跨模态特征融合模板驱动的盾构隧道管片孔缝智能识别OA北大核心CSTPCDEI

基于点云的隧道数据处理方法已逐步替代人工用于盾构管片接缝识别中。但常规点云处理算法提取螺栓孔和接缝时会存在因附属设施遮挡造成错误识别的问题,导致目标识别精度降低。针对此问题,以广州2003年开通的某地铁线路某段地铁隧道数据为例,提出一种跨模态特征融合模板驱动的盾构隧道孔缝识别方法。首先将隧道断面点云的几何中心作为视点,以扫描测线为单元进行逐测线投影生成隧道二维图像;然后通过Canny边缘检测和Hough变换缓冲识别纵缝,对二维图像进行环片分割,并基于双模板匹配实现盾构环分类,依据环片模板进行螺栓孔和横缝的粗定位;最后利用螺栓孔点云DBSCAN聚类后的中心坐标对环片模板进行精校正,实现盾构隧道管片孔缝智能识别。研究结果表明:该方法在附属设施遮挡干扰等情况下能较好地实现孔缝精确识别。其中,设计的基于局部形态特征双模版驱动的盾构环片分类方法,可实现盾构环片的精确分类;设计的顾及盾构管片空间位置关系的孔缝识别方法,可有效提升孔缝识别精度。在识别率与耗时相近的情况下,本方法比同类方法识别精度更高,平均偏差更少,具有更好的准确性和鲁棒性。该方法将盾构隧道三维点云和二维点云投影图像进行数据特征融合的同时,能够顾及局部形态特征凭借双模板实现盾构环片的精确分类以及依据盾构管片的空间位置关系进一步提高孔缝识别精度。研究结果为进一步自动化精准识别盾构隧道接缝和螺栓孔目标信息提供参考。