论文部分内容阅读
由于沿程地质、水文、气象和人文等环境条件的复杂性,长距离输水渠道的安全运行和供水保障时刻面临着冰凌拥堵、污染物入侵和边坡破坏等各类险情灾害的威胁。及时准确地识别险情,以在初始阶段采取措施控制险情灾害的发展,是应急响应和决策制定的重要前提。当前工程实践主要依赖于人工巡检和安全监测来对渠道运行过程中的安全风险进行识别。然而,人工巡检耗时长、效率低,且缺乏有效的信息协同机制来支撑快速安全诊断;安全监测仅限于个别典型断面的考察,存在险情漏报的风险,且难以对异物入侵、冰凌等非结构性的险情类型进行诊断。另外,长距离渠道常常穿越高寒无人区,当地严酷的自然地理环境给人工巡检带来了困难。针对现有手段的不足,有必要探索长距离输水渠道巡检和险情识别的新方法和新技术,以提升渠道运行风险发现和应急响应的能力,为保障工程供水安全提供新的途径。
无人机、建筑信息模型(Building Information Modeling,BIM)及图像识别等新兴技术的发展,为长距离输水渠道巡检和险情识别手段的创新提供了可能。无人机具有机动灵活、视野开阔、适应高空作业的优点,可解决传统人工巡检效率低、长距离无人区交通不便等弊端;BIM以可视化的方式综合集成多源信息,可为渠道安全诊断提供信息辅助;图像识别对无人机巡检航拍图像进行自动批处理,可实现渠道全程险情的无盲区覆盖。本文从“渠道巡检航拍——动态BIM耦合——图像预处理——险情智能识别”的全流程出发,深入研究长距离输水渠道巡检与险情识别理论方法与应用,实现了多源信息辅助下集动态BIM-天地耦联-智能识别于一体的虚实信息增强巡检与险情快速溯源,有助于克服高寒环境下人工巡检困难、效率低、缺乏信息辅助的弊端,为高寒长距离输水渠道的应急巡检和险情追踪提供高效智能的技术手段。本文的主要研究成果如下:
(1)提出了耦合动态BIM的无人机增强现实巡检方法。构建了耦合安全监测的输水渠道动态BIM模型,提出了动态BIM与巡检航拍视频的匹配联动算法,实现了动态BIM辅助下无人机巡检虚实信息的增强,克服了传统人工巡检效率低、前后方不协同和缺乏天地一体化多源信息辅助的弊端,为长距离输水渠道的安全巡检提供了一种新的自动化手段。
(2)提出了BIM驱动的输水渠道航拍图像兴趣区提取方法。利用位置、姿态等地理标签信息,进行BIM三维注册渲染,进而指示航拍图像兴趣区提取,有效避免了传统方式对人工先验知识的依赖,实现了兴趣区提取的自动批处理,有助于克服大尺度航拍影像对图像识别任务的背景干扰,为渠道险情图像识别提供了有效的预处理手段。
(3)研究了渠道冰情的智能图像识别技术。从对渠道冰情的先验观察出发,提出利用色彩特征指标StV、纹理密度特征指标EP,以及纹理方向特征指标δ-EHD和δ-HOG,进行明流、冰盖、流凌、冰塞等四个冰情阶段及流凌强度等级识别的方法,建立了基于图像特征的冰情识别支持向量机(Support Vector Machine,SVM)模型,实现了渠道冰情阶段和流凌强度等级的智能识别,有助于提高冰情监控的覆盖范围和险情识别的效率。
(4)研究了基于无人机航拍的渠道水面异物智能图像识别技术。提出了基于SLIC超像素纹理特征的渠道水面异物图像检测方法,构建了异物类型识别的“层级投票”机制,给出了基于摄影测量学和航拍位姿信息的异物空间定位和几何特征估算方法,实现了渠道水体异物检测、分类、追踪的全流程自动化,克服了传统人工巡视效率低下、存在人为因素干扰的弊端,有助于解决渠道异物入侵发现难、鉴别难、追踪难的问题,为输水渠道水质安全管理提供了新的手段。
(5)研究了渠道边坡破坏的智能图像识别技术。通过比选分析,给出了可有效描述边坡破坏的图像特征向量“LBP+HSV”,提出了基于超像素分割和支持向量机的边坡破坏图像识别方法,实现了基于图像数据源的渠道边坡状态自动识别。通过该方法与无人机巡检航拍相结合,可克服传统安全监测仅能感知有限个典型断面边坡状态的不足,为长距离输水渠道全线边坡状态的快速识别评估提供了新的思路。
无人机、建筑信息模型(Building Information Modeling,BIM)及图像识别等新兴技术的发展,为长距离输水渠道巡检和险情识别手段的创新提供了可能。无人机具有机动灵活、视野开阔、适应高空作业的优点,可解决传统人工巡检效率低、长距离无人区交通不便等弊端;BIM以可视化的方式综合集成多源信息,可为渠道安全诊断提供信息辅助;图像识别对无人机巡检航拍图像进行自动批处理,可实现渠道全程险情的无盲区覆盖。本文从“渠道巡检航拍——动态BIM耦合——图像预处理——险情智能识别”的全流程出发,深入研究长距离输水渠道巡检与险情识别理论方法与应用,实现了多源信息辅助下集动态BIM-天地耦联-智能识别于一体的虚实信息增强巡检与险情快速溯源,有助于克服高寒环境下人工巡检困难、效率低、缺乏信息辅助的弊端,为高寒长距离输水渠道的应急巡检和险情追踪提供高效智能的技术手段。本文的主要研究成果如下:
(1)提出了耦合动态BIM的无人机增强现实巡检方法。构建了耦合安全监测的输水渠道动态BIM模型,提出了动态BIM与巡检航拍视频的匹配联动算法,实现了动态BIM辅助下无人机巡检虚实信息的增强,克服了传统人工巡检效率低、前后方不协同和缺乏天地一体化多源信息辅助的弊端,为长距离输水渠道的安全巡检提供了一种新的自动化手段。
(2)提出了BIM驱动的输水渠道航拍图像兴趣区提取方法。利用位置、姿态等地理标签信息,进行BIM三维注册渲染,进而指示航拍图像兴趣区提取,有效避免了传统方式对人工先验知识的依赖,实现了兴趣区提取的自动批处理,有助于克服大尺度航拍影像对图像识别任务的背景干扰,为渠道险情图像识别提供了有效的预处理手段。
(3)研究了渠道冰情的智能图像识别技术。从对渠道冰情的先验观察出发,提出利用色彩特征指标StV、纹理密度特征指标EP,以及纹理方向特征指标δ-EHD和δ-HOG,进行明流、冰盖、流凌、冰塞等四个冰情阶段及流凌强度等级识别的方法,建立了基于图像特征的冰情识别支持向量机(Support Vector Machine,SVM)模型,实现了渠道冰情阶段和流凌强度等级的智能识别,有助于提高冰情监控的覆盖范围和险情识别的效率。
(4)研究了基于无人机航拍的渠道水面异物智能图像识别技术。提出了基于SLIC超像素纹理特征的渠道水面异物图像检测方法,构建了异物类型识别的“层级投票”机制,给出了基于摄影测量学和航拍位姿信息的异物空间定位和几何特征估算方法,实现了渠道水体异物检测、分类、追踪的全流程自动化,克服了传统人工巡视效率低下、存在人为因素干扰的弊端,有助于解决渠道异物入侵发现难、鉴别难、追踪难的问题,为输水渠道水质安全管理提供了新的手段。
(5)研究了渠道边坡破坏的智能图像识别技术。通过比选分析,给出了可有效描述边坡破坏的图像特征向量“LBP+HSV”,提出了基于超像素分割和支持向量机的边坡破坏图像识别方法,实现了基于图像数据源的渠道边坡状态自动识别。通过该方法与无人机巡检航拍相结合,可克服传统安全监测仅能感知有限个典型断面边坡状态的不足,为长距离输水渠道全线边坡状态的快速识别评估提供了新的思路。