[发明专利]一种基于机器视觉自适应的隧道变形监测系统及方法

权利要求书

1.一种基于机器视觉自适应的隧道变形监测系统，其特征在于，包括：机器视觉相机、可调红外补光灯、无源反光靶标、配电网络设备、交流供电线、直流供电线、第一通信线和第二通信线；

所述无源反光靶标的设置数量为多个，均匀固定于被监测的隧道断面；

所述可调红外补光灯的设置数量为三个，分别部署在隧道断面后方的左侧、中间和右侧；

所述机器视觉相机的镜头面向隧道施工开挖方向，固定安装在隧道断面后方；

所述机器视觉相机的控制端，通过所述第二通信线，与各个所述可调红外补光灯的调节端连接；

所述配电网络设备的第一供电端，通过所述交流供电线，与各个所述可调红外补光灯的供电端连接；

所述配电网络设备的第二供电端，通过所述直流供电线，与所述机器视觉相机的供电端连接；

所述配电网络设备的网络接口，通过所述第一通信线，与所述机器视觉相机的网络接口连接。

2.根据权利要求1所述的基于机器视觉自适应的隧道变形监测系统，其特征在于，所述无源反光靶标为无源圆形反光贴，粘贴在隧道断面的预埋金属片上面。

3.根据权利要求1所述的基于机器视觉自适应的隧道变形监测系统，其特征在于，所述第一通信线和所述第二通信线，为485通信线。

4.根据权利要求1所述的基于机器视觉自适应的隧道变形监测系统，其特征在于，所述机器视觉相机内部集成角度和振动检测传感器。

5.一种权利要求1-4任一项所述的基于机器视觉自适应的隧道变形监测系统的方法，其特征在于，包括以下步骤：

步骤1，沿隧道纵深方向，选定n个不同纵深的隧道断面，按纵深由近向远的方向，依次表示为：隧道断面S₁,隧道断面S₂,...,隧道断面S_n；

在每个隧道断面上，沿隧道断面弧形方向，设置m个无源反光靶标；

步骤2，在n个隧道断面的后方，镜头面向n个隧道断面方向，安装机器视觉相机；在隧道断面后方的左侧、中间和右侧，各布置一个可调红外补光灯；可调红外补光灯的发光方向，分别朝向各个隧道断面的左侧区域的无源反光靶标、中间区域的无源反光靶标和右侧区域的无源反光靶标；

步骤3，每隔设定采样间隔，机器视觉相机采用自适应控制方法，拍摄得到一张与采样时间对应的隧道变形监测图片；

具体拍摄方法为：

步骤3.1，机器视觉相机开启各个可调红外补光灯；

步骤3.2，图像预抓拍：机器视觉相机预抓拍得到一张隧道变形监测图片Tu₀；

步骤3.3，机器视觉相机对隧道变形监测图片Tu₀进行初步筛查分析，判断隧道变形监测图片Tu₀中的各个无源反光靶标的成像质量是否满足初步筛查要求，如果判断结果为否，则执行步骤3.4；如果判断结果为是，则执行步骤3.5；

步骤3.4，机器视觉相机根据当前无源反光靶标的成像质量，粗调整机器视觉相机的曝光参数，并粗调整各个可调红外补光灯的发光亮度，然后预抓拍得到一张新的隧道变形监测图片Tu₁，并对隧道变形监测图片Tu₁中的各个无源反光靶标的成像质量进行初步筛查，如此不断循环，形成闭环控制，直到预抓拍得到的隧道变形监测图片满足初步筛查要求，再执行步骤3.5；

步骤3.5，经初步筛查，假设预抓拍得到的隧道变形监测图片Tu_a满足初步筛查要求，则对隧道变形监测图片Tu_a进一步进行图像处理，包括：对隧道变形监测图片Tu_a进行二值滤波处理和靶标边界提取，得到处理后的隧道变形监测图片Tu_b；

步骤3.6，判断处理后的隧道变形监测图片Tu_b中，各个靶标边界是否光滑，如果判断结果为否，则执行步骤3.7；如果判断结果为是，则执行步骤3.8；

步骤3.7，机器视觉相机根据当前靶标边界的光滑程度，微调整机器视觉相机的曝光参数，并微调整各个可调红外补光灯的发光亮度，然后再抓拍得到一张新的隧道变形监测图片Tu_c，然后返回步骤3.5，对新的隧道变形监测图片Tu_c进行图像处理，如此不断循环，形成闭环控制，直到抓拍得到靶标边界光滑程度满足要求的隧道变形监测图片，再执行步骤3.8；

步骤3.8，在当前状态下，包括：机器视觉相机的曝光参数、各个可调红外补光灯的发光亮度均保持不变的情况下，机器视觉相机正式抓拍得到一张隧道变形监测图片，表示为：隧道变形监测图片Tu_k，并保存抓拍时间T_k和隧道变形监测图片Tu_k的对应关系；

步骤3.9，机器视觉相机关闭各个可调红外补光灯；当达到下一个采样时刻时，再执行步骤3.1；

步骤4，由此得到与各个抓拍时间对应的隧道变形监测图片，形成隧道变形监测图片序列，包括：隧道变形监测图片Tu_k1,隧道变形监测图片Tu_k2,...；

其中：隧道变形监测图片Tu_k1代表：抓拍时间T_k1得到的隧道变形监测图片；

隧道变形监测图片Tu_k2代表：抓拍时间T_k2得到的隧道变形监测图片；

步骤5，对隧道变形监测图片序列进行分析，得到每个无源反光靶标的位移，实现无源反光靶标安装位置点的隧道变形监测。

6.根据权利要求5所述的基于机器视觉自适应的隧道变形监测系统的方法，其特征在于，步骤5具体为：

步骤5.1，对于隧道变形监测图片序列中的任意两张隧道变形监测图片，分别表示为：隧道变形监测图片Tu_ku和隧道变形监测图片Tu_kv；

步骤5.2，隧道变形监测图片Tu_ku包括m*n个无源反光靶标的靶标图像；计算得到每个靶标图像的面积值，对各个靶标图像的面积值进行聚类分析，将面积值相同的靶标图像聚为一类，从而将m*n个靶标图像划分为n个类别；每个类别，对应一个隧道断面；并且，靶标图像的面积值越小，代表距离机器视觉相机越远；

因此，将n个类别，按靶标图像面积值从大到小排列，依次表示为：类别1，类别2,...,类别n，分别对应隧道断面S₁,隧道断面S₂,...,隧道断面S_n；

由此在隧道变形监测图片Tu_ku中，定位到对应隧道断面S₁的m个靶标图像，对应隧道断面S₂的m个靶标图像,...,对应隧道断面S_n的m个靶标图像；

同样的，在隧道变形监测图片Tu_kv中，定位到对应隧道断面S₁的m个靶标图像，对应隧道断面S₂的m个靶标图像,...,对应隧道断面S_n的m个靶标图像；

然后，对于属于同一个隧道断面的m个靶标图像，根据靶标图像之间的位置关系，实现隧道变形监测图片Tu_ku中每个靶标图像，和隧道变形监测图片Tu_kv中每个靶标图像的一一对应关系；

对于任意一个靶标图像，分别计算得到其在隧道变形监测图片Tu_kv中的位置坐标Z₁以及在隧道变形监测图片Tu_ku中的位置坐标Z₂，Z₁和Z₂的差值，即为该靶标图像的位移，即为隧道断面被监测点的变形量。