王 柯，汪貴華，徐 元，楊 栩

（1.南京理工大學電子工程與光電技術學院，江蘇南京210094；2.南京理工大學理學院，江蘇南京210094）

地下管線作為城市建設重要的組成部分，也稱為城市的“生命線”[1]，其重要性日益呈現(xiàn)。因而國內(nèi)很多城市在積極推進地下管線信息化建設。在地下管道信息化建設過程中，需要對地下管線進行精確測量、空間定位[2]。目前采用的地下管線檢測方法主要包括：電磁探測法、探地雷達等。電磁探測法利用檢測地下管線周圍產(chǎn)生的感應電流信號，管線的位置分布通過判斷接收到的感應電流的大小強弱來確定。但是電磁探測法只能測量金屬管線，且易受電力線、城市強磁場等的強力干擾。探測雷達通過發(fā)射高頻電磁波，接收反射波。根據(jù)不同材質(zhì)物體具有不同導電性，從而探測出地下管線的位置。探測雷達易受到各種隨機噪聲的干擾，還需要經(jīng)過復雜的數(shù)據(jù)處理，而且實測數(shù)據(jù)準確度有限[3]。

上海大學沈林勇[4]提出基于PSD（Position Sensitive Device）的地下管線檢測方案。PSD作為一種基于橫向光電效應的位置敏感探測器，其優(yōu)點是系統(tǒng)響應速度快、輸出電路簡單，但是其自身的缺陷也非常明顯，嚴重的非線性，這就導致位置測量的不準確。

綜合以上背景因素，文中提出了一種將ARM嵌入式圖像處理技術與CMOS圖像傳感器成像相結合的新方法，實現(xiàn)地下管線位置分布的測量。該方法通過嵌入式ARM搭載CMOS圖像傳感器，采集成像屏上激光光斑圖像，并進行圖像預處理，提取激光光斑中心的位置，并保存到上位機，為上位機實現(xiàn)地下管線位置分布的三維重建提供必要信息。

1 地下管線檢測技術總體方案

1.1 測量原理

測量地下管線的三維分布需要管線的坐標信息以及地下管線彎曲角度，從而重構出的地下管線空間分布。一般的地下管線的管徑尺寸是固定的，可以忽略其管徑大小，把地下管線看作一條空間的三維曲線。因此，測量地下管線的位置分布可簡化為對地下管線中軸曲線的測量，擬合出管線中軸線。

在空間幾何中[5]，擬合三維空間的曲線需要一系列的離散點的三維坐標值。通過測量管線中軸線上的一系列離散點的坐標值或測量相鄰點的曲率值來實現(xiàn)地下管線的位置分布的測量。

測量裝置是整個地下管線檢測系統(tǒng)的核心裝置。檢測裝置[6]大致由以下幾個部分組成，CMOS圖像傳感器、激光器、萬向節(jié)、成像屏和定心結構等。測量裝置是一個萬向節(jié)結構連接兩個定心裝置構成，ABCD一端固定激光器，A1B1C1D1一端是固定成像屏和CMOS圖像傳感器。萬向節(jié)結構允許兩端連接零件的夾角在一定范圍內(nèi)變化，所以兩部分定心結構會使之隨管道彎曲而相對轉(zhuǎn)動。測量裝置的原理圖如圖1所示。

圖1 測量原理圖

當測量裝置處于待測管道當中，激光器射出的激光光束沿著管道中軸線的切線方向入射到成像屏，激光光斑會落在CMOS圖像傳感器的光敏面上；CMOS圖像傳感器的感光面平行于成像屏、垂直于管道中軸線。CMOS圖像傳感器光敏面到成像屏的距離固定不變，且等于它的焦距，這就保證了成像的質(zhì)量。當檢測傳感裝置緩慢前進，兩定心結構會使之隨管道彎曲而相對運動，同樣激光光斑位置也隨管道的彎曲變化而相對移動。因此采集激光光斑的圖像，通過相關圖像處理算法就可以解算出激光光斑的位置。因此檢測儀會獲得大量離散激光光斑的位置坐標，進而遞推計算獲得地下管線的位置空間信息。

1.2 系統(tǒng)總體框架

整個檢測系統(tǒng)從功能性可分為五大模塊，分別為攝像機標定矯正、視覺圖像采集、視頻圖像處理、激光光斑中心提取、上位機管線形狀方位重建。攝像機標定矯正模塊是對攝像機進行標定、矯正，以減少系統(tǒng)誤差，提高精度；視覺圖像采集模塊是通過CMOS圖像傳感器采集激光光斑圖像；視頻圖像處理模塊則是對采集的圖像數(shù)據(jù)預處理；激光光斑中心坐標提取模塊主要完成激光光斑中心坐標的解算，上位機管線形狀方位重建模塊則是對下位機傳送來的數(shù)據(jù)進行保存處理，為后續(xù)的管線形狀方位重建提供位置坐標信息。整體的系統(tǒng)結構如圖2所示。

圖2 系統(tǒng)總體結構圖

1.3 地下管線檢測系統(tǒng)的硬件結構

在本系統(tǒng)中，嵌入式ARM處理器需要有合適的工作頻率、外設接口豐富、能運行Linux操作系統(tǒng)。ARM處理器移植的Linux操作系統(tǒng)，要能支持OpenCV動態(tài)鏈接庫、多線程并行處理[7]。為了滿足以上的要求，我們選取Cortex-A9架構的四核S5P4418處理器作為核心處理器。CMOS圖像傳感器比CCD具有低功耗、低成本、集成度高等優(yōu)點，所以選用OV7725是1/3”CMOS彩色圖像傳感器作為感光元件。它同時支持連續(xù)和隔行掃描方式，輸出VGA與QVGA兩種圖像格式；支持像素為640×480，幀速率為30fps。視頻信號通過USB數(shù)據(jù)線采集傳輸。嵌入式ARM處理與上位機通過串口通信。硬件結構原理如圖3所示。

圖3 硬件結構原理圖

1.4 地下管線檢測系統(tǒng)軟件結構設計

本系統(tǒng)將 OpenCV（Open Source Computer Vi?sion Library）計算機視覺庫移植到嵌入式ARM平臺上。CMOS傳感器等設備的驅(qū)動程序可以直接編譯進內(nèi)核模塊，加載到Linux內(nèi)核中。

在開發(fā)應用程序時，需要通過交叉編譯器armcortexa9-linux-gnueabihf編譯成可執(zhí)行文件，拷貝到嵌入式ARM開發(fā)板中，然后進行相關調(diào)試；應用程序可以調(diào)用OpenCV視覺庫中的數(shù)據(jù)結構和相關函數(shù)，對采集激光光斑圖像進行灰度轉(zhuǎn)換、濾波去燥、閾值分割（二值化）等一系列圖像預處理，將激光光斑中心坐標解算出來。應用程序的設計流程如圖4所示。

圖4 軟件結構流程圖

2 攝像機標定實驗

對于任何攝像機都存在著一定的畸變，所以要考慮攝像機的畸變帶來的誤差?；儠斐闪思す夤獍叩南衿x了實際位置，導致地下管線檢測的精度下降。因此這采集圖像之前需要對攝像機進行標定矯正，修正畸變給系統(tǒng)帶來的激光光斑位置的偏差[8]。

對于單目視覺標定，采用基于2D平面靶標的張友正標定法[9]。通過獲取不同角度的黑白相間棋盤的圖像，通過計算每個角度棋盤上的每個角點的位置和其圖像的單適應矩陣。多個視場角度的多個單適應矩陣來求解攝像機的內(nèi)參數(shù)和外參數(shù)，最后利用極大似然準則對上述參數(shù)進行優(yōu)化，提高參數(shù)的精度[10]。

