CN108759699B - 一种大视场砌体结构材料三维全场变形的测量方法及系统 - Google Patents
一种大视场砌体结构材料三维全场变形的测量方法及系统 Download PDFInfo
- Publication number
- CN108759699B CN108759699B CN201810264006.8A CN201810264006A CN108759699B CN 108759699 B CN108759699 B CN 108759699B CN 201810264006 A CN201810264006 A CN 201810264006A CN 108759699 B CN108759699 B CN 108759699B
- Authority
- CN
- China
- Prior art keywords
- deformation
- area
- image
- matching
- displacement
- 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
Images
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
Abstract
本公开涉及一种大视场砌体结构材料三维全场变形的测量方法及系统,所述方法包括下述步骤:利用双目相机对待测量区域的变形状态进行连续拍摄,获取待测量区域的连续变形状态图像序列;其中,所述砌体结构材料的待测量区域具有制备好的散斑;采用多基准匹配方法,对变形状态图像进行图像匹配,获取图像匹配信息;利用相机标定的内外参数和图像匹配信息,计算每个变形状态下的变形位移量。所述方法实施简单,非接触式测量,可以实现大变形场景下的三维全场变形测量。所述系统根据所述方法实现,有利于自动化快速在线处理数据。
Description
技术领域
本发明方法涉及测量技术领域的一种视觉测量方法,具体涉及一种大视场砌体结构材料三维全场变形的测量方法及系统。
背景技术
砌体结构是由块体和砂浆砌筑而成的墙、柱作为建筑物主要受力构件的结构,在我国民用建筑中采用砌体作为墙体材料约占90%,是建筑工程的常用材料。砌体的抗压、抗拉、抗剪等强度较低,因而抗震较差,近几年强震震害资料显示,砌体结构的整体坍塌震害事故比较多,严重损害了人民的生命财产,因此非常有必要对砌体结构材料的变形进行准确测量,进而研究砌体结构材料的失效机制。
砌体结构材料的变形通常可以通过理论计算和实验测量两种方法测定,其中理论计算主要通过有限元分析软件对其进行建模分析,得到模拟条件下的变形数据,但影响砌体结构材料变形的因素较多,计算结果精度受此影响,实际应用有限。
通过实验测量砌体结构材料的变形是在通过实验设备测定砌体结构材料在真实变形条件下测定其变形量,主要方法有接触式和非接触式。接触式方法通常需提前在被测对象表面布置仪器,对实验设备要求较高,准备工作复杂,不能满足快速、高效的测量要求。非接触式方法有激光位移计,但其设备昂贵,并且每次只能测量一个点,精度易受环境影响,使得该方法在实际应用中受限,难以满足砌体结构材料的大变形测量要求。
发明内容
为了克服现有的砌体结构材料变形测量方式中的不足,达到实际使用中的效率和精度等要求,本发明提供了一种大视场砌体结构材料变形的视觉测量方法,可以高效地在砌体结构材料变形过程中获得高精度的测量结果,进一步研究砌体结构材料的失效机制。
本公开技术方案如下:
一种大视场砌体结构材料三维全场变形的测量方法,所述方法包括下述步骤:
S100、利用双目相机对砌体结构材料的待测量区域的变形状态进行连续拍摄,获取待测量区域的连续变形状态图像序列;其中,所述砌体结构材料的待测量区域具有制备好的散斑;
S200、采用多基准匹配方法,对变形状态图像进行图像匹配,获取图像匹配信息;
S300、利用相机标定的内外参数和图像匹配信息,计算每个变形状态下的变形位移量。
另一方面,本公开还提供了一种大视场砌体结构材料三维全场变形的测量系统,所述系统包括下述模块:
第一获取模块,被配置用于:对砌体结构材料施加外力,利用双目相机对待测量区域的变形状态进行连续拍摄,获取待测量区域的连续变形状态图像序列;其中,所述砌体结构材料的待测量区域具有制备好的散斑;
第二获取模块,被配置用于:采用多基准匹配方法,对变形状态图像进行图像匹配,获取图像匹配信息;
计算模块,被配置用于:利用相机标定的内外参数和图像匹配信息,计算每个变形状态下的变形位移量。
与现有技术相比,本公开具有下述有益技术效果:
本发明方法具有以下优点:
(1)由于本公开技术方案所需设备简单,操作流程简便,便于实验现场测量。
(2)本公开技术方案可以用于大视场砌体结构材料下三维全场变形测量,可以实现大变形场景下的三维全场变形测量。
(3)本公开技术方案克服了传统测量方法在测量范围、测量效率以及测量精度等方面的局限性,实现了非接触快速测量。
(4)由于本公开技术方案采用双目立体视觉系统,可以对测量区域表面进行三维重建,适用于复杂受力情况下的三维全场变形的测量。
附图说明
图1是本公开一个实施例中所述方法的步骤流程图;
图2是本公开一个实施例中所述方法制备圆形散斑域所用的漏板;
图3是本公开一个实施例中所述方法示例性实施例表面局部区域散斑制备后的示意图;
图4是本公开一个实施例中所述方法相机内参数标定装置示意图;
图5是本公开一个实施例中所述方法相机外参数标定装置示意图;
图6是本公开一个实施例中所述方法示例性实施例中测量现场布置示意图;
图中附图标号所表示的设备为:
1-双目相机,2-LED灯,3-同步触发控制箱,4-被测砌体结构材料,5-高性能计算机。
具体实施方式
下面结合附图1-6对本公开的技术方案进行详细阐述。
在一个实施例中,提供了一种大视场砌体结构材料三维全场变形的测量方法,该方法流程图如图1所示,所述方法包括下述步骤:
S100、利用双目相机对砌体结构材料的待测量区域的变形状态进行连续拍摄,获取待测量区域的连续变形状态图像序列;其中,所述砌体结构材料的待测量区域具有制备好的散斑;
S200、采用多基准匹配方法,对变形状态图像进行图像匹配,获取图像匹配信息;
S300、利用相机标定的内外参数和图像匹配信息,计算每个变形状态下的变形位移量。
本实施例适用于大视场砌体结构材料三维全场变形测量,比如开洞墙体,是一种大视场测量。在本实施例中,测量视场的大小可达高3米,宽4米。对当砌体结构顶部中间位置由于作用力而持续产生形变位移,需要对此位移进行测量。此时,可在砌体结构材料产生形变位移同时,采集变形图片。图片采集过程伴随砌体结构材料变形过程进行,直到变形过程结束。在变形观测中可以不涉及采集作用力的数据,可以通过其他装置施加压力,压力值可以控制。
在本实施例中,优选的,所述散斑所在区域构成散斑区域,所述散斑区域大于所述待测量区域,所述散斑在所述散斑区域均匀分布,且所述散斑区域中存在标记。
图2示意了一种圆形散斑,以该图示意的散斑讲述散斑制备方法。根据所需测量砌体结构材料变形区域的大小,确定需要制备的散斑区域大小,据此确定合适的圆形散斑大小,选择合适的漏板覆盖在需要喷制散斑的区域,然后用喷漆对准漏板进行喷漆操作,通过漏板控制圆形散斑直径大小,确保圆形散斑应均匀分布在散斑区域,并且散斑区域应大于变形计算区域,为了后续计算方便,用记号笔在散斑区域内做标记,以示区分,如图3所示为其局部待测区域散斑制备后的砌体结构材料表面示意图。
在本实施例中,优选的,所述相机标定包括下述步骤:
获取标定板标定的双目相机内参数,获取标尺标定的所述双目相机的外参数;所述标定板的长和宽小于所述标尺的任一边。
针对大视场中相机标定时,所需标定板通常比较大,而标定过程中需要使标定板相对相机处于不同位置姿态,这样摆动比较大的标定板会使得标定过程繁琐,因此本公开分别对相机的内外参数进行标定,首先通过小型的标定板实现双目相机内参数的标定,然后通过大型的标尺对双目相机的外参数进行标定。
在本示例性实施例中:首先,通过400×300毫米的标定板对双目相机的内参数进行标定,本公开方法采用的相机畸变模型为十参数模型,包含三个径向畸变参数、两个切向畸变参数、两个薄棱镜畸变参数、两个主点坐标和焦距共十个内参数。如图4所示,打开双目相机对准标定板上的编码标志点,将带有编码点和非编码标志点的标定板放置于相机的视场下,保持双目相机位置固定不变,调节两个相机上的光圈和焦距,使标定板上的编码标志点和非编码标志点在双目相机中清晰地成像,通过移动标定板获取标定板在八个不同位置和姿态的像机图像,然后通过图像处理对采集到的图片进行解算,识别出八组图像中圆形特征点的图像坐标和编码点对应的编码值,再通过相对定向算法计算出前两组图像的相对位置关系,并重建出编码标志点物方坐标,接着通过直接线性变换法和角锥法定向出其它组图像位置,重建出非编码标志点的物方坐标。