本發(fā)明屬于隧道巡檢
技術領域：
，涉及一種隧道巡檢系統(tǒng)，尤其涉及一種基于BIM技術的無人機隧道巡檢系統(tǒng)。
背景技術：
：國內(nèi)外常用于隧道巡檢的方法主要有人工檢測、半自動化的儀器檢測等幾種方式。其中，人工檢測由于隧道日常運營只能有兩三個小時的檢測時間，這導致了人工檢測的線路都很短。半自動化的儀器檢測由于要在隧道生產(chǎn)時就需要預埋檢測傳感器，同時在隧道運營時架設專門的通訊設備才可以進行，況且預埋傳感器成活率都不是很高，這導致了目前隧道巡檢還是以人工巡檢為主的方式來進行。從國內(nèi)外所查找的專利看，目前還沒有將無人機應用于隧道巡檢線路中的專利，這一方面是由于隧道內(nèi)線路繁多，無人機在隧道無論怎么精確控制都會有觸碰隧道內(nèi)線路的情況概率發(fā)生；另一方面是以前室內(nèi)導航由于沒有GPS使得導航的精度較低。有鑒于此，如今迫切需要設計一種新的檢測系統(tǒng)，以便克服現(xiàn)有檢測方式存在的上述缺陷。技術實現(xiàn)要素：本發(fā)明的目的在于針對已有技術存在的不足：提供一種基于BIM技術的無人機隧道巡檢系統(tǒng)，可加快隧道巡檢的工作效率，這對于日益增長的地鐵隧道安全有著極大地協(xié)助作用。為達到上述目的，本發(fā)明采用如下技術方案：一種基于BIM技術的無人機隧道巡檢系統(tǒng)，一個機載控制與融合處理系統(tǒng)連接管片標簽、地面工作站系統(tǒng)、機載傳感器系統(tǒng)和通信系統(tǒng)；所述地面工作站系統(tǒng)包括對應關系建立子單元、巡檢線路三維模型生產(chǎn)子單元；對應關系建立子單元用以通過BIM技術建立隧道模型，并將其導入到三維展示軟件中，利用坐標系轉(zhuǎn)換方法獲得無人機導航坐標系與三維引擎漫游相機坐標系之間關系，建立無人機與三維引擎漫游相機之間的對應關系；首先，通過RGB-D相機獲得無人機離隧道左、右、上距離，將無人機調(diào)整到與三維引擎漫游相機起始坐標相同位置，使其兩坐標系重合，然后利用四元數(shù)進行二者之間坐標系旋轉(zhuǎn)變換；所述巡檢線路三維模型生成子單元用以接收RGB-D相機巡檢的視頻，利用基于BIM技術所做的隧道模型進行視頻圖像與模型的貼圖、拼接、匹配和組合，最終得到巡檢線路的真實三維模型，進而清楚掌握目前線路的具體情況和有無隧道病害隱患；所述視頻圖像包括深度圖像和彩色圖像；所述機載控制與融合處理系統(tǒng)包括機載控制子單元、機載處理子單元；所述機載處理子單元用以在三維展示中的三維引擎中設置相機按巡檢線路進行漫游，利用三維展示中的三維引擎漫游獲得的運動軌跡參數(shù)和三維引擎漫游相機之間的對應關系將通過坐標系轉(zhuǎn)換方法轉(zhuǎn)換為無人機運動軌跡參數(shù)，同時三維展示中的三維引擎漫游時利用射線技術偵查當前視口內(nèi)的標簽物體，以便與無人機獲取的標簽信息相互確認，以便更進一步得到無人機巡檢線路中姿態(tài)和位置參數(shù)；標簽用以標記位置；所述機載控制子單元通過三維引擎漫游相機、基于RGB-D相機、MEMS慣性測量單元以及隧道管片上安裝的標簽，將四者信息融合，獲得其在隧道中運動狀態(tài)：利用RGB-D相機獲取隧道內(nèi)部環(huán)境的二維彩色圖像和三維深度數(shù)據(jù)，然后通過極限學習算法獲得無人機的姿態(tài)和位置參數(shù)估計值；利用MEMS慣性測量單元獲得慣性測量值，將所述RGB-D相機獲得的姿態(tài)和位置參數(shù)估計值與慣性測量單元獲得的測量值通過濾波算法進行信息融合，再利用三維引擎漫游相機獲得的運動軌跡參數(shù)進行無人機運動狀態(tài)一次修正，然后通過標簽識別器獲得的標簽信息進行無人機運動狀態(tài)二次修正，從而得到更為精確的無人機運動狀態(tài)來自主控制無人機按巡檢線路自主飛行；所述機載控制子單元的信息融合算法如下：無人機對三維引擎漫游相機、基于RGB-D相機、MEMS慣性測量單元以及隧道管片上安裝的標簽四者信息進行處理，并采用基于信任度的DS證據(jù)理論算法計算得到的融合信息在隧道中運動狀態(tài)準確性，計算過程如下：S31.設三維引擎漫游相機、RGB-D相機、MEMS慣性測量單元以及隧道管片上安裝的標簽信息四者信任度為W＝{ω1,ω2,ω3,ω4}，其中ωi(i＝1,2,3,4)為單個數(shù)據(jù)的屬性絕對差；S32.計算任兩組數(shù)據(jù)之間的沖突其中m(F)為單組數(shù)據(jù)的置信度；S33.計算任兩組數(shù)據(jù)之間的相似性S34.計算比例沖突因子S35.計算平均沖突系數(shù)S36.計算總體權重因子ω*＝m×(k*)α×min(ωi|i＝1,2,3,4)；其中，α為調(diào)節(jié)因子；S37.對所有數(shù)據(jù)的信任度進行更新調(diào)節(jié)S38.重復上述S32到S37操作，直到總體信任度W′大于設定閾值時，無人機在隧道中的運動狀態(tài)即為安全的運行狀態(tài)；所述機載控制子單元中，根據(jù)無人機的動力學特性建立狀態(tài)空間模型以及RGB-D相機、MEMS慣性測量單元的觀測模型，通過對RGB-D相機拍攝的彩色圖像進行中值濾波、連通域濾波、膨脹修改以及圖像細化獲得隧道中多組特征點，然后根據(jù)特征點對應深度數(shù)據(jù)獲得具有匹配關系的相鄰兩幀圖像中的三維點云，然后通過極限學習算法獲得無人機的姿態(tài)和位置參數(shù)估計值作為無人機的姿態(tài)空間模型的觀測量，這樣與MEMS慣性傳感器提供的觀測量進行融合，該融合后的運動狀態(tài)參數(shù)與三維引擎獲得的運動狀態(tài)參數(shù)相比較進行一次修正無人機的飛行狀態(tài)及飛行路線，在無人機飛行過程中再通過隧道每環(huán)管片上固定的標簽位置進行無人機飛行的二次運動狀態(tài)及飛行路線修正，引導無人機按三維引擎漫游線路進行巡檢；所述機載控制子單元中，其中值濾波、連通域濾波、膨脹修改以及圖像細化獲得隧道中的多組特征點算法如下：通過對RGB-D相機拍攝的彩色圖像進行如下操作：S301.采用中值濾波器對圖像進行去噪設濾波窗口為W，采用如下方法對圖像各點的灰度值{xij,(i,j)∈I2}進行濾波處理yi＝MedW{xij}＝Med{xi+r,j+s,(r,s)∈W(i,j)∈I2}其中，yi為濾波后的值。S302.采用Butterworth高通濾波器在頻域?qū)D像進行增強設n階Butterworth高通濾波器傳遞函數(shù)如下：其中，D0為截至頻率，為點P(u,v)到頻率平面原點的距離。將點P(u,v)處的H(u,v)下降到最大值的S303.通過逆濾波方法對Step2得到的圖像中存在的運動模糊進行消除。S304.采用Hilditch細化算法對Step3得到的圖像進行細化處理；方法如下：設背景值為0，前景值為1，采用8連通域，中心點為P0P8P1P2P7P0P3P6P5P4B(P0)表示與P0點相鄰的8連通域中非零像素點的個數(shù)；A(P0)表示P0點相鄰的8連通域順時針方向P1-P8序列中0或1模式的個數(shù)；規(guī)定如下細化條件：2<＝B(P0)<＝6A(P0)＝1P2|P4|P8＝0或者A(P2)?。?P2|P4|P6＝0或者A(P4)?。?