CN111127436A - 一种用于桥梁的位移检测预警方法 - Google Patents

Abstract

本发明提供了一种用于桥梁的位移检测预警方法，桥梁上具有多个标记图形，位移检测预警方法包括：飞行时间TOF相机根据图像采集指令拍摄桥梁的监控区域的图像，生成三维点云数据发送给监控处理器；监控处理器对三维点云数据进行去噪处理和特征提取，得到多个标记图形的三维点云数据保存在特征数据列表中，并将特征数据列表保存在监控数据列表中，监控处理器根据采集时间从监控数据列表中读取当前的特征数据列表、当前之前的最后一个特征数据列表和标准特征数据列表进行位移数据计算得到相对位移数据和绝对位移数据；并根据绝对位移数据和相对位移数据进行判断，根据判断结果生成预警消息发送给信号指示设备和预警终端设备。

Description

一种用于桥梁的位移检测预警方法

技术领域

本发明涉数据处理领域，尤其涉及一种用于桥梁的位移检测预警方法。

背景技术

桥梁结构位移是桥梁运营状态的重要度量参数，主要的结构位移发生变化时，对通行产生安全威胁。为了保证桥梁的通行安全，人们也在桥梁的位移测量上进行不断研究。

现有技术中通常使用人工测量的方式对桥梁的各部位进行手动测量，并计算出桥梁重要部位的位数据，再根据计算的数据进行分析对桥梁的通行进行管制。这种方法耗费大量的人力，并且对桥梁进行测量的实时度不高。且人工测量的方法，在得到危险数据时，立即的对桥梁通行进行控制。不能达到高效的管理控制通行的目的。

发明内容

针对现有技术缺陷，本发明实施例的目的是提供一种用于桥梁的位移检测预警方法。通过在桥梁的重要部位进行标记，并使用飞行时间TOF相机采集监控区域的图像，生成三维点云数据，通过对三维点云数据进行分析，得到相对位移数据和绝对位移数据，并根据相对位移数据和绝对位移数据进行判断，根据判断结果生成预警消息，并对桥梁的通行进行预警提示和控制。

为了实现上述目的，本发明提供一种用于桥梁的位移检测预警方法，所述桥梁上具有多个标记图形，所述位移检测预警方法包括：

飞行时间TOF相机根据图像采集指令拍摄桥梁的监控区域的图像，生成三维点云数据；其中，所述三维点云数据包括标记图形的三维点云数据；且所述三维点云数据具有对应的采集时间数据；所述TOF相机具有相机ID；

所述TOF相机将所述三维点云数据发送给监控处理器；

所述监控处理器对所述三维点云数据进行去噪处理，得到去噪三维点云数据；

所述监控处理器基于标记特征模型对所述去噪三维点云数据进行特征提取，得到多个标记图形的三维点云数据，保存在特征数据列表中；其中，每个所述特征数据列表对应一个采集时间数据；

所述监控处理器将多个采集时间对应的所述特征数据列表保存在监控数据列表中；

所述监控处理器根据采集时间从所述监控数据列表中读取当前的特征数据列表和当前之前的最后一个特征数据列表，根据所述当前的特征数据列表和当前之前的最后一个特征数据列表进行位移数据计算，得到相对位移数据；

所述监控处理器根据所述当前的特征数据列表和标准特征数据列表进行位移数据计算，得到绝对位移数据；

所述监控处理器根据所述绝对位移数据、所述相对位移数据进行判断，当所述绝对位移数据大于预设绝对位移阈值和/或所述相对位移数据大于预设相对位移阈值时，所述监控处理器根据所述去噪三维点云数据、所述绝对位移数据和/或相对位移数据生成预警消息；

