CN117704970A - 一种建筑体视觉位移监控系统及其监测方法 - Google Patents
一种建筑体视觉位移监控系统及其监测方法 Download PDFInfo
- Publication number
- CN117704970A CN117704970A CN202311582137.8A CN202311582137A CN117704970A CN 117704970 A CN117704970 A CN 117704970A CN 202311582137 A CN202311582137 A CN 202311582137A CN 117704970 A CN117704970 A CN 117704970A
- Authority
- CN
- China
- Prior art keywords
- target plate
- displacement
- image
- building
- laser source
- 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 83
- 238000012544 monitoring process Methods 0.000 title claims abstract description 54
- 230000000007 visual effect Effects 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000001914 filtration Methods 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 2
- 238000009432 framing Methods 0.000 claims description 2
- 238000007499 fusion processing Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 19
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- -1 polytetrafluoroethylene Polymers 0.000 description 1
- 229920001343 polytetrafluoroethylene Polymers 0.000 description 1
- 239000004810 polytetrafluoroethylene Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000003313 weakening 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种建筑体视觉位移监控系统及其监测方法。包括被测物上的激光源、标靶板、用于采集标靶板上信息的视觉嵌入式模块、采集发射仪、云端平台，标靶板布置于激光源远处且和激光源同一水平面上，置于标靶板附近用于拍摄标靶板；被测物上的激光源发出激光照射到标靶板上并聚焦于标靶板的基准点形成光斑，采集标靶板上的光斑图像视频流，分帧、超分辨率重建处理后分析处理，提取获得每帧图像中被测物的位移。本发明通过设置多个标靶板实现对多个建筑目标的位移精准监控检测，能够实现数据自动化备份传输及运算，提高检测效率，保证较高精度的同时实现了自动化检测的目的。
Description
技术领域
本发明涉及视觉位移测量技术领域，具体涉及了一种一种建筑体视觉位移监控系统及其监测方法
背景技术
在建筑建设及后期维护的过程中，其结构常常会因为各种环境因素的改变而产生位移偏差，严重影响建筑结构的安全性和稳定性。因此，对建筑结构位移偏差的监控非常关键，是保证各部分建筑结构安全可靠的根本所在；积极开展检测，有效地避免建筑结构因环境因素的改变而导致的结构位移偏差过大，具有重要意义。
然而随着现有的各种建筑、轨道交通的不断发展，还未完全实现对这些建筑结构位移的自动化监测，因此对高楼建筑进行后期维护及位移偏差检测工作时仍需要辅以传统方式结合人工观测，无法全方位实现对建筑物的快速检测，且位移检测精度也不高。
