CN113959341B - 光学结构位移测量方法、系统及存储介质 - Google Patents
光学结构位移测量方法、系统及存储介质 Download PDFInfo
- Publication number
- CN113959341B CN113959341B CN202111197575.3A CN202111197575A CN113959341B CN 113959341 B CN113959341 B CN 113959341B CN 202111197575 A CN202111197575 A CN 202111197575A CN 113959341 B CN113959341 B CN 113959341B
- Authority
- CN
- China
- Prior art keywords
- calculation
- displacement
- region
- roi
- area
- 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
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 104
- 230000003287 optical effect Effects 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 101
- 238000005259 measurement Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 238000000691 measurement method Methods 0.000 claims abstract description 12
- 238000010586 diagram Methods 0.000 claims abstract description 7
- 230000002452 interceptive effect Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
-
- 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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种光学结构位移测量方法、系统及存储介质。其中方法包括:S1:将相机架设在合适的测量位置,并调整相机参数,聚焦于被测区域;S2:在初始图中设置潜在目标区域A,目标的计算区域ROI以及不动参考的计算区域Rf,并让相机开始连续采集;S3:采用特征点匹配算法对计算区域ROI和计算区域Rf进行持续的特征追踪匹配,当特征点正常时使用计算区域ROI获取目标像素位移;当特征点匹配异常时,用SiamAttn跟踪器预测干扰轨迹,在区域A中寻找新的计算区域ROI1获取目标像素位移;S4:根据计算区域Rf的像素位移修正相机扰动对目标引起的像素位移误差;S5:用测距法将像素位移转换为工程位移。上述方法可以避免因干扰物和光影剧变而导致测量数据中断。
Description
技术领域
本发明涉及结构健康监测技术领域,特别涉及一种光学结构位移测量方法、系统及存储介质。
背景技术
包括大跨桥梁、高耸建筑等在内的结构位移监测对于评估结构的安全状态具有重要意义,而对于这类大型土木工程结构位移的快速、准确测量仍然面临诸多局限性与工程挑战。
随着图像处理技术的飞速发展与广泛应用,基于图像处理技术的土木工程结构位移测量技术已经在科研领域取得很多成果。其中保证位移测量的高精度是计算机视觉测量系统的核心,也是目前计算机视觉位移测量研究的热点。尤其是室外测量时的环境扰动问题的解决,但目前针对测量目标在较为复杂极端环境扰动下的测量还关注较少,例如光影剧烈变化或者外界物体遮挡引起的目标消失等,还需要进一步的解决。
发明内容
发明目的:本发明的目的是提出一种光学结构位移测量方法,当光影剧烈变化或者有外界物体遮挡时,可以保持测量数据的不间断,使得测量结构连续的同时具有更高的真实性。
本发明的另一目的是提出一种可以实施上述光学结构位移测量方法的测量系统,以及存储有上述测量方法实例化的计算机程序的存储介质。
技术方案:本发明所述的光学结构位移测量方法,包括如下步骤:
S1:将相机架设在合适的测量位置,并调整相机参数,聚焦于被测区域;
