CN116778094B - 一种基于优选视角拍摄的建筑物变形监测方法及装置 - Google Patents
一种基于优选视角拍摄的建筑物变形监测方法及装置 Download PDFInfo
- Publication number
- CN116778094B CN116778094B CN202311023446.1A CN202311023446A CN116778094B CN 116778094 B CN116778094 B CN 116778094B CN 202311023446 A CN202311023446 A CN 202311023446A CN 116778094 B CN116778094 B CN 116778094B
- Authority
- CN
- China
- Prior art keywords
- target
- view
- building
- super
- point
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000012544 monitoring process Methods 0.000 title claims abstract description 42
- 230000000007 visual effect Effects 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000005070 sampling Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 11
- 238000012806 monitoring device Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4053—Super resolution, i.e. output image resolution higher than sensor resolution
-
- 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
Abstract
本发明公开了一种基于优选视角拍摄的建筑物变形监测方法及装置,在采集前先确定靶标点,对靶标点区域进行分析计算,规划出最优视角后空中采集靶标图像。能够精准地采集靶标图像,并充分利用空间的三维性质,保证整体精度的稳定以及减少累计误差,获取高质量的靶标图像后,对靶标图像进行超分辨率处理,提高数据的精度,再采用空中三角测量方法根据靶标图像计算靶标点的三维坐标,根据靶标点三维坐标的偏移来获得建筑物的变形结果,能够准确地监测建筑物变形。
Description
技术领域
本发明涉及建筑物监测技术领域,尤其涉及的是一种基于优选视角拍摄的建筑物变形监测方法及装置。
背景技术
建筑物变形监测是对建筑物的变形现象进行持续观测以对建筑物变形形态进行分析和发展态势进行预测。超高层建筑物在建设过程中会产生偏差;既有建筑在使用过程中也可能产生变形,如:水平位移、沉降、倾斜、裂缝、挠度等。因此,需要对建筑物进行变形监测,确保建筑物安全可靠。
目前主要依靠地面架设采集设备采集数据进行建筑物变形监测,对于超过测量距离的高层建筑物,建筑物的高度越高,测量精度会越低且累计误差会越大,建筑物变形监测不够准确;虽然可以使用无人机拍摄建筑物图像进行三维重建,然后和实景模型进行比较来对建筑物进行变形监测。但是,只是粗放式地采集建筑物的图像来重建三维模型,三维模型重建时会带来一定的误差,导致建筑物变形监测不够准确。
因此,现有技术有待改进和提高。
发明内容
本发明的主要目的在于提供一种基于优选视角拍摄的建筑物变形监测方法、装置、智能终端及存储介质,能够解决目前建筑物变形监测不够准确的问题。
为了实现上述目的,本发明第一方面提供一种基于优选视角拍摄的建筑物变形监测方法,所述方法包括:
获取目标建筑物的模型,在所述模型上设定靶标点;
基于所述靶标点,生成若干个用于空中采样的视角,对所述视角进行筛选,获得优选视角集;
基于所述优选视角集,拍摄所述靶标点所在位置的靶标,获得多个靶标图像,并对所述靶标图像进行超分辨率处理;
基于所有的超分辨率处理后的靶标图像,采用空中三角测量方法获得所述靶标点的三维坐标;
根据所述靶标点的三维坐标计算偏移量,获得目标建筑物的变形结果。
可选的,所述对所述靶标图像进行超分辨率处理,包括:
对所述靶标图像进行框选定位,获得包含靶标的目标区域;
在所述目标区域内采用超分辨率方法处理所述靶标图像,获得超分辨率处理后的靶标图像。
可选的,获得优选视角集之后,还包括:
对每个所述优选视角集中的视角进行增强计算以扩充视角,获得增强视角;
将所有的所述增强视角添加至所述优选视角集。
可选的,对目标视角进行增强计算,获得增强视角,包括:
根据所述靶标点和所述目标视角,确定调整空域;
根据预设的规则划分在所述调整空域中设置若干个视点;
根据所述视点生成所述增强视角。
可选的,所述根据所述靶标点的三维坐标计算偏移量,包括:
获取所述靶标点在当前时刻之前的三维坐标;
比较所述靶标点的三维坐标与当前时刻之前的三维坐标,获得所述偏移量。
可选的,所述基于所有的超分辨率处理后的靶标图像,采用空中三角测量方法获得所述靶标点的三维坐标,包括:
识别所述超分辨率处理后的靶标图像的中心点,获得所述中心点的像素坐标;
基于所述像素坐标,采用空中三角测量方法计算所述中心点的三维坐标,获得所述靶标点的三维坐标。
可选的,所述对所述视角进行筛选,获得优选视角集,包括:
在所有的所述视角形成的集合中选择若干个子集,根据子集中的所有视角分别计算所述靶标点对应于各个子集的可重建性;
将最大可重建性对应的子集设为所述优选视角集。
本发明第二方面提供一种基于优选视角拍摄的建筑物变形监测装置,其中,上述装置包括:
靶标点模块,用于获取目标建筑物的模型,在所述模型上设定靶标点;
优选视角集模块,用于基于所述靶标点生成若干个用于空中采样的视角,对所述视角进行筛选,获得优选视角集;
采样模块,用于基于所述优选视角集,拍摄所述靶标点所在位置的靶标,获得多个靶标图像,并对所述靶标图像进行超分辨率处理;
靶标点三维坐标模块,用于基于所有的超分辨率处理后的靶标图像,采用空中三角测量方法获得所述靶标点的三维坐标;
变形结果模块,用于根据所述靶标点的三维坐标计算偏移量,获得目标建筑物的变形结果。
本发明第三方面提供一种智能终端,上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的基于优选视角拍摄的建筑物变形监测程序,上述基于优选视角拍摄的建筑物变形监测程序被上述处理器执行时实现任意一项上述基于优选视角拍摄的建筑物变形监测方法的步骤。
本发明第四方面提供一种计算机可读存储介质,上述计算机可读存储介质上存储有基于优选视角拍摄的建筑物变形监测程序,上述基于优选视角拍摄的建筑物变形监测程序被处理器执行时实现任意一项上述基于优选视角拍摄的建筑物变形监测方法的步骤。
由上可见,本发明在采集前先确定靶标点,对靶标点区域进行分析计算,规划出最优视角后空中采集靶标图像,能够精准地采集靶标图像,并充分利用空间的三维性质,保证整体精度的稳定以及减少累计误差,获取高质量的靶标图像,然后对靶标图像进行超分辨率处理,提高数据的精度,再采用空中三角测量方法根据靶标图像计算靶标点的三维坐标,根据三维坐标计算靶标点的偏移,获得建筑物的变形结果。因此,采集的靶标图像质量高、精度高,能够准确地确定靶标点的偏移,从而准确地监测建筑物变形。
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它的附图。
图1是本发明实施例提供的基于优选视角拍摄的建筑物变形监测方法流程示意图;
图2是图1实施例中对视角进行筛选获得优选视角集的流程示意图;
图3是图1实施例中扩充视角获得增强视角的流程示意图;
图4是图1实施例中步骤S300的具体流程示意图;
图5是本发明实施例提供的基于优选视角拍摄的建筑物变形监测装置的结构示意图;
图6是本发明实施例提供的一种智能终端的内部结构原理框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
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”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。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于检测到”。类似的,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述的条件或事件]”或“响应于检测到[所描述条件或事件]”。
下面结合本发明实施例的附图,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的一部分实施例,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它实施例,都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其它不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
针对目前建筑物变形监测不够准确的问题,本发明提供了一种基于优选视角拍摄的建筑物变形监测方法,通过分析靶标点区域,选取优先视角,精准采集靶标图像,再通过超分辨率处理提高图像质量和数据的精度,从而能够准确地监测建筑物变形。
本发明实施例的基于优选视角拍摄的建筑物变形监测方法,采用无人机监测超高建筑物的变形。可以部署在PC电脑、移动终端、后台服务器等各种电子设备上。但并不限于超高建筑物,应用在其他建筑物的变形监测上时,相比设置地面监测站的方式,监测方便、效率高,也能准确地进行变形监测。
如图1所示,本实施例具体包括如下步骤:
步骤S100:获取目标建筑物的模型,在模型上设定靶标点;
目标建筑物的模型可以为BIM(Building Information Modeling:建筑信息模型)模型或者概略模型。其中,BIM模型是利用计算机技术和建筑信息管理软件创建的建筑物的数字化表示,是一种三维模型,包含了建筑物的几何形状、结构、材料、设备、系统等多种信息;概略模型指建筑物的简化、粗糙的模型或表示,侧重于展示建筑物的整体外观、尺寸和大致布局。目标建筑物的模型可以利用设计院提供的建筑施工图纸,利用建模软件来生成。本实施例中目标建筑物的模型采用了BIM模型。
靶标是指在建筑物上设置的用于目标识别、测量或定位的标记或标志物。这些靶标可以是特定的形状、颜色、图案或材质,以便在建筑物上进行准确的测量、定位或导航。在建筑物上设置靶标可以用于测量建筑物的尺寸、高度、角度等参数。例如,在建筑物的角落或顶部设置特定形状的靶标,可以通过无人机上的激光测距仪或摄像机等设备进行测量。
靶标安装的位置为靶标点,靶标点也为采样点,靶标点布设位置为建筑物表面上需要重点监测的部位。重点监测的部位在建筑物设计时就可以确定,针对超高层建筑,一般在偏心筒、外立柱等区域按照楼层设置重点监测的部位。
步骤S200:基于靶标点,生成若干个用于空中采样的视角,对视角进行筛选,获得优选视角集;
视角与靶标点相对应,每个视角可以用一个视角向量表示。视角向量的起点为视角所在位置,视角向量的方向为从视角向量的起点朝向靶标点,视角向量的方向也称为视角的方向。
生成视角的具体过程为:根据无人机拍摄装置的参数,确定无人机的视距。在靶标点法向量的方向上,距离靶标点的距离为视距的点即为视角所在位置,视角向量的方向与靶标点法向量的方向相反,该视角也称为初始视角。
在生成一个初始视角后,还对该初始视角作一定的变换,再生成若干个视角,使得每个靶标点对应于多个视角。视角变换的方法不限,只要变换后的视角能够满足无人机理论上可以拍摄到靶标点区域就可以。例如:通过调整初始视角的高度、初始视角的方向与靶标点法向之间的角度等来生成更多的视角。
针对每一个靶标点生成视角时,由于没有考虑到无人机的限制因素和安全因素,也没有考虑视角的遮挡情况,在这些视角中可能存在有些视角无人机无法达到或者有些视角无法拍摄到靶标点,因此,还对生成的视角进行筛选以获得优选视角集,确保优选视角集中的视角都有效,避免无人机拍摄到无用的图片,提高无人机拍摄的效率,并且精准地采集靶标的图像,提高靶标图像的质量。
具体地,本实施例对视角进行筛选获得优选视角集的具体步骤如图2所示,包括:
步骤A210:在所有的视角形成的集合中选择若干个子集,根据子集中的所有视角分别计算靶标点对应于各个子集的可重建性;
步骤A220:将最大可重建性对应的子集设为优选视角集。
在每个靶标点都生成了若干个视角,将所有的这些视角组合形成一个集合,然后从该集合中排除一个或多个视角,获得该集合的子集,例如:某个靶标点生成的视角的集合为{视角A、视角B、视角C、视角D},该集合的子集可以为{视角A、视角B、视角C}、{视角C、视角D}、{视角A、视角B}等。再根据每个子集中的所有视角计算靶标点的可重建性,每个子集计算出一个对应的可重建性,然后将最大可重建性对应的子集设为优选视角集。
其中,计算靶标点的可重建性时可以采用经典多目立体重建算法。具体地,获取子集中的视角的方向夹角、子集中的视角至靶标点之间的距离、靶标点的法向与子集中的视角的方向之间的夹角后,根据经典多目立体重建算法的相关公式,就可以计算出靶标点的可重建性。具体计算公式为:q(s,vi,vj)=w1(α)*w2(d)*w3(α)*cosθm。其中,w1(α)=(1+exp(-k1*(α-α1)))-1,w2(d)=1-min(dGSD/dm,1),w3(α)=1-(1+exp(-k3*(α-α3)))-1,θm=max(θi,θj)。其中,w1(α)模拟了三角测量误差的视差依赖特性,w2(d)模拟了距离对可重建性的影响,w3(α)衡量匹配度对视差的依赖性。s为靶标点,vi及vj为子集中的两个视角,α为两个视角的方向夹角,dm是最大视距,dGSD是两个视角到靶标点的距离中的最大值,θi为靶标点法向与视角vi的方向之间的夹角,θj为靶标点法向与视角vj的方向之间的夹角,k1,α1,k3,α3是可调参数。
通过对视角进行优选,使得优选视角集中的视角能够更加有效地拍摄靶标图像,提高靶标图像的质量,提高变形监测的准确性。并且,本发明的视角用于空中采样,例如根据视角生成航线来使用无人机进行空中采样,空中采样相对于地面采样,能够充分利用空间的三维性质,能够使得采集数据质量保持一致,减少原始数据带来的误差影响,降低误差的累计。
当优选视角集中的视角数量不够预设阈值时,为了增加靶标点的采样细节,在一个示例中,还对优选视角集中的视角进行增强计算以在已对视角进行优选的基础上,对优选后的视角进行扩充,扩充获得的视角也称为增强视角,并将获得的增强视角添加至优选视角集。通过在已优选的视角基础上进行扩充,相比于对初始视角进行的变换扩充,能够使得扩充获得的视角更加有效、精准度更高。
在一个示例中,扩充视角获得增强视角的具体步骤如图3所示,包括:
步骤B210:根据靶标点和视角,确定调整空域;提高监测精度
步骤B220:根据预设的规则在调整空域中设置若干个视点;
步骤B230:根据视点生成增强视角。
考虑到在建筑物变形监测场景中,靶标点一般设置在建筑物的侧面,因此,本实施例以靶标点的位置为球心,无人机的视距为球半径,确定出靶标点一侧的一个球面,且视角所在位置为该球面的中心点,该球面即为视角的调整空域。需要说明的是,视角的调整空域并不仅限于此种形式,也可以是曲面、平面等。获得视角的调整空域后,根据预设的规则(如视角的角度每变化1°设定一个视点)在调整空域中设置若干个视点。然后以这些视点为原点,指向靶标点的方向为视角的方向,生成每个视点对应的增强视角。
步骤S300:基于优选视角集,拍摄靶标点所在位置的靶标,获得多个靶标图像,对靶标图像进行超分辨率处理;
根据优选视角集中的所有视角生成无人机拍摄的航线,根据该航线控制无人机在优选视角集中的每个视角位置拍摄靶标点处的靶标,获得各个视角对应的靶标图像。由于靶标点为关键监测点,为了提升靶标点的定位精度,还对靶标图像进行了超分辨率处理,即采用超分辨率计算来提升靶标图像的分辨率。在靶标应用中,超分辨率计算可以提高靶标图像的分辨率,以便更精确地提取靶标的中心点或边缘信息。通过将低分辨率的靶标图像转换为高分辨率的靶标图像,可以提高靶标的可视性和定位精度。减少人工刺点的误差,提高监测精度。
在超分辨率计算中,常见的方法包括插值方法、基于统计的方法、基于深度学习的方法等。插值方法是最简单的超分辨率方法之一,它通过对低分辨率图像的像素进行插值来增加像素数量,从而提高图像的分辨率。基于统计的方法则通过对一组低分辨率图像进行统计分析,推断出高分辨率图像。而基于深度学习的方法则利用深度神经网络模型,通过学习大量的低分辨率和高分辨率图像对之间的映射关系,来生成高分辨率图像。
本实施例在进行超分辨率处理时,具体步骤如图4所示,包括:
步骤S310:对靶标图像进行框选定位,获得包含靶标的目标区域;
步骤S320:在目标区域内采用超分辨率方法处理靶标图像,获得超分辨率处理后的靶标图像。
采用不同角度拍摄靶标点时,在获得的靶标图像中,靶标会发生形变,靶标的大小也各不相同。因此,可以在每张靶标图像中框选出靶标所在的区域;也可以根据拍摄时的视角与靶标点的法向量之间的夹角、靶标的大小计算出靶标所在区域大小。然后针对框选定位区域范围内的靶标图像采用超分辨率方法进行处理,获得超分辨率处理后的靶标图像。
通过获取靶标所在的目标区域,能够显著地减小超分辨率方法处理的图像面积,提高图像处理的速度。
步骤S400:基于所有的超分辨率处理后的靶标图像,采用空中三角测量方法获得靶标点的三维坐标;
采用常规的图像识别方法(如深度学习、边缘检测、形状匹配等)对超分辨率处理后的靶标图像进行识别,识别图像中的靶标,并获得靶标中心点的像素坐标;根据靶标中心点的像素坐标,采用空中三角测量方法获得中心点的三维坐标。具体地,空中三角测量方法通过多张不同视角拍摄的靶标图像,通过计算靶标图像中靶标中心点的像素坐标差,然后结合无人机拍摄设备的内、外方位元素,通过解算空间后方交会模型,得到靶标点的三维坐标。空中三角测量方法是本领域常规技术手段,在此不再赘述。
步骤S500:根据靶标点的三维坐标计算偏移量,获得目标建筑物的变形结果。
获得靶标点的三维坐标后,将不同时期的三维坐标进行比较,就可以计算出偏移量。例如:获取靶标点上一次监测时的三维坐标;然后将本次监测的三维坐标与上一次监测时的三维坐标相减,就可以计算出本次监测时的偏移量。通过对多期靶标点的偏移量进行对比,形成变形趋势或者计算变化量,形成变形监测报告;也可以将靶标点的三维坐标与初始时期靶标点的三维坐标(可以从设计数据或者BIM模型获得)进行比对,获得偏移量。通过将每次的三维坐标与初始数据进行对比,能够确定建筑物在不同时期的变形量,以此进行控制施工以及评估工作。
在一个实施例中,还可以在建筑物模型上的需检测区域,根据泊松采样方法生成采样点,生成采样点的视角,根据无人机在视角拍摄的图像重建建筑物模型,比较两个建筑物模型,确定目标建筑物的变形结果。
由上所述,本实施例在无人机拍摄前就分析计算、选取最优视角进行数据采集,对采集数据进行超分辨率处理后计算偏移量,能够准确地监测建筑物的变形,通过建筑物在不同时期的变形量,能够持续跟踪和评估建筑物变形情况。
示例性装置
如图5所示,对应于上述基于优选视角拍摄的建筑物变形监测方法,本发明实施例还提供基于优选视角拍摄的建筑物变形监测装置,上述装置包括:
靶标点模块600,用于获取目标建筑物的模型,在所述模型上设定靶标点;
优选视角集模块610,用于基于所述靶标点生成若干个用于空中采样的视角,对所述视角进行筛选,获得优选视角集;
采样模块620,用于基于所述优选视角集,拍摄所述靶标点所在位置的靶标,获得多个靶标图像,并对所述靶标图像进行超分辨率处理;
靶标点三维坐标模块630,用于基于所有的超分辨率处理后的靶标图像,采用空中三角测量方法获得所述靶标点的三维坐标;
变形结果模块640,用于根据所述靶标点的三维坐标计算偏移量,获得目标建筑物的变形结果。
具体的,本实施例中,上述基于优选视角拍摄的建筑物变形监测装置的各模块的具体功能可以参照上述基于优选视角拍摄的建筑物变形监测方法中的对应描述,在此不再赘述。
基于上述实施例,本发明还提供了一种智能终端,其原理框图可以如图6所示。上述智能终端包括通过系统总线连接的处理器、存储器、网络接口以及显示屏。其中,该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和基于优选视角拍摄的建筑物变形监测程序。该内存储器为非易失性存储介质中的操作系统和基于优选视角拍摄的建筑物变形监测程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该基于优选视角拍摄的建筑物变形监测程序被处理器执行时实现上述任意一种基于优选视角拍摄的建筑物变形监测方法的步骤。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏。
本领域技术人员可以理解,图6中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的智能终端的限定,具体的智能终端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。
在一个实施例中,提供了一种智能终端,上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的基于优选视角拍摄的建筑物变形监测程序,上述基于优选视角拍摄的建筑物变形监测程序被上述处理器执行时进行以下操作指令:
获取目标建筑物的模型,在所述模型上设定靶标点;
基于所述靶标点,生成若干个用于空中采样的视角,对所述视角进行筛选,获得优选视角集;
基于所述优选视角集,拍摄所述靶标点所在位置的靶标,获得多个靶标图像,并对所述靶标图像进行超分辨率处理;
基于所有的超分辨率处理后的靶标图像,采用空中三角测量方法获得所述靶标点的三维坐标;
根据所述靶标点的三维坐标计算偏移量,获得目标建筑物的变形结果。
可选的,所述对所述靶标图像进行超分辨率处理,包括:
对所述靶标图像进行框选定位,获得包含靶标的目标区域;
在所述目标区域内采用超分辨率方法处理所述靶标图像,获得超分辨率处理后的靶标图像。
可选的,获得优选视角集之后,还包括:
对每个所述优选视角集中的视角进行增强计算以扩充视角,获得增强视角;
将所有的所述增强视角添加至所述优选视角集。
可选的,对目标视角进行增强计算,获得增强视角,包括:
根据所述靶标点和所述目标视角,确定调整空域;
根据预设的规则划分在所述调整空域中设置若干个视点;
根据所述视点生成所述增强视角。
可选的,所述根据所述靶标点的三维坐标计算偏移量,包括:
获取所述靶标点在当前时刻之前的三维坐标;
比较所述靶标点的三维坐标与当前时刻之前的三维坐标,获得所述偏移量。
可选的,所述基于所有的超分辨率处理后的靶标图像,采用空中三角测量方法获得所述靶标点的三维坐标,包括:
识别所述超分辨率处理后的靶标图像的中心点,获得所述中心点的像素坐标;
基于所述像素坐标,采用空中三角测量方法计算所述中心点的三维坐标,获得所述靶标点的三维坐标。
可选的,所述对所述视角进行筛选,获得优选视角集,包括:
在所有的所述视角形成的集合中选择若干个子集,根据子集中的所有视角分别计算所述靶标点对应于各个子集的可重建性;
将最大可重建性对应的子集设为所述优选视角集。
本发明实施例还提供一种计算机可读存储介质,上述计算机可读存储介质上存储有基于优选视角拍摄的建筑物变形监测程序,上述基于优选视角拍摄的建筑物变形监测程序被处理器执行时实现本发明实施例提供的任意一种基于优选视角拍摄的建筑物变形监测方法的步骤。
应理解,上述实施例中各步骤的序号大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
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实例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟是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。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,上述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以由另外的划分方式,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。
上述集成的模块/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,可以存储在一个计算机可读存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,上述计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括:能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不是相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (6)
1.基于优选视角拍摄的建筑物变形监测方法,其特征在于,所述方法包括:
获取目标建筑物的模型,在所述模型上设定靶标点;
基于所述靶标点,生成若干个用于空中采样的视角,对所述视角进行筛选,获得优选视角集;
基于所述优选视角集,拍摄所述靶标点所在位置的靶标,获得多个靶标图像,并对所述靶标图像进行超分辨率处理;
基于所有的超分辨率处理后的靶标图像,采用空中三角测量方法获得所述靶标点的三维坐标;
根据所述靶标点的三维坐标计算偏移量,获得目标建筑物的变形结果;
所述对所述靶标图像进行超分辨率处理,包括:
对所述靶标图像进行框选定位,获得包含靶标的目标区域,所述目标区域的形状、大小各不相同;
在所述目标区域内采用超分辨率方法处理所述靶标图像,获得超分辨率处理后的靶标图像;
所述基于所有的超分辨率处理后的靶标图像,采用空中三角测量方法获得所述靶标点的三维坐标,包括:
识别所述超分辨率处理后的靶标图像的中心点,获得所述中心点的像素坐标;
基于所述像素坐标,采用空中三角测量方法计算所述中心点的三维坐标,获得所述靶标点的三维坐标;
获得优选视角集之后,还包括:
对每个所述优选视角集中的视角进行增强计算以扩充视角,获得增强视角;
将所有的所述增强视角添加至所述优选视角集;
对目标视角进行增强计算,获得增强视角,包括:
根据所述靶标点和所述目标视角,确定调整空域;
根据预设的规则划分在所述调整空域中设置若干个视点;
根据所述视点生成所述增强视角。
2.如权利要求1所述的基于优选视角拍摄的建筑物变形监测方法,其特征在于,所述根据所述靶标点的三维坐标计算偏移量,包括:
获取所述靶标点在当前时刻之前的三维坐标;
比较所述靶标点的三维坐标与当前时刻之前的三维坐标,获得所述偏移量。
3.如权利要求1所述的基于优选视角拍摄的建筑物变形监测方法,其特征在于,所述对所述视角进行筛选,获得优选视角集,包括:
在所有的所述视角形成的集合中选择若干个子集,根据子集中的所有视角分别计算所述靶标点对应于各个子集的可重建性;
将最大可重建性对应的子集设为所述优选视角集。
4.基于优选视角拍摄的建筑物变形监测装置,其特征在于,所述装置包括:
靶标点模块,用于获取目标建筑物的模型,在所述模型上设定靶标点;
优选视角集模块,用于基于所述靶标点生成若干个用于空中采样的视角,对所述视角进行筛选,获得优选视角集;
采样模块,用于基于所述优选视角集,拍摄所述靶标点所在位置的靶标,获得多个靶标图像,并对所述靶标图像进行超分辨率处理;
靶标点三维坐标模块,用于基于所有的超分辨率处理后的靶标图像,采用空中三角测量方法获得所述靶标点的三维坐标;
变形结果模块,用于根据所述靶标点的三维坐标计算偏移量,获得目标建筑物的变形结果;
所述对所述靶标图像进行超分辨率处理,包括:
对所述靶标图像进行框选定位,获得包含靶标的目标区域,所述目标区域的形状、大小各不相同;
在所述目标区域内采用超分辨率方法处理所述靶标图像,获得超分辨率处理后的靶标图像;
所述基于所有的超分辨率处理后的靶标图像,采用空中三角测量方法获得所述靶标点的三维坐标,包括:
识别所述超分辨率处理后的靶标图像的中心点,获得所述中心点的像素坐标;
基于所述像素坐标,采用空中三角测量方法计算所述中心点的三维坐标,获得所述靶标点的三维坐标;
获得优选视角集之后,还包括:
对每个所述优选视角集中的视角进行增强计算以扩充视角,获得增强视角;
将所有的所述增强视角添加至所述优选视角集;
对目标视角进行增强计算,获得增强视角,包括:
根据所述靶标点和所述目标视角,确定调整空域;
根据预设的规则划分在所述调整空域中设置若干个视点;
根据所述视点生成所述增强视角。
5.一种智能终端,其特征在于,所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于优选视角拍摄的建筑物变形监测程序,所述基于优选视角拍摄的建筑物变形监测程序被所述处理器执行时实现如权利要求1-3任意一项所述基于优选视角拍摄的建筑物变形监测方法的步骤。
6.一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上存储有基于优选视角拍摄的建筑物变形监测程序,所述基于优选视角拍摄的建筑物变形监测程序被处理器执行时实现如权利要求1-3任意一项所述基于优选视角拍摄的建筑物变形监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311023446.1A CN116778094B (zh) | 2023-08-15 | 2023-08-15 | 一种基于优选视角拍摄的建筑物变形监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311023446.1A CN116778094B (zh) | 2023-08-15 | 2023-08-15 | 一种基于优选视角拍摄的建筑物变形监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116778094A CN116778094A (zh) | 2023-09-19 |
CN116778094B true CN116778094B (zh) | 2023-11-24 |
Family
ID=88011779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311023446.1A Active CN116778094B (zh) | 2023-08-15 | 2023-08-15 | 一种基于优选视角拍摄的建筑物变形监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116778094B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7429482B1 (ja) | 2023-10-27 | 2024-02-08 | マイクロベース株式会社 | 建物変化検出装置、方法およびプログラム |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105758327A (zh) * | 2016-05-16 | 2016-07-13 | 总装备部工程设计研究总院 | 建筑物变形的三维摄影监测系统及方法 |
CN106197292A (zh) * | 2016-06-27 | 2016-12-07 | 重庆交通大学 | 一种建筑物位移监测方法 |
CN107943072A (zh) * | 2017-11-13 | 2018-04-20 | 深圳大学 | 无人机飞行路径生成方法、装置、存储介质及设备 |
CN109084698A (zh) * | 2018-10-25 | 2018-12-25 | 北京测科空间信息技术有限公司 | 一种用于工程建筑物形变监测的方法及系统 |
CN109373978A (zh) * | 2018-10-18 | 2019-02-22 | 西安科技大学 | 一种巷道围岩相似模拟的围岩位移监测方法 |
CN109579712A (zh) * | 2018-11-16 | 2019-04-05 | 天津大学 | 基于无人机非接触式高边坡表面位移监测方法及监测系统 |
CN110248158A (zh) * | 2019-06-06 | 2019-09-17 | 上海秒针网络科技有限公司 | 拍摄视角的调整方法及装置 |
CN110599583A (zh) * | 2019-07-26 | 2019-12-20 | 深圳眸瞳科技有限公司 | 无人机飞行轨迹生成方法、装置、计算机设备和存储介质 |
CN111473739A (zh) * | 2020-04-24 | 2020-07-31 | 中铁隧道集团二处有限公司 | 一种基于视频监控的隧道塌方区围岩变形实时监测方法 |
CN114608465A (zh) * | 2022-03-01 | 2022-06-10 | 浙江工业大学 | 基于计算机视觉的土木工程结构多测点空间位移实时测量方法 |
WO2022126339A1 (zh) * | 2020-12-14 | 2022-06-23 | 深圳大学 | 土木结构变形监测方法及相关设备 |
CN115511878A (zh) * | 2022-11-04 | 2022-12-23 | 中南大学 | 一种边坡地表位移监测方法、装置、介质及设备 |
CN116447979A (zh) * | 2023-03-13 | 2023-07-18 | 招商局重庆公路工程检测中心有限公司 | 一种基于无人机的双目视觉边坡位移监测方法及装置 |
-
2023
- 2023-08-15 CN CN202311023446.1A patent/CN116778094B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105758327A (zh) * | 2016-05-16 | 2016-07-13 | 总装备部工程设计研究总院 | 建筑物变形的三维摄影监测系统及方法 |
CN106197292A (zh) * | 2016-06-27 | 2016-12-07 | 重庆交通大学 | 一种建筑物位移监测方法 |
CN107943072A (zh) * | 2017-11-13 | 2018-04-20 | 深圳大学 | 无人机飞行路径生成方法、装置、存储介质及设备 |
CN109373978A (zh) * | 2018-10-18 | 2019-02-22 | 西安科技大学 | 一种巷道围岩相似模拟的围岩位移监测方法 |
CN109084698A (zh) * | 2018-10-25 | 2018-12-25 | 北京测科空间信息技术有限公司 | 一种用于工程建筑物形变监测的方法及系统 |
CN109579712A (zh) * | 2018-11-16 | 2019-04-05 | 天津大学 | 基于无人机非接触式高边坡表面位移监测方法及监测系统 |
CN110248158A (zh) * | 2019-06-06 | 2019-09-17 | 上海秒针网络科技有限公司 | 拍摄视角的调整方法及装置 |
CN110599583A (zh) * | 2019-07-26 | 2019-12-20 | 深圳眸瞳科技有限公司 | 无人机飞行轨迹生成方法、装置、计算机设备和存储介质 |
CN111473739A (zh) * | 2020-04-24 | 2020-07-31 | 中铁隧道集团二处有限公司 | 一种基于视频监控的隧道塌方区围岩变形实时监测方法 |
WO2022126339A1 (zh) * | 2020-12-14 | 2022-06-23 | 深圳大学 | 土木结构变形监测方法及相关设备 |
CN114608465A (zh) * | 2022-03-01 | 2022-06-10 | 浙江工业大学 | 基于计算机视觉的土木工程结构多测点空间位移实时测量方法 |
CN115511878A (zh) * | 2022-11-04 | 2022-12-23 | 中南大学 | 一种边坡地表位移监测方法、装置、介质及设备 |
CN116447979A (zh) * | 2023-03-13 | 2023-07-18 | 招商局重庆公路工程检测中心有限公司 | 一种基于无人机的双目视觉边坡位移监测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116778094A (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111025283B (zh) | 雷达与球机联动的方法及装置 | |
KR101489984B1 (ko) | 스테레오-영상 정합 및 변화 검출 시스템 및 방법 | |
CN105335955A (zh) | 对象检测方法和对象检测装置 | |
CN111815707A (zh) | 点云确定方法、点云筛选方法、装置、计算机设备 | |
CN116778094B (zh) | 一种基于优选视角拍摄的建筑物变形监测方法及装置 | |
KR101548639B1 (ko) | 감시 카메라 시스템의 객체 추적장치 및 그 방법 | |
CN108362205B (zh) | 基于条纹投影的空间测距方法 | |
CN111488812A (zh) | 障碍物位置识别方法、装置、计算机设备和存储介质 | |
EP2476999B1 (en) | Method for measuring displacement, device for measuring displacement, and program for measuring displacement | |
CN113034586B (zh) | 道路倾角检测方法和检测系统 | |
CN110634138A (zh) | 一种基于视觉感知的桥梁变形的监测方法、装置及设备 | |
KR20160117143A (ko) | 실내 2d 평면도의 생성 방법, 장치 및 시스템 | |
US20230394832A1 (en) | Method, system and computer readable media for object detection coverage estimation | |
CN113240734A (zh) | 一种基于鸟瞰图的车辆跨位判断方法、装置、设备及介质 | |
CN105138979A (zh) | 基于立体视觉的运动人体头部检测方法 | |
KR102065337B1 (ko) | 비조화비를 이용하여 대상체의 이동 정보를 측정하는 장치 및 방법 | |
CN116051980B (zh) | 基于倾斜摄影的建筑识别方法、系统、电子设备及介质 | |
CN111445513A (zh) | 基于深度图像的植株冠层体积获取方法、装置、计算机设备和存储介质 | |
CN113674361B (zh) | 一种车载环视校准实现方法及系统 | |
KR102473804B1 (ko) | 영상관제 시스템에서 카메라 영상내 관제 지점의 지도 매핑 방법 | |
JP4675368B2 (ja) | 物体位置推定装置、物体位置推定方法、物体位置推定プログラムおよびそのプログラムを記録した記録媒体 | |
CN112215036B (zh) | 跨镜追踪方法、装置、设备及存储介质 | |
CN113269857A (zh) | 坐标系关系获取方法及装置 | |
CN111780744A (zh) | 移动机器人混合导航方法、设备及存储装置 | |
CN115862089B (zh) | 基于人脸识别的安防监控方法、装置、设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |