CN102721370A - 基于计算机视觉的山体滑坡实时监测方法 - Google Patents
基于计算机视觉的山体滑坡实时监测方法 Download PDFInfo
- Publication number
- CN102721370A CN102721370A CN2012102005602A CN201210200560A CN102721370A CN 102721370 A CN102721370 A CN 102721370A CN 2012102005602 A CN2012102005602 A CN 2012102005602A CN 201210200560 A CN201210200560 A CN 201210200560A CN 102721370 A CN102721370 A CN 102721370A
- Authority
- CN
- China
- Prior art keywords
- image
- monumented point
- landslide
- real
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Alarm Systems (AREA)
Abstract
一种基于计算机视觉的山体滑坡实时监测方法,首先通过图像采集模块对所布设标志点区域进行图像信息的采集,然后在图像处理模块中进行图像分析,包括图像预处理、标志点的识别,山体滑坡位移判断;如果判断为发生滑坡,则通过GPRS传输模块将位移信息传回监控中心,并在监控中心发出警报,加快图像采集模块的采集频率,通过GPRS传输模块将采集的现场图片传回监控中心,并显示在监控中心的显示模块上;若山体滑坡位移判断为安全,则继续等待采集信息。本发明可用于山体滑坡的实时监测,用于捕捉山体失稳前的宝贵信息,该方法布设简单,方便快捷。
Description
技术领域
基于计算机视觉的山体滑坡实时监测方法属于计算机视觉、摄影测量和嵌入式研究范畴,主要技术领域涉及立体视觉测量、标志点的识别和无线传输。
背景技术
山体滑坡是山区和铁路、公路沿线最常见的地质灾害之一,它严重威胁人民的生命财产安全,破坏工程设施,影响正常的生产和生活,造成巨大经济损失和人员伤亡。传统滑坡监测主要是在现场布置固定传感器或仪表后,通过汇总人工定时读取数据来得到滑坡的安全状况。数据汇总后滑坡可能已经发生破坏,因此不可能及时准确地对滑坡状况进行预测,其最大弊端是难于及时甚至无法捕捉到滑坡临近失稳前的最宝贵信息。若安排工作人员昼夜值守,不仅浪费人力、物力,而且值守人员的生命安全得不到保障。
近年来,随着新技术的发展,一些新的方法不断应用于山体滑坡的监测中。黄春林等人[黄春林, 李永倩,杨志, 李成宾. BOTDR技术在山体滑坡监测中的应用研究[J]. 工程抗震与加固改造, 2009, 31(6): 124-130]将布里渊散射的BOTDR分布式光纤传感技术应用于山体滑坡监测,并提出了结合TCP/IP协议实现立体远程监测的方法。该方法具有抗电磁干扰、长距离检测、高灵敏度等优点,不足之处在于传感光纤的铺设比较困难,而且滑坡监测是以电缆变形为前提,若电缆未产生变形破坏,就很难监测滑坡的位移。段建华等人[段建华, 田丰. InSAR 在山体滑坡监测中的应用[J]. 微计算机信息, 2010, 26(2-1): 22-24]将合成孔径雷达干涉测量法(InSAR)应用于山体滑坡监测。这种方法在一些具有特定特征的地方应用非常成功,比如有足够的散射体,坡度比较缓,植被变化比较慢等的地方。邱健壮等人[邱健壮, 孙克强, 赵立中. GPS监测山体滑坡方法的研究[J]. 山东农业大学学报, 2008, 39(4): 577-582]采用GPS技术对滑坡进行监测,通过跟踪GPS卫星连续不断地传送到全球的电磁波,系统可获取经度、纬度及三维坐标。GPS法以坐标、距离和角度为基础,用新值与初始坐标之差反映目标的运动,来实现监测变形的目的,存在的问题是在高山地区,卫星信号易被遮挡,多路径效应较为严重,对测量有一定影响,另外接收机的价格较贵,妨碍其推广应用。方亿峰等人[方亿峰. GPS与InSAR结合技术在滑坡监测中的应用[J]. 矿山测量, 2010, (1): 48-51]将GPS与InSAR结合应用在滑坡监测中,能够同时提高监测在空间域与时间域的分辨率。周溢德等人[周溢德. 基于无线传感器网络的山体滑坡监测预警系统设计[J]. 铁道通信信号, 2011, 47(4): 77-80]将无线传感器网络应用于山体滑坡监测中,设计了一种针对朔黄铁路山区沿线山体滑坡的监测预警系统,并进行了原型系统试验。相对于传统的人工监测和有线监测方法,该系统具有部署快速、节省人力等优势,但也存在布设的传感器供电与维护困难的问题以及传感器易受雨水和动物等地影响。陈铁军等人[陈铁军, 陈华方, 胡扬超. 基于CC2480 的山体滑坡检测系统[J]. 计算机工程与设计, 2010, 31(20): 4512-4515]将地质学的基于Verhulst模型的位移预报模型融入CC2480 的无线传感器网络检测系统,使之不但能检测山体状况,更能对山体状况做出预估,并且提出了在居民区构建报警装置的方案。赵国梁等人[赵国梁, 岳建利, 余学义, 赵兵朝, 张惠军. 三维激光扫描仪在西部矿区采动滑坡监测中的应用研究[J]. 矿山测量, 2009, (3): 29-32]将激光扫描仪应用于滑坡监测,通过对激光扫描仪量测数据和水准仪以及全站仪测量数据的对比,能够反映出矿区地表移动变形的特殊规律,从而实现对滑坡的预测。然而激光扫描仪价格昂贵,一般用于滑坡后测量。
发明内容
针对传统滑坡监测方法和现代监测方法的缺点,本发明给出了基于计算机视觉的山体滑坡实时监测的设计方法。该方法简单便捷,准确性好,能实时监测山体的形变,为滑坡做出预警。
本发明是这样实现的,一种基于计算机视觉的山体滑坡实时监测方法,实现该监测方法包括标志点、图像采集模块、图像处理模块、GPRS传输模块、监控中心,图像采集模块实时监测标志点,图像采集模块连接图像处理模块,图像处理模块连接GPRS传输模块,GPRS传输模块无线连接监控中心,其特征是首先通过图像采集模块对所布设标志点区域进行图像信息的采集,然后在图像处理模块中进行图像分析,包括图像预处理、标志点的识别,山体滑坡位移判断;如果判断为发生滑坡,则通过GPRS传输模块将位移信息传回监控中心,并在监控中心发出警报,加快图像采集模块的采集频率,通过GPRS传输模块将采集的现场图片传回监控中心,并显示在监控中心的显示模块上;若山体滑坡位移判断为安全,则继续等待采集信息。
所述标志点的形状设计成圆形,圆形标志点形状简单,而且圆形标志经透镜成像后为椭圆。椭圆的识别和提取过程简单,并且椭圆的几何特性使其易于定位。标志点表面采用红色回光反射材料制作,回光反射材料的反射系数很高,在同等光源的照射下,其反射亮度较普通的材料高,而且红色易于识别。
所述立体视觉系统采用双目摄像机构建立体视觉系统,具体包括:
1)摄像机标定:采用张正友的棋盘格标定法,分别对左右两台摄像机进行摄像机标定,求取摄像机内参数矩阵,畸变向量;
2)立体视觉标定:根据立体视觉成像原理,由摄像机标定方法计算两台摄像机之间的空间位置关系,通过目标点在左右摄像机的成像平面上所成像的视差值计算目标点的深度信息;
3)立体校正:两台摄像机平行向前放置,当两个像平面是完全行对准时,计算立体视差是最简单的;但由于两台摄像机几乎不可能有准确的共面和行对准的成像平面,完美的对准结构在真实的立体系统中几乎不存在,所以在这里使用两台标定摄像机的旋转和平移参数对左右摄像机所成的像进行重投影,使其重投影后的图像实现行对准。
所述图像预处理主要包括图像的去噪,平滑和滤波。
所述标志点的识别两步实现标志点的精确定位,首先进行标志点的粗定位,初步确标定志点的位置,然后采取精确定位,求取标志点的坐标;标志点粗定位:这里标志点的粗定位主要包括RGB彩色图像到HSI彩色空间的转换、HSI颜色空间分割、HSI空间图像二值化、轮廓提取、采用形状准则去除干扰区域,这里的形状准则主要有周长,面积和椭圆度,最后对标志点进行查全和查准,以确保识别标志点的准确性;标志点的精确定位:标志点的精确定位主要是在标志点粗定位的基础上对标志点进行快速的精确定位,在粗定位识别的标志点大体位置的基础上,对粗定位中识别的标志点设置感兴趣区域,直接对图像感兴趣区域进行HSI空间转换,采用周长、面积和椭圆度三个形状准则进行约束,去除干扰因素。最后进行椭圆拟合,求取标志点的几何形心坐标。
所述的基于计算机视觉的山体滑坡实时监测方法的图像传输前预处理,图像的缩放,目的在于减小数据传输量,保证信息有效传输。
所述的基于计算机视觉的山体滑坡实时监测方法的信息无线传输的方法,采用GPRS模块实现无线传输,突破传统有线传输受地域和布线等缺陷的控制,提供一种相对廉价和可靠的方案。
所述的基于计算机视觉的山体滑坡实时监测方法的数据保存和信息实时显示方法,能够保存近期大量的信息,可以随时调用出来进行查看,而且山体滑坡时可以对现场的情况进行实时显示,效果更加真实。监控中心可以对参数进行重新设定,方便快捷。
本发明可用于山体滑坡的实时监测,用于捕捉山体失稳前的宝贵信息,该方法布设简单,方便快捷。
附图说明
图 1 为本发明方法的模块结构图。
具体实施方式
下面通过具体的实施对本发明的技术方案做进一步描述。
工作过程:结合附图1说明本发明的工作过程。首先通过图像采集模块 2 对所布设标志点区域 1进行图像信息的采集,然后在图像处理模块 3 中进行图像分析,包括图像预处理、标志点的识别,山体滑坡位移判断;如果判断为发生滑坡,则通过GPRS传输模块 4 将位移信息传回监控中心 7 ,并在监控中心 7 发出警报,加快图像采集模块 2 的采集频率,通过GPRS传输模块 4 将采集的现场图片传回监控中心 7 ,并显示在监控中心的显示模块 6 上;若山体滑坡位移判断为安全,则继续等待采集信息,监控中心7的控制模块5控制整个监测过程上。
具体实施方式步骤一:基于计算机视觉的山体滑坡实时监测方法的组成部分主要有:
(1)标志点,标志点由反光板和反光膜组成;
(2)标志点支架,反光标志点支架由钢结构组成,根据现场情况进行设计和安装。反光标志点支架的作用是支撑反光标志点;
(3)数字摄像机,采用两台普通数字摄像机拍摄监测区域图像,作为山体滑坡实时监测方法的信息源。调试完毕后,两台摄像机的基线固定、光轴固定;
(4)光源,光源采用闪光光源,当环境光亮度不够时,与数字摄像机拍摄同步给出闪光;
(5)摄像机支架,摄像机支架由钢结构组成,根据现场情况进行设计和安装;
(6)电源,需要给数字摄像机、光源和节点控制箱供电。
(7)节点控制箱,节点控制箱由摄像机控制电路、闪光控制电路、图像处理模块、信息存储模块、GPRS传输模块组成;
(8)监控中心,监控中心由计算机(上位机)、存储器、报警装置、被监测场景显示装置、信息管理与分发软件等组成。
具体实施方式步骤二:基于计算机视觉的山体滑坡实时监测方法中双目立体视觉系统的搭建方式,有以下几个方面:
(1)将两台摄像机固定,尽量保持前向平行放置;
(2)分别对左右摄像机进行标定,求取摄像机内参数矩阵和畸变向量;
(3)立体标定,求取左右摄像机之间的旋转矩阵和平移向量。
具体实施方式步骤三:基于计算机视觉的山体滑坡实时监测方法的标志点的粗定位方法如下:
