CN113947608B - 一种基于几何匹配法控制的结构不规则运动高精度测量方法 - Google Patents
一种基于几何匹配法控制的结构不规则运动高精度测量方法 Download PDFInfo
- Publication number
- CN113947608B CN113947608B CN202111166309.4A CN202111166309A CN113947608B CN 113947608 B CN113947608 B CN 113947608B CN 202111166309 A CN202111166309 A CN 202111166309A CN 113947608 B CN113947608 B CN 113947608B
- Authority
- CN
- China
- Prior art keywords
- pixel
- region
- image
- circular
- frame
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-based segmentation
-
- 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
-
- 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
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提出一种基于几何匹配法控制的结构不规则运动高精度测量方法,采用若干圆形贴片对被测结构表面进行标记,利用相机对结构进行视频记录;采用圆心检测算法获取不同帧圆形贴片的中心点坐标;结合初始帧图像圆形贴片的中心点坐标,采用Voronoi剖分方法将图像划分为若干个区域;对任一区域,利用该区域内不同帧间圆形贴片的运动变化确定该区域不同帧下像素匹配窗口的大小;基于匹配窗口内像素运动一致性假设,采用光流算法逐帧计算该区域像素的光流,获取该区域的运动;采用上述方法依次对所有区域内不同像素点的运动进行计算,获得结构的高空间分辨率运动。本发明提出的方法与现有的结构运动测量方法相比,具有较高测量精度。
Description
技术领域
本发明属于机械结构振动测量技术领域,特别涉及一种基于几何匹配法控制的结构不规则运动高精度测量方法。
背景技术
基于光流算法的结构运动测量技术具有非接触、高空间分辨测量的优势,逐渐被应用于机械、土木等领域的结构运动测量。采用光流算法进行计算时,需要选择像素邻域窗口,基于邻域窗口内像素的运动一致性假设进行求解。然而,对于局部运动不规律的结构,现有的光流算法采用大小统一的窗口进行计算,影响该测量方法的计算精度。因此,本发明将几何匹配法与光流算法相结合,根据相邻帧圆形贴片的运动变化确定像素匹配窗口的大小,对局部运动不规律的结构采用合适的匹配窗口进行计算,实现不规则结构运动的高精度测量。
发明内容
为了克服现有技术的缺点,解决现有光流算法对于局部运动不规律结构测量精度低的问题,本发明提出一种基于几何匹配法控制的结构不规则运动高精度测量方法。为了实现上述目的,本发明采用的技术方案是:
步骤1),采用与结构具有色彩差异的若干圆形贴片对结构表面进行标记,利用相机对结构进行视频记录;
步骤2),利用梯度算子获取结构上圆形贴片的边缘像素坐标,并对同一圆形贴片的边缘像素坐标采用最小二乘逐帧进行圆拟合,获取圆形贴片的圆心位置,即圆形贴片的中心点;
步骤3),结合初始帧图像所有圆形贴片的中心点坐标,采用Voronoi剖分方法将初始帧图像划分为若干区域;
步骤4),对任一区域,利用该区域内不同帧间圆形贴片的运动变化确定该区域不同帧下像素匹配窗口的大小,基于匹配窗口内像素运动一致性假设,采用光流算法逐帧计算该区域像素的光流,获取该区域各像素的运动;
步骤5),重复步骤4),依次对所有区域内不同像素点的运动进行计算,实现对结构运动进行高空间分辨率测量。
进一步地,所述步骤2)具体为,利用梯度算子逐帧计算图像在水平、竖直方向上的像素梯度,通过判断像素的梯度幅值的大小,获取圆形贴片的边缘像素坐标。
设检测到同一圆形贴片在第i帧下的边缘像素点坐标{xi,yi}。设圆形贴片边缘的圆方程为x2+y2-ax-by+c=0,采用最小二乘法进行拟合,获取参数a、b、c,即
式中:K为视频额帧数
从而得到圆形贴片中心点坐标(a/2,b/2)。
进一步地,所述步骤3)具体为,设初始帧图像中所有圆形贴片的圆心集合点为O={O1,O2,...,On},n表示圆形贴片的个数,以初始帧图像中不同圆心位置为中心,对图像进行Voronoi区域划分:
V(Oi)={p∈V(Oi)|d(p,Oi)≤d(p,Oj),j=1,2,...,n,j≠i}
式中:V(Oi)贴片Oi的所在区域,d(p,Oi)为像素点p与贴片中心Oi间的欧式距离,p为图像中的任意像素。
进一步地,所述步骤4)具体为,设V(Oi)为圆形贴片Oi的所在区域,第j帧图像中圆形贴片中心点Oi坐标为第j+1帧图像中圆形贴片中心点坐标为/>则第j帧图像与第j+1帧图像间圆形贴片中心位置变化描述为:
第j+1帧时,贴片中心点Oi所在区域V(Oi)的图像像素匹配窗口的大小为:
基于短时亮度恒定理论,建立光流方程:
Ixu+Iyv+It=0
式中:Ix和Iy分别表示图像像素灰度在x和y方向上的梯度,It表示图像像素灰度关于时间t的导数,u、v表示光流沿x、y方向上的分量。
根据像素邻域内运动相似性的假设,第j+1帧图像中区域V(Oi)内的像素与窗口Wj+1内像素具有相似的运动,采用最小二乘法对光流方程进行求解,得到第j+1帧时区域V(Oi)内所有像素的光流。
设不同帧下像素光流在水平和竖直方向上分别为{uk,vk|k=1,2,3,...,K},单位为像素/帧,K为视频的总帧数,则结构的运动为:
式中:mx、my分别为像素在水平和竖直方向上的时域运动,f为相机帧率。
依次对所有区域内不同像素点的运动进行计算,实现对结构运动的高空间分辨率测量。
与现有技术相比,本发明的有益效果是:
测量精度高,相较于传统统一大小的邻域窗口,所提出的方法能够根据物体的实际运动状态调整邻域窗口的大小,提高该方法的测量精度。
附图说明
图1为本发明所提出方法的流程示意图;
图2为结构表面的圆形贴片标记示意图;
图3为基于梯度检测算子标记边缘像素;
图4为采用最小二乘对边缘像素拟合的圆心坐标;
图5为基于不同圆心位置划分的Voronoi区域;
图6为基于标记点的结构运动测量;
图7为时间段内像素位置变化及灰度矩阵变化示意图。
具体实施方式
下面结合附图和实施例详细说明本发明的实施方式。
如图1所示,本发明一种基于几何匹配法控制的结构不规则运动高精度测量方法,包括以下步骤:
步骤1:采用与结构具有色彩差异的若干圆形贴片对结构表面进行标记,如图2所示,利用相机对结构进行视频记录。
步骤2:如图3所示,利用梯度算子获取结构上圆形贴片的边缘像素坐标,并对同一圆形贴片的边缘像素坐标采用最小二乘逐帧进行圆拟合,获取贴片的圆心位置。
本发明中,设检测到同一圆形贴片在第i帧下的边缘像素点坐标{xi,yi}。设圆形贴片边缘的圆方程为x2+y2-ax-by+c=0,如图4所示,采用最小二乘法进行拟合,获取参数a、b、c,即
式中:K为视频额帧数
从而得到圆形贴片中心点坐标(a/2,b/2)。
步骤3:如图5所示,结合初始帧图像圆形贴片的中心点坐标,采用Voronoi剖分方法将图像划分为若干区域。
设初始帧图像中所有圆形贴片的圆心集合点为O={O1,O2,...,On},n表示圆形贴片的个数,以初始帧图像中不同圆心位置为中心,对图像进行Voronoi区域划分:
V(Oi)=}p∈V(Oi)|d(p,Oi)≤d(p,Oj),j=1,2,...,n,j≠i} (2)
式中:V(Oi)贴片Oi的所在区域,d(p,Oi)为像素点p与贴片中心Oi间的欧式距离,p为图像中的任意像素。
步骤4:对任一区域,利用该区域内不同帧间圆形贴片的运动变化确定该区域不同帧下像素匹配窗口的大小。基于匹配窗口内像素运动一致性假设,采用光流算法逐帧计算该区域像素的光流,获取该区域各像素的运动。
如图6所示,设V(Oi)为圆形贴片Oi的所在区域,第j帧图像中圆形贴片中心点Oi坐标为第j+1帧图像中圆形贴片中心点坐标为/>则第j帧图像与第j+1帧图像间圆形贴片中心位置变化描述为:
第j+1帧时,贴片中心点Oi所在区域V(Oi)的图像像素匹配窗口的大小为:
如图7所示,基于短时亮度恒定理论,建立光流方程:
Ixu+Iyv+It=0 (5)
式中:Ix和Iy分别表示图像像素灰度在x和y方向上的梯度,It表示图像像素灰度关于时间t的导数,u、v表示光流沿x、y方向上的分量。
根据像素邻域内运动相似性的假设,第j+1帧图像中区域V(Oi)内的像素与窗口Wj+1内像素具有相似的运动,采用最小二乘法对光流方程进行求解,得到第j+1帧时区域V(Oi)内所有像素的光流。
步骤5:重复步骤4),采用上述方法依次对所有区域内不同像素点的运动进行计算,实现对结构运动进行高空间分辨率测量。
设不同帧下像素光流在水平和竖直方向上分别为{uk,vk|k=1,2,3,...,K},单位为像素/帧,K为视频的总帧数,则结构的运动为:
式中:mx、my分别为像素在水平和竖直方向上的时域运动,f为相机帧率。
依次对所有区域内不同像素点的运动进行计算,实现对结构运动的高空间分辨率测量。
Claims (3)
1.一种基于几何匹配法控制的结构不规则运动高精度测量方法,其特征在于,包括以下步骤:
步骤1),采用与结构具有色彩差异的若干圆形贴片对结构表面进行标记,利用相机对结构进行视频记录;
步骤2),利用梯度算子获取结构上圆形贴片的边缘像素坐标,并对同一圆形贴片的边缘像素坐标采用最小二乘逐帧进行圆拟合,获取圆形贴片的圆心位置,即圆形贴片的中心点;
步骤3),结合初始帧图像所有圆形贴片的中心点坐标,采用Voronoi剖分方法将初始帧图像划分为若干区域;
步骤4),对任一区域,利用该区域内不同帧间圆形贴片的运动变化确定该区域不同帧下像素匹配窗口的大小,基于匹配窗口内像素运动一致性假设,采用光流算法逐帧计算该区域像素的光流,获取该区域各像素的运动;
步骤5),重复步骤4),依次对所有区域内不同像素点的运动进行计算,实现对结构运动进行高空间分辨率测量;
其中,所述步骤4)中,设第j帧图像中圆形贴片中心点Oi坐标为第j+1帧图像中圆形贴片中心点坐标为/>则第j帧图像与第j+1帧图像间圆形贴片中心位置变化描述为:
第j+1帧时,贴片中心点Oi所在区域V(Oi)的图像像素匹配窗口的大小为:
基于短时亮度恒定理论,建立光流方程:
Ixu+Iyv+It=0
式中:Ix和Iy分别表示图像像素灰度在x和y方向上的梯度,It表示图像像素灰度关于时间t的导数,u、v表示光流沿x、y方向上的分量;
根据像素邻域内运动相似性的假设,第j+1帧图像中区域V(Oi)内的像素与窗口Wj+1内像素具有相似的运动,采用最小二乘法对光流方程进行求解,得到第j+1帧时区域V(Oi)内所有像素的光流;
设不同帧下像素光流在水平和竖直方向上分别为{uk,vk|k=1,2,3,...,K},单位为像素/帧,K为视频的总帧数,则结构的运动为:
式中:mx、my分别为像素在水平和竖直方向上的时域运动,f为相机帧率。
2.根据权利要求1所述一种基于几何匹配法控制的结构不规则运动高精度测量方法,其特征在于,所述步骤2)中,利用梯度算子逐帧计算各个图像在水平、竖直方向上的像素梯度,通过判断像素的梯度幅值的大小,获取圆形贴片的边缘像素坐标,并对同一圆形贴片的边缘像素坐标采用最小二乘逐帧进行圆拟合,获取圆形贴片的圆心位置,即圆形贴片的中心点;
设检测到同一圆形贴片在第i帧下的边缘像素点坐标{xi,yi},圆形贴片边缘的圆方程为x2+y2-ax-by+c=0,采用最小二乘法进行拟合,获取参数a、b、c,即
式中:K为视频帧数,从而得到圆形贴片中心点坐标(a/2,b/2)。
3.根据权利要求1所述一种基于几何匹配法控制的结构不规则运动高精度测量方法,其特征在于,所述步骤3)中,设初始帧图像中所有圆形贴片的圆心集合为O={O1,O2,...,On},n表示圆形贴片的个数,以初始帧图像中不同圆心位置为中心,对图像进行Voronoi区域划分:
V(Oi)={p∈V(Oi)|d(p,Oi)≤d(p,Oj),j=1,2,...,n,j≠i}
式中:V(Oi)为圆形贴片Oi的所在区域,d(p,Oi)为像素点p与贴片中心Oi间的欧式距离,p为图像中的任意像素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111166309.4A CN113947608B (zh) | 2021-09-30 | 2021-09-30 | 一种基于几何匹配法控制的结构不规则运动高精度测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111166309.4A CN113947608B (zh) | 2021-09-30 | 2021-09-30 | 一种基于几何匹配法控制的结构不规则运动高精度测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113947608A CN113947608A (zh) | 2022-01-18 |
CN113947608B true CN113947608B (zh) | 2023-10-20 |
Family
ID=79329849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111166309.4A Active CN113947608B (zh) | 2021-09-30 | 2021-09-30 | 一种基于几何匹配法控制的结构不规则运动高精度测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113947608B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109102523A (zh) * | 2018-07-13 | 2018-12-28 | 南京理工大学 | 一种运动目标检测和跟踪方法 |
CN110853151A (zh) * | 2019-10-15 | 2020-02-28 | 西安理工大学 | 一种基于视频的三维立体点集恢复方法 |
KR102098687B1 (ko) * | 2018-11-02 | 2020-04-09 | 서울대학교산학협력단 | 영상 모서리 정렬 기반 영상 항법 및 장치 |
CN112287819A (zh) * | 2020-10-28 | 2021-01-29 | 武汉三力通信有限责任公司 | 一种用于摄录设备的高速多路实时稳像方法 |
CN113256679A (zh) * | 2021-05-13 | 2021-08-13 | 湖北工业大学 | 一种基于车载后视镜系统的电子稳像算法 |
