CN110645900A - 边坡影像实时获取装置、边坡裂缝实时识别形变监测方法 - Google Patents

边坡影像实时获取装置、边坡裂缝实时识别形变监测方法 Download PDF

Info

Publication number
CN110645900A
CN110645900A CN201910919424.0A CN201910919424A CN110645900A CN 110645900 A CN110645900 A CN 110645900A CN 201910919424 A CN201910919424 A CN 201910919424A CN 110645900 A CN110645900 A CN 110645900A
Authority
CN
China
Prior art keywords
slope
image
crack
real
side slope
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.)
Pending
Application number
CN201910919424.0A
Other languages
English (en)
Inventor
毛亚纯
曹旺
黄家其
伏雨文
丁瑞波
刘晶
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.)
Northeastern University China
Original Assignee
Northeastern University China
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 Northeastern University China filed Critical Northeastern University China
Priority to CN201910919424.0A priority Critical patent/CN110645900A/zh
Publication of CN110645900A publication Critical patent/CN110645900A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种边坡影像实时获取装置、边坡裂缝实时识别形变监测方法，其中，边坡影像实时获取装置包括高清摄像头，负责采集边坡高清影像，移动WIFI，负责摄像头和远程计算机的网络通讯，太阳能蓄电池，负责给高清摄像头及移动WIFI供电，远程计算机，负责实时处理影像数据。本发明提供的装置和方法不仅能够实时地、准确地、大范围地对露天矿边坡裂缝进行识别，而且还能对边坡裂缝的形变信息进行实时高精度监测。

