CN113804166A - 一种基于无人机视觉的落石运动参数数字化还原方法 - Google Patents

Abstract

本发明涉及落石防护技术领域，涉及一种基于无人机视觉的落石运动参数数字化还原方法，其包括以下步骤：1）、试验场地建立空间坐标系；2）、确定无人机平面位置并对中；确定无人机高度并记录；3）、调整相机云台并记录空间夹角，计算镜头光轴定位单位向量并记录焦距；4）、相机焦距与视角宽度标定；5）、捕捉落石运动获取二维轨迹点阵；6）、基于无人机视觉重构落石三维轨迹；7）、计算落石动能时程。本发明解决了坡面滚石试验中落石三维轨迹和动能时程的重构难题，该方法高效实用，地形适应性强。

Description

一种基于无人机视觉的落石运动参数数字化还原方法

技术领域

本发明涉及落石防护技术领域，涉及一种基于无人机视觉的落石运动参数数字化还原方法，具体地说，涉及一种用于坡面原位滚石试验、基于无人机视觉的落石运动三维轨迹及动能时程数字化重构方法。

背景技术

坡面落石防护结构的设置高度依赖落石运动轨迹预测精度，而坡面原位滚石试验是预测工点落石运动轨迹的有效途径之一，通过该试验获取落石的典型运动轨迹、动能演化等关键参数，目前常采用在落石试块中预埋三轴加速度传感器的方式进行测量。

传统试验手段仍存在以下问题：

（1）落石存在的转动加速度对三轴加速度计测量有影响，后期解耦困难，加速度数据对时间积分得到的速度和位移数据误差积累严重，易导致结果发散。

（2）预埋加速度传感器的接触式测量方式极易造成传感器及内置数采设备损坏，仪器损耗和试验成本高，且预埋传感器也增加了落石试块加工制造难度。

发明内容

本发明的内容是提供一种基于无人机视觉的落石运动参数数字化还原方法，其能够克服现有技术的某种或某些缺陷。

根据本发明的一种基于无人机视觉的落石运动参数数字化还原方法，其包括以下步骤：

1）、试验场地建立空间坐标系；

2）、确定无人机平面位置并对中；确定无人机高度并记录；

3）、调整相机云台并记录空间夹角，计算镜头光轴定位单位向量并记录焦距；

4）、相机焦距与视角宽度标定；

5）、捕捉落石运动获取二维轨迹点阵；

6）、基于无人机视觉重构落石三维轨迹；

7）、计算落石动能时程。

作为优选，具体步骤如下：

一、在试验场地视野开阔处确定空间坐标原点O，建立右手直角坐标系Oxyz；选定两架无人机在试验场地表面的铅垂投影点P₁、P₂并做标记，采用激光测距测量两投影点P₁、P₂与坐标原点O的空间坐标差值，得到两点坐标P₁（x₁, y₁, z₁）、P₂（x₂, y₂, z₂）；

二、将两台搭载参数化三轴云台的无人机分别飞至P₁、P₂点上方，在x轴负方向的无人机记为W₁，正方向的记为W₂；将云台调平，相机镜头朝下，此时镜头光轴铅垂，微调无人机水平位置并通过实时图像参考中心点与地面标记点进行瞄准，使两台无人机处于P₁、P₂点正上方，记录无人机距地面的距离h₁、h₂，可得无人机坐标W₁（x₁, y₁, z₁+h₁）、W₂（x₂, y₂, z₂+h₂）；

三、调整两架无人机云台，使相机镜头朝向试验坡面，基于云台角度参数分别记录W₁、W₂镜头光轴与xy平面夹角α₁、α₂，与xz平面夹角β₁、β₂，以及与yz平面夹角γ₁、γ₂，并通过下式计算两个镜头角度的定位单位向量；

k₁=(sinγ₁, sinβ₁, sinα₁)

k₂=(sinγ₂, sinβ₂, sinα₂)

同时记录此时相机焦距参数r₁、r₂；

四、无人机搭载的相机拍摄帧率为p，落石总运动时间为t，拍摄帧图像像素数量为高乘以宽h×b，拍摄图像对角线视角宽度为φ，通过标定板标定建立相机焦距r与视角宽度φ的映射函数：

；

五、对落石影像进行捕捉，以图像中心作为平面坐标系原点，得到两图像的二维轨 迹点阵数据，按照时间序列排序，每组总点数为pt，W₁、W₂拍摄图像第n点数据的平面坐标分 别为

、

；

六、在空间中分别以W₁、W₂为端点过图像二维轨迹点阵作射线，并将射线沿二维轨迹扫略形成光线曲面Ⅰ和Ⅱ，两光线曲面交线即落石的三维轨迹，通过试验场地的三维地形扫描模型在几何建模软件中再现三维轨迹；或通过以下方程解得三维轨迹上任意第n点坐标（x _n, y _n, z _n）：

；

；

上式中的x_1n，x_2n，y_1n，y_2n，z_1n均为试验中的已知量，可由以下公式解得：

；

；

；

；

；

；

上式中的视角宽度φ由记录的相机焦距r并通过步骤四转换得到；

七、由步骤六求得三维轨迹后，可知三维轨迹上任意连续两点的坐标，第n点坐标（x _n, y _n, z _n），第n+1点坐标（x _n+1, y _n+1, z _n+1），试验中落石质量为m，则通过下式求得落石在n/p时刻的动能E _n/p为：

作为优选，所建立的右手直 角坐标系Oxyz的y向朝试验坡面方向。

作为优选，选择无人机点位及拍摄方向时，两无人机镜头角度的定位单位向量需满足∣k₁·k₂∣<0.5，定位单位向量的角度随机误差dθ小值所带来的某还原点距离误差表示为：

式中D为三维轨迹上该点距拍 摄点W₁、W₂的距离较大值。

作为优选，无人机搭载的相机拍摄帧率p不低于60帧每秒；相机像素数不低于1920×1080。

本发明公开了一种基于无人机视觉的落石运动参数数字化还原方法，通过两架搭载参数化三轴云台的拍摄无人机及简单的现场测量，就能够通过本发明的计算方法重建落石三维轨迹及动能时程，解决了传统三轴加速度传感器测量高成本、低效率、计算解耦困难和计算误差大的难题。

附图说明

图1为实施例1中一种基于无人机视觉的落石运动参数数字化还原方法的流程图；

图2为实施例1中试验场地布置及坐标系示意图；

图3为实施例1中无人机空间定位和拍摄角度定位示意图；

图4为实施例1中三维轨迹还原原理图。

具体实施方式

为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述。应当理解的是，实施例仅仅是对本发明进行解释而并非限定。

实施例1

如图1、图2、图3和图4所示，本实施例提供了一种基于无人机视觉的落石运动参数数字化还原方法，试验场地1设有一试验坡面2，采用两架无人机3并使其镜头光轴4朝向试验坡面2，由镜头光轴4朝向可得镜头角度的定位单位向量5，镜头的特定焦距对应图像对角线视角宽度6，由拍摄的落石7二维轨迹点阵8数据还原光线曲面9，并求解落石7的三维轨迹10和动能时程。

其包括以下步骤：

1）、试验场地1建立空间坐标系；

2）、确定无人机3平面位置并对中；确定无人机3高度并记录；

3）、调整相机云台并记录空间夹角，计算镜头光轴4定位单位向量5并记录焦距；

4）、相机焦距与视角宽度6标定；

5）、捕捉落石7运动获取二维轨迹点阵8；

6）、基于无人机视觉重构落石7三维轨迹10；

7）、计算落石7动能时程。

具体步骤如下：

一、在试验场地1视野开阔处确定空间坐标原点O，建立右手直角坐标系Oxyz；选定两架无人机3在试验场地1表面的铅垂投影点P₁、P₂并做标记，采用激光测距等手段测量两投影点P₁、P₂与坐标原点O的空间坐标差值，得到两点坐标P₁（x₁, y₁, z₁）、P₂（x₂, y₂, z₂）；

