CN108088383A - 一种应用于起重机械的摄影测量算法 - Google Patents
一种应用于起重机械的摄影测量算法 Download PDFInfo
- Publication number
- CN108088383A CN108088383A CN201711271490.9A CN201711271490A CN108088383A CN 108088383 A CN108088383 A CN 108088383A CN 201711271490 A CN201711271490 A CN 201711271490A CN 108088383 A CN108088383 A CN 108088383A
- Authority
- CN
- China
- Prior art keywords
- joint
- straight line
- point
- error
- prediction
- 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.)
- Granted
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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/2433—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring outlines by shadow casting
Abstract
本发明公开了一种应用于起重机械的摄影测量算法,首先,该算法提出了通过交汇点预测算法引入了多余观测以提高测量数据的精度。然后,一种基于现有镜头光学畸变模型的加权算法被给出以进一步提高精度。此外,通过基于加权算法的阈值设置方法,该算法还建立了一套迭代规则,使计算结果的质量变得可控。最后,本论文针对算法及港口条件的特点设计了验证试验。试验结果表明,本论文所提出的方法能在由于港口条件限制导致用于解算的照片拍摄距离、角度不佳的情况下,显著提升摄影测量结果的精度。
Description
技术领域
本发明涉及港口起重机械测量领域,具体地指一种应用于起重机械的摄影测量算法。
背景技术
与地面、建筑等摄影测量学的传统研究对象不同,港口起重机械工作环境较为复杂,出于港口环境的限制及作业安全性的考量,海侧及物流车辆通道均无法设置测量站,这造成了测量站设置间距较大,设置位置距被测对象较远的问题,导致用于解算的照片数量受到限制,且多为大角度、远距离测量,使得测量相机镜头的光学畸变被相当程度地放大。此外港口起重机械的测量数据并不仅仅用于外形测绘,还将被应用于安全评价等领域,因此对于测量精度的要求较传统摄影测量对象更高。由于以上原因,将现有的摄影测量算法直接应用于港口起重机械的测量时,测量结果的精度无法满足要求。
发明内容
本发明就是针对现有技术的不足,提供了一种精确度高的应用于起重机械的摄影测量算法。
为了实现上述目的,本发明所设计的应用于起重机械的摄影测量算法,其特征之处在于,包括以下步骤:
S1测量交汇直线上的点,建立交汇直线的表达式;
S2建立预测交汇点到各直线距离的表达式;
S3根据距离之和最小原则,求解预测交汇点坐标,从而对待测物的三维进行重建。
进一步地,步骤s3还包括如下过程:
S31计算用来确定直线的各点在各相平面坐标系内的非线性畸变;
S32计算各直线在各像平面坐标系内的投影对预测交汇点计算所造成的误差;
S33将各直线对预测交汇点计算所造成误差的大小作为该直线对预测交汇点的误差权重,将该误差权重分别分配到步骤S2中相对应的距离表达式中,求解预测交汇点坐标。
更进一步地,步骤s33的具体方式为:将各直线对预测交汇点计算所造成误差的大小归一化处理后作为作为该直线对预测交汇点的误差权重,将此误差权重分别分配到步骤S2中相对应的距离表达式中,求解预测交汇点坐标。
再进一步地,所述步骤s3中还包括迭代过程,具体为:
S34设置预测交汇点在各交汇直线的像平面坐标系内的误差阈值;
S35判断预测交汇点的误差是否在误差阈值内,预测交汇点在各交汇直线的像平面坐标系内的误差均在阈值内,进入s351,至少一个误差不在阈值内,则进入s352:
S351预测交汇点在各交汇直线的像平面坐标系内的误差在设置的阈值内,则输出上一步骤计算所得的交汇点;
S352预测交汇点在各交汇直线的像平面坐标系内的误差至少一个不在阈值内,则以上一步计算的交汇点作为预测交汇点,进行权利要求2或权利要求3的操作,得出的预测交汇点再进行步骤s35的误差判断。
更进一步地,步骤s32中用预测交汇点替代投影预测交汇点进行计算。
再进一步地,步骤s32中将各点在像平面坐标系中的理想成像点与实际成像点的连线看作相互平行,进行各直线在各像平面坐标系内的投影预测交汇点的误差计算。
本发明的优点在于:本发明的算法是基于港口起重机械特殊的测量需求提出的。与大地、建筑测绘需要尽可能地还原被测物体的细节特征不同,港口起重机械的建模及安全评价研究并不需要针对诸如楼梯扶手、护栏在内的复杂细节进行测量,这使得用于港口起重机械的摄影测量方法可以专注于针对前大梁、T型架等外形规则的结构件做出优化。
由于没有曲面、曲线等复杂特征的存在,这些结构件的三维重建,仅需要一些“关键点”,即可完成。而这些关键的尺寸参数,可以通过一些关键点的空间位置关系计算得出。本发明的方法则是给处了如何获取这些关键点的过程,并尽量减小通过这些关键点计算出的预测交汇点的误差,从而更准确地将被测物体进行三维重建。
附图说明
图1为轮胎龙门吊的大梁结构示意图。
图2为图1中d点的交汇结构示意图。
图3为交汇点预测原理示意图。
图4为权重的计算流程图。
图5为直线在像平面坐标系内的结构示意图。
图6为各直线在各像平面坐标系内的投影预测交汇点计算所造成的误差计算示意图。
图7为迭代算法流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细描述:
本发明所设计的应用于起重机械的摄影测量算法,以下以轮胎龙门吊为例进行描述。
图1所示为轮胎龙门吊的大梁结构示意图,只需准确测出a、b、c、d、e、f、g、h等八个关键节点的三维坐标,就可以准确还原大梁的外形尺寸。为了实现精确还原关键节点的三维坐标重建,本发明将利用等权交汇点预测算法、加权交汇点预测算法和迭代算法对关键节点进行精确还原,具体过程如下:
一、等权交汇点预测算法
如图1所示的这些关键节点有一个共同特征,那就是它们都属于三线交汇点,即由三条空间直线交会所得的点。以图1中的d点为例,可以如图2所示,通过测量d1、d2、d3、d4、d5、d6的空间坐标,得到空间直线l12、l34、l56的表达式,再利用d点为l12、l34、l56交点的特性,便可求得d点的空间坐标。与直接求解d点的空间坐标相比,上述利用d点为三线交汇点的特性进行测量的方法引入了点d1、d2、d3、d4、d5、d6测量数据,这为d点的空间坐标解算引入了多余观测数据。
然而,在实际的测量工作中,利用求解三线交汇点,得到空间点坐标的方法并不适用。如图3所示,由立方体上的点a、b所确定的棱线lab,由立方体上的点c、d所确定的棱线lcd,由立方体上的点f、e所确定的棱线lfe相交于点i,但由于测量相机光学畸变的存在,实际还原到物方坐标系中的点a'、b'所确定的棱线la'b',由立方体上的点c'、d'所确定的棱线lc'd',由立方体上的点f'、e'所确定的棱线lf'e'并不能相交于一点。
因此,需要在物方坐标系中找到一个可通过计算得出的点来代表点i,我们称这一点为预测交汇点i'。如图3所示,为了使预测交汇点i'能够更为为准确地模拟三条直线的交汇点,应保证i'点到直线la'b'、lc'd'、lf'e'的距离d1、d2、d3三者之和为最小。基于这一原理,点i'在物方坐标系中的坐标的求解步骤如下:
(1)求交会直线的表达式;
(2)求预测交汇点到各直线距离的表达式;
(3)求预测交汇点坐标。
其详细计算公式如下:
而fmin(x,y,z)所对应的点,即为预测交汇点i',该点的坐标值i'(xi',yi',zi')可通过MATLAB中的fmincon函数求解。
上述求解预测交汇点的方法成立的前提,是直线la'b'、lc'd'、lf'e'在距离求解模型中占有相同权重,因此将此过程称为:等权交汇点预测算法。
二、加权交汇点预测算法
由于相机镜头光学畸变的存在,理论上物点在相平面坐标系中的像点的位置与真实投影点的位置必然存在误差,而这一误差的大小,决定了像点的“可信程度”。因此,可以以像点与真实投影点间的相对距离,作为量化评价像点的“可信程度”的参数,即:
其中:
q-像点的“可信程度”;
dq-像点与真实投影点间的相对距离。
dq与像点在像平面坐标系内的坐标值相关,因此相平面内各点的“可信程度”并不相同。
前文介绍了等权交汇点预测算法,该算法是以直线la'b'、lc'd'、lf'e'在距离求解模型中占有相同权重为前提的。然而,如图3所示,用来求解直线la'b'、lc'd'、lf'e'的点a'、b'、c'、d'、f'、e'的“可信程度”实际上并不相同,因此直线la'b'、lc'd'、lf'e'的“可信程度”也存在着差异,而等权交汇点预测算法并未根据“可信程度”赋予每条直线不同的权重。
因此,为了使计算结果更为精确,在计算虚拟交汇点时,应根据直线la'b'、lc'd'、lf'e'各自的“可信程度”在距离求解模型中赋予它们不同的权重。而这一引入了“加权”概念的虚拟交汇点计算方法,本专利命名其为:加权交汇点预测算法。
加权交汇点预测算法与等全交汇点预测算法的区别,在于加权交汇点算法在等权交汇点预测算法所使用的距离求解模型中,引入了权重系数:
设直线la'b'、lc'd'、lf'e'所对应的权重系数分别为:Q1、Q2、Q3,则等权交汇点预测算法中的距离求解模型f(x,y,z)可转化为加权距离求解模型fQ(x,y,z):
与等权交汇点预测算法相类似,fQmin(x,y,z)所对应的点,即为预测交汇点i',该点的坐标值i'(xi',yi',zi')亦可通过MATLAB中的fmincon函数求解。
显然,权重系数Q1、Q2、Q3是加权交汇点预测算法的关键,Q1、Q2、Q3计算过程如下:
由于摄影测量所使用的测量相机镜头具有较好的制造及装配精度,依据Ricolfe-Viala C等人的理论,针对此类相机,只需考虑镜头的一阶径向畸变与二阶离心畸变,故相机的非线性畸变模型可简化为:
其中:
ud=x-u0
vd=y-v0
(u0,v0)为摄像机主点的坐标。
由图3可知,在加权交汇点预测算法中,共需要3条物方坐标系中的空间直线来确定预测交汇点的位置。而上述方法计算所得的非线性畸变值δx、δy皆是像平面坐标系内的坐标偏移量。因此,必需利用3条物方坐标系中的空间直线在各相平面坐标系内的二维投影,才通过物方坐标系中用来确定各直线的点在像平面坐标系中像点的非线性畸变值计算各直线在加权距离求解模型fQ(x,y,z)中的权重系数Q1、Q2、Q3,这一算法的流程如图4所示。
由于使用n张照片进行解算时,每条直线都会有n个相对应的像平面坐标系内的平面投影,本实施例仅以图3中的直线la'b'在如图6所示的一个像平面内的投影为例,介绍图4所示的步骤1的计算过程,其余直线的计算过程相同。
如图5所示,直线l与直线l'分别对应图3中的直线lab、la'b',点a、b、a'、b'也与图3中的点a、b、a'、b'相对应,且它们的特性如下所述:
①点b(x1,y1)、a(x2,y2)为物点在像平面坐标系内的理想成像点,即无畸变状态下的成像点;
②点b'(x'1,y'1)、a'(x'2,y'2)为物点在像平面坐标系内的实际成像点,即有畸变状态下的成像点;
③点i(x0,y0)为理想条件下的交汇点;
④d10为点b、点b'之间的距离;
⑤d20为点a、点a'之间的距离;
依据点b、b',上述相机的非线性畸变模型算法,可以求得:
其中:
ud2=x'1-u0
vd2=y'1-v0
ud1=x'2-u0
vd1=y'2-v0
k1、k2-测量相机的径向畸变参数
q1、q2-测量相机的离心畸变参数
s1、s2-为测量相机的薄棱镜畸变参数
此外,图5中的点i'(x'0,y'0)为在物方坐标系内,经过计算所得的预测交汇点作直线l'所对应的空间直线的垂线所得的垂足在像平面坐标系内所对应的点。由于相对用于确认直线的各点之间的距离而言,这一垂足点与预测交汇点在平面投影点间的距离可以忽略不计,因此可以近似认为图5中的点i'为图3中的点i'在像平面坐标系内的像点。设图3中点i'在物方坐标系中的坐标为:(X,Y,Z),可依据摄影测量算法中物方坐标系坐标与像平面坐标系坐标的转化算法,计算得出图5中的点i'(x'0,y'0)的坐标:
其中:
b1=cosωsinκ
b2=cosωcosκ
b3=-sinω
(X0,Y0,Z0)为摄影中心坐标
f、ω、κ、Δx、Δy为相机标定获得的参数
由于d10、d20、d00十分微小,因此可以近似地认为图5中直线laa'、lbb'、lii'互为平行关系。如图6所示:过点a作直线laa'的垂线,垂足为点J,垂线与直线lbb'相交于点H;过点a'作直线laa'的垂线,垂足为点K,垂线与直线lbb'相交于点M。由于直线laa'、lbb'、lii'互为平行关系,因此三角形abH相似于三角形aiJ,三角形a'b'M相似于三角形a'i'K。
由相似三角形及平行直线的特性可知:
因此:
由于d00可以直观地反应点i、i'的偏离度,因此,d00可用于度量由点a'、b'所确定的直线在与其它两条空间直线共同计算预测交汇点时所引入误差的大小。至此,图4中的步骤1已经完成,接下来,本实施例将介绍图4中的步骤2以及步骤3,即依据各直线在各像平面中的d00,计算得出权重系数Q1、Q2、Q3的方法。
摄影测量需要两张以上的照片,而虚拟交汇点的计算需要三条直线,因此,当我们采用n张照片来进行解算时,对于直线l1、l2、l3我们可以得出:l1在各照片像平面坐标系内求得的d00数据:{dl11,dl12,dl13,...,dl1n};l2在各照片像平面坐标系内求得的d00数据:{dl21,dl22,dl23,...,dl2n};l3在各照片像平面坐标系内求得的d00数据:{dl31,dl32,dl33,...,dl3n}等三组数据。
由于误差大小Δ与d00之间的关系为:Δ∝d00,因此权重Q与d00之间的关系为:此外,为了计算的直观性,还应对直线l1、l2、l3所对应的权重Q1、Q2、Q3进行归一化,即使得Q1、Q2、Q3满足关系式:
Q1+Q2+Q3=1
因此,Q1、Q2、Q3的计算公式为:
三、迭代算法
仅进行一次运算得到的预测交汇点的精度并不可控,因此不能保证其结果能达到港口起重机械测量的精度要求。为了解决这一问题,本发明还提出了一套与之匹配的迭代算法。
这套迭代算法始于利用等权交汇点预测算法计算出等权预测交汇点E0。在此之后,可依据加权交汇点预测算法计算得出新的加权预测交汇点E1,以及各直线在各像平面中所对应的d00。由于d00可以用来衡量E1的可信程度,因此针对d00设置一个阈值,并根据d00与阈值的比较结果,判断是否采信E1作为预测交汇点的最终计算结果,以及后续应进行的操作。具体流程如图7所示,具体判断规则为:
1、若所有直线在各在像平面坐标系内的d00都包含于阈值之内,则采信E0作为预测交汇点的最终计算结果;
2、若有直线在对应像平面坐标系内的d00超过阈值范围,则不采信E0作为预测交汇点的最终计算结果。应继续依据如上所述的加权交汇点预测算法进行计算,根据E0计算与之对应的新的权重Q11、Q21、Q31,并依求得新的预测交汇点E1。然后再将d00进行阈值比较,所有直线在各在像平面坐标系内的d00都包含于阈值之内,则停止计算,采用上一次加权交汇点预测算法计算的预测交汇点作为输出,否则利用上一次加权交汇点预测算法计算所得作为预测交汇点,再次进行加权交汇点预测算法进行计算,再将d00进行阈值比较,直到满足要求为止。
本文所描述的加权迭代交汇点预测算法有如下优点:
1、采用交汇点预测算法,为单点测量引入更多的多余观测,提升了测量结果的精度;
2、利用基于测量相机光学镜头畸变模型的加权算法,对交汇点预测算法进行了改良,进一步提升了测量结果的精度,并给出了量化评价测量结果准确性的方法;
3、基于交汇点预测算法与加权算法,提出了一套独有的迭代算法,使得计算结果的精度变得可控,从而为测量结果的靠性提供了保障。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方法替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (6)
1.一种应用于起重机械的摄影测量算法,其特征在于,包括以下步骤:
S1测量交汇直线上的点,建立交汇直线的表达式;
S2建立预测交汇点到各直线距离的表达式;
S3根据距离之和最小原则,求解预测交汇点坐标,从而对待测物的三维进行重建。
2.根据权利要求1所述的应用于起重机械的摄影测量算法,其特征在于:步骤s3的还包括如下过程:
S31计算用来确定直线的各点在各相平面坐标系内的非线性畸变;
S32计算各直线在各像平面坐标系内的投影对预测交汇点计算所造成的误差;
S33将各直线对预测交汇点计算所造成误差的大小作为该直线对预测交汇点的误差权重,将此误差权重分别分配到步骤S2中相对应的距离表达式中,求解预测交汇点坐标。
3.根据权利要求2所述的应用于起重机械的摄影测量算法,其特征在于:步骤s33的具体方式为:将各直线对预测交汇点计算所造成误差的大小归一化处理后作为作为该直线对预测交汇点的误差权重,将此误差权重分别分配到步骤S2中相对应的距离表达式中,求解预测交汇点坐标。
4.根据权利要求3所述的应用于起重机械的摄影测量算法,其特征在于:
所述步骤s3中还包括迭代过程,具体为:
S34设置预测交汇点在各交汇直线的像平面坐标系内的误差阈值;
S35判断预测交汇点的误差是否在误差阈值内,预测交汇点在各交汇直线的像平面坐标系内的误差均在阈值内,进入s351,至少一个误差不在阈值内,则进入s352:
S351预测交汇点在各交汇直线的像平面坐标系内的误差在设置的阈值内则,输出上一步骤计算所得的交汇点;
S352预测交汇点在各交汇直线的像平面坐标系内的误差至少一个不在阈值内,则以上一步计算的交汇点作为预测交汇点,进行权利要求2或权利要求3的操作,得出的预测交汇点再进行步骤s35的误差判断。
5.根据权利要求2所述的应用于起重机械的摄影测量算法,其特征在于:步骤s32中用预测交汇点替代投影预测交汇点进行计算。
6.根据权利要求5所述的应用于起重机械的摄影测量算法,其特征在于:步骤s32中将各点在像平面坐标系中的理想成像点与实际成像点的连线看作相互平行,进行各直线在各像平面坐标系内的投影预测交汇点的误差计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711271490.9A CN108088383B (zh) | 2017-12-05 | 2017-12-05 | 一种应用于起重机械的摄影测量算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711271490.9A CN108088383B (zh) | 2017-12-05 | 2017-12-05 | 一种应用于起重机械的摄影测量算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108088383A true CN108088383A (zh) | 2018-05-29 |
CN108088383B CN108088383B (zh) | 2019-06-25 |
Family
ID=62173854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711271490.9A Active CN108088383B (zh) | 2017-12-05 | 2017-12-05 | 一种应用于起重机械的摄影测量算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108088383B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109141372A (zh) * | 2018-09-05 | 2019-01-04 | 武汉理工大学 | 一种用于港口起重机械摄影测量的模糊匹配方法 |
CN110068282A (zh) * | 2019-03-18 | 2019-07-30 | 杭州电子科技大学 | 一种基于摄影测量的起重机械主梁变形检测方法 |
CN110567437A (zh) * | 2019-06-28 | 2019-12-13 | 武汉理工大学 | 港口起重机械摄影测量方法 |
CN111780725A (zh) * | 2020-05-29 | 2020-10-16 | 武汉理工大学 | 一种应用于机械结构摄影测量的同名点匹配方法 |
CN114581361A (zh) * | 2021-06-28 | 2022-06-03 | 广州极飞科技股份有限公司 | 物体形态测量方法、装置、设备及存储介质 |
CN115326019A (zh) * | 2022-07-28 | 2022-11-11 | 宁波市特种设备检验研究院 | 一种基于光学畸变加权的外方位元素转移算法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4460921A (en) * | 1982-10-27 | 1984-07-17 | Eastman Kodak Company | Process for monitoring crimped material |
US20030200668A1 (en) * | 2000-09-20 | 2003-10-30 | Bridgestone Corporation | Hole center detecting apparatus, straightness measuring apparatus, and residual torsion measuring apparatus |
CN102789644A (zh) * | 2012-07-18 | 2012-11-21 | 兰州大学 | 一种新的基于两条相交直线的相机标定方法 |
CN104395692A (zh) * | 2012-06-29 | 2015-03-04 | 富士胶片株式会社 | 三维测定方法、装置、系统以及图像处理装置 |
CN104864854A (zh) * | 2015-06-01 | 2015-08-26 | 中国科学院光电技术研究所 | 一种基于三角形边长、内角、形状因子加权约束的单目视觉位姿测量方法 |
-
2017
- 2017-12-05 CN CN201711271490.9A patent/CN108088383B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4460921A (en) * | 1982-10-27 | 1984-07-17 | Eastman Kodak Company | Process for monitoring crimped material |
US20030200668A1 (en) * | 2000-09-20 | 2003-10-30 | Bridgestone Corporation | Hole center detecting apparatus, straightness measuring apparatus, and residual torsion measuring apparatus |
CN104395692A (zh) * | 2012-06-29 | 2015-03-04 | 富士胶片株式会社 | 三维测定方法、装置、系统以及图像处理装置 |
CN102789644A (zh) * | 2012-07-18 | 2012-11-21 | 兰州大学 | 一种新的基于两条相交直线的相机标定方法 |
CN104864854A (zh) * | 2015-06-01 | 2015-08-26 | 中国科学院光电技术研究所 | 一种基于三角形边长、内角、形状因子加权约束的单目视觉位姿测量方法 |
Non-Patent Citations (1)
Title |
---|
简慧杰等: "用于大视场三维探测的人工复眼系统几何标定", 《光学学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109141372A (zh) * | 2018-09-05 | 2019-01-04 | 武汉理工大学 | 一种用于港口起重机械摄影测量的模糊匹配方法 |
CN110068282A (zh) * | 2019-03-18 | 2019-07-30 | 杭州电子科技大学 | 一种基于摄影测量的起重机械主梁变形检测方法 |
CN110068282B (zh) * | 2019-03-18 | 2020-10-09 | 杭州电子科技大学 | 一种基于摄影测量的起重机械主梁变形检测方法 |
CN110567437A (zh) * | 2019-06-28 | 2019-12-13 | 武汉理工大学 | 港口起重机械摄影测量方法 |
CN111780725A (zh) * | 2020-05-29 | 2020-10-16 | 武汉理工大学 | 一种应用于机械结构摄影测量的同名点匹配方法 |
CN111780725B (zh) * | 2020-05-29 | 2022-05-13 | 武汉理工大学 | 一种应用于机械结构摄影测量的同名点匹配方法 |
CN114581361A (zh) * | 2021-06-28 | 2022-06-03 | 广州极飞科技股份有限公司 | 物体形态测量方法、装置、设备及存储介质 |
CN115326019A (zh) * | 2022-07-28 | 2022-11-11 | 宁波市特种设备检验研究院 | 一种基于光学畸变加权的外方位元素转移算法 |
Also Published As
Publication number | Publication date |
---|---|
CN108088383B (zh) | 2019-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108088383B (zh) | 一种应用于起重机械的摄影测量算法 | |
CN109741405B (zh) | 一种基于对偶结构光rgb-d相机的深度信息采集系统 | |
CN104299244B (zh) | 基于单目相机的障碍物检测方法及装置 | |
CN108038902A (zh) | 一种面向深度相机的高精度三维重建方法和系统 | |
CN112525164B (zh) | 一种基于无人机倾斜摄影技术对超高层建筑变形检测的方法 | |
CN109710724B (zh) | 一种构建点云地图的方法和设备 | |
CN103743352B (zh) | 一种基于多相机匹配的三维变形测量方法 | |
CN110415300B (zh) | 一种基于三靶标建面的立体视觉结构动态位移测量方法 | |
CN105180890A (zh) | 融合激光点云和数字影像的岩体结构面产状测量方法 | |
CN107314762A (zh) | 基于无人机单目序列影像的电力线下方地物距离检测方法 | |
CN102645173A (zh) | 一种基于多目视觉的桥梁三维变形监测方法 | |
CN104036542A (zh) | 一种基于空间光线聚集性的像面特征点匹配方法 | |
Ahmed et al. | Using digital photogrammetry for pipe-works progress tracking | |
CN110398208A (zh) | 基于摄影全站仪系统的大数据变形监测方法 | |
CN109211132A (zh) | 一种无人机高精度摄影测量获取高大物体变形信息的方法 | |
CN109827526A (zh) | 一种基于摄影测量平面平整度检测方法及其数据处理流程 | |
CN103292733A (zh) | 一种基于相移和三视张量的对应点查找方法 | |
CN104318566B (zh) | 可返回多个高程值的新型多视影像铅垂线轨迹匹配方法 | |
CN108830317A (zh) | 基于数字摄影测量的露天矿山边坡岩体节理产状快速精细取值方法 | |
CN113393577B (zh) | 一种倾斜摄影地形重建方法 | |
Wysocki et al. | Unlocking point cloud potential: Fusing MLS point clouds with semantic 3D building models while considering uncertainty | |
CN107504959B (zh) | 利用倾斜航空影像测量房屋墙基轮廓的方法 | |
CN106500729A (zh) | 一种无需控制信息的智能手机自检校方法 | |
CN109141372A (zh) | 一种用于港口起重机械摄影测量的模糊匹配方法 | |
Lu et al. | A weighting intersection point prediction iteration optimization algorithm used in photogrammetry for port hoisting machinery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |