隧道是公路和轨道交通的重要基础设施,其运营及维护关系到国计民生与人民的生命财产安全。隧道衬砌的裂缝、变形等表观病害是隧道运营的重大安全隐患,使得病害快速检测与处理成为隧道安全运营的重大技术需求。当前,隧道检测依然以人工现场作业为主,效率低、安全隐患大,难以满足我国大量隧道普查检测需求。因此,研究高效可靠的隧道病害快速自动化检测方法,具有重要的研究意义和应用价值。本文对隧道表观病害快速检测方法开展了系统深入的研究,提出了基于多传感器集成的隧道快速测量技术,以及表观病害高效自动化检测方法,原型装备应用于全国多个省市的公路隧道和地铁隧道检测,验证了数据处理方法的科学性和系统的可行性。主要研究内容与结论如下:（1）根据隧道裂缝、变形等表观病害的差异化可测量特征和检测要求,针对隧道断面尺度大、检测精度要求高、卫星定位信号被屏蔽等难点,提出了一种基于CCD阵列相机、激光扫描仪、惯导和里程计等多传感器集成的隧道快速测量方法,通过动态环境下多传感器协同,实现测量平台位姿基准、大断面隧道衬砌影像和激光点云的高精度测量,精细感知隧道表观病害的纹理与几何测量特征,为病害自动化识别提供了高质量数据基础。（2）针对隧道衬砌图像中细微裂缝的连续完整检测难题,提出了一种基于邻域连接空间约束的深度卷积神经网络LinkCrack,通过改进轻量级编码器来提高网络运行速度,同时也扩大了网络感受野,达到从全局角度感知裂缝的目的;另一方面,通过构造邻域连接损失函数,从裂缝中心像素8个方向的连接情况来增强网络训练,进一步提高网络对于裂缝连续性的表征能力。实验结果表明LinkCrack的裂缝识别性能优于现有的边缘检测网络和裂缝识别网络。（3）为了解决隧道变形尺度小,椭圆拟合方法难以精细拟合断面形状的问题,提出了一种基于构造细节点云模型的隧道变形检测方法。具体来说,利用隧道呈柱面的几何特征,把隧道点云构造为参考柱面和细节点云,再由细节点云的三维特征分割管片,并逐环提取检测断面。将检测断面与参考断面配准并拟合得到断面偏差曲线,计算断面水平直径变化,实现隧道变形检测。实验结果表明,基于细节点云的变形检测方法与椭圆拟合方法相比,具有更高的断面变形拟合精度,且变形指标拟合计算结果接近全站仪测量参考值。（4）利用原型装备在全国多个省市的公路隧道和地铁隧道进行了实际检测,验证了隧道快速测量方法的可行性和病害自动化识别方法的有效性。衬砌裂缝技术状况评定工程实例从公路隧道的衬砌影像中快速识别衬砌裂缝,精度符合裂缝检测要求,检测效率比人工检测大幅度提高。地铁隧道水平收敛监测工程实例从三期的地铁隧道全区间激光点云中计算每环水平直径变化,监测到隧道收敛变形较大的所有区间,效率优于传统全站仪测量方法,可满足隧道的结构变形快速全面检查。