二、将两台搭载参数化三轴云台的无人机3分别飞至P₁、P₂点上方，在x轴负方向的无人机记为W₁，正方向的记为W₂；将云台调平，相机镜头朝下，此时镜头光轴4铅垂，微调无人机3水平位置并通过实时图像参考中心点与地面标记点进行瞄准，使两台无人机3处于P₁、P₂点正上方，记录无人机3距地面的距离h₁、h₂，可得无人机3坐标W₁（x₁, y₁, z₁+h₁）、W₂（x₂,y₂, z₂+h₂）；

三、调整两架无人机3云台，使相机镜头朝向试验坡面2，基于云台角度参数分别记录W₁、W₂镜头光轴4与xy平面夹角α₁、α₂，与xz平面夹角β₁、β₂，以及与yz平面夹角γ₁、γ₂，并通过下式计算两个镜头角度的定位单位向量5；

k₁=(sinγ₁, sinβ₁, sinα₁)

k₂=(sinγ₂, sinβ₂, sinα₂)

同时记录此时相机焦距参数r₁、r₂；

四、无人机3搭载的相机拍摄帧率为p，落石7总运动时间为t，拍摄帧图像像素数量为高乘以宽h×b，拍摄图像对角线视角宽度6为φ，通过标定板标定建立相机焦距r与视角宽度φ的映射函数：

；

五、通过常规运动分析软件对落石7影像进行捕捉，以图像中心作为平面坐标系原 点，得到两图像的二维轨迹点阵8数据，按照时间序列排序，每组总点数为pt，W₁、W₂拍摄图像 第n点数据的平面坐标分别为

、

单位为像素；

六、在空间中分别以W₁、W₂为端点过图像二维轨迹点阵8作射线，并将射线沿二维轨迹扫略形成光线曲面9Ⅰ和Ⅱ，两光线曲面9交线即落石7的三维轨迹10，可通过试验场地1的三维地形扫描模型在几何建模软件中再现三维轨迹10；也可通过以下方程解得三维轨迹10上任意第n点坐标（x _n, y _n, z _n）：

上式中的x_1n，x_2n，y_1n，y_2n，z_1n均为试验中的已知量，可由以下公式解得：

；

；

；

；

；

上式中的视角宽度6φ由记录的相机焦距r并通过步骤四转换得到；

七、由第六步求得三维轨迹10后，可知三维轨迹10上任意连续两点的坐标，第n点坐标（x _n, y _n, z _n），第n+1点坐标（x _n+1, y _n+1, z _n+1），试验中落石7质量为m，则可通过下式求得落石7在n/p时刻的动能E _n/p为：

。

所建立的右手直角坐标系Oxyz的y向朝试验坡面2方向。

选择无人机3点位及拍摄方向时，两无人机3镜头角度的定位单位向量5需满足∣k₁·k₂∣<0.5，并尽可能使得∣k₁·k₂∣=0，以减小后期三维轨迹10还原带来的系统误差，定位单位向量5的角度随机误差dθ小值所带来的某还原点距离误差可表示为：

式中D为三维轨迹10上该点距 拍摄点W₁、W₂的距离较大值。

无人机3搭载的相机拍摄帧率p不低于60帧每秒；相机像素数不低于1920×1080。

以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。

Claims (5)

1.一种基于无人机视觉的落石运动参数数字化还原方法，其特征在于：包括以下步骤：

1）、试验场地（1）建立空间坐标系；

2）、确定无人机（3）平面位置并对中；确定无人机（3）高度并记录；

3）、调整相机云台并记录空间夹角，计算镜头光轴（4）定位单位向量（5）并记录焦距；

4）、相机焦距与视角宽度（6）标定；

5）、捕捉落石（7）运动获取二维轨迹点阵（8）；

6）、基于无人机视觉重构落石（7）三维轨迹（10）；

7）、计算落石（7）动能时程。

2.根据权利要求1所述的一种基于无人机视觉的落石运动参数数字化还原方法，其特征在于：具体步骤如下：

一、在试验场地（1）视野开阔处确定空间坐标原点O，建立右手直角坐标系Oxyz；选定两架无人机（3）在试验场地（1）表面的铅垂投影点P₁、P₂并做标记，采用激光测距测量两投影点P₁、P₂与坐标原点O的空间坐标差值，得到两点坐标P₁（x₁, y₁, z₁）、P₂（x₂, y₂, z₂）；

