CN106482656B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN106482656B CN106482656B CN201610859444.XA CN201610859444A CN106482656B CN 106482656 B CN106482656 B CN 106482656B CN 201610859444 A CN201610859444 A CN 201610859444A CN 106482656 B CN106482656 B CN 106482656B
- Authority
- CN
- China
- Prior art keywords
- mountainous region
- slope surface
- characteristic point
- monitor supervision
- supervision platform
- 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
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明涉及山地滑坡变形检测方法,提供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。本发明综合利用计算机视觉和摄影测量技术实现对山地、边坡等地质区域发生滑坡的风险进行视觉检测的方法及装置。本发明初始坐标系建立步骤中的监控平台初始坐标系与当前时刻监控平台坐标系,通过坐标系转换,计算监控平台当前时刻的抖动量;计算初始时刻点山地坡面多个特征点,在大地坐标系下的坐标位置;基于山地坡面特征点当前时刻坐标获取步骤获取的图像坐标位置以及山地坡面上特征点的大地坐标,得到山地坡面特征点的位移,最终分析出整个山地坡面的整体位移变形。
Description
技术领域
本发明涉及山地滑坡变形检测方法,尤其是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。
背景技术
斜坡上的岩土体由于种种原因在重力作用下沿一定软弱面整体向下滑动的现象被称之为滑坡,由滑坡造成的人员伤亡、财产损失、建筑物和生态环境的破坏以及资源损失等被称为滑坡灾害。滑坡造成的危害后果既有直接成灾,又有间接成灾,有时还与地震、洪水相伴成灾或引发泥石流灾害,危害后果相当严重。我国是世界上滑坡最多、损失最重的国家之一。由于滑坡是常见的自然地质灾害,为避免给国家建设和人民生命财产造成严重损失,实时检测山地边坡状态并发布滑坡预警信息对防灾减灾具有重要意义。
滑坡监测预警必须要准确实时地反应监测区域的数据。滑坡监测包括变形监测、物理与化学场监测和诱发因素监测三类。变形监测主要检测坡体形变;物理与化学场监测包括应力监测、地声监测、放射性元素测量等;诱发因素监测主要监测滑坡的诱发因素,包括气象监测、地下水动态监测等。国内滑坡监测多为水文和地质部门设立长期观测站,架设位移传感器(表面位移、深沉位移)、地下水压力、土壤含水量、区域降雨量、裂缝等监测传感器,普遍缺点是仪器贵重,需专人值守,且连续观测能力较差,需要定期实地采集数据和处理。传统的变形检测也存在自动化程度低、位移检测精度差、难以反映山地整体变形、无法实时监测和预警等缺陷,监测效果难以达到要求。近年来出现了多种基于导航卫星定位技术进行变形检测的方法,由于需要在山地关键点布置高精度检测设备,也存在工程量大、效率低、施工危险度高等问题。
发明内容
本发明所要解决的技术问题是:针对现有技术存在的问题,提供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。本发明综合利用计算机视觉和摄影测量技术实现对山地、边坡等地质区域发生滑坡的风险进行视觉检测的方法及装置。获得监控平台的初始坐标系以及山地坡面上特征点的初始大地坐标;然后通过监控平台连续两次拍摄固定标识图像获得监控平台抖动量;监控平台初始坐标系基础上,通过监控平台山地坡面摄像机实时获取山地坡面特征点的图像坐标位置,然后结合监控平台抖动量,计算当前时刻山地坡面真正的位置;最后根据当前时刻山地坡面特征点真正的位置值,减去对应山地坡面上特征点的初始大地坐标值,得到山地坡面特征点位移值,然后通过插值等分析方法得到山地坡面整体位移等变形情况。
本发明采用的技术方案如下:
一种克服监控平台自身抖动的山地滑坡视觉检测方法包括:
初始坐标系建立步骤,固定标识摄像机以及山地坡面摄像机固定安装在监控平台上,固定标识摄像机与山地坡面摄像机之间无相对运动;山地坡面摄像机实时拍摄山地坡面所有特征点图像;同时固定标识摄像机拍摄固定标识特征点图像;通过共线方程获取监控平台的初始坐标系O0-X0Y0Z0和山地坡面上特征点的初始大地坐标
抖动量获取步骤,基于初始坐标系建立步骤中的监控平台初始坐标系O0-X0Y0Z0与当前时刻监控平台坐标系OAB-XABYABZAB,通过坐标系转换,计算监控平台当前时刻的抖动量[RAB N,TAB N];
山地坡面位移变形获取步骤,基于监控平台当前时刻的抖动量[RAB N,TAB N],计算当前时刻点山地坡面多个特征点,在大地坐标系Ow-XwYwZw下的当前坐标位置基于山地坡面特征点当前时刻坐标获取模块获取的当前坐标位置以及山地坡面上特征点的初始大地坐标得到山地坡面特征点的位移,最终分析出整个山地坡面的整体位移变形。
进一步的,所述初始坐标系建立步骤具体包括:
固定标识的图像特征检测步骤:利用特征检测算法对固定标识摄像机实时拍摄的固定标识图像进行特征检测,获取初始时刻固定标识特征点的图像坐标位置;然后初始时刻固定标识特征点的图像坐标位置与大地坐标系下固定标识特征点的大地坐标位置以及固定标识摄像机内参数相结合,通过共线方程计算得到监控平台的初始坐标系O0-X0Y0Z0;
山地坡面上特征点的初始大地坐标步骤:利用特征检测算法对由山地坡面摄像机实时拍摄的山地坡面图像特征进行特征检测,获取初始时刻山地坡面特征点的图像坐标位置;然后初始时刻山地坡面特征点的图像坐标位置结合监控平台的初始坐标系O0-X0Y0Z0和山地坡面摄像机的内参数,根据共线方程得到大地坐标系下山地坡面特征点的初始大地坐标
进一步的,所述抖动量获取步骤具体包括:
利用特征检测算法对由固定标识摄像机实时拍摄的固定标识图像进行特征检测,获取已知绝对位置的固定标识特征点的当前时刻图像坐标位置;然后当前时刻固定标识特征点的图像坐标位置与大地坐标系下固定标识特征点的大地坐标位置以及固定标识摄像机内参数相结合,通过共线方程计算得到监控平台的当前时刻坐标系OAB-XABYABZAB;
根据直角坐标系从O0-X0Y0Z0到OAB-XABYABZAB的进行坐标转换计算,得到监控平台当前时刻的抖动量[RAB N,TAB N]。
进一步的,所述山地坡面位移变形获取步骤具体包括:
利用特征检测算法对由监控平台上山地坡面摄像机实时拍摄的山地坡面图像进行特征检测,获取特征作为特征点,并得到当前时刻特征点图像坐标位置;然后当前时刻山地坡面特征点的图像坐标位置结合监控平台的大地坐标系Ow-XwYwZw、山地坡面摄像机的内参数以及监控平台抖动量,根据共线方程得到当前时刻点山地坡面多个特征点,在大地坐标系Ow-XwYwZw的当前坐标位置
将当前坐标位置与对应山地坡面特征点的初始大地坐标相减,得到山地坡面特征点的位移量,最终分析出整个山地坡面的整体位移变形。
一种克服监控平台自身抖动的山地滑坡视觉检测装置包括:
初始坐标系建立模块,固定标识摄像机以及山地坡面摄像机固定安装在监控平台上,固定标识摄像机与山地坡面摄像机之间无相对运动;山地坡面摄像机实时拍摄山地坡面所有特征点图像;同时固定标识摄像机拍摄固定标识特征点图像;通过共线方程获取监控平台的初始坐标系O0-X0Y0Z0和山地坡面上特征点的初始大地坐标
抖动量获取模块,基于初始坐标系建立模块中的监控平台初始坐标系O0-X0Y0Z0与当前时刻监控平台坐标系OAB-XABYABZAB,通过坐标系转换,计算监控平台当前时刻的抖动量[RAB N,TAB N];
山地坡面位移变形获取模块,基于监控平台当前时刻的抖动量[RAB N,TAB N],计算当前时刻点山地坡面多个特征点,在大地坐标系Ow-XwYwZw下的当前坐标位置基于山地坡面特征点当前时刻坐标获取模块获取的当前坐标位置以及山地坡面上特征点的初始大地坐标得到山地坡面特征点的位移,最终分析出整个山地坡面的整体位移变形。
进一步的,所述初始坐标系建立模块具体包括:
固定标识的图像特征检测模块:利用特征检测算法对固定标识摄像机实时拍摄的固定标识图像进行特征检测,获取初始时刻固定标识特征点的图像坐标位置;然后初始时刻固定标识特征点的图像坐标位置与大地坐标系下固定标识特征点的大地坐标位置以及固定标识摄像机内参数相结合,通过共线方程计算得到监控平台的初始坐标系O0-X0Y0Z0;
山地坡面上特征点的初始大地坐标模块:利用特征检测算法对由山地坡面摄像机实时拍摄的山地坡面图像特征进行特征检测,获取初始时刻山地坡面特征点的图像坐标位置;然后初始时刻山地坡面特征点的图像坐标位置结合监控平台的初始坐标系O0-X0Y0Z0和山地坡面摄像机的内参数,根据共线方程得到大地坐标系下山地坡面特征点的初始大地坐标
进一步的,所述抖动量获取模块具体包括:
利用特征检测算法对由固定标识摄像机实时拍摄的固定标识图像进行特征检测,获取已知绝对位置的固定标识特征点的当前时刻图像坐标位置;然后当前时刻固定标识特征点的图像坐标位置与大地坐标系下固定标识特征点的大地坐标位置以及固定标识摄像机内参数相结合,通过共线方程计算得到监控平台的当前时刻坐标系OAB-XABYABZAB;
根据直角坐标系从O0-X0Y0Z0到OAB-XABYABZAB的进行坐标转换计算,得到监控平台当前时刻的抖动量[RAB N,TAB N]。
进一步的,所述山地坡面位移变形获取模块具体包括:
利用特征检测算法对由监控平台上山地坡面摄像机实时拍摄的山地坡面图像进行特征检测,获取特征作为特征点,并得到当前时刻特征点图像坐标位置;然后当前时刻山地坡面特征点的图像坐标位置结合监控平台的大地坐标系Ow-XwYwZw、山地坡面摄像机的内参数以及监控平台抖动量,根据共线方程得到当前时刻点山地坡面多个特征点,在大地坐标系Ow-XwYwZw的当前坐标位置
将当前坐标位置与对应山地坡面特征点的初始大地坐标相减,得到山地坡面特征点的位移量,最终分析出整个山地坡面的整体位移变形。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
解决山地滑坡实时检测中遇到的问题,有望提高山地滑坡检测的实时性,并降低检测准备工作的施工量和难度,更利于及时预警山地滑坡的地质风险,为保护国家建设和人民生命财产安全做出积极贡献。
实现了基于视觉检测的山地滑坡检测方法。无需在待检测山坡上部署昂贵的传感器,能够捕获滑坡早期的缓慢、匀速变性数据,便于分析获取山地的整体变形并对滑坡风险进行预警,有效解决了传统方法存在的问题。
实现的监控平台自身抖动的检测,能够消除此类干扰对测量结果的影响。
该方法除应用于山地滑坡的变形检测外,其关键技术还可用于大坝变形检测、大跨度桥梁变形监测、建筑地基的沉降检测等领域。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1是本发明部署方式示意图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
本发明相关说明:
1、本发明中固定标识与监控平台上的固定标识摄像机位置距离远远大于监控平台上的山地坡面距离山地坡面摄像机的距离。检测时确保固定标识摄像机及山地坡面摄像机可以同时清晰完整的拍摄到待检测山地坡面的标志点。
2、本发明中涉及三种坐标系,大地坐标系(3维),监控平台坐标系(3维)、图像坐标系(2维),其中若没有抖动量的时候,监控平台坐标系与大地坐标系重合;若监控平台坐标系有抖动时,则在大地坐标系基础上加上抖动量得到监控平台坐标系。图像坐标是摄像机坐标系中的像面坐标。
3、固定标识摄像机和山地坡面摄像机都是摄像机。
本发明基本原理:
步骤1:监控平台固定标识摄像机通过拍摄固定标识的图像,获取其固定标识特征点,然后通过计算获得监控平台的初始坐标系O0-X0Y0Z0;同时监控平台上山地坡面摄像机通过拍摄山地坡面的图像,获取山地坡面上特征点的初始大地坐标
步骤2,通过监控平台连续两次拍摄固定标识图像获得监控平台抖动量,即拍摄误差值;
步骤3:在步骤1监控平台初始坐标系O0-X0Y0Z0基础上,通过监控平台山地坡面摄像机实时获取山地坡面特征点的图像坐标位置,然后结合步骤2中获取监控平台抖动量,计算当前时刻山地坡面真正的位置值
步骤4:根据当前时刻山地坡面特征点真正的位置值减去对应山地坡面上特征点的初始大地坐标值得到山地坡面特征点位移值,然后通过插值等分析方法得到山地滑坡整体位移等变形情况。
具体过程为:
1、监控平台、固定标识、检测标识(条件允许时)的部署方式
监控平台上最主要的设备就是摄像机组,共包含固定标识摄像机、山地坡面摄像机两类摄像机,每类摄像机至少有1个。固定标识摄像机用于拍摄固定标识;山地坡面摄像机用于拍摄待检测山地。摄像机组固定连接于监控平台;摄像机组内的所有摄像机同样采用固定连接的方式,摄像机之间不存在任何相对运动。固定标识应在部署之后确定其绝对位置。检测标识部署在待检测坡面上;当施工难度较大时,也可不部署检测标识。确保摄像机组可以同时清晰完整地拍摄到待检测山地边坡(和/或检测标识)和固定标识。
2、计算监控平台抖动量,去除监控平台自身抖动(摄像机组同时对固定标识和山地坡面进行拍摄):
步骤1,在标定状态下,通过共线方程获取监控平台的初始坐标系O0-X0Y0Z0(即大地坐标系)和山地坡面上特征点的初始大地坐标处理方法步骤如下:
步骤11:获取监控平台的初始坐标系O0-X0Y0Z0;
利用特征检测算法对固定标识摄像机实时拍摄的固定标识图像进行特征检测,获取已知绝对位置固定标识特征点的图像坐标位置;
已知大地坐标系下,固定标识上特征点三维坐标;并且知道固定标识上特征点对应的图像坐标以及固定标识摄像机内参数,由此,可利用共线方程计算得到监控平台的初始坐标系O0-X0Y0Z0;
步骤12:利用特征检测算法对由B类摄像机实时拍摄的山地坡面图像进行特征检测,获取特征(检测标识上的特征或任意特征)作为特征点,并得到其图像坐标位置;然后山地坡面特征点的图像坐标位置结合,监控平台的初始坐标系和山地坡面相机的内参数,得到山地坡面特征点的大地坐标系下的初始三维坐标
步骤2:在测量状态下,获取监控平台在当前时刻N的抖动量,处理方法步骤如下:
利用特征检测算法对由A类摄像机实时拍摄的固定标识图像进行特征检测,获取已知绝对位置的特征的图像坐标位置;利用共线方程计算得到监控平台的当前时刻坐标系OAB-XABYABZAB;
根据直角坐标系从O0-X0Y0Z0到OAB-XABYABZAB的进行坐标转换计算,得到监控平台当前时刻的抖动量[RAB N,TAB N]。
3、在测量状态下,计算当前时刻山地坡面上多个特征点在大地坐标系Ow-XwYwZw下的当前坐标位置处理方法步骤如下:
步骤31:利用特征检测算法对由山地坡面摄像机实时拍摄的山地坡面图像进行特征检测,获取特征(检测标识上的特征或任意特征)作为特征点,并得到其图像坐标位置;
步骤32:将监控平台抖动量代入共线方程,得到山地坡面上特征点当前时刻的当前坐标位置
4、在一段时间内,测量各特征点的位移,最终通过插值等分析得到山地边坡的整体位移等变形情况。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (2)
1.一种克服监控平台自身抖动的山地滑坡视觉检测方法,其特征在于包括:
初始坐标系建立步骤,固定标识摄像机以及山地坡面摄像机固定安装在监控平台上,固定标识摄像机与山地坡面摄像机之间无相对运动;山地坡面摄像机实时拍摄山地坡面所有特征点图像;同时固定标识摄像机拍摄固定标识特征点图像;通过共线方程获取监控平台的初始坐标系O0-X0Y0Z0和山地坡面上特征点的初始大地坐标i是特征点标号;
抖动量获取步骤,基于初始坐标系建立步骤中的监控平台初始坐标系O0-X0Y0Z0与当前时刻监控平台坐标系OAB-XABYABZAB,通过坐标系转换,计算监控平台当前时刻的抖动量[RAB N,TAB N];
山地坡面位移变形获取步骤,基于监控平台当前时刻的抖动量[RAB N,TAB N],山地坡面特征点当前时刻坐标获取模块计算当前时刻点山地坡面多个特征点在大地坐标系Ow-XwYwZw下的当前坐标位置基于获取的当前坐标位置以及山地坡面上特征点的初始大地坐标得到山地坡面特征点的位移,最终分析出整个山地坡面的整体位移变形;
所述初始坐标系建立步骤具体包括:
固定标识的图像特征检测步骤:利用特征检测算法对固定标识摄像机实时拍摄的固定标识图像进行特征检测,获取初始时刻固定标识特征点的图像坐标位置;然后初始时刻固定标识特征点的图像坐标位置与大地坐标系下固定标识特征点的大地坐标位置以及固定标识摄像机内参数相结合,通过共线方程计算得到监控平台的初始坐标系O0-X0Y0Z0;
山地坡面上特征点的初始大地坐标步骤:利用特征检测算法对由山地坡面摄像机实时拍摄的山地坡面图像特征进行特征检测,获取初始时刻山地坡面特征点的图像坐标位置;然后初始时刻山地坡面特征点的图像坐标位置结合监控平台的初始坐标系O0-X0Y0Z0和山地坡面摄像机的内参数,根据共线方程得到大地坐标系下山地坡面特征点的初始大地坐标
抖动量获取步骤具体包括:
利用特征检测算法对由固定标识摄像机实时拍摄的固定标识图像进行特征检测,获取已知绝对位置的固定标识特征点的当前时刻图像坐标位置;然后当前时刻固定标识特征点的图像坐标位置与大地坐标系下固定标识特征点的大地坐标位置以及固定标识摄像机内参数相结合,通过共线方程计算得到监控平台的当前时刻坐标系OAB-XABYABZAB;
根据直角坐标系从O0-X0Y0Z0到OAB-XABYABZAB进行坐标转换计算,得到监控平台当前时刻的抖动量[RAB N,TAB N];
山地坡面位移变形获取步骤具体包括:
利用特征检测算法对由监控平台上山地坡面摄像机实时拍摄的山地坡面图像进行特征检测,获取特征作为特征点,并得到当前时刻特征点图像坐标位置;然后当前时刻山地坡面特征点的图像坐标位置结合监控平台的大地坐标系Ow-XwYwZw、山地坡面摄像机的内参数以及监控平台抖动量,根据共线方程得到当前时刻点山地坡面多个特征点,在大地坐标系Ow-XwYwZw的当前坐标位置
将当前坐标位置与对应山地坡面特征点的初始大地坐标相减,得到山地坡面特征点的位移量,最终分析出整个山地坡面的整体位移变形。
2.一种克服监控平台自身抖动的山地滑坡视觉检测装置,其特征在于包括:
初始坐标系建立模块,固定标识摄像机以及山地坡面摄像机固定安装在监控平台上,固定标识摄像机与山地坡面摄像机之间无相对运动;山地坡面摄像机实时拍摄山地坡面所有特征点图像;同时固定标识摄像机拍摄固定标识特征点图像;通过共线方程获取监控平台的初始坐标系O0-X0Y0Z0和山地坡面上特征点的初始大地坐标i是特征点标号;
抖动量获取模块,基于初始坐标系建立模块中的监控平台初始坐标系O0-X0Y0Z0与当前时刻监控平台坐标系OAB-XABYABZAB,通过坐标系转换,计算监控平台当前时刻的抖动量[RAB N,TAB N];
山地坡面位移变形获取模块,基于监控平台当前时刻的抖动量[RAB N,TAB N],山地坡面特征点当前时刻坐标获取模块计算当前时刻点山地坡面多个特征点在大地坐标系Ow-XwYwZw下的当前坐标位置基于获取的当前坐标位置以及山地坡面上特征点的初始大地坐标得到山地坡面特征点的位移,最终分析出整个山地坡面的整体位移变形;
初始坐标系建立模块具体包括:
固定标识的图像特征检测模块:利用特征检测算法对固定标识摄像机实时拍摄的固定标识图像进行特征检测,获取初始时刻固定标识特征点的图像坐标位置;然后初始时刻固定标识特征点的图像坐标位置与大地坐标系下固定标识特征点的大地坐标位置以及固定标识摄像机内参数相结合,通过共线方程计算得到监控平台的初始坐标系O0-X0Y0Z0;
山地坡面上特征点的初始大地坐标模块:利用特征检测算法对由山地坡面摄像机实时拍摄的山地坡面图像特征进行特征检测,获取初始时刻山地坡面特征点的图像坐标位置;然后初始时刻山地坡面特征点的图像坐标位置结合监控平台的初始坐标系O0-X0Y0Z0和山地坡面摄像机的内参数,根据共线方程得到大地坐标系下山地坡面特征点的初始大地坐标
抖动量获取模块具体包括:
利用特征检测算法对由固定标识摄像机实时拍摄的固定标识图像进行特征检测,获取已知绝对位置的固定标识特征点的当前时刻图像坐标位置;然后当前时刻固定标识特征点的图像坐标位置与大地坐标系下固定标识特征点的大地坐标位置以及固定标识摄像机内参数相结合,通过共线方程计算得到监控平台的当前时刻坐标系OAB-XABYABZAB;
根据直角坐标系从O0-X0Y0Z0到OAB-XABYABZAB进行坐标转换计算,得到监控平台当前时刻的抖动量[RAB N,TAB N];
所述山地坡面位移变形获取模块具体包括:
利用特征检测算法对由监控平台上山地坡面摄像机实时拍摄的山地坡面图像进行特征检测,获取特征作为特征点,并得到当前时刻特征点图像坐标位置;然后当前时刻山地坡面特征点的图像坐标位置结合监控平台的大地坐标系Ow-XwYwZw、山地坡面摄像机的内参数以及监控平台抖动量,根据共线方程得到当前时刻点山地坡面多个特征点,在大地坐标系Ow-XwYwZw的当前坐标位置
将当前坐标位置与对应山地坡面特征点的初始大地坐标相减,得到山地坡面特征点的位移量,最终分析出整个山地坡面的整体位移变形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610859444.XA CN106482656B (zh) | 2016-09-28 | 2016-09-28 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610859444.XA CN106482656B (zh) | 2016-09-28 | 2016-09-28 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106482656A CN106482656A (zh) | 2017-03-08 |
CN106482656B true CN106482656B (zh) | 2019-09-20 |
Family
ID=58268144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610859444.XA Active CN106482656B (zh) | 2016-09-28 | 2016-09-28 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106482656B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110288554B (zh) * | 2019-06-29 | 2022-09-16 | 北京字节跳动网络技术有限公司 | 视频美化方法、装置及电子设备 |
CN110542396B (zh) * | 2019-10-11 | 2021-01-05 | 北京铁科工程检测有限公司 | 一种异形钢塔节段姿态快速定位测量方法 |
CN112254660B (zh) * | 2020-09-14 | 2022-04-22 | 中铁七局集团有限公司 | 隧道智能监控量测信息集成与预警系统 |
CN114250796B (zh) * | 2021-12-30 | 2022-05-31 | 北京铁科特种工程技术有限公司 | 用于应急施工和位移监控的复合材料锚固件及施工方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04178514A (ja) * | 1990-11-14 | 1992-06-25 | Taisei Corp | 多数点の自動変位測量方法 |
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 |
CN102538694A (zh) * | 2012-02-14 | 2012-07-04 | 霍海清 | 一种大坝坝肩基点变形的监测方法及装置 |
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 |
CN103813099A (zh) * | 2013-12-13 | 2014-05-21 | 中山大学深圳研究院 | 一种基于特征点匹配的视频防抖方法 |
-
2016
- 2016-09-28 CN CN201610859444.XA patent/CN106482656B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04178514A (ja) * | 1990-11-14 | 1992-06-25 | Taisei Corp | 多数点の自動変位測量方法 |
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 |
CN102538694A (zh) * | 2012-02-14 | 2012-07-04 | 霍海清 | 一种大坝坝肩基点变形的监测方法及装置 |
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 |
CN103813099A (zh) * | 2013-12-13 | 2014-05-21 | 中山大学深圳研究院 | 一种基于特征点匹配的视频防抖方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106482656A (zh) | 2017-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106482656B (zh) | 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 | |
Zhong et al. | Assessment of the feasibility of detecting concrete cracks in images acquired by unmanned aerial vehicles | |
KR100795396B1 (ko) | 항공레이저 데이터와 수치정사영상을 이용한 도시 변화모니터링 방법 | |
CN104316024B (zh) | 一种监测多点沉降的极简串联像机链测量方法与系统 | |
CN109373980B (zh) | 一种基于视频监控测量仪和测斜终端的监测方法及系统 | |
Han et al. | Monitoring tunnel deformations by means of multi-epoch dispersed 3D LiDAR point clouds: An improved approach | |
CN106224007A (zh) | 隧道施工安全监测预警管理系统 | |
CN111781113B (zh) | 一种粉尘网格化定位方法及粉尘网格化监测方法 | |
CN112364802A (zh) | 一种崩塌滑坡灾害体的变形监测方法 | |
CN202793376U (zh) | 基于视觉的物体倾斜位移沉降变形监测系统 | |
KR101891087B1 (ko) | 드론을 이용한 암반사면의 안정성 평가방법 | |
CN102798456B (zh) | 一种工程机械臂架系统工作幅度的测量方法、装置及系统 | |
CN103821126A (zh) | 一种基坑三维变形的监测方法 | |
Thibert et al. | The full-scale avalanche test-site at Lautaret Pass (French Alps) | |
CN108487216A (zh) | 用于监测地基沉降的闭环像机串联网络 | |
JP2007198867A (ja) | 写真測量システムおよび写真測量方法 | |
CN102506744A (zh) | 一种基于数字图像的高层结构动态位移监测方法 | |
WO2011030771A1 (ja) | 変位計測方法、変位計測装置及び変位計測プログラム | |
CN104483700A (zh) | 地层裂缝监测与预警系统及方法 | |
CN114117913A (zh) | 一种坝后露天渗流量监测系统及测值归因分析方法 | |
CN104569355B (zh) | 一种地表土壤侵蚀测量装置及方法 | |
CN209857884U (zh) | 一种基于视频监控测量仪和测斜终端的监测系统 | |
US20210109125A1 (en) | Method for calibrating phase-frequency characteristic of low frequence accelerometer based on time-spatial synchonization | |
CN109736775A (zh) | 一种超层越界检测系统及方法 | |
CN106295641A (zh) | 一种基于影像surf特征的边坡位移自动监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |