發(fā)布時(shí)間：2018-07-05 14:00

  本文選題：隧道圖像 + 幾何標(biāo)定��； 參考：《湖北工業(yè)大學(xué)》2017年碩士論文

【摘要】：隨著我國(guó)交通行業(yè)迅猛發(fā)展,隧道數(shù)量越來(lái)越多,對(duì)隧道進(jìn)行病害檢測(cè)是保證隧道安全運(yùn)營(yíng)的重要工程,因此隧道病害檢測(cè)技術(shù)也越來(lái)越受重視。當(dāng)前較好的隧道病害檢測(cè)方法是基于隧道內(nèi)表面全景圖來(lái)完成的,做法是在檢測(cè)車上垂直于行車方向安裝一排相機(jī)對(duì)隧道拍照,需要橫向拼接,相機(jī)在行車方向不同時(shí)刻對(duì)隧道拍照需要縱向拼接,再拼接成隧道全景圖。但由于隧道自身特點(diǎn),采集的圖像大多鮮有特征、區(qū)分度不高,常規(guī)的特征匹配方法難以實(shí)現(xiàn)拼接。因此,針對(duì)隧道圖像的拼接方法還值得深入研究。為克服了隧道圖像自身特點(diǎn)帶來(lái)的拼接困難,本文提出了一種隧道圖像拼接方法,首先對(duì)所有隧道圖像都用幾何標(biāo)定和特征檢測(cè)兩種方法拼接。然后對(duì)于無(wú)特征圖像,利用被檢測(cè)隧道和已標(biāo)定好的檢測(cè)系統(tǒng)之間的幾何關(guān)系,通過(guò)慣性導(dǎo)航系統(tǒng)數(shù)據(jù)減小行車顛簸帶來(lái)的誤差,計(jì)算橫縱方向相鄰圖像重合區(qū)域,根據(jù)相鄰圖像重合像素點(diǎn)數(shù)量疊加而進(jìn)行拼接,從而完成隧道的幾何拼接全景圖;對(duì)于有特征類圖像,采用改進(jìn)SIFT算法檢測(cè)特征。隧道檢測(cè)系統(tǒng)相機(jī)輔助光源采用的是高亮度平行光的LED燈,拍攝出的隧道圖像中間區(qū)域亮,四周區(qū)域暗,直接拼接會(huì)不利于后期的隧道病害查找與識(shí)別。因此,本文將原SIFT算法中圖像融合方法加以改進(jìn),不同程度地增大拼接后圖像在重合區(qū)域內(nèi)的灰度值,能夠使拼接區(qū)域平滑過(guò)渡。最后將特征檢測(cè)方法拼接的結(jié)果覆蓋到幾何拼接全景圖上,替換掉幾何標(biāo)定方法對(duì)有特征隧道圖像拼接的結(jié)果,形成隧道全景圖。如此,有隧道病害的圖像拼接完全吻合,無(wú)隧道病害的圖像能等比例還原實(shí)際隧道。結(jié)合實(shí)際算例驗(yàn)證本文提出的方法的實(shí)用有效,能達(dá)到工程要求,提出的拼接方法為后期隧道病害識(shí)別提供支持。
[Abstract]:With the rapid development of traffic industry in China, the number of tunnels is more and more, the tunnel disease detection is an important project to ensure the safe operation of tunnel, so tunnel disease detection technology has been paid more and more attention. At present, the better method of tunnel disease detection is based on the panoramic view of the inner surface of the tunnel. The method is to install a row of cameras perpendicular to the driving direction of the detecting vehicle to take pictures of the tunnel. The camera needs longitudinal stitching to take pictures of the tunnel at different times of driving direction, and then the panorama of the tunnel. However, due to the characteristics of the tunnel itself, most of the collected images have few features, the degree of distinction is not high, the conventional feature matching method is difficult to achieve stitching. Therefore, the method of tunnel image stitching is worthy of further study. In order to overcome the difficulty of tunnel image stitching, a tunnel image mosaic method is proposed in this paper. Firstly, all tunnel images are stitched by geometric calibration and feature detection. Then the geometric relationship between the detected tunnel and the calibrated detection system is used to reduce the error caused by the traffic turbulence through the inertial navigation system data, and the overlap region of the adjacent images in the transverse and longitudinal directions is calculated. According to the number of overlapped pixels of adjacent images, the tunnel geometric mosaic panorama is completed. For the images with features, the improved sift algorithm is used to detect the features. The camera auxiliary light source of tunnel detection system uses LED lamp with high brightness and parallel light. The middle area of tunnel image is bright and the surrounding area is dark. Therefore, the image fusion method in the original sift algorithm is improved to increase the gray value of the stitched image in the same region to some extent, and the smooth transition of the splicing region can be achieved. Finally, the results of feature detection are overlaid on the geometric mosaic panorama, and the geometric calibration method is replaced to form the tunnel panoramic image. In this way, the images with tunnel disease fit perfectly, and the images without tunnel disease can restore the actual tunnel in equal proportion. A practical example is given to verify that the proposed method is practical and effective and can meet the engineering requirements. The proposed splicing method provides support for the identification of tunnel diseases in the later stage.
【學(xué)位授予單位】：湖北工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張勇;王志鋒;馬文;;基于改進(jìn)SIFT特征點(diǎn)匹配的圖像拼接算法研究[J];微電子學(xué)與計(jì)算機(jī);2016年03期

2 范宗杰;徐向輝;周曉麗;;一種基于SIFT算法的SAR圖像配準(zhǔn)方法[J];電子測(cè)量技術(shù);2014年08期

3 楊小輝;王敏;;基于ASIFT的無(wú)縫圖像拼接方法[J];計(jì)算機(jī)工程;2013年02期

4 王平讓;黃宏偉;薛亞?wèn)|;;隧道襯砌裂縫自動(dòng)檢測(cè)性能影響因素模型試驗(yàn)研究[J];巖石力學(xué)與工程學(xué)報(bào);2012年08期

5 王平讓;黃宏偉;薛亞?wèn)|;;基于圖像局部網(wǎng)格特征的隧道襯砌裂縫自動(dòng)識(shí)別[J];巖石力學(xué)與工程學(xué)報(bào);2012年05期

6 于麗莉;戴青;;一種改進(jìn)的SIFT特征匹配算法[J];計(jì)算機(jī)工程;2011年02期

7 劉曉瑞;謝雄耀;;基于圖像處理的隧道表面裂縫快速檢測(cè)技術(shù)研究[J];地下空間與工程學(xué)報(bào);2009年S2期

8 李云霞;曾毅;鐘瑞艷;郭濤;;基于SIFT特征匹配的圖像拼接算法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2009年01期

9 張羽;朱丹;王玉良;;一種改進(jìn)的快速SIFT特征匹配算法[J];微計(jì)算機(jī)信息;2008年33期

10 張少輝;沈曉蓉;范耀祖;;一種基于圖像特征點(diǎn)提取及匹配的方法[J];北京航空航天大學(xué)學(xué)報(bào);2008年05期

相關(guān)博士學(xué)位論文 前2條

1 楊占龍;基于特征點(diǎn)的圖像配準(zhǔn)與拼接技術(shù)研究[D];西安電子科技大學(xué);2008年

2 李少波;道路結(jié)構(gòu)無(wú)損檢測(cè)理論與檢測(cè)技術(shù)研究[D];天津大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 呂智慧;一種基于改進(jìn)的SIFT算法的圖像配準(zhǔn)方法[D];哈爾濱理工大學(xué);2016年

2 趙洪宋;基于SIFT算法和圖結(jié)構(gòu)的全景圖像拼接[D];安徽理工大學(xué);2015年

3 成艷枝;基于圖像處理的隧道襯砌裂縫檢測(cè)系統(tǒng)設(shè)計(jì)與研究[D];太原理工大學(xué);2015年

4 孟德劍;基于SIFT算法的激光雷達(dá)圖像拼接算法研究[D];哈爾濱工業(yè)大學(xué);2014年

5 張宇超;基于SIFT算法的水下多CCD圖像拼接技術(shù)[D];中國(guó)海洋大學(xué);2014年

6 朱鑫;隧道結(jié)構(gòu)表面病害特征快速檢測(cè)研究[D];西南交通大學(xué);2014年

7 劉松;基于改進(jìn)SIFT的圖像拼接及其并行化研究[D];安徽大學(xué);2014年

8 龔泠方;基于SIFT特征匹配的圖像拼接技術(shù)研究[D];云南大學(xué);2012年

9 肖健;SIFT特征匹配算法研究與改進(jìn)[D];重慶大學(xué);2012年

10 王含宇;基于特征點(diǎn)的可見(jiàn)光遙感影像拼接技術(shù)研究[D];解放軍信息工程大學(xué);2011年

，

本文編號(hào)：2100446