CN115265472A - 路面沉降测量方法、装置、设备以及介质 - Google Patents
路面沉降测量方法、装置、设备以及介质 Download PDFInfo
- Publication number
- CN115265472A CN115265472A CN202210900057.1A CN202210900057A CN115265472A CN 115265472 A CN115265472 A CN 115265472A CN 202210900057 A CN202210900057 A CN 202210900057A CN 115265472 A CN115265472 A CN 115265472A
- Authority
- CN
- China
- Prior art keywords
- initial
- current
- point
- determining
- state image
- 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 63
- 238000006073 displacement reaction Methods 0.000 claims abstract description 23
- 230000006870 function Effects 0.000 claims description 80
- 239000013598 vector Substances 0.000 claims description 49
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 description 23
- 238000012545 processing Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000000691 measurement method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004062 sedimentation Methods 0.000 description 5
- 238000009434 installation Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- 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
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种路面沉降测量方法、装置、设备以及介质,该方法通过预设双目视野相机,采集待测量路面的初始状态图像对和当前状态图像对,针对与初始状态图像对对应的初始三维空间中的待测量点,根据初始状态图像对以及相机参数确定该点在初始三维空间中的初始空间距离,并根据当前状态图像对以及相机参数确定该点在当前三维空间中的当前空间距离,进而根据初始空间距离以及当前空间距离得到待测量路面的路面沉降位移,实现了基于图像处理的路面沉降监测,避免了对道路造成损伤以及人工对测量结果的影响,提高了测量精度,解决了自动化程度低的问题,并且,该方法实现了基于双目视觉的立体形变道路沉降监测,进一步的提高了路面沉降测量精度。
Description
技术领域
本发明涉及路面监测技术领域,尤其涉及一种路面沉降测量方法、装置、设备以及介质。
背景技术
近年来,随着汽车的增多、降雨的增加以及其他因素,导致城市道路频频发生沉降事故,给人们的生命和财产安全带来严重的威胁。如果利用监测设备时刻对道路进行监测,按需求上报路面沉降变化以防止事故发生,对数字城市建设和智慧建设具有重大的意义。
目前,路面沉降监测的常用方法如下:1、监测桩法,沉降板法。该方法属于人工测量方法,需要人为的观测,记录数据。需要在路基安装测量设备,对道路损害较大。另外人为工作强度大,工作重复,自动化程度低,测量灵敏度较低,测量精度容易受人工和环境影响,成本高,误差大。2、分层沉降法。对环境有较大的依赖,会妨碍施工进度,测量精度容易受外界环境影响,测量灵敏度低。属于接触式监测方法,对道路有一定的损害且成本高。3、GPS测量法。测量精度差,受环境影响较大。需要在道路上布置观测点,受限于道路环境,监测设备容易损坏,成本高。属于接触式监测方式,安装设备时对道路造成损伤。
在实现本发明的过程中,发现现有技术中至少存在以下技术问题:现有技术都属于接触式监测方法,需要提前在道路上安装,会对道路造成一定损伤,且安装成本高;此外,测量结果的精度较差,不能监测道路微小变化,可靠性较低;并且,监测方法实施的自动化程度低。
发明内容
本发明提供了一种路面沉降测量方法、装置、设备以及介质,以解决接触式监测的道路损伤大、测量结果的精度低以及自动化程度低的技术问题。
根据本发明的一方面,提供了一种路面沉降测量方法,包括:
基于预设双目视野相机,获取待测量路面的初始状态图像对和当前状态图像对;
针对与所述初始状态图像对对应的初始三维空间中的待测量点,基于所述初始状态图像对以及所述预设双目视野相机的相机参数,确定所述待测量点在所述初始三维空间中的初始空间距离,基于所述当前状态图像对以及所述相机参数,确定所述待测量点在与所述当前状态图像对对应的当前三维空间中的当前空间距离;
基于所述初始空间距离以及所述当前空间距离确定所述待测量路面的路面沉降位移。
根据本发明的另一方面,提供了一种路面沉降测量装置,包括:
图像获取模块,用于基于预设双目视野相机,获取待测量路面的初始状态图像对和当前状态图像对;
空间距离计算模块,用于针对与所述初始状态图像对对应的初始三维空间中的待测量点,基于所述初始状态图像对以及所述预设双目视野相机的相机参数,确定所述待测量点在所述初始三维空间中的初始空间距离,基于所述当前状态图像对以及所述相机参数,确定所述待测量点在与所述当前状态图像对对应的当前三维空间中的当前空间距离;
沉降距离确定模块,用于基于所述初始空间距离以及所述当前空间距离确定所述待测量路面的路面沉降位移。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的路面沉降测量方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的路面沉降测量方法。
本发明实施例的技术方案,通过预设双目视野相机,采集待测量路面的初始状态图像对和当前状态图像对,针对与初始状态图像对对应的初始三维空间中的待测量点,根据初始状态图像对以及相机参数确定该点在初始三维空间中的初始空间距离,并根据当前状态图像对以及相机参数确定该点在当前三维空间中的当前空间距离,进而根据初始空间距离以及当前空间距离得到待测量路面的路面沉降位移,实现了基于图像处理的路面沉降监测,进而实现了无接触式监测,避免了对道路造成损伤,同时,无需人工进行处理,避免了人工对测量结果的影响,提高了路面沉降的测量精度,解决了自动化程度低的技术问题,并且,该方法通过双目视野图像确定路面沉降位移,实现了基于双目视觉的立体形变道路沉降监测,进一步的提高了路面沉降的测量精度。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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是本发明实施例一提供的一种路面沉降测量方法的流程示意图;
图2是本发明实施例二提供的一种路面沉降测量方法的流程示意图;
图3是本发明实施例三提供的一种路面沉降测量方法的流程示意图;
图4是本发明实施例四提供的一种路面沉降测量装置的结构示意图;
图5是本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是本发明实施例一提供的一种路面沉降测量方法的流程示意图,本实施例可适用于通过在待测量路面中的现有设备上架设预设双目视野相机,采集待测量路面的初始状态图像对和当前状态图像对,进而通过采集到的图像对确定路面沉降位移的情况,该方法可以由路面沉降测量装置来执行,该路面沉降测量装置可以采用硬件和/或软件的形式实现,该路面沉降测量装置可配置于计算机、智能手机、平板电脑或云端服务器等电子设备中。如图1所示,该方法包括:
S110、基于预设双目视野相机,获取待测量路面的初始状态图像对和当前状态图像对。
其中,预设双目视野相机可以包括左视野相机和右视野相机。在本实施例中,可以预先将预设双目视野相机架设在待测量路面中的现有设备上,如,将左视野相机和右视野相机分别架设在待测量路面两旁的树木主干、路灯杆或道路指引杆上。
本实施例不对预设双目视野相机的安装高度和安装角度进行限制,保证被监测的待测量路面成像清晰即可。预设双目视野相机中左视野相机与右视野相机的焦距大小可以保持一致。并且,预设双目视野相机中的左视野相机和右视野相机之间的距离任意,只要保证被监测的待测量路面可以同时被两个相机采集即可。
在本实施例中,可以在预设双目视野相机安装完成后,对预设双目视野相机进行内参标定和外参标定,得到预设双目视野相机的相机参数。其中,可以基于棋盘格标定板确定预设双目视野相机的相机内参,根据预设双目视野相机的焦距选择合适的棋盘格,棋盘格成像在图像中的比例在一半以上,收集棋盘格不同位置下的多张图像(如20-30张)进行内参计算,得到左视野相机的相机内参和右视野相机的相机内参。
在得到预设双目视野相机的相机内参后,可以将棋盘格放置在待测量道路平面上,建立预设双目视野相机共用的世界坐标系,并基于相机内参,根据张正友标定法分别计算出左视野相机的相机外参和右视野相机的相机外参。
具体的,可以基于预设双目视野相机,采集待测量路面的初始状态图像对和当前状态图像对。其中,初始状态图像对可以是待测量路面的初始参考状态,包括左视野初始图像与右视野初始图像。当前状态图像对可以是待测量路面的当前待测量状态,包括左视野当前图像和右视野当前图像。
S120、针对与初始状态图像对对应的初始三维空间中的待测量点,基于初始状态图像对以及预设双目视野相机的相机参数,确定待测量点在初始三维空间中的初始空间距离,基于当前状态图像对以及相机参数,确定待测量点在与当前状态图像对对应的当前三维空间中的当前空间距离。
其中,初始三维空间可以是待测量路面在采集初始状态图像对时与采集到的图像对相对应的三维立体空间,即初始状态图像对是初始三维空间的成像。
当前三维空间可以是待测量路面在采集当前状态图像对时与采集到的图像对相对应的三维立体空间,即当前状态图像对是对当前三维空间的程序。
初始三维空间中的待测量点可以是初始三维空间中的任意点。待测量点的数量可以是一个,也可以是多个。
具体的,针对初始三维空间中的待测量点,可以计算出待测量点分别在初始三维空间中的初始空间距离以及在当前三维空间中的当前空间距离。
其中,初始空间距离可以是待测量点在初始三维空间对应的世界坐标系中的Z方向值,当前空间距离可以是待测量点在当前三维空间对应的世界坐标系中的Z方向值。
具体的,可以通过初始状态图像对中各点的图像坐标,以及预设双目视野相机的相机参数,计算出各点在初始三维空间中的三维坐标,进而根据各个三维坐标拟合出表征初始三维空间的第一曲面函数;并通过当前状态图像对中各点的图像坐标,以及预设双目视野相机的相机参数,计算出各点在当前三维空间中的三维坐标,进而根据各个三维坐标拟合出表征当前三维空间的第二曲面函数。其中,相机参数包括左视野相机的相机内参、左视野相机的相机外参、右视野相机的相机内参以及右视野相机的相机外参。
进一步的,通过第一曲面函数确定初始空间距离,通过第二曲面函数确定当前空间距离。
可选的,针对与初始状态图像对对应的初始三维空间中的待测量点,基于初始状态图像对以及预设双目视野相机的相机参数,确定待测量点在初始三维空间中的初始空间距离,基于当前状态图像对以及相机参数,确定待测量点在与当前状态图像对对应的当前三维空间中的当前空间距离,可以是:
基于初始状态图像对、基于当前状态图像对以及预设双目视野相机的相机参数,确定与初始三维空间对应的第一曲面函数,以及与当前三维空间对应的第二曲面函数;针对第一曲面函数中的待测量点,基于第一曲面函数确定待测量点在初始三维空间中的初始空间距离,基于第二曲面函数确定待测量点在当前三维空间中的当前空间距离。
具体的,可以根据初始状态图像对中各点的图像坐标以及相机参数,计算出各点映射至初始三维空间的三维坐标,并根据当前状态图像对中各点的图像坐标以及相机参数,计算出各点映射至当前三维空间的三维坐标。进一步的,可以采用多项式拟合函数,将初始三维空间的各个点的三维坐标代入至多项式拟合函数,求解拟合函数中的各个参数,得到第一曲面函数,将当前三维空间的各个点的三维坐标代入至多项式拟合函数,求解拟合函数中的各个参数,得到第二曲面函数。
进一步的,可以从第一曲面函数中任意选择一个待测量点,根据第一曲面函数即可得到该待测量点的三维坐标,将三维坐标中的Z方向值作为初始空间距离,并将该待测量点的X方向值和Y方向值代入至第二曲面函数,计算出当前空间距离。
需要说明的是,在确定第一曲面函数和第二曲面函数的过程中,可以在图像对中的选取部分点,根据部分点的三维空间坐标进行拟合,无需根据全部点的三维空间坐标进行拟合。拟合第一曲面函数和第二曲面函数的目的在于:确定出待测量路面中的各个位置点在初始状态的空间坐标以及在当前状态的空间坐标。
示例性的,以第一曲面函数为例,第一曲面函数的多项式拟合函数为z=a20x2+a02y2+a11xy+a10x+a01y+a00,其中,a20、a02、a11、a10、a01、a00均为第一曲面函数的参数,x为待测量点的X方向值,y为待测量点的Y方向值,z为待测量点的Z方向值。记第一曲面函数为fs(x,y),第二曲面函数为fe(x,y),可以从第一曲面函数中选择一个待测量点,坐标记为(xs,ys),根据zs=fs(xs,ys),得到待测量点在初始三维空间中的初始空间距离zs,待测量点在初始三维空间的坐标为(xs,ys,zs);根据ze=fe(xs,ys),得到待测量点在当前三维空间中的当前空间距离ze,待测量点在当前三维空间的坐标为(xs,ys,ze)。
通过上述方式,实现了基于曲面函数的空间距离的确定,通过构建第一曲面函数以及第二曲面函数,可以得到任意待测量点分别在初始状态空间和当前状态空间的Z方向值,进而便于根据Z方向值计算路面沉降位移。
示例性的,路面沉降位移可以是d=|ze-zs|。
S130、基于初始空间距离以及当前空间距离确定所述待测量路面的路面沉降位移。
具体的,在得到初始空间距离以及当前空间距离后,可以将初始空间距离与当前空间距离的差值确定为路面沉降位移。
示例性的,可以在初始三维空间中选择多个待测量点,根据每一个待测量点的初始空间距离以及当前空间距离确定距离差值,进而将最大的距离差值确定为路面沉降位移。
或者,也可以在初始三维空间中划分多个局部区域,每一个局部区域选择多个待测量点,针对每一个局部区域,根据该局部区域的各待测量点的初始空间距离以及当前空间距离确定各待测量点的距离差值,将全部距离差值中的最大值或均值作为该局部区域的路面沉降位移。
本实施例的技术方案,通过预设双目视野相机,采集待测量路面的初始状态图像对和当前状态图像对,针对与初始状态图像对对应的初始三维空间中的待测量点,根据初始状态图像对以及相机参数确定该点在初始三维空间中的初始空间距离,并根据当前状态图像对以及相机参数确定该点在当前三维空间中的当前空间距离,进而根据初始空间距离以及当前空间距离得到待测量路面的路面沉降位移,实现了基于图像处理的路面沉降监测,进而实现了无接触式监测,避免了对道路造成损伤,同时,无需人工进行处理,避免了人工对测量结果的影响,提高了路面沉降的测量精度,解决了自动化程度低的技术问题,并且,该方法通过双目视野图像确定路面沉降位移,实现了基于双目视觉的立体形变道路沉降监测,进一步的提高了路面沉降的测量精度。
实施例二
图2是本发明实施例二提供的一种路面沉降测量方法的流程示意图,本实施例在上述各实施例的基础上,对确定第一曲面函数和第二曲面函数的过程进行了示例性说明。如图2所示,该方法包括:
S210、基于预设双目视野相机,获取待测量路面的初始状态图像对和当前状态图像对。
S220、确定初始状态图像对中的左视野初始图像与右视野初始图像之间的重叠区域坐标点,以及当前状态图像对中的左视野当前图像与右视野当前图像之间的重叠区域坐标点。
其中,重叠区域坐标点可以是两个图像之间的图像重叠区域中的坐标点。示例性的,以初始状态图像对为例,可以计算左视野初始图像中各个区域的梯度信息和右视野初始图像中各个区域的梯度信息,基于梯度信息确定图像重叠区域,并将图像重叠区域中的点作为重叠区域坐标点;或者,也可以提取左视野初始图像中的特征点,计算特征点的特征向量,并提取右视野初始图像中的特征点,计算特征点的特征向量,基于特征向量进行特征点匹配,将匹配的特征点确定为重叠区域坐标点。
在一种具体的实施方式中,确定初始状态图像对中的左视野初始图像与右视野初始图像之间的重叠区域坐标点,以及当前状态图像对中的左视野当前图像与右视野当前图像之间的重叠区域坐标点,可以包括如下步骤:
步骤2201、确定左视野初始图像中的各第一初始特征点以及右视野初始图像中的各第二初始特征点;
步骤2202、确定左视野当前图像中的各第一当前特征点以及右视野当前图像中的各第二当前特征点;
步骤2203、基于各第一初始特征点以及各第二初始特征点,确定初始状态图像对中的重叠区域坐标点,基于各第一当前特征点以及各第二当前特征点,确定当前状态图像对中的重叠区域坐标点。
其中,针对步骤2201,以左视野初始图像为例,确定左视野初始图像中的各第一初始特征点,可以是:对左视野初始图像进行降采样处理,得到金字塔结构,其中,金字塔结构包括分辨率依次下降的各个初始图像;针对金字塔结构中的每一层初始图像,对初始图像进行多尺度高斯模糊处理,生成该层的高斯图像集合,确定高斯图像集合中相邻层图像之间的差值图像;确定差值图像中的极值点,将极值点确定为第一当前特征点。其中,对于差值图像中的每一个点,对比该点的周围的8个点以及差值图像中该点的上下两层共18个点,如果该点是最大值或最小值,则可以确定该点为极值点。
类似的,针对步骤2202,可以以相同的方式确定右视野当前图像中的各第二当前特征点。
进一步的,在步骤2203中,可以对各第一初始特征点以及各第二初始特征点进行特征点匹配,将匹配的特征点作为重叠区域坐标点,并对各第一当前特征点以及各第二当前特征点进行特征点匹配,将匹配的特征点作为重叠区域坐标点。
通过上述方式,可以提取出具备尺度不变性的特征点,通过提取特征点可以提高重叠区域坐标点的准确性。
针对上述步骤2203,可选的,基于各第一初始特征点以及各第二初始特征点,确定初始状态图像对中的重叠区域坐标点,基于各第一当前特征点以及各第二当前特征点,确定当前状态图像对中的重叠区域坐标点,可以是:
确定各第一初始特征点的第一初始特征向量,以及各第二初始特征点的第二初始特征向量,基于各第一初始特征向量与各第二初始特征向量之间的特征距离,确定初始状态图像对中的重叠区域坐标点;确定各第一当前特征点的第一当前特征向量,以及各第二当前特征点的第二当前特征向量,基于各第一当前特征向量与各第二当前特征向量之间的特征距离,确定当前状态图像对中的重叠区域坐标点。
其中,确定各第一初始特征点的第一初始特征向量,可以是:针对每一个第一初始特征点,根据第一初始特征点的中心相邻窗口像素点的梯度方向和模值,确定第一初始特征点的方向,并基于方向生成第一初始特征向量,对第一初始特征向量进行归一化,基于归一化结果更新第一初始特征向量。
相应的,第二初始特征向量、第一当前特征向量、第二当前特征向量也可以基于上述方式确定。
进一步的,可以计算各第一初始特征向量与各第二初始特征向量之间的欧式距离,作为各第一初始特征点与各第二初始特征点之间的特征距离,第一初始特征点与第二初始特征点之间的特征距离越小,则表明第一初始特征点与第二初始特征点之间的相似性越高,即第一初始特征点与第二初始特征点对应同一个三维空间位置的可能性越高。
示例性的,可以将特征距离低于预设阈值的第一初始特征点与第二初始特征点,确定为初始状态图像对中的重叠区域坐标点。如,记初始状态图像对中的重叠区域坐标点分别为XSL((x1,y1),(x2,y2),...,(xn,yn))、XSR((x1,y1),(x2,y2),...,(xn,yn))。
相应的,当前状态图像对中的重叠区域坐标点也可以基于上述方式确定,在此不再进行赘述。如,记当前状态图像对中的重叠区域坐标点分别为XEL((x1,y1),(x2,y2),...,(xn,yn))、XER((x1,y1),(x2,y2),...,(xn,yn))。
在上述实施方式中,通过计算特征点之间的特征距离,以通过特征距离对特征点进行匹配,确定出重叠区域坐标点,保证了所确定的重叠区域坐标点的准确性。
考虑到初始状态图像对和当前状态图像对中可能存在冗余图像区域,即包括除待测量路面之外的其它边缘区域,为了提高特征点匹配的准确性和匹配效率,可以对初始状态图像对和当前状态图像对进行预处理,以对初始状态图像对和当前状态图像对中的待测量路面的图像区域进行特征点匹配。
可选的,确定初始状态图像对中的左视野初始图像与右视野初始图像之间的重叠区域坐标点,以及当前状态图像对中的左视野当前图像与右视野当前图像之间的重叠区域坐标点,包括:确定左视野初始图像的第一初始感兴趣区域,以及右视野初始图像的第二初始感兴趣区域,基于第一初始感兴趣区域以及第二初始感兴趣区域确定左视野初始图像与右视野初始图像之间的重叠区域坐标点;确定左视野当前图像的第一当前感兴趣区域,以及右视野当前图像的第二当前感兴趣区域,基于第一当前感兴趣区域以及第二当前感兴趣区域确定左视野当前图像与右视野当前图像之间的重叠区域坐标点。
其中,第一初始感兴趣区域、第二初始感兴趣区域分别可以是左视野初始图像中的待测量路面图像区域、右视野初始图像中的待测量路面图像区域。第一当前感兴趣区域、第二当前感兴趣区域分别可以是左视野当前图像中的待测量路面图像区域、右视野当前图像中的待测量路面图像区域。
示例性的,以左视野初始图像为例,可以对左视野初始图像进行图像定位处理,以定位出左视野初始图像中的待测量路面。
当然,第一初始感兴趣区域、第二初始感兴趣区域、第一当前感兴趣区域、第二当前感兴趣区域,也可以是待测量路面图像区域中的部分区域。
具体的,可以先提取感兴趣区域,进而根据感兴趣区域确定重叠区域坐标点,如对感兴趣区域进行特征点提取,并根据特征点的特征向量确定匹配的特征点。
在上述实施方式中,通过确定图像中的感兴趣区域,以进一步根据感兴趣区域确定重叠区域坐标点,避免了冗余图像区域对特征点匹配的干扰,提高了特征点匹配效率以及匹配精度。
S230、基于初始状态图像对中的重叠区域坐标点以及预设双目视野相机的相机参数,确定与初始三维空间对应的第一曲面函数,基于当前状态图像对中的重叠区域坐标点以及预设双目视野相机的相机参数,确定与当前三维空间对应的第二曲面函数。
在一种具体的实施方式中,基于初始状态图像对中的重叠区域坐标点以及预设双目视野相机的相机参数,确定与初始三维空间对应的第一曲面函数,基于当前状态图像对中的重叠区域坐标点以及预设双目视野相机的相机参数,确定与当前三维空间对应的第二曲面函数,包括:
针对初始状态图像对中的重叠区域坐标点,基于重叠区域坐标点在左视野初始图像中的坐标、在右视野初始图像中的坐标,以及预设双目视野相机的相机参数,确定重叠区域坐标点在初始三维空间的初始三维坐标,基于各重叠区域坐标点的初始三维坐标确定第一曲面函数;
针对当前状态图像对中的重叠区域坐标点,基于重叠区域坐标点在左视野当前图像中的坐标、在右视野当前图像中的坐标,以及预设双目视野相机的相机参数,确定重叠区域坐标点在当前三维空间的当前三维坐标,基于各重叠区域坐标点的当前三维坐标确定所述第二曲面函数。
示例性的,以初始状态图像对中的重叠区域坐标点为例,对计算重叠区域坐标点的初始三维坐标的过程进行说明。其中,一个重叠区域坐标点可以代表一对坐标点,即代表在左视野初始图像中的坐标以及在右视野初始图像中的坐标。
在本实施例中,可以根据在左视野初始图像中的坐标、在右视野初始图像中的坐标以及相机参数,计算出一个初始三维坐标。可以参见如下公式:
相机参数可以表示为:
其中,(Xw,Yw,Zw)为初始三维坐标,(uL,vL)为重叠区域坐标点在左视野初始图像中的坐标,(uR,vR)为重叠区域坐标点在右视野初始图像中的坐标。
具体的,可以将初始状态图像对中的重叠区域坐标点在左视野初始图像中的坐标、在右视野初始图像中的坐标以及相机参数代入至上述公式,计算出初始三维坐标。
相应的,还可以将当前状态图像对中的重叠区域坐标点在左视野当前图像中的坐标、在右视野当前图像中的坐标以及相机内参代入至上述公式,计算出当前三维坐标。
通过上述方式,可以计算出初始状态图像对中的各重叠区域坐标点的初始三维坐标,以及当前状态图像对中的重叠区域坐标点的当前三维坐标,进而根据各个初始三维坐标拟合第一曲面函数,根据各个当前三维坐标拟合第二曲面函数,实现了三维空间点的曲面拟合。
S240、针对第一曲面函数中的待测量点,基于第一曲面函数确定待测量点在初始三维空间中的初始空间距离,基于第二曲面函数确定待测量点在当前三维空间中的当前空间距离。
S250、基于初始空间距离以及当前空间距离确定所述待测量路面的路面沉降位移。
本实施例的技术方案,通过确定初始状态图像对中的重叠区域坐标点,以及当前状态图像对中的重叠区域坐标点,根据初始状态图像对中的重叠区域坐标点以及相机参数确定第一曲面函数,并根据当前状态图像对中的重叠区域坐标点以及相机参数确定第二曲面函数,实现了三维空间点的曲面拟合,进而实现了待测量路面在三维空间的Z方向距离的确定。
实施例三
图3是本发明实施例三提供的一种路面沉降测量方法的流程示意图。参见图3,该方法包括如下步骤:
S301、基于预设双目视野相机,获取待测量路面的初始状态图像对和当前状态图像对。
S302、确定初始状态图像对中左视野初始图像的第一初始感兴趣区域、右视野初始图像的第二初始感兴趣区域、当前状态图像对中左视野当前图像的第一当前感兴趣区域、右视野当前图像的第二当前感兴趣区域。
S303、确定第一初始感兴趣区域中的各第一初始特征点、第二初始感兴趣区域中的各第二初始特征点、第一当前感兴趣区域中的各第一当前特征点以及各第二当前感兴趣区域中的各第二当前特征点。
S304、确定各第一初始特征点的第一初始特征向量、各第二初始特征点的第二初始特征向量、确定各第一当前特征点的第一当前特征向量以及各第二当前特征点的第二当前特征向量。
示例性的,以第一初始感兴趣区域为例,提取各第一初始特征点并计算第一初始特征向量可以参见如下步骤:
步骤1、建立第一初始感兴趣区域的金字塔结构,利用L(x,y,σ)=G(x,y,σ)*I(x,y)构建金字塔结构中每一层图像的高斯尺度空间,其中,高斯核函数I(x,y)是金字塔结构中的图像,L(x,y,σ)是构建的尺度空间;
步骤2、计算高斯尺度空间相邻层之间图像的差值并利用DOG算子计算各第一初始特征点;
步骤3、根据第一初始特征点的中心相邻窗口像素梯度方向和模值确定第一初始特征点的方向并生成128维的第一初始特征向量;
S305、基于各第一初始特征向量与各第二初始特征向量之间的特征距离确定初始状态图像对中的重叠区域坐标点,基于各第一当前特征向量与各第二当前特征向量之间的特征距离,确定当前状态图像对中的重叠区域坐标点。
S306、针对初始状态图像对中的重叠区域坐标点,计算在初始三维空间的初始三维坐标,针对当前状态图像对中的重叠区域坐标点,计算在当前三维空间的当前三维坐标。
S307、根据各初始三维坐标确定第一曲面函数,根据各当前三维坐标确定第二曲面函数。
S308、针对第一曲面函数中的待测量点,基于第一曲面函数确定待测量点的初始空间距离,基于第二曲面函数确定当前空间距离。
S309、基于初始空间距离以及当前空间距离确定待测量路面的路面沉降位移。
本实施例提供的路面沉降测量方法,实现了基于双目视觉的立体形变道路沉降监测,测量精度高,并且,实现了无接触式的道路沉降监测,对道路无损害,此外,该方法的监测面广、监测实时性高、自动化程度高以及成本低。
实施例四
图4是本发明实施例四提供的一种路面沉降测量装置的结构示意图。如图4所示,该装置包括图像获取模块410、空间距离计算模块420以及沉降距离确定模块430。
图像获取模块410,用于基于预设双目视野相机,获取待测量路面的初始状态图像对和当前状态图像对;
空间距离计算模块420,用于针对与所述初始状态图像对对应的初始三维空间中的待测量点,基于所述初始状态图像对以及所述预设双目视野相机的相机参数,确定所述待测量点在所述初始三维空间中的初始空间距离,基于所述当前状态图像对以及所述相机参数,确定所述待测量点在与所述当前状态图像对对应的当前三维空间中的当前空间距离;
沉降距离确定模块430,用于基于所述初始空间距离以及所述当前空间距离确定所述待测量路面的路面沉降位移。
本实施例的技术方案,通过预设双目视野相机,采集待测量路面的初始状态图像对和当前状态图像对,针对与初始状态图像对对应的初始三维空间中的待测量点,根据初始状态图像对以及相机参数确定该点在初始三维空间中的初始空间距离,并根据当前状态图像对以及相机参数确定该点在当前三维空间中的当前空间距离,进而根据初始空间距离以及当前空间距离得到待测量路面的路面沉降位移,实现了基于图像处理的路面沉降监测,进而实现了无接触式监测,避免了对道路造成损伤,同时,无需人工进行处理,避免了人工对测量结果的影响,提高了路面沉降的测量精度,解决了自动化程度低的技术问题,并且,该方法通过双目视野图像确定路面沉降位移,实现了基于双目视觉的立体形变道路沉降监测,进一步的提高了路面沉降的测量精度。
在上述实施例的基础上,可选的,空间距离计算模块420包括曲面函数确定单元和空间距离计算单元,其中;
曲面函数确定单元,用于基于所述初始状态图像对、基于所述当前状态图像对以及所述预设双目视野相机的相机参数,确定与所述初始三维空间对应的第一曲面函数,以及与所述当前三维空间对应的第二曲面函数;
空间距离计算单元,用于针对所述第一曲面函数中的待测量点,基于所述第一曲面函数确定所述待测量点在所述初始三维空间中的初始空间距离,基于所述第二曲面函数确定所述待测量点在所述当前三维空间中的当前空间距离。
在上述实施例的基础上,可选的,曲面函数确定单元包括重叠坐标确定子单元以及曲面确定子单元,其中;
重叠坐标确定子单元,用于确定所述初始状态图像对中的左视野初始图像与右视野初始图像之间的重叠区域坐标点,以及所述当前状态图像对中的左视野当前图像与右视野当前图像之间的重叠区域坐标点;
曲面确定子单元,用于基于所述初始状态图像对中的重叠区域坐标点以及所述预设双目视野相机的相机参数,确定与所述初始三维空间对应的第一曲面函数,基于所述当前状态图像对中的重叠区域坐标点以及所述预设双目视野相机的相机参数,确定与所述当前三维空间对应的第二曲面函数。
在上述实施例的基础上,可选的,重叠坐标确定子单元,具体用于:
确定所述左视野初始图像中的各第一初始特征点以及所述右视野初始图像中的各第二初始特征点;确定所述左视野当前图像中的各第一当前特征点以及所述右视野当前图像中的各第二当前特征点;基于各所述第一初始特征点以及各所述第二初始特征点,确定所述初始状态图像对中的重叠区域坐标点,基于各所述第一当前特征点以及各所述第二当前特征点,确定所述当前状态图像对中的重叠区域坐标点。
在上述实施例的基础上,可选的,重叠坐标确定子单元,还用于确定各所述第一初始特征点的第一初始特征向量,以及各所述第二初始特征点的第二初始特征向量,基于各所述第一初始特征向量与各所述第二初始特征向量之间的特征距离,确定所述初始状态图像对中的重叠区域坐标点;确定各所述第一当前特征点的第一当前特征向量,以及各所述第二当前特征点的第二当前特征向量,基于各所述第一当前特征向量与各所述第二当前特征向量之间的特征距离,确定所述当前状态图像对中的重叠区域坐标点。
在上述实施例的基础上,可选的,曲面确定子单元,具体用于:
针对所述初始状态图像对中的重叠区域坐标点,基于重叠区域坐标点在所述左视野初始图像中的坐标、在所述右视野初始图像中的坐标,以及所述预设双目视野相机的相机参数,确定重叠区域坐标点在所述初始三维空间的初始三维坐标,基于各重叠区域坐标点的初始三维坐标确定所述第一曲面函数;针对所述当前状态图像对中的重叠区域坐标点,基于重叠区域坐标点在所述左视野当前图像中的坐标、在所述右视野当前图像中的坐标,以及所述预设双目视野相机的相机参数,确定重叠区域坐标点在所述当前三维空间的当前三维坐标,基于各重叠区域坐标点的当前三维坐标确定所述第二曲面函数。
在上述实施例的基础上,可选的,重叠坐标确定子单元,还用于确定所述左视野初始图像的第一初始感兴趣区域,以及所述右视野初始图像的第二初始感兴趣区域,基于所述第一初始感兴趣区域以及所述第二初始感兴趣区域确定所述左视野初始图像与所述右视野初始图像之间的重叠区域坐标点;确定所述左视野当前图像的第一当前感兴趣区域,以及所述右视野当前图像的第二当前感兴趣区域,基于所述第一当前感兴趣区域以及所述第二当前感兴趣区域确定所述左视野当前图像与所述右视野当前图像之间的重叠区域坐标点。
本发明实施例所提供的路面沉降测量装置可执行本发明任意实施例所提供的路面沉降测量方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5是本发明实施例五提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如路面沉降测量方法。
在一些实施例中,路面沉降测量方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的路面沉降测量方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行路面沉降测量方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的路面沉降测量方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
实施例六
本发明实施例六还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行一种路面沉降测量方法,该方法包括:
基于预设双目视野相机,获取待测量路面的初始状态图像对和当前状态图像对;
针对与所述初始状态图像对对应的初始三维空间中的待测量点,基于所述初始状态图像对以及所述预设双目视野相机的相机参数,确定所述待测量点在所述初始三维空间中的初始空间距离,基于所述当前状态图像对以及所述相机参数,确定所述待测量点在与所述当前状态图像对对应的当前三维空间中的当前空间距离;
基于所述初始空间距离以及所述当前空间距离确定所述待测量路面的路面沉降位移。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种路面沉降测量方法,其特征在于,包括:
基于预设双目视野相机,获取待测量路面的初始状态图像对和当前状态图像对;
针对与所述初始状态图像对对应的初始三维空间中的待测量点,基于所述初始状态图像对以及所述预设双目视野相机的相机参数,确定所述待测量点在所述初始三维空间中的初始空间距离,基于所述当前状态图像对以及所述相机参数,确定所述待测量点在与所述当前状态图像对对应的当前三维空间中的当前空间距离;
基于所述初始空间距离以及所述当前空间距离确定所述待测量路面的路面沉降位移。
2.根据权利要求1所述的方法,其特征在于,所述针对与所述初始状态图像对对应的初始三维空间中的待测量点,基于所述初始状态图像对以及所述预设双目视野相机的相机参数,确定所述待测量点在所述初始三维空间中的初始空间距离,基于所述当前状态图像对以及所述相机参数,确定所述待测量点在与所述当前状态图像对对应的当前三维空间中的当前空间距离,包括:
基于所述初始状态图像对、基于所述当前状态图像对以及所述预设双目视野相机的相机参数,确定与所述初始三维空间对应的第一曲面函数,以及与所述当前三维空间对应的第二曲面函数;
针对所述第一曲面函数中的待测量点,基于所述第一曲面函数确定所述待测量点在所述初始三维空间中的初始空间距离,基于所述第二曲面函数确定所述待测量点在所述当前三维空间中的当前空间距离。
3.根据权利要求2所述的方法,其特征在于,所述基于所述初始状态图像对、基于所述当前状态图像对以及所述预设双目视野相机的相机参数,确定与所述初始三维空间对应的第一曲面函数,以及与所述当前三维空间对应的第二曲面函数,包括:
确定所述初始状态图像对中的左视野初始图像与右视野初始图像之间的重叠区域坐标点,以及所述当前状态图像对中的左视野当前图像与右视野当前图像之间的重叠区域坐标点;
基于所述初始状态图像对中的重叠区域坐标点以及所述预设双目视野相机的相机参数,确定与所述初始三维空间对应的第一曲面函数,基于所述当前状态图像对中的重叠区域坐标点以及所述预设双目视野相机的相机参数,确定与所述当前三维空间对应的第二曲面函数。
4.根据权利要求3所述的方法,其特征在于,所述确定所述初始状态图像对中的左视野初始图像与右视野初始图像之间的重叠区域坐标点,以及所述当前状态图像对中的左视野当前图像与右视野当前图像之间的重叠区域坐标点,包括:
确定所述左视野初始图像中的各第一初始特征点以及所述右视野初始图像中的各第二初始特征点;
确定所述左视野当前图像中的各第一当前特征点以及所述右视野当前图像中的各第二当前特征点;
基于各所述第一初始特征点以及各所述第二初始特征点,确定所述初始状态图像对中的重叠区域坐标点,基于各所述第一当前特征点以及各所述第二当前特征点,确定所述当前状态图像对中的重叠区域坐标点。
5.根据权利要求4所述的方法,其特征在于,所述基于各所述第一初始特征点以及各所述第二初始特征点,确定所述初始状态图像对中的重叠区域坐标点,基于各所述第一当前特征点以及各所述第二当前特征点,确定所述当前状态图像对中的重叠区域坐标点,包括:
确定各所述第一初始特征点的第一初始特征向量,以及各所述第二初始特征点的第二初始特征向量,基于各所述第一初始特征向量与各所述第二初始特征向量之间的特征距离,确定所述初始状态图像对中的重叠区域坐标点;
确定各所述第一当前特征点的第一当前特征向量,以及各所述第二当前特征点的第二当前特征向量,基于各所述第一当前特征向量与各所述第二当前特征向量之间的特征距离,确定所述当前状态图像对中的重叠区域坐标点。
6.根据权利要求3所述的方法,其特征在于,所述基于所述初始状态图像对中的重叠区域坐标点以及所述预设双目视野相机的相机参数,确定与所述初始三维空间对应的第一曲面函数,基于所述当前状态图像对中的重叠区域坐标点以及所述预设双目视野相机的相机参数,确定与所述当前三维空间对应的第二曲面函数,包括:
针对所述初始状态图像对中的重叠区域坐标点,基于重叠区域坐标点在所述左视野初始图像中的坐标、在所述右视野初始图像中的坐标,以及所述预设双目视野相机的相机参数,确定重叠区域坐标点在所述初始三维空间的初始三维坐标,基于各重叠区域坐标点的初始三维坐标确定所述第一曲面函数;
针对所述当前状态图像对中的重叠区域坐标点,基于重叠区域坐标点在所述左视野当前图像中的坐标、在所述右视野当前图像中的坐标,以及所述预设双目视野相机的相机参数,确定重叠区域坐标点在所述当前三维空间的当前三维坐标,基于各重叠区域坐标点的当前三维坐标确定所述第二曲面函数。
7.根据权利要求3所述的方法,其特征在于,所述确定所述初始状态图像对中的左视野初始图像与右视野初始图像之间的重叠区域坐标点,以及所述当前状态图像对中的左视野当前图像与右视野当前图像之间的重叠区域坐标点,包括:
确定所述左视野初始图像的第一初始感兴趣区域,以及所述右视野初始图像的第二初始感兴趣区域,基于所述第一初始感兴趣区域以及所述第二初始感兴趣区域确定所述左视野初始图像与所述右视野初始图像之间的重叠区域坐标点;
确定所述左视野当前图像的第一当前感兴趣区域,以及所述右视野当前图像的第二当前感兴趣区域,基于所述第一当前感兴趣区域以及所述第二当前感兴趣区域确定所述左视野当前图像与所述右视野当前图像之间的重叠区域坐标点。
8.一种路面沉降测量装置,其特征在于,包括:
图像获取模块,用于基于预设双目视野相机,获取待测量路面的初始状态图像对和当前状态图像对;
空间距离计算模块,用于针对与所述初始状态图像对对应的初始三维空间中的待测量点,基于所述初始状态图像对以及所述预设双目视野相机的相机参数,确定所述待测量点在所述初始三维空间中的初始空间距离,基于所述当前状态图像对以及所述相机参数,确定所述待测量点在与所述当前状态图像对对应的当前三维空间中的当前空间距离;
沉降距离确定模块,用于基于所述初始空间距离以及所述当前空间距离确定所述待测量路面的路面沉降位移。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的路面沉降测量方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的路面沉降测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210900057.1A CN115265472A (zh) | 2022-07-28 | 2022-07-28 | 路面沉降测量方法、装置、设备以及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210900057.1A CN115265472A (zh) | 2022-07-28 | 2022-07-28 | 路面沉降测量方法、装置、设备以及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115265472A true CN115265472A (zh) | 2022-11-01 |
Family
ID=83771418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210900057.1A Pending CN115265472A (zh) | 2022-07-28 | 2022-07-28 | 路面沉降测量方法、装置、设备以及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115265472A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116399302A (zh) * | 2023-06-08 | 2023-07-07 | 中交天津港湾工程研究院有限公司 | 基于双目视觉和神经网络模型实时监测强夯夯沉量的方法 |
-
2022
- 2022-07-28 CN CN202210900057.1A patent/CN115265472A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116399302A (zh) * | 2023-06-08 | 2023-07-07 | 中交天津港湾工程研究院有限公司 | 基于双目视觉和神经网络模型实时监测强夯夯沉量的方法 |
CN116399302B (zh) * | 2023-06-08 | 2024-03-22 | 中交天津港湾工程研究院有限公司 | 基于双目视觉和神经网络模型实时监测强夯夯沉量的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3505869B1 (en) | Method, apparatus, and computer readable storage medium for updating electronic map | |
CN113902897B (zh) | 目标检测模型的训练、目标检测方法、装置、设备和介质 | |
US20210272306A1 (en) | Method for training image depth estimation model and method for processing image depth information | |
CN112541049B (zh) | 高精地图处理方法、装置、设备、存储介质和程序产品 | |
CN110634137A (zh) | 一种基于视觉感知的桥梁变形的监测方法、装置及设备 | |
US20210295013A1 (en) | Three-dimensional object detecting method, apparatus, device, and storage medium | |
CN110705433A (zh) | 一种基于视觉感知的桥梁变形的监测方法、装置及设备 | |
CN112991459A (zh) | 一种相机标定方法、装置、设备以及存储介质 | |
CN114677655A (zh) | 多传感器目标检测方法、装置、电子设备以及存储介质 | |
CN115265472A (zh) | 路面沉降测量方法、装置、设备以及介质 | |
CN114299242A (zh) | 高精地图中图像处理方法、装置、设备以及存储介质 | |
CN114005098A (zh) | 高精地图车道线信息的检测方法、装置和电子设备 | |
CN115760827A (zh) | 点云数据的检测方法、装置、设备以及存储介质 | |
CN114565683B (zh) | 一种精度确定方法、装置、设备、介质及产品 | |
CN115375774A (zh) | 确定相机外参的方法、装置、设备及存储介质 | |
CN115937449A (zh) | 高精地图生成方法、装置、电子设备和存储介质 | |
CN114565721A (zh) | 对象确定方法、装置、设备、存储介质以及程序产品 | |
CN114565681B (zh) | 一种相机标定方法、装置、设备、介质及产品 | |
CN114612544B (zh) | 图像处理方法、装置、设备和存储介质 | |
CN114581890B (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
CN115880353A (zh) | 确定路面病害的面积的方法、装置及计算机程序产品 | |
CN117870673A (zh) | 一种车辆定位方法以及装置 | |
CN115578336A (zh) | 一种目标检测方法、装置、电子设备及存储介质 | |
CN116862998A (zh) | 一种车辆全景影像标定方法、装置、设备以及存储介质 | |
CN112819890A (zh) | 三维物体检测方法、装置、设备及存储介质 |
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 |