(1)读入采集的RGB图像,将其转换为HSI颜色空间;
(2)对标志点颜色进行分割,并将图像二值化;
(3)提取二值图像中的目标轮廓,并采用形状准则去除干扰区域;
(4)标志点的查全和查准;
(5)标志点位置信息保存。
具体实施方式步骤四:基于计算机视觉的山体滑坡实时监测方法的标志点的精确定位方法如下:
(1)对标志点粗定位确定的标志点位置设置为感兴趣区域;
(2)对感兴趣区域进行HSI颜色分割,并进行二值化;
(3)提取目标轮廓并对得到的轮廓进行椭圆拟合;
(4)采用形状准则去除干扰区域;
(5)通过椭圆拟合后的椭圆得到中心点的坐标。
根据附图1所示的模块结构图,本设计构造方法包括在待监测的山体布设标志点,并且通过图像采集模块采集信息,然后由图像处理模块对采集的信息进行处理和分析和判断,将处理的结果通过GPRS传输模块传回监控中心,最后在监控中心进行信息的发布与显示。一个图像采集模块、一个图像处理模块、一个GPRS传输模块构成一个节点,实现对山体的监测。
采用基于计算机视觉技术的山体滑坡实时监测方法其各模块工作原理具体包括:
1、对待监测区域所设标志点的设计方法
标志点的设计方法应遵循以下几个原则:
1)特征简单、易于识别
为了减少图像处理的复杂度,提高识别准确率和减少处理时间,标志点应尽量做到特征简单,最好是由适合用图像处理进行识别的基本几何元素构成。
2)尺寸适当
标志点的尺寸过小,成像面积小,容易丢失位置信息,不利于信息的识别;尺寸过大可能导致中心点计算误差过大。
3)易于从背景中分离
图像处理的对象标志点所成的像,所以处理时首先要将整幅图像的背景过滤掉。标志点的成像应该与背景有较大的差别,以利于从背景中分离。
2、图像采集模块主要包括摄像机的选取,摄像机的布置和链接。本方法采用两台工业摄像机,摄像机应尽量成平行向前放置。摄像机由工控板通过USB接口进行驱动,构成双目立体视觉系统。
2.1、摄像机的成像模型
(3)引入透镜畸变,这里我们主要引入两种畸变,一个是径向畸变,另一个是切向畸变。径向畸变是远离透镜中心的光线比靠近透镜中心的光线弯曲严重,因此正方形的边在图像平面上为弯曲边,这种畸变称为径向畸变。切向畸变是由于透镜制造上的缺陷使得透镜本身与图像平面不平行而产生的。畸变后的规范化坐标值可以用表示为
(4)
2.2、单目摄像机标定过程
单目摄像机标定过程分为线性计算和非线性优化两步:
第一步,不考虑畸变,直接在小孔模型的基础上利用直接线性变换(DLT变换)方法计算出摄像机的内参数和外参数的初值。该步骤的计算过程都是求解线性方程,求解速度快,但由于没有考虑透镜畸变的影响,得到的参数值并不准确。不过作为下一步优化算法的迭代初值是合适的。
第二步,考虑畸变的影响,将图像上N个角点的坐标值拾取出来,利用2.1中描述的畸变模型计算这N个角点的实际坐标值,然后利用数据拟合目标函数(5)式进行数据拟合、迭代,目标函数是由一组残量平方和组成,得到目标函数的值越小,表示数据拟合的越好,求得的参数越准确。
2.3、立体视觉测量
由左右摄像机所成图像的图像坐标获取空间点三维坐标如下:
(10)
(12)
由(10)-(12)式解出的即为空间点的三维坐标值。
3、基于计算机视觉的山体滑坡实时监测方法中的图像处理模块主要包括以下内容:
3.1、基于计算机视觉的山体滑坡实时监测方法中标志点识别方法,包括以下内容:
3.1.1、RGB颜色空间到HSI颜色空间的转换
HSI 颜色空间是从人的视觉系统出发, 用色调饱和度和亮度来描述颜色。色调是描述纯色的属性,饱和度给出一种纯色被白光稀释的程度的度量,亮度是一个主观描述子,体现了无色的强度概念,是描述彩色感觉的关键参数。 HSI 颜色空间在彩色图像中从携带的彩色信息里消去强度分量的影响,因而这种颜色空间对人来说是自然而直观的,同时和分量不受光照和阴影的影响,从而很适合应用于标志点的颜色分割。RGB颜色空间到HSI颜色空间的转换公式如(13)式所示。
3.1.2、HSI空间红色标志的粗定位方法
实际应用中可以根据待监测区域的具体情况选择标志点的颜色,此处我们以红色标志点做说明。根据(14)式,原图像中对满足式中要求的像素点赋0,其余像素点赋255,得到一幅关于原图像的二值图像。对得到的二值图像进行轮廓提取,然后对提取的轮廓进行最小二乘化椭圆拟合。
3.1.3、采用形状准则去除干扰区域
本方法采用三种形状准则实现对干扰区域的去除,准确提取目标标志点。
(2)面积准则。当投影角度(即标志点所在平面的法线方向与投影方向的夹角)在之间时,图像中的椭圆区域面积S应满足(16)式:
(18)
3.1.4、标志点查全和查准
为了确保布置的标志点全部被检出和检测准确,主要由所检测的标志点的数量与我们所设标志点的数量比较来确保标志点被全部检出;由标志点之间的距离来判断标志点是否检测准确。
3.2、基于计算机视觉的山体滑坡实时监测方法的山体滑坡位移判断方法为:
对提取的所有标志点位置信息进行计算分析,当检测每一个标志点的位移值小于阈值时判断为安全位移,此处的位移值是当前帧图像的坐标与调试时求取的标志点的坐标之间的变化值。经过时间若标志点位移值没有超过,则传输当前图像回监控中心,进行一次显示更新,每隔时间更新一次标志点的坐标值;
3.3、基于计算机视觉的山体滑坡实时监测方法的图像传输前预处理主要是图像的压缩,包括以下内容:
(1)图像格式的转换,将采集的bmp图像转换为jpg图像;
(2)采样方法的选择,本方法采用最近邻插值法对图像进行重新采样,在监控端采用同样方法对重采样的图像进行插值运算,从而达到压缩图像,减小传输信息量的目的。
4、基于计算机视觉的山体滑坡实时监测方法中的GPRS传输模块其主要内容包括:
4.1、GPRS 模块的参数配置
在本方法使用GPRS模块进行远程传输前首先需要对它内部的参数进行配置,主要包括以下两点:
4.1.1、本地参数配置
主要包括GPRS ID,SIM卡号,心跳周期,最大包长,最小包间隔,中心控制号码等参数的配置;
4.1.2、串口参数配置
主要包括串口波特率,数据位,停止位,校验位,流控等参数的配置;
4.2、GPRS模块与监控中心组网
本方法可以利用多个GPRS模块(监控中心和采集端都使用GPRS模块)进行组网,这样就可以使得在监控中心不能连接计算机网络时也可以实现数据的接收与发送。
5、基于计算机视觉的山体滑坡实时监测方法中的监控中心控制模块与显示模块其主要内容包括:
5.1、监控中心控制模块
监控中心控制模块主要是利用网络传输协议里边的TCP/IP协议与现场采集模块进行实时通信,在得到采集端发回的信息时,可以实时发送命令到采集端来控制它。
5.2、显示模块
显示模块主要包括对标志点信息的显示与滑坡时现场情况的显示。标志点主要显示到当前对话框上,而滑坡现场的显示主要调用OpenCV(Open Source Computer Vision Library)窗口创建函数进行显示。
Claims (7)
1.一种基于计算机视觉的山体滑坡实时监测方法,实现该监测方法包括标志点、图像采集模块、图像处理模块、GPRS传输模块、监控中心,图像采集模块实时监测标志点,图像采集模块连接图像处理模块,图像处理模块连接GPRS传输模块,GPRS传输模块无线连接监控中心,其特征是首先通过图像采集模块对所布设标志点区域进行图像信息的采集,然后在图像处理模块中进行图像分析,包括图像预处理、标志点的识别,山体滑坡位移判断;如果判断为发生滑坡,则通过GPRS传输模块将位移信息传回监控中心,并在监控中心发出警报,加快图像采集模块的采集频率,通过GPRS传输模块将采集的现场图片传回监控中心,并显示在监控中心的显示模块上;若山体滑坡位移判断为安全,则继续等待采集信息。
2.根据权利要求1所述的基于计算机视觉的山体滑坡实时监测方法,其特征是所述标志点的形状设计成圆形,标志点表面采用红色回光反射材料制作。
4.根据权利要求3所述的基于计算机视觉的山体滑坡实时监测方法,其特征是所述立体视觉系统采用双目摄像机构建立体视觉系统,具体包括:
1)摄像机标定:采用张正友的棋盘格标定法,分别对左右两台摄像机进行摄像机标定,求取摄像机内参数矩阵,畸变向量;
2)立体视觉标定:根据立体视觉成像原理,由摄像机标定方法计算两台摄像机之间的空间位置关系,通过目标点在左右摄像机的成像平面上所成像的视差值计算目标点的深度信息;
3)立体校正:两台摄像机平行向前放置,当两个像平面是完全行对准时,计算立体视差是最简单的;但由于两台摄像机几乎不可能有准确的共面和行对准的成像平面,完美的对准结构在真实的立体系统中几乎不存在,所以在这里使用两台标定摄像机的旋转和平移参数对左右摄像机所成的像进行重投影,使其重投影后的图像实现行对准。
5.根据权利要求1所述的基于计算机视觉的山体滑坡实时监测方法,其特征是所述图像预处理主要包括图像的去噪,平滑和滤波。
6.根据权利要求1所述的基于计算机视觉的山体滑坡实时监测方法,其特征是所述标志点的识别两步实现标志点的精确定位,首先进行标志点的粗定位,初步确标定志点的位置,然后采取精确定位,求取标志点的坐标;标志点粗定位:这里标志点的粗定位主要包括RGB彩色图像到HSI彩色空间的转换、HSI颜色空间分割、HSI空间图像二值化、轮廓提取、采用形状准则去除干扰区域,这里的形状准则主要有周长,面积和椭圆度,最后对标志点进行查全和查准,以确保识别标志点的准确性;标志点的精确定位:标志点的精确定位主要是在标志点粗定位的基础上对标志点进行快速的精确定位,在粗定位识别的标志点中心位置的基础上,对粗定位中识别的标志点位置设为感兴趣区域,直接对图像感兴趣区域进行HSI空间转换,采用周长、面积和椭圆度三个形状准则进行约束,去除干扰因素,最后进行椭圆拟合,求取标志点的几何形心坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012102005602A CN102721370A (zh) | 2012-06-18 | 2012-06-18 | 基于计算机视觉的山体滑坡实时监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012102005602A CN102721370A (zh) | 2012-06-18 | 2012-06-18 | 基于计算机视觉的山体滑坡实时监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102721370A true CN102721370A (zh) | 2012-10-10 |
Family
ID=46947196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012102005602A Pending CN102721370A (zh) | 2012-06-18 | 2012-06-18 | 基于计算机视觉的山体滑坡实时监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102721370A (zh) |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065437A (zh) * | 2012-12-11 | 2013-04-24 | 中北大学 | 一种判断山石滚落或滑坡的方法 |
