地铁隧道表面裂缝智能视觉采集系统

方恩权，王耀东，袁敏正，朱力强，周伟



地铁隧道表面裂缝智能视觉采集系统

方恩权1，王耀东2，袁敏正1，朱力强2，周伟3

(1. 广州地铁集团有限公司 国家工程实验室，广东 广州 510335； 2. 北京交通大学 机械与电子控制工程学院，北京 100044； 3. 中南大学 交通运输工程学院，湖南 长沙 410075)

基于我国隧道裂缝检测主要依靠人工检测来实现，检测方式工作效率低、占用线路时间长，无法满足现代城市轨道交通检测的需求。提出一种基于车载式多目高速线阵相机的地铁隧道表面图像采集系统，阐述其系统工作原理，并对系统内部各项硬件设备进行选型，在实验室内完成组装和调试，基本实现线阵相机图像采集的功能，并为后续的隧道表面图像处理提供支持。

裂缝检测；图像采集；图像处理；线阵相机

随着国内地铁路线的快速发展，早期建设的地铁隧道基础设施已经进入养护维修期，而新建成的地铁隧道，也会诱发洞体形变并出现裂缝，影响隧道的正常使用，威胁行车安全。如果对地铁隧道洞体出现的裂缝不及时预警与维护，会使隧道基础设施进一步被破坏，一旦发生事故，给生命财产带来巨大损失[1]。同时，表面裂缝可发展成具有破坏性的贯穿裂缝和深层裂缝，破坏结构的整体性，从而带来无法估量的危险。所以进行定期的裂缝检测，并观察重点裂缝的变化变得尤其重要。目前，我国隧道裂缝检测主要依靠人工检测来实现，技术人员在隧道内缓慢移动，用肉眼观察裂缝，利用卡尺级裂缝宽度测量仪进行测量，凭借人工经验判断裂缝的危害性，效率低下，而且检测结果不客观，人的主观因素影响较大。这种以人工为主的检测方式工作效率低、占用线路时间长，无法满足现代城市轨道交通检测的需求。目前国内外对于裂缝检测已取得了一定的研究成果。日本、韩国、欧洲等国家较早的展开了机器视觉技术的研究。日本计测检测株式会社推出了MIS & MMS隧道裂缝检测系统[2]，其中MIS(Mobile Imaging Technology System)检测系统由CCD相机、LED照明设备组成，检测精度为0.2 mm；该设备功耗大、成本较高，只适用于公路隧道。韩国汉阳大学开发出了针对混凝土裂缝的移动式检测系统[3]，采用线阵CCD相机、光源、减震器及编码器等，检测速度为5 km/h，可识别0. 3 mm以上宽度的裂缝。西班牙Euroconsuh研制了隧道裂缝检测设备Tunnelings[4]，该设备检测速度最高为40 km/h，检测精度为0.5 mm，一晚上检测距离可达80 km。德国研制了基于GRP5000激光扫描技术的轻型隧道检查车，国内针对地铁隧道裂缝图像采集与检测技术也有大量的研究，取得了一定成果。王睿等[5]提出了一套车载式高铁隧道衬砌裂缝自动检测系统，拟采用5台Dalsa Piranha3系列相机，检测精度为0.2 mm裂缝，检测速度达13 km/h，照明采用LED灯，但是其车载系统稳定性不高，标定模板误差较大。吴晓军等[6]采用9台线阵CMOS工业相机和不间断电源系统以及图像采集分析软件系统，构成了一个裂缝快速检测系统，系统可实现最小检测裂缝宽度0.3 mm，检测线路长度不少于10 km的目标，且检测宽度0.3 mm及以上的裂缝识别率可以达到90%左右。王平让等[7−8]提出了基于几何形状因子分析的裂缝自动识别算法、基于图像局部网格特征的隧道衬砌裂缝自动识别方法，开发出了针对山区隧道的隧道衬砌病害集成检测车，可同时对裂缝、渗漏水以及空洞进行检测，裂缝检测精度可达0.3 mm，检测速度达到5 km/h。王华夏等[9−10]提出了一套隧道裂缝自动化检测系统，初步达到检测目标，但速度、精度有限。现有的地铁隧道裂缝采集系统由于器件选型不合理、各器件间配合不当、隧道环境适应性不好等因素，存在检测车速度慢、效率低下、采集到的图像精度不理想等问题，不利于后续图像处理的进行。总的来说，地铁隧道裂缝图像采集与检测技术仍处于发展阶段，功能不够全面，存在较多缺陷，有待进一步研究和完善。在此基础上，本文提出了一种基于车载式多目高速线阵相机的地铁隧道图像采集系统。

1 采集系统方案设计

系统主要包括采集装置、照明系统、供电系统、定位系统、图像信息处理系统。

利用多个高速线阵相机组成的视觉系统，配合强光光源，视野覆盖整个隧道断面，对地铁隧道洞体表面进行高速图像采集。采集系统安装于检测车上，实现快速移动式的图像采集。

图1 系统方案

2 硬件选型

硬件主要包括多台线阵CCD相机、镜头、图像采集卡、工控机、强光光源、电源、检测车、速度传感器等。线阵相机分布在以隧道中心为圆心的同心圆上，分别采集等长隧道圆弧，视野覆盖完整的隧道断面。

2.1 CCD相机

在隧道衬砌裂缝图像采集系统中，检测车以较高速度运行时，普通的面阵相机采集到的图像可能会产生模糊、幻影或非连续采集等现象，且存在重合图像，需要利用图像拼接算法进行后期处理，对海量图像处理和裂缝自动识别造成很大的障碍。

而线阵相机只有一行感光单元，当需要获得二维图像时，只需将线阵相机与被拍摄物体做相对扫描运动，即可把每次探测到的结果衔接起来得到完整的隧道衬砌二维图像。线阵相机工作频率可达几十兆赫兹，可实现隧道表面的逐行扫描采集，且图像连续性好，在物体运动方向的检测尺寸无限制，可直接形成整体的全景图像。

地铁隧道直径设定为5.4 m，隧道截面近似为圆形轮廓，轨道板以上隧道的扇形弧长为：

经计算，扇形弧长为12.72 m，考虑相机之间图像的重叠，确定扇形弧长为15. 00 m。要实现相机分辨率为0.2 mm，用1个像素点表示，理论上需要像素的个数E为：

采用Linear 8K线阵相机(水平/垂直分辨率：8 192像素；水平/垂直像素尺寸：7 μm×7 μm；最高线速率：80 kHz )，则需要相机数量为：

经计算选用线阵相机数量为9.16台，因此确定采用10台8K相机及配套SOL2MEVCLFL图像采集卡可以满足采集要求。相机拍摄图像之间重叠距离为(15−12.72)/(10−1)=0.25 m。

2.2 镜头选择

光学镜头是机器视觉系统的窗口，在裂缝图像采集系统中非常关键，相当于人眼的晶状体，如果没有晶状体，人眼将看不到任何物体，如果没有镜头，那么相机将没有清晰的图像输出。光学镜头质量的优劣将直接影响到成像质量的好坏，合适的镜头可以保证光学系统透光性强、杂散光少、像面照度分布均匀、成像清晰、图像几何畸变小，对采集到清晰的隧道裂缝图像功不可没。

根据隧道实际情况确定镜头的设计视场，对于单台相机的视野至少应为：

经计算，单台相机的视野1.55 m(20%重叠)，选用ML-5540-62M35镜头(焦距55 mm，光圈范围F4.0；芯片尺寸57.67 mm；相机实际视野：

式中：为镜头至物体距离；为相机芯片尺寸；为镜头焦距。

经计算，镜头至物体距离=1.5 m。

2.3 图像采集卡

图像采集卡(Frame grabber)是图像采集系统的核心部件，是连接图像采集和图像处理部分的桥梁，是将高速工业线阵相机获取的图像信号进行采集和A/D转换后，将图像信号以数据文件的形式通过总线实时传送并保存在电脑硬盘上的硬件设备。图像采集卡通常由视频输入模块、A/D转换模块、时序及采集控制模块、总线控制模块、相机控制模块等组成。其满足了隧道裂缝图像采集系统在扫描整个隧道衬砌时海量数据快速传输的要求，极大地减轻了CPU的工作压力，留给CPU更多的时间对裂缝图像进行识别、处理和特征提取。图像采集卡也具有相机触发功能，通过相关软件的操作可用图像采集卡控制线阵相机采集图像的精度和频率。另外，图像采集卡可对多通道输出的信号进行重新构造，恢复原始图像，应用范围广泛。

系统所采用的图像采集卡为SOL2MEVCLFL图像采集卡，插槽为X4-PCIE插槽，采样速率可达到85 MHz。

2.4 光源选择

该移动式便携检测车以一定的速度在地铁隧道内运行，完成对隧道表面的图像采集，而隧道内环境恶劣，光照较暗且不均匀，因此可能导致进入相机的光线不足，采集到的隧道表面图像亮度、清晰度和分辨率低，达不到后续图像处理的要求，无法实现裂缝自动识别。因此，需在该检测系统中加入光源，以保证隧道表面成像清晰可见。

机器视觉系统中常用的光源有激光光源、LED光源、卤素灯、荧光光源等。每种光源均有优缺点，需结合实际使用环境对其进行选择。除此之外，光源设备的光强大小、照射角度、是否均匀等均会对隧道表面成像的分辨率造成一定的影响，因此，光源的安装位置和角度也是选择光源时需考虑的因素之一。

为保证在高速运动状态下，采集到的隧道裂缝图像仍然清晰可见，本系统选择了5只波长为808 nm、最大功率为50 W，且可调节的特制激光光源。该光源主谱线功率大、不可见，有利于相机感光且不伤害人眼，而旁谱辉光可见，与相机的对准调节简便快捷，可满足图像采集系统的成像需求。

2.5 定位系统

同步触发采集：判断是否进入隧道，进行定位。判断当前经过的速度和位置，发送信息到信号同步控制器，信号同步控制器将信号发送各个相机内部驱动模块，同步触发采集。

排除速度影响：CCD线阵相机采用外部触发模式，并确保在不同的速度条件下，其触发相机的脉冲也不同，也就是说使相机能够按照分辨率要求，每隔固定的距离进行行扫描，从而消除因轨道检测小车运行速度的不同带来的图像采集失真或模糊。

记录里程：通过在小车车轮安装光电编码器获得里程脉冲，然后通过对脉冲信息的处理获得里程信息。

2.6 图像信息处理系统

图像信息处理系统，包括主服务器，图像采集分析软件等。相机配套软件Matrox Intellicam实时显示相机采集到的图像，用以相机对焦调试，以保证后续图像采集获得清晰的模拟隧道图像，同时，通过pylon Viewer软件调整相机采样频率、曝光时间、增益值、对比度等参数和光学镜头光圈大小和对焦旋钮等，对相机成像效果进行调整，直至软件界面实时图像清晰、边界锐化，可供后续采集。取得最优的对焦效果后，采用编写的图像采集MFC程序进行图像采集。

2.7 检测车

检测车是整个采集系统的载体，后期应用于地铁隧道。

黄色矩形代表检测车，白色圆代表相机，青色圆代表光源。如图2所示，图中距离参数的单位 为mm。

隧道半径2.7 m，检测车尺寸为2 545 mm×3 565 mm，将10台相机均匀分布在半径为1.2 m的同心圆上，圆心与隧道中心重合，每台相机负责采集以隧道中心为圆心的图像。相机距隧道侧壁1.5 m，5只光源均匀分布，每只光源照射角为110°，光源安装在相机中间。为了便于现场调整相机和光源的位置与角度，设计制作了可调式专用支架，安装于检测车尾部的车厢外侧。

单位：mm

检测车主要功能如下：

1) 为采集系统提供电力。10台相机拟采用10台工控机驱动，每台工控机功率600 W，5台光源，每台光源用电功率200 W，相机的功率很低，忽略不计，则系统总功率为7 000 W。

2) 检测车速度控制系统与相机触发同步配合。

3) 考虑相机拍摄的现场条件，检测车后排悬挂可调节支架，保证相机完成拍摄。

可调节支架功能如下：

1) 灵活调节相机的拍摄角度和拍摄范围，保证采集精度。

2) 带有减震器，消除车身、相机震动造成的影响，保证采集质量。

3) 支架上有保护镜头的防护装置，用时打开，不用关闭，保护相机的镜头。基于以上计算理论，可设计出大型车载式隧道表面图像采集方案，以三维仿真图表示。后续，可按照此方案，进行真实采集系统的安装。

3　系统检测原理

10台线阵相机分布在以隧道中心为圆心的同心圆上，分别采集等长隧道圆弧，视野覆盖完整的隧道断面。检测车进入隧道后，打开强光光源，为线阵相机拍摄准备光源。光电编码器与检测车的轮子二者保持同轴转动，由紧定螺钉固定，光电编码器转动产生脉冲信号，定位装置获取编码器的脉冲信号，根据不同速度触发不同的多路信号，通过数据总线传送到信号同步器，信号同步控制器将信号发送各个相机内部驱动模块，同步触发采集，完成线阵相机一行图像数据的扫描。

线阵相机逐行扫描沿途经过的被测隧道表面，采集到的线图像数据通过cameralink总线接口传送到图像采集卡，在图像采集卡中完成由线到图的拼接，将整幅图像发送到图像信息处理系统的主服务器中。图像信息处理系统的图像采集分析软件系统可以对相机成像效果进行调整，调整相机采样频率、曝光时间、增益值、对比度、每幅图像的大小等参数。相机每采集一行数据后，采集系统进行缓存，当采集的行数达到设置的大小时，完成一幅图像的采集，存储到主服务器的存储磁盘上，并记录图像的位置信息。

4 系统功能测试

本文中所述的大型车载式采集系统庞大，为了检验图像采集方案的可行性，在实验室内搭建了一个小型采集系统样机，用于图像采集功能的实现。本样机采用2个相机及配套的光源进行同步采集，并利用相同标准的大功率激光光源进行补光，解决隧道内部光线不足的问题。

4.1 采集系统搭建

设计并制特制支架，分别固定激光光源和相机，通过螺丝连接实现其与挡板在水平方向的移动，进而实现精确对准。

将线阵相机与计算机相连，图像采集卡安装于主机插槽中，激光光源光纤与激光发射器等相连，简易采集系统搭建完成，钢轨上可以沿着钢轨前后移动以及相对于墙面的前后移动，相机可以在旋转架上下移动和左右移动，调整相机的视角，达到灵活拍摄的效果。

4.2 模拟隧道图像采集

搭建好完整的图像采集系统后，调整线阵相机、镜头和特制光源的相对位置，保证激光光源与线阵相机的行感光单元对齐，并采用相机配套软件Matrox Intellicam实时显示相机采集到的图像，用以相机对焦调试，以保证后续图像采集获得清晰的模拟隧道图像，未对焦前相机成像模糊状态如图所示。同时，通过pylon Viewer软件调整相机采样频率、曝光时间、增益值、对比度等参数和光学镜头光圈大小和对焦旋钮等，对相机成像效果进行调整，直至软件界面实时图像清晰、边界锐化，可供后续采集，如图3与图4所示。

图3 图像实时显示界面(未对焦)

图4 图像实时显示界面(已对焦)

取得最优的对焦效果后，采用编写的图像采集MFC程序进行图像采集。输入数字并点击“设置帧数”，即可选定此次采集过程所需图片数目。点击“实时处理开始”，软件界面实时显示镜头采集到的隧道表面图像。点击“保存到内存”，系统即从此刻开始保存所需帧数的隧道表面图像。当所需数目的图片保存完毕后，会自动弹出“内存已满”对话框。此时再点击“从内存保存到硬盘”，即自动在硬盘中形成以时间命名的文件夹，将图片保存在计算机硬盘中，保存完毕自动弹出“从内存保存到硬盘已满”对话框。也可直接点击“直接保存硬盘”，图片将直接保存至计算机硬盘中。点击“退出”，图像采集软件界面将自动关闭。

完成采集系统的硬件搭建和调试配置后，手推采集系统小车运动的同时，可完成对模拟隧道裂缝图像的采集，图5为模拟隧道采集到的裂缝图像。

图5 线阵相机系统采集到的图像

为了测试本系统采集图像的性能，在隧道仿真模型中，黏贴了多种隧道裂缝图像，并利用线阵相机和手推小车移动采集，同时利用所编制的软件程序，采集保存裂缝图像，如图6所示。

在实验室模拟隧道环境中，对本系统的功能测试，线阵相机与线阵光源使用正常，整体采集系统硬件符合要求。对于相机参数软件的调节满足使用需求，图像采集与图像存储程序使用正常。本系统所使用的线阵相机为Linear 8KCL线阵相机，其水平/垂直分辨率：8 192像素；水平/垂直像素尺寸：7 μm×7 μm；最高线速率：80 kHz，镜头选用50 mm定焦镜头，成像距离1.5 m，对于标准隧道图像的采集，可以达到0.2 mm/pixel的性能。在实验室模拟隧道环境中，为了验证图像采集功能，将采集系统支架安装于手推式检测车上，安装支架可以水平方向移动，并保证相机到隧道表面距离为1.5 m，通过图像采集的测试，线阵相机成像尺寸为1.6 m，由于相机分辨率为8 192像素，所以得到实验中每个像素代表实际距离约为0.195 mm，成像精度小于0.2 mm，所以图像采集功能满足需求。对于真实隧道的采集系统，需要保证相机到隧道表面的成像距离在1.5 m以内，可以采集到0.2 mm/pixel分辨率的图像。

图6 线阵相机系统采集到的多种裂缝图像

5 结论

1) 利用多个特制线阵激光光源，可以首尾相连拼接为一条光带，对隧道断面轮廓进行强光照明，用于高速线阵相机的图像采集。

2) 利用高速线阵相机可以分区域连续采集隧道表面图像，配合大功率激光光源，实现隧道弱光环境的图像采集。

3) 针对不同位置布局的高速线阵相机，根据理论计算公式，可以计算出对应的镜头参数、相机支架尺寸参数，用于指导设计大型车载式采集系统，或小型低速图像采集系统。

[1] 王耀东, 余祖俊, 白彪, 等. 基于图像处理的地铁隧道裂缝识别算法研究[J]. 仪器仪表学报, 2014, 35(7): 1489−1496. WANG Yaodong, YU Zujun, BAI Biao, et al. Research on image processing based subway tunnel crack identification algorithm[J]. Chinese Journal of Scientific Instrument, 2014, 35(7): 1489−1496.

[2] 黄宏伟, 孙龑, 薛亚东. 基于机器视觉的隧道衬砌表面病害检测技术研究进展[J]. 现代隧道技术, 2014, 51(增1): 19−27. HUANG Hongwei, SUN Yan, XUE Yadong. Research progress of machine vision based disease detecting techniques for the tunnel lining surface[J]. Modern Tunneling Technology, 2014, 51(Suppl 1): 19−27.

[3] Lee Jun S, Choi Il-Yoon, Lee Hee-Up, 等. 隧道检测系统及其在韩国高速铁路隧道的应用明[J]. 中国铁道科学, 2004, 25(3): 21−26. Lee Jun S, Choi Il-Yoon, Lee Hee-Up, et al. Tunnel measurement system and its application to korea high-speed rail tunnels[J]. China Railway Science, 2004, 25(3): 21−26.

[4] Gavin M, Sanchez F, Ramos J A, et al. Mobile inspection system for high-resolution assessment of tunnels[C]// The 6th International Conference on Structural Health of Intelligent Infrastructure, Hongkong: 2013.

[5] 王睿. 隧道衬砌裂缝车载检测图像分析研究[D]. 成都:西南交通大学, 2012. WANG Rui. Research on tunnel lining cracks in-vehicle detection image analysis[D]. Chengdu: Southwest Jiaotong University, 2012.

[6] 吴晓军, 白韶红, 啜丙强, 等. 基于CMOS线阵相机地铁隧道裂缝快速检测系统[J]. 路基工程, 2015(3): 185−190. WU Xiaojun, BAI Shaohong, CHUAI Bingqiang, et al. Fast detection system for metro tunnel crack based on CMOS line-scan digital camera[J]. Subgrade Engineering, 2015(3): 185−190.

[7] 王平让, 黄宏伟, 薛亚东. 基于图像局部网格特征的隧道衬砌裂缝自动识别[J]. 岩石力学与工程学报, 2012, 31(5): 991−999. WANG Pingrang, HUANG Hongwei, XUE Yadong. Automatic recognition of cracks in tunnel lining based on characteristics of local grids in images[J]. Chinese Journal of Rock Mechanics and Engineering, 2012, 31(5): 991−999.

[8] 王平让, 黄宏伟, 薛亚东. 隧道衬砌裂缝自动检测性能影响因素模型试验研究[J]. 岩石力学与工程学报, 2012(8): 1706−1715. WANG Pingrang, HUANG Hongwei, XUE Yadong. Model test study of factors affecting automatic detection performance of cracks in tunnel lining[J]. Chinese Journal of Rock Mechanics and Engineering, 2012(8): 1706−1715.

[9] 王华夏. 高速铁路隧道衬砌裂缝图像快速采集系统研究[D]. 成都: 西南交通大学, 2013. WANG Huaxia. Research on high speed railway tunnel lining cracks images fast capture system[D]. Chengdu: Southwest Jiaotong University, 2013.

[10] 王华夏, 漆泰岳, 王睿. 高速铁路隧道衬砌裂缝自动化检测硬件系统研究[J]. 铁道标准设计, 2013(10): 97− 102. WANG Huaxia, QI Taiyue, WANG Rui. Research on hardware system for automatic detection of tunnel lining crack on high-speed railway[J]. Railway Standard Design, 2013(10): 97−102.

Intelligent vision acquisition system of subway tunnel surface crack image

FANG Enquan1, WANG Yaodong2, YUAN Minzheng1, ZHU Liqiang2, ZHOU Wei3

(1. Guangzhou Metro Group Co., Ltd, National Engineering Laboratory, Guangzhou 510335, China; 2. School of Mechanical, Electronic and Control Engineering, Beijing Jiaotong University, Beijing 100044, China; 3. School of Traffic and Transportation Engineering, Central South University, Changsha 410075, China)

Tunnel crack detection mainly depends on manual detection in our country. The detection method has low efficiency and long line time. It can not meet the demand of modern urban rail transit detection. This paper proposes a subway tunnel image acquisition system based on vehicle-mounted multicast high-speed linear array camera, expounds the working principle of the system, and conducts the selection of the system hardware. Finally, Hardware system and software system are completed assembly and debugged in the laboratory, which can support the following subway tunnel surface crack image processing.

crack detection; image acquisition; image processing; linear array camera

10.19713/j.cnki.43−1423/u.2019.04.031

TP-391

A

1672 − 7029(2019)04 − 1074 − 07

2018−05−30

科技部国家重点研发计划资助项目(2016YFB1200402)；中国铁路总公司科技研究开发计划课题资助项目(2017T001-B)

方恩权(1980−)，男，河南正阳人，教授级高级工程师，博士，从事轨道交通土建工程技术研究与项目管理工作；E−mail：fangenquan@ gzmtr.com

(编辑 蒋学东)