CN106323176B - 一种露天矿边坡的三维位移监测方法 - Google Patents
一种露天矿边坡的三维位移监测方法 Download PDFInfo
- Publication number
- CN106323176B CN106323176B CN201610644467.9A CN201610644467A CN106323176B CN 106323176 B CN106323176 B CN 106323176B CN 201610644467 A CN201610644467 A CN 201610644467A CN 106323176 B CN106323176 B CN 106323176B
- Authority
- CN
- China
- Prior art keywords
- slope
- point
- image
- dimensional
- monitoring
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/03—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring coordinates of points
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种露天矿边坡的三维位移监测方法,该方法为通过三维激光扫描仪获取露天矿待监测边坡区域的点云数据,建立待监测边坡三维模型;通过单目摄像机实时采集待监测边坡区域的监测影像图像,获取边坡监测序列影像图像;在边坡监测序列影像图像覆盖的待监测边坡区域范围内选取控制点,确定大地坐标与影像图像像素点二维坐标相互转换的直接线性变换方程;采用图像局部特征检测与匹配算法,提取出实时监测边坡监测序列影像图像中相匹配的特征点,实时监测边坡监测序列影像图像中当前影像图像与上一幅影像图像中相匹配的特征点的位移;将边坡监测序列影像图像中的特征点的二维图像位移转换为大地坐标系下边坡点的三维位移。
Description
技术领域
本发明属于露天矿边坡监测技术领域,具体涉及一种露天矿边坡的三维位移监测方法。
背景技术
在露天矿山开采过程中,边坡失稳和滑坡是常见的灾害形式之一。在众多边坡位移变化监测方法中,地面摄影测量方法是一种新型且发展迅速的监测方法。地面摄影测量方法通过CCD或CMOS作为感光元件的数码摄像机获取不同时刻的边坡影像,然后通过一些手动或自动的方法获取不同时刻边坡影像上的同名特征点,通过对比不同时刻边坡影像上同名特征点的位置变化获得图像二维位移,最后利用某些转换公式将图像二维位移转换为大地坐标系下的三维位移。由上述的步骤可知,地面摄影测量方法相较于传统边坡位移监测方法,其设备安装难度小、设备与人力资源花费低、实时性高且不存在人员安全风险。另外,相较于其他非接触测量手段,地面摄影测量的操作更加方便,数据处理难度小。所以,地面摄影测量方法是实现边坡大范围实时同步监测的一种有效方法。
在对边坡进行地面摄影测量过程中,图像特征点的二维位移向边坡点在大地坐标系下的三维位移的转换过程非常重要。传统的摄影测量方法常采用立体相对的方法实现此转换过程,即通过双目摄像机或架设两台摄像机对同一区域进行同步观测,通过两镜头所获得的边坡图像之间的几何关系建立一定的几何模型,最后由同一边坡点将两张图像上的坐标代入该几何模型计算出边坡点三维坐标。传统摄影测量的弊端在于架设双目摄像机或架设两台普通摄像机增加了设备成本,且在计算图像二维位移时不仅要对同一时刻所获得的两幅影像进行同名特征点匹配,还要对不同时刻所获得的影像再进行一次同名特征点匹配。这样大大增加了计算耗时,并且由于两台摄像机所拍摄的图像在视角上存在差异,可能会使一些图像特征点自动匹配算法的匹配数量大大减少。采用单目摄像机可以避免上述问题,但是一般情况下,由单张图像二维坐标转换为边坡点的三维坐标过程是无法完成的。