WO2021163928A1 (zh) * | 2020-02-19 | 2021-08-26 | 华为技术有限公司 | 光流获取方法和装置 |
-
2021
- 2021-09-30 CN CN202111166309.4A patent/CN113947608B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109102523A (zh) * | 2018-07-13 | 2018-12-28 | 南京理工大学 | 一种运动目标检测和跟踪方法 |
KR102098687B1 (ko) * | 2018-11-02 | 2020-04-09 | 서울대학교산학협력단 | 영상 모서리 정렬 기반 영상 항법 및 장치 |
CN110853151A (zh) * | 2019-10-15 | 2020-02-28 | 西安理工大学 | 一种基于视频的三维立体点集恢复方法 |
WO2021163928A1 (zh) * | 2020-02-19 | 2021-08-26 | 华为技术有限公司 | 光流获取方法和装置 |
CN112287819A (zh) * | 2020-10-28 | 2021-01-29 | 武汉三力通信有限责任公司 | 一种用于摄录设备的高速多路实时稳像方法 |
CN113256679A (zh) * | 2021-05-13 | 2021-08-13 | 湖北工业大学 | 一种基于车载后视镜系统的电子稳像算法 |
Non-Patent Citations (1)
Title |
---|
黄士科,陶琳,张天序.一种改进的基于光流的运动目标检测方法.华中科技大学学报(自然科学版).2005,(第05期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN113947608A (zh) | 2022-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | High-accuracy multi-camera reconstruction enhanced by adaptive point cloud correction algorithm | |
CN104796612B (zh) | 高清雷达联动跟踪控制摄像系统及联动跟踪方法 | |
CN103499297B (zh) | 一种基于ccd的高精度测量方法 | |
CN108562250B (zh) | 基于结构光成像的键盘键帽平整度快速测量方法与装置 | |
CN111288967B (zh) | 一种基于机器视觉的远距离高精度位移检测方法 | |
CN102673106B (zh) | 一种用于光伏太阳能硅片的丝网印刷定位设备及定位方法 | |
CN103575227A (zh) | 一种基于数字散斑的视觉引伸计实现方法 | |
CN109297428A (zh) | 一种基于无人机的高精度变形巡测技术方法 | |
CN113724193B (zh) | Pcba零部件尺寸及间隙高精度视觉测量方法 | |
CN109741393B (zh) | 双孢菇直径测量和中心点定位方法 | |
CN111047586B (zh) | 一种基于机器视觉的像素当量测量方法 | |
CN113569647B (zh) | 一种基于ais的船舶高精度坐标映射方法 | |
CN116542969B (zh) | 一种基于视觉技术的道路沥青粘连检测方法 | |
CN112802123B (zh) | 一种基于条纹虚拟靶标的双目线阵相机静态标定方法 | |
CN103245309B (zh) | 一种激光平整度测量误差补偿方法 | |
CN111256607A (zh) | 一种基于三通道标志点的变形测量方法 | |
CN113947608B (zh) | 一种基于几何匹配法控制的结构不规则运动高精度测量方法 | |
CN112906095B (zh) | 基于激光条纹中心追踪的桥梁模态识别方法及其系统 | |
CN112526154B (zh) | 一种计算机视觉下的圆模板匹配旋转结构运动无标记测量方法 | |
CN112525326A (zh) | 一种无标记结构三维振动的计算机视觉测量方法 | |
CN109879170B (zh) | 一种起重机吊臂旁弯位移实时检测系统 | |
CN210154538U (zh) | 一种基于机器视觉的金属结构变形的测量装置 | |
CN115839677A (zh) | 高动态范围物体表面三维形貌测量方法及系统 | |
CN113870203B (zh) | 一种针对重影边界圆心定位的高精度运动测量方法 | |
CN112945125A (zh) | 一种非接触式的轮胎滚动变形特性测试方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |