CN114266835A - 一种非量测相机的变形监测控制方法与系统 - Google Patents

一种非量测相机的变形监测控制方法与系统 Download PDF

Info

Publication number
CN114266835A
CN114266835A CN202111610915.0A CN202111610915A CN114266835A CN 114266835 A CN114266835 A CN 114266835A CN 202111610915 A CN202111610915 A CN 202111610915A CN 114266835 A CN114266835 A CN 114266835A
Authority
CN
China
Prior art keywords
image
real
target structure
time
initial
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
Application number
CN202111610915.0A
Other languages
English (en)
Inventor
黄炜昭
史小强
张繁
张宏钊
王勋江
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.)
Shenzhen Power Supply Bureau Co Ltd
Original Assignee
Shenzhen Power Supply Bureau Co Ltd
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 Shenzhen Power Supply Bureau Co Ltd filed Critical Shenzhen Power Supply Bureau Co Ltd
Priority to CN202111610915.0A priority Critical patent/CN114266835A/zh
Publication of CN114266835A publication Critical patent/CN114266835A/zh
Pending legal-status Critical Current

Links

Images

Abstract

本发明涉及一种非量测相机的变形监测控制方法与系统，包括：通过第一非量测相机对目标结构进行拍摄得到第一初始图像，并同步通过第二非量测相机对目标结构进行拍摄得到第二初始图像；通过第一非量测相机实时对目标结构进行拍摄得到第一实时图像，并同步通过第二非量测相机实时对目标结构进行拍摄得到第二实时图像；图像处理装置对第一初始图像和第二初始图像进行图像识别，确定目标结构的特征点的初始三维坐标；图像处理装置对第一实时图像和第二实时图像进行图像识别，确定目标结构的特征点的实时三维坐标；图像处理装置根据目标结构的特征点的初始三维坐标和实时三维坐标计算目标结构的形变量，本发明能够实现监测结构整体变形的监测。

Description

一种非量测相机的变形监测控制方法与系统
技术领域
本发明涉及物体形变监测技术领域，具体涉及一种非量测相机的变形监测控制方法与系统。
背景技术
传统的变形监测主要以人为操作经纬仪、水准仪、皮尺等周期性量测变形体(如裂缝、滑坡、构筑物等)为主。以滑坡位移测量为例，传统的滑坡监测技术为采用经纬仪观测，时间间隔通常为10天至半月一次；但在雨季或滑坡变形较剧烈时期，则必须提高观测频率甚至要求进行连续不间断观测。工作强度大，数据实时性差。而对一些危险或人员不能轻易到达区域，人们往往希望能够以远程操控仪器并传回数据的方式完成测量任务。由此可见，远程实时性和自动化已经成为当代变形监测的重要部分。
GPS技术虽然能够自动完成监测、记录和计算，但是需要在每个点布设GPS接收机或者天线，成本较高，不适合监测测点较多的大型桥梁建筑，且当采样频率较高时，监测精度较低，达不到变形监测的精度要求。测量机器人虽然能够实现自动化监测，监测周期较长，无法监测动态变形。传感器测量能够实时的监测，但需要与结构体直接接触且只能监测结构体的局部变形。三维激光扫描技术虽然能够监测大型结构体的整体变形，但是扫描周期较长，无法监测结构物的动态变形。激光干涉法和挠度仪法需要在目标点上分别布设棱镜和光学标志，无法同时监测多个点。
综上所述，目前采用的监测手段有的自动化程度较低，无法监测动态变形；有的成本较高，难以在工程中推广应用；有的只能监测局部变形，无法监测结构体的整体变形；因此，现行的监测手段很难在有限的经济成本内实现监测结构整体变形的监测，并对监测结构的安全进行预警。
发明内容
本发明的目的在于提出一种非量测相机的变形监测控制方法，以在有限的经济成本内实现监测结构整体变形的监测。
为实现上述目的，本发明的实施例提出一种非量测相机的变形监测控制方法，其基于一非量测相机的变形监测控制系统实现，所述系统包括第一非量测相机、第二非量测相机和图像处理装置，所述方法包括如下步骤：
通过所述第一非量测相机对目标结构进行拍摄得到第一初始图像，并同步通过所述第二非量测相机对所述目标结构进行拍摄得到第二初始图像；
通过所述第一非量测相机实时对所述目标结构进行拍摄得到第一实时图像，并同步通过所述第二非量测相机实时对所述目标结构进行拍摄得到第二实时图像；
所述图像处理装置对所述第一初始图像和所述第二初始图像进行图像识别，确定所述目标结构的特征点的初始三维坐标；
所述图像处理装置对所述第一实时图像和所述第二实时图像进行图像识别，确定所述目标结构的特征点的实时三维坐标；
所述图像处理装置根据所述目标结构的特征点的初始三维坐标和实时三维坐标计算所述目标结构的形变量。
优选地，所述方法还包括：
所述图像处理装置对所述第一初始图像和所述第一实时图像中的特征点进行匹配，并对所述第二初始图像和所述第二实时图像中的特征点进行匹配；
根据特征点匹配结果确定所述第一初始图像、所述第一实时图像、所述第二初始图像、所述第二实时图像中属于目标结构上的任一个相同特征点；
其中，所述图像处理装置根据所述目标结构的特征点的初始三维坐标和实时三维坐标计算所述目标结构的形变量，包括：
所述图像处理装置获取所述任一个相同特征点的初始三维坐标和实时三维坐标，并根据所述任一个相同特征点的初始三维坐标和实时三维坐标计算所述目标结构在所述任一个相同特征点上的形变量。
优选地，所述目标结构的整体形变量根据所述目标结构上多个特征点的形变量进行计算得到。
优选地，所述图像处理装置对所述第一初始图像和所述第二初始图像进行图像识别，确定所述目标结构的特征点的初始三维坐标，包括：
对于所述目标结构上的任一个特征点，获取其在所述第一初始图像中的图像坐标(x1,y1)以及其在所述第二初始图像中的图像坐标(x2,y2)；
获取所述第一非量测相机的三维坐标(X1,Y1,Z1)和所述第二非量测相机的三维坐标(X2,Y2,Z2)；
根据所述图像坐标(x1,y1)、图像坐标(x2,y2)、三维坐标(X1,Y1,Z1)和三维坐标(X2,Y2,Z2)计算所述目标结构上的任一个特征点的三维坐标(X0,Y0,Z0)。
优选地，所述图像处理装置对所述第一实时图像和所述第二实时图像进行图像识别，确定所述目标结构的特征点的实时三维坐标，包括：
对于所述目标结构上的任一个特征点，获取其在所述第一实时图像中的图像坐标(x3,y3)以及其在所述第二实时图像中的图像坐标(x4,y4)；
获取所述第一非量测相机的三维坐标(X3,Y3,Z3)和所述第二非量测相机的三维坐标(X4,Y4,Z4)；
根据所述图像坐标(x3,y3)、图像坐标(x4,y4)、三维坐标(X3,Y3,Z3)和三维坐标(X4,Y4,Z4)计算所述目标结构上的任一个特征点的三维坐标(XS,YS,ZS)。
