CN115127472A - 一种红外光源立体视觉地质裂缝变形测量系统及方法 - Google Patents
一种红外光源立体视觉地质裂缝变形测量系统及方法 Download PDFInfo
- Publication number
- CN115127472A CN115127472A CN202210848647.4A CN202210848647A CN115127472A CN 115127472 A CN115127472 A CN 115127472A CN 202210848647 A CN202210848647 A CN 202210848647A CN 115127472 A CN115127472 A CN 115127472A
- Authority
- CN
- China
- Prior art keywords
- infrared
- coordinates
- image sensor
- geological
- stereoscopic vision
- 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
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000005259 measurement Methods 0.000 title claims description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims abstract description 7
- 230000002093 peripheral effect Effects 0.000 claims abstract description 4
- 238000006073 displacement reaction Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 9
- 239000003550 marker Substances 0.000 claims description 9
- 238000005286 illumination Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 239000007769 metal material Substances 0.000 claims description 4
- 239000005304 optical glass Substances 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 230000036544 posture Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 12
- 238000003384 imaging method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003678 scratch resistant effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
-
- 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
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo camera calibration
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/44—Morphing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2016—Rotation, translation, scaling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Abstract
本发明提供了一种红外光源立体视觉地质裂缝变形测量系统及方法，立体视觉测量装置包括固定在相机支架上相隔一定距离的第一红外图像传感器和第二红外图像传感器；所述第一红外图像传感器和第二红外图像传感器与设置在滑坡上的多组红外反光标志装置相配合；所述红外反光标志装置布置在滑坡裂缝的周围区域；所述第一红外图像传感器和第二红外图像传感器的摄影基线中间部位设置有红外照明光源；所述立体视觉测量装置通过物联网与远程监控中心通讯相连。采用地质裂缝立体视觉监测与三维几何分析相结合，实现全自动三维建模分析，确定地质裂缝变化规律，定量预测地质灾害隐患发展趋势。同时通过远程图像监测地灾隐患区实际状况，避免误报警情况发生。
Description
技术领域
本发明涉及到一种红外光源立体视觉地质裂缝变形测量系统及方法，属于地质灾害监测技术领域。
背景技术
我国地质灾害复杂多样，灾害频繁，是世界上地质灾害最严重的国家之一，主要灾害形态包括滑坡、泥石流、崩塌、地面塌陷、地面沉降等。由于地质灾害多发生在偏远地区，难以及时发现，严重影响地区经济建设和生命财产安全。地质裂缝变形测量是地质灾害预警监测中最重要的监测内容之一，传统的地质裂缝测量主要使用拉线式裂缝计，这种设备易受干扰，拉线较长时容易产生数据错误。基于此，常见的滑坡监测技术都有着某些共性的问题，例如信号数据的获取需要人为获得，面对突发状况无法保障监测人员的安全；某些监测方法受到环境的影响较大；实时性不高无法及时的进行报警等问题。
发明内容
本发明旨在提出一种红外光源立体视觉地质裂缝变形测量系统及方法，采用地质裂缝立体视觉监测与三维几何分析相结合，实现全自动三维建模分析，确定地质裂缝变化规律，定量预测地质灾害隐患发展趋势。同时通过远程图像监测地灾隐患区实际状况，避免误报警情况发生。
为了实现上述的技术特征，本发明的目的是这样实现的：一种红外光源立体视觉地质裂缝变形测量系统，其特征在于，它包括用于对滑坡裂缝进行图像采集的立体视觉测量装置；
所述立体视觉测量装置包括固定在相机支架上相隔一定距离的第一红外图像传感器和第二红外图像传感器；
所述第一红外图像传感器和第二红外图像传感器与设置在滑坡上的多组红外反光标志装置相配合；
所述红外反光标志装置布置在滑坡裂缝的周围区域；
所述第一红外图像传感器和第二红外图像传感器的摄影基线中间部位设置有红外照明光源；
所述立体视觉测量装置通过物联网与远程监控中心通讯相连。
所述相机支架固定安装在滑坡边缘的稳固边坡上；相机支架由高强度的轻型金属材料制作。
所述第一红外图像传感器和第二红外图像传感器采用相同的结构，包括固定焦距的高分辨率摄影镜头，红外滤光模块，红外感光模块和图像数据存储传输模块；采用圆柱式一体的立体摄影机架及相机保护罩，在相机观测孔处配以特殊光学玻璃。
所述第一红外图像传感器和第二红外图像传感器与用于提供电能的太阳能供电模块相连；
所述图像数据存储传输模块通过无线通讯方式与远程监控中心相连，并实时传输滑坡裂缝表面的立体影像。
所述红外反光标志装置包括插入到滑坡上的固定杆，在固定杆的顶端固定有反光标志牌。
所述红外照明光源包括LED发光模块，反光罩和光强度控制模块。
所述远程监控中心包括工业计算机，工业计算机上搭载有封闭式数据处理单元。
所述红外光源立体视觉地质裂缝变形测量系统进行裂缝变形测量的方法，包括以下步骤：
步骤一，将立体视觉地质裂缝变形测量系统安置在三维控制场中，获取相应的立体数字影像，以不同姿态和位置来获取多组立体数字影像；
步骤二，通过立体视觉测量装置自动量测数字影像上每个红外反光标志装置的控制标志点的像点坐标；
步骤三，通过摄影测量光束法平差解算第一红外图像传感器和第二红外图像传感器两台相机的等效主距、像主点坐标、畸变差改正系数、投影中心空间坐标和相机姿态角；
步骤四，根据两台相机对应投影中心的空间坐标计算两点的空间距离，获取多组影像时进一步计算其平均值，由此得到立体相机摄影基线长度Bx；
步骤五，根据两台相机对应投影中心的空间坐标计算基线矢量在标定场坐标系中的空间方向，设基线方向为基线坐标系的X方向，其中一台相机主光轴为Z方向且该相机的绕X方向的旋转角为零，Y方向垂直于XZ平面并满足右手法则，由此可以得到标定场坐标系至基线坐标系旋转矩阵RB；
步骤六，设两台相机姿态角对应的旋转矩阵分别为R1和R2，分别计算两台相机在基线坐标系下的姿态矩阵：Rs1＝RB R1，Rs2＝RB R2；
步骤七，获取多组影像时重复步骤五及步骤六，进一步计算姿态矩阵对应姿态角的平均值，并由此平均姿态角计算两台相机在基线坐标系下的姿态矩阵Rs1，Rs2；
步骤八，解算地质裂缝几何变形与分析。
所述步骤八中解算地质裂缝几何变形与分析的具体步骤为：
步骤8.1，利用边缘提取及曲线拟合算法，自动量测立体影像上圆形标志点中心对应的像点坐标，；
步骤8.2，计算标志点地面模型坐标，利用立体视觉测量装置的标定参数和标志点像点坐标构成以下方程组：
其中，和是标志点的像点坐标，f1和f2分别是两台立体相机的等效主距，，分别是两台立体相机的像主点坐标，(Δx1,Δy1)和(Δx2,Δy2)分别是两台立体相机的畸变差改正，Bx是基线长度，Rs1和Rs2分别是两台立体相机的旋转矩阵，λ1和λ2是两个比例系数，(Xm,Ym,Zm)是标志点在基线坐标系下的模型坐标；
消去λ1和λ2后可以得到4个方程，将像点坐标作为观测值，按最小二乘原理解算此方程组得到标志点对应基线坐标系下的模型坐标；
步骤8.3，利用设置在稳定区域内的标志点计算绝对定向以消除环境影响，通过稳定区域内标志点在已有地面坐标及本次解算得到的模型坐标，按最小二乘平差原理解算平移、旋转、缩放等绝对定向参数；
步骤8.4，计算绝对定向后的标志点地面坐标，利用步骤8.3得到的绝对定向参数和步骤8.2得到的标志点模型坐标，按下式计算全部标志点的地面坐标：
其中，(Xp,Yp,Zp)是标志点的地面坐标，(Xm,Ym,Zm)是标志点的模型坐标，(X0,Y0,Z0)是绝对定向平移参数，λ是绝对定向缩放系数，R是绝对定向旋转矩阵；
步骤8.5，更新稳定区域标志点地面坐标，利用本次平差计算得到的稳定区域标志点地面坐标及已有坐标，计算加权平均，得到稳定区域每一个标志点更新后的地面坐标；
步骤8.6，计算活动区域内标志点位移参数，利用本次平差计算得到的活动区域标志点地面坐标及已有坐标计算每一个标志点的位移量，并进一步计算整体位移量、位移方向和位移速度；
步骤8.7，按一定时间间隔连续获取地质裂缝立体影像，重复步骤8.1至步骤8.6，由此实现对地质裂缝的连续监测。
本发明有如下有益效果：
1、本发明采用图像传感器实时采集地质裂缝的视频图像，使用红外光源和反光标志实现弱光条件下的数据获取，利用三维立体视觉技术实现地质裂缝变形测量，既可以直接观察裂缝的变化状况又能精确计算裂缝三维变形数据，通过移动通讯实现高速数据传输，为地质灾害预警提供实时监测数据。
2、本发明基于红外光源立体三维视觉测量技术的地质裂缝变形监测系统具有非接触、精确度高、实时动态、自动化程度高等多种技术优势，该技术用于地质裂缝变形监测将会提高监测工作的效率和准确度，是一种实用性较高的地质裂缝监测技术。
3、本发明利用三维立体视觉技术实现地质裂缝变形测量，实现全天候24小时动态监测地质裂缝变化，预测地质裂缝变形趋势，为地质灾害预警提供数据。
4、本发明中能够实现弱光条件下辅助成像，通过弱光条件下辅助成像装置，包括能辅助确定滑坡体裂缝目标区地面固定目标的标志，以及根据影像亮度检测环境光强控制红外照明光源强度和发光频率补偿成像系统。
5、在相机观测孔处配以特殊光学玻璃，在保证高通光率的同时具备防水、防雾、防刮特性。而摄影测量基线由高强度的轻型金属材料制作，在保证足够的刚性和耐候性的同时便于运输、安装和常年维护
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1为红外光源立体视觉地质裂缝变形测量系统示意图。
图2为固定基线红外光源立体视觉测量装置实例示意图。
具体实施方式
下面结合发明内容和附图1-2对本发明的原理及具体实施方式作进一步阐述，包括如下步骤：
实施例1：
参见图1-2，一种红外光源立体视觉地质裂缝变形测量系统，其特征在于，它包括用于对滑坡裂缝进行图像采集的立体视觉测量装置；所述立体视觉测量装置包括固定在相机支架6上相隔一定距离的第一红外图像传感器5和第二红外图像传感器7；所述第一红外图像传感器5和第二红外图像传感器7与设置在滑坡1上的多组红外反光标志装置相配合；所述红外反光标志装置布置在滑坡裂缝4的周围区域；所述第一红外图像传感器5和第二红外图像传感器7的摄影基线中间部位设置有红外照明光源8；所述立体视觉测量装置通过物联网与远程监控中心通讯相连。基于实时摄影测量的图像识别方法在滑坡监测领域逐渐得到重视。实时摄影测量技术可满足实时性，高精度，不受外界影响等优点，是滑坡监测领域的一种新方向。能够实现全天候24小时动态监测地质裂缝变化，预测地质裂缝变形趋势，为地质灾害预警提供数据。
进一步的，所述相机支架6固定安装在滑坡边缘的稳固边坡上；相机支架6由高强度的轻型金属材料制作。进而保证了其结构强度那耐用性。
进一步的，所述第一红外图像传感器5和第二红外图像传感器7采用相同的结构，包括固定焦距的高分辨率摄影镜头，红外滤光模块，红外感光模块和图像数据存储传输模块；采用圆柱式一体的立体摄影机架及相机保护罩，在相机观测孔处配以特殊光学玻璃。在保证高通光率的同时具备防水、防雾、防刮特性。
进一步的，所述第一红外图像传感器5和第二红外图像传感器7与用于提供电能的太阳能供电模块相连；所述图像数据存储传输模块通过无线通讯方式与远程监控中心相连，并实时传输滑坡裂缝表面的立体影像。基于物联网技术，实现地质灾害专业监测网络的集成和管理，为监测预警建设建立信息化保障。
进一步的，所述红外反光标志装置包括插入到滑坡1上的固定杆2，在固定杆2的顶端固定有反光标志牌3。通过红外反光标志装置
进一步的，所述红外照明光源8包括LED发光模块，反光罩和光强度控制模块。本发明采用红外光源有利于观测稳定，同时避免光源对环境的影响。
进一步的，所述远程监控中心包括工业计算机，工业计算机上搭载有封闭式数据处理单元。
实施例2：
所述红外光源立体视觉地质裂缝变形测量系统进行裂缝变形测量的方法，包括以下步骤：
步骤一，将立体视觉地质裂缝变形测量系统安置在三维控制场中，获取相应的立体数字影像，以不同姿态和位置来获取多组立体数字影像；
步骤二，通过立体视觉测量装置自动量测数字影像上每个红外反光标志装置的控制标志点的像点坐标；
步骤三，通过摄影测量光束法平差解算第一红外图像传感器5和第二红外图像传感器7两台相机的等效主距、像主点坐标、畸变差改正系数、投影中心空间坐标和相机姿态角；
步骤四，根据两台相机对应投影中心的空间坐标计算两点的空间距离，获取多组影像时进一步计算其平均值，由此得到立体相机摄影基线长度Bx；
步骤五，根据两台相机对应投影中心的空间坐标计算基线矢量在标定场坐标系中的空间方向，设基线方向为基线坐标系的X方向，其中一台相机主光轴为Z方向且该相机的绕X方向的旋转角为零，Y方向垂直于XZ平面并满足右手法则，由此可以得到标定场坐标系至基线坐标系旋转矩阵RB；
步骤六，设两台相机姿态角对应的旋转矩阵分别为R1和R2，分别计算两台相机在基线坐标系下的姿态矩阵：Rs1＝RB R1，Rs2＝RB R2；
步骤七，获取多组影像时重复步骤五及步骤六，进一步计算姿态矩阵对应姿态角的平均值，并由此平均姿态角计算两台相机在基线坐标系下的姿态矩阵Rs1，Rs2；
步骤八，解算地质裂缝几何变形与分析。
所述步骤八中解算地质裂缝几何变形与分析的具体步骤为：
步骤8.1，利用边缘提取及曲线拟合算法，自动量测立体影像上圆形标志点中心对应的像点坐标x1，y1，x2，y2；
步骤8.2，计算标志点地面模型坐标，利用立体视觉测量装置的标定参数和标志点像点坐标构成以下方程组：
其中，x1，y1和x2，y2是标志点的像点坐标，f1和f2分别是两台立体相机的等效主距，x10，y10，x20，y20分别是两台立体相机的像主点坐标，(Δx1,Δy1)和(Δx2,Δy2)分别是两台立体相机的畸变差改正，Bx是基线长度，Rs1和Rs2分别是两台立体相机的旋转矩阵，λ1和λ2是两个比例系数，(Xm,Ym,Zm)是标志点在基线坐标系下的模型坐标；
消去λ1和λ2后可以得到4个方程，将像点坐标作为观测值，按最小二乘原理解算此方程组得到标志点对应基线坐标系下的模型坐标；
步骤8.3，利用设置在稳定区域内的标志点计算绝对定向以消除环境影响，通过稳定区域内标志点在已有地面坐标及本次解算得到的模型坐标，按最小二乘平差原理解算平移、旋转、缩放等绝对定向参数；
步骤8.4，计算绝对定向后的标志点地面坐标，利用步骤8.3得到的绝对定向参数和步骤8.2得到的标志点模型坐标，按下式计算全部标志点的地面坐标：
其中，(Xp,Yp,Zp)是标志点的地面坐标，(Xm,Ym,Zm)是标志点的模型坐标，(X0,Y0,Z0)是绝对定向平移参数，λ是绝对定向缩放系数，R是绝对定向旋转矩阵；
步骤8.5，更新稳定区域标志点地面坐标，利用本次平差计算得到的稳定区域标志点地面坐标及已有坐标，计算加权平均，得到稳定区域每一个标志点更新后的地面坐标；
步骤8.6，计算活动区域内标志点位移参数，利用本次平差计算得到的活动区域标志点地面坐标及已有坐标计算每一个标志点的位移量，并进一步计算整体位移量、位移方向和位移速度；
步骤8.7，按一定时间间隔连续获取地质裂缝立体影像，重复步骤8.1至步骤8.6，由此实现对地质裂缝的连续监测。
根据不同时间序列获取的滑坡裂缝立体影像对，分别重建滑坡裂缝数字表面模型，根据序列数字表面模型，分析和计算滑坡裂缝的变化趋势，根据滑坡移动阈值预警。
综上，本发明通过采用滑坡裂缝表面三维几何分析与实时图像监测相结合技术，通过双像滑坡裂缝表面立体影像获取，全自动表面建模和三维表面点云的分析与计算，确定滑坡裂缝实时变化规律，定量预测滑坡趋势；同时通过远程图像监测滑坡实际状况，避免误报警情况发生。
本发明主要特点在于：
1)自供电一体化高精度立体视觉测量装置：
a)太阳能供电、基于物联网的无线数据传输、以及弱光照明一体的立体摄影机架。
b)整体封闭式立体摄影机；
c)基于工业计算机的在线、封闭式数据处理单元；
d)具有弱光检测、分时获取滑坡体裂缝立体影像的数据采集控制软件；
2)弱光条件下辅助成像装置：
a)定制与设计能辅助确定滑坡体裂缝目标区地面固定目标的标志；
b)弱光检测与光线补偿成像系统；
3)基于半全局影像匹配技术的全自动滑坡体裂缝三维模型自动重建：
a)室内与野外相结合的立体摄影机参数标定；
b)基于半全局影像匹配技术滑坡体裂缝三维模型自动重建；
c)滑坡体裂缝明显点自动检测、定位与量测；
4)基于实时三维表面模型分析的滑坡裂缝变化趋势分析：
a)基于滑坡体裂缝三维模型、明显标志点位置，以及按时间序贯分析的滑坡体裂缝变化趋势分析；
b)滑坡体裂缝预警与实时监测影像相结合的误报警消除。
Claims (9)
1.一种红外光源立体视觉地质裂缝变形测量系统，其特征在于，它包括用于对滑坡裂缝进行图像采集的立体视觉测量装置；
所述立体视觉测量装置包括固定在相机支架(6)上相隔一定距离的第一红外图像传感器(5)和第二红外图像传感器(7)；
所述第一红外图像传感器(5)和第二红外图像传感器(7)与设置在滑坡(1)上的多组红外反光标志装置相配合；
所述红外反光标志装置布置在滑坡裂缝(4)的周围区域；
所述第一红外图像传感器(5)和第二红外图像传感器(7)的摄影基线中间部位设置有红外照明光源(8)；
所述立体视觉测量装置通过物联网与远程监控中心通讯相连。
2.根据权利要求1所述一种红外光源立体视觉地质裂缝变形测量系统，其特征在于：所述相机支架(6)固定安装在滑坡边缘的稳固边坡上；相机支架(6)由高强度的轻型金属材料制作。
3.根据权利要求1所述一种红外光源立体视觉地质裂缝变形测量系统，其特征在于：所述第一红外图像传感器(5)和第二红外图像传感器(7)采用相同的结构，包括固定焦距的高分辨率摄影镜头，红外滤光模块，红外感光模块和图像数据存储传输模块；采用圆柱式一体的立体摄影机架及相机保护罩，在相机观测孔处配以特殊光学玻璃。
4.根据权利要求3所述一种红外光源立体视觉地质裂缝变形测量系统，其特征在于：所述第一红外图像传感器(5)和第二红外图像传感器(7)与用于提供电能的太阳能供电模块相连；
所述图像数据存储传输模块通过无线通讯方式与远程监控中心相连，并实时传输滑坡裂缝表面的立体影像。
5.根据权利要求1所述一种红外光源立体视觉地质裂缝变形测量系统，其特征在于：所述红外反光标志装置包括插入到滑坡(1)上的固定杆(2)，在固定杆(2)的顶端固定有反光标志牌(3)。
6.根据权利要求1所述一种红外光源立体视觉地质裂缝变形测量系统，其特征在于：所述红外照明光源(8)包括LED发光模块，反光罩和光强度控制模块。
7.根据权利要求1所述一种红外光源立体视觉地质裂缝变形测量系统，其特征在于：所述远程监控中心包括工业计算机，工业计算机上搭载有封闭式数据处理单元。
8.采用权利要求1-7任意一项所述红外光源立体视觉地质裂缝变形测量系统进行裂缝变形测量的方法，其特征在于，包括以下步骤：
步骤一，将立体视觉地质裂缝变形测量系统安置在三维控制场中，获取相应的立体数字影像，以不同姿态和位置来获取多组立体数字影像；
步骤二，通过立体视觉测量装置自动量测数字影像上每个红外反光标志装置的控制标志点的像点坐标；
步骤三，通过摄影测量光束法平差解算第一红外图像传感器(5)和第二红外图像传感器(7)两台相机的等效主距、像主点坐标、畸变差改正系数、投影中心空间坐标和相机姿态角；
步骤四，根据两台相机对应投影中心的空间坐标计算两点的空间距离，获取多组影像时进一步计算其平均值，由此得到立体相机摄影基线长度Bx；
步骤五，根据两台相机对应投影中心的空间坐标计算基线矢量在标定场坐标系中的空间方向，设基线方向为基线坐标系的X方向，其中一台相机主光轴为Z方向且该相机的绕X方向的旋转角为零，Y方向垂直于XZ平面并满足右手法则，由此可以得到标定场坐标系至基线坐标系旋转矩阵RB；
步骤六，设两台相机姿态角对应的旋转矩阵分别为R1和R2，分别计算两台相机在基线坐标系下的姿态矩阵：Rs1＝RB R1，Rs2＝RB R2；
步骤七，获取多组影像时重复步骤五及步骤六，进一步计算姿态矩阵对应姿态角的平均值，并由此平均姿态角计算两台相机在基线坐标系下的姿态矩阵Rs1，Rs2；
步骤八，解算地质裂缝几何变形与分析。
9.根据权利要求8所述红外光源立体视觉地质裂缝变形测量系统进行裂缝变形测量的方法，其特征在于，所述步骤八中解算地质裂缝几何变形与分析的具体步骤为：
步骤8.1，利用边缘提取及曲线拟合算法，自动量测立体影像上圆形标志点中心对应的像点坐标(x1，y1)，(x2，y2)；
步骤8.2，计算标志点地面模型坐标，利用立体视觉测量装置的标定参数和标志点像点坐标构成以下方程组：
其中，(x1，y1)和(x2，y2)是标志点的像点坐标，f1和f2分别是两台立体相机的等效主距，(x10，y10)，(x20，y20)分别是两台立体相机的像主点坐标，(Δx1,Δy1)和(Δx2,Δy2)分别是两台立体相机的畸变差改正，Bx是基线长度，Rs1和Rs2分别是两台立体相机的旋转矩阵，λ1和λ2是两个比例系数，(Xm,Ym,Zm)是标志点在基线坐标系下的模型坐标；
消去λ1和λ2后可以得到4个方程，将像点坐标作为观测值，按最小二乘原理解算此方程组得到标志点对应基线坐标系下的模型坐标；
步骤8.3，利用设置在稳定区域内的标志点计算绝对定向以消除环境影响，通过稳定区域内标志点在已有地面坐标及本次解算得到的模型坐标，按最小二乘平差原理解算平移、旋转、缩放等绝对定向参数；
步骤8.4，计算绝对定向后的标志点地面坐标，利用步骤8.3得到的绝对定向参数和步骤8.2得到的标志点模型坐标，按下式计算全部标志点的地面坐标：
其中，(Xp,Yp,Zp)是标志点的地面坐标，(Xm,Ym,Zm)是标志点的模型坐标，(X0,Y0,Z0)是绝对定向平移参数，λ是绝对定向缩放系数，R是绝对定向旋转矩阵；
步骤8.5，更新稳定区域标志点地面坐标，利用本次平差计算得到的稳定区域标志点地面坐标及已有坐标，计算加权平均，得到稳定区域每一个标志点更新后的地面坐标；
步骤8.6，计算活动区域内标志点位移参数，利用本次平差计算得到的活动区域标志点地面坐标及已有坐标计算每一个标志点的位移量，并进一步计算整体位移量、位移方向和位移速度；
步骤8.7，按一定时间间隔连续获取地质裂缝立体影像，重复步骤8.1至步骤8.6，由此实现对地质裂缝的连续监测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210848647.4A CN115127472A (zh) | 2022-07-19 | 2022-07-19 | 一种红外光源立体视觉地质裂缝变形测量系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210848647.4A CN115127472A (zh) | 2022-07-19 | 2022-07-19 | 一种红外光源立体视觉地质裂缝变形测量系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115127472A true CN115127472A (zh) | 2022-09-30 |
Family
ID=83383523
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210848647.4A Pending CN115127472A (zh) | 2022-07-19 | 2022-07-19 | 一种红外光源立体视觉地质裂缝变形测量系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115127472A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116734754A (zh) * | 2023-05-10 | 2023-09-12 | 吉林大学 | 滑坡监测系统及方法 |
| CN117387491A (zh) * | 2023-12-11 | 2024-01-12 | 南京理工大学 | 一种适用于架桥机的双目视觉标志物定位装置及方法 |
| CN116734754B (zh) * | 2023-05-10 | 2024-04-26 | 吉林大学 | 滑坡监测系统及方法 |
-
2022
- 2022-07-19 CN CN202210848647.4A patent/CN115127472A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116734754A (zh) * | 2023-05-10 | 2023-09-12 | 吉林大学 | 滑坡监测系统及方法 |
| CN116734754B (zh) * | 2023-05-10 | 2024-04-26 | 吉林大学 | 滑坡监测系统及方法 |
| CN117387491A (zh) * | 2023-12-11 | 2024-01-12 | 南京理工大学 | 一种适用于架桥机的双目视觉标志物定位装置及方法 |
| CN117387491B (zh) * | 2023-12-11 | 2024-04-05 | 南京理工大学 | 一种适用于架桥机的双目视觉标志物定位装置及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106017436B (zh) | 基于全站仪及摄影测量技术的bim增强现实放样系统 | |
| CN102262092B (zh) | 能见度测量系统及方法 | |
| CN105046746A (zh) | 一种数字散斑人体三维快速扫描方法 | |
| CN109341668B (zh) | 基于折射投影模型和光束追踪法的多相机测量方法 | |
| CN106504287B (zh) | 基于模板的单目视觉目标空间定位系统 | |
| WO2021185220A1 (zh) | 一种基于坐标测量的三维模型构建及测量方法 | |
| CN108692656B (zh) | 一种激光扫描数据获取方法及装置 | |
| CN106651957B (zh) | 基于模板的单目视觉目标空间定位方法 | |
| WO2022111105A1 (zh) | 一种自由姿态的智能视觉3d信息采集设备 | |
| CN105516584A (zh) | 全景影像采集系统、基于其的测量天际线的装置和方法 | |
| CN105115560A (zh) | 一种船舱舱容的非接触测量方法 | |
| CN103868504B (zh) | 自主测绘机 | |
| WO2022078442A1 (zh) | 一种基于光扫描和智能视觉融合的3d信息采集方法 | |
| WO2021185215A1 (zh) | 一种在3d建模中多相机共同标定方法 | |
| CN110702343B (zh) | 一种基于立体视觉的挠度测量系统及方法 | |
| CN112595236A (zh) | 一种水下激光三维扫描和实时测距的测量装置 | |
| CN114333243A (zh) | 一种滑坡监测预警方法、装置、介质、电子设备及终端 | |
| CN115127472A (zh) | 一种红外光源立体视觉地质裂缝变形测量系统及方法 | |
| CN209706760U (zh) | 一种激光建模测量系统 | |
| CN112254675A (zh) | 一种包含运动物体的空间占用率采集判断设备及方法 | |
| CN115578315A (zh) | 一种基于无人机图像的桥梁应变近景摄影测量方法 | |
| CN105303580A (zh) | 一种全景环视多相机标定棒的识别系统和方法 | |
| CN105180906B (zh) | 井下摄影测量仪及其测绘方法 | |
| WO2022078419A1 (zh) | 一种多偏置角度的智能视觉3d信息采集设备 | |
| CN112254679B (zh) | 一种多位置组合式3d采集系统及方法 |
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 |