CN106485751B - 应用于基桩检测中的无人机摄影成像及数据处理方法及系统 - Google Patents
应用于基桩检测中的无人机摄影成像及数据处理方法及系统 Download PDFInfo
- Publication number
- CN106485751B CN106485751B CN201610965794.4A CN201610965794A CN106485751B CN 106485751 B CN106485751 B CN 106485751B CN 201610965794 A CN201610965794 A CN 201610965794A CN 106485751 B CN106485751 B CN 106485751B
- Authority
- CN
- China
- Prior art keywords
- image
- foundation pile
- pile
- aerial vehicle
- unmanned aerial
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 46
- 238000003384 imaging method Methods 0.000 title claims abstract description 20
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000012937 correction Methods 0.000 claims abstract description 24
- 238000000605 extraction Methods 0.000 claims abstract description 20
- 238000011960 computer-aided design Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000004927 fusion Effects 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 11
- 230000000712 assembly Effects 0.000 claims abstract description 7
- 238000000429 assembly Methods 0.000 claims abstract description 7
- 238000013461 design Methods 0.000 claims abstract description 7
- 239000003086 colorant Substances 0.000 claims description 8
- 238000003702 image correction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种应用于基桩检测中的无人机摄影成像及数据处理方法及系统，该方法包括以下步骤：S1、在待检测的基桩目标区域设置多个地面标志组件，通过无人机低空航拍得到多幅图像；S2、根据摄像机的内部参数和地面标志组件的在图像中的位置相配合，对每幅图像均进行镜头畸变及几何变形修正，并对修正后的图像进行图像配准、图像拼接和图像融合；S3、对得到的完整图像进行分析处理，根据基于超像素分割和graphcut的启发式自动提取方法得到基桩中心和外轮廓，将其与CAD设计图纸中的基桩位置进行融合比对，得到基桩位置和桩径的偏差数据。本发明大大提高了建筑工程中桩位偏差检测及桩径检测的准确度及效率，大大降低了检测过程中投入的人力成本。
Description
技术领域
本发明涉及无人机航拍及图像处理技术领域，尤其涉及一种应用于基桩检测中的无人机摄影成像及数据处理方法及系统。
背景技术
目前，建筑工程中桩位偏差检测及桩径检测方法有两种。一是由施工单位人工放线，检测人员现场再用直尺或卷尺测量；二是采用全站仪每根桩逐个测量。这两种检测法技术手段落后，工作量大，效率低下，检测结果受人为主观因素干扰大，且测量数据准确性依赖于第三方放线质量，未做到检测全程数据可控。
随着无人机技术的发展，其航拍分辨率及定位精度已大大提高，已经可以满足特定领域对航拍摄影分辨率及定位精度的要求，并已在土地利用调查、水资源开发、农作物长势监测与估产、农业作业、自然灾害监测与评估、城市规划与市政管理等领域投入了实际应用。但经查阅相关资料及专利信息，现阶段尚无将无人机应用于桩基检测(桩位偏差及桩径测量)及基坑监测中的先例。如果开发出一套无人机软硬件摄影测量系统及流程，将无人机航拍照片结合 CAD设计图纸进行修正对比分析等技术处理，使得到的桩位偏差及桩径数据精度满足相关规范的要求，则完全可以代替原有测量手段，大大提高检测效率。该系统可对检测过程实施全程监控，且检测结果直观准确，大大降低人为因素对检测结果的影响。该系统将来进一步开发还可用于基坑监测、房屋安全检测等领域，具有可观的实用性及商业前景。
发明内容
本发明要解决的技术问题在于针对现有技术中基桩检测技术落后，工作量大，且效率低的缺陷，提供一种应用于基桩检测中的无人机摄影成像及数据处理方法及系统。
本发明解决其技术问题所采用的技术方案是：
本发明提供一种应用于基桩检测中的无人机摄影成像及数据处理方法，包括以下步骤：
S1、在待检测的基桩目标区域设置多个地面标志组件，通过无人机低空航拍得到待检测的基桩目标区域的多幅图像；
S2、根据摄像机的内部参数和地面标志组件在图像中的位置相配合，对每幅图像均进行镜头畸变及几何变形修正，并对修正后的图像进行图像配准、图像拼接和图像融合，得到待检测的基桩目标区域的完整图像；
S3、将待检测的基桩目标区域的完整图像进行分析处理，根据基于超像素分割和graphcut的启发式自动提取方法得到基桩中心和外轮廓，将其与CAD 设计图纸中的基桩位置进行融合比对，得到基桩位置和桩径的偏差数据。
进一步地，本发明的步骤S2中进行图像修正的方法具体包括：
a、通过转换矩阵方程，将畸变图像像点像素坐标(i，j)转为图像像点物理坐标(xd，yd)；
b、根据畸变校正数学模型公式，得到该畸变点到图像平面物理原点的距离，进一步得到校正图像像点物理坐标(xr，yr)；
c、将得到的校正图像像点物理坐标(xr，yr)代入图像平面物理坐标系与图像平面像素坐标系转换公式，求解得到校正图像点像素坐标。
进一步地，本发明的步骤S2中进行图像修正前还包括对图像进行降噪处理的过程。
进一步地，本发明的步骤S2中对图像进行拼接的方法具体包括：
将图像分为参考图像T和搜索图像S，其中参考图像T作为基准图像，搜索图像S作为待拼接图像，将图像S向图像T进行坐标平移；
a、选择一幅图像为参考图像T，在参考图像T中间隔为k个像素的距离上的两列像素中，各取m个像素，计算这m个像素的比值，将m个比值存入数组中，将其作为比较的模板；
b、从搜索图像S中在同样相隔k个像素的距离上的两列，各取出m+n个像素，计算其比值，将m+n个比值存入数组；假定垂直错开距离不超过n个像素，多取的n个像素则可以解决图像垂直方向上的交错问题；
c、利用参考图像T中的比值模板在搜索图像S中寻找相应的匹配；首先进行垂直方向上的比较，即记录下搜索图像S中每个比值数组内的最佳匹配；再将每个数组的组内最佳匹配进行比较，即进行水平方向的比较，得到的最小值就认为是全局最佳匹配；此时全局最佳匹配即为图像间在水平方向上的偏移距离，该全局最佳匹配对应的组内最佳匹配即为图像间垂直方向上的偏移距离；
d、根据垂直方向上的偏移距离和水平方向上的偏移距离调整待拼接的图像位置。
进一步地，本发明的步骤S3中基于超像素分割和graphcut的启发式自动提取方法得到基桩中心和外轮廓的方法具体包括：
a、对图像进行超像素分割；
b、在超像素分割基础上利用graphcut算法完成进一步分割，合并得到最终的桩基提取结果；
c、对桩基区域进行拟合，提取桩位中心。
进一步地，本发明的步骤S3中基于超像素分割和graphcut的启发式自动提取方法具体为：
待分割的高分辨率遥感影像可以看作无向图G＝＜V,E＞，其中V是图像中像素集合，E表示相邻像素之间的边，V、E构成图像中的第一类顶点和边；此外新增两个点s、t，s表示源点，t表示汇点，图像中的每个像素点都和新增的s、t点都有连接，构成图像中的第二类顶点和边；
通过选择分割规则并计算在该分割规则下的图像的能量函数，在某分割规则下能使能量函数最小，则此分割规则即将前景目标和背景目标分割开来；其中能量函数的公式为：
E(L)＝αR(L)+B(L)
其中E(L)为能量函数，R(L)和B(L)分别为区域项和边界项，α 为权重因子。
进一步地，本发明的步骤S1中的地面标志组件包括矩形标志和圆形标志；其中：矩形标志中设置有颜色相互间隔的矩形网格；圆形标志中设置有多个颜色相互间隔的扇形区域。
进一步地，本发明的步骤S1中的地面标志组件还包括：无人机水平位置及高度校正组件，无人机拍摄姿态校正组件。
本发明提供一种应用于基桩检测中的无人机摄影成像及数据处理系统，包括：
图像获取单元，用于在待检测的基桩目标区域设置多个地面标志组件，通过无人机低空航拍得到待检测的基桩目标区域的多幅图像；
图像修正及拼接单元，用于根据摄像机的内部参数和地面标志组件在图像中的位置相配合，对每幅图像均进行镜头畸变及几何变形修正，并对修正后的图像进行图像配准、图像拼接和图像融合，得到待检测的基桩目标区域的完整图像；
基桩偏差数据计算单元，用于将待检测的基桩目标区域的完整图像进行分析处理，根据基于超像素分割和graphcut的启发式自动提取方法得到基桩中心和外轮廓，将其与CAD设计图纸中的基桩位置进行融合比对，得到基桩位置和桩径的偏差数据。
本发明产生的有益效果是：本发明的应用于基桩检测中的无人机摄影成像及数据处理方法，完全改变了现有桩基几何定位及外观尺寸检测中依赖人工逐点检测的落后技术手段，充分利用航拍摄影的技术优势，且算法的处理效率高，检测精度高，大大提高了建筑工程中桩位偏差检测及桩径检测的准确度及效率，大大降低了检测过程中投入的人力成本；具有良好的社会效益及经济效益，及广阔的应用前景。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明实施例的流程图；
图2是本发明实施例的成像处理软件流程图；
图3是本发明实施例的提取桩位中心的方法流程图；
图4(a)是本发明对桩基区域进行拟合，提取桩位中心示意图；
图4(b)是本发明对桩基区域进行拟合，提取桩位中心示意图；
图4(c)是本发明对桩基区域进行拟合，提取桩位中心示意图；
图4(d)是本发明对桩基区域进行拟合，提取桩位中心示意图；
图5、图6是本发明实施例的矩形、圆形标志示意图；
图7是本发明实施例的无人机工作示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明的应用于基桩检测中的无人机摄影成像及数据处理方法，包括以下步骤：
S1、在待检测的基桩目标区域设置多个地面标志组件，通过无人机低空航拍得到待检测的基桩目标区域的多幅图像；
地面标志组件包括矩形标志和圆形标志；其中：矩形标志中设置有颜色相互间隔的矩形网格；圆形标志中设置有多个颜色相互间隔的扇形区域。地面标志组件还包括：无人机水平位置及高度校正组件，无人机拍摄姿态校正组件。
S2、根据摄像机的内部参数和地面标志组件在图像中的位置相配合，对每幅图像均进行镜头畸变及几何变形修正，并对修正后的图像进行图像配准、图像拼接和图像融合，得到待检测的基桩目标区域的完整图像；
步骤S2中进行图像修正的方法具体包括：
a、通过转换矩阵方程，将畸变图像像点像素坐标(i，j)转为图像像点物理坐标(xd，yd)；
b、根据畸变校正数学模型公式，得到该畸变点到图像平面物理原点的距离，进一步得到校正图像像点物理坐标(xr，yr)；
c、将得到的校正图像像点物理坐标(xr，yr)代入图像平面物理坐标系与图像平面像素坐标系转换公式，求解得到校正图像点像素坐标。
步骤S2中对图像进行拼接的方法具体包括：
a、选择一幅图像为参考图像T，在参考图像T中间隔为k个像素的距离上的两列像素中，各取m个像素，计算这m个像素的比值，将m个比值存入数组中，将其作为比较的模板；
b、从搜索图像S中在同样相隔k个像素的距离上的两列，各取出m+n个像素，计算其比值，将m+n个比值存入数组；假定垂直错开距离不超过n个像素，多取的n个像素则可以解决图像垂直方向上的交错问题；
c、利用参考图像T中的比值模板在搜索图像S中寻找相应的匹配；首先进行垂直方向上的比较，即记录下搜索图像S中每个比值数组内的最佳匹配；再将每个数组的组内最佳匹配进行比较，即进行水平方向的比较，得到的最小值就认为是全局最佳匹配；此时全局最佳匹配即为图像间在水平方向上的偏移距离，该全局最佳匹配对应的组内最佳匹配即为图像间垂直方向上的偏移距离；
d、根据垂直方向上的偏移距离和水平方向上的偏移距离调整待拼接的图像位置。
S3、将待检测的基桩目标区域的完整图像进行分析处理，根据基于超像素分割和graphcut的启发式自动提取方法得到基桩中心和外轮廓，将其与CAD 设计图纸中的基桩位置进行融合比对，得到基桩位置和桩径的偏差数据。
步骤S3中基于超像素分割和graphcut的启发式自动提取方法得到基桩中心和外轮廓的方法具体包括：
a、对图像进行超像素分割；
b、在超像素分割基础上利用graphcut算法完成进一步分割，合并得到最终的桩基提取结果；
c、对桩基区域进行拟合，提取桩位中心。
如图2所示，在本发明的另一个具体实施例中，该方法实现的具体过程包括：
A、航拍照片分辨率不满足桩基测量精度问题
采用商业化无人机得到的大范围检测区域图像，其精度往往不能满足基桩检测中所需要的检测精度要求。对此本系统通过软件处理将无人机低空拍得的局部高清图像进行无缝拼接加以解决。
图像拼接技术主要分为三个主要步骤：图像预处理、图像配准、图像融合与边界平滑，图像预处理主要指对图像进行几何畸变校正和噪声点的抑制等，让参考图像和待拼接图像不存在明显的几何畸变。在图像质量不理想的情况下进行图像拼接，如果不经过图像预处理，很容易造成一些误匹配。图像预处理主要是为下一步图像配准做准备，让图像质量能够满足图像配准的要求。图像配准主要指对参考图像和待拼接图像中的匹配信息进行提取，在提取出的信息中寻找最佳的匹配，完成图像间的对齐。图像拼接的成功与否主要是图像的配准。待拼接的图像之间，可能存在平移、旋转、缩放等多种变换或者大面积的同色区域等很难匹配的情况，一个好的图像配准算法应该能够在各种情况下准确找到图像间的对应信息，将图像对齐。图像融合指在完成图像匹配以后，对图像进行缝合，并对缝合的边界进行平滑处理，让缝合过渡。由于任何两幅相邻图像在采集条件上都不可能做到完全相同，因此，对于一些本应该相同的图像特性，如图像的光照特性等，在两幅图像中就不会表现的完全一样。
图像拼接缝隙就是从一幅图像的图像区域过渡到另一幅图像的图像区域时，由于图像中的某些相关特性发生了跃变而产生的。图像融合就是为了让图像间的拼接缝隙不明显，拼接更自然。
图像分为参考图像T和搜索图像S,其中参考图像T作为基准图像，搜索图像S作为待拼接图像，将图像S向图像T进行坐标平移。本系统采用基于特征匹配的方法，其步骤如下：
a、在参考图像T中间隔为k个像素的距离上的两列像素中，各取m个像素，计算这m个像素的比值，将m个比值存入数组中，将其作为比较的模板，以Tt表示。
b、从搜索图像S中在同样相隔k个像素的距离上的两列，各取出m+n个像素，计算其比值，将m+n个比值存入数组，以Sk表示，其中的每个比值可表达成Skj，j＝1,2,...,m+n。设从搜索图像S中形成了K个这样的数组，即k＝1,2,...,K。假定垂直错开距离不超过n个像素，多取的n个像素则可以解决图像垂直方向上的交错问题。
c、利用参考图像T中的比值模板在搜索图像S中寻找相应的匹配。首先进行垂直方向上的比较，即记录下搜索图像S中每个比值数组内的最佳匹配，即对每个Sk，搜索匹配最佳的比值Ski。
Ski＝miniMatchScore(Tt,Ski)
其中MatchScore可以是像素比值的绝对距离或欧式距离。
再将每个数组的组内最佳匹配进行比较，即进行水平方向的比较，得到的最小值就认为是全局最佳匹配。此时全局最佳匹配即为图像间在水平方向上的偏移距离，该全局最佳匹配对应的组内最佳匹配即为图像间垂直方向上的偏移距离。
Ski＝mink(Ski),k＝1,...,K
B、航拍照片存在镜头畸变及几何变形问题
采用商业化无人机拍摄得到桩基检测区域局部高清照片存在镜头畸变及几何变形问题。对此本系统通过软件处理及现场标志系统配合，对每一幅图像均进行镜头畸变及几何变形修正加以解决。摄像机的内部参数和畸变系数都可以得到，成为接下来进行几何坐标校正的已知量。校正过程分为以下几个步骤：
a、我们把畸变图像像点像素坐标(i，j)转为图像像点物理坐标(xd，yd)，可以通过转换矩阵方程得到；
b、根据畸变校正数学模型公式，我们可以得到该畸变点到图像平面物理原点的距离
进一步，我们可以得到校正图像像点物理坐标(xr，yr)；
其中，u0，v0分别为图像中心的x和y坐标，k1和k2为径向畸变系数，p1和p2为切向畸变系数，r为像素所在位置距离摄像机光心的距离。
c、计算完校正图像像点物理坐标(xr，yr)后，我们继续进行校正图像点像素坐标的求解，再代入图像平面物理坐标系与图像平面像素坐标系转换公式。
经过上述步骤几何校正的一系列工地无人机影像间的相邻影像存在重复部分，这些冗余信息可作为我们进行拼接的依据。图像拼接解决的问题一般式，通过对齐一系列空间重叠的图像，构成一个无缝的、高清晰的图像，它具有比单个图像更高的分辨率和更大的视野，可以形成整个工地的拼接图像。考虑到相机周边畸变较大，中心畸变较小的情况，可以根据相机情况自适应地确定影像间的重叠度，以提高影像的几何精度。
C、经过拼接的图像，其几何变形基本已经消除，因此可以和CAD图像中的桩位信息进行匹配。尽管存在实际的偏差，但在一般的范围内，CAD信息中的桩位中心和圆应位于实际的桩基之内，因此可以作为启发式的先验信息，对拼接图像的桩基进行轮廓提取。
如图3所示，提出基于超像素分割和graphcut的启发式自动提取方法。
第一阶段：对图像进行一定的预处理之后，对图像进行超像素分割；
第二阶段：在超像素分割基础上利用graphcut算法完成进一步分割合并得到最终的桩基提取结果；
待分割的高分辨率遥感影像可以看作无向图G＝＜V,E＞，其中V是图像中像素集合，E表示相邻像素之间的边，V、E构成图像中的第一类顶点和边；此外新增两个点s、t，s表示源点，t表示汇点，图像中的每个像素点都和新增的s、t点都有连接，构成图像中的第二类顶点和边。通过选择分割规则并计算在该分割规则下的图像的能量函数，在某分割规则下能使能量函数最小，则此分割规则即将前景目标和背景目标分割开来。其中能量函数的公式为：
E(L)＝αR(L)+B(L)
其中E(L)为能量函数，R(L)和B(L)分别为区域项和边界项，α为权重因子。
第三阶段：对桩基区域进行拟合，提取桩位中心。
分割实例如图4(a)-4(d)所示，其中图4(a)为原始图像，图4(b)为超像素分割结果，图4(c)为分割图像，图4(d)的十字中心为提取的桩位中心。
如图5和图6所示，地面标志组件包括矩形标志和圆形标志；其中：矩形标志中设置有颜色相互间隔的矩形网格；圆形标志中设置有多个颜色相互间隔的扇形区域。在本实施例中，矩形标志的尺寸为1000mm×1000mm，圆形标志的尺寸为φ200mm。
如图7所示，地面标志组件还包括：无人机水平位置及高度校正组件，无人机拍摄姿态校正组件。
应用于基桩检测中的无人机摄影成像及数据处理软硬件系统软件部分包括一套无人机图像处理软件，可以对无人机拍摄的图像进行校正、拼接、识别，并与导入CAD数据进行比对，输出比对结果。硬件部分包括一套与无人机摄影平台配套的地面标志组件，可以方便对无人机拍摄的图像进行几何变形校正。
本发明完全改变了现有桩基几何定位及外观尺寸检测中依赖人工逐点检测的落后技术手段。充分利用航拍摄影的技术优势，大大提高了建筑工程中桩位偏差检测及桩径检测的准确度及效率，大大降低了检测过程中投入的人力成本。具有良好的社会效益及经济效益，及广阔的应用前景。
本发明实施例的应用于基桩检测中的无人机摄影成像及数据处理系统，用于实现本发明实施例的应用于基桩检测中的无人机摄影成像及数据处理方法，包括：
图像获取单元，用于在待检测的基桩目标区域设置多个地面标志组件，通过无人机低空航拍得到待检测的基桩目标区域的多幅图像；
图像修正及拼接单元，用于根据摄像机的内部参数和地面标志组件在图像中的位置相配合，对每幅图像均进行镜头畸变及几何变形修正，并对修正后的图像进行图像配准、图像拼接和图像融合，得到待检测的基桩目标区域的完整图像；
基桩偏差数据计算单元，用于将待检测的基桩目标区域的完整图像进行分析处理，根据基于超像素分割和graphcut的启发式自动提取方法得到基桩中心和外轮廓，将其与CAD设计图纸中的基桩位置进行融合比对，得到基桩位置和桩径的偏差数据。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (7)
1.一种应用于基桩检测中的无人机摄影成像及数据处理方法，其特征在于，包括以下步骤：
S1、在待检测的基桩目标区域设置多个地面标志组件，通过无人机低空航拍得到待检测的基桩目标区域的多幅图像；
S2、根据摄像机的内部参数和地面标志组件在图像中的位置相配合，对每幅图像均进行镜头畸变及几何变形修正，并对修正后的图像进行图像配准、图像拼接和图像融合，得到待检测的基桩目标区域的完整图像；
S3、将待检测的基桩目标区域的完整图像进行分析处理，根据基于超像素分割和graphcut的启发式自动提取方法得到基桩中心和外轮廓，将其与CAD设计图纸中的基桩位置进行融合比对，得到基桩位置和桩径的偏差数据；
步骤S3中基于超像素分割和graphcut的启发式自动提取方法得到基桩中心和外轮廓的方法具体包括：
a、对图像进行超像素分割；
b、在超像素分割基础上利用graphcut算法完成进一步分割，合并得到最终的基桩提取结果；
c、对基桩目标区域进行拟合，提取桩位中心；
步骤S3中基于超像素分割和graphcut的启发式自动提取方法具体为：
待分割的高分辨率遥感影像看作无向图G＝＜V,E＞，其中V是图像中像素集合，E表示相邻像素之间的边，V、E构成图像中的第一类顶点和边；此外新增两个点s、t，s表示源点，t表示汇点，图像中的每个像素点都和新增的s、t点有连接，构成图像中的第二类顶点和边；
通过选择分割规则并计算在该分割规则下的图像的能量函数，在某分割规则下能使能量函数最小，则此分割规则即将前景目标和背景目标分割开来；其中能量函数的公式为：
E(L)＝αR(L)+B(L)
其中E(L)为能量函数，R(L)和B(L)分别为区域项和边界项，α为权重因子。
2.根据权利要求1所述的应用于基桩检测中的无人机摄影成像及数据处理方法，其特征在于，步骤S2中进行图像修正的方法具体包括：
a、通过转换矩阵方程，将畸变图像像点像素坐标(i，j)转为图像像点物理坐标(xd，yd)；
b、根据畸变校正数学模型公式，得到该畸变点到图像平面物理原点的距离，进一步得到校正图像像点物理坐标(xr，yr)；
c、将得到的校正图像像点物理坐标(xr，yr)代入图像平面物理坐标系与图像平面像素坐标系转换公式，求解得到校正图像点像素坐标。
3.根据权利要求1所述的应用于基桩检测中的无人机摄影成像及数据处理方法，其特征在于，步骤S2中进行图像修正前还包括对图像进行降噪处理的过程。
4.根据权利要求1所述的应用于基桩检测中的无人机摄影成像及数据处理方法，其特征在于，步骤S2中对图像进行拼接的方法具体包括：
将图像分为参考图像T和搜索图像S，其中参考图像T作为基准图像，搜索图像S作为待拼接图像，将图像S向图像T进行坐标平移；
a、选择一幅参考图像T，在参考图像T中间隔为k个像素的距离上的两列像素中，各取m个像素，计算这m个像素的比值，将m个比值存入数组中，将其作为比较的模板；
b、从搜索图像S中在同样相隔k个像素的距离上的两列，各取出m+n个像素，计算其比值，将m+n个比值存入数组；假定垂直错开距离不超过n个像素，多取的n个像素解决图像垂直方向上的交错问题；
c、利用参考图像T中的比值模板在搜索图像S中寻找相应的匹配；首先进行垂直方向上的比较，即记录下搜索图像S中每个比值数组内的最佳匹配；再将每个数组的组内最佳匹配进行比较，即进行水平方向的比较，得到的最小值就认为是全局最佳匹配；此时全局最佳匹配即为图像间在水平方向上的偏移距离，该全局最佳匹配对应的组内最佳匹配即为图像间垂直方向上的偏移距离；
d、根据垂直方向上的偏移距离和水平方向上的偏移距离调整待拼接的图像位置。
5.根据权利要求1所述的应用于基桩检测中的无人机摄影成像及数据处理方法，其特征在于，步骤S1中的地面标志组件包括矩形标志和圆形标志；其中：矩形标志中设置有颜色相互间隔的矩形网格；圆形标志中设置有多个颜色相互间隔的扇形区域。
6.根据权利要求1所述的应用于基桩检测中的无人机摄影成像及数据处理方法，其特征在于，步骤S1中的地面标志组件还包括：无人机水平位置及高度校正组件，无人机拍摄姿态校正组件。
7.一种应用于基桩检测中的无人机摄影成像及数据处理系统，其特征在于，包括：
图像获取单元，用于在待检测的基桩目标区域设置多个地面标志组件，通过无人机低空航拍得到待检测的基桩目标区域的多幅图像；
图像修正及拼接单元，用于根据摄像机的内部参数和地面标志组件在图像中的位置相配合，对每幅图像均进行镜头畸变及几何变形修正，并对修正后的图像进行图像配准、图像拼接和图像融合，得到待检测的基桩目标区域的完整图像；
基桩偏差数据计算单元，用于将待检测的基桩目标区域的完整图像进行分析处理，根据基于超像素分割和graphcut的启发式自动提取方法得到基桩中心和外轮廓，将其与CAD设计图纸中的基桩位置进行融合比对，得到基桩位置和桩径的偏差数据；
基于超像素分割和graphcut的启发式自动提取方法得到基桩中心和外轮廓的方法具体包括：
a、对图像进行超像素分割；
b、在超像素分割基础上利用graphcut算法完成进一步分割，合并得到最终的基桩提取结果；
c、对基桩目标区域进行拟合，提取桩位中心；
基桩偏差数据计算单元中基于超像素分割和graphcut的启发式自动提取方法具体为：
待分割的高分辨率遥感影像看作无向图G＝＜V,E＞，其中V是图像中像素集合，E表示相邻像素之间的边，V、E构成图像中的第一类顶点和边；此外新增两个点s、t，s表示源点，t表示汇点，图像中的每个像素点都和新增的s、t点连接，构成图像中的第二类顶点和边；
通过选择分割规则并计算在该分割规则下的图像的能量函数，在某分割规则下能使能量函数最小，则此分割规则即将前景目标和背景目标分割开来；其中能量函数的公式为：
E(L)＝αR(L)+B(L)
其中E(L)为能量函数，R(L)和B(L)分别为区域项和边界项，α为权重因子。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610965794.4A CN106485751B (zh) | 2016-10-28 | 2016-10-28 | 应用于基桩检测中的无人机摄影成像及数据处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610965794.4A CN106485751B (zh) | 2016-10-28 | 2016-10-28 | 应用于基桩检测中的无人机摄影成像及数据处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106485751A CN106485751A (zh) | 2017-03-08 |
| CN106485751B true CN106485751B (zh) | 2020-03-10 |
Family
ID=58272105
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610965794.4A Active CN106485751B (zh) | 2016-10-28 | 2016-10-28 | 应用于基桩检测中的无人机摄影成像及数据处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106485751B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107657832B (zh) * | 2017-11-15 | 2020-09-11 | 吉林大学 | 一种车位引导方法及系统 |
| CN110239997B (zh) * | 2019-06-13 | 2024-04-19 | 华中科技大学 | 一种复卷机自动剔废方法及设备 |
| CN110470226B (zh) * | 2019-07-10 | 2021-05-28 | 广东工业大学 | 一种基于无人机系统的桥梁结构位移测量方法 |
| CN110533698B (zh) * | 2019-09-05 | 2020-05-12 | 广东水电二局股份有限公司 | 一种基于视觉检测的基坑施工桩检测控制方法 |
| CN112016848B (zh) * | 2020-09-11 | 2021-04-06 | 黑龙江省公路工程监理咨询有限公司 | 一种基于数据调度的建筑工程质量监理验收智能化检测管理系统 |
| CN114413852B (zh) * | 2022-01-13 | 2023-10-03 | 山东高速岩土工程有限公司 | 一种无人机辅助测绘方法及系统 |
| CN114578188B (zh) * | 2022-05-09 | 2022-07-08 | 环球数科集团有限公司 | 一种基于北斗卫星的电网故障定位方法 |
| CN115854995B (zh) * | 2022-12-28 | 2023-12-26 | 北京中建建筑科学研究院有限公司 | 一种基于无人机测绘的基桩测量系统及方法 |
| CN117764888B (zh) * | 2024-02-22 | 2024-05-28 | 西安好思达康复器具有限公司 | 一种脊柱侧弯扫描取型的处理方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102201115A (zh) * | 2011-04-07 | 2011-09-28 | 湖南天幕智能科技有限公司 | 无人机航拍视频实时全景图拼接方法 |
| CN102749071A (zh) * | 2012-04-24 | 2012-10-24 | 北京林业大学 | 一种基于无人机航空摄影监测土壤侵蚀的方法 |
| US9071819B2 (en) * | 2010-03-23 | 2015-06-30 | Exelis Inc. | System and method for providing temporal-spatial registration of images |
-
2016
- 2016-10-28 CN CN201610965794.4A patent/CN106485751B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9071819B2 (en) * | 2010-03-23 | 2015-06-30 | Exelis Inc. | System and method for providing temporal-spatial registration of images |
| CN102201115A (zh) * | 2011-04-07 | 2011-09-28 | 湖南天幕智能科技有限公司 | 无人机航拍视频实时全景图拼接方法 |
| CN102749071A (zh) * | 2012-04-24 | 2012-10-24 | 北京林业大学 | 一种基于无人机航空摄影监测土壤侵蚀的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106485751A (zh) | 2017-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106485751B (zh) | 应用于基桩检测中的无人机摄影成像及数据处理方法及系统 | |
| CN104484648B (zh) | 基于轮廓识别的机器人可变视角障碍物检测方法 | |
| CN102034238B (zh) | 基于光学成像测头和视觉图结构的多摄像机系统标定方法 | |
| CN101908230B (zh) | 一种基于区域深度边缘检测和双目立体匹配的三维重建方法 | |
| CN105716542B (zh) | 一种基于柔性特征点的三维数据拼接方法 | |
| CN104156536B (zh) | 一种盾构机刀具磨损的可视化定量标定及分析方法 | |
| 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 | |
| CN110009732B (zh) | 基于gms特征匹配的面向复杂大尺度场景三维重建方法 | |
| CN104077760A (zh) | 一种航空摄影测量的快速拼接系统及其实现方法 | |
| CN104732482A (zh) | 一种基于控制点的多分辨率图像拼接方法 | |
| CN103093459B (zh) | 利用机载LiDAR点云数据辅助影像匹配的方法 | |
| CN107687819A (zh) | 一种快速高精度的光条中心亚像素提取方法 | |
| CN112348775B (zh) | 基于车载环视的路面坑塘检测系统及方法 | |
| CN112946679B (zh) | 一种基于人工智能的无人机测绘果冻效应检测方法及系统 | |
