CN116952144A - 结构位移长期监测方法、装置、系统及介质 - Google Patents
结构位移长期监测方法、装置、系统及介质 Download PDFInfo
- Publication number
- CN116952144A CN116952144A CN202310998862.7A CN202310998862A CN116952144A CN 116952144 A CN116952144 A CN 116952144A CN 202310998862 A CN202310998862 A CN 202310998862A CN 116952144 A CN116952144 A CN 116952144A
- Authority
- CN
- China
- Prior art keywords
- displacement
- target point
- measured
- image
- fixed target
- 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
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 373
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000012544 monitoring process Methods 0.000 title claims abstract description 57
- 230000007774 longterm Effects 0.000 title claims abstract description 52
- 238000012937 correction Methods 0.000 claims abstract description 90
- 238000005259 measurement Methods 0.000 claims abstract description 33
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 238000012806 monitoring device Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000003287 optical effect Effects 0.000 claims description 14
- 238000003384 imaging method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008602 contraction Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
Classifications
-
- 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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请实施例提供了一种结构位移长期监测方法、装置、系统及介质,属于边坡位移监测技术领域,该方法包括:获取待测现场的温度及现场图像,识别现场图像的多个待测目标点及多个固定目标点;采用基于图像的位移测量算法对现场图像进行计算,得到各待测目标点的测得位移及各固定目标点的测得位移;通过预先获取的第一位移校正模型基于温度及各固定目标点的测得位移进行计算,得到各固定目标点的第一校正位移;若各固定目标点的第一校正位移为真实位移指标,则通过第一位移校正模型基于温度及各待测目标点的测得位移进行计算,得到各待测目标点的实际位移,实现对边坡位移的高精度、实时、低成本、易于推广的长期监测。
Description
技术领域
本申请涉及边坡位移监测技术领域,尤其涉及一种结构位移长期监测方法、装置、系统及介质。
背景技术
目前,对边坡位移的监测,已经由传统的接触式测量方法逐步发展起来,以非接触式可安装在任意位置的智能化设备为主。智能化设备包括全球定位系统(GPS)、激光雷达(LiDAR),基于视频图像的系统等。
基于视频图像的位移测量系统因其易于安装,不需人工干预,成本低等显著优点,在进行短时位移测量实验时已经被广泛应用。尤其是以数字图像相关(DIC)方法为基础的测量系统,具有高精度,可多目标实时测量的显著优点,在结构位移测量方面显示出了明显的优势。但将该技术用于边坡的长期位移监测,会出现严重的位移数据漂移现象。由于在室外环境下温度会随时间产生显著的变化,温度变化使相机的传感器产生热胀冷缩现象,成像状态的变化导致数据漂移,使测量数据不准确、不可信。
发明内容
为了解决上述技术问题,本申请实施例提供了一种结构位移长期监测方法、装置、系统及介质。
第一方面,本申请实施例提供了一种结构位移长期监测方法,所述方法包括:
获取待测现场的温度及现场图像,识别所述现场图像的多个待测目标点及多个固定目标点;
采用基于图像的位移测量算法对所述现场图像进行计算,得到各所述待测目标点的测得位移及各所述固定目标点的测得位移;
通过预先获取的第一位移校正模型基于所述温度及各所述固定目标点的测得位移进行计算,得到各所述固定目标点的第一校正位移;
若各所述固定目标点的第一校正位移为真实位移指标,则通过所述第一位移校正模型基于所述温度及各所述待测目标点的测得位移进行计算,得到各所述待测目标点的实际位移。
在一实施方式中,所述方法还包括:
若各所述固定目标点的校正位移不为所述真实位移指标,则根据所述温度,各所述固定目标点的测得位移及真实位移,获取第二位移校正模型;
通过所述第二位移校正模型基于所述温度及各所述固定目标点的测得位移,得到各所述固定目标点的第二校正位移;
若各所述固定目标点的第二校正位移为所述真实位移指标,则通过所述第二位移校正模型基于所述温度及各所述待测目标点的测得位移,得到各所述待测目标点的实际位移。
在一实施方式中,所述现场图像包括变形前后的前一图像及当前图像,所述采用基于图像的位移测量算法对所述现场图像进行计算,得到各所述待测目标点的测得位移及各所述固定目标点的测得位移,包括:
采用基于图像的位移测量算法对所述前一图像及所述当前图像进行迭代计算,得到所述前一图像及所述当前图像之间的图像位移;
根据所述图像位移计算各所述待测目标点的测得位移及各所述固定目标点的测得位移。
在一实施方式中,所述根据所述图像位移计算各所述待测目标点的测得位移及各所述固定目标点的测得位移,包括:
根据斜光轴小孔成像模型将所述图像位移转换为各所述待测目标点的测得位移及各所述固定目标点的测得位移。
在一实施方式中,所述方法还包括:
在所述待测现场设置多个待测目标点及多个固定目标点;
对各所述固定目标点设置所述真实位移指标。
在一实施方式中,所述方法还包括:
在所述待测现场设置视频相机监测设备及温度传感器;
通过所述视频相机监测设备采集所述现场图像及通过所述温度传感器采集所述温度。
第二方面,本申请实施例提供了一种结构位移长期监测装置,所述结构位移长期监测装置包括:
获取模块,用于获取待测现场的温度及现场图像,识别所述现场图像的多个待测目标点及多个固定目标点;
第一计算模块,用于采用基于图像的位移测量算法对所述现场图像进行计算,得到各所述待测目标点的测得位移及各所述固定目标点的测得位移;
第二计算模块,用于通过预先获取的第一位移校正模型基于所述温度及各所述固定目标点的测得位移进行计算,得到各所述固定目标点的第一校正位移;
第三计算模块,用于若各所述固定目标点的第一校正位移为真实位移指标,则通过所述第一位移校正模型基于所述温度及各所述待测目标点的测得位移进行计算,得到各所述待测目标点的实际位移。
在一实施方式中,所述装置还包括:
处理模块,用于若各所述固定目标点的校正位移不为所述真实位移指标,则根据所述温度,各所述固定目标点的测得位移及真实位移,获取第二位移校正模型;
通过所述第二位移校正模型基于所述温度及各所述固定目标点的测得位移,得到各所述固定目标点的第二校正位移;
若各所述固定目标点的第二校正位移为所述真实位移指标,则通过所述第二位移校正模型基于所述温度及各所述待测目标点的测得位移,得到各所述待测目标点的实际位移。
第三方面,本申请实施例提供了一种结构位移长期监测系统,包括存储器以及处理器,所述存储器用于存储计算机程序,所述计算机程序在所述处理器运行时执行第一方面提供的结构位移长期监测方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序在处理器上运行时执行第一方面提供的结构位移长期监测方法。
上述本申请提供的结构位移长期监测方法,获取待测现场的温度及现场图像,识别所述现场图像的多个待测目标点及多个固定目标点;采用基于图像的位移测量算法对所述现场图像进行计算,得到各所述待测目标点的测得位移及各所述固定目标点的测得位移;通过预先获取的第一位移校正模型基于所述温度及各所述固定目标点的测得位移进行计算,得到各所述固定目标点的第一校正位移;若各所述固定目标点的第一校正位移为真实位移指标,则通过所述第一位移校正模型基于所述温度及各所述待测目标点的测得位移进行计算,得到各所述待测目标点的实际位移,实现对边坡位移的高精度、实时、低成本、易于推广的长期监测。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对本申请保护范围的限定。在各个附图中,类似的构成部分采用类似的编号。
图1示出了本申请实施例提供的结构位移长期监测方法的一流程示意图;
图2示出了本申请实施例提供的结构位移监测系统的一结构示意图;
图3示出了本申请实施例提供的图像位移的一计算流程示意图;
图4示出了本申请实施例提供的小孔成像模型的一立体示意图;
图5示出了本申请实施例提供的小孔成像模型的一数学模型示意图;
图6示出了本申请实施例提供的结构位移长期监测方法的另一流程示意图;
图7示出了本申请实施例提供的结构位移长期监测装置的一结构示意图。
图标:1-视频相机监测设备;2-温度传感器;3-支架;4-边坡;5-待测目标点;6-固定目标点;600-结构位移长期监测装置;601-获取模块;602-第一计算模块;603-第二计算模块;604-第三计算模块。
具体实施方式
下面将结合本申请中附图,对本申请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申请一部分实施例,而不是全部的实施例。
通常在此处附图中描述和示出的本申请的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
在下文中,可在本申请的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本申请的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本申请的各种实施例中被清楚地限定。
实施例1
本申请提供了一种结构位移长期监测方法。
具体的,参见图1,结构位移长期监测方法包括:
步骤S101,获取待测现场的温度及现场图像,识别所述现场图像的多个待测目标点及多个固定目标点。
需要补充说明的是,为解决基于视频图像的位移测量技术在进行长期监测时,由于温度变化而带来的数据漂移现象,本实施例提供的结构位移长期监测方法可以应用于图2所示的结构位移长期监测系统,该结构位移长期监测系统包括视频相机监测设备1、温度传感器2、支架3。此外,在使用过程中,还可以包括待测现场的坡边结构4、待测目标点5、固定目标点6。结合温度数据和基于图像的位移测量算法(DIC)的滑动机器学习模型,用以校正位移数据,从而实现高精度、低成本、易于安装的结构位移长期监测。
在一实施方式中,所述方法还包括:
在所述待测现场设置多个待测目标点及多个固定目标点;
对各所述固定目标点设置所述真实位移指标。
参见图2,视频相机监测设备1通过支架3进行固定,温度传感器2通过支架3进行固定,支架3设置在待测现场,待测现场为坡边结构4,该坡边结构4可以为大型坡边结构。示范性的,在坡边结构4设置多个待测目标点5及多个固定目标点6。可以对视频相机监测设备1进行标定,在采集现场图像后,对现场图像识别待测目标点及固定目标点。真实位移指标可以设置为0。
在一实施方式中,所述方法还包括:
在所述待测现场设置视频相机监测设备及温度传感器;
通过所述视频相机监测设备采集所述现场图像及通过所述温度传感器采集所述温度。
参见图2,同步通过视频相机监测设备1采集待测现场的现场图像及通过所述温度传感器2采集待测现场的温度。
步骤S102,采用基于图像的位移测量算法对所述现场图像进行计算,得到各所述待测目标点的测得位移及各所述固定目标点的测得位移。
在本实施例中,利用可精确到亚像素的DIC算法计算待测目标点的图像位移。DIC算法通过迭代计算待测目标点在变形前后图像的相关系数,以计算其图像位移(以像素为单位)。为了得到真实位移(以毫米为单位),还需要根据斜光轴小孔成像模型针对每个待测目标点进行图像位移与实际位移之间的转换。
需要说明的是,在长期监测的过程中,温度变化范围较大,已有研究表明温度的变化会导致相机等摄像设备的物理状态发生变化,从而导致由摄像设备拍摄的图像计算得出的位移数据发生漂移现象。在长期监测过程中,现场图像可以连续的多帧视频图像,具体的,所述现场图像包括变形前后的前一图像及当前图像,步骤S102包括:
采用基于图像的位移测量算法对所述前一图像及所述当前图像进行迭代计算,得到所述前一图像及所述当前图像之间的图像位移;
根据所述图像位移计算各所述待测目标点的测得位移及各所述固定目标点的测得位移。
这样,可以通过图像的位移测量算法计算得到比较准确的测得位移。
示范性的,利用数字图像相关(DIC)算法获取图像位移,DIC算法通过匹配变形前后图像中对应的图像子区获得各待测目标点的位移。结合图3说明其原理。
以参考图像中的待测目标点为中心的/>参考子区,参考子区可以用/>表示,根据相关性最大原则,使用特定搜索算法在变形图像中找到以待测目标点/>为中心的一个目标子区,目标子区可以用/>表示。从而可以推导得出以下确定位移向量/>的计算公式:,从而可以确定该待测目标点在/>和/>方向的位移分量/>。
这样,可以通过基于图像的位移测量算法快速计算得到图像位移。
在一实施方式中,所述根据所述图像位移计算各所述待测目标点的测得位移及各所述固定目标点的测得位移,包括:
根据斜光轴小孔成像模型将所述图像位移转换为各所述待测目标点的测得位移及各所述固定目标点的测得位移。
在对大型结构进行形变监测时,由于仪器安装位置的限制,很难或不可能将相机的光轴垂直于测量结构表面。尽管相机围绕光轴旋转的滚动角可以容易地调整为零,但相机的光轴和水平面之间仍存在俯仰角。在这种情况下,由于从每个测量点到相机光心的距离不同,每个待测目标点的标定系数(比例因子)不再是常数。因此,需要合适的标定模型来确定比例因子,从而用来确定每个待测目标点的图像位移与实际物理位移的转换关系。根据针孔成像原理,确定斜光轴的成像模型如图4所示。
参见图5,基于图5可以建立数学模型。根据三角形相似原理,可以将图像位移v转换到实际测量的位移V的标定公式:
式中为被测点到相机光心的物距,相机焦距为/>,相机靶面的单位像素尺寸为,/>为图像中心坐标,/>为相机与水平面夹角。由于相机靶面的一半高度远于相机焦距,在实际测量中,/>可视为90°。斜光轴小孔成像模型可表示相机平面与被测平面的几何关系,由该几何关系可以得出图像位移与实际位移的数学关系式。/>表示实际的测到位移,/>表示图像位移。被测点可以为本实施例中的待测目标点及固定目标点。
这样,基于斜光轴小孔成像模型及图像位移快速转换得到待测目标点的测得位移及固定目标点的测得位移。
步骤S103,通过预先获取的第一位移校正模型基于所述温度及各所述固定目标点的测得位移进行计算,得到各所述固定目标点的第一校正位移。
步骤S104,若各所述固定目标点的第一校正位移为真实位移指标,则通过所述第一位移校正模型基于所述温度及各所述待测目标点的测得位移进行计算,得到各所述待测目标点的实际位移。
在本实施例中,由于环境温度的显著变化,导致在结构位移长期监测过程中产生数据漂移问题,针对该问题,提出滑动机器学习模型进行位移数据校正的方案,该滑动机器学习模型可以理解为动态调整的位移校准模型。示范性的,在待测目标点附近设置几个真实位移指标为零的固定目标点。实时采集图像和温度数据,使用基于图像的位移测量算法计算待测目标点和固定目标点的测得位移。用固定目标点的真实位移、测得位移和温度进行机器学习建模,用该模型校正待测目标点的位移。在采集过程中,先用已有模型校正固定目标点位移,若固定目标点校正后的位移为零,即模型有效,用该模型校正待测目标点的位移。若固定目标点的校正后位移不为零,即模型失效,则用固定目标点的各参数重新建模滑动更新模型,再对待测目标点进行校正,重复此过程直到测量结束。
在一实施方式中,该方法还包括:
若各所述固定目标点的校正位移不为所述真实位移指标,则根据所述温度,各所述固定目标点的测得位移及真实位移,获取第二位移校正模型;
通过所述第二位移校正模型基于所述温度及各所述固定目标点的测得位移,得到各所述固定目标点的第二校正位移;
若各所述固定目标点的第二校正位移为所述真实位移指标,则通过所述第二位移校正模型基于所述温度及各所述待测目标点的测得位移,得到各所述待测目标点的实际位移。
在本实施例中,若各所述固定目标点的第二校正位移不为所述真实位移指标,则持续获取下一现场图像,进行下一轮待测目标点的位移校正过程。
参见图6,在首次获取现场图像之后,获取温度数据,计算每个固定目标点6的测到位移/>和待测目标点5的测到位移/>。根据固定目标点6的测量结果,学习计算出固定目标点的真实位移与各参数的数学关系/>,用/>校正待测目标点5的位移。例如,已知固定目标点6的真实位移/>,固定目标点6的测得位移/>,温度,求得第一位移校正模型:
在采集第二幅图像,并计算各待测目标点5及固定目标点6的测得位移以后,先用校正固定目标点的第一校正位移,例如,固定目标点的第一校正位移表示为,判断/>是否等于0,如果第一校正位移/>为零(固定目标点的真实位移指标为零),说明/>有效,则用/>校正第二幅图像中的待测目标点的真实位移:
,/>为待测目标点的真实位移。
如果校正后的固定目标点位移不为零,说明失效,则用第二幅图像中的固定目标点的测到位移、对应温度、固定目标点6的真实位移,例如,若在第二幅图像中,各固定目标点的测得位移/>,温度/>,则固定目标点的真实位移,重新学习出新的第二位移校正模型/>:
判断固定目标点的真实位移是否成立,若成立,则用/>校正第二幅图像中的待测目标点的第二校正位移:
,/>为待测目标点的真实位移。
后续重复此过程,直至测量结束。
该校正方法打破了传统的固定样本库的思想,根据模型对固定目标点的校正效果,判断模型和样本库是否失效,利用滑动更新的模型可实现高精度的结构位移长期监测。普适性的数学模型如下:
其中,表示待测目标点5的真实位移;/>表示固定目标点6的测得位移;/>表示温度数据/>。该数学模型用于校正待测目标点的位移。首先,利用一系列测得的固定目标点6的位移数据/>和对应的温度数据/>,通过一个适当的函数/>,得到校正模型。该校正模型能够将固定目标点6的测得位移/>和温度/>映射到其真实位移/>。接着,用这个校正模型对待测目标点5的位移进行校正,即计算出待测目标点的真实位移/>。
这个普适性的数学模型可以适用于不同的结构位移测量场景,只需根据具体情况选择适合的校正函数。通过不断更新和优化校正模型,结合滑动更新的方式,可以实现高精度的结构位移长期监测,并避免传统固定样本库的失效问题。
利用本实施例提供的结构位移长期监测系统应用该结构位移长期监测方法,实现对边坡位移的高精度、实时、低成本、易于推广的长期监测。
本实施例提供的结构位移长期监测方法,获取待测现场的温度及现场图像,识别所述现场图像的多个待测目标点及多个固定目标点;采用基于图像的位移测量算法对所述现场图像进行计算,得到各所述待测目标点的测得位移及各所述固定目标点的测得位移;通过预先获取的第一位移校正模型基于所述温度及各所述固定目标点的测得位移进行计算,得到各所述固定目标点的第一校正位移;若各所述固定目标点的第一校正位移为真实位移指标,则通过所述第一位移校正模型基于所述温度及各所述待测目标点的测得位移进行计算,得到各所述待测目标点的实际位移,实现对边坡位移的高精度、实时、低成本、易于推广的长期监测。
实施例2
此外,本申请提供了一种结构位移长期监测装置。
如图7所示,结构位移长期监测装置600包括:
获取模块601,用于获取待测现场的温度及现场图像,识别所述现场图像的多个待测目标点及多个固定目标点;
第一计算模块602,用于采用基于图像的位移测量算法对所述现场图像进行计算,得到各所述待测目标点的测得位移及各所述固定目标点的测得位移;
第二计算模块603,用于通过预先获取的第一位移校正模型基于所述温度及各所述固定目标点的测得位移进行计算,得到各所述固定目标点的第一校正位移;
第三计算模块604,用于若各所述固定目标点的第一校正位移为真实位移指标,则通过所述第一位移校正模型基于所述温度及各所述待测目标点的测得位移进行计算,得到各所述待测目标点的实际位移。
在一实施方式中,结构位移长期监测装置600还包括:
处理模块,用于若各所述固定目标点的校正位移不为所述真实位移指标,则根据所述温度,各所述固定目标点的测得位移及真实位移,获取第二位移校正模型;
通过所述第二位移校正模型基于所述温度及各所述固定目标点的测得位移,得到各所述固定目标点的第二校正位移;
若各所述固定目标点的第二校正位移为所述真实位移指标,则通过所述第二位移校正模型基于所述温度及各所述待测目标点的测得位移,得到各所述待测目标点的实际位移。
在一实施方式中,所述现场图像包括变形前后的前一图像及当前图像,第一计算模块602,还用于采用基于图像的位移测量算法对所述前一图像及所述当前图像进行迭代计算,得到所述前一图像及所述当前图像之间的图像位移;
根据所述图像位移计算各所述待测目标点的测得位移及各所述固定目标点的测得位移。
在一实施方式中,第一计算模块602,还用于根据斜光轴小孔成像模型将所述图像位移转换为各所述待测目标点的测得位移及各所述固定目标点的测得位移。
本实施例提供的结构位移长期监测装置600可以实现实施例1所提供的结构位移长期监测方法,为避免重复,在此不再赘述。
本实施例提供的结构位移长期监测装置,获取待测现场的温度及现场图像,识别所述现场图像的多个待测目标点及多个固定目标点;采用基于图像的位移测量算法对所述现场图像进行计算,得到各所述待测目标点的测得位移及各所述固定目标点的测得位移;通过预先获取的第一位移校正模型基于所述温度及各所述固定目标点的测得位移进行计算,得到各所述固定目标点的第一校正位移;若各所述固定目标点的第一校正位移为真实位移指标,则通过所述第一位移校正模型基于所述温度及各所述待测目标点的测得位移进行计算,得到各所述待测目标点的实际位移,实现对边坡位移的高精度、实时、低成本、易于推广的长期监测。
实施例3
此外,本申请提供了一种结构位移长期监测系统,包括视频相机监测设备及温度传感器,所述视频相机监测设备包括存储器及处理器,所述存储器存储有计算机程序,所述计算机程序在所述处理器运行时实施例1所述的结构位移长期监测方法。
本实施例提供的结构位移长期监测系统可以实现实施例1所提供的结构位移长期监测方法,为避免重复,在此不再赘述。
实施例4
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现实施例1所提供的结构位移长期监测方法。
在本实施例中,计算机可读存储介质可以为只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
本实施例提供的计算机可读存储介质可以实现实施例1所提供的结构位移长期监测方法,为避免重复,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者终端中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (10)
1.一种结构位移长期监测方法,其特征在于,所述方法包括:
获取待测现场的温度及现场图像,识别所述现场图像的多个待测目标点及多个固定目标点;
采用基于图像的位移测量算法对所述现场图像进行计算,得到各所述待测目标点的测得位移及各所述固定目标点的测得位移;
通过预先获取的第一位移校正模型基于所述温度及各所述固定目标点的测得位移进行计算,得到各所述固定目标点的第一校正位移;
若各所述固定目标点的第一校正位移为真实位移指标,则通过所述第一位移校正模型基于所述温度及各所述待测目标点的测得位移进行计算,得到各所述待测目标点的实际位移。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若各所述固定目标点的校正位移不为所述真实位移指标,则根据所述温度,各所述固定目标点的测得位移及真实位移,获取第二位移校正模型;