针对上述问题,本发明提出一种露天矿边坡的三维位移监测方法,该方法能够通过单目摄像机获取的边坡二维影像序列计算出一定时间内的边坡点在大地坐标系下的三维坐标位移。该方法先通过三维激光扫描等方法获得边坡点云并构建边坡三维模型,然后选取若干均匀分布的边坡控制点并在单目相机所拍摄的第一张边坡图像上找到对应的图像二维坐标点,构建直接线性变换(DLT)方程,代入选取的图像特征点的二维坐标及其对应的边坡点三维坐标,计算直接线性变换(DLT)方程的参数。由于相机位置和拍摄角度不变,且假设边坡点在短时期内的位移并不造成边坡三维模型的变化,所以不同时刻所获得的边坡影像所提取的特征点与其对应的边坡点都满足该直接线性变换(DLT)方程。通过直接线性变换(DLT)方程反向投影,边坡影像上的所有特征点都能计算出在边坡三维模型上与之对应的三维坐标点,对比同名特征点的变化即可得到对应的边坡点三维位移。
发明内容
针对现有技术的不足,本发明提出一种露天矿边坡的三维位移监测方法。
一种露天矿边坡的三维位移监测方法,包括以下步骤:
步骤1:通过三维激光扫描仪获取露天矿待监测边坡区域的点云数据,根据待监测边坡区域的点云数据建立待监测边坡三维模型;
步骤2:通过单目摄像机以固定时间间隔实时采集待监测边坡区域的监测影像图像,获取边坡监测序列影像图像;
步骤3:在边坡监测序列影像图像覆盖的待监测边坡区域范围内选取控制点,并确定该控制点的大地坐标及其对应的影像图像像素点的二维坐标,确定大地坐标与影像图像像素点二维坐标相互转换的直接线性变换方程;
步骤4:采用图像局部特征检测与匹配算法,提取出实时监测边坡监测序列影像图像中相匹配的特征点,实时监测边坡监测序列影像图像中当前影像图像与上一幅影像图像中相匹配的特征点的位移;
步骤5:通过大地坐标与影像图像像素点二维坐标相互转换的直接线性变换方程,将边坡监测序列影像图像中的特征点的二维图像位移转换为大地坐标系下边坡点的三维位移。
优选地,所述步骤3包括以下步骤:
步骤3.1:构建大地坐标与影像图像像素点二维坐标相互转换的直接线性变换方程;
步骤3.2:在边坡监测序列影像图像覆盖的待监测边坡区域范围内选取控制点,并测得控制点的大地坐标,所述控制点为边坡监测序列影像图像上均匀分布的像素点对应的实际待监测边坡区域范围内的坐标点;
步骤3.3:在边坡监测序列影像图像的第一张图像上标定出所述控制点的像素点,测得控制点对应的图像点的二维坐标;
步骤3.4:将控制点的大地坐标和测得的控制点对应的图像点的二维坐标代入所述直接线性变换方程,计算直接线性变换方程的参数,从而确定该直接线性变换方程的形式。
优选地,所述步骤5包括以下步骤:
步骤5.1:将待监测边坡三维模型的点云数据代入大地坐标与影像图像像素点二维坐标相互转换的直接线性变换方程中,得到待监测边坡三维模型投影到边坡监测序列影像图像所在的平面上的二维坐标点,从而得到影像图像平面三角网;
步骤5.2:采用内角和法确定边坡监测序列影像图像中的特征点所在的影像图像平面三角网中的三角形,即特征点与三角形三个顶点的连线两两之间的夹角之和为180°,则判定该特征点在该三角形内;
步骤5.3:采用反向投影和线性插值法确定边坡监测序列影像图像中的特征点二维坐标所对应的边坡点三维坐标;
步骤5.4:通过当前时刻边坡监测序列影像图像中的特征点对应的边坡点三维坐标与下一时刻边坡监测序列影像图像中的特征点对应的边坡点三维坐标,确定待监测边坡大地坐标系下边坡点的三维位移。
优选地,所述的三维激光扫描仪的点位测量精度≤8mm。
优选地,所述的边坡监测序列影像图像的像素≥2000万。
优选地,所述的大地坐标与影像图像像素点二维坐标相互转换的直接线性变换方程的参数通过平差方法求取最优解,所需的控制点数≥6。
优选地,所述的采用反向投影和线性插值法确定边坡监测序列影像图像中的特征点二维坐标所对应的边坡点三维坐标,具体为:通过边坡监测序列影像图像中的特征点所在的影像图像平面三角网中的三角形内的位置,反向投影,根据特征点在平面三角形内的位置建立线性内插关系式,从而确定边坡监测序列影像图像中的特征点二维坐标所对应的边坡点三维坐标。
本发明的有益效果是:
本发明提出一种露天矿边坡的三维位移监测方法,该方法利用单目相机所采集的边坡序列影像中提取的特征点的二维坐标变化,计算出对应边坡点在大地坐标系下的三维位移。该发明方法较传统摄影测量方法,设备成本低、操作简易且计算步骤更加简化。适用于边坡短时间内的连续观测需求。
附图说明
图1为本发明具体实施方式中露天矿边坡的三维位移监测方法的流程图;
图2为本发明具体实施方式中确定大地坐标与影像图像像素点二维坐标相互转换的直接线性变换方程的流程图;
图3为本发明具体实施方式中边坡监测序列影像图像像素点的二维坐标点和边坡点大地坐标的共线关系示意图;
图4为本发明具体实施方式中将边坡监测序列影像图像中的特征点的二维图像位移转换为大地坐标系下边坡点的三维位移的流程图;
图5为本发明具体实施方式中边坡影像图形的反向投影示意图。
具体实施方式
下面结合附图对本发明具体实施方式加以详细的说明。
本发明提出一种露天矿边坡的三维位移监测方法,如图1所示,包括以下步骤:
步骤1:通过三维激光扫描仪获取露天矿待监测边坡区域的点云数据,根据待监测边坡区域的点云数据建立待监测边坡三维模型。
本实施方式中,选用市售高精度地面三维激光扫描仪,在长距离模式下,点位测量精度≤8mm,采集的露天矿待监测边坡区域的点云数据通过点云处理与三维建模软件构建高精度的待监测边坡三维模型。
步骤2:通过单目摄像机以固定时间间隔实时采集待监测边坡区域的监测影像图像,获取边坡监测序列影像图像。
本实施方式中,待监测边坡区域的监测影像的像素≥2000万,选用普通市售像素≥2000万的数码相机间隔5秒钟进行一次监测影像图像采集,用于处理影像图像的计算机为普通市售台式计算机或笔记本电脑。
步骤3:在边坡监测序列影像图像覆盖的待监测边坡区域范围内选取控制点,并确定该控制点的大地坐标及其对应的影像图像像素点的二维坐标,确定大地坐标与影像图像像素点二维坐标相互转换的直接线性变换方程,如图2所示。
步骤3.1:构建大地坐标与影像图像像素点二维坐标相互转换的直接线性变换方程。
本实施方式中,边坡监测序列影像图像像素点的二维坐标点和边坡点大地坐标的共线关系如图3所示。
边坡监测序列影像图像像素点的二维坐标(x,y)和其对应的边坡点在大地坐标系下的三维坐标(X,Y,Z)的直接线性变换方程如式(1)所示:
其中,L1、L2、L3、L4、L5、L6、L7、L8、L9、L10、L11为11个直接线性变换方程的变换参数,且这11个变换参数为相机外方位元素、主距、主点坐标及像点坐标误差改正数的函数。
步骤3.2:在边坡监测序列影像图像覆盖的待监测边坡区域范围内选取控制点,并测得控制点的大地坐标,所述控制点为边坡监测序列影像图像上均匀分布的像素点对应的实际待监测边坡区域范围内的坐标点。
本实施方式中,所选控制点采取传统大地测量方法或RTK测量其大地坐标。由于直接线性变换(DLT)方程总共有11个变换参数,应至少测的6个控制点的大地坐标,并且为保证转换的准确性,所选控制点为边坡监测序列影像图像上均匀分布的像素点对应的实际待监测边坡区域范围内的坐标点。
步骤3.3:在边坡监测序列影像图像的第一张图像上标定出所述控制点的像素点,测得控制点对应的图像点的二维坐标。
步骤3.4:将控制点的大地坐标和测得的控制点对应的图像点的二维坐标代入所述直接线性变换方程,计算直接线性变换方程的参数,从而确定该直接线性变换方程的形式。
本实施方式中,边大地坐标与影像图像像素点二维坐标相互转换的直接线性变换方程的参数通过平差方法求取最优解。
步骤4:采用图像局部特征检测与匹配算法,提取出实时监测边坡监测序列影像图像中相匹配的特征点,实时监测边坡监测序列影像图像中当前影像图像与上一幅影像图像中相匹配的特征点的位移。
本实施方式中,采用计算机视觉领域中的图像局部特征检测与匹配算法提取出不同时刻的边坡监测影像图像中的特征点,并实现相邻两幅边坡影像图像的同名特征点的匹配。这里采用的图像局部特征检测与匹配算法能够提取大量具有尺度不变性的图像特征点并能实现两幅图像的同名特征点的准确匹配,所谓尺度不变性即在改变旋转角度、图像亮度或拍摄视角的情况下,任能得到很好的检测效果。
步骤5:通过大地坐标与影像图像像素点二维坐标相互转换的直接线性变换方程,将边坡监测序列影像图像中的特征点的二维图像位移转换为大地坐标系下边坡点的三维位移,如图4所示。
步骤5.1:将待监测边坡三维模型的点云数据代入大地坐标与影像图像像素点二维坐标相互转换的直接线性变换方程中,得到待监测边坡三维模型投影到边坡监测序列影像图像所在的平面上的二维坐标点,从而得到影像图像平面三角网。
本实施方式中,待监测边坡三维模型的每个顶点是通过直接线性变换(DLT)方程转换为边坡监测序列影像图像平面上的二维点,转换后三角网的连结关系不变。因此,得到待监测边坡三维模型投影到边坡监测序列影像图像所在的平面上的二维坐标点,即可得到影像图像平面三角网。
步骤5.2:采用内角和法确定边坡监测序列影像图像中的特征点所在的影像图像平面三角网中的三角形。
本实施方式中,判定边坡监测序列影像图像中的一特征点是否在某一三角形内所采用的方法为内角和法,即特征点与三角形三个顶点的连线两两之间的夹角之和为180°,则判定该特征点在该三角形内。
步骤5.3:采用反向投影和线性插值法确定边坡监测序列影像图像中的特征点二维坐标所对应的边坡点三维坐标。
本实施方式中,通过边坡监测序列影像图像中的特征点所在的影像图像平面三角网中的三角形ΔABC内的位置,可以反向投影至待监测边坡三维模型某一三角形ΔDEF中,如图5所示。三角形ΔABC的A、B、C三个点分别与三角形ΔDEF中三个点D、E、F对应且坐标已知,由影像平面特征点p在ΔABC内的位置关系来建立线性内插关系式,最终将三角形ΔDEF中的D、E、F三点的大地坐标代入线性内插关系式求得边坡点户的三维坐标(X,Y,Z)。
线性内插关系式的建立过程为:反向投影之后相同直线上不同线段之比保持不变,即BM/MC=EN/NF=m,Ap/pM=DP/PN=n,建立线性内插关系式如式(2)所示:
其中,D点的坐标为(XD,YD,ZD),E点的坐标为(XE,YE,ZE),F点的坐标为(XF,YF,ZF)。
步骤5.4:通过当前时刻边坡监测序列影像图像中的特征点对应的边坡点三维坐标与下一时刻边坡监测序列影像图像中的特征点对应的边坡点三维坐标,确定待监测边坡大地坐标系下边坡点的三维位移。
本实施方式中,由T1时刻的边坡监测序列影像图像中的特征点坐标(x,y)和T2时刻的边坡监测序列影像图像中的特征点的坐标(x+Δx,y+Δy),计算出两时刻的特征点相对应的边坡点大地坐标(X,Y,Z)和(X+ΔX,Y+ΔY,Z+ΔZ),从而得到待监测边坡大地坐标系下边坡点的三维位移(ΔX,ΔY,ΔZ)。
Claims (6)
1.一种露天矿边坡的三维位移监测方法,其特征在于,包括以下步骤:
步骤1:通过三维激光扫描仪获取露天矿待监测边坡区域的点云数据,根据待监测边坡区域的点云数据建立待监测边坡三维模型;
步骤2:通过单目摄像机以固定时间间隔实时采集待监测边坡区域的监测影像图像,获取边坡监测序列影像图像;
步骤3:在边坡监测序列影像图像覆盖的待监测边坡区域范围内选取控制点,并确定该控制点的大地坐标及其对应的影像图像像素点的二维坐标,确定大地坐标与影像图像像素点二维坐标相互转换的直接线性变换方程;
步骤4:采用图像局部特征检测与匹配算法,提取出实时监测边坡监测序列影像图像中相匹配的特征点,实时监测边坡监测序列影像图像中当前影像图像与上一幅影像图像中相匹配的特征点的位移;
步骤5:通过大地坐标与影像图像像素点二维坐标相互转换的直接线性变换方程,将边坡监测序列影像图像中的特征点的二维图像位移转换为大地坐标系下边坡点的三维位移,具体步骤如下:
步骤5.1:将待监测边坡三维模型的点云数据代入大地坐标与影像图像像素点二维坐标相互转换的直接线性变换方程中,得到待监测边坡三维模型投影到边坡监测序列影像图像所在的平面上的二维坐标点,从而得到影像图像平面三角网;
步骤5.2:采用内角和法确定边坡监测序列影像图像中的特征点所在的影像图像平面三角网中的三角形,即特征点与三角形三个顶点的连线两两之间的夹角之和为180°,则判定该特征点在该三角形内;
步骤5.3:采用反向投影和线性插值法确定边坡监测序列影像图像中的特征点二维坐标所对应的边坡点三维坐标;
步骤5.4:通过当前时刻边坡监测序列影像图像中的特征点对应的边坡点三维坐标与下一时刻边坡监测序列影像图像中的特征点对应的边坡点三维坐标,确定待监测边坡大地坐标系下边坡点的三维位移。
2.根据权利要求1所述的露天矿边坡的三维位移监测方法,其特征在于,所述步骤3包括以下步骤:
步骤3.1:构建大地坐标与影像图像像素点二维坐标相互转换的直接线性变换方程;
步骤3.2:在边坡监测序列影像图像覆盖的待监测边坡区域范围内选取控制点,并测得控制点的大地坐标,所述控制点为边坡监测序列影像图像上均匀分布的像素点对应的实际待监测边坡区域范围内的坐标点;
步骤3.3:在边坡监测序列影像图像的第一张图像上标定出所述控制点的像素点,测得控制点对应的图像点的二维坐标;
步骤3.4:将控制点的大地坐标和测得的控制点对应的图像点的二维坐标代入所述直接线性变换方程,计算直接线性变换方程的参数,从而确定该直接线性变换方程的形式。
3.根据权利要求1所述的露天矿边坡的三维位移监测方法,其特征在于,所述的三维激光扫描仪的点位测量精度≤8mm。
4.根据权利要求1所述的露天矿边坡的三维位移监测方法,其特征在于,所述的边坡监测序列影像图像的像素≥2000万。
5.根据权利要求2所述的露天矿边坡的三维位移监测方法,其特征在于,所述的大地坐标与影像图像像素点二维坐标相互转换的直接线性变换方程的参数通过平差方法求取最优解,所需的控制点数≥6。
6.根据权利要求1所述的露天矿边坡的三维位移监测方法,其特征在于,所述的采用反向投影和线性插值法确定边坡监测序列影像图像中的特征点二维坐标所对应的边坡点三维坐标,具体为:通过边坡监测序列影像图像中的特征点所在的影像图像平面三角网中的三角形内的位置,反向投影,根据特征点在平面三角形内的位置建立线性内插关系式,从而确定边坡监测序列影像图像中的特征点二维坐标所对应的边坡点三维坐标;
所述建立线性内插关系式是根据反向投影之后相同直线上不同线段之比保持不变建立下式:
其中,(X,Y,Z)为特征点的三维坐标,特征点p为平面ΔABC内的一点,连接ΔABC的顶点A和点p并延长与边BC交于点M,m为边BM与边MC的比值,n为边Ap与边pM的比值,特征点p反向投影至待监测边坡三维模型的ΔDEF中,(XD,YD,ZD)为点D的坐标,(XE,YE,ZE)为点E的坐标,(XF,YF,ZF)为点F的坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610644467.9A CN106323176B (zh) | 2016-08-09 | 2016-08-09 | 一种露天矿边坡的三维位移监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610644467.9A CN106323176B (zh) | 2016-08-09 | 2016-08-09 | 一种露天矿边坡的三维位移监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106323176A CN106323176A (zh) | 2017-01-11 |
CN106323176B true CN106323176B (zh) | 2019-03-29 |
Family
ID=57740070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610644467.9A Active CN106323176B (zh) | 2016-08-09 | 2016-08-09 | 一种露天矿边坡的三维位移监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106323176B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106767438B (zh) * | 2017-02-04 | 2019-02-01 | 北京工业大学 | 基于地面三维激光扫描技术的山体滑坡量获取方法及装置 |
CN107037496A (zh) * | 2017-04-01 | 2017-08-11 | 重庆地质矿产研究院 | 一种露天矿山的实地动态检测方法 |
CN109798830B (zh) * | 2017-11-17 | 2020-09-08 | 上海勘察设计研究院(集团)有限公司 | 隧道附属物几何特征测量方法 |
CN107977957B (zh) * | 2017-11-20 | 2021-05-28 | 中国科学院、水利部成都山地灾害与环境研究所 | 基于静态单目相机的土体失稳综合信息测量方法 |
CN109655040B (zh) * | 2018-12-25 | 2021-09-21 | 南京工业大学 | 一种基于无人机靶向技术的边坡位移监测方法 |
CN111473739B (zh) * | 2020-04-24 | 2022-02-08 | 中铁隧道集团二处有限公司 | 一种基于视频监控的隧道塌方区围岩变形实时监测方法 |
CN111709923B (zh) * | 2020-06-10 | 2023-08-04 | 中国第一汽车股份有限公司 | 一种三维物体检测方法、装置、计算机设备和存储介质 |
CN113160397A (zh) * | 2020-10-24 | 2021-07-23 | 深圳市北斗云信息技术有限公司 | 一种灾害监测视频位移测量方法、设备和系统 |
CN112556632B (zh) * | 2020-11-25 | 2022-10-04 | 北京数码汇博科技有限公司 | 一种利用协同精密定位监测地质体形变结构的使用方法 |
CN112857246B (zh) * | 2021-02-05 | 2022-11-15 | 中国矿业大学(北京) | 一种利用地面三目视频匹配的露天矿边坡形变在线监测方法 |
CN113256588B (zh) * | 2021-05-31 | 2023-04-07 | 西安建筑科技大学 | 露天矿无人驾驶中的排土场及排土边缘线实时更新方法 |
CN117132913B (zh) * | 2023-10-26 | 2024-01-26 | 山东科技大学 | 基于无人机遥感与特征识别匹配的地表水平位移计算方法 |
CN117367307B (zh) * | 2023-11-24 | 2024-07-30 | 江苏省特种设备安全监督检验研究院 | 非接触式应变测量方法、系统及机械设备运行监测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102005104A (zh) * | 2009-09-02 | 2011-04-06 | 吴立新 | 滑坡体位移和姿态远距离快速监测报警装置及方法 |
CN102721370A (zh) * | 2012-06-18 | 2012-10-10 | 南昌航空大学 | 基于计算机视觉的山体滑坡实时监测方法 |
CN102831751A (zh) * | 2012-09-04 | 2012-12-19 | 广东省公路管理局 | 基于双摄像机成像技术的公路高危边坡监控方法 |
CN104713491A (zh) * | 2015-04-10 | 2015-06-17 | 招商局重庆交通科研设计院有限公司 | 可获取边坡变形三维数据的边坡监测系统及其获取边坡变形三维数据的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008216158A (ja) * | 2007-03-07 | 2008-09-18 | Basic Engineering:Kk | 変位計測装置 |
JP6072425B2 (ja) * | 2012-04-13 | 2017-02-01 | 藤垣 元治 | 三次元変位計測装置 |
-
2016
- 2016-08-09 CN CN201610644467.9A patent/CN106323176B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102005104A (zh) * | 2009-09-02 | 2011-04-06 | 吴立新 | 滑坡体位移和姿态远距离快速监测报警装置及方法 |
CN102721370A (zh) * | 2012-06-18 | 2012-10-10 | 南昌航空大学 | 基于计算机视觉的山体滑坡实时监测方法 |
CN102831751A (zh) * | 2012-09-04 | 2012-12-19 | 广东省公路管理局 | 基于双摄像机成像技术的公路高危边坡监控方法 |
CN104713491A (zh) * | 2015-04-10 | 2015-06-17 | 招商局重庆交通科研设计院有限公司 | 可获取边坡变形三维数据的边坡监测系统及其获取边坡变形三维数据的方法 |
Non-Patent Citations (1)
Title |
---|
"基于近景摄影测量的建筑物结构动态位移监测系统";蒋华 等;《南通大学学报(自然科学版)》;20101220;第9卷(第4期);第19-23页 |
Also Published As
Publication number | Publication date |
---|---|
CN106323176A (zh) | 2017-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106323176B (zh) | 一种露天矿边坡的三维位移监测方法 | |
WO2021232470A1 (zh) | 基于多传感器融合的slam制图方法、系统 | |
Fassi et al. | Comparison between laser scanning and automated 3d modelling techniques to reconstruct complex and extensive cultural heritage areas | |
CN104964673B (zh) | 一种可定位定姿的近景摄影测量系统和测量方法 | |
Teller et al. | Calibrated, registered images of an extended urban area | |
Thoeni et al. | A comparison of multi-view 3D reconstruction of a rock wall using several cameras and a laser scanner | |
CN108615244B (zh) | 一种基于cnn和深度滤波器的图像深度估计方法及系统 | |
CN110319772B (zh) | 基于无人机的视觉大跨度测距方法 | |
CN104833372A (zh) | 一种车载移动测量系统高清全景相机外参数标定方法 | |
CN108288291A (zh) | 基于单点标定物的多相机标定 | |
WO2023046211A1 (zh) | 摄影测量方法、装置、设备及存储介质 | |
CN112857246A (zh) | 一种利用地面三目视频匹配的露天矿边坡形变在线监测方法 | |
CN103411587B (zh) | 定位定姿方法及系统 | |
CN106500729B (zh) | 一种无需控制信息的智能手机自检校方法 | |
CN112270698A (zh) | 基于最邻近曲面的非刚性几何配准方法 | |
CN103644895B (zh) | 一种数码相机配合量测工具的古建筑测绘方法 | |
CN110986888A (zh) | 一种航空摄影一体化方法 | |
CN109035343A (zh) | 一种基于监控相机的楼层相对位移测量方法 | |
CN110443837B (zh) | 一种直线特征约束下的城区机载激光点云与航空影像配准方法和系统 | |
Burkhard et al. | Stereovision mobile mapping: System design and performance evaluation | |
CN108830797A (zh) | 一种基于仿射投影矩阵模型的直线匹配方法 | |
CN111402315A (zh) | 一种自适应调整双目摄像机基线的三维距离测量方法 | |
Cabrelles et al. | 3D photorealistic modelling of stone monuments by dense image matching | |
KR100956446B1 (ko) | 디지털 항공영상을 이용하여 3차원 객체의 외관 텍스쳐 자동 추출방법 | |
Qu et al. | Computer vision-based 3D coordinate acquisition of surface feature points of building structures |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |