文|正经的烧杯

编辑|正经的烧杯

«——【·前言·】——»

近年来随着我国城镇化进程加快，城市排水管网建设得到迅速发展，截至2021年底，我国排水管网总长超过87.2万km。

由于早期管网设计施工不规范，以及雨污水腐蚀、车辆荷载等原因，现有城镇存量管网普遍存在管道破裂、渗漏等结构性缺陷问题，管道缺陷若不及时发现和修复，将影响城市的排水系统，甚至引发路面塌陷、水体污染等严重事故。

为最大限度地发挥现有管道的排水能力，延长管道使用寿命，准确、高效的管道检测与状况评估，是及时发现排水管道安全隐患的有效措施和制定管道养护与修复计划的依据，为更加科学而全面地评估排水管道状况，多种检测技术被应用于排水管道缺陷的检测中。

其中管道CCTV检测是最常用的管道缺陷检测方法，其检测流程为，通过控制带摄像机的机器人系统记录管道内部视频和图像信息，采用人工判读的方法评估排水管道健康状况。

随着科技的进步我国的市政工程，对管道检测成果的效率、信息化应用等方面提出了更高要求，虽然卷积神经网络算法等人工智能算法被应用于管道CCTV检测成果缺陷判读中，提高了CCTV检测的评估效率。

但图像和视频检测成果难以表达排水管网的三维空间信息，在排水管道数字化建模和缺陷定量化检测方面依然存在明显不足，相较于管图像和视频检测成果，管道三维激光点云成果包含管道内表面空间信息，可对管道进行三维测量与重构。

基于地面激光扫描系统的三维激光扫描技术，已被应用于城市地下河箱涵、地下综合管廊建模，等大型地下管网工程测绘和建模项目中。但由于管道内无法架设三维激光扫描测站，激光检测技术在中小型排水管道中应用较少。

在工业管道检测领域，采用轮式机器人搭载激光传感器的基于，圆结构光三维视觉原理，和线结构光三维视觉原理，的管道内表面检测方法被相继提出，实现了中小型管道内表面的三维测量。

针对管道激光点云数据的破损缺陷识别问题，本文基于管道三维激光检测点云数据特点，提出一种管道内部缺陷自动识别方法，该方法通过，对管道点云数据进行滤波等一系列处理，可快速识别出管道破损位置并估算出管道破损面积等，以实现管道破损缺陷的自动识别。

«——【·点云数据采集·】——»

由于排水管道内空间较小，传统地面三维激光仪器无法布设在检查井内，且排水管道呈线性分布，地面式三维激光扫描采集范围有限。因此可采用管道机器人搭载激光检测仪，的方式进行三维激光点云数据采集。

管道激光点云数据获取方式如图1所示，将搭载激光器与探头的检测机器人放入管道中，调整机器人高度，使接收器与激光器居中。

仪器在管道中匀速运动并对管壁进行激光扫描，雷达探头记录扫描结果，通过坐标转换可得表示三维信息的管道内表面点云数据。

研究方法

排水管道破裂缺陷会引发渗漏，导致路面脱空和地下水的污染，对城市安全和生态环境造成负面影响。

结合排水管道激光检测点云特征，本文提出一种基于点云数据的自动化管道破损缺陷检测方法，具体流程如图2所示，主要步骤如下：

«——【·管道点云数据处理·】——»

首先利用半径滤波和统计滤波对管道破裂处的点云进行滤波处理，保留正常管道采集的均匀且密集分布的点云数据，去除管道破裂处的稀疏点云数据；然后通过双边滤波对点云数据进行平滑，为下一步的点云数据处理做好准备。

管道点云平面展开，采用基于RANSAC的管道点云圆柱投影方法，将经过数据处理的管道，点云数据投影到拟合出的标准圆柱面上，然后根据计算公式将管道的三维点云数据转换为二维矩形。

管道破裂表征参数计算，首先根据点云管道方向采集的信息，将二维矩形等分为均匀网格，并统计每个网格内的点云数量，筛选出点云密度较低的网格，然后根据这些点云密度低的网格提取破裂中心点的横坐标、方位角坐标、破裂面积等管道缺陷评价指标。

管道破裂通常导致管壁部分缺失，随着管道内水流的冲蚀，破裂处往往会形成空洞，通过分析管道破裂处的点云数据特点发现，由于管壁缺失和激光反射距离较远等原因，在三维管道点云数据中，破裂处的点云分布向管道外侧形成凸起，且点云分布较为稀疏。

因此考虑通过统计滤波和半径滤波，对稀疏的破裂处点云进行处理，删除其中相对稀疏的点云数据，基于统计滤波和半径滤波的管道缺陷处点云删除统计滤波指对查询点与邻域点集之间的距离进行统计分析。

并去除一些不在设定范围内点的滤波方法，对点集中任意一点q,令Di表示该点到其k个邻域内其他点qi的距离，并假设该距离符合高斯分布，由均值μ和标准差σ决定，公式分别为：

对于管道破裂处的点云，由于其分布较正常管道点云稀疏，对于正常管道点云而言，破裂处的点云可被视为平均距离在标准范围(μ-std·σ,μ+std·σ)之外的点，因此可通过统计滤波删除。

半径滤波是指规定每个数据点在指定半径内至少要有一定数目的近邻数据点，并去除不满足该规定条件的滤波方法，由于破裂处的点云数据较为稀疏，因此采用半径滤波能更彻底地去除破裂处的点云数据。

