CN109559348A - 一种基于特征点追踪的桥梁非接触式变形测量方法 - Google Patents

一种基于特征点追踪的桥梁非接触式变形测量方法 Download PDF

Info

Publication number
CN109559348A
CN109559348A CN201811452458.5A CN201811452458A CN109559348A CN 109559348 A CN109559348 A CN 109559348A CN 201811452458 A CN201811452458 A CN 201811452458A CN 109559348 A CN109559348 A CN 109559348A
Authority
CN
China
Prior art keywords
point
displacement
bridge
feature
camera
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
Application number
CN201811452458.5A
Other languages
English (en)
Other versions
CN109559348B (zh
Inventor
张建
于姗姗
朱程鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201811452458.5A priority Critical patent/CN109559348B/zh
Publication of CN109559348A publication Critical patent/CN109559348A/zh
Application granted granted Critical
Publication of CN109559348B publication Critical patent/CN109559348B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • G06T7/73Determining position or orientation of objects or cameras using feature-based methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/30Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于特征点追踪的桥梁非接触式变形测量方法。本发明方法,通过架设于桥梁测点上的相机聚焦于远处变形可忽略的不动结构,在桥梁加载前后采集不动结构的一系列图像,利用改进的特征点匹配算法SURF‑BRISK追踪特征点在图像中的亚像素坐标,进而得到桥梁测点处的亚像素位移,然后,通过标定的缩放系数,将像素位移转化成实际的物理位移。本发明克服了诸如位移计倾角仪等传统位移测量手段的接触时安装的复杂工序,还克服了传统图像测量方法需要在结构表面粘贴预先设计的特殊目标靶面,再者对已有的特征点匹配的筛选策略改进,提高匹配准确性和工作效率。该方法具有非接触、准备工序少、方便测点定位特点,有广泛应用前景。

Description

一种基于特征点追踪的桥梁非接触式变形测量方法
技术领域
本发明属于结构健康监测技术领域,具体涉及一种基于特征点追踪的桥梁非接触式变形测量方法。
背景技术
位移是桥梁结构设计和性能评估中最关键的基本参数之一,它能直观反映结构的基本性能与状态,因此桥梁结构的位移一直是工程师和科研人员关注的重点。现有位移测量设备主要分为接触式和非接触式两类。接触式位移测量设备包括位移计倾角仪、水准仪、长标距应变传感器等, 但是,现有接触式测量设备存在各种各样的问题,在实际工程应用中不够快速便捷。比如:位移计需要固定支架,实际应用困难;非接触式测量有GPS、雷达 激光测距以及基于光学测量等。GPS 测量挠度精度不高,且受到诸如采样频率、卫星覆盖范围、气候条件、多次反射效应和GPS数据处理方法等的影响;雷达使用时对测量角度有要求,需要安装角反射器专业人员操作;激光测距具有非接触式测量的优点,但激光测距受激光穿透距离近的限制。
图像测量方法最早基于模板匹配技术,目前被广泛使用的有数字图像相关(DIC),光流法(optical flow), 边缘检测(edge detection),方向编码匹配(orientation-codematching ,OCM)。基于模板匹配的光测方法,在土木工程领域被广泛应用。模板匹配技术在实际结构应用中存在局限性:模板匹配要求图像只能进行平行移动,若原图像中的匹配目标发生旋转或尺度变化,该算法无效,而且实际工程结构本身特征不够丰富,往往在精度上达不到理想效果。于是针对不同的模板匹配算法,人们决定预先在结构表面喷制特征或者人为设计具有对比强烈的目标靶面以此提高匹配精度,但这实际上违背了光测非接触式测量的初衷。
不同于模板匹配,特征点追踪则只需要图像中有可检测并有效匹配的稳定兴趣点。特征点追踪包括三个步骤:检测、描述和匹配。近十几年来,出现了一系列特征点检测器SIFT, SURF, FAST,和描述器SIFT, SURF,Harris 角点检测、BRIEF,ORB, BRISK、FREAK。其中,SIFT算法检测的特征在空间和尺度上定位更加精确, 但SIFT因为其巨大的特征计算量而使得特征点提取的过程异常花费时间;SURF算法在检测同样丰富的特征点的执行时间是SIFT的三分之一,同时,SURF 也具有较好的旋转不变性和尺度不变性。优先考虑速度的时候FAST、BRIEF、ORB是最好的选择;ORB采用FAST检测算子,速度快,但不具有尺度不变性 ;Bekele 等就 BRIEF、ORB、BRISK、FREAK 和 SIFT 这 5种局部特征描述符的性能进行了比较,认为 BRISK 特征描述符在这五种二进制特征描述符中拥有最高的精确度以及最大的最佳匹配点数目。
得到了描述子后,可调用匹配算法进行特征点的匹配。目前广泛使用的有暴力匹配算法BF Matcher,该算法在向量空间中,将特征点的描述子一一比较,选择距离(Hamming距离或者欧式距离)较小的一对作为匹配点。对比只是用暴力匹配的方法,进行过滤后的匹配效果好了很多。针对暴力匹配,可以使用交叉匹配的方法来过滤错误的匹配。此外,还有KNN匹配,K近邻匹配,在匹配的时候选择K个和特征点最相似的点,如果这K个点之间的区别足够大,则选择最相似的那个点作为匹配点,通常选择K = 2,也就是最近邻匹配。对每个匹配返回两个最近邻的匹配,如果第一匹配和第二匹配距离比率足够大(向量距离足够远),则认为这是一个正确的匹配,比率的阈值通常在2左右。将不满足的最近邻的匹配之间距离比率大于设定的阈值(1/1.5)匹配剔除。另外还可采用随机采样一致性(RANSAC)来过滤掉错误的匹配,该方法利用匹配点计算两个图像之间单应矩阵,然后利用重投影误差来判定某一个匹配是不是正确的匹配。
结合工程实际,在大型结构的图像测量中,视场聚焦于结构局部,特征稀少,如果能够检测到相对丰富的特征点将会对后续图像序列的特征点匹配十分有利;位移测量的精度不仅取决于特征点检测的亚像素精度,最终的特征点匹配进度也十分关键。
发明内容
为了克服现在技术中的缺点与不足,本发明的目的在于提供一种基于特征点追踪的桥梁非接触式变形测量方法,本发明克服了传统接触式桥梁挠度测量设备布置和采集系统繁琐的缺陷,相比已有的光学测量方法,不需要在结构上粘贴特征目标而是直接利用结构特征,真正实现非接触。
为了实现上述目的,本发明采用以下技术方案:
一种基于特征点追踪的桥梁非接触式变形测量方法,包括以下步骤:
(1)图像采集:加载前,将相机架设于桥面测点位置,调整相机镜头聚焦至竖向变形可忽略的结构位置,并采集初始参考图;正式加载后,相机继续采集图像,作为变形图;
(2)预估结构的最大绝对像素位移A;其中,所述步骤(2)中对结构的最大变形量A的预估是目前光测方法中所没有的,该步骤基于桥梁大型结构变形小的工程普遍特征;
(3)标定尺度参数s;
(4)在参考图中框选计算区域,采用经典的SURF检测器,对参考图和变形图进行特征点检测,对最终确定的稳定特征点求解亚像素坐标;
(5)设定搜索半径R=A,根据参考图中的待匹配特征点坐标,在变形图中筛选出与待匹配特征点的像素坐标距离不超过R的目标特征点;所述步骤(5)中的基于搜索半径R对目标特征点进行筛选,是目前匹配方法中所没有采用过的;
(6)基于BRISK描述器求解待匹配特征点和目标特征点的梯度和主方向,进而得到二进制描述符;
(7)基于描述符进行特征点匹配:求解待匹配特征点和各目标特征点之间的Hamming距离,以该距离最小作为原则,完成特征点匹配;
(8)对特征点在变形前后图像中的亚像素纵坐标作差,得到亚像素位移d;
(9)通过尺度参数将亚像素位移转换成物理位移D,得到不动基点相对测点的竖向位移。
优选地,所述步骤(3)标定尺度参数s的标定方法如下:采用激光测距仪测量相机CCD靶面距离聚焦位置的距离多次测量取均值,求尺度参数s1; 通过结构已知物理尺寸在图像中的像素距离,标定尺度参数s2,得s=(s1+s2)/2。
优选地,所述步骤(9)物理位移D=d*s,其中d为亚像素位移,s为尺度参数。
优选地,所述尺度参数s1的公式如下:
其中,L是测点到相机光心的距离,是相机的像元尺寸,为镜头焦距,(,)是测点像素坐标,(, )是图像中心的像素坐标。
优选地,所述不动基点相对测点的竖向位移与物理位移D符号相反。
本发明与现有技术相比,其有益效果为:
1. 本发明克服了传统接触式桥梁挠度测量设备布置和采集系统繁琐的缺陷,相比已有的光学测量方法,不需要在结构上粘贴特征目标而是直接利用结构特征,真正实现非接触。而且,需要测量桥梁结构的哪个几分测点,只需要将其架设在该位置的桥面上,突破了已有光测方法架设于岸边追踪桥梁测面而不能精确定位待测位置的局限性。再者,本发明中首次针对简单刚体平移的变形特征,提出了基于变形幅值预估对目标特征点进行筛选而后进行暴力匹配的特征点匹配策略。这一改进巧妙利用大型结构小变形的特点,有效剔除错误的特征点匹配。
2. 本发明将SURF检测器与BRISK描述子结合,作为本研究的特征匹配算法,兼具SURF检测数量丰富、计算速度快和BRISK匹配数量大精度高的优点。 利用桥梁刚体位移小的特点,本发明提出新的特征匹配搜索策略:在特征点检测之后,由初始图像中的待匹配特征点的像素坐标,同时根据由预估最大变形量所设置的搜索半径,筛选出与待匹配特征点像素坐标距离在该半径范围内的目标特征点,计算待匹配特征点与各目标特征点之间的Hamming 距离,距离最小的即为最终的目标特征点。 该匹配筛选方法有利于提高匹配结果的正确率,排除干扰点,同时不过分牺牲其他特征点匹配结果。同时也需要指明,该方法对小变形更为有效,如果是几十上百像素的变形量,可能该数量级与错误匹配点对的像素距离相当,该方法也就失去了意义。
3. 本发明一方面克服了诸如位移计倾角仪等传统位移测量手段的接触时安装的复杂工序,另一方面克服了传统图像测量方法需要在结构表面粘贴预先设计的特殊目标靶面,同时也克服了已有方法只能追踪桥梁结构测面的局限性,该方法具有非接触、准备工序少、测点定位准确的特点,有广泛应用于实际桥梁变形测量的良好前景。因此有广泛应用于实际桥梁变形评估的良好前景。
附图说明
图1为本发明方法的流程示意图;
图2为本发明实施例1相机采集到的用于计算位移的图片;
图3为本发明实施例1工况示意图;
图4为本发明实施例1静载试验结果对比图。
具体实施方式
下面通过具体实施方式对本发明作进一步详细说明。但本领域技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限定本发明的范围。
图1为本发明方法的基本流程。加载前,将相机架设于桥面测点位置,调整相机镜头聚焦至竖向变形可忽略的结构位置(一般是桥梁支座上位置的上部结构),并采集初始参考图。正式加载后,相机采集继续采集以下列图像,作为变形图;然后预估结构的最大绝对像素位移A和尺度的标定;对采集的图像进行计算之前,首先在参考图中框选计算区域,然后采用经典的SURF检测器,对参考图和变形图进行特征点检测,并对最终确定的稳定特征点求解亚像素坐标。设定搜索半径R=A,根据参考图中的待匹配特征点坐标,在变形图中筛选出与待匹配特征点的像素坐标距离不超过R的目标特征点。基于BRISK描述器求解待匹配特征点和目标特征点的梯度和主方向,进而得到二进制描述符。最后基于描述符进行特这个点匹配:求解待匹配特征点和各目标特征点之间的Hamming距离,以该距离最小作为原则,完成特征点匹配,对特征点在变形前后图像中的亚像素纵坐标作差,得到亚像素位移d。通过尺度参数将亚像素位移转换成物理位移D=d*s,也就是不动基点相对测点的竖向位移,测点的竖向位移与D符号相反。
由上述的本发明方法的流程可以看出,本发明方法通过架设于待测的变形位置处的相机采集加载前后远处不动结构的图像,通过SURF-BRISK特征点追踪,得到待测位置的竖向变形,具有方便快捷以及精度高的优点。特别的是,所提出的特征点匹配策略可以有效剔除只存在小刚体平移的图像之间的错误匹配,这是本发明的独特之处。
实施例1
下面利用一个典型桥梁荷载试验案例来说明所提议的基于特征点追踪的桥梁变形快速测量方法的实施步骤。首先介绍一下光测在当天进行测量的静载试验工况,采用6辆单车车重为34吨的卡车进行加载,待桥面空载后,卡车在桥头准备就绪,依次停靠每个八分测点,如图3中所示,本次光测需要监测绿色测点位置附近的挠度。每个八分测点停靠至少10分钟保证结构变形完全,当天用于测量各八分测点变形的传统测量设备有水准仪和倾角仪。以下是光测参与时的实施步骤:
步骤1:确定光学采集系统的布置方案
光测用于测量八分之二测点的在卡车加载于各测点时的变形,所以相机架设在四分之一测点,聚焦于距离相机26米左右的桥头上的栏杆上,由于该位置式支座区域,忽略其在加载后的竖向沉降。选用的工业相机型号为UI-3370CP-M-GL,COMS成像芯片分辨率为2048*2048,像元尺寸为5.5微米,帧频不低于80fps;Canon远摄定焦镜头,焦距200mm;云台可三个方向旋转,实验前将相机调平,忽略光轴倾斜角度对测量结果的影响。 相机采用USB3.0数据线与笔记本连接,不需要设置额外电源。
步骤2:采集计算图片
加载前,卡车在桥头就绪准备进场,相机开始进行图像采集,以第一张作为初始参考图。在卡车在第一个八分测点加载稳定,等5分钟左右桥梁结构变形完全后,水准仪开始读数,此刻相机连续采集10张左右的图像用于计算变形,此后各测点均是如此。
步骤3:尺度标定和估计最大变形量
本例中也采用两种尺度参数的标定方法,一是采用激光测距仪测量相机CCD靶面距离聚焦位置的距离多次测量取均值,L=25939mm,求尺度参数s1=0.715mm/pixel;第二种方法,是利用已知结构的实际尺寸,市场中栏杆宽度约为100mm,通过多位置求平均值,栏杆宽度方向约占据141个像素,s2=0.709mm/pixel,两种方法的标定结果接近,取两种标定方法的均值s=0.712mm/pixel。
其中L是测点到相机光心的距离,可以通过激光测距得到,是相机的像元尺寸。为镜头焦距,是测点像素坐标,是图像中心的像素坐标。本文均取两种方法的均值用于传唤像素位移为实际位移。对于各测点,为减少标定误差,多次测量求均值。
根据工程经验预估变形绝对值最大不可能超过10mm,也就是14pixel。
步骤4:图像分析
将计算图片导入计算软件中,首先在参考图中框选计算区域,然后采用经典的SURF检测器,对参考图和变形图进行特征点检测,并对最终确定的稳定特征点求解亚像素坐标。设定搜索半径R=14pixel,根据参考图中的待匹配特征点坐标,在变形图中筛选出与待匹配特征点的像素坐标距离不超过R的目标特征点。基于BRISK描述器求解待匹配特征点和目标特征点的梯度和主方向,进而得到二进制描述符。基于描述符进行特征点匹配:求解待匹配特征点和各目标特征点之间的Hamming距离,以该距离最小作为原则,完成特征点匹配。对特征点在变形前后图像中的亚像素纵坐标作差,得到亚像素位移d,通过尺度参数将亚像素位移转换成物理位移D=d*0.712mm,测点的竖向位移与D大小相同符号相反。
在本实施例中,作为与本研究中非接触式光学测量方法的对比,荷载试验过程中采用的接触式测量方法包括水准仪(精度0.01mm)、倾角仪。
如图4所示,通过动静荷载下的光测结果于传统测量方法结果的对比发现,静载中,光测与水准仪的最大测量误差不超过5%。本案例中对已有匹配提纯策略和本文提出的匹配策略进行了效果的对比,发现即便筛选半径不够接近真实位移,也能很好地消除低级的错误匹配;将该搜索策略用于SIFT-BRISK算法,只剩余了50对匹配点,只有SURF-BRISK的一半不到。也再次说明了,所选用的SURF-BRISK对结构局部特征点稀少的状况很适用。
以上所述,仅是本发明较佳的实施例而已,并非对本发明的技术范围作任何限制,故凡是依据本发明的技术实质对以上实施例所做的任何细微修改、等同变化和修饰,均属于本发明技术方案的范围内。

Claims (5)

1.一种基于特征点追踪的桥梁非接触式变形测量方法,其特征在于,包括以下步骤:
(1)图像采集:加载前,将相机架设于桥面测点位置,调整相机镜头聚焦至竖向变形可忽略的结构位置,并采集初始参考图;正式加载后,相机继续采集图像,作为变形图;
(2)预估结构的最大绝对像素位移A;
(3)标定尺度参数s;
(4)在参考图中框选计算区域,采用经典的SURF检测器,对参考图和变形图进行特征点检测,对最终确定的稳定特征点求解亚像素坐标;
(5)设定搜索半径R=A,根据参考图中的待匹配特征点坐标,在变形图中筛选出与待匹配特征点的像素坐标距离不超过R的目标特征点;
(6)基于BRISK描述器求解待匹配特征点和目标特征点的梯度和主方向,进而得到二进制描述符;
(7)基于描述符进行特征点匹配:求解待匹配特征点和各目标特征点之间的Hamming距离,以该距离最小作为原则,完成特征点匹配;
(8)对特征点在变形前后图像中的亚像素纵坐标作差,得到亚像素位移d;
(9)通过尺度参数将亚像素位移转换成物理位移D,得到不动基点相对测点的竖向位移。
2.根据根据权利要求1所述的一种基于特征点追踪的桥梁非接触式变形测量方法,其特征在于,所述步骤(3)标定尺度参数s的标定方法如下:采用激光测距仪测量相机CCD靶面距离聚焦位置的距离多次测量取均值,求尺度参数s1; 通过结构已知物理尺寸在图像中的像素距离,标定尺度参数s2,得s=(s1+s2)/2。
3.根据权利要求1所述的一种基于特征点追踪的桥梁非接触式变形测量方法,其特征在于,所述步骤(9)物理位移D=d*s,其中d为亚像素位移,s为尺度参数。
4.根据权利要求2所述的一种基于特征点追踪的桥梁非接触式变形测量方法,其特征在于,所述尺度参数s1的公式如下:
其中,L是测点到相机光心的距离,是相机的像元尺寸,为镜头焦距,(,)是测点像素坐标,(, )是图像中心的像素坐标。
5.根据权利要求3所述的一种基于特征点追踪的桥梁非接触式变形测量方法,其特征在于,所述不动基点相对测点的竖向位移与物理位移D符号相反。
CN201811452458.5A 2018-11-30 2018-11-30 一种基于特征点追踪的桥梁非接触式变形测量方法 Active CN109559348B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811452458.5A CN109559348B (zh) 2018-11-30 2018-11-30 一种基于特征点追踪的桥梁非接触式变形测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811452458.5A CN109559348B (zh) 2018-11-30 2018-11-30 一种基于特征点追踪的桥梁非接触式变形测量方法

Publications (2)

Publication Number Publication Date
CN109559348A true CN109559348A (zh) 2019-04-02
CN109559348B CN109559348B (zh) 2021-09-28

Family

ID=65868211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811452458.5A Active CN109559348B (zh) 2018-11-30 2018-11-30 一种基于特征点追踪的桥梁非接触式变形测量方法

Country Status (1)

Country Link
CN (1) CN109559348B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111076880A (zh) * 2020-01-11 2020-04-28 东南大学 一种考虑相机姿态变化的大跨桥梁多点挠度测量方法
CN111079786A (zh) * 2019-11-15 2020-04-28 北京理工大学 一种基于ROS和Gazebo的旋转相机特征匹配算法
CN111580098A (zh) * 2020-04-29 2020-08-25 深圳大学 一种桥梁形变监测方法、终端以及存储介质
CN113838120A (zh) * 2021-09-30 2021-12-24 重庆大学 一种基于数字图像相关的大转角运动位移测量方法
CN113959341A (zh) * 2021-10-14 2022-01-21 江苏科技大学 光学结构位移测量方法、系统及存储介质
CN114018170A (zh) * 2021-11-05 2022-02-08 中交一公局第七工程有限公司 基于bim的预制箱梁监测方法
CN114184127A (zh) * 2021-12-13 2022-03-15 哈尔滨工业大学 一种基于单相机无标靶的建筑物全局位移监测方法
CN114363123A (zh) * 2021-01-12 2022-04-15 北京智博联科技股份有限公司 基于数字图像相关技术的智能形变监测网关、系统及方法
CN115060185A (zh) * 2022-06-07 2022-09-16 西南交通大学 一种落石灾害柔性防护结构非接触视觉监测系统及方法
CN115655758A (zh) * 2022-12-08 2023-01-31 成都盛锴科技有限公司 一种转向架位姿检测、校正方法及其系统
CN117036454A (zh) * 2023-08-24 2023-11-10 同济大学 一种基于稠密匹配算法的构件表面位移场检测方法
CN117132913A (zh) * 2023-10-26 2023-11-28 山东科技大学 基于无人机遥感与特征识别匹配的地表水平位移计算方法
CN117333824A (zh) * 2023-12-01 2024-01-02 中铁十九局集团第三工程有限公司 基于bim的桥梁施工安全监测方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102645173A (zh) * 2011-02-16 2012-08-22 张文杰 一种基于多目视觉的桥梁三维变形监测方法
CN103400388A (zh) * 2013-08-06 2013-11-20 中国科学院光电技术研究所 一种利用RANSAC消除Brisk关键点错误匹配点对的方法
US20160068114A1 (en) * 2014-09-03 2016-03-10 Sharp Laboratories Of America, Inc. Methods and Systems for Mobile-Agent Navigation
CN105865735A (zh) * 2016-04-29 2016-08-17 浙江大学 一种基于视频监控的桥梁振动测试与动力特性识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102645173A (zh) * 2011-02-16 2012-08-22 张文杰 一种基于多目视觉的桥梁三维变形监测方法
CN103400388A (zh) * 2013-08-06 2013-11-20 中国科学院光电技术研究所 一种利用RANSAC消除Brisk关键点错误匹配点对的方法
US20160068114A1 (en) * 2014-09-03 2016-03-10 Sharp Laboratories Of America, Inc. Methods and Systems for Mobile-Agent Navigation
CN105865735A (zh) * 2016-04-29 2016-08-17 浙江大学 一种基于视频监控的桥梁振动测试与动力特性识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
惠记庄 等: "基于SURF-BRISK的目标识别匹配与定位方法研究", 《长安大学学报(自然科学版)》 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111079786A (zh) * 2019-11-15 2020-04-28 北京理工大学 一种基于ROS和Gazebo的旋转相机特征匹配算法
CN111076880A (zh) * 2020-01-11 2020-04-28 东南大学 一种考虑相机姿态变化的大跨桥梁多点挠度测量方法
CN111580098A (zh) * 2020-04-29 2020-08-25 深圳大学 一种桥梁形变监测方法、终端以及存储介质
CN114363123A (zh) * 2021-01-12 2022-04-15 北京智博联科技股份有限公司 基于数字图像相关技术的智能形变监测网关、系统及方法
CN114363123B (zh) * 2021-01-12 2024-04-19 北京智博联科技股份有限公司 基于数字图像相关技术的智能形变监测网关、系统及方法
CN113838120A (zh) * 2021-09-30 2021-12-24 重庆大学 一种基于数字图像相关的大转角运动位移测量方法
CN113838120B (zh) * 2021-09-30 2024-01-30 重庆大学 一种基于数字图像相关的大转角运动位移测量方法
CN113959341A (zh) * 2021-10-14 2022-01-21 江苏科技大学 光学结构位移测量方法、系统及存储介质
CN113959341B (zh) * 2021-10-14 2024-04-26 江苏科技大学 光学结构位移测量方法、系统及存储介质
CN114018170A (zh) * 2021-11-05 2022-02-08 中交一公局第七工程有限公司 基于bim的预制箱梁监测方法
CN114184127A (zh) * 2021-12-13 2022-03-15 哈尔滨工业大学 一种基于单相机无标靶的建筑物全局位移监测方法
CN114184127B (zh) * 2021-12-13 2022-10-25 哈尔滨工业大学 一种基于单相机无标靶的建筑物全局位移监测方法
CN115060185A (zh) * 2022-06-07 2022-09-16 西南交通大学 一种落石灾害柔性防护结构非接触视觉监测系统及方法
WO2023236897A1 (zh) * 2022-06-07 2023-12-14 西南交通大学 一种落石灾害柔性防护结构非接触视觉监测系统及方法
CN115655758A (zh) * 2022-12-08 2023-01-31 成都盛锴科技有限公司 一种转向架位姿检测、校正方法及其系统
CN117036454A (zh) * 2023-08-24 2023-11-10 同济大学 一种基于稠密匹配算法的构件表面位移场检测方法
CN117036454B (zh) * 2023-08-24 2024-05-14 同济大学 一种基于稠密匹配算法的构件表面位移场检测方法
CN117132913B (zh) * 2023-10-26 2024-01-26 山东科技大学 基于无人机遥感与特征识别匹配的地表水平位移计算方法
CN117132913A (zh) * 2023-10-26 2023-11-28 山东科技大学 基于无人机遥感与特征识别匹配的地表水平位移计算方法
CN117333824A (zh) * 2023-12-01 2024-01-02 中铁十九局集团第三工程有限公司 基于bim的桥梁施工安全监测方法及系统
CN117333824B (zh) * 2023-12-01 2024-02-13 中铁十九局集团第三工程有限公司 基于bim的桥梁施工安全监测方法及系统

Also Published As

Publication number Publication date
CN109559348B (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
CN109559348A (zh) 一种基于特征点追踪的桥梁非接触式变形测量方法
CN109916322B (zh) 一种基于自适应窗口匹配的数字散斑全场形变测量方法
CN107993258B (zh) 一种图像配准方法及装置
CN109754429A (zh) 一种基于图像的桥梁结构挠度测量方法
CN109341668B (zh) 基于折射投影模型和光束追踪法的多相机测量方法
CN105701827A (zh) 可见光相机与红外相机的参数联合标定方法及装置
CN110390696A (zh) 一种基于图像超分辨率重建的圆孔位姿视觉检测方法
CN109297428A (zh) 一种基于无人机的高精度变形巡测技术方法
CN108535097A (zh) 一种三轴试验试样柱面变形全场测量的方法
CN106996748A (zh) 一种基于双目视觉的轮径测量方法
CN102346013A (zh) 一种隧道衬砌裂缝宽度的测量方法及装置
CN107589069B (zh) 一种物体碰撞恢复系数的非接触式测量方法
CN110223355B (zh) 一种基于双重极线约束的特征标志点匹配方法
CN104634242A (zh) 探针补点系统及方法
CN110930382A (zh) 基于标定板特征点提取的点云拼接精度评估方法及系统
CN109974618A (zh) 多传感器视觉测量系统的全局标定方法
CN113393439A (zh) 一种基于深度学习的锻件缺陷检测方法
WO2020093631A1 (zh) 一种基于深度实例分割网络的天线下倾角测量方法
CN114693522A (zh) 一种全聚焦超声图像拼接方法
CN114964007A (zh) 一种焊缝尺寸视觉测量与表面缺陷检测方法
CN109086350A (zh) 一种基于WiFi的混合图像检索方法
CN101726316A (zh) 内方位元素及畸变测试仪
CN117710588A (zh) 一种基于视觉测距先验信息的三维目标检测方法
CN111369533B (zh) 基于偏振图像融合的钢轨廓形检测方法及装置
CN112525326A (zh) 一种无标记结构三维振动的计算机视觉测量方法

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