隧道沉降变形连续监测系统*

陈 刚

(上海隧道工程有限公司盾构分公司，上海 200092)

隧道沉降变形连续监测系统*

陈 刚

(上海隧道工程有限公司盾构分公司，上海 200092)

为保证隧道安全运营, 要长期对其进行变形监测。隧道沉降变化是评估隧道安全的一个重要指标。文章利用激光准直性设计了隧道沉降监测装置系统，该系统由激光源组件和目标靶组成，系统首先采集激光打到目标靶上的光斑图像，再通过图像分割、形态学处理等获得光斑中心坐标，结合其他参数和初始测量信息，最终得出隧道沉降变化情况。实验检测和工程应用证明，该系统具有低成本、易于敷设、高精度等优点，能对隧道沉降实施有效监测。

图像处理；隧道沉降变形；激光准直

0 引言

隧道沉降变形监测是保护地铁、保障人们的生命安全以及整个城市的交通体系安全的一项重要工作。隧道沉降监测目前主要采用人工测量方法和自动测量方法，每公里双管地铁隧道人工方法测量需要一个月的时间。自动测量方法主要是参考文献[1]中的静力水准仪测量法、参考文献[2]中的倾斜传感器测量隧道变形方法和参考文献[3]中的全站仪测量隧道沉降变形方法。静力水准仪测量法不能测量测点的水平位移，不能反映隧道变形的信息。倾斜传感器测量法是在隧道管片同一环的每个管片上设置一个倾斜传感器，传感器组角度变化信息由计算机软件计算，缺点是不能测量管片垂直沉降信息，营运隧道批量使用成本太高。全站仪测量隧道沉降变形方法适用于施工过程中对关键控制区域的自动检测，缺点是测点棱镜不宜布置太多，不断寻找测量目标的工作方式将影响全站仪机械寿命，不适应长期测量工作方式。

本文研制的隧道沉降变形连续监测系统，利用远程通信技术、激光准直性以及激光灯可控性，采用图像处理技术结合测量模型，计算隧道沉降形变情况。该系统测量时可以使用远程监测手段，不会打断隧道正常运行，同时降低了测量人员进行隧道工作风险。监测点数量不会受到限制，不会因为监测点数量过多、工作量增大，使得监测周期过长。该系统能快速地自动处理数据，解决了手工作业模式效率低、不能及时快速地反馈监测信息的问题。

1 系统组成

工作井中安装目标靶，隧道里50 m范围内每环管片特征测点位置上布置激光源组件，通信线将各激光源与目标靶组成局部网络。主控制器置于目标靶箱体内，由计算机及应用软件组成，主控制器依次激励激光组件向目标靶发射激光，打到前、后双靶上。目标靶依次采集各激光组件所发出激光打在目标靶上的图像，通过主控制器计算光斑中心坐标，结合初始坐标参数得出所测点的水平偏移量与垂直偏移量。系统网络结构如图1所示，系统由以下两个主要部分组成：

图1 系统网络结构

(1)激光源组件：由RS485通信模块、控制模块、电源模块、光发射器等组成。激光组件对通信模块接口的信息进行解码分析，如果通信模块接口上的地址码与激光组件设定的地址码一致，则激光控制器接受主控制器的控制指令，对激光组件发出开启或关闭驱动指令。激光组件固定在测点位置的安装支架上，各激光发射器控制单元由通信线与主控制器组成RS485总线网。

图2 目标靶内部结构

(2)目标靶：包括一对工业电子照相机、一对成像幕布、支架、防护机箱、工控机。激光通过防护玻璃后先投射于前幕布并在前幕布上成像，其中一部分激光进一步投射于后幕布并在后幕布上成像。两台电子照相机分别采集前幕布和后幕布上所成的图像，便于计算机进行图像处理获取激光成像位置与入射角度，如图2所示。

2 图像处理

摄像头拍摄激光打到目标靶上的光斑，经过图像处理后计算出光斑中心坐标，其计算准确性对整个系统测量精度有很大影响。理想情况下拍摄到的光斑是圆形状光点，由于核氖激光发射器本身原因，光斑周围会出现衍射条纹和散射点。激光在空气介质中传播可能会遇到粉尘、水汽等，导致图像中出现局部暗点或亮点。摄像头在抓拍、保存图像时可能会产生条纹，如果光斑在图像上的位置正好处于条纹上，光斑图像就会造成失真。这些因素都会影响光斑中心坐标的计算精确度，需要进行图像处理降低干扰。

