CN110517315B - 一种图像式铁路路基表面沉降高精度在线监测系统及方法 - Google Patents
一种图像式铁路路基表面沉降高精度在线监测系统及方法 Download PDFInfo
- Publication number
- CN110517315B CN110517315B CN201910773096.8A CN201910773096A CN110517315B CN 110517315 B CN110517315 B CN 110517315B CN 201910773096 A CN201910773096 A CN 201910773096A CN 110517315 B CN110517315 B CN 110517315B
- Authority
- CN
- China
- Prior art keywords
- camera
- target surface
- adjustable support
- image
- characteristic point
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000008859 change Effects 0.000 claims description 17
- 238000006073 displacement reaction Methods 0.000 claims description 12
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000013519 translation Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract description 14
- 238000001514 detection method Methods 0.000 abstract description 12
- 239000000428 dust Substances 0.000 abstract description 7
- 239000003595 mist Substances 0.000 abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000007547 defect Effects 0.000 abstract description 2
- 239000004576 sand Substances 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 230000005484 gravity Effects 0.000 description 6
- 238000004062 sedimentation Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010227 cup method (microbiological evaluation) Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 125000001153 fluoro group Chemical group F* 0.000 description 1
- 238000004770 highest occupied molecular orbital Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 229920002994 synthetic fiber Polymers 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及路基沉降测量技术领域，具体为一种图像式铁路路基表面沉降高精度在线监测系统及方法，其目的在于克服现有技术的不足，提供图像式铁路路基表面沉降高精度在线监测系统；其包括座体，所述座体的底板上安装有第一可调支架和第二可调支架，所所述第一可调支架的上表面安装有摄像机，所述摄像机的侧面安装有倾角仪，所述第二可调支架的上表面安装有激光器；其有益效果在于：主要解决了对于长期安装在铁路路基道床两侧工作的监测系统检测精度会受到光源亮度衰减、靶面附着粉尘、水雾、沙尘以及列车经过振动导致光源‑靶面‑相机的相对位置偏转等影响而产生测量误差的问题。
Description