发明内容
为了解决上述技术问题，针对以上问题点，本发明公开了一种建筑体视觉位移监控系统及其监测方法，解决了现有技术中自动化程度不高，人工观测主观性较强，无法多点检测及检测精度不理想等问题。
为了达到上述目的，本发明采用的技术方案是：
一、一种建筑体视觉位移监控系统：
包括被测物上的激光源；
包括用于对被测物进行定位的标靶板，标靶板布置于激光源远处且和激光源同一水平面上；
包括用于采集标靶板上信息的视觉嵌入式模块，置于标靶板附近用于拍摄标靶板；
包括用于连接视觉嵌入式模块的采集发射仪；
包括用于连接采集发射仪进行远程在线监测位移数据的云端平台。
所述标靶板、视觉嵌入式模块、采集发射仪为一体式设备，所述设备固定于激光源光路方向上。
所述激光源水平布置，使得发出水平光束的激光；且所述的激光源和标靶板之间的距离大于等于150m，光斑直径＜4mm。
所述标靶板上述设置有至少一个基准点。
所述的激光源发出激光照射到标靶板上，并聚焦于标靶板的基准点形成光斑，通过采集发射仪控制视觉嵌入式模块采集标靶板上的光斑，进而发送到云端平台进行分析处理。
本发明系统可以用于建筑体或者类似于建筑体的位移数据的检测，具体用于建筑体或者类似于建筑体位移数据的高精度非接触式测检测。建筑体例如实体建筑、基坑、塔吊等。
二、一种建筑体视觉位移监控系统的建筑体视觉位移监测方法：
1)标靶板表面设置测量基准点，被测物上的激光源发出激光照射到标靶板上并聚焦于标靶板的基准点形成光斑，使得激光源准确打至基准点；
2)通过视觉嵌入式模块采集激光源打至标靶板上的光斑图像视频流；
3)对光斑图像视频流进行图像分帧获得各帧光斑光斑图像，利用超分辨率重建模型对光斑图像进行超分辨率重建处理；
4)针对超分辨率重建后的每帧光斑图像进行分析处理，提取获得每帧图像中被测物的位移。
所述步骤4)具体为：
4.1)对超分辨率重建后的每帧光斑图像进行畸变矫正和预处理；
4.2)对畸变矫正和预处理后的同一时间段获取的连续多张光斑图像进行区域选择融合，具体融合为一张光斑融合图像；
4.3)对区域选择融合后得到的光斑融合图像依次进行行卷积和列卷积，以提升光斑图像的对比度和边缘细节，得到预处理后图像；
4.4)对预处理后图像依次进行像素级边缘特征提取和亚像素级边缘特征提取；
4.5)根据提取的亚像素级边缘特征以及像素当量等计算位移数据，获得偏差光斑位移；
4.6)对偏差光斑位移进行卡尔曼滤波处理获得最终的被测物的位移，这样能够减少对带有外部扰动情况下激光光斑位移数据发生的偏差，在处理位移数据时，使用卡尔曼滤波平滑数据并提供更准确的位移估计。
在一个实施例中，所述超分辨率重建模型为FSRCNN模型。
在一个实施例中，所述像素级边缘特征提取的算法为Canny边缘检测算法；亚像素边缘特征提取的算法为基于Zernike矩的亚像素级边缘提取算法。
所述步骤4.5)具体是将所述亚像素级边缘特征进行拟合计算得到圆心像素坐标，再计算移动后的圆心像素坐标与基准点之间的图像距离，并利用预先实验标定获得的像素当量转换为被测物的实际位移距离。
所述步骤4.2)具体是为：
4.2.1)对光斑图像进行连续时间内间断采集，将采集到的连续多张光斑图像均按照以下步骤4.2.2)～4.2.4)处理；
4.2.2)对光斑图像使用阈值分割方法识别每张图像中的激光光斑有效区域，并对激光光斑有效区域进行区域标记；
4.2.3)对标记好获取的光斑区域进行双三次插值处理；
4.2.4)根据光斑的亮度、大小、形状设置合适阈值，进而对双三次插值处理后的图像区域进行判断是否为符合光斑特性，若符合，则保留，否则剔除；
4.2.5)将上述步骤保留处理好的多张连续光斑图像进行区域融合处理，将融合后的图像进行保留。
在一个实施例中，所述4.2.4)中的方法可以为OTSU最大类间方差阈值分割法和图像灰度化。
本发明具有如下有益效果：
本发明提供的一种建筑体视觉位移监控系统及其监测方法，建筑发生位移时引起标靶板中的光斑偏移基准点，通过机器视觉技术采集光斑在标靶板上的图像，增强图像分辨率后，结合图像处理算法能够精确计算建筑位移距离，并通过设置多个标靶板实现对多个建筑目标的位移精准监控检测，通过与云端平台的数据交换，能够实现数据自动化备份传输及运算，提高检测效率，保证较高精度的同时实现了自动化检测的目的。
附图说明
图1为本发明提供的一种建筑体视觉位移监控系统框图。
图2为本发明提供的一种建筑体视觉位移监控系统结构示意图。
图3为本发明提供的标靶板结构示意图。
图4为本发明提供的视觉嵌入式模块中算法模块的流程图。
图5为本发明提供的光斑图像处理方法流程图。
图中：激光源1、标靶板2、视觉嵌入式模块3、采集发射仪4、电脑软件5、云端平台6、被测物7、标靶板基准点8。
具体实施方式
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。
如图1和所示，系统包括激光源1、标靶板2、视觉嵌入式模块3、采集发射仪4、电脑软件5、云端平台6。
包括被测物7上的激光源1，激光源1固定在被测物7上；
包括用于对被测物7进行定位的标靶板2，标靶板2固定布置于激光源1远处且和激光源1同一水平面上；
包括用于采集标靶板2上信息的视觉嵌入式模块3，置于标靶板2附近用于拍摄标靶板2；视觉嵌入式模块3包括相机和通讯处理/连接件。
包括用于连接视觉嵌入式模块3的采集发射仪4；
包括用于连接采集发射仪4进行远程在线监测位移数据的云端平台6。
具体实施还包括电脑软件5，电脑软件5和视觉嵌入式模块3通讯电连接。并且，采集发射仪4与云端平台6通过4G网络无线连接。
具体实施中，标靶板2、视觉嵌入式模块3、采集发射仪4为一体式设备，设备固定于激光源1光路方向上。
具体实施中要求激光源1水平布置，使得发出水平光束的激光。
标靶板2上述设置有至少一个基准点8。基准点8通常是圆圈绘制。
激光源1发出水平的激光照射到标靶板2上，并聚焦于标靶板2的基准点8形成光斑，通过采集发射仪4控制视觉嵌入式模块3采集标靶板2上的光斑，进而发送到云端平台6进行分析处理。激光源1随被测物7移动时，标靶板2上激光光斑位置发生响应变化且分布在基准点8周围。
激光源1和标靶板2之间的距离大于等于150m，光斑直径＜4mm。
标靶板2可以为多个，用于检测多个被测物7的位移数据。
在一个实施例中，标靶板2材料为聚四氟乙烯，具有稳定的漫反射性能。
在一个实施例中，激光源1，激光颜色选取蓝光，波段为532nm，能发射稳定激光束，用于在标靶板2上形成稳定光斑。
在一个实施例中，云端平台6为服务器。
被测物7通常可以为建筑楼体、基坑、塔吊等。
其中激光源1要求位置固定在被测物7上并调平，调整激光源1位置，使得激光源1聚焦于标靶板2的基准点8上于图3中的基准点8所示。要求有效距离达150m，光斑直径＜4mm，激光颜色可选取蓝光，波段为532nm，激光源1颜色不限，只需能发射稳定激光束，能在标靶板2上形成稳定光斑即可。
其中标靶板2固定位置可变动，标靶尺寸及材质可有多种，只需能清晰地呈现激光光斑信息即可。如图3所示，标靶板表面设置有测量基准点8，此处点坐标记为0,0，当激光源1随被测物7移动时，标靶板2上激光光斑位置发生响应变化且分布在基准点8周围。
标靶板2的数量可同时布置多个，具体布置数量可根据现场而定，靶标位置不一定在同一水平，有近有远，分散布置，这样可达到同时测量多个建筑楼体7位移的目的。此外，多个激光源1可同时聚焦于同一个标靶板2上，可实现监测同一标靶板即可实现监测多个建筑楼体7的位移。
视觉嵌入式模块3，用于测量激光光斑在标靶板2上位置及二维位移量。此视觉嵌入式模块3主要包括相机、镜头硬件设备及视觉算法、嵌入式软件算法。布置视觉嵌入式模块3时，可使一套装置同时检测多个标靶板。
本系统实现达到0.01mm的高精度检测，本发明系统根据不同标靶大小选择相机视野大小，从而根据所需精度计算并挑选适合的相机分辨率大小。若视野大小为4cm*4cm，考虑到相机理论精度低于实际精度，则以理论精度应为实际精度要求的3倍要求进行计算，则由以下公式计算出相机分辨率至少为12000*12000。为能在较低分辨率硬件条件下实现高质量检测，本系统视觉嵌入式模块中加入亚像素边缘提取算法及超分辨率重建算法。
视觉嵌入式模块3计算的最终数据需通过采集发射仪4在4G无线模式上传至云端平台6。需要注意地是，在视觉嵌入式模块3启动之前，校准激光源1照射的光斑初始位置，使激光源1的光斑位于基准点8上。