最后,通过迭代优化算法得到相机的内部参数。然后,通过长为2米的十字大标尺进行双目相机外参数的标定,如图5所示,保持双目相机的光圈、焦距以及两者之间的位置固定不变,合理调整十字大标尺到相机之间的距离,使得标尺上的编码标志点和非编码标志点全部在双目相机中清晰的成像,采集一张标尺的图片即可进行双目相机间的外参数解算,通过后方交会计算得到两个相机之间的角度和相对距离等外参数。这样就完成了双目相机间内外参数的标定,在此后的测量过程中确保两相机之间的相对位置关系不变。
由于砌体结构中块体材料表面的不规整性和砂浆层的非均匀性,使得块体和砂浆的接触不全面,块体支承在凹凸不平的砂浆层上,因此砌体结构中的块体在中心受压时处于受压、受剪和局部承压的复杂应力状态,在变形过程中产生的变形位移通常较大。因此,在匹配时,采用多基准匹配方法,将采集得到的一系列连续变形图片序列分成若干等份,所述等份数量大于1。然后,选取第一个变形状态作为基准状态,在基准状态中选取需要计算的变形区域,所选计算区域应清晰地位于两相机所采集的图像序列中,并通过设置匹配阈值,完成连续变形状态的图片序列之间的散斑计算域匹配。具体地,所述多基准匹配方法包括下述步骤:
S201、将连续变形状态图像序列分成多个等份;所述份数比如是2份、3份、5份、8份、10份等等;
S202、选取每份的第一张图像为基准图像,并在所述基准图像中选取计算的变形区域;
S203、在所述变形区域中选取种子点,设置匹配阈值,对每份的连续变形状态图像序列中的图像进行匹配;
S204、从第二等份图像序列开始,将每份的基准图像和上一份图像序列的最后一张图像进行匹配,避免每份间的计算误差传递到后面的计算中,提高了匹配精度和计算精度。
通过多基准图像的选取,在每份中进行匹配,可以避免大位移变形下计算误差的累计传递,提高了匹配精度和计算精度。
在一个实施例中,根据连续变形图片序列中所选计算区域的位移大小将图片序列分成若干等份,当连续两张图片中的位移超过5个像素时,则以每十张为一份将图片序列均匀分成若干份。当连续两张图片中的位移超过10个像素时,则以每五张为一份将图片序列均匀分成若干份;选取每份图片序列的第一张图片为一个基准,得到若干个基准状态;在第一个基准状态中选取需要计算的变形区域,所选计算区域应清晰地位于两相机所采集的所有图片序列中,能够在此后所有的基准状态中显示该计算区域;在若干个基准状态的计算区域中选取种子点,然后设置匹配阈值进行扩散匹配,分别完成若干份图片序列之间的散斑域匹配,实现整个连续变形图片序列间的匹配。
在一个实施例中,进一步提供了所述匹配的方法,包括下述步骤:
S2031、构造优化函数:
式中:
CSSD是最小距离平方和系数;
f(xi,yi)为变形前点(xi,yi)处的灰度值;
g(x′i,y'i)为变形后(x′i,y′i)处的灰度值;
x′i=xi+u+uxΔx+uyΔy, (2)
y′i=yi+v+vxΔx+vyΔy, (3)
其中,u是子区图像中心点变形后在x方向的位移,v时子区图像中心点变形后在y方向的位移,ux,uy,vx,vy是子区图像的位移梯度;
n为子区图像的像素点数目,i为子区图像的像素;
r0和r1两个参数用于补偿由于光照引起的灰度线性变化;
S2032、通过两个待匹配的变形区域间至少八个像素点的灰度信息,构造迭代最小二乘算法的迭代方程,求解上述优化函数,进而能够获得两个待匹配的变形区域的位移量以及位移梯度,可以用于进一步研究砌体结构材料的失效机制。
本实施例中,根据第二步的相机标定内外参数,实现双目相机所采集图像间的匹配,根据第四步选取的匹配基准,完成连续变形图像序列匹配间的匹配,然后通过已匹配图像间的灰度信息进行相关的变形计算。所述方法假定连续两个变形状态之间的灰度变化模型如下:
f(xi,yi)=r0+r1g(x′i,y′i),
该灰度变化模型用于建立连续两个变形状态间的对应关系,确定待优化函数。砌体结构材料受力产生变形时,会产生平移、转动、伸缩、扭曲等变形,因此采用上述(2)(3)式表达位移变化。上述(1)式中CSSD是最小距离平方和系数,该相关系数意义简单明,能够简化优化过程,通过求解该待优化函数的极值,可以求解得到x和y方向上的位移量以及位移梯度等形变量,可以用于进一步研究砌体结构材料的性能。其中的未知向量如下式(4),包括坐标位移及其位移梯度:
通过连续两个变形状态间至少八个像素点的灰度信息,构造迭代最小二乘算法的迭代方程进行迭代求解上述待优化函数,根据测量精度,设置相应的迭代收敛条件,即可求得上述未知向量,进而得到所需的位移量以及位移梯度等形变量,可以用于进一步研究砌体结构材料的失效机制。
以上所述仅为本公开方法的较佳实施例而已,并不用以限制本发明方法,凡在本发明方法的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
在一个实施例中,提供了一种砌体结构材料三维全场变形的测量系统,所述系统包括下述模块:
第一获取模块,被配置用于:对砌体结构材料施加外力,利用双目相机对测量区域的变形状态进行连续拍摄,获取测量区域的连续变形状态图像序列;其中,所述砌体结构材料的待测量区域具有制备好的散斑;优选的,所述散斑所在区域构成散斑区域,所述散斑区域大于所述待测量区域,所述散斑在所述散斑区域均匀分布,且所述散斑区域中存在标记。
第二获取模块,被配置用于:采用多基准匹配方法,对变形状态图像进行图像匹配,获取图像匹配信息;
计算模块,被配置用于:利用相机标定的内外参数和图像匹配信息,计算每个变形状态下的变形位移量。
在一个具体的本实施例中,所采用的硬件包括一个标定板、一个标尺、四个LED灯2、两个CCD相机构成双目相机1和一台高性能笔记本电脑5。采集变形图片的现场布置示意图如图6所示,砌体结构材料4已制备好散斑。双目相机1对准散斑区域,使散斑区域全部清晰成像于左右两相机。保持双目相机和砌体结构材料间的相对位置不变,对砌体结构顶部中间位置施加恒定的作用力,使其持续产生形变位移,与此同时通过同步触发控制箱3开始采集变形图片,图片采集过程伴随砌体结构材料变形过程进行,直到变形过程结束。
当所述方法通过软件或软件与硬件结合实现时,在测量现场仅需采集散斑图片操作,即可实现自动化在线处理数据,测量过程方便,测量周期短。
优选的,所述第二获取模块包括多基准匹配单元,所述多基准匹配单元,被配置用于:
将连续变形状态图像序列分成等份,所述等份数量大于1;所述份数比如是2份、3份、5份、8份、10份等等;
选取每份的第一张图像为基准图像,并在所述基准图像中选取计算的变形区域;
在所述变形区域中选取种子点,设置匹配阈值,对每份的连续变形状态图像序列中的图像进行匹配;
从第二份图像序列开始,将每份的基准图像和上一份的最后一张图像进行匹配,避免了每份间的计算误差传递到后面的计算中,提高了匹配精度和计算精度。
优选的,所述第二获取模块包括匹配单元,所述匹配单元,被配置用于:
构造优化函数:
式中:
CSSD是最小距离平方和系数;
f(xi,yi)为变形前点(xi,yi)处的灰度值;
g(x′i,y'i)为变形后(x′i,y′i)处的灰度值;
x′i=xi+u+uxΔx+uyΔy,y′i=yi+v+vxΔx+vyΔy,u是子区图像中心点变形后在x方向的位移,v时子区图像中心点变形后在y方向的位移,ux,uy,vx,vy是子区图像的位移梯度;
n为子区图像的像素点数目,i为子区图像的像素;
r0和r1两个参数用于补偿由于光照引起的灰度线性变化;
通过两个待匹配的变形区域间至少八个像素点的灰度信息,构造迭代最小二乘算法的迭代方程,求解上述优化函数,进而能够获得两个待匹配的变形区域的位移量以及位移梯度。
优选的,所述计算模块包括相机标定单元,所述相机标定单元,被配置用于:
获取使用标定板标定的双目相机内参数,获取使用标尺标定的所述双目相机的外参数;
所述标定板的长和宽小于所述标尺的任一边。
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 (8)
1.一种大视场砌体结构材料三维全场变形的测量方法,其特征在于,所述方法包括下述步骤:
S100、利用双目相机对砌体结构材料的待测量区域的变形状态进行连续拍摄,获取待测量区域的连续变形状态图像序列;其中,所述砌体结构材料的待测量区域具有制备好的散斑;
S200、采用多基准匹配方法,对变形状态图像进行图像匹配,获取图像匹配信息;
S300、利用相机标定的内外参数和图像匹配信息,计算每个变形状态下的变形位移量;
其中,所述多基准匹配方法包括下述步骤:
S201、将连续变形状态图像序列分成多个等份;
S202、选取每份连续变形状态图像序列的第一张图像为基准图像,并在所述基准图像中选取计算的变形区域;
S203、在所述变形区域中选取种子点,设置匹配阈值,对每份连续变形状态图像序列中的图像进行匹配;
S204、从第二等份图像序列开始,将每份的基准图像和上一等份的最后一张图像进行匹配。
2.根据权利要求1所述的方法,其特征在于,步骤S203中所述匹配包括下述步骤:
S2031、构造优化函数:
式中:
CSSD是最小距离平方和系数;
f(xi,yi)为变形前点(xi,yi)处的灰度值;
g(x′i,y′i)为变形后点(x′i,y′i)处的灰度值;
x′i=xi+u+uxΔx+uyΔy,y′i=yi+v+vxΔx+vyΔy,u是子区图像中心点变形后在x方向的位移,V是 子区图像中心点变形后在y方向的位移,ux,uy,vx,vy是子区图像的位移梯度;
n为子区图像的像素点数目,i为子区图像的像素点;
r0和r1两个参数用于补偿由于光照引起的灰度线性变化;
S2032、通过两个待匹配的变形区域间至少八个像素点的灰度信息,构造迭代最小二乘算法的迭代方程,求解上述优化函数,进而能够获得两个待匹配的变形区域的位移量以及位移梯度。
3.根据权利要求1所述的方法,其特征在于,步骤S300中所述相机标定包括下述步骤:
获取标定板标定的双目相机内参数,获取标尺标定的所述双目相机的外参数;
所述标定板的长和宽小于所述标尺的任一边。
4.根据权利要求1所述的方法,其特征在于,所述散斑所在区域构成散斑区域,所述散斑区域大于所述待测量区域,所述散斑在所述散斑区域内均匀分布,且所述散斑区域中存在标记。
5.一种砌体结构材料三维全场变形的测量系统,其特征在于,所述系统包括下述模块:
第一获取模块,被配置用于:对砌体结构材料施加外力,利用双目相机对待测量区域的变形状态进行连续拍摄,获取待测量区域的连续变形状态图像序列;其中,所述砌体结构材料的待测量区域具有制备好的散斑;
第二获取模块,被配置用于:采用多基准匹配方法,对变形状态图像进行图像匹配,获取图像匹配信息;
计算模块,被配置用于:利用相机标定的内外参数和图像匹配信息,计算每个变形状态下的变形位移量;
其中,所述第二获取模块包括多基准匹配单元,所述多基准匹配单元,被配置用于:
将连续变形状态图像序列分成多个等份;
选取每份的第一张图像为基准图像,并在所述基准图像中选取计算的变形区域;
在所述变形区域中选取种子点,设置匹配阈值,对每份的连续变形状态图像序列中的图像进行匹配;
从第二份图像序列开始,将每份的基准图像和上一份的基准图像进行匹配。
6.根据权利要求5所述的系统,其特征在于,所述第二获取模块包括匹配单元,所述匹配单元,被配置用于:
构造优化函数:
式中:
CSSD是最小距离平方和系数;
f(xi,yi)为变形前点(xi,yi)处的灰度值;
g(x′i,y′i)为变形后点(x′i,y′i)处的灰度值;
x′i=xi+u+uxΔx+uyΔy,y′i=yi+v+vxΔx+vyΔy,u是子区图像中心点变形后在x方向的位移,V是 子区图像中心点变形后在y方向的位移,ux,uy,vx,vy是子区图像的位移梯度;
n为子区图像的像素点数目,i为子区图像的像素;
r0和r1两个参数用于补偿由于光照引起的灰度线性变化;
通过两个待匹配的变形区域间至少八个像素点的灰度信息,构造迭代最小二乘算法的迭代方程,求解上述优化函数,进而能够获得两个待匹配的变形区域的位移量以及位移梯度。
7.根据权利要求5所述的系统,其特征在于,所述计算模块包括相机标定单元,所述相机标定单元,被配置用于:
获取使用标定板标定的双目相机内参数,获取使用标尺标定的所述双目相机的外参数;
所述标定板的长和宽小于所述标尺的任一边。
8.根据权利要求5所述的系统,其特征在于,所述散斑所在区域构成散斑区域,所述散斑区域大于所述待测量区域,所述散斑在所述散斑区域均匀分布,且所述散斑区域中存在标记。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810264006.8A CN108759699B (zh) | 2018-03-27 | 2018-03-27 | 一种大视场砌体结构材料三维全场变形的测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810264006.8A CN108759699B (zh) | 2018-03-27 | 2018-03-27 | 一种大视场砌体结构材料三维全场变形的测量方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108759699A CN108759699A (zh) | 2018-11-06 |
CN108759699B true CN108759699B (zh) | 2020-01-07 |
Family
ID=63980472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810264006.8A Active CN108759699B (zh) | 2018-03-27 | 2018-03-27 | 一种大视场砌体结构材料三维全场变形的测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108759699B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110189380B (zh) * | 2019-05-30 | 2021-12-07 | Oppo广东移动通信有限公司 | 标定数据的优化方法、结构光模组及存储介质 |
CN110595374B (zh) * | 2019-09-17 | 2020-05-05 | 中国人民解放军火箭军工程大学 | 基于传递像机的大型结构件实时形变监测方法 |
CN111354033B (zh) * | 2020-02-28 | 2023-04-18 | 西安交通大学 | 基于特征匹配的数字图像测量方法 |
CN111854622B (zh) * | 2020-06-09 | 2022-02-15 | 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 |
CN112254663B (zh) * | 2020-10-20 | 2022-03-18 | 常州市建筑科学研究院集团股份有限公司 | 一种基于影像识别的平面变形监测测量方法及其系统 |
CN111964604B (zh) * | 2020-10-20 | 2021-01-29 | 常州市建筑科学研究院集团股份有限公司 | 一种基于影像识别的平面变形监测测量方法 |
CN112330557A (zh) * | 2020-11-03 | 2021-02-05 | 中国测绘科学研究院 | 一种非接触式近景图像的桥梁监测方法 |
CN112329705B (zh) * | 2020-11-23 | 2022-06-24 | 博迈科海洋工程股份有限公司 | 一种大型结构物提升过程中最大变形量的监测方法 |
CN112964189B (zh) * | 2021-02-25 | 2023-06-30 | 西安理工大学 | 一种针对大视场平面内准静态受力变形的测量方法 |
CN112945125B (zh) * | 2021-03-26 | 2023-08-11 | 中国人民解放军火箭军工程大学 | 一种非接触式的轮胎滚动变形特性测试方法 |
CN113390358A (zh) * | 2021-06-04 | 2021-09-14 | 中国十七冶集团有限公司 | 一种基于机器视觉识别技术的钢结构变形监测方法 |
CN114463251B (zh) * | 2021-12-13 | 2024-03-15 | 西安交通大学 | 一种测量航空发动机中介机匣内表面变形的方法及装置 |
CN114993197B (zh) * | 2022-06-20 | 2023-04-18 | 北京理工大学 | 固化应力测量系统、固化应力测量方法、装置和设备 |
CN116503369B (zh) * | 2023-05-06 | 2024-01-26 | 北京思莫特科技有限公司 | 结构体的变形监测方法、图像曝光参数调整方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050146708A1 (en) * | 2002-04-11 | 2005-07-07 | Xunqing Shi | Systems and methods for deformation measurement |
CN103542815B (zh) * | 2013-09-23 | 2016-04-20 | 西安新拓三维光测科技有限公司 | 大幅面散斑全场应变测量方法 |
CN104748696B (zh) * | 2015-04-13 | 2017-10-20 | 西安交通大学 | 一种大倾角机翼全场变形测量方法 |
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 |
CN106595528B (zh) * | 2016-11-10 | 2019-03-05 | 华中科技大学 | 一种基于数字散斑的远心显微双目立体视觉测量方法 |
-
2018
- 2018-03-27 CN CN201810264006.8A patent/CN108759699B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108759699A (zh) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108759699B (zh) | 一种大视场砌体结构材料三维全场变形的测量方法及系统 | |
CN100429476C (zh) | 一种双传感器激光视觉三维测量系统校准方法 | |
CN102003938B (zh) | 大型高温锻件热态在位检测方法 | |
US8803943B2 (en) | Formation apparatus using digital image correlation | |
CN103743352B (zh) | 一种基于多相机匹配的三维变形测量方法 | |
CN102032878B (zh) | 基于双目立体视觉测量系统的精确在线测量方法 | |
CN111192235B (zh) | 一种基于单目视觉模型和透视变换的图像测量方法 | |
CN103575227A (zh) | 一种基于数字散斑的视觉引伸计实现方法 | |
EP3026632A2 (en) | Improvements in or relating to digital image correlation systems | |
CN103759669A (zh) | 一种大型零件的单目视觉测量方法 | |
CN109141226A (zh) | 单相机多角度的空间点坐标测量方法 | |
CN107589069B (zh) | 一种物体碰撞恢复系数的非接触式测量方法 | |
CN104748696A (zh) | 一种大倾角机翼全场变形测量方法 | |
TW201310004A (zh) | 編列數位影像關係裝置 | |
Xiao et al. | Large field-of-view deformation measurement for transmission tower based on close-range photogrammetry | |
CN108154535B (zh) | 基于平行光管的摄像机标定方法 | |
CN107917700A (zh) | 基于深度学习的小幅度目标三维姿态角测量方法 | |
CN104236455A (zh) | 蜂巢板在线检测系统及其检测方法 | |
CN110207606B (zh) | 基于数字图像关联性的面外应变测量方法 | |
CN110146032B (zh) | 基于光场分布的合成孔径相机标定方法 | |
CN104897065A (zh) | 一种板壳结构表面位移场的测量系统 | |
CN110966937B (zh) | 一种基于激光视觉传感的大型构件三维构形拼接方法 | |
Xiao et al. | Rapid three-dimension optical deformation measurement for transmission tower with different loads | |
CN113052913A (zh) | 一种二级组合视觉测量系统中转位姿高精度标定方法 | |
CN111768451A (zh) | 一种基于移动显示屏的大尺寸双目视觉离焦标定方法 |
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 |