CN112233076A - 基于红色圆标靶图像处理的结构振动位移测量方法及装置 - Google Patents

基于红色圆标靶图像处理的结构振动位移测量方法及装置 Download PDF

Info

Publication number
CN112233076A
CN112233076A CN202011064692.8A CN202011064692A CN112233076A CN 112233076 A CN112233076 A CN 112233076A CN 202011064692 A CN202011064692 A CN 202011064692A CN 112233076 A CN112233076 A CN 112233076A
Authority
CN
China
Prior art keywords
target
value
red
radius
circular
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
CN202011064692.8A
Other languages
English (en)
Other versions
CN112233076B (zh
Inventor
王保宪
闫朝勃
王凯
赵维刚
李义强
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.)
Shijiazhuang Tiedao University
Original Assignee
Shijiazhuang Tiedao 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 Shijiazhuang Tiedao University filed Critical Shijiazhuang Tiedao University
Priority to CN202011064692.8A priority Critical patent/CN112233076B/zh
Publication of CN112233076A publication Critical patent/CN112233076A/zh
Application granted granted Critical
Publication of CN112233076B publication Critical patent/CN112233076B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
    • G06T5/70—
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T2207/10016—Video; Image sequence

Abstract

本发明适用于结构健康监测技术领域，提供了一种基于红色圆标靶图像处理的结构振动位移测量方法及装置，该方法包括：对获取的红色圆标靶视频进行视频序列分解得到每一帧图像；将每一帧图像中的红色圆形靶从黑色方形靶中分离，得到目标像素值；同时提取红色圆形靶的边缘得到边缘像素值；根据目标像素值，得到红色圆形靶的圆心初始值和半径初始值；根据圆心初始值和半径初始值对边缘像素值进行滤波处理；根据滤波后的边缘像素值计算得到红色圆标靶的目标圆心值和目标半径值；根据多帧图像计算得到的目标圆心值和目标半径值，以及测量的红色圆标靶的实际半径值，计算得到红色圆标靶的实际位移变化值，从而可以快速、精确进行目标定位。

Description

基于红色圆标靶图像处理的结构振动位移测量方法及装置
技术领域
本发明属于结构健康监测技术领域，尤其涉及一种基于红色圆标靶图像处理的结构振动位移测量方法及装置。
背景技术
结构健康监测一般是测量土木结构在风、地震或车辆荷载等外界作用下的响应，而位移响应是结构健康监测的关键。目前针对位移响应的测量技术主要包括直接法和间接法。其中，直接法是采用位移传感器直接测量结构振动位移，在使用时，需要参考基准点并需要靠近或接触待测点，这种接触式直接测量方法存在成本较高、不易安装，且结构振动过程中传感器容易被损坏等不足。间接振动位移测量技术包括雷达干涉和GPS等，其中，雷达干涉技术安装方便且测量精度较高，但是该技术需要被测物体有相关的反射表面才可以应用，GPS测量技术虽然便于安装，但测量精度较低，误差范围在5-10mm之间。
近年来，机器视觉技术快速发展，由于其具有测量精度高、成本低等优点，已逐渐成为结构位移测量的研究热点。圆标靶安装过程中无需考虑标靶是否倾斜，具有安装简便、避免安装倾斜误差等优点。但是目前采用基于圆标靶的位移测量方法中，仍然存在2个问题：1)在受到不均匀光照干扰时，标靶目标分割效果较差，导致位移测量精准度降低；2)圆标靶对应的圆方程参数计算耗时，导致系统实时性较差。
发明内容
有鉴于此，本发明实施例提供了一种基于红色圆标靶图像处理的结构振动位移测量方法及装置，旨在解决现有技术中振动位移测量精准度低、实时性较差的问题。
为实现上述目的，本发明实施例的第一方面提供了一种基于红色圆标靶图像处理的结构振动位移测量方法，包括：
对获取的红色圆标靶视频进行视频序列分解，得到每一帧图像，所述红色圆标靶为黑色方形靶的中心设置红色圆形靶，所述红色圆标靶视频为将红色圆标靶设置在待测结构上，拍摄的所述待测结构发生振动时的红色圆标靶视频；
将每一帧图像中的所述红色圆形靶从所述黑色方形靶中分离，得到每一帧图像中属于所述红色圆形靶的目标像素值；同时提取所述红色圆形靶的边缘，得到每一帧图像中的所述红色圆形靶的边缘像素值；
根据所述目标像素值，采用连通体分析技术得到所述红色圆形靶的圆心初始值和半径初始值；并根据所述圆心初始值和所述半径初始值对所述边缘像素值进行滤波处理，得到滤波后的边缘像素值；
根据所述滤波后的边缘像素值采用基于随机采样一致性理论的圆方程计算方法，计算得到所述红色圆标靶的目标圆心值和目标半径值；
根据多帧图像计算得到的目标圆心值和目标半径值，以及测量的所述红色圆标靶的实际半径值，计算得到所述红色圆标靶的实际位移变化值。
作为本申请另一实施例，所述将每一帧图像中的所述红色圆形靶从所述黑色方形靶中分离，得到每一帧图像中属于所述红色圆形靶的目标像素值，包括：
根据Wij＝(Rij>100)&(Rij>1.3*Gij)&(Rij>1.3*Bij)得到每一帧图像中所述红色圆形靶的二值分割结果；其中，Wij表示所述红色圆形靶的二值分割结果，Rij、Gij、Bij分别表示图像三通道数据矩阵中的第i行第j列对应的像素灰度值，i、j分别为正整数；
当所述二值分割结果的值为1，则第i行第j列对应的像素值为所述红色圆形靶的目标像素值；当所述二值分割结果的值不为1，则第i行第j列对应的像素值为所述黑色方形靶的目标像素值。
作为本申请另一实施例，所述根据所述目标像素值，采用连通体分析技术得到所述红色圆形靶的圆心初始值和半径初始值，包括：
统计所述目标像素值中所有连通体的面积和位置坐标，并确定面积最大的连通体；
确定所述面积最大的连通体的外接矩形的中心点为所述红色圆形靶的圆心初始值，确定所述面积最大的连通体的外接矩形的边长平均值为所述红色圆形靶的半径初始值。
作为本申请另一实施例，所述确定所述面积最大的连通体的外接矩形的中心点为所述红色圆形靶的圆心初始值，包括：
根据
Figure BDA0002713413670000031
确定所述红色圆形靶的圆心初始值；
其中，a表示所述圆心初始值的横坐标值，b表示表示所述圆心初始值的纵坐标值，x表示所述外接矩形的左上角横坐标值，y表示表示所述外接矩形的左上角纵坐标值，w表示表示所述外接矩形的宽度，h表示表示表示所述外接矩形的高度；
所述确定所述面积最大的连通体的外接矩形的边长平均值为所述红色圆形靶的半径初始值，包括：
根据r＝(w+h)/2确定所述红色圆形靶的半径初始值；
其中，r表示所述红色圆形靶的半径初始值。
作为本申请另一实施例，所述根据所述圆心初始值和所述半径初始值对所述边缘像素值进行滤波处理，得到滤波后的边缘像素值，包括：
根据
Figure BDA0002713413670000032
计算滤波后的边缘像素值；
其中，pij表示滤波后的边缘像素值，rd为边缘像素滤波计算的中间值，pxi表示所述边缘像素值对应的像素的横坐标值，pyj表示所述边缘像素值对应的像素的纵坐标值。
作为本申请另一实施例，所述根据所述滤波后的边缘像素值采用基于随机采样一致性理论的圆方程计算方法，计算得到所述红色圆标靶的目标圆心值和目标半径值，包括：
设置循环执行次数为n、误差率为li、预设误差阈值、预设误差率阈值以及预设循环执行次数阈值，并初始化n＝1，li＝0；
第n次从所述滤波后的边缘像素值构成的集合中随机抽取三个点计算圆方程，并设置循环执行次数加1；
计算其它滤波后的边缘像素值在所述圆方程中的误差值，所述其它滤波后的边缘像素值为除此次随机抽取的三个点之外的边缘像素值；
计算小于预设误差阈值的误差值的误差率li，检测所述误差率是否大于预设误差率阈值；
当所述误差率大于预设误差率阈值时，输出当前的圆方程参数，所述圆方程参数包括所述红色圆标靶的目标圆心值和目标半径值；
当所述误差率不大于预设误差率阈值时，检测当前循环执行次数是否大于预设循环执行次数阈值；
若当前循环执行次数大于预设循环执行次数阈值时，输出当前的圆方程参数；
若当前循环执行次数不大于预设循环执行次数阈值时，继续从集合中随机抽取三个点计算圆方程，以及后续步骤。
作为本申请另一实施例，所述根据多帧图像计算得到的目标圆心值和目标半径值，以及测量的所述红色圆标靶的实际半径值，计算得到所述红色圆标靶的实际位移变化值，包括：
根据多帧图像计算得到的目标圆心值和目标半径值，得到目标圆心横坐标序列值、目标圆心纵坐标序列值以及目标半径序列值；
分别根据目标圆心横坐标序列值和目标圆心纵坐标序列值，得到所述红色圆标靶的横坐标变化序列值和纵坐标变化序列值；
测量得到所述红色圆标靶的实际半径值，根据所述实际半径值和所述目标半径序列值，计算得到实际位移与图像坐标的比例值；
将所述比例值分别乘以所述红色圆标靶的横坐标变化序列值和纵坐标变化序列值，得到所述红色圆标靶的实际位移变化值。
作为本申请另一实施例，所述根据所述实际半径值和所述目标半径序列值，计算得到实际位移与图像坐标的比例值，包括：
根据
Figure BDA0002713413670000051
计算得到实际位移与图像坐标的比例值；
其中，Pw表示实际位移与图像坐标的比例值，F表示所述目标半径序列值的数量，D表示所述实际半径值，(ro1、ro2…roF)表示所述目标半径序列值。
本发明实施例的第二方面提供了一种基于红色圆标靶图像处理的结构振动位移测量装置，包括：
分解模块，用于对获取的红色圆标靶视频进行视频序列分解，得到每一帧图像，所述红色圆标靶为黑色方形靶的中心设置红色圆形靶，所述红色圆标靶视频为将红色圆标靶设置在待测结构上，拍摄的所述待测结构发生振动时的红色圆标靶视频；
预处理模块，用于将每一帧图像中的所述红色圆形靶从所述黑色方形靶中分离，得到每一帧图像中属于所述红色圆形靶的目标像素值；同时提取所述红色圆形靶的边缘，得到每一帧图像中的所述红色圆形靶的边缘像素值；
目标边缘提取模块，用于根据所述目标像素值，采用连通体分析技术得到所述红色圆形靶的圆心初始值和半径初始值；并根据所述圆心初始值和所述半径初始值对所述边缘像素值进行滤波处理，得到滤波后的边缘像素值；
计算模块，用于根据所述滤波后的边缘像素值采用基于随机采样一致性理论的圆方程计算方法，计算得到所述红色圆标靶的目标圆心值和目标半径值；
所述计算模块，还用于根据多帧图像计算得到的目标圆心值和目标半径值，以及测量的所述红色圆标靶的实际半径值，计算得到所述红色圆标靶的实际位移变化值。
本发明实施例的第三方面提供了一种终端设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一实施例所述的基于红色圆标靶图像处理的结构振动位移测量方法所述的步骤。
本发明实施例与现有技术相比存在的有益效果是：与现有技术相比，本发明将每一帧图像中的红色圆形靶从黑色方形靶中分离，得到每一帧图像中属于红色圆形靶的目标像素值；同时提取红色圆形靶的边缘，得到每一帧图像中的红色圆形靶的边缘像素值，并根据目标像素值和边缘像素值作为目标定位的初始输入信息，用于后续精细化的红色圆形靶目标定位，使得目标定位更加精确。通过根据圆心初始值和半径初始值对边缘像素值进行滤波处理，剔除背景杂波仅保留有效的圆标靶边缘信息，降低对目标定位产生的干扰，使目标定位更加准确。采用基于随机采样一致性理论的圆方程计算方法对红色圆形靶进行精确目标定位，可以提高计算速度，降低计算复杂度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于红色圆标靶图像处理的结构振动位移测量方法的实现流程示意图；
图2是本发明实施例提供的红色圆标靶的示意图；
图3是本发明实施例提供的计算得到红色圆标靶的目标圆心值和目标半径值的示意图；
图4是本发明实施例提供的计算得到红色圆标靶的实际位移变化值的示意图；
图5是本发明实施例提供的基于红色圆标靶图像处理的结构振动位移测量装置的示例图；
图6是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
图1为本发明实施例提供的一种基于红色圆标靶图像处理的结构振动位移测量方法的实现流程示意图，详述如下。
步骤101，对获取的红色圆标靶视频进行视频序列分解，得到每一帧图像。
在本步骤中，所述红色圆标靶为黑色方形靶的中心设置红色圆形靶，所述红色圆标靶视频为将红色圆标靶设置在待测结构上，拍摄的所述待测结构发生振动时的红色圆标靶视频。
所述红色圆标靶为黑色方形靶的中心设置红色圆形靶，可选的，如图2所示的红色圆标靶，中间阴影区域为红色圆形靶，白色区域为黑色方形靶。为了避免标靶面反光干扰，红色圆标靶的材料选用磨砂亚克力板制作。将红色圆标靶固定在待测结构上，完成对待测结构在红色圆标靶所在平面内x方向和y方向的位移测量。
在红色圆标靶正前方一定距离内放置一台摄像机。摄像机安装条件为：1)保证摄像机镜头面与圆标靶面平行；2)镜头中心轴线与圆标靶中心轴线共线，这样可以保证摄像机拍摄的红色圆标靶图像在整个图像中心，且红色圆标靶为正圆形。
利用摄像机拍摄待测结构发生振动情况下的红色圆标靶视频，并将视频图像存储到本地SD卡中。同时启动图像处理程序，处理视频图像数据完成待测结构的振动位移测量。
可选的，利用计算机编程读取SD卡上存储的红色圆标靶视频，主要包括视频文件头、数据块和索引块。其中文件头有视频帧数、每帧图像数据格式等；数据块包含拍摄的所有图像数据流；索引块包括数据块列表和它们在文件中的位置。通过这些信息，可以任意访问振动视频数据的每一帧图像内容。
步骤102，将每一帧图像中的所述红色圆形靶从所述黑色方形靶中分离，得到每一帧图像中属于所述红色圆形靶的目标像素值；同时提取所述红色圆形靶的边缘，得到每一帧图像中的所述红色圆形靶的边缘像素值。
可选的，本步骤为对每一帧图像进行的预处理，主要包括颜色分割和边缘检测，这两个预处理操作可以同时并行执行。
可选的，设R、G、B分别为任一帧图像的三通道数据。为了将红色圆形靶从所述黑色方形靶中分离出来，可以根据Wij＝(Rij>100)&(Rij>1.3*Gij)&(Rij>1.3*Bij)得到每一帧图像中所述红色圆形靶的二值分割结果；其中，Wij表示所述红色圆形靶的二值分割结果，Rij、Gij、Bij分别表示图像三通道数据矩阵中的第i行第j列对应的像素灰度值，i、j分别为正整数；
当所述二值分割结果的值为1，则第i行第j列对应的像素值为所述红色圆形靶的目标像素值；当所述二值分割结果的值不为1，则第i行第j列对应的像素值为所述黑色方形靶的目标像素值。
可选的，在提取红色圆形靶的边缘时，即进行边缘检测时，可以采用边缘检测算子，比如Sobel、Laplacian、Canny等算子。提取所述红色圆形靶的边缘的目的是为了提取图1中红色圆标靶的边缘，便于后面利用圆方程估计的方法定位圆标靶的目标中心。设提取所述红色圆形靶的边缘，得到每一帧图像中的所述红色圆形靶的边缘像素值为矩阵Vij，该矩阵尺寸与原始输入图像大小一样，当Vij＝1时表示第i行第j列像素值属于检测到的边缘内容；反之为非边缘内容。
步骤103，根据所述目标像素值，采用连通体分析技术得到所述红色圆形靶的圆心初始值和半径初始值；并根据所述圆心初始值和所述半径初始值对所述边缘像素值进行滤波处理，得到滤波后的边缘像素值。
在本实施例中，考虑提取所述红色圆形靶的边缘时，边缘像素值中除了圆标靶边缘信息外，还存在背景杂波边缘，会对目标定位产生干扰，因此在本步骤中可以先进行标靶圆心粗定位，再进行背景边缘滤波。
标靶圆心粗定位，即确定所述红色圆形靶的圆心初始值和半径初始值。可选的，可以统计所述目标像素值中所有连通体的面积和位置坐标，并确定面积最大的连通体；确定所述面积最大的连通体的外接矩形的中心点为所述红色圆形靶的圆心初始值，确定所述面积最大的连通体的外接矩形的边长平均值为所述红色圆形靶的半径初始值。
可选的，连通体分析技术可以采用八连通，本实施例中采用八连通的分析，统计所述目标像素值中所有连通体的面积和位置坐标。由于红色圆形靶分割区域的面积最大，因此只保留目标像素值中连通体面积最大者，并根据面积最大的连通体确定外接矩形，根据外接矩形确定红色圆形靶的圆心初始值和半径初始值。
可选的，根据
Figure BDA0002713413670000091
确定所述红色圆形靶的圆心初始值；
其中，a表示所述圆心初始值的横坐标值，b表示表示所述圆心初始值的纵坐标值，x表示所述外接矩形的左上角横坐标值，y表示表示所述外接矩形的左上角纵坐标值，w表示表示所述外接矩形的宽度，h表示表示表示所述外接矩形的高度；
可选的，根据r＝(w+h)/2确定所述红色圆形靶的半径初始值；
其中，r表示所述红色圆形靶的半径初始值。
可选的，背景边缘滤波，即剔除步骤302中边缘像素值中的背景杂波，仅保留有效的红色圆形靶边缘信息，得到滤波后的边缘像素值。
可选的，根据
Figure BDA0002713413670000101
计算滤波后的边缘像素值；
其中，pij表示滤波后的边缘像素值，rd为边缘像素滤波计算的中间值，pxi表示所述边缘像素值对应的像素的横坐标值，pyj表示所述边缘像素值对应的像素的纵坐标值。
步骤104，根据所述滤波后的边缘像素值采用基于随机采样一致性理论的圆方程计算方法，计算得到所述红色圆标靶的目标圆心值和目标半径值。
在本步骤中，滤波结果pij中的绝大部分像素点会分布在红色圆形靶边上。目前传统估计圆方程的方法有最小二乘法、Hough变换等，但是这些方法需要对pij中的所有坐标进行计算，计算复杂且非常耗时，效率交底。本实施例中采用基于随机采样一致性理论的圆方程快速计算方法，该方法根据平面不共线的3个点即可定位平面圆方程的原理，仅需要随机抽取几次pij中的坐标点进行圆方程求解，每次抽取3个坐标点，并快速计算剩余的坐标点在该圆方程上的误差值；通过判定误差值的收敛情况，快速实现对圆方程参数的求解，计算简单、速度快。
可选的，如图3所示，计算得到红色圆标靶的目标圆心值和目标半径值，包括以下步骤。
步骤301，设置循环执行次数为n、误差率为li、预设误差阈值、预设误差率阈值以及预设循环执行次数阈值，并初始化n＝1，li＝0。
步骤302，第n次从所述滤波后的边缘像素值构成的集合中随机抽取三个点计算圆方程，并设置循环执行次数加1。
步骤303，计算其它滤波后的边缘像素值在所述圆方程中的误差值，所述其它滤波后的边缘像素值为除此次随机抽取的三个点之外的边缘像素值。
步骤304，计算小于预设误差阈值的误差值的误差率li，检测所述误差率是否大于预设误差率阈值。
可选的，预设误差阈值、预设误差率阈值可以根据实际需求进行设置，在本实施例中不限定预设误差阈值、预设误差率阈值的取值。
可选的，当所述误差率大于预设误差率阈值时，执行步骤305；当所述误差率不大于预设误差率阈值时，执行步骤306。
步骤305，输出当前的圆方程参数，所述圆方程参数包括所述红色圆标靶的目标圆心值和目标半径值。
步骤306，检测当前循环执行次数是否大于预设循环执行次数阈值。
可选的，预设循环执行次数阈值可以根据实际需求进行设置，在本实施例中不限定预设循环执行次数阈值的取值。
可选的，若当前循环执行次数大于预设循环执行次数阈值时，输出当前的圆方程参数，即执行步骤305；若当前循环执行次数不大于预设循环执行次数阈值时，继续执行步骤302以及后续步骤。
经过步骤104的精细定位后，最后输出得到的当前的圆方程参数：目标圆心值和目标半径值，目标圆心值将被作为红色圆形靶在当前帧的坐标值，目标半径值作为当前目标的一个成像尺度参数。
步骤105，根据多帧图像计算得到的目标圆心值和目标半径值，以及测量的所述红色圆标靶的实际半径值，计算得到所述红色圆标靶的实际位移变化值。
可选的，如图4所示，本步骤可以包括：
步骤401，根据多帧图像计算得到的目标圆心值和目标半径值，得到目标圆心横坐标序列值、目标圆心纵坐标序列值以及目标半径序列值。
可选的，根据步骤101-104得到每一帧图像中红色圆形靶的目标圆心值和目标半径值，连续处理F帧后，可以得到3组序列值：(ao1、ao2…aoF)、(bo1、bo2…boF)和(ro1、ro2…roF)。
步骤402，分别根据目标圆心横坐标序列值和目标圆心纵坐标序列值，得到所述红色圆标靶的横坐标变化序列值和纵坐标变化序列值。
可选的，将(ao1、ao2…aoF)中各值都减去第一个数值ao1，可得红色圆形靶的横坐标变化序列值(xo1、xo2…xoF)；
同理，将(bo1、bo2…boF)中各值都减去第一个数值bo1，可得红色圆形靶的纵坐标变化序列值(yo1、yo2…yoF)。
步骤403，测量得到所述红色圆标靶的实际半径值，根据所述实际半径值和所述目标半径序列值，计算得到实际位移与图像坐标的比例值。
可选的，根据
Figure BDA0002713413670000121
计算得到实际位移与图像坐标的比例值；
其中，Pw表示实际位移与图像坐标的比例值，F表示所述目标半径序列值的数量，D表示所述实际半径值，单位可以为mm，(ro1、ro2…roF)表示所述目标半径序列值。
步骤404，将所述比例值分别乘以所述红色圆标靶的横坐标变化序列值和纵坐标变化序列值，得到所述红色圆标靶的实际位移变化值。
上述基于红色圆标靶图像处理的结构振动位移测量方法，通过将每一帧图像中的红色圆形靶从黑色方形靶中分离，得到每一帧图像中属于红色圆形靶的目标像素值；同时提取红色圆形靶的边缘，得到每一帧图像中的红色圆形靶的边缘像素值，并根据目标像素值和边缘像素值作为目标定位的初始输入信息，用于后续精细化的红色圆形靶目标定位，使得目标定位更加精确。通过根据圆心初始值和半径初始值对边缘像素值进行滤波处理，剔除背景杂波仅保留有效的圆标靶边缘信息，降低对目标定位产生的干扰，使目标定位更加准确。采用基于随机采样一致性理论的圆方程计算方法对红色圆形靶进行精确目标定位，可以提高计算速度，降低计算复杂度。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的基于红色圆标靶图像处理的结构振动位移测量方法，图5示出了本发明实施例提供的基于红色圆标靶图像处理的结构振动位移测量装置的示例图。如图5所示，该装置可以包括：分解模块501、预处理模块502、目标边缘提取模块503以及计算模块504。
分解模块501，用于对获取的红色圆标靶视频进行视频序列分解，得到每一帧图像，所述红色圆标靶为黑色方形靶的中心设置红色圆形靶，所述红色圆标靶视频为将红色圆标靶设置在待测结构上，拍摄的所述待测结构发生振动时的红色圆标靶视频；
预处理模块502，用于将每一帧图像中的所述红色圆形靶从所述黑色方形靶中分离，得到每一帧图像中属于所述红色圆形靶的目标像素值；同时提取所述红色圆形靶的边缘，得到每一帧图像中的所述红色圆形靶的边缘像素值；
目标边缘提取模块503，用于根据所述目标像素值，采用连通体分析技术得到所述红色圆形靶的圆心初始值和半径初始值；并根据所述圆心初始值和所述半径初始值对所述边缘像素值进行滤波处理，得到滤波后的边缘像素值；
计算模块504，用于根据所述滤波后的边缘像素值采用基于随机采样一致性理论的圆方程计算方法，计算得到所述红色圆标靶的目标圆心值和目标半径值；
所述计算模块504，还用于根据多帧图像计算得到的目标圆心值和目标半径值，以及测量的所述红色圆标靶的实际半径值，计算得到所述红色圆标靶的实际位移变化值。
可选的，所述预处理模块502将每一帧图像中的所述红色圆形靶从所述黑色方形靶中分离，得到每一帧图像中属于所述红色圆形靶的目标像素值时，可以用于：
根据Wij＝(Rij>100)&(Rij>1.3*Gij)&(Rij>1.3*Bij)得到每一帧图像中所述红色圆形靶的二值分割结果；其中，Wij表示所述红色圆形靶的二值分割结果，Rij、Gij、Bij分别表示图像三通道数据矩阵中的第i行第j列对应的像素灰度值，i、j分别为正整数；
当所述二值分割结果的值为1，则第i行第j列对应的像素值为所述红色圆形靶的目标像素值；当所述二值分割结果的值不为1，则第i行第j列对应的像素值为所述黑色方形靶的目标像素值。
可选的，所述目标边缘提取模块503根据所述目标像素值，采用连通体分析技术得到所述红色圆形靶的圆心初始值和半径初始值时，可以用于：
统计所述目标像素值中所有连通体的面积和位置坐标，并确定面积最大的连通体；
确定所述面积最大的连通体的外接矩形的中心点为所述红色圆形靶的圆心初始值，确定所述面积最大的连通体的外接矩形的边长平均值为所述红色圆形靶的半径初始值。
可选的，所述目标边缘提取模块503确定所述面积最大的连通体的外接矩形的中心点为所述红色圆形靶的圆心初始值时，可以用于：
根据
Figure BDA0002713413670000141
确定所述红色圆形靶的圆心初始值；
其中，a表示所述圆心初始值的横坐标值，b表示表示所述圆心初始值的纵坐标值，x表示所述外接矩形的左上角横坐标值，y表示表示所述外接矩形的左上角纵坐标值，w表示表示所述外接矩形的宽度，h表示表示表示所述外接矩形的高度；
所述目标边缘提取模块503确定所述面积最大的连通体的外接矩形的边长平均值为所述红色圆形靶的半径初始值时，可以用于：
根据r＝(w+h)/2确定所述红色圆形靶的半径初始值；
其中，r表示所述红色圆形靶的半径初始值。
可选的，所述目标边缘提取模块503根据所述圆心初始值和所述半径初始值对所述边缘像素值进行滤波处理，得到滤波后的边缘像素值时，可以用于：
根据
Figure BDA0002713413670000151
计算滤波后的边缘像素值；
其中，pij表示滤波后的边缘像素值，rd为边缘像素滤波计算的中间值，pxi表示所述边缘像素值对应的像素的横坐标值，pyj表示所述边缘像素值对应的像素的纵坐标值。
可选的，所述计算模块504根据所述滤波后的边缘像素值采用基于随机采样一致性理论的圆方程计算方法，计算得到所述红色圆标靶的目标圆心值和目标半径值时，可以用于：
设置循环执行次数为n、误差率为li、预设误差阈值、预设误差率阈值以及预设循环执行次数阈值，并初始化n＝1，li＝0；
第n次从所述滤波后的边缘像素值构成的集合中随机抽取三个点计算圆方程，并设置循环执行次数加1；
计算其它滤波后的边缘像素值在所述圆方程中的误差值，所述其它滤波后的边缘像素值为除此次随机抽取的三个点之外的边缘像素值；
计算小于预设误差阈值的误差值的误差率li，检测所述误差率是否大于预设误差率阈值；
当所述误差率大于预设误差率阈值时，输出当前的圆方程参数，所述圆方程参数包括所述红色圆标靶的目标圆心值和目标半径值；
当所述误差率不大于预设误差率阈值时，检测当前循环执行次数是否大于预设循环执行次数阈值；
若当前循环执行次数大于预设循环执行次数阈值时，输出当前的圆方程参数；
若当前循环执行次数不大于预设循环执行次数阈值时，继续从集合中随机抽取三个点计算圆方程，以及后续步骤。
可选的，所述计算模块504根据多帧图像计算得到的目标圆心值和目标半径值，以及测量的所述红色圆标靶的实际半径值，计算得到所述红色圆标靶的实际位移变化值时，可以用于：
根据多帧图像计算得到的目标圆心值和目标半径值，得到目标圆心横坐标序列值、目标圆心纵坐标序列值以及目标半径序列值；
