CN114387306A - 目标物位移监测方法、装置、计算机设备及存储介质 - Google Patents
目标物位移监测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114387306A CN114387306A CN202210004925.8A CN202210004925A CN114387306A CN 114387306 A CN114387306 A CN 114387306A CN 202210004925 A CN202210004925 A CN 202210004925A CN 114387306 A CN114387306 A CN 114387306A
- Authority
- CN
- China
- Prior art keywords
- image
- matching
- processed
- template image
- pixel
- 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
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 127
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012544 monitoring process Methods 0.000 title claims abstract description 53
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 14
- 239000013598 vector Substances 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000012806 monitoring device Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000010606 normalization Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了目标物位移监测方法、装置、计算机设备及存储介质。方法包括:获取所监测的目标物的图像,以得到模板图像;根据模板图像获取匹配图像;对模板图像以及匹配图像进行预处理,以得到处理后的模板图像以及处理后的匹配图像;根据处理后的模板图像计算像素尺寸与物理尺寸的比例关系;提取处理后的模板图像的特征点以及处理后的匹配图像的特征点,并进行特征点匹配,以得到匹配结果;根据匹配结果计算目标物的像素位移距离;根据目标物的像素位移距离以及像素尺寸与物理尺寸的比例关系确定目标物的实际位移距离。通过实施本发明实施例的方法可实现监测精度高,对于环境部署没有严格要求,且受外界干扰因素小。
Description
技术领域
本发明涉及位移监测方法,更具体地说是指目标物位移监测方法、装置、计算机设备及存储介质。
背景技术
世界范围内由于受气候和地质变化的影响给一些重大的基础设施带来了严重的危害,例如桥梁、古建、边坡、轨道变形、隧道、基坑监测、房屋、大坝、山塘、水库等。如果不能及时发现和了解这些基础设施的变化,将会造成基础设施的毁坏进而造成人民生命财产损失等重大后果。
对于基础设施监测方式主要包括以下三种,第一种是采用全站仪进行监测,全站仪是一种接触式监测方式,需要在被监测对象上选择通视良好、无扰动、稳固可靠位置安装布置传感器,该方法会给被监测对象本身造成伤害,适用性差,适用范围小,监测条件严苛受干扰性大,另外监测精度一般是毫米级别的,精度较差;第二种是利用GNSS(全球导航卫星系统,Global Navigation Satellite System)进行监测,GNSS自动化监测通过收集各监测点与参考点的GNSS信号,通过分析各监测点的实时三维坐标并与初始坐标进行对比获得监测点的变化量,该方法监测精度低,受信号等因素影响较大;第三种是基于视觉的利用人工靶标进行监测,这是一种无接触式的监测方式,通过设计人工靶标,利用相机将靶标信息转换成图像信号,利用图像处理算法来计算模板与目标之间位移来获取被所监测的目标物的变化,该方法灵活性和自动化程度高,在一些不适合人工作业的危险的地方常常利用该方法进行监测,该方法的主要缺点是要事先安装好人工靶标,靶标受环境影响因素比较大。
因此,有必要设计一种新的方法,实现监测精度高,对于环境部署没有严格要求,且受外界干扰因素小。
发明内容
本发明的目的在于克服现有技术的缺陷,提供目标物位移监测方法、装置、计算机设备及存储介质。
为实现上述目的,本发明采用以下技术方案:目标物位移监测方法,包括:
获取所监测的目标物的图像,以得到模板图像;
根据所述模板图像获取匹配图像;
对所述模板图像以及所述匹配图像进行预处理,以得到处理后的模板图像以及处理后的匹配图像;
根据处理后的模板图像计算像素尺寸与物理尺寸的比例关系;
提取处理后的模板图像的特征点以及处理后的匹配图像的特征点,并将处理后的模板图像的特征点以及处理后的匹配图像的特征点进行匹配,以得到匹配结果;
根据所述匹配结果计算目标物的像素位移距离;
根据目标物的像素位移距离以及像素尺寸与物理尺寸的比例关系确定目标物的实际位移距离。
其进一步技术方案为:所述根据所述模板图像获取匹配图像,包括:
获取与所述模板图像相同位置的区域所对应的图像,以得到匹配图像。
其进一步技术方案为:所述对所述模板图像以及所述匹配图像进行预处理,以得到处理后的模板图像以及处理后的匹配图像,包括:
对所述模板图像以及所述匹配图像进行高斯滤波处理,以得到去噪后的模板图像以及去噪后的匹配图像;
对去噪后的模板图像以及去噪后的匹配图像进行灰度缩放处理,以得到处理后的模板图像以及处理后的匹配图像。
其进一步技术方案为:所述根据处理后的模板图像计算像素尺寸与物理尺寸的比例关系,包括:
通过在处理后的模板图像所对应的模板区域内放置测量靶标,获取测量靶标的内矩形区域的实际尺寸;
在所述测量靶标的外接矩形区域内截取包含整个内矩形区域的图像,以得到区域图像;
计算区域图像的平均灰度值;
计算区域图像的二值化图像;
计算区域图像的轮廓,确定轮廓的最小外接矩形,并确定最小外接矩形的像素长宽;
计算区域图像在x方向和y方向上的一个像素对应的实际尺寸,以得到像素尺寸与物理尺寸的比例关系。
其进一步技术方案为:所述提取处理后的模板图像的特征点以及处理后的匹配图像的特征点,并将处理后的模板图像的特征点以及处理后的匹配图像的特征点进行匹配,以得到匹配结果,包括:
对处理后的模板图像以及处理后的匹配图像提取sift特征点提取,以得到模板图像特征点和匹配图像特征点;
计算所述模板图像特征点和所述匹配图像特征点的特征向量,并进行归一化,以得到处理后的模板图像特征点和处理后的匹配图像特征点;
将处理后的模板图像特征点和处理后的匹配图像特征点进行特征匹配,并剔除异常的特征点,以得到匹配结果。
其进一步技术方案为:所述根据所述匹配结果计算目标物的像素位移距离,包括:
计算所述匹配结果中的两个特征点坐标的差值,以得到x坐标偏移量以及y坐标偏移量;
对所述x坐标偏移量以及所述y坐标偏移量按其绝对值从小到大进行排序,并筛选符合要求的坐标偏移量,以得到目标坐标偏移量;
根据所述目标坐标偏移量计算出x方向的像素偏移量和y方向的像素偏移量,以得到目标物的像素位移距离。
其进一步技术方案为:所述根据目标物的像素位移距离以及像素尺寸与物理尺寸的比例关系确定目标物的实际位移距离,包括:
计算目标物的像素位移距离以及像素尺寸与物理尺寸的比例关系的乘积,以得到目标物的实际位移距离。
本发明还提供了目标物位移监测装置,包括:
模板图像获取单元,用于获取所监测的目标物的图像,以得到模板图像;
匹配图像生成单元,用于根据所述模板图像获取匹配图像;
预处理单元,用于对所述模板图像以及所述匹配图像进行预处理,以得到处理后的模板图像以及处理后的匹配图像;
比例关系计算单元,用于根据处理后的模板图像计算像素尺寸与物理尺寸的比例关系;
匹配单元,用于提取处理后的模板图像的特征点以及处理后的匹配图像的特征点,并将处理后的模板图像的特征点以及处理后的匹配图像的特征点进行匹配,以得到匹配结果;
像素位移计算单元,用于根据所述匹配结果计算目标物的像素位移距离;
实际位移计算单元,用于根据目标物的像素位移距离以及像素尺寸与物理尺寸的比例关系确定目标物的实际位移距离。
本发明还提供了一种计算机设备,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
本发明还提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法。
本发明与现有技术相比的有益效果是:本发明通过设置模板图像,生成匹配图像,对模板图像以及匹配图像进行预处理,降低监测过程对环境部署的要求,且不易受外界干扰因素影响,对处理后的模板图像确定像素尺寸与物理尺寸的比例,且采用对两个图像进行靶标sift特征的提取和匹配,由此确定目标物的像素位移距离,进而确定目标物的实际位移距离,整个方法具有抗干扰性强,精度高,受外界环境影响小,维护成本低,以实现监测精度高,对于环境部署没有严格要求,且受外界干扰因素小。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例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为本发明实施例提供的目标物位移监测方法的应用场景示意图;
图2为本发明实施例提供的目标物位移监测方法的流程示意图;
图3为本发明实施例提供的目标物位移监测方法的子流程示意图;
图4为本发明实施例提供的目标物位移监测方法的子流程示意图;
图5为本发明实施例提供的目标物位移监测方法的子流程示意图;
图6为本发明实施例提供的目标物位移监测方法的子流程示意图;
图7为本发明实施例提供的目标物位移监测装置的示意性框图;
图8为本发明实施例提供的目标物位移监测装置的预处理单元的示意性框图;
图9为本发明实施例提供的目标物位移监测装置的比例关系计算单元的示意性框图;
图10为本发明实施例提供的目标物位移监测装置的匹配单元的示意性框图;
图11为本发明实施例提供的目标物位移监测装置的像素位移计算单元的示意性框图;
图12为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1和图2,图1为本发明实施例提供的目标物位移监测方法的应用场景示意图。图2为本发明实施例提供的目标物位移监测方法的示意性流程图。该目标物位移监测方法应用于服务器中。该服务器与摄像头进行数据交互,通过摄像头拍摄所监测的目标物的图像,以此作为模板图像,并从该模板图像中提取出匹配图像,以这两个图像进行像素尺寸与物理尺寸的比例关系的计算和特征点的匹配,由此确定目标物的实际位移距离。
图2是本发明实施例提供的目标物位移监测方法的流程示意图。如图2所示,该方法包括以下步骤S110至S170。
S110、获取所监测的目标物的图像,以得到模板图像。
在本实施例中,模板图像是通过摄像头获取监测目标物的图像且在图像区域内选取一块稳定、平坦,且不受环境变化影响的矩形区域对应的图像。
模板图像用于记录目标物的初始状态,在图像坐标系的位置即是目标在图像坐标系的初始位置。通过监测模板图像的区域位移变化来代替整个目标物的位移变化。利用程序和鼠标在图像上框选出平坦、稳定、不受外界环境影响的区域作为模板图像,并计算出模板图像在图像坐标系的位置信息记为(x0,y0,width,height)。
S120、根据所述模板图像获取匹配图像。
在本实施例中,匹配图像是指与模板图像相同位置的区域对应的图像。
具体地,获取与所述模板图像相同位置的区域所对应的图像,以得到匹配图像。
匹配图像用于记录目标物后续状态,在后续的图像帧中选取图像坐标系中(x0,y0,width,height)区域作为匹配图像,计算模板图像位置与匹配图像位置的位移差,便可知道目标物的位移差。
S130、对所述模板图像以及所述匹配图像进行预处理,以得到处理后的模板图像以及处理后的匹配图像。
在本实施例中,处理后的模板图像指模板图像经过去噪和灰度缩放后得到的结果;处理后的匹配图像指匹配图像经过去噪和灰度缩放后得到的结果。
在一实施例中,请参阅图3,上述的步骤S130可包括步骤S131~S132。
S131、对所述模板图像以及所述匹配图像进行高斯滤波处理,以得到去噪后的模板图像以及去噪后的匹配图像。
在本实施例中,对所述模板图像以及所述匹配图像进行滤波,可以使所述模板图像以及所述匹配图像更平滑。
S132、对去噪后的模板图像以及去噪后的匹配图像进行灰度缩放处理,以得到处理后的模板图像以及处理后的匹配图像。
在本实施例中,对去噪后的模板图像以及去噪后的匹配图像进行灰度尺度缩放,可以减少光照变化的影响。
对高斯滤波后的图像进行灰度值缩放,记图像的灰度值为I(x,y),处理后的图像灰度值为I′(x,y),则:I′(x,y)=[I(x,y)*0.1]*10;其中[]表示取整数。
S140、根据处理后的模板图像计算像素尺寸与物理尺寸的比例关系。
在本实施例中,像素尺寸与物理尺寸的比例关系是指一个像素对应的实际尺寸。
通过测量监测目标物所在区域上测量靶标实际尺寸和计算其对应的图像像素尺寸求得像素与实际尺寸的比例关系。
在一实施例中,请参阅图4,上述的步骤S40可包括步骤S141~S146。
S141、通过在处理后的模板图像所对应的模板区域内放置测量靶标,获取测量靶标的内矩形区域的实际尺寸。
在本实施例中,通过在模板图像所对应的模板区域,即模板图像对应的区域放置测量靶标,以计算像素尺寸与物理尺寸的关系。测量靶标是由两个同心正方形形组成,内矩形是黑色填充,外矩形和内矩形之间是由白色填充。
S142、在所述测量靶标的外接矩形区域内截取包含整个内矩形区域的图像,以得到区域图像。
在本实施例中,区域图像是指在所述测量靶标的外接矩形区域内截取的包含整个内矩形区域的图像。
内矩形区域的实际尺寸记为Ln。利用编写好的程序和鼠标在外接矩形区域内截取包含整个内矩形的区域图像记为Ic。
S143、计算区域图像的平均灰度值。
在本实施例中,采用现有技术计算区域图像Ic的平均灰度值ac。
S144、计算区域图像的二值化图像。
在本实施例中,采用现有技术计算区域图像Ic的二值化图像Ib。
S145、计算区域图像的轮廓,确定轮廓的最小外接矩形,并确定最小外接矩形的像素长宽。
在本实施例中,采用现有技术计算区域图像Ic轮廓并求得轮廓最小外接矩形,轮廓最小外接矩形的像素长宽分别记为w和l。
S146、计算区域图像在x方向和y方向上的一个像素对应的实际尺寸,以得到像素尺寸与物理尺寸的比例关系。
S150、提取处理后的模板图像的特征点以及处理后的匹配图像的特征点,并将处理后的模板图像的特征点以及处理后的匹配图像的特征点进行匹配,以得到匹配结果。
在本实施例中,匹配结果是指处理后的模板图像的特征点以及处理后的匹配图像的特征点匹配的点组合。
在一实施例中,请参阅图5,上述的步骤S150可包括步骤S151~S153。
S151、对处理后的模板图像以及处理后的匹配图像提取sift特征点提取,以得到模板图像特征点和匹配图像特征点。
在本实施例中,模板图像特征点是指模板图像上的sift特征点;匹配图像特征点是指匹配图像上的sift特征点。sift特征点是指稳定的不易变化的角点。
具体地,sift特征点提取过程如下:利用L(x,y,σ)=G(x,y,σ)*I(x,y)构建图像的高斯尺度空间,其中高斯核函数I(x,y)是输入图像,L(x,y,σ)是构建的输入图像的尺度空间。计算高斯尺度空间相邻层之间图像的差值并利用DOG(高斯函数的差分,Difference of Guassian)算子计算关键点,以确定特征点。
S152、计算所述模板图像特征点和所述匹配图像特征点的特征向量,并进行归一化,以得到处理后的模板图像特征点和处理后的匹配图像特征点。
在本实施例中,处理后的模板图像特征点是指模板图像特征点的特征向量经过归一化处理后得到的结果;处理后的匹配图像特征点是指匹配图像特征点的特征向量经过归一化处理后得到的结果。
具体地,根据关键点即特征点的中心相邻窗口像素梯度方向和模值确定关键点的方向并生成128维的特征向量。将关键点128维特征向量进行归一化,如:其中X为输入向量,(x′0,x′1,...,x′127)为归一化后的向量。
S153、将处理后的模板图像特征点和处理后的匹配图像特征点进行特征匹配,并剔除异常的特征点,以得到匹配结果。
在本实施例中,通过关键点即特征点的特征向量和欧式距离判定模板图像和匹配图像中特征点相似性。相似性高的则可以纳入匹配结果内,并剔除异常的特征点,保留稳定的匹配到的特征点。
提取自然靶标sift特征进行相关匹配计算具有抗干扰性强,精度高,受外界环境影响小,维护成本低等优势。
S160、根据所述匹配结果计算目标物的像素位移距离。
在本实施例中,目标物的像素位移距离是指目标物在像素上的位移。
在一实施例中,请参阅图6,上述的步骤S160可包括步骤S161~S163。
S161、计算所述匹配结果中的两个特征点坐标的差值,以得到x坐标偏移量以及y坐标偏移量。
在本实施例中,x坐标偏移量以及y坐标偏移量分别是指目标物在像素的x方向和y方向的偏移量。
S162、对所述x坐标偏移量以及所述y坐标偏移量按其绝对值从小到大进行排序,并筛选符合要求的坐标偏移量,以得到目标坐标偏移量。
在本实施例中,目标坐标偏移量是指目标物的坐标偏移量。
S163、根据所述目标坐标偏移量计算出x方向的像素偏移量和y方向的像素偏移量,以得到目标物的像素位移距离。
对这些可信赖点求和取平均计算出x方向的像素偏移量ax和y方向的像素偏移量ay,由此ax和ay构成目标物的像素位移距离。
S170、根据目标物的像素位移距离以及像素尺寸与物理尺寸的比例关系确定目标物的实际位移距离。
在本实施例中,目标物的实际位移距离是指目标物的物理位移量。
具体地,计算目标物的像素位移距离以及像素尺寸与物理尺寸的比例关系的乘积,以得到目标物的实际位移距离。通过匹配上的特征点计算监测的目标物位移的像素尺寸,利用像素与实际尺寸的比例关系计算出目标物的实际位移尺寸。
通过计算匹配图像和模板图像之间的像素位移,然后计算出来的一个像素对应的实际尺寸Lx和Ly来计算目标物相对模板的位移的物理尺寸。记目标物的x和y方向的实际位移物理尺寸为dx和dy,则dx=ax*Lx;dy=ay*Ly。
上述的目标物位移监测方法,通过设置模板图像,生成匹配图像,对模板图像以及匹配图像进行预处理,降低监测过程对环境部署的要求,且不易受外界干扰因素影响,对处理后的模板图像确定像素尺寸与物理尺寸的比例,且采用对两个图像进行靶标sift特征的提取和匹配,由此确定目标物的像素位移距离,进而确定目标物的实际位移距离,整个方法具有抗干扰性强,精度高,受外界环境影响小,维护成本低,以实现监测精度高,对于环境部署没有严格要求,且受外界干扰因素小。
图7是本发明实施例提供的一种目标物位移监测装置300的示意性框图。如图7所示,对应于以上目标物位移监测方法,本发明还提供一种目标物位移监测装置300。该目标物位移监测装置300包括用于执行上述目标物位移监测方法的单元,该装置可以被配置于服务器中。具体地,请参阅图7,该目标物位移监测装置300包括模板图像获取单元301、匹配图像生成单元302、预处理单元303、比例关系计算单元304、匹配单元305、像素位移计算单元306以及实际位移计算单元307。
模板图像获取单元301,用于获取所监测的目标物的图像,以得到模板图像;匹配图像生成单元302,用于根据所述模板图像获取匹配图像;预处理单元303,用于对所述模板图像以及所述匹配图像进行预处理,以得到处理后的模板图像以及处理后的匹配图像;比例关系计算单元304,用于根据处理后的模板图像计算像素尺寸与物理尺寸的比例关系;匹配单元305,用于提取处理后的模板图像的特征点以及处理后的匹配图像的特征点,并将处理后的模板图像的特征点以及处理后的匹配图像的特征点进行匹配,以得到匹配结果;像素位移计算单元306,用于根据所述匹配结果计算目标物的像素位移距离;实际位移计算单元307,用于根据目标物的像素位移距离以及像素尺寸与物理尺寸的比例关系确定目标物的实际位移距离。
在一实施例中,所述匹配图像生成单元302,用于获取与所述模板图像相同位置的区域所对应的图像,以得到匹配图像。
在一实施例中,如图8所示,所述预处理单元303包括去噪子单元3031以及缩放子单元3032。
去噪子单元3031,用于对所述模板图像以及所述匹配图像进行高斯滤波处理,以得到去噪后的模板图像以及去噪后的匹配图像;缩放子单元3032,用于对去噪后的模板图像以及去噪后的匹配图像进行灰度缩放处理,以得到处理后的模板图像以及处理后的匹配图像。
在一实施例中,如图9所示,所述比例关系计算单元304包括尺寸获取子单元3041、区域图像获取子单元3042、灰度值计算子单元3043、二值化图像计算子单元3044、外接矩形确定子单元3045以及关系确定子单元3046。
尺寸获取子单元3041,用于通过在处理后的模板图像所对应的模板区域内放置测量靶标,获取测量靶标的内矩形区域的实际尺寸;区域图像获取子单元3042,用于在所述测量靶标的外接矩形区域内截取包含整个内矩形区域的图像,以得到区域图像;灰度值计算子单元3043,用于计算区域图像的平均灰度值;二值化图像计算子单元3044,用于计算区域图像的二值化图像;外接矩形确定子单元3045,用于计算区域图像的轮廓,确定轮廓的最小外接矩形,并确定最小外接矩形的像素长宽;关系确定子单元3046,用于计算区域图像在x方向和y方向上的一个像素对应的实际尺寸,以得到像素尺寸与物理尺寸的比例关系。
在一实施例中,如图10所示,所述匹配单元305包括提取子单元3051、归一化子单元3052以及特征匹配子单元3053。
提取子单元3051,用于对处理后的模板图像以及处理后的匹配图像提取sift特征点提取,以得到模板图像特征点和匹配图像特征点;归一化子单元3052,用于计算所述模板图像特征点和所述匹配图像特征点的特征向量,并进行归一化,以得到处理后的模板图像特征点和处理后的匹配图像特征点;特征匹配子单元3053,用于将处理后的模板图像特征点和处理后的匹配图像特征点进行特征匹配,并剔除异常的特征点,以得到匹配结果。
在一实施例中,如图11所示,所述306包括差值计算子单元3061、排序子单元3062以及偏移量确定子单元3063。
差值计算子单元3061,用于计算所述匹配结果中的两个特征点坐标的差值,以得到x坐标偏移量以及y坐标偏移量;排序子单元3062,用于对所述x坐标偏移量以及所述y坐标偏移量按其绝对值从小到大进行排序,并筛选符合要求的坐标偏移量,以得到目标坐标偏移量;偏移量确定子单元3063,用于根据所述目标坐标偏移量计算出x方向的像素偏移量和y方向的像素偏移量,以得到目标物的像素位移距离。
在一实施例中,所述实际位移计算单元307,用于计算目标物的像素位移距离以及像素尺寸与物理尺寸的比例关系的乘积,以得到目标物的实际位移距离。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述目标物位移监测装置300和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述目标物位移监测装置300可以实现为一种计算机程序的形式,该计算机程序可以在如图12所示的计算机设备上运行。
请参阅图12,图12是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器,其中,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图12,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种目标物位移监测方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种目标物位移监测方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图12中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下步骤:
获取所监测的目标物的图像,以得到模板图像;根据所述模板图像获取匹配图像;对所述模板图像以及所述匹配图像进行预处理,以得到处理后的模板图像以及处理后的匹配图像;根据处理后的模板图像计算像素尺寸与物理尺寸的比例关系;提取处理后的模板图像的特征点以及处理后的匹配图像的特征点,并将处理后的模板图像的特征点以及处理后的匹配图像的特征点进行匹配,以得到匹配结果;根据所述匹配结果计算目标物的像素位移距离;根据目标物的像素位移距离以及像素尺寸与物理尺寸的比例关系确定目标物的实际位移距离。
在一实施例中,处理器502在实现所述根据所述模板图像获取匹配图像步骤时,具体实现如下步骤:
获取与所述模板图像相同位置的区域所对应的图像,以得到匹配图像。
在一实施例中,处理器502在实现所述对所述模板图像以及所述匹配图像进行预处理,以得到处理后的模板图像以及处理后的匹配图像步骤时,具体实现如下步骤:
对所述模板图像以及所述匹配图像进行高斯滤波处理,以得到去噪后的模板图像以及去噪后的匹配图像;对去噪后的模板图像以及去噪后的匹配图像进行灰度缩放处理,以得到处理后的模板图像以及处理后的匹配图像。
在一实施例中,处理器502在实现所述根据处理后的模板图像计算像素尺寸与物理尺寸的比例关系步骤时,具体实现如下步骤:
通过在处理后的模板图像所对应的模板区域内放置测量靶标,获取测量靶标的内矩形区域的实际尺寸;在所述测量靶标的外接矩形区域内截取包含整个内矩形区域的图像,以得到区域图像;计算区域图像的平均灰度值;计算区域图像的二值化图像;计算区域图像的轮廓,确定轮廓的最小外接矩形,并确定最小外接矩形的像素长宽;计算区域图像在x方向和y方向上的一个像素对应的实际尺寸,以得到像素尺寸与物理尺寸的比例关系。
在一实施例中,处理器502在实现所述提取处理后的模板图像的特征点以及处理后的匹配图像的特征点,并将处理后的模板图像的特征点以及处理后的匹配图像的特征点进行匹配,以得到匹配结果步骤时,具体实现如下步骤:
对处理后的模板图像以及处理后的匹配图像提取sift特征点提取,以得到模板图像特征点和匹配图像特征点;计算所述模板图像特征点和所述匹配图像特征点的特征向量,并进行归一化,以得到处理后的模板图像特征点和处理后的匹配图像特征点;将处理后的模板图像特征点和处理后的匹配图像特征点进行特征匹配,并剔除异常的特征点,以得到匹配结果。
在一实施例中,处理器502在实现所述根据所述匹配结果计算目标物的像素位移距离步骤时,具体实现如下步骤:
计算所述匹配结果中的两个特征点坐标的差值,以得到x坐标偏移量以及y坐标偏移量;对所述x坐标偏移量以及所述y坐标偏移量按其绝对值从小到大进行排序,并筛选符合要求的坐标偏移量,以得到目标坐标偏移量;根据所述目标坐标偏移量计算出x方向的像素偏移量和y方向的像素偏移量,以得到目标物的像素位移距离。
在一实施例中,处理器502在实现所述根据目标物的像素位移距离以及像素尺寸与物理尺寸的比例关系确定目标物的实际位移距离步骤时,具体实现如下步骤:
计算目标物的像素位移距离以及像素尺寸与物理尺寸的比例关系的乘积,以得到目标物的实际位移距离。
应当理解,在本申请实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中该计算机程序被处理器执行时使处理器执行如下步骤:
获取所监测的目标物的图像,以得到模板图像;根据所述模板图像获取匹配图像;对所述模板图像以及所述匹配图像进行预处理,以得到处理后的模板图像以及处理后的匹配图像;根据处理后的模板图像计算像素尺寸与物理尺寸的比例关系;提取处理后的模板图像的特征点以及处理后的匹配图像的特征点,并将处理后的模板图像的特征点以及处理后的匹配图像的特征点进行匹配,以得到匹配结果;根据所述匹配结果计算目标物的像素位移距离;根据目标物的像素位移距离以及像素尺寸与物理尺寸的比例关系确定目标物的实际位移距离。
在一实施例中,所述处理器在执行所述计算机程序而实现所述根据所述模板图像获取匹配图像步骤时,具体实现如下步骤:
获取与所述模板图像相同位置的区域所对应的图像,以得到匹配图像。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所述模板图像以及所述匹配图像进行预处理,以得到处理后的模板图像以及处理后的匹配图像步骤时,具体实现如下步骤:
对所述模板图像以及所述匹配图像进行高斯滤波处理,以得到去噪后的模板图像以及去噪后的匹配图像;对去噪后的模板图像以及去噪后的匹配图像进行灰度缩放处理,以得到处理后的模板图像以及处理后的匹配图像。
在一实施例中,所述处理器在执行所述计算机程序而实现所述根据处理后的模板图像计算像素尺寸与物理尺寸的比例关系步骤时,具体实现如下步骤:
通过在处理后的模板图像所对应的模板区域内放置测量靶标,获取测量靶标的内矩形区域的实际尺寸;在所述测量靶标的外接矩形区域内截取包含整个内矩形区域的图像,以得到区域图像;计算区域图像的平均灰度值;计算区域图像的二值化图像;计算区域图像的轮廓,确定轮廓的最小外接矩形,并确定最小外接矩形的像素长宽;计算区域图像在x方向和y方向上的一个像素对应的实际尺寸,以得到像素尺寸与物理尺寸的比例关系。
在一实施例中,所述处理器在执行所述计算机程序而实现所述提取处理后的模板图像的特征点以及处理后的匹配图像的特征点,并将处理后的模板图像的特征点以及处理后的匹配图像的特征点进行匹配,以得到匹配结果步骤时,具体实现如下步骤:
对处理后的模板图像以及处理后的匹配图像提取sift特征点提取,以得到模板图像特征点和匹配图像特征点;计算所述模板图像特征点和所述匹配图像特征点的特征向量,并进行归一化,以得到处理后的模板图像特征点和处理后的匹配图像特征点;将处理后的模板图像特征点和处理后的匹配图像特征点进行特征匹配,并剔除异常的特征点,以得到匹配结果。
在一实施例中,所述处理器在执行所述计算机程序而实现所述根据所述匹配结果计算目标物的像素位移距离步骤时,具体实现如下步骤:
计算所述匹配结果中的两个特征点坐标的差值,以得到x坐标偏移量以及y坐标偏移量;对所述x坐标偏移量以及所述y坐标偏移量按其绝对值从小到大进行排序,并筛选符合要求的坐标偏移量,以得到目标坐标偏移量;根据所述目标坐标偏移量计算出x方向的像素偏移量和y方向的像素偏移量,以得到目标物的像素位移距离。
在一实施例中,所述处理器在执行所述计算机程序而实现所述根据目标物的像素位移距离以及像素尺寸与物理尺寸的比例关系确定目标物的实际位移距离步骤时,具体实现如下步骤:
计算目标物的像素位移距离以及像素尺寸与物理尺寸的比例关系的乘积,以得到目标物的实际位移距离。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.目标物位移监测方法,其特征在于,包括:
获取所监测的目标物的图像,以得到模板图像;
根据所述模板图像获取匹配图像;
对所述模板图像以及所述匹配图像进行预处理,以得到处理后的模板图像以及处理后的匹配图像;
根据处理后的模板图像计算像素尺寸与物理尺寸的比例关系;
提取处理后的模板图像的特征点以及处理后的匹配图像的特征点,并将处理后的模板图像的特征点以及处理后的匹配图像的特征点进行匹配,以得到匹配结果;
根据所述匹配结果计算目标物的像素位移距离;
根据目标物的像素位移距离以及像素尺寸与物理尺寸的比例关系确定目标物的实际位移距离。
2.根据权利要求1所述的目标物位移监测方法,其特征在于,所述根据所述模板图像获取匹配图像,包括:
获取与所述模板图像相同位置的区域所对应的图像,以得到匹配图像。
3.根据权利要求1所述的目标物位移监测方法,其特征在于,所述对所述模板图像以及所述匹配图像进行预处理,以得到处理后的模板图像以及处理后的匹配图像,包括:
对所述模板图像以及所述匹配图像进行高斯滤波处理,以得到去噪后的模板图像以及去噪后的匹配图像;
对去噪后的模板图像以及去噪后的匹配图像进行灰度缩放处理,以得到处理后的模板图像以及处理后的匹配图像。
4.根据权利要求1所述的目标物位移监测方法,其特征在于,所述根据处理后的模板图像计算像素尺寸与物理尺寸的比例关系,包括:
通过在处理后的模板图像所对应的模板区域内放置测量靶标,获取测量靶标的内矩形区域的实际尺寸;
在所述测量靶标的外接矩形区域内截取包含整个内矩形区域的图像,以得到区域图像;
计算区域图像的平均灰度值;
计算区域图像的二值化图像;
计算区域图像的轮廓,确定轮廓的最小外接矩形,并确定最小外接矩形的像素长宽;
计算区域图像在x方向和y方向上的一个像素对应的实际尺寸,以得到像素尺寸与物理尺寸的比例关系。
5.根据权利要求1所述的目标物位移监测方法,其特征在于,所述提取处理后的模板图像的特征点以及处理后的匹配图像的特征点,并将处理后的模板图像的特征点以及处理后的匹配图像的特征点进行匹配,以得到匹配结果,包括:
对处理后的模板图像以及处理后的匹配图像提取sift特征点提取,以得到模板图像特征点和匹配图像特征点;
计算所述模板图像特征点和所述匹配图像特征点的特征向量,并进行归一化,以得到处理后的模板图像特征点和处理后的匹配图像特征点;
将处理后的模板图像特征点和处理后的匹配图像特征点进行特征匹配,并剔除异常的特征点,以得到匹配结果。
6.根据权利要求1所述的目标物位移监测方法,其特征在于,所述根据所述匹配结果计算目标物的像素位移距离,包括:
计算所述匹配结果中的两个特征点坐标的差值,以得到x坐标偏移量以及y坐标偏移量;
对所述x坐标偏移量以及所述y坐标偏移量按其绝对值从小到大进行排序,并筛选符合要求的坐标偏移量,以得到目标坐标偏移量;
根据所述目标坐标偏移量计算出x方向的像素偏移量和y方向的像素偏移量,以得到目标物的像素位移距离。
7.根据权利要求6所述的目标物位移监测方法,其特征在于,所述根据目标物的像素位移距离以及像素尺寸与物理尺寸的比例关系确定目标物的实际位移距离,包括:
计算目标物的像素位移距离以及像素尺寸与物理尺寸的比例关系的乘积,以得到目标物的实际位移距离。
8.目标物位移监测装置,其特征在于,包括:
模板图像获取单元,用于获取所监测的目标物的图像,以得到模板图像;
匹配图像生成单元,用于根据所述模板图像获取匹配图像;
预处理单元,用于对所述模板图像以及所述匹配图像进行预处理,以得到处理后的模板图像以及处理后的匹配图像;
比例关系计算单元,用于根据处理后的模板图像计算像素尺寸与物理尺寸的比例关系;
匹配单元,用于提取处理后的模板图像的特征点以及处理后的匹配图像的特征点,并将处理后的模板图像的特征点以及处理后的匹配图像的特征点进行匹配,以得到匹配结果;
像素位移计算单元,用于根据所述匹配结果计算目标物的像素位移距离;
实际位移计算单元,用于根据目标物的像素位移距离以及像素尺寸与物理尺寸的比例关系确定目标物的实际位移距离。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210004925.8A CN114387306A (zh) | 2022-01-04 | 2022-01-04 | 目标物位移监测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210004925.8A CN114387306A (zh) | 2022-01-04 | 2022-01-04 | 目标物位移监测方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114387306A true CN114387306A (zh) | 2022-04-22 |
Family
ID=81200730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210004925.8A Pending CN114387306A (zh) | 2022-01-04 | 2022-01-04 | 目标物位移监测方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114387306A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115311624A (zh) * | 2022-08-16 | 2022-11-08 | 广州市吉华勘测股份有限公司 | 一种边坡位移监测方法、装置、电子设备及存储介质 |
-
2022
- 2022-01-04 CN CN202210004925.8A patent/CN114387306A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115311624A (zh) * | 2022-08-16 | 2022-11-08 | 广州市吉华勘测股份有限公司 | 一种边坡位移监测方法、装置、电子设备及存储介质 |
CN115311624B (zh) * | 2022-08-16 | 2023-06-30 | 广州市吉华勘测股份有限公司 | 一种边坡位移监测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Grand-Brochier et al. | Tree leaves extraction in natural images: Comparative study of preprocessing tools and segmentation methods | |
Filin | Surface clustering from airborne laser scanning data | |
Wei et al. | Tensor voting guided mesh denoising | |
Al-Hafiz et al. | Red blood cell segmentation by thresholding and Canny detector | |
Deb et al. | Automatic detection and analysis of discontinuity geometry of rock mass from digital images | |
Magnier | Edge detection: A review of dissimilarity evaluations and a proposed normalized measure | |
Tarsha Kurdi et al. | Automatic filtering and 2D modeling of airborne laser scanning building point cloud | |
Singh et al. | Automated rock mass discontinuity set characterisation using amplitude and phase decomposition of point cloud data | |
CN110533679A (zh) | 基于对数变换与伽柏卷积的sar图像边缘检测方法 | |
CN111260564A (zh) | 一种图像处理方法和装置及计算机存储介质 | |
CN114387306A (zh) | 目标物位移监测方法、装置、计算机设备及存储介质 | |
Coulibaly et al. | Semiautomatic road extraction from VHR images based on multiscale and spectral angle in case of earthquake | |
Adu-Gyamfi et al. | Functional evaluation of pavement condition using a complete vision system | |
CN113436218A (zh) | 基于高斯滤波与均值滤波的sar图像边缘检测方法 | |
CN112085752A (zh) | 一种图像的处理方法、装置、设备及介质 | |
CN114373086A (zh) | 集成模板匹配方法、装置、计算机设备及存储介质 | |
CN114742849B (zh) | 一种基于图像增强的水准仪距离测量方法 | |
CN113822361B (zh) | 一种基于汉明距离的sar图像相似程度度量方法和系统 | |
Xu et al. | Advanced exploratory data analysis for mapping regional canopy cover | |
Saini et al. | A comparative study of several image segmentation techniques | |
CN112101139B (zh) | 人形检测方法、装置、设备及存储介质 | |
Silvetti et al. | Quadratic self-correlation: An improved method for computing local fractal dimension in remote sensing imagery | |
Bazazian et al. | Segmentation-based multi-scale edge extraction to measure the persistence of features in unorganized point clouds | |
Sayed | Extraction and photogrammetric exploitation of features in digital images | |
Pujol et al. | On searching for an optimal threshold for morphological image segmentation |
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 |