所述监控处理器将所述预警消息发送给所述信号指示设备和预警终端设备；

所述信号指示设备根据预警消息变更预警指示灯显示状态；所述预警终端设备根据所述预警消息进行输出显示和语音播报。

优选的，所述监控处理器基于形状特征模型对所述去噪三维点云数据进行特征提取，得到形状特征点云数据，保存在特征数据列表中具体包括：

所述监控处理器基于形状特征模型对所述去噪三维点云数据的强度数进行特征点提取，得到多个第一强度特征数据；

所述监控处理器将所述多个第一强度特征数据映射到所述去噪三维点云数据中，根据映射关系从所述去噪三维点云数据中提取出多个第一形状特征点云数据；

所述监控处理器将多个第一形状特征点云数据保存在所述特征数据列表中。

优选的，所述位移数据计算具体为：

所述监控处理器从第一特征数据列表中读取第一标记图形的三维点云数据，根据所述第一标记图形的三维点云数据的各像素坐标值进行计算，得到第一中心点坐标值；

所述监控处理器从第二特征数据列表中读取与第一标记图形的三维点云数据对应的第一对应标记图形的三维点云数据，根据所述第一对应标记图形的三维点云数据的像素坐标值进行计算，得到第一对应中心点坐标值；

所述监控处理器计算所述第一中心点坐标值与所述第一对应中心点坐标值的距离，得到所述第一中心点位移；

所述监控处理器将所有第一中心点位移的最大值确定为位移数据；其中，所述第一特征数据列表为所述当前的特征数据列表，所述第二特征数据列表为所述当前之前的最后一个特征数据列表，所述位移数据为相对位移数据；

或者，所述第一特征数据列表为所述当前的特征数据列表，所述第二特征数据列表为所述标准特征数据列表，所述位移数据为绝对位移数据。

优选的，所述位移数据计算具体为：

所述监控处理器读取所述第一特征数据列表中所有第一标记图形的三维点云数据，并根据所有第一标记图形的三维点云数据的全部像素坐标值进行计算，得到中心点的坐标值；

所述监控处理器读取所述第二特征数据列表中所有第一对应标记图形的三维点云数据，并根据所有第一对应标记图形的三维点云数据的全部像素坐标值进行计算，得到对应中心点的坐标值；

所述监控处理器计算所述中心点与所述对应中心点的距离，得到位移数据；

其中，所述第一特征数据列表为所述当前的特征数据列表，所述第二特征数据列表为所述当前之前的最后一个特征数据列表，所述位移数据为相对位移数据；

或者，所述第一特征数据列表为所述当前的特征数据列表，所述第二特征数据列表为所述标准特征数据列表，所述位移数据为绝对位移数据。

优选的，所述当所述绝对位移数据大于预设绝对位移阈值和/或所述相对位移数据大于预设相对位移阈值时，所述监控处理器根据所述去噪三维点云数据、所述绝对位移数据和/或相对位移数据生成预警消息具体包括：

当所述绝对位移数据大于预设绝对位移阈值且所述相对位移数据大于预设相对位移阈值时，所述监控处理器设置预警等级为高级；所述监控处理器根据所述去噪三维点云数据、所述绝对位移数据、相对位移数据和预警等级生成预警消息；

当所述绝对位移数据大于预设绝对位移阈值且所述相对位移数据小于等于预设相对位移阈值时，所述监控处理器设置预警等级为中级；所述监控处理器根据所述监控处理器根据所述去噪三维点云数据、所述绝对位移数据和预警等级生成预警消息；

当所述绝对位移数据小于等于预设绝对位移阈值且所述相对位移数据大于预设相对位移阈值时，所述监控处理器设置预警等级为中级；所述监控处理器根据所述监控处理器根据所述去噪三维点云数据、所述绝对位移数据和预警等级生成预警消息。

进一步优选的，所述预警消息包括预警等级，所述信号指示设备根据预警消息变更预警指示灯显示状态具体为：

当所述预警等级为高级时，所述信号指示设备输出长亮的红色指示信号；

当所述预警等级为中级时，所述信号指示设备输出闪烁的黄色指示信号。

优选的，所述方法还包括：

所述监控处理器在预设时间对所述监控数据列表中预设时长内的多个特征数据列表进行数据分析，得到多个相对位移数据；

所述监控处理器根据所述多个相对位移数据确定所述位移变化趋势为持续增长时，所述监控处理器将预警等级设置为低级；

所述监控处理器根据所述预警等级和所述多个相对位移数据生成预警消息，并发送给预警终端设备，用以输出所述预警消息。

优选的，在所述飞行时间TOF相机根据图像采集指令拍摄监控区域的图像之前，所述方法还包括：

所述监控处理器接收监控启动命令，根据预设时间间隔生成所述图像采集指令；

所述监控处理器向所述TOF相机发送所述图像采集指令。

本发明实施例提供的一种用于桥梁的位移检测预警方法，通过在桥梁的重要部位进行标记，并使用TOF相机采集桥梁监控区域的图像，生成三维点云数据。通过对三维点云数据进行分析计算，得到相对位移数据和绝对位移数据，并根据判断生成预警消息发送给预警终端设备，用以对桥梁的通行进行指示和控制。本发明实施例提供的用于桥梁的位移检测预警的方法，在不受环境光线影响的情况下，实现全了自动化的桥梁位移检测和桥梁通行控制。

附图说明

图1为本发明实施例提供的一种用于桥梁的位移检测预警方法流程图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

本发明的一种用于桥梁的位移检测预警方法，其用于对各种桥梁的位移进行实时测量，并根据测量结果生成预警消息对桥梁的通行进行提示和控制。图1为本发明实施例提供的一种用于桥梁的位移检测预警方法流程图。如图所示，包括以下步骤：

步骤101，飞行时间TOF相机根据图像采集指令拍摄桥梁的监控区域的环境图像信息，经过TOF相机的处理单元，对采集到的图像环境信息进行分析处理后生成三维点云数据。

其中，三维点云数据包括标记图形的三维点云数据；且三维点云数据具有对应的采集时间数据；TOF相机具有相机ID。

具体的，TOF相机接收监控处理器发送的图像采集指，拍摄一帧桥梁的监控区域的环境图像，并生成三维点云数据。TOF相机拍摄监控区域的环境图像时，保存图像采集的采集时间数据。其中，桥梁上具有多个标记图形，也就是在桥梁上的重要部位使用标记图形对其进行标记，以便在进行图像采集的时候采集到标记图形，相对于桥梁的重要部位来说，标记图形更醒目，采集到的标记图形数据也更容易分析。并且标记图形的位置和标记图形的形状也可以随着采样的需求在本发明实施例的实验过程中进行调整，使得本发明实施例采集到数据更丰富和符合需求。

TOF相机架设在任一固定的并可以对桥梁的监控区域进行采集得到清晰图像数据的位置。例如，桥梁附近专门设置的安装设备支撑杆等一切可以固定TOF相机的地方。TOF相机的拍摄范围可以根据需求进行调整，使得TOF相机拍摄到能得到清晰的桥梁图像。且对于一座桥梁可以设置多个TOF相机，用于对不同的监控区域进行拍摄。

本发明实施例中采用的TOF相机通过内置激光发射模块发射光信号，并通过内置的互补金属氧化物半导体(Complementary Metal Oxide Semiconductor,CMOS)像素阵列来获取三维场景的距离景深数据，成像率可达上百帧每秒，同时结构紧凑，功耗低。对于目标场景的三维数据获取方式为：TOF相机使用振幅调制的光源，该光源主动地照射目标场景，并与锁定在同一频率的每个像素上的相关传感器耦合。其内置激光发射的发射光和发射光照射到场景物体上后发射的反射光具有相移，通过检测发射光和反射光之间的不同的相移量获得多次测量。内置激光发射器的振幅调制在10-100MH的调制频率区间，而频率控制着TOF相机传感器深度范围和深度分辨率。同时TOF相机的处理单元在每个像素上单独地执行相位差进行计算，得出目标场景的深度数据，TOF相机的处理单元进过对反射光的反射强度进行分析计算，得出目标场景的强度数据，再结合获取的二维数据进行分析处理后得到目标场景的三维点云数据。

