CN107067423A - 一种适用于开放赋存环境的文物本体微变监测的方法 - Google Patents

Abstract

本发明涉及一种适用于开放赋存环境的文物本体微变监测的方法；技术方案是相机位姿初定位精度在1cm以内；相机位姿精确重定位精度在100μm以内；采用高于环境光的光源在12个时钟方向方向依次进行补光拍摄，采集的图像一方面适度抵消环境光的影响，另一方面获取了文物简略的三维信息；然后提取细微变化；本发明提出了有严格理论保证的设备重定位算法，能够在无需手眼标定的条件下，针对开放赋存环境下的文物本体进行微小变化监测，借助可移动设备、精密云台、相机等硬件设备及诸多算法的应用，实现多次监测期间文物的微小变化精确监测。解决了其他精密测量设备和方法在以敦煌莫高窟为代表的遗产地自然无约束环境下无法可靠工作和灵活使用的困境。

Description

一种适用于开放赋存环境的文物本体微变监测的方法

技术领域

本发明属于精密视觉测量领域，涉及一种适用于开放赋存环境的文物本体微变监测的新型技术，可用于在开放赋存环境下对文物本体的微小变化进行精确有效的检测。

背景技术

文物本体的微变监测在文物保护领域有着无比重要的地位，精确的微变监测可以很好地帮助文物修复人员发现文物的在某一时间跨度上的变化进而指导修复工作，且较长时间跨度的多次微变监测结果(比如几年内文物本体的变化趋势)也可以指导文物保护单位对文物采取更加合适的保护措施。文物本体微变监测，特别是开放赋存环境下的文物本体微变监测有着如下要求：

1.本体缓慢、细微变化监测的高精度要求，高精度是微变监测的根本要求。

2.自然无约束工作环境，设备与方法需要对环境有较高的适应度，开放赋存环境有其本身的特点，比如赋存地点也许常年有风沙、暴晒、低温、潮湿、干旱、植被等。

3.设备便携性、反复拆装、操作简便需求，开放赋存环境文物的位置大多不可变动且监测点的数目不一，设备可反复拆卸重组便十分重要，由此还需解决反复拆装条件下的设备精确标定问题，最为理想的是实现与手眼标定无关的相机位姿重定位算法。

微变监测在工业领域有许多比较成熟的方案，比如视觉伺服(visual servoing)[2][3]，视觉伺服(VS)旨在通过视觉反馈信息来控制机器人终端(机械臂)的位姿最终使得获取图像与参考图像位姿相近，与本发明采集数据部分利用的原理有些相似。在有标记及平面移动的前提下，校准好的VS可以动态地重定位相机的位姿[7]，但VS的成本较高且高度依赖于手眼校准。再比如(无损)探伤设备，无损探伤是在不损坏工件或原材料工作状态的前提下，对被检验部件的表面和内部质量进行检查的一种测试手段，利用物质的声、光、磁和电等特性，在不损害或不影响被检测对象使用性能的前提下，检测被检对象中是否存在缺陷或不均匀性，给出缺陷大小，位置，性质和数量等信息。探伤设备也可以做到对被检验部件的精确检测，但是其造价高昂，体积较大，且不可以高频度拆卸，另外，操作过程也有较高要求。

由于“开放赋存环境的文物本体”的独特性与较为严苛的要求，使得传统微变监测设备与方法无法顺利完成目标：在开放赋存环境下(风沙、潮湿等)诸多精密仪器的精度无法长时间保证；对多个场地进行监测需要对设备进行较高频度的拆卸重组，而目前工业上的解决方案在拆卸后精度无法保证甚至是不具有可信精度；另外，传统精密测量设备成本高。

本发明将诸多硬件设备组合起来、使用算法控制方法并结合具体操作方案非常好地实现了微变监测的目标，且同时满足上述要求：使用的设备可以很方便地拆卸重组、最终本体微变检测精度可达到10μm-100μm、在不理想的环境下可以很可靠地工作(在莫高窟与颐和园近年来均有多次实地监测)。另外，相较于高昂的工业级精密测量设备，本发明适用的设备的造价低廉、行程更大、工作环境适应能力更强。可以更有效地支撑开放赋存环境下的文物本体微小变化监测，从而为文物本体的预防性保护提供数据支持。

发明内容

本发明的目的是针对开放赋存环境下的文物本体进行微小变化监测，借助可移动设备、精密云台、相机等硬件设备及诸多算法的应用，实现多次监测期间文物的微小变化精确监测。为方便叙述与理解，简要说明一下本发明采用的硬件设备(仅是为方便叙述与理解，本发明提供的方法不对设备做具体要求，任何同等或等效的设备均可使用本方法达到良好效果)：微动云台、旋转台、相机(工业相机、单发相机均可)、通用计算机、负载云台与相机的可移动支架。其中，微动云台提供绝对精度不完全可靠的水平方向的移动(前后、左右)，旋转台提供三个角度旋转(滚转角Φ(roll)、俯仰角θ(pitch)、偏航角)，相机采集图像数据，计算机提供计算能力，本发明提出的算法均在计算机上运行，支架可以方便设备的整体移动。

一种开放赋存环境下的文物本体进行微小变化监测方法，具体步骤如下：

(1)相机位姿初定位：定位精度在1cm以内；

(2)相机位姿精确重定位：定位精度在100μm以内；

(3)多光照条件图像采集：采用高于环境光的光源在12个时钟方向方向依次进行补光拍摄，采集的图像一方面适度抵消环境光的影响，另一方面获取了文物简略的三维信息；

(4)提取细微变化。

所述步骤(1)的方法如下：

步骤S1.相机拍摄当前图像；

步骤S2.提取当前图像与参考图像的匹配点；

步骤S3.由匹配点计算生成单应矩阵[4]；

步骤S4.由单应矩阵计算出导航框；

步骤S5.根据导航框进行角度偏转与设备移动，若达到精度要求，结束；否则，转回S1。

所述步骤(2)的方法如下：在移动开始之前预先给出一个合理的移动阈值(s₀)，即保证移动最大量在微动云台的行程以内，这在相机位姿初定位已经给出保证，也就是相机位姿初定位的定位精度1cm；

算法的输入是参考图像、初始移动阈值s₀、终止移动阈值s_min，初始化下次移动距离s＝s₀

步骤S1.相机拍摄当前图像；

步骤S2.提取当前图像与参考图像的匹配点；

步骤S3.利用相机相对位姿估计算法计算相机的位姿差异，得到旋转量R与移动方向

步骤S4.若s≤s_min，即到达了算法停止条件，结束；否则，旋转台直接安装R值进行旋转，移动方向若与上次计算相同，说明参考图像位置仍未到达，按照当前指示方向移动s，转回S1，否则说明移动过多，已经超过了参考图像位置，置并移动s，转回S1。

所述步骤(3)的方法如下：

步骤S1.相机拍摄当前图像；

步骤S2.达到数量要求，结束；否则，转换角度进行补光，返回S1。

5.如权利要求1所述的方法，其特征是所述步骤(4)的方法如下：

步骤S1.进行初始光照校正与图像配准；

步骤S2.进行光照一致化，即进行更精确的光照校正；

步骤S3.进行图像配准，若达到分类所需精度要求，转向S4；否则，转向S2；

步骤S4.对变化与否进行分类，结束。

详细说明如下：

(1)相机位姿初定位：相机位姿初定位是根据参考图像的相关信息进行相机的位置和姿态的粗略重定位并给出视觉导航指导手工移动设备，最终定位精度在1cm以内，是进一步精确重定位的预备工作。具体流程图如图1(适用于开放赋存环境的文物本体微变监测方法流程图，包含4个部分，对应于专利的四个步骤——相机位姿初定位、相机位姿精确重定位、多光照条件图像采集、提取细微变化)中相机位姿初定位部分所示，具体操作如下：

步骤S1.相机拍摄当前图像；

步骤S2.提取当前图像与参考图像的匹配点；

步骤S3.由匹配点计算生成单应矩阵[11]；

步骤S4.由单应矩阵计算出导航框；

步骤S5.根据导航框进行角度偏转与设备移动，若达到精度要求，结束；否则，转回1。

其中：

步骤S2中参考图像是图像采集预期最终达到的目标(即上次采集的图像)，计算匹配点的方式有许多成熟的算法，比如SIFT[12]、SURF等，具体实现时可以考虑计算的加速，如利用GPU进行计算、采用缓存机制等；

步骤S4中导航框与参考框(如图2所示)给出了移动设备的视觉导航，其中参考框是以参考图像的中心位置为中心的黑色四边形R_b，导航框是当前图像与参考框匹配的点构成的灰色四边形R_r(本发明不限定导航框的具体颜色，只要是易于辨识即可，亦可以采用对比度较高的颜色，如红蓝色等)，两者共同表征了当前图像与参考图像的位置差异(其中R_r＝HR_b，其中H即为步骤S3中求得的单应矩阵[4][5])，用以指导人进行设备的手工移动；

步骤S5中先进行角度偏转，后进行水平移动，因为小角度的偏转会对水平与垂直方向的移动距离造成很大的影响。

另外，手动移动设备的时间较长，移动幅度较大，移动的同时是进行着导航框的实时计算的。

(2)相机位姿精确重定位：相机位姿精确重定位是根据参考图像的相关信息进行相机的位置和姿态的精确重定位，在相机位姿初定位的基础上进行，最终达到定位精度在100μm以内。具体流程图如图1中相机位姿精确重定位部分所示，具体操作如下：

在移动开始之前预先给出一个合理的移动阈值，即保证移动最大量在微动云台的行程以内，这在相机位姿初定位已经给出保证(初定位精度在1cm以内)。

算法的输入是参考图像、初始移动阈值s₀＝1cm、终止移动阈值s_min＝100μm，初始化时下次移动距离s＝s₀

步骤S1.相机拍摄当前图像；

步骤S2.提取当前图像与参考图像的匹配点；

步骤S3.利用相机相对位姿估计算法计算相机的位姿差异，得到旋转量R与移动方向

步骤S4.若s≤s_min，即到达了算法停止条件，结束；否则，旋转台直接安装R值进行旋转，移动方向若与上次计算相同，说明参考图像位置仍未到达，按照当前指示方向移动s，转回S1，否则说明移动过多，已经超过了参考图像位置，置并移动s，转回S1。

其中：

步骤S1、S2与相机位姿初定位相同；

步骤S3中相机位相对位姿估计算法目前较为成熟的有“五点法”[8][9][10]，当然，本发明并不对具体算法做限定，只需能够正确求解相机相对位姿估计即可，最终相对位姿估计算法计算出当前图像与参考图像在6个自由度(前后、左右、上下、滚转角Φ(roll)、俯仰角θ(pitch)、偏航角)上的差异值，需要指出，角度的偏移值是精确的，水平与垂直的误差值并不精确(无法确定图片上单位长度对应的具体长度，所以获取的相对位姿的水平与垂直误差是归一化的结果)；

步骤S4是算法驱动硬件设备进行云台与相机旋转移动，也是先进行角度旋转(计算所得的R即为需要旋转的具体值)、后进行水平和垂直移动(计算所得的即为需要移动的方向，s即为需要移动的距离)，已经知道水平与垂直的误差值是不精确的，本发明使用的策略可以简单地理解为“二分法/折半”进行处理，首先保持每次移动距离一定，若计算得到的移动方向与上次没有变化，则说明移动后没有达到目标位置，继续保持当前每次移动距离与方向；否则说明移动过多，将当前每次移动距离s减半并反方向移动。在水平移动之后若达到最终精度要求，结束；否则，转向S1；

(3)多光照条件图像采集：文物绝大多数都是立体的，对于开放赋存环境下的文物更是如此，只进行一个角度的图像采集并不能很好的代表文物的具体信息，另外，不同光照条件下文物的图像信息会有很大的不同(如图3初次采集图像/多光照条件图像采集对比图所示，其中左上是2015年采集数据时正光拍摄图像，其图像比较平滑，右上是在12点钟方向进行补光拍摄图像，相较于正光图像不再平滑，有更多文物本体的信息，下面是12张在各个角度进行补光的图像)。理想情况是获得文物光照无关的三维信息，但完全做到这两点并不容易，本发明对其进行弱化：

以补光的方式获取文物多个角度的图像信息。

具体地，采用高于环境光的光源在12个方向(时钟方向)依次进行补光拍摄，采集的图像一方面可以适度抵消环境光的影响，另一方面获取了文物简略的三维信息，在多个角度进行图像采集对变化提取有极大的帮助。具体操作如下：

步骤S1.相机拍摄当前图像；

步骤S2.达到数量要求，结束；否则，转换角度进行补光，返回S1。

(4)提取细微变化：微变监测的最终目标是获得多次采集数据之间的文物本体变化[13][14]，由于精确重定位获得的图像与参考图像的位置误差已经非常小，进行进一步的处理便比较方便了。具体操作如下：

步骤S1.进行初始光照校正与图像配准；

步骤S2.进行光照一致化，即进行更精确的光照校正；

步骤S3.进行图像配准，若达到分类所需精度要求，转向S4；否则，转向S2；

步骤S4.对变化与否进行分类，结束。

其中：

步骤S1进行初始光照校正与图像配准，目的是获得一个使得光照条件较为相似的一个粗略的校正。多光照条件图像采集部分因为是人手工进行补光，再加上环境光的不同，多次监测时进行采集的数据所对应的光照并不能完全保持一致。光照一致化的目的是在保留变化信息不改变的情况下将光照进行一致化处理，保证处理后的图像与参考图像光照条件相同，有利于微小变化的准确提取。给定两次采集获得的图像数据组，记第一次采集图像组成的矩阵为X＝[X_EL,X_DSL1,X_DSL2,...,X_DSLK]，其中EL指环境光(environment lighting)获取的图像，DSL为进行某个方向补光(directional side lighting)获取的图像，第二次采集图像组成的矩阵为Y＝[Y_EL,Y_DSL1,Y_DSL2,...,Y_DSLK]。求解一个校正矩阵A与偏移向量b满足非线性最小方差：

[A,b]＝argmin||Aⁱxⁱ+bⁱ-yⁱ||²

其中，x_i、y_i分别为两次采集的第i张图像中提取的匹配点对应的RGB值。

求解后便可将第一次采集图像使用A，b进行校正得到初始校正图像XF。

步骤S2进行光照一致化，是在步骤S1的基础上进行更加精细的光照一致化，本发明设计了一个稀疏无约束二次最小化问题并将其求解，借助Lambertian光学反射模型[15]，设计待求解式如下：

其中，L^v是附加的使光照一致化的“虚拟光源”，p,q是单个像素点，p～q表示像素点位置接近，等式前半部分是求取附加光照后两张图像的光照差异值，后半部分是附加光照后相邻区域的光照差异值，表征增加光照的平滑度，目的是两者均取得较小值，其中α与σ可以控制两者的影响度。

步骤S3进行图像配准，在进一步考虑新的光照条件基础上进行图像配准，过程比较直观，采用的方法与步骤S1很相似，不再赘述。

步骤S4在达到分类精度后(在本发明采集的数据集上，循环步骤S2、S3两次即可)，可以选用合适的分类算法对每个像素点进行是否发生变化的判断，比如SVM(支持向量机)等，具体地，可以选取合适大小的窗口(如7×7)对单个像素点计算其发生了变化的可能性，最终经由分类算法得到每个像素点是否发生了变化的结果。

综上，可以看出本发明提出的算法较为通用：特征提取部分，常用的SIFT，SURF均适用；相对位姿估计部分也是如此，并不局限于使用“五点法”；在第四步提取细微变化更是如此，比如多种分类算法都可以用来对像素点发生变化与否进行判断。

本发明用于在开放赋存环境下对文物本体的微小变化进行精确有效的监测，从而为文物本体的预防性保护提供数据支持。本发明包含四个步骤，第一步是相机位姿的初定位，基于视觉导航将相机位姿快速定位到微动云台行程范围以内，相机位姿定位精度达到1cm以内；第二步是相机位姿的精确重定位，基于参考图像和当前获取图像，动态计算相机相对位姿差异，算法驱动微动云台旋转和移动，使得相机定位精度到100μm以内；第三步是多光照条件图像采集，采用在12个方向(时钟方向)依次进行补光的方式获取文物本体更详细的信息，再加上正光图像，每次数据采集共获取文物本体的13张图像；第四步是微小变化检测，将获取的两组图像进行光照一致化处理以及图像配准，然后对每个像素点进行是否发生变化的分类处理，最终获得文物本体在两次采集期间发生的微小变化，微变监测精度在10μm-100μm以内。本发明前两步是两级相机重定位方法，第三步是多光照条件图像数据采集，第四步是提取采集的不同数据组间的细微变化。开放赋存环境的文物本体微变监测自身有许多难点与挑战：本体缓慢、细微变化监测的高精度要求、在无约束遗产地环境中可靠工作的精密视觉测量问题、解决反复拆装条件下的设备精确标定问题(最好是实现与手眼标定[6]无关的相机位姿重定位算法)。本发明提出的自然无约束环境下的两级相机重定位方法与多尺度稀疏分解的场景微变区域检测和提取模型，解决了上述所有技术难点，提出了有严格理论保证的设备重定位算法，能够在无需手眼标定的条件下，基于常规硬件平台实现高精度的相机位姿重现，并且支持在不损失监测精度前提下的设备反复拆装，解决了其他精密测量设备和方法在以敦煌莫高窟为代表的遗产地自然无约束环境下无法可靠工作和灵活使用的困境。在2014年6月和2015年7月两次莫高窟壁画本体监测中，在70％的监测点上首次发现了一年短周期内的0.1mm级壁画本体细微变化。

附图说明

图1：适用于开放赋存环境的文物本体微变监测方法流程图；

图2：视觉导航移动设备示意图；

图3：初次采集图像/多光照条件图像采集对比图；

图4：相机位姿初定位结果图；

图5：相机位姿精确重定位结果图；

图6：第二次采集图像；

图7：提取变化结果图。

具体实施方式

完整的开放赋存环境的文物本体微变监测包含初次采集图像、相机位姿初定位、相机位姿精确重定位、多光照条件图像采集、提取细微变化，其中“初次采集图像”即为上文所说的参考图像，可以是第一次的采集结果，也可以是之前相机位姿精确重定位后采集的结果。为给出本发明的方法的直观结果，下面以在敦煌莫高窟进行的一次完整的实地变化监测过程为例进行分析，两次采集分别是2015年与2016年在莫高窟70窟4号监测点进行，图3是初次采集的图像(初次采集即为2015年的重定位图像，也是进行了多光照条件图像采集)，在已获取初次采集图像之后具体操作如下：

(1)设备搭建与环境准备

到达待采集信息文物地点后将图像采集设备进行重组并进行简单功能测试，保证设备正常有效工作。一般地，确保微动云台能归位、移动，旋转台可以保持水平和进行小角度偏转即可，由于本发明对应的硬件设备较为鲁棒，出现设备无法正常工作的可能性很低。

另外，本发明给出的方法并不需要进行手眼标定，可以支持设备现场拆装，这在开放赋存的遗产地环境是非常重要的。

(2)相机位姿初定位

步骤S1.相机拍摄当前图像；

步骤S2.提取当前图像与参考图像的匹配点；

步骤S3.由匹配点计算生成单应矩阵；

步骤S4.由单应矩阵计算出导航框；

步骤S5.根据导航框进行角度偏转与设备移动，若达到精度要求，结束；否则，转回1。

相机位姿初定位的示意图如图2所示(其中，黑色框R_b为参考框，即为初定位预期达到的结果，灰色框R_r为导航框，表示当前图像位置，人手动移动脚架使得导航框与参考框大致重合)，首先在一个位置拍摄图像，若可以找到与参考图像对应的匹配点及最终计算得到的导航框，则导航框与参考框会显示在计算机屏幕上，然后人手工移动设备直至导航框与参考框相近即可(1cm)。一些注意事项：

a)在初定位开始时将云台归位、旋转台调整到水平位置；

b)在开始阶段按照导航框大幅度地移动设备到比较相近位置，此过程不需要进行角度旋转；

c)在到达比较相近的位置后，在移动设备时根据算法计算的结果先进行角度旋转，后进行水平与垂直方向的移动；

d)到达预期精度后停止移动，固定可移动支架，初定位结束。

图4是相机位姿初定位结果图，摘取了初定位过程的6张中间图像(其中第一幅为相机位姿初定位前的图像，可以看出此时导航框与参考框误差很大，之后5张图像为相机初定位的一些中间结果，可以看出导航框与参考框的误差逐渐减少)，最终的结果图表示出较短时间内人手工移动设备可以达到的定位精度，可以看出还是有肉眼可见的误差的，下面便需要相机位姿精确重定位将重定位精度进一步降低。

(3)相机位姿精确重定位

算法的输入是参考图像、初始移动阈值s₀＝1cm、终止移动阈值s_min＝100μm，初始化时下次移动距离s＝s₀

步骤S1.相机拍摄当前图像；

步骤S2.提取当前图像与参考图像的匹配点；

步骤S3.利用相机相对位姿估计算法计算相机的位姿差异，得到旋转量R与移动方向

步骤S4.若s＝s_min，即到达了算法停止条件，结束；否则，旋转量直接安装R值进行旋转，移动方向若与上次计算相同，说明参考图像位置仍未到达，按照当前指示方向移动s，转回S1，否则说明移动过多，置并移动s，转回S1。

相机位姿精确重定位是由硬件设备在精确重定位算法指导下驱动微动云台移动与旋转，理想情况下并不需要任何人为干预，且当初定位完成较好后也不会有运动量超出云台与旋转台量程的可能。

但在实地采集数据时也许会在室外环境下进行文物本体微变监测，因为光照条件的差异过大而导致无法正确完成相机位姿精确重定位中的匹配点计算，这时候可以考虑选择使用之前采集的不同补光图像作为参考图像，并且采用与参考图像补光方向相同的方式进行补光。

另外，因为图像采集的实地环境也许很不理想，比如拍摄位置高低不平，会有运动量超过云台与旋转台的可能，这时候需要适当转换设备位置并重新进行相机位姿初定位。

图5是第二次采集相机位姿精确重定位结果图(即2016年采集图像，第一张图像为相机精确重定位初始图像，即相机位姿初定位的结果，后面是相机按照算法计算结果进行每次旋转、移动后的中间结果)，共进行了5次移动，最后两张图像中的定位误差已经是肉眼不可见了(定位精度100μm)。

(4)多光照条件图像采集

步骤S1.相机拍摄当前图像；

步骤S2.达到数量要求，结束；否则，转换角度进行补光，返回S1。

多光照条件图像采集需要保证采用的光源亮度要高于环境光，在室内条件下比较容易满足，在室外环境特别是有较强光照的情况下不太容易进行，需要选用合适的光源。进行多角度补光，需要拍摄到文物本体的立体信息，以2015年的采集图像为例(图3初次采集图像/多光照条件图像采集对比图)，壁画正光拍摄会显得比较平整，但进行特定角度补光后会发现有许多正光拍摄无法获取的信息，比如壁画的立体信息。

2016年采集图像如图6所示，与图3排列方式相同，其中左上是2016年采集数据时正光拍摄图像，右上是在12点钟方向进行补光拍摄图像，相较于正光图像不再平滑，下面是12张在各个角度进行补光的图像。

(5)提取变化

步骤S1.进行初始光照校正与图像配准；

步骤S2.进行光照一致化，即进行更精确的光照校正；

步骤S3.进行图像配准，若达到分类所需精度要求，转向S4；否则，转向S2；

步骤S4.对变化与否进行分类，结束。

提取变化完全由发明部分给出的算法实现，理论上无需任何人工干预，重点在于设计合适的能量函数并将其最小化，且一些参数的具体值选取有些需要注意的地方。在进行分类时可选用的分类方法也并不唯一，由于是二值化判断(有变化、无变化)，可以使用SVM(支撑向量机)，有许多可靠的实现。图7提取变化结果图是在两年间的两次数据采集的变化结果，其中，左上为15年采集的正光图像，右上为16年采集的正光图像，中间的二值图即为算法提取的变化结果，白色部分即为具体的变化，最下面的表格是统计结果，即70窟4号监测点监测区域面积为53911.73mm²，算法提取的变化区域面积为54.09mm²，变化面积比例为0.1003％，可以看出算法的提取结果很好，提取到了许多不易识别的细微变化，且精度很高。

参考文献

[1]凌勇，胡可佳.国内外预防性保护研究述评.西部考古，2011(00):411-420.

[2]贾丙西，刘山，张凯祥，陈剑.机器人视觉伺服研究进展:视觉系统与控制策略.自动化学报，2015,41(5):861-873.

[3]李宝全，方勇纯，张雪波.基于2D三焦点张量的移动机器人视觉伺服镇定控制.自动化学报，2014,40(12):2706-2715.

[4]刘玺，方勇纯，张雪波.基于单应矩阵的位姿估计方法及应用.第二十七届中国控制会议论文集，2008.410-414.

[5]毛剑飞，邵黄芳，蒋莉，梁荣华.求解方程R_AR_X＝R_XR_B的四元数几何研究.中国图象图形学报，2010,15(6).951-967.

[6]李爱国，马孜，张旭，吴德烽.一种用于机器人三维表面扫描系统的手眼标定算法.控制与决策，2009,24(6).885-888.

[7]梁明杰，闵华清，罗荣华.基于图优化的同时定位与地图创建综述.机器人，2013,04:500-512.

[8]D.Nistér,“An efficient solution to the five-point relative poseproblem,”Pattern Analysis and Machine Intelligence,IEEE Transactions on,vol.26,no.6,pp.756–770,2004.

[9]H.Stewenius,C.Engels,and D.Nistér,“Recent developments on directrelative orientation,”ISPRS Journal of Photogrammetry and Remote Sensing,vol.60,no.4,pp.284–294,2006.

[10]H.Li and R.Hartley,“Five-point motion estimation made easy,”inPattern Recognition,2006.ICPR 2006.18th International Conference on,vol.1.IEEE,pp.630–633.2006.

[11]D.-H.Park,J.-H.Kwon,andI.-J.Ha,“Novelposition-based visualservoing approach to robust global stability under field-of-view constraint,”Industrial Electronics,IEEE Transactions on,vol.59,no.12,pp.4735–4752,2012.

[12]P.C.Ng and S.Henikoff,“Sift:Predicting amino acid changes thataffect protein function,”Nucleic acids research,vol.31,no.13,pp.3812–3814,2003.

[13]T.Pollard and J.L.Mundy.Change detection in a 3-d world.In CVPR,pp 1-6,2007.

[14]R.J.Radke,S.Andra,O.Al-Kofahi,and B.Roysam.Image change detectionalgorithms:A systematic survey.Image Processing,IEEE Transactions on,14(3):294–307,2005.

[15]Lambert J H.Photometria sive de mensura et gradibus luminus,colorum et umbrae:Augsburg,1760.Anding E,trans.Lambert'photometry[J].Klassiker der exakten Wissenschaften.Leipzig,Germany:Verlag WilhelmEngelman,1892:31-33.

Claims (5)

1.一种开放赋存环境下的文物本体进行微小变化监测方法，其特征是具体步骤如下：

(1)相机位姿初定位：定位精度在1cm以内；

(2)相机位姿精确重定位：定位精度在100μm以内；

(3)多光照条件图像采集：采用高于环境光的光源在12个时钟方向方向依次进行补光拍摄，采集的图像一方面适度抵消环境光的影响，另一方面获取了文物简略的三维信息；

(4)提取细微变化。

2.如权利要求1所述的方法，其特征是所述步骤(1)的方法如下：

步骤S1.相机拍摄当前图像；

步骤S2.提取当前图像与参考图像的匹配点；

步骤S3.由匹配点计算生成单应矩阵；

步骤S4.由单应矩阵计算出导航框；

步骤S5.根据导航框进行角度偏转与设备移动，若达到精度要求，结束；否则，转回S1。

3.如权利要求1所述的方法，其特征是所述步骤(2)的方法如下：在移动开始之前预先给出一个合理的移动阈值，保证移动最大量在微动云台的行程以内，这在相机位姿初定位已经给出保证；

算法的输入是参考图像、初始移动阈值s₀、终止移动阈值s_min，初始化时下次移动距离s＝s₀

步骤S1.相机拍摄当前图像；

步骤S2.提取当前图像与参考图像的匹配点；

步骤S3.利用相机相对位姿估计算法计算相机的位姿差异，得到旋转量R与移动方向

步骤S4.若s≤s_min，即到达了算法停止条件，结束；否则，旋转台直接安装R值进行旋转，移动方向若与上次计算相同，说明参考图像位置仍未到达，按照当前指示方向移动s，转回S1，否则说明移动过多，已经超过了参考图像位置，置并移动s，转回S1。

4.如权利要求1所述的方法，其特征是所述步骤(3)的方法如下：

步骤S1.相机拍摄当前图像；

步骤S2.达到数量要求，结束；否则，转换角度进行补光，返回S1。

5.如权利要求1所述的方法，其特征是所述步骤(4)的方法如下：

步骤S1.进行初始光照校正与图像配准；

步骤S2.进行光照一致化，即进行更精确的光照校正；

步骤S3.进行图像配准，若达到分类所需精度要求，转向S4；否则，转向S2；

步骤S4.对变化与否进行分类，结束。