CN108460788A - 一种用于大型风力叶片运动追踪的视频测量方法 - Google Patents
一种用于大型风力叶片运动追踪的视频测量方法 Download PDFInfo
- Publication number
- CN108460788A CN108460788A CN201810228176.0A CN201810228176A CN108460788A CN 108460788 A CN108460788 A CN 108460788A CN 201810228176 A CN201810228176 A CN 201810228176A CN 108460788 A CN108460788 A CN 108460788A
- Authority
- CN
- China
- Prior art keywords
- point
- camera
- large scale
- image
- scale wind
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000005259 measurement Methods 0.000 claims abstract description 33
- 238000012937 correction Methods 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 18
- 230000005405 multipole Effects 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims abstract description 6
- 238000005507 spraying Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 15
- 235000007164 Oryza sativa Nutrition 0.000 claims description 6
- 235000009566 rice Nutrition 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 3
- 240000007594 Oryza sativa Species 0.000 claims 2
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 8
- 241000209094 Oryza Species 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 229920001971 elastomer Polymers 0.000 description 1
- 239000000806 elastomer Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本公开涉及一种用于大型风力叶片运动追踪的视频测量方法，所述方法包括：喷涂随机散斑图案并粘贴定向反光标志点；将叶片表面分为多个测量区域，不同的测量区域放置对应的相机组；相机标定；控制各个相机同时连续采集大型风力叶片旋转时的图像；根据采集到的散斑图案进行旋转校正后，对各个相机所采集的每帧图像进行分析并计算出所述反光标志点中心坐标，将各个相机所采集的每帧图像中的相关点进行多极线匹配；根据采集图像以及多极线匹配的结果进行三维重建，得到大型风力叶片上各个点的三维坐标，分析大型风力叶片上所述反光标志点在变形过程中的变化情况，得到大型风力叶片表面关键点的变形；本发明能够准确得到特征表面任意位置每个状态下的空间坐标，实现跟踪与运动测量的目的。
Description
技术领域
本公开涉及三维测量领域中的大型风力叶片运动追踪与变形测量，特别涉及一种用于大型风力叶片运动追踪的视频测量方法。
背景技术
大型风力叶片是一种展向短而弦向长的弹性体结构，作为风力机的主要承载部件，几乎所有力都要通过叶片传递出去，叶片必然容易发生振动和变形，从而影响风力发电机的平稳运行，严重时会导致风力机损坏。然而现阶段普遍采用的接触式传感器难以有效应对这种测量需求。一方面，由于引线的问题，传感器在大型或高速旋转叶片上不好布置；另一方面，传感器建立的观测点有限，不能对整个叶片任意位置的全场位移与变形进行测量。
视频测量方法通过计算出每帧中标志点的三维坐标来获得每个标志点在受载时的位移和变形，已经被广泛使用在非接触式全场变形与应变测量中。然而，由于大型风力叶片的测量条件存在大扭矩或高速旋转的特点，使用普通的哑光型标志点进行测量存在图像弱相关的问题，通过标志点直接进行图像匹配，很可能找不到变形前后的相似子区，导致匹配失败。现有双目视频测量在进行相关点匹配时，仅考虑两幅图片，很容易产生歧义，即沿某一极线搜索时有多个像点会被选为对应像点。且双目视频测量系统仅适合应用于稀疏、散乱的编码点，对于密集排布的非编码点存在测量效果不理想的缺陷，如图1所示。为了提高像点的匹配率，在双相机立体摄影测量的基础上，可以考虑增加一台或多台相机组成多相机立体摄影测量系统，如图2所示，从多个不同角度下拍摄被测物体，利用多个约束即可消除或大大降低匹配出错的可能性。
发明内容
为克服传统测量手段的缺陷，实现旋转运动大型风力叶片的变形追踪，本公开提出一种用于大型风力叶片运动追踪的视频测量方法，在被测物体表面粘贴定向反光标志点。对多个相机采集到的标志点图像采用梯度幅值法进行亚像素精度边缘定位，然后用椭圆最小二乘拟合后得到标志点中心。接着根据前后采集到的散斑图像进行旋转变换，旋转矫正后再通过定向反光标志点多极线匹配计算出每帧中标志点的三维坐标，实现跟踪与变形测量的目的。
本发明提供一种用于大型风力叶片运动追踪的视频测量方法，所述方法包括下述步骤：
S100、在待测量的大型风力叶片表面粘贴定制的定向反光标志点；其中一个叶片喷涂有随机散斑图案；
S200、根据测量需求，将大型风力叶片表面分为多个测量区域，针对不同的测量区域放置对应的相机组；
S300、采用带有编码标志点的米字型标定架对各个相机组的内外参数进行标定；所述相机组包括第一相机、第二相机和第三相机；
S400、设置相机每秒拍摄帧数，控制各个相机同时连续采集大型风力叶片旋转时的图像；
S500、根据采集到的散斑图案进行旋转矫正，然后对各个相机所采集的每帧图像进行分析并计算出所述反光标志点中心坐标，将各个相机所采集的每帧图像中的相关点进行多极线匹配；
S600、根据采集图像以及多极线匹配的结果进行三维重建，得到大型风力叶片上各个点的三维坐标，分析大型风力叶片上所述反光标志点在变形过程中的变化情况，得到大型风力叶片表面关键点的变形；所述关键点是大型风力叶片表面变形量大于预设变形量的点。
进一步的，所述步骤S100中大型风力叶片表面粘贴定向反光标志点具体包括：在每个叶片表面粘贴三个及以上反光标志点，使得每个相机能够拍摄到每个叶片上至少三个反光标志点。其中一个叶片喷涂有四个随机散斑图案，所述四个随机散斑图案分布在叶片压力侧的根部、尖部和中部，叶片上的黑点为用于点跟踪的标志点。
进一步的，所述步骤S200中根据测量需求，将大型风力叶片表面分为多个测量区域，针对不同的测量区域放置对应的相机组包括：
将大型风力叶片分为整体测量区域和局部测量区域；对所述整体测量区域和局部测量区域分别放置对应的相机组；所述局部测量区域为大型风力叶片表面弯曲曲率大于预设值的区域。
进一步的，所述步骤S300中采用带有编码标志点的米字型标定架对相机组的内外参数进行标定的过程包括以下步骤：
S301、启动从不同角度和距离采集标定架图像，然后计算标定架上控制点的图像坐标；
S302、采用直接线性变换算法解算投影矩阵，根据求得的投影矩阵求解摄像机内外参数，从而得到标定各参数的初始值；
S303、利用光学平差方程对摄像机进行标定，得到精确的摄像机内外参数并将标定结果保存，所述光学平差方程为：
V＝AX1+BX2+CX3-L，
其中，X1表示内方位参数改正数，X2表示外方位参数改正数，X3表示物体点三维坐标改正数，A表示内外方位参数偏导数矩阵，B表示外方位参数偏导数矩阵，C表示物体点坐标对应的偏导数矩阵，L表示观测真实值与初值偏差；
当所述光学平差达到最小时，得到相机组精确的内外参数，即能够实现相机组内外参数的整体解算。
进一步的，所述步骤S400中，当相机拍摄获得预设帧数，或者达到预设拍摄时间之后，停止图像采集，多相机的对应图像为同一时刻拍下的图像，在整个采集过程中，多个相机的相对位置不发生变化。
进一步的，所述步骤S500中根据采集到的散斑图案进行旋转校正包括下述步骤：
S501、选择某个旋转状态作为基准状态，将其它状态作为变形状态；
S502、将基准状态的第一图像和第二图像进行散斑匹配，重建出三维点，获取观测点的初始位置；
S503、选择一个变形状态，分别获取所述变形状态与所述基准状态的第三图像，利用两个所述第三图像的标志点像进行相似性匹配，获取所述变形状态相对于所述基准状态的旋转中心和旋转角度；
S504、基于旋转参数，将所述变形状态进行旋转校正。
进一步的，所述步骤S500中计算所述反光标志点中心坐标包括下述步骤：
S505、对采集的图像进行梯度分块、边缘检测处理，得到步骤S100中叶片表面粘贴的定向反光标志点的粗略位置；
S506、用梯度幅值作为权值来计算沿梯度方向的位置加权值，对边缘位置沿梯度方向作子像素级校正，所述子像素级校正值为：
其中，di是一个像素沿梯度方向与检测到的边缘点的距离，gi是梯度幅值，n为检测得到的图像边缘的像素点个数；
S507、采用圆度准则鉴别出所述边缘集中的椭圆，并根据先验信息去除不合条件的椭圆；所述先验信息包括椭圆的面积，椭圆轮廓及相邻椭圆之间的距离；当椭圆面积小于预设值、椭圆轮廓呈凹性、非封闭性、或者相邻椭圆之间的距离小于预设距离时，去除该椭圆；
S508、采用最小二乘法拟合出符合条件椭圆的中心坐标，第一次拟合后去除掉符合条件椭圆中距离大于3倍标准差的边缘，再进行第二次拟合，得到符合条件椭圆的中心坐标。
进一步的，所述步骤S500中多极线匹配包括下述步骤：
S511、遍历各个相机所拍摄的每一帧图像中所有像素点的组合；
S512、遍历第一相机所有像素点，并在第二相机、第三相机中寻找对应的匹配点；
S513、进行匹配结果判定，匹配成功则累加成功匹配点的个数，匹配结果判定完毕；否则返回步骤S512；
S514、匹配结果判定完毕之后，判断成功匹配点的个数是否保持不变，若是，则结束匹配，否则返回步骤S511。
进一步的，所述步骤S513中匹配结果满足预设条件则判定匹配成功；
所述预设条件包括：每个定向反光标志点必须在各个相机同一时刻拍摄的图像上出现并且两两符合外极线约束条件；并且，同一时刻三个图像标志点两两三维重建获得的三个物体点在空间里的聚集度小于给定值Ea，并且所述重建获得的N个物体点在每帧图像上的重投影误差小于给定值Er。
进一步的，所述大型风力叶片的运动参数包括：挥舞、摆振和扭转。
与现有技术相比，本公开方法采用多相机进行拍摄，通过对大视场相机组内外参数整体解算，可实现大幅面全场应变的检测；本公开方法能对大型风力叶片表面建立密集点云，进行运动参数的分析，得到运动过程中各个采集时刻的位移，速度和加速度，以及特征区域的全场变形与应变，测量数据全面，测量精度高，能获得大型风力叶片运动过程中的可靠数据。
附图说明
图1双目匹配的示意图；
图2多目匹配的示意图；
图3本公开一个实施例中整体测量相机放置示意图；
图4本公开一个实施例中局部测量相机放置示意图；
图5本公开一个实施例中定向反光标志点的放置示意图；
图6本公开一个实施例中关于定向反光标志点分类的示意图；
图7本公开一个实施例中其中一个风力叶片配有四个随机散斑图案区域示意图；
图8本公开一个实施例的测量系统方案示意图；
图9本公开一个实施例中用于大型风力叶片运动追踪的视频测量方法流程图；
图10本公开一个实施例中关于多相机极线匹配的流程示意图。
具体实施方式
对于本公开中涉及的方法，主要的应用场合为测量大型风力叶片高速转动过程中的振动及变形，因此本公开的实施例以大型风力叶片为测量对象，叙述整个测量的实施过程。
在一个实施例中，提供一种用于大型风力叶片运动追踪的视频测量方法，如图9所示，所述方法包括下述步骤：
S100、在待测量的大型风力叶片表面粘贴定制的定向反光标志点；其中一个叶片喷涂有随机散斑图案；优选的，一个叶片上喷涂有四个随机散斑图案。
S200、根据测量需求，将大型风力叶片表面分为多个测量区域，针对不同的测量区域放置对应的相机组；
S300、采用带有编码标志点的米字型标定架对各个相机组的内外参数进行标定；所述相机组包括第一相机、第二相机和第三相机；
S400、设置相机每秒拍摄帧数，控制各个相机同时连续采集大型风力叶片旋转时的图像；
S500、根据采集到的散斑图案进行旋转矫正，对各个相机所采集的每帧图像进行分析并计算出所述反光标志点中心坐标，将各个相机所采集的每帧图像中的相关点进行多极线匹配；
S600、根据采集图像以及多极线匹配的结果进行三维重建，得到大型风力叶片上各个点的三维坐标，分析大型风力叶片上所述反光标志点在变形过程中的变化情况，得到大型风力叶片表面关键点的变形；所述关键点是大型风力叶片表面变形量大于预设变形量的点。
在本实施例中，所述方法利用在每片大型风力叶片上粘贴定制的定向反光标志点的方式，通过视频测量方法实现叶片运动的追踪，并根据获得的匹配结果解算出叶片的运动参数，具有非接触式，测量范围大，精度高以及能同时对叶片的外形、变形、运动参数进行检测的优点。
在一种实施方式中，步骤S200中根据测量需求，将大型风力叶片表面分为多个测量区域，针对不同的测量区域放置对应的相机组包括：
将大型风力叶片分为整体测量区域和局部测量区域；对所述整体测量区域和局部测量区域分别放置对应的相机组；所述局部测量区域为大型风力叶片表面弯曲曲率大于预设值的区域。
示例性的，整体测量区域主要针对叶片的整体变形进行测量，在布置相机组时，可以用相机1和相机3分别覆盖整个风力叶片的运动区域，相机2则正对叶片并分别与前两个相机交会，相机布置如图3所示。在整个测量期间，所有拍摄的照片都会捕获整个风力叶片结构。局部测量区域主要针对叶片弯曲部分的变形进行测量，可以将相机组布置在局部测量区域附近，例如将分别由两个相机组成的三组相机分别固定在距离局部测量区域4m的位置，相机布置如图4所示。
在本实施例中，步骤S200中所述相机组的相机数目为三个。然而，本领域技术人员应当明了，相机数目也可以为三个以上，本发明对此不作限定。相机组测量范围应保证覆盖叶片的根部、中部和尖部。
在本实施例中，所述步骤S100中大型风力叶片表面粘贴定向反光标志点具体包括：在每个叶片表面粘贴三个及以上反光标志点，使得每个相机能够拍摄到每个叶片至少三个反光标志点，此外还需在塔上放置反光标志点，如5所示。由于视频测量方法是计算出每帧中标志点的三维坐标，因此采集得到的标志点图像，对于数据计算的精度有着很大的影响。图像质量除了来源于图像的清晰度外，还要考虑标志点反射光的效果。现3M公司生产的圆形人工标志分为三个等级，分别是工程级、超强级和钻石级反光标志点，如图6所示，可以根据测量条件选择合适的定向反光标志点进行使用。
优选的，本实施例中选用的标志点使用高强度粘合剂粘贴在叶片表面，需要保证在高速气流下能够与叶片表面紧密结合，背胶均匀、密封、平整。在每个叶片的根部、中部和尖部至少粘贴一个反光标志点，使得每个相机能够拍摄到每个叶片上至少三个反光标志点。
在本实施例中，为了对采集图像进行校准与误差估计，在其中一个风力叶片上配有四个随机散斑图案区域，如图7所示。在转子叶片安装在风力涡轮机上之前，随机散斑图案就被喷涂到风力叶片的压力侧。叶片上的较大黑点可用于点跟踪，并提供沿叶片的多个已知距离进行图像校准和误差估计。
在本实施例中，图8示意了一种测量系统方案：采用的外部硬件主要包括高亮闪光光源2，三个工业相机或高速相机3，同步控制器4以及数据处理设备5，比如计算机。由于旋转运动的物体一般转速较快，需要使用高速相机采集图像，为了保证较高的采集频率，快门设置得很小，并且为了保证足够的景深，光圈开启的孔径较小，这样采集的图像会很暗，因此需要高亮闪光光源2为被测物体补光。同步控制器4用于控制三个相机2同时采集图像，采集卡、控制电路集成于同步控制器4中。数据处理设备5控制数据采集系统和摄像机2之间的所有通信，并控制触发信号和电源传送到高亮闪光光源2。
在一个实施例中，所述步骤S300中采用带有编码标志点的米字型标定架对相机组的内外参数进行标定的过程包括以下步骤：
S301、启动从不同角度和距离采集标定架图像，然后计算标定架上控制点的图像坐标；
S302、采用直接线性变换算法解算投影矩阵，根据求得的投影矩阵求解摄像机内外参数，从而得到标定各参数的初始值；
S303、利用光学平差方程对摄像机进行标定，得到精确的摄像机内外参数并将标定结果保存，所述光学平差方程为：
V＝AX1+BX2+CX3-L
其中，X1表示内方位参数改正数，X2表示外方位参数改正数，X3表示物体点三维坐标改正数，A表示内外方位参数偏导数矩阵，B表示外方位参数偏导数矩阵，C表示物体点坐标对应的偏导数矩阵，L表示观测真实值与初值偏差；
当所述光学平差达到最小时，得到相机组精确的内外参数，即能够实现相机组内外参数的整体解算。
在本实施例中，所述步骤S400中，当大型风力叶片转动开始后，使用多目相机同时连续采集转动物体的图像，对采集到的每个旋转状态通过三个相机分别获取第一图像、第二图像和第三图像。同步信号同时触发三个相机采集照片，但是有时可能会发生三个相机采集延迟的情况。当物体转动较快时，这种延迟导致三个相机采集到的图像很有可能在空间中已经产生了很大的位移，这样的状态是无效的，不能用于多极线匹配，应当予以移除。因此，对采集到的每个旋转状态中的第一图像、第二图像和第三图像，利用第一图像、第二图像和第三图像中标志点像的对应关系进行同步性校验。优选利用核线约束进行同步性校验。
在本实施例中，所述步骤S500中根据采集到的散斑图案进行旋转校正包括下述步骤：
S501、选择某个旋转状态作为基准状态，将其它状态作为变形状态；
S502、将基准状态的第一图像和第二图像进行散斑匹配，重建出三维点，获取观测点的初始位置；
S503、选择一个变形状态，分别获取所述变形状态与所述基准状态的第三图像，利用两个所述第三图像的标志点像进行相似性匹配，获取所述变形状态相对于所述基准状态的旋转中心和旋转角度；
S504、基于旋转参数，将所述变形状态进行旋转校正。
在本实施例中，所述步骤S500中计算所述反光标志点中心坐标包括下述步骤：
S505、对采集的图像进行梯度分块、边缘检测处理，得到步骤S100中叶片表面粘贴的定向反光标志点的粗略位置；
S506、用梯度幅值作为权值来计算沿梯度方向的位置加权值，对边缘位置沿梯度方向作子像素级校正，所述子像素级校正值为：
其中，di是一个像素沿梯度方向与检测到的边缘点的距离，gi是梯度幅值，n为检测得到的图像边缘的像素点个数；
S507、采用圆度准则鉴别出所述边缘集中的椭圆，并根据先验信息去除不合条件的椭圆；所述先验信息包括椭圆的面积，椭圆轮廓及相邻椭圆之间的距离；当椭圆面积小于预设值、椭圆轮廓呈凹性、非封闭性、或者相邻椭圆之间的距离小于预设距离时，去除该椭圆；
S508、采用最小二乘法拟合出符合条件椭圆的中心坐标，第一次拟合后去除掉符合条件椭圆中距离大于3倍标准差的边缘，再进行第二次拟合，得到符合条件椭圆的中心坐标。
在本实施例中，如图10所示，所述步骤S500中多极线匹配包括下述步骤：
S411、遍历各个相机所拍摄的每一帧图像中所有像素点的组合；
S412、遍历第一相机所有像素点，并在第二相机、第三相机中寻找对应的匹配点；
S413、进行匹配结果判定，匹配成功则累加成功匹配点的个数，匹配结果判定完毕；否则返回步骤S412；
S414、匹配结果判定完毕之后，判断成功匹配点的个数是否保持不变，若是，则结束匹配，否则返回步骤S411。
在本实施例中，所述步骤S413中匹配结果满足预设条件则判定匹配成功；
所述预设条件包括：每个定向反光标志点必须在各个相机同一时刻拍摄的图像上出现并且两两符合外极线约束条件；并且，同一时刻三个图像标志点两两三维重建获得的三个物体点在空间里的聚集度小于给定值Ea，并且所述重建获得的N个物体点在每帧图像上的重投影误差小于给定值Er。
在本实施例中，复杂工况抗干扰和误差补偿的过程为：
通过现场实验，获取光线对测量系统成像误差的详细影响数据，建立误差校正方程和模型，修正测量结果。通过捆绑调整算法优化测量结果，对光线引起的误差进行补偿；
相机组受安放位置限制，相机的测量光轴与被测叶片表面的倾角较大，利用建立的图像校正方法，对采集的图像进行修正。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本公开方法中的一些内容可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。对于以软件产品的形式体现出来的内容，可以存储在可读取的存储介质中，如计算机的软盘，U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例中方法的相关内容。
需要说明的是，在本文中，诸如第一、第二和第三等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
尽管以上结合附图对本发明的实施方案进行了描述，但本发明并不局限于上述的具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本发明保护之列。
Claims (10)
1.一种用于大型风力叶片运动追踪的视频测量方法，其特征在于，所述方法包括下述步骤：
S100、在待测量的大型风力叶片表面粘贴定制的定向反光标志点；其中一个叶片喷涂有随机散斑图案；
S200、根据测量需求，将大型风力叶片表面分为多个测量区域，针对不同的测量区域放置对应的相机组；
S300、采用带有编码标志点的米字型标定架对各个相机组的内外参数进行标定；所述相机组包括第一相机、第二相机和第三相机；
S400、设置相机每秒拍摄帧数，控制各个相机同时连续采集大型风力叶片旋转时的图像；
S500、根据采集到的散斑图案进行旋转矫正，然后对各个相机所采集的每帧图像进行分析并计算出所述反光标志点中心坐标，将各个相机所采集的每帧图像中的相关点进行多极线匹配；
S600、根据采集图像以及多极线匹配的结果进行三维重建，得到大型风力叶片上各个点的三维坐标，分析大型风力叶片上所述反光标志点在变形过程中的变化情况，得到大型风力叶片表面关键点的变形；所述关键点是大型风力叶片表面变形量大于预设变形量的点。
2.根据权利要求1所述的方法，其特征在于：所述步骤S100中大型风力叶片表面粘贴定向反光标志点具体包括：在每个叶片表面粘贴至少三个反光标志点，使得每个相机能够拍摄到每个叶片上至少三个反光标志点。其中一个叶片喷涂有四个随机散斑，所述四个随机散斑图案分布在叶片压力侧的根部、尖部和中部，叶片上的黑点为用于点跟踪的标志点。
3.根据权利要求2所述的方法，其特征在于，所述步骤S200中根据测量需求，将大型风力叶片表面分为多个测量区域，针对不同的测量区域放置对应的相机组包括：
将大型风力叶片分为整体测量区域和局部测量区域；对所述整体测量区域和局部测量区域分别放置对应的相机组；所述局部测量区域为大型风力叶片表面弯曲曲率大于预设值的区域。
4.根据权利要求3所述的方法，其特征在于，所述步骤S300中采用带有编码标志点的米字型标定架对相机组的内外参数进行标定的过程包括以下步骤：
S301、启动从不同角度和距离采集标定架图像，然后计算标定架上控制点的图像坐标；
S302、采用直接线性变换算法解算投影矩阵，根据求得的投影矩阵求解摄像机内外参数，从而得到标定各参数的初始值；
S303、利用光学平差方程对摄像机进行标定，得到精确的摄像机内外参数并将标定结果保存，所述光学平差方程为：
V＝AX1+BX2+CX3-L
其中，X1表示内方位参数改正数，X2表示外方位参数改正数，X3表示物体点三维坐标改正数，A表示内外方位参数偏导数矩阵，B表示外方位参数偏导数矩阵，C表示物体点坐标对应的偏导数矩阵，L表示观测真实值与初值偏差；
当所述光学平差达到最小时，得到相机组精确的内外参数，即能够实现相机组内外参数的整体解算。
5.根据权利要求4所述的方法，其特征在于，所述步骤S400中，当相机拍摄获得预设帧数，或者达到预设拍摄时间之后，停止图像采集，多相机的对应图像为同一时刻拍下的图像，在整个采集过程中，多个相机的相对位置不发生变化。
6.根据权利要求5所述的方法，其特征在于，所述步骤S500中根据采集到的散斑图案进行旋转校正包括下述步骤：
S501、选择某个旋转状态作为基准状态，将其它状态作为变形状态；
S502、将基准状态的第一图像和第二图像进行散斑匹配，重建出三维点，获取观测点的初始位置；
S503、选择一个变形状态，分别获取所述变形状态与所述基准状态的第三图像，利用两个所述第三图像的标志点像进行相似性匹配，获取所述变形状态相对于所述基准状态的旋转中心和旋转角度；
S504、基于旋转参数，将所述变形状态进行旋转校正。
7.根据权利要求5所述的方法，其特征在于，所述步骤S500中计算所述反光标志点中心坐标包括下述步骤：
S505、对采集的图像进行梯度分块、边缘检测处理，得到步骤S100中叶片表面粘贴的定向反光标志点的粗略位置；
S506、用梯度幅值作为权值来计算沿梯度方向的位置加权值，对边缘位置沿梯度方向作子像素级校正，所述子像素级校正值为：
其中，di是一个像素沿梯度方向与检测到的边缘点的距离，gi是梯度幅值，n为检测得到的图像边缘的像素点个数；
S507、采用圆度准则鉴别出所述边缘集中的椭圆，并根据先验信息去除不合条件的椭圆；所述先验信息包括椭圆的面积，椭圆轮廓及相邻椭圆之间的距离；当椭圆面积小于预设值、椭圆轮廓呈凹性、非封闭性、或者相邻椭圆之间的距离小于预设距离时，去除该椭圆；
S508、采用最小二乘法拟合出符合条件椭圆的中心坐标，第一次拟合后去除掉符合条件椭圆中距离大于3倍标准差的边缘，再进行第二次拟合，得到符合条件椭圆的中心坐标。
8.根据权利要求1-6任一所述的方法，其特征在于，所述步骤S500中多极线匹配包括下述步骤：
S511、遍历各个相机所拍摄的每一帧图像中所有像素点的组合；
S512、遍历第一相机所有像素点，并在第二相机、第三相机中寻找对应的匹配点；
S513、进行匹配结果判定，匹配成功则累加成功匹配点的个数，匹配结果判定完毕；否则返回步骤S512；
S514、匹配结果判定完毕之后，判断成功匹配点的个数是否保持不变，若是，则结束匹配，否则返回步骤S511。
9.根据权利要求7所述的方法，其特征在于，所述步骤S513中匹配结果满足预设条件则判定匹配成功；
所述预设条件包括：每个定向反光标志点必须在各个相机同一时刻拍摄的图像上出现并且两两符合外极线约束条件；并且，同一时刻三个图像标志点两两三维重建获得的三个物体点在空间里的聚集度小于给定值Ea，并且所述重建获得的N个物体点在每帧图像上的重投影误差小于给定值Er。
10.根据权利要求1所述的方法，其特征在于，所述大型风力叶片的运动参数包括：挥舞、摆振和扭转。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810228176.0A CN108460788A (zh) | 2018-03-20 | 2018-03-20 | 一种用于大型风力叶片运动追踪的视频测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810228176.0A CN108460788A (zh) | 2018-03-20 | 2018-03-20 | 一种用于大型风力叶片运动追踪的视频测量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108460788A true CN108460788A (zh) | 2018-08-28 |
Family
ID=63237510
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810228176.0A Pending CN108460788A (zh) | 2018-03-20 | 2018-03-20 | 一种用于大型风力叶片运动追踪的视频测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108460788A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110553716A (zh) * | 2019-10-12 | 2019-12-10 | 西安交通大学 | 一种基于计算机视觉的成圈叶片结构振动固有频率的测量方法 |
| CN110793721A (zh) * | 2019-11-12 | 2020-02-14 | 北京优利康达科技股份有限公司 | 一种风力发电机叶片气动不平衡的检测方法和系统 |
| CN111191589A (zh) * | 2019-12-30 | 2020-05-22 | 芜湖哈特机器人产业技术研究院有限公司 | 一种水泵叶片识别抓取方法 |
| CN111854622A (zh) * | 2020-06-09 | 2020-10-30 | 西安交通大学第二附属医院 | 一种大视场光学动态变形测量方法 |
| CN111854632A (zh) * | 2020-06-22 | 2020-10-30 | 新拓三维技术(深圳)有限公司 | 一种高速运动物体的图像测量方法及计算机可读存储介质 |
| CN112096566A (zh) * | 2020-08-27 | 2020-12-18 | 上海扩博智能技术有限公司 | 风机停机状态参数的获取方法、系统、设备和介质 |
| CN112504161A (zh) * | 2020-11-26 | 2021-03-16 | 北京航空航天大学 | 一种兼顾测量精度及效率的发动机叶片复合式测量系统 |
| JPWO2021111533A1 (zh) * | 2019-12-04 | 2021-06-10 | ||
| CN113253561A (zh) * | 2021-05-14 | 2021-08-13 | 广东省科学院半导体研究所 | 叶片追光及摄像装置 |
| WO2021185217A1 (zh) * | 2020-03-16 | 2021-09-23 | 左忠斌 | 一种基于多激光测距和测角的标定方法 |
| CN116740619A (zh) * | 2023-08-10 | 2023-09-12 | 中国海洋大学 | 基于数字图像处理的海上风力机角速度测量方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101566461A (zh) * | 2009-05-18 | 2009-10-28 | 西安交通大学 | 大型水轮机叶片快速测量方法 |
| CN103292722A (zh) * | 2013-06-07 | 2013-09-11 | 温州大学 | 一种非接触式风电叶片全场三维变形测量方法 |
| CN103335604A (zh) * | 2013-07-05 | 2013-10-02 | 温州大学 | 一种工作状态下风轮叶片全场三维变形在线监测方法 |
| CN103743352A (zh) * | 2013-12-18 | 2014-04-23 | 西安交通大学 | 一种基于多相机匹配的三维变形测量方法 |
| CN105973161A (zh) * | 2016-06-17 | 2016-09-28 | 西安交通大学 | 一种桨叶的三维全场变形测量方法 |
| CN107452024A (zh) * | 2017-07-24 | 2017-12-08 | 西安交通大学 | 一种用于旋转物体全场运动追踪的视觉测量方法 |
-
2018
- 2018-03-20 CN CN201810228176.0A patent/CN108460788A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101566461A (zh) * | 2009-05-18 | 2009-10-28 | 西安交通大学 | 大型水轮机叶片快速测量方法 |
| CN103292722A (zh) * | 2013-06-07 | 2013-09-11 | 温州大学 | 一种非接触式风电叶片全场三维变形测量方法 |
| CN103335604A (zh) * | 2013-07-05 | 2013-10-02 | 温州大学 | 一种工作状态下风轮叶片全场三维变形在线监测方法 |
| CN103743352A (zh) * | 2013-12-18 | 2014-04-23 | 西安交通大学 | 一种基于多相机匹配的三维变形测量方法 |
| CN105973161A (zh) * | 2016-06-17 | 2016-09-28 | 西安交通大学 | 一种桨叶的三维全场变形测量方法 |
| CN107452024A (zh) * | 2017-07-24 | 2017-12-08 | 西安交通大学 | 一种用于旋转物体全场运动追踪的视觉测量方法 |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110553716A (zh) * | 2019-10-12 | 2019-12-10 | 西安交通大学 | 一种基于计算机视觉的成圈叶片结构振动固有频率的测量方法 |
| CN110793721A (zh) * | 2019-11-12 | 2020-02-14 | 北京优利康达科技股份有限公司 | 一种风力发电机叶片气动不平衡的检测方法和系统 |
| US12050183B2 (en) | 2019-12-04 | 2024-07-30 | Nec Corporation | Abnormality determination device, abnormality determination method, and program storage medium |
| JP7248149B2 (ja) | 2019-12-04 | 2023-03-29 | 日本電気株式会社 | 異常判定装置、異常判定方法およびコンピュータプログラム |
| JPWO2021111533A1 (zh) * | 2019-12-04 | 2021-06-10 | ||
| WO2021111533A1 (ja) * | 2019-12-04 | 2021-06-10 | 日本電気株式会社 | 異常判定装置、異常判定方法およびプログラム記憶媒体 |
| CN111191589A (zh) * | 2019-12-30 | 2020-05-22 | 芜湖哈特机器人产业技术研究院有限公司 | 一种水泵叶片识别抓取方法 |
| CN111191589B (zh) * | 2019-12-30 | 2023-01-24 | 芜湖哈特机器人产业技术研究院有限公司 | 一种水泵叶片识别抓取方法 |
| WO2021185217A1 (zh) * | 2020-03-16 | 2021-09-23 | 左忠斌 | 一种基于多激光测距和测角的标定方法 |
| CN111854622A (zh) * | 2020-06-09 | 2020-10-30 | 西安交通大学第二附属医院 | 一种大视场光学动态变形测量方法 |
| CN111854632A (zh) * | 2020-06-22 | 2020-10-30 | 新拓三维技术(深圳)有限公司 | 一种高速运动物体的图像测量方法及计算机可读存储介质 |
| CN111854632B (zh) * | 2020-06-22 | 2021-12-14 | 新拓三维技术(深圳)有限公司 | 一种高速运动物体的图像测量方法及计算机可读存储介质 |
| CN112096566A (zh) * | 2020-08-27 | 2020-12-18 | 上海扩博智能技术有限公司 | 风机停机状态参数的获取方法、系统、设备和介质 |
| CN112504161A (zh) * | 2020-11-26 | 2021-03-16 | 北京航空航天大学 | 一种兼顾测量精度及效率的发动机叶片复合式测量系统 |
| CN113253561B (zh) * | 2021-05-14 | 2022-02-22 | 广东省科学院半导体研究所 | 叶片追光及摄像装置 |
| CN113253561A (zh) * | 2021-05-14 | 2021-08-13 | 广东省科学院半导体研究所 | 叶片追光及摄像装置 |
| CN116740619A (zh) * | 2023-08-10 | 2023-09-12 | 中国海洋大学 | 基于数字图像处理的海上风力机角速度测量方法 |
| CN116740619B (zh) * | 2023-08-10 | 2023-10-17 | 中国海洋大学 | 基于数字图像处理的海上风力机角速度测量方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108460788A (zh) | 一种用于大型风力叶片运动追踪的视频测量方法 | |
| CN104729422B (zh) | 用于校正激光测量装置的方法及其系统 | |
| CN106949836B (zh) | 一种立体视觉摄像头同侧目标位置标定装置及方法 | |
| CN109559354B (zh) | 测量塔架净空的方法以及装置 | |
| CN107452024A (zh) | 一种用于旋转物体全场运动追踪的视觉测量方法 | |
| CN103323461B (zh) | 一种非接触式的风力发电机叶片运动在线检测方法 | |
| CN101493318B (zh) | 一种舵偏角同步动态测量系统及其实现方法 | |
| CN107543496B (zh) | 一种双目立体视觉三维坐标测量方法 | |
| CN109297436B (zh) | 双目线激光立体测量基准标定方法 | |
| Zhang et al. | Quantifying impacts on remote photogrammetric inspection using unmanned aerial vehicles | |
| CN105526906B (zh) | 大角度动态高精度激光测角方法 | |
| CN107167093A (zh) | 一种激光线扫描与阴影莫尔的复合式测量系统及测量方法 | |
| CN106815866B (zh) | 鱼眼相机的标定方法及其标定系统和标板 | |
| CN110345882A (zh) | 一种基于几何约束的自适应结构光三维测量系统及方法 | |
| US20230105991A1 (en) | Method of imaging a wind turbine rotor blade | |
| CN104807449A (zh) | 一种基于立体摄影测量的输电线路交叉跨越测量系统 | |
| CN103017666A (zh) | 用于确定几何空间中测量点的位置的过程和装置 | |
| CN106840037A (zh) | 一种用于逆向工程的三维形貌数字化测量系统及方法 | |
| CN109636927A (zh) | 一种飞行器姿态测量算法训练与鉴定的系统及方法 | |
| CN114279325B (zh) | 视觉测量模块测量坐标系空间位置关系标定系统及方法 | |
| Lv et al. | A point tracking method of TDDM for vibration measurement and large-scale rotational motion tracking | |
| CN102881009A (zh) | 基于激光扫描的洞窟壁画纠正与定位方法 | |
| CN106643537A (zh) | 基于结构光的轴承油沟自动测量系统及方法 | |
| Gao et al. | Development of a high-speed videogrammetric measurement system with application in large-scale shaking table test | |
| CN108573504A (zh) | 用于分析植物的表型的3d影像生成方法及其系统 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180828 |