本发明实施例的具体例子中，TOF相机采用固态激光器或者LED阵列发射波长在850nm附近的光波发射器作为内置激光发射器。发射光源为通过连续调制方式得到的连续方波或正弦波。TOF相机处理单元通过计算多个采样样本中的发射光与反射光的相位角以及目标物体的距离，并对反射光强度转换的电流强度进行分析计算得到强度数据，然后再结合光学相机得到的二维图像数据进行融合处理，得到目标场景的三维点云数据。

在对监控区域的环境图像进行拍摄过程中，由于是通过TOF相机主动发射的非可见光进行场景拍摄，所以即使在黑暗情况下也能得到清晰的监控区域环境图像的三维点云数据。因此，本发明实施例提供的方法在夜间或者照明状态不佳，甚至没有照明的黑暗环境中也适用。

本发明实施例的优选方案中，在TOF相机根据图像采集指令拍摄监控区域的图像之前，监控处理器接收监控启动命令，根据预设时间间隔生成图像采集指令；监控处理器向TOF相机发送图像采集指令。也就是说，在需要启动本发明实施例提供的方法时，通过管理员在监控处理器的交互屏幕输入启动命令或者通过其他方式向监控处理器发送监控启动命令，监控处理器在接收到监控启动命令后，读取预设时间间隔，并根据时间间隔生成图像采集指令。例如，时间间隔为5分钟，那么监控处理器就每5分钟生成一次图像采集指令，并发送给TOF相机。

步骤102，TOF相机将三维点云数据发送给监控处理器。

具体的，TOF相机将采集生成的三维点云数据发送给监控处理器。

步骤103，监控处理器对三维点云数据进行去噪处理，得到去噪三维点云数据。

具体的，监控处理器选用特定的滤波方式对接收到的三维点云数据进行滤波处理，去除其中的噪点。例如，本发明实施例中，使用如下方法对三维点云数据进行滤波处理：

本发明实施例中的TOF相机分辨率为M×N(M、N都为正整数)，所以其获取的一帧三维点云数据具有M×N个像素点，每个像素点进一步包括X、Y、Z三维坐标值。其中，TOF相机原始深度数据到我们需要的3维点云数据的步骤：首先，对原始深度数据做初步校正和温度校准；其次，对图像做畸变校正处理；再次，深度图像坐标系(x0,y0,z0)转化成相机坐标系(x1,y1,z1)，及把图像上的深度信息转化成以相机为原点的三维坐标系；最后，相机坐标系(x1,y1,z1)转化成需要的世界坐标系(x2,y2,z2)，及把相机的坐标系转化成项目需要的坐标系，也就是最终的点云的坐标系。X轴、Y轴的数据值表示场景点的平面坐标位置，Z轴的数据值表示采集到的获取到的场景的实际深度值。

监控处理器将三维点云数据转化为M×N×3的矩阵，每一行代表飞行时间传感器中排列的一个像素。通过将M×N×3的矩阵重置为M×N的矩阵，并且用深度值表示重置矩阵中的每个元素的值，三维点云数据就转化成二维平面图像数据。

监控处理器采用基于三维点云的3×3空间滤波算子，对二维平面图像数据的各像素点的深度值进行计算，并计算中心点像素与周围像素的深度差。用深度差与预设全局阈值进行比较，当深度差大于预设全局阈值时，判断该像素点测得的深度值为噪点，将其对应的三维点云数据中的像素点滤除。否则，保留其对应的三维点云数据中的像素点。经过处理后得到去噪三维点云数据。