本发明的实施例还提出一种非量测相机的变形监测控制系统，包括第一非量测相机、第二非量测相机和图像处理装置，所述图像处理装置包括坐标计算单元和形变量计算单元；
所述第一非量测相机用于对目标结构进行拍摄得到第一初始图像，所述第二非量测相机用于同步对所述目标结构进行拍摄得到第二初始图像；
所述第一非量测相机用于实时对所述目标结构进行拍摄得到第一实时图像，所述第二非量测相机用于同步实时对所述目标结构进行拍摄得到第二实时图像；
所述坐标计算单元用于对所述第一初始图像和所述第二初始图像进行图像识别，确定所述目标结构的特征点的初始三维坐标；并且，用于对所述第一实时图像和所述第二实时图像进行图像识别，确定所述目标结构的特征点的实时三维坐标；
所述形变量计算单元用于根据所述目标结构的特征点的初始三维坐标和实时三维坐标计算所述目标结构的形变量。
优选地，所述图像处理装置还包括特征点匹配单元，
所述特征点匹配单元用于对所述第一初始图像和所述第一实时图像中的特征点进行匹配，对所述第二初始图像和所述第二实时图像中的特征点进行匹配；并且，根据特征点匹配结果确定所述第一初始图像、所述第一实时图像、所述第二初始图像、所述第二实时图像中属于目标结构上的任一个相同特征点；
所述形变量计算单元具体用于获取所述任一个相同特征点的初始三维坐标和实时三维坐标，并根据所述任一个相同特征点的初始三维坐标和实时三维坐标计算所述目标结构在所述任一个相同特征点上的形变量。
优选地，所述目标结构的整体形变量根据所述目标结构上多个特征点的形变量进行计算得到。
优选地，所述坐标计算单元具体用于：
对于所述目标结构上的任一个特征点，获取其在所述第一初始图像中的图像坐标(x1,y1)以及其在所述第二初始图像中的图像坐标(x2,y2)；
获取所述第一非量测相机的三维坐标(X1,Y1,Z1)和所述第二非量测相机的三维坐标(X2,Y2,Z2)；
根据所述图像坐标(x1,y1)、图像坐标(x2,y2)、三维坐标(X1,Y1,Z1)和三维坐标(X2,Y2,Z2)计算所述目标结构上的任一个特征点的三维坐标(X0,Y0,Z0)。
优选地，所述坐标计算单元具体用于：
对于所述目标结构上的任一个特征点，获取其在所述第一实时图像中的图像坐标(x3,y3)以及其在所述第二实时图像中的图像坐标(x4,y4)；
获取所述第一非量测相机的三维坐标(X3,Y3,Z3)和所述第二非量测相机的三维坐标(X4,Y4,Z4)；
根据所述图像坐标(x3,y3)、图像坐标(x4,y4)、三维坐标(X3,Y3,Z3)和三维坐标(X4,Y4,Z4)计算所述目标结构上的任一个特征点的三维坐标(XS,YS,ZS)。
本发明的实施例相比于其它监测手段具有以下优点：
(1)采样频率高，能够快速采集数据，获取被监测目标的瞬间变形信息非常适用于对被测物体进行动态变形监测；
(2)测量数据以数字信息的形式保存，它易于储存，易于传输，且能得到被测物体大量的几何与物理信息，对于多点测量具有优势；
(3)在对被监测目标进行观测时，不与被测目标接触，不对被测目标产生影响，可以在噪声，有毒，缺氧，放射性强度等条件恶劣的情况下完成测量工作；
(4)只需要两个非量测相机作为传感器，能够在有限的经济成本内实现监测结构整体变形的监测。
本发明的实施例的其它特征和优点将在随后的说明书中阐述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中一种非量测相机的变形监测控制方法主要流程图。
图2为本发明实施例中一种非量测相机的变形监测控制方法部分流程图。
图3为本发明实施例中变形前、后图像特征点匹配流程图。
图4为本发明实施例中一种非量测相机的变形监测控制系统示意图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。另外，为了更好的说明本发明，在下文的具体实施例中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样可以实施。在一些实例中，对于本领域技术人员熟知的手段未作详细描述，以便于凸显本发明的主旨。
参阅图1，本发明的实施例提出一种非量测相机的变形监测控制方法，其基于一非量测相机的变形监测控制系统实现，所述系统包括第一非量测相机、第二非量测相机和图像处理装置，所述第一非量测相机、第二非量测相机布置于待监测的目标结构的左右两侧，所述方法包括如下步骤：
步骤S10、通过所述第一非量测相机对目标结构进行拍摄得到第一初始图像，并同步通过所述第二非量测相机对所述目标结构进行拍摄得到第二初始图像；
步骤S20、通过所述第一非量测相机实时对所述目标结构进行拍摄得到第一实时图像，并同步通过所述第二非量测相机实时对所述目标结构进行拍摄得到第二实时图像；
步骤S30、所述图像处理装置对所述第一初始图像和所述第二初始图像进行图像识别，确定所述目标结构的特征点的初始三维坐标；
步骤S40、所述图像处理装置对所述第一实时图像和所述第二实时图像进行图像识别，确定所述目标结构的特征点的实时三维坐标；
步骤S50、所述图像处理装置根据所述目标结构的特征点的初始三维坐标和实时三维坐标计算所述目标结构的形变量。
具体而言，在多视几何中，当使用左、右两台非量测相机观测同一个空间点时，通过两相机的位置、姿态以及图像观测点坐标可以求得三维空间点坐标，即基于双目测距的原理可以知道目标结构上的点与相机的空间位置关系，然后结合已知的相机的位置坐标，可以计算出目标结构上的点的三维空间坐标；最后根据不同时刻的目标结构上的点的坐标结果计算变形值。
本实施例方法的实现需要准备以下工作：(1)相机标定；非量测相机无框标坐标系，其内方位元素尚不可知，且存在着一定程度的镜头畸变差。因而，必须对非量测数码相机的内部参数进行可靠标定，才能根据像点坐标准确解算待测目标物的物方空间坐标，本实施例中具体利用DLT法对所述第一非量测相机和所述非量测相机第二进行标定。(2)人工布设变形监测标志点。边坡监测时，若无法接触被测坡面，人工无法布设标志点的区域，可采用无棱镜采集特征点来代替人工标志的方式，从而降低外业强度。为了保证精度，降低人工误差，特征点要避免选择突出的岩石尖端，其易散射和折射容易对精度造成较大的影响。(3)数据远程同步和遥控。现有的相机大多内置Wfi SD卡，通过连接手机或者苹果实现遥控和数据同步，随着设备和相机之间的距离越远，响应时间越长，当设备和相机之间的距离超过40m，几乎没有任何响应。因此，现场需要布设一台设备，可以集成为所述图像处理装置，内置4G卡，通过硬件控制发射脉冲实现多台相机的精准同步拍摄。
参阅图2，所述方法还包括：
步骤S60、所述图像处理装置对所述第一初始图像和所述第一实时图像中的特征点进行匹配，并对所述第二初始图像和所述第二实时图像中的特征点进行匹配；
步骤S70、根据特征点匹配结果确定所述第一初始图像、所述第一实时图像、所述第二初始图像、所述第二实时图像中属于目标结构上的任一个相同特征点；
具体而言，本实施例方法中目标结构的形变是通过计算目标结构上的特征点的三维坐标位移变化来确定的，也就是说，需要先找到在前后图像中的同一个特征点，才能够实现这一目的，本实施例中采用图像特征点匹配的方法来确定。
在一个例子中，优选但不限于采用SIFT算法提取目标结构发生形变前后图像的同一特征点，获得两特征点的亚像素级坐标，进而得到该点的形变量，算法的整体流程如图3所示；
利用SIFT算法提取特征点形变量主要分为四个阶段：
(1)特征点检测；
利用高斯函数与图像做卷积运算来构建高斯金字塔，再通过作差得到高斯差分(DOG)金字塔；此外，关键点的精确定位是通过拟合三维二次函数以精确确定关键点的位置，达到亚像素级精度；
(2)方向角度的确定；
上一步确定了每幅图像中的特征点后，还需要为每个特征点计算一个方向，再根据这个方向做进一步的运算，其原理是利用特征点局部邻域像素的梯度方向分布特征为每个特性点分配一个或多个方向角度；所有后续操作都是针对特征点的位置、尺度和角度的基础上进行的；特征点的方向角是利用特征点邻域窗口内各像素的梯度方向的统计直方图来构造特征描述向量；
Figure BDA0003435397650000081
式中，L表示对应点处的像素灰度值，m(x,y)和θ(x,y)分别是像素点(x,y)的梯度大小和方向；对64个点作以上计算后，使用直方图进行统计；直方图横轴为梯度方向角，∈0～360度，每10度一个柱，纵轴为对应梯度值的高斯加权累加值；
(3)生成特征点描述符；得到特征点主方向和幅值后，还需要对特征点进行描述，为各点间的匹配做准备；首先将坐标轴旋转为特征点的主方向，只有以主方向为零点方向来描述特征点才能使其具有旋转不变性；为增强匹配的鲁棒性，对每个特征点可采用4×4个共16个种子点来描述，由于每个种子点具有8个方向向量，所以每个特征点就可以产生128维的向量，这128个数值即为SIFT特征点描述符，此时的特征点描述向量已不受尺度变化、旋转等几何因素影响；最后将SIFT特征向量的长度进行归一化处理，以去除光照变化的影响；
(4)特征点匹配与形变量计算；得到两幅图像的各特征点描述符后，采用两特征点间的特征向量欧氏距离作为两幅图像中特征点的相似性度量准则；式中xi和yi分别为两图像中待匹配的特征点特征向量分量
Figure BDA0003435397650000091
在变形前图像中选取某特征点，遍历得到其在变形后图像中欧氏距离最短的前两个特征点；若最近距离和次最近距离的比值小于某阈值，则认为该点为匹配点；找到所有匹配点对后，以欧式距离进行排序，去除距离较大的匹配点对。
更具体地，基本矩阵由下述方程定义：
x′TFx＝0
其中
Figure BDA0003435397650000092
是两幅图像的任意一对匹配点；由于每一组点的匹配提供了计算F系数的一个线性方程，当给定至少7个点(3×3的齐次矩阵减去一个尺度，以及一个秩为2的约束)，方程就可以计算出未知的F；我们记点的坐标为x＝(x，y，1)T，x′＝(x′，y′，1)T，则对应的方程为：
Figure BDA0003435397650000093
展开后有：
x′xf11+x′yf12+x′f13+y′xf21+y′yf22+y′f23+xf31+yf32+f33＝0
把矩阵F写成列向量的形式，则有：
[x′x x′y x′ y′x y′y y′ x y 1]f＝0
给定n组点的集合，我们有如下方程：
Figure BDA0003435397650000101
确定基本矩阵的算法流程如下所示：
归一化：根据
Figure BDA0003435397650000102
变换图像坐标，其中T和T′是有平移和缩放做成的归一化变换；
求解对应匹配的基本矩阵
Figure BDA0003435397650000103
求线性解：用由对应点集
Figure BDA00034353976500001010
确定的系数矩阵
Figure BDA0003435397650000104
的最小奇异值的奇异矢量确定
Figure BDA0003435397650000105
奇异性约束：用SVD对
Figure BDA0003435397650000106
进行分解，令其最小奇异值为0，得到
Figure BDA0003435397650000107
使得
Figure BDA0003435397650000108
解除归一化：令
Figure BDA0003435397650000109
矩阵F就是数据
Figure BDA00034353976500001011
对应的基本矩阵。
其中，所述步骤S50，包括：
所述图像处理装置获取所述任一个相同特征点的初始三维坐标和实时三维坐标，并根据所述任一个相同特征点的初始三维坐标和实时三维坐标计算所述目标结构在所述任一个相同特征点上的形变量。
具体地，所述目标结构的整体形变量根据所述目标结构上多个特征点的形变量进行计算得到，可以是利用多个特征点的前后坐标位移来进行表示。
具体地，所述步骤S30，包括：
步骤S301、对于所述目标结构上的任一个特征点，获取其在所述第一初始图像中的图像坐标(x1,y1)以及其在所述第二初始图像中的图像坐标(x2,y2)；
步骤S302、获取所述第一非量测相机的三维坐标(X1,Y1,Z1)和所述第二非量测相机的三维坐标(X2,Y2,Z2)；
步骤S303、根据所述图像坐标(x1,y1)、图像坐标(x2,y2)、三维坐标(X1,Y1,Z1)和三维坐标(X2,Y2,Z2)计算所述目标结构上的任一个特征点的三维坐标(X0,Y0,Z0)。
具体地，所述步骤S40，包括：
步骤S401、对于所述目标结构上的任一个特征点，获取其在所述第一实时图像中的图像坐标(x3,y3)以及其在所述第二实时图像中的图像坐标(x4,y4)；
步骤S402、获取所述第一非量测相机的三维坐标(X3,Y3,Z3)和所述第二非量测相机的三维坐标(X4,Y4,Z4)；
步骤S403、根据所述图像坐标(x3,y3)、图像坐标(x4,y4)、三维坐标(X3,Y3,Z3)和三维坐标(X4,Y4,Z4)计算所述目标结构上的任一个特征点的三维坐标(XS,YS,ZS)。
参阅图4，本发明的另一实施例还提出一种非量测相机的变形监测控制系统，包括第一非量测相机1、第二非量测相机2和图像处理装置3，所述图像处理装置3包括坐标计算单元31和形变量计算单元32；
所述第一非量测相机1用于对目标结构进行拍摄得到第一初始图像，所述第二非量测相机2用于同步对所述目标结构进行拍摄得到第二初始图像；
所述第一非量测相机1用于实时对所述目标结构进行拍摄得到第一实时图像，所述第二非量测相机2用于同步实时对所述目标结构进行拍摄得到第二实时图像；
所述坐标计算单元31用于对所述第一初始图像和所述第二初始图像进行图像识别，确定所述目标结构的特征点的初始三维坐标；并且，用于对所述第一实时图像和所述第二实时图像进行图像识别，确定所述目标结构的特征点的实时三维坐标；
所述形变量计算单元32用于根据所述目标结构的特征点的初始三维坐标和实时三维坐标计算所述目标结构的形变量。
具体地，所述图像处理装置3还包括特征点匹配单元33，
所述特征点匹配单元33用于对所述第一初始图像和所述第一实时图像中的特征点进行匹配，对所述第二初始图像和所述第二实时图像中的特征点进行匹配；并且，根据特征点匹配结果确定所述第一初始图像、所述第一实时图像、所述第二初始图像、所述第二实时图像中属于目标结构上的任一个相同特征点；
所述形变量计算单元32具体用于获取所述任一个相同特征点的初始三维坐标和实时三维坐标，并根据所述任一个相同特征点的初始三维坐标和实时三维坐标计算所述目标结构在所述任一个相同特征点上的形变量。
具体地，所述目标结构的整体形变量根据所述目标结构上多个特征点的形变量进行计算得到。
具体地，所述坐标计算单元31具体用于：
对于所述目标结构上的任一个特征点，获取其在所述第一初始图像中的图像坐标(x1,y1)以及其在所述第二初始图像中的图像坐标(x2,y2)；
获取所述第一非量测相机1的三维坐标(X1,Y1,Z1)和所述第二非量测相机2的三维坐标(X2,Y2,Z2)；
根据所述图像坐标(x1,y1)、图像坐标(x2,y2)、三维坐标(X1,Y1,Z1)和三维坐标(X2,Y2,Z2)计算所述目标结构上的任一个特征点的三维坐标(X0,Y0,Z0)。
具体地，所述坐标计算单元31具体用于：
对于所述目标结构上的任一个特征点，获取其在所述第一实时图像中的图像坐标(x3,y3)以及其在所述第二实时图像中的图像坐标(x4,y4)；
获取所述第一非量测相机1的三维坐标(X3,Y3,Z3)和所述第二非量测相机2的三维坐标(X4,Y4,Z4)；
根据所述图像坐标(x3,y3)、图像坐标(x4,y4)、三维坐标(X3,Y3,Z3)和三维坐标(X4,Y4,Z4)计算所述目标结构上的任一个特征点的三维坐标(XS,YS,ZS)。
本实施例的系统与上述实施例的方法对应，因此，本实施例的系统未详述的部分可以参阅上述实施例的方法的内容得到，此处不再赘述。
本发明的实施例相比于其它监测手段具有以下优点：
(1)采样频率高，能够快速采集数据，获取被监测目标的瞬间变形信息非常适用于对被测物体进行动态变形监测；
(2)测量数据以数字信息的形式保存，它易于储存，易于传输，且能得到被测物体大量的几何与物理信息，对于多点测量具有优势；
(3)在对被监测目标进行观测时，不与被测目标接触，不对被测目标产生影响，可以在噪声，有毒，缺氧，放射性强度等条件恶劣的情况下完成测量工作；
(4)只需要两个非量测相机作为传感器，能够在有限的经济成本内实现监测结构整体变形的监测。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种非量测相机的变形监测控制方法，其特征在于，其基于一非量测相机的变形监测控制系统实现，所述系统包括第一非量测相机、第二非量测相机和图像处理装置，所述方法包括如下步骤：
通过所述第一非量测相机对目标结构进行拍摄得到第一初始图像，并同步通过所述第二非量测相机对所述目标结构进行拍摄得到第二初始图像；
通过所述第一非量测相机实时对所述目标结构进行拍摄得到第一实时图像，并同步通过所述第二非量测相机实时对所述目标结构进行拍摄得到第二实时图像；
所述图像处理装置对所述第一初始图像和所述第二初始图像进行图像识别，确定所述目标结构的特征点的初始三维坐标；
所述图像处理装置对所述第一实时图像和所述第二实时图像进行图像识别，确定所述目标结构的特征点的实时三维坐标；
所述图像处理装置根据所述目标结构的特征点的初始三维坐标和实时三维坐标计算所述目标结构的形变量。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
所述图像处理装置对所述第一初始图像和所述第一实时图像中的特征点进行匹配，并对所述第二初始图像和所述第二实时图像中的特征点进行匹配；
根据特征点匹配结果确定所述第一初始图像、所述第一实时图像、所述第二初始图像、所述第二实时图像中属于目标结构上的任一个相同特征点；
其中，所述图像处理装置根据所述目标结构的特征点的初始三维坐标和实时三维坐标计算所述目标结构的形变量，包括：
所述图像处理装置获取所述任一个相同特征点的初始三维坐标和实时三维坐标，并根据所述任一个相同特征点的初始三维坐标和实时三维坐标计算所述目标结构在所述任一个相同特征点上的形变量。
3.根据权利要求2所述的方法，其特征在于，所述目标结构的整体形变量根据所述目标结构上多个特征点的形变量进行计算得到。
4.根据权利要求2所述的方法，其特征在于，所述图像处理装置对所述第一初始图像和所述第二初始图像进行图像识别，确定所述目标结构的特征点的初始三维坐标，包括：
对于所述目标结构上的任一个特征点，获取其在所述第一初始图像中的图像坐标(x1,y1)以及其在所述第二初始图像中的图像坐标(x2,y2)；
获取所述第一非量测相机的三维坐标(X1,Y1,Z1)和所述第二非量测相机的三维坐标(X2,Y2,Z2)；
根据所述图像坐标(x1,y1)、图像坐标(x2,y2)、三维坐标(X1,Y1,Z1)和三维坐标(X2,Y2,Z2)计算所述目标结构上的任一个特征点的三维坐标(X0,Y0,Z0)。
5.根据权利要求2所述的方法，其特征在于，所述图像处理装置对所述第一实时图像和所述第二实时图像进行图像识别，确定所述目标结构的特征点的实时三维坐标，包括：
对于所述目标结构上的任一个特征点，获取其在所述第一实时图像中的图像坐标(x3,y3)以及其在所述第二实时图像中的图像坐标(x4,y4)；
获取所述第一非量测相机的三维坐标(X3,Y3,Z3)和所述第二非量测相机的三维坐标(X4,Y4,Z4)；
根据所述图像坐标(x3,y3)、图像坐标(x4,y4)、三维坐标(X3,Y3,Z3)和三维坐标(X4,Y4,Z4)计算所述目标结构上的任一个特征点的三维坐标(XS,YS,ZS)。
6.一种非量测相机的变形监测控制系统，其特征在于，包括第一非量测相机、第二非量测相机和图像处理装置，所述图像处理装置包括坐标计算单元和形变量计算单元；
所述第一非量测相机用于对目标结构进行拍摄得到第一初始图像，所述第二非量测相机用于同步对所述目标结构进行拍摄得到第二初始图像；
所述第一非量测相机用于实时对所述目标结构进行拍摄得到第一实时图像，所述第二非量测相机用于同步实时对所述目标结构进行拍摄得到第二实时图像；
所述坐标计算单元用于对所述第一初始图像和所述第二初始图像进行图像识别，确定所述目标结构的特征点的初始三维坐标；并且，用于对所述第一实时图像和所述第二实时图像进行图像识别，确定所述目标结构的特征点的实时三维坐标；
所述形变量计算单元用于根据所述目标结构的特征点的初始三维坐标和实时三维坐标计算所述目标结构的形变量。
7.根据权利要求1所述的系统，其特征在于，所述图像处理装置还包括特征点匹配单元，
所述特征点匹配单元用于对所述第一初始图像和所述第一实时图像中的特征点进行匹配，对所述第二初始图像和所述第二实时图像中的特征点进行匹配；并且，根据特征点匹配结果确定所述第一初始图像、所述第一实时图像、所述第二初始图像、所述第二实时图像中属于目标结构上的任一个相同特征点；
所述形变量计算单元具体用于获取所述任一个相同特征点的初始三维坐标和实时三维坐标，并根据所述任一个相同特征点的初始三维坐标和实时三维坐标计算所述目标结构在所述任一个相同特征点上的形变量。
8.根据权利要求7所述的系统，其特征在于，所述目标结构的整体形变量根据所述目标结构上多个特征点的形变量进行计算得到。
9.根据权利要求7所述的系统，其特征在于，所述坐标计算单元具体用于：
对于所述目标结构上的任一个特征点，获取其在所述第一初始图像中的图像坐标(x1,y1)以及其在所述第二初始图像中的图像坐标(x2,y2)；
获取所述第一非量测相机的三维坐标(X1,Y1,Z1)和所述第二非量测相机的三维坐标(X2,Y2,Z2)；
根据所述图像坐标(x1,y1)、图像坐标(x2,y2)、三维坐标(X1,Y1,Z1)和三维坐标(X2,Y2,Z2)计算所述目标结构上的任一个特征点的三维坐标(X0,Y0,Z0)。
10.根据权利要求7所述的系统，其特征在于，所述坐标计算单元具体用于：
对于所述目标结构上的任一个特征点，获取其在所述第一实时图像中的图像坐标(x3,y3)以及其在所述第二实时图像中的图像坐标(x4,y4)；
获取所述第一非量测相机的三维坐标(X3,Y3,Z3)和所述第二非量测相机的三维坐标(X4,Y4,Z4)；
根据所述图像坐标(x3,y3)、图像坐标(x4,y4)、三维坐标(X3,Y3,Z3)和三维坐标(X4,Y4,Z4)计算所述目标结构上的任一个特征点的三维坐标(XS,YS,ZS)。
CN202111610915.0A 2021-12-27 2021-12-27 一种非量测相机的变形监测控制方法与系统 Pending CN114266835A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111610915.0A CN114266835A (zh) 2021-12-27 2021-12-27 一种非量测相机的变形监测控制方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111610915.0A CN114266835A (zh) 2021-12-27 2021-12-27 一种非量测相机的变形监测控制方法与系统

Publications (1)

Publication Number Publication Date
CN114266835A true CN114266835A (zh) 2022-04-01

Family

ID=80830203

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111610915.0A Pending CN114266835A (zh) 2021-12-27 2021-12-27 一种非量测相机的变形监测控制方法与系统

Country Status (1)

Country Link
CN (1) CN114266835A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115288143A (zh) * 2022-07-19 2022-11-04 中国建筑第八工程局有限公司 在既有隧道周围施工基坑时限制既有隧道变形的注浆方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115288143A (zh) * 2022-07-19 2022-11-04 中国建筑第八工程局有限公司 在既有隧道周围施工基坑时限制既有隧道变形的注浆方法

Similar Documents

Publication Publication Date Title
US10823552B2 (en) Method for the three dimensional measurement of moving objects during a known movement
US20140132729A1 (en) Method and apparatus for camera-based 3d flaw tracking system
CN110672020A (zh) 一种基于单目视觉的立木高度测量方法
CN107328502B (zh) 一种锚杆托盘载荷可视化数字成像方法
CN106018411A (zh) 一种裂缝宽度的测量计算方法及测量装置
CN107589069B (zh) 一种物体碰撞恢复系数的非接触式测量方法
CN112132908B (zh) 一种基于智能检测技术的相机外参数标定方法及设备
JP5384316B2 (ja) 変位計測装置、変位計測方法、及び変位計測プログラム
JP2018036769A (ja) 画像処理装置、画像処理方法および画像処理用プログラム
CN114359334A (zh) 目标跟踪方法、装置、计算机设备和存储介质
Mi et al. A vision-based displacement measurement system for foundation pit
CN114266835A (zh) 一种非量测相机的变形监测控制方法与系统
Zhang et al. Freight train gauge-exceeding detection based on three-dimensional stereo vision measurement
Percoco et al. Image analysis for 3D micro-features: A new hybrid measurement method
CN112580683A (zh) 一种基于互相关的多传感器数据时间对齐系统及其方法
NL2027547B1 (en) Method of and apparatus for determining deformations of quay walls using a photogrammetric system
CN114018167A (zh) 一种基于单目三维视觉的桥梁挠度测量方法
Bikmaev et al. Improving the accuracy of supporting mobile objects with the use of the algorithm of complex processing of signals with a monocular camera and LiDAR
CN114485613A (zh) 一种多信息融合水下机器人定位方法
JP2006317418A (ja) 画像計測装置、画像計測方法、計測処理プログラム及び記録媒体
El-Ashmawy Using smart phones for deformations measurements of structures
JP2013124954A (ja) 土木構造物の形状計測方法及びシステム
Gaich et al. Reproductible rock mass description in 3D using the JointMetriX3D system
JP2010107224A (ja) 位置特定装置及び異動建物検出装置
CN109003302A (zh) 一种通过摄像头对人脸的识别测算出人体身高的方法

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