滿足條件時將P0置為0，按照從左到右，從上到下的順序?qū)γ總€像素進行遍歷，直到像素點不滿足上述細化條件為止；所述的通信系統(tǒng)，用于無人機上機載傳感器系統(tǒng)與地面工作站系統(tǒng)之間通信。作為本發(fā)明的一種優(yōu)選方案，所述系統(tǒng)還包括：巡檢線路三維模型生成子單元，用以接收RGB-D相機巡檢的視頻，并利用基于BIM技術所做的隧道模型進行視頻圖像與模型的貼圖、拼接、匹配和組合，最終得到巡檢線路的真實三維模型，進而清楚掌握目前線路的具體情況和有無隧道病害隱患；所述視頻圖像包括深度圖像和彩色圖像。本發(fā)明與現(xiàn)有技術相比較，具有如下顯而易見的突出實質(zhì)性特點和顯著的技術進步：本發(fā)明提出的基于BIM技術的無人機隧道巡檢系統(tǒng)，可以加快隧道巡檢的工作效率，這對于日益增長的地鐵隧道安全有著極大地協(xié)助作用。本發(fā)明利用無人機進行巡檢，操作方便、數(shù)據(jù)采集快捷、信息豐富、成本較低，巡檢時間大大降低。附圖說明圖1為本發(fā)明基于BIM技術的無人機隧道巡檢系統(tǒng)的結(jié)構示意圖。圖2為本發(fā)明基于BIM技術的無人機隧道巡檢方法的流程圖。圖3為本發(fā)明基于BIM技術的無人機隧道巡檢系統(tǒng)的結(jié)構框圖。圖4為本發(fā)明基于BIM技術的無人機隧道巡檢系統(tǒng)的地面工作站系統(tǒng)示意圖。圖5為本發(fā)明基于BIM技術的無人機隧道巡檢系統(tǒng)的機載控制與融合處理系統(tǒng)示意圖。具體實施方式下面結(jié)合附圖詳細說明本發(fā)明的優(yōu)選實施例。實施例一：參見圖1～圖5，本基于BIM技術的無人機隧道巡檢系統(tǒng)，其特征在于，機載控制與融合處理系統(tǒng)連接管片標簽、機載傳感器、通訊系統(tǒng)和地面工作站系統(tǒng)；1)所述管片標簽，用于定位隧道內(nèi)管片位置；2)地面工作站系統(tǒng)，用于控制與導航無人機在隧道內(nèi)巡檢線路；其中，巡檢路線的控制與導航進一步包括：對應關系建立子單元，用于獲得無人機與基于BIM技術建立隧道模型中三維展示中的三維引擎漫游相機之間的對應關系；巡檢線路三維模型生成子單元，用于獲得無人機在隧道巡檢線路中的真實三維模型；3)所述機載傳感器系統(tǒng)，用于獲得無人機在隧道巡檢線路中隧道病害圖像、無人機在隧道巡檢線路中姿態(tài)、無人機在隧道巡檢線路中高度、無人機在隧道巡檢線路中位置；其進一步包括：RGB-D相機，用于獲得無人機在隧道巡檢線路中隧道病害及無人機與隧道內(nèi)管片位置；標簽識別器，用于識別無人機在隧道巡檢線路中隧道管片標簽；MEMS慣性測量單元，用于獲得無人機在隧道巡檢線路中自身的狀態(tài)；高度傳感器，用于獲得無人機在隧道巡檢線路中自身的高度；4)所述機載控制與融合處理系統(tǒng)，用于接收地面站系統(tǒng)的導航指令以及機載傳感器系統(tǒng)的信息，控制無人機在隧道巡檢中的姿態(tài)位置和運動狀態(tài)，其進一步包括：機載控制子單元，用于融合機載傳感器系統(tǒng)在無人機巡檢線路中RGB-D相機信息、MEMS慣性測量單元信息以及高度傳感器信息，然后通過機載控制單元中的飛行控制算法控制無人機在隧道內(nèi)巡檢線路；機載處理子單元，用于處理通過RGB-D相機拍攝獲得RGB-D相機的運動狀態(tài)以及獲得地面工作站中三維引擎相機產(chǎn)生的實時路徑規(guī)劃；5)所述通信系統(tǒng)，用于無人機上機載傳感器系統(tǒng)與地面工作站系統(tǒng)之間通信；實施例二：請參閱圖1，揭示了一種基于BIM技術的無人機隧道巡檢系統(tǒng)，包括：一個機載控制與融合處理系統(tǒng)連接管片標簽、地面工作站系統(tǒng)、機載傳感器系統(tǒng)和通信系統(tǒng)。請參閱圖4，本實施例所述地面工作站系統(tǒng)包括對應關系建立子單元、巡檢線路三維模型生產(chǎn)子單元；對應關系建立子單元用以通過BIM技術建立隧道模型，并將其導入到三維展示軟件中，利用坐標系轉(zhuǎn)換方法獲得無人機導航坐標系與三維引擎漫游相機坐標系之間關系，建立無人機與三維引擎漫游相機之間的對應關系；首先，通過RGB-D相機獲得無人機離隧道左、右、上距離，將無人機調(diào)整到與三維引擎漫游相機起始坐標相同位置，使其兩坐標系重合，然后利用四元數(shù)進行二者之間坐標系旋轉(zhuǎn)變換；所述巡檢線路三維模型生成子單元用以接收RGB-D相機巡檢的視頻，利用基于BIM技術所做的隧道模型進行視頻圖像與模型的貼圖、拼接、匹配和組合，最終得到巡檢線路的真實三維模型，進而清楚掌握目前線路的具體情況和有無隧道病害隱患；所述視頻圖像包括深度圖像和彩色圖像；請參閱圖5，本實施例所述機載控制與融合處理系統(tǒng)包括機載控制子單元、機載處理子單元；所述機載處理子單元用以在三維展示中的三維引擎中設置相機按巡檢線路進行漫游，利用三維展示中的三維引擎漫游獲得的運動軌跡參數(shù)和三維引擎漫游相機之間的對應關系將通過坐標系轉(zhuǎn)換方法轉(zhuǎn)換為無人機運動軌跡參數(shù)，同時三維展示中的三維引擎漫游時利用射線技術偵查當前視口內(nèi)的標簽物體，以便與無人機獲取的標簽信息相互確認，以便更進一步得到無人機巡檢線路中姿態(tài)和位置參數(shù)；標簽用以標記位置；所述機載控制子單元通過三維引擎漫游相機、基于RGB-D相機、MEMS慣性測量單元以及隧道管片上安裝的標簽，將四者信息融合，獲得其在隧道中運動狀態(tài)：利用RGB-D相機獲取隧道內(nèi)部環(huán)境的二維彩色圖像和三維深度數(shù)據(jù)，然后通過極限學習算法獲得無人機的姿態(tài)和位置參數(shù)估計值；利用MEMS慣性測量單元獲得慣性測量值，將所述RGB-D相機獲得的姿態(tài)和位置參數(shù)估計值與慣性測量單元獲得的測量值通過濾波算法進行信息融合，再利用三維引擎漫游相機獲得的運動軌跡參數(shù)進行無人機運動狀態(tài)一次修正，然后通過標簽識別器獲得的標簽信息進行無人機運動狀態(tài)二次修正，從而得到更為精確的無人機運動狀態(tài)來自主控制無人機按巡檢線路自主飛行；所述機載控制子單元的信息融合算法如下：無人機對三維引擎漫游相機、基于RGB-D相機、MEMS慣性測量單元以及隧道管片上安裝的標簽四者信息進行處理，并采用基于信任度的DS證據(jù)理論算法計算得到的融合信息在隧道中運動狀態(tài)準確性，計算過程如下：S31.設三維引擎漫游相機、RGB-D相機、MEMS慣性測量單元以及隧道管片上安裝的標簽信息四者信任度為W＝{ω1,ω2,ω3,ω4}，其中ωi(i＝1,2,3,4)為單個數(shù)據(jù)的屬性絕對差；S32.計算任兩組數(shù)據(jù)之間的沖突其中m(F)為單組數(shù)據(jù)的置信度；S33.計算任兩組數(shù)據(jù)之間的相似性S34.計算比例沖突因子S35.計算平均沖突系數(shù)S36.