CN112854175A - 一种基于机器视觉的基坑变形监测及预警方法 - Google Patents
一种基于机器视觉的基坑变形监测及预警方法 Download PDFInfo
- Publication number
- CN112854175A CN112854175A CN202110239491.5A CN202110239491A CN112854175A CN 112854175 A CN112854175 A CN 112854175A CN 202110239491 A CN202110239491 A CN 202110239491A CN 112854175 A CN112854175 A CN 112854175A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- foundation pit
- image
- machine vision
- early warning
- 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
Links
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02D—FOUNDATIONS; EXCAVATIONS; EMBANKMENTS; UNDERGROUND OR UNDERWATER STRUCTURES
- E02D1/00—Investigation of foundation soil in situ
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02D—FOUNDATIONS; EXCAVATIONS; EMBANKMENTS; UNDERGROUND OR UNDERWATER STRUCTURES
- E02D17/00—Excavations; Bordering of excavations; Making embankments
- E02D17/02—Foundation pits
Abstract
本发明属于基坑监测的技术领域,具体为一种基于机器视觉的基坑变形监测及预警方法。该方法主要实施步骤包括:S1:确定基坑监测点;S2:装置本体布置就位;S3:图像采集;S4:无线数据传输;S5:图像三维空间坐标解算;S6:报警系统报警。该监测方法借助机器视觉实现基坑的变形监测,可代替监测人员实现长时间监测,极大解放人力,达到时时监测的目的,相对传统监测方法,具有成本低、精度高等优势。
Description
技术领域
本发明涉及基坑监测的技术领域,尤其是一种基于机器视觉的基坑变形监测及预警方法。
背景技术
近年来,随着我国城市化进程的不断加快,地下设施的建设越来越多。然而,城市化的建设将会导致用地的紧张,为解决这一矛盾,地下空间的开发利用成为解决这个矛盾的重要途径。地下空间的开发,出现了大量的深基坑,因而基坑开挖的施工环境及地质条件变得越来越复杂,导致出现各种施工安全问题,造成了大量的人员伤亡和经济损失,造成了严重的社会影响,如2019年4月,扬州市广陵区古运新苑小区四期项目B2地块发生基坑土体滑坡,造成5人死亡,并造成直接经济损失600多万元。
为确保基坑开挖的稳定性和安全性,防止基坑失稳事故的发生,合理的监测手段被用于基坑开挖。目前,常用的监测方法为全站仪、水平监测仪等,这些监测方法在监测过程中,极易受天气、人员状况的影响,监测人员必须长时间停留监测地,通过监测方法,监测基坑的变形,若天气状况不佳,将进一步影响监测,费时费力。
现有的监测方法存在浪费大量人力物力的情况,同时不能对基坑变形进行实时监测,工程上亟需一种既能实时监测,又能节省人力物力的监测方法。为此本发明提供了一种基于机器视觉的基坑变形监测及预警方法,该方法通过双目摄像头采集图像数据,然后经计算机进行图像处理,获取基坑的监测点三维空间坐标,重建的三维空间坐标与原始状况进行对比分析,从而获得基坑监测点实时的变形量,当变形量超过设定的阈值,报警装置将实现报警,便于及时对基坑采取相应措施,防止基坑安全事故的发生。
发明内容
为解决现有基坑变形监测方法的局限,本发明提出了一种基于机器视觉的基坑变形监测及预警方法,既可节省人力物力,同时又能对实现基坑实时的变形监测,达到快速预警的效果。
为实现上述目的,本发明提供了一种基于机器视觉的基坑变形监测及预警方法,该方法包括:
S1:确定基坑监测点;S2:装置本体布置就位;S3:图像采集;S4:无线数据传输;S5:图像预处理,三维空间坐标解算;S6:报警系统报警。
进一步地,在S1中:监测点通过荧光漆设置人工标志点。
进一步地,在S2中:监测装置固定在基坑冠梁上。
进一步地,在S3中:图像采集过程中,可根据环境状况,通过控制器调整光源补给,确保采集的图像清晰度;CCD双目摄像头已实现变焦镜头调整,确保拍摄成像的清晰;同时CCD 双目摄像头已根据张正友标定法实现标定,获得了左右相机的内参数矩阵和外参数矩阵;采集图像的时间间隔可根据实际需要设定。
进一步地,在S5中:计算机可采用基于深度学习的图像去雨方法、高斯滤波算法等实现环境图像优化处理,减少环境带来的干扰,得到处理后的图像;采用图像畸变校正、测点立体匹配、测点图像追踪、标志图像定位以及双目视觉测量模型解算五个步骤,计算出监测点的空间三维坐标。
进一步地,在S6中:双目视觉测量模型实现空间坐标计算,获得各帧图像中的测点空间坐标后,即可量化测点位移值,确定基坑的变形情况。若当变形量超过预先设定的阈值,报警装置将实现报警,反之,继续通过数据采集装置进行图像的采集,重复上述步骤,达到实时监测基坑变形的目的。
与现有技术相比,本发明有以下有益效果:
(1)本发明提供了一种基于机器视觉的基坑变形监测及预警方法,该监测方法通过机器视觉的原理,无需监测人员到现场进行测量监测,一定程度上解放了人力,可约了工程成本。
(2)通过机器视觉获得的图像,运用计算机相应处理算法,实现基坑的监测点三维空间坐标的解算,与原基坑监测点三维坐标进行对比分析,从而解算出监测点的变形情况,通过报警装置进行预警,达到及时发现基坑局部变形的情况。同时,数据采集装置上集成了红外灯,可对监测点补光,达到实时监测的目的。
(3)该方法相对全站仪等监测方法,具有成本低,效果好的优势,具有一定的推广价值。
附图说明
图1是本发明一种基于机器视觉的基坑变形监测及预警方法的具体实施步骤
图2是本发明一种基于机器视觉的基坑变形监测及预警方法轨道示意图
图3是本发明一种基于机器视觉的基坑变形监测及预警方法连接盘放大示意图
图4是本发明一种基于机器视觉的基坑变形监测及预警方法结构示意图
图中:1.电源;2.计算机;3.报警装置;4.无线数据接收装置;5.轨道;5.1.轨道固定孔;6.滑动槽;7.锁扣;8.标志点;9.电源开关;10.无线数据发送存储装置;11.保护罩;12.自动防尘门;13.红外灯;14.CCD双目摄像头;15.连接盘;16.液压升降杆;17.底座;18.螺栓。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图,对本发明进行进一步详细说明。
如图2-4所示,一种基于机器视觉的基坑变形监测及预警方法,所述装置主要由轨道、数据采集装置、数据处理装置及升降装置构成。所述轨道5包括底部的轨道固定孔5.1,分布于两侧的滑动槽6,滑动槽6中有螺栓18,螺栓18上有锁扣7;所述升降装置包括底座17、液压升降杆16及连接盘15,其中底座17通过螺栓18固定在轨道5上,液压升降杆16焊接在底座17上,连接盘15通过螺栓与液压升降杆16相连;所述数据采集装置放置于连接盘15 上,主要包括保护罩11,保护罩11内部集成了控制芯片,外部可见装置有CCD双目摄像头 14、红外灯13、自动防尘门12及无线数据发送存储装置10;所述数据处理装置主要包括计算机2、电源1、报警装置3、无线数据接收装置4,其中所无线数据接收装置4、报警装置3 和电源1分别与计算机2相连。
所述轨道5,通过轨道固定孔5.1打入螺钉,固定在基坑冠梁上;所述滑动槽中的螺栓 18通过滑动槽6带动底座17及上部装置移动;所述锁扣7,可拧动,可防止底座17松动。
所述连接盘15可实现多角度旋转,液压升降杆16可调结上部装置高度。
所述数据采集装置中的CCD双目摄像头14已实现变焦镜头调整,确保拍摄成像的清晰,同时CCD双目摄像头14已根据张正友标定法实现标定,获得了左右相机的内参数矩阵和外参数矩阵。
所述自动防尘门12在电源开关9开启后自动打开,关闭电源开关9后则自动关闭,起到保护CCD双目摄像头14的作用。
所述红外灯13,用于标志点8处的补光。
所述报警装置3,当计算机中1计算得到的基坑变形量大于设定阈值时,报警装置3自动报警。
如图1所示,一种基于机器视觉的基坑变形监测及预警方法,应用上述的基坑变形监测方法进行变形监测。
下面结合附图和实例对本发明实施步骤做进一步的说明。
S1:确定基坑监测点,借助荧光漆在基坑上设置人工标志点8。
S2:装置布置就位,装置轨道5固定到基坑冠梁上,通过滑动槽6和螺栓18的共同作用,移动设备到标志点8位置,通过液压升降杆16调整上部设备高度,连接盘15调整角度,开启电源开关9,室内的数据处理装置中电源1、报警装置3、无线数据接收装置4与计算机2 相连,测试计算机2控制及接收图像情况。
S3:图像采集,根据环境状况,调整光源补给,通过计算机2控制保护罩11内部的控制芯片,设定采集图像间隔时间,CCD双目摄像头14在设定时间间隔段后,采集基坑标志点8图像。
S4:无线数据传输,经过无线数据发送存储装置10将实现基坑图像传输,由无线数据接收装置4,获取到基坑标志点8图像,并上传到计算机2中。