技术领域
本发明涉及路基沉降测量技术领域，具体为一种图像式铁路路基表面沉降高精度在线监测系统及方法。
背景技术
路基作为轨道交通工程中的关键部位，是轨道结构、列车载荷的基础承载体系，若存在结构变形不仅会造成轨道发生形变，进而还会造成列车振动严重，甚至出现安全事故问题。因此，为了保证列车安全运营要采取有效措施精确控制铁路无砟轨道线下工程的工后沉降变形问题。传统的监测方法有观测桩法、沉降板法、沉降水杯法和传感器监测法等，这些方法虽然安装方便，但需要人工逐点测量，不能自动监测且成本较高。因此针对铁路路基沉降变形的长期、自动和高精度监测的问题，首先提出了基于激光的摄像机接力测量形变的方法。这是一种新型的、非接触式的即刻式沉降测量方法。利用点激光的准直特性及图像检测技术获取清晰且高质量的激光光斑图像，并通过精确定位光斑图像的中心来反映相对于基准点的路基沉降变形。然而当监测系统长期运营后，由于振动等因素导致相机和靶标发生相对偏转产生测量误差，因此现场需要对靶标和相机进行实时标定。
靶标和相机之间的相对位姿关系有六个自由度，绕X、Y、Z 3个轴的旋转和沿3个轴的平移，在路基沉降的检测中垂直方向上的位移变化即为沉降值，所以沿X、Y轴平移不会影响垂直位移，由于相机和靶标安装在统一固定的检测平台上，因此相机与靶标的运动是同步的，不会发生相对的垂直位移变化，因此靶标和相机只有3自由度的相对运动且偏转角度微小，即绕X、Y、Z 3个轴的旋转。在现有技术中，提出了基于传递像机的不稳定测量平台向静态基准转换的方法，该方法使摄像测量在不稳定平台上也能高精度进行动态测量，但由于体积太大不能安装在路基沉降监测系统中。还有采用倾角传感器提供多个角度约束，设计了一种单目视觉与倾角传感器组合的测量系统，虽然提高了系统测量精度和稳定性，但在监测成本高，不适用于路基沉降大范围的监测。
发明内容
本发明的目的在于克服现有技术的不足，提供图像式铁路路基表面沉降高精度在线监测系统。
为了实现上述发明目的，本发明采用以下技术方案：
一种图像式铁路路基表面沉降高精度在线监测系统，包括座体1，其特征在于：所述座体1的底板101上安装有第一可调支架2和第二可调支架3，所述第一可调支架2与第二可调支架3分别位于底板101的左侧和右侧，所述第一可调支架2的上表面安装有摄像机4，所述摄像机4的侧面安装有倾角仪5，所述第二可调支架3的上表面安装有激光器6，所述座体1的左侧板102上设置有第一特征点靶面7，所述座体1的右侧板103上设置有第二特征点靶面8，所述摄像机4、激光器6、第一特征点靶面7和第二特征点靶面8位于同一条直线上，所述座体1的后侧板104上安装有嵌入式系统9，所述倾角仪5和摄像机4与嵌入式系统9通过电性连接。
所述第一可调支架2和第二可调支架3是一种精密的位移平台，可以模拟实际情况下摄像机与靶面的偏转，它主要是实现6个自由度的变化，即绕X、Y、Z 3个轴的旋转和沿X、Y、Z 3个轴的平移都可通过位移平台实现。
所述第一特征点靶面7与第二特征点靶面8上设置有五个特征点，所述五个特征点用于位姿解算。
所述倾角仪5用于测量第一可调支架2的偏转角度，用以验证位姿解算结果是否精确。
所述嵌入式系统9内设置有图像处理设备及数据传输设备，用于对摄像机4拍摄的图像进行处理和对数据进行传输。
一种图像式铁路路基表面沉降高精度在线监测方法，其特征在于，包括以下步骤：
步骤(1)：通过已知参数求解得到第一特征点靶面7上特征点的空间坐标A；
步骤(2)：调整第一可调支架2后，首先将上一站点的激光器6的激光打到第一特征点靶面7上，然后通过摄像机4拍摄第一特征点靶面7，所述摄像机4将拍摄的图片传输给嵌入式系统9，所述嵌入式系统9将拍摄的图片进行处理后，得到第一特征点靶面6上特征点的图像坐标B；
步骤(3)：通过五特征点位姿解算方法，根据特征点的空间坐标A和特征点的图像坐标B求解出姿态参数R。
本发明的有益效果在于：主要解决了对于长期安装在铁路路基道床两侧工作的监测系统检测精度会受到光源亮度衰减、靶面附着粉尘、水雾、沙尘以及列车经过振动导致光源-靶面-相机的相对位置偏转等影响而产生测量误差的问题。
附图说明
图1为本发明的结构示意图；
图2为实验方案示意图；
图3为实验室楼道实物布置图；
图4为传递检测站内部结构；
图5为光斑图像统计图；
图6为特征点定位图；
图7为位姿解算后角度误差分析图。
图中所示：座体1，第一可调支架2，第二可调支架3，摄像机4，倾角仪5，激光器6，第一特征点靶面7，第二特征点靶面8，嵌入式系统9，补光光源10，底板101，左侧板102，右侧板103，后侧板104。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
以下实施例中合成材料的前驱体均为市场可得产品。
实施例1：
一种图像式铁路路基表面沉降高精度在线监测系统，包括座体1，其特征在于：所述座体1的底板101上安装有第一可调支架2和第二可调支架3，所述第一可调支架2与第二可调支架3分别位于底板101的左侧和右侧，所述第一可调支架2的上表面安装有摄像机4，所述摄像机4的侧面安装有倾角仪5，所述第二可调支架3的上表面安装有激光器6，所述座体1的左侧板102上设置有第一特征点靶面7，所述座体1的右侧板103上设置有第二特征点靶面8，所述摄像机4、激光器6、第一特征点靶面7和第二特征点靶面8位于同一条直线上，所述座体1的后侧板104上安装有嵌入式系统9，所述倾角仪5和摄像机4与嵌入式系统9通过电性连接。
所述第一可调支架2和第二可调支架3是一种精密的位移平台，可以模拟实际情况下摄像机与靶面的偏转，它主要是实现6个自由度的变化，即绕X、Y、Z 3个轴的旋转和沿X、Y、Z 3个轴的平移都可通过位移平台实现。
所述第一特征点靶面7与第二特征点靶面8上设置有五个特征点，所述五个特征点用于位姿解算。
所述倾角仪5用于测量第一可调支架2的偏转角度，用以验证位姿解算结果是否精确。
所述嵌入式系统9内设置有图像处理设备及数据传输设备，用于对摄像机4拍摄的图像进行处理和对数据进行传输。
一种图像式铁路路基表面沉降高精度在线监测方法，其特征在于，包括以下步骤：
步骤(1)：通过已知参数求解得到第一特征点靶面7上特征点的空间坐标A；
步骤(2)：调整第一可调支架2后，首先将上一站点的激光器6的激光打到第一特征点靶面7上，然后通过摄像机4拍摄第一特征点靶面7，所述摄像机4将拍摄的图片传输给嵌入式系统9，所述嵌入式系统9将拍摄的图片进行处理后，得到第一特征点靶面6上特征点的图像坐标B；
步骤(3)：通过五特征点位姿解算方法，根据特征点的空间坐标A和特征点的图像坐标B求解出姿态参数R。
实施例2：
高精度光斑中心定位算法：路基沉降监测系统的核心技术是对光斑图像的精确定位，中心定位精度直接影响监测系统的检测精度，而在实际的监测环境下发射端发出的激光经过较远距离的传输后投射到靶面的光斑图像会受到大气湍流、衍射、散射的影响，因此采集到的光斑图像存在一些衍射条纹和散射弱光导致光斑图像不规则。此外激光光线在传输的过程中会受到空气中的尘埃、水雾、荧虫等物体的干扰，导致光斑图像出现暗点或残缺。因此在监测系统中复杂环境下采集的光斑图像对中心定位算法要求更高。为了解决实际情况中受到复杂环境影响导致采集光斑图像不规则的中心精确定位问题，本文采用文献[24]基于重心灰度分布曲线拟合光斑亚像素定位算法。首先由重心法找到光斑图像的重心初始位置，设光斑中心为(xC,yC)，xi,yi为像素坐标，g(xi,yi)为该点灰度值，重心法求出的坐标为：
根据方形孔采样定理，图像采集设备采集到的光斑图像灰度近似符合高斯分布，其分布曲线的对数形式表达式如(2)所示：
依据式(2)可以对灰度高斯分布进行二次曲线拟合。以沉降监测垂直方向沉降为例，设拟合的二次曲线的形式如下：
f(y)＝Ay2+By+C (3)
记(x0,y0)为前面通过式(1)重心法求出的光斑中心坐标(xC,yC)，且该像素灰度值为f0y，令该点的序号为0，则光斑图像的中心像素输出灰度值为：
然后再以重心法求出的光斑中心坐标(xC,yC)像素点为中心点对水平方向和垂直方向进行曲线拟合，即以(x0,y0)为中心并向前向后各取一个像素点，记为f-1y和f1y，据式(4)可以得出：
可以求出二次曲线的顶点为：
式(6)对原高斯曲线式(2)取对数并记中心坐标为0的结果，因此，上式中的灰度值用对数值代替，这样就得到垂直方向的亚像素中心为：
同理按照式(7)可以求出水平方向的亚像素中心为：
至此求得靶面激光光斑的中心坐标(xsub,ysub)。
实施例3：
五特征点位姿结算方法：摄像机与靶面的实时位姿估计是通过对靶面5个特征点的位姿求解(P5P)来实现的，其可以归结为求6个自由度的未知参数(3个旋转参数、3个平行参数)，求解时每给定一个特征点就可以消除一个自由度，从特征点的x、y坐标导出的约束条件最大为2，因此给出4个及以上的特征点，即可获得解析解。因此图像采集设备要采集靶面上4个或4个以上的特征点，就可以进行特征点位姿估计。设摄像机坐标系中一点pc(xc,yc,zc)，在靶面坐标系下坐标为pw(xw,yw,zw)，在图像物理坐标系下坐标为p(x,y)，在图像像素坐标系下坐标为p(u,v)，其中物点pw(xw,yw,zw)、光心Oc、像点p三点共线。根据相机透视投影模型中坐标系转换关系，可得点p在世界坐标系中的坐标pw(xw,yw,zw)与对应像点p的像素坐标p(u,v)之间的关系，如式(9)所示：
其中：fu＝f/dx，fv＝f/dy为等效焦距，单位为像素，表示空间物点p投影到图像物理坐标系在x和y方向上的缩放比例。ρ为比例参数，R和t分别为旋转矩阵和平移向量。本文采用适合共面空间特征点的经典相机姿态估计算法HOMO算法，其核心思想是利用平面或近似平面间的单应变换估计相机姿态矩阵。因此由式(9)可得：
靶面特征点Pi(i＝1,2,3,4,5)对应像点为Pi'(i＝1,2,3,4,5)，由式(9)可知在像平面坐标系下经过校正后的像素点坐标归一化坐标为pi(upi,vpi)T。由于5个特征点共面，在靶面坐标系下特征点坐标p(xw,yw,zw)T经坐标转换到Z＝0平面后的坐标为p'(xw',yw',0)T。由式(10)得：
由此可得线性方程：
采用矩阵形式Ax＝0，可得式：
每个特征点可以产生一组式(12)所示的线性方程，当式(13)中系数矩阵A满秩时，方程有唯一解，可求得R和t。至此由靶面上5个特征点求得靶面位姿线性解。为进一步提高单应矩阵的估计精度，采用L-M算法求优化解。所构造如式(14)所示的目标函数是各空间三维特征点重投影误差平方之和，即非线性最小二乘问题，得到非线性最小化(局部最小)的数值解。
其中：
当目标函数的相对变化量小到一定程度，或达到预设的迭代次数上限时，迭代停止。为了得到相机与靶面的偏转角度使用欧拉角
来代替正交矩阵R，由：
得：
φ＝atan2(r21,r11)。
实施例4：
1、靶面光斑图像最优亮度选取
在监测系统中光源亮度衰减和靶面脏污程度严重的情况下接收单元的靶面光斑图像质量严重下降，主要表现为：一是光斑图像边缘会呈现暗区，导致图像边缘内容模糊不清，细节丢失；二是光斑图像整体亮度下降，光斑图像整体清晰度下降,不能真实展现光斑图像的实际情况。为了提高监测系统的检测精度，监测系统需要及时选取高质量光斑图像，而图像亮度是决定图像质量的关键因素，因此在监测系统中要选取最优光斑图像亮度。本文首先计算不同光源亮度与不同脏污程度下光斑图像亮度，然后对比不同影响因素下不同光斑亮度的图像质量，最后选取最优光斑图像亮度。
2、图像亮度选取指标：
2.1、边缘清晰度
边缘指图像中像素值突变的地方，它广泛地存在于目标、背景和区域之间，是图像最基本的特征。光斑图像的边缘纹理部分很容易受到亮度变化、噪声等影响而发生变化，当光斑图像采集清晰时，边缘点处的灰度阶越性变化大，不同灰度区域间的接线清晰。当采集不清晰时，边缘点处的灰度阶越性变化小，不同灰度区域连成了一片，图像模糊。利用图像边缘处灰度阶越变化程度来反映图像边缘清晰度更直观。边缘清晰度的定义如下：
其中，
m和n分别为图像的行数和列数,I(x,y)为图像中(x,y)点的像素灰度值,μ为图像的灰度均值。
2.2光斑亮度与背景亮度对比度
亮度、明暗对比度的强烈变化会影响图像处理环节的精确性。当光斑亮度与背景亮度对比度较小，画面色调较为暗淡，图像不清晰，细节不明显。当光斑亮度与背景亮度对比度越大，图像越清晰醒目，灰度层次分明，边缘结构特征完整。因此定义光斑亮度Lavr、背景亮度Bavr以及对比度C如下：
其中，g(i,j)为光斑范围内像素的像素值，N为光斑范围内的像素个数，Lavr是光斑的平均亮度(灰度值)，L为光斑区域，f(i,j)是背景范围内像素值；M为背景范围内像素个数，Bavr是背景灰度值，B是背景区域。
2.3图像信息熵
熵是一种不确定性的度量，图像一维熵可以表示图像灰度分布的聚集特征，但不能反映图像灰度分布的空间特征，因此引入能够反映图像灰度分布空间特征的特征量来组成图像的二维熵。信息熵是从平均信息量的角度对整个图像特性的表述。图像亮度适中时，光斑与背景区域颜色差异较大，得到信息熵值较大，图像信息越丰富，越利于后续的图像处理。处于不同位置的像素有着不同的灰度，像素灰度用xi表示，其中i＝1,2,3,···,k，则图像熵的计算公式为：
式中:H(X)为信息熵；k为图像的灰度级数，k＝0～255；pi为各灰度级出现的概率。
由于这3种算法求得的数据大小不同，为了更好的进行对比分析，设立一个相对统一的量来衡量3种算法所得图像质量评价结果的趋势变化，即相对值的趋势变化，见式(17):
