CN118015067A - 一种施工工地的吊车隐患臂测量方法 - Google Patents
一种施工工地的吊车隐患臂测量方法 Download PDFInfo
- Publication number
- CN118015067A CN118015067A CN202410118045.2A CN202410118045A CN118015067A CN 118015067 A CN118015067 A CN 118015067A CN 202410118045 A CN202410118045 A CN 202410118045A CN 118015067 A CN118015067 A CN 118015067A
- Authority
- CN
- China
- Prior art keywords
- crane
- hidden danger
- frame
- camera
- hidden
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 73
- 230000000007 visual effect Effects 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000000691 measurement method Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims 1
- 238000010191 image analysis Methods 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明属于施工图像分析的技术领域，更具体地，涉及一种施工工地的吊车隐患臂测量方法。所述方法包括利用两台拍摄角度互为90度的相机同时拍摄两张图像；通过目标检测算法检测两张图像中的吊车隐患并标出吊车隐患框；将吊车隐患框底部中心坐标转化为吊车隐患空间坐标；通过吊车隐患空间坐标分别获取两张图像中吊车隐患框可视高度和可视宽度；判断互为90度的相机拍摄两张图像中相同位置的吊车隐患是否为同一隐患；计算两张图像中相同吊车隐患可视臂长；吊车隐患可视臂长结合吊车隐患前遮挡物高度计算吊车隐患实际臂长。本发明解决了现有技术中避免吊车隐患等隐患倾倒后发生的进一步安全事故的问题。
Description
技术领域
本发明属于施工图像分析的技术领域，更具体地，涉及一种施工工地的吊车隐患臂测量方法。
背景技术
近些年，随着我国经济迅速发展，桥梁，铁路，建筑等建设越来越多，吊车隐患等施工机械的使用也越来越多，因此也出现了各种各样的安全事故。其中由于吊车隐患倾倒砸坏施工现场重要设施或者施工工地外铁路，桥梁等公共基础设施等事故屡见不鲜。
中国发明专利CN109215081A公开了一种基于机器视觉的塔吊空间定位方法，包括建立空间坐标系,用于获取机器视觉的双目摄像头拍摄到塔吊上的重物图像，双目摄像头将重物图像传送给控制器；控制器结合内置的SGBM测距算法，获取重物在空间坐标系的坐标，完成对塔吊上悬挂重物的空间定位。
综上，如何有效实时监控高大机械高度，测量施工工地吊车隐患臂长，避免吊车隐患等隐患倾倒后发生的进一步安全事故是一个非常重要的课题，尤其是吊车施工时存在遮挡物体，更加影响判断准确度。
发明内容
针对现有技术的不足，本发明的目的是提供一种施工工地的吊车隐患臂测量方法，利用两台拍摄角度互为90度的相机同时拍摄两张图像，图片对应地面深度图以及两台相机的内外参数矩阵，然后通过目标检测算法检测两张图像中的吊车隐患，并获取吊车隐患框坐标以及吊车隐患框高度和宽度，随后结合通过相机内、外参数矩阵以及深度图获取获取吊车隐患空间坐标，通过吊车隐患空间坐标分别获取两张图像中吊车隐患框可视高度和可视宽度，确定两张图像中相同的吊车隐患，然后根据两张图像中吊车隐患框高度和宽度计算相同吊车隐患可视臂长，最后结合吊车隐患前遮挡物高度计算吊车隐患实际臂长，实现准确高效的施工工地吊车隐患臂长测量。
本发明为了实现上述目的所采用的技术方案是：
S1、利用两台拍摄角度互为90度的相机同时拍摄两张图像，所述图像中包括地面深度图以及相机内、外参数矩阵；
所述的两台拍摄角度为90度的相机同时拍摄两张图像是指两台相机在同一高度，相机成像面的法线角度为90度，获取到的图像为维度为3的矩阵，矩阵大小为w*h*3，其中W和H分别为图片的横向像素数目和纵向像素数目；
所述的图像对应地面深度图是指图像中每个像素表示的现实中的点到相机相平面的最短距离，可以通过相机内外参转换地面点云获得，这里需要注意的是如果有遮挡物遮挡，被遮挡的地面点云高度要加上遮挡物高度，再通过相机内外参数转换获得；
所述内外参数矩阵是指相机内参矩阵，相机外参矩阵，相机外参矩阵包括相机旋转矩阵和相机平移矩阵，具体形式如下：
公式(3)中，M为相机内参矩阵，fx为相机水平焦距，fy为相机垂直焦距，cx为图像坐标系水平方向中心点、cy为图像坐标系垂直方向中心点；
T＝[Tx Ty Tz] (4)；
公式(4)中，T为相机平移矩阵，Tx、Ty、Tz分别为相机光心在非相机中心坐标系x、y、z轴的位置数值；
公式(5)中，R为相机旋转矩阵，α，β，γ分别为相机旋转矩阵即相机坐标系与非相机坐标系x,y,z轴的特定夹角关系。
S2、通过目标检测算法检测两张图像中的吊车隐患并标出吊车隐患框，获取吊车隐患框底部中心坐标以及吊车隐患框高度和宽度；
所述的目标检测算法是指能够实现不同分辨率图像的吊车隐患等吊车隐患识别的神经网络算法，其输入为相机拍摄的图片，输出为拍摄图片中框取隐患的隐患矩形框，一般表示形式为1*4的矩阵，本发明使用的吊车隐患框坐标是：
[隐患框左上角横坐标，隐患框左上角纵坐标，隐患框右下角横坐标，隐患框右下角纵坐标；
所述吊车隐患框高度和宽度是指吊车隐患框在图像中所在的像素数目；
具体获取方式如下：
di＝[(xr+xl)/2,yr] (6)；
dh＝yl-yr (7)；
dw＝xr-xl (8)；
公式(6)-(8)中，x l、y l、xr、yr分别表示隐患框左上角横坐标，隐患框左上角纵坐标，隐患框右下角横坐标，隐患框右下角纵坐标；di为吊车隐患框底部中心点坐标，dh、dw分别为吊车隐患框高度和宽度。
S3、将吊车隐患框底部中心坐标转化为吊车隐患空间坐标；
所述获取吊车隐患空间坐标是指通过吊车隐患框坐标获取吊车图像坐标对应的深度，然后结合相机参数转换到真实三维空间中，得到吊车隐患空间坐标，具体计算方式如下：
xr-xl)/2
Dep＝[ yr ] (9)；
Depth[di]
Dp＝Dep*M-1*R-1-T (10)；
公式(9)-(10)中，Dp为吊车空间坐标，为1*3的矩阵；Dep表示吊车隐患框坐标深度信息，x l,y l,xr,yr分别表示隐患框左上角横坐标，隐患框左上角纵坐标，隐患框右下角横坐标，隐患框右下角纵坐标；Depth为该隐患所在图像对应的深度图，di为吊车隐患框坐标，M-1表示相机内参矩阵取逆变换，R-1表示相机旋转矩阵取逆变换，T表示相机旋转矩阵。
S4、通过吊车隐患空间坐标分别获取两张图像中吊车隐患框可视高度和可视宽度，所述可视高度和可视宽度是指图像中漏出来的吊车部分的高度和宽度；
所述S4具体为：通过吊车空间坐标与相机平移矩阵的平面距离与相机焦距的比例关系，吊车隐患框高度与吊车隐患框可视高度的比例关系和吊车隐患框宽度与吊车隐患框可视宽度的比例关系近似相同的原理，通过相似获取到的吊车隐患框可视高度和可视宽度，具体计算公式如下：
f＝M[0,0]*1.2 (11)；
公式(11)-(14)中，M为相机内参矩阵，f为相机焦距，Dp为吊车空间坐标矩阵，T为相机平移矩阵，D_o为吊车空间坐标与相机空间坐标的水平距离，dh，dw分别为吊车隐患框高度和宽度，Hde和Wde分别为吊车隐患框可视高度和可视宽度。
S5、判断互为90度的相机拍摄两张图像中相同位置的吊车隐患是否为同一隐患；
所述S5具体是指：如果两张图像中均只有一个吊车，则直接判断这两个吊车为相同吊车，如果两张图像中均有多个吊车，则通过两张图像中不同吊车隐患框的吊车空间坐标的距离最小的两个吊车隐患为相同吊车从而判断两张图像中那两个吊车为相同吊车，如果有多余吊车则去掉。
S6、根据两张图像中吊车隐患框可视高度和可视宽度计算两张图像中相同吊车隐患可视臂长；
所述的吊车隐患可视臂长是指通过两张图像中相同吊车的吊车隐患框可视高度和可视宽度计算吊车隐患可视臂长，具体计算如下所示：
公式(1)，l(1,i)为吊车隐患可视臂长，Hde(1,i)，Wde(1,i)分别为第一图像中第i个吊车隐患框可视高度和可视宽度，Hde(2,j)，Wde(2,j)分别为第二图像中第j个吊车隐患框可视高度和可视宽度，这里的i,j分别表示两张图中吊车隐患的标号，标号是由目标检测算法检测隐患顺序得到的，先检测出来的隐患标号较小，后检测出来的隐患标号较大，标号最小为1。
S7、吊车隐患可视臂长结合吊车隐患前遮挡物高度计算吊车隐患实际臂长，实现准确高效的施工工地吊车隐患臂长测量。
所述计算吊车隐患实际臂长是指通过吊车隐患框可视高度和可视宽度集合吊车前遮挡物高度Hb的比例关系，和吊