2.1 阈值分割

激光打到目标靶上光斑中心区域呈现为白色。拍摄一张光斑图像之后，可获得图像上每个像素RGB值[4]。图像中光斑中心区域相对于其他区域有较高R值分量，为了得到准确激光光斑的位置信息，采取单阈值分割的方法来提取：

(1)

其中，threshold为设定阈值，大小为图像中R最大值的0.95倍。

2.2 形态学处理

经过阈值分割之后，大部分背景都被消除，图像中仍然有不少噪声、杂波，使用数学形态学方法来消除光斑分割结果中的异常情况。数学形态学是用一组形态学代数运算子，度量、提取图像中对应形态，实现对图像分析和识别。最基本的形态学运算子有：腐蚀、膨胀、开和闭，用这些算子及其组合来进行图像形状和结构的分析及处理[5]。具体操作中采用3×3白色方块结构元进行形态学滤波，对阈值分割出来的二值图像按下式进行开启和闭合操作：

B=(B×S)·S=(((BΘS)⊕S)⊕S)ΘS

(2)

闭运算能平滑光斑的轮廓，可将条纹分离光斑重新融合到一起，填充比结构元素小的洞。开运算完全删除了不能包含结构元素的对象区域，也可以平滑光斑的轮廓，断开了狭窄的连接，去掉了散射点。

2.3 中心坐标计算

前面两步处理后，光斑图像中除了有光斑外还可能有衍射条纹。统计出图像中8连通区域的面积，如果最大区域面积值大于设定阈值，则认为该区域为光斑，否则认为该图像中没有抓拍到光斑。经过上面处理后，统计图像上值为1的像素位置，求出平均值就是光斑中点坐标。

3 测量模型

测量模型根据激光准直性，将其做一个空间向量，建立以激光发射器中心为原点、激光发射方向为X轴、水平方向为Y轴、坡度垂直方向为Z轴的坐标系。测量模型原理如图3所示，模型分为两个阶段：(1)初始阶段：人工测得相关坐标，计算出激光源与目标靶之间相对关系；(2)监测阶段：若隧道发生形变，摄像头拍到的光斑中心位置就会随着变化，由光斑中心坐标结合其他参数以及初始阶段信息，就能得到隧道沉降变化情况。

图3 测量模型原理

3.1 初始阶段

(3)

3.2 监控阶段

监测阶段激光发射器中心坐标可能发生变动，先以目标靶后端面板为例，目标靶固定不动其中心坐标不变。已知激光源初始坐标、激光发射器初始发射方位角、坡度，监测阶段激光光斑中心坐标(y监,z监)，根据参考文献[6]中的三参数空间坐标旋转公式可以建立方程：

(4)

(5)

由上式(4)、(5)可解出监控情况下，激光源位移变化量(ΔX,ΔY,ΔZ)。

4 系统实验和工程应用

4.1 系统精度实验

2013年7月系统研制完成，将激光源放置与目标靶相距50 m左右距离进行实验。前端到前靶相距181 mm，前靶与后靶相距180 mm，后靶到后端距离为89 mm，下面点到后端面中心距离为270 mm。实验之前使用贴片和全站仪，人工测量激光源和目标靶的相应坐标(如表1所示)。实验时将目标靶安放在固定位置不动，激光源安装在移动平台上，以5 mm为单位按顺序依次移动到初始位置的左、左上、上、右上、右、右下、下、左下位置处，最后再回到原位。

表1 初始情况坐标值 (单位m)

整个过程中使用全站仪人工测量激光源实际坐标，与初始位置相减得到激光源实际偏移量，检验系统精度。系统使用图像处理方法得到激光光斑坐标，运用测量模型计算出激光源偏移值，与人工测量偏移量进行比较，如表2所示，从表中可以看出系统计算出来的偏移量与人工测量值相差在1 mm以内。

4.2 上海大连路隧道应用

2014年7月～11月在上海大连路隧道工作走道内，安装系统并进行了应用。目标靶安装在隧道接线柜右侧紧邻的第一块管片上，高低以隧道接线柜居中，左右接近隧道接线柜，要求支架牢固稳定，如图4(d)所示。目标靶供电电源为交流220 V，由供电电缆就近获取电源，目标靶与19个激光部件由通信电缆串联连接，如图4(a)所示。

安装激光组件以底板上两个安装腰眼中心连线为参考点，管片水平方向(隧道轴向)安装位置为：管片环宽1.2 m，每隔2环安装1个激光组件，在第3，5，7，9，…，2×i+1(i=1,2,…19)号管片上安装下一个目标靶，激光源组件之间的距离为2.4 m，试验范围≤50 m；管片高低方向安装位置为：两个隧道接线柜上沿拉一条直线，每个激光组件距该直线垂直距离为50×imm(i激光组件序号)，如图4(b)所示。激光源和目标靶安装好后，对系统进行调试，如图4(c)所示。

监测过程按每小时1次的采样周期，依次发送当前测点通信地址、开启或关闭该测点激光源的控制信息。系统计算、采集隧道沉降监测数据，监测数据曲线如图5所示，图中描绘了激光源位置—时间曲线。地面计算机通过因特网，可以实时获取系统计算出来的沉降信息，实现远程沉降监控。

表2 实验结果对比 (单位:mm)

图4 上海大连路隧道应用

图5 历史数据曲线

5 结束语

隧道沉降变形连续监测系统的研制和工程应用试验，为隧道沉降变形提供了一种自动在线检测技术和装置。该系统由一个目标靶和多个激光组件组成，将目标靶安装在相对稳定位置、激光组件安装在被测位置，用于目标靶和激光组件之间截平面位置变化检测。对于被测点密度高、范围长的隧道沉降变形在线连续监测应用，具有明显的经济性、实用性。

[1] 孙泽信,张书丰,刘宁.静力水准仪在运营期地铁隧道变形监测中的应用及分析[J].现代隧道技术,2015,52(1):203-208.

[2] 杨婧,冯其波,张斌,等.基于倾斜传感器的路基剖面沉降自动监测方法与系统[J].北京交通大学学报,2012,36(6):52-56.

[3] 刘鑫,杨洋,廖伟.浅谈全站仪在隧道拱顶沉降测量中的运用[J].西部交通科技,2014(6):88-90.

[4] CHEN G,PENG R, WANG Z, et al. Pallet recognition and localization method for vision guided forklift[C]. 2012 8th International Conference on Wireless Communications, Networking and Mobile Computing, Shanghai,China,2012:920-924.

[5] 陈刚,吕煊，王志成，等.肺CT图像的血管骨架化方法[J].计算机科学,2013,40(5)：274-278.

[6] 章书寿,华锡生.工程测量[M].北京:水利水电出版社,1994.

Monitoring system for tunnel settlement deformation

Chen Gang

(Shanghai Tunnel Engineering Construction Company Ltd. TBM Construction Branch, Shanghai 200092, China)

In order to ensure the security of tunnel operation, the long-term structural deformation monitoring should be adopted. Tunnel settlement deformation is an important indicator to assess the safety of tunnel. This paper mainly introduces the monitoring system for tunnel settlement based on laser alignment, which is composed of laser modules and the target. The measurement purpose of this system has been realized through collecting video data of a laser spot, image segmentation, the morphological processing, the modules of surveying and initial parameter successively. Experimental results and engineering application show that this system is efficient in monitoring the structural deformation of tunnel, and has the advantages of low cost, easy laying and high precision as well.

image processing; tunnel settlement deformation; laser alignment

上海市科委资助项目(16111107600)；上海市人才发展资金资助项目(201406)；上海城建集团管控中心项目(2015-B-2)

TP399

A

10.19358/j.issn.1674- 7720.2017.15.023

陈刚.隧道沉降变形连续监测系统[J].微型机与应用，2017,36(15)：80-83,86.

2017-03-15)

陈刚(1981-),男,博士后,工程师,主要研究方向:图像处理、自动测量、盾构智能控制。