本发明公开了一种基于无人驾驶车的土体结构演变实时在线评估装置及方法，装置包括无人驾驶小车、伸缩设备、微距视频图像采集设备、第一信号接收器、第二信号接收器、远程控制计算机；本发明首先建立微距视频灰度图像数据库，然后，在数据库中建立各物质与灰度值区间的对应关系，接着，统计微距视频灰度图像中代表各物质的灰度值区间内的像素的个数，建立与其对应物质含量或形态的关系，最后，根据上述关系确定待检测土体的实际特征参数，进而确定土体的发育状态。本发明直接进行现场土样微距视频评估,测试精度高；采用微距视频图像,对土体组成成分及其演变识别更为精确；能对任意地区的土体进行大范围长期连续实时在线监测，从而得到该地区土体的演变规律。
1.一种基于无人驾驶车的土体结构演变实时在线评估方法，应用于基于无人驾驶车的土体结构演变实时在线评估装置中；所述装置包括无人驾驶小车⑴、伸缩设备⑵、微距视频图像采集设备⑶、第一信号接收器⑷、第二信号接收器⑸、远程控制计算机⑽；
所述伸缩设备⑵、第一信号接收器⑷和第二信号接收器⑸均设置在所述无人驾驶小车⑴内；所述伸缩设备⑵一端垂直固定设置在所述无人驾驶小车⑴内壁上部，另一端与所述微距视频图像采集设备⑶相连；所述伸缩设备⑵通过所述第一信号接收器⑷与所述远程控制计算机⑽连接通信，并在所述远程控制计算机⑽控制下在竖直方向上伸长或缩短，从而调整所述微距视频图像采集设备⑶的高度；所述无人驾驶小车⑴内壁下部设置有孔洞，用于所述微距视频图像采集设备⑶穿过孔洞采集土颗粒的结构；所述微距视频图像采集设备⑶通过所述第二信号接收器⑸与所述远程控制计算机⑽连接通信，所述远程控制计算机⑽上设置微距视频图像识别分析系统，用于对微距视频图像采集设备⑶采集的微距视频图像进行识别分析；
步骤1：利用远程控制计算机⑽设置摄像镜头⑺焦距、高强度金属套筒⑹的高度和LED白光灯⑼的亮度，利用微距视频图像采集设备⑶对不同发育状态土体进行拍摄成像；然后，将原始真彩微距视频图像转成微距视频灰度图像，建立微距视频灰度图像数据库；
步骤2：在微距视频灰度图像数据库中建立物质与灰度值区间的一一对应关系，即对微距视频灰度图像中不同的物质进行编码；
步骤3.1：统计微距视频灰度图像中代表水分的灰度值区间内的像素的个数和代表土颗粒的灰度值区间内的像素的灰度平均值，然后，建立它们和土体含水率的定量关系；
步骤3.2：统计微距视频灰度图像中代表冰的灰度值区间内的像素的个数，然后，建立它与土体含冰率的定量关系；
步骤3.3：统计微距视频灰度图像中代表孔隙的灰度值区间内的像素的个数，然后，建立它与土体孔隙率的定量关系；
步骤4：二值化微距视频灰度图像，然后进行桥接、去杂、细化和骨化处理，得到土颗粒的轮廓；然后，统计每个土颗粒内的像素个数，最后，建立平均像素个数与土颗粒平均粒径的定量关系；
步骤5.1：输入待监测土体的原始真彩微距视频图像，然后将其转成微距视频灰度图像，利用步骤2的方法识别出各个物质；
步骤5.2：统计微距视频灰度图像中代表水分的灰度值区间内的像素的个数和代表土颗粒的灰度值区间内的像素的灰度平均值，再利用步骤3.1中建立的关系，得到土体的含水率；
步骤5.3：统计微距视频灰度图像中代表冰的灰度值区间内的像素的个数，再利用步骤
步骤5.4：统计微距视频灰度图像中代表孔隙的灰度值区间内的像素的个数，再利用步骤3.3中建立的关系，可得到土体的孔隙率；
步骤5.5：利用步骤4中的方法处理微距视频灰度图像，得到土颗粒的轮廓；然后，再统计出平均每个土颗粒内的像素个数，再利用步骤4中建立的关系，得到土颗粒平均粒径；
步骤6：根据土体的实际特征参数确定土体的发育状态，所述土体的实际特征参数包括土颗粒的粒径、土体的孔隙率、含水率和含冰率。
