记；本实例中一次函数分别 为x= 0，y= 0，y= 3/20x和y= -3/20x四种情况。
[0072]h.根据步骤g提取出来的错台线找到对应深度图像上错台的位置，其中错台线接 近一条直线，错台量的计算实质是在错台线两侧的像素深度值做差，因此先计算错台线所 在的法线，在法线上取两点P1和P2分别在8灰色直线的两侧，两点相距12-20个像素点关 于灰色直线对称分布；两点对应深度图像的深度值做差绝对值取为h，假定沿着错台直线 两侧的高度差值都计算出来，分别为hl，h2,h3,...，hi，所求的这些高度差值的平均值为错 台量，高度差值最大值为错台量最大值。
[0073] 所述步骤b的深度图像三维数据矩阵为：
[0074]
[0075] 其中屯表示行号为i，列号为j所对应的像素点的深度值，m为深度图像宽度480， η为深度图像长度640;
[0076] 对深度图像数据的预处理包括三个部分：
[0077] (1)深度图像时间域平滑：取15帧进行图像处理，对应每个像素点t，15帧图像 对应有15个深度，分别为…45，则位置点深度值知为：
[0078]
[0079] (2)深度值为0的空洞点进行填充：对于因为物体表面光滑丢失，用周围的深度 值来代替；如果地铁隧道管片遮挡导致边缘深度值丢失，用深度图像上右侧的深度值来代 替；
[0080] (3)局部标准差去噪：通过局部标准差滤波去除孤立噪声点，假定W为滤波器窗 口，窗口大小为3x3,中心像素X0有8个领域，像素点X0以（i，j)为中心，它的局部标准差 定义为·
[0081]
[0082] 其中i是w窗口像X素所有深度值的平均值，定义为：
[0083]
[0084] 通过比较滤波器窗口中心像素和邻域像素标准差来实现滤波，将滤波器窗口中与 其邻域像素相比取标准差最小的点的深度值作为滤波器的输出，其中f(Xl)为像素点^处 的深度值，？_为标准差最小点处的深度值。
[0085] Km=f }}
[0086] 所述步骤c的双对角差分算法具体为：
[0087]d45. =Abs(d(lij+n)-d(l+niij))；
[0088] d135. =Abs(d(li0-(1(ι+η?ιj+n))；
[0089] 其中(^^代表像素位置在（i，j)处的深度值，d45。和d135。分别为双对角方向分别 是45度和135度，分别横纵坐标相距m个像素点，分别取两个方向的深度值做差分的差值， 由于错台间的高度差会出现跳变现象，因此能够被检测；
[0090]
[0091] 上式代表在（i，j)处的像素值，ds为设定的阈值，只要d45。和d135。任意一个 大于阈值4就将该点像素标定为前景像素，否则为背景像素。
[0092] 如图2所示，所述步骤d中的二值图像中的噪声采用联合去噪算法，具体为：
[0093] (1)采用3X3的窗口对其做中值滤波处理；
[0094] (2)遍历图像中像素点，对于3X3领域之和小于2的像素点进行二次去噪处理；
[0095] (3)对于大的团状噪声，采用八连通标记算法，统计图像连通域个数，计算每个连 通区的面积，将面积小于设定阈值的区域进行滤波，本实施例阈值设定为200 ;
[0096] (4)膨胀运算对错台特征进行修补填充以及原状恢复，采用3X3窗口膨胀处理一 次。图4(c)为联合去噪后的图像。
[0097] 所述步骤e的形状特征滤波主要包括螺栓孔和注浆孔两个方面；
[0098] (1)螺栓孔滤波：采用简单的种子填充算法对螺栓孔二值图像进行修补，获得它 的外接矩形，滤波公式如下：
[0099]
[0100] 其中N为连通域的个数，设长为h，宽为w，Εκ像素点灰度，将满足滤波公式的连通 域去除；
[0101] (2)注浆孔滤波：首先注浆孔外圈环形的面积为SK，通过连通域标记，对检测到的 连通域分别计算面积，其次计算注浆孔环形所包围的整体面积Μκ，然后计算连通区域外圈 环形面积与其所包围面积的比值CK，
[0102]
[0103] 设定阈值!^，低于该值的所有连通域滤去，保留错台特征，其中队为连通域个数， Dk(x，y)为第K个连通区的像素值，
[0104]
【主权项】
1. 一种地铁隧道管片错台量检测方法，其特征在于，包括如下步骤： a. 检测车通过Kinect设备采集地铁隧道管片深度图像，深度图像大小是640X480像 素，摄像头米集图像频率30帧/秒； b. 根据步骤a采集的深度图像，对深度图像数据预处理来进行优化； c. 根据步骤b优化后的深度图像数据，采用双对角差分算法将深度图转成数字图像技 术能够处理的二值图像； d. 二值图像中的噪声采用联合去噪算法处理； e. 对于螺栓孔，注浆孔这些特殊噪声，螺栓孔的二值图像接近矩形，注浆孔的形状接近 环形，通过它们的形状特征进行滤波处理； f. 经过步骤e处理后的二值图像，只剩下错台特征，用Zhang快速并行细化算法处理得 到错台的骨架图；取一个像素点的3X3领域，设中心点为P1，其坐标为（i，j)，领域中其余 各像素点分别为P2,P3, ...，P9,则如果领域像素点满足下面4各条件，就将中心点删除； 1) 2 彡Z(P1)彡 6 ; 2)T(P1) = 1 ; 3)Ρ2 ·Ρ4 ·Ρ8 = 0orT(P2) ! = 1 ； 4)Ρ2 ·Ρ6 ·Ρ8 = 0orT(P8) ! = 1 ; 其中Ζ(Ρ1)为Ρ2,Ρ3, . . .，Ρ9的像素点为1的点的个数，Τ(Ρ)为Ρ点的8邻域点按逆 时针方向排列后像素值从〇到1变化的次数； g. 为了识别管片间不同类型的错台线，具体分为四种错台线，分别是横向，纵向，向 上倾斜和向下倾斜；管片间的这四种错台线的倾斜角度是固定的，用已知的一次函数y= kx+b分别去图像中遍历搜索，将不同的错台线提取出来并标记； h. 根据步骤g提取出来的错台线找到对应深度图像上错台的位置，其中错台线接近一 条直线，错台量的计算实质是在错台线两侧的像素深度值做差，因此先计算错台线所在的 法线，在法线上取两点P1和P2分别在8灰色直线的两侧，两点相距12-20个像素点关于 灰色直线对称分布；两点对应深度图像的深度值做差绝对值取为h，假定沿着错台直线两 侧的高度差值都计算出来，分别为hl，h2,h3, ...，hi，所求的这些高度差值的平均值为错台 量，高度差值最大值为错台量最大值。2. 根据权利要求1所述的地铁隧道管片错台量检测方法，其特征在于，所述步骤b的深 度图像三维数据矩阵为：其中表示行号为i，列号为j所对应的像素点的深度值，m为深度图像宽度480，n为 深度图像长度640 ; 对深度图像数据的预处理包括三个部分： (1)深度图像时间域平滑：取15帧进行图像处理，对应每个像素点屯，15帧图像对应 有15个深度，分别为…為5,则位置点深度值（为：(2) 深度值为0的空洞点进行填充：对于因为物体表面光滑丢失，用周围的深度值来代 替；如果地铁隧道管片遮挡导致边缘深度值丢失，用深度图像上右侧的深度值来代替； (3) 局部标准差去噪：通过局部标准差滤波去除孤立噪声点，假定W为滤波器窗口，窗 口大小为3x3,中心像素X0有8个领域，像素点X0以（i，j)为中心，它的局部标准差定义 为：其中?是w窗口像X素所有深度值的平均值，定义为：通过比较滤波器窗口中心像素和邻域像素标准差来实现滤波，将滤波器窗口中与其邻 域像素相比取标准差最小的点的深度值作为滤波器的输出，其中f(Xl)为像素点Xl处的深 度值，为标准差最小点处的深度值： F〇ut= f (x i) (min (Devxi)}〇3. 根据权利要求1所述的地铁隧道管片错台量检测方法，其特征在于，所述步骤c的双 对角差分算法具体为： d45。=Abs(d(li j+n)-d(l+nii0)； 山35。=Abs(d(iJ)-d(i+mJ+m)); 其中表像素位置在（i，j)处的深度值，d45。和d135。分别为双对角方向分别是45 度和135度，分别横纵坐标相距m个像素点，分别取两个方向的深度值做差分的差值，由于 错台间的高度差会出现跳变现象，因此能够被检测；上式代表在（i，J_)处的像素值，ds为设定的阈值，只要d 45=和d135。任意:一个大于 阈值4就将该点像素标定为前景像素，否则为背景像素。4. 根据权利要求1所述的地铁隧道管片错台量检测方法，其特征在于，所述步骤d中的 二值图像中的噪声采用联合去噪算法，具体为： (1) 采用3X3的窗口对其做中值滤波处理； (2)遍历图像中像素点，对于3X3领域之和小于2的像素点进行二次去噪处理； (3) 对于大的团状噪声，采用八连通标记算法，统计图像连通域个数，计算每个连通区 的面积，将面积小于设定阈值的区域进行滤波； (4)膨胀运算对错台特征进行修补填充以及原状恢复，采用3X3窗口膨胀处理一次。5. 根据权利要求1所述的地铁隧道管片错台量检测方法，其特征在于，所述步骤e的形 状特征滤波主要包括螺栓孔和注浆孔两个方面； (1)螺栓孔滤波：采用简单的种子填充算法对螺栓孔二值图像进行修补，获得它的外 接矩形，滤波公式如下：其中N为连通域的个数，设长为h，宽为w，Εκ像素点灰度，将满足滤波公式的连通域去 除； (2)注浆孔滤波：首先注浆孔外圈环形的面积为SK，通过连通域标记，对检测到的连通 域分别计算面积，其次计算注浆孔环形所包围的整体面积Μκ，然后计算连通区域外圈环形 面积与其所包围面积的比值CK，设定阈值！^，低于该值的所有连通域滤去，保留错台特征，其中乂为连通域个数，Dk(x，y)为第K个连通区的像素值，
【专利摘要】本发明公开了一种地铁隧道管片错台量检测方法，包括如下步骤：输入Kinect设备采集深度图像的三维数据矩阵，并对数据进行预处理；采用双对角差分算法将深度图转成数字图像技术可以处理的二值图像；二值图像中的噪声采用联合去噪算法处理，同时对于螺栓孔，注浆孔这些特殊噪声基于形状特征去除；用细化算法提取错台的骨架，通过全局搜索算法识别不同类型的错台线并找到对应深度图像上错台的位置进行管片错台量计算。本发明计算简单、运行时间短，无需人工参与。采用面测量，只需输入采集到地铁隧道管片的深度图像数据，即可完成对管片错台量的检测，因此，该检测算法效率高、检测精确。
【IPC分类】G06T5/00, G01B11/00
【公开号】CN105387801
【申请号】CN201510662198
【发明人】高新闻, 俞黎卿, 杨正哲, 胡珉
【申请人】上海大学
【公开日】2016年3月9日
【申请日】2015年10月3日