CN110186383A - 基于目标点仰角变化的单目相机挠度测量方法 - Google Patents

Abstract

本发明属于光电检测领域，具体涉及一种用于大型设施挠度的非接触式测量方法。该方法包括：相机设置的步骤、相机位姿获取的步骤、真实俯仰角α计算的步骤、位置追踪的步骤以及挠度计算的步骤，并基于小孔成像模型中的几何关系，按式8的挠度计算公式，求出目标点的挠度S。本发明考虑了基于视觉传感器的挠度测量中，多个测量点因在视场中位置不同而仰角不同的影响，测量更精确；同时，还可以有效消除相机滚转引起的误差，测量大型设施挠度时应对室外复杂的测量环境更加灵活，使用非常方便，可广泛适用于桥梁、高塔、隧道、起重机械等一些复杂的大型建筑设施运营过程中多点挠度实时检测。

Description

基于目标点仰角变化的单目相机挠度测量方法

技术领域

本发明属于光电检测领域，具体涉及一种用于大型设施的挠度进行非接触式测量方法。

背景技术

桥梁、隧道、起重机械等一些复杂的大型建筑设施在国家经济社会建设中有着举足轻重的作用，关系到人民生命财产的安全。由于工程结构设计、建造、施工和运营维护的不规范；地质气候等自然因素以及大型设施自身的静载和交通或风力等动荷载，不同类型的桥梁、高塔、隧道、起重机械等大型设施不可避免的会出现各种内部损伤或外部变形，导致安全性和寿命缩短等问题频繁发生。

测量大型设施的位移/挠度对于了解设施的安全性能以及设施的服役状态具有重要意义，能够反映设施动力特性的参数主要有位移、速度、加速度，其中位移因其直观表现结构性能成为了健康监测重要的研究部分。

传统的挠度测量一般有三种：(1)预埋传感器：该方法成本高、效率低、精度无法保证，传统的接触式位移传感器，如线性可变差动变压器(LVDT)需要一个固定的参考点，但这在测量现场通常是难以保证的；(2)全站仪、经纬仪等测量法，该方法需要人工布设标靶然后逐点测量，测量效率低，无法实时多点同步测量；(3)全球定位系统(GPS)，GPS存在众多优点，如毫米级的定位精度、较高的采样频率、较好的实时性、远距离测量等；但其固有的弱点也决定了它应用的局限性，如GPS易受电磁干扰，如要提高精度和采样频率则需非常昂贵的费用。

发明内容

本发明的目的是针对现有的技术缺陷和大型设施非接触式挠度检测的迫切的应用，提出了一种考虑测量目标点在视场中位置不同而存在仰角变化的单目相机挠度测量方法。

为达到上述目的，本发明提出的考虑图像仰角变化的单目相机挠度测量方法采用DIC图像匹配技术来获得大型设施的挠度数据，技术方案如下：

一种基于目标点仰角变化的单目相机挠度测量方法，其考虑在测量过程中测量目标点在位移前和位移后于相机视场中位置不同导致的仰角变化对测量结果的影响并予以修正，该测量方法包括：

1、相机设置的步骤：首先调整相机使得待测量目标点出现在相机的视场中，测量目标点到相机的距离，优选利用激光测距仪测量相机外壳至目标点的直线距离；若同时测量多个目标点的挠度，则需要确保它们均在视场中并分别测量它们到相机的距离。更佳地，还包括成像调节的步骤，调节相机位姿及光圈并对焦，使目标点清晰成像；最佳地，所述相机连接至电脑，以从电脑上查看实时图像。

2、相机位姿获取的步骤：相机设置完成后，测量以获取相机的位姿参数，包括相机俯仰角θ和滚转角β，优选利用倾角仪或倾角传感器获得。

3、真实俯仰角计算的步骤：结合每个目标点的在图像上坐标(即其在成像面上的坐标)和相机的固有参数(包括相机焦距和像素点实际物理尺寸)可以求出各目标点在不同状态时的真实俯仰角α；所述真实俯仰角α是指目标点与相机光心O间的连线与水平面的夹角。

真实俯仰角α优选可以按以下方法获得：

调整后图像坐标(x，y)可以看作由横轴平行于水平面的图像坐标系绕图像中心(x_c，y_c)旋转了β角后的位置，两者关系满足式(1)，

其中，旋转矩阵M为：

待测目标点在相机成像面上的投影点的图像坐标为(x，y)，其绕图像中心(x_c，y_c)旋转β后得到新坐标为(x′，y′)，其满足式(2)：

其中，

从而可以利用式2计算新坐标(x′，y′)。

假设待目标点为Q₀，Q₀在相机成像面上的投影为q₀(x₀，y₀)，由旋转矩阵求得X轴平行于水平面的图像坐标系下q₀点坐标为(x₀′，y₀′)，由几何关系得目标点Q₀的俯仰角为α₀满足式3：

其中，l_ps为像素实际尺寸，f为相机镜头焦距,(x_c，y_c)为图像中心。

对某一目标点而言，可以按上述方法并经式3分别计算出其在初始状态时Q₀和位移状态时Q₁的真实俯仰角α₀和α₁，α₀为初始状态时目标点Q₀的真实俯仰角，α₁为位移时目标点Q₁的真实俯仰角。

4、位置追踪的步骤：采用数字图像相关法(DIC)跟踪目标点在图像中的位置变化，DIC算法可以采用通用算法，也可以采用本发明优化后的算法。

5、挠度计算的步骤：如图3所示，Q₀为某一目标点实际位置，Q₁为目标点Q₀位移后的实际位置，由Q₀至Q₁的位移量S即为该目标点的挠度，q₀和q₁分别为Q₀和Q₁在相机成像面上的投影位置，O点为光心，θ为机俯仰角(显然，相机成像面与其垂直)，α₀和α₁分别为Q₀和Q₁点的真实俯仰角，f为焦距，θ、α₀以及α₁均为相对于水平面的夹角；基于小孔成像模型中的几何关系，由Q₀至Q₁的位移量S满足式8。

从而，可以按式(8)的挠度计算公式，求出目标点的挠度S(即待测目标点的实际真实挠度)。

其中，T为待测目标点到相机的距离，可通过激光测距仪测得，α₀和α₁分别为目标点在初始状态时和位移时的真实俯仰角。

作为优选，本发明所使用的DIC包括快速相关匹配算法和特征点匹配算法，将变形图的子区与参考图的子区进行整像素搜索，获得变形图中测量点的整像素位置(u,v)；选取合适的亚像素位移算法进行亚像素搜索，以获得目标点亚像素位移。

进一步地，所述位置追踪的步骤具体包括以下步骤以跟踪目标点在图像中的位置变化：

将变形图的子区与参考图子区进行整像素搜索,在变形前图像中以测量点q₀(x₀，y₀)为中心，用(2M+1)×(2M+1)的方形模板取矩形计算子区；在变形后的目标图像中选取搜索的起始点，以其中心用同样的模板选取计算子区，按式(4)建立参考子区与旋转后的变形子区灰度关系，利用改进的微粒群优化算法(PSO)获得最佳初始值附近的点，随后利用微区梯度下降搜索法(BBGDS)来快速地获得最终的最佳初始估计，并确定其整像素初始位移u和v，

式中，f(x_i，y_j)是变形前图像中坐标为(x_i，y_j)点子区的灰度分布，g(x′_i，y′_j)变形后图像中坐标为(x′_i，y′_j)点子区的灰度分布，和分别表示两个点子区的灰度平均值。为避免了NR算法中Hessian矩阵的重复计算问题，利用IC-GN算法来进行快速亚像素搜索。IC-GN算法通过式(5)优化的ZNSSD相关函数C_ZNSSD来实现快速搜索：

其中，P＝(u，v)^T是变形参数，ΔP＝(Δu，Δv)^T是迭代过程中变形参数的增量；f(x)和g(x)分别是全局坐标x＝[x，y，1]^T的变形前参考图和变形后目标图的灰度分布，和分别表示两子区的平均灰度值，ξ＝[Δx，Δy，1]^T是子区局部像素坐标； 形函数描述了目标图子区的变形量，表示参考子区形函数增量矩阵。

通过最小化式(5)可得到ΔP的解为：

其中，是参考子区的灰度梯度，H是2×2的Hessian矩阵：

每次迭代过程中变形参数乘以变形参数增量矩阵的逆得到新的变形参数，即：

以此方式不断重复迭代至满足迭代要求，输出变形子区的亚像素位移参数P。

本发明的测量方法是一种非接触的光学的方法，能用于桥梁、高塔、隧道、起重机械等一些复杂的大型建筑设施运营过程中多点挠度实时检测。

该方法根据测量过程中测量目标点在视场中位置准确地计算其和相机连线的俯仰角，在测量过程中保证选取视场中任何位置作为测量点均可以得到精确的测量结果，同时具备远程非接触式、实时、多点挠度同步测量的特点，并采用高效、鲁棒的匹配算法对其进行跟踪，以确定图像追踪具有亚像素精度。

本发明考虑了基于视觉传感器的挠度测量中，多个测量点因在视场中位置不同而仰角不同的影响，测量结果更精确；同时，在测试现场，相机架设通常无法精确保证相机水平放置而存在一定的滚转角，本发明所提出的方法同时还可有效消除相机滚转引起的误差，测量大型设施挠度时应对室外复杂的测量环境更加灵活，使用非常方便。该发明测量操作简便、精度高且非常的经济，因此非常适合于室外大型设施挠度远距离非接触测量。

附图说明

图1是图像坐标系滚转示意图；

图2是测量点俯仰角计算示意图；

图3是挠度计算示意图；

图4是实施案例一中测试现场图；

图5是实施案例一中测试结果，其中，图5a、c、e是采用式9得到的测试结果，图5b、d、f是采用本发明方法得到的测试结果，并且图5a、b是5mm焦距镜头测量结果，图5c、d是16mm焦距镜头测量结果，图5e、f是25mm焦距镜头测量结果。

图6是实施案例二中测试现场图；

图7是实施案例二中测试结果，图7a是13#索的测试结果，图7b是22#索的测试结果，同时，各图中实线为本发明方法的测试结果，点虚线为GPS测试结果；横坐标均为时间(s)，纵坐标均为距离(mm)；

图8是式9的挠度计算示意图。

具体实施方式

为了使本领域技术人员更好地理解本发明，从而对本发明要求保护的范围作出更清楚地限定，下面就本发明的某些具体实施例对本发明进行详细描述。需要说明的是，以下仅是本发明构思的某些具体实施方式仅是本发明的一部分实施例，其中对于相关结构的具体的直接的描述仅是为方便理解本发明，各具体特征并不当然、直接地限定本发明的实施范围。本领域技术人员在本发明构思的指导下所作的常规选择和替换，均应视为在本发明要求保护的范围内。

一种考虑测量目标点在视场中位置不同而存在仰角变化的单目相机挠度测量方法，包括：

1、相机设置的步骤：首先调整相机使得待测量目标点出现在相机的视场中，测量目标点到相机的距离，优选利用激光测距仪测量相机外壳至目标点的直线距离；若同时测量多个目标点的挠度，则需要确保它们均在视场中并分别测量它们到相机的距离。更佳地，还包括成像调节的步骤，调节相机位姿及光圈并对焦，使目标点清晰成像；最佳地，所述相机连接至电脑，以从电脑上查看实时图像。

2、相机位姿获取的步骤：相机设置完成后，测量以获取相机的位姿参数，包括相机俯仰角θ和滚转角β，优选利用倾角仪或倾角传感器获得。

3、真实俯仰角计算的步骤：结合每个目标点的在图像上坐标(即其在成像面上的坐标)和相机的固有参数(包括相机焦距和像素点实际物理尺寸)可以求出各目标点在不同状态时的真实俯仰角α；所述真实俯仰角α是指目标点与相机光心O(即小孔成像原理中的光心)间的连线与水平面的夹角。显然，不同目标点，或者同一目标点在初始状态时和移位状态时，的真实俯仰角α可能是相同也可能是不同的(同一目标点初始状态时和移位状态时会有所变化，不同目标点在不同状态时则可能会相)。

真实俯仰角α优选可以按以下方法获得：

首先，参考欧拉角建立两个参考系，分别为相机参考系(参考系1)和水平参考系(参考系2)。对于参考2，其以相机在水平状态下建立，相机初始水平状态下成像面与水平面平行的一条边的延伸方向定义为X轴，竖直方向定义为Y轴，成像面的法向方向为Z轴；显然，X轴和Z轴形成了水平面(或与其平行的平面)。在此基础上，调整相机位姿后建立参考系1，参考系1的X轴、Y轴以及Z轴的定义方式同参考系1，为方便区分分别计为X’轴、Y’轴以及Z’轴，但由于相机进行了俯仰角和滚转角的调整，从而，X’轴相对于水平面形成了β角度，Z’轴相对于水平面形成了θ角度。因而，俯仰角θ即是Z轴与水平面的夹角(即Z’轴相对于Z轴的俯仰角度)，滚转角β即是成像面绕Z轴旋转的角度(即X’轴相对于X轴转动的角度)，可通过倾角仪测量相机的俯仰角θ和滚转角β。图1是两参考系XY(X’Y’)平面的示意图，参考系1是在参考系2的基础上对相机进行位姿调整后的。

图1示出了成像面在XY(X’Y’)平面(即沿Z轴看过去的平面)的结构示意图，包括一个矩形形状的实线区域和一个矩形形状的虚线区域，它们均是表示成像面，其中(Xc,Yc)点是图像中心，其左上角有一点，该点在参考系1和参考系2的坐标分别计为(X,Y)和(X’,Y’)。调整后图像坐标(x，y)可以看作由横轴平行于水平面的图像坐标系绕图像中心(x_c，y_c)旋转了β角后的位置，两者关系满足式(1)，

其中，旋转矩阵M为：

待测目标点在相机成像面上的投影点的图像坐标为(x，y)，其绕图像中心(x_c，y_c)旋转β后得到新坐标为(x′，y′)，新坐标是指横轴(X轴)平行于水平面的图像坐标系下的新的坐标，其满足式(2)：

其中，

从而可以利用式2计算新坐标(x′，y′)。

如图2所示，假设待目标点为Q₀，Q₀在相机成像面上的投影为q₀(x₀，y₀)，由旋转矩阵求得X轴平行于水平面的图像坐标系下q₀点坐标为(x₀′，y₀′)，由几何关系得目标点Q₀的俯仰角为α₀满足：

其中，l_ps为像素实际尺寸，f为相机镜头焦距,(x_c，y_c)为图像中心。

对某一目标点而言，可以按上述方法并经式3分别计算出其在初始状态和位移状态时的真实俯仰角α₀和α₁，α₀为初始状态时目标点Q₀的真实俯仰角，α₁为位移时目标点Q₁的真实俯仰角。

4、位置追踪的步骤：采用数字图像相关法(DIC)跟踪目标点在图像中的位置变化，DIC算法可以采用通用算法，也可以采用本发明优化后的算法。更佳地，本发明所使用的DIC包括快速相关匹配算法和特征点匹配算法，将变形图的子区与参考图的子区进行整像素搜索，获得变形图中测量点的整像素位置(u,v)；选取合适的亚像素位移算法进行亚像素搜索，以获得目标点亚像素位移；

5、挠度计算的步骤：如图3所示，Q₀为某一目标点实际位置，Q₁为目标点Q₀位移后的实际位置，由Q₀至Q₁的位移量S即为该目标点的挠度，q₀和q₁分别为Q₀和Q₁在相机成像面上的投影位置，O点为相机光心，θ为机俯仰角(显然，相机成像面与其垂直)，α₀和α₁分别为Q₀和Q₁点的真实俯仰角，f为焦距，θ、α₀以及α₁均为相对于水平面的夹角；基于小孔成像模型中的几何关系，由Q₀至Q₁的位移量S满足式8。

从而，可以按式(8)的挠度计算公式，求出目标点的挠度S(即待测目标点的实际真实挠度)。

其中，T为待测目标点到相机的距离，可通过激光测距仪测得，α₀和α₁分别为目标点在初始状态时和位移时的真实俯仰角。

在另一些实施例中，所述位置追踪的步骤包括以下步骤以跟踪目标点在图像中的位置变化。

将变形图的子区与参考图子区进行整像素搜索,在变形前图像中以测量点q₀(x₀，y₀)为中心，用(2M+1)×(2M+1)的方形模板取矩形计算子区；在变形后的目标图像中选取搜索的起始点，以其中心用同样的模板选取计算子区，按式(4)建立参考子区与旋转后的变形子区灰度关系，利用改进的微粒群优化算法(PSO)获得最佳初始值附近的点，随后利用微区梯度下降搜索法(BBGDS)来快速地获得最终的最佳初始估计，并确定其整像素初始位移u和v，

式中，f(x_i，y_j)是变形前图像中坐标为(x_i，y_j)点子区的灰度分布，g(x′_i，y′_j)变形后图像中坐标为(x′_i，y′_j)点子区的灰度分布，和分别表示两个点子区的灰度平均值。为避免了NR算法中Hessian矩阵的重复计算问题，利用IC-GN算法来进行快速亚像素搜索。IC-GN算法通过式(5)优化的ZNSSD相关函数C_ZNSSD来实现快速搜索：

其中，P＝(u，v)^T是变形参数，ΔP＝(Δu，Δv)^T是迭代过程中变形参数的增量；f(x)和g(x)分别是全局坐标x＝[x，y，1]^T的变形前参考图和变形后目标图的灰度分布，和分别表示两子区的平均灰度值，ξ＝[Δx，Δy，1]^T是子区局部像素坐标； 形函数描述了目标图子区的变形量，表示参考子区形函数增量矩阵。

通过最小化式(5)可得到ΔP的解为：

其中，是参考子区的灰度梯度，H是2×2的Hessian矩阵：

每次迭代过程中变形参数乘以变形参数增量矩阵的逆得到新的变形参数，即：

以此方式不断重复迭代至满足迭代要求，输出变形子区的亚像素位移参数P，并计算此时变形后的测量点Q₁俯仰角α₁。

除此以外，一般方法中还可以不考虑测量目标点在视场中位置不同而存在仰角变化这一情况，可用相机俯仰角θ替代；同样，基于小孔成像模型中的几何关系，此时的挠度S’满足式9：

其中，T为目标点至相机的距离，(x,y)、(x_c,y_c)分别为目标点在成像面上的坐标和图像中心坐标，l_ps为像素实际尺寸，f为相机镜头焦距，v为图像上目标点变形前后产生的像素位移，单位是像素，θ为相机俯仰角。

式9使用全站仪作为相机的基座，对非垂直于相机光轴的测量体表面选取目标点进行挠度测量的方法，但该方法认为视场中所有位置与相机连线的俯仰角均为相机光轴的俯仰角，所以在测量距离视场中心较远的目标时测量结果会存在误差，尤其是在选用短焦距镜头时，误差随着视场变大也变大(如图5所示)。

以上是本发明的优选实施方式，其步骤组成和顺序并不直接、当然地对本发明产生具体的限定作用，本领域技术人员在本发明的构思的基础上所作的常规的顺序选择、公式变换或替换，均应包括在本发明的范围内。

此外，为评估本发明方法的可行性和有效性，设计两实施例进行说明，实施例一是验证性实验，用以评估本发明的优选方法和一般方法间的差异以及其测量结果是否与真实情况相符，实施例二是实地验证实施，将本发明的方法应用于大型桥梁的挠度，并与现有GPS测量方式相比较，用以评估本发明的优选方法的实际测量效果。

考虑相机结构以及实际测量时相机离待测目标距离一般较大，因而在俯仰角θ、滚转角β以及相机与目标点距离的测量过程中可以通过测量相机外部的角度或距离替代，通过实施例一、二的试验结果可知其完全可行。

实施案例一

将本发明应用于固定在手动二维移动平台上的角钢位移测量中，根据本发明提供的测量方法，测量过程为：

a)将装有角钢的手动二维移动平台通过磁座固定在防震平台上，如图4所示。

b)相机固定在三脚架上，调节相机光圈并对焦使角钢上标记点清晰成像，自上至下依次在角钢上选取若干测量点，以图像坐标系中Y方向坐标作为变量分析位移测量结果中的误差，试验分别采用焦距分别为5mm、16mm和25mm的3种不同焦距的相机镜头来进行试验，每次试验选取7个测量点，依次用P1～P7表示，并测量相机到各测量点的距离。测量点图像坐标如表1所示。

表1目标点图像坐标

c)通过调节移动平台的螺旋按钮，使其按1.75mm、3.5mm和5.25mm三段向下的竖向位移，同时相机以20Hz的采样频率对角钢上的测量点进行实时测量，并按式8公式计算各测量点的实际挠度S，将测量结果以图表表示为图5b、d、f所示；其中，图5b为5mm焦距时的测量结果，图5d为16mm焦距时的测量结果，图5f为25mm焦距时的测量结果。

同时，若不考虑目标点真实俯仰角的变化而仅以相机仰角代替时，可以采用式9的公式计算其挠度S’；基于上述实验数据，输出一般基于DIC挠度测量方法的得出的结果如图5a、c、e所示；其中，图5a为5mm焦距时的测量结果，图5c为16mm焦距时的测量结果，图5e为25mm焦距时的测量结果。

通过图5对比可以清楚地看到，已有不考虑目标点真实俯仰角变化的一般挠度测量方法在距离视场中心较远的位置处测量结果中误差随镜头焦距减小而增大，且随测量点产生的位移值增大而增大，而本发明提出的方法在不同焦距镜头试验中，各测量点的测量结果高度一致，这与角钢作竖直向下的刚体平移情况是相符的，从而说明本发明的方法一方面可以胜任挠度测量，另一方面测量结果也是准确无误的。

实施案例二

将本发明用于武汉鹦鹉洲长江大桥挠度检测，根据本发明提供的方法，测量过程为：

a)选取鹦鹉洲长江大桥上第一跨第13#、22#悬索和桥梁链接处作为目标点进行挠度检测。

b)架设好测量系统并确保桥梁上测量点清晰成像，实时测量两点处挠度，本实验数据采集的频率为20Hz，测量现场如图6所示。

c)将本发明测量结果和桥梁上GPS传感器测量结果进行对比，如图7所示。

由于两种测量系统的测量时间未能同步，故两种测量结果出现错峰现象，但趋势和数值基本一致，验证了本发明的可行性和准确性。

需要说明的是，步骤c中对比，是指将本发明的测试结果和桥梁上GPS传感器测量结果分别导出，基于其各自时间，选取相同的时间段的数据作图，从而形成了图7所示的两个时间段内的对比图。测量时，本发明的测试方法布局于电脑上并以电脑时间为时间轴，桥梁上GPS传感器则基于其自身的时间为时间轴，同时进行挠度测量，将两者的测量结果导出后，以时间为参数进行制图，由于两者时间上可能存在些许偏差，因而同一时间点的数值可能并不是实际的同一时间点。但从图7的两者的曲线可以看出，本发明的方法与GPS方法的测量结果在趋势和数值上基本一致，从而证明了本发明的可行性和准确性。

Claims (7)

1.一种基于目标点仰角变化的单目相机挠度测量方法，其特征在于，包括：

相机设置的步骤：调整相机使得待测量目标点出现在相机的视场中，测量目标点到相机的距离；

相机位姿获取的步骤：相机设置完成后，测量以获取相机的位姿参数，包括相机俯仰角θ和滚转角β；

真实俯仰角计算的步骤：结合每个目标点的在图像上坐标和相机的固有参数(包括相机焦距和像素点实际物理尺寸)可以求出各目标点在不同状态时的真实俯仰角α；

位置追踪的步骤：采用数字图像相关法(DIC)跟踪目标点在图像中的位置变化；

挠度计算的步骤：基于小孔成像模型中的几何关系，由Q₀至Q₁的位移量S满足式8；按式(8)的挠度计算公式，求出目标点的挠度S为：

其中，T为待测目标点到相机的距离，可通过激光测距仪测得，α₀和α₁分别为目标点在初始状态时和位移时的真实俯仰角。

2.根据权利要求1所述的方法，其特征在于，所述真实俯仰角α优选可以按以下方法计算：

调整后图像坐标(x，y)可以看作由横轴平行于水平面的图像坐标系绕图像中心(x_c，y_c)旋转了β角后的位置，两者关系满足式(1)，

其中，旋转矩阵M为：

待测目标点在相机成像面上的投影点的图像坐标为(x，y)，其绕图像中心(x_c，y_c)旋转β后得到新坐标为(x′，y′)，其满足式(2)：

其中，

从而可以利用式2计算新坐标(x′，y′)；

假设待目标点为Q₀，Q₀在相机成像面上的投影为q₀(x₀，y₀)，由旋转矩阵求得X轴平行于水平面的图像坐标系下q₀点坐标为(x₀′，y₀′)，由几何关系得目标点Q₀的俯仰角为α₀满足式(3)：

其中，l_ps为像素实际尺寸，f为相机镜头焦距,(x_c，y_c)为图像中心；

对某一目标点而言，可以按上述方法并经式(3)分别计算出其在初始状态和位移状态的真实俯仰角α₀和α₁，α₀为初始状态时目标点Q₀的真实俯仰角，α₁为位移时目标点Q₁的真实俯仰角。

3.根据权利要求1所述的方法，其特征在于，本发明所使用的DIC包括快速相关匹配算法和特征点匹配算法，将变形图的子区与参考图的子区进行整像素搜索，获得变形图中测量点的整像素位置(u,v)；选取合适的亚像素位移算法进行亚像素搜索，以获得目标点亚像素位移。

4.根据权利要求3所述的方法，其特征在于，

将变形图的子区与参考图子区进行整像素搜索,在变形前图像中以测量点q₀(x₀，y₀)为中心，用(2M+1)×(2M+1)的方形模板取矩形计算子区；在变形后的目标图像中选取搜索的起始点，以其中心用同样的模板选取计算子区，按式(4)建立参考子区与旋转后的变形子区灰度关系，利用改进的微粒群优化算法(PSO)获得最佳初始值附近的点，随后利用微区梯度下降搜索法(BBGDS)来快速地获得最终的最佳初始估计，并确定其整像素初始位移u和v，

式中，f(x_i，y_j)是变形前图像中坐标为(x_i，y_j)点子区的灰度分布，g(x′_i，y′_j)变形后图像中坐标为(x′_i，y′_j)点子区的灰度分布，和分别表示两个点子区的灰度平均值；为避免了NR算法中Hessian矩阵的重复计算问题，利用IC-GN算法来进行快速亚像素搜索；IC-GN算法通过式(5)优化的ZNSSD相关函数C_ZNSSD来实现快速搜索：

其中，P＝(u，v)^T是变形参数，ΔP＝(Δu，Δv)^T是迭代过程中变形参数的增量；f(x)和g(x)分别是全局坐标x＝[x，y，1]^T的变形前参考图和变形后目标图的灰度分布，和分别表示两子区的平均灰度值，ξ＝[Δx，Δy，1]^T是子区局部像素坐标； 形函数描述了目标图子区的变形量，表示参考子区形函数增量矩阵；

通过最小化式(5)可得到ΔP的解为：

其中，是参考子区的灰度梯度，H是2×2的Hessian矩阵：

每次迭代过程中变形参数乘以变形参数增量矩阵的逆得到新的变形参数，即：

以此方式不断重复迭代至满足迭代要求，输出变形子区的亚像素位移参数P。

5.根据权利要求1所述的方法，其特征在于，目标点到相机的距离利用激光测距仪测量获得。

6.根据权利要求1所述的方法，其特征在于，相机的位姿参数利用倾角仪或倾角传感器获得。

7.根据权利要求1所述的方法，其特征在于，所述相机连接至电脑。