一种应用于多足智能机器人的公路隧道竖井内部检测方法、装置、电子设备及介质与流程

本技术涉及数据处理的，具体涉及一种应用于多足智能机器人的公路隧道竖井内部检测方法、一种应用于多足智能机器人的公路隧道竖井内部检测装置、电子设备和计算机可读介质。

背景技术：

1、公路隧道竖井通常承担通风、排烟、检修或辅助运营功能，其内部空间狭窄、深度较大、人工进入风险高，因此逐渐采用搭载红外热成像设备、可见光摄像设备、激光扫描设备和地质雷达设备的检测机器人对竖井井壁进行巡检。

2、现有竖井检测方式通常利用红外热成像设备获取井壁温度分布，并根据井壁局部热异常识别空鼓、浅层脱空、裂缝渗水等病害区域；但是，在昼夜温差较大的山区公路隧道中，竖井内部受外界冷空气、隧道通风气流和井壁蓄热差异影响，容易在井壁表面形成局部冷凝水膜，冷凝水膜在蒸发、流挂或受通风扰动移动过程中，会使红外热图像中出现与空鼓区域相似的热扩散特征。由于该热扩散特征在形态上可能表现为边界模糊、局部温差增强以及沿井壁扩展的异常热斑，现有检测系统容易将其误判为浅层脱空、空鼓或结构裂缝；同时，冷凝水膜形成的热异常会随着通风状态、井壁湿度和检测时间发生位置变化，导致同一井壁区域在不同时间段呈现不同的热异常位置，使检测结果出现病害位置漂移、重复报警或漏判真实病害的问题。

3、因此，如何在竖井内部检测过程中区分由冷凝水膜引起的红外热异常和由井壁结构缺陷引起的真实病害异常，成为多足智能机器人应用于公路隧道竖井检测时急需解决的技术问题。

技术实现思路

1、本技术提供了一种应用于多足智能机器人的公路隧道竖井内部检测方法，便于在竖井内部检测过程中区分由冷凝水膜引起的红外热异常和由井壁结构缺陷引起的真实病害异常。

2、在本技术的第一方面提供了一种应用于多足智能机器人的公路隧道竖井内部检测方法，所述方法包括：获取多足智能机器人在公路隧道竖井内壁分段爬行并形成交叉支撑状态时采集的竖井内壁模型、红外热图像、可见光图像以及地质雷达数据；根据所述红外热图像识别热异常区域，并根据所述热异常区域标记候选冷凝水膜区域；基于所述可见光图像识别所述候选冷凝水膜区域的潮湿表面特征，并根据所述地质雷达数据判断所述候选冷凝水膜区域是否存在结构异常；在所述候选冷凝水膜区域存在潮湿表面特征且不存在结构异常时，将所述候选冷凝水膜区域判定为冷凝水膜干扰区域，并在所述热异常区域位置稳定且存在结构异常时，将所述热异常区域判定为真实病害区域；基于所述冷凝水膜干扰区域的空间分布、连续移动方向和出现时间生成冷凝水膜干扰分布图，并基于所述冷凝水膜干扰分布图修正后续热异常区域的病害可信度，得到疑似病害区域；根据所述真实病害区域、所述冷凝水膜干扰区域以及所述疑似病害区域，结合所述竖井内壁模型，生成公路隧道竖井内部检测结果。

3、优选的，所述获取多足智能机器人在公路隧道竖井内壁分段爬行并形成交叉支撑状态时采集的竖井内壁模型、红外热图像、可见光图像以及地质雷达数据，具体包括：控制所述多足智能机器人形成交叉支撑状态，并获取所述多足智能机器人的当前姿态、当前高度位置和机械腿支撑状态，并将所述当前姿态、所述当前高度位置和所述机械腿支撑状态作为当前检测段的采集基准；基于所述采集基准对所述当前检测段的竖井内壁进行环向扫描，得到点云数据，并根据所述点云数据生成所述当前检测段对应的局部竖井内壁模型；根据所述局部竖井内壁模型限定的井壁范围，分别采集覆盖所述当前检测段的红外热图像、可见光图像以及地质雷达数据；以所述局部竖井内壁模型中的井壁位置作为共同空间基准，将所述红外热图像、所述可见光图像以及所述地质雷达数据关联至同一井壁区域，以形成所述当前检测段对应的同位检测数据；控制所述多足智能机器人移动至下一检测段并重新形成所述交叉支撑状态，采集下一检测段对应的同位检测数据，并将多个检测段对应的局部竖井内壁模型进行衔接，以生成所述竖井内壁模型。