分别根据目标圆心横坐标序列值和目标圆心纵坐标序列值，得到所述红色圆标靶的横坐标变化序列值和纵坐标变化序列值；
测量得到所述红色圆标靶的实际半径值，根据所述实际半径值和所述目标半径序列值，计算得到实际位移与图像坐标的比例值；
将所述比例值分别乘以所述红色圆标靶的横坐标变化序列值和纵坐标变化序列值，得到所述红色圆标靶的实际位移变化值。
可选的，所述目标边缘提取模块503根据所述实际半径值和所述目标半径序列值，计算得到实际位移与图像坐标的比例值时，可以用于包括：
根据
Figure BDA0002713413670000161
计算得到实际位移与图像坐标的比例值；
其中，Pw表示实际位移与图像坐标的比例值，F表示所述目标半径序列值的数量，D表示所述实际半径值，(ro1、ro2…roF)表示所述目标半径序列值。
上述基于红色圆标靶图像处理的结构振动位移测量装置，通过预处理模块将每一帧图像中的红色圆形靶从黑色方形靶中分离，得到每一帧图像中属于红色圆形靶的目标像素值；同时提取红色圆形靶的边缘，得到每一帧图像中的红色圆形靶的边缘像素值，并根据目标像素值和边缘像素值作为目标定位的初始输入信息，用于后续精细化的红色圆形靶目标定位，使得目标定位更加精确。通过目标边缘提取模块根据圆心初始值和半径初始值对边缘像素值进行滤波处理，剔除背景杂波仅保留有效的圆标靶边缘信息，降低对目标定位产生的干扰，使目标定位更加准确。采用基于随机采样一致性理论的圆方程计算方法对红色圆形靶进行精确目标定位，可以提高计算速度，降低计算复杂度。
图6是本发明一实施例提供的终端设备的示意图。如图6所示，该实施例的终端设备600包括：处理器601、存储器602以及存储在所述存储器602中并可在所述处理器601上运行的计算机程序603，例如基于红色圆标靶图像处理的结构振动位移测量程序。所述处理器601执行所述计算机程序603时实现上述基于红色圆标靶图像处理的结构振动位移测量方法实施例中的步骤，例如图1所示的步骤101至105，或者图3、图4所示的步骤，所述处理器601执行所述计算机程序603时实现上述各装置实施例中各模块的功能，例如图5所示模块501至504的功能。
示例性的，所述计算机程序603可以被分割成一个或多个程序模块，所述一个或者多个程序模块被存储在所述存储器602中，并由所述处理器601执行，以完成本发明。所述一个或多个程序模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序603在所述基于红色圆标靶图像处理的结构振动位移测量装置或者终端设备600中的执行过程。例如，所述计算机程序603可以被分割成分解模块501、预处理模块502、目标边缘提取模块503以及计算模块504，各模块具体功能如图5所示，在此不再一一赘述。
所述终端设备600可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器601、存储器602。本领域技术人员可以理解，图6仅仅是终端设备600的示例，并不构成对终端设备600的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器601可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器602可以是所述终端设备600的内部存储单元，例如终端设备600的硬盘或内存。所述存储器602也可以是所述终端设备600的外部存储设备，例如所述终端设备600上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器602还可以既包括所述终端设备600的内部存储单元也包括外部存储设备。所述存储器602用于存储所述计算机程序以及所述终端设备600所需的其他程序和数据。所述存储器602还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，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、或者计算机软件和电子硬件的结合来实现。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。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于红色圆标靶图像处理的结构振动位移测量方法，其特征在于，包括：
对获取的红色圆标靶视频进行视频序列分解，得到每一帧图像，所述红色圆标靶为黑色方形靶的中心设置红色圆形靶，所述红色圆标靶视频为将红色圆标靶设置在待测结构上，拍摄的所述待测结构发生振动时的红色圆标靶视频；
将每一帧图像中的所述红色圆形靶从所述黑色方形靶中分离，得到每一帧图像中属于所述红色圆形靶的目标像素值；同时提取所述红色圆形靶的边缘，得到每一帧图像中的所述红色圆形靶的边缘像素值；
根据所述目标像素值，采用连通体分析技术得到所述红色圆形靶的圆心初始值和半径初始值；并根据所述圆心初始值和所述半径初始值对所述边缘像素值进行滤波处理，得到滤波后的边缘像素值；
根据所述滤波后的边缘像素值采用基于随机采样一致性理论的圆方程计算方法，计算得到所述红色圆标靶的目标圆心值和目标半径值；
根据多帧图像计算得到的目标圆心值和目标半径值，以及测量的所述红色圆标靶的实际半径值，计算得到所述红色圆标靶的实际位移变化值。
2.如权利要求1所述的基于红色圆标靶图像处理的结构振动位移测量方法，其特征在于，所述将每一帧图像中的所述红色圆形靶从所述黑色方形靶中分离，得到每一帧图像中属于所述红色圆形靶的目标像素值，包括：
根据Wij＝(Rij>100)&(Rij>1.3*Gij)&(Rij>1.3*Bij)得到每一帧图像中所述红色圆形靶的二值分割结果；其中，Wij表示所述红色圆形靶的二值分割结果，Rij、Gij、Bij分别表示图像三通道数据矩阵中的第i行第j列对应的像素灰度值，i、j分别为正整数；
当所述二值分割结果的值为1，则第i行第j列对应的像素值为所述红色圆形靶的目标像素值；当所述二值分割结果的值不为1，则第i行第j列对应的像素值为所述黑色方形靶的目标像素值。
3.如权利要求1或2所述的基于红色圆标靶图像处理的结构振动位移测量方法，其特征在于，所述根据所述目标像素值，采用连通体分析技术得到所述红色圆形靶的圆心初始值和半径初始值，包括：
统计所述目标像素值中所有连通体的面积和位置坐标，并确定面积最大的连通体；
确定所述面积最大的连通体的外接矩形的中心点为所述红色圆形靶的圆心初始值，确定所述面积最大的连通体的外接矩形的边长平均值为所述红色圆形靶的半径初始值。
4.如权利要求3所述的基于红色圆标靶图像处理的结构振动位移测量方法，其特征在于，所述确定所述面积最大的连通体的外接矩形的中心点为所述红色圆形靶的圆心初始值，包括：
根据
Figure FDA0002713413660000021
确定所述红色圆形靶的圆心初始值；
其中，a表示所述圆心初始值的横坐标值，b表示表示所述圆心初始值的纵坐标值，x表示所述外接矩形的左上角横坐标值，y表示表示所述外接矩形的左上角纵坐标值，w表示表示所述外接矩形的宽度，h表示表示表示所述外接矩形的高度；
所述确定所述面积最大的连通体的外接矩形的边长平均值为所述红色圆形靶的半径初始值，包括：
根据r＝(w+h)/2确定所述红色圆形靶的半径初始值；
其中，r表示所述红色圆形靶的半径初始值。
5.如权利要求4所述的基于红色圆标靶图像处理的结构振动位移测量方法，其特征在于，所述根据所述圆心初始值和所述半径初始值对所述边缘像素值进行滤波处理，得到滤波后的边缘像素值，包括：
根据
Figure FDA0002713413660000031
计算滤波后的边缘像素值；
其中，pij表示滤波后的边缘像素值，rd为边缘像素滤波计算的中间值，pxi表示所述边缘像素值对应的像素的横坐标值，pyj表示所述边缘像素值对应的像素的纵坐标值。
6.如权利要求5所述的基于红色圆标靶图像处理的结构振动位移测量方法，其特征在于，所述根据所述滤波后的边缘像素值采用基于随机采样一致性理论的圆方程计算方法，计算得到所述红色圆标靶的目标圆心值和目标半径值，包括：
设置循环执行次数为n、误差率为li、预设误差阈值、预设误差率阈值以及预设循环执行次数阈值，并初始化n＝1，li＝0；
第n次从所述滤波后的边缘像素值构成的集合中随机抽取三个点计算圆方程，并设置循环执行次数加1；
计算其它滤波后的边缘像素值在所述圆方程中的误差值，所述其它滤波后的边缘像素值为除此次随机抽取的三个点之外的边缘像素值；
计算小于预设误差阈值的误差值的误差率li，检测所述误差率是否大于预设误差率阈值；
当所述误差率大于预设误差率阈值时，输出当前的圆方程参数，所述圆方程参数包括所述红色圆标靶的目标圆心值和目标半径值；
当所述误差率不大于预设误差率阈值时，检测当前循环执行次数是否大于预设循环执行次数阈值；
若当前循环执行次数大于预设循环执行次数阈值时，输出当前的圆方程参数；
若当前循环执行次数不大于预设循环执行次数阈值时，继续从集合中随机抽取三个点计算圆方程，以及后续步骤。
7.如权利要求6所述的基于红色圆标靶图像处理的结构振动位移测量方法，其特征在于，所述根据多帧图像计算得到的目标圆心值和目标半径值，以及测量的所述红色圆标靶的实际半径值，计算得到所述红色圆标靶的实际位移变化值，包括：
根据多帧图像计算得到的目标圆心值和目标半径值，得到目标圆心横坐标序列值、目标圆心纵坐标序列值以及目标半径序列值；
分别根据目标圆心横坐标序列值和目标圆心纵坐标序列值，得到所述红色圆标靶的横坐标变化序列值和纵坐标变化序列值；
测量得到所述红色圆标靶的实际半径值，根据所述实际半径值和所述目标半径序列值，计算得到实际位移与图像坐标的比例值；
将所述比例值分别乘以所述红色圆标靶的横坐标变化序列值和纵坐标变化序列值，得到所述红色圆标靶的实际位移变化值。
8.如权利要求7所述的基于红色圆标靶图像处理的结构振动位移测量方法，其特征在于，所述根据所述实际半径值和所述目标半径序列值，计算得到实际位移与图像坐标的比例值，包括：
根据
Figure FDA0002713413660000041
计算得到实际位移与图像坐标的比例值；
其中，Pw表示实际位移与图像坐标的比例值，F表示所述目标半径序列值的数量，D表示所述实际半径值，(ro1、ro2…roF)表示所述目标半径序列值。
9.一种基于红色圆标靶图像处理的结构振动位移测量装置，其特征在于，包括：
分解模块，用于对获取的红色圆标靶视频进行视频序列分解，得到每一帧图像，所述红色圆标靶为黑色方形靶的中心设置红色圆形靶，所述红色圆标靶视频为将红色圆标靶设置在待测结构上，拍摄的所述待测结构发生振动时的红色圆标靶视频；
预处理模块，用于将每一帧图像中的所述红色圆形靶从所述黑色方形靶中分离，得到每一帧图像中属于所述红色圆形靶的目标像素值；同时提取所述红色圆形靶的边缘，得到每一帧图像中的所述红色圆形靶的边缘像素值；
目标边缘提取模块，用于根据所述目标像素值，采用连通体分析技术得到所述红色圆形靶的圆心初始值和半径初始值；并根据所述圆心初始值和所述半径初始值对所述边缘像素值进行滤波处理，得到滤波后的边缘像素值；
计算模块，用于根据所述滤波后的边缘像素值采用基于随机采样一致性理论的圆方程计算方法，计算得到所述红色圆标靶的目标圆心值和目标半径值；
所述计算模块，还用于根据多帧图像计算得到的目标圆心值和目标半径值，以及测量的所述红色圆标靶的实际半径值，计算得到所述红色圆标靶的实际位移变化值。
10.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述方法的步骤。
CN202011064692.8A 2020-09-30 2020-09-30 基于红色圆标靶图像处理的结构振动位移测量方法及装置 Active CN112233076B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011064692.8A CN112233076B (zh) 2020-09-30 2020-09-30 基于红色圆标靶图像处理的结构振动位移测量方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011064692.8A CN112233076B (zh) 2020-09-30 2020-09-30 基于红色圆标靶图像处理的结构振动位移测量方法及装置

