CN116295189A - 一种大坝位移监测方法 - Google Patents

一种大坝位移监测方法 Download PDF

Info

Publication number
CN116295189A
CN116295189A CN202310551817.7A CN202310551817A CN116295189A CN 116295189 A CN116295189 A CN 116295189A CN 202310551817 A CN202310551817 A CN 202310551817A CN 116295189 A CN116295189 A CN 116295189A
Authority
CN
China
Prior art keywords
monitoring
matrix
dam
satellite
camera
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
Application number
CN202310551817.7A
Other languages
English (en)
Other versions
CN116295189B (zh
Inventor
段俊钊
郭泽民
许桂平
高云龙
初艳华
甄祥奎
于江波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Suizhen Information Technology Co ltd
Original Assignee
Shandong Suizhen Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Suizhen Information Technology Co ltd filed Critical Shandong Suizhen Information Technology Co ltd
Priority to CN202310551817.7A priority Critical patent/CN116295189B/zh
Publication of CN116295189A publication Critical patent/CN116295189A/zh
Application granted granted Critical
Publication of CN116295189B publication Critical patent/CN116295189B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明涉及大坝监测技术领域，具体涉及一种大坝位移监测方法，所述方法包括：在目标大坝中设置多个监测点；在每个监测点设置监测装置；监测卫星在接收到两个位置坐标后，将根据监测卫星自身所处的位置，分别计算出两个监测装置与监测卫星自身的距离；监测中心计算得到一个监测值；将不同时刻的监测值，按照时间顺序，构建一个监测矩阵，并利用时序矩阵变化算法求解监测矩阵，得到判别值，将判别值与预设的阈值范围进行比较，若判别值在预设的阈值范围外，则判断目标大坝发生了位移。本发明提高了大坝位移监测精度和准确性，实现大坝位移的及时预警和预防。

Description

一种大坝位移监测方法
技术领域
本发明涉及水利工程稳定性评价与监测预警技术领域，特别涉及一种大坝位移监测方法。
背景技术
随着现代工业、建筑和交通等领域的发展，大型工程建设已成为日益重要的一环。其中，建筑物和桥梁等基础设施的安全性问题一直备受关注，尤其是对于一些受力特殊的建筑物，如大坝等，需要对其进行定期的监测和检测，以确保其运行的安全和稳定性。
传统的大坝位移监测方法主要是基于地面测量技术，包括水准测量、全站仪测量等，这些方法虽然可靠性较高，但需要耗费大量人力、物力和时间成本，并且监测数据受到自然环境的影响较大，很难得到准确和实时的监测结果。此外，由于大坝结构较为庞大，监测点分布范围广，传统的地面测量技术无法满足对大坝位移的全面监测需求，监测精度和效率都存在一定的限制。
针对上述问题，近年来出现了基于卫星监测的大坝位移监测技术。该技术利用卫星和监测设备进行信息采集和数据处理，实现对大坝的实时监测。这种技术具有监测数据精度高、监测范围广、效率高、监测结果准确等优点，成为了目前大坝位移监测领域的主流技术。
然而，目前的卫星监测技术也存在一些问题。首先，由于大坝结构本身的特殊性，需要在大坝上分布大量的监测点，从而涉及到监测设备的密集布置和高效数据传输等技术问题；其次，卫星监测技术本身涉及到多颗卫星、多个监测点和复杂的数据处理算法，对于监测数据的实时性和精确性要求较高；最后，目前的卫星监测技术往往需要较高的设备和技术成本，对于一些资源有限的国家或地区来说，可能无法承担这种高成本的监测技术。
综上所述，尽管基于卫星监测的大坝位移监测技术已经有了一定的发展，但仍然需要在监测点布置、监测设备、数据处理算法等方面进一步优化和改进，以满足大坝位移监测领域的不断发展和应用需求。
发明内容
本发明的目的是提供一种大坝位移监测方法，该方法通过设置多个监测点和监测装置，利用监测卫星对监测数据进行收集、处理和分析，实现对目标大坝的位移监测，具有高精度、高实时性和高可靠性等特点。
为解决上述技术问题，本发明提供一种大坝位移监测方法，所述方法包括：
步骤S1：在目标大坝中设置多个监测点；所述监测点的位置须满足星点约束方程；
步骤S2：在每个监测点设置监测装置；每两个所述监测装置组成一组监测组，并设置其中一个为通信装置；被设置为通信装置的监测装置将实时获取自身的位置坐标，并接收监测组中另一个监测装置的位置坐标，并将两个位置坐标均实时发送至监测卫星；
步骤S3：监测卫星在接收到两个位置坐标后，将根据监测卫星自身所处的位置，分 别计算出两个监测装置与监测卫星自身的距离，记为
Figure SMS_2
和
Figure SMS_6
，再分别计算出两个监测装 置与监测卫星的夹角，记为
Figure SMS_9
和
Figure SMS_3
，以及计算出两个监测装置的相对距离
Figure SMS_5
；然后将相对 距离
Figure SMS_7
、
Figure SMS_10
、
Figure SMS_1
、
Figure SMS_4
和
Figure SMS_8
打包成为监测数据发送至监测中心；
步骤S4：监测中心在接收到所有监测卫星的发送过来的监测数据后，利用监测数据中的夹角差、距离差和相对距离，构建多重扩展信息滤波器的测位置状态量矩阵，并求解这个矩阵，得到一个监测值，该监测值为当前时刻对应的监测值；
步骤S5：将不同时刻的监测值，按照时间顺序，构建一个监测矩阵，并利用时序矩阵变化算法求解监测矩阵，得到判别值，将判别值与预设的阈值范围进行比较，若判别值在预设的阈值范围外，则判断目标大坝发生了位移。
进一步的，所述步骤S1中设置监测点的方法包括：在目标大坝表面随机选择多个 位置作为监测点，并测量每个监测点的精确位置坐标，以及通过相机拍摄获得监测点的像 素坐标；根据相机的自身参数，得到相机投影矩阵；将像素坐标、精确位置坐标和相机投影 矩阵代入星点约束方程，得到监测点在不同视角下的理论像素坐标；然后，计算理论像素坐 标与实际像素坐标之间的差异，即误差向量，对其进行平方和运算，得到所有约束方程的平 方误差之和；不断调整在目标大坝表面随机选择的监测点的位置，循环执行
Figure SMS_11
次上述步骤， 以得到
Figure SMS_12
个约束方程的平方误差之和，选择约束方程的平方误差之和最小时对应的在目标 大坝中选择的监测点的位置作为在目标大坝中设置的多个监测点。
进一步的，所述星点约束方程使用如下公式进行表示：
Figure SMS_13
；
其中，
Figure SMS_17
表示第
Figure SMS_19
个相机中观测到的第
Figure SMS_22
个监测点的像素坐标，
Figure SMS_16
表示第
Figure SMS_20
个相机对应的投影矩阵将监测点
Figure SMS_23
投影到图像平面上的坐标，
Figure SMS_25
表示第
Figure SMS_15
个相机的投影矩 阵，
Figure SMS_18
表示所有监测点的精确位置坐标；
Figure SMS_21
为约束方程的平方误差之和；
Figure SMS_24
为相机的总 数，
Figure SMS_14
为监测点的数量。
进一步的，所述相机的投影矩阵通过相机的内参数和外参数计算得到；所述内参数包括相机的焦距、主点位置和像素尺寸；所述外参数则包括相机在三维空间中的位置和朝向；所述相机的投影矩阵表示为：
Figure SMS_26
；
其中，
Figure SMS_27
是相机内参数矩阵，包括焦距、主点位置和像素尺寸，
Figure SMS_28
和
Figure SMS_29
分别表示相机 在三维空间中的旋转矩阵和平移向量，
Figure SMS_30
是外参数矩阵，表示相机在三维空间中的姿 态。
进一步的，所述步骤S3监测卫星在接收到两个位置坐标后，根据自身所处的位置， 分别计算出两个监测装置与监测卫星自身的距离的方法包括：获取监测卫星自身的位置坐 标记为
Figure SMS_31
；假设第一个监测装置的位置坐标为
Figure SMS_32
，第二个监测装置的位 置坐标为
Figure SMS_33
，则使用三维欧几里得距离公式分别计算出两个监测装置与监测卫星 自身的距离
Figure SMS_34
和
Figure SMS_35
：
Figure SMS_36
；
其中，
Figure SMS_37
表示监测装置的编号；
Figure SMS_38
为两个监测装置分别与监测卫星自身的距离。
进一步的，所述步骤S3中监测卫星计算出两个监测装置的相对距离的方法包括：使用如下公式计算出两个监测装置的相对距离：
Figure SMS_39
。
进一步的，所述步骤S3中计算出两个监测装置与监测卫星的夹角的方法包括：使用如下公式计算出两个监测装置与监测卫星的夹角：
Figure SMS_40
；
其中，
Figure SMS_41
表示监测装置的编号，
Figure SMS_42
表示两个监测装置分别与监测卫星自身的距离，
Figure SMS_43
表示另一个监测装置与监测卫星的距离。
进一步的，所述步骤S4具体包括：监测中心接收到所有监测卫星发送过来的监测 数据后，将这些数据存储在一个测量矩阵
Figure SMS_45
中；测量矩阵的每个元素为1或0，表示对应的 监测点是否被观测到；如果一个监测点被观测到，则对应的测量矩阵元素为1；否则，为0；利 用监测数据中的夹角差、距离差和相对距离，构建多重扩展信息滤波器的测量状态向量
Figure SMS_47
和状态向量
Figure SMS_50
，其中状态向量
Figure SMS_46
包含了所有监测点的位置信息，测量状态向量
Figure SMS_48
包含了所 有监测点的监测信息；构建多重扩展信息滤波器的状态转移方程和观测方程；使用多重扩 展信息滤波器对状态向量
Figure SMS_51
进行估计；根据观测向量
Figure SMS_53
对状态向量
Figure SMS_44
进行修正，得到 对状态向量的更准确估计
Figure SMS_49
；从状态向量
Figure SMS_52
中提取出监测信息，得到当前时 刻对应的监测值。
进一步的，所述步骤S5具体包括：将不同时刻的监测值按时间顺序构建为一个监 测矩阵
Figure SMS_56
，其中每一列代表一个时间步长的监测值；利用时序矩阵变化算法对监测矩阵
Figure SMS_57
进 行处理，得到一个差分矩阵
Figure SMS_60
，其中
Figure SMS_55
；所述差分矩阵的每个元素是相邻 时间步长的监测值之差，用于反映目标大坝的变化情况；根据差分矩阵
Figure SMS_58
计算判别值
Figure SMS_59
；将 判别值
Figure SMS_61
与预设的阈值范围进行比较，如果
Figure SMS_54
超出了预设的阈值范围，则判断目标大坝发 生了位移。
进一步的，所述根据差分矩阵
Figure SMS_62
计算判别值
Figure SMS_63
的公式为：
Figure SMS_64
；
其中，
Figure SMS_65
表示时间步长的数量，
Figure SMS_68
表示监测点的数量，
Figure SMS_71
表示差分矩阵
Figure SMS_66
的第
Figure SMS_70
行 第
Figure SMS_72
列元素，
Figure SMS_73
表示差分矩阵
Figure SMS_67
的第
Figure SMS_69
列元素的平均值。
本发明的一种大坝位移监测方法，具有以下有益效果：
1.提高监测精度和准确性：传统的大坝位移监测方法主要是基于地面测量技术，监测数据受到自然环境的影响较大，很难得到准确和实时的监测结果。而该发明提出的基于卫星监测的大坝位移监测方法，通过在目标大坝中设置多个监测点，并利用监测设备和卫星进行数据采集和处理，实现了对大坝位移的准确、实时监测和分析，提高了监测数据的精度和准确性。
2.改进监测设备和数据处理算法：该发明提出的监测设备和数据处理算法具有创新性和优化性，可以更好地适应大坝位移监测的需要。通过在每个监测点设置监测装置，并将两个位置坐标均实时发送至监测卫星，实现了对大坝位移的实时监测和分析。此外，该方法还提出了夹角差、距离差和相对距离等多重扩展信息滤波器的测位置状态量矩阵，并求解这个矩阵，得到一个监测值，使监测结果更加准确和可靠。
3.实现大坝位移的及时预警和预防：该发明提供的基于卫星监测的大坝位移监测方法，通过实时监测大坝位移情况，可以及时发现大坝位移的迹象，并进行预警和预防措施，减少大坝位移带来的安全风险和损失。例如，在监测中心接收到所有监测卫星发送过来的监测数据后，利用监测数据中的夹角差、距离差和相对距离等数据进行处理，得到判别值，并将判别值与预设的阈值范围进行比较，如果判别值超出预设的阈值范围，则可以判断目标大坝发生了位移，并及时采取措施，减少位移带来的安全风险和损失。
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，下面将对实施例或现有技术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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种大坝位移监测方法的方法流程示意图；
图2为本发明实施例提供的一种大坝位移监测方法的在目标大坝中设置的监测点的示意图；
图3为本发明实施例提供的一种大坝位移监测方法的监测装置与监测卫星的相对位置结构示意图。
具体实施方式
本发明的核心是提供一种大坝位移监测方法。
为使本发明实施例的目的、技术方案和优点更加清楚，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。
实施例1:参考图1，一种大坝位移监测方法，所述方法包括:
步骤S1：在目标大坝中设置多个监测点；所述监测点的位置须满足星点约束方程；
步骤S2：在每个监测点设置监测装置；每两个所述监测装置组成一组监测组，并设置其中一个为通信装置；被设置为通信装置的监测装置将实时获取自身的位置坐标，并接收监测组中另一个监测装置的位置坐标，并将两个位置坐标均实时发送至监测卫星；
步骤S3：监测卫星在接收到两个位置坐标后，将根据监测卫星自身所处的位置，分 别计算出两个监测装置与监测卫星自身的距离，记为
Figure SMS_75
和
Figure SMS_79
，再分别计算出两个监测装 置与监测卫星的夹角，记为
Figure SMS_82
和
Figure SMS_76
，以及计算出两个监测装置的相对距离
Figure SMS_78
；然后将相对 距离
Figure SMS_81
、
Figure SMS_83
、
Figure SMS_74
、
Figure SMS_77
和
Figure SMS_80
打包成为监测数据发送至监测中心；
步骤S4：监测中心在接收到所有监测卫星的发送过来的监测数据后，利用监测数据中的夹角差、距离差和相对距离，构建多重扩展信息滤波器的测位置状态量矩阵，并求解这个矩阵，得到一个监测值，该监测值为当前时刻对应的监测值；
步骤S5：将不同时刻的监测值，按照时间顺序，构建一个监测矩阵，并利用时序矩阵变化算法求解监测矩阵，得到判别值，将判别值与预设的阈值范围进行比较，若判别值在预设的阈值范围外，则判断目标大坝发生了位移。
在具体的实现过程中，首先在目标大坝中设置多个监测点，并按照星点约束方程进行位置的布置。然后在每个监测点上设置监测装置，每两个监测装置组成一组监测组，并设置其中一个为通信装置。通信装置将实时获取自身的位置坐标，并接收监测组中另一个监测装置的位置坐标，并将两个位置坐标均实时发送至监测卫星。
监测卫星在接收到两个位置坐标后，会根据监测卫星自身所处的位置，分别计算出两个监测装置与监测卫星自身的距离、两个监测装置与监测卫星的夹角以及计算出两个监测装置的相对距离。然后将相对距离、距离、夹角等数据打包成为监测数据发送至监测中心。
监测中心在接收到所有监测卫星发送过来的监测数据后，会利用多重扩展信息滤波器来构建测位置状态量矩阵，并求解这个矩阵，得到一个监测值，该监测值为当前时刻对应的监测值。然后将不同时刻的监测值，按照时间顺序，构建一个监测矩阵，并利用时序矩阵变化算法求解监测矩阵，得到判别值。最后将判别值与预设的阈值范围进行比较，若判别值在预设的阈值范围外，则判断目标大坝发生了位移。
每两个监测装置组成一组监测组，并设置其中一个为通信装置，是为了实现监测数据的实时传输和处理。具体来说，每个监测点上设置的监测装置可以测量到其它监测点的位置坐标和相对距离等数据，但这些数据需要通过某种方式进行传输和处理，才能得到对目标大坝的位移监测结果。
因此，在每个监测点中设置一个通信装置，可以实时获取自身的位置坐标，并接收监测组中另一个监测装置的位置坐标，将两个位置坐标均实时发送至监测卫星。通过这种方式，可以将监测数据传输到监测中心进行处理和分析，进而得到目标大坝的位移监测结果。
此外，设置其中一个监测装置为通信装置，还可以减少传输数据的量，提高传输效率和稳定性。因为只需要将其中一个监测装置的数据传输至监测卫星，就可以得到该监测组的监测数据，而不需要将两个监测装置的数据都传输过去。这样可以降低传输负载和风险，提高数据传输的效率和稳定性。
参考图2和图3，在图2中，展示了监测点在目标大坝中设置的示意图。其中的监测点为图中的散点。图3中描述了监测卫星与监测装置的相对位置关系。
实施例2：在上一实施例的基础上，所述步骤S1中设置监测点的方法包括：在目标 大坝表面随机选择多个位置作为监测点，并测量每个监测点的精确位置坐标，以及通过相 机拍摄获得监测点的像素坐标；根据相机的自身参数，得到相机投影矩阵；将像素坐标、精 确位置坐标和相机投影矩阵代入星点约束方程，得到监测点在不同视角下的理论像素坐 标；然后，计算理论像素坐标与实际像素坐标之间的差异，即误差向量，对其进行平方和运 算，得到所有约束方程的平方误差之和；不断调整在目标大坝表面随机选择的监测点的位 置，循环执行
Figure SMS_84
次上述步骤，以得到
Figure SMS_85
个约束方程的平方误差之和，选择约束方程的平方误 差之和最小时对应的在目标大坝中选择的监测点的位置作为在目标大坝中设置的多个监 测点。
具体的，星点约束方程是指在三维空间中，由相机拍摄的多张图像中提取出的某些特征点的位置约束关系。这些约束关系可以被表示为一组非线性方程，称为星点约束方程组。这些方程组通常用于计算机视觉领域中的三维重建和相机位姿估计等问题。
具体地说，如果已知相机在多个位置拍摄的多个图像，并且已经提取出这些图像中相同的特征点，并将它们匹配到一起，则可以根据这些匹配的特征点的位置信息，得到这些相机之间的约束关系。这些约束关系可以表示为一组非线性方程，其中每个方程表示一个特征点在不同视角下的投影位置之间的关系。
在实践中，由于存在误差和噪声，这些方程组往往是非线性的，并且需要使用迭代的方法来求解。常用的求解方法包括基于高斯牛顿法的非线性最小二乘法和基于束调整的优化方法等。
由于随机选择的监测点的位置可能会影响到监测数据的准确性和稳定性，因此需要循环执行N次上述步骤，以得到N个约束方程的平方误差之和，选择约束方程的平方误差之和最小时对应的在目标大坝中选择的监测点的位置作为在目标大坝中设置的多个监测点。
在这里利用了相机的自身参数和星点约束方程等技术手段，来实现对监测点的精确定位和约束，进而提高监测数据的准确性和稳定性。此外，该方法还可以通过不断调整监测点的位置，得到最优的监测点布置方案，从而最大程度地提高监测数据的精度和可靠性。
实施例3：在上一实施例的基础上，所述星点约束方程使用如下公式进行表示：
Figure SMS_86
；
其中，
Figure SMS_88
表示第
Figure SMS_92
个相机中观测到的第
Figure SMS_95
个监测点的像素坐标，
Figure SMS_90
表示第
Figure SMS_91
个相机对应的投影矩阵将监测点
Figure SMS_94
投影到图像平面上的坐标，
Figure SMS_97
表示第
Figure SMS_87
个相机的投影矩 阵，
Figure SMS_93
表示所有监测点的精确位置坐标；
Figure SMS_96
为约束方程的平方误差之和；
Figure SMS_98
为相机的总 数，
Figure SMS_89
为监测点的数量。
具体的，星点约束方程主要用于约束监测点在不同视角下的位置坐标，通过比较理论像素坐标与实际像素坐标之间的差异，进而得到监测点的精确位置坐标，从而提高监测数据的准确性和稳定性。通过不断调整监测点的位置和相机的视角，可以得到约束方程的平方误差之和最小的监测点位置和相机视角，进而得到最优的监测点布置方案，提高监测数据的精度和可靠性。
实施例4：在上一实施例的基础上，所述相机的投影矩阵通过相机的内参数和外参数计算得到；所述内参数包括相机的焦距、主点位置和像素尺寸；所述外参数则包括相机在三维空间中的位置和朝向；所述相机的投影矩阵表示为：
Figure SMS_99
；
其中，
Figure SMS_100
是相机内参数矩阵，包括焦距、主点位置和像素尺寸，
Figure SMS_101
和
Figure SMS_102
分别表示相机 在三维空间中的旋转矩阵和平移向量，
Figure SMS_103
是外参数矩阵，表示相机在三维空间中的姿 态。
在实际应用中，通常需要对相机进行标定，得到相机内参数矩阵
Figure SMS_104
和相机在世 界坐标系下的外参数矩阵
Figure SMS_105
，然后代入上述公式中，就可以得到相机的投影矩阵
Figure SMS_106
。 在实际应用中，通常使用多个相机进行监测，并需要对所有相机进行标定，以确保监测系统 能够准确地测量大坝的位移情况。
实施例5：在上一实施例的基础上，所述步骤S3监测卫星在接收到两个位置坐标 后，根据自身所处的位置，分别计算出两个监测装置与监测卫星自身的距离的方法包括：获 取监测卫星自身的位置坐标记为
Figure SMS_107
；假设第一个监测装置的位置坐标为
Figure SMS_108
，第二个监测装置的位置坐标为
Figure SMS_109
，则使用三维欧几里得距离公式分 别计算出两个监测装置与监测卫星自身的距离
Figure SMS_110
和
Figure SMS_111
：
Figure SMS_112
；
其中，
Figure SMS_113
表示监测装置的编号；
Figure SMS_114
为两个监测装置分别与监测卫星自身的距离。
实施例6：在上一实施例的基础上，所述步骤S3中监测卫星计算出两个监测装置的相对距离的方法包括：使用如下公式计算出两个监测装置的相对距离：
Figure SMS_115
。
实施例7：在上一实施例的基础上，所述步骤S3中计算出两个监测装置与监测卫星的夹角的方法包括：使用如下公式计算出两个监测装置与监测卫星的夹角：
Figure SMS_116
；
其中，
Figure SMS_117
表示监测装置的编号，
Figure SMS_118
表示另一个监测装置与监测卫星的距离。
实施例8：在上一实施例的基础上，所述步骤S4具体包括：监测中心接收到所有监 测卫星发送过来的监测数据后，将这些数据存储在一个测量矩阵
Figure SMS_120
中；测量矩阵的每个元 素为1或0，表示对应的监测点是否被观测到；如果一个监测点被观测到，则对应的测量矩阵 元素为1；否则，为0；利用监测数据中的夹角差、距离差和相对距离，构建多重扩展信息滤波 器的测量状态向量
Figure SMS_124
和状态向量
Figure SMS_127
，其中状态向量
Figure SMS_121
包含了所有监测点的位置信息，测量 状态向量
Figure SMS_122
包含了所有监测点的监测信息；构建多重扩展信息滤波器的状态转移方程和 观测方程；使用多重扩展信息滤波器对状态向量
Figure SMS_125
进行估计；根据观测向量
Figure SMS_128
对状态向量
Figure SMS_119
进行修正，得到对状态向量的更准确估计
Figure SMS_123
；从状态向量
Figure SMS_126
中提取出 监测信息，得到当前时刻对应的监测值。
具体的，多重扩展信息滤波器（Multiple Extended Kalman Filter, MEKF）又称为MEKF滤波器。构建MEKF的状态转移方程和观测方程，它们分别为：
状态转移方程：
Figure SMS_129
；
观测方程：
Figure SMS_130
；
其中，
Figure SMS_131
是状态转移函数，
Figure SMS_132
是控制向量，
Figure SMS_133
是观测函数，
Figure SMS_134
是测量 噪声。
使用MEKF对状态向量
Figure SMS_135
进行估计，步骤如下：
a. 预测状态向量
Figure SMS_136
的下一时刻
Figure SMS_137
和协方差矩阵
Figure SMS_138
，通过以下公式进行计 算：
Figure SMS_139
；
Figure SMS_140
；
其中，
Figure SMS_141
是在时刻
Figure SMS_142
对状态向量的估计值，
Figure SMS_143
是在时刻
Figure SMS_144
对状态向量的协方差 矩阵，
Figure SMS_145
和
Figure SMS_146
分别是状态转移矩阵和过程噪声协方差矩阵。
b. 根据观测向量
Figure SMS_147
对状态向量
Figure SMS_148
进行修正，得到对状态向量的更准确估计
Figure SMS_149
，通过以下公式进行计算：
Figure SMS_150
；
Figure SMS_151
；
Figure SMS_152
；
其中，
Figure SMS_153
是卡尔曼增益，
Figure SMS_154
是观测矩阵，
Figure SMS_155
是测量噪声协方差矩阵。
实施例9：在上一实施例的基础上，所述步骤S5具体包括：将不同时刻的监测值按 时间顺序构建为一个监测矩阵
Figure SMS_157
，其中每一列代表一个时间步长的监测值；利用时序矩阵 变化算法对监测矩阵
Figure SMS_159
进行处理，得到一个差分矩阵
Figure SMS_161
，其中
Figure SMS_158
；所述差 分矩阵的每个元素是相邻时间步长的监测值之差，用于反映目标大坝的变化情况；根据差 分矩阵
Figure SMS_160
计算判别值
Figure SMS_162
；将判别值
Figure SMS_163
与预设的阈值范围进行比较，如果
Figure SMS_156
超出了预设的阈 值范围，则判断目标大坝发生了位移。
具体的，所述预设的阈值范围预设的阈值范围通常是根据具体的工程需求和大坝的特性来确定的。确定阈值范围的方法可能包括以下几个步骤：
工程需求分析：首先需要明确大坝位移的重要性以及对安全的影响程度。根据工程标准、安全规范或相关要求，确定对大坝位移的容许范围。
大坝特性评估：评估大坝的结构特性、材料性质和地质环境等因素，考虑大坝的设计寿命、材料强度、地质活动等因素对位移的影响。
经验数据参考：参考过去类似工程的经验数据，了解大坝在正常运行期间的位移范围，以及位移异常时可能出现的情况。
安全分析与风险评估：进行安全分析，考虑大坝位移可能引发的风险和后果，确定对应的安全容许范围。
综合以上因素，可以确定适当的阈值范围。这个范围应该是一个合理的界限，既要能够检测到潜在的位移问题，又要避免误报和过于频繁的警报。在确定阈值范围时，需要进行讨论和评估，以确保考虑了各种因素并得出合理的结论。
实施例10：在上一实施例的基础上，所述根据差分矩阵
Figure SMS_164
计算判别值
Figure SMS_165
的公式为：
Figure SMS_166
；
其中，
Figure SMS_169
表示时间步长的数量，
Figure SMS_170
表示监测点的数量，
Figure SMS_173
表示差分矩阵
Figure SMS_168
的第
Figure SMS_172
行 第
Figure SMS_174
列元素，
Figure SMS_175
表示差分矩阵
Figure SMS_167
的第
Figure SMS_171
列元素的平均值。
以上对本发明所提供的一种基于混合树形滤波的立体匹配方法及系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种大坝位移监测方法，其特征在于，所述方法包括：
步骤S1：在目标大坝中设置多个监测点；所述监测点的位置须满足星点约束方程；
步骤S2：在每个监测点设置监测装置；每两个所述监测装置组成一组监测组，并设置其中一个为通信装置；被设置为通信装置的监测装置将实时获取自身的位置坐标，并接收监测组中另一个监测装置的位置坐标，并将两个位置坐标均实时发送至监测卫星；
步骤S3：监测卫星在接收到两个位置坐标后，将根据监测卫星自身所处的位置，分别计算出两个监测装置与监测卫星自身的距离，记为
Figure QLYQS_3
和/>
Figure QLYQS_4
，再分别计算出两个监测装置与监测卫星的夹角，记为/>
Figure QLYQS_7
和/>
Figure QLYQS_1
，以及计算出两个监测装置的相对距离/>
Figure QLYQS_6
；然后将/>
Figure QLYQS_9
、/>
Figure QLYQS_10
、
Figure QLYQS_2
、/>
Figure QLYQS_5
和/>
Figure QLYQS_8
打包成为监测数据发送至监测中心；
步骤S4：监测中心在接收到所有监测卫星的发送过来的监测数据后，利用监测数据中的夹角差、距离差和相对距离，构建多重扩展信息滤波器的测位置状态量矩阵，并求解这个矩阵，得到一个监测值，该监测值为当前时刻对应的监测值；
步骤S5：将不同时刻的监测值，按照时间顺序，构建一个监测矩阵，并利用时序矩阵变化算法求解监测矩阵，得到判别值，将判别值与预设的阈值范围进行比较，若判别值在预设的阈值范围外，则判断目标大坝发生了位移。
2.如权利要求1所述的大坝位移监测方法，其特征在于，所述步骤S1中设置监测点的方法包括：在目标大坝表面随机选择多个位置作为监测点，并测量每个监测点的精确位置坐标，以及通过相机拍摄获得监测点的像素坐标；根据相机的自身参数，得到相机投影矩阵；将像素坐标、精确位置坐标和相机投影矩阵代入星点约束方程，得到监测点在不同视角下的理论像素坐标；然后，计算理论像素坐标与实际像素坐标之间的差异，即误差向量，对其进行平方和运算，得到所有约束方程的平方误差之和；不断调整在目标大坝表面随机选择的监测点的位置，循环执行
Figure QLYQS_11
次上述步骤，以得到/>
Figure QLYQS_12
个约束方程的平方误差之和，选择约束方程的平方误差之和最小时对应的在目标大坝中选择的监测点的位置作为在目标大坝中设置的多个监测点。
3.如权利要求2所述的大坝位移监测方法，其特征在于，所述星点约束方程使用如下公式进行表示：
Figure QLYQS_13
；
其中，
Figure QLYQS_16
表示第/>
Figure QLYQS_20
个相机中观测到的第/>
Figure QLYQS_23
个监测点的像素坐标，/>
Figure QLYQS_17
表示第/>
Figure QLYQS_18
个相机对应的投影矩阵将监测点/>
Figure QLYQS_21
投影到图像平面上的坐标，/>
Figure QLYQS_24
表示第/>
Figure QLYQS_14
个相机的投影矩阵，/>
Figure QLYQS_19
表示所有监测点的精确位置坐标；/>
Figure QLYQS_22
为约束方程的平方误差之和；/>
Figure QLYQS_25
为相机的总数，/>
Figure QLYQS_15
为监测点的数量。
4.如权利要求3所述的大坝位移监测方法，其特征在于，所述相机的投影矩阵通过相机的内参数和外参数计算得到；所述内参数包括相机的焦距、主点位置和像素尺寸；所述外参数则包括相机在三维空间中的位置和朝向；所述相机的投影矩阵表示为：
Figure QLYQS_26
；
其中，
Figure QLYQS_27
是相机内参数矩阵，包括焦距、主点位置和像素尺寸，/>
Figure QLYQS_28
和/>
Figure QLYQS_29
分别表示相机在三维空间中的旋转矩阵和平移向量，/>
Figure QLYQS_30
是外参数矩阵，表示相机在三维空间中的姿态。
5.如权利要求4所述的大坝位移监测方法，其特征在于，所述步骤S3监测卫星在接收到两个位置坐标后，根据自身所处的位置，分别计算出两个监测装置与监测卫星自身的距离的方法包括：获取监测卫星自身的位置坐标记为
Figure QLYQS_31
；假设第一个监测装置的位置坐标为/>
Figure QLYQS_32
，第二个监测装置的位置坐标为/>
Figure QLYQS_33
，则使用三维欧几里得距离公式分别计算出两个监测装置与监测卫星自身的距离/>
Figure QLYQS_34
和/>
Figure QLYQS_35
：
Figure QLYQS_36
；/>
Figure QLYQS_37
为两个监测装置分别与监测卫星自身的距离，
其中，
Figure QLYQS_38
表示监测装置的编号。
6.如权利要求5所述的大坝位移监测方法，其特征在于，所述步骤S3中监测卫星计算出两个监测装置的相对距离的方法包括：使用如下公式计算出两个监测装置的相对距离：
Figure QLYQS_39
。
7.如权利要求6所述的大坝位移监测方法，其特征在于，所述步骤S3中计算出两个监测装置与监测卫星的夹角的方法包括：使用如下公式计算出两个监测装置与监测卫星的夹角：
Figure QLYQS_40
；
其中，
Figure QLYQS_41
表示监测装置的编号，/>
Figure QLYQS_42
表示另一个监测装置与监测卫星的距离。
8.如权利要求1所述的大坝位移监测方法，其特征在于，所述步骤S4具体包括：监测中心接收到所有监测卫星发送过来的监测数据后，将这些数据存储在一个测量矩阵
Figure QLYQS_43
中；测量矩阵的每个元素为1或0，表示对应的监测点是否被观测到；如果一个监测点被观测到，则对应的测量矩阵元素为1；否则，为0；
利用监测数据中的夹角差、距离差和相对距离，构建多重扩展信息滤波器的测量状态向量
Figure QLYQS_46
和状态向量/>
Figure QLYQS_48
，其中状态向量/>
Figure QLYQS_51
包含了所有监测点的位置信息，测量状态向量/>
Figure QLYQS_44
包含了所有监测点的监测信息；构建多重扩展信息滤波器的状态转移方程和观测方程；使用多重扩展信息滤波器对状态向量/>
Figure QLYQS_47
进行估计；根据观测向量/>
Figure QLYQS_50
对状态向量/>
Figure QLYQS_52
进行修正，得到对状态向量的更准确估计/>
Figure QLYQS_45
；从状态向量/>
Figure QLYQS_49
中提取出监测信息，得到当前时刻对应的监测值。
9.如权利要求8所述的大坝位移监测方法，其特征在于，所述步骤S5具体包括：将不同时刻的监测值按时间顺序构建为一个监测矩阵
Figure QLYQS_53
，其中每一列代表一个时间步长的监测值；利用时序矩阵变化算法对监测矩阵/>
Figure QLYQS_56
进行处理，得到一个差分矩阵/>
Figure QLYQS_58
，其中
Figure QLYQS_55
；所述差分矩阵的每个元素是相邻时间步长的监测值之差，用于反映目标大坝的变化情况；根据差分矩阵/>
Figure QLYQS_57
计算判别值/>
Figure QLYQS_59
；将判别值/>
Figure QLYQS_60
与预设的阈值范围进行比较，如果/>
Figure QLYQS_54
超出了预设的阈值范围，则判断目标大坝发生了位移。
10.如权利要求9所述的大坝位移监测方法，其特征在于，所述根据差分矩阵
Figure QLYQS_61
计算判别值/>
Figure QLYQS_62
的公式为：
Figure QLYQS_63
；
其中，
Figure QLYQS_66
表示时间步长的数量，/>
Figure QLYQS_68
表示监测点的数量，/>
Figure QLYQS_70
表示差分矩阵/>
Figure QLYQS_65
的第/>
Figure QLYQS_67
行第/>
Figure QLYQS_71
列元素，/>
Figure QLYQS_72
表示差分矩阵/>
Figure QLYQS_64
的第/>
Figure QLYQS_69
列元素的平均值。
CN202310551817.7A 2023-05-17 2023-05-17 一种大坝位移监测方法 Active CN116295189B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310551817.7A CN116295189B (zh) 2023-05-17 2023-05-17 一种大坝位移监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310551817.7A CN116295189B (zh) 2023-05-17 2023-05-17 一种大坝位移监测方法

Publications (2)

Publication Number Publication Date
CN116295189A true CN116295189A (zh) 2023-06-23
CN116295189B CN116295189B (zh) 2023-08-11

Family

ID=86796292

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310551817.7A Active CN116295189B (zh) 2023-05-17 2023-05-17 一种大坝位移监测方法

Country Status (1)

Country Link
CN (1) CN116295189B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05280978A (ja) * 1992-04-01 1993-10-29 Fujita Corp 斜面変位計測システム
CN108317949A (zh) * 2018-02-07 2018-07-24 桂林电子科技大学 一种rtk高精度差分定位形变监测系统及方法
EP3358079A1 (de) * 2017-02-06 2018-08-08 HP3 Real GmbH Verfahren und vorrichtung zur optimierung einer gleislage
CN111272165A (zh) * 2020-02-27 2020-06-12 清华大学 一种基于特征点标定的智能车定位方法
CN112556632A (zh) * 2020-11-25 2021-03-26 北京数码汇博科技有限公司 一种利用协同精密定位监测地质体形变的方法及结构
CN115507827A (zh) * 2022-10-12 2022-12-23 重庆甲虫网络科技有限公司 基于超宽带与高精度mems组成的网状分布式滑坡监测系统
WO2023284344A1 (zh) * 2021-07-15 2023-01-19 长视科技股份有限公司 一种河道滑坡形变识别实现灾害预警的方法与系统
CN116086306A (zh) * 2023-04-13 2023-05-09 中国铁塔股份有限公司 坝体的监测信息的生成方法、装置、设备及可读存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05280978A (ja) * 1992-04-01 1993-10-29 Fujita Corp 斜面変位計測システム
EP3358079A1 (de) * 2017-02-06 2018-08-08 HP3 Real GmbH Verfahren und vorrichtung zur optimierung einer gleislage
CN108317949A (zh) * 2018-02-07 2018-07-24 桂林电子科技大学 一种rtk高精度差分定位形变监测系统及方法
CN111272165A (zh) * 2020-02-27 2020-06-12 清华大学 一种基于特征点标定的智能车定位方法
CN112556632A (zh) * 2020-11-25 2021-03-26 北京数码汇博科技有限公司 一种利用协同精密定位监测地质体形变的方法及结构
WO2023284344A1 (zh) * 2021-07-15 2023-01-19 长视科技股份有限公司 一种河道滑坡形变识别实现灾害预警的方法与系统
CN115507827A (zh) * 2022-10-12 2022-12-23 重庆甲虫网络科技有限公司 基于超宽带与高精度mems组成的网状分布式滑坡监测系统
CN116086306A (zh) * 2023-04-13 2023-05-09 中国铁塔股份有限公司 坝体的监测信息的生成方法、装置、设备及可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
强同波;胡从川;王谦;杨璐羽;: "基于高精度北斗定位的风电基础沉降", 现代电子技术, no. 23 *

Also Published As

Publication number Publication date
CN116295189B (zh) 2023-08-11

Similar Documents

Publication Publication Date Title
CN102819926B (zh) 一种基于无人机的火灾监测预警方法
CN109655040B (zh) 一种基于无人机靶向技术的边坡位移监测方法
CN113345019B (zh) 一种输电线路通道隐患目标测距方法、设备及介质
CN103714571A (zh) 一种基于摄影测量的单像机三维重建方法
CN104091168A (zh) 基于无人机影像的电力线自动提取定位方法
CN113223087B (zh) 一种基于视频监控的目标物体地理坐标定位方法和装置
CN107421473A (zh) 基于图像处理的两束激光同轴度检测方法
EP3023912A1 (en) Crack data collection apparatus and server apparatus to collect crack data
CN107843204A (zh) 基于监控级摄像机的边坡三维变形监测方法及系统
CN111947578A (zh) 一种结构物位移测量系统及其测量方法
CN110595433A (zh) 一种基于双目视觉的输电杆塔倾斜的测量方法
CN113240887A (zh) 边坡落石崩塌监测方法、装置及设备
CN111473776A (zh) 一种基于单像近景摄影测量的滑坡裂缝监测方法
CN106033614A (zh) 一种强视差下的移动相机运动目标检测方法
Dolloff et al. An assessment of WorldView-1 positional accuracy based on fifty contiguous stereo pairs of imagery
CN110220461A (zh) 用于标识点位移测量的嵌入式实时检测方法和装置
CN115035141A (zh) 基于图像处理的隧道裂缝远程监测与预警方法
CN112102395A (zh) 一种基于机器视觉的自主巡检的方法
CN115511878A (zh) 一种边坡地表位移监测方法、装置、介质及设备
CN116989679A (zh) 一种基于图像处理的高速公路高边坡位移集成监测方法
CN115762067A (zh) 一种基于激光点云与视频数据融合的山体滑坡监测系统
CN115225865A (zh) 一种基于红外热成像的边海防视频监控装置
CN106303412B (zh) 基于监控影像的排土场位移远程实时监测方法
CN113763484A (zh) 基于视频图像分析技术的船舶目标定位及速度估算方法
CN214199982U (zh) 一种结构物位移测量系统

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