[发明专利]一种支持人工校验的地铁隧道病害自动检测方法

权利要求书

1.一种支持人工校验的地铁隧道病害自动检测方法，其步骤包括：

A.建立投影空间的坐标模型，将点云数据投影为地铁隧道正射投影图，具体步骤如下：

A1.建立投影空间的坐标模型，包括激光雷达测量坐标系、正射投影坐标系、断面坐标系之间对应关系；

A2.清洗激光雷达点云数据里的噪点数据；

所述激光雷达点云数据，是指隧道内壁上每个扫描点在激光雷达测量三维坐标系构成的XYZ坐标以及反射率Ref的集合，简称点云数据；

A3.根据每个扫描点的里程关键字，对点云数据进行索引、切分和合并，将带有里程段标记的点云数据块分发到各个计算节点，进行分布式并行处理；

A4.将每个数据块的点云数据投影生成正射投影图像文件，保存在待检大图目录下；

B.对每个正射投影图进行病害检测，生成检测结果，具体步骤如下：

B1.遍历待检大图目录下的每个正射投影图像文件，切分为小图文件，生成位置对照表；

B2.将待检小图目录中所有小图文件的路径记入文本文件，将该文件设置为模型的检测配置文件；

B3.调用已训练好的检测模型对待检小图目录下的每张小图进行病害检测，在检测结果目录下，为每一类病害生成一个检测结果文件；

所述的检测结果文件中，每个病害检测结果占一行，包括小图索引号、置信度、识别框的左上角及右下角坐标；

C.将小图病害检测结果映射到大图，具体步骤如下：

C1.遍历检测结果目录下的每一类病害的检测结果文件，筛选出每个置信度得分大于指定置信度阈值的检测结果，并将筛选出的检测结果写入文本文件，称为筛选文件；

C2.读取位置对照表与筛选文件，提取每张大图与小图的位置对应关系及小图中的病害信息，称为提取信息；

C3.根据提取信息，为每张大图初始化一个二维矩阵，称为零阶位图，具体步骤如下：

C3.1矩阵中的每一位对应一张小图；

C3.2大图切成小图的列数和行数，是矩阵的宽W和高H；

C4.根据每张小图中的病害检测结果，合并大图上邻近的病害；

C5.如果一阶位图里存在相邻近的病害，进行第二轮合并，合并所有邻近病害，生成合并后的病害信息，写入xml文件；

所述的信息包括病害类型、所在大图名称、置信度、在大图中的左上角坐标及右下角坐标；

D.对每张大图的检测结果进行人工校正,生成校验文件，具体步骤如下：

D1.提取合并文件中每张大图对应的检测结果，按照规定的xml格式写入文本文件，生成每张大图的xml文件；

D2.人工检查校正每个病害检测结果的矩形框，具体步骤如下：

D2.1观察并确认矩形框内是否存在病害；若矩形框内没有病害，删除该矩形框；

D2.2查看矩形框对应病害类型是否正确；如果错误，修改弹框内的标签信息；

D2.3观察矩形框大小是否正确，如果矩形框过大或者过小，拖拽矩形框修正其大小，使得矩形框刚好框住病害；

D3.将大图中所有矩形框的位置信息、对应病害类型、所在大图名称、置信度写入校验文件,将校验文件存入校验目录；

E.计算隧道病害面积并提取隧道病害边缘,生成边缘提取结果文件，具体步骤如下：

E1.遍历校验目录下的每张大图及其对应校验文件，获取病害在大图中的位置，并裁剪出病害区域，称为裁减图；

E2.遍历每张裁减图，使用高斯内核过滤病害裁减图，并对消除噪声后的图像进行灰度化生成灰度图；

E3.计算出每张灰度图对应的最大类间方差，以此为划分阈值，对灰度图像进行二值化划分，生成二值化图像；

E4.统计二值化图像中黑色区域像素点的个数计算出病害像素面积，根据大图像素与实际里程数的映射关系，将病害像素面积映射为病害实际面积；

E5.利用二值化图像，提取病害边缘，边缘提取的结果以数值矩阵的形式存储于文件中，作为病害区域边缘的掩码；

F.计算病害起止里程、起止环号、同环序号，生成病害明细表，具体步骤如下：

F1.根据正射投影图的像素值与实际线路里程的映射关系，计算病害所在位置的里程值；

F2.根据正射投影图中每条环缝的像素值和病害位置的像素值，计算病害所在位置对应的起止环号；

F3.计算病害同环序号，具体步骤如下：

F3.1根据病害起止环号，将所有病害按照管环进行分类，将处于同一管环中的病害信息写入同一列表；

F3.2对同环病害根据其起始角度值从小到大进行排序，并按照排序顺序标注病害在同环内的位置序号；

F4.将每张大图里的每个病害的实际面积、起止环号、同环序号以及病害类型一同写入文件中，为每张大图生成一张病害明细表。