通过所述第二位移校正模型基于所述温度及各所述固定目标点的测得位移,得到各所述固定目标点的第二校正位移;
若各所述固定目标点的第二校正位移为所述真实位移指标,则通过所述第二位移校正模型基于所述温度及各所述待测目标点的测得位移,得到各所述待测目标点的实际位移。
3.根据权利要求1所述的方法,其特征在于,所述现场图像包括变形前后的前一图像及当前图像,所述采用基于图像的位移测量算法对所述现场图像进行计算,得到各所述待测目标点的测得位移及各所述固定目标点的测得位移,包括:
采用基于图像的位移测量算法对所述前一图像及所述当前图像进行迭代计算,得到所述前一图像及所述当前图像之间的图像位移;
根据所述图像位移计算各所述待测目标点的测得位移及各所述固定目标点的测得位移。
4.根据权利要求3所述的方法,其特征在于,所述根据所述图像位移计算各所述待测目标点的测得位移及各所述固定目标点的测得位移,包括:
根据斜光轴小孔成像模型将所述图像位移转换为各所述待测目标点的测得位移及各所述固定目标点的测得位移。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述待测现场设置多个待测目标点及多个固定目标点;
对各所述固定目标点设置所述真实位移指标。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述待测现场设置视频相机监测设备及温度传感器;
通过所述视频相机监测设备采集所述现场图像及通过所述温度传感器采集所述温度。
7.一种结构位移长期监测装置,其特征在于,所述装置包括:
获取模块,用于获取待测现场的温度及现场图像,识别所述现场图像的多个待测目标点及多个固定目标点;
第一计算模块,用于采用基于图像的位移测量算法对所述现场图像进行计算,得到各所述待测目标点的测得位移及各所述固定目标点的测得位移;
第二计算模块,用于通过预先获取的第一位移校正模型基于所述温度及各所述固定目标点的测得位移进行计算,得到各所述固定目标点的第一校正位移;
第三计算模块,用于若各所述固定目标点的第一校正位移为真实位移指标,则通过所述第一位移校正模型基于所述温度及各所述待测目标点的测得位移进行计算,得到各所述待测目标点的实际位移。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
处理模块,用于若各所述固定目标点的校正位移不为所述真实位移指标,则根据所述温度,各所述固定目标点的测得位移及真实位移,获取第二位移校正模型;
通过所述第二位移校正模型基于所述温度及各所述固定目标点的测得位移,得到各所述固定目标点的第二校正位移;
若各所述固定目标点的第二校正位移为所述真实位移指标,则通过所述第二位移校正模型基于所述温度及各所述待测目标点的测得位移,得到各所述待测目标点的实际位移。
9.一种结构位移长期监测系统,其特征在于,包括视频相机监测设备及温度传感器,所述视频相机监测设备包括存储器及处理器,所述存储器存储有计算机程序,所述计算机程序在所述处理器运行时执行权利要求1至6中任一项所述的结构位移长期监测方法。
10.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序在处理器上运行时执行权利要求1至6中任一项所述的结构位移长期监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310998862.7A CN116952144A (zh) | 2023-08-09 | 2023-08-09 | 结构位移长期监测方法、装置、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310998862.7A CN116952144A (zh) | 2023-08-09 | 2023-08-09 | 结构位移长期监测方法、装置、系统及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116952144A true CN116952144A (zh) | 2023-10-27 |
Family
ID=88447422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310998862.7A Pending CN116952144A (zh) | 2023-08-09 | 2023-08-09 | 结构位移长期监测方法、装置、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116952144A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016020826A1 (en) * | 2014-08-07 | 2016-02-11 | Ingenera Sa | Method and relevant device for measuring distance with auto-calibration and temperature compensation |
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 |
CN107657635A (zh) * | 2017-10-17 | 2018-02-02 | 深圳奥比中光科技有限公司 | 深度相机温度误差校正方法及系统 |
DE102017203084A1 (de) * | 2017-02-24 | 2018-08-30 | Carl Zeiss Industrielle Messtechnik Gmbh | Verfahren zur Ermittlung von Korrekturdaten zur Korrektur von temperaturabhängigen Messdaten eines optischen Sensors |
CN108917639A (zh) * | 2018-05-15 | 2018-11-30 | 深圳奥比中光科技有限公司 | 深度成像系统及其温度误差校正方法 |
CN113251933A (zh) * | 2021-05-08 | 2021-08-13 | 上海砼测检测技术有限公司 | 一种用于基坑表面位移监测的自动化图像位移测量系统 |
CN113483675A (zh) * | 2021-08-02 | 2021-10-08 | 宁波翌达科技有限公司 | 一种位移监测系统及方法 |
WO2022057327A1 (zh) * | 2020-09-18 | 2022-03-24 | 深圳市商汤科技有限公司 | 标定方法、装置、设备、介质、程序及测温人脸识别装置 |
CN114264233A (zh) * | 2021-12-24 | 2022-04-01 | 湖南华曙高科技股份有限公司 | 扫描位置校准方法、装置及系统 |
CN114719770A (zh) * | 2022-04-02 | 2022-07-08 | 基康仪器股份有限公司 | 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 |
CN218723923U (zh) * | 2022-11-02 | 2023-03-24 | 深圳市综合交通与市政工程设计研究总院有限公司 | 一种基于机器视觉的边坡形变自动化监测预警系统 |
US20230112666A1 (en) * | 2021-10-12 | 2023-04-13 | Zebra Technologies Corporation | System and Method for Detecting Calibration of a 3D Sensor |
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
- 2023-08-09 CN CN202310998862.7A patent/CN116952144A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016020826A1 (en) * | 2014-08-07 | 2016-02-11 | Ingenera Sa | Method and relevant device for measuring distance with auto-calibration and temperature compensation |
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 |
DE102017203084A1 (de) * | 2017-02-24 | 2018-08-30 | Carl Zeiss Industrielle Messtechnik Gmbh | Verfahren zur Ermittlung von Korrekturdaten zur Korrektur von temperaturabhängigen Messdaten eines optischen Sensors |
CN107657635A (zh) * | 2017-10-17 | 2018-02-02 | 深圳奥比中光科技有限公司 | 深度相机温度误差校正方法及系统 |
CN108917639A (zh) * | 2018-05-15 | 2018-11-30 | 深圳奥比中光科技有限公司 | 深度成像系统及其温度误差校正方法 |
WO2022057327A1 (zh) * | 2020-09-18 | 2022-03-24 | 深圳市商汤科技有限公司 | 标定方法、装置、设备、介质、程序及测温人脸识别装置 |
CN113251933A (zh) * | 2021-05-08 | 2021-08-13 | 上海砼测检测技术有限公司 | 一种用于基坑表面位移监测的自动化图像位移测量系统 |
CN113483675A (zh) * | 2021-08-02 | 2021-10-08 | 宁波翌达科技有限公司 | 一种位移监测系统及方法 |
US20230112666A1 (en) * | 2021-10-12 | 2023-04-13 | Zebra Technologies Corporation | System and Method for Detecting Calibration of a 3D Sensor |
CN114264233A (zh) * | 2021-12-24 | 2022-04-01 | 湖南华曙高科技股份有限公司 | 扫描位置校准方法、装置及系统 |
CN114719770A (zh) * | 2022-04-02 | 2022-07-08 | 基康仪器股份有限公司 | 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 |
CN218723923U (zh) * | 2022-11-02 | 2023-03-24 | 深圳市综合交通与市政工程设计研究总院有限公司 | 一种基于机器视觉的边坡形变自动化监测预警系统 |
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 |
Non-Patent Citations (1)
Title |
---|
李倩: "热气流对数字图像相关测量的影响及其修正研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 05, 15 May 2020 (2020-05-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111735439B (zh) | 地图构建方法、装置和计算机可读存储介质 | |
CN111524176A (zh) | 视距测量定位的方法、装置和计算机设备 | |
CN104730802A (zh) | 光轴夹角的校准、对焦方法和系统和双摄像头设备 | |
CN108871373B (zh) | 一种基于俯仰滚转台和非线性优化的星敏感器标定方法 | |
CN111750804A (zh) | 一种物体测量的方法及设备 | |
CN114266836A (zh) | 基于振镜相机的主动视觉三维标定方法、系统和设备 | |
CN101720476A (zh) | 用于测量物体距离的特征检测装置和方法 | |
CN113658279A (zh) | 相机内参和外参估算方法、装置、计算机设备及存储介质 | |
CN116952144A (zh) | 结构位移长期监测方法、装置、系统及介质 | |
CN114754695B (zh) | 多视场桥梁挠度测量装置、方法及存储介质 | |
CN111207683A (zh) | 一种隧道变形的监测方法、装置及计算机可读存储介质 | |
CN115683046A (zh) | 测距方法、装置、传感器及计算机可读存储介质 | |
CN112927299B (zh) | 标定方法、装置及电子设备 | |
CN115290008A (zh) | 一种影像测量平行光管的角度标定算法 | |
CN115326025A (zh) | 一种用于海浪的双目影像测量与预测方法 | |
CN111145268B (zh) | 一种视频注册方法及装置 | |
CN112484710B (zh) | 目标定位方法、装置及设备、存储介质 | |
CN114018167A (zh) | 一种基于单目三维视觉的桥梁挠度测量方法 | |
CN106709942A (zh) | 一种基于特征方位角的全景图像误匹配消除方法 | |
CN117671007B (zh) | 一种位移监测方法、装置、电子设备及存储介质 | |
CN110595353A (zh) | 基于校准板的校准定位方法、装置和存储介质 | |
RU2808083C1 (ru) | Способ фотограмметрической калибровки для оценки коэффициентов радиальной и тангенциальной дисторсии объектива и матрицы внутренних параметров камеры | |
CN115166701B (zh) | 一种rgb-d相机和激光雷达的系统标定方法及装置 | |
CN117537719B (zh) | 基于角度效应解耦的位移测量方法及其相关设备 | |
JP7378278B2 (ja) | 水位計測装置 |
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 |