CN115993094A - 一种基于ccd相机的大型膜结构屋顶位移监测方法及系统 - Google Patents
一种基于ccd相机的大型膜结构屋顶位移监测方法及系统 Download PDFInfo
- Publication number
- CN115993094A CN115993094A CN202310184931.0A CN202310184931A CN115993094A CN 115993094 A CN115993094 A CN 115993094A CN 202310184931 A CN202310184931 A CN 202310184931A CN 115993094 A CN115993094 A CN 115993094A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- image
- ccd camera
- data
- displacement
- 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.)
- Granted
Links
Images
Abstract
本发明涉及一种基于CCD相机的大型膜结构屋顶位移监测方法及系统,方法包括:在建筑物室内安装若干CCD相机和标定物,将所述标定物的安装位置作为基准点和监测点,通过所述CCD相机获取所述基准点和监测点的图像信息;对所述图像信息进行数据处理,生成屋顶位移变化,若所述屋顶位移变化超出安全标准,则进行警报。本发明能够实现实时、高精度、自动化的位移监测任务。
Description
技术领域
本发明涉及膜结构屋顶位移监测技术领域,特别是涉及一种基于CCD相机的大型膜结构屋顶位移监测方法及系统。
背景技术
随着膜材料结构设计、制造水平的不断完善,膜结构已被广泛应用于大型复杂空间结构中。然而,膜结构内力分布规律复杂,由于施工过程不合理或自然灾害造成的膜结构破坏时有发生,任何步骤的错误或疏忽都有可能影响到工程的质量,甚至酿成工程事故,因而大型建筑物膜结构安全检测极其重要。为了保障建筑物及人民的生命和财产安全,对建筑物进行科学合理的变形位移监测是一项必不可少的工作。
随着计算机技术的日益提高,越来越多的高精度仪器设备被运用到安全监测中来。常规大地测量技术精度高,但存在外业工作量大,周期长,不易实现自动化等缺点。三维激光扫描技术价格贵,一般不能一次性测得姿态,需要定期测评、标定或校准。全球卫星定位导航系统(GNSS)依赖于信号基站,如果没有基站信号或者周围信号基站不足,就无法计算出定位设备的位置。
因此亟需一种能够满足膜结构的监测精度要求的位移监测方法,解决监测技术的效率低,设备仪器价格昂贵,对专业技术人员要求高,监测速度慢等缺点与不足。
发明内容
本发明的目的是提供一种基于CCD相机的大型膜结构屋顶位移监测方法及系统,实现实时、高精度、自动化的位移监测任务,提高位移监测项目的工作效率,减少相关工作人员的工作量。
为实现上述目的,本发明提供了如下方案:
一种基于CCD相机的大型膜结构屋顶位移监测方法,包括:
在建筑物室内安装若干CCD相机和标定物,将所述标定物的安装位置作为基准点和监测点,通过所述CCD相机获取所述基准点和监测点的图像信息;
对所述图像信息进行数据处理,生成屋顶位移变化,若所述屋顶位移变化超出安全标准,则进行警报。
进一步地,所述CCD相机的摄像头每隔一段时间自动旋转,切换监测点,获取所述图像信息。
进一步地,通过所述CCD相机获取所述基准点和监测点的图像信息包括:通过所述CCD相机结合望远镜监测所述基准点和监测点的数字化图像,所述望远镜用于拉近CCD相机的视野。
进一步地,对所述图像信息进行数据处理包括:对所述图像信息进行相机标定算法处理和特征点获取算法处理,所述相机标定算法基于坐标转换进行计算。
进一步地,进行所述坐标转换计算包括:基于边缘检测提取图像的方格角点的图像像素坐标,将特征点从世界坐标转换为相机坐标,进而转换为图像平面坐标,将所述图像平面坐标与所述图像像素坐标进行数学融合,得到用于相机标定的数学模型。
进一步地,生成所述屋顶位移变化包括:获取所述基准点和监测点的初始时刻的图像信息作为原始图像,将监测期间获取的所述基准点和监测点的图像信息作为对比图像,将所述对比图像与所述原始图像进行图像匹配计算,分析拍摄时间差下的屋顶位移情况。
进一步地,所述图像匹配计算包括:采用基于PSNR准则的图像目标匹配算法,计算所述对比图像与所述原始图像的像素间误差得到PSNR值,所述PSNR值越大,两幅图像中两点间的相似程度越高。
进一步地,分析所述拍摄时间差下的屋顶位移情况包括:当所述原始图像中的目标点与所述对比图像中的某一点的PSNR值达到最大时,认为对比图像中的那一点为所述原始图像中的目标点移动后的位置,通过对比原始图像中待匹配位置点的坐标和对比图像中匹配结果的坐标变化,计算出坐标变化量,即为屋顶结构发生的位移量。
为进一步优化技术方案,本发明还提供了一种基于CCD相机的大型膜结构屋顶位移监测方法的监测系统,包括:
数据采集模块:用于对各标定物进行实时观测,采集观测数据,所述观测数据包括观测时间间隔、观测周期、位置数据;
数据接收模块:用于接收所述观测数据;
数据存储模块:用于存储所述观测数据,并对所述观测数据进行精度评定;
数据处理模块:用于对所述观测数据进行处理,计算目标点位移变化;
显示报警模块:用于对所述目标点位移变化超出安全标准时进行报警;
所述数据采集模块、数据接收模块、数据存储模块、数据处理模块和显示报警模块依次数据连接。
进一步地,所述数据接收模块采用STM32F103型单片机,所述数据存储模块采用W25Q256FVFI型存储器,所述显示报警模块采用电磁式蜂鸣器。
本发明的有益效果为:
本发明设计了一种基于CCD成像的位移监测方法,并基于该位移监测方法构建了基于CCD成像的位移监测系统,根据膜结构位移测量规范技术要求,进行了硬件集成,内部图像处理,位移预测分析等工作,可实现实时、高精度、自动化的位移监测任务且稳定性较好,可显著提高位移监测项目的工作效率,减少相关工作人员的工作量。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的安装多个CCD相机和标定物的局部空间截面示意图;
图2为本发明实施例的CCD相机摄影测量方法原理图;
图3为本发明实施例的CCD相机成像坐标转换原理图;
图4为本发明实施例的监测单个目标流程图;
图5为本发明实施例的监测系统结构框图。
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,所描述的实施例仅仅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。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本实施例提供了一种基于CCD相机的大型膜结构屋顶位移监测方法,如图4所示,包括:
步骤1、分别安装多个CCD相机和标定物,图1为局部空间截面示意图。
安装CCD相机:在建筑物室内寻找多个CCD相机安装位置,以确保对膜结构屋顶多个位置进行监控。安装要求:无遮挡,且具有一定的高度,方便安装和维修。为CCD相机安装提供良好的工作环境,保证CCD相机在工作中能够正常运行,并且通过安装位置的确定保证监测得到的数据能够满足使用条件。
安装标定物:在距离膜结构屋顶较近且结构稳定位置处安装多个标定物,作为基准点和监测点。
步骤2、通过CCD相机获取监测点的变形数据,通过变形数据生成屋顶位移变化。
通过CCD相机获取监测点的变形数据,然后通过数据发射传输模块实时传输至计算机上,经过简单的数据处理即可实时显示屋顶的位移变化,若变化超出安全标准则快速进行警报,从而实现监测的自动化和智能化。因此只要在待测目标外稳定地带安置监测系统并对准目标连续拍摄目标图像,并时刻监控监测点在图像中的位置变化就可以对远程目标的微小位移进行监测。
判断房屋建筑是否处于危险状态应参考现行行业标准JGJ 125-2016《危险房屋鉴定标准》。教育工程的沉降观测,若沉降速度小于0.01~0.04mm/d,是可以的,也可认为进入稳定阶段,具体取值应根据各地区地基土的压缩性确定。沉降是否进入稳定阶段,应由沉降量与时间关系曲线判定。对重点观测和科研项目工程,若最后三个周期观测中每周期的沉降量不大于2倍的测量中误差,可认为已进入稳定阶段。中、底压缩性土时:建筑高度不大于250m取200mm。高压缩性土时:建筑高度不大于100m取400mm,建筑高度在100m到200m取300mm,建筑高度在200m到250m时取200mm,建筑高度不大于100m取400mm,建筑高度在100m到200m取300mm。
设计自动化监测装置
选用PLC作为主控制器,利用PLC控制电机的转动以实现对CCD摄像头旋转控制,每隔10分钟转动切换监测点,获取图像数据,以实现一个CCD相机对多个点进行监测,通过多个监测点连续的自动检测可获得多组数据,从而保证得到膜结构位移变化的准确性、及时性。
CCD成像的摄影测量方法
结合CCD相机、望远镜等设备集成而成,运用摄影测量及计算机技术,进行屋顶的位移监测,如图2所示,CCD相机主要用于图像的采集,望远镜主要用来拉近CCD相机的视野,让摄像装置与监测目标之间的距离缩短,缩小视场。通过CCD相机与望远镜组合实现监测距离较远的待测目标的数字化图像,并将CCD相机连接到计算机上,在计算机上对采集到的图像进行处理,再通过转换可以得到待测点的实际位移。
图像处理核心算法
(1)精度的确定方法,给出相机参数(相机的像素,焦距是否满足监测精度要求,例如130w像素,焦距12mm的CCD相机是否满足10mm位移精度的监测);
分辨率(Resolution)
分辨率=视野(Field of view)/像素(Pixel)
精度(Accuracy)
精度=分辨率*有效像素
焦距f=工作距离(WD)×靶面尺寸(H or V)/视野范围FOV(H or V)
视野范围FOV(H or V)=工作距离(WD)×靶面尺寸(H or V)/焦距f
视野范围FOV(H or V)=靶面尺寸(H or V)/光学倍率
工作距离WD=f(焦距)×靶面尺寸/视野范围FOV(H or V)
光学倍率=靶面尺寸(H or V)/视野范围FOV(H or V)
(H代表CCD靶面水平宽度,V代表CCD靶面垂直高度)
(2)基于监测点和基准点,获取初始时刻的图像作为模板;
迄今为止相机成像几何模型主要有基于针孔成像原理的模型和应用歪斜光线追踪法以及近轴光线追踪法的成像模型。目前大多数的相机成像几何模型都是基于针孔成像原理而得出的因为针孔成像的原理简单再适当地考虑到镜头的畸变因素就能在很多应用场合达到所要求的精度,因此本发明的成像模型也是基于针孔成像原理的模型。
(3)监测期间获取的图像与模板的匹配的算法,包括:相机标定算法和特征点的获取算法;
CCD成像的测量方法
先用固定间距的CCD相机进行拍照,保留第一张图片作为原始图像,拍照上传至后台,然后再运用前面提到的自动化隔时拍照技术,对监测物进行实时的隔时拍照,并把所拍相片上传至后台进行处理、存储、图像分析,把处理后的相片放入图像处理软件中,并与前一次所拍相片进行比对,分析拍摄时间差下的物体位移情况,物体位移的大小、方向和快慢,以数字的形式表达出来。
相机标定方法
1)各坐标系的定义
视觉测量中为了建立合适的数学模型来表达像点和对应物点的关系,首先需要建立成像模型的各种坐标系通常在视觉测量中采用右手准则来定义,如图3所示,分别为世界坐标系、相机坐标系和图像坐标系。其定义分别如下:
世界坐标系
世界坐标系是客观三维世界的绝对坐标系,也称客观坐标系。因为数码相机安放在三维空间中,我们需要世界坐标系这个基准坐标系来描述数码相机的位置,并且用它来描述安放在此三维环境中的其他任何物体的位置,用(Xw,Yw,Ww)表示其坐标值,单位是长度单位。
相机坐标系
相机坐标系是以相机的光心为坐标原点,X轴和Y轴分别平行于图像坐标系的X轴和Y轴,相机的光轴为Z轴,用(Xc,Yc,Zc)表示其坐标值,单位是长度单位。
图像坐标系
以CCD图像平面的中心为坐标原点,或者说以主光轴和图像平面交点为坐标原点,X轴和Y轴分别平行于图像平面的两条垂直边,用(x,y)表示其坐标值,单位是长度单位。图像坐标系是用物理单位(例如毫米)表示像素在图像中的位置,也叫图像物理坐标系。
2)相机成像中的非线性问题
在实际中,镜头并不是理想的透视成像,而是带有不同程度的畸变,而随着数字图像处理的精度要求越来越高,考虑带有畸变的相机标定更有意义。关于镜头的畸变问题,可用下述公式来描述:
其中,(Xu,Yu)为理想无畸变坐标,(Xd,Yd)是受到镜头失真影响而偏移的实际像平面坐标,Dx和Dy是非线性畸变值,它与图像点在图像中的位置有关,包括径向畸变、偏心畸变和薄棱镜畸变。
理论上镜头同时存在径向畸变和切向畸变,但是一般情况下,切向畸变比较小,径向畸变可由下面的模型来表示:
实际上光学系统的多个光学镜头的光轴不能完全共线,这就形成了另一种典型的畸变偏心畸变,这种畸变是由径向畸变分量和切向畸变分量共同构成数学模型如下:
其中,p1和p2为切向畸变影响系数。
薄棱镜畸变是由于镜头设计、制造缺陷和加工安装误差所造成的,如镜头与摄像机像面有很小的倾角等。这类畸变相当于在光学系统中附加了一个薄棱镜,不仅会引起径向畸变,而且会引起切向畸变,其数学模型如下:
其中,s1和s2为薄棱镜畸变系数。
由式中可以看出,无论哪种畸变都是位置的函数,而且存在一个畸变中心这一点是不存在畸变的,它是镜头主光轴与图像平面的交点也就是俗称的“主点”。而且由式中还可以看出离主点越近畸变就越小。所以在安装CCD相机时,应该在满足各种安装环境和条件下,应尽量选择与监测点相对距离较短的条件下安装,以保证减小畸变带来的影响。
3)坐标转换
如图3所示,P点的世界坐标(Xw,Yw,Zw)是人为规定的,可以在做方格标靶件的时候把尺寸做的很精确,然后就能知道方格角点的准确世界坐标。在拍完照片之后,可以用边缘检测的办法提取出方格角点的图像像素坐标(Xf,Yf),这样图像像素坐标(Xf,Yf)也就成为己知的了。用坐标转换的办法借助相机的参数把世界坐标和图像像素坐标联系在一起,就可以用数学的知识把相机的参数标定出来。
第一步:将P点从世界坐标系转换到相机坐标系,该步骤是刚体变换。
其中,R为旋转矩阵,是一个正交矩阵。虽然有九个参数,但是只有三个自由度。其有如下六个约束方程:
r1r4+r2r5+r3r6=0
r4r7+r5r8+r6r9=0
r7r1+r8r2+r9r3=0
T为平移向量,实际就是0点在世界坐标系下的坐标:
第二步:将相机坐标变换到图像平面坐标
由于该相机模型是针孔成像模型,根据图3所示由三角形相似可以得到以下结论:
引入畸变量
Xd+Dx=Xu
Yd+Dy=Yu
其中:
上式中:
仅取一阶畸变量(由于取过多得畸变系数会使解不稳定,不能明显提高精度)得:
Dx=Xdk1r2
Dy=Ydk1r2
第三步:将图像平面坐标转换到像素坐标
其中:Sx——由采样频率等硬件因素产生的不确定的比例因子;dx——相机在方向相邻感光单元中心之间的距离;dy——相机在方向相邻感光单元中心之间的距离;(Cx,Cy)——光轴通过像平面的位置点在图像像素坐标系下的坐标。
令:
那么:
Yd=dyYd
由上式化简之后可以得到:
式中:
简化后得到的公式就是标定的数学模型,其中参数为:
图像匹配方法
图像匹配是指通过匹配算法寻找两幅或多幅图像间相同点的过程。图像匹配方法是获取结构位移的关键步骤,匹配的结果的好坏直接决定了结构位移获取的准确性。本发明采用基于PSNR准则的图像目标匹配算法,该算法通过引入两幅图像灰度值的均方误差概念,并对图像水平向和竖直向的像素大小进行了充分考虑,故该算法与仅基于灰度相关性的灰度相关法匹配法相比,本发明所用匹配算法的匹配成功率明显高于灰度相关法的匹配成功率。PSNR是Peak Signal to Noise Ratio的缩写,意为峰值信噪比,通常在经过影像压缩之后,输出的影像都会在某种程度与原始影像不同,PSNR是最普遍、最广泛使用的评价画质的客观量测法。由于结构变形后的图像在一定程度上均会与结构发生变形前的原始图像存在不同,为了衡量两幅图像间两点之间的相似程度,本发明基于像素间误差计算得到的PSNR值来判断两幅图像中两点间的相似程度,具体为两图像两点间的PSNR值越大则表明这两点间的相似程度越高。PSNR值的大小Z可以用数学表达式表示:
式中,MSE——发生形变前的图像与发生形变后图像之间的均方误差;n——每个像素的比特数。
均方误差值MSE的大小L用数学表达式表示为:
式中,H——图像的高度;W——图像的宽度;X——第一幅图像的像素灰度值;Y——第二幅图像的像素灰度值。
基于PSNR准则的图像目标匹配实际上是一种基于像素灰度值的统计计算方法。该方法通过计算对比图像偏离原始图像的误差,计算出均方误差值,进而应用公式计算出用于衡量图像匹配质量的PSNR值。
对结构变形前后进行拍摄,得到两幅图像。其中,结构变形前拍摄得到的图像记为原始图像,结构变形后拍摄的图像记为对比图像,则根据原始图像与对比图像可以在计算机中进行匹配:
(1)首先需在原始图像中选定待匹配的目标,确定其在原始图像中的位置;
(2)设定待匹配区域的尺寸,并在对比图像中根据设定的匹配区大小进行网格划分;
(3)原始图像中的待匹配区域将会与对比图像中划分网格之后的图像进行PSNR匹配计算,并通过比较PSNR值的大小来确定匹配的相似度,当PSNR值达到最大时则认为原始图像中的待匹配区域与对比图像中的某个位置匹配成功。为得到搜索区域内的最佳匹配结果并兼顾搜索效率,本发明采用逐步减小搜索步长的搜索方法。根据划分得到的网格尺寸确定搜索步长,之后按照搜索步长为初始搜索步长的一半进行搜索,搜索区域为待匹配目标的邻域范围。当结构变形前的原始图像中的目标点与结构变形后的对比图像中的某一点其PSNR值达到最大时,就认为对比图像中那一点为原始图像目标点移动后的位置,通过对比原始图像中待匹配位置点的坐标以及对比图像中匹配结果的坐标变化即可计算出其坐标变化量,记为Δ,而坐标的变化量即为结构发生的位移量。
在对其中一个目标完成以上所有流程后,自动对准下一个目标并重复以上过程对该目标进行测量,由此可以得到对多个目标的完整监测方案:
(1)对准目标
(2)通过CCD相机采集目标监测点图像
(3)对图像进行处理确定出监测点在图像中的位置
(4)通过与标准位置的比较得到两者的差异并计算出目标的真实位移
(5)把最终的监测结果发送到远程控制中心
(6)自动对准下一个待测目标并重复以上过程对目标进行测量
(7)当测完所有目标后自动返回到第一个目标开始新一轮的监测
为进一步优化技术方案,本实施例还提供了一种基于CCD相机的大型膜结构屋顶位移监测系统,如图5所示,包括:
数据采集模块:用于对各标定物进行实时观测,采集观测数据,观测数据包括观测时间间隔、观测周期、位置数据;
数据接收模块:用于接收观测数据;
数据存储模块:用于存储观测数据,并对观测数据进行精度评定;
数据处理模块:用于对观测数据进行处理,计算目标点位移变化;
显示报警模块:用于对目标点位移变化超出安全标准时进行报警;
数据采集模块、数据接收模块、数据存储模块、数据处理模块和显示报警模块依次数据连接。
根据CCD相机对屋顶进行实时观测,观测数据包含对各标定点的观测时间间隔、观测周期、位置数据等。每次观测完成后各个采集器及时将数据传送给STM32F103型单片机数据接收模块,采用W25Q256FVFI来存储数据,及时对各数据进行精度评定,当故障发生监测到异常数据时,采用电磁式蜂鸣器来进行报警。
本发明设计了一种基于CCD成像的位移监测方法,并基于该位移监测方法构建了基于CCD成像的位移监测系统,根据建筑物屋顶位移测量规范技术要求,进行了图像处理,位移变形监测对比分析等工作。能满足膜结构的监测精度要求,解决检测技术的效率低,设备仪器价格昂贵,对专业技术人员要求高,监测速度慢等缺点与不足。在科技发展的今天,监测技术应朝着经济有效、方便稳定以及减少专业人员的工作量的方向发展,节约工程的监测成本,获取更可靠的数据。
以上所述的实施例仅是对本发明优选方式进行的描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (10)
1.一种基于CCD相机的大型膜结构屋顶位移监测方法,其特征在于,包括:
在建筑物室内安装若干CCD相机和标定物,将所述标定物的安装位置作为基准点和监测点,通过所述CCD相机获取所述基准点和监测点的图像信息;
对所述图像信息进行数据处理,生成屋顶位移变化,若所述屋顶位移变化超出安全标准,则进行警报。
2.根据权利要求1所述的基于CCD相机的大型膜结构屋顶位移监测方法,其特征在于,通过所述CCD相机获取所述监测点的图像信息时,所述CCD相机的摄像头每隔一段时间自动旋转,切换监测点,获取所述图像信息。
3.根据权利要求1所述的基于CCD相机的大型膜结构屋顶位移监测方法,其特征在于,通过所述CCD相机获取所述基准点和监测点的图像信息包括:通过所述CCD相机结合望远镜监测所述基准点和监测点的数字化图像,所述望远镜用于拉近CCD相机的视野。
4.根据权利要求1所述的基于CCD相机的大型膜结构屋顶位移监测方法,其特征在于,对所述图像信息进行数据处理包括:对所述图像信息进行相机标定算法处理和特征点获取算法处理,所述相机标定算法基于坐标转换进行计算。
5.根据权利要求4所述的基于CCD相机的大型膜结构屋顶位移监测方法,其特征在于,进行所述坐标转换计算包括:基于边缘检测提取图像的方格角点的图像像素坐标,将特征点从世界坐标转换为相机坐标,进而转换为图像平面坐标,将所述图像平面坐标与所述图像像素坐标进行数学融合,得到用于相机标定的数学模型。
6.根据权利要求1所述的基于CCD相机的大型膜结构屋顶位移监测方法,其特征在于,生成所述屋顶位移变化包括:获取所述基准点和监测点的初始时刻的图像信息作为原始图像,将监测期间获取的所述基准点和监测点的图像信息作为对比图像,将所述对比图像与所述原始图像进行图像匹配计算,分析拍摄时间差下的屋顶位移情况。
7.根据权利要求6所述的基于CCD相机的大型膜结构屋顶位移监测方法,其特征在于,所述图像匹配计算包括:采用基于PSNR准则的图像目标匹配算法,计算所述对比图像与所述原始图像的像素间误差得到PSNR值,所述PSNR值越大,两幅图像中两点间的相似程度越高。
8.根据权利要求6所述的基于CCD相机的大型膜结构屋顶位移监测方法,其特征在于,分析所述拍摄时间差下的屋顶位移情况包括:当所述原始图像中的目标点与所述对比图像中的一个点的PSNR值达到最大时,认为所述对比图像中的此点为所述原始图像中的目标点移动后的位置,通过对比原始图像中待匹配位置点的坐标和对比图像中匹配结果的坐标变化,计算出坐标变化量,即为屋顶结构发生的位移量。
9.实现权利要求1所述的基于CCD相机的大型膜结构屋顶位移监测方法的监测系统,其特征在于,包括:
数据采集模块:用于对各标定物进行实时观测,采集观测数据,所述观测数据包括观测时间间隔、观测周期、位置数据;
数据接收模块:用于接收所述观测数据;
数据存储模块:用于存储所述观测数据,并对所述观测数据进行精度评定;
数据处理模块:用于对所述观测数据进行处理,计算目标点位移变化;
显示报警模块:用于对所述目标点位移变化超出安全标准时进行报警;
所述数据采集模块、数据接收模块、数据存储模块、数据处理模块和显示报警模块依次数据连接。
10.根据权利要求9所述的基于CCD相机的大型膜结构屋顶位移监测方法,其特征在于,所述数据接收模块采用STM32F103型单片机,所述数据存储模块采用W25Q256FVFI型存储器,所述显示报警模块采用电磁式蜂鸣器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310184931.0A CN115993094B (zh) | 2023-03-01 | 2023-03-01 | 一种基于ccd相机的大型膜结构屋顶位移监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310184931.0A CN115993094B (zh) | 2023-03-01 | 2023-03-01 | 一种基于ccd相机的大型膜结构屋顶位移监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115993094A true CN115993094A (zh) | 2023-04-21 |
CN115993094B CN115993094B (zh) | 2023-09-12 |
Family
ID=85993590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310184931.0A Active CN115993094B (zh) | 2023-03-01 | 2023-03-01 | 一种基于ccd相机的大型膜结构屋顶位移监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115993094B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116753848A (zh) * | 2023-08-11 | 2023-09-15 | 济南市勘察测绘研究院 | 一种建筑物位移监测方法及系统 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100726009B1 (ko) * | 2006-10-13 | 2007-06-08 | 최성환 | 구조물의 변위 측정 시스템 및 방법 |
KR20120015819A (ko) * | 2010-08-13 | 2012-02-22 | 김광수 | 비접촉식 구조물 변위 측정용 파라미터 데이터 생성 방법 |
CN102564335A (zh) * | 2012-01-16 | 2012-07-11 | 苏州临点三维科技有限公司 | 一种大型隧道变形测量方法 |
CN103940344A (zh) * | 2014-04-11 | 2014-07-23 | 西安敏文电子科技有限公司 | 一种高精度远程位移传感器 |
CN104061876A (zh) * | 2014-07-17 | 2014-09-24 | 宏峰集团(福建)有限公司 | 基于数字图像测量原理的建筑模板施工监测系统 |
CN105488810A (zh) * | 2016-01-20 | 2016-04-13 | 东南大学 | 一种聚焦光场相机内外参数标定方法 |
CN106094562A (zh) * | 2016-05-27 | 2016-11-09 | 中国人民解放军国防科学技术大学 | 薄膜结构变形测量与控制实验系统 |
CN106197287A (zh) * | 2016-08-03 | 2016-12-07 | 西安敏文测控科技有限公司 | 用于大型结构物变形或位移参数的自校准式测量装置及方法 |
CN106197288A (zh) * | 2016-08-03 | 2016-12-07 | 西安敏文测控科技有限公司 | 用于大型结构物垂直位移或变形的自校准式测量装置及方法 |
CN106871872A (zh) * | 2017-02-24 | 2017-06-20 | 吴慧明 | 建(构)筑物变形、位移及损伤集群成像物联监测法 |
US20180331139A1 (en) * | 2017-04-28 | 2018-11-15 | The Governing Council Of The University Of Toronto | Method and system for pixel-wise imaging |
CN112254663A (zh) * | 2020-10-20 | 2021-01-22 | 常州市建筑科学研究院集团股份有限公司 | 一种基于影像识别的平面变形监测测量方法及其系统 |
CN112461147A (zh) * | 2020-10-16 | 2021-03-09 | 深圳大学 | 一种基于视觉测量技术的桥梁动态形变监测方法及系统 |
CN212779123U (zh) * | 2020-08-19 | 2021-03-23 | 江苏悟空风行科技有限公司 | 一种隧道形变的实时自动监测装置 |
CN112967312A (zh) * | 2021-02-07 | 2021-06-15 | 湖南桥康智能科技有限公司 | 一种面向野外刚体目标的实时鲁棒位移监测方法及系统 |
CN114037622A (zh) * | 2021-10-25 | 2022-02-11 | 浙江工业大学 | 一种基于成像模型和强化学习的水下图像增强方法 |
CN216448810U (zh) * | 2021-11-30 | 2022-05-06 | 西安联创兴科测控科技有限公司 | 基于横向级联靶标的大型结构体位移形变测量装置 |
CN114838668A (zh) * | 2022-05-10 | 2022-08-02 | 湖北工业大学 | 一种隧道位移监测方法及系统 |
-
2023
- 2023-03-01 CN CN202310184931.0A patent/CN115993094B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100726009B1 (ko) * | 2006-10-13 | 2007-06-08 | 최성환 | 구조물의 변위 측정 시스템 및 방법 |
KR20120015819A (ko) * | 2010-08-13 | 2012-02-22 | 김광수 | 비접촉식 구조물 변위 측정용 파라미터 데이터 생성 방법 |
CN102564335A (zh) * | 2012-01-16 | 2012-07-11 | 苏州临点三维科技有限公司 | 一种大型隧道变形测量方法 |
CN103940344A (zh) * | 2014-04-11 | 2014-07-23 | 西安敏文电子科技有限公司 | 一种高精度远程位移传感器 |
CN104061876A (zh) * | 2014-07-17 | 2014-09-24 | 宏峰集团(福建)有限公司 | 基于数字图像测量原理的建筑模板施工监测系统 |
CN105488810A (zh) * | 2016-01-20 | 2016-04-13 | 东南大学 | 一种聚焦光场相机内外参数标定方法 |
CN106094562A (zh) * | 2016-05-27 | 2016-11-09 | 中国人民解放军国防科学技术大学 | 薄膜结构变形测量与控制实验系统 |
CN106197288A (zh) * | 2016-08-03 | 2016-12-07 | 西安敏文测控科技有限公司 | 用于大型结构物垂直位移或变形的自校准式测量装置及方法 |
CN106197287A (zh) * | 2016-08-03 | 2016-12-07 | 西安敏文测控科技有限公司 | 用于大型结构物变形或位移参数的自校准式测量装置及方法 |
CN106871872A (zh) * | 2017-02-24 | 2017-06-20 | 吴慧明 | 建(构)筑物变形、位移及损伤集群成像物联监测法 |
US20180331139A1 (en) * | 2017-04-28 | 2018-11-15 | The Governing Council Of The University Of Toronto | Method and system for pixel-wise imaging |
CN212779123U (zh) * | 2020-08-19 | 2021-03-23 | 江苏悟空风行科技有限公司 | 一种隧道形变的实时自动监测装置 |
CN112461147A (zh) * | 2020-10-16 | 2021-03-09 | 深圳大学 | 一种基于视觉测量技术的桥梁动态形变监测方法及系统 |
CN112254663A (zh) * | 2020-10-20 | 2021-01-22 | 常州市建筑科学研究院集团股份有限公司 | 一种基于影像识别的平面变形监测测量方法及其系统 |
CN112967312A (zh) * | 2021-02-07 | 2021-06-15 | 湖南桥康智能科技有限公司 | 一种面向野外刚体目标的实时鲁棒位移监测方法及系统 |
CN114037622A (zh) * | 2021-10-25 | 2022-02-11 | 浙江工业大学 | 一种基于成像模型和强化学习的水下图像增强方法 |
CN216448810U (zh) * | 2021-11-30 | 2022-05-06 | 西安联创兴科测控科技有限公司 | 基于横向级联靶标的大型结构体位移形变测量装置 |
CN114838668A (zh) * | 2022-05-10 | 2022-08-02 | 湖北工业大学 | 一种隧道位移监测方法及系统 |
Non-Patent Citations (3)
Title |
---|
SHENGFANG ZHANG等: "《Influence of low-frequency vibration on friction coefficient of contact interface in bend-stretch forming》", 《INTERNATIONAL JOURNAL OF LIGHTWEIGHT MATERIALS AND MANUFACTURE》 * |
熊志金: "《基于CCD传感器的地铁隧道拱顶沉降监测系统》", 《工业控制计算机》 * |
谢伦治: "《CCD接力测量船体变形研究》", 《光学与光电技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116753848A (zh) * | 2023-08-11 | 2023-09-15 | 济南市勘察测绘研究院 | 一种建筑物位移监测方法及系统 |
CN116753848B (zh) * | 2023-08-11 | 2023-12-01 | 济南市勘察测绘研究院 | 一种建筑物位移监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115993094B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112629431B (zh) | 土木结构变形监测方法及相关设备 | |
Fraser et al. | Metric exploitation of still video imagery | |
Ganci et al. | Automation in videogrammetry | |
CN115993094B (zh) | 一种基于ccd相机的大型膜结构屋顶位移监测方法及系统 | |
CN112540089B (zh) | 数字成像系统在混凝土桥梁裂缝检测和分析中的应用方法 | |
CN114119614B (zh) | 一种远程检测建筑物的裂缝的方法 | |
CN114719770B (zh) | 一种基于图像识别及空间定位技术的变形监测方法及装置 | |
Mi et al. | A vision-based displacement measurement system for foundation pit | |
CN114754695B (zh) | 多视场桥梁挠度测量装置、方法及存储介质 | |
Jeschke | Digital close-range photogrammetry for surface measurement | |
Fraser | State of the art in industrial photogrammetry | |
US11544857B1 (en) | Method and device for calculating river surface flow velocity based on variational principle | |
WO2022126339A1 (zh) | 土木结构变形监测方法及相关设备 | |
CN105606627A (zh) | 核电站安全壳远程外观检查测量方法及系统 | |
CN114266835A (zh) | 一种非量测相机的变形监测控制方法与系统 | |
CN113048956B (zh) | 一种基于三维扫描技术的钢结构施工的监测方法及系统 | |
CN114018167A (zh) | 一种基于单目三维视觉的桥梁挠度测量方法 | |
CN115482276A (zh) | 一种基于相移偏折测量系统的高精度标定方法 | |
El-Ashmawy | Using smart phones for deformations measurements of structures | |
CN113063367A (zh) | 一种基于斜光轴数字图像相关方法的全场挠度实时测量系统及测量方法 | |
CN112629410A (zh) | 空间杆件倾斜角度的非接触式测量设备及测量方法 | |
Zhao et al. | Study on the Technologies of Close Range Photogrammetry and Applications in the Manufacture of Aviation | |
Lichti et al. | High density spatial data collection for monitoring of steep wall movements | |
Andresen | Strain tensor for large three-dimensional surface deformation of sheet metal from an object grating | |
CN114674231B (zh) | 一种基于单片机的便携式在线视觉位移测量系统 |
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 |