CN117516388B - 建筑结构的位移感测装置、位移感测方法及存储介质 - Google Patents
建筑结构的位移感测装置、位移感测方法及存储介质 Download PDFInfo
- Publication number
- CN117516388B CN117516388B CN202410022458.0A CN202410022458A CN117516388B CN 117516388 B CN117516388 B CN 117516388B CN 202410022458 A CN202410022458 A CN 202410022458A CN 117516388 B CN117516388 B CN 117516388B
- Authority
- CN
- China
- Prior art keywords
- mapping
- matrix
- image data
- data
- module
- 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
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 238000013507 mapping Methods 0.000 claims description 125
- 239000011159 matrix material Substances 0.000 claims description 124
- 238000012545 processing Methods 0.000 claims description 119
- 238000003384 imaging method Methods 0.000 claims description 70
- 230000003321 amplification Effects 0.000 claims description 26
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 26
- 238000010606 normalization Methods 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 20
- 238000012417 linear regression Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000008878 coupling Effects 0.000 abstract description 6
- 238000010168 coupling process Methods 0.000 abstract description 6
- 238000005859 coupling reaction Methods 0.000 abstract description 6
- 230000000007 visual effect Effects 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 77
- 238000005259 measurement Methods 0.000 description 23
- 230000008569 process Effects 0.000 description 18
- 238000001914 filtration Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000005070 sampling Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003287 optical effect Effects 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
- G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了建筑结构的位移感测装置、位移感测方法及存储介质，其中，所述位移感测装置包括：固定模块，包括固定底座和固定支架，所述固定底座用于与被测结构监测点耦合形成结构整体；投影模块和摄像模块，所述摄像模块通过所述固定支架，以垂直视野的角度设置于投影模块前，用于采集设置于不动点处的激光发射模块，在所述投影模块上形成的激光图像。可以看出，由于相机模块、投影模块等模块的相对位置固定，并安装于结构的振动监测点位置，激光发射模块安装于结构远处的不动点处，而结构微小转角所产生的光束位置平动与投影模块的固定高度相关，并且投影模块的固定高度远小于激光投影距离，由此可以解决激光‑视觉技术中存在的转角耦合问题。
Description
技术领域
本发明涉及建筑检测领域，尤其涉及建筑结构的位移感测装置、位移感测方法及存储介质。
背景技术
在高层建筑测量领域中，相比传统接触式测量方法，基于视觉的振动测量技术，能够利用摄像机或传感器捕捉物体表面在振动作用下的位移信息来实现振动测量。同时基于视觉的振动测量技术具有测量精度高、监测距离远、无需直接接触被测物体、监测成本低等优点。
在相关的结合激光投影技术的视觉位移测量方式中，实际应用时往往存在转角效应：结构表面除了存在平动位移之外，还存在转角，由于激光灯的投射距离远，即使是微小的转角也会被投射距离放大，产生较大的位移变化，使得测量得到的振动位移为耦合了角度效应所引起的位移以及真实的平动位移，最终导致真实的平动信息被淹没。因此当前的视觉位移测量方式存在转角耦合的问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种建筑结构的位移感测装置，解决现有技术中视觉位移测量方式存在转角耦合的问题。
为实现上述目的，本发明提供一种建筑结构的位移感测装置，所述位移感测装置包括：
固定模块，所述固定模块包括固定底座和固定支架，所述固定底座用于与被测结构监测点耦合形成结构整体；
投影模块和摄像模块，所述摄像模块通过所述固定支架，以垂直视野的角度设置于投影模块前，用于采集设置于不动点处的激光发射模块，在所述投影模块上形成的激光图像；
处理器模块，所述处理器模块用于获取所述摄像模块采集图像数据，并根据所述图像数据生成检测结果。
本发明还提供一种建筑结构的位移感测方法，该方法包括以下步骤：
获取摄像模块采集的图像数据，以及处理器模块预存的标定数据；
根据所述标定数据对所述图像数据进行超分辨率重构处理，得到重构图像数据；
对所述重构图像数据进行结构振动放大处理，并根据结构振动放大处理后的所述重构图像数据生成待测结构的位移检测结果。
可选地，所述根据所述标定数据对所述图像数据进行超分辨率重构处理，得到重构图像数据的步骤包括：
确定所述图像数据的偏导阵列，并根据所述偏导阵列计算所述图像数据的梯度幅值矩阵以及梯度方向矩阵；
确定所述梯度幅值矩阵对应的幅值映射数组，以及确定所述梯度方向矩阵对应的方向映射数组；
基于所述幅值映射数组以及所述方向映射数组，在所述标定数据中选定映射关系数值最大的目标标定数据，并确定所述目标标定数据对应的标定参数；
基于所述标定参数对所述图像数据进行超分辨率重构处理，得到所述重构图像数据。
可选地，所述确定所述梯度幅值矩阵对应的幅值映射数组的步骤包括：
确定当前分辨率对应的所述标定数据，对应的预存梯度幅值矩阵；
对所述预存梯度幅值矩阵以及所述梯度幅值矩阵进行归一化处理；
确定归一化处理后的所述梯度幅值矩阵的每个像素位置，在归一化处理后的所述预存梯度幅值矩阵中对应的映射值，以及所述映射值对应的幅值映射矩阵；
对所述幅值映射矩阵的所有行列的映射关系进行求和平均处理，得到所述幅值映射数组，其中，所述幅值映射数组的每一个位置的映射关系特征数值，与不同模糊条件、不同分辨率的所述标定数据对应。
可选地，所述确定所述梯度方向矩阵对应的方向映射数组的步骤包括：
确定当前分辨率对应的所述标定数据对应的预存梯度方向矩阵；
对所述预存梯度方向矩阵以及所述梯度方向矩阵进行归一化处理；
确定归一化处理后的所述梯度方向矩阵的每个像素位置，在归一化处理后的所述预存梯度方向矩阵中对应的映射值，以及所述映射值对应的方向映射矩阵；
对所述方向映射矩阵的所有行列的映射关系进行求和平均处理，得到所述方向映射数组，其中，所述方向映射数组的每一个位置的映射关系特征数值，与不同模糊条件、不同分辨率的所述标定数据对应。
可选地，所述获取摄像模块采集的图像数据，以及处理器模块预存的标定数据的步骤之前，还包括：
基于不同的分辨率采集投影模块上的成像数据，并对所述成像数据进行下采样处理及模糊处理，得到预存成像数据，所述预存成像数据包括不同分辨率和不同模糊条件的所述成像数据；
基于一阶有限差分计算并存储所述预存成像数据的梯度幅值矩阵和梯度方向矩阵；
选定所述成像数据中分辨率最高的目标成像数据，基于最小二乘拟合算法确定不同分辨率的所述成像数据在不同模糊条件下，与所述目标成像数据之间的线性回归模型；
在处理器模块中存储所述线性回归模型对应的标定参数，以及将所述成像数据作为所述标定数据存储到所述处理器模块中，其中，每个所述标定数据都对应一个所述标定参数。
可选地，所述根据所述标定数据对所述图像数据进行超分辨率重构处理，得到重构图像数据的步骤之后，还包括：
将所述重构图像数据进行插值处理，将插值处理后的所述重构图像数据进行放大处理，并确定放大处理后的所述重构图像数据的所有像素坐标；
根据所有所述像素坐标的整数坐标、小数坐标以及整数和小数的权重占比，计算放大处理后的所述重构图像数据的目标像素坐标。
可选地，所述根据结构振动放大处理后的目标重构图像数据生成待测结构的位移检测结果的步骤包括：
确定所述目标重构图像数据对应的特征区域，并获取所述重构图像数据在特征区域的第二帧以后的目标图像，所述特征区域为投影模块的成像区域；
对所述目标图像以及所述目标重构图像数据的第一帧图像，进行归一化处理，得到所述特征区域对应的模板图像，以及所述第一帧图像对应的振动图像；
计算所述振动图像的像素点在所述模板图像中滑动时对应的映射值，以及所述映射值对应的映射矩阵；
基于所述映射矩阵中像素点的最大值对应的位置，对所述目标重构图像数据的所有帧进行处理，得到所述待测结构的振动时程信号，其中，所述位移感测装置的处理器模块能够基于所述振动时程信号生成所述位移检测结果。
此外，为实现上述目的，本发明还提供一种建筑结构的位移感测装置，所述建筑结构的位移感测装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的建筑结构的位移感测程序，所述建筑结构的位移感测程序被所述处理器执行时实现如上所述的建筑结构的位移感测方法的步骤。
此外，为实现上述目的，本发明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有建筑结构的位移感测程序，所述建筑结构的位移感测程序被处理器执行时实现如上所述的建筑结构的位移感测方法的步骤。
本发明实施例提供了建筑结构的位移感测装置、位移感测方法及存储介质，位移感测装置包括：固定模块，所述固定模块包括固定底座和固定支架，所述固定底座用于与被测结构监测点耦合形成结构整体，投影模块和摄像模块，所述摄像模块通过所述固定支架，以垂直视野的角度设置于投影模块前，用于采集设置于不动点处的激光发射模块，在所述投影模块上形成的激光图像。可以看出，感测装置将相机模块、投影模块等模块的相对位置固定，并安装于结构的振动监测点位置；将激光发射模块安装于结构远处的不动点处；由于此时结构微小转角所产生的光束位置平动与投影模块的固定高度相关，而不是与激光投影距离相关，并且投影模块的固定高度远小于激光投影距离，由此可以显著降低结构微小转角引起的激光光束位置平动问题，解决了现有“激光-视觉”技术中存在的转角耦合问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。为了更清楚地说明本发明实施例的技术方案，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，对于本领域普通技术人员而言，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为本发明建筑结构的位移感测装置的结构示意图；
图2是本发明建筑结构的位移感测方法的位移识别技术的示意图；
图3为本发明建筑结构的位移感测方法的第二实施例的流程示意图；
图4为本发明建筑结构的位移感测方法的第三实施例的流程示意图；
图5为本发明建筑结构的位移感测方法的第四实施例的流程示意图；
图6是本发明建筑结构的位移感测方法的各个实施例的终端硬件结构示意图。
附图标号说明
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参照图1，在本发明的第一实施例中，提出了一种建筑结构的位移感测装置的结构示意图，具体包括：固定模块10、投影模块20、相机模块30、激光发射模块40以及处理器模块50，其中，所述固定模块10包括固定底座11和固定支架12，所述固定底座12用于与被测结构监测点耦合形成结构整体，所述摄像模块30通过所述固定支架，以垂直视野的角度设置于投影模块20前，用于采集设置于不动点处的激光发射模块40，在所述投影模块20上形成的激光图像，所述相机模块30采用高分辨率相机。
除此之外，请继续参照图1，所述位移感测装置还包括处理器模块50，所述处理器模块50用于获取所述摄像模块30采集的图像数据，并根据所述图像数据生成位移检测结果。
需要说明的是，所述固定模块10通过固定投影模块20以及相机模块30，并且以正摄90°垂直视野的角度将相机模块30固定于投影模块20前，通过正摄90°垂直视野的角度，能够有效避免偏转角对振动像素成像的影响。在将固定底座11安装到被测结构后，激光发射模块40安装于远离结构监测点的不定点处，例如可以安装在远离结构监测点的下方，由下向上往投影模块20发射激光。
基于此，当被测结构发生微小振动时，被测结构带动所安装的感测装置一起发生振动，此时，装置与所投影的激光光束发生相对位置变化，由于激光光束不存在位移，在投影模块上会形成激光光束的移动，移动方向与结构微小振动的方向相反，幅值相等。同时，将相机模块30固定安装于投影模块20前，与常规将相机部署于结构远处的方法相比，极大缩短了监测距离，进而显著提高对激光光束移动画面的识别分辨率，实现对结构微小位移的高分辨率感测。
进一步地，请参照图2，在相关的“激光-视觉”位移测量识别技术中，通常将激光灯安装到建筑物（也即待测物体）上，并通过远端相机拍摄被测物体振动时的图像数据，进而计算出物体的微小振动位移。然而，对被测物体进行微小位移测量时，测量距离相对较长，相应的位移变化公式如下：，基于此，由于测量距离较长，因而振动测量结果受转角变化的影响较大。而在本实施例的感测装置中，将固定模块直接安装到待测结构上，将激光发射模块安装到远处不动点中，此时结构微小转角所产生的光束平动与激光投影距离无关，而是与相机模块30到投影模块20之间的距离有关。而进行结构微小振动测量时，激光发射模块所处的位置与位移感测装置之间的距离，远大于相机模块30与投影模块20的距离，因而结构微小转角所产生的位置平动是可以忽略的，此时可以显著降低结构微小转角引起的激光光束位置平动问题，解决了现有“激光-视觉”技术中存在的转角耦合问题。
在第二实施例中，基于第一实施例所述的建筑结构的位移感测装置，提出建筑结构的位移感测方法。请参照图3，本发明建筑结构的位移感测方法包括：
步骤S10，获取摄像模块采集的图像数据，以及处理器模块预存的标定数据；
在本实施例中，标定数据指的是在将位移感测装置安装到待测建筑结构之前，在室内进行测量的用于参考的准确数据。其中，该标定数据包括不同分辨率、不同模糊条件下的激光光束成像数据，以及不同分辨率成像数据在不同模糊条件下，与高分辨率激光光束成像数据之间的线性回归模型对应的回归参数，该回归参数用于对图像数据进行超分辨率重构处理，不同分辨率、不同模糊条件下的成像数据均存在一个回归参数与之对应。标定数据预存在处理器模块中。图像数据指的是相机模块采集到的激光光束振动视频，在对图像数据进行处理时，从振动视频的第一帧图像开始依次进行处理，直到每一帧图像均处理完毕。
在将位移感测装置安装到待测结构，并控制激光发射模块向投影模块发射激光光束后，通过位移感测装置的处理器模块获取摄像模块采集到待测结构发生微小振动时激光光束在投影模块上形成的光束移动图像数据。待测结构包括大型办公楼、小区高楼以及桥梁等大型建筑物。
步骤S20，根据所述标定数据对所述图像数据进行超分辨率重构处理，得到重构图像数据；
在本实施例中，为了提高对待测结构的微小振动的测量精度，需要根据标定数据中标定参数计算采集到的某一帧图像中对应的超分辨率重构后的图像，以便处理模块能够输出更高分辨率的图像，进而实现对采集到的图像进行重构处理以提高微小振动的识别测量精度。需要说明的是，在对图像数据进行重构处理的过程中，需要计算图像数据的梯度阵列，进而根据图像梯度阵列及图像梯度阵列对应的映射数组，选定标定数据中最恰当的标定参数进行超分辨率重构。因此，根据所述标定数据对所述图像数据进行超分辨率重构处理，得到重构图像数据，具体包括：
步骤S21，确定所述图像数据的偏导阵列，并根据所述偏导阵列计算所述图像数据的梯度幅值矩阵以及梯度方向矩阵；
作为一种可选实施方式，可以使用一阶有限差分计算图像数据的偏导数阵列：
其中，Dx为沿x方向的图像偏导数阵列，Dy为沿y方向的图像偏导数阵列。
随后结合x和y方向的偏导数阵列，计算图像梯度阵列：
其中，M代表梯度幅值大小，θ代表梯度方向。
示例性的，可以对第一帧振动图像进行处理，依次可以得到该帧图像的梯度幅值矩阵以及梯度方向矩阵。
步骤S22，确定所述梯度幅值矩阵对应的幅值映射数组，以及确定所述梯度方向矩阵对应的方向映射数组；
在选定标定数据中最恰当的标定参数对当前采集到的某一帧图像数据进行超分辨率重构时，需要综合考虑梯度幅值矩阵的映射关系数组以及梯度方向矩阵的映射关系数组的权重占比，因而在该过程中，还需要确定该帧图像对应的幅值矩阵以及方向矩阵在标定数据中对应的幅值映射关系数组和方向映射关系数组。
在一确定梯度幅值矩阵对应的幅值映射数组的可选实现方式中，可以确定当前分辨率对应内的所述标定数据，对应的预存梯度幅值矩阵，随后对所述预存梯度幅值矩阵以及所述梯度幅值矩阵进行归一化处理，并确定归一化处理后的所述梯度幅值矩阵的每个像素位置，在归一化处理后的所述预存梯度幅值矩阵中对应的映射值，以及所述映射值对应的幅值映射矩阵，最后对所述幅值映射矩阵的所有行列的映射关系进行求和平均处理，得到所述幅值映射数组。其中，当前分辨率指的是相机模块采集投影模块的图像数据时对应的分辨率也即采集图像数据时所使用的分辨率，由于标定数据包括不同模糊条件下、不同分辨率的图像，若当前相机分辨率为50帧，对应的标定数据可以是标定数据中45帧-55帧之间的图像。选定45-55帧的图像数据，可以根据实际应用场景或相机实际分辨率动态设置。而标定数据对应的图像中，都存有相应的梯度幅值矩阵和梯度方向矩阵。幅值映射数组的每一个位置的映射关系特征数据，分别与不同模糊条件、不同分辨率的标定数据对应。
示例性的，当前相机模块当前的采集分辨率为60帧，此时需要从标定数据中选定55帧65帧的标定图像，接着使用这些图像对应的预存梯度幅值矩阵作为匹配模板I 1，使用相机模块采集得到结构微小振动光束图像第一帧振动图像，也即当前处理的图像数据对应的梯度幅值矩阵作为追踪模板T 1，随后分别对两模板进行归一化处理，得到以及/>。接着将追踪模板T 1在匹配模板I 1上，从左到右，从上向下进行滑动，每次移动一个像素位置并计算该位置的映射值，最终计算得到映射矩阵R1’接着分别对映射矩阵R1’的每一行以及每一列的映射关系数值进行求和平均处理，得到幅值的映射关系特征数组{r’}。
需要说明的是，每一个位置的映射关系特征数值与不同模糊条件下不同分辨率的标定图像对应。而将追踪模板在匹配模板上进行匹配处理的过程中，从左到右、从上向下的滑动过程仅用于解释说明，并非是对匹配操作方式进行限定。
在一确定梯度方向矩阵对应的方向映射数组的可选实现方式中，可以确定当前分辨率对应的所述标定数据对应的预存梯度方向矩阵，随后对所述预存梯度方向矩阵以及所述梯度方向矩阵进行归一化处理，接着确定归一化处理后的所述梯度方向矩阵的每个像素位置，在归一化处理后的所述预存梯度方向矩阵中对应的映射值，以及所述映射值对应的方向映射矩阵，最后对所述方向映射矩阵的所有行列的映射关系进行求和平均处理，得到所述方向映射数组。需要说明的是，在确定归一化处理后的所述梯度方向矩阵的每个像素位置，在归一化处理后的所述预存梯度方向矩阵中对应的映射值的过程中，同样是在标定数据中选定匹配模板并进行处理，处理过程与获取赋值映射数组的过程的原理类似，在此不作过多赘述。
步骤S23，基于所述幅值映射数组以及所述方向映射数组，在所述标定数据中选定映射关系数值最大的目标标定数据，并确定所述目标标定数据对应的标定参数；
步骤S24，基于所述标定参数对所述图像数据进行超分辨率重构处理，得到所述重构图像数据。
作为一种可选实施方式，在得到幅值映射矩阵和方向映射矩阵后，可以从两者中挑选出映射关系数值最大的室内分辨率标定图像Mr：
其中，{r}和{r’}分别为幅值映射关系数组和方向映射关系数组，α1和α2分别为两个数组对应的权重占比参数，权重占比参数可以根据实际应用场景动态设置。在选定标定图像Mr后，基于Mr对应的超分辨率回归参数，对采集到的光束移动图像数据进行超分辨重构。
在对图像数据进行超分辨率重构处理后，还可通过插值重构的方式做进一步处理，进而提高图像质量，基于此提高位移检测结果的测量精度。具体地，作为一种可选实现方式，可以将所述重构图像数据进行插值处理，将插值处理后的所述重构图像数据进行放大处理，并确定放大处理后的所述重构图像数据的所有像素坐标，接着根据所有所述像素坐标的整数坐标、小数坐标以及整数和小数的权重占比，计算放大处理后的所述重构图像数据的目标像素坐标。
示例性的，将重构图像数据进行插值处理后，等倍放大到目标预设尺寸，接着根据该图像的所有位置(x'，y')，计算输出高分辨图像位置(x， y)，其中，x'和y'与 x和y存在整数倍的倍数关系，随后根据x'和y'的整数部分xi和yi，以及小数部分dx = x'- xi和dy =y'- yi，计算每一个位置周围16个像素的权重占比，接着基于权重对输入图像的相应区域进行加权平均，得到输出图像中像素(x, y)的值：
其中，O(x, y)为输出高分辨率图像的像素值；I (x’， y’)为等倍放大前的重构图像在位置(x’， y’)处的像素值；w(i, j)为像素(xi+i, yj+j)对输出像素(x, y)的权重。基于此，提高图像数据的清晰度，以便进行位移监测分析时，能够提高位移检测结果的测量精度。
需要说明的是，上述参数只是用于解释说明，并非是对本发明的具体限定，也即计算周围多个像素的权重占比中，选定的数量可以根据实际应用场景动态设置。
步骤S30，对所述重构图像数据进行结构振动放大处理，并根据结构振动放大处理后的所述重构图像数据生成待测结构的位移检测结果。
在本实施例中，对采集到的图像数据的每一帧图像进行重构处理并得到重构图像数据后，需要进行结构微小振动重构处理，进而提高位移检测结果的测量精度。作为一种可选实施方式，可以对所述超分辨重构后激光光束的振动视频中时间序列方向的每张图像进行空间域分解，随后再进行时间域滤波处理，接着对时间域滤波处理后的图像数据进行放大和重构，进而完成重构图像数据的结构振动放大处理。
在生成位移检测结果的可选实现方式中，可以确定所述目标重构图像数据对应的特征区域，并获取所述重构图像数据在特征区域的第二帧以后的目标图像，所述特征区域为投影模块的成像区域，接着对所述目标图像以及所述目标重构图像数据的第一帧图像，进行归一化处理，得到所述特征区域对应的模板图像，以及所述第一帧图像对应的振动图像，随后计算所述振动图像的像素点在所述模板图像中滑动时对应的映射值，以及所述映射值对应的映射矩阵，接着基于所述映射矩阵中像素点的最大值对应的位置，对所述重构图像数据的所有帧进行处理，得到所述待测结构的振动时程信号，其中，所述位移感测装置的处理器模块能够基于所述振动时程信号生成所述位移检测结果。
示例性的，选取结构振动放大处理后的激光光束特征区域的图像数据中，第二帧到最后一帧的图像作为模板T，重构插值处理后的第一帧图像作为振动模板I，接着分别对两个图像进行归一化处理，得到模板图像和振动图像/>如下公式所示：
接着计算两个图像的映射关系矩阵R，实现过程包括将模板图像在振动图像/>上，从左到右，从上向下进行滑动，每次移动一个像素位置并计算该位置的映射值，最终计算得到映射矩阵R：
其中，(x, y)为待匹配图像上某一点坐标；(x’， y’)为模板图像坐标；T(x, y)为模板图像，图像大小为w × h；I为待匹配图像；映射矩阵R(x, y)上一点(x, y)代表了待匹配图像I中以(x, y)为左上角点，大小与模板图像(x, y)相同的图像子块与T(x, y)的相关度。需要说明的是，像素滑动的方向可以根据实际应用场景动态设置。
在得到映射矩阵后，由于最大值反映了图像的相似性和一致性，所以选取映射矩阵最大值的位置作为匹配结果，并对插值重构后的重构图像数据中的每一帧的图像也即第一帧图像以后的图像，进行匹配处理，最后得到待测结构的振动时程信号。
在本实施例公开的技术方案中，基于激光投影对待测结构进行微小位移检测的过程中，通过室内标定、插值重构以及微小振动放大处理等进行关联结合，基于室内提前标定的标定数据，提高位移感测装置在实际使用中的识别分辨率，通过进行插值重构及微小振动放大处理等，进一步提高图像的清晰度以及检测结果的测量精度。通过整体结合的方式，可以显著提高对被测结构监测位置微小振动的时的识别分辨率，实现被测结构的微小振动位移的高精度测量，同时提高微小振动位移的测量精度。
请参照图4，在第三实施例中，基于第二实施例，步骤S10之前，还包括；
步骤S40，基于不同的分辨率采集投影模块上的成像数据，并对所述成像数据进行下采样处理及模糊处理，得到预存成像数据，所述预存成像数据包括不同分辨率和不同模糊条件的所述成像数据；
在本实施例中，在将位移感测装置投入使用之前，可以使用高分辨率相机采集光束高分辨率成像数据，接着对激光光束数据进行超分辨率参数提前标定，进而有效提高装置在实际使用中的识别分辨率。
在一个对成像数据进行下采样处理及模糊处理的可选实现方式中，可以分别基于由低到高的不同分辨率摄影条件采集激光光束在投影模块上的成像数据，得到多组不同分辨率的激光光束的投影成像数据，随后对采集得到的不同分辨率图像分别进行下采样处理，得到更多分辨率条件的激光光束成像数据，接着使用不同尺度因子的高斯卷积核，对不同分辨率的激光光束成像数据进行模糊处理，进一步扩充得到不同模糊尺度下不同分辨率的激光光束成像数据。可选地，还可由高到低采集多组不同的成像数据。
示例性的，基于30-120帧的摄影条件，采集到30、40、50......120帧的多组投影数据，接着对其进行多次下采样处理，得到包括31、32、33等帧数的激光光束成像数据。接着对采样处理后的数据进行高斯卷积处理，进而得到不同模糊尺度的成像数据。
步骤S50，基于一阶有限差分计算并存储所述预存成像数据的梯度幅值矩阵和梯度方向矩阵；
在本实施例中，通过使用一阶有限差分计算并存储每种条件下图像的梯度幅值矩阵和梯度方向矩阵，以便处理器模块能够根据这些预存的矩阵计算出相应的映射数组，进而提高超分辨率重构处理后的图像的清晰度。
步骤S60，选定所述成像数据中分辨率最高的目标成像数据，基于最小二乘拟合算法确定不同分辨率的所述成像数据在不同模糊条件下，与所述目标成像数据之间的线性回归模型；
步骤S70，在处理器模块中存储所述线性回归模型对应的标定参数，以及将所述成像数据作为所述标定数据存储到所述处理器模块中，其中，每个所述标定数据都对应一个所述标定参数。
在本实施例中，作为一种可选实施方式，以最高分辨率的成像数据作为参考，基于最小二乘拟合处理得到不同分辨率在不同模糊条件下的其他成像数据与高分辨率成像数据之间的线性回归模型，随后存储处理得到的回归参数，该回归参数用于图像分辨率重构处理。基于此，可以得到不同模糊条件下的不同分辨率的成像数据，对应的不同的回归参数。
在本实施例公开的技术方案中，在位移感测装置投入使用之前，在室内的稳定结构中，由于激光光束在投影模块上形成的光束或光斑图像是固定的，因而通过高分辨率相机采集光束高分辨率成像数据，并对该激光光束成像数据进行超分辨率参数提前标定，进而得到相应的标定数据及标定参数，能够提高位移感测装置在实际使用中的识别分辨率。
请参照图5，在第四实施例中，基于第二实施例，对所述重构图像数据进行结构振动放大处理的步骤具体包括：
步骤S31，对所述重构图像数据进行多次下采样处理，得到多层图像金字塔；
步骤S32，基于所述图像金字塔的顶层图像，依次选定所述图像金字塔中相邻的两阶金字塔图像；
步骤S33，对所述两阶金字塔图像中的上层图像的矩阵进行上采样处理，并将上采样处理后的上层图像的矩阵减去所述两阶金字塔图像中的下层图像的矩阵，得到拉普拉斯图像金字塔；
步骤S34，基于预设滤波频率，在时域上对所述拉普拉斯图像金字塔的每张图像的每个像素点进行滤波处理，并依次选定滤波处理后的所述拉普拉斯图像金字塔的底层图像，对选定的所述底层图像进行放大及上采样处理。
在本实施例中，进行微小结构振动重构处理过程中，需要对所述超分辨重构后激光光束的振动视频中时间序列方向的每张图像进行空间域分解。
示例性的，在一具体实现场景中，得到超分辨率重构后的振动视频后，依次对每一帧图像进行处理，处理过程中，先对图像进行β次下采样，得到β+1阶图像金字塔，对于β+1阶图像金字塔，从顶层开始，依次选取相邻的两阶金字塔图像，对所选两阶金字塔图像中的上层图像矩阵进行上采样然后与下层图像矩阵进行矩阵相减，得到拉普拉斯图像金字塔。接着再对拉普拉斯图像金字塔的图像数据进行时间域滤波，在处理过程中，依次对每张所述图像金字塔中的每个像素点，在时域上使用理想带通滤波器基于[，/>]频带进行滤波处理。最后再对滤波处理后的图像视频进行放大和重构，在该过程中，对滤波后的所述图像金字塔，从底层图像开始，对所述图像金字塔逐级进行α倍放大以及上采样处理后，叠加至上一层图像金字塔，直至叠加到顶层金字塔图像。基于此，完成了微小振动的重构处理，提高微小振动的位移检测的准确性。
在本实施例公开的技术方案中，对重构图像数据进行结构振动放大处理的过程中，通过对每张图像进行空间域分解，随后基于时间域进行滤波处理，最后再进行放大重构，提高了待测结构的微小位移检测的测量精度。
参照图6，图6为本发明实施例方案涉及的硬件运行环境的终端结构示意图。
如图6所示，该终端可以包括：处理器1001，例如中央处理器（Central ProcessingUnit，CPU），通信总线1002、网络接口1003，存储器1004。其中，通信总线1002用于实现这些组件之间的连接通信。网络接口1003可选的可以包括标准的有线接口、无线接口（如无线保真（WIreless-FIdelity，WI-FI）接口）。存储器1004可以是高速的RAM存储器（RandomAccess Memory，RAM），也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1004可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图6中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图6所示，作为一种计算机存储介质的存储器1004中可以包括操作系统、数据存储模块、网络通信模块以及建筑结构的位移感测程序。
在图6所示的终端中，网络接口1003主要用于连接后台服务器，与后台服务器进行数据通信；处理器1001可以调用存储器1004中存储的建筑结构的位移感测程序，并执行以下操作：
获取摄像模块采集的图像数据，以及处理器模块预存的标定数据；
根据所述标定数据对所述图像数据进行超分辨率重构处理，得到重构图像数据；
对所述重构图像数据进行结构振动放大处理，并根据结构振动放大处理后的目标重构图像数据生成待测结构的位移检测结果。
进一步地，处理器1001可以调用存储器1004中存储的建筑结构的位移感测程序，还执行以下操作：
确定所述图像数据的偏导阵列，并根据所述偏导阵列计算所述图像数据的梯度幅值矩阵以及梯度方向矩阵；
确定所述梯度幅值矩阵对应的幅值映射数组，以及确定所述梯度方向矩阵对应的方向映射数组；
基于所述幅值映射数组以及所述方向映射数组，在所述标定数据中选定映射关系数值最大的目标标定数据，并确定所述目标标定数据对应的标定参数；
基于所述标定参数对所述图像数据进行超分辨率重构处理，得到所述重构图像数据。
进一步地，处理器1001可以调用存储器1004中存储的建筑结构的位移感测程序，还执行以下操作：
确定当前分辨率对应的所述标定数据，对应的预存梯度幅值矩阵；
对所述预存梯度幅值矩阵以及所述梯度幅值矩阵进行归一化处理；
确定归一化处理后的所述梯度幅值矩阵的每个像素位置，在归一化处理后的所述预存梯度幅值矩阵中对应的映射值，以及所述映射值对应的幅值映射矩阵；
对所述幅值映射矩阵的所有行列的映射关系进行求和平均处理，得到所述幅值映射数组，其中，所述幅值映射数组的每一个位置的映射关系特征数值，与不同模糊条件、不同分辨率的所述标定数据对应。
进一步地，处理器1001可以调用存储器1004中存储的建筑结构的位移感测程序，还执行以下操作：
确定当前分辨率对应的所述标定数据对应的预存梯度方向矩阵；
对所述预存梯度方向矩阵以及所述梯度方向矩阵进行归一化处理；
确定归一化处理后的所述梯度方向矩阵的每个像素位置，在归一化处理后的所述预存梯度方向矩阵中对应的映射值，以及所述映射值对应的方向映射矩阵；
对所述方向映射矩阵的所有行列的映射关系进行求和平均处理，得到所述方向映射数组，其中，所述方向映射数组的每一个位置的映射关系特征数值，与不同模糊条件、不同分辨率的所述标定数据对应。
进一步地，处理器1001可以调用存储器1004中存储的建筑结构的位移感测程序，还执行以下操作：
基于不同的分辨率采集投影模块上的成像数据，并对所述成像数据进行下采样处理及模糊处理，得到预存成像数据，所述预存成像数据包括不同分辨率和不同模糊条件的所述成像数据；
基于一阶有限差分计算并存储所述预存成像数据的梯度幅值矩阵和梯度方向矩阵；
选定所述成像数据中分辨率最高的目标成像数据，基于最小二乘拟合算法确定不同分辨率的所述成像数据在不同模糊条件下，与所述目标成像数据之间的线性回归模型；
在处理器模块中存储所述线性回归模型对应的标定参数，以及将所述成像数据作为所述标定数据存储到所述处理器模块中，其中，每个所述标定数据都对应一个所述标定参数。
进一步地，处理器1001可以调用存储器1004中存储的建筑结构的位移感测程序，还执行以下操作：
将所述重构图像数据进行插值处理，将插值处理后的所述重构图像数据进行放大处理，并确定放大处理后的所述重构图像数据的所有像素坐标；
根据所有所述像素坐标的整数坐标、小数坐标以及整数和小数的权重占比，计算放大处理后的所述重构图像数据的目标像素坐标。
进一步地，处理器1001可以调用存储器1004中存储的建筑结构的位移感测程序，还执行以下操作：
对所述重构图像数据进行多次下采样处理，得到多层图像金字塔；
基于所述图像金字塔的顶层图像，依次选定所述图像金字塔中相邻的两阶金字塔图像；
对所述两阶金字塔图像中的上层图像的矩阵进行上采样处理，并将上采样处理后的上层图像的矩阵减去所述两阶金字塔图像中的下层图像的矩阵，得到拉普拉斯图像金字塔；
基于预设滤波频率，在时域上对所述拉普拉斯图像金字塔的每张图像的每个像素点进行滤波处理，并依次选定滤波处理后的所述拉普拉斯图像金字塔的底层图像，对选定的所述底层图像进行放大及上采样处理。
进一步地，处理器1001可以调用存储器1004中存储的建筑结构的位移感测程序，还执行以下操作：
确定所述目标重构图像数据对应的特征区域，并获取所述重构图像数据在特征区域的第二帧以后的目标图像，所述特征区域为投影模块的成像区域；
对所述目标图像以及所述目标重构图像数据的第一帧图像，进行归一化处理，得到所述特征区域对应的模板图像，以及所述第一帧图像对应的振动图像；
计算所述振动图像的像素点在所述模板图像中滑动时对应的映射值，以及所述映射值对应的映射矩阵；
基于所述映射矩阵中像素点的最大值对应的位置，对所述目标重构图像数据的所有帧进行处理，得到所述待测结构的振动时程信号，其中，所述位移感测装置的处理器模块能够基于所述振动时程信号生成所述位移检测结果。
此外，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，计算机程序可以存储于一存储介质中，该存储介质为计算机可读存储介质。该程序指令被控制终端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，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有建筑结构的位移感测程序，所述建筑结构的位移感测程序被处理器执行时实现如上实施例所述的建筑结构的位移感测方法的各个步骤。
