基于视觉辅助的隧道轮廓监测

doi:10.3901/JME.2018.01.090

机械工程学报 ›› 2018, Vol. 54 ›› Issue (1): 90-98.doi: 10.3901/JME.2018.01.090

• 特邀专栏:硬岩掘进装备(TBM)的关键基础问题 • 上一篇下一篇

基于视觉辅助的隧道轮廓监测

李华, 雷勇, 甘创

浙江大学流体动力与机电系统国家重点实验室杭州 310027

收稿日期:2017-03-02 修回日期:2017-05-23 出版日期:2018-01-05 发布日期:2018-01-05
通讯作者: 雷勇(通信作者),男,1955年出生,博士,副教授,博士研究生导师。主要研究方向为故障诊断、机器人、机器人辅助介入治疗。E-mail:ylei@zju.edu.cn
作者简介:李华,女,1992年出生。主要研究方向为地下工程表面的安全监测。E-mail:897345481@qq.com;甘创,男,1992年出生,硕士研究生。主要研究方向为地下工程表面的安全监测。E-mail:chuangganzju@163.com
基金资助:
国家重点基础研究发展计划（973计划，2013CB035405）和国家自然科学基金创新研究群体科学基金（51521064）资助项目。

Tunnel Deformation Monitoring Based on Vision Assistant

LI Hua, LEI Yong, GAN Chuang

State Key Laboratory of Fluid Power and Mechatronic Systems, Zhejiang University, Hangzhou 310027

Received:2017-03-02 Revised:2017-05-23 Online:2018-01-05 Published:2018-01-05

摘要/Abstract

摘要： 隧道掘进机（Tunnel boring machine，TBM）被广泛地运用于隧道施工中。隧道的变形是影响TBM施工安全的主要因素之一，过大的隧道变形会引起隧道塌方、TBM卡机等事故，影响施工进度，威胁施工人员的生命安全。针对TBM施工情况，介绍基于视觉辅助的隧道轮廓监测系统。采用荧光涂料设计人工标志点，单目视觉检测目标，云台驱动激光位移传感器瞄准目标。基于极坐标测量原理，获取目标点三维坐标。为进一步提高测量效率，提出基于半定规划的双目视觉系统辅助测量方案。试验结果表明系统的精度可达1 mm并具有较高的测量效率。

关键词: TBM, 激光, 视觉, 隧道变形

Abstract: Tunnel boring machine (TBM) has been widely applied in tunnel construction. The deformation of tunnel is one of the major concerns in TBM construction project. Major deformation may cause tunnel landslide or TBM jam, influence the construction schedule and threaten the safety of the constructors. A tunnel deformation monitoring system based on vision assistant in TBM construction is proposed. Artificial target points are designed by using fluorescent coating. Targets are detected by using monocular vision and aimed by using a Pan-tilt platform. The three-dimensional coordinates of the targets are obtained based on the principal of polar coordinates of the Pan-tilt platform using laser distance measurement. The efficiency of measuring is further improved by using a binocular vision system assistant measurement based on semi-definite programming method. Experiments show the precision of the system can be up to 1mm with good efficiency.

Key words: laser, TBM, tunnel deformation, vision

中图分类号:

TG156

李华, 雷勇, 甘创. 基于视觉辅助的隧道轮廓监测[J]. 机械工程学报, 2018, 54(1): 90-98.

LI Hua, LEI Yong, GAN Chuang. Tunnel Deformation Monitoring Based on Vision Assistant[J]. Journal of Mechanical Engineering, 2018, 54(1): 90-98.