Publications (2)

Publication Number Publication Date
CN112233076A true CN112233076A (zh) 2021-01-15
CN112233076B CN112233076B (zh) 2022-12-13

Family

ID=74119314

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011064692.8A Active CN112233076B (zh) 2020-09-30 2020-09-30 基于红色圆标靶图像处理的结构振动位移测量方法及装置

Country Status (1)

Country Link
CN (1) CN112233076B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112964351A (zh) * 2021-03-01 2021-06-15 东北林业大学 基于中心点帧差法输电塔振动位移测量方法
CN113432709A (zh) * 2021-06-25 2021-09-24 湖南工业大学 一种基于图形学的可视化机械故障诊断方法
CN113469970A (zh) * 2021-06-29 2021-10-01 中国华能集团清洁能源技术研究院有限公司 一种涡激振动监测方法、系统、设备及存储介质
CN114543972A (zh) * 2022-02-25 2022-05-27 福州大学 一种基于面阵相机的转轴三维振动位移测量装置和方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202066514U (zh) * 2011-03-21 2011-12-07 李为民 一种大尺度坐标测量用复合靶标
CN103994724A (zh) * 2014-05-13 2014-08-20 滕军 基于数字图像处理技术的结构二维位移及应变监测方法
CN104574312A (zh) * 2015-01-06 2015-04-29 深圳市元征软件开发有限公司 标靶图像求圆心的方法和装置
CN110210295A (zh) * 2019-04-24 2019-09-06 北京理工大学 一种网格背景下的高精度靶标识别检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202066514U (zh) * 2011-03-21 2011-12-07 李为民 一种大尺度坐标测量用复合靶标
CN103994724A (zh) * 2014-05-13 2014-08-20 滕军 基于数字图像处理技术的结构二维位移及应变监测方法
CN104574312A (zh) * 2015-01-06 2015-04-29 深圳市元征软件开发有限公司 标靶图像求圆心的方法和装置
CN110210295A (zh) * 2019-04-24 2019-09-06 北京理工大学 一种网格背景下的高精度靶标识别检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
朱正伟 等: "基于随机Hough变换改进的快速圆检测算法", 《计算机工程与设计》 *
游江 等: "基于改进 LSD 的立体组合靶标自动编码算法研究", 《科学技术与工程》 *
陈苏 等: "基于计算机视觉的位移测试方法研究与实现", 《振动与冲击》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112964351A (zh) * 2021-03-01 2021-06-15 东北林业大学 基于中心点帧差法输电塔振动位移测量方法
CN113432709A (zh) * 2021-06-25 2021-09-24 湖南工业大学 一种基于图形学的可视化机械故障诊断方法
CN113432709B (zh) * 2021-06-25 2023-08-08 湖南工业大学 一种基于图形学的可视化机械故障诊断方法
CN113469970A (zh) * 2021-06-29 2021-10-01 中国华能集团清洁能源技术研究院有限公司 一种涡激振动监测方法、系统、设备及存储介质
CN114543972A (zh) * 2022-02-25 2022-05-27 福州大学 一种基于面阵相机的转轴三维振动位移测量装置和方法

Also Published As

Publication number Publication date
CN112233076B (zh) 2022-12-13

Similar Documents

Publication Publication Date Title
CN112233076B (zh) 基于红色圆标靶图像处理的结构振动位移测量方法及装置
CN112528878B (zh) 检测车道线的方法、装置、终端设备及可读存储介质
US10430951B2 (en) Method and device for straight line detection and image processing
CN108229475B (zh) 车辆跟踪方法、系统、计算机设备及可读存储介质
CN113240630B (zh) 散斑图像质量评估方法、装置、终端设备及可读存储介质
CN112308916B (zh) 一种基于图像靶标的目标位姿识别方法
WO2021143233A1 (zh) 图像清晰度检测方法、系统、设备及存储介质
CN109461133B (zh) 桥梁螺栓脱落检测方法及终端设备
CN114862929A (zh) 三维目标检测方法、装置、计算机可读存储介质及机器人
CN108257125B (zh) 一种基于自然场景统计的深度图像质量无参考评价方法
CN111382658B (zh) 一种基于图像灰度梯度一致性的自然环境下道路交通标志检测方法
CN114067001B (zh) 车载相机角度标定方法、终端及存储介质
CN110390668B (zh) 螺栓松动检测方法、终端设备及存储介质
CN112991374A (zh) 基于Canny算法的边缘增强方法、装置、设备及存储介质
CN111161348A (zh) 一种基于单目相机的物体位姿估计方法、装置及设备
CN115690747B (zh) 车辆盲区检测模型测试方法、装置、电子设备及存储介质
CN112837384A (zh) 车辆标记方法、装置和电子设备
CN112146834B (zh) 结构振动位移测量方法及装置
CN109801428B (zh) 纸币边缘直线的检测方法、检测装置及终端
CN114724119B (zh) 车道线提取方法、检测设备及存储介质
CN113450335B (zh) 一种路沿检测方法、路沿检测装置及路面施工车辆
CN114842443A (zh) 一种基于机器视觉的目标物识别和测距方法、装置、设备及存储介质
CN116993654A (zh) 摄像头模组缺陷检测方法、装置、设备、存储介质及产品
CN111062984B (zh) 视频图像区域面积的测量方法、装置、设备及存储介质
CN112800806B (zh) 物体位姿检测追踪方法、装置、电子设备及存储介质

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