本公开提供了一种基于移动终端的非视野区域管线勘测系统及方法，包括至少一个数据终端和至少一台移动终端，所述移动终端用于向非视野区域管线发射无线信号并接收回返信号；所述数据终端用于根据移动终端接收到的回返信号，经过数据处理后与原有的数据进行比较后得到管线勘测结果，并将勘探结果反馈到移动终端上；本公开能够让非视野区域的管线的具体信息被维修者及时准确地得知，进而能够实现对非视野区域的管线进行及时的管理、预防和维修。
1.一种基于移动终端的非视野区域管线勘测系统，其特征在于，包括至少一个数据终端和至少一台移动终端，所述移动终端用于向非视野区域管线发射无线信号并接收回返信号；
所述数据终端用于根据移动终端接收到的回返信号，经过降噪处理后与原有的数据进行比较后得到管线勘测结果，并将勘探结果反馈到移动终端上；
采集多个角度的地下管线的数据，对每一个角度进行多次测量；
降噪处理，具体为：基于深度卷积神经网络，先求加噪图像的卷积，然后进行批量标准化，最后重构输出残差图像；
其中，m表示图像矩阵f的行数，n表示矩阵g的列数；令整数变量k取值从0到m，整数变量h取值从0到n，则卷积公式为：进行批量标准化，具体为：
μ为样本均值，σ为样本方差，γ为预设常数；Z 表示未激活前的神经元。
2.如权利要求1所述的基于移动终端的非视野区域管线勘测系统，其特征在于，所述移动终端具有一定数据处理能力，携带无限信号的发射器以及接收器，并且能够接收图像。
3.一种基于移动终端的非视野区域管线勘测方法，其特征在于，包括以下步骤：利用移动终端以预设角度向非视野区域管道发送信号并接收回返信号；
对接收到的回返信号进行降噪处理得到无噪图像，与数据库中存储的管道对应角度的图像进行差值计算得到差值图像，确定异常像元；
利用存储的对应区域管线的分布图，根据得到的异常像元将破损区域的位置实时反馈到管线分布图中进行模拟成像，并将更新后的破损管线分布图发送到移动终端；
采集多个角度的地下管线的数据，对每一个角度进行多次测量；
降噪处理，具体为：基于深度卷积神经网络，先求加噪图像的卷积，然后进行批量标准化，最后重构输出残差图像；
其中，m表示图像矩阵f的行数，n表示矩阵g的列数；令整数变量k取值从0到m，整数变量h取值从0到n，则卷积公式为：进行批量标准化，具体为：
μ为样本均值，σ为样本方差，γ为预设常数；Z 表示未激活前的神经元。
4.如权利要求3所述的基于移动终端的非视野区域管线勘测方法，其特征在于，利用移动终端发送信号时，当信号穿过地面、墙壁或者管道均会反射不同的能量，对移动的能量通过天线阵列和逆合成孔径雷达来进行跟踪管道。
5.如权利要求3所述的基于移动终端的非视野区域管线勘测方法，其特征在于，差值计算得到差值图像，具体为：其中， 分别为管道
6.如权利要求3所述的基于移动终端的非视野区域管线勘测方法，其特征在于，异常像元的确定方法，具体为：如果差值图像中像元的灰度值与图像灰度值统计均值相比超出预设阈值，则认为该像元为异常像元。
7.如权利要求3所述的基于移动终端的非视野区域管线勘测方法，其特征在于，进行模拟成像，具体为：在异常像元部分进行标注，如果没有异常像元，则不进行标注处理，返回原图像。
一种基于移动终端的非视野区域管线勘测系统及方法
技术领域
[0001] 本公开涉及非视野区域管线勘测技术领域，特别涉及一种基于移动终端的非视野区域管线勘测系统及方法。
背景技术
[0002] 本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。
[0003] 随着对城市地下管线重要地位与作用认识的不断提高，20世纪80年代末以来全国各地纷纷组织开展城市地下管线普查，积极推进城市地下管线信息化建设。然而目前我国城市地下管线数量多，材质丰富，给地下管线探测带来不少困难。
[0004] 非视野区域管线是国民经济、国防、人们日常生活的重要基础设施之一，担负着物质、能量输送、废物排放、信息联通的重要功能，与日常生活，经济建设紧密相关。管线一旦出问题，轻则影响人民正常的生产生活，重则会造成人民生命财产的重大损失。而且管线一旦发生破坏，若不能及时准确的找到破坏的位置，会对各方面造成巨大的损失。
[0005] 本公开发明人发现，目前我国地下管线探测技术力量储备不足，探测设备生产企业规模小、产品技术含量低、质量不高。并且对于破损管线的维修，时常需要消耗大量的人力物力；扫描采集数据时部分情况未能对管线进行分类扫描监测、模块设计，同时模块设计的分类还有待增加，以便面对更加复杂的管线分布情况，例如家庭内的电线、网线交织的情况等。
发明内容
[0006] 为了解决现有技术的不足，本公开提供了一种基于移动终端的非视野区域管线勘测系统及方法，能够让非视野区域的管线的具体信息被维修者及时准确地得知，进而能够实现对非视野区域的管线进行及时的管理、预防和维修。
[0007] 为了实现上述目的，本公开采用如下技术方案：
[0008] 本公开第一方面提供了一种基于移动终端的非视野区域管线勘测系统。
[0009] 一种基于移动终端的非视野区域管线勘测系统，包括至少一个数据终端和至少一台移动终端，所述移动终端用于向非视野区域管线发射无线信号并接收回返信号；
[0010] 所述数据终端用于根据移动终端接收到的回返信号，经过数据处理后与原有的数据进行比较后得到管线勘测结果，并将勘探结果反馈到移动终端上。
[0011] 作为可能的一些实现方式，所述移动终端具有一定数据处理能力，携带无限信号的发射器以及接收器，并且能够接收图像。
[0012] 本公开第二方面提供了一种基于移动终端的非视野区域管线勘测方法。
[0013] 一种基于移动终端的非视野区域管线勘测方法，包括以下步骤：
[0014] 利用移动终端以预设角度向非视野区域管道发送信号并接收回返信号；
[0015] 对接收到的回返信号进行降噪处理得到无噪图像，与数据库中存储的管道对应角度的图像进行差值计算得到差值图像，确定异常像元；
[0016] 利用存储的对应区域管线的分布图，根据得到的异常像元将破损区域的位置实时反馈到管线分布图中进行模拟成像，并将更新后的破损管线分布图发送到移动终端。
[0017] 作为可能的一些实现方式，利用移动终端发送信号时，当信号穿过地面、墙壁或者管道均会反射不同的能量，对移动的能量通过天线阵列和逆合成孔径雷达来进行跟踪管道。
[0018] 作为可能的一些实现方式，采集多个角度的地下管线的数据，对每一个角度进行多次测量。
[0019] 作为可能的一些实现方式，降噪处理，具体为：基于深度卷积神经网络，先求加噪图像的卷积，然后进行批量标准化，最后重构输出残差图像。
[0020] 作为进一步的限定，求加噪图像的卷积，具体为：
[0021] 设图像矩阵：
[0022]
[0023] 设平均矩阵g：
[0024]
[0025] 其中，m表示图像矩阵f的行数，n表示矩阵g的列数。令整数变量k取值从0到m，整数变量h取值从0到n，则卷积公式为：
[0026]
[0027] 作为进一步的限定，进行批量标准化，具体为：
[0028]
[0029] 其中，
[0030]
[0031] μ为样本均值，σ2为样本方差，γ为预设常数；Z(i)表示未激活前的神经元。
[0032] 作为可能的一些实现方式，差值计算得到差值图像，具体为：
[0033]
[0034] 其中， 分别为管道某一角度的原始和勘测图像数据，m为角度。
[0035] 作为可能的一些实现方式，异常像元的确定方法，具体为：如果差值图像中像元的灰度值与图像灰度值统计均值相比超出预设阈值，则认为该像元为异常像元。
[0036] 作为可能的一些实现方式，进行模拟成像，具体为：在异常像元部分进行标注，如果没有异常像元，则不进行标注处理，返回原图像。
[0037] 与现有技术相比，本公开的有益效果是：
[0038] 1、本公开能够让非视野区域的管线的具体信息被维修者及时准确地得知，进而能够对非视野区域的管线进行及时的管理、预防和维修。
[0039] 2、本公开规避了传统探测方法复杂并且耗费大量人力物力的缺点，使探测过程变得更加容易。
[0040] 3、本公开所述的系统及方法相比与传统探测系统来说更加方便、环境依赖性弱、操作灵活简便。
[0041] 4、本公开所述的系统及方法在拥有信息处理这个核心技术的优势下，人机交互性强，更加方便。
附图说明
[0042] 图1为本公开实施例提供的基于移动终端的非视野区域管线勘测系统的结构拓扑图。
[0043] 图2为本公开实施例提供的基于移动终端的非视野区域管线勘测系统的模拟示意图。
[0044] 图3为本公开实施例提供的基于移动终端的非视野区域管线勘测方法的流程示意图。
具体实施方式
[0045] 应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
[0046] 需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0047] 在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0048] 实施例：
[0049] 正如背景技术所介绍的，现有技术中存在地下管道破损情况不能够实时准确地被探测者得知的现象，为了解决如上的技术问题，本申请提出了一种基于移动终端的非视野区域管线勘测系统。
[0050] 本申请的一种典型的实施方式中，如图1和图2所示，本实施例提供了一种基于移动终端的非视野区域管线勘测系统，包括一台移动智能终端和一台数据终端，两者相互通信连接，其工作过程，如图3所示，具体包括以下步骤：
[0051] 步骤1、采集现有的地下管道的数据：
[0052] 数据采集是让专业人士或动作实施者手持相应的移动终端发送信号，当信号穿过地面、墙壁、管道均会反射不同的能量。对手机的能量通过天线阵列和逆合成孔径雷达来进行跟踪管道。采集多个角度的地下管道的数据，对每一个角度进行多次的测量，以便提高数据的准确性。
[0053] 步骤2、对反射回来的数据信息进行降噪
[0054] 由于存在地面混凝土、石子等杂物的干扰，反射回来的信息为高噪声图像，在对高噪声图像进行去噪：
[0055] 基于深度卷积神经网络，先求加噪图像的卷积，进行批量标准化。图像采集设备质量、数据传输环境等都会影响成像质量。成像需有较好分辨度，为此图像去噪必不可少。设输入层是加噪图像样本，即采集的数据图像样本Y＝X+N，X是原始无噪的图像，即在服务器2
存储的数据图像样本。我们的目的是得到原始无噪的图像X，N是分布为N(0,σ)的噪声图像，σ为噪声标准差，Y是含噪图像。
[0056] (a)求加噪图像卷积
[0057] 设图像矩阵f：
[0058]
[0059] 设平均矩阵g：
[0060]
[0061] 其中，m表示图像矩阵f的行数，n表示矩阵g的列数。令整数变量k取值从0到m，整数变量h取值从0到n，则卷积公式为：
[0062]
[0063] (b)批量标准化处理，避免卷积后出现网络内部协变量转移，假设样本均值为μ，样2
本方差为σ，具体如下：
[0064]
[0065]
[0066] 正则化Znorm：
[0067]
[0068] 为保证分母不为零，取γ值很小；Z表示未激活前的神经元，加入可调参数α和β，得到标准化公式如下：
[0069]
[0070] (c)重构并输出残差图像。
[0071] 步骤3、差值计算
[0072] 数据库中存储着管道各个方位的原始图像，工作人员通过移动终端向可能破损管道的某一角度发射无线信号，对反射回来的勘测信号经过步骤二的处理得到该区域的无噪图像，将该图像与数据库中存储的管道该角度图像进行差值计算，其中分别为管道某一角度的
原始和勘测图像数据，通过公式(1)可以得到管道某一角度的差值图像。
[0073] 差值计算的公式为：
[0074]
[0075] 其中，m表示管道上任意角度的图像数据
[0076] 差值图像中像元的灰度值Hp,如果与图像灰度值统计均值相比超出了特定的阈值，即可认为该像元为变化像元，其中特定阈值的确定是通过对各变化类型信息的提取效果做出定量分析和评估而得到的。
[0077] 步骤4、模拟成像
[0078] 数据终端的服务器中存储着该区域管线的分布图，数据终端对步骤三的得到的异常像元将破损区域的位置实时反馈到管线分布图中，进行相应的模拟成像。即在异常像元部分进行标注。如果没有异常像元，则不进行标注处理，返回原图像。最后再将新得到的破损管线分布图发送到移动终端，方便维修人员进行进一步的维修与处理。
[0079] 以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