標定與矯正實驗與分析：攝像機的標定和矯正使用基于張氏標定法的matlab calibration toolbox。我們選取規(guī)格為9×6黑白相間方格的棋盤作為定標實驗的標定模板，對標定模板進行多視角的采集。首先采集26張各視角的標定模板圖像并讀入內(nèi)存；然后提取每張圖像的網(wǎng)絡角點，如圖5所示為檢測網(wǎng)絡角點；根據(jù)這些標定模板圖像與攝像機坐標系之間的位置關系，可對攝像機的內(nèi)外參數(shù)以及畸變參數(shù)的標定；最后利用這些參數(shù)對圖像進行矯正。圖6為當攝像機固定位置不變時，攝像機與標定模板圖像之間的位置關系圖。

圖5 檢測角點圖

圖6 攝像機與標定模板關系圖

由此可得，攝像機的內(nèi)參數(shù)矩陣A如下。

其中徑向畸變參數(shù)為k1=-0.149 51，k2=-0.002 86，k3=0.000 0，切向畸變參數(shù)為p1=0.000 59，p2=0.003 54。利用攝像機的內(nèi)參數(shù)以及畸變參數(shù)矯正后的如圖7所示。

圖7 矯正圖

在完成參數(shù)定標與矯正之后，進行誤差分析。如圖8所示，在圖像上顯示出標定使用的所有角點反投影到圖像空間的圖像坐標誤差。由此可得，本次標定實驗的像素誤差為（0.159 71，0.168 22）。

圖8 角點像素誤差分布圖

3 激光光斑的采集處理

當攝像機采集激光光斑圖像時，除了攝像機本身的畸變的影響，還會受到背景光的干擾，使得圖像的質(zhì)量降低。這會給檢測和識別圖像中的目標物體造成較大的誤差，所以為了提高獲取的激光光斑圖像的質(zhì)量和激光光斑中心定位的精確度，一是要對攝像機的采集到的原始圖像進行矯正；二是要對矯正后的激光光斑圖像進行一定的預處理，以獲得比較理想的激光光斑的邊緣和輪廓。

3.1 灰度變換、濾波去噪

當CMOS攝像機處于待檢測管線中，采集到激光光斑圖像比較暗，不利于后期對光斑的閾值分割。采用灰度變換方法對激光光斑圖像進行處理。

在管道內(nèi)，一部分激光也會經(jīng)過管壁的反射到成像屏，形成了無法避免的噪聲。為了去除圖像中的混入噪聲，需要對采集到的激光光斑進行濾波去燥。中值濾波算法是一種非線性的信號處理方法，不僅可以處理噪聲干擾，還能很好地保留激光光斑的輪廓信息。這有利于提取保存激光光斑完整性信息[11]。如圖9所示為中值濾波后的圖像。

圖9 中值濾波后圖像

3.2 閾值分割（二值化）

對激光光斑圖像處理的關鍵技術是提取光斑圖像的中心，這需要首先提取光斑的邊緣，再利用相應的算法計算中心點的位置。結合本系統(tǒng)的測量環(huán)境，由于圖像中只有一個激光光斑，激光光斑對稱規(guī)則，且與背景之間對比度較大，故采用基于圖像灰度特性的方法進行圖像分割。

假設原始圖像f(x,y)對應的灰度，由于目標和背景是灰度級中兩種主要的模式，所以通過選取一個閾值T來把目標圖像和背景圖像分離開，達到分割目標圖像目的。閾值處理后的圖像g(x,y)定義為：

閾值分割的關鍵在于閾值T的選取[12]。

大津法（Otsu）法是一種基于全局的圖像二值化分割算法，它根據(jù)圖像的灰度特征，將圖像分為前景和背景兩個部分。通過計算前景和背景的類間方差，并使兩部分的之間的差別是最大的，就可得到最佳閾值。當取最佳閾值時，激光光斑和圖像背景被最大程度的分割。

通過Otsu法可以得到激光光斑最佳閾值為K=208。閾值分割后的圖像如圖10所示。

圖10 閾值分割后圖像

4 激光光斑中心定位

目前比較常用的光斑中心定位算法[13-15]有灰度重心法、圓擬合法、高斯擬合法、空間矩方法等。灰度重心法簡單且測量精度高，要求光斑形狀比較規(guī)則圓擬合法對于激光光斑不完整或者形狀及其不規(guī)則，用圓結合最小二乘法無限的逼近激光光斑輪廓；高斯擬合法雖然測量精度高，但抗干擾性能差；空間矩方法的精度高度依賴于光斑邊緣，其受限于實際應用；本論文在成像屏上形成的激光光斑形狀規(guī)則對稱，所以選用灰度重心法定位激光光斑的中心。

假設CMOS圖像傳感器的像素分辨率為m×n，并且光斑的圖像灰度可表示為f(x,y)，光斑重心實際上就是計算光斑圖像的一階矩，其坐標可以表示為式（2）、式（3）[16]。

式中(x0,y0)為目標圖像f(x,y)的中心。

通過灰度重心法可以提取激光光斑的中心坐標點，如圖11所示。其激光光斑中心坐標為x=204.117，y=115.547。通過攝像機內(nèi)參矩陣A可把像素坐標轉(zhuǎn)換成實際物理坐標，為后續(xù)上位機重建出地下管線的形狀與方位提供了必要的信息。

圖11 激光光斑中心

5 結論

文中提出了一種將ARM嵌入式圖像處理技術與CMOS圖像傳感器相結合的新方法。文中提出檢測方法不會受到地下管線埋藏深度、周圍電磁環(huán)境的影響，可測量任意埋藏深度的地下管線；該方法簡便、易于實現(xiàn)，能夠有效的降低制作成本。在已知管道中軸線上點的位置坐標去實現(xiàn)地下管線位置分布的精確三維重建，還需要進一步的研究。

參考文獻：

[1]畢天平，周京春.昆明三維地下管線系統(tǒng)應用與研究[J].測繪通報，2014（2）:93-96.

[2]李學軍，洪立波.城市地下管線探測與管理技術的發(fā)展及應用[J].城市勘測，2010（4）:5-11.

[3]范亞男.地下管線探測中探地雷達技術應用研究[J].測繪通報，2015（S0）:46-48.

[4]沈林勇.非開挖信息管線的三維曲線探測新技術研究[D].上海:上海大學，2011.

[5]邵麒.三維管道檢測儀的測控與通訊技術研究[D].南京:南京理工大學，2015.

[6]沈林勇.非開挖信息管線的三維曲線探測新技術研究[D].上海:上海大學，2011.

[7]童飛.地下管線位置分布的圖像檢測技術研究[D].南京:南京理工大學，2014.

[8]徐德，譚民，李原.機器人視覺測量與控制[M].北京:國防工業(yè)出版社，2011.

[9]張鋮偉，王彪，徐貴力.攝像機標定方法研究[J].計算機技術與發(fā)展，2010，20（11）:174-179.

[10]牛海濤，趙勛杰.采用棋盤格模板的攝像機標定新方法[J].紅外與激光工程，2011，40（1）:133-137.

[11]曹遠佳，尉廣軍，李先龍.激光光斑的圖像處理及邊緣檢測的改進[J].激光與紅外，2016，46（9）:1160-1164.

[12]徐亞明，束進芳，安動動.自適應閾值激光光斑中心定位方法研究[J].城市勘測，2014（4）:5-7.

[13]王拯洲，許瑞華，胡炳樑.基于圓擬合的非完整圓激光光斑中心檢測算法[J].激光與紅外，2013，43（6）:708-711.

[14]王麗麗，胡中文，季杭馨.基于高斯擬合的激光光斑中心定位算法[J].應用光學2012，33（5）：985-990.

[15]張奔牛，萬紅明，毛成林.基于差分光斑中心定位算法的位移傳感技術研究[J].傳感技術學報，2011，24（2）:215-219.

[16]陳和，楊志浩，郭磐.激光光斑中心高精度定位算法研究[J].北京理工大學學報，2016，36（2）:181-185.