外文翻译---一种自动检测隧道内混凝土上的裂缝的可移动机器人.doc

附件1：外文资料翻译译文
一种自动检测隧道内混凝土上的裂缝的可移动机器人
摘要：
为了评测混凝土建筑物的安全性，用肉眼观察裂缝的检查员会周期性地测量并且记录裂缝。不过这种手工检查的效率是很低的并且很容易产生主观的结论。因此，这项研究为混凝土的结构检查和测量裂缝提供了一个新的方案，它能够提供客观的裂缝数据，在评测安全性的过程中将会使用到这些数据。这个系统由一个移动机器人系统和一个裂缝视觉系统组成。移动机器人系统被一个图象处理设备（CCD）控制着与墙保持恒定的距离。裂缝视觉系统运用图象处理技术，可以由获得的图像中得到有关裂缝的信息。为了保证对裂缝辨认的准确性，此系统运用了图像处理程序来得到裂缝结构的几何学特性和模型。目前这个系统已经被实验室和有关这个领域的实验所证实。
2006 Elsevier B.V.版权所有。
关键字： 裂缝； 隧道； 检查； 图象处理； 移动的机器人
1、简介：
大约70%的朝鲜地区都是多山区，在这些地区修建铁路和公路都需要很多的隧道。在保持交通通畅的情况下，有关混凝土建筑物如隧道的安全性的调查依然在进行着。为了确定这种结构的安全，利用非破坏性实验的定期检查正在进行。不过，非破坏性的实验的低效率和错综复杂的程序让人们打消了用这样的实验整个代替人的目测的念头。因此，非破坏性实验仅仅局限于精确的检查。[1] 视觉对混凝土建筑物的检查与检查员只使用他们的肉眼观察沿结构表面走的裂缝的措施有关。由此可知，目测的主要缺点是不能保证一次迅速和完整的调查。为了解决这些问题，已经研究出了各种各样的使用图象处理程序自动检查裂缝的方法，而且应用到了实际的设施中，包括道路、桥梁、下水道等等。[2-6]
这项研究的特殊目的是要把一个裂缝察觉模件和移动机器人的综合系统应用到隧道环境中。
类似的学科研究正在进行并且发展着。Komatsu 工程公司已经研究出并且使这个能通过一台激光扫描设备获得道路和隧道里层的图像的一个图像捕获系统商品化。日本的铁路技术研究院研究出了一个使用CCD照相机得到铁路隧道里层图象的系统。来自加拿大的一个道路设备集团股份有限公司，已经研究出一个由一台超声波传感器、一台陀螺传感器和一架CCD照相机组成，能够在80千米/小时速度下得到道路图象的系统，并且这种系统已经在市场上出售。[7]
这种系统对裂缝、渗漏、剥落和裂片图象数据的收集非常有用；不过，他们不提供自动的裂缝检查系统。如果要对裂缝数据作出迅速和客观的评估，裂缝检查和测量就必须是全自动化。
照相机和激光技术已经被广泛地应用在获得建筑物表面的检查图象上，但是激光扫描设备的费用很昂贵；另外，它还有一个影响系统维护的发热问题。这两个问题使得它在各个领域的工作效力都很差。照像机扫描设备比激光设备成本更低，但是它在黑暗环境里有照明问题。因为费用是在工程实施中考虑较多的一个因素，所以要更进一步地研究表面图像数据收集技术，这样才能保证在低成本照相机的方法下，依然能够保证混凝土结构的高水平的安全。综上所述，这项研究提议的在一个隧道里由一个移动机器人和一个裂缝察觉系统组成的自动化表面裂缝检查系统，将会比人工的检查更节省资源，效率更高。
2、实验情况
在距观察的墙壁有一段固定位移的情况下，移动机器人系统在没有检查员帮助的情况下通过一台CCD照相机获得图像数据。通过表格1提及的两类照相机与表格2的比较描述了在这个研究系统中使用的CCD照相机的性能规格。

为了获得更清晰的图像，机器人采用了一台高功率发光器、减震设备和一个以测量系统速度来控制CCD照相机的传感器。为了获得一个0.3毫米/象素的分辨率，系统可以以5千米/小时的速度运行。
裂缝检查系统由能测出裂缝的厚度、长度、方向的软件组成，这些对一个结构表面的检查来说都是非常重要的因素。为了测试这个系统，实验在如图1中所示在大楼和道路隧道内进行。

图 1
3.检查机器人系统
3.1.检查
考虑到安全的因素，混凝土的结构被分为裂缝，渗漏，裂片和其他属性检查； 不过，裂缝占有最重要的位置，因为它最影响混凝土的状况 [8].
混凝土结构的裂缝起因于不完善的修葺、温度迅速降低引起的收缩、热胀冷缩引起的波动、和扩大的场地而带来的额外负荷
裂缝可被分为垂直，水平，剪切和复合几类。 大约40%的裂缝是垂直的，11%是水平的，30%剪切，具体请参阅图2。 [9].

图2 裂缝的方向
3.2.系统配置
移动的机器人系统由视觉，机械，和数据存储设备组成。 这些设备储存着混凝土结构的表面图像，使裂缝和非裂缝地区的分布状态反差最大化和当系统自动移动到和结构平行时使噪音减到最小。
裂缝探测系统其实就是一个从图象数据中筛选并且计算出裂缝的数字化信息的软件。这个软件选出裂缝的长度，宽度和方向。假如需要精密地检查这个结构，裂缝探测系统可以提供帮助信息。
移动机器人系统由一台CCD照像机，框架抓钩，控制仪器自动调节焦距设备，减震设备，发光器和测量元件的速度和位置编码器；如图3所示。为了计算结构与机器人的距离，运用速度和位置因素，可以使照像机在无人状态下可以自动调节焦距。

3.3.移动机器人系统
机器人有两个被自动助推器独立操作的轮子。 车轮的独立运动运动学模型如图4。

在图5中，M点是个基准点，它也是机器人的重心，也是坐标的原点。假设认为机器人的车轮能不断前进在一个没有边的表面上。通过做这个假定，以下的运动学公式可被获得。

说明：(1)是大多数一般化的两轮驱动机器人在运动学上的函数。不过，前两个公式有着不能完全结合的特征，所以很难控制机器人。那个控制点或者车轮连接机器人的点被距它们距离为d的M点分开。当控制点设在机器人的中心时，也就是当d=0，控制点不能被准确连接。不过，当d>0时，那些控制点就可以连接到O点。因此，d不能为零，但是一定要足够允许那些控制点可以被设在M点的附近。
这项研究使用了02年出现的机载系统' GSMR '(指导型服务移动机器人)的主要硬件和道路跟踪算法。更多的细节数学方法在Ref里有解释。[10].
4.裂缝检查算法
4.1.理论算法
裂缝和非裂缝的地区通过他们对比各自的光反射率值来区分。从反射的图像得到的资料会被用于裂缝察觉和物理测量算法。图象处理的全部自动化目前还是很难实现，因为准确的结果很难在不确定的环境里获得。因此，在这项研究过程中，整个裂缝察觉的半自动化算法只能使用图6中的方法实现。

虽然裂缝察觉系统的照明装置不是很稳定， 但是在裂缝和非裂缝的地区之间的一种亮度的差别可以用公式(2)的均衡作用达到。

式中，
sk 获得使正常的灰色素值
n 像素个数
nj 含有j灰色素值的像素个数
k 输入的灰色素
通过调和量算子我们可以从图像中提出裂缝信息。如式(3)所示，算子已经获得了对裂口的定向。[11].

式中，

从图7我们发现从第二个导数找零点比从第一个导数找最大点容易。

图7 零交点的标记剖面图
另外，调和量算子是一个不变量，因此被获得的裂口是一个封闭的曲线，这对得到一个包括裂缝裂口的区域是有利的。
作为第2步，因为调和量算子对噪音敏感，系统使用了刚性的高斯型曲线过滤器。
被发现的裂口形成了一个沟壑，这被定义为在两裂口之间的一个最低点，参阅图8。在8图(a)显示的一维外形被扫描产生朝裂口方向的二维图，如图8(b)。

图8 裂口的定义.(a)谷的一维图.(b)谷的二维图.
当下列条件满足时，从一个裂缝裂口到另一个裂口的扫描将被终止。
首先，当另一裂口被穿过时，最低点的位置被获得并且储存。然后裂缝的宽度就是从它的最低点到它的裂口。其次，如果当前的象素的灰色度水平比任何其他裂口的高，扫描会停止。最后，当扫描的长度比临界值长时，扫描被停止。临界值是在为一次非常有效率的计算作准备因为它能过滤噪音，但是当裂缝的宽度超过临界值，这个裂缝的信息将被略过。
从图像中提取出的裂缝信息应该根据它们的连接的类型把它们归类。在图像里，一道裂缝就是一套象素。在这篇文章里，第一个搜索方法是归类法，并且要标记每个裂缝地区。[12]. 因为图像是不连续的，象素之间的连接可能是比较差的。尤其是给裂缝在相同的地区贴标签时会影响特征的计算。为了解决这个问题，把每部分的斜度计算结果与若干象素一起画出一条直线。如果在他们之间的倾斜度变化很微小，它们就会被合并。
4.2.裂缝的图像搜索法
利用所给的起点和终点，由图像可以得到一张图表，这幅图像的边界是通过最小二乘法估计得到。一幅图像的象素是由一个象素的节点和8个附近的节点连结，使用图6的方法可以找到最短的路径[13].
图9描述了一个使用上述方法的例子。

最小二乘法操作如下。
第一步：把所以从起点发散的节点输入到一个队列中，上述的节点指针被定义为nA。然后，计算发散节点的距离。
第二步：如果队列是空的，那么结果就是错误的。接着，找出最短的距离的那个节点nI并把它删除掉。假如ni=nb，保留上述的指针在每一个节点和结果中。
第三步：假如对第二步的结果不满意，增大节点ni并输入所有的其它的节点到队列中。然后，那上述的节点指针定义为ni并且每个节点的距离，重复第二步。
这种算法总能找到最佳的数值.但是，许多节点的增大可能是因为函数。为了提高效率，在每一个元件的长度一直保持在一个固定值时，常常采用不增大节点这个办法。
4.3.裂缝的测量
并非全部预期的裂缝实际上都是真正的裂缝。引起混淆的因素主要包括建筑层，人为标记，噪音或者一个污点。当他们小得足以被认为是噪音、不长和太窄、或者是太直时，潜在的错误区域会被移除，人们常常认为线性是建筑层的特征。
这篇文章把量子用于裂缝的长度，宽度和方向上。当某个区域由裂口组成时，组成这个区域的点的宽度将会被计算。界外值尺寸会由中间过滤器的5段长度平均值得到。这是一个整数中间值。每个区域的宽度都可以用公式(4)计算。

裂缝的长度是根据图像像素的数量来决定的。在计算后得每条对角线的长度为1.414，竖直和水平线都为1，真正的长度会被照像机校准测量(图10)。

图10 裂缝的测量
5.实验
5.1.实验安装
在室内的一个墙壁结构上我们做了一个试验。 车轮上安装有一台编码器的一个移动机器人系统利用照相机获得墙表面的图像。机器人能和墙一直保持着一段恒定的距离。 如果移动的机器人不能和墙保持着一段恒定的距离， 图像将仍能够保持对准焦点，因为我们使用了一台能自动调节的激光距离传感器。为了防止振动从地板传到照相机上，装载照相机的这块平板被钢丝绳拴的很稳定。图11就是机器人室内的使用安装情况。
图12 描述了图象处理软件。裂缝信息显示在软件的右边。图13显示了照相机校准的菜单，把输入的每个象素之间的距离转变成毫米，然后这个数据就被系统获得。照相机的校验是在一个表面上有黑色的小圆点的盘子上进行的；他们被间隔5mm地分开。图14显示的是一张覆盖在一幅获得的图像和一些被选出的补偿点上的图片。

图11 建筑物里的设备安装

图12 裂缝检查的软件系统

图13 绘图数据窗口

图14 套图塑料膜
5.2.实验结果
图15显示的是从室内的结构获得的这幅图像，发现的裂缝则会显示在图16中。在图15的右边显示的两条垂直的线是嵌入在结构里的槽沟。因此，这些直线在它们被分辨出后将会被除去。显示在图15的右边的直线会被排除，因为那些线不是真正的裂缝。

图17和18显示的是被处理后的图像数据和被选出的裂缝。

因为铁棒的终点线正好足够长，但是改成某些形状后，他们就不会被认为是裂缝了。
为了通过人眼的辨别率，系统通过图画来显示结果。裂缝则使垂直，水平，和斜的校正方向，以及它们的长度，宽度，起点和终点来表达。这篇文章里我们推荐这个裂缝检查系统，虽然它比较依赖操作环境的状况，有一个75-85%的总出错率。但是它认出的裂缝的测量误差是10%或更少。
图19 描述一堵地铁内侧隧道墙的图像。使用我们的系统，这幅图像将会经过图20的判别环节后被选出。

这个结果说明被提议的系统能够识别裂缝甚至当它们不是足够长，在形状上很明显需要更多的试验，包括裂片等等。
6.结论
这篇文章提出使用图象处理程序来避免人的检查失误的一个结构裂缝检查系统，这些检查失误包括裂缝的错误判别，效率低，主观性大和数据管理效率低。系统在室内的实验设置已经被证实，包括一个室内的建筑物，一条道路隧道和一条地铁隧道。即使用先进的察觉方法，裂缝和非裂缝的错误的识别仍然存在。因此，考虑到要把错误的点去掉，半自动化系统用图像搜索的方法才能确保如此，这种方法要求用户输入每个裂缝的起点和终点。
为了得到一个实用的系统，我们一定要加强对裂缝特性的深度和完全自动化的算法的研究。希望这篇文章能鼓励这样的研究继续下去。

附件2：外文原文（复印件）

— 11 —