4、优选的，所述根据所述红外热图像识别热异常区域，并根据所述热异常区域标记候选冷凝水膜区域，具体包括：将所述红外热图像与所述竖井内壁模型进行位置对应，并对所述红外热图像进行图像质量检查，剔除无效图像区域，得到有效红外热图像；根据所述有效红外热图像中的温度分布差异、热边界连续性和热纹理变化情况，提取异常热斑，并将所述异常热斑对应的井壁位置确定为热异常区域；对所述热异常区域进行多次红外复扫，并基于所述竖井内壁模型比较所述热异常区域在不同时刻下的热异常边界、热异常面积、热异常强度和热异常中心位置；在所述热异常区域的热异常边界出现扩散、热异常中心位置连续移动，且移动方向与竖井高度方向、通风方向或井壁水迹方向一致时，将所述热异常区域标记为所述候选冷凝水膜区域。

5、优选的，所述基于所述可见光图像识别所述候选冷凝水膜区域的潮湿表面特征，并根据所述地质雷达数据判断所述候选冷凝水膜区域是否存在结构异常，具体包括：对所述可见光图像进行图像校正和纹理增强，并剔除无效图像区域，以得到所述候选冷凝水膜区域对应的候选图像区域；根据所述候选图像区域识别表面反光特征、水迹边界、流挂痕迹、盐分析出痕迹和潮湿色差，以确定潮湿表面特征；根据所述竖井内壁模型对所述地质雷达数据进行扫描路径校正，并剔除异常回波，以得到所述候选冷凝水膜区域对应的有效雷达回波；根据所述有效雷达回波识别衬砌界面回波、背后空洞回波、脱空回波和厚度变化回波，以判断所述候选冷凝水膜区域是否存在结构异常。

6、优选的，所述在所述候选冷凝水膜区域存在潮湿表面特征且不存在结构异常时，将所述候选冷凝水膜区域判定为冷凝水膜干扰区域，并在所述热异常区域位置稳定且存在结构异常时，将所述热异常区域判定为真实病害区域，具体包括：将所述候选冷凝水膜区域对应的井壁位置、潮湿表面特征、结构异常判断结果以及热异常变化情况关联至所述竖井内壁模型；在所述候选冷凝水膜区域存在潮湿表面特征，且对应地质雷达数据未显示背后空洞回波、脱空回波、界面错断或厚度突变时，将所述候选冷凝水膜区域判定为冷凝水膜干扰区域；在所述热异常区域固定于所述竖井内壁模型中的同一井壁位置，且对应地质雷达数据存在背后空洞回波、脱空回波、界面错断或厚度突变时，将所述热异常区域判定为真实病害区域。

7、优选的，所述基于所述冷凝水膜干扰区域的空间分布、连续移动方向和出现时间生成冷凝水膜干扰分布图，并基于所述冷凝水膜干扰分布图修正后续热异常区域的病害可信度，得到疑似病害区域，具体包括：提取所述冷凝水膜干扰区域在所述竖井内壁模型中的井壁位置，并记录所述冷凝水膜干扰区域的空间分布、连续移动方向和出现时间；将位置连续、边界相接或连续移动方向一致的冷凝水膜干扰区域归并为冷凝水膜干扰带，并将所述冷凝水膜干扰区域和所述冷凝水膜干扰带关联至所述竖井内壁模型，以生成冷凝水膜干扰分布图；将后续热异常区域对应至所述竖井内壁模型，并与所述冷凝水膜干扰分布图进行匹配；在所述后续热异常区域与所述冷凝水膜干扰分布图匹配时，降低所述后续热异常区域的病害可信度；在所述后续热异常区域与所述冷凝水膜干扰分布图不完全匹配，或者所述后续热异常区域对应地质雷达数据存在结构异常时，将所述后续热异常区域确定为疑似病害区域。

8、优选的，所述根据所述真实病害区域、所述冷凝水膜干扰区域以及所述疑似病害区域，结合所述竖井内壁模型，生成公路隧道竖井内部检测结果，具体包括：以所述竖井内壁模型作为统一空间基准，将所述真实病害区域、所述冷凝水膜干扰区域以及所述疑似病害区域对应至所述竖井内壁模型中的井壁位置；根据所述真实病害区域生成真实病害记录，根据所述冷凝水膜干扰区域生成冷凝水膜干扰记录，并根据所述疑似病害区域生成疑似病害记录；在所述真实病害区域、所述冷凝水膜干扰区域以及所述疑似病害区域存在空间重叠或相邻关系时，基于所述竖井内壁模型进行关系校验，以保留存在结构异常的疑似病害区域，并排除不存在结构异常的热异常区域；按照竖井高度方向和环向方向对所述真实病害记录、所述冷凝水膜干扰记录以及所述疑似病害记录进行排序，并通过排序结果与所述竖井内壁模型生成所述公路隧道竖井内部检测结果。

9、在本技术的第二方面提供了一种应用于多足智能机器人的公路隧道竖井内部检测装置，所述装置包括数据获取模块、识别标记模块、识别判断模块、区域判定模块、生成修正模块和结果生成模块，其中，所述数据获取模块，用于获取多足智能机器人在公路隧道竖井内壁分段爬行并形成交叉支撑状态时采集的竖井内壁模型、红外热图像、可见光图像以及地质雷达数据；所述识别标记模块，用于根据所述红外热图像识别热异常区域，并根据所述热异常区域标记候选冷凝水膜区域；所述识别判断模块，用于基于所述可见光图像识别所述候选冷凝水膜区域的潮湿表面特征，并根据所述地质雷达数据判断所述候选冷凝水膜区域是否存在结构异常；所述区域判定模块，用于在所述候选冷凝水膜区域存在潮湿表面特征且不存在结构异常时，将所述候选冷凝水膜区域判定为冷凝水膜干扰区域，并在所述热异常区域位置稳定且存在结构异常时，将所述热异常区域判定为真实病害区域；所述生成修正模块，用于基于所述冷凝水膜干扰区域的空间分布、连续移动方向和出现时间生成冷凝水膜干扰分布图，并基于所述冷凝水膜干扰分布图修正后续热异常区域的病害可信度，得到疑似病害区域；所述结果生成模块，还用于根据所述真实病害区域、所述冷凝水膜干扰区域以及所述疑似病害区域，结合所述竖井内壁模型，生成公路隧道竖井内部检测结果。

10、在本技术的第三方面提供了一种电子设备，所述电子设备包括处理器和存储器；所述存储器有存储计算机程序，其中，所述计算机程序在被所述处理器执行时实现如上所述的一种应用于多足智能机器人的公路隧道竖井内部检测方法。

11、在本技术的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如上所述的一种应用于多足智能机器人的公路隧道竖井内部检测方法。

12、综上所述，本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：

13、在公路隧道竖井内空间狭窄、人工进入风险高、井壁状态复杂的检测场景，通过多足智能机器人在分段爬行和交叉支撑状态下稳定采集竖井内壁模型、红外热图像、可见光图像以及地质雷达数据，使检测数据具有较好的空间对应关系和采集稳定性。该方案并非仅依据红外热异常直接判断井壁病害，而是先根据红外热图像识别热异常区域并标记候选冷凝水膜区域，再结合可见光图像中的潮湿表面特征和地质雷达数据中的结构异常结果进行交叉判断，从而能够区分冷凝水膜引起的红外伪异常和衬砌脱空、空洞、厚度异常等真实病害。通过生成冷凝水膜干扰分布图，并依据其空间分布、连续移动方向和出现时间修正后续热异常区域的病害可信度，可以减少因冷凝水膜随通风状态变化而造成的病害位置漂移、重复报警和误判问题。同时，该方案将真实病害区域、冷凝水膜干扰区域以及疑似病害区域统一映射至竖井内壁模型中，能够形成包含维修定位、环境干扰排除和复检提示的检测结果，提高竖井检测的准确性、可靠性和后续养护决策效率。