式中：t为相对值；ximax为3种算法下所得结果的最大值；ximin为最小值；xi为所得的结果，i＝1,2,3,···,k。
实施例5：
实验室模拟实验：为了验证路基沉降在线监测系统的可行性与鲁棒性。本文首先在实验室模拟铁路路基表面沉降在线监测系统的模拟验证实验。实验激光光源波长660nm，最大输出功率10mW。激光器固定在三维高精密位移平台上。光学成像系统安装在投影靶面正后方0.2m处，镜头焦距16mm。相机采用Microvision公司的CMOS相机，分辨率2048×1536。靶面尺寸120mm×150mm，水平和竖直方向的相邻标志点相距15mm,标志点直径2mm。高精度双轴倾角仪双轴精度为0.005°，单轴精度为0.01°。相机和倾角仪固定在三维高精密旋转台上，精度0.1°。
1、实验方案
为了真实有效地模拟高铁隧道的监测环境，实验在光线和温度较为稳定的楼道内进行，传递检测站之间的相互间隔为6米。实验方案如图2所示。实验由1个激光器和两个监测终端组成。其中，激光器L1作为测量基准、沉降检测终端T2作为待测目标构成了相机链沉降变形传递的两个端点；监测终端T1作为传递基站使用；通过相机C1和L2使得L1和C2构成了一对检测目标。如图3所示为实验室楼道实物布置图，如图4所示为传递检测站内部结构图。测量基准L1固定在三维精密位移平台上；待测目标C1和C2固定不动。通过改变基准L1的三维位姿，相当于待测目标C1和C2发生沉降位移变形。
2、实验结果
2.1光斑图像最优亮度选取
控制外界条件不变，固定相机和靶面的相对位姿，即相对偏转角度为0°。首先控制光斑图像亮度变化，依次减小0.1A的工作电流模拟光源亮度的减弱，在每个位置拍摄200张图片。其次利用精密称重器来控制显示在接收靶面上的扬尘量，通过依次增加0.1g的扬尘量模拟不同脏污程度的靶面所采集的光斑图像。最后从两次实验中采集的大量光斑图像中选取了具有代表性的图片展开进一步的分析。
如图5所示为光斑图像统计图，从图5中可以看出，两幅图的评价结果变化曲线在灰度值为220-230时均达到最高值，评价函数的识别效果都达到最好，明此时边缘点处的灰度阶越性变化大，光斑亮度与背景亮度对比度较大，图像的主要结构信息丰富，图像相对最清晰，细节明显，两区域颜色差异最大，图像信息最丰富，图像质量相对最好，最有利于后续的图像数据处理。即灰度值为220-230是监测系统中光斑图像的最优亮度。
2.2相机与靶面相对位置偏转角度
实验利用相机拍摄位姿测量系统的特征点靶面，为避免靶面三轴同时转动时发生耦合现象，分别单独绕坐标轴XC、YC、ZC旋转相机倾角仪，对应的旋转角度分别为
θ、φ，旋转角度变化范围为-10°～10°。计算每个位置的特征点图像的质心均值进行实验数据分析。如图6是实验中采集特征点靶面图像经过处理并进行连通域质心标记后得到的特征点定位图像。
在实验过程中，由于光照、操作等影响，定位结果存在误差。因此通过判断粗差，剔除坏值的方法提高实验精度。坏值剔除后实验测量位姿角度误差与特征点位姿解算后角度误差分析如图7所示。
从图7可以看出，由位姿解算后测量角度偏差与实际绕坐标轴旋转的角度相差不大，测量精度较高。实验位姿测量系统解算后的三个角度的均方根误差分别是0.048°，0.052°，0.056°。由于监测系统中靶面和相机安装固定，所以靶面与相机发生相对偏转的角度很小，当偏转角度小于2°时，位姿求解旋转角度误差为0.031°，误差小于0.01°，满足监测系统要求。验证了本文构建的位姿测量系统能够正确估计监测系统中相机与靶标之间的相对位姿。从图中也可以看出，测量角度偏差值随着旋转角度的增大而增大，这是由于旋转角度的过大使得图像畸变严重，像素点检测精度下降，而旋转角度较小时，图像变化较小，畸变程度小，测量角度偏差较小。由于相机和靶面发生振动偏转的角度很小，因此此位姿解算方法适用于此监测系统。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种图像式铁路路基表面沉降高精度在线监测系统，包括座体（1），其特征在于：所述座体（1）的底板（101）上安装有第一可调支架（2）和第二可调支架（3），所述第一可调支架（2）与第二可调支架（3）分别位于底板（101）的左侧和右侧，所述第一可调支架（2）的上表面安装有摄像机（4），所述摄像机（4）的侧面安装有倾角仪（5），所述第二可调支架（3）的上表面安装有激光器（6），所述座体（1）的左侧板（102）上设置有第一特征点靶面（7），所述座体（1）的右侧板（103）上设置有第二特征点靶面（8），所述摄像机（4）、激光器（6）、第一特征点靶面（7）和第二特征点靶面（8）位于同一条直线上，所述座体（1）的后侧板（104）上安装有嵌入式系统（9），所述倾角仪（5）和摄像机（4）与嵌入式系统（9）通过电性连接；所述第一特征点靶面（7）与第二特征点靶面（8）上设置有五个特征点，所述五个特征点用于位姿解算；所述倾角仪（5）用于测量第一可调支架（2）的偏转角度，用以验证位姿解算结果是否精确。
2.根据权利要求1所述的一种图像式铁路路基表面沉降高精度在线监测系统，其特征在于：所述第一可调支架（2）和第二可调支架（3）是一种精密的位移平台，可以模拟实际情况下摄像机与靶面的偏转，它主要是实现6个自由度的变化，即绕3个轴的旋转和沿3个轴的平移都可通过位移平台实现。
3.根据权利要求1所述的一种图像式铁路路基表面沉降高精度在线监测系统，其特征在于：所述嵌入式系统（9）内设置有图像处理设备及数据传输设备，用于对摄像机（4）拍摄的图像进行处理和对数据进行传输。
4.一种图像式铁路路基表面沉降高精度在线监测方法，其特征在于，包括以下步骤：
步骤（1）：通过已知参数求解得到第一特征点靶面（7）上特征点的空间坐标A；
步骤（2）：调整第一可调支架（2）后，首先将上一站点的激光器（6）的激光打到第一特征点靶面（7）上，然后通过摄像机（4）拍摄第一特征点靶面（7），所述摄像机（4）将拍摄的图片传输给嵌入式系统（9），所述嵌入式系统（9）将拍摄的图片进行处理后，得到第一特征点靶面（6）上特征点的图像坐标B；
步骤（3）：通过五特征点位姿解算方法，根据特征点的空间坐标A和特征点的图像坐标B求解出姿态参数R。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811275282 | 2018-10-30 | ||
| CN2018112752820 | 2018-10-30 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110517315A CN110517315A (zh) | 2019-11-29 |
| CN110517315B true CN110517315B (zh) | 2022-10-11 |
Family
ID=66404662
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910022600.0A Active CN109754422B (zh) | 2018-10-30 | 2019-01-10 | 基于灰度突变的扣件区域定位方法 |
| CN201910773096.8A Active CN110517315B (zh) | 2018-10-30 | 2019-08-21 | 一种图像式铁路路基表面沉降高精度在线监测系统及方法 |
| CN201910773427.8A Active CN110610518B (zh) | 2018-10-30 | 2019-08-21 | 一种基于特征点位置校正的靶标位姿测量系统及方法 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910022600.0A Active CN109754422B (zh) | 2018-10-30 | 2019-01-10 | 基于灰度突变的扣件区域定位方法 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910773427.8A Active CN110610518B (zh) | 2018-10-30 | 2019-08-21 | 一种基于特征点位置校正的靶标位姿测量系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (3) | CN109754422B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110688903B (zh) * | 2019-08-30 | 2023-09-26 | 湖南九域同创高分子新材料有限责任公司 | 一种基于列车aeb系统摄像头数据的障碍物提取方法 |
| CN112014848B (zh) * | 2020-02-11 | 2023-06-23 | 深圳技术大学 | 一种轨枕定位方法、轨枕定位装置及电子设备 |
| CN111311567A (zh) * | 2020-02-12 | 2020-06-19 | 北京交通大学 | 对轨道线路图像进行扣件和钢轨病害识别的方法 |
| CN111539436B (zh) * | 2020-04-20 | 2022-02-15 | 上海工程技术大学 | 一种基于一字模板匹配的轨道扣件定位方法 |
| CN112116658B (zh) * | 2020-09-21 | 2023-11-21 | 北京世纪东方智汇科技股份有限公司 | 扣件定位方法、装置及可读存储介质 |
| CN112344905A (zh) * | 2020-10-28 | 2021-02-09 | 孝感华中精密仪器有限公司 | 一种路基沉降检测装置以及延长其电池更换周期的方法 |
| CN112393688B (zh) * | 2020-11-12 | 2024-09-27 | 邵阳学院 | 一种三激光组合测头及光束同面共点调校方法 |
| CN113329181B (zh) * | 2021-06-08 | 2022-06-14 | 厦门四信通信科技有限公司 | 一种摄像头的角度切换方法、装置、设备和存储介质 |
| CN115106295A (zh) * | 2022-07-14 | 2022-09-27 | 前海晶方云(深圳)测试设备有限公司 | 测试方法、存储装置、计算机设备和测试设备 |
| CN116592899B (zh) * | 2023-04-28 | 2024-03-29 | 哈尔滨工业大学 | 一种基于模块化红外靶标的位姿测量系统 |
| CN117139858B (zh) * | 2023-10-27 | 2023-12-29 | 西北师范大学 | 样品靶面激光烧蚀过程离焦量校正与调控装置及方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013135033A1 (zh) * | 2012-03-16 | 2013-09-19 | 同济大学 | 基于图像分析的隧道变形在线监测系统及其应用 |
| CN107246866A (zh) * | 2017-06-24 | 2017-10-13 | 天津大学 | 一种高精度六自由度测量系统及方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101750012A (zh) * | 2008-12-19 | 2010-06-23 | 中国科学院沈阳自动化研究所 | 一种测量物体六维位姿的装置 |
| JP5155929B2 (ja) * | 2009-04-13 | 2013-03-06 | 日本放送協会 | 符号化画像補正装置及びそのプログラム |
| CN102322816B (zh) * | 2011-06-13 | 2013-11-27 | 北京航空航天大学 | 一种三维冰形数字图像系统的标定靶装置及标定方法 |
| CN104880176B (zh) * | 2015-04-15 | 2017-04-12 | 大连理工大学 | 基于先验知识模型优化的运动物位姿测量方法 |
| CN104897062B (zh) * | 2015-06-26 | 2017-10-27 | 北方工业大学 | 一种零件异面平行孔形位偏差的视觉测量方法及装置 |
| CN106251361B (zh) * | 2016-08-30 | 2019-01-15 | 兰州交通大学 | 一种钢轨表面缺陷图像自适应分割方法 |
| CN107527333B (zh) * | 2017-07-31 | 2021-03-02 | 湖北工业大学 | 一种基于伽马变换的快速图像增强方法 |
| CN107618533A (zh) * | 2017-09-29 | 2018-01-23 | 兰州交通大学 | 一种钢轨表面离散缺陷的机器视觉检测装置及方法 |
-
2019
- 2019-01-10 CN CN201910022600.0A patent/CN109754422B/zh active Active
- 2019-08-21 CN CN201910773096.8A patent/CN110517315B/zh active Active
- 2019-08-21 CN CN201910773427.8A patent/CN110610518B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013135033A1 (zh) * | 2012-03-16 | 2013-09-19 | 同济大学 | 基于图像分析的隧道变形在线监测系统及其应用 |
| CN107246866A (zh) * | 2017-06-24 | 2017-10-13 | 天津大学 | 一种高精度六自由度测量系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 图像式无砟轨道表面沉降在线监测系统;闵永智等;《光学精密工程》;20130615(第06期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109754422B (zh) | 2022-09-13 |
| CN110517315A (zh) | 2019-11-29 |
| CN109754422A (zh) | 2019-05-14 |
| CN110610518B (zh) | 2022-09-20 |
| CN110610518A (zh) | 2019-12-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110517315B (zh) | 一种图像式铁路路基表面沉降高精度在线监测系统及方法 | |
| CN110763152B (zh) | 一种水下主动旋转结构光三维视觉测量装置及测量方法 | |
| CN109215108B (zh) | 基于激光扫描的全景三维重建系统及方法 | |
| CN107167093B (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 | |
| CN114998499B (zh) | 一种基于线激光振镜扫描的双目三维重建方法及系统 | |
| CN104990515B (zh) | 大型物体三维形状测量系统及其测量方法 | |
| CN105486235B (zh) | 一种球机视频画面中的目标度量方法 | |
| CN105839505B (zh) | 一种三维可视化的路面破损信息的检测方法及检测装置 | |
| CN109297436B (zh) | 双目线激光立体测量基准标定方法 | |
| CN104200086A (zh) | 宽基线可见光相机位姿估计方法 | |
| CN110645921A (zh) | 一种基于偏振成像的冰形三维测量方法 | |
| CN111192235A (zh) | 一种基于单目视觉模型和透视变换的图像测量方法 | |
| CN108709499A (zh) | 一种结构光视觉传感器及其快速标定方法 | |
| CN110966956A (zh) | 一种基于双目视觉的三维检测装置和方法 | |
| CN109269466A (zh) | 基于特征点的靶面相对位姿测量方法及系统 | |
| CN108692656B (zh) | 一种激光扫描数据获取方法及装置 | |
| CN110926373A (zh) | 铁路异物检测场景下结构光光平面标定方法及其系统 | |
| CN106289086A (zh) | 一种用于光学标识点间距离精确标定的双相机测量方法 | |
| Min et al. | A high-precision online monitoring system for surface settlement imaging of railway subgrade | |
| CN109506629B (zh) | 一种水下核燃料组件检测装置旋转中心标定的方法 | |
| CN114459384A (zh) | 一种基于多角度正弦条纹光场融合的相移轮廓术 | |
| CN112907647B (zh) | 一种基于固定式单目摄像机的三维空间尺寸测量方法 | |
| CN114136544A (zh) | 基于高速视频测量的水下振动模拟测试系统及测试方法 | |
| CN109506562A (zh) | 一种用于太阳翼展开锁定深度检测的双目视觉测量装置 | |
| CN109559356B (zh) | 一种基于机器视觉的高速公路视距检测方法 |
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 |