Description

边坡影像实时获取装置、边坡裂缝实时识别形变监测方法
技术领域
本发明属于边坡工程变形监测技术领域，尤其涉及一种边坡影像实时获取装置、边坡裂缝实时识别形变监测方法。
背景技术
露天矿边坡的安全监测是露天矿山安全生产和运营的重要保障，近年来国内外诸多露天矿边坡滑坡事故时有发生，其给矿山安全生产带来了极大威胁，由此造成的经济损失更是不计其数。为解决露天矿边坡安全问题，国内外学者多年来一直致力于边坡失稳分析及预测预报工作的研究，目前大量监测手段仅仅局限于点监测，无法实现对边坡进行全天时、大面积的二维实时监测，更不能自动识别出边坡的异常裂缝区域，且监测成本较高，因此如何对露天矿边坡大范围内新产生的裂缝进行实时识别和形变量监测显得尤为重要。
发明内容
(一)要解决的技术问题
针对现有存在的技术问题，本发明提供一种边坡影像实时获取装置、边坡裂缝实时识别形变监测方法，不仅能够实时识别露天矿边坡新产生的裂缝，而且还能够对边坡的裂缝进行实时高精度监测。
(二)技术方案
为了达到上述目的，本发明采用的主要技术方案包括：
一种边坡影像实时获取装置，包括：高清摄像头、移动WIFI、太阳能蓄电池和远程计算机；
所述高清摄像头负责采集露天矿边坡高清影像；
所述移动WIFI负责高清摄像头与远程计算机的网络通讯；
所述太阳能蓄电池负责给高清摄像头和移动WIFI供电；
所述远程计算机负责接收来自高清摄像头的露天矿边坡影像并实时处理，对露天矿边坡裂缝进行识别和高精度形变监测。
优选地，所述高清摄像头被固定在稳定的监测桩上；
所述移动WIFI和太阳能蓄电池被固定在稳定的防雨箱内。
本技术方案还提供一种边坡裂缝实时识别形变监测方法，包括如下步骤：
S1、将露天矿边坡影像实时获取装置安置在边坡附近的稳定区域，且保障其视野良好，使其尽可能覆盖目标监测区域，并设定好影像获取周期，采集边坡影像数据；
S2、对获取的边坡影像数据进行灰度化预处理，即将获取的彩色影像转换为灰度图像；
S3、基于sift算法对灰度图像数据进行匹配获取像素坐标匹配数据，并计算图中对应的像素坐标差值；
S4、对坐标差值较大的异常区域进行分析，若异常区域上方没有移动，且异常区域呈条带状或弧形分布，则将区域识别为边坡的裂缝，并对该区域的像素对应的实际距离进行定标获取转换系数，以此计算边坡形变量数据，得到边坡裂缝形变监测结果。
优选地，步骤S2中的影像数据进行灰度化的计算公式为：
Gray＝0.3R+0.5G+0.2B
式中：Gray为影像灰度化后的值，R、G、B分别为彩色影像红、绿、蓝的亮度。
优选地，步骤S3中基于sift算法匹配后的像素坐标差值计算公式为：
Δx＝x2-x1
Δy＝y2-y1
Δx，Δy分别为影像方位向和距离向的像素坐标差值，x1，x2分别为两幅影像匹配后的方位向像素坐标，y1，y2分别为两幅影像匹配后的方位向像素坐标。
优选地，步骤S4中所述定标方法为通过制作一定数量单位长度L1的标杆固定在裂缝区域，且保持标杆与裂缝位移方向平行，并基于影像对标杆的像素长度S1进行测定，计算转换系数α：
Figure BDA0002217087090000031
优选地，步骤S4中所述的计算边坡裂缝的形变量数据方法为通过计算得到边坡裂缝对应位置的转换系数α、Δx、Δy后，利用下式计算形变量Δd：
(三)有益效果
本发明的有益效果是：本发明提供的一种边坡影像实时获取装置、边坡裂缝实时识别形变监测方法，具有以下有益效果：
(1)利用该露天矿边坡影像实时获取装置可以实时获取边坡的高清影像数据。
(2)利用该边坡裂缝实时识别及形变监测方法能够实时、自动地识别露天矿边坡新产生的边坡裂缝。
(3)利用该边坡裂缝实时识别及形变监测方法能够实时、高精度地监测边坡裂缝形变。
附图说明
图1为本发明提供的一种边坡影像实时获取装置的结构示意图；
图2为本发明提供的一种边坡裂缝实时识别形变监测方法的流程示意图；
图3为本发明提供的边坡岩石裂缝模拟实验示意图；
图4为本发明提供的sift算法匹配结果示意图；
图5为本发明提供的边坡岩石裂缝识别监测结果示意图。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
如图1所示：本实施例中公开了一种露天矿边坡影像实时获取装置，包括：高清摄像头、移动WIFI、太阳能蓄电池和远程计算机；
所述高清摄像头负责采集露天矿边坡影像；
所述移动WIFI负责高清摄像头与远程计算机的网络通讯；
所述太阳能蓄电池负责给高清摄像头和移动WIFI供电；
所述远程计算机负责接收来自高清摄像头的露天矿边坡影像并实时处理，对露天矿边坡裂缝进行识别和高精度形变监测；
如图2所示：本实施例中提供一种边坡裂缝实时识别形变监测方法，包括如下步骤：
S1、将边坡影像实时获取装置安置在边坡附近的稳定区域，且保障其视野良好，使其尽可能覆盖目标监测区域，并设定好影像获取周期，采集边坡影像数据；
S2、对获取的边坡影像数据进行灰度化预处理，即将获取的彩色影像转换为灰度图像；
S3、基于sift算法对灰度图像数据进行匹配获取像素坐标匹配数据，并计算影像中对应的像素坐标差值；
S4、将坐标差值较大的异常区域进行分析，若异常区域上方没有移动，且异常区域呈条带状或弧形分布，则将区域识别为边坡的裂缝，并对该区域的像素对应的实际距离进行定标获取转换系数，以此计算边坡形变量数据，得到边坡裂缝形变监测结果；
本方法中必要参数至少包括：方位向匹配坐标、距离向匹配坐标、像素坐标差值、转换系数和位移量(形变量)。
需要说明的是：本实施例中对影像数据进行灰度化的计算公式为：
Gray＝0.3R+0.5G+0.2B (1)
式中：Gray为影像灰度化后的值，R、G、B分别为彩色影像红、绿、蓝的亮度。
本实施例中基于sift算法匹配后的像素坐标差值计算方法为：
Δx，Δy分别为影像方位向和距离向的像素坐标差值，x1，x2分别为两幅影像匹配后的方位向像素坐标，y1，y2分别为两幅影像匹配后的方位向像素坐标。
本实施例中的定标方法为通过制作一定数量单位长度L1的标杆固定在裂缝区域，且保持标杆与裂缝位移方向平行，并基于影像对标杆的像素长度S1进行测定，计算转换系数α：
这里应说明的是：本实施例中步骤S4中所述的计算边坡裂缝的形变量数据方法为通过计算得到边坡裂缝对应位置的转换系数α、Δx、Δy后，利用下式计算形变量Δd：
Figure BDA0002217087090000053
如图3-5所示：以边坡岩石裂缝模拟实验为例。
首先对边坡影像实时获取装置进行了布设，通过人工方式使岩石产生裂缝并不断位移，并基于该装置对岩石不同时刻的影像进行采集，利用远程计算机对影像进行实时处理获取监测结果，以此来验证本发明的效果。
1)边坡岩石影像采集
首先将露天矿边坡影像实时获取装置进行了安装和调试，调整好其相对被监测目标的最佳观测姿态。并利用该装置对边坡岩石裂缝的产生和位移过程影像进行采集，获取多幅边坡岩石的影像。
2)边坡岩石影像灰度化处理
对摄像机获取的彩色影像进行灰度化处理，利用公式(1)将R、G、B的值转化为灰度值。
3)影像坐标匹配计算
基于sift算法对边坡影像数据进行匹配获取像素坐标匹配数据，并利用公式(2)计算影像中对应的像素坐标差值。
4)边坡裂缝识别及形变监测
将坐标差值较大的异常区域进行分析，若异常区域上方没有移动，且异常区域呈条带状或弧形分布，则将区域识别为边坡的裂缝，并对该区域的像素对应的实际距离进行定标，利用公式(3)计算获取转换系数，然后利用公式(4)计算边坡位移数据，最终对边坡裂缝进行实时识别及形变监测。
本实施例利用边坡岩石裂缝产生及变形模拟实验进行说明，利用人工干预手段对边坡岩石的裂缝产生和形变过程进行了模拟，并记录了边坡岩石不同形态下的影像，通过对影像进行一系列处理，最终识别成功出裂缝，并对裂缝的形变进行了监测，表1为裂缝的实际位移和基于影像计算出的位移(形变量)部分数据对比。
表1裂缝的实际位移和基于影像计算出的位移部分数据对比
Figure BDA0002217087090000061
Figure BDA0002217087090000071
以上结合具体实施例描述了本发明的技术原理，这些描述只是为了解释本发明的原理，不能以任何方式解释为对本发明保护范围的限制。基于此处解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (7)

1.一种边坡影像实时获取装置，其特征在于，包括：高清摄像头、移动WIFI、太阳能蓄电池和远程计算机；
所述高清摄像头负责采集露天矿边坡高清影像；
所述移动WIFI负责高清摄像头与远程计算机的网络通讯；
所述太阳能蓄电池负责给高清摄像头和移动WIFI供电；
所述远程计算机负责接收来自高清摄像头的露天矿边坡影像并实时处理，对露天矿边坡裂缝进行识别和高精度形变监测。
2.根据权利要求1所述的露天矿边坡影像实时获取装置，其特征在于，
所述高清摄像头被固定在稳定的监测桩上；
所述移动WIFI和太阳能蓄电池被固定在稳定的防雨箱内。
3.一种边坡裂缝实时识别形变监测方法，其特征在于，包括如下步骤：
S1、将露天矿边坡影像实时获取装置安置在边坡附近的稳定区域，且保障其视野良好，使其尽可能覆盖目标监测区域，并设定好影像获取周期，采集边坡影像数据；
S2、对获取的边坡影像数据进行灰度化预处理，即将获取的彩色影像转换为灰度图像；
S3、基于sift算法对灰度图像数据进行匹配获取像素坐标匹配数据，并计算图中对应的像素坐标差值；
S4、对坐标差值较大的异常区域进行分析，若异常区域上方没有移动，且异常区域呈条带状或弧形分布，则将区域识别为边坡的裂缝，并对该区域的像素对应的实际距离进行定标获取转换系数，以此计算边坡形变量数据，得到边坡裂缝形变监测结果。
4.根据权利要求3所述的方法，其特征在于，
步骤S2中的影像数据进行灰度化的计算公式为：
Gray＝0.3R+0.5G+0.2B
式中：Gray为影像灰度化后的值，R、G、B分别为彩色影像红、绿、蓝的亮度。
5.根据权利要求4所述的方法，其特征在于，
步骤S3中基于sift算法匹配后的像素坐标差值计算公式为：
Δx＝x2-x1
Δy＝y2-y1
Δx，Δy分别为影像方位向和距离向的像素坐标差值，x1，x2分别为两幅影像匹配后的方位向像素坐标，y1，y2分别为两幅影像匹配后的方位向像素坐标。
6.根据权利要求5所述的方法，其特征在于，
步骤S4中所述定标方法为通过制作一定数量单位长度L1的标杆固定在裂缝区域，且保持标杆与裂缝位移方向平行，并基于影像对标杆的像素长度S1进行测定，计算转换系数α：
Figure FDA0002217087080000021
7.根据权利要求6所述的方法，其特征在于，
步骤S4中所述的计算边坡裂缝的形变量数据方法为通过计算得到边坡裂缝对应位置的转换系数α、Δx、Δy后，利用下式计算形变量Δd：
Figure FDA0002217087080000022
CN201910919424.0A 2019-09-26 2019-09-26 边坡影像实时获取装置、边坡裂缝实时识别形变监测方法 Pending CN110645900A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910919424.0A CN110645900A (zh) 2019-09-26 2019-09-26 边坡影像实时获取装置、边坡裂缝实时识别形变监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910919424.0A CN110645900A (zh) 2019-09-26 2019-09-26 边坡影像实时获取装置、边坡裂缝实时识别形变监测方法

Publications (1)

Publication Number Publication Date
CN110645900A true CN110645900A (zh) 2020-01-03

Family

ID=69011469

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910919424.0A Pending CN110645900A (zh) 2019-09-26 2019-09-26 边坡影像实时获取装置、边坡裂缝实时识别形变监测方法

Country Status (1)

Country Link
CN (1) CN110645900A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116008505A (zh) * 2022-12-13 2023-04-25 北方魏家峁煤电有限责任公司 露天矿边坡安全监测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08304721A (ja) * 1995-05-10 1996-11-22 Nikon Corp 走査光学装置
CN105701766A (zh) * 2016-02-24 2016-06-22 网易（杭州）网络有限公司 图形匹配方法和装置
CN106303412A (zh) * 2016-08-09 2017-01-04 鞍钢集团矿业有限公司 基于监控影像的排土场位移远程实时监测装置与方法
CN108662989A (zh) * 2018-07-02 2018-10-16 郑州工程技术学院 一种基于三维激光扫描的车灯轮廓质量检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08304721A (ja) * 1995-05-10 1996-11-22 Nikon Corp 走査光学装置
CN105701766A (zh) * 2016-02-24 2016-06-22 网易（杭州）网络有限公司 图形匹配方法和装置
CN106303412A (zh) * 2016-08-09 2017-01-04 鞍钢集团矿业有限公司 基于监控影像的排土场位移远程实时监测装置与方法
CN108662989A (zh) * 2018-07-02 2018-10-16 郑州工程技术学院 一种基于三维激光扫描的车灯轮廓质量检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李宁: "基于数字摄影和图像分析的边坡监测预报研究", 《万方数据》 *
杨璐雅等: "基于边缘检测的瓷质绝缘子裂缝特征检测方法", 《广东电力》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116008505A (zh) * 2022-12-13 2023-04-25 北方魏家峁煤电有限责任公司 露天矿边坡安全监测方法

Similar Documents

Publication Publication Date Title
CN101620676B (zh) 绝缘子轮廓的快速图像识别方法
CN110334771B (zh) 一种基于四阈值ps点的露天矿gb-sar监测数据误差修正方法
CN106296700B (zh) 一种钢丝绳输送带接头抽动检测方法
CN103177241B (zh) 利用视频图像处理技术定位输电线路间隔棒的方法
CN104853154B (zh) 一种基于运动图像的危岩变形信息提取及报警方法
CN106546263A (zh) 一种基于机器视觉的激光水平仪出射激光线检测方法
CN109465830B (zh) 机器人单目立体视觉标定系统及方法
CN112686938A (zh) 基于双目图像测距的输电线路净距计算与安全告警方法
CN108665468B (zh) 一种提取直线塔绝缘子串的装置及方法
CN111604916B (zh) 一种机房it设备故障机柜u位定位系统及方法
CN112802004B (zh) 便携式输电线路和杆塔健康智能视频检测装置
CN111967323B (zh) 一种基于深度学习算法的电力带电作业安全检测方法
CN110645900A (zh) 边坡影像实时获取装置、边坡裂缝实时识别形变监测方法
CN111383174A (zh) 一种用于摄影测量的爆堆数据采集方法
CN111563957B (zh) 一种煤田火灾及矸石山火灾三维温度场数字化成像方法
CN112556632A (zh) 一种利用协同精密定位监测地质体形变的方法及结构
CN113723389B (zh) 一种支柱式绝缘子定位方法及装置
CN104786227A (zh) 基于高压带电作业机器人的跌落开关更换控制系统及方法
CN113420670A (zh) 基于高分遥感输变电线路迁改环水保监管方法
CN105140145A (zh) 一种光伏电池栅线测量方法
CN108470141B (zh) 一种基于统计特征与机器学习的配电线路中绝缘子识别方法
CN116883999A (zh) 变电站大型施工机械与工作区域的安全距离监测方法
CN108573233B (zh) 一种基于图像处理技术的电网陶瓷绝缘子识别方法
CN116499427A (zh) 一种边坡滑坡的智能预警方法
CN114396921B (zh) 一种基于无人机的钱塘江涌潮高度及传播速度测量方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200103