CN116007518A - 基于机器视觉的隔震结构支座形变监测方法、装置及计算机设备 - Google Patents
基于机器视觉的隔震结构支座形变监测方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN116007518A CN116007518A CN202211521961.8A CN202211521961A CN116007518A CN 116007518 A CN116007518 A CN 116007518A CN 202211521961 A CN202211521961 A CN 202211521961A CN 116007518 A CN116007518 A CN 116007518A
- Authority
- CN
- China
- Prior art keywords
- camera
- matching
- displacement
- calculating
- 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
Images
Landscapes
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明实施例公开了基于机器视觉的隔震结构支座形变监测方法、装置及计算机设备。方法包括:获取至少两个相机的模板图像;获取至少两个相机的匹配图像;提取模板图像的特征点以及匹配图像的特征点;计算模板图像以及匹配图像的像素和物理尺寸对应关系;计算第二个相机与第二个靶标的初始距离;将模板图像的特征点以及匹配图像的特征点进行特征匹配,以得到匹配结果;根据匹配结果计算橡胶支座的水平位移以及竖直位移;对竖直位移进行校正,以得到校正结果;根据水平位移以及校正结果计算橡胶支座的三维空间位移。通过实施本发明实施例的方法可实现降低橡胶支座三维位移形变检测的成本,简化整个算法,提高鲁棒性以及精度。
Description
技术领域
本发明涉及三维测量方法,更具体地说是指基于机器视觉的隔震结构支座形变监测方法、装置及计算机设备。
背景技术
大桥、大楼和铁路桥的支柱对横断面的支撑是刚性对刚性支撑,在轻微晃动或者时间久了很有可能会对支柱和横断面造成破坏导致大桥和大楼坍塌,造成不可估量的损失,这时需要柔性的橡胶支座在支柱和横断面之间进行缓冲,橡胶支座有效的缓解了支柱与横断面因晃动带来的损害。但是长时间下去,橡胶支座存在老化或者因为晃动造成支柱和横断面发生位移给大桥和大楼不安全因素。如果利用监测设备实时对支座进行监测,实时上报橡胶支座位移情况,提供实时预警能有效的减少灾害的发生,对智慧建筑建设有重大意义。
目前三维视觉监测的常用方法是3D相机测量方法,3D相机主要包括结构光和TOF相机,利用3D相机的物体点云信息能有效的计算物体到相机的距离。对橡胶支座位移监测来说3D相机成本高,算法复杂,鲁棒性差,精度不能满足要求。
因此,有必要设计一种新的方法,实现降低橡胶支座三维位移形变检测的成本,简化整个算法,提高鲁棒性以及精度。
发明内容
本发明的目的在于克服现有技术的缺陷,提供基于机器视觉的隔震结构支座形变监测方法、装置及计算机设备。
为实现上述目的,本发明采用以下技术方案:基于机器视觉的隔震结构支座形变监测方法,包括:
获取至少两个相机的模板图像;
获取至少两个相机的匹配图像;
提取所述模板图像的特征点以及所述匹配图像的特征点;
计算所述模板图像以及所述匹配图像的像素和物理尺寸对应关系;
计算第二个相机与第二个靶标的初始距离;
将所述模板图像的特征点以及所述匹配图像的特征点进行特征匹配,以得到匹配结果;
根据所述匹配结果计算橡胶支座的水平位移以及竖直位移;
对所述竖直位移进行校正,以得到校正结果;
根据所述水平位移以及所述校正结果计算所述橡胶支座的三维空间位移。
其进一步技术方案为:所述至少两个相机安装在橡胶支座的一侧;在橡胶支座的一侧水平竖直安装至少两个相机和靶标,标记监测水平方向位移的相机为第一个相机,监测水平方向上的靶标为第一个靶标,监测竖直方向位移的相机为第二个相机,监测竖直方向上的靶标为第二个靶标。
其进一步技术方案为:所述计算所述模板图像以及所述匹配图像的像素和物理尺寸对应关系,包括:
根据所述模板图像的像素尺寸和所述模板图像的物理尺寸分别计算第一个相机以及第二个相机的像素和物理尺寸对应关系,以得到第一相机的尺度因子和第二个相机的尺度因子。
