CN105354855B - 一种高耸结构外观检测装置及方法 - Google Patents
一种高耸结构外观检测装置及方法 Download PDFInfo
- Publication number
- CN105354855B CN105354855B CN201510875509.5A CN201510875509A CN105354855B CN 105354855 B CN105354855 B CN 105354855B CN 201510875509 A CN201510875509 A CN 201510875509A CN 105354855 B CN105354855 B CN 105354855B
- Authority
- CN
- China
- Prior art keywords
- msub
- msup
- mrow
- mtd
- framework
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000007547 defect Effects 0.000 claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims abstract description 23
- 238000010586 diagram Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 101100328884 Caenorhabditis elegans sqt-3 gene Proteins 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000000746 purification Methods 0.000 claims description 3
- 230000002950 deficient Effects 0.000 claims description 2
- 238000013519 translation Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 9
- 238000005259 measurement Methods 0.000 abstract description 2
- 230000003862 health status Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种高耸结构外观检测装置及方法,检测装置包括三脚架和采集平台,采集平台包括第一框架和第二框架,第一框架通过竖直设置的转轴与所述三脚架顶部连接,且第一框架可绕所转轴轴向旋转,第二框架两侧各通过一根转动轴与第一框架两侧连接,且第二框架能以两根转动轴的连线为中心轴旋转;第二框架上安装有相机和镜头,且相机中心水平线与所述两根转动轴处于同一平面。结构图像经过矩阵式拼接后,再经过图像矫正,实现图形像素的坐标与实际CAD图纸坐标一一对应;形成一张结构物高清地图,并在图上进行缺陷量测、定位、标注、分类、统计等。本发明不仅可以得到高耸结构物表面的缺陷信息,还保证检测的精度和客观性。
Description
技术领域
本发明涉及一种高耸结构外观检测装置及方法。
背景技术
高耸结构物如桥梁塔、电站冷却塔、烟筒、高楼、纪念塔等,受到外因(载荷、气候环境、水文地质)、内因(设计、建造和材料的缺陷)和日常管理疏忽等多种影响,不可避免出现各种病害和缺陷。而结构表面的形态通常最能直观地反应其健康状态,因此对结构物开裂、锈蚀及破损等病理特征的跟踪检查,是研究和判断结构物的健康状态和演化规律的重要方法。
目前高耸构结构物的缺陷检测通常需要人工高空作业,需要使用脚手架,升降车和吊索等机械设备。通过采用测宽仪器或读数显微镜寻找缺陷,对其进行量测和手工记录。这种传统方法不仅费时费力,而且造成很多缺陷检测遗漏,更无法对缺陷进行准确测量和定位,且高空作业存在安全隐患。
发明内容
本发明所要解决的技术问题是,针对现有技术不足,提供一种高耸结构外观检测装置及方法。
为解决上述技术问题,本发明所采用的技术方案是:一种高耸结构外观检测装置,包括三脚架和采集平台,所述采集平台包括第一框架和第二框架,所述第一框架通过竖直设置的转轴与所述三脚架顶部连接,且所述第一框架可绕所转轴轴向旋转,所述第二框架两侧各通过一根转动轴与所述第一框架两侧连接,且所述第二框架能以两根转动轴的连线为中心轴旋转;所述第二框架上安装有相机和镜头,且所述相机中心水平线与所述两根转动轴处于同一平面。
所述镜头焦距为100mm以上。
本发明还提供了一种利用上述装置检测检测高耸结构外观的方法,包括以下步骤:
1)根据相机传感器尺寸、镜头焦距参数、图像重叠率,计算出单幅图像拍摄范围;然后自动将目标结构物进行矩阵模式分区,并计算出每个分区的两个转动角度;通过第一框架和第二框架实现竖向和水平轴转动,进行分区拍摄,直至完成整个高耸结构物的图像采集,并确定位置矩阵M;
2)利用所述位置矩阵M对采集的图像进行拼接处理;
3)对拼接后的图像进行配准处理;
4)由矢量CAD文件确定图形文件像素大小,并根据像素尺寸和像素个数确定缺陷的长度、宽度和面积,采用地图集的方式对结构物外观的缺陷进行标记和量测,并将缺陷数据记录到数据库之中,形成缺陷信息数据库。
所述步骤1)的具体实现过程包括以下步骤:
1)确定相机单幅图像拍摄区域范围fov:fov=360÷PI×arctan(36÷c÷(2×f×m));其中,PI为圆周率;c为相机变焦系数;f为相机焦距;m为焦距倍增数;
2)确定fov后,根据下式确定拍摄区域的行row、列col值,对拍摄区域分区:
row=((AE_y-AS_y+fov)-ol×fov)/(fov×(1-ol)+1;
col=((AE_x-AS_x+fov)-ol×fov)/(fov×(1-ol)+1;
其中,AE_x是转轴在水平方向的终点位置;AE_y是转动轴在竖直方向的终点位置;AS_x是转轴在水平方向的初始位置;AS_y是转动轴在竖直方向的初始位置;ol为图像重叠率;
3)计算转轴和转动轴的单位转动角度x_angle,y_angle:
x_angle=(AE_x-AS_x)/(col-1);
y_angle=(AE_y-AS_y)/(row-1);
其中,AE_x是转轴在水平方向的终点位置;AE_y是转动轴在竖直方向的终点位置;AS_x是转轴在水平方向的初始位置;AS_y是转动轴在竖直方向的初始位置;
4)确定位置矩阵M,M中任意位置(i,j)处的转轴转动位置由下式确定:
M[i,j]={AS_y+i×y_angle,AS_x+j×x_angle};
其中,AS_y是转动轴在竖直方向的初始位置;AS_x是转轴在水平方向的初始位置;i,j≥2;。
所述步骤2)的具体实现过程包括以下步骤:
1)由位置矩阵M中的同行元素M[i-1,j]和M[i,j]或同列元素M[i,j-1]和M[i,j]确定待拼接的相邻两张图像文件P1和P2;
2)根据重叠率ol,若P1和P2同行,则分别在P1的左侧选取长为P1长度、宽为w1的重叠区域I1,在P2的右侧选取长为P2的长度、宽为w2的重叠区域I2;若P1和P2同列,则分别在P1的下侧选取长为w1、宽为P1的宽度的重叠区域I1,在P2的上侧选取长为w2、宽为P2的宽度的重叠区域I2;确定拼接对象,w1、w2均大于ol;
3)对I1和I2进行高斯平滑处理以后,采用Surf算子进行特征点提取,I1和I2对应的特征点集为f1和f2;
4)对特征点集f1和f2采用RANSAC算法进行提纯,剔除无效特征点,利用k-d tree和BBF算法对提纯后的f1和f2进行特征点匹配,将I1和I2中的特征点进行一一对应;
5)利用下式对齐I1和I2:
其中,是需要对齐的像素对齐后在图像中的位置;是需要对齐的像素在原始图像中的位置;和是进行对齐的几何变换矩阵和平移矩阵;
6)采用加权平均的方法对对齐后的I1和I2进行融合,得到I'(x,y):
其中,I1(x,y)是I1中(x,y)处的像素值;I2(x,y)是I2中(x,y)处的像素值;w1、w2分别为I1和I2的宽度;
7)对融合后的区域进行直方图均衡处理,消除拼接缝。
所述步骤3)的具体实现过程包括以下步骤:
1)将拼接后的图像进行灰度化、均衡化和二值化处理,获取图像中结构物的边界位置信息;
2)将图像中结构物边界坐标与CAD图中结构物边界坐标一一对应,通过双线性变化,确定图像中每个像素的正确坐标位置(x*,y*);
3)将CAD图中结构物边界的下边两个顶点坐标、配准前图像结构物边界下边的两个顶点坐标代入下式,求出系数a,b,c,d,e,f,g,h:
其中,(x”,y”)为每个像素经过几何变换后在图像中的位置;
4)通过上述变换,实现图像每个像素的坐标与实际CAD图坐标一一对应,完成图像与CAD图配准。
与现有技术相比,本发明所具有的有益效果为:本发明不仅可以得到高耸结构物表面的缺陷信息,还保证检测的精度和客观性,可以观测到亚毫米级的缺陷,满足实际工程的需求;可以对缺陷进行准确定位、拍照、分类(裂纹、侵蚀、泄漏、剥落等),精确测量它们的几何参数,由此形成一个完备的缺陷数据库,并自动生成缺陷分布图和各类缺陷统计数据。通过定期的检测结果的对比,可以获得高耸结构的表面缺陷宏观和微观的演变趋势,并建立结构物健康电子档案系统。
附图说明
图1是本发明提供的基于高清全景图像的高耸结构物外观检测系统的流程图;
图2是本发明提供的采集平台的设备仪器图;
图3是本发明拍摄区域矩阵模式分区图;
其中,A:拍摄区域分区;B:相邻图像水平重叠区域;C:相邻图像竖直重叠区域;
图4(1)是CAD图;图4(2)是配准前的图像。
具体实施方式
下面结合附图对本发明进行详细的说明。
(1)高清图像采集平台
图像采集平台包括三脚架4和采集平台,所述采集平台包括第一框架6和第二框架1,所述第一框架6通过竖直设置的转轴8与所述三脚架4顶部连接,且所述第一框架6可绕所转轴8轴向旋转,所述第二框架1两侧各通过一根转动轴7与所述第一框架6两侧连接,且所述第二框架1能以两根转动轴7的连线为中心轴旋转;所述第二框架1上安装有相机2和镜头3,且所述相机2中心水平线与所述两根转动轴7处于同一平面。
高清图像采集平台主要作用是:首先根据相机传感器尺寸、镜头焦距参数、图像重叠率,计算出单幅图像拍摄范围;然后自动将目标结构物进行矩阵模式分区(如图3所示),并计算出每个分区的两个转动角度(竖向和水平向);最后通过空间转动框架系统实现竖向和水平轴转动,以达到分区拍摄的目的,并记录每张图像的两个转动角度,为后一步骤的图像拼接提供矩阵式的位置数据。
软件控制系统同时控制空间转动框架系统和相机拍摄系统;空间转动框架系统控制的主要参数如下:
拍摄起始/终点位置AS(x,y)/AE(x,y),x是横向转轴转动的角度,y是竖向转轴转动的角度;图像重叠率ol(≥25%);镜头焦距f、相机变焦系数coef、焦距倍增器mx和相机单幅图像拍摄区域范围fov。
具体计算步骤如下:
a)确定相机单幅图像拍摄区域范围fov,fov由式(1)求得。
fov=360÷PI×arctan(36÷cf÷(2×f×m)) (1)
b)确定fov后,根据式(2)、(3)确定拍摄区域的行(row)列(col)值对拍摄区域分区;
row=((AE_y-AS_y+fov)-ol×fov)/(fov×(1-ol)+1; (2)
col=((AE_x-AS_x+fov)-ol×fov)/(fov×(1-ol)+1; (3)
c)根据式(4)、(5)计算横、竖转轴单位转动角度x_angle,y_angle。
x_angle=(AE_x-AS_x)/(col-1) (4)
y_angle=(AE_y-AS_y)/(row-1) (5)
d)依据以上步骤可以求得转轴拍摄每一幅图像的移动位置,按照行列排列,可以得到一个位置矩阵M。M中任意位置(i,j)处的转轴转动位置可由式(6)求得。
M[i,j]={AS_y+i×y_angle,AS_x+j×x_angle} (6)
软件控制系统通过逐行读取位置矩阵M中指定的位置信息,控制两个转轴转动到达指定的位置,然后启动拍摄程序进行图像采集,逐一完成位置矩阵中所有位置的拍摄。
软件控制系统可以预设相机的快门、光圈和感光度值,还可控制对焦位置,实现转动框架系统和拍摄系统联动,达到自动控制目的,即框架系统转动到位后,立即按照事先定义相机参数进行自动拍摄,图像自动储存,存储完成后框架系统自动转动到下一个分区位置进行拍摄,直至完成整个高耸结构物的图像采集。
(2)图像拼接处理
高清图像采集平台分区拍摄多张图像文件,这些图像是由在一个固定位置上的相机以不同角度拍摄到的一系列图像,这些图像只有轻微的运动视差,根据拍摄角度和重叠区域阈值将这些图像文件整理成为矩阵式图像序列,如图3所示。具体的拼接如下所示:
a)由上述平台采集得到的位置矩阵M对同行元素M[i-1,j]和M[i,j]或同列元素M[i,j-1]和M[i,j]确定待拼接的相邻两张图像文件P1和P2;其中,i,j≥2;
b)根据重叠率ol,若P1和P2同行,则分别在P1的左侧选取长为P1长度、宽为w1的重叠区域I1,在P2的右侧选取长为P2的长度、宽为w2的重叠区域I2;若P1和P2同列,则分别在P1的下侧选取长为w1、宽为P1的宽度的重叠区域I1,在P2的上侧选取长为w2、宽为P2的宽度的重叠区域I2;确定拼接对象,w1、w2均大于ol;
c)对I1和I2进行高斯平滑处理以后,采用Surf算子进行特征点提取,I1和I2对应的特征点集为f1和f2。
d)对特征点集f1和f2采用RANSAC算法进行提纯,剔除无效特征点,利用k-dtree和BBF算法对提纯后的f1和f2进行特征点匹配,将I1和I2中的特征点进行一一对应。
e)由于相机镜头拍摄的角度不同,使得拍摄到的相邻两幅图像中的景物会出现几何形变,因此需要I1和I2进行对齐。根据c)中求得特征点计算对应的几何变换Homography矩阵。采用式(7)完成图像对齐。
f)I1和I2对齐后,采用加权平均的方法对I1和I2进行融合,加权平均公式如式(8)所示,I(x,y)是(x,y)处的像素值,w是重叠区域的宽度。I1和I2的宽度相同,因此直接采用像素均值进行融合,然后对融合后的区域进行直方图均衡处理,消除拼接缝。
(3)图形配准处理
上一步骤完成了高清图片的拼接工作,高清的结构物全景图像已经建立起来。接下来就是高清图像的配准工作,其目的是:对高清全景图像进行裁剪和校准,使得图像中结构物与相应的CAD矢量图坐标、尺寸相一致,即将结构物图像配准到CAD图形之中。
配准的方法是通过坐标变化将图像中的每个像素变换到CAD坐标系中对应的坐标位置,使得图像变成与地图类似具备几何坐标和尺寸信息的图像文件。其具体步骤如下:
a)将上述高清图图形进行灰度化、均衡化和二值化处理,获取图像中结构物的边界位置信息。
b)全景图像中的结构物与其实际形状和尺寸有偏差,如图4(1)和图4(2)所示,图形配准的目的就是将图像数据进行几何变换,实现与CAD图形一一对应。将图像中结构物边界坐标与CAD图中结构物边界坐标一一对应,通过双线性变化,来为图像中每个像素确定正确的坐标位置(x,y),图4(1)和图4(2)的双线映射关系如下:
c)将A和A’、B和B’等相应4个点分别带入式(9),即可求出上述a-h的8个系数。
e)通过上述变换后,实现每个像素的坐标与实际CAD图纸坐标一一对应,完成图像与CAD图纸配准。
(4)数据库系统
图形进行配准后,由矢量CAD文件确定了图形文件像素大小。并根据像素尺寸和像素个数确定缺陷的长度、宽度和面积。完成配准后的图像可以采用地图集的方式对结构物外观的缺陷进行标记和量测。并将这些缺陷数据如:位置、长度、宽度和面积记录到数据库之中,形成缺陷信息数据库。
在配准后的图形文件之中,对缺陷分类标注和编号,测量其位置和尺寸。通过对数据进行分析和统计,得到能反映结构物健康状态的缺陷信息数据库。
为反应结构健康状态的演化规律,在缺陷数据库中可以将不同时间检测结果进行对比分析,研究和判断结构物健康状态。为高耸结构物的管养和维护提供科学、全面的数据。
Claims (5)
1.一种利用高耸结构外观检测装置检测高耸结构外观的方法,高耸结构外观检测装置包括三脚架和采集平台,所述采集平台包括第一框架和第二框架,所述第一框架通过竖直设置的转轴与所述三脚架顶部连接,且所述第一框架可绕所述转轴轴向旋转,所述第二框架两侧各通过一根转动轴与所述第一框架两侧连接,且所述第二框架能以两根转动轴的连线为中心轴旋转;所述第二框架上安装有相机和镜头,且所述相机中心水平线与所述两根转动轴处于同一平面;其特征在于,包括以下步骤:
1)根据相机传感器尺寸、镜头焦距参数、图像重叠率,计算出单幅图像拍摄范围;然后自动将目标结构物进行矩阵模式分区,并计算出每个分区的两个转动角度;通过第一框架和第二框架实现竖向和水平轴转动,进行分区拍摄,直至完成整个高耸结构物的图像采集,并确定位置矩阵M;
2)利用所述位置矩阵M对采集的图像进行拼接处理;
3)对拼接后的图像进行配准处理;
4)由矢量CAD文件确定图形文件像素大小,并根据像素尺寸和像素个数确定缺陷的长度、宽度和面积,采用地图集的方式对结构物外观的缺陷进行标记和量测,并将缺陷数据记录到数据库之中,形成缺陷信息数据库。
2.根据权利要求1所述的方法,其特征在于,所述步骤1)的具体实现过程包括以下步骤:
1a)确定相机单幅图像拍摄区域范围fov:fov=360÷PI×arctan(36÷c÷(2×f×m));其中,PI为圆周率;c为相机变焦系数;f为相机焦距;m为焦距倍增数;
2a)确定fov后,根据下式确定拍摄区域的行row、列col值,对拍摄区域分区:
row=((AE_y-AS_y+fov)-ol×fov)/(fov×(1-ol)+1);
col=((AE_x-AS_x+fov)-ol×fov)/(fov×(1-ol)+1);
其中,AE_x是转轴在水平方向的终点位置;AE_y是转动轴在竖直方向的终点位置;AS_x是转轴在水平方向的初始位置;AS_y是转动轴在竖直方向的初始位置;ol为图像重叠率;
3a)计算转轴和转动轴的单位转动角度x_angle,y_angle:
x_angle=(AE_x-AS_x)/(col-1);
y_angle=(AE_y-AS_y)/(row-1);
4a)确定位置矩阵M,M中任意位置(i,j)处的转轴转动位置由下式确定:
M[i,j]={AS_y+i×y_angle,AS_x+j×x_angle};
其中,i,j≥2。
3.根据权利要求2所述的方法,其特征在于,所述步骤2)的具体实现过程包括以下步骤:
1b)由位置矩阵M中的同列元素M[i-1,j]和M[i,j]或同行元素M[i,j-1]和M[i,j]确定待拼接的相邻两张图像文件P1和P2;
2b)根据重叠率ol,若P1和P2同行,则分别在P1的左侧选取长为P1长度、宽为w1的重叠区域I1,在P2的右侧选取长为P2的长度、宽为w2的重叠区域I2;若P1和P2同列,则分别在P1的下侧选取长为w1、宽为P1的宽度的重叠区域I1,在P2的上侧选取长为w2、宽为P2的宽度的重叠区域I2;确定拼接对象,w1、w2均大于ol;
3b)对I1和I2进行高斯平滑处理以后,采用Surf算子进行特征点提取,I1和I2对应的特征点集为f1和f2;
4b)对特征点集f1和f2采用RANSAC算法进行提纯,剔除无效特征点,利用k-d tree和BBF算法对提纯后的f1和f2进行特征点匹配,将I1和I2中的特征点进行一一对应;
5b)利用下式对齐I1和I2:
<mrow>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<msup>
<mi>x</mi>
<mo>&prime;</mo>
</msup>
</mtd>
</mtr>
<mtr>
<mtd>
<msup>
<mi>y</mi>
<mo>&prime;</mo>
</msup>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<msub>
<mi>a</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>a</mi>
<mn>12</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>a</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>a</mi>
<mn>22</mn>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<mi>x</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>y</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>+</mo>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<msub>
<mi>t</mi>
<mi>x</mi>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>t</mi>
<mi>y</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
其中,是需要对齐的像素对齐后在图像中的位置矩阵;是需要对齐的像素在原始图像中的位置矩阵;和是进行对齐的几何变换矩阵和平移矩阵;
6b)采用加权平均的方法对对齐后的I1和I2进行融合,得到I'(x,y):
<mrow>
<msup>
<mi>I</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<msub>
<mi>w</mi>
<mn>1</mn>
</msub>
<mrow>
<msub>
<mi>w</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>w</mi>
<mn>2</mn>
</msub>
</mrow>
</mfrac>
<mo>*</mo>
<msub>
<mi>I</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mfrac>
<msub>
<mi>w</mi>
<mn>2</mn>
</msub>
<mrow>
<msub>
<mi>w</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>w</mi>
<mn>2</mn>
</msub>
</mrow>
</mfrac>
<msub>
<mi>I</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中,I1(x,y)是I1中(x,y)处的像素值;I2(x,y)是I2中(x,y)处的像素值;
7b)对融合后的区域进行直方图均衡处理,消除拼接缝。
4.根据权利要求3所述的方法,其特征在于,所述步骤3)的具体实现过程包括以下步骤:
1)将拼接后的图像进行灰度化、均衡化和二值化处理,获取图像中结构物的边界位置信息;
2)将图像中结构物边界坐标与CAD图中结构物边界坐标一一对应,通过双线性变化,确定图像中每个像素的正确坐标位置(x*,y*);
3)将CAD图中结构物边界的下边两个顶点坐标、配准前图像结构物边界下边的两个顶点坐标代入下式,求出系数a,b,c,d,e,f,g,h:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<mi>x</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msup>
<mo>=</mo>
<msup>
<mi>ax</mi>
<mo>*</mo>
</msup>
<mo>+</mo>
<msup>
<mi>by</mi>
<mo>*</mo>
</msup>
<mo>+</mo>
<msup>
<mi>cx</mi>
<mo>*</mo>
</msup>
<msup>
<mi>y</mi>
<mo>*</mo>
</msup>
<mo>+</mo>
<mi>d</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<mi>y</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msup>
<mo>=</mo>
<msup>
<mi>ex</mi>
<mo>*</mo>
</msup>
<mo>+</mo>
<msup>
<mi>fy</mi>
<mo>*</mo>
</msup>
<mo>+</mo>
<msup>
<mi>gx</mi>
<mo>*</mo>
</msup>
<msup>
<mi>y</mi>
<mo>*</mo>
</msup>
<mo>+</mo>
<mi>h</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
其中,(x”,y”)为每个像素经过几何变换后在图像中的位置;
4)通过上述变换,实现图像每个像素的坐标与实际CAD图坐标一一对应,完成图像与CAD图配准。
5.根据权利要求1所述的方法,其特征在于,所述镜头焦距为100mm以上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510875509.5A CN105354855B (zh) | 2015-12-02 | 2015-12-02 | 一种高耸结构外观检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510875509.5A CN105354855B (zh) | 2015-12-02 | 2015-12-02 | 一种高耸结构外观检测装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105354855A CN105354855A (zh) | 2016-02-24 |
CN105354855B true CN105354855B (zh) | 2017-08-29 |
Family
ID=55330822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510875509.5A Active CN105354855B (zh) | 2015-12-02 | 2015-12-02 | 一种高耸结构外观检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105354855B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472778B (zh) * | 2018-10-22 | 2021-11-09 | 湖南拓达结构监测技术有限公司 | 一种基于无人机的高耸结构外观检测方法 |
CN109358065B (zh) * | 2018-10-22 | 2021-08-24 | 湖南拓达结构监测技术有限公司 | 一种地铁隧道外观检测方法 |
CN113237885B (zh) * | 2021-04-22 | 2024-01-26 | 西安石油大学 | 一种基于结构健康监测数据的建筑性能评估方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334278B (zh) * | 2008-08-05 | 2011-06-08 | 中国水电顾问集团华东勘测设计研究院 | 一种数码遥感地质测绘的方法及装置 |
RU2013106319A (ru) * | 2013-02-13 | 2014-08-20 | ЭлЭсАй Корпорейшн | Основанная на характерных точках надежная регистрация трехмерного твердого тела |
CN103868935A (zh) * | 2014-02-14 | 2014-06-18 | 中国科学院合肥物质科学研究院 | 基于计算机视觉的烟支外观质量检测方法 |
CN205158453U (zh) * | 2015-12-02 | 2016-04-13 | 湖南拓达结构监测技术有限公司 | 一种高耸结构外观检测装置 |
-
2015
- 2015-12-02 CN CN201510875509.5A patent/CN105354855B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105354855A (zh) | 2016-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105352975B (zh) | 一种桥梁缆索外观检测方法 | |
CN109903227B (zh) | 基于相机几何位置关系的全景影像拼接方法 | |
CN109358065B (zh) | 一种地铁隧道外观检测方法 | |
CN107194991B (zh) | 一种基于骨架点局域动态更新的三维全局可视化监控系统构建方法 | |
CN106600644B (zh) | 全景摄像机的参数矫正方法及装置 | |
CN111611989B (zh) | 一种基于自主机器人的多目标精准定位识别方法 | |
CN109580649B (zh) | 一种工程结构表面裂缝识别与投影修正方法及系统 | |
CN105118055A (zh) | 摄影机定位修正标定方法及系统 | |
CN106780623A (zh) | 一种机器人视觉系统快速标定方法 | |
CN105354855B (zh) | 一种高耸结构外观检测装置及方法 | |
CN112785655A (zh) | 一种基于车道线检测的环视相机外参自动标定方法、装置、设备及计算机存储介质 | |
CN112949478A (zh) | 基于云台相机的目标检测方法 | |
CN106023193B (zh) | 一种用于浑浊介质中结构表面检测的阵列相机观测方法 | |
CN109961485A (zh) | 一种基于单目视觉进行目标定位的方法 | |
CN110889829A (zh) | 一种基于鱼眼镜头的单目测距方法 | |
CN107509055A (zh) | 一种旋转式全景焦点识别光电跟踪仪及其实施方法 | |
CN107578450A (zh) | 一种用于全景相机装配误差标定的方法及系统 | |
JP2005003463A (ja) | キャリブレーションチャート画像表示装置、キャリブレーション装置、キャリブレーション方法 | |
CN106600653A (zh) | 一种变倍相机光心标定方法 | |
CN112541932A (zh) | 基于双光相机不同焦距变换参数的多源图像配准方法 | |
CN112102395A (zh) | 一种基于机器视觉的自主巡检的方法 | |
CN115578315A (zh) | 一种基于无人机图像的桥梁应变近景摄影测量方法 | |
CN104123726B (zh) | 基于消隐点的大锻件测量系统标定方法 | |
CN109472778B (zh) | 一种基于无人机的高耸结构外观检测方法 | |
CN205158453U (zh) | 一种高耸结构外观检测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Liu Yanling Inventor after: Chang Zhugang Inventor after: Wang Peiyu Inventor before: Liu Yanling Inventor before: Wang Peiyu |
|
COR | Change of bibliographic data | ||
GR01 | Patent grant | ||
GR01 | Patent grant |