参考文献

[1] 杜彦良,杜立杰. 全断面岩石隧道掘进机系统原理与集成设计[M]. 武汉:华中科技大学出版社,2011. DU Yanliang,DU Lijie. Full face hard rock boring machine-system principles and integrated design[M]. Wuhan:Huazhong University of Science and Technology Press,2011.
[2] 苏华友,任月宗,薛继洪. 不良地质条件对TBM施工的影响与探讨[J]. 中国钨业,2009,24(2):44-47. SU Huayou,REN Yueming,XUE Jihong. Adverse geological conditions effect and analysis on tunnel boring machine construction[J]. China Tungsten Industry,2009,24(2):44-47.
[3] BASSETT R H,KIMMANCE J P,RASMUSSEN C. An automated electrolevel deformation monitoring system for tunnels[J]. Proceedings of the ICE-Geotechnical Engineering,1999,137(3):117-125.
[4] NARUSE H,KOMATSU K,FUJIHASHI K,et al. Telecommunications tunnel monitoring system based on distributed optical fiber strain measurement[J]. Proc. SPIE,2005,5855:168-171.
[5] STURM P. Computer vision[M]. Boston:Springer,2014.
[6] ZHANG Z. A flexible new technique for camera calibration[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence,2000,22(11):1330-1334.
[7] 刘媛媛,赵冬娥. 对于斜入射滤光片的分析[J]. 电子世界,2013(15):28-29. LIU Yuanyuan,ZHAO Donge. Analysis of oblique incidence filter[J]. Electronics World,2013(15):28-29.
[8] 张铮,王艳平,薛桂香. 数字图像处理与机器视觉[M]. 北京:人民邮电出版社,2010. ZHANG Zhen,WANG Yanping,XUE Guixiang. Digital image processing and machine vision[M]. Beijing:Posts and Telecom Press,2010.
[9] CANNY J. A computational approach to edge detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1986,8(6):679-98.
[10] CORKE P I,SPINDLER F,CHAUMETTE F. Combining Cartesian and polar coordinates in IBVS[C]//The 2009 IEEE/RSJ International Conference on Intelligent Robots and Systems. October 11-15,2009,St. Louis,USA. New York:IEEE Press,2009:5962-5967.
[11] KIM S,KOJIMA M,WAKI H. Exploiting sparsity in SDP relaxation for sensor network localization[J]. SIAM Journal on Optimization,2009,20(1):192-215.
[12] BISWAS P,YE Y. Semidefinite programming for ad hoc wireless sensor network localization[C]//International Symposium on Information Processing in Sensor Networks. April 26-27,2004,Berkeley,California,USA. New York:ACM,2004:46-54.
[13] STURM J F. Using SeDuMi 1.02,a MATLAB toolbox for optimization over symmetric constraints[J]. Optimization Methods and Software,1998,11(1-4):625-653.

[1]	靳田野, 陈俊云, 王金虎, 赵清亮. 纳米孪晶立方氮化硼的飞秒激光材料去除机理[J]. 机械工程学报, 2019, 55(9): 198-205.
[2]	舒林森, 王家胜, 白海清, 何雅娟, 王波. 磨损轴面激光熔覆过程的数值模拟及试验[J]. 机械工程学报, 2019, 55(9): 217-223.
[3]	陈嵩涛, 段庆林, 王依宁, 李书卉, 李锡夔. 选区激光烧结过程传热分析的高效无网格法[J]. 机械工程学报, 2019, 55(7): 135-146.
[4]	何存富, 李子明, 刘增华, 冯雪健, 任捷, 吴斌. 基于空间-频率-波数法的梁中分层缺陷定量检测[J]. 机械工程学报, 2019, 55(6): 74-82.
[5]	游虹, 尚伟伟, 张彬, 张飞, 丛爽. 基于高速视觉的绳索牵引并联机器人轨迹跟踪控制[J]. 机械工程学报, 2019, 55(5): 19-26.
[6]	汤勇, 刘辉龙, 陆龙生, 谢颖熙, 袁伟, 万珍平, 李宗涛, 丁鑫锐. 激光加工平面型微超级电容器的研究进展与发展趋势[J]. 机械工程学报, 2019, 55(4): 189-206.
[7]	刘明周, 蒋倩男, 扈静. 基于面部几何特征及手部运动特征的驾驶员疲劳检测[J]. 机械工程学报, 2019, 55(2): 18-26.
[8]	饶项炜, 顾冬冬, 席丽霞. 选区激光熔化成形碳纳米管增强铝基复合材料成形机制及力学性能研究[J]. 机械工程学报, 2019, 55(15): 1-9.
[9]	卓林蓉, 宋波, 章媛洁, 王敏, 魏青松, 史玉升. 激光选区熔化成形CuZnAl形状记忆合金工艺研究[J]. 机械工程学报, 2019, 55(15): 24-30.
[10]	李青宇, 张航, 李涤尘, 王兴理想, 陈子豪, 黄胜. 激光增材制造WNbMoTa高性能高熵合金[J]. 机械工程学报, 2019, 55(15): 10-16.
[11]	唐梓珏, 刘伟嵬, 颜昭睿, 王灏, 张洪潮. 基于熔池动态特征的金属激光熔化沉积形状精度演化行为研究[J]. 机械工程学报, 2019, 55(15): 39-47.
[12]	彭伟星, 王耀南, 曾凯, 吴昊天. 复杂异形曲面自动建模图像矩视觉伺服定位控制[J]. 机械工程学报, 2019, 55(14): 169-177.
[13]	晏梦雪, 田小永, 彭刚, 李涤尘, 姚瑞娟, 张薇, 白锐, 孟伟杰. 轻质复合材料飞行器仪器支架选择性激光烧结成形与性能研究[J]. 机械工程学报, 2019, 55(13): 144-150.
[14]	王晓南, 汪杰, 陈夏明, 胡增荣, 刘珍光, 周健. NiTi形状记忆合金激光焊接的研究进展[J]. 机械工程学报, 2019, 55(10): 42-53.
[15]	刘巍, 李肖, 李辉, 潘翼, 贾振元. 基于双目视觉的数控机床动态轮廓误差三维测量方法[J]. 机械工程学报, 2019, 55(10): 1-9.

基于视觉辅助的隧道轮廓监测

Tunnel Deformation Monitoring Based on Vision Assistant

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价