CN117671007B - 一种位移监测方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请提供了一种位移监测方法、装置、电子设备及存储介质，涉及图像采集与测量领域。本方案通过获取包含重叠区域的多视角图像序列，运用图像处理算法定位目标点，建立图像间的几何关系模型，并基于此计算目标点的位移，实现了高效、准确的基于视觉的位移监测。相比于使用多台固定视野的摄像机监控有限的目标点，本方案充分发挥单个云台摄像机可调节机械视野的优势，通过改变摄像角度扩大了单个设备的监测范围，可覆盖更多的目标点，避免了因监测范围扩大而增加设备带来的资源浪费，扩大了单机的监测能力，增强了监测的经济实用性。

Description

一种位移监测方法、装置、电子设备及存储介质

技术领域

本申请涉及图像采集与测量领域，具体涉及一种位移监测方法、装置、电子设备及存储介质。

背景技术

高精度的位移测量能够起到监测预报的作用，有助于尽早发现质量安全隐患，以便及时采取补救措施，在制造业、土木工程等众多领域具有重要的应用价值。近年来，随着工业化水平的提升和计算机科学的发展，基于计算机视觉的位移测量技术凭借其非接触、高精度等优势，成为了位移测量领域的一大研究热点并得以实际应用。

目前，在进行视觉测量的时候，需要针对目标物体监测时，需要目标物体在摄像机的镜头范围内，因此，对于多个目标物体进行监测时，因为摄像机监测区域的局限性，对于在摄像机监测范围外的目标物体，需要另行安排摄像机进行拍照，造成了资源的浪费。

发明内容

本申请提供一种位移监测方法、装置、电子设备及存储介质，通过将目标监测区划分为多个子区域，获取目标监测区域内多个子区域的图像，进行对图像中目标点进行监测，确定子区域中目标点的位移，通过一个摄像头获取监测区域中目标点的位移，可以扩大监控范围，减少资源的浪费。

第一方面，本申请提供了一种位移监测方法，方法包括：

获取在目标监测区域内选择的基准点、以及所述目标监测区域的当前图像集和基准图像集，所述当前图像集包括云台摄像机当前拍摄的所述目标监测区域内多个子区域的当前图像，所述当前图像的拍摄区域两两部分重叠，所述基准图像集包括所述云台摄像机前一次拍摄的所述目标监测区域内多个子区域的基准图像，所述基准图像的拍摄区域两两部分重叠；

在所述当前图像集和所述基准图像集中确定目标点，得到各个所述目标点在所述当前图像和所述基准图像中的位置；

根据重叠的拍摄区域确定各个所述当前图像之间的位置关系、以及各个所述基准图像之间的位置关系；

以所述基准点为基准，根据各个所述目标点在所述当前图像和所述基准图像中的位置、各个所述当前图像之间的位置关系、以及各个所述基准图像之间的位置关系，确定各个所述目标点在所述当前图像集和所述基准图像集中的相对位移；

根据所述基准点在所述当前图像集和所述基准图像集中的位移、以及各个所述目标点的相对位移，得到各个所述目标点的实际位移。

通过采用上述技术方案，本方案通过获取包含重叠区域的多视角图像序列，运用图像处理算法定位目标点，建立图像间的几何关系模型，并基于此计算目标点的位移，实现了高效、准确的基于视觉的位移监测。相比于使用多台固定视野的摄像机监控有限的目标点，本方案充分发挥单个云台摄像机可调节机械视野的优势，通过改变摄像角度扩大了单个设备的监测范围，可覆盖更多的目标点，避免了因监测范围扩大而增加设备带来的资源浪费，扩大了单机的监测能力，增强了监测的经济实用性。同时，多角度的图像还提供了更全面的视觉信息，有利于提高后续图像处理分析的准确性。因此，本方案通过合理运用云台摄像机的可调视野功能，扩大监控范围，监测区域中目标点的位移，减少资源的浪费。

可选的，所述根据重叠的拍摄区域确定各个所述当前图像之间的位置关系、以及各个所述基准图像之间的位置关系，包括：

在各个所述当前图像的重叠区域中确定特征点并进行匹配，得到各个所述当前图像之间的位置关系；

在各个所述基准图像的重叠区域中确定特征点进行匹配，得到各个所述基准图像之间的位置关系。

通过采用上述技术方案，本方案通过获取当前图像集和基准图像集，均包含重叠的子区域图像。在当前图像集的各重叠图像区域内提取并匹配特征点，确定当前图像集内部图像的位置关系；同时在基准图像集的重叠区域进行特征匹配，确定基准图像集内各图像的位置关系。这样，由于同一场景不同视角拍摄的图像存在共同可见的区域，通过检测这些重叠区域的特征，可以找到图像间的对应点，建立两图像间的几何变换模型。采用这种基于图像重叠区域的特征匹配技术，可以避免单目图像匹配时由于视角不同导致匹配不准确的问题，提高了匹配结果的准确性。匹配所确定的当前图像集和基准图像集内部的图像位置关系，为后续根据目标点在不同图像上的坐标变换关系来计算目标点位移奠定了基础。

可选的，所述在各个所述当前图像的重叠区域中确定特征点并进行匹配，得到各个所述当前图像之间的位置关系：

分别在第一当前图像的重叠区域和第二当前图像的重叠区域中确定特征点，所述第一当前图像和所述第二当前图像为所述当前图像集中拍摄区域部分重叠的两个当前图像；

在所述第二当前图像中确定的各个所述特征点对应的搜索范围内，确定所述第一当前图像中确定的特征点匹配的特征点，对所述第二当前图像中确定的特征点进行更新；

根据所述第一当前图像中确定的特征点和所述第二当前图像中更新的特征点，得到所述第一当前图像和所述第二当前图像之间的位置关系。

通过采用上述技术方案，对于当前图像集中的两幅拍摄区域重叠的当前图像，分别在第一当前图像和第二当前图像的重合区域提取特征点；然后在第二当前图像中特征点的搜索范围内，找到在第一当前图像中已确定的特征点的匹配点，并更新第二当前图像中特征点的匹配情况；根据两图像中经匹配的特征点，计算两当前图像间的位置关系。这种匹配方式，通过限定在重叠区域内进行特征点匹配，充分利用了两个视角下对同一场景区域的重复采样特点，避免了全图匹配时由于视角不同带来的误匹配问题，有效提高了匹配结果的准确可靠性。

可选的，所述在各个所述基准图像的重叠区域中确定特征点进行匹配，得到各个所述基准图像之间的位置关系，包括：

分别在第一基准图像的重叠区域和第二基准图像的重叠区域中确定特征点，所述第一基准图像和所述第二基准图像为所述基准图像集中拍摄区域部分重叠的两个基准图像；

在所述第二基准图像中确定的各个所述特征点对应的搜索范围内，确定所述第一基准图像中确定的特征点匹配的特征点，对所述第二基准图像中确定的特征点进行更新；

根据所述第一基准图像中确定的特征点和所述第二基准图像中

通过采用上述技术方案，针对基准图像集中的两幅拍摄区域重叠的基准图像，首先分别在第一基准图像和第二基准图像的重合区域提取特征点；然后限定特征点的搜索范围，在第二基准图像中找到第一基准图像中特征点的匹配，并更新第二基准图像特征点的匹配情况；最后根据两基准图像中的匹配特征点，确定两基准图像间的精确位置关系。这种基于重叠区域的特征匹配技术，避免了全图匹配可能带来的误匹配，有效提高了跨视角情况下特征匹配的准确性。

可选的，所述以所述基准点为基准，根据各个所述目标点在所述当前图像和所述基准图像中的位置、各个所述当前图像之间的位置关系、以及各个所述基准图像之间的位置关系，确定各个所述目标点在所述当前图像集和所述基准图像集中的相对位移，包括：

根据所述基准点在所述当前图像中的位置、所述目标点在所述当前图像中的位置、以及所述基准点所在的当前图像与所述目标点所在的当前图像之间的位置关系，得到所述目标点与所述基准点在所述当前图像中的位置关系；

根据所述基准点在所述基准图像中的位置、所述目标点在所述基准图像中的位置、以及所述基准点所在的基准图像与所述目标点所在的基准图像之间的位置关系，得到所述目标点与所述基准点在所述基准图像中的位置关系；

根据所述目标点与所述基准点在所述当前图像中的位置关系、以及所述目标点与所述基准点在所述基准图像中的位置关系，得到所述目标点在所述当前图像集和所述基准图像集中的相对位移。

通过采用上述技术方案，针对当前图像集和基准图像集，首先根据基准点在当前图像中的坐标位置、目标点在当前图像中的坐标位置、以及基准图像与目标点所在当前图像间的几何关系，确定目标点相对于基准点在当前图像集中的位置关系；然后同理，根据基准点和目标点在基准图像上的坐标位置以及两基准图像间的几何关系，确定目标点相对于基准点在基准图像集中的位置关系；最后，通过对比目标点在当前图像集和基准图像集中的位置关系，可以得到目标点在当前图像集相对于基准图像集的相对位移情况。这样，通过充分利用图像间已确定的几何关系，进行图像间的位置变换对应，避免了单幅图像内部定位带来的误差，提高了计算的准确性和可靠性。

可选的，所述根据所述基准点在所述当前图像集和所述基准图像集中的位移、以及各个所述目标点的相对位移，得到各个所述目标点的实际位移，包括：

将各个所述目标点的相对位移减去所述基准点在所述当前图像集和所述基准图像集中的位移，得到各个所述目标点在所述当前图像集和所述基准图像集中的实际位移；

获取所述云台摄像机的拍摄比例，并根据所述拍摄比例、以及各个所述目标点在所述当前图像集和所述基准图像集中的实际位移，得到各个所述目标点在物理环境中的实际位移。

通过采用上述技术方案，在获得目标点的相对位移之后，将目标点的相对位移减去基准点在当前图像集合和基准图像集合之间的位移，以消除基准点自身运动的影响，得到目标点在图像集合中的实际位移。然后，获取云台摄像机的拍摄比例参数，根据该参数将图像像素位移转换为空间实际位移，结合各目标点在图像集合中的实际位移，最终得到目标点在实际物理环境中的实际位移结果。这种思路，合理地进行了从图像坐标向实际坐标的转换，引入了摄像机参数进行像素到实物的映射，避免了直接采用图像像素位移带来的误差，提高了最终位移结果的精度。

可选的，根据所述拍摄比例、以及各个所述目标点在所述当前图像集和所述基准图像集中的实际位移，得到各个所述目标点在物理环境中的实际位移之前，还包括：

获取所述目标监测区域的环境参数；

根据所述环境参数，对各个所述目标点在所述当前图像集和所述基准图像集中的实际位移进行修正。

通过采用上述技术方案，在获得目标点在当前图像集和基准图像集中的实际位移后，本方案中还包括获取目标监测区域的环境参数，然后根据这些环境参数对各目标点的位移进行修正，以消除环境变化对图像产生的影响。这样通过引入环境因素进行修正，可以提高最终得到的目标点实际物理位移的准确性，优化了测量结果。这种基于环境参数进行误差补偿的设计，考虑了室外等复杂环境下的影响因素，采取了合理的预先修正措施，提高了测量的精度和可靠性，更好地满足了精准监测的需求。

在本申请的第二方面提供了一种位移监测装置，包括：

图像获取模块1，用于获取在目标监测区域内选择的基准点、以及所述目标监测区域的当前图像集和基准图像集，所述当前图像集包括云台摄像机当前拍摄的所述目标监测区域内多个子区域的当前图像，所述当前图像的拍摄区域两两部分重叠，所述基准图像集包括所述云台摄像机前一次拍摄的所述目标监测区域内多个子区域的基准图像，所述基准图像的拍摄区域两两部分重叠；

目标点位置确定模块2，用于在所述当前图像集和所述基准图像集中确定目标点，得到各个所述目标点在所述当前图像和所述基准图像中的位置；

图像位置关系确定模块3，用于根据重叠的拍摄区域确定各个所述当前图像之间的位置关系、以及各个所述基准图像之间的位置关系；

相对位移确定模块4，用于以所述基准点为基准，根据各个所述目标点在所述当前图像和所述基准图像中的位置、各个所述当前图像之间的位置关系、以及各个所述基准图像之间的位置关系，确定各个所述目标点在所述当前图像集和所述基准图像集中的相对位移；

实际位移确定模块5，用于根据所述基准点在所述当前图像集和所述基准图像集中的位移、以及各个所述目标点的相对位移，得到各个所述目标点的实际位移。

在本申请的第三方面提供了一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。

在本申请的第四方面提供了一种电子设备，包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。

综上，本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

1、本申请本方案通过获取包含重叠区域的多视角图像序列，运用图像处理算法定位目标点，建立图像间的几何关系模型，并基于此计算目标点的位移，实现了高效、准确的基于视觉的位移监测。相比于使用多台固定视野的摄像机监控有限的目标点，本方案充分发挥单个云台摄像机可调节机械视野的优势，通过改变摄像角度扩大了单个设备的监测范围，可覆盖更多的目标点，避免了因监测范围扩大而增加设备带来的资源浪费，扩大了单机的监测能力，增强了监测的经济实用性。同时，多角度的图像还提供了更全面的视觉信息，有利于提高后续图像处理分析的准确性。因此，本方案通过合理运用云台摄像机的可调视野功能，扩大监控范围，监测区域中目标点的位移，减少资源的浪费。

2、本申请对于当前图像集中的两幅拍摄区域重叠的当前图像，分别在第一当前图像和第二当前图像的重合区域提取特征点；然后在第二当前图像中特征点的搜索范围内，找到在第一当前图像中已确定的特征点的匹配点，并更新第二当前图像中特征点的匹配情况；根据两图像中经匹配的特征点，计算两当前图像间的位置关系。这种匹配方式，通过限定在重叠区域内进行特征点匹配，充分利用了两个视角下对同一场景区域的重复采样特点，避免了全图匹配时由于视角不同带来的误匹配问题，有效提高了匹配结果的准确可靠性。

3、本申请针对当前图像集和基准图像集，首先根据基准点在当前图像中的坐标位置、目标点在当前图像中的坐标位置、以及基准图像与目标点所在当前图像间的几何关系，确定目标点相对于基准点在当前图像集中的位置关系；然后同理，根据基准点和目标点在基准图像上的坐标位置以及两基准图像间的几何关系，确定目标点相对于基准点在基准图像集中的位置关系；最后，通过对比目标点在当前图像集和基准图像集中的位置关系，可以得到目标点在当前图像集相对于基准图像集的相对位移情况。这样，通过充分利用图像间已确定的几何关系，进行图像间的位置变换对应，避免了单幅图像内部定位带来的误差，提高了计算的准确性和可靠性。

附图说明

图1为本申请实施例提供的一种位移监测方法的流程示意图；

图2为本申请实施例提供的一种位移监测装置的架构图；

图3为本申请提供的一种电子设备的结构示意图。

实施方式

为了使本领域的技术人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。

在本申请实施例的描述中，“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。

在本申请实施例的描述中，术语“多个”的含义是指两个或两个以上。例如，多个装置是指两个或两个以上的装置，多个屏幕终端是指两个或两个以上的屏幕终端。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

为了便于理解本申请实施例提供的方法及装置，在介绍本申请实施例之前，先对本申请实施例的背景进行介绍。

目前，通过视觉监测来监测目标物体是否发生位移，通常是固定摄像头进行定时拍摄监测，这样的话拍摄的范围就比较狭窄，对于存在多个监测目标，且监测目标相距较远在固定摄像头的拍摄范围外时，就需要设置另外一个摄像头对其进行监测，这样会增加更多的成本。

经过上述内容的背景介绍，本领域技术人员可以了解现有技术中存在的问题，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。

在上述背景技术的基础上，进一步的，请参阅图1，图1为本申请实施例提供的一种位移监测方法的流程示意图，该装置可依赖于计算机程序实现，也可作为独立的工具类应用运行，具体的，在本申请实施例中该方法可以应用在监测装置上，但也可以应用在服务器等电子设备上，一种位移监测方法，包括以下步骤：

S101，获取在目标监测区域内选择的基准点、以及所述目标监测区域的当前图像集和基准图像集，所述当前图像集包括云台摄像机当前拍摄的所述目标监测区域内多个子区域的当前图像，所述当前图像的拍摄区域两两部分重叠，所述基准图像集包括所述云台摄像机前一次拍摄的所述目标监测区域内多个子区域的基准图像，所述基准图像的拍摄区域两两部分重叠；

具体的，为了监测目标区域内多个点的位移，需要获取目标区域在不同时刻的图像。在具体的实施例中，会先确定目标监测区域，规划好巡航点，按照巡航点将整个目标监测区域进行划分后得到的较小的区域块，同时在划分子区域时，会确保云台摄像机拍照的相邻图片都有重叠区域，

在具体的实施例中，基准图像集：指在目标监测区域内，云台摄像机上一轮次拍摄获得的包含多个子区域的基准图像组成的集合。基准图像按一定时间间隔拍摄获得，用于与后续当前图像进行对比，监测位移变化。基准图像集中的图像也存在部分重叠区域。

当前图像集：指在目标监测区域内，云台摄像机当前这一轮次拍摄获得的包含多个子区域的当前图像组成的集合。当前图像与基准图像具有相同的场景范围，其拍摄时间晚于基准图像。当前图像集与基准图像集中的图像存在部分重叠区域。

S102，在所述当前图像集和所述基准图像集中确定目标点，得到各个所述目标点在所述当前图像和所述基准图像中的位置；

具体的，在本申请的实施例中采用数字图像相关技术DIC在当前图像集和基准图像集中确定和定位目标点，原因是DIC直接作用于图像匹配，可以实现无接触的目标点定位。

需要说明的是，DIC(数字图像相关)算法是一种亚像素级图像匹配和变形测量算法，其原理如下：

DIC算法通过计算不同图像之间的数字相关度，实现亚像素级匹配。具体来说，取一幅图像的一个子区域作为参考子区域，在另一幅图像上划定一个较大的搜索区域，逐点计算参考子区域与搜索区域内所有子区域的数字相关系数。其中相关系数最高的位置即为匹配位置。进行二维配准后可以达到亚像素级匹配精度。

具体实施中，先在基准图像中确定目标点初始位置，然后在当前图像中以目标点为中心取较大的搜索窗口，在窗口内通过计算区域内像素的归一化相关系数找到与基准图像子窗口最匹配的位置，作为目标点的新位置；重复上述搜索定位过程，得到目标点在各当前图像中的准确坐标。这种基于图像匹配的定位方式，实现了对目标点位置变化的精确追踪，为后续的位移计算奠定了基础。相比接触式传感器，该方案可避免对结构的影响，提供了一种灵活高效的目标点定位与位移监测技术手段。

S103，根据重叠的拍摄区域确定各个所述当前图像之间的位置关系、以及各个所述基准图像之间的位置关系；

具体的，确定当前图像集和基准图像集中图像之间的位置关系，因为这是计算目标点位移的前提。具体做法是，选取当前图像中的重叠区域，利用SIFT等算法提取并匹配特征点，计算变换矩阵确定当前图像间的位置关系；同理，对基准图像的重叠区域进行处理，得到基准图像间的位置关系。之所以利用重叠区域进行处理，是因为同一场景的不同视角图像存在共同可见区域，通过匹配重叠区域中的特征点可以避免全图匹配的误差，提高位置关系确定的准确性。得到当前图像集和基准图像集内部的图像位置关系后，为后续根据目标点在不同视角下的坐标变换来计算其位移奠定了基础。

在上述实施例的基础上，作为一种可选实施例，S103所述根据重叠的拍摄区域确定各个所述当前图像之间的位置关系、以及各个所述基准图像之间的位置关系，还包括以下步骤：

S201，在各个所述当前图像的重叠区域中确定特征点并进行匹配，得到各个所述当前图像之间的位置关系；

具体的，在当前图像集中每对重叠的当前图像中，利用SIFT算法提取重叠区域的特征点。提取重叠区域的特征点是因为重叠区域包含相同场景内容，特征点匹配更为准确可靠。然后，使用DIC算法和特征匹配算法，根据两图像中特征点的描述子进行匹配，找到特征点对。最后，根据匹配的特征点对计算两图像间的变换矩阵，确定当前图像间的位置关系。

这样通过处理重叠区域的特征点，避免了全图匹配可能带来的误差，提高了当前图像间位置关系确定的准确性。得到准确的当前图像间位置关系，可为后续目标点位移监测算法提供正确的图像几何关系信息。

需要说明的是，SIFT算法：即尺度不变特征变换(Scale-InvariantFeatureTransform)算法，是一种图像特征提取算法，可以检测并描述图像的局部特征，称为SIFT特征。SIFT特征具有尺度不变性、旋转不变性等特点，可用于描述图像的局部纹理信息。

特征匹配算法：指利用两幅图像中特征点的描述子进行匹配的算法。常用的特征匹配算法包括最邻近匹配、次邻近比值匹配等。特征匹配可建立两图像间特征点的对应关系，用于计算图像间的转换参数或几何变换关系。

在上述实施例的基础上，作为一种可选实施例，S201，所述在各个所述基准图像的重叠区域中确定特征点进行匹配，得到各个所述基准图像之间的位置关系，还包括以下步骤：

S401，分别在第一基准图像的重叠区域和第二基准图像的重叠区域中确定特征点，所述第一基准图像和所述第二基准图像为所述基准图像集中拍摄区域部分重叠的两个基准图像；

具体的，为了准确获得基准图像集中两幅拍摄区域部分重叠的基准图像第一基准图像和第二基准图像之间的位置关系，采取以下技术措施：

首先，分别在第一基准图像和第二基准图像的重叠拍摄区域内，使用SIFT算法提取具有代表性的特征点。之所以处理重叠区域，是因为重叠区域包含相同场景内容，有利于后续特征点的正确匹配。

这样，通过仅提取重叠区域的特征点，而非全图特征点，可以大大减少匹配计算量，提高匹配效率。同时，重叠区域特征点匹配也可以避免全图匹配可能带来的误差，提高基准图像间关系确定的准确性。

S402，在所述第二基准图像中确定的各个所述特征点对应的搜索范围内，确定所述第一基准图像中确定的特征点匹配的特征点，对所述第二基准图像中确定的特征点进行更新；

具体的，在第二基准图像中每一个特征点对应的搜索范围内，使用DIC算法，确定其在第一基准图像中的匹配特征点。之所以设置搜索范围是为了提高匹配效率和准确率。然后，使用确定的第一基准图像中特征点信息来更新第二基准图像中对应的特征点信息。

这样，通过从第一基准图像到第二基准图像单向匹配特征点，消除了第二基准图像特征点自身的误差，提高了两图像特征点匹配的准确性。

S403，根据所述第一基准图像中确定的特征点和所述第二基准图像中更新的特征点，得到所述第一基准图像和所述第二基准图像之间的位置关系。

具体的，为了准确获得两幅重叠基准图像，第一基准图像和第二基准图像之间的位置关系，采取以下技术手段：

首先，利用更新后的第二基准图像中的特征点，与第一基准图像中原有的特征点作为匹配特征点对输入。然后，基于这些匹配的特征点，计算出第一基准图像和第二基准图像之间的变形矩阵，然后通过最小二乘法求解这个变形矩阵，得到仿射变换矩阵。最后，根据此仿射变换矩阵，确定两基准图像之间的精确位置关系。

S202，在各个所述基准图像的重叠区域中确定特征点进行匹配，得到各个所述基准图像之间的位置关系。

具体的，在基准图像集中的每对重叠基准图像中，使用SIFT算法提取两图像的重叠区域内的特征点。之所以提取重叠区域特征点，是因为重叠区域存在相同场景内容，有利于后续的特征点匹配。然后，利用特征匹配算法，基于两图像中特征点的描述子进行匹配，确定特征点对。最后，根据匹配的特征点对计算两基准图像间的变换矩阵，确定基准图像间的位置关系。

在上述实施例的基础上，作为一种可选实施例，S202，所述在各个所述基准图像的重叠区域中确定特征点进行匹配，得到各个所述基准图像之间的位置关系，还包括以下步骤：

S501，分别在第一基准图像的重叠区域和第二基准图像的重叠区域中确定特征点，所述第一基准图像和所述第二基准图像为所述基准图像集中拍摄区域部分重叠的两个基准图像；

S502，在所述第二基准图像中确定的各个所述特征点对应的搜索范围内，确定所述第一基准图像中确定的特征点匹配的特征点，对所述第二基准图像中确定的特征点进行更新；

S503，根据所述第一基准图像中确定的特征点和所述第二基准图像中更新的特征点，得到所述第一基准图像和所述第二基准图像之间的位置关系。

具体的，步骤S501-S502的原理和处理步骤跟S401-S402相同，在此再赘述。

S104，以所述基准点为基准，根据各个所述目标点在所述当前图像和所述基准图像中的位置、各个所述当前图像之间的位置关系、以及各个所述基准图像之间的位置关系，确定各个所述目标点在所述当前图像集和所述基准图像集中的相对位移；

具体的，以基准点为基准，根据之前获取的目标点在当前图像和基准图像中的坐标位置，以及通过特征点匹配确定的当前图像间和基准图像间的位置关系，通过坐标转换将各目标点在当前图像中的位置映射到其在基准图像中对应的位置。这样，就得到了各目标点从基准图像集到当前图像集的坐标变换，即各目标点在当前图像集合和基准图像集合中的相对位移。

通过这样处理消除相机自身运动的影响，得到各目标点相对于设定的基准点的纯粹位移信息，为后续的物理位移转换计算奠定基础。

在上述实施例的基础上，作为一种可选实施例，S104，以所述基准点为基准，根据各个所述目标点在所述当前图像和所述基准图像中的位置、各个所述当前图像之间的位置关系、以及各个所述基准图像之间的位置关系，确定各个所述目标点在所述当前图像集和所述基准图像集中的相对位移，还包括以下步骤：

S301，根据所述基准点在所述当前图像中的位置、所述目标点在所述当前图像中的位置、以及所述基准点所在的当前图像与所述目标点所在的当前图像之间的位置关系，得到所述目标点与所述基准点在所述当前图像中的位置关系；

具体的，已知基准点和目标点在各自当前图像中的坐标位置。然后，根据两点所在的当前图像之间通过前述特征匹配所确定的位置关系，即两图像间的转换关系，将目标点所在当前图像中的坐标映射到基准点所在当前图像的坐标系统中。

这样，在同一当前图像坐标系统下，目标点与基准点的坐标位置均已确定，因此可以计算出两点在当前图像中的位置关系。

S302，根据所述基准点在所述基准图像中的位置、所述目标点在所述基准图像中的位置、以及所述基准点所在的基准图像与所述目标点所在的基准图像之间的位置关系，得到所述目标点与所述基准点在所述基准图像中的位置关系；

具体的，首先，在基准图像集中，通过特征匹配算法已经获得了基准点和目标点在各自基准图像中的坐标位置信息。然后，基于前述通过SIFT特征匹配所确定的基准图像之间的位置关系，即基准图像间的转换关系，将目标点在其所在基准图像中的坐标转换到基准点所在基准图像的坐标系统下。

这样，目标点和基准点的坐标都变换到同一基准图像的坐标系中，可以准确计算出两点在基准图像中的位置关系。

S303，根据所述目标点与所述基准点在所述当前图像中的位置关系、以及所述目标点与所述基准点在所述基准图像中的位置关系，得到所述目标点在所述当前图像集和所述基准图像集中的相对位移。

具体的，通过前述步骤已获得目标点与基准点在当前图像中的位置关系，以及两点在基准图像中的位置关系。然后，将当前图像中目标点相对于基准点的位置关系向量，与基准图像中两点的位置关系向量进行差运算。

这样，通过向量差运算，准确得到目标点从基准状态到当前状态的纯粹的相对位移信息。

S105，根据所述基准点在所述当前图像集和所述基准图像集中的位移、以及各个所述目标点的相对位移，得到各个所述目标点的实际位移。

具体的，基于前述步骤获得基准点在当前图像集和基准图像集中的位移向量Vb，以及各目标点Pi相对于基准点的相对位移向量Vi。然后，将每个目标点Pi的相对位移向量Vi与基准点的位移向量Vb进行向量减法运算，得到目标点Pi在当前图像集和基准图像集中的实际位移向量Vi'。

在上述实施例的基础上，作为一种可选实施例，所述根据所述基准点在所述当前图像集和所述基准图像集中的位移、以及各个所述目标点的相对位移，得到各个所述目标点的实际位移，还包括以下步骤：

S601，将各个所述目标点的相对位移减去所述基准点在所述当前图像集和所述基准图像集中的位移，得到各个所述目标点在所述当前图像集和所述基准图像集中的实际位移；

具体的，基于前述步骤获得基准点在当前图像集和基准图像集中的位移向量Vb，以及各目标点Pi相对于基准点的相对位移向量Vi。然后，将每个目标点Pi的相对位移向量Vi与基准点的位移向量Vb进行向量减法运算，得到目标点Pi在当前图像集和基准图像集中的实际位移向量Vi''。

S602，获取所述云台摄像机的拍摄比例，并根据所述拍摄比例、以及各个所述目标点在所述当前图像集和所述基准图像集中的实际位移，得到各个所述目标点在物理环境中的实际位移。

具体的，获取云台摄像机的标定比例Factor，该比例反映了图像像素和实际物理尺度之间的转换关系。然后，对每个目标点Pi，将其在当前图像集和基准图像集中的实际位移量Vi''与上述比例Factor相乘，即Vi'''=Vi''*Factor，得到目标点Pi在实际物理环境中的实际位移量Vi'''。

在上述实施例的基础上，作为一种可选实施例，根据所述拍摄比例、以及各个所述目标点在所述当前图像集和所述基准图像集中的实际位移，得到各个所述目标点在物理环境中的实际位移之前，还包括以下步骤：

S701，获取所述目标监测区域的环境参数；

具体的，在目标监测区域设置各种环境传感器，如温度传感器、湿度传感器、风速传感器等。然后，这些传感器实时采集目标区域的温度、湿度、风速等环境参数，并汇总处理后输出为环境参数集合Envs。

S702，根据所述环境参数，对各个所述目标点在所述当前图像集和所述基准图像集中的实际位移进行修正。

具体的，获取目标区域的环境参数集合Envs，包括温度、湿度、风速等数据。然后，对每个目标点Pi，调用四维修正补偿算法FDC，以环境参数Envs、该目标点当前位置Pi和目标点Pi在当前图像集和基准图像集中的实际位移向量Vi'为输入，进行四维修正运算，得到修正后的位移量Vi''。

其中，Vi''=FDC(Envs，P，Vi')；

FDC为四维修正补偿算法，P为目标点Pi当前所在位置，Vi''为其位移量。返回值为修正后的位移。

这样，通过考虑温度、湿度等环境因素的影响，可以消除环境变化对目标点位移监测的干扰，提高位移结果的准确性。

请参阅图2，图2为本申请实施例提供的一种位移监测装置的架构图，该位移监测装置可以包括：

图像获取模块1，用于获取在目标监测区域内选择的基准点、以及所述目标监测区域的当前图像集和基准图像集，所述当前图像集包括云台摄像机当前拍摄的所述目标监测区域内多个子区域的当前图像，所述当前图像的拍摄区域两两部分重叠，所述基准图像集包括所述云台摄像机前一次拍摄的所述目标监测区域内多个子区域的基准图像，所述基准图像的拍摄区域两两部分重叠；

目标点位置确定模块2，用于在所述当前图像集和所述基准图像集中确定目标点，得到各个所述目标点在所述当前图像和所述基准图像中的位置；

图像位置关系确定模块3，用于根据重叠的拍摄区域确定各个所述当前图像之间的位置关系、以及各个所述基准图像之间的位置关系；

相对位移确定模块4，用于以所述基准点为基准，根据各个所述目标点在所述当前图像和所述基准图像中的位置、各个所述当前图像之间的位置关系、以及各个所述基准图像之间的位置关系，确定各个所述目标点在所述当前图像集和所述基准图像集中的相对位移；

实际位移确定模块5，用于根据所述基准点在所述当前图像集和所述基准图像集中的位移、以及各个所述目标点的相对位移，得到各个所述目标点的实际位移。

在上述实施例的基础上，作为一种可选实施例，图像位置关系确定模块3，还包括：前图像位置关系确定单元和准图像位置关系确定单元；

前图像位置关系确定单元，用于在各个所述当前图像的重叠区域中确定特征点并进行匹配，得到各个所述当前图像之间的位置关系；

准图像位置关系确定单元，用于在各个所述基准图像的重叠区域中确定特征点进行匹配，得到各个所述基准图像之间的位置关系。

需要说明的是：上述实施例提供的装置在实现其功能时，仅以上述各功能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模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置和方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

请参照图3本申请还公开一种电子设备。图3是本申请实施例的公开的一种电子设备的结构示意图。该电子设备300可以包括：至少一个处理器301，至少一个网络接口304，用户接口303，存储器305，至少一个通信总线302。

其中，通信总线302用于实现这些组件之间的连接通信。

其中，用户接口303可以包括显示屏（Display）、摄像头（Camera），可选用户接口303还可以包括标准的有线接口、无线接口。

其中，网络接口304可选地可以包括标准的有线接口、无线接口（如WI~FI接口）。

其中，处理器301可以包括一个或者多个处理核心。处理器301利用各种接口和线路连接整个服务器内的各个部分，通过运行或执行存储在存储器305内的指令、程序、代码集或指令集，以及调用存储在存储器305内的数据，执行服务器的各种功能和处理数据。可选的，处理器301可以采用数字信号处理（Digital Signal Processing，DSP）、现场可编程门阵列（Field~Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable LogicArray，PLA）中的至少一种硬件形式来实现。处理器301可集成中央处理器（CentralProcessing Unit，CPU）、图像处理器（Graphics Processing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器301中，单独通过一块芯片进行实现。

其中，存储器305可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read~Only Memory）。可选的，该存储器305包括非瞬时性计算机可读介质（non~transitory computer~readable storage medium）。存储器305可用于存储指令、程序、代码、代码集或指令集。存储器305可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及的数据等。存储器305可选的还可以是至少一个位于远离前述处理器301的存储装置。参照图3，作为一种计算机存储介质的存储器305中可以包括操作装置、网络通信模块、用户接口模块以及一种位移监测的应用程序。

在图3所示的电子设备300中，用户接口303主要用于为用户提供输入的接口，获取用户输入的数据；而处理器301可以用于调用存储器305中存储位移监测的应用程序，当由一个或多个处理器301执行时，使得电子设备300执行如上述实施例中一个或多个的方法。需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必需的。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的部分，可以参见其他实施例的相关描述。

在本申请所提供的几种实施方式中，应该理解到，所披露的装置，可通过其他的方式实现。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装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其他的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

本申请实施例还提供了一种计算机存储介质，计算机存储介质可以存储有多条指令，指令适于由处理器加载并执行如上述图1所示实施例的位移监测方法，具体执行过程可以参见图1所示实施例的具体说明，在此不进行赘述。

另外，在本申请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。

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，可以存储在一个计算机可读取存储器中。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作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器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括：U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后，将容易想到本公开的其他实施方案。

本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。

Claims (10)

1.一种位移监测方法，其特征在于，所述方法，包括：

获取在目标监测区域内选择的基准点、以及所述目标监测区域的当前图像集和基准图像集，所述当前图像集包括云台摄像机当前拍摄的所述目标监测区域内多个子区域的当前图像，所述当前图像的拍摄区域两两部分重叠，所述基准图像集包括所述云台摄像机前一次拍摄的所述目标监测区域内多个子区域的基准图像，所述基准图像的拍摄区域两两部分重叠；

在所述当前图像集和所述基准图像集中确定目标点，得到各个所述目标点在所述当前图像和所述基准图像中的位置；

根据重叠的拍摄区域确定各个所述当前图像之间的位置关系、以及各个所述基准图像之间的位置关系；

以所述基准点为基准，根据各个所述目标点在所述当前图像和所述基准图像中的位置、各个所述当前图像之间的位置关系、以及各个所述基准图像之间的位置关系，确定各个所述目标点在所述当前图像集和所述基准图像集中的相对位移；

根据所述基准点在所述当前图像集和所述基准图像集中的位移、以及各个所述目标点的相对位移，得到各个所述目标点的实际位移。

2.根据权利要求1所述的位移监测方法，其特征在于，所述根据重叠的拍摄区域确定各个所述当前图像之间的位置关系、以及各个所述基准图像之间的位置关系，包括：

在各个所述当前图像的重叠区域中确定特征点并进行匹配，得到各个所述当前图像之间的位置关系；

在各个所述基准图像的重叠区域中确定特征点进行匹配，得到各个所述基准图像之间的位置关系。

3.根据权利要求2所述的位移监测方法，其特征在于，所述在各个所述当前图像的重叠区域中确定特征点并进行匹配，得到各个所述当前图像之间的位置关系：

分别在第一当前图像的重叠区域和第二当前图像的重叠区域中确定特征点，所述第一当前图像和所述第二当前图像为所述当前图像集中拍摄区域部分重叠的两个当前图像；

在所述第二当前图像中确定的各个所述特征点对应的搜索范围内，确定所述第一当前图像中确定的特征点匹配的特征点，对所述第二当前图像中确定的特征点进行更新；

根据所述第一当前图像中确定的特征点和所述第二当前图像中更新的特征点，得到所述第一当前图像和所述第二当前图像之间的位置关系。

4.根据权利要求3所述的位移监测方法，其特征在于，所述在各个所述基准图像的重叠区域中确定特征点进行匹配，得到各个所述基准图像之间的位置关系，包括：

分别在第一基准图像的重叠区域和第二基准图像的重叠区域中确定特征点，所述第一基准图像和所述第二基准图像为所述基准图像集中拍摄区域部分重叠的两个基准图像；

在所述第二基准图像中确定的各个所述特征点对应的搜索范围内，确定所述第一基准图像中确定的特征点匹配的特征点，对所述第二基准图像中确定的特征点进行更新；

根据所述第一基准图像中确定的特征点和所述第二基准图像中更新的特征点，得到所述第一基准图像和所述第二基准图像之间的位置关系。

5.根据权利要求4所述的位移监测方法，其特征在于，所述以所述基准点为基准，根据各个所述目标点在所述当前图像和所述基准图像中的位置、各个所述当前图像之间的位置关系、以及各个所述基准图像之间的位置关系，确定各个所述目标点在所述当前图像集和所述基准图像集中的相对位移，包括：

根据所述基准点在所述当前图像中的位置、所述目标点在所述当前图像中的位置、以及所述基准点所在的当前图像与所述目标点所在的当前图像之间的位置关系，得到所述目标点与所述基准点在所述当前图像中的位置关系；

根据所述基准点在所述基准图像中的位置、所述目标点在所述基准图像中的位置、以及所述基准点所在的基准图像与所述目标点所在的基准图像之间的位置关系，得到所述目标点与所述基准点在所述基准图像中的位置关系；

根据所述目标点与所述基准点在所述当前图像中的位置关系、以及所述目标点与所述基准点在所述基准图像中的位置关系，得到所述目标点在所述当前图像集和所述基准图像集中的相对位移。

6.根据权利要求1-5任一项所述的位移监测方法，其特征在于，所述根据所述基准点在所述当前图像集和所述基准图像集中的位移、以及各个所述目标点的相对位移，得到各个所述目标点的实际位移，包括：

将各个所述目标点的相对位移减去所述基准点在所述当前图像集和所述基准图像集中的位移，得到各个所述目标点在所述当前图像集和所述基准图像集中的实际位移；

获取所述云台摄像机的拍摄比例，并根据所述拍摄比例、以及各个所述目标点在所述当前图像集和所述基准图像集中的实际位移，得到各个所述目标点在物理环境中的实际位移。

7.根据权利要求6所述的位移监测方法，其特征在于，根据所述拍摄比例、以及各个所述目标点在所述当前图像集和所述基准图像集中的实际位移，得到各个所述目标点在物理环境中的实际位移之前，还包括：

获取所述目标监测区域的环境参数；

根据所述环境参数，对各个所述目标点在所述当前图像集和所述基准图像集中的实际位移进行修正。

8.一种位移监测装置，其特征在于，包括：

图像获取模块(1)，用于获取在目标监测区域内选择的基准点、以及所述目标监测区域的当前图像集和基准图像集，所述当前图像集包括云台摄像机当前拍摄的所述目标监测区域内多个子区域的当前图像，所述当前图像的拍摄区域两两部分重叠，所述基准图像集包括所述云台摄像机前一次拍摄的所述目标监测区域内多个子区域的基准图像，所述基准图像的拍摄区域两两部分重叠；

目标点位置确定模块(2)，用于在所述当前图像集和所述基准图像集中确定目标点，得到各个所述目标点在所述当前图像和所述基准图像中的位置；

图像位置关系确定模块(3)，用于根据重叠的拍摄区域确定各个所述当前图像之间的位置关系、以及各个所述基准图像之间的位置关系；

相对位移确定模块(4)，用于以所述基准点为基准，根据各个所述目标点在所述当前图像和所述基准图像中的位置、各个所述当前图像之间的位置关系、以及各个所述基准图像之间的位置关系，确定各个所述目标点在所述当前图像集和所述基准图像集中的相对位移；

实际位移确定模块(5)，用于根据所述基准点在所述当前图像集和所述基准图像集中的位移、以及各个所述目标点的相对位移，得到各个所述目标点的实际位移。

9.一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存储有多条指令，所述指令适用于由处理器加载并执行如权利要求1~7任意一项所述的方法。

10.一种电子设备，其特征在于，包括处理器、存储器和收发器，所述存储器用于存储指令，所述收发器用于和其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如权利要求1~7任意一项所述的方法。