2.根据权利要求1所述的方法，其特征在于：所述微距视频图像采集设备⑶配置的摄像镜头⑺为可变焦距的显微镜头，在所述远程控制计算机⑽控制下对摄像镜头⑺焦距调节，同时能根据需要更换为不同放大倍数的镜头，从而保证拍到土颗粒的微观结构。
3.根据权利要求1所述的方法，其特征在于：所述微距视频图像采集设备⑶前端套设有高强度金属套筒⑹，所述高强度金属套筒⑹的高度在所述远程控制计算机⑽控制下能根据需要调节，从而保证拍出清晰的微距视频图像并且金属屏蔽作用可防止电磁信号对微距视频图像采集与传输的干扰。
4.根据权利要求3所述的方法，其特征在于：所述高强度金属套筒⑹内壁为黑色，从而有效地杜绝了外界光线的干扰，保证系统采集精度。
5.根据权利要求3-4任意一项所述的方法，其特征在于：所述高强度金属套筒⑹内壁底部设置有LED白光灯⑼，所述LED白光灯⑼通过导线⑻与所述第二信号接收器⑸连接，在所述远程控制计算机⑽控制下根据需要调节亮度。
6.根据权利要求1所述的方法，其特征在于：步骤1中所述不同发育状态土体为土颗粒粒径、孔隙率、含水率和含冰率大小不同的土体。
7.根据权利要求1所述的方法，其特征在于：步骤2或5中所述物质包括土颗粒、孔隙、水分、冰。
8.根据权利要求1所述的方法，其特征在于：步骤4中所述二值化微距视频灰度图像，是将土颗粒和其他物质各视为一种物质，然后进行二值化，进而确定土颗粒的轮廓；
所述桥接和去杂处理是通过开操作和闭操作去除微距视频图像中孤立的噪声点，同时保留微距视频图像中本来的细节结构；
所述微距视频图像细化处理是将微距视频图像变换成单像素厚度组成的细线，所述微距视频图像骨化处理是保留微距视频图像中心线的细化。
9.根据权利要求8所述的方法，其特征在于：所述保留微距视频图像中心线的细化，其具体实现步骤如下：（1）做腐蚀操作，但不立刻删除像素，只打标记；（2）将不破坏连通性的标记点删掉；（3）重复执行，直到图像结果不发生变化，得到了细化结果。
基于无人驾驶车的土体结构演变实时在线评估装置及方法
技术领域
[0001] 本发明涉及土体演变监测领域，具体涉及一种土体结构演变的无人驾驶车载微距视频图像实时在线评估装置及方法。
背景技术
[0002] 目前对土体微观结构演变的监测主要采用以手工测量为主的现场试验法，但这种方法效率较低，精度较低，并且人工误差较大。由于这种方法需将待检测的土样从现场运回实验室进行测试；一方面，在土样被从土地里取出之后，作用在它上面的应力会发生变化；另一方面，土样在运输的过程中，土的性质会发生变化；这些原因将导致最后的测试结果不准确。而且在很多特殊场景和区域(如化学污染严重，高温，沼泽，一些坡地等危险区域)是不便于人体进入进行取样活动的。
[0003] 随着信息技术的快速发展，图像处理技术已经为现代科学技术的发展提供了一项过去没有的技术手段，并相继在多种学科领域得到了广泛的应用。同时，也为土体微观结构演变的监测提供了可行途径。
[0004] 然而，现有的视频图像采集设备拍摄微距视频图像时，容易受到自然条件的影响（例如雨雪、雾霾、灰尘、日光强弱和电磁干扰等），导致拍摄出的微距视频图像清晰度和分辨率较差。
发明内容
[0005] 为了解决上述技术问题，本发明提供了一种土体结构演变的无人驾驶车载微距视频图像实时在线评估装置及方法。
[0006] 本发明的装置所采用的技术方案是： 一种基于无人驾驶车的土体结构演变实时在线评估装置，其特征在于：包括无人驾驶小车、伸缩设备、微距视频图像采集设备、第一信号接收器、第二信号接收器、远程控制计算机；
[0007] 所述伸缩设备、第一信号接收器和第二信号接收器均设置在所述无人驾驶小车内；所述伸缩设备一端垂直固定设置在所述无人驾驶小车内壁上部，另一端与所述微距视频图像采集设备相连；所述伸缩设备通过所述第一信号接收器与所述远程控制计算机连接通信，并在所述远程控制计算机控制下在竖直方向上伸长或缩短，从而调整所述微距视频图像采集设备的高度；所述无人驾驶小车内壁下部设置有孔洞，用于所述微距视频图像采集设备穿过孔洞采集土颗粒的结构；所述微距视频图像采集设备通过所述第二信号接收器与所述远程控制计算机连接通信，所述远程控制计算机上设置微距视频图像识别分析系统，用于对微距视频图像采集设备采集的微距视频图像进行识别分析。
[0008] 作为优选，所述微距视频图像采集设备配置的摄像镜头为可变焦距的显微镜头，在所述远程控制计算机控制下对摄像镜头焦距调节，同时能根据需要更换为不同放大倍数的镜头，从而保证拍到土颗粒的微观结构。
[0009] 作为优选，所述微距视频图像采集设备前端套设有高强度金属套筒，所述高强度金属套筒的高度在所述远程控制计算机控制下能根据需要调节，从而保证拍出清晰的微距视频图像并且金属屏蔽作用可防止电磁信号对微距视频图像采集与传输的干扰。
[0010] 作为优选，所述高强度金属套筒内壁为黑色，从而有效地杜绝了外界光线的干扰，保证系统采集精度。
[0011] 作为优选，所述高强度金属套筒内壁底部设置有LED白光灯，所述LED白光灯通过导线与所述第二信号接收器连接，在所述远程控制计算机控制下根据需要调节亮度。
[0012] 本发明的方法所采用的技术方案是：一种基于无人驾驶车的土体结构演变实时在线评估方法，其特征在于，包括以下步骤：
[0013] 步骤1：利用远程控制计算机设置摄像镜头焦距、高强度金属套筒的高度和LED白光灯的亮度，利用微距视频图像采集设备对不同发育状态土体进行拍摄成像；然后，将原始真彩微距视频图像转成微距视频灰度图像，建立微距视频灰度图像数据库；
[0014] 步骤2：在微距视频灰度图像数据库中建立物质与灰度值区间的一一对应关系，即对微距视频灰度图像中不同的物质进行编码；
[0015] 步骤3：包括以下子步骤；
[0016] 步骤3.1：统计微距视频灰度图像中代表水分的灰度值区间内的像素的个数和代表土颗粒的灰度值区间内的像素的灰度平均值，然后，建立它们和土体含水率的定量关系；
[0017] 步骤3.2：统计微距视频灰度图像中代表冰的灰度值区间内的像素的个数，然后，建立它与土体含冰率的定量关系；
[0018] 步骤3.3：统计微距视频灰度图像中代表孔隙的灰度值区间内的像素的个数，然后，建立它与土体孔隙率的定量关系；
[0019] 步骤4：二值化微距视频灰度图像，然后进行桥接、去杂、细化和骨化处理，得到土颗粒的轮廓；然后，统计每个土颗粒内的像素个数，最后，建立平均像素个数与土颗粒平均粒径的定量关系；
[0020] 步骤5：包括以下子步骤；
[0021] 步骤5.1：输入待监测土体的原始真彩微距视频图像，然后将其转成微距视频灰度图像，利用步骤2的方法识别出各个物质；
[0022] 步骤5.2：统计微距视频灰度图像中代表水分的灰度值区间内的像素的个数和代表土颗粒的灰度值区间内的像素的灰度平均值，再利用步骤3.1中建立的关系，得到土体的含水率；
[0023] 步骤5.3：统计微距视频灰度图像中代表冰的灰度值区间内的像素的个数，再利用步骤3.2中建立的关系，得到土体的含冰率；
[0024] 步骤5.4：统计微距视频灰度图像中代表孔隙的灰度值区间内的像素的个数，再利用步骤3.3中建立的关系，可得到土体的孔隙率；
[0025] 步骤5.5：利用步骤4中的方法处理微距视频灰度图像，得到土颗粒的轮廓。 然后，再统计出平均每个土颗粒内的像素个数，再利用步骤4中建立的关系，得到土颗粒平均粒径；
[0026] 步骤6：根据土体的实际特征参数确定土体的发育状态，所述土体的实际特征参数包括土颗粒的粒径、土体的孔隙率、含水率和含冰率。
[0027] 作为优选，步骤1中所述不同发育状态土体为土颗粒粒径、孔隙率、含水率和含冰率大小不同的土体。
[0028] 作为优选，步骤2或5中所述物质包括土颗粒、孔隙、水分、冰和其他物质。
[0029] 作为优选，步骤4中所述二值化微距视频灰度图像，是将土颗粒和其他物质各视为一种物质，然后进行二值化，进而确定土颗粒的轮廓；
[0030] 所述桥接和去杂处理是通过开操作和闭操作去除微距视频图像中孤立的噪声点，同时保留微距视频图像中本来的细节结构；
[0031] 所述微距视频图像细化处理是将微距视频图像变换成单像素厚度组成的细线，所述微距视频图像骨化处理是保留微距视频图像中心线的细化。
[0032] 作为优选，所述保留微距视频图像中心线的细化，其具体实现步骤如下：（1）做腐蚀操作，但不立刻删除像素，只打标记；（2）将不破坏连通性的标记点删掉；（3）重复执行，直到图像结果不发生变化，得到了细化结果。
[0033] 本发明可以对待监测土体的各项参数进行实地在线快速识别，由此评估待监测土体的演变状态和程度。与传统的手动测量相比，传统的手动测量需要首先进行现场采样，对土体扰动较大，这个过程中获取的土体样本性能已经偏离真实土颗粒状态，因此其精度远远不够；其次所获取的土样往往是回到实验室进行测试分析，效率极低；并且在这个过程中，土样温度，水分及其分布，土颗粒与水分的结合程度等等各项参数都极易因为土样保存和人工操作环节产生变化，显然测试结果精度不够。每次测试结果只能代表当时的土体状态，不能准确表达土体的演化过程，并对其进行评估，而且在很多特殊场景和区域(如化学污染严重，高温，沼泽，一些坡地等区域)是不便于人体进入进行取样活动的。另外，现有视频图像分析技术依赖于视频图像采集技术，现有的视频图像采集设备拍摄微距视频图像时，容易受到自然条件的影响（例如雨雪雾霾、灰尘，日光强弱，电磁干扰等），导致拍摄出的微距视频图像清晰度和分辨率差异极大。
[0034] 相对于现有技术，本发明的优点：
[0035] 1、不需要经过现场土体扰动采样到实验室测试的过程，而是直接进行现场土样微距视频评估，对土体不产生扰动， 提高测试精度；
[0036] 2、采用微距视频图像，对土体组成成分及其演变识别更为精确；
[0037] 3、无人驾驶汽车可以到达不便于人体或人工驾驶的轮轴驱动车体达到的区域(如沼泽，坡地，化学污染严重土地，高温等危险区域)，从而扩大了测量范围。测试迅速，且操作方便，提高测试效率；
[0038] 4、无人驾驶汽车载实时微距摄像及传递信号，远程控制计算机实时微距视频图像处理是该装置的特色。由此可实现大范围的实时快速土样的微距摄像-实时在线微距视频图像分析。可以对某一地区的土体进行长期连续实时在线监测，从而得到该地区土体的演变规律。为预测土体性能演变提供了更快速的实时数据分析技术。
[0039] 5、无人驾驶车载实时微距摄像镜头藏于内壁涂黑的金属套筒中，摄像时仅依靠设备自身LED光源，保证LED白光灯的亮度为确定值，再利用微距视频图像采集设备进行拍摄。可以避免光线强度改变对微距视频图像质量的影响，有效避免自然环境中摄像受到气候和周围环境影响(如雨雪，雾霾，灰尘，日光强弱，电磁干扰等)给微距视频图像采集带来的各种不利，便于参数设置和微距视频图像采集精度的提高，对微距视频图像处理极为有利，结论更为可靠。
[0040] 6、能现场实时在线迅速获取原始微距视频图像数据并及时处理，得到评估结论。
附图说明
[0041] 图1为本发明实施例的装置结构图；
[0042] 图2为本发明实施例的装置中微距视频图像采集设备结构图；
[0043] 图3为本发明实施例的装置中LED白光灯分布示意图；
[0044] 图4为本发明实施例的装置中远程控制计算机示意图。
[0045] 图中，1为无人驾驶小车，2为伸缩设备，3为微距视频图像采集设备、4为第一信号接收器、5为第二信号接收器、6为内壁涂黑的高强度金属套筒、7为摄像镜头、8为导线、9为LED白光灯、10为远程控制计算机。
具体实施方式
[0046] 为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
[0047] 请见图1、图2、图3和图4，本发明提供的一种基于无人驾驶车的土体结构演变实时在线评估装置，包括无人驾驶小车1、伸缩设备2、微距视频图像采集设备3、第一信号接收器4、第二信号接收器5、内壁涂黑的高强度金属套筒6、摄像镜头7、导线8、LED白光灯9和远程控制计算机10。伸缩设备2、第一信号接收器4和第二信号接收器5均设置在无人驾驶小车1内；伸缩设备2一端垂直固定设置在无人驾驶小车1内壁上部，另一端与微距视频图像采集设备3相连；伸缩设备2通过第一信号接收器4与远程控制计算机10连接通信，并在远程控制计算机10控制下在竖直方向上伸长或缩短，从而调整微距视频图像采集设备3的高度；无人驾驶小车1内壁下部设置有孔洞，用于微距视频图像采集设备3穿过孔洞采集土颗粒的结构；微距视频图像采集设备3通过第二信号接收器4与远程控制计算机10连接通信，远程控制计算机10上设置微距视频图像识别分析系统，用于对微距视频图像采集设备3采集的微距视频图像进行识别分析。
[0048] 本实施例的微距视频图像采集设备3配置的摄像镜头7为可变焦距的显微镜头，在所述远程控制计算机10控制下对摄像镜头7焦距调节，同时能根据需要更换为不同放大倍数的镜头，从而保证拍到土颗粒的微观结构。
[0049] 内壁涂黑的高强度金属套筒6的高度可以根据需要调节，从而保证拍出清晰的微距视频图像并且金属屏蔽作用可防止电磁信号对微距视频图像采集与传输的干扰。为了减少外界光线的干扰，其内部涂为黑色。
[0050] LED白光灯9通过导线8与第二信号接收器5连接，在远程控制计算机10控制下根据需要调节亮度；保证LED白光灯的亮度为确定值，再利用微距视频图像采集设备3进行拍摄。可以避免光线强度改变对微距视频图像质量的影响，从而使计算结果更加精确。
[0051] 本实施例首先将伸缩设备2一端与无人驾驶小车1相连，另一端与微距视频图像采集设备3相连。第一信号接收器4可以接收远程控制计算机10发射的信号，从而控制伸缩设备2的伸长或缩短，调整微距视频图像采集设备3的高度。无人驾驶小车1可以实现微距视频图像采集设备3在水平面的移动，伸缩设备2可以实现微距视频图像采集设备3在竖直方向上的移动，从而可以实现快速测量。
[0052] 第二信号接收器5接收远程控制计算机10发射的信号，可以对摄像镜头7的镜头焦距、LED白光灯9的亮度和高强度金属圆筒6的高度进行调节，从而保证拍出清晰的微距视频图像。镜头旁边有高强度金属圆筒，并且其内部涂为黑色，可以屏蔽外界的干扰。LED白光灯设置在高强度金属圆筒的底部。
[0053] 通过远程计算机10固定高强度金属圆筒6的高度和LED白光灯9的亮度为微距视频图像采集的最优确定值，接着利用微距视频图像采集设备3对不同发育状态土体（土颗粒大小、孔隙率、含水率和含冰率等不同的土体）进行拍摄成像。