計算總體權重因子ω*＝m×(k*)α×min(ωi|i＝1,2,3,4)；其中，α為調(diào)節(jié)因子；S37.對所有數(shù)據(jù)的信任度進行更新調(diào)節(jié)S38.重復上述S32到S37操作，直到總體信任度W′大于設定閾值時，無人機在隧道中的運動狀態(tài)即為安全的運行狀態(tài)；所述機載控制子單元中，根據(jù)無人機的動力學特性建立狀態(tài)空間模型以及RGB-D相機、MEMS慣性測量單元的觀測模型，通過對RGB-D相機拍攝的彩色圖像進行中值濾波、連通域濾波、膨脹修改以及圖像細化獲得隧道中多組特征點，然后根據(jù)特征點對應深度數(shù)據(jù)獲得具有匹配關系的相鄰兩幀圖像中的三維點云，然后通過極限學習算法獲得無人機的姿態(tài)和位置參數(shù)估計值作為無人機的姿態(tài)空間模型的觀測量，這樣與MEMS慣性傳感器提供的觀測量進行融合，該融合后的運動狀態(tài)參數(shù)與三維引擎獲得的運動狀態(tài)參數(shù)相比較進行一次修正無人機的飛行狀態(tài)及飛行路線，在無人機飛行過程中再通過隧道每環(huán)管片上固定的標簽位置進行無人機飛行的二次運動狀態(tài)及飛行路線修正，引導無人機按三維引擎漫游線路進行巡檢；所述機載控制子單元中，其中值濾波、連通域濾波、膨脹修改以及圖像細化獲得隧道中的多組特征點算法如下：通過對RGB-D相機拍攝的彩色圖像進行如下操作：S301.采用中值濾波器對圖像進行去噪設濾波窗口為W，采用如下方法對圖像各點的灰度值{xij,(i,j)∈I2}進行濾波處理yi＝MedW{xij}＝Med{xi+r,j+s,(r,s)∈W(i,j)∈I2}其中，yi為濾波后的值。S302.采用Butterworth高通濾波器在頻域?qū)D像進行增強設n階Butterworth高通濾波器傳遞函數(shù)如下：其中，D0為截至頻率，為點P(u,v)到頻率平面原點的距離。將點P(u,v)處的H(u,v)下降到最大值的S303.通過逆濾波方法對Step2得到的圖像中存在的運動模糊進行消除。S304.采用Hilditch細化算法對Step3得到的圖像進行細化處理；方法如下：設背景值為0，前景值為1，采用8連通域，中心點為P0P8P1P2P7P0P3P6P5P4B(P0)表示與P0點相鄰的8連通域中非零像素點的個數(shù)；A(P0)表示P0點相鄰的8連通域順時針方向P1-P8序列中0或1模式的個數(shù)；規(guī)定如下細化條件：2<＝B(P0)<＝6A(P0)＝1P2|P4|P8＝0或者A(P2)?。?P2|P4|P6＝0或者A(P4)！＝1滿足條件時將P0置為0，按照從左到右，從上到下的順序?qū)γ總€像素進行遍歷，直到像素點不滿足上述細化條件為止；所述的通信系統(tǒng)，用于無人機上機載傳感器系統(tǒng)與地面工作站系統(tǒng)之間通信。實施例三：請參閱圖3，本基于BIM技術的無人機隧道巡檢方法，它包括以下步驟：【步驟1】通過BIM技術建立隧道模型，并將其導入到三維展示中，利用坐標系轉(zhuǎn)換方法獲得無人機導航坐標系與三維引擎漫游相機坐標系之間關系，建立無人機與三維引擎漫游相機之間的對應關系；其中，坐標系轉(zhuǎn)換方法獲得無人機導航坐標系與三維引擎漫游相機坐標系之間關系。該關系的獲得首先是通過RGB-D相機獲得無人機離隧道左、右、上距離，將無人機調(diào)整到與三維引擎漫游起始坐標相同位置，使其兩坐標系重合，然后再利用四元數(shù)進行二者之間坐標系旋轉(zhuǎn)變換?！静襟E2】在三維展示中的三維引擎中設置相機按巡檢線路進行漫游，利用三維展示中的三維引擎漫游和三維引擎漫游相機之間的對應關系獲得無人機運動軌跡參數(shù)，同時漫游時利用射線技術偵查當前視口內(nèi)的標簽物體，以便與無人機獲取的標簽信息相互確認?！静襟E3】無人機通過三維引擎漫游相機、基于RGB-D相機、MEMS慣性測量單元以及隧道管片上安裝的標簽四者信息融合算法獲得其在隧道中運動狀態(tài)：利用RGB-D相機獲取隧道內(nèi)部環(huán)境的二維彩色圖像和三維深度數(shù)據(jù)，然后通過極限學習算法獲得無人機的姿態(tài)和位置參數(shù)估計值；利用MEMS慣性測量單元獲得慣性測量值，將所述RGB-D相機獲得的姿態(tài)和位置參數(shù)估計值與慣性測量單元獲得的測量值通過濾波算法進行信息融合，再利用三維引擎漫游相機獲得的運動軌跡參數(shù)進行無人機運動狀態(tài)一次修正，然后通過標簽識別器獲得的標簽信息進行無人機運動狀態(tài)二次修正，從而得到更為精確的無人機運動狀態(tài)來自主控制無人機按巡檢線路自主飛行。在步驟S3中，其信息融合算法如下：無人機對三維引擎漫游相機、基于RGB-D相機、MEMS慣性測量單元以及隧道管片上安裝的標簽四者信息進行處理，并采用基于信任度的DS證據(jù)理論算法計算得到的融合信息在隧道中運動狀態(tài)準確性，計算過程如下：S31.設三維引擎漫游相機、RGB-D相機、MEMS慣性測量單元以及隧道管片上安裝的標簽信息四者信任度為W＝{ω1,ω2,ω3,ω4}，其中ωi(i＝1,2,3,4)為單個數(shù)據(jù)的屬性絕對差；S32.計算任兩組數(shù)據(jù)之間的沖突其中m(F)為單組數(shù)據(jù)的置信度；S33.計算任兩組數(shù)據(jù)之間的相似性S34.計算比例沖突因子S35.計算平均沖突系數(shù)S36.計算總體權重因子ω*＝m×(k*)α×min(ωi|i＝1,2,3,4)；其中，α為調(diào)節(jié)因子；S37.對所有數(shù)據(jù)的信任度進行更新調(diào)節(jié)S38.重復上述S32到S37操作，直到總體信任度W′大于設定閾值時，無人機在隧道中的運動狀態(tài)即為安全的運行狀態(tài)。具體地，根據(jù)無人機的動力學特性建立狀態(tài)空間模型以及RGB-D相機、MEMS慣性測量單元的觀測模型，通過對RGB-D相機拍攝的彩色圖像進行中值濾波、連通域濾波、膨脹修改以及圖像細化獲得隧道中多組特征點，然后根據(jù)特征點對應深度數(shù)據(jù)獲得具有匹配關系的相鄰兩幀圖像中的三維點云，然后通過極限學習算法獲得無人機的姿態(tài)和位置參數(shù)估計值作為無人機的姿態(tài)空間模型的觀測量，這樣與MEMS慣性傳感器提供的觀測量進行融合，該融合后的運動狀態(tài)參數(shù)與三維引擎獲得的運動狀態(tài)參數(shù)相比較進行一次修正無人機的飛行狀態(tài)及飛行路線，在無人機飛行過程中再通過隧道每環(huán)管片上固定的標簽位置進行無人機飛行的二次運動狀態(tài)及飛行路線修正，引導無人機按三維引擎漫游線路進行巡檢。上述步驟中，其中值濾波、連通域濾波、膨脹修改以及圖像細化獲得隧道中的多組特征點算法如下：通過對RGB-D相機拍攝的彩色圖像進行如下操作：Step1.采用中值濾波器對圖像進行去噪設濾波窗口為W，采用如下方法對圖像各點的灰度值{xij,(i,j)∈I2}進行濾波處理yi＝MedW{xij}＝Med{xi+r,j+s,(r,s)∈W(i,j)∈I2}其中，yi為濾波后的值。Step2.采用Butterworth高通濾波器在頻域?qū)D像進行增強設n階Butterworth高通濾波器傳遞函數(shù)如下：其中，D0為截至頻率，為點P(u,v)到頻率平面原點的距離。將點P(u,v)處的H(u,v)下降到最大值的Step3.通過逆濾波方法對Step2得到的圖像中存在的運動模糊進行消除。Step4.采用Hilditch細化算法對Step3得到的圖像進行細化處理方法如下：設背景值為0，前景值為1，采用8連通域，中心點為P0P8P1P2P7P0P3P6P5P4B(P0)表示與P0點相鄰的8連通域中非零像素點的個數(shù)A(P0)表示P0點相鄰的8連通域順時針方向P1-P8序列中0或1模式的個數(shù)。規(guī)定如下細化條件：2<＝B(P0)<＝6A(P0)＝1P2|P4|P8＝0或者A(P2)?。?P2|P4|P6＝0或者A(P4)！＝1滿足條件時將P0置為0，按照從左到右，從上到下的順序?qū)γ總€像素進行遍歷，直到像素點不滿足上述細化條件為止?！静襟ES4】RGB-D相機巡檢的視頻通過視頻傳輸模塊傳輸?shù)降孛婀ぷ髡?，地面工作站利用基于BIM技術所做的隧道模型進行視頻圖像(深度圖像和彩色圖像)與模型的貼圖、拼接、匹配和組合，最終得到巡檢線路的真實三維模型，進而清楚掌握目前線路的具體情況和有無隧道病害隱患。實施例四：請參閱圖3，本基于BIM技術的無人機隧道巡檢系統(tǒng)，所述巡檢系統(tǒng)包括：地面工作站系統(tǒng)、機載傳感器系統(tǒng)、機載控制與融合處理系統(tǒng)、通信系統(tǒng)。所述地面工作站系統(tǒng)包括對應關系建立子單元，所述對應關系建立子單元通過BIM技術建立隧道模型，并將其導入到三維展示軟件中，利用坐標系轉(zhuǎn)換方法獲得無人機導航坐標系與三維引擎漫游相機坐標系之間關系，建立無人機與三維引擎漫游相機之間的對應關系。所述機載控制與融合處理系統(tǒng)包括機載控制子單元、機載處理子單元，所述機載控制子單元在三維展示軟件中的三維引擎中設置相機按巡檢線路進行漫游，利用三維展示軟件中的三維引擎漫游獲得的運動軌跡參數(shù)和三維引擎漫游相機之間的對應關系將通過坐標系轉(zhuǎn)換方法轉(zhuǎn)換為無人機運動軌跡參數(shù)，同時三維展示軟件中的三維引擎漫游時利用射線技術偵查當前視口內(nèi)的標簽物體，以便與無人機獲取的標簽信息相互確認，以便更進一步得到無人機巡檢線路中姿態(tài)和位置參數(shù)。所述機載控制子單元獲取三維引擎漫游相機、基于RGB-D相機、MEMS慣性測量單元以及隧道管片上安裝的標簽對應的信息，將四者信息融合獲得其在隧道中運動狀態(tài)。綜上所述，本發(fā)明提出的基于BIM技術的無人機隧道自主巡檢系統(tǒng)，可以加快隧道巡檢的工作效率，這對于日益增長的地鐵隧道安全有著極大地協(xié)助作用。本發(fā)明利用無人機進行巡檢，操作方便、數(shù)據(jù)采集快捷、信息豐富、成本較低，巡檢時間大大降低。這里本發(fā)明的描述和應用是說明性的，并非想將本發(fā)明的范圍限制在上述實施例中。這里所披露的實施例的變形和改變是可能的，對于那些本領域的普通技術人員來說實施例的替換和等效的各種部件是公知的。本領域技術人員應該清楚的是，在不脫離本發(fā)明的精神或本質(zhì)特征的情況下，本發(fā)明可以以其它形式、結(jié)構、布置、比例，以及用其它組件、材料和部件來實現(xiàn)。在不脫離本發(fā)明范圍和精神的情況下，可以對這里所披露的實施例進行其它變形和改變。當前第1頁1 2 3