需要说明的是，由于本申请实施例提供的存储介质，为实施本申请实施例的方法所采用的存储介质，故而基于本申请实施例所介绍的方法，本领域所属人员能够了解该存储介质的具体结构及变形，故而在此不再赘述。凡是本申请实施例的方法所采用的存储介质都属于本申请所欲保护的范围。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框，以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一，第二，以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所做的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (5)
1.一种建筑结构的位移感测方法，其特征在于，应用于建筑结构的位移感测装置，所述位移感测装置包括固定模块，所述固定模块包括固定底座和固定支架，所述固定底座用于与被测结构监测点耦合形成结构整体；投影模块和摄像模块，所述摄像模块通过所述固定支架，以垂直视野的角度设置于投影模块前，用于采集设置于不动点处的激光发射模块，在所述投影模块上形成的激光图像；处理器模块，所述处理器模块用于获取所述摄像模块采集的图像数据，并根据所述图像数据生成位移检测结果，所述建筑结构的位移感测方法包括：
获取所述摄像模块采集的图像数据，以及所述处理器模块预存的标定数据；
确定所述图像数据的偏导阵列，并根据所述偏导阵列计算所述图像数据的梯度幅值矩阵以及梯度方向矩阵；
确定当前分辨率对应的，所述标定数据对应的预存梯度幅值矩阵；
对所述预存梯度幅值矩阵以及所述梯度幅值矩阵进行归一化处理；
确定归一化处理后的所述梯度幅值矩阵的每个像素位置，在归一化处理后的所述预存梯度幅值矩阵中对应的映射值，以及所述映射值对应的幅值映射矩阵；
对所述幅值映射矩阵的所有行列的映射关系进行求和平均处理，得到幅值映射数组，其中，所述幅值映射数组的每一个位置的映射关系特征数值，与不同模糊条件、不同分辨率的所述标定数据对应；
确定所述当前分辨率对应的，所述标定数据对应的预存梯度方向矩阵；
对所述预存梯度方向矩阵以及所述梯度方向矩阵进行归一化处理；
确定归一化处理后的所述梯度方向矩阵的每个像素位置，在归一化处理后的所述预存梯度方向矩阵中对应的映射值，以及所述映射值对应的方向映射矩阵；
对所述方向映射矩阵的所有行列的映射关系进行求和平均处理，得到方向映射数组，其中，所述方向映射数组的每一个位置的映射关系特征数值，与不同模糊条件、不同分辨率的所述标定数据对应；
基于所述幅值映射数组以及所述方向映射数组，在所述标定数据中选定映射关系数值最大的目标标定数据，并确定所述目标标定数据对应的标定参数；
基于所述标定参数对所述图像数据进行超分辨率重构处理，得到重构图像数据；
对所述重构图像数据进行结构振动放大处理，并确定结构振动放大处理后的目标重构图像数据对应的特征区域；
获取所述重构图像数据在所述特征区域的第二帧以后的目标图像，所述特征区域为投影模块的成像区域；
对所述目标图像以及所述目标重构图像数据的第一帧图像，进行归一化处理，得到所述特征区域对应的模板图像，以及所述第一帧图像对应的振动图像；
计算所述振动图像的像素点在所述模板图像中滑动时对应的映射值，以及所述映射值对应的映射矩阵；
基于所述映射矩阵中像素点的最大值对应的位置，对所述目标重构图像数据的所有帧进行处理，得到待测结构的振动时程信号，其中，所述位移感测装置的所述处理器模块能够基于所述振动时程信号生成所述位移检测结果。
2.如权利要求1所述的建筑结构的位移感测方法，其特征在于，所述获取所述摄像模块采集的图像数据，以及所述处理器模块预存的标定数据的步骤之前，还包括：
基于不同的分辨率采集投影模块上的成像数据，并对所述成像数据进行下采样处理及模糊处理，得到预存成像数据，所述预存成像数据包括不同分辨率和不同模糊条件的所述成像数据；
基于一阶有限差分计算并存储所述预存成像数据的梯度幅值矩阵和梯度方向矩阵；
选定所述成像数据中分辨率最高的目标成像数据，基于最小二乘拟合算法确定不同分辨率的所述成像数据在不同模糊条件下，与所述目标成像数据之间的线性回归模型；
在所述处理器模块中存储所述线性回归模型对应的标定参数，以及将所述成像数据作为所述标定数据存储到所述处理器模块中，其中，每个所述标定数据都对应一个所述标定参数。
3.如权利要求1所述的建筑结构的位移感测方法，其特征在于，所述基于所述标定参数对所述图像数据进行超分辨率重构处理，得到重构图像数据的步骤之后，还包括：
将所述重构图像数据进行插值处理，将插值处理后的所述重构图像数据进行放大处理，并确定放大处理后的所述重构图像数据的所有像素坐标；
根据所有所述像素坐标的整数坐标、小数坐标以及整数和小数的权重占比，计算放大处理后的所述重构图像数据的目标像素坐标。
4.一种建筑结构的位移感测装置，其特征在于，所述建筑结构的位移感测装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的建筑结构的位移感测程序，所述建筑结构的位移感测程序被所述处理器执行时实现如权利要求1至3中任一项所述的建筑结构的位移感测方法的步骤。
5.一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建筑结构的位移感测程序，所述建筑结构的位移感测程序被处理器执行时实现如权利要求1至3中任一项所述的建筑结构的位移感测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410022458.0A CN117516388B (zh) | 2024-01-08 | 2024-01-08 | 建筑结构的位移感测装置、位移感测方法及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410022458.0A CN117516388B (zh) | 2024-01-08 | 2024-01-08 | 建筑结构的位移感测装置、位移感测方法及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117516388A CN117516388A (zh) | 2024-02-06 |
| CN117516388B true CN117516388B (zh) | 2024-03-12 |
Family
ID=89742423
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410022458.0A Active CN117516388B (zh) | 2024-01-08 | 2024-01-08 | 建筑结构的位移感测装置、位移感测方法及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117516388B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114528887A (zh) * | 2022-04-24 | 2022-05-24 | 湖南大学 | 基于微小振动放大技术的桥梁监测方法、系统及装置 |
| CN115797335A (zh) * | 2023-01-31 | 2023-03-14 | 武汉地震工程研究院有限公司 | 用于桥梁振动测量的欧拉运动放大效果评估及优化方法 |
| KR20230085727A (ko) * | 2021-12-07 | 2023-06-14 | 전남대학교산학협력단 | 구조물의 변위 판단 장치 및 방법 |
-
2024
- 2024-01-08 CN CN202410022458.0A patent/CN117516388B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230085727A (ko) * | 2021-12-07 | 2023-06-14 | 전남대학교산학협력단 | 구조물의 변위 판단 장치 및 방법 |
| CN114528887A (zh) * | 2022-04-24 | 2022-05-24 | 湖南大学 | 基于微小振动放大技术的桥梁监测方法、系统及装置 |
| CN115797335A (zh) * | 2023-01-31 | 2023-03-14 | 武汉地震工程研究院有限公司 | 用于桥梁振动测量的欧拉运动放大效果评估及优化方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于运动放大的振动结构的模态识别;李丽霞等;计算机测量与控制;20180919;第26卷(第09期);第163-167页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117516388A (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Abdelhamed et al. | A high-quality denoising dataset for smartphone cameras | |
| US9965870B2 (en) | Camera calibration method using a calibration target | |
| EP3516625B1 (en) | A device and method for obtaining distance information from views | |
| CN107255443B (zh) | 一种复杂环境下双目视觉传感器现场标定方法及装置 | |
| CN110108348B (zh) | 基于运动放大光流跟踪的薄壁件微幅振动测量方法及系统 | |
| CN106483105B (zh) | 基于强度关联成像的透射式微视觉系统及图像获取方法 | |
| JP3983573B2 (ja) | ステレオ画像特性検査システム | |
| US20110267486A1 (en) | Range measurement using multiple coded apertures | |
| CN112525107B (zh) | 一种基于事件相机的结构光三维测量方法 | |
| JP5000895B2 (ja) | 赤外線熱弾性応力計測における位置補正法 | |
| CN114596525A (zh) | 一种基于计算机视觉的动态桥梁形态识别方法 | |
| JP6989276B2 (ja) | 位置計測装置 | |
| CN103297799B (zh) | 测试相机部件的光学特征 | |
| CN115345942A (zh) | 空间标定方法、装置、计算机设备和存储介质 | |
| CN117516388B (zh) | 建筑结构的位移感测装置、位移感测方法及存储介质 | |
| CN115546285B (zh) | 基于点扩散函数解算的大景深条纹投影三维测量方法 | |
| CN116952357A (zh) | 基于线-面相机结合的分光成像视觉振动测量系统及方法 | |
| CN111161234B (zh) | 一种离散余弦变换测量基排序方法 | |
| CN104729404B (zh) | 高速3d工业数字显微镜 | |
| JP2007036743A (ja) | 複数画像合成方法及び撮像装置 | |
| US11385164B2 (en) | Method for calibrating an analysis device, and associated device | |
| CN112785685A (zh) | 一种装配引导方法及系统 | |
| CN113012143A (zh) | 一种基于二维数字图像相关法的试件质量检测方法 | |
| CN111222544A (zh) | 一种卫星颤振对相机成像影响的地面模拟测试系统 | |
| CN115638731B (zh) | 一种基于超分辨率的振动台试验计算机视觉位移测量方法 |
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 |