[0054] 本发明提供的一种基于无人驾驶车的土体结构演变实时在线评估方法，包括以下步骤：
[0055] 步骤1：将原始真彩微距视频图像转成微距视频灰度图像，建立微距视频灰度图像数据库；
[0056] 步骤2：因为不同物质（土颗粒、孔隙、水分、冰和其他物质）的灰度图像拥有不同的灰度值区间，所以在数据库中建立物质与灰度值区间的一一对应关系，即对微距视频灰度图像中不同的物质进行编码。
[0057] 步骤3：包括以下子步骤；
[0058] （1）统计微距视频灰度图像中代表水分的灰度值区间内的像素的个数和代表土颗粒的灰度值区间内的像素的灰度平均值，然后，建立它们和土体含水率的定量关系；
[0059] （2）统计微距视频灰度图像中代表冰的灰度值区间内的像素的个数，然后，建立它与土体含冰率的定量关系；
[0060] （3）统计微距视频灰度图像中代表孔隙的灰度值区间内的像素的个数，然后，建立它与土体孔隙率的定量关系。
[0061] 步骤4：二值化微距视频灰度图像，然后进行桥接、去杂、细化和骨化处理，得到土颗粒的轮廓。 然后，统计每个土颗粒内的像素个数，最后，建立平均像素个数与土颗粒平均粒径的定量关系。
[0062] 其中二值化微距视频灰度图像，是将土颗粒和其他物质各视为一种物质，然后进行二值化，进而确定土颗粒的轮廓；桥接和去杂处理是通过开操作和闭操作去除微距视频图像中孤立的噪声点，同时保留微距视频图像中本来的细节结构；微距视频图像细化处理是将微距视频图像变换成单像素厚度组成的细线，所述微距视频图像骨化处理是保留微距视频图像中心线的细化。
[0063] 保留微距视频图像中心线的细化，其具体实现步骤如下：（1）做腐蚀操作，但不立刻删除像素，只打标记；（2）将不破坏连通性的标记点删掉；（3）重复执行，直到图像结果不发生变化，得到了细化结果。
[0064] 步骤5：包括以下子步骤；
[0065] （1）输入待监测土体的原始真彩微距视频图像（在自设光源条件下拍摄的），然后将其转成微距视频灰度图像，利用步骤2可识别出各个物质（土颗粒、孔隙、水分、冰和其他物质）；
[0066] （2）统计微距视频灰度图像中代表水分的灰度值区间内的像素的个数和代表土颗粒的灰度值区间内的像素的灰度平均值，再利用步骤3中（1）中建立的关系，可得到土体的含水率；
[0067] （3）统计微距视频灰度图像中代表冰的灰度值区间内的像素的个数，再利用步骤3中（2）中建立的关系，可得到土体的含冰率；
[0068] （4）统计微距视频灰度图像中代表孔隙的灰度值区间内的像素的个数，再利用步骤3中（3）中建立的关系，可得到土体的孔隙率；
[0069] （5）利用步骤4中的方法处理微距视频灰度图像，得到土颗粒的轮廓。 然后，再统计出平均每个土颗粒内的像素个数，再利用步骤4中建立的关系，可得到土颗粒平均粒径。
[0070] 步骤6：根据土体的实际特征参数（包括土颗粒的粒径、土体的孔隙率、含水率和含冰率）确定土体的发育状态。
[0071] 尽管本说明书较多地使用了无人驾驶小车1、伸缩设备2、微距视频图像采集设备3、第一信号接收器4、第二信号接收器5、内壁涂黑的高强度金属套筒6、摄像镜头7、导线8、LED白光灯9和远程控制计算机10等术语，但并不排除使用其他术语的可能性。使用这些术语仅仅是为了更方便的描述本发明的本质，把它们解释成任何一种附加的限制都是与本发明精神相违背的。
[0072] 应当理解的是，本说明书未详细阐述的部分均属于现有技术。
[0073] 应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。
