行更为精确的检测，当检测到隧道存在形变位置后，需通过轨道机器人上设置的图像采集设备，采集形变位置的道壁状态图像，进而通过对道壁状态图像的分析处理，确定当前形变位置是否已经存在了裂缝，如果存在裂缝或是形变位置对应的形变度已经较大时，则需要通过轨道机器人将隧道状态反馈至后台的智慧隧道系统，以供检测人员能够及时对隧道进行维护和整修。
31.105：对道壁状态图像进行灰度处理，根据灰度处理后的道壁状态图像中各像元点的灰度值，确定道壁状态图像中的背景区和待识别区域。
32.如果隧道表面存在裂缝，那么裂缝位置与正常隧道表面对应的亮度值便会存在一定区别，相应的灰度值也会存在较大差异，因此，可通过不同像素点的灰度值从运行图像中
筛选出目标区域。
33.对采集到的道壁状态图像进行灰度处理，根据灰度处理后的道壁状态图像中各像元点的灰度值，可确定道壁状态图像中的背景区和待识别区域。其中，待识别区域指的是可能存在裂缝的区域，其对应的灰度值大于背景区的灰度值。
34.106：对待识别区域进行像元识别，以确定隧道是否存在相应的裂缝区域，若形变度大于预设值或存在裂缝区域，对隧道进行预警。
35.从道壁状态图像中筛选出待识别区域后，需对裂缝区域进行更为精确的定位，具体可通过对待识别区域进行像元识别，来确定隧道是否存在相应的裂缝区域。
36.裂缝区域的区域边缘处灰度值会发生一定波动，因此，可确定待识别区域中的多个像元点，针对每个像元点，确定由像元点以及像元点对应的对角像元点所组成的邻接像元区。邻接像元区指的是以像元点为中心，像元点四个对角邻接的邻接像元点所构成的区域。确定邻接像元区中各像元点的邻接像元点以及邻接像元点对应像元值之间的像元标准差和像元平均值，根据像元标准差和像元平均值，可确定隧道是否存在相应的裂缝区域。
37.具体地，根据像元标准差和像元平均值之间的比值，确定像元点对应的变差系数。变差系数表示当前邻接区域内像元值的波动程度，变差系数越大，说明此区域内灰度波动程度越大，此区域为裂缝区域的可能性也就越大。在得到变差系数后，将每个像元点对应的变差系数与预设系数进行对比。预设系数为变差系数的最大临界值，若变差系数大于预设系数，则说明当前该像元点邻接区域的灰度波动程度已经超出预设最大值，此时，可确定该像元点属于裂缝区域，需提取该像元点作为裂缝区域的特征像元点。将特征像元点构成的像元点集合所在区域，作为隧道的裂缝区域。
38.在识别出隧道存在裂缝区域后，轨道机器人可与后台智慧隧道系统进行双向通信，进而通知相应工作人员了解隧道现状，并及时进行维护和整修。另外，当隧道形变到一定程度后，也可能会产生裂缝、漏水等问题，此时同样需要安排相应的维护，以避免隧道表面出现更为严重的病变情况。
39.以上为本技术提出的方法实施例。基于同样的思路，本技术的一些实施例还提供了上述方法对应的设备和非易失性计算机存储介质。
40.图2为本技术实施例提供的一种基于轨道机器人的隧道检测设备的结构示意图。如图2所示，包括：至少一个处理器；以及，至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：确定设于隧道内壁的轨道机器人对应的多个检测节点，通过轨道机器人上设置的激光雷达设备，采集多个检测节点分别对应的道壁点云数据；针对每个检测节点，将检测节点对应的道壁点云数据重构为隧道曲面，并获取检测节点对应的标准隧道曲面；其中，标准隧道曲面为隧道未发生形变时的隧道曲面；根据隧道曲面和标准隧道曲面，确定检测节点是否发生形变；在检测节点发生形变的情况下，确定检测节点对应的形变度以及形变位置，并通过轨道机器人上设置的图像采集设备，采集形变位置的道壁状态图像；
对道壁状态图像进行灰度处理，根据灰度处理后的道壁状态图像中各像元点的灰度值，确定道壁状态图像中的背景区和待识别区域；对待识别区域进行像元识别，以确定隧道是否存在相应的裂缝区域，若形变度大于预设值或存在裂缝区域，对隧道进行预警。
41.本技术实施例提供了一种非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：确定设于隧道内壁的轨道机器人对应的多个检测节点，通过轨道机器人上设置的激光雷达设备，采集多个检测节点分别对应的道壁点云数据；针对每个检测节点，将检测节点对应的道壁点云数据重构为隧道曲面，并获取检测节点对应的标准隧道曲面；其中，标准隧道曲面为隧道未发生形变时的隧道曲面；根据隧道曲面和标准隧道曲面，确定检测节点是否发生形变；在检测节点发生形变的情况下，确定检测节点对应的形变度以及形变位置，并通过轨道机器人上设置的图像采集设备，采集形变位置的道壁状态图像；对道壁状态图像进行灰度处理，根据灰度处理后的道壁状态图像中各像元点的灰度值，确定道壁状态图像中的背景区和待识别区域；对待识别区域进行像元识别，以确定隧道是否存在相应的裂缝区域，若形变度大于预设值或存在裂缝区域，对隧道进行预警。
42.本技术中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
43.本技术实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。
44.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd-rom、光学存储器等）上实施的计算机程序产品的形式。
45.本技术是参照根据本技术实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
46.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
47.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
48.在一个典型的配置中，计算设备包括一个或多个处理器 (cpu)、输入/输出接口、网络接口和内存。
49.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (ram) 和/或非易失性内存等形式，如只读存储器 (rom) 或闪存(flash ram)。内存是计算机可读介质的示例。
50.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (pram)、静态随机存取存储器 (sram)、动态随机存取存储器 (dram)、其他类型的随机存取存储器 (ram)、只读存储器 (rom)、电可擦除可编程只读存储器 (eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器 (cd-rom)、数字多功能光盘 (dvd) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
51.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
52.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。

技术特征：
1.一种基于轨道机器人的隧道检测方法，其特征在于，所述方法包括：确定设于隧道内壁的轨道机器人对应的多个检测节点，通过所述轨道机器人上设置的激光雷达设备，采集所述多个检测节点分别对应的道壁点云数据；针对每个检测节点，将所述检测节点对应的道壁点云数据重构为隧道曲面，并获取所述检测节点对应的标准隧道曲面；其中，所述标准隧道曲面为所述隧道未发生形变时的隧道曲面；根据所述隧道曲面和所述标准隧道曲面，确定所述检测节点是否发生形变；在所述检测节点发生形变的情况下，确定所述检测节点对应的形变度以及形变位置，并通过所述轨道机器人上设置的图像采集设备，采集所述形变位置的道壁状态图像；对所述道壁状态图像进行灰度处理，根据灰度处理后的道壁状态图像中各像元点的灰度值，确定所述道壁状态图像中的背景区和待识别区域；对所述待识别区域进行像元识别，以确定所述隧道是否存在相应的裂缝区域，若所述形变度大于预设值或存在所述裂缝区域，对所述隧道进行预警。2.根据权利要求1所述的一种基于轨道机器人的隧道检测方法，其特征在于，对所述待识别区域进行像元识别，以确定所述隧道是否存在相应的裂缝区域，具体包括：确定所述待识别区域中的多个像元点，针对每个像元点，确定由所述像元点以及所述像元点对应的对角像元点所组成的邻接像元区；确定所述邻接像元区中各像元点的邻接像元点以及所述邻接像元点对应像元值之间的像元标准差和像元平均值；根据所述像元标准差和所述像元平均值，确定所述隧道是否存在相应的裂缝区域。3.根据权利要求2所述的一种基于轨道机器人的隧道检测方法，其特征在于，根据所述像元标准差和所述像元平均值，确定所述隧道是否存在相应的裂缝区域，具体包括：根据所述像元标准差和所述像元平均值之间的比值，确定所述像元点对应的变差系数；将每个像元点对应的变差系数与预设系数进行对比，若所述变差系数大于所述预设系数，则提取所述像元点作为裂缝区域的特征像元点；确定所述特征像元点构成的像元点集合所在区域，将所述区域作为所述隧道的裂缝区域。4.根据权利要求1所述的一种基于轨道机器人的隧道检测方法，其特征在于，根据所述隧道曲面和所述标准隧道曲面，确定所述检测节点是否发生形变，具体包括：从所述道壁点云数据中提取各特征点对应的三维坐标，根据所述三维坐标，确定所述特征点在所述标准隧道曲面上对应的平面投影点，并根据所述平面投影点，确定所述标准隧道曲面中与所述特征点相对应的标准特征点；确定所述标准特征点对应的标准三维坐标，将所述三维坐标和所述标准三维坐标进行对比，以确定所述检测节点是否发生形变。5.根据权利要求4所述的一种基于轨道机器人的隧道检测方法，其特征在于，根据所述三维坐标，确定所述特征点在所述标准隧道曲面上对应的平面投影点，并根据所述平面投影点，确定所述标准隧道曲面中与所述特征点相对应的标准特征点，具体包括：确定所述特征点到所述标准隧道曲面中全部点的三维平面距离，根据所述三维平面距
离，从所述全部点中，筛选出不同坐标维度平面中与所述特征点距离最近的点作为所述特征点的平面投影点；确定所述平面投影点的质心，并将所述质心作为所述特征点对应的标准特征点。6.根据权利要求4所述的一种基于轨道机器人的隧道检测方法，其特征在于，将所述三维坐标和所述标准三维坐标进行对比，以确定所述检测节点是否发生形变，具体包括：将所述三维坐标和所述标准三维坐标进行对比，以确定所述三维坐标和所述标准三维坐标在不同坐标维度平面中是否存在坐标偏移；若存在，则确定所述检测节点发生形变，并确定所述三维坐标和所述标准三维坐标之间的坐标偏移值；在所述检测节点发生形变的情况下，确定所述检测节点对应的形变度以及形变位置，具体包括：根据所述检测节点中存在坐标偏移的特征点对应的三维坐标，确定所述检测节点对应的形变位置；根据所述坐标偏移值与预设形变度之间的映射关系，确定所述检测节点对应的形变度。7.根据权利要求6所述的一种基于轨道机器人的隧道检测方法，其特征在于，根据所述坐标偏移值与预设形变度之间的映射关系，确定所述检测节点对应的形变度之前，所述方法还包括：对所述隧道进行区域划分，得到对应的多个隧道关键区域，并确定所述形变位置所属的指定隧道关键区域；根据所述指定隧道关键区域所在的区域类型，确定所述指定隧道关键区域对应的区域形变影响度，并根据所述区域形变影响度，确定所述形变度对应的第一修正系数；其中，所述区域形变影响度表示不同区域发生形变时对于隧道整体结构稳定性所能产生的影响程度，所述区域类型至少包括以下任意一项或多项：拱顶、拱脚、侧墙。8.根据权利要求7所述的一种基于轨道机器人的隧道检测方法，其特征在于，根据所述坐标偏移值与预设形变度之间的映射关系，确定所述检测节点对应的形变度，具体包括：确定所述坐标偏移值所对应的坐标维度，并获取所述坐标维度下坐标偏移值与预设形变度之间的映射关系；根据所述坐标偏移值与预设形变度之间的映射关系，确定所述检测节点在至少一个坐标维度上对应的初始形变度；根据所述指定隧道关键区域所在的区域类型，确定所述指定隧道关键区域中不同坐标维度平面坐标对于所述隧道所能产生的维度形变影响度，并根据所述维度形变影响度，确定所述形变度对应的第二修正系数；其中，所述维度形变影响度表示不同维度发生形变时对于隧道整体结构稳定所能产生的影响程度；通过所述第二修正系数，对不同坐标维度中发生坐标偏移的特征点对应的初始形变度进行加权求和，得到对应的加权求和结果；将所述加权求和结果与所述第一修正系数进行乘积运算，以得到所述检测节点对应的形变度。9.一种基于轨道机器人的隧道检测设备，其特征在于，所述设备包括：
至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-8任一项所述的一种基于轨道机器人的隧道检测方法。10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：如权利要求1-8任一项所述的一种基于轨道机器人的隧道检测方法。

技术总结
本申请公开了一种基于轨道机器人的隧道检测方法、设备及介质，涉及图像数据处理技术领域。方法包括：通过轨道机器人上设置的激光雷达设备，采集多个检测节点分别对应的道壁点云数据；将检测节点对应的道壁点云数据重构为隧道曲面，并获取检测节点对应的标准隧道曲面；根据隧道曲面和标准隧道曲面，确定检测节点是否发生形变；确定检测节点对应的形变度以及形变位置，并采集形变位置的道壁状态图像；对道壁状态图像进行灰度处理，根据灰度处理后的道壁状态图像中各像元点的灰度值，确定道壁状态图像中的背景区和待识别区域；确定隧道是否存在相应的裂缝区域，若形变度大于预设值或存在裂缝区域，对隧道进行预警。对隧道进行预警。对隧道进行预警。


技术研发人员：杨东方 武涛 黑烁 王芳 刘涛
受保护的技术使用者：济南瑞源智能城市开发有限公司
技术研发日：2023.08.24
技术公布日：2023/9/23