其进一步技术方案为:所述计算第二个相机与第二个靶标的初始距离,包括:
根据第二个相机的焦距、像元尺寸和第二个相机的尺度因子计算第二个相机到第二个靶标的初始距离。
其进一步技术方案为:所述将所述模板图像的特征点以及所述匹配图像的特征点进行特征匹配,以得到匹配结果,包括:
对第一个相机的模板图像的特征点和匹配图像的特征点进行特征匹配,以获取置信度最高的特征点记为第一个相机的监测点;
对第二个相机的模板图像的特征点和匹配图像特征点进行特征匹配,获取置信度最高的特征点记为第二个相机的监测点;
计算第一个相机的监测点和第二个相机的监测点在模板图像和实时图像帧中的坐标信息,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橡胶支座的水平位移以及竖直位移,包括:
根据第一个相机的监测点在模板图像和实时图像帧中的坐标信息计算橡胶支座的水平像素位移;
利用第一个相机的尺度因子计算橡胶支座的水平位移尺寸;
根据第二个相机的监测点在模板图像和实时图像帧中的坐标信息计算橡胶支座的竖直像素位移;
利用第二个相机的尺度因子计算支座的竖直位移尺寸。
其进一步技术方案为:所述对所述竖直位移进行校正,以得到校正结果,包括:
根据第二个相机距离靶标的初始距离、第二个相机的焦距、像元尺寸、第二个相机位移、第二个相机的监测点在模板图像中的坐标信息计算校正后的竖直位移,以得到校正结果。
本发明还提供了基于机器视觉的隔震结构支座形变监测装置,包括:
模板图像获取单元,用于获取至少两个相机的模板图像;
匹配图像获取单元,用于获取至少两个相机的匹配图像;
提取单元,用于提取所述模板图像的特征点以及所述匹配图像的特征点;
关系计算单元,用于计算所述模板图像以及所述匹配图像的像素和物理尺寸对应关系;
距离计算单元,用于计算第二个相机与第二个靶标的初始距离;
特征匹配单元,用于将所述模板图像的特征点以及所述匹配图像的特征点进行特征匹配,以得到匹配结果;
位移确定单元,用于根据所述匹配结果计算橡胶支座的水平位移以及竖直位移;
校正单元,用于对所述竖直位移进行校正,以得到校正结果;
空间位移计算单元,用于根据所述水平位移以及所述校正结果计算所述橡胶支座的三维空间位移。
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可实现上述的方法。
本发明与现有技术相比的有益效果是:本发明通过将至少两个相机的模板图像以及匹配图像进行特征点提取,计算像素和物理尺寸对应关系,利用特征点的特征匹配结合第二个相机与第二个靶标的初始距离计算橡胶支座的水平位移以及竖直位移,对竖直位移进行校正,并进行三维空间位移的计算,实现降低橡胶支座三维位移形变检测的成本,简化整个算法,提高鲁棒性以及精度。
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基于机器视觉的隔震结构支座形变监测方法的应用场景示意图;
图2为本发明实施例提供的基于机器视觉的隔震结构支座形变监测方法的流程示意图;
图3为本发明实施例提供的基于机器视觉的隔震结构支座形变监测方法的子流程示意图;
图4为本发明实施例提供的基于机器视觉的隔震结构支座形变监测方法的子流程示意图;
图5为本发明实施例提供的基于机器视觉的隔震结构支座形变监测装置的示意性框图;
图6为本发明实施例提供的计算机设备的示意性框图;
图7为本发明实施例提供的靶标的图案示意图;
图8为本发明实施例提供的相机与靶标的安装示意图。
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基于机器视觉的隔震结构支座形变监测方法的应用场景示意图。图2为本发明实施例提供的基于机器视觉的隔震结构支座形变监测方法的示意性流程图。该基于机器视觉的隔震结构支座形变监测方法应用于服务器,该服务器与第一相机和第二相机以及终端进行数据交互,实现利用双相机或多目相机结合特征匹配等算法进行橡胶支座三维位移形变的监测,降低橡胶支座三维位移形变检测的成本,简化整个算法,提高鲁棒性以及精度。
图2是本发明实施例提供的基于机器视觉的隔震结构支座形变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S190。
具体地,所述至少两个相机安装在橡胶支座的一侧;在橡胶支座的一侧水平竖直安装至少两个相机和靶标,标记监测水平方向位移的相机为第一个相机,监测水平方向上的靶标为第一个靶标,监测竖直方向位移的相机为第二个相机,监测竖直方向上的靶标为第二个靶标。
