秦守鵬

中國鐵路設(shè)計集團(tuán)有限公司， 天津 300308

截至2022年12月31日，中國內(nèi)地累計有45個城市開通城市軌道交通，運(yùn)營線路里程達(dá)到10 287.45 km，其中地鐵占比77.84%［1］。根據(jù)在建線路以及規(guī)劃獲批線路的情況，未來五年城市軌道交通將持續(xù)保持大規(guī)模建設(shè)。隨著大量地鐵隧道的建設(shè)與投入運(yùn)營，檢測與維護(hù)需求非常大，受混凝土老化、膨脹收縮、受力變形等因素影響，地鐵隧道表面會出現(xiàn)裂紋、滲水等病害。如果對病害不及時預(yù)警和處理，隧道結(jié)構(gòu)健康狀況會持續(xù)惡化，因此周期性地對隧道進(jìn)行全面檢測，對隧道維護(hù)和事故預(yù)防具有重要作用。

目前，地鐵隧道巡檢主要依靠人工，巡檢人員在天窗內(nèi)沿隧道行走，尋找裂紋或滲水病害，并人工記錄相關(guān)數(shù)據(jù)。人工檢測難以保證檢測結(jié)果的完整性與準(zhǔn)確性，并且檢測效率低，已無法滿足越來越高的地鐵隧道檢測需求。

隨著計算機(jī)視覺技術(shù)的發(fā)展，采用移動平臺搭載或集成工業(yè)相機(jī)，可以快速獲取隧道內(nèi)表面圖像，通過對圖像進(jìn)行分析和處理，能實現(xiàn)隧道裂紋與滲水的高精度、高效率檢測。

近年來，基于圖像采集與處理技術(shù)進(jìn)行隧道病害檢測的研究已經(jīng)非常多。本文通過梳理國內(nèi)外已有研究成果，提出新的地鐵隧道表觀病害檢測系統(tǒng)，并對其軟硬件功能實現(xiàn)方法予以闡述。

1 研究現(xiàn)狀

國外相關(guān)研究開展得較早，Ukai［2］研制了基于數(shù)碼相機(jī)的隧道表面檢測設(shè)備，檢測速度10 ~ 30 km/h，檢測精度約0.8 mm，并提出了檢測設(shè)備與檢測車集成的想法。Yu等［3］研制了針對混凝土裂縫的移動式檢測系統(tǒng)，最高檢測速度5 km/h，檢測精度0.3 mm。該系統(tǒng)包括視覺系統(tǒng)、機(jī)械系統(tǒng)以及數(shù)字存儲系統(tǒng)，采用編碼器解決了相機(jī)掃描速度與檢測設(shè)備行進(jìn)速度不同步的問題。

西班牙Euroconsult公司研發(fā)了一套基于3D相機(jī)的隧道檢測設(shè)備，將設(shè)備固定于軌道車上，可同時采集隧道2D圖像和斷面，最高檢測速度30 km/h，圖像分辨率為1 mm。瑞士Terra公司研發(fā)的隧道檢測設(shè)備tCrack，檢測速度2.5 km/h，檢測精度0.3 mm，需安裝在軌道車上通過軌道車供電。法國SITES公司研發(fā)的ScanTubes隧道檢測系統(tǒng)適用于洞徑25 m以下的隧道，可搭載于各類檢測平臺上，獲取隧道表面圖像和3D模型，實現(xiàn)表面病害檢測和斷面測量，最高檢測速度5 km/h，檢測精度：0.05 mm（距離2 m ），0.20 mm（距離6 m ），0.40 mm（距離10 m）。日本KURABO株式會社研發(fā)的TM‐270隧道檢測設(shè)備，集成多個線陣相機(jī)，能檢測多種類型隧道，最高檢測速度20 km/h，檢測精度1 mm。

國內(nèi)在這方面的研究起步相對較晚，近年來也做了很多工作。王華夏等［4］采用12K高分辨率線陣相機(jī)設(shè)計了一套隧道圖像采集系統(tǒng)，最高檢測速度13 km/h，檢測精度0.2 mm。黃宏偉等［5］研制的隧道檢測車集成CCD線陣相機(jī)、紅外相機(jī)、探地雷達(dá)等，最高檢測速度5 km/h，檢測精度0.2 mm。王耀東等［6-7］采用3個線陣相機(jī)和2個波長808 nm的紅外光源，設(shè)計了一套可旋轉(zhuǎn)調(diào)節(jié)的隧道圖像采集系統(tǒng)，最高檢測速度20 km/h，并研發(fā)了基于樣本標(biāo)注的隧道裂紋智能提取算法。毛慶洲等［8］融合三維激光點(diǎn)云與高清影像，研制了隧道結(jié)構(gòu)一體化檢測裝備，檢測精度0.3 mm。李健超等［9］研制的隧道檢測系統(tǒng)，以軌道車為搭載平臺，最高檢測速度可達(dá)到80 km/h，檢測精度1 mm，可滿足高速、普速鐵路的單雙線隧道檢測需求。

2 技術(shù)方案

受限于搭載平臺與硬件水平，已有的檢測系統(tǒng)存在體積和重量大、檢測速度與精度無法兼顧的問題，實際應(yīng)用效果并不理想。課題組將線陣工業(yè)相機(jī)和智能運(yùn)動平臺集成，研制了一款易于上線、輕量化、高精度的地鐵隧道表觀病害檢測系統(tǒng)。智能運(yùn)動平臺采用四輪兩驅(qū)動方式，通過多傳感器融合與軟件糾正，獲得高精度的里程定位信息。在運(yùn)動平臺上搭載視覺檢測模塊，基于運(yùn)動平臺的運(yùn)行與控制信息，對視覺檢測模塊進(jìn)行精準(zhǔn)的數(shù)據(jù)采集控制。

外業(yè)數(shù)據(jù)采集軟件和作業(yè)管理系統(tǒng)采用人機(jī)交互的方式，操作人員可以通過無線網(wǎng)絡(luò)設(shè)置參數(shù)和管理作業(yè)，一鍵完成全自動數(shù)據(jù)采集。

內(nèi)業(yè)數(shù)據(jù)處理軟件包括全自動的數(shù)據(jù)預(yù)處理模塊與半自動病害提取模塊。數(shù)據(jù)采集完成后，從運(yùn)動平臺的工控機(jī)中導(dǎo)出完整的工程文件，通過數(shù)據(jù)處理軟件的預(yù)處理模塊一鍵完成預(yù)處理，然后軟件自動分級顯示拼接后的圖像，通過人工交互半自動提取滲水、裂紋等表面病害，最終輸出檢測報告，從硬件集成到軟件研發(fā)，從數(shù)據(jù)采集到數(shù)據(jù)處理，形成了一套完整的隧道檢測方案。

3 系統(tǒng)硬件

檢測系統(tǒng)采用模塊化設(shè)計，由便攜式電腦操控，工作溫度在-10 ~ 45 ℃，可連續(xù)4 h自動運(yùn)行。通信方式采用無線局域網(wǎng)，整體質(zhì)量小于60 kg。該系統(tǒng)可對隧道壁表面與軌道表面全覆蓋檢測，最高檢測速度5 km/h，檢測精度為0.2 mm，里程定位精度為1/2 000。系統(tǒng)硬件由拱頂檢測模塊、軌道面檢測模塊和智能運(yùn)動平臺組成。整套系統(tǒng)的組成見圖1。

圖1 整套系統(tǒng)組成

1）拱頂檢測模塊

由于地鐵隧道大多為單線圓形盾構(gòu)隧道，若采用常規(guī)的陣列式相機(jī)采集圖像，至少需要6個相機(jī)和光源，無法實現(xiàn)輕量化。采用單相機(jī)旋轉(zhuǎn)掃描，將線陣相機(jī)和光源安裝在一個旋轉(zhuǎn)平臺上，通過以太網(wǎng)和交換機(jī)，將相機(jī)接入工控機(jī)，由工控機(jī)中的采集軟件采集圖像。線陣相機(jī)需接收編碼器輸出的脈沖信號，用來觸發(fā)線陣相機(jī)均勻拍照，同時還需接收Stm32控制板的信號。Stm32控制板接收編碼器信號，并推算編碼器當(dāng)前的旋轉(zhuǎn)角度，給線陣相機(jī)輸出是否拍照的信號。線陣相機(jī)旋轉(zhuǎn)采集數(shù)據(jù)流程如圖2所示。

圖2 線陣相機(jī)旋轉(zhuǎn)采集數(shù)據(jù)流程

拱頂檢測模塊采用兩根高強(qiáng)度碳纖維管作為支架，支架一端通過固定座與小車主體連接，連接部分按易拆卸設(shè)計；另一端與線陣相機(jī)底座板固定連接。在底座板上安裝導(dǎo)電滑環(huán)、驅(qū)動電機(jī)、工業(yè)相機(jī)、照明光源等，其中照明光源采用LED（Light Emitting Diode）光源。

2）軌道面檢測模塊

兩個軌道面檢測模塊分別固定在小車主體兩側(cè)，采集左右軌道面數(shù)據(jù)。軌道面檢測模塊采用一根碳纖維管作為支架，支架一端與小車主體連接，連接部分按易拆卸設(shè)計；另一端與相機(jī)底座板固定連接。

3）智能運(yùn)動平臺

智能運(yùn)動平臺包括小車主體、走行機(jī)構(gòu)、工控機(jī)等。小車主體由兩個電氣控制倉和兩根碳纖維連接桿組成。電氣控制倉內(nèi)主要安裝電池、變電器、工控機(jī)、電機(jī)驅(qū)動模塊、無線通信模塊等。兩個行走機(jī)構(gòu)分別固定在小車主體的兩側(cè)，包括兩個主動輪、兩個從動輪、與小車主體連接的固定座、車輪編碼計、剎車器、驅(qū)動器、限位軸承等。工控機(jī)采用Linux系統(tǒng)，將采集控制軟件部署在工控機(jī)上，操作人員用便攜式電腦，通過無線局域網(wǎng)連接工控機(jī)，可設(shè)置任務(wù)參數(shù)，實現(xiàn)數(shù)據(jù)自動采集。采集的數(shù)據(jù)保存在大容量、高速存儲硬盤上。

4 系統(tǒng)軟件

4.1 外業(yè)數(shù)據(jù)采集軟件

外業(yè)數(shù)據(jù)采集軟件是一個分布式的軟件系統(tǒng)，主要包括運(yùn)動控制模塊、數(shù)據(jù)采集控制模塊、數(shù)據(jù)存儲管理模塊、信息交互模塊等。各模塊獨(dú)立運(yùn)行，通過第三方組件ActiveMQ消息中心進(jìn)行通信交互，通過定制化的數(shù)據(jù)接口進(jìn)行數(shù)據(jù)交互，實現(xiàn)位置服務(wù)、環(huán)境監(jiān)控、狀態(tài)監(jiān)控、數(shù)據(jù)采集控制等。采用MySQL數(shù)據(jù)庫存儲工程作業(yè)信息、文件索引等，采集的圖像文件存儲在Linux文件系統(tǒng)中。

4.2 內(nèi)業(yè)數(shù)據(jù)處理軟件

4.2.1 數(shù)據(jù)預(yù)處理模塊

數(shù)據(jù)預(yù)處理流程如圖3所示。

圖3 數(shù)據(jù)預(yù)處理流程

數(shù)據(jù)預(yù)處理模塊主要包括以下功能：

1）數(shù)據(jù)加載與校驗

從工控機(jī)內(nèi)導(dǎo)出完整的工程文件，加載數(shù)據(jù)記錄文件（.xml格式）和原始圖像數(shù)據(jù)，校驗工程文件數(shù)據(jù)的完整性。

2）圖像光照處理

針對隧道內(nèi)較暗的情況，采用直方圖均衡化算法對圖像進(jìn)行增強(qiáng)處理。圖像處理前后對比見圖4。

圖4 圖像處理前后對比

3）圖像糾正

線陣相機(jī)旋轉(zhuǎn)采集的拱頂圖像存在畸變，需要通過仿射變換糾正。圖像糾正前后對比見圖5。

圖5 圖像糾正前后對比

4）圖像匹配與拼接

對于軌道面圖像，采用加速穩(wěn)健特征（speeded up robust features，SURF）算法［10］對左右兩幅進(jìn)行匹配，修正兩幅圖像的相對位置。

對于拱頂圖像，首先對每張圖像進(jìn)行糾正，然后利用工控機(jī)記錄相機(jī)觸發(fā)時間，對圖像的位置信息進(jìn)行校核，再根據(jù)xml文件記錄的角度信息，篩選出每環(huán)的圖像（相機(jī)旋轉(zhuǎn)一圈采集的幾張圖像合并為一環(huán)圖像），采用SURF算法進(jìn)行相鄰環(huán)圖像的匹配。根據(jù)匹配結(jié)果進(jìn)行圖像拼接，獲得完整的隧道展開圖。最后，對原始圖像進(jìn)行分級瓦片切分，生成分級瓦片圖。隧道拱頂圖像拼接效果見圖6。

圖6 拱頂圖像拼接效果

由于特征匹配對數(shù)據(jù)很敏感，需要對匹配算法進(jìn)行優(yōu)化。具體方法是：通過計算H矩陣，采用隨機(jī)采樣一致性（random sample consensus，RANSAC）算法做粗差剔除，結(jié)合理論誤差剔除誤匹配點(diǎn)。通過構(gòu)造損失函數(shù)，以梯度下降的方式優(yōu)化匹配損失，獲得相鄰圖像的最佳相對位置關(guān)系。

4.2.2 病害提取模塊

采用加速區(qū)域生成卷積神經(jīng)網(wǎng)絡(luò)（faster region proposal convolutional neural network，F(xiàn)aster R‐CNN）算法［11］對病害進(jìn)行自動識別。由于樣本數(shù)量較少，識別準(zhǔn)確率較低。將數(shù)據(jù)擴(kuò)充后再進(jìn)行模型訓(xùn)練，識別準(zhǔn)確率仍不能滿足工程應(yīng)用需求，原因是隧道圖像的背景太復(fù)雜。因此，采用人工輔助的半自動方式進(jìn)行病害提取，即人工標(biāo)記病害區(qū)域，指定病害類型，再利用訓(xùn)練模型進(jìn)行自動識別。

5 工程應(yīng)用

采用地鐵隧道表觀病害檢測系統(tǒng)對國內(nèi)一地鐵200 m盾構(gòu)區(qū)間隧道表觀病害進(jìn)行檢測，檢測速度2.5 km/h。檢測現(xiàn)場如圖7所示。

圖7 隧道表觀病害檢測現(xiàn)場

對檢測數(shù)據(jù)進(jìn)行分析處理，共發(fā)現(xiàn)31處結(jié)構(gòu)病害。其中：滲水24處，占比77.42%；混凝土裂紋6處，占比19.35%；混凝土破損1處，占比3.23%。病害圖像如圖8所示。

圖8 病害圖像示例

對該盾構(gòu)區(qū)間隧道病害檢測成果進(jìn)行人工巡檢復(fù)核，系統(tǒng)檢測結(jié)果與人工巡檢結(jié)果基本一致。采用裂紋卡人工比對系統(tǒng)采集的照片和隧道內(nèi)的實物，得出系統(tǒng)檢測精度可達(dá)到0.2 mm。與人工巡檢相比，系統(tǒng)檢測精度與效率更高，還能提供病害的長度、寬度、面積、位置等信息。

6 結(jié)語

本文介紹了一種地鐵隧道表觀病害檢測系統(tǒng)。在硬件方面，集成線陣相機(jī)和智能運(yùn)動平臺。在軟件方面，采用圖像處理、圖像匹配、圖像深度學(xué)習(xí)等算法研發(fā)了相應(yīng)的數(shù)據(jù)處理軟件。整套系統(tǒng)實現(xiàn)了地鐵隧道表面圖像的全自動、全覆蓋采集，以及全自動的數(shù)據(jù)預(yù)處理和半自動的病害提取。采用單個線陣相機(jī)旋轉(zhuǎn)采集隧道壁表觀圖像，系統(tǒng)質(zhì)量在60 kg以下，便于檢測人員上線作業(yè)。

系統(tǒng)軟硬件均采用模塊化設(shè)計，便于后續(xù)升級。下一步將持續(xù)積累數(shù)據(jù)，優(yōu)化算法，提高病害自動識別的準(zhǔn)確率。