地铁隧道渗漏水的激光扫描检测方法及应用

被引:36
作者
吴昌睿 [1 ]
黄宏伟 [1 ,2 ]
机构
[1] 同济大学地下建筑与工程系
[2] 同济大学岩土及地下工程教育部重点实验室
关键词
地铁隧道; 渗漏水病害; 激光扫描; 数据处理; 图像识别;
D O I
10.13577/j.jnd.2018.0408
中图分类号
U231.94 []; U457.2 [];
学科分类号
0814 ; 082301 ; 081406 ;
摘要
地铁隧道渗漏水病害已成为威胁地铁运营安全性与耐久性的重要风险源,急需快速准确的检测识别技术。激光扫描技术是近年来国内外兴起的一种新型无损检测技术,该技术获得的点云含有几何空间信息和反射强度信息,为实现隧道病害数字化管理开辟了新的视野。依托于激光扫描技术,本文提出了一种地铁隧道渗漏水检测方法。该方法通过空间变换生成二维点云,利用强度修正和栅格化方法获取隧道内表面图像,采用图像处理算法实现隧道渗漏水病害的自动识别和特征统计。研究表明,本文方法可快速检测渗漏水病害的位置、面积,并且检测准确率达到92%,可为后续隧道病害数字化管理所借鉴。
引用
收藏
页码:59 / 66
页数:8
相关论文
共 8 条
[1]   基于深度学习的盾构隧道渗漏水病害图像识别 [J].
黄宏伟 ;
李庆桐 .
岩石力学与工程学报, 2017, 36 (12) :2861-2871
[2]   上海轨道交通隧道结构安全性分析 [J].
王如路 .
地下工程与隧道, 2011, (04) :37-43+61
[3]   图像插值技术综述 [J].
符祥 ;
郭宝龙 .
计算机工程与设计, 2009, 30 (01) :141-144+193
[4]  
Deep learning based image recognition for crack and leakage defects of metro shield tunnel[J] . Hong-wei Huang,Qing-tong Li,Dong-ming Zhang.Tunnelling and Underground Space Technology incor . 2018
[5]  
Inspection equipment study for subway tunnel defects by grey-scale image processing[J] . Hongwei Huang,Yan Sun,Yadong Xue,Fei Wang.Advanced Engineering Informatics . 2017
[6]  
A semi-automated method for extracting vertical clearance and cross sections in tunnels using mobile LiDAR data[J] . Iván Puente,Burcu Akinci,Higinio González-Jorge,Lucía Díaz-Vilari?o,Pedro Arias.Tunnelling and Underground Space Technology incor . 2016
[7]  
Intensity data correction based on incidence angle and distance for terrestrial laser scanner .2 kai tan. journal of applied remote sensing . 2015
[8]  
Two-Dimensional Signal and Image Processing .2 Lim Jae S. Englewood Cliffs,NJ . 1990