S5:图像监测点变形解算,计算机2对得到的图像可结合基于深度学习的去雨算法、标量权重图处理欠曝情况、图像主结构提取技术处理低照度环境、高斯滤波处理噪声等环境图像优化预处理,然后利用张氏标定法所获得的摄像机畸变参数对实际拍摄得到的图像进行反畸变处理,借助基于灰度的图像匹配算法实现测点的立体匹配,结合时空上下文视觉跟踪(STC) 算法与UCC亚像素图像配准技术实现监测点的图像追踪,最后双目视觉测量模型(解算式见下)。
监测点16在CCD双目摄像机11上分别投影为P1(u1,v1)与P2(u2,v2),则根据摄像机理想线性模型可得:
式中,(u1,v1,1)与(u2,v2,1)分别为P1与P2点在左右图像中的像素齐次坐标,(X,Y,Z,1)为P在世界坐标系中的齐次坐标,与为系数矩阵,可由相机内参数与外参数矩阵求得相应元素值。上式各包含三个方程,消去ZC1与ZC2可得:
上式的物理意义为直线C1P1与C2P2的交点,因此,满足上述方程的(X,Y,Z)即为P在世界坐标系中的坐标,借助最小二乘法即可求解,实现空间坐标计算,获得各帧图像中的测点空间坐标后,即可量化测点位移值,确定基坑的变形情况。
S6:报警系统报警,根据计算机2处理后,确定基坑的变形情况,根据预先设定的变形阈值,确定是否触发报警装置3,当变形超过预设阈值时,报警装置3报警,反之,继续通过数据采集装置进行图像的采集,重复上述步骤,达到实时监测基坑变形的目的。
Claims (6)
1.一种基于机器视觉的基坑变形监测及预警方法,其特征在于,所述监测方法主要包括以下步骤:
S1:确定基坑监测点;
S2:装置本体布置就位;
S3:图像采集;
S4:无线数据传输;
S5:图像三维空间坐标解算;
S6:报警系统报警。
2.根据权利要求1所述的一种基于机器视觉的基坑变形监测及预警方法,其特征在于,在S1中:监测点通过荧光漆设置人工标志点。
3.根据权利要求1所述的一种基于机器视觉的基坑变形监测及预警方法,其特征在于,在S2中:监测装置固定在基坑冠梁上。
4.根据权利要求1所述的一种基于机器视觉的基坑变形监测及预警方法,其特征在于,在S3中:图像采集过程中,可根据环境状况,通过控制器调整光源补给,确保采集的图像清晰度;CCD双目摄像头已实现变焦镜头调整,确保拍摄成像的清晰;同时CCD双目摄像头已根据张正友标定法实现标定,获得了左右相机的内参数矩阵和外参数矩阵;采集图像的时间间隔可根据实际需要设定。
5.根据权利要求1所述的一种基于机器视觉的基坑变形监测及预警方法,其特征在于,在S5中:采用基于深度学习的图像去雨方法、高斯滤波算法等实现环境图像优化处理,减少环境带来的干扰,得到处理后的图像;采用图像畸变校正、测点立体匹配、测点图像追踪、标志图像定位以及双目视觉测量模型解算五个步骤,计算出监测点的空间三维坐标。
6.根据权利要求1所述的一种基于机器视觉的基坑变形监测及预警方法,其特征在于,在S6中:双目视觉测量模型实现空间坐标计算,获得各帧图像中的测点空间坐标后,即可量化测点位移值,确定基坑的变形情况。若当变形量超过预先设定的阈值,报警装置将实现报警,反之,继续通过数据采集装置进行图像的采集,重复上述步骤,达到实时监测基坑变形的目的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110239491.5A CN112854175A (zh) | 2021-03-04 | 2021-03-04 | 一种基于机器视觉的基坑变形监测及预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110239491.5A CN112854175A (zh) | 2021-03-04 | 2021-03-04 | 一种基于机器视觉的基坑变形监测及预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112854175A true CN112854175A (zh) | 2021-05-28 |
Family
ID=75991605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110239491.5A Pending CN112854175A (zh) | 2021-03-04 | 2021-03-04 | 一种基于机器视觉的基坑变形监测及预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112854175A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113538350A (zh) * | 2021-06-29 | 2021-10-22 | 河北深保投资发展有限公司 | 一种基于多摄像头识别基坑深度的方法 |
CN113653107A (zh) * | 2021-08-05 | 2021-11-16 | 中国建筑第八工程局有限公司 | 基于5g+信息化基坑监测方法及系统 |
CN114108717A (zh) * | 2021-12-09 | 2022-03-01 | 上海勘察设计研究院(集团)有限公司 | 一种基于视觉测量的基坑围护顶部变形监测系统及其方法 |
CN114719770A (zh) * | 2022-04-02 | 2022-07-08 | 基康仪器股份有限公司 | 一种基于图像识别及空间定位技术的变形监测方法及装置 |
-
2021
- 2021-03-04 CN CN202110239491.5A patent/CN112854175A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113538350A (zh) * | 2021-06-29 | 2021-10-22 | 河北深保投资发展有限公司 | 一种基于多摄像头识别基坑深度的方法 |
CN113538350B (zh) * | 2021-06-29 | 2022-10-04 | 河北深保投资发展有限公司 | 一种基于多摄像头识别基坑深度的方法 |
CN113653107A (zh) * | 2021-08-05 | 2021-11-16 | 中国建筑第八工程局有限公司 | 基于5g+信息化基坑监测方法及系统 |
CN114108717A (zh) * | 2021-12-09 | 2022-03-01 | 上海勘察设计研究院(集团)有限公司 | 一种基于视觉测量的基坑围护顶部变形监测系统及其方法 |
CN114719770A (zh) * | 2022-04-02 | 2022-07-08 | 基康仪器股份有限公司 | 一种基于图像识别及空间定位技术的变形监测方法及装置 |
CN114719770B (zh) * | 2022-04-02 | 2024-04-02 | 基康仪器股份有限公司 | 一种基于图像识别及空间定位技术的变形监测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112854175A (zh) | 一种基于机器视觉的基坑变形监测及预警方法 | |
CN109872483B (zh) | 一种入侵警戒光电监测系统及方法 | |
CN109443307B (zh) | 一种基于光学测量的输电杆塔沉降和倾斜角的测量系统及方法 | |
CN111595453A (zh) | 一种基于人脸识别的红外测温系统及方法 | |
CN114241298A (zh) | 一种激光雷达和图像融合的塔吊环境目标检测方法及系统 | |
CN112308858B (zh) | 一种铁路轨道、轨道板状态多维智能监测方法及系统 | |
CN105652872B (zh) | 变电站激光导航巡检机器人智能云台自动跟踪定位方法 | |
CN109284739A (zh) | 一种基于深度学习的输电线路防外力破坏预警方法及系统 | |
CN105072414A (zh) | 一种目标检测和跟踪方法及系统 | |
CN101951502A (zh) | 一种三维智能视频监控方法 | |
CN109711348A (zh) | 基于长期驻空平台的实时违章建筑的智能监测方法及系统 | |
CN109269555A (zh) | 基于无人机和三维建模技术的尾矿库安全监测系统及方法 | |
CN103425959B (zh) | 一种识别火灾的火焰视频检测方法 | |
CN105744234B (zh) | 一种基于像素差分比的跟踪运动目标联动方法及其系统 | |
CN105261039A (zh) | 一种基于深度图像的自适应调整目标跟踪算法 | |
CN110885019A (zh) | 一种基于bim模型的塔吊监测与实时报警系统 | |
Li et al. | Binocular stereo vision based illuminance measurement used for intelligent lighting with LED | |
CN214737936U (zh) | 一种基于机器视觉的基坑变形多角度监测装置 | |
CN205352389U (zh) | 通过高清视频实现地铁盾构隧道地表位移实时监测的系统 | |
CN114893669B (zh) | 一种应用于塔机附着装置安装的监测装置及监测方法 | |
CN110058587A (zh) | 基于slam技术的煤矿综采面巡视无人车以及自主巡视的方法 | |
CN114639047A (zh) | 一种基于卷积神经网络的海南长臂猿野外图像检测系统及方法 | |
CN106022314A (zh) | 一种智能视频监控中刚性目标丢失的检测方法 | |
CN209745231U (zh) | 基于单目视觉的边坡地表三维位移实时在线监测系统 | |
CN220472741U (zh) | 一种下穿通道积水监测装置 |
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 |