S2:在初始图中设置潜在目标区域A,目标附近的计算区域ROI以及不动参考的计算区域Rf,并让相机开始连续采集;
S3:采用特征点匹配算法对计算区域ROI和计算区域Rf进行持续的特征追踪匹配,当特征点正常时,由计算区域ROI中的特征点坐标推算像素位移;当特征点异常时,采用可变形孪生注意力网络跟踪器预测干扰物在潜在目标区域A中的运动轨迹和覆盖区域,在潜在目标区域A中选择避开干扰物的新的计算区域ROI1,由计算区域ROI1中的特征点坐标推算像素位移,并与计算区域ROI中获得的像素位移连接成一个时程;
S4:根据计算区域Rf的像素位移修正相机扰动对目标引起的像素位移误差;
S5:用测距法建立工程位移与像素位移之间的映射关系式,将像素位移转换为工程位移。
进一步的,所述S3步骤中的特征点匹配算法为改进的SURF-BRISK特征点匹配算法,SURF检测子仅构建一组,组内模板尺寸分别为15、27、39和51。
进一步的,所述SURF-BRISK特征点匹配算法,采用如下几何约束预判断模型对原始匹配点数据集进行预提纯:对于一组待拼接图像I1(x,y)和I2(x,y),图像I1(x,y)中的匹配点P1i(x,y)与其在图像I2(x,y)中对应的匹配点P2i(x,y)所确定的直线斜率为ki,距离为di,选取满足ki∈[0.15kmean+0.85kmin,0.15kmean+0.85kmax]且满足di∈[0.15dmean+0.85dmin,0.15dmean+0.85dmax]的匹配点对组成新的样本集,其中kmean、kmin和kmax分别为所有匹配点确定的直线斜率的均值、最小值和最大值,dmean、dmin和dmax分别为所有匹配点间距离的均值、最小值和最大值。进一步的,所述S3步骤包括:
S3.1:若当前帧计算区域ROI中的特征点数目小于阈值MU1,或者当前帧计算区域ROI中的特征点数目大于等于阈值MU1,但是当前帧计算区域ROI中与模板图像中的特征点匹配对数小于阈值MU2,则进入步骤S3.2;否则进入步骤S3.5;
S3.2:通过可变形孪生注意力网络跟踪器预测干扰物在潜在目标区域A中的运动轨迹和覆盖区域,确定不被干扰区域B;
S3.3:在不被干扰区域B中寻找含有特征点、评分最高且与计算区域ROI面积相同的区域为新的计算区域ROI1;
S3.4:根据计算区域Rf计算参考点像素位移,由计算区域ROI1中的特征点坐标推算像素位移,将计算区域ROI1中获得的像素位移与计算区域ROI中获得的像素位移连接成一个时程;
S3.5:由计算区域ROI中的特征点坐标推算像素位移。
进一步的,所述S3.3步骤中,计算区域ROI1的评分标准为s=0.6s1+0.4s2,其中s1=n2/n1,n1为计算区域ROI在初始图像中检测到的特征点数量,n2为备选区域在当前帧检测到的特征点数量,s2=1-d1/d1max,d1为备选区域像素中心与计算区域ROI的像素中心的距离,dmax为备选区域的像素中心与计算区域ROI的像素中心的距离的最大可能值。
进一步的,所述S3.1步骤中,当计算区域ROI中的特征点数大于等于MU1,且计算区域ROI中与模板图像中的特征点匹配对数大于等于阈值MU2的帧数连续超过预设阈值,进入步骤S3.5。
本发明所述的光学结构位移测量系统,包括:初始化模块,用于设置潜在目标区域A、目标附近的计算区域ROI、不动参考的计算区域Rf及相机参数;图像采集模块,用于控制相机采集图像并对图像进行预处理;干扰追踪模块,当计算区域ROI中特征点数不足时,采用跟踪器追踪干扰物在潜在目标区域A中的运动轨迹和覆盖区域,并寻找新的避开干扰物的计算区域ROI1;特征匹配模块,用于采用特征点匹配算法获取计算区域ROI或者计算区域ROI1中的特征点坐标,并判断计算区域ROI中是否有干扰物;数据处理模块,用于将像素位移转换为工程位移,以及将计算区域ROI1的像素位移与计算区域ROI的像素位移连接成一个时程。
本发明所述的存储介质,存储有计算机程序,所述计算机程序被设置为运行时实现上述光学结构位移测量方法。
有益效果:与现有技术相比,本发明具有如下优点:可以解决室外测量时目标被遮挡或者光照突然剧烈变化等不利因素,通过更换新的计算区域,保证追踪测量结果的连续性,使的测试数据具有更高的真实性,适用于对结构的全天候长期监测。
附图说明
图1为本发明的实施例的光学结构位移测量方法的流程图;
图2为本发明的实施例的测量方法应用于桥梁的示意图;
图3为本发明的实施例的潜在目标区域A、计算区域ROI和ROI1的示意图;
图4为本发明的实施例的计算区域ROI和ROI1的像素位移的连接示意图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
根据本发明实施例的光学结构位移测量方法,包括如下步骤:
S1:将相机架设在合适的测量位置,并调整相机参数,聚焦于被测区域;
S2:在初始图中设置潜在目标区域A,目标附近的计算区域ROI以及不动参考的计算区域Rf,并让相机开始连续采集;
S3:采用特征点匹配算法对计算区域ROI和计算区域Rf进行持续的特征追踪匹配,当特征点正常时,由计算区域ROI中的特征点坐标推算像素位移;当特征点异常时,采用可变形孪生注意力网络跟踪器预测干扰物在潜在目标区域A中的运动轨迹和覆盖区域,在潜在目标区域A中选择避开干扰物的新的计算区域ROI1,由计算区域ROI1中的特征点坐标推算像素位移,并与计算区域ROI中获得的像素位移连接成一个时程;
S4:根据计算区域Rf的像素位移修正相机扰动对目标引起的像素位移误差;
S5:用测距法建立工程位移与像素位移之间的映射关系式,将像素位移转换为工程位移。
上述光学结构位移测量方法,当计算区域ROI中由于干扰物遮挡或者光影剧烈变化导致特征点数量减少时,采用跟踪器对干扰物遮挡进行归集预测,并且在潜在目标区域中寻找没有干扰且特征点较优质的区域作为新的计算区域ROI1,如图3所示,根据计算区域ROI1中特征点坐标获得目标的像素位移,最后将ROI1的像素位移和ROI的像素位移连接为一个时程,保持监测的连续性,不会应为ROI区域中出现环境干扰导致找不到特征点,导致监测数据中断,提高检测数据的真实性。跟踪器选用可变形孪生注意力网络跟踪器(Deformable Siamese Attention Networks,SiamAttn),该跟踪器由码隆科技于2020年提出,提升了孪生网络跟踪器的特征学习能力,这种注意力机制为跟踪器提供了一种自适应地隐式更新模板特征的方法,SiamAttn明显超越了其他现有跟踪算法。
实际中,步骤S3中的特征点匹配算法可以采用SIFT、SURF、ORB或者FAST等特征点匹配算法,参照图1,在本实施例中,采用改进的SURF-BRISK特征点匹配算法。桥梁、高耸建筑物等结构在实际情况中尺度变化微乎其微,所以在本实施例中,SURF-BRISK算法的SURF检测子为降尺度的检测子,仅构建一组,组内的模板尺寸分别为15、27、39和51。并且在桥梁及建筑物等结构的采集图像中,图像序列之间只是简单的刚体平移,所以采用如下几何约束预判断模型,对原始匹配点对数据集进行预提纯,以剔除错配点的同时,减少RANSAC算法的原始数据量,提高特征匹配速度,并且提高变换矩阵求解的精确度。对于一组待拼接图像I1(x,y)和I2(x,y),图像I1(x,y)中的匹配点P1i(x,y)与其在图像I2(x,y)中对应的匹配点P2i(x,y),两点P1i(xi,yi)和P2j(xj,yj)所确定的直线斜率为ki,距离为di,其数学形式为
选取满足ki∈[0.15kmean+0.85kmin,0.15kmean+0.85kmax]且满足di∈[0.15dmean+0.85dmin,0.15dmean+0.85dmax]的匹配点对,组成新的样本集。
参照图2,以桥梁结构的跨中测量为例,相机架设在桥下的桥墩附近,不动参考的计算区域Rf可以选择另外一个桥墩,计算区域Rf的像素位移作为参考点像素位移,实际的目标的像素位移=计算区域ROI或ROI1中的目标像素位移减去参考点像素位移。
在本实施例中,以竖向位移测量为例,在步骤S5中,设测量测点到相机的距离为L0,对于相机仰角为α,采用测距法建立工程位移dy与图像位移v之间的换算关系:
当角度α小于5°时可以忽略。其中(xs,ys)为测点的初始像素坐标,(cx,cy)近似为图像中心,v表示像素位移,L0表示测点到相机光心的距离,lps为相机的CCD靶面的像元尺寸。
参照图1,步骤S3具体包括:
S3.1:若当前帧计算区域ROI中的特征点数目小于阈值MU1,或者当前帧计算区域ROI中的特征点数目大于等于阈值MU1,但是当前帧计算区域ROI中与模板图像中的特征点匹配对数小于阈值MU2,则进入步骤S3.2;否则进入步骤S3.5;
S3.2:通过可变形孪生注意力网络跟踪器预测干扰物在潜在目标区域A中的运动轨迹和覆盖区域,确定不被干扰区域B;
S3.3:在不被干扰区域B中寻找含有特征点、评分最高且与计算区域ROI面积相同的区域为新的计算区域ROI1;
S3.4:根据计算区域Rf计算参考点像素位移,由计算区域ROI1中的特征点坐标推算像素位移,将计算区域ROI1中获得的像素位移与计算区域ROI中获得的像素位移连接成一个时程;
S3.5:由计算区域ROI中的特征点坐标推算像素位移。其中步骤S3.3中,评分方法应根据测量的结构具体确定,比如特征点数量越多评分越高,或者综合特征点数量以及与计算区域ROI的距离考虑计算备选区域的评分。在本实施例中,采用的评分标准为s=0.6s1+0.4s2,其中s1=n2/n1,n1为计算区域ROI在初始图像中检测到的特征点数量,n2为备选区域在当前帧检测到的特征点数量,s2=1-d1/d1max,d1为备选区域像素中心与计算区域ROI的像素中心的距离,dmax为备选区域的像素中心与计算区域ROI的像素中心的距离的最大可能值。当具有多个评分相同的备选区域时,可以选择距离计算区域ROI纵向距离最近的或者横向距离最近的备选区域为计算区域ROI1。例如,对于桥的测量,一般认为沿着桥梁宽度方向都可以近似认为在一个横断面上,其位移时程的幅值更具有一致性,那么就可以以距离计算区域ROI的横向距离最小作为评分相同时的选择标准。实际中,权重0.6和0.4可以根据具体情况进行适当调整。
在本实施例中,MU1和MU2均取6。
参照图1,为了进一步提高监测过程中追踪区域的一致性,在使用计算区域ROI1时,也需要同时追踪计算区域ROI,当连续一定帧数中,计算区域ROI的特征点数量回到正常水平,则重新选择计算区域ROI作为目标追踪区域。在本实施例中,帧数的阈值为10。
参照图4,计算区域ROI1和计算区域ROI的连接方式如下,如果在第325帧时启用ROI1,它所提取的位移时程以第325帧为初始时刻,所以第325帧的位移(虚线)为零。将ROI1与初始帧(第0帧)进行匹配,计算ROI1启用时刻的位移偏移量为1.05,所以只需要将位移都增加1.05即可以与ROI之前的位移时程连接在一起。
根据本发明实施例的光学结构位移检测系统,可以实施上述检测方法,包括:初始化模块:用于设置潜在目标区域A、目标附近的计算区域ROI、不动参考的计算区域Rf及相机参数;图像采集模块:用于控制相机采集图像并对图像进行预处理;干扰追踪模块:当计算区域ROI中特征点数不足时,采用跟踪器追踪干扰物在潜在目标区域A中的运动轨迹和覆盖区域,并寻找新的避开干扰物的计算区域ROI1;特征匹配模块:用于采用特征点匹配算法获取计算区域ROI或者计算区域ROI1中的特征点坐标,并判断计算区域ROI中是否有干扰物;数据处理模块:用于将像素位移转换为工程位移,以及将计算区域ROI1的像素位移与计算区域ROI的像素位移连接成一个时程。
根据本发明实施例的存储介质,存储有上述光学结构位移检测方法实例化的计算机程序。
Claims (8)
1.一种光学结构位移测量方法,其特征在于,包括如下步骤:
S1:将相机架设在合适的测量位置,并调整相机参数,聚焦于被测区域;
S2:在初始图中设置潜在目标区域A,目标附近的计算区域ROI以及不动参考的计算区域Rf,并让相机开始连续采集;
S3:采用特征点匹配算法对计算区域ROI和计算区域Rf进行持续的特征追踪匹配,当特征点正常时,由计算区域ROI中的特征点坐标推算像素位移;当特征点异常时,采用可变形孪生注意力网络跟踪器预测干扰物在潜在目标区域A中的运动轨迹和覆盖区域,在潜在目标区域A中选择避开干扰物的新的计算区域ROI1,由计算区域ROI1中的特征点坐标推算像素位移,并与计算区域ROI中获得的像素位移连接成一个时程;
S4:根据计算区域Rf的像素位移修正相机扰动对目标引起的像素位移误差;
S5:用测距法建立工程位移与像素位移之间的映射关系式,将像素位移转换为工程位移。
2.根据权利要求1所述的光学结构位移测量方法,其特征在于,所述S3步骤中的特征点匹配算法为改进的SURF-BRISK特征点匹配算法,SURF检测子仅构建一组,组内模板尺寸分别为15、27、39和51。
3.根据权利要求2所述的光学结构位移测量方法,其特征在于,所述SURF-BRISK特征点匹配算法,采用如下几何约束预判断模型对原始匹配点数据集进行预提纯:对于一组待拼接图像I1(x,y)和I2(x,y),图像I1(x,y)中的匹配点P1i(x,y)与其在图像I2(x,y)中对应的匹配点P2i(x,y)所确定的直线斜率为ki,距离为di,选取满足ki∈[0.15kmean+0.85kmin,0.15kmean+0.85kmax]且满足di∈[0.15dmean+0.85dmin,0.15dmean+0.85dmax]的匹配点对组成新的样本集,其中kmean、kmin和kmax分别为所有匹配点确定的直线斜率的均值、最小值和最大值,dmean、dmin和dmax分别为所有匹配点间距离的均值、最小值和最大值。
4.根据权利要求1所述的光学结构位移测量方法,其特征在于,所述S3步骤包括:
S3.1:若当前帧计算区域ROI中的特征点数目小于阈值MU1,或者当前帧计算区域ROI中的特征点数目大于等于阈值MU1,但是当前帧计算区域ROI中与模板图像中的特征点匹配对数小于阈值MU2,则进入步骤S3.2;否则进入步骤S3.5;
S3.2:通过可变形孪生注意力网络跟踪器预测干扰物在潜在目标区域A中的运动轨迹和覆盖区域,确定不被干扰区域B;
S3.3:在不被干扰区域B中寻找含有特征点、评分最高且与计算区域ROI面积相同的区域为新的计算区域ROI1;
S3.4:根据计算区域Rf计算参考点像素位移,由计算区域ROI1中的特征点坐标推算像素位移,将计算区域ROI1中获得的像素位移与计算区域ROI中获得的像素位移连接成一个时程;
S3.5:由计算区域ROI中的特征点坐标推算像素位移。
5.根据权利要求4所述的光学结构位移测量方法,其特征在于,所述S3.3步骤中,计算区域ROI1的评分标准为s=0.6s1+0.4s2,其中s1=n2/n1,n1为计算区域ROI在初始图像中检测到的特征点数量,n2为备选区域在当前帧检测到的特征点数量,s2=1-d1/d1max,d1为备选区域像素中心与计算区域ROI的像素中心的距离,dmax为备选区域的像素中心与计算区域ROI的像素中心的距离的最大可能值。
6.根据权利要求4所述的光学结构位移测量方法,其特征在于,所述S3.1步骤中,当计算区域ROI中的特征点数大于等于MU1,且计算区域ROI中与模板图像中的特征点匹配对数大于等于阈值MU2的帧数连续超过预设阈值,进入步骤S3.5。
7.一种采用权利要求1所述的光学结构位移测量方法的光学结构位移测量系统,其特征在于,包括:
初始化模块,用于设置潜在目标区域A、目标附近的计算区域ROI、不动参考的计算区域Rf及相机参数;
图像采集模块,用于控制相机采集图像并对图像进行预处理;
干扰追踪模块,当计算区域ROI中特征点数不足时,采用跟踪器追踪干扰物在潜在目标区域A中的运动轨迹和覆盖区域,并寻找新的避开干扰物的计算区域ROI1;
特征匹配模块,用于采用特征点匹配算法获取计算区域ROI或者计算区域ROI1中的特征点坐标,并判断计算区域ROI中是否有干扰物;
数据处理模块,用于将像素位移转换为工程位移,以及将计算区域ROI1的像素位移与计算区域ROI的像素位移连接成一个时程。
8.一种存储介质,存储有计算机程序,其特征在于,所述计算机程序被设置为运行时实现根据权利要求1至6任一项所述的光学结构位移测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111197575.3A CN113959341B (zh) | 2021-10-14 | 2021-10-14 | 光学结构位移测量方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111197575.3A CN113959341B (zh) | 2021-10-14 | 2021-10-14 | 光学结构位移测量方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113959341A CN113959341A (zh) | 2022-01-21 |
CN113959341B true CN113959341B (zh) | 2024-04-26 |
Family
ID=79464359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111197575.3A Active CN113959341B (zh) | 2021-10-14 | 2021-10-14 | 光学结构位移测量方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113959341B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117935096B (zh) * | 2024-03-21 | 2024-05-17 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 基于无人机的结构振动监测校正方法、设备和存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006203733A (ja) * | 2005-01-24 | 2006-08-03 | Sony Corp | 画像データ処理方法および画像データ処理装置 |
JP2009031295A (ja) * | 2008-08-05 | 2009-02-12 | Olympus Corp | 移動体姿勢検出装置 |
CN102098531A (zh) * | 2010-12-16 | 2011-06-15 | 东软集团股份有限公司 | 一种检测摄像机被干扰的方法及装置 |
CN102436662A (zh) * | 2011-11-29 | 2012-05-02 | 南京信息工程大学 | 一种非重叠视域多摄像机网络中的人体目标跟踪方法 |
CN102589523A (zh) * | 2011-01-11 | 2012-07-18 | 香港理工大学深圳研究院 | 远距离监测建筑物位移的方法和所用装备 |
CN104359406A (zh) * | 2014-10-16 | 2015-02-18 | 浙江大学 | 一种准分布式结构位移光学测量方法 |
CN105335986A (zh) * | 2015-09-10 | 2016-02-17 | 西安电子科技大学 | 基于特征匹配和MeanShift算法的目标跟踪方法 |
CN109559348A (zh) * | 2018-11-30 | 2019-04-02 | 东南大学 | 一种基于特征点追踪的桥梁非接触式变形测量方法 |
CN109754429A (zh) * | 2018-12-14 | 2019-05-14 | 东南大学 | 一种基于图像的桥梁结构挠度测量方法 |
CN209425098U (zh) * | 2018-11-30 | 2019-09-24 | 华中科技大学 | 一种高速切削变形场的在线测量系统 |
CN112747750A (zh) * | 2020-12-30 | 2021-05-04 | 电子科技大学 | 一种基于单目视觉里程计和imu融合的定位方法 |
WO2021157116A1 (ja) * | 2020-02-07 | 2021-08-12 | パナソニックIpマネジメント株式会社 | 位置測定装置 |
-
2021
- 2021-10-14 CN CN202111197575.3A patent/CN113959341B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006203733A (ja) * | 2005-01-24 | 2006-08-03 | Sony Corp | 画像データ処理方法および画像データ処理装置 |
JP2009031295A (ja) * | 2008-08-05 | 2009-02-12 | Olympus Corp | 移動体姿勢検出装置 |
CN102098531A (zh) * | 2010-12-16 | 2011-06-15 | 东软集团股份有限公司 | 一种检测摄像机被干扰的方法及装置 |
CN102589523A (zh) * | 2011-01-11 | 2012-07-18 | 香港理工大学深圳研究院 | 远距离监测建筑物位移的方法和所用装备 |
CN102436662A (zh) * | 2011-11-29 | 2012-05-02 | 南京信息工程大学 | 一种非重叠视域多摄像机网络中的人体目标跟踪方法 |
CN104359406A (zh) * | 2014-10-16 | 2015-02-18 | 浙江大学 | 一种准分布式结构位移光学测量方法 |
CN105335986A (zh) * | 2015-09-10 | 2016-02-17 | 西安电子科技大学 | 基于特征匹配和MeanShift算法的目标跟踪方法 |
CN109559348A (zh) * | 2018-11-30 | 2019-04-02 | 东南大学 | 一种基于特征点追踪的桥梁非接触式变形测量方法 |
CN209425098U (zh) * | 2018-11-30 | 2019-09-24 | 华中科技大学 | 一种高速切削变形场的在线测量系统 |
CN109754429A (zh) * | 2018-12-14 | 2019-05-14 | 东南大学 | 一种基于图像的桥梁结构挠度测量方法 |
WO2021157116A1 (ja) * | 2020-02-07 | 2021-08-12 | パナソニックIpマネジメント株式会社 | 位置測定装置 |
CN112747750A (zh) * | 2020-12-30 | 2021-05-04 | 电子科技大学 | 一种基于单目视觉里程计和imu融合的定位方法 |
Non-Patent Citations (3)
Title |
---|
Fast bridge deflection monitoring through an improved featuretracing algorithm;Shanshan Yu;《Computer-Aided Civil and Infrastructure Engineering》;20190918;全文 * |
基于图像序列的桥梁形变位移测量方法;黄建坤;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20181015;全文 * |
基于相机扰动校正的桥梁结构变形测量方法与应用;于姗姗;《中国优秀博士学位论文全文数据库 工程科技Ⅱ辑》;20220515;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113959341A (zh) | 2022-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109559348B (zh) | 一种基于特征点追踪的桥梁非接触式变形测量方法 | |
CN102279973B (zh) | 基于高梯度关键点的海天线检测方法 | |
CN107945215B (zh) | 高精度红外图像跟踪器及一种目标快速跟踪方法 | |
CN109711332B (zh) | 一种基于回归算法的人脸跟踪方法及应用 | |
CN107014294A (zh) | 一种基于红外图像的接触网几何参数检测方法及系统 | |
CN111598928B (zh) | 一种基于具有语义评估和区域建议的突变运动目标跟踪方法 | |
CN112991391A (zh) | 一种基于雷达信号和视觉融合的车辆检测与跟踪方法 | |
CN103093458B (zh) | 关键帧的检测方法及装置 | |
CN113959341B (zh) | 光学结构位移测量方法、系统及存储介质 | |
CN116258649B (zh) | 基于熔池状态分析的焊接参数自适应调整方法 | |
CN108334885A (zh) | 一种视频卫星图像空间目标检测方法 | |
CN111160212A (zh) | 一种基于YOLOv3-Tiny改进的跟踪学习检测系统及方法 | |
CN102980838A (zh) | 一种绝缘子憎水性检测方法 | |
CN110717934A (zh) | 一种基于strcf的抗遮挡目标跟踪方法 | |
CN113781523B (zh) | 一种足球检测跟踪方法及装置、电子设备、存储介质 | |
CN109544584B (zh) | 一种实现巡检稳像精度测量的方法及系统 | |
CN110686679A (zh) | 高轨光学卫星海上目标中断航迹关联方法 | |
CN113573022A (zh) | 一种基于毫米波雷达和ptz云台的目标自动跟踪方法 | |
US7170494B2 (en) | Optical navigation sensor device and image processing method using 2-dimensional sequential image process | |
CN113763401A (zh) | 一种快速多点自动对焦方法、系统及其应用设备 | |
CN108764343A (zh) | 一种跟踪算法中的跟踪目标框的定位方法 | |
CN110969601B (zh) | 基于视觉特征跟踪算法的结构转动响应非接触式识别方法 | |
CN115984360B (zh) | 一种基于图像处理的计算干滩长度的方法及系统 | |
CN114693659B (zh) | 基于图像处理的铜管表面清洗效果评估方法及系统 | |
CN116385915A (zh) | 一种基于时空信息融合的水面漂浮物目标检测与跟踪方法 |
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 |