在本实施例中,模板图像是指第一个相机和第二个相机的靶标黑色区域图像。分别获取靶标1和靶标2在相机1和相机2中成像的黑色区域记为模板图像,计算模板图像在视频中的位置信息。记靶标1和靶标2分别对应的模板图像在视频中的信息为(xs1,ys1,xe1,ye1)和(xs2,ys2,xe2,ye2)。
靶标图案如图6所示,相机和靶标的安装如图7所示。在橡胶支座的一侧分别在水平竖直安装至少两个相机和靶标,记监测水平方向位移的相机为相机1即第一相机,监测水平方向上的靶标为靶标1即第一靶标,监测竖直方向位移的相机为相机2即第二相机,监测竖直方向上的靶标为靶标2即第二靶标。
具体地,相机1和相机2的分辨率为1920X1080。在橡胶支座的一侧分别在水平竖直安装至少两个相机和靶标,安装时相机中心和靶标中心尽可能在同一水平线上。记图7中中间相机记为相机1,相机1所监测的靶标记为靶标1。记图7中右下次相机为相机2,相机2所监测的靶标记为靶标2。相机1和靶标1主要用于监测支座水平位移记为X,Y方向位移。相机2和靶标2主要用于监测支座的竖直方向位移记为Z方向位移。
S120、获取至少两个相机的匹配图像。
在本实施例中,匹配图像是指根据第一相机和第二相机的模板图像位置信息,生成第一相机和第二相机的实时帧匹配区域,记匹配区域图像为匹配图像,匹配图像所在视频帧记为匹配帧。
具体地,根据相机1和相机2模板图像位置信息,生成相机1和相机2实时帧匹配区域,记匹配区域图像为匹配图像,匹配图像所在视频帧记为匹配帧。匹配区域大小可根据实际情况设定,本实施例中,设定的相机1匹配区域(xs1-100,0,xe1+100,1080),相机2匹配区域为(xs2-100,0,xe2+100,1080)。
S130、提取所述模板图像的特征点以及所述匹配图像的特征点。
在本实施例中,特征点是指第一相机和第二相机的模板图像和匹配图像SIFT特征点,计算所有特征点在视频帧中的坐标信息。
S140、计算所述模板图像以及所述匹配图像的像素和物理尺寸对应关系。
在本实施例中,像素和物理尺寸对应关系是指图像中一个像素对应到物体上的实际尺寸。
具体地,根据所述模板图像的像素尺寸和所述模板图像的物理尺寸分别计算第一个相机以及第二个相机的像素和物理尺寸对应关系,以得到第一相机的尺度因子和第二个相机的尺度因子。
根据模板图像的像素尺寸和模板图像的物理尺寸分别计算相机1和相机2的像素和物理尺寸对应关系,即图像中一个像素对应到物体上的实际尺寸,记为相机1的尺度因子和相机2的尺度因子,记靶标1模板图像实际对应的尺寸为(w1,h1),靶标2模板图像实际对应的尺寸为(w2,w2),靶标1的实际尺寸边长为20mm的正方形靶标,靶标2的实际尺寸边长为40mm的正方形靶标。靶标1模板图像在视频帧中的位置信息(xs1,ys1,xe1,ye1),靶标2模板图像在视频帧中的位置信息(xs2,ys2,xe2,ye2)。则相机1对应的尺度因子为和相机2对应的尺度因子和相机1对应的尺度因子为0.459和0.456。相机2对应的尺度因子为0.765和0.773。
S150、计算第二个相机与第二个靶标的初始距离。
在本实施例中,初始距离是指第二个相机与第二个靶标的最开始的距离。
具体地,根据第二个相机的焦距、像元尺寸和第二个相机的尺度因子计算第二个相机到第二个靶标的初始距离。
根据相机焦距,像元尺寸和相机2的尺度因子计算相机2到靶标2的初始距离。相机焦距为f2毫米,像元尺寸为ps2毫米,相机2的尺度因子则相机2到靶标2的初始距离为所选相机的焦距为大小为2.4mm,像元尺寸大小为3um。
S160、将所述模板图像的特征点以及所述匹配图像的特征点进行特征匹配,以得到匹配结果。
在本实施例中,匹配结果是指第一个相机的监测点和第二个相机的监测点在模板图像和实时图像帧中的坐标信息。
在一实施例中,请参阅图3,上述的步骤S160可包括步骤S161~S163。
S161、对第一个相机的模板图像的特征点和匹配图像的特征点进行特征匹配,以获取置信度最高的特征点记为第一个相机的监测点;
S162、对第二个相机的模板图像的特征点和匹配图像特征点进行特征匹配,获取置信度最高的特征点记为第二个相机的监测点;
S163、计算第一个相机的监测点和第二个相机的监测点在模板图像和实时图像帧中的坐标信息,以得到匹配结果。
具体地,对相机1的模板图像SIFT特征点和匹配图像SIFT特征点进行特征匹配,获取置信度最高的SIFT特征点记为监测点,监测点在相机1模板帧图像中的像素坐标为(pt,qt),在匹配图像中的像素坐标为(pm,qm)。对相机2的模板图像SIFT特征点和匹配图像SIFT特征点进行特征匹配,获取置信度最高的特征点记为监测点,监测点在相机2的模板图像中的像素坐标为(p′t,q′t),在匹配图像中的像素坐标为(p′m,q′m)。
S170、根据所述匹配结果计算橡胶支座的水平位移以及竖直位移。
在一实施例中,请参阅图4,上述的步骤S170可包括步骤S171~S174。
S171、根据第一个相机的监测点在模板图像和实时图像帧中的坐标信息计算橡胶支座的水平像素位移;
S172、利用第一个相机的尺度因子计算橡胶支座的水平位移尺寸。
S173、根据第二个相机的监测点在模板图像和实时图像帧中的坐标信息计算橡胶支座的竖直像素位移;
S174、利用第二个相机的尺度因子计算支座的竖直位移尺寸。
具体地,根据相机1监测点在模板帧和匹配帧的坐标,计算橡胶支座的水平像素位移,利用相机1的尺度因子计算支座的水平位移尺寸,则橡胶支座的水平X方向位移尺寸hw=(pm-pt)*S1w,水平Y方向位移尺寸hh=(qm-qt)*S1h。根据相机2监测点在模板帧和匹配帧的坐标计算橡胶支座的竖直像素位移,利用相机2的尺度因子计算支座的水平位移尺寸,则橡胶支座的竖直Z方向位移尺寸vh=(q′m-q′t)*S2h。
S180、对所述竖直位移进行校正,以得到校正结果。
在本实施例中,校正结果是指对竖直位移进行校正后形成的结果。
具体地,根据第二个相机距离靶标的初始距离、第二个相机的焦距、像元尺寸、第二个相机位移、第二个相机的监测点在模板图像中的坐标信息计算校正后的竖直位移,以得到校正结果。
具体地,根据相机2距离靶标的初始距离、相机焦距、像元尺寸、相机位移、相机2监测点坐标计算校正后的竖直位移。记相机2成像图像中心点坐标为(cx,cy),观测点在模板图像帧的坐标为(p′t,q′t),则在模板位置时观测点相对中心的实际高度为H=(q′t-cy)*S2h,竖直方向校正后的观测点在匹配图像帧中的像素坐标为则竖直方向的误差 当vh小于0时,校正后的位移v′h=vh+bias,当vh大于0时,校正后的位移v′h=vh-bias。
S190、根据所述水平位移以及所述校正结果计算所述橡胶支座的三维空间位移。
在本实施例中,水平相机监测X、Y方向,竖直相机监测Z方向的位移,则橡胶支座的三维空间位移(hw,hh,v′h)。
上述的基于机器视觉的隔震结构支座形变监测方法,通过将至少两个相机的模板图像以及匹配图像进行特征点提取,计算像素和物理尺寸对应关系,利用特征点的特征匹配结合第二个相机与第二个靶标的初始距离计算橡胶支座的水平位移以及竖直位移,对竖直位移进行校正,并进行三维空间位移的计算,实现降低橡胶支座三维位移形变检测的成本,简化整个算法,提高鲁棒性以及精度。
图5是本发明实施例提供的一种基于机器视觉的隔震结构支座形变监测装置300的示意性框图。如图5所示,对应于以上基于机器视觉的隔震结构支座形变监测方法,本发明还提供一种基于机器视觉的隔震结构支座形变监测装置300。该基于机器视觉的隔震结构支座形变监测装置300包括用于执行上述基于机器视觉的隔震结构支座形变监测方法的单元,该装置可以被配置于服务器中。具体地,请参阅图5,该基于机器视觉的隔震结构支座形变监测装置300包括模板图像获取单元301、匹配图像获取单元302、提取单元303、关系计算单元304、距离计算单元305、特征匹配单元306、位移确定单元307、校正单元308以及空间位移计算单元309。
模板图像获取单元301,用于获取至少两个相机的模板图像;匹配图像获取单元302,用于获取至少两个相机的匹配图像;提取单元303,用于提取所述模板图像的特征点以及所述匹配图像的特征点;关系计算单元304,用于计算所述模板图像以及所述匹配图像的像素和物理尺寸对应关系;距离计算单元305,用于计算第二个相机与第二个靶标的初始距离;特征匹配单元306,用于将所述模板图像的特征点以及所述匹配图像的特征点进行特征匹配,以得到匹配结果;位移确定单元307,用于根据所述匹配结果计算橡胶支座的水平位移以及竖直位移;校正单元308,用于对所述竖直位移进行校正,以得到校正结果;空间位移计算单元309,用于根据所述水平位移以及所述校正结果计算所述橡胶支座的三维空间位移。
在一实施例中,所述关系计算单元304,用于根据所述模板图像的像素尺寸和所述模板图像的物理尺寸分别计算第一个相机以及第二个相机的像素和物理尺寸对应关系,以得到第一相机的尺度因子和第二个相机的尺度因子。
在一实施例中,所述距离计算单元305,用于根据第二个相机的焦距、像元尺寸和第二个相机的尺度因子计算第二个相机到第二个靶标的初始距离。
在一实施例中,所述特征匹配单元306包括第一匹配子单元、第二匹配单元以及信息计算子单元。
第一匹配子单元,用于对第一个相机的模板图像的特征点和匹配图像的特征点进行特征匹配,以获取置信度最高的特征点记为第一个相机的监测点;第二匹配子单元,用于对第二个相机的模板图像的特征点和匹配图像特征点进行特征匹配,获取置信度最高的特征点记为第二个相机的监测点;信息计算子单元,用于计算第一个相机的监测点和第二个相机的监测点在模板图像和实时图像帧中的坐标信息,以得到匹配结果。
在一实施例中,所述位移确定单元307包括水平位移计算子单元、水平尺寸计算子单元、竖直位移计算子单元以及竖直尺寸计算子单元。
水平位移计算子单元,用于根据第一个相机的监测点在模板图像和实时图像帧中的坐标信息计算橡胶支座的水平像素位移;水平尺寸计算子单元,用于利用第一个相机的尺度因子计算橡胶支座的水平位移尺寸。竖直位移计算子单元,用于根据第二个相机的监测点在模板图像和实时图像帧中的坐标信息计算橡胶支座的竖直像素位移;竖直尺寸计算子单元,用于利用第二个相机的尺度因子计算支座的竖直位移尺寸。
在一实施例中,校正单元308,用于根据第二个相机距离靶标的初始距离、第二个相机的焦距、像元尺寸、第二个相机位移、第二个相机的监测点在模板图像中的坐标信息计算校正后的竖直位移,以得到校正结果。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述基于机器视觉的隔震结构支座形变监测装置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。
上述基于机器视觉的隔震结构支座形变监测装置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6所示的计算机设备上运行。
请参阅图6,图6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6,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执行一种基于机器视觉的隔震结构支座形变监测方法。
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执行一种基于机器视觉的隔震结构支座形变监测方法。
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6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:
获取至少两个相机的模板图像;获取至少两个相机的匹配图像;提取所述模板图像的特征点以及所述匹配图像的特征点;计算所述模板图像以及所述匹配图像的像素和物理尺寸对应关系;计算第二个相机与第二个靶标的初始距离;将所述模板图像的特征点以及所述匹配图像的特征点进行特征匹配,以得到匹配结果;根据所述匹配结果计算橡胶支座的水平位移以及竖直位移;对所述竖直位移进行校正,以得到校正结果;根据所述水平位移以及所述校正结果计算所述橡胶支座的三维空间位移。
其中,所述至少两个相机安装在橡胶支座的一侧;在橡胶支座的一侧水平竖直安装至少两个相机和靶标,标记监测水平方向位移的相机为第一个相机,监测水平方向上的靶标为第一个靶标,监测竖直方向位移的相机为第二个相机,监测竖直方向上的靶标为第二个靶标。
在一实施例中,处理器502在实现所述计算所述模板图像以及所述匹配图像的像素和物理尺寸对应关系步骤时,具体实现如下步骤:
根据所述模板图像的像素尺寸和所述模板图像的物理尺寸分别计算第一个相机以及第二个相机的像素和物理尺寸对应关系,以得到第一相机的尺度因子和第二个相机的尺度因子。
在一实施例中,处理器502在实现所述计算第二个相机与第二个靶标的初始距离步骤时,具体实现如下步骤:
根据第二个相机的焦距、像元尺寸和第二个相机的尺度因子计算第二个相机到第二个靶标的初始距离。
在一实施例中,处理器502在实现所述将所述模板图像的特征点以及所述匹配图像的特征点进行特征匹配,以得到匹配结果步骤时,具体实现如下步骤:
对第一个相机的模板图像的特征点和匹配图像的特征点进行特征匹配,以获取置信度最高的特征点记为第一个相机的监测点;对第二个相机的模板图像的特征点和匹配图像特征点进行特征匹配,获取置信度最高的特征点记为第二个相机的监测点;计算第一个相机的监测点和第二个相机的监测点在模板图像和实时图像帧中的坐标信息,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橡胶支座的水平位移以及竖直位移步骤时,具体实现如下步骤:
根据第一个相机的监测点在模板图像和实时图像帧中的坐标信息计算橡胶支座的水平像素位移;利用第一个相机的尺度因子计算橡胶支座的水平位移尺寸。根据第二个相机的监测点在模板图像和实时图像帧中的坐标信息计算橡胶支座的竖直像素位移;利用第二个相机的尺度因子计算支座的竖直位移尺寸。
在一实施例中,处理器502在实现所述对所述竖直位移进行校正,以得到校正结果步骤时,具体实现如下步骤:
根据第二个相机距离靶标的初始距离、第二个相机的焦距、像元尺寸、第二个相机位移、第二个相机的监测点在模板图像中的坐标信息计算校正后的竖直位移,以得到校正结果。
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:
获取至少两个相机的模板图像;获取至少两个相机的匹配图像;提取所述模板图像的特征点以及所述匹配图像的特征点;计算所述模板图像以及所述匹配图像的像素和物理尺寸对应关系;计算第二个相机与第二个靶标的初始距离;将所述模板图像的特征点以及所述匹配图像的特征点进行特征匹配,以得到匹配结果;根据所述匹配结果计算橡胶支座的水平位移以及竖直位移;对所述竖直位移进行校正,以得到校正结果;根据所述水平位移以及所述校正结果计算所述橡胶支座的三维空间位移。
其中,所述至少两个相机安装在橡胶支座的一侧;在橡胶支座的一侧水平竖直安装至少两个相机和靶标,标记监测水平方向位移的相机为第一个相机,监测水平方向上的靶标为第一个靶标,监测竖直方向位移的相机为第二个相机,监测竖直方向上的靶标为第二个靶标。
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计算所述模板图像以及所述匹配图像的像素和物理尺寸对应关系步骤时,具体实现如下步骤:
根据所述模板图像的像素尺寸和所述模板图像的物理尺寸分别计算第一个相机以及第二个相机的像素和物理尺寸对应关系,以得到第一相机的尺度因子和第二个相机的尺度因子。
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计算第二个相机与第二个靶标的初始距离步骤时,具体实现如下步骤:
根据第二个相机的焦距、像元尺寸和第二个相机的尺度因子计算第二个相机到第二个靶标的初始距离。
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将所述模板图像的特征点以及所述匹配图像的特征点进行特征匹配,以得到匹配结果步骤时,具体实现如下步骤:
对第一个相机的模板图像的特征点和匹配图像的特征点进行特征匹配,以获取置信度最高的特征点记为第一个相机的监测点;对第二个相机的模板图像的特征点和匹配图像特征点进行特征匹配,获取置信度最高的特征点记为第二个相机的监测点;计算第一个相机的监测点和第二个相机的监测点在模板图像和实时图像帧中的坐标信息,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橡胶支座的水平位移以及竖直位移步骤时,具体实现如下步骤:
根据第一个相机的监测点在模板图像和实时图像帧中的坐标信息计算橡胶支座的水平像素位移;利用第一个相机的尺度因子计算橡胶支座的水平位移尺寸。根据第二个相机的监测点在模板图像和实时图像帧中的坐标信息计算橡胶支座的竖直像素位移;利用第二个相机的尺度因子计算支座的竖直位移尺寸。
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竖直位移进行校正,以得到校正结果步骤时,具体实现如下步骤:
根据第二个相机距离靶标的初始距离、第二个相机的焦距、像元尺寸、第二个相机位移、第二个相机的监测点在模板图像中的坐标信息计算校正后的竖直位移,以得到校正结果。
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.基于机器视觉的隔震结构支座形变监测方法,其特征在于,包括:
获取至少两个相机的模板图像;
获取至少两个相机的匹配图像;
提取所述模板图像的特征点以及所述匹配图像的特征点;
计算所述模板图像以及所述匹配图像的像素和物理尺寸对应关系;
计算第二个相机与第二个靶标的初始距离;
将所述模板图像的特征点以及所述匹配图像的特征点进行特征匹配,以得到匹配结果;
根据所述匹配结果计算橡胶支座的水平位移以及竖直位移;
对所述竖直位移进行校正,以得到校正结果;
根据所述水平位移以及所述校正结果计算所述橡胶支座的三维空间位移。
2.根据权利要求1所述的基于机器视觉的隔震结构支座形变监测方法,其特征在于,所述至少两个相机安装在橡胶支座的一侧;在橡胶支座的一侧水平竖直安装至少两个相机和靶标,标记监测水平方向位移的相机为第一个相机,监测水平方向上的靶标为第一个靶标,监测竖直方向位移的相机为第二个相机,监测竖直方向上的靶标为第二个靶标。
3.根据权利要求2所述的基于机器视觉的隔震结构支座形变监测方法,其特征在于,所述计算所述模板图像以及所述匹配图像的像素和物理尺寸对应关系,包括:
根据所述模板图像的像素尺寸和所述模板图像的物理尺寸分别计算第一个相机以及第二个相机的像素和物理尺寸对应关系,以得到第一相机的尺度因子和第二个相机的尺度因子。
4.根据权利要求3所述的基于机器视觉的隔震结构支座形变监测方法,其特征在于,所述计算第二个相机与第二个靶标的初始距离,包括:
根据第二个相机的焦距、像元尺寸和第二个相机的尺度因子计算第二个相机到第二个靶标的初始距离。
5.根据权利要求4所述的基于机器视觉的隔震结构支座形变监测方法,其特征在于,所述将所述模板图像的特征点以及所述匹配图像的特征点进行特征匹配,以得到匹配结果,包括:
对第一个相机的模板图像的特征点和匹配图像的特征点进行特征匹配,以获取置信度最高的特征点记为第一个相机的监测点;
对第二个相机的模板图像的特征点和匹配图像特征点进行特征匹配,获取置信度最高的特征点记为第二个相机的监测点;
计算第一个相机的监测点和第二个相机的监测点在模板图像和实时图像帧中的坐标信息,以得到匹配结果。
6.根据权利要求5所述的基于机器视觉的隔震结构支座形变监测方法,其特征在于,所述根据所述匹配结果计算橡胶支座的水平位移以及竖直位移,包括:
根据第一个相机的监测点在模板图像和实时图像帧中的坐标信息计算橡胶支座的水平像素位移;
利用第一个相机的尺度因子计算橡胶支座的水平位移尺寸;
根据第二个相机的监测点在模板图像和实时图像帧中的坐标信息计算橡胶支座的竖直像素位移;
利用第二个相机的尺度因子计算支座的竖直位移尺寸。
7.根据权利要求6所述的基于机器视觉的隔震结构支座形变监测方法,其特征在于,所述对所述竖直位移进行校正,以得到校正结果,包括:
根据第二个相机距离靶标的初始距离、第二个相机的焦距、像元尺寸、第二个相机位移、第二个相机的监测点在模板图像中的坐标信息计算校正后的竖直位移,以得到校正结果。
8.基于机器视觉的隔震结构支座形变监测装置,其特征在于,包括:
模板图像获取单元,用于获取至少两个相机的模板图像;
匹配图像获取单元,用于获取至少两个相机的匹配图像;
提取单元,用于提取所述模板图像的特征点以及所述匹配图像的特征点;
关系计算单元,用于计算所述模板图像以及所述匹配图像的像素和物理尺寸对应关系;
距离计算单元,用于计算第二个相机与第二个靶标的初始距离;
特征匹配单元,用于将所述模板图像的特征点以及所述匹配图像的特征点进行特征匹配,以得到匹配结果;
位移确定单元,用于根据所述匹配结果计算橡胶支座的水平位移以及竖直位移;
校正单元,用于对所述竖直位移进行校正,以得到校正结果;
空间位移计算单元,用于根据所述水平位移以及所述校正结果计算所述橡胶支座的三维空间位移。
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可实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211521961.8A CN116007518A (zh) | 2022-11-30 | 2022-11-30 | 基于机器视觉的隔震结构支座形变监测方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211521961.8A CN116007518A (zh) | 2022-11-30 | 2022-11-30 | 基于机器视觉的隔震结构支座形变监测方法、装置及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116007518A true CN116007518A (zh) | 2023-04-25 |
Family
ID=86034368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211521961.8A Pending CN116007518A (zh) | 2022-11-30 | 2022-11-30 | 基于机器视觉的隔震结构支座形变监测方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116007518A (zh) |
-
2022
- 2022-11-30 CN CN202211521961.8A patent/CN116007518A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4943034B2 (ja) | ステレオ画像処理装置 | |
JP2004354257A (ja) | キャリブレーションずれ補正装置及びこの装置を備えたステレオカメラ並びにステレオカメラシステム | |
JP6138861B2 (ja) | 距離算出装置 | |
JP2019096294A (ja) | 視差推定装置及び方法 | |
JP6599685B2 (ja) | 画像処理装置および誤差判定方法 | |
JP2006252473A (ja) | 障害物検出装置、キャリブレーション装置、キャリブレーション方法およびキャリブレーションプログラム | |
US11210773B2 (en) | Information processing apparatus, information processing method, and storage medium for defect inspection and detection | |
KR100951309B1 (ko) | 광학식 모션 캡처 장비를 위한 다중 카메라 보정 방법 | |
CN116433737A (zh) | 一种激光雷达点云与图像配准的方法、装置及智能终端 | |
CN109658451B (zh) | 一种深度感知方法,装置和深度感知设备 | |
WO2021070415A1 (ja) | 補正パラメータ算出方法、変位量算出方法、補正パラメータ算出装置、及び、変位量算出装置 | |
CN110876053A (zh) | 图像处理装置、驾驶支援系统及记录介质 | |
JP2017517727A (ja) | 三次元情報の規模測定 | |
WO2021230157A1 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JP2004354256A (ja) | キャリブレーションずれ検出装置及びこの装置を備えたステレオカメラ並びにステレオカメラシステム | |
US10726528B2 (en) | Image processing apparatus and image processing method for image picked up by two cameras | |
JP6202356B2 (ja) | 画像処理装置及び方法、並びに撮像装置 | |
US20230260159A1 (en) | Information processing apparatus, information processing method, and non-transitory computer readable medium | |
CN109313808B (zh) | 图像处理系统 | |
CN116007518A (zh) | 基于机器视觉的隔震结构支座形变监测方法、装置及计算机设备 | |
JPWO2017090097A1 (ja) | 車両用外界認識装置 | |
JP7269130B2 (ja) | 画像処理装置 | |
JP2018151940A (ja) | 障害物検出装置および障害物検出方法 | |
CN110738613A (zh) | 线阵探测器图像拼接实时校正方法、装置、设备和介质 | |
JP2020201587A (ja) | 撮像装置、車両及びプログラム |
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 |