步骤104，监控处理器基于标记特征模型对去噪三维点云数据进行特征提取，得到多个标记图形的三维点云数据，保存在特征数据列表中。

其中，每个特征数据列表对应一个采集时间数据。

具体的，在监控处理器的存储单元中保存有所有桥梁上的标记形状对应的特征数据模型，也就是标记特征模型。监控处理器基于标记特征模型，从去噪三维点云数据中将所有标记图形的三维点云数据提取处理，桥梁的监控区域中具有多个标记图形，所以可以提取到多个标记图形的三维点云数据。本发明实施例的优选方案中，监控处理器基于形状特征模型对去噪三维点云数据的强度数进行特征点提取，得到多个第一强度特征数据；监控处理器将多个第一强度特征数据映射到去噪三维点云数据中，根据映射关系从去噪三维点云数据中提取出多个第一形状特征点云数据；监控处理器将多个第一形状特征点云数据保存在特征数据列表中。

监控处理器将提取到的多个标记图形的三维点云数据保存在特征数据列表中。并且，监控处理器记录三维图像数据的采集时间，并将采集时间与特征数据列表进行对应。

步骤105，监控处理器将多个采集时间对应的特征数据列表保存在监控数据列表中。

具体的，监控处理器每采集一次监控区域的图像数据就进行一次特征数据提取，然后将特征数据列表保存在监控数据列表中，并保存与特征数据列表对应的采集时间。经过多次采集，监控数据列表中包括多个特征数据列表。

步骤106，监控处理器根据采集时间从监控数据列表中读取当前的特征数据列表和当前之前的最后一个特征数据列表，根据当前的特征数据列表和当前之前的最后一个特征数据列表进行位移数据计算，得到相对位移数据。

具体的，监控处理器根据采集时间从监控数据列表中读取最后保存的两个特征数据列表，按照采集时间从离当前时间的时间长度由小到大进行读取的方式即得到当前的特征数据列表和当前之前的最后一个特征数据列表。

监控处理器对当前的特征数据列表和当前之前的最后一个特征数据列表中的每个三维点云数据进行位移数据计算，得到相对位移数据。

本发明实施例的优选方案中，监控处理器采用下列方法进行位移数据计算，步骤如下：

首先，监控处理器从当前的特征数据列表中读取第一标记图形的三维点云数据，根据第一标记图形的三维点云数据的各像素坐标值进行计算，得到第一中心点坐标值。

其次，监控处理器从当前之前的最后一个特征数据列表中读取与第一标记图形的三维点云数据对应的第一对应标记图形的三维点云数据，根据第一对应标记图形的三维点云数据的像素坐标值进行计算，得到第一对应中心点坐标值。

再次，监控处理器计算第一中心点坐标值与第一对应中心点坐标值的距离，得到第一中心点位移。

最后，监控处理器将所有第一中心点位移的最大值确定为相对位移数据。

在本发明实施例的另一个优选方案中，监控处理器采用以下方法进行位移数据计算，得到相对位移数据，步骤如下：

首先，监控处理器读取当前的特征数据列表中所有第一标记图形的三维点云数据，并根据所有第一标记图形的三维点云数据的全部像素坐标值进行计算，得到中心点的坐标值。

其次，监控处理器读取当前之前的最后一个特征数据列表中所有第一对应标记图形的三维点云数据，并根据所有第一对应标记图形的三维点云数据的全部像素坐标值进行计算，得到标准中心点的坐标值。

最后，监控处理器计算中心点与标准中心点的距离，得到相对位移数据。

步骤107，监控处理器根据当前的特征数据列表和标准特征数据列表进行位移数据计算，得到绝对位移数据。

具体的，监控处理的存储单元中保存有标准特征数据列表，标准数据列表是在本发明实施例提供的方法之前，通过本发明的TOF相机对桥梁的监控区域进行环境图像采集并分析并经过分析处理后得到的多个标记图形的三维点云数据，并进行保存后得到的。标准数据的采集是基于本发明使用同样的条件下进行采集的，以确保数据的可对比性。

本发明实施例的优选方案中，监控处理器采用下列方法进行位移数据计算，得到绝对位移数据，通过以下步骤如完成：

首先，监控处理器从当前的特征数据列表中读取第一标记图形的三维点云数据，根据第一标记图形的三维点云数据的各像素坐标值进行计算，得到第一中心点坐标值。

其次，监控处理器从标准特征数据列表中读取与第一标记图形的三维点云数据对应的第一对应标记图形的三维点云数据，根据第一对应标记图形的三维点云数据的像素坐标值进行计算，得到第一对应中心点坐标值。

再次，监控处理器计算第一中心点坐标值与第一对应中心点坐标值的距离，得到第一中心点位移。

最后，监控处理器将所有第一中心点位移的最大值确定为绝对位移数据。

在本发明实施例的另一个优选方案中，监控处理器采用以下方法进行位移数据计算，得到绝对位移数据，步骤如下：

首先，监控处理器读取当前的特征数据列表中所有第一标记图形的三维点云数据，并根据所有第一标记图形的三维点云数据的全部像素坐标值进行计算，得到中心点的坐标值。

其次，监控处理器读取标准特征数据列表中所有第一对应标记图形的三维点云数据，并根据所有第一对应标记图形的三维点云数据的全部像素坐标值进行计算，得到标准中心点的坐标值。

最后，监控处理器计算中心点与标准中心点的距离，得到绝对位移数据。

需要特别说明的是，在步骤106和步骤107进行相对位移数据计算和绝对位移数据计算时，需保证采用的位移计算方法一致。

步骤108，监控处理器根据绝对位移数据、相对位移数据进行判断，当绝对位移数据大于预设绝对位移阈值和/或相对位移数据大于预设相对位移阈值时，监控处理器根据去噪三维点云数据、绝对位移数据和/或相对位移数据生成预警消息。

具体的，监控处理器将绝对位移数据与预设绝对位移数据进行比较，并且将相对位移数据与预设相对位移数据进行比较，根据比较结果生成确定预警等级，再根据预警等级、去噪三维点云数据、绝对位移数据和/或相对位移数据生成预警消息。

本发明实施例的优选方案中，预警消息的生成包括以下几个方面：

当绝对位移数据大于预设绝对位移阈值且相对位移数据大于预设相对位移阈值时，监控处理器设置预警等级为高级；监控处理器根据去噪三维点云数据、绝对位移数据、相对位移数据和预警等级生成预警消息。

当绝对位移数据大于预设绝对位移阈值且相对位移数据小于等于预设相对位移阈值时，监控处理器设置预警等级为中级；监控处理器根据监控处理器根据去噪三维点云数据、绝对位移数据和预警等级生成预警消息。

当绝对位移数据小于等于预设绝对位移阈值且相对位移数据大于预设相对位移阈值时，监控处理器设置预警等级为中级；监控处理器根据监控处理器根据去噪三维点云数据、绝对位移数据和预警等级生成预警消息。

步骤109，监控处理器将预警消息发送给信号指示设备和预警终端设备。

步骤110，信号指示设备根据预警消息变更预警指示灯显示状态；预警终端设备根据预警消息进行输出显示和语音播报。

具体的，信号指示设备在接收到预警消息时，根据解析得到的预警等级进行指示信号的输出。当预警等级为高级时，信号指示设备输出长亮的红色指示信号。当预警等级为中级时，信号指示设备输出闪烁的黄色指示信号。预警终端为桥梁检测人员或者操作员使用的预警终端设备，并且预警终端设备与监控处理器前通过有线网络或者无线网络进行通信连接。预警终端设备对接收到的预警消息进行解析，得到去噪三维点云数据、绝对位移数据和预警等级，按照预设的格式对其进行显示输出和语音播报。

在本发明实施例优选的方案中，监控处理器还可以完成对多次监控数据的统计分析，并根据分析生成预警消息。主要包括如下步骤：

首先。监控处理器在预设时间对监控数据列表中预设时长内的多个特征数据列表进行数据分析，得到多个相对位移数据；

其次，监控处理器根据多个相对位移数据确定位移变化趋势为持续增长时，监控处理器将预警等级设置为低级；

最后，监控处理器根据预警等级和多个相对位移数据生成预警消息，并发送给预警终端设备，用以输出预警消息。

本发明实施例提供的一种用于桥梁的位移检测预警方法，通过在桥梁的重要部位进行标记，并使用TOF相机采集桥梁监控区域的图像，生成三维点云数据。通过对三维点云数据进行分析计算，得到相对位移数据和绝对位移数据，并根据判断生成预警消息发送给预警终端设备，用以对桥梁的通行进行指示和控制。本发明实施例提供的用于桥梁的位移检测预警的方法，在不受环境光线影响的情况下，实现全了自动化的桥梁位移检测和桥梁通行控制。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种用于桥梁的位移检测预警方法，其特征在于，所述桥梁上具有多个标记图形，所述位移检测预警方法包括：

飞行时间TOF相机根据图像采集指令拍摄桥梁的监控区域的图像，生成三维点云数据；其中，所述三维点云数据包括标记图形的三维点云数据；且所述三维点云数据具有对应的采集时间数据；所述TOF相机具有相机ID；

所述TOF相机将所述三维点云数据发送给监控处理器；

所述监控处理器对所述三维点云数据进行去噪处理，得到去噪三维点云数据；

所述监控处理器基于标记特征模型对所述去噪三维点云数据进行特征提取，得到多个标记图形的三维点云数据，保存在特征数据列表中；其中，每个所述特征数据列表对应一个采集时间数据；

所述监控处理器将多个采集时间对应的所述特征数据列表保存在监控数据列表中；

所述监控处理器根据采集时间从所述监控数据列表中读取当前的特征数据列表和当前之前的最后一个特征数据列表，根据所述当前的特征数据列表和当前之前的最后一个特征数据列表进行位移数据计算，得到相对位移数据；

所述监控处理器根据所述当前的特征数据列表和标准特征数据列表进行位移数据计算，得到绝对位移数据；

所述监控处理器根据所述绝对位移数据、所述相对位移数据进行判断，当所述绝对位移数据大于预设绝对位移阈值和/或所述相对位移数据大于预设相对位移阈值时，所述监控处理器根据所述去噪三维点云数据、所述绝对位移数据和/或相对位移数据生成预警消息；

所述监控处理器将所述预警消息发送给所述信号指示设备和预警终端设备；

所述信号指示设备根据预警消息变更预警指示灯显示状态；所述预警终端设备根据所述预警消息进行输出显示和语音播报。

2.根据权利要求1所述用于桥梁的位移检测预警方法，其特征在于，所述监控处理器基于形状特征模型对所述去噪三维点云数据进行特征提取，得到形状特征点云数据，保存在特征数据列表中具体包括：

所述监控处理器基于形状特征模型对所述去噪三维点云数据的强度数进行特征点提取，得到多个第一强度特征数据；

所述监控处理器将所述多个第一强度特征数据映射到所述去噪三维点云数据中，根据映射关系从所述去噪三维点云数据中提取出多个第一形状特征点云数据；

所述监控处理器将多个第一形状特征点云数据保存在所述特征数据列表中。

3.根据权利要求1所述用于桥梁的位移检测预警方法，其特征在于，所述位移数据计算具体为：

所述监控处理器从第一特征数据列表中读取第一标记图形的三维点云数据，根据所述第一标记图形的三维点云数据的各像素坐标值进行计算，得到第一中心点坐标值；

所述监控处理器从第二特征数据列表中读取与第一标记图形的三维点云数据对应的第一对应标记图形的三维点云数据，根据所述第一对应标记图形的三维点云数据的像素坐标值进行计算，得到第一对应中心点坐标值；

所述监控处理器计算所述第一中心点坐标值与所述第一对应中心点坐标值的距离，得到所述第一中心点位移；

所述监控处理器将所有第一中心点位移的最大值确定为位移数据；其中，所述第一特征数据列表为所述当前的特征数据列表，所述第二特征数据列表为所述当前之前的最后一个特征数据列表，所述位移数据为相对位移数据；

或者，所述第一特征数据列表为所述当前的特征数据列表，所述第二特征数据列表为所述标准特征数据列表，所述位移数据为绝对位移数据。

4.根据权利要求1所述用于桥梁的位移检测预警方法，其特征在于，所述位移数据计算具体为：

所述监控处理器读取所述第一特征数据列表中所有第一标记图形的三维点云数据，并根据所有第一标记图形的三维点云数据的全部像素坐标值进行计算，得到中心点的坐标值；

所述监控处理器读取所述第二特征数据列表中所有第一对应标记图形的三维点云数据，并根据所有第一对应标记图形的三维点云数据的全部像素坐标值进行计算，得到对应中心点的坐标值；

所述监控处理器计算所述中心点与所述对应中心点的距离，得到位移数据；

其中，所述第一特征数据列表为所述当前的特征数据列表，所述第二特征数据列表为所述当前之前的最后一个特征数据列表，所述位移数据为相对位移数据；

或者，所述第一特征数据列表为所述当前的特征数据列表，所述第二特征数据列表为所述标准特征数据列表，所述位移数据为绝对位移数据。

5.根据权利要求1所述用于桥梁的位移检测预警方法，其特征在于，所述当所述绝对位移数据大于预设绝对位移阈值和/或所述相对位移数据大于预设相对位移阈值时，所述监控处理器根据所述去噪三维点云数据、所述绝对位移数据和/或相对位移数据生成预警消息具体包括：

当所述绝对位移数据大于预设绝对位移阈值且所述相对位移数据大于预设相对位移阈值时，所述监控处理器设置预警等级为高级；所述监控处理器根据所述去噪三维点云数据、所述绝对位移数据、相对位移数据和预警等级生成预警消息；

当所述绝对位移数据大于预设绝对位移阈值且所述相对位移数据小于等于预设相对位移阈值时，所述监控处理器设置预警等级为中级；所述监控处理器根据所述监控处理器根据所述去噪三维点云数据、所述绝对位移数据和预警等级生成预警消息；

当所述绝对位移数据小于等于预设绝对位移阈值且所述相对位移数据大于预设相对位移阈值时，所述监控处理器设置预警等级为中级；所述监控处理器根据所述监控处理器根据所述去噪三维点云数据、所述绝对位移数据和预警等级生成预警消息。

6.根据权利要求5所述用于桥梁的位移检测预警方法，其特征在于，所述预警消息包括预警等级，所述信号指示设备根据预警消息变更预警指示灯显示状态具体为：

当所述预警等级为高级时，所述信号指示设备输出长亮的红色指示信号；

当所述预警等级为中级时，所述信号指示设备输出闪烁的黄色指示信号。

7.根据权利要求1所述用于桥梁的位移检测预警方法，其特征在于，所述方法还包括：

所述监控处理器在预设时间对所述监控数据列表中预设时长内的多个特征数据列表进行数据分析，得到多个相对位移数据；

所述监控处理器根据所述多个相对位移数据确定所述位移变化趋势为持续增长时，所述监控处理器将预警等级设置为低级；

所述监控处理器根据所述预警等级和所述多个相对位移数据生成预警消息，并发送给预警终端设备，用以输出所述预警消息。

8.根据权利要求1所述用于桥梁的位移检测预警方法，其特征在于，在所述飞行时间TOF相机根据图像采集指令拍摄监控区域的图像之前，所述方法还包括：

所述监控处理器接收监控启动命令，根据预设时间间隔生成所述图像采集指令；

所述监控处理器向所述TOF相机发送所述图像采集指令。

Images