双边滤波最早应用于数字图像处理领域,其原理为利用图像周围点灰度值的加权平均值表示当前点的灰度值，是一种既能有效降低图像噪声又能保留图像边缘细节的方法。

基于三维点云和二维数字图像的共性，激光点云的双边滤波主要是利用数据点周围局部领域的加权平均值表示当前数据点。实现三维点云双边滤波的表达式为：

式中，p′为滤波后的数据点；p为滤波前数据点；α和n分别表示双边滤波因子和数据点p的法线方向。双边滤波因子表达式为

式中，Wc(x)=e-x2/(2σ)为光顺滤波权因子Ws(x)=e-x2/(σ)为特征保持权因子，σc和σs为切平面上的高斯滤波系数，分别反映了计算任一点的双边滤波函数值时切向和法向的影响范围。

一般情况下σc可以用数据点p的邻域半径表示，σs可以用数据点p的邻域的标准差表示，基于RANSAC的管道点云圆柱投影方法RANSAC算法优先给定待拟合模型的参数信息。

然后通过迭代的方式，寻找满足限制条件和参数阈值的包含点云数据最多的模型参数，即所求结果，提取拟合圆柱的具体流程如下。

在给定的管道点云数据集中随机抽取5个点，利用最小二乘法计算得到抽样所得的圆柱面方程。根据圆柱面方程计算得到圆柱面轴线方程，并计算其余点云数据点到圆柱面轴线的距离，根据设定的阈值判断其是否在圆柱面范围内，记录在圆柱面内所有点云的个数。

重复进行步骤(1)和步骤(2),直至达到终止条件，记录包含点云数目最多的拟合圆柱为管道点云数据的拟合圆柱面，通过坐标旋转，将坐标系X方向旋转至拟合圆柱，的中心轴(l,m,n)方向，坐标轴的旋转通过坐标原点的旋转和平移得到，计算公式为：

式中R为旋转矩阵，表示两个坐标系之间的角度位移关系；α、β和γ分别为圆柱中心轴(l,m,n)在原始坐标系中沿着Xo、Yo和Zo方向的旋转角度；T为平移矩阵，表示原始坐标系原点在转换坐标系中的坐标。

由于滤波过程去除了管道破裂处稀疏的点云，因此可根据展开后的二维平面点云数据密度，计算破裂位置及其特征参数。

将点云二维平面数据等分为M×N个子网格，并构造区域函数f(x,y)。统计各网格内点云个数，设置参数阈值Nc,将子网格内点云数据不小于Nc视为正常区域。

标记为f(x, y)=0;将子网格内点云数目小于Nc的视为破裂区域，标记为f(x,y)=1。在网格划分过程中，根据管道三维激光扫描特点，管道点云数据在环向扫描方向，即展开平面的Y轴方向，分布较密集；在管道延伸方向，即展开平面的X方向，分布较稀疏。

因此网格剖分的间隔应大于最大的激光点云扫描间隔，即d≥Δxmax，将子网格看成像素点，采用区域生长算法寻找破裂区域，并计算相关参数。区域生长算法是一种常见的图像分割算法,即根据同一图像内像素点的相似性集合像素点。

对于二值化的平面网格，首先搜索标记值为1的子网格，标记为破裂点集φ1;然后以该子网格为中心，将周围的标记值为1的子网格归并到φ1中，使得点集φ1区域不断变大，直至满足生长停止条件。

最后搜索下一片区域，重复上述过程，直至历遍整个网格。最终可得关于破裂点集φk的特征函数为

利用链码技术求各破裂点集φk的相关参数如下。面积Sk,即求取破裂点集φk包含子网格面积的总数，公式为

式中，Ｉ为子网格的面积。（２）纵向长度Ｄｋ，即破裂点集内两个子网格之间的最大ｘ轴方向距离值，公式为

环向弧度ＲＡＤｋ，即破裂点集内两个子网格之间的最大ｙ轴方向距离值与拟合圆柱半径Ｒ的比值，公式为

«——【·案例分析·】——»

为验证本文方法的有效性，对一段长度为65m的管网排水进行激光检测与分析，根据原始CCTV资料显示，该管网在62m处存在一个二级破裂。管道缺陷的视频图像如图3所示。采用管道三维激光检测技术对该段管道进行检测，得到破裂处的点云数据如图4(a)所示。

该段管网长度为2.46m,点云个数为37545个。从管道点云模型中可以看出，破裂处部分管壁缺失，且存在地下水渗漏的情况（参考管壁水渍），导致管道外覆土层存在脱空现象。

因此三维激光点云模型中显示破裂处存在向外的点云凸包。经半径滤波、统计滤波及圆柱拟合投影后，管道点云内表面模型如图4(b)所示。滤波后点云个数为37422个，管道点云破裂处凸包部分已被消除。

图5为处理前和处理后的管道点云二维平面展开图，可以看出，经滤波处理和圆柱拟合投影后，管道点云数据中的离散点被去除，且被规范展开为矩形平面。

根据本文方法，二维点云矩形被划分为47×51个子网格，统计子网格内点云分布，对管道破裂位置进行筛选和识别。图6和图7分别为子网格内点云分布和筛选后管道破裂缺陷识别的结果。

破裂处面积为0.028m2,破裂纵向长度为19.4cm,破裂的环向弧度为28.2°,即定量计算出管道破裂缺陷的位置和形状参数。

«——【·结语·】——»

管道三维激光检测作为一种排水管网破损缺陷的定量化检测手段，具有广阔的应用前景。

提出了一种基于管道点云数据的管道破裂缺陷检测方法，包括基于统计滤波和半径滤波的点云数据处理方法、基于RANSAC的管道点云圆柱投影方法、管道平面展开和管道破裂缺陷参数计算方法，实现了管道点云数据的破裂缺陷识别与定量计算。

试验结果表明该方法可准确识别管道破损的位置，并测量破损的面积、纵向长度、环向长度等关键参数，管道激光扫描的精度问题导致该方法无法识别管道的细微裂缝缺陷，且容易将管道内其他类型缺陷（如支管暗接）误判为破裂缺陷。