周方祺，郭世元，冯家旗，麦麦提阿力木·麦提努尔，秦同臻，姜涌泉

摘要：地下管道连接城市的各个角落，承担了极其重要的功能，准确定位和修复管道病害有重要意义。但由于地下管道的特殊性，为了减少技术人员在管道内潜在的风险，提高检测和修复效率，用带有摄像头的排水管道机器人采集地下管道视频信息，提取图像的LBP特征，训练SVM分类模型实现管道病害分类，模型对地下管道的病害自动识别，使用YOLOv4检测病害，这有效地提高了检测效率与准确度。还使用SLAM技术对以往的图像检测所不具备的三维信息—深度进行了估计，这将有利于管道病害的检测。

关键词：计算机视觉;SVM分类;特征提取;病害自动识别;SLAM

中图分类号：TP391.41      文献标识码：A

文章编号：1009-3044（2021）34-0013-06

1 背景

随着我国经济建设，城市快速发展，城市地下管道设施正从建设期进入养护期，城市地下管道的铺设作为城市发展的一个重要部分，承担着城市的天然气供应、排水、供水等重要职责，对城市而言，地下管道的完整和安全运行就像血管之于人一样重要。由此城市管道安全成为热点话题，管道腐蚀、裂缝、淤泥等各种病害都会对管道造成巨大的危害。假如不对管道病害进行管理，管道健康受到威胁甚至得到破坏，将会对城市居民生活、工业生产、交通管制等社会生产生活活动造成阻塞和不便，产生的经济损失更是不可估量。因此，管道病害的检测与修复工作是城市建设的重要组成部分。

当前检测管道病害的过程效率低下且昂贵。……