二、将两台搭载参数化三轴云台的无人机（3）分别飞至P₁、P₂点上方，在x轴负方向的无人机记为W₁，正方向的记为W₂；将云台调平，相机镜头朝下，此时镜头光轴（4）铅垂，微调无人机（3）水平位置并通过实时图像参考中心点与地面标记点进行瞄准，使两台无人机（3）处于P₁、P₂点正上方，记录无人机（3）距地面的距离h₁、h₂，可得无人机（3）坐标W₁（x₁, y₁, z₁+h₁）、W₂（x₂, y₂, z₂+h₂）；

三、调整两架无人机（3）云台，使相机镜头朝向试验坡面（2），基于云台角度参数分别记录W₁、W₂镜头光轴（4）与xy平面夹角α₁、α₂，与xz平面夹角β₁、β₂，以及与yz平面夹角γ₁、γ₂，并通过下式计算两个镜头角度的定位单位向量（5）；

k₁=(sinγ₁, sinβ₁, sinα₁)

k₂=(sinγ₂, sinβ₂, sinα₂)

同时记录此时相机焦距参数r₁、r₂；

四、无人机（3）搭载的相机拍摄帧率为p，落石（7）总运动时间为t，拍摄帧图像像素数量为高乘以宽h×b，拍摄图像对角线视角宽度（6）为φ，通过标定板标定建立相机焦距r与视角宽度φ的映射函数：

；

五、对落石（7）影像进行捕捉，以图像中心作为平面坐标系原点，得到两图像的二维轨 迹点阵（8）数据，按照时间序列排序，每组总点数为pt，W₁、W₂拍摄图像第n点数据的平面坐标 分别为

、

；六、在空间中分别以W₁、W₂为端点过图像二维轨迹点阵（8） 作射线，并将射线沿二维轨迹扫略形成光线曲面（9）Ⅰ和Ⅱ，两光线曲面（9）交线即落石（7） 的三维轨迹（10），通过试验场地（1）的三维地形扫描模型在几何建模软件中再现三维轨迹 （10）；或通过以下方程解得三维轨迹（10）上任意第n点坐标（x _n, y _n, z _n）：

；

；

上式中的x_1n，x_2n，y_1n，y_2n，z_1n均为试验中的已知量，可由以下公式解得：

；

；

；

；

；

；

上式中的视角宽度（6）φ由记录的相机焦距r并通过步骤四转换得到；

七、由步骤六求得三维轨迹（10）后，可知三维轨迹（10）上任意连续两点的坐标，第n点坐标（x _n, y _n, z _n），第n+1点坐标（x _n+1, y _n+1, z _n+1），试验中落石（7）质量为m，则通过下式求得落石（7）在n/p时刻的动能E _n/p为：

。

3.根据权利要求2所述的一种基于无人机视觉的落石运动参数数字化还原方法，其特征在于：所建立的右手直角坐标系Oxyz的y向朝试验坡面（2）方向。

4.根据权利要求3所述的一种基于无人机视觉的落石运动参数数字化还原方法，其特征在于：选择无人机（3）点位及拍摄方向时，两无人机（3）镜头角度的定位单位向量（5）需满足∣k₁·k₂∣<0.5，定位单位向量（5）的角度随机误差dθ小值所带来的某还原点距离误差表示为：

；

式中D为三维轨迹（10）上该点距拍摄点W₁、W₂的距离较大值。

5.根据权利要求4所述的一种基于无人机视觉的落石运动参数数字化还原方法，其特征在于：无人机（3）搭载的相机拍摄帧率p不低于60帧每秒；相机像素数不低于1920×1080。

Images