| CN104517095A (zh) | 一种基于深度图像的人头分割方法 | |
| CN111161334B (zh) | 一种基于深度学习的语义地图构建方法 | |
| CN106504192A (zh) | 一种输电线路走廊地质灾害勘探影像处理方法及系统 | |
| CN116182805A (zh) | 基于遥感图像的国土测绘方法 | |
| CN116152068A (zh) | 一种可用于太阳能板图像的拼接方法 | |
| CN112862683A (zh) | 一种基于弹性配准和网格优化的邻接图像拼接方法 | |
| CN102982524A (zh) | 玉米果穗有序图像的拼接方法 | |
| CN102202159A (zh) | 无人机航摄像片数字拼接方法 | |
| CN114529681A (zh) | 一种手持双相机建筑物温度场三维模型构建方法和系统 | |
| CN113936031A (zh) | 一种基于机器视觉的云影轨迹预测方法 | |
| CN117635898A (zh) | 面向作物动态表型提取的近景图像拼接方法 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20170524 Address after: 430070 No. 16 South Central Road, Hubei, Wuhan Applicant after: HUBEI PROVINCIAL ACADEMY OF BUILDING RESEARCH AND DESIGN Applicant after: HUBEI PROVINCIAL CENTER FOR QUALITY SUPERVISION AD TEST OF CONSTRUCTION ENGINEERING Address before: 430090 Hubei province Wuhan Hannan Shamao Street three Hing Road No. 269 Applicant before: HUBEI PROVINCIAL CENTER FOR QUALITY SUPERVISION AD TEST OF CONSTRUCTION ENGINEERING |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 430070 No. 16 South Central Road, Hubei, Wuhan Co-patentee after: HUBEI PROVINCIAL CENTER FOR QUALITY SUPERVISION AD TEST OF CONSTRUCTION ENGINEERING Patentee after: Hubei Academy of Architectural Sciences and Design Co.,Ltd. Address before: 430070 No. 16 South Central Road, Hubei, Wuhan Co-patentee before: HUBEI PROVINCIAL CENTER FOR QUALITY SUPERVISION AD TEST OF CONSTRUCTION ENGINEERING Patentee before: HUBEI PROVINCIAL ACADEMY OF BUILDING RESEARCH AND DESIGN |
|
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 430070 No. 16, Zhongnan Road, Wuhan City, Hubei Province Patentee after: Hubei Academy of Architectural Sciences and Design Co.,Ltd. Patentee after: Hubei Construction Engineering Quality Supervision, inspection and Testing Center Co.,Ltd. Address before: 430070 No. 16, Zhongnan Road, Wuhan City, Hubei Province Patentee before: Hubei Academy of Architectural Sciences and Design Co.,Ltd. Patentee before: HUBEI PROVINCIAL CENTER FOR QUALITY SUPERVISION AD TEST OF CONSTRUCTION ENGINEERING |