CN109373978A - 一种巷道围岩相似模拟的围岩位移监测方法 - Google Patents
一种巷道围岩相似模拟的围岩位移监测方法 Download PDFInfo
- Publication number
- CN109373978A CN109373978A CN201811212472.8A CN201811212472A CN109373978A CN 109373978 A CN109373978 A CN 109373978A CN 201811212472 A CN201811212472 A CN 201811212472A CN 109373978 A CN109373978 A CN 109373978A
- Authority
- CN
- China
- Prior art keywords
- index point
- image
- point
- monitoring
- monitoring index
- 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
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种巷道围岩相似模拟的围岩位移监测方法,包括步骤:一、建立巷道围岩相似模拟的围岩位移监测平台;二、获取控制标志点的物方三维坐标;三、获取不同时期立方体模拟围岩的近景图像序列;四、不同时期立方体模拟围岩的近景图像序列的预处理;五、监测标志点的中心定位;六、每一时期内同名监测标志点匹配;七、不同时期同名监测标志点匹配;八、获取每一时期同名监测标志点的物方坐标;九、统计和分析围岩位移变化。本发明获取近景图像,图像包含所摄目标的大量的结构以及纹理信息,监测标志点布置简单,可以瞬时获取巷道围岩上多个点位的三维坐标信息,全覆盖且及时性强,全面的反应巷道围岩受到来自各个方向应力作用的结果。
Description
技术领域
本发明属于围岩位移监测技术领域,具体涉及一种巷道围岩相似模拟的围岩位移监测方法。
背景技术
巷道作为煤矿的重要组成部分,担任着运输通道、出入通道的角色,其中巷道开挖掘进是对岩层造成扰动的主要原因,为了保证煤矿的安全生产,避免塌陷,因此对于巷道开挖过程中的围岩位移监测显得十分重要。巷道围岩相似模拟实验是根据相似性原理,将矿山岩层以一定的比例缩小,用当地矿体材料或者采用相似性材料制作模型进行研究。
目前对于巷道相似模拟实验中围岩位移的传统测量方法主要是静态应变仪法,该方法存在试验前安装过程麻烦、监测标志点位有限的缺点。近年来使用较多的基于光学的数字散斑,相关测量方法是通过光波的干涉测出裂纹二维应变场,以此来反应模型的位移,但是该方法具有测量精度低,后期数据解算复杂的缺点。目前对于相似模型的开采位移结果多数从二维的角度出发,输出二维趋势图或等值线图,这种表达方式不能全面的反应巷道受到来自各个方向应力作用的结果,具有很大的局限性。同时,由于巷道围岩位移的监测是一种动态测量,人们最关心的是失稳破坏的过程,但是如果传感器随着测量对象失稳破坏也发生破坏的话,就会导致动态测量的失败,因此对于如何完善测量模型、改进测量方案是巷道围岩位移监测亟需解决的问题。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种巷道围岩相似模拟的围岩位移监测方法,利用近景摄影测量获取图像,图像包含所摄目标的大量的结构以及纹理信息,监测标志点布置简单,可以瞬时获取巷道围岩上多个点位的三维坐标信息,具有及时性,全覆盖的优点,全面的反应巷道围岩受到来自各个方向应力作用的结果,精度高,可靠性好,便于推广使用。
为解决上述技术问题,本发明采用的技术方案是:一种巷道围岩相似模拟的围岩位移监测方法,其特征在于,该方法包括以下步骤:
步骤一、建立巷道围岩相似模拟的围岩位移监测平台:在实验台上搭建立方体模拟围岩,利用视频监测装置对所述立方体模拟围岩进行近景摄影测量,所述立方体模拟围岩和所述视频监测装置构成围岩位移监测平台;
所述立方体模拟围岩包括设置在实验台上的立体模拟框架和填充在立体模拟框架内的巷道围岩相似材料模型,巷道围岩相似材料模型内设置有支护管道,巷道围岩相似材料模型的剖面上布设有围岩监测标志点,支护管道的内表面上设置有用于安装顶板监测标志点的安装片,立体模拟框架的剖面上布设有控制标志点;
围岩监测标志点和顶板监测标志点均为尺寸一致的圆形监测标志点,控制标志点为矩形控制标志点且控制标志点的数量不少于8个;
所述视频监测装置包括设置在所述立方体模拟围岩前侧的摄像机和全站仪,所述摄像机的数据输出端和所述全站仪的数据输出端均与控制器的输入端连接;
步骤二、获取控制标志点的物方三维坐标:将全站仪的镜头中心十字丝位置的坐标设置为(0,0,0),利用全站仪获取所有控制标志点的物方三维坐标;
步骤三、获取不同时期立方体模拟围岩的近景图像序列:对摄像机进行检校,并选取三个不同位置,利用经过检校后的摄像机在该三个不同位置处采用交向摄影的方式分别采集两张立方体模拟围岩开挖前和开挖后不同时期的近景图像,即开挖前和开挖后不同时期中立方体模拟围岩的近景图像序列中包含6张近景图像,每个时期中每个位置处的两张立方体模拟围岩的近景图像获取时,摄像机镜头位置相差90°且位于同一平面,同时,摄像机的主光轴与立方体模拟围岩法线方向夹角大于45°且小于90°;
步骤四、不同时期立方体模拟围岩的近景图像序列的预处理,过程如下:
步骤401、近景图像滤波预处理:根据公式对当前时期立方体模拟围岩的近景图像序列中第n副近景图像gn(x,y)进行均值滤波预处理,其中,(x,y)为近景图像中像素点坐标,Sxy为以当前像素点为中心的3×3像素区域,mn为第n副近景图像gn(x,y)中以当前像素点为中心所选取的像素区域内的像素点个数,fn(x,y)为第n副近景图像gn(x,y)均值滤波预处理后的滤波近景图像,n为正整数且n取6;
步骤402、近景图像边缘检测预处理:根据公式In(x,y)=[Gn(x)Gn(y)]*fn(x,y),对当前时期第n副滤波近景图像fn(x,y)进行平滑处理,得到当前时期第n副平滑后图像In(x,y),其中,*为卷积运算符,Gn(x)为当前时期第n副滤波近景图像fn(x,y)的行向一维高斯函数且Gn(y)为当前时期第n副滤波近景图像fn(x,y)的列向一维高斯函数且δ为高斯函数的标准差;
根据公式计算当前时期第n副平滑后图像In(x,y)的梯度幅值Mn(x,y)和梯度方向Hn(x,y),其中,kn,x(x,y)为当前时期第n副平滑后图像In(x,y)的被滤波器fx沿行向作用的结果,kn,y(x,y)为当前时期第n副平滑后图像In(x,y)的被滤波器fy沿列向作用的结果,
利用大小为3×3的窗口对Mn(x,y)的所有元素沿梯度方向进行梯度幅值的插值,当Mn(x,y)的值小于梯度方向的2个插值结果,则将Mn(x,y)对应的边缘标志位赋值为0,得到Mn(x,y)非极大值抑制后的梯度幅值Mn(i,j),(i,j)为与(x,y)对应的像素点坐标;
用高阈值h和低阈值l分别对梯度幅值Mn(i,j)进行双阈值检测和连接边缘,得到阈值边缘图像hn(i,j)和阈值边缘图像ln(i,j),在阈值边缘图像hn(i,j)中连接边缘轮廓,当连接到端点时,在阈值边缘图像ln(i,j)中寻找边缘点填补阈值边缘图像hn(i,j),阈值边缘图像hn(i,j)为与第n副近景图像gn(x,y)宽高相同的图像;
步骤403、多次重复步骤401至步骤402,完成不同时期立方体模拟围岩的近景图像序列的预处理;
步骤五、监测标志点的中心定位,过程如下:
步骤501、利用边缘检测算子检测出监测标志点边缘,判断监测标志点边缘点集中监测标志点边缘点的数量是否不小于5,当监测标志点边缘点的数量小于5时,剔除该监测标志点;当监测标志点边缘点的数量不小于5时,执行步骤502;
步骤502、根据公式计算椭圆系数形成椭圆方程Ax2+Bxy+Cy2+Dx+Ey+1=0,其中,q为步骤501中监测标志点边缘点的数量且q不小于5,(x1,y1)、(x2,y2)、…、(xq,yq)分别为q个监测标志点边缘点的坐标;
步骤503、根据公式计算步骤502中形成的椭圆的长半轴a和短半轴b,其中,(x0,y0)为步骤502中椭圆的中心坐标且
判断的值是否位于比例系数阈值范围之间,当的值不在比例系数阈值范围之间时,剔除该监测标志点;当的值位于比例系数阈值范围之间时,执行步骤504;
步骤504、判断q个监测标志点边缘点围成的图像区域内是否包含有孤立的灰度值为255的像素点,若q个监测标志点边缘点围成的图像区域内存在孤立的灰度值为255的像素点,剔除该监测标志点;若q个监测标志点边缘点围成的图像区域内不存在孤立的灰度值为255的像素点,执行步骤505;
步骤505、判断q个监测标志点边缘点围成的图像区域的图像面积与其矩形最小包围窗口面积的比值是否处于面积阈值γ内,若q个监测标志点边缘点围成的图像区域的图像面积与其矩形最小包围窗口面积的比值不在面积阈值γ内时,剔除该监测标志点;若q个监测标志点边缘点围成的图像区域的图像面积与其矩形最小包围窗口面积的比值在面积阈值γ内时,确定该椭圆的中心坐标,完成该椭圆的中心定位;
步骤506、多次循环步骤501至步骤505,完成1幅阈值边缘图像中所有监测标志点的中心定位;
步骤507、6次循环步骤501至步骤506,完成当前时期6幅阈值边缘图像中所有监测标志点的中心定位;
步骤508、多次循环步骤501至步骤507,完成不同时期阈值边缘图像中所有监测标志点的中心定位;
步骤六、每一时期内同名监测标志点匹配,过程如下:
步骤601、对当前时期的每幅阈值边缘图像中控制标志点和所有监测标志点的像平面二维坐标配置z轴坐标且每个控制标志点和每个监测标志点的z轴坐标均为1,实现当前时期的每幅阈值边缘图像中控制标志点和所有监测标志点的像平面二维坐标向像点三维坐标的转换;
步骤602、在当前时期的每幅阈值边缘图像中找8个控制标志点的像点三维坐标;
步骤603、以当前时期的第1幅阈值边缘图像为基准影像,当前时期的第2幅阈值边缘图像为待匹配影像,利用8点算法获取基准影像和待匹配影像的基本矩阵F;
步骤604、根据公式u'pFup=0,计算基准影像上第p个监测标志点的像点三维坐标u'p,其中,up为待匹配影像上与基准影像上第p个监测标志点对应的第p个监测标志点的像点三维坐标,其中,p为正整数;
将基准影像上第p个监测标志点的像点三维坐标u'p的z轴坐标去除,得到基准影像上第p个监测标志点的像平面二维坐标u″p;
将待匹配影像上与基准影像上第p个监测标志点对应的第p个监测标志点的像点三维坐标up的z轴坐标去除,得到待匹配影像上与基准影像上第p个监测标志点对应的第p个监测标志点的像平面二维坐标u″′p;
步骤605、采用逐像素扫描法,在基准影像上从图像坐标系左上角开始以每一个中心定位后的监测标志点为中心,设置10×10大小的窗口,当在该窗口内发现u″p,即判定u″p和基准影像上对应监测标志点为同名监测标志点,实现同名监测标志点的粗匹配;
步骤606、同名监测标志点粗匹配完成之后,利用极线约束原理,得到基准影像上所有监测标志点在待匹配影像上的核线,核线的数量与基准影像上监测标志点的数量相等且一一对应;
步骤607、预先设定距离阈值,计算u″′p到对应核线的距离,当u″′p到对应核线的距离小于距离阈值时,即判定u″′p为u″′p的同名监测标志点,实现同名监测标志点的精确匹配,并对同名监测标志点进行编号,其中,距离阈值取3;
步骤608、将待匹配影像分别更换为当前时期的第3幅阈值边缘图像、第4幅阈值边缘图像、第5幅阈值边缘图像和第6幅阈值边缘图像,4次重复步骤603至步骤607,完成当前时期同名监测标志点匹配;
步骤609、多次重复步骤601至步骤608,完成每一时期内同名监测标志点匹配;
步骤七、不同时期同名监测标志点匹配,过程如下:
步骤701、对每一时期内所有同名监测标志点以先横坐标后纵坐标的方式从小到大进行排序编号;
步骤702、利用搜索不同时期同名监测标志点的编号,实现不同时期同名监测标志点匹配;
步骤八、获取每一时期同名监测标志点的物方坐标:
每一时期对需处理的同名监测标志点的物方坐标的处理方法均相同;
对每一时期需处理的同名监测标志点的物方坐标处理时,过程如下:
步骤801、选取同一时期每一张阈值边缘图像中4个控制标志点,采用角锥体法获取摄像机对应拍摄位置至各个控制点的距离,利用余弦定理获取摄像机对应拍摄位置线元素的初始值,再利用单位四元数的空间后方交会算法获取摄像机对应拍摄位置线元素的精确值,最后利用矩阵约束与最小二乘原理的方法获取摄像机对应拍摄位置角元素的精确值,得到同一时期每一张阈值边缘图像的外方位元素;
步骤802、通过摄像机检校获取摄像机的内方位元素;
步骤803、利用同一时期的阈值边缘图像的外方位元素和同名监测标志点的像点坐标,结合摄像机的内方位元素,利用最小二乘多片空间前方交会算法计算同一时期中同名监测标志点的物方坐标;
步骤九、统计和分析围岩位移变化:将不同时期同名监测标志点的物方坐标绘制成曲线,统计和分析同名监测标志点的偏移量,获取围岩位移变化。
上述的一种巷道围岩相似模拟的围岩位移监测方法,其特征在于:所述高斯函数的标准差δ满足:0.5<δ<2.5。
上述的一种巷道围岩相似模拟的围岩位移监测方法,其特征在于:所述高阈值h的像素灰度值为250,低阈值l的像素灰度值为80。
上述的一种巷道围岩相似模拟的围岩位移监测方法,其特征在于:所述比例系数阈值范围取(1,1.2]。
上述的一种巷道围岩相似模拟的围岩位移监测方法,其特征在于:所述面积阈值γ满足:0.75<γ<0.79。
上述的一种巷道围岩相似模拟的围岩位移监测方法,其特征在于:所述立方体模拟围岩的开挖为对位于支护管道内的巷道围岩相似材料模型部分进行开挖,开挖次数为三次,三次开挖深度分别为20cm、40cm、60cm。
本发明与现有技术相比具有以下优点:
1、本发明可以瞬时获取巷道围岩上多个点位的三维坐标信息,具有及时性,全覆盖的优点,可在对人体有害或者恶劣环境中工作,便于推广使用。
2、本发明取得的影像中通常含有大量的复杂干扰物,通过对不同时期立方体模拟围岩的近景图像序列进行预处理,对目标进行感兴趣区域提取,同时对于获取的目标图像不可避免的含有噪声,对于图像中的噪声,通过图像滤波进行处理,使经过预处理过后的影像只含有待测目标区域,即感兴趣区域,大大减少了后续图像处理的工作量,便于后期的自动识别与高精度定位工作,可靠稳定,使用效果好。
3、本发明监测标志点采用圆形监测标志点,圆形监测标志点中心高精度定位即确定圆心的坐标值,对后续物方点位三维坐标的计算精度具有直接关系,通过采用椭圆圆心定位方式实现圆形监测标志点的中心坐标提取任务,避免采用灰度加权质心法,因图像中的噪声对图像的灰度带来干扰,在定位时出现灰度跳动的情况;并且监测标志点成像后是非中心对称的,中心定位会出现偏差,因此,椭圆圆心定位方式可行性强。
4、本发明方法步骤简单,同一时期的同名监测标志点匹配时,利用逐像素扫描法,实现同名监测标志点的粗匹配,同名监测标志点粗匹配完成之后,利用极线约束原理,得到基准影像上所有监测标志点在待匹配影像上的核线,核线的数量与基准影像上监测标志点的数量相等且一一对应,通过计算监测标志点到对应核线的距离,当监测标志点到对应核线的距离小于距离阈值时,即获得同名监测标志点,实现同名监测标志点的精确匹配;不同时期的同名监测标志点匹配时,对每一时期内所有同名监测标志点以先横坐标后纵坐标的方式从小到大进行排序编号,利用搜索不同时期同名监测标志点的编号,实现不同时期同名监测标志点匹配,简化匹配工作量且匹配率高,便于推广使用。
5、本发明获取每一时期同名监测标志点的物方坐标,将不同时期同名监测标志点的物方坐标绘制成曲线,统计和分析同名监测标志点的偏移量,获取围岩位移变化,可全面的反应巷道围岩受到来自各个方向应力作用的结果。
综上所述,本发明利用近景摄影测量获取图像,图像包含所摄目标的大量的结构以及纹理信息,监测标志点布置简单,可以瞬时获取巷道围岩上多个点位的三维坐标信息,具有及时性,全覆盖的优点,大大的减少传统的围岩位移测量工作量,缩短整个的测量监测周期,节省大量的人力,全面的反应巷道围岩受到来自各个方向应力作用的结果,精度高,可靠性好,便于推广使用。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明采用的立方体模拟围岩的结构示意图。
图2为本发明的方法流程框图。
附图标记说明:
1—立体模拟框架; 2—巷道围岩相似材料模型;
3—支护管道; 4—安装片;
5—围岩监测标志点; 6—顶板监测标志点; 7—控制标志点。
具体实施方式
如图1和图2所示,本发明的一种巷道围岩相似模拟的围岩位移监测方法,包括以下步骤:
步骤一、建立巷道围岩相似模拟的围岩位移监测平台:在实验台上搭建立方体模拟围岩,利用视频监测装置对所述立方体模拟围岩进行近景摄影测量,所述立方体模拟围岩和所述视频监测装置构成围岩位移监测平台;
需要说明的是,利用视频监测装置对所述立方体模拟围岩进行近景摄影测量,可以瞬时获取巷道围岩上多个点位的三维坐标信息,具有及时性,全覆盖的优点,可在对人体有害或者恶劣环境中工作,便于推广使用。
所述立方体模拟围岩包括设置在实验台上的立体模拟框架1和填充在立体模拟框架1内的巷道围岩相似材料模型2,巷道围岩相似材料模型2内设置有支护管道3,巷道围岩相似材料模型2的剖面上布设有围岩监测标志点5,支护管道3的内表面上设置有用于安装顶板监测标志点6的安装片4,立体模拟框架1的剖面上布设有控制标志点7;
实际使用中,围岩监测标志点5和顶板监测标志点6采用高折射率玻璃微珠制作而成,可以将入射光线按照原路反射回光源,形成回光反射现象,通过低强度曝光即可产生高对比度标志图像。
围岩监测标志点5和顶板监测标志点6均为尺寸一致的圆形监测标志点,控制标志点7为矩形控制标志点且控制标志点7的数量不少于8个;
所述视频监测装置包括设置在所述立方体模拟围岩前侧的摄像机和全站仪,所述摄像机的数据输出端和所述全站仪的数据输出端均与控制器的输入端连接;
步骤二、获取控制标志点的物方三维坐标:将全站仪的镜头中心十字丝位置的坐标设置为(0,0,0),利用全站仪获取所有控制标志点7的物方三维坐标;
步骤三、获取不同时期立方体模拟围岩的近景图像序列:对摄像机进行检校,并选取三个不同位置,利用经过检校后的摄像机在该三个不同位置处采用交向摄影的方式分别采集两张立方体模拟围岩开挖前和开挖后不同时期的近景图像,即开挖前和开挖后不同时期中立方体模拟围岩的近景图像序列中包含6张近景图像,每个时期中每个位置处的两张立方体模拟围岩的近景图像获取时,摄像机镜头位置相差90°且位于同一平面,同时,摄像机的主光轴与立方体模拟围岩法线方向夹角大于45°且小于90°;
本实施例中,所述立方体模拟围岩的开挖为对位于支护管道3内的巷道围岩相似材料模型2部分进行开挖,开挖次数为三次,三次开挖深度分别为20cm、40cm、60cm。
步骤四、不同时期立方体模拟围岩的近景图像序列的预处理,过程如下:
步骤401、近景图像滤波预处理:根据公式对当前时期立方体模拟围岩的近景图像序列中第n副近景图像gn(x,y)进行均值滤波预处理,其中,(x,y)为近景图像中像素点坐标,Sxy为以当前像素点为中心的3×3像素区域,mn为第n副近景图像gn(x,y)中以当前像素点为中心所选取的像素区域内的像素点个数,fn(x,y)为第n副近景图像gn(x,y)均值滤波预处理后的滤波近景图像,n为正整数且n取6;
步骤402、近景图像边缘检测预处理:根据公式In(x,y)=[Gn(x)Gn(y)]*fn(x,y),对当前时期第n副滤波近景图像fn(x,y)进行平滑处理,得到当前时期第n副平滑后图像In(x,y),其中,*为卷积运算符,Gn(x)为当前时期第n副滤波近景图像fn(x,y)的行向一维高斯函数且Gn(y)为当前时期第n副滤波近景图像fn(x,y)的列向一维高斯函数且δ为高斯函数的标准差;
本实施例中,所述高斯函数的标准差δ满足:0.5<δ<2.5,用来控制近景图像边缘检测预处理的平滑程度。
根据公式计算当前时期第n副平滑后图像In(x,y)的梯度幅值Mn(x,y)和梯度方向Hn(x,y),其中,kn,x(x,y)为当前时期第n副平滑后图像In(x,y)的被滤波器fx沿行向作用的结果,kn,y(x,y)为当前时期第n副平滑后图像In(x,y)的被滤波器fy沿列向作用的结果,
利用大小为3×3的窗口对Mn(x,y)的所有元素沿梯度方向进行梯度幅值的插值,当Mn(x,y)的值小于梯度方向的2个插值结果,则将Mn(x,y)对应的边缘标志位赋值为0,得到Mn(x,y)非极大值抑制后的梯度幅值Mn(i,j),(i,j)为与(x,y)对应的像素点坐标;
用高阈值h和低阈值l分别对梯度幅值Mn(i,j)进行双阈值检测和连接边缘,得到阈值边缘图像hn(i,j)和阈值边缘图像ln(i,j),在阈值边缘图像hn(i,j)中连接边缘轮廓,当连接到端点时,在阈值边缘图像ln(i,j)中寻找边缘点填补阈值边缘图像hn(i,j),阈值边缘图像hn(i,j)为与第n副近景图像gn(x,y)宽高相同的图像;
本实施例中,所述高阈值h的像素灰度值为250,低阈值l的像素灰度值为80。
需要说明的是,取得的影像中通常含有大量的复杂干扰物,通过对不同时期立方体模拟围岩的近景图像序列进行预处理,对目标进行感兴趣区域提取,同时对于获取的目标图像不可避免的含有噪声,对于图像中的噪声,通过图像滤波进行处理,使经过预处理过后的影像只含有待测目标区域,即感兴趣区域,大大减少了后续图像处理的工作量,便于后期的自动识别与高精度定位工作,可靠稳定,使用效果好。
步骤403、多次重复步骤401至步骤402,完成不同时期立方体模拟围岩的近景图像序列的预处理;
步骤五、监测标志点的中心定位,过程如下:
步骤501、利用边缘检测算子检测出监测标志点边缘,判断监测标志点边缘点集中监测标志点边缘点的数量是否不小于5,当监测标志点边缘点的数量小于5时,剔除该监测标志点;当监测标志点边缘点的数量不小于5时,执行步骤502;
步骤502、根据公式计算椭圆系数形成椭圆方程Ax2+Bxy+Cy2+Dx+Ey+1=0,其中,q为步骤501中监测标志点边缘点的数量且q不小于5,(x1,y1)、(x2,y2)、…、(xq,yq)分别为q个监测标志点边缘点的坐标;
步骤503、根据公式计算步骤502中形成的椭圆的长半轴a和短半轴b,其中,(x0,y0)为步骤502中椭圆的中心坐标且
判断的值是否位于比例系数阈值范围之间,当的值不在比例系数阈值范围之间时,剔除该监测标志点;当的值位于比例系数阈值范围之间时,执行步骤504;
本实施例中,所述比例系数阈值范围取(1,1.2]。
步骤504、判断q个监测标志点边缘点围成的图像区域内是否包含有孤立的灰度值为255的像素点,若q个监测标志点边缘点围成的图像区域内存在孤立的灰度值为255的像素点,剔除该监测标志点;若q个监测标志点边缘点围成的图像区域内不存在孤立的灰度值为255的像素点,执行步骤505;
步骤505、判断q个监测标志点边缘点围成的图像区域的图像面积与其矩形最小包围窗口面积的比值是否处于面积阈值γ内,若q个监测标志点边缘点围成的图像区域的图像面积与其矩形最小包围窗口面积的比值不在面积阈值γ内时,剔除该监测标志点;若q个监测标志点边缘点围成的图像区域的图像面积与其矩形最小包围窗口面积的比值在面积阈值γ内时,确定该椭圆的中心坐标,完成该椭圆的中心定位;
本实施例中,所述面积阈值γ满足:0.75<γ<0.79。
步骤506、多次循环步骤501至步骤505,完成1幅阈值边缘图像中所有监测标志点的中心定位;
步骤507、6次循环步骤501至步骤506,完成当前时期6幅阈值边缘图像中所有监测标志点的中心定位;
步骤508、多次循环步骤501至步骤507,完成不同时期阈值边缘图像中所有监测标志点的中心定位;
需要说明的是,监测标志点采用圆形监测标志点,圆形监测标志点中心高精度定位即确定圆心的坐标值,对后续物方点位三维坐标的计算精度具有直接关系,通过采用椭圆圆心定位方式实现圆形监测标志点的中心坐标提取任务,避免采用灰度加权质心法,因图像中的噪声对图像的灰度带来干扰,在定位时出现灰度跳动的情况;并且监测标志点成像后是非中心对称的,中心定位会出现偏差,因此,椭圆圆心定位方式可行性强。
需要说明的是,对不同时期立方体模拟围岩的近景图像序列的预处理后的图像,仍然会存在虚假标志点,该类虚假标志点的成因一是因为圆形监测标志点与其周边明亮的反光物体连成一片区域造成的;二是因为干扰区域所导致的,即明亮区域本身形成的一个个椭圆形的斑点造成的;三是亮条形回光反射物形成的虚假轮廓;判断的值是否位于比例系数阈值范围之间,用于剔除长条形虚假标志;判断q个监测标志点边缘点围成的图像区域内是否包含有孤立的灰度值为255的像素点,避免曝光过度,对监测标志点边缘拟合过程造成影响,降低圆心定位精度;判断q个监测标志点边缘点围成的图像区域的图像面积与其矩形最小包围窗口面积的比值是否处于面积阈值γ内,提高监测标志点轮廓提取的精度。
步骤六、每一时期内同名监测标志点匹配,过程如下:
步骤601、对当前时期的每幅阈值边缘图像中控制标志点7和所有监测标志点的像平面二维坐标配置z轴坐标且每个控制标志点7和每个监测标志点的z轴坐标均为1,实现当前时期的每幅阈值边缘图像中控制标志点7和所有监测标志点的像平面二维坐标向像点三维坐标的转换;
步骤602、在当前时期的每幅阈值边缘图像中找8个控制标志点7的像点三维坐标;
步骤603、以当前时期的第1幅阈值边缘图像为基准影像,当前时期的第2幅阈值边缘图像为待匹配影像,利用8点算法获取基准影像和待匹配影像的基本矩阵F;
步骤604、根据公式u'pFup=0,计算基准影像上第p个监测标志点的像点三维坐标u'p,其中,up为待匹配影像上与基准影像上第p个监测标志点对应的第p个监测标志点的像点三维坐标,其中,p为正整数;
将基准影像上第p个监测标志点的像点三维坐标u'p的z轴坐标去除,得到基准影像上第p个监测标志点的像平面二维坐标u″p;
将待匹配影像上与基准影像上第p个监测标志点对应的第p个监测标志点的像点三维坐标up的z轴坐标去除,得到待匹配影像上与基准影像上第p个监测标志点对应的第p个监测标志点的像平面二维坐标u″′p;
步骤605、采用逐像素扫描法,在基准影像上从图像坐标系左上角开始以每一个中心定位后的监测标志点为中心,设置10×10大小的窗口,当在该窗口内发现u″p,即判定u″p和基准影像上对应监测标志点为同名监测标志点,实现同名监测标志点的粗匹配;
步骤606、同名监测标志点粗匹配完成之后,利用极线约束原理,得到基准影像上所有监测标志点在待匹配影像上的核线,核线的数量与基准影像上监测标志点的数量相等且一一对应;
步骤607、预先设定距离阈值,计算u″′p到对应核线的距离,当u″′p到对应核线的距离小于距离阈值时,即判定u″′p为u″′p的同名监测标志点,实现同名监测标志点的精确匹配,并对同名监测标志点进行编号,其中,距离阈值取3;
步骤608、将待匹配影像分别更换为当前时期的第3幅阈值边缘图像、第4幅阈值边缘图像、第5幅阈值边缘图像和第6幅阈值边缘图像,4次重复步骤603至步骤607,完成当前时期同名监测标志点匹配;
步骤609、多次重复步骤601至步骤608,完成每一时期内同名监测标志点匹配;
步骤七、不同时期同名监测标志点匹配,过程如下:
步骤701、对每一时期内所有同名监测标志点以先横坐标后纵坐标的方式从小到大进行排序编号;
步骤702、利用搜索不同时期同名监测标志点的编号,实现不同时期同名监测标志点匹配;
需要说明的是,同一时期的同名监测标志点匹配时,利用逐像素扫描法,实现同名监测标志点的粗匹配,同名监测标志点粗匹配完成之后,利用极线约束原理,得到基准影像上所有监测标志点在待匹配影像上的核线,核线的数量与基准影像上监测标志点的数量相等且一一对应,通过计算监测标志点到对应核线的距离,当监测标志点到对应核线的距离小于距离阈值时,即获得同名监测标志点,实现同名监测标志点的精确匹配;不同时期的同名监测标志点匹配时,对每一时期内所有同名监测标志点以先横坐标后纵坐标的方式从小到大进行排序编号,利用搜索不同时期同名监测标志点的编号,实现不同时期同名监测标志点匹配,简化匹配工作量且匹配率高。
步骤八、获取每一时期同名监测标志点的物方坐标:
每一时期对需处理的同名监测标志点的物方坐标的处理方法均相同;
对每一时期需处理的同名监测标志点的物方坐标处理时,过程如下:
步骤801、选取同一时期每一张阈值边缘图像中4个控制标志点7,采用角锥体法获取摄像机对应拍摄位置至各个控制点的距离,利用余弦定理获取摄像机对应拍摄位置线元素的初始值,再利用单位四元数的空间后方交会算法获取摄像机对应拍摄位置线元素的精确值,最后利用矩阵约束与最小二乘原理的方法获取摄像机对应拍摄位置角元素的精确值,得到同一时期每一张阈值边缘图像的外方位元素;
步骤802、通过摄像机检校获取摄像机的内方位元素;
步骤803、利用同一时期的阈值边缘图像的外方位元素和同名监测标志点的像点坐标,结合摄像机的内方位元素,利用最小二乘多片空间前方交会算法计算同一时期中同名监测标志点的物方坐标;
步骤九、统计和分析围岩位移变化:将不同时期同名监测标志点的物方坐标绘制成曲线,统计和分析同名监测标志点的偏移量,获取围岩位移变化。
本发明利用近景摄影测量获取图像,图像包含所摄目标的大量的结构以及纹理信息,监测标志点布置简单,可以瞬时获取巷道围岩上多个点位的三维坐标信息,具有及时性,全覆盖的优点,大大的减少传统的围岩位移测量工作量,缩短整个的测量监测周期,节省大量的人力,全面的反应巷道围岩受到来自各个方向应力作用的结果,精度高,可靠性好。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何限制,凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化,均仍属于本发明技术方案的保护范围内。
Claims (6)
1.一种巷道围岩相似模拟的围岩位移监测方法,其特征在于,该方法包括以下步骤:
步骤一、建立巷道围岩相似模拟的围岩位移监测平台:在实验台上搭建立方体模拟围岩,利用视频监测装置对所述立方体模拟围岩进行近景摄影测量,所述立方体模拟围岩和所述视频监测装置构成围岩位移监测平台;
所述立方体模拟围岩包括设置在实验台上的立体模拟框架(1)和填充在立体模拟框架(1)内的巷道围岩相似材料模型(2),巷道围岩相似材料模型(2)内设置有支护管道(3),巷道围岩相似材料模型(2)的剖面上布设有围岩监测标志点(5),支护管道(3)的内表面上设置有用于安装顶板监测标志点(6)的安装片(4),立体模拟框架(1)的剖面上布设有控制标志点(7);
围岩监测标志点(5)和顶板监测标志点(6)均为尺寸一致的圆形监测标志点,控制标志点(7)为矩形控制标志点且控制标志点(7)的数量不少于8个;
所述视频监测装置包括设置在所述立方体模拟围岩前侧的摄像机和全站仪,所述摄像机的数据输出端和所述全站仪的数据输出端均与控制器的输入端连接;
步骤二、获取控制标志点的物方三维坐标:将全站仪的镜头中心十字丝位置的坐标设置为(0,0,0),利用全站仪获取所有控制标志点(7)的物方三维坐标;
步骤三、获取不同时期立方体模拟围岩的近景图像序列:对摄像机进行检校,并选取三个不同位置,利用经过检校后的摄像机在该三个不同位置处采用交向摄影的方式分别采集两张立方体模拟围岩开挖前和开挖后不同时期的近景图像,即开挖前和开挖后不同时期中立方体模拟围岩的近景图像序列中包含6张近景图像,每个时期中每个位置处的两张立方体模拟围岩的近景图像获取时,摄像机镜头位置相差90°且位于同一平面,同时,摄像机的主光轴与立方体模拟围岩法线方向夹角大于45°且小于90°;
步骤四、不同时期立方体模拟围岩的近景图像序列的预处理,过程如下:
步骤401、近景图像滤波预处理:根据公式对当前时期立方体模拟围岩的近景图像序列中第n副近景图像gn(x,y)进行均值滤波预处理,其中,(x,y)为近景图像中像素点坐标,Sxy为以当前像素点为中心的3×3像素区域,mn为第n副近景图像gn(x,y)中以当前像素点为中心所选取的像素区域内的像素点个数,fn(x,y)为第n副近景图像gn(x,y)均值滤波预处理后的滤波近景图像,n为正整数且n取6;
步骤402、近景图像边缘检测预处理:根据公式In(x,y)=[Gn(x)Gn(y)]*fn(x,y),对当前时期第n副滤波近景图像fn(x,y)进行平滑处理,得到当前时期第n副平滑后图像In(x,y),其中,*为卷积运算符,Gn(x)为当前时期第n副滤波近景图像fn(x,y)的行向一维高斯函数且Gn(y)为当前时期第n副滤波近景图像fn(x,y)的列向一维高斯函数且δ为高斯函数的标准差;
根据公式计算当前时期第n副平滑后图像In(x,y)的梯度幅值Mn(x,y)和梯度方向Hn(x,y),其中,kn,x(x,y)为当前时期第n副平滑后图像In(x,y)的被滤波器fx沿行向作用的结果,kn,y(x,y)为当前时期第n副平滑后图像In(x,y)的被滤波器fy沿列向作用的结果,
利用大小为3×3的窗口对Mn(x,y)的所有元素沿梯度方向进行梯度幅值的插值,当Mn(x,y)的值小于梯度方向的2个插值结果,则将Mn(x,y)对应的边缘标志位赋值为0,得到Mn(x,y)非极大值抑制后的梯度幅值Mn(i,j),(i,j)为与(x,y)对应的像素点坐标;
用高阈值h和低阈值l分别对梯度幅值Mn(i,j)进行双阈值检测和连接边缘,得到阈值边缘图像hn(i,j)和阈值边缘图像ln(i,j),在阈值边缘图像hn(i,j)中连接边缘轮廓,当连接到端点时,在阈值边缘图像ln(i,j)中寻找边缘点填补阈值边缘图像hn(i,j),阈值边缘图像hn(i,j)为与第n副近景图像gn(x,y)宽高相同的图像;
步骤403、多次重复步骤401至步骤402,完成不同时期立方体模拟围岩的近景图像序列的预处理;
步骤五、监测标志点的中心定位,过程如下:
步骤501、利用边缘检测算子检测出监测标志点边缘,判断监测标志点边缘点集中监测标志点边缘点的数量是否不小于5,当监测标志点边缘点的数量小于5时,剔除该监测标志点;当监测标志点边缘点的数量不小于5时,执行步骤502;
步骤502、根据公式计算椭圆系数形成椭圆方程Ax2+Bxy+Cy2+Dx+Ey+1=0,其中,q为步骤501中监测标志点边缘点的数量且q不小于5,(x1,y1)、(x2,y2)、…、(xq,yq)分别为q个监测标志点边缘点的坐标;
步骤503、根据公式计算步骤502中形成的椭圆的长半轴a和短半轴b,其中,(x0,y0)为步骤502中椭圆的中心坐标且
判断的值是否位于比例系数阈值范围之间,当的值不在比例系数阈值范围之间时,剔除该监测标志点;当的值位于比例系数阈值范围之间时,执行步骤504;
步骤504、判断q个监测标志点边缘点围成的图像区域内是否包含有孤立的灰度值为255的像素点,若q个监测标志点边缘点围成的图像区域内存在孤立的灰度值为255的像素点,剔除该监测标志点;若q个监测标志点边缘点围成的图像区域内不存在孤立的灰度值为255的像素点,执行步骤505;
步骤505、判断q个监测标志点边缘点围成的图像区域的图像面积与其矩形最小包围窗口面积的比值是否处于面积阈值γ内,若q个监测标志点边缘点围成的图像区域的图像面积与其矩形最小包围窗口面积的比值不在面积阈值γ内时,剔除该监测标志点;若q个监测标志点边缘点围成的图像区域的图像面积与其矩形最小包围窗口面积的比值在面积阈值γ内时,确定该椭圆的中心坐标,完成该椭圆的中心定位;
步骤506、多次循环步骤501至步骤505,完成1幅阈值边缘图像中所有监测标志点的中心定位;
步骤507、6次循环步骤501至步骤506,完成当前时期6幅阈值边缘图像中所有监测标志点的中心定位;
步骤508、多次循环步骤501至步骤507,完成不同时期阈值边缘图像中所有监测标志点的中心定位;
步骤六、每一时期内同名监测标志点匹配,过程如下:
步骤601、对当前时期的每幅阈值边缘图像中控制标志点(7)和所有监测标志点的像平面二维坐标配置z轴坐标且每个控制标志点(7)和每个监测标志点的z轴坐标均为1,实现当前时期的每幅阈值边缘图像中控制标志点(7)和所有监测标志点的像平面二维坐标向像点三维坐标的转换;
步骤602、在当前时期的每幅阈值边缘图像中找8个控制标志点(7)的像点三维坐标;
步骤603、以当前时期的第1幅阈值边缘图像为基准影像,当前时期的第2幅阈值边缘图像为待匹配影像,利用8点算法获取基准影像和待匹配影像的基本矩阵F;
步骤604、根据公式u'pFup=0,计算基准影像上第p个监测标志点的像点三维坐标u'p,其中,up为待匹配影像上与基准影像上第p个监测标志点对应的第p个监测标志点的像点三维坐标,其中,p为正整数;
将基准影像上第p个监测标志点的像点三维坐标u'p的z轴坐标去除,得到基准影像上第p个监测标志点的像平面二维坐标u″p;
将待匹配影像上与基准影像上第p个监测标志点对应的第p个监测标志点的像点三维坐标up的z轴坐标去除,得到待匹配影像上与基准影像上第p个监测标志点对应的第p个监测标志点的像平面二维坐标u″′p;
步骤605、采用逐像素扫描法,在基准影像上从图像坐标系左上角开始以每一个中心定位后的监测标志点为中心,设置10×10大小的窗口,当在该窗口内发现u″p,即判定u″p和基准影像上对应监测标志点为同名监测标志点,实现同名监测标志点的粗匹配;
步骤606、同名监测标志点粗匹配完成之后,利用极线约束原理,得到基准影像上所有监测标志点在待匹配影像上的核线,核线的数量与基准影像上监测标志点的数量相等且一一对应;
步骤607、预先设定距离阈值,计算u″′p到对应核线的距离,当u″′p到对应核线的距离小于距离阈值时,即判定u″′p为u″′p的同名监测标志点,实现同名监测标志点的精确匹配,并对同名监测标志点进行编号,其中,距离阈值取3;
步骤608、将待匹配影像分别更换为当前时期的第3幅阈值边缘图像、第4幅阈值边缘图像、第5幅阈值边缘图像和第6幅阈值边缘图像,4次重复步骤603至步骤607,完成当前时期同名监测标志点匹配;
步骤609、多次重复步骤601至步骤608,完成每一时期内同名监测标志点匹配;
步骤七、不同时期同名监测标志点匹配,过程如下:
步骤701、对每一时期内所有同名监测标志点以先横坐标后纵坐标的方式从小到大进行排序编号;
步骤702、利用搜索不同时期同名监测标志点的编号,实现不同时期同名监测标志点匹配;
步骤八、获取每一时期同名监测标志点的物方坐标:
每一时期对需处理的同名监测标志点的物方坐标的处理方法均相同;
对每一时期需处理的同名监测标志点的物方坐标处理时,过程如下:
步骤801、选取同一时期每一张阈值边缘图像中4个控制标志点(7),采用角锥体法获取摄像机对应拍摄位置至各个控制点的距离,利用余弦定理获取摄像机对应拍摄位置线元素的初始值,再利用单位四元数的空间后方交会算法获取摄像机对应拍摄位置线元素的精确值,最后利用矩阵约束与最小二乘原理的方法获取摄像机对应拍摄位置角元素的精确值,得到同一时期每一张阈值边缘图像的外方位元素;
步骤802、通过摄像机检校获取摄像机的内方位元素;
步骤803、利用同一时期的阈值边缘图像的外方位元素和同名监测标志点的像点坐标,结合摄像机的内方位元素,利用最小二乘多片空间前方交会算法计算同一时期中同名监测标志点的物方坐标;
步骤九、统计和分析围岩位移变化:将不同时期同名监测标志点的物方坐标绘制成曲线,统计和分析同名监测标志点的偏移量,获取围岩位移变化。
2.按照权利要求1所述的一种巷道围岩相似模拟的围岩位移监测方法,其特征在于:所述高斯函数的标准差δ满足:0.5<δ<2.5。
3.按照权利要求1所述的一种巷道围岩相似模拟的围岩位移监测方法,其特征在于:所述高阈值h的像素灰度值为250,低阈值l的像素灰度值为80。
4.按照权利要求1所述的一种巷道围岩相似模拟的围岩位移监测方法,其特征在于:所述比例系数阈值范围取(1,1.2]。
5.按照权利要求1所述的一种巷道围岩相似模拟的围岩位移监测方法,其特征在于:所述面积阈值γ满足:0.75<γ<0.79。
6.按照权利要求1所述的一种巷道围岩相似模拟的围岩位移监测方法,其特征在于:所述立方体模拟围岩的开挖为对位于支护管道(3)内的巷道围岩相似材料模型(2)部分进行开挖,开挖次数为三次,三次开挖深度分别为20cm、40cm、60cm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811212472.8A CN109373978B (zh) | 2018-10-18 | 2018-10-18 | 一种巷道围岩相似模拟的围岩位移监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811212472.8A CN109373978B (zh) | 2018-10-18 | 2018-10-18 | 一种巷道围岩相似模拟的围岩位移监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109373978A true CN109373978A (zh) | 2019-02-22 |
CN109373978B CN109373978B (zh) | 2020-04-07 |
Family
ID=65400278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811212472.8A Expired - Fee Related CN109373978B (zh) | 2018-10-18 | 2018-10-18 | 一种巷道围岩相似模拟的围岩位移监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109373978B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111256607A (zh) * | 2020-02-19 | 2020-06-09 | 北京林业大学 | 一种基于三通道标志点的变形测量方法 |
CN112051139A (zh) * | 2020-09-09 | 2020-12-08 | 中山大学 | 管片接头抗剪刚度测量方法、系统、设备及存储介质 |
CN113793299A (zh) * | 2021-08-18 | 2021-12-14 | 武汉工程大学 | 一种巷道岩爆风险监测方法及监测装置 |
CN116503511A (zh) * | 2023-05-06 | 2023-07-28 | 中国矿业大学(北京) | 一种掘进巷道围岩破坏区形态的即时映射成像方法 |
CN116778094A (zh) * | 2023-08-15 | 2023-09-19 | 深圳眸瞳科技有限公司 | 一种基于优选视角拍摄的建筑物变形监测方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101975571A (zh) * | 2010-09-14 | 2011-02-16 | 中国矿业大学 | 一种巷道变形的自动实时监测方法 |
US20150116693A1 (en) * | 2013-10-31 | 2015-04-30 | Kabushiki Kaisha Topcon | Three-Dimensional Measuring Method And Surveying System |
CN107172386A (zh) * | 2017-05-09 | 2017-09-15 | 西安科技大学 | 一种基于计算机视觉的非接触式数据传输方法 |
CN107246848A (zh) * | 2017-04-21 | 2017-10-13 | 江西省高速公路投资集团有限责任公司 | 一种隧道施工断面形态快速检测系统及其检测方法 |
-
2018
- 2018-10-18 CN CN201811212472.8A patent/CN109373978B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101975571A (zh) * | 2010-09-14 | 2011-02-16 | 中国矿业大学 | 一种巷道变形的自动实时监测方法 |
US20150116693A1 (en) * | 2013-10-31 | 2015-04-30 | Kabushiki Kaisha Topcon | Three-Dimensional Measuring Method And Surveying System |
CN107246848A (zh) * | 2017-04-21 | 2017-10-13 | 江西省高速公路投资集团有限责任公司 | 一种隧道施工断面形态快速检测系统及其检测方法 |
CN107172386A (zh) * | 2017-05-09 | 2017-09-15 | 西安科技大学 | 一种基于计算机视觉的非接触式数据传输方法 |
Non-Patent Citations (1)
Title |
---|
张春森: "数字近景摄影测量在相似模拟试验中的应用研究", 《煤炭科学技术》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111256607A (zh) * | 2020-02-19 | 2020-06-09 | 北京林业大学 | 一种基于三通道标志点的变形测量方法 |
CN112051139A (zh) * | 2020-09-09 | 2020-12-08 | 中山大学 | 管片接头抗剪刚度测量方法、系统、设备及存储介质 |
CN113793299A (zh) * | 2021-08-18 | 2021-12-14 | 武汉工程大学 | 一种巷道岩爆风险监测方法及监测装置 |
CN113793299B (zh) * | 2021-08-18 | 2023-11-17 | 武汉工程大学 | 一种巷道岩爆风险监测方法及监测装置 |
CN116503511A (zh) * | 2023-05-06 | 2023-07-28 | 中国矿业大学(北京) | 一种掘进巷道围岩破坏区形态的即时映射成像方法 |
CN116503511B (zh) * | 2023-05-06 | 2023-09-19 | 中国矿业大学(北京) | 一种掘进巷道围岩破坏区形态的即时映射成像方法 |
CN116778094A (zh) * | 2023-08-15 | 2023-09-19 | 深圳眸瞳科技有限公司 | 一种基于优选视角拍摄的建筑物变形监测方法及装置 |
CN116778094B (zh) * | 2023-08-15 | 2023-11-24 | 深圳眸瞳科技有限公司 | 一种基于优选视角拍摄的建筑物变形监测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109373978B (zh) | 2020-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109373978A (zh) | 一种巷道围岩相似模拟的围岩位移监测方法 | |
CN105180890B (zh) | 融合激光点云和数字影像的岩体结构面产状测量方法 | |
CN103971406B (zh) | 基于线结构光的水下目标三维重建方法 | |
CN104330074B (zh) | 一种智能测绘平台及其实现方法 | |
CN106340044B (zh) | 摄像机外参自动标定方法及标定装置 | |
CN110047142A (zh) | 无人机三维地图构建方法、装置、计算机设备及存储介质 | |
CN104930985B (zh) | 基于时空约束的双目视觉三维形貌测量方法 | |
CN105069843A (zh) | 一种面向城市三维建模的密集点云的快速提取方法 | |
CN108406731A (zh) | 一种基于深度视觉的定位装置、方法及机器人 | |
CN106327573A (zh) | 一种针对城市建筑的实景三维建模方法 | |
CN105856243A (zh) | 一种移动智能机器人 | |
CN105931234A (zh) | 一种地面三维激光扫描点云与影像融合及配准的方法 | |
CN108020212A (zh) | 一种基于无人机与cors技术的小比例尺测绘方法 | |
CN112288848B (zh) | 无人机航拍三维建模计算工程量的方法 | |
CN104268935A (zh) | 一种基于特征的机载激光点云与影像数据融合系统及方法 | |
CN103759669A (zh) | 一种大型零件的单目视觉测量方法 | |
CN108007374A (zh) | 一种建筑物变形激光点云数据坐标偏差分析方法 | |
CN104155635B (zh) | 一种探地雷达单道电磁波谱三维定位方法 | |
CN105184857A (zh) | 基于点结构光测距的单目视觉重建中尺度因子确定方法 | |
JP2005049148A (ja) | 放射線線量率分布の可視化装置 | |
CN110111412A (zh) | 一种隧道开挖面围岩点云模型的获取方法 | |
CN106908064A (zh) | 一种基于Kinect2传感器的室内夜间视觉导航方法 | |
CN107527366A (zh) | 一种面向深度相机的相机跟踪方法 | |
CN104166995B (zh) | 一种基于马步测度的Harris‑SIFT双目视觉定位方法 | |
CN113538668A (zh) | 地质模型构建方法、系统、存储介质以及电子设备 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200407 Termination date: 20201018 |