采集发射仪4，用于接收激光源1发射出的稳定激光束并结合视觉嵌入式模块3对激光源1在标靶板2上的位置及位移变换数据通过无线的方式传送到云端平台6进行实时监控。采集发射仪4具有稳定性强、低功耗、信号稳定输出的优点，可以将检测到的二维位移数据量通过无线的方式发送到指定云平台，从而实现对被测物7的位移变化的云检测。
标靶板2、视觉嵌入式模块3、采集发射仪4为一体式系统，其供电方式为锂电池供电，也可配合小型太阳能板进行供电。此一体式系统均考虑了外界干扰因素，如气压、温度、湿度、环境振动等，均需对这些外界干扰因素进行补偿。此系统考虑设施风扇，当温度过高时进行散热处理。此外，此系统也考虑了环境光对系统监测精度的影响，通过光线波段过滤手段尽量减小外界光线的干扰；也考虑了夜晚光强太弱对系统监测精度的影响，通过红外补光方式或视觉算法补偿进行调整。
云端平台6，用于接收激光源1打在标靶板2上的位移，通过系统设定可以将二维位移数据转换成真实被测物7位移变化。此外，该云端平台6还可以接收异常照片和视频、湿度、气压、加速度数据、电池电量，充电状态等常规性数据，能实现对被测物7位移的自动化检测，并能及时进行维护。正常模式下，视觉嵌入式模块3仅传输坐标数据至云端平台6，以减小流量与功耗，异常时可以在云端平台6上远程查看现场图片或视频，或者设置自动上传异常图片或视频，此现场状况的查看可以杜绝误报警。
本发明实施例提供本系统的在线监测方法，如图5所示，包括：
S1，在启动系统前，将放置在远距离建筑物的激光源和放置在距离建筑物有效监测距离的视觉嵌入式模块、采集发射仪、云服务平台进行测试，确保多点位、远距离的实时位移监测；
S2，启动系统，使视觉嵌入式模块中镜头对准标靶板，使其对焦清晰；
且校准远距离激光源将光斑打至标靶板的初始位置，在位移监测之前，使激光源光斑位于相应的基准点上；
S3，像素标定，在系统安装好之后开始监测之前需进行像素标定，以便将激光光斑移动的像素距离转换为被测物7的实际距离。标定方法为将棋盘格标定板紧贴于标靶板2进行拍摄，计算棋盘格各角点位置从而得到棋盘格方格像素边长，最后计算得到像素当量。
S4，开始监测
S41，针对同时检测建筑物的多个监测点位位移变化的激光监测情况，将多个激光源装配在多个建筑物上固定测试位置上，确保激光源能够稳定打至距离建筑物有效范围0-150米外的标靶板；
S42，多个激光源打至标靶板的各个区域，同时分别对多个激光源进行各自对应的基准点匹配，确保视觉嵌入式模块的相机能够清晰的采集到各个基准点区域所对应的激光光斑在标靶板上的位移变化，获取各帧光斑图像；
S43，针对远距离、多点位激光光斑图像点，视觉嵌入式模块对各点位图像利用视觉嵌入式模块中视觉算法分别计算各光斑图像的二维位移数据，进行后续操作。
该步骤确保了该监测方法针对建筑物远距离、多点位的在线实时在线监测，相比于其他的监测方案针对多点位需要设置多个监测装置的问题，提出一种了多点位、远距离的单个装置的监测方案，提升了具体应用的经济性和实用性。
S5，利用视觉嵌入式模块中视觉算法计算二维位移数据，具体视觉算法流程图如图4所示；
S51，视频流帧提取，保存移动后的光斑图像；
S52，光斑图像超分辨率重建，将采集好的光斑图像输入到超分辨率深度学习模型中得到更高分辨率的光斑图像，更高的分辨率能够有效提高检测的精度。
具体实施中，超分辨率重建模型为FSRCNN，用低分辨率和高分辨率光斑图像组成样本，对FSRCNN进行训练得到最终的超分辨率重建模型。
S521，先使用500万像素相机的位移视觉检测系统进行拍摄，将得到的光斑图像使用双线性插值法下采样成200万像万像素作为训练集数据，500万像素光斑原始图像作为标签。将这些光斑图像用于数据集的制作。
S522，将制作好的光斑图像数据集用于模型训练，由于光斑图像的图像背景纹理比较单一，网络学习速度比较快，因此在对光斑图像进行超分辨率重建时，批处理大小设置为2，训练迭代周期个数为10，设置学习率为0.0001。
S523，对光斑图像超分辨率重建后进行实验测试与分析，先经过基于FSRCNN网络进行超分辨率重建，然后通过于未超分前的光斑图像位移计算进行对比，对超分算法模型进行实验测试于分析。
S524，将光斑图像输入训练好的超分辨率重建算法模型进行重建。
S53，根据移动后的光斑图像进行畸变校正，校正方法使用张正友标定法。
S54，基于校正后的光斑图像进行初次预处理；
步骤S541，对校正后的光斑图像进行灰度化获得光斑灰度图像，使得三通道图像变为单通道，使数据处理起来更加简单，具体采用加权平均法，灰度化函数表达式如下：
Y＝0.299R+0.587G+0.114B
上式中，R、G、B分别表示红、绿、蓝三原色，前面的系数表示各色度分量，Y表示亮度分量，最终彩色图像各像素点三通道像素值合并为单通道灰度值。
步骤S542，对光斑灰度图像使用双边滤波法进行去噪，在进行端面图像的像素采样时，不仅计算像素间的空间距离，同时计算像素间的相似程度，做到保边滤波的效果。
S55，对初次预处理后的光斑图像进行区域选择图像融合和进行双三次插值处理，以便后续更好的进行边缘提取。
S551，对光斑图像进行连续时间内间断采集；
S552，对激光光斑采取图像处理方法处理，对采集的每张光斑图像使阈值分割的方法来识别每张图像中的激光光斑有效区域。
S553，对激光光斑有效区域行区域标记，以方便后续进行区域选择最佳光斑进行融合。
S554，对标记好的激光光斑有效区域进行双三次插值处理，增加光斑区域图像的像素数，使光斑图像边缘和形状可能会更加清晰，有助于更好地进行后续处理，提升检测位移精度。
S555，使用阈值分割的方法对标记好的光斑图像进行阈值处理，基于光斑的亮度、大小、形状选取合适阈值对光斑图像进行保留。
S556，将上述步骤处理好的光斑图像进行以15张为一组光斑图像进行区域融合，将来自多张图像的光斑特定区域通过选择结合起来形成一个单一的激光光斑图像，进行保留，进行后续操作。
S56，对融合和双三次插值后的光斑图像进行高斯滤波对光斑图像进行图像增强，提升光斑图像融合后的对比度，同时对融合后图像进行高斯模糊，减弱融合后边缘的影响。
S561，使用一维高斯滤波分别对光斑图像列卷积和行进行卷积。
本发明是把常见的二维高斯增强替换为分别使用一维高斯滤波分别进行行卷积和列卷积，相当于把图像增强分离成了两次较弱的图像增强，明显减少了常见图像增强方法所造成的光斑区域和周边干扰区域都被提亮的问题。
S562，使用高斯模糊对上一步骤进行行列卷积处理后的光斑图像边缘进行平滑，减少融合后边缘噪点干扰。
S57，对使用高斯模糊处理后的光斑图像进行边缘提取
步骤S571，像素级边缘提取。对光斑图像先进行像素级边缘提取，本发明采用Canny边缘检测算法，使得检测到的光斑边缘与真实光斑位置的边缘尽可能接近，获得像素级光斑图像。
步骤S572，亚像素级边缘提取。对初步提取出像素级边缘的像素级光斑图像的边缘进一步获取亚像素级边缘，本发明基于Zernike矩的亚像素级边缘提取算法，对光斑图像进行亚像素级边缘定位。
S58，基于亚像素边缘提取对被测物7进行位移计算。
本发明基于最小二乘拟合法将亚像素边缘点进行拟合，计算得到圆心像素坐标，计算移动后的圆心像素坐标与测量基准点之间的距离，并利用S3中计算的像素当量将其转换为被测物7的实际位移距离。
S59，处理位移数据，对偏差光斑位移进行卡尔曼滤波处理，减少对带有外部扰动情况下激光光斑位移数据发生的偏差，在处理位移数据时，使用卡尔曼滤波平滑数据并提供更准确的位移估计；
S60，输出位移数据，将处理后的数据保存至本地。
S6，采集发射仪对二维位移数据量进行采样，并通过无线的方式将唯一数据发送到指定云平台。
由此综上所述，本发明方案中能实现远距离多点监测、实时检测的目标，各模块安装及调节方便，成本低，能实现高精度非接触式测量，本发明监控系统能实现远距离多点监测、实时检测的目标。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种建筑体视觉位移监控系统，其特征在于：
包括被测物(7)上的激光源(1)；
包括用于对被测物(7)进行定位的标靶板(2)，标靶板(2)布置于激光源(1)远处且和激光源(1)同一水平面上；
包括用于采集标靶板(2)上信息的视觉嵌入式模块(3)，置于标靶板(2)附近用于拍摄标靶板(2)；
包括用于连接视觉嵌入式模块(3)的采集发射仪(4)；
包括用于连接采集发射仪(4)进行远程在线监测位移数据的云端平台(6)。
2.根据权利要求1所述的一种建筑体视觉位移监控系统，其特征在于：
所述标靶板(2)、视觉嵌入式模块(3)、采集发射仪(4)为一体式设备，所述设备固定于激光源(1)光路方向上。
3.根据权利要求1所述的一种建筑体视觉位移监控系统，其特征在于：
所述激光源(1)水平布置，使得发出水平光束的激光；且所述的激光源(1)和标靶板(2)之间的距离大于等于150m，光斑直径＜4mm。
4.根据权利要求1所述的一种建筑体视觉位移监控系统，其特征在于：
所述标靶板(2)上述设置有至少一个基准点(8)。
5.根据权利要求1所述的一种建筑体视觉位移监控系统，其特征在于：
所述的激光源(1)发出激光照射到标靶板(2)上，并聚焦于标靶板(2)的基准点(8)形成光斑，通过采集发射仪(4)控制视觉嵌入式模块(3)采集标靶板(2)上的光斑，进而发送到云端平台(6)进行分析处理。
6.权利要求1-5任一所述建筑体视觉位移监控系统的应用，其特征在于：
用于建筑体位移数据的检测。
7.应用于权利要求1-6任一所述建筑体视觉位移监控系统的建筑体视觉位移监测方法，其特征在于：方法包括：
1)标靶板(2)表面设置测量基准点，被测物(7)上的激光源(1)发出激光照射到标靶板(2)上并聚焦于标靶板(2)的基准点(8)形成光斑；
2)通过视觉嵌入式模块(3)采集标靶板(2)上的光斑图像视频流；
3)对光斑图像视频流进行图像分帧获得各帧光斑光斑图像，利用超分辨率重建模型对光斑图像进行超分辨率重建处理；
4)针对超分辨率重建后的每帧光斑图像进行分析处理，提取获得每帧图像中被测物(7)的位移。
8.根据权利要求7所述的建筑体视觉位移监测方法，其特征在于：
所述步骤4)具体为：
4.1)对超分辨率重建后的每帧光斑图像进行畸变矫正和预处理；
4.2)对畸变矫正和预处理后的连续多张光斑图像进行区域选择融合；
4.3)对区域选择融合后得到的光斑融合图像依次进行行卷积和列卷积，得到预处理后图像；
4.4)对预处理后图像依次进行像素级边缘特征提取和亚像素级边缘特征提取；
4.5)根据提取的亚像素级边缘特征以及像素当量等计算位移数据，获得偏差光斑位移；
4.6)对偏差光斑位移进行卡尔曼滤波处理获得最终的被测物(7)的位移。
9.根据权利要求7所述的建筑体视觉位移监测方法，其特征在于：
所述步骤4.5)具体是将所述亚像素级边缘特征进行拟合计算得到圆心像素坐标，再计算圆心像素坐标与基准点之间的图像距离，并利用预先实验标定获得的像素当量转换为被测物(7)的实际位移距离。
10.根据权利要求7所述的建筑体视觉位移监测方法，其特征在于：
所述步骤4.2)具体是为：
4.2.1)对光斑图像进行连续时间内间断采集，将采集到的连续多张光斑图像均按照以下步骤处理；
4.2.2)对光斑图像使用阈值分割方法识别每张图像中的激光光斑有效区域，并对激光光斑有效区域进行区域标记；
4.2.3)对标记好获取的光斑区域进行双三次插值处理；
4.2.4)根据光斑的亮度、大小、形状设置阈值，进而对双三次插值处理后的图像区域进行判断是否为符合光斑特性，若符合，则保留，否则剔除；
4.2.5)将上述步骤保留处理好的多张连续光斑图像进行区域融合处理，将融合后的图像进行保留。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311582137.8A CN117704970A (zh) | 2023-11-24 | 2023-11-24 | 一种建筑体视觉位移监控系统及其监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311582137.8A CN117704970A (zh) | 2023-11-24 | 2023-11-24 | 一种建筑体视觉位移监控系统及其监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117704970A true CN117704970A (zh) | 2024-03-15 |
Family
ID=90161491
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311582137.8A Pending CN117704970A (zh) | 2023-11-24 | 2023-11-24 | 一种建筑体视觉位移监控系统及其监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117704970A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117928386A (zh) * | 2024-03-22 | 2024-04-26 | 四川拓及轨道交通设备股份有限公司 | 一种便携式双目接触网几何参数检测系统及方法 |
-
2023
- 2023-11-24 CN CN202311582137.8A patent/CN117704970A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117928386A (zh) * | 2024-03-22 | 2024-04-26 | 四川拓及轨道交通设备股份有限公司 | 一种便携式双目接触网几何参数检测系统及方法 |
| CN117928386B (zh) * | 2024-03-22 | 2024-05-31 | 四川拓及轨道交通设备股份有限公司 | 一种便携式双目接触网几何参数检测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113744270B (zh) | 起重机复杂钢结构表面缺陷的无人机视觉检测与识别方法 | |
| CN109949372B (zh) | 一种激光雷达与视觉联合标定方法 | |
| WO2022170878A1 (zh) | 一种无人机测量输电线路影像距离的系统及方法 | |
| CN110142785A (zh) | 一种基于目标检测的巡检机器人视觉伺服方法 | |
| CN110850723B (zh) | 一种基于变电站巡检机器人系统的故障诊断及定位方法 | |
| CN113240747B (zh) | 一种基于计算机视觉的户外结构振动位移自动化监测方法 | |
| CN117704970A (zh) | 一种建筑体视觉位移监控系统及其监测方法 | |
| CN114240868A (zh) | 一种基于无人机的巡检分析系统及方法 | |
| CN104976960A (zh) | 一种雨滴物理特性观测方法及装置 | |
| CN112083437A (zh) | 一种船用激光雷达与视频联合目标捕捉系统及方法 | |
| CN113532293B (zh) | 一种基于无人机的结构动位移测量方法及系统 | |
| CN113762161B (zh) | 一种障碍物智能监测方法及系统 | |
| CN113780246B (zh) | 无人机三维航迹监测方法、系统以及三维监测装置 | |
| CN114743021A (zh) | 一种输电线路图像与点云数据的融合方法及系统 | |
| CN112802004B (zh) | 便携式输电线路和杆塔健康智能视频检测装置 | |
| CN112801184A (zh) | 一种云跟踪方法、系统及装置 | |
| CN113177918B (zh) | 一种无人机对电力杆塔的智能精准巡检方法及系统 | |
| CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别系统 | |
| CN112927233A (zh) | 一种船用激光雷达与视频联合目标捕捉方法 | |
| 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 | |
| CN114594533A (zh) | 一种基于自适应高斯混合算法的视频雨量监测方法与装置 | |
| CN112906095B (zh) | 基于激光条纹中心追踪的桥梁模态识别方法及其系统 | |
| CN113936031A (zh) | 一种基于机器视觉的云影轨迹预测方法 | |
| CN116818233A (zh) | 一种采用激光结合机器视觉的高精度桥梁状态监测方法及系统 | |
| CN113743286A (zh) | 一种多源信号融合的目标监测系统及方法 |
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 |