CN104515988A (zh) * | 2014-12-16 | 2015-04-15 | 中国安全生产科学研究院 | 一种基于地基合成孔径雷达的边坡安全监测预警方法 |
CN105787519A (zh) * | 2016-03-21 | 2016-07-20 | 浙江大学 | 一种基于叶脉检测的树种分类方法 |
CN105807294A (zh) * | 2016-03-04 | 2016-07-27 | 西安北斗智联信息科技有限公司 | 一种实时滑坡监测型北斗接收机及其工作方法 |
CN106323176A (zh) * | 2016-08-09 | 2017-01-11 | 鞍钢集团矿业有限公司 | 一种露天矿边坡的三维位移监测方法 |
CN106372352A (zh) * | 2016-09-13 | 2017-02-01 | 江苏大学 | 一种滑坡区域检测装置及方法 |
CN106441138A (zh) * | 2016-10-12 | 2017-02-22 | 中南大学 | 基于视觉测量的变形监测方法 |
CN106453655A (zh) * | 2016-12-02 | 2017-02-22 | 上海帆煜自动化科技有限公司 | 基于云计算的输电线路监控系统 |
CN106482656A (zh) * | 2016-09-28 | 2017-03-08 | 成都通甲优博科技有限责任公司 | 一种克服监控平台自身抖动的山地滑坡视觉检测方法及装置 |
CN106679579A (zh) * | 2016-12-02 | 2017-05-17 | 中国电建集团昆明勘测设计研究院有限公司 | 一种移动式滑坡体变形监测装置及方法 |
CN106768029A (zh) * | 2016-12-02 | 2017-05-31 | 上海巽晔计算机科技有限公司 | 一种生态景观边坡安全监测系统 |
CN106845446A (zh) * | 2017-02-17 | 2017-06-13 | 广州因赛电子科技有限公司 | 一种图像报警的方法和系统 |
CN107063192A (zh) * | 2017-05-10 | 2017-08-18 | 刘鹏飞 | 一种基于微细结构识别的远程滑坡群动态监测方法 |
CN107123134A (zh) * | 2017-05-03 | 2017-09-01 | 长安大学 | 一种基于特征的危岩体滑坡监测方法 |
CN107314747A (zh) * | 2017-06-23 | 2017-11-03 | 北京电子科技职业学院 | 一种非接触式微小距离测量系统 |
CN107330890A (zh) * | 2017-07-14 | 2017-11-07 | 漳州市东方智能仪表有限公司 | 智能视觉的三维地质滑动崩塌实时监测系统及其方法 |
CN108344448A (zh) * | 2018-02-11 | 2018-07-31 | 江苏中路工程检测有限公司 | 一种边坡稳定性自动监测系统 |
CN108444392A (zh) * | 2018-03-30 | 2018-08-24 | 同济大学 | 一种监测隔震层结构位移的方法及非接触式传感器 |
CN108496348A (zh) * | 2017-05-09 | 2018-09-04 | 深圳华博高科光电技术有限公司 | 滑坡体动态监控方法及系统 |
CN109447984A (zh) * | 2018-11-14 | 2019-03-08 | 重庆交通大学 | 一种基于图像处理的抗干扰滑坡监测方法 |
CN109506625A (zh) * | 2018-12-26 | 2019-03-22 | 中国公路工程咨询集团有限公司 | 山体滑坡险情监测方法、系统及其影像数据获取装置 |
CN109658451A (zh) * | 2018-12-04 | 2019-04-19 | 深圳市道通智能航空技术有限公司 | 一种深度感知方法,装置和深度感知设备 |
CN110057296A (zh) * | 2019-04-11 | 2019-07-26 | 河海大学 | 基于帧率提取的室内滑坡模型试验局部位移测量监测方法 |
CN110095073A (zh) * | 2019-04-03 | 2019-08-06 | 中铁十六局集团第一工程有限公司 | 一种边坡安全监测系统和方法 |
CN110210774A (zh) * | 2019-06-10 | 2019-09-06 | 中国地质调查局西安地质调查中心 | 滑坡风险评价方法及系统 |
CN110245634A (zh) * | 2019-06-20 | 2019-09-17 | 招商局重庆交通科研设计院有限公司 | 多位置、多角度危岩变形判断与分析方法 |
CN111160296A (zh) * | 2019-12-31 | 2020-05-15 | 中国科学院电子学研究所 | 滑坡灾害检测方法 |
CN112284263A (zh) * | 2020-10-16 | 2021-01-29 | 上海同禾工程科技股份有限公司 | 一种基于机器视觉的山体灾害预警监测装置及预警监测方法 |
CN112800559A (zh) * | 2021-02-02 | 2021-05-14 | 中海石油(中国)有限公司 | 一种传感器布置方法及系统 |
CN113063357A (zh) * | 2021-03-15 | 2021-07-02 | 河北水熠木丰工程技术有限责任公司 | 一种高边坡稳定性监控方法及装置 |
CN113324581A (zh) * | 2021-04-26 | 2021-08-31 | 北京中关村智连安全科学研究院有限公司 | 一种高精度的非接触式边坡危岩监测预警方法 |
CN113361532A (zh) * | 2021-03-10 | 2021-09-07 | 江西理工大学 | 一种图像识别方法、系统、存储介质、设备、终端及应用 |
CN113375563A (zh) * | 2021-05-12 | 2021-09-10 | 深圳市北斗云信息技术有限公司 | 一种激光lidar与视频融合的滑坡位移监测方法及系统 |
CN113408121A (zh) * | 2021-06-11 | 2021-09-17 | 长江水利委员会长江科学院 | 一种高陡边坡危岩运动轨迹测量及坡段参数计算方法 |
CN114663501A (zh) * | 2022-05-17 | 2022-06-24 | 深圳市华世智能科技有限公司 | 基于特征码图像位姿检测的地质灾害预警方法 |
CN115273403A (zh) * | 2022-06-07 | 2022-11-01 | 福建永强岩土股份有限公司 | 一种滑坡监测预警方法及系统 |
CN117387491A (zh) * | 2023-12-11 | 2024-01-12 | 南京理工大学 | 一种适用于架桥机的双目视觉标志物定位装置及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11337322A (ja) * | 1998-05-26 | 1999-12-10 | Yokogawa Bridge Corp | 2次元画像比較による外観の測定方法および装置 |
JP2003240613A (ja) * | 2002-02-20 | 2003-08-27 | Tamu Tec:Kk | 遠隔監視装置 |
CN1582851A (zh) * | 2004-06-03 | 2005-02-23 | 清华大学 | 一种人体运动轨迹检测方法 |
CN101383003A (zh) * | 2008-10-31 | 2009-03-11 | 江西赣粤高速公路股份有限公司 | 车辆号牌实时精确识别方法 |
CN102098495A (zh) * | 2010-11-30 | 2011-06-15 | 姬云东 | 基于图像识别技术的山体滑坡智能监控装置及其监控方法 |
-
2012
- 2012-06-18 CN CN2012102005602A patent/CN102721370A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11337322A (ja) * | 1998-05-26 | 1999-12-10 | Yokogawa Bridge Corp | 2次元画像比較による外観の測定方法および装置 |
JP2003240613A (ja) * | 2002-02-20 | 2003-08-27 | Tamu Tec:Kk | 遠隔監視装置 |
CN1582851A (zh) * | 2004-06-03 | 2005-02-23 | 清华大学 | 一种人体运动轨迹检测方法 |
CN101383003A (zh) * | 2008-10-31 | 2009-03-11 | 江西赣粤高速公路股份有限公司 | 车辆号牌实时精确识别方法 |
CN102098495A (zh) * | 2010-11-30 | 2011-06-15 | 姬云东 | 基于图像识别技术的山体滑坡智能监控装置及其监控方法 |
Cited By (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065437B (zh) * | 2012-12-11 | 2015-09-23 | 中北大学 | 一种判断山石滚落或滑坡的方法 |
CN103065437A (zh) * | 2012-12-11 | 2013-04-24 | 中北大学 | 一种判断山石滚落或滑坡的方法 |
CN104515988B (zh) * | 2014-12-16 | 2017-12-15 | 中国安全生产科学研究院 | 一种基于地基合成孔径雷达的边坡安全监测预警方法 |
CN104515988A (zh) * | 2014-12-16 | 2015-04-15 | 中国安全生产科学研究院 | 一种基于地基合成孔径雷达的边坡安全监测预警方法 |
CN105807294A (zh) * | 2016-03-04 | 2016-07-27 | 西安北斗智联信息科技有限公司 | 一种实时滑坡监测型北斗接收机及其工作方法 |
CN105787519A (zh) * | 2016-03-21 | 2016-07-20 | 浙江大学 | 一种基于叶脉检测的树种分类方法 |
CN106323176A (zh) * | 2016-08-09 | 2017-01-11 | 鞍钢集团矿业有限公司 | 一种露天矿边坡的三维位移监测方法 |
CN106323176B (zh) * | 2016-08-09 | 2019-03-29 | 鞍钢集团矿业有限公司 | 一种露天矿边坡的三维位移监测方法 |
CN106372352A (zh) * | 2016-09-13 | 2017-02-01 | 江苏大学 | 一种滑坡区域检测装置及方法 |
CN106372352B (zh) * | 2016-09-13 | 2020-01-24 | 江苏大学 | 一种滑坡区域检测装置及方法 |
CN106482656A (zh) * | 2016-09-28 | 2017-03-08 | 成都通甲优博科技有限责任公司 | 一种克服监控平台自身抖动的山地滑坡视觉检测方法及装置 |
CN106482656B (zh) * | 2016-09-28 | 2019-09-20 | 成都通甲优博科技有限责任公司 | 一种克服监控平台自身抖动的山地滑坡视觉检测方法及装置 |
CN106441138B (zh) * | 2016-10-12 | 2019-02-26 | 中南大学 | 基于视觉测量的变形监测方法 |
CN106441138A (zh) * | 2016-10-12 | 2017-02-22 | 中南大学 | 基于视觉测量的变形监测方法 |
CN106453655A (zh) * | 2016-12-02 | 2017-02-22 | 上海帆煜自动化科技有限公司 | 基于云计算的输电线路监控系统 |
CN106768029A (zh) * | 2016-12-02 | 2017-05-31 | 上海巽晔计算机科技有限公司 | 一种生态景观边坡安全监测系统 |
CN106679579A (zh) * | 2016-12-02 | 2017-05-17 | 中国电建集团昆明勘测设计研究院有限公司 | 一种移动式滑坡体变形监测装置及方法 |
CN106845446A (zh) * | 2017-02-17 | 2017-06-13 | 广州因赛电子科技有限公司 | 一种图像报警的方法和系统 |
CN107123134A (zh) * | 2017-05-03 | 2017-09-01 | 长安大学 | 一种基于特征的危岩体滑坡监测方法 |
CN108496348A (zh) * | 2017-05-09 | 2018-09-04 | 深圳华博高科光电技术有限公司 | 滑坡体动态监控方法及系统 |
WO2018205123A1 (zh) * | 2017-05-09 | 2018-11-15 | 深圳华博高科光电技术有限公司 | 滑坡体动态监控方法及系统 |
CN107063192A (zh) * | 2017-05-10 | 2017-08-18 | 刘鹏飞 | 一种基于微细结构识别的远程滑坡群动态监测方法 |
CN107314747A (zh) * | 2017-06-23 | 2017-11-03 | 北京电子科技职业学院 | 一种非接触式微小距离测量系统 |
CN107330890A (zh) * | 2017-07-14 | 2017-11-07 | 漳州市东方智能仪表有限公司 | 智能视觉的三维地质滑动崩塌实时监测系统及其方法 |
CN108344448A (zh) * | 2018-02-11 | 2018-07-31 | 江苏中路工程检测有限公司 | 一种边坡稳定性自动监测系统 |
CN108444392A (zh) * | 2018-03-30 | 2018-08-24 | 同济大学 | 一种监测隔震层结构位移的方法及非接触式传感器 |
CN109447984A (zh) * | 2018-11-14 | 2019-03-08 | 重庆交通大学 | 一种基于图像处理的抗干扰滑坡监测方法 |
CN109447984B (zh) * | 2018-11-14 | 2021-05-04 | 重庆交通大学 | 一种基于图像处理的抗干扰滑坡监测方法 |
CN109658451A (zh) * | 2018-12-04 | 2019-04-19 | 深圳市道通智能航空技术有限公司 | 一种深度感知方法,装置和深度感知设备 |
CN109658451B (zh) * | 2018-12-04 | 2021-07-30 | 深圳市道通智能航空技术股份有限公司 | 一种深度感知方法,装置和深度感知设备 |
CN109506625A (zh) * | 2018-12-26 | 2019-03-22 | 中国公路工程咨询集团有限公司 | 山体滑坡险情监测方法、系统及其影像数据获取装置 |
CN110095073A (zh) * | 2019-04-03 | 2019-08-06 | 中铁十六局集团第一工程有限公司 | 一种边坡安全监测系统和方法 |
CN110057296A (zh) * | 2019-04-11 | 2019-07-26 | 河海大学 | 基于帧率提取的室内滑坡模型试验局部位移测量监测方法 |
CN110210774A (zh) * | 2019-06-10 | 2019-09-06 | 中国地质调查局西安地质调查中心 | 滑坡风险评价方法及系统 |
CN110210774B (zh) * | 2019-06-10 | 2021-06-11 | 中国地质调查局西安地质调查中心 | 滑坡风险评价方法及系统 |
CN110245634A (zh) * | 2019-06-20 | 2019-09-17 | 招商局重庆交通科研设计院有限公司 | 多位置、多角度危岩变形判断与分析方法 |
CN111160296A (zh) * | 2019-12-31 | 2020-05-15 | 中国科学院电子学研究所 | 滑坡灾害检测方法 |
CN111160296B (zh) * | 2019-12-31 | 2024-01-26 | 中国科学院电子学研究所 | 滑坡灾害检测方法 |
CN112284263A (zh) * | 2020-10-16 | 2021-01-29 | 上海同禾工程科技股份有限公司 | 一种基于机器视觉的山体灾害预警监测装置及预警监测方法 |
CN112800559A (zh) * | 2021-02-02 | 2021-05-14 | 中海石油(中国)有限公司 | 一种传感器布置方法及系统 |
CN112800559B (zh) * | 2021-02-02 | 2024-03-08 | 中海石油(中国)有限公司 | 一种传感器布置方法及系统 |
CN113361532A (zh) * | 2021-03-10 | 2021-09-07 | 江西理工大学 | 一种图像识别方法、系统、存储介质、设备、终端及应用 |
CN113063357B (zh) * | 2021-03-15 | 2022-02-08 | 河北水熠木丰工程技术有限责任公司 | 一种高边坡稳定性监控方法及装置 |
CN113063357A (zh) * | 2021-03-15 | 2021-07-02 | 河北水熠木丰工程技术有限责任公司 | 一种高边坡稳定性监控方法及装置 |
CN113324581A (zh) * | 2021-04-26 | 2021-08-31 | 北京中关村智连安全科学研究院有限公司 | 一种高精度的非接触式边坡危岩监测预警方法 |
CN113375563A (zh) * | 2021-05-12 | 2021-09-10 | 深圳市北斗云信息技术有限公司 | 一种激光lidar与视频融合的滑坡位移监测方法及系统 |
CN113408121A (zh) * | 2021-06-11 | 2021-09-17 | 长江水利委员会长江科学院 | 一种高陡边坡危岩运动轨迹测量及坡段参数计算方法 |
CN113408121B (zh) * | 2021-06-11 | 2023-07-11 | 长江水利委员会长江科学院 | 一种高陡边坡危岩运动轨迹测量及坡段参数计算方法 |
CN114663501A (zh) * | 2022-05-17 | 2022-06-24 | 深圳市华世智能科技有限公司 | 基于特征码图像位姿检测的地质灾害预警方法 |
CN115273403A (zh) * | 2022-06-07 | 2022-11-01 | 福建永强岩土股份有限公司 | 一种滑坡监测预警方法及系统 |
CN117387491A (zh) * | 2023-12-11 | 2024-01-12 | 南京理工大学 | 一种适用于架桥机的双目视觉标志物定位装置及方法 |
CN117387491B (zh) * | 2023-12-11 | 2024-04-05 | 南京理工大学 | 一种适用于架桥机的双目视觉标志物定位装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102721370A (zh) | 基于计算机视觉的山体滑坡实时监测方法 | |
CN104005325B (zh) | 基于深度和灰度图像的路面裂缝检测装置和方法 | |
CN207963788U (zh) | 一种基于深度摄像头的公路边坡安全智能监测及预警装置 | |
CN105336119B (zh) | 一种崩塌体裂缝识别报警装置及其识别方法 | |
Meng et al. | Morphology-based building detection from airborne LIDAR data | |
CN104091168B (zh) | 基于无人机影像的电力线自动提取定位方法 | |
CN103606236B (zh) | 一种基于分布式光纤入侵报警单元的实时安全监测系统 | |
CN110889350A (zh) | 一种基于三维成像的线路障碍物监测报警系统及方法 | |
CN104634276A (zh) | 三维测量系统、拍摄设备和方法、深度计算方法和设备 | |
JP2011027594A (ja) | 地図データ検証システム | |
CN107843204A (zh) | 基于监控级摄像机的边坡三维变形监测方法及系统 | |
CN115014224B (zh) | 基于LiDAR点云与倾斜航空影像的地表形变监测方法 | |
CN115762067A (zh) | 一种基于激光点云与视频数据融合的山体滑坡监测系统 | |
CN210952710U (zh) | 一种带有视频监控功能的位移传感器 | |
CN110487242A (zh) | 一种隧道地表面沉降的监测系统 | |
CN105910548A (zh) | 一种基于rgb颜色传感器三维红外监测滑坡变形的装置 | |
CN106638728A (zh) | 一种用于深基坑实时感知与病害检查的方法 | |
EP3058508A1 (en) | Method and system for determining a reflection property of a scene | |
CN115755069A (zh) | 一种轨道异物检测装置、检测系统及检测方法 | |
CN105074496B (zh) | 用于确定交通路线的检测区域的方法和设备 | |
CN205679201U (zh) | 一种基于rgb颜色传感器三维红外监测滑坡变形的装置 | |
CN109711500B (zh) | 安全帽式巡检终端、带有安全帽式巡检终端的变电站巡检系统及利用该系统的巡检方法 | |
KR101479220B1 (ko) | 음영기복의 오류 확인을 통해 영상이미지의 정밀도를 높인 기복영상 처리시스템 | |
CN117099132A (zh) | 用于监测车辆在赛道上的位置的系统 | |
CN109000718A (zh) | 一种水工建筑物安全监测系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20121010 |