一种使用隧道巡检机器人全方位实时监控的方法与流程

本发明涉及隧道检测技术领域，尤其涉及一种使用隧道巡检机器人全方位实时监控的方法。

背景技术：

隧道是道路通行的一个重要地段，承载着道路上大部分的车辆，隧道通行的安全一直是交管部门注意的焦点之一。近年来随着城市建设的不断发展，城市规模的不断扩大，交通压力的不断增大！在城市市政工程项目中，城市交通隧道以及高速交通隧道的数量和规模在不断攀升，其隧道运营安全日益引起人们的重视！隧道中违法变道，超速，低速，随意抛洒垃圾等现象频繁发生，设置于隧道内墙面渗水等问题也会引起交通事故，因此，隧道内的监控需较大的人力与物力，维护费用较高，同时人力监控有时也无法及时发现隧道内的违法及异常情况，导致许多问题及违法情况无法及时处理，使得隧道内存在极高的安全隐患。

技术实现要素：

本发明针对现有技术不足，提供一种使用隧道巡检机器人全方位实时监控的方法，能够有效的检测隧道中包括违章、渗水等异常情况，同时提醒来往车辆，保证隧道安全，降低人工成本。

为解决上述技术问题，本发明通过以下技术方案得以解决：一种使用隧道巡检机器人全方位实时监控的方法，包括如下步骤：步骤1、发送指令；步骤2、隧道巡检机器人接收指令后对隧道内实时全方位监控。

上述方案中，所述巡检模块包括主控模块、语音模块、通信模块、电源模块、运动模块、监测模块、云台。

上述方案中，所述监测模块包括3d激光雷达、热外成像装置、相机组、抓拍机。

上述方案中，所述步骤1中，发送指令包括巡检模块中的主控模块向运动模块发送运动指令，以及向监测模块发送异物检测指令、违法抓拍指令、渗水检测指令以及高清图像采集指令。

上述方案中，所述步骤2中，所述的运动模块接收到运动指令后带动隧道巡检机器人沿着隧道内铺设的轨道运行，各模块开始动作，对隧道内完成全方位实时监控。

上述方案中，执行所述的异物检测指令包括以下步骤：监测数据收集：3d激光雷达对经过的下方路面监测，并获取路面环境中的原始点云数据；监测情况分析；对步骤二中获取的原始点云数据做处理，获取数据模型，并判断是否有异常信息，并确认异常信息情况；巡检结果响应：根据异常信息做出响应。

上述方案中，执行所述的违法抓拍指令通过抓拍机完成。

上述方案中，执行所述的渗水检测指令包括以下步骤：持续取图：热成像装置中的热成像仪在随着巡检机器人动作时，持续对经过的墙面进行持续取图；图像转化处理：将取得的红外图像进行转化并二值化处理，并建立灰度阙值块；图像分析：通过阙块值检测是否存在渗水区域；渗水报警：若检测为渗水，则发送信号至主控模块，由主控模块通过发送指令至操作端以及语音模块，发出警报。

上述方案中，执行所述的高清图像采集指令包括下述步骤：巡检装置的初次标定；巡检装置中的主控模块发送图像采集指令至高清成像组件；高清成像组件初始化；高清成像组件采图；高清成像组件采图后处理；输出全景图像。

与现有技术相比，本发明具有如下有益效果：隧道巡检机器人通过搭载的各个模块实现隧道的全方位实时监控，包括违法行驶、交通事故、车辆拥挤、路面异物等情况，以达到隧道异常与违法情况的及时发现与及时处理，降低了隧道的监管成本，提高了监管效率，保证了隧道的通行效率率，提高了隧道的安全性。

附图说明

图1为本发明工作流程图。

具体实施方式

下面结合图1与具体实施方式对本发明作进一步详细描述。

一种使用隧道巡检机器人全方位实时监控的方法，包括如下步骤：步骤1、发送指令；隧道巡检机器人开机后，开始自检，巡检模块中的主控模块向运动模块发送运动指令，向监测模块发送异物检测指令、违法抓拍指令、渗水检测指令以及高清图像采集指令，巡检模块包括主控模块、语音模块、通信模块、电源模块、运动模块、监测模块、云台，所述监测模块包括3d激光雷达、热外成像装置、相机组、抓拍机；步骤2、隧道巡检机器人内置巡检模块分析接收指令并对隧道内实时全方位监控。

当接收到是异物检测监控指令时，3d激光雷达对经过的下方路面监测，并获取路面环境中的原始点云数据；对采集到的原始点云数据进行位姿变换和聚类分割，将路面边缘以外的点云数据滤除，获得只有路面信息的点云数据；其次，3d激光雷达内置的信息处理装置对处理后的点云数据分析，当识别数据模型，3d激光雷达会将识别出的具体模型特征传输至预先在深度学习模块中训练好的模型数据比对，在隧道中，自行车和行人是不允许出现在隧道内的，因此，在深度学习时，自行车以及行人被作为异物模型归类，因此，当识别的数据模型为自行车和行人时，会在模型数据比对后直接判定为异物；当检测的异物为自行车或行人时，监测模块中的报警开关触发，同时监测模块将报警信号发送至主控模块，主控模块控制通讯模块向后台操控端发送报警信号，向语音模块发送播放信号，播放预警语音，或者通过语音模块远程喊话，提醒人员或者骑车人离开，离开后关闭报警，如多次喊话人员或自行车也未离开，则派遣处理人员至现场进行处理，处理完毕后关闭报警；若识别处的数据模型为汽车时，3d激光雷达会将识别出的汽车模型传输至预先在深度学习模块中训练好的模型数据中，3d激光雷达持续跟踪车辆行驶的速度，当检测区域中所有车辆速度低于3～6km/h时，则判定该异常情况为堵车；监测模块中的报警开关触发，同时监测模块将报警信号发送至主控模块，主控模块控制通讯模块向后台操控端发送报警信号，向语音模块发送播放信号，播放预警语音，同时云台对异物点拍摄，等待相关人员进行交通指挥或现场处理；若识别处的数据模型为不明确物体时，3d激光雷达会将不明确物体模型传输至预先在深度学习模块中训练好的模型数据中，3d激光雷达持续跟踪不明确物体的速度，当速度低于设定的阈值时，判定为异物，阙值期间为0～5km/h；当检测的异物为不明确物体时，根据不明确物体位置自动转动云台相机，对异物点拍摄，远程操控端根据拍摄情况查看异物细节，当异物为较小的物体时，并且对交通不会造成较大影响，则远程关闭报警，巡检装置继续沿导轨巡检；若异物为较大物体时，判断存在安全隐患，并对交通会造成严重影响，则持续报警，并派遣处理人员至现场进行处理，处理完毕后关闭报警。

当接收到违法抓拍监控指令时，抓拍机通过内置的定义参数，判断扫描车辆是否符合超速、违法变道、超车，违法停车参数，若符合，则将信息反馈主抓拍机内的处理模块，处理模块将信息处理后发送至主控模块，由主控模块控制抓拍机与云台工作，抓拍机进行抓拍违法照片，云台开始录制违法视频证据。

当接收到渗水检测指令时：热成像装置中的热成像仪在随着巡检机器人动作时，持续对经过的墙面进行持续取图；先将取得的红外图像进行转灰度图，并二值化处理，之后建立一个灰度阈值块，阈值块的大小根据取得的数据设定，它将逐行滑动，当滑动至某处检测出异常时，进行多邻域的滑动来判断是否为误检，若此异常区域的邻域异常数值达到预设参数值，则判定为该处有渗露水现象，则发送信号至主控模块，由主控模块通过发送指令至操作端以及语音模块，发出警报；若未达到预设的参数值继续进行滑动，直至到最末行的最末端，即整幅图像检测完毕，未发现异常区域，则继续取下一张图并重复检测。

当接收到所述的高清图像采集指令：在巡检装置初次安装启动时，需要对巡检装置的初次标定，首先制作棋盘格标定板，然后将制作好的棋盘格标定板固定在相机组中相机相邻转动位置视场的重叠区域；标定采图，在上述棋盘格标定板固定的区域内分别采图,选取第一张适合拼接的图像，并确定该图像中重叠的视场,转台舵机转动时，会根据确定的重叠的视场进行转动角度的计算，转动到位后取第二张图并确定该图像中重叠的视场，重新计算转动角度，继续转动取下一张图,转台舵机转动到位时，调焦舵机会进行转动，根据相机拍摄画面的清晰度进行比对，在图像最清晰的位置停止；计算单应性矩阵，通过将采集的图像进行预处理后做角点检测，通过两幅图像的角点坐标计算单应性矩阵h，通过h计算相机组的像素焦距f和平移变换后的矩阵h*m，并计算经过透视变换后的图像坐标，从而获取平移向量l，并将这些参数保存至高清成像模块内。

高清成像组件接收到图像采集指令后，通过初试标定时的位置将高清成像组件中的转台舵机转至拍摄的位置，同时调整高清成像组件中调焦舵机上相机组的像素；高清成像组件中的相机组采图，首先需要设定一个采图的数量n，以便程序能够在采集完毕后进入下一个步骤，若n=8时，图片采集过程中，高清成像模块会持续检测采图数量是否达到预设值8，若未达到，则相机组会持续采集，直至高清摄像模块检测达到预设值终止；在采图过程中，为了减少由多个图像间的约束而引起的累计误差，对采集到的图像利用标定得到的像素焦距f进行柱面投影变换预处理，然后使用双线性插值法去毛刺后覆盖原图像，直至采图结束，高清成像模块直接读取经投影变换以及去毛刺后的的图像序列，利用在标定时得到的平移变换后矩阵h*m进行透视变换，再利用标定时得到的平移向量l来拼接图像，最后进行图像融合去处理拼接图像之间的缝隙，得到拼接图像，将完成后的拼接图像经高清成像模块输出至与高清摄像装置连接到服务器，以便后续操作。

本发明的保护范围包括但不限于以上实施方式，本发明的保护范围以权利要求书为准，任何对本技术做出的本领域的技术人员容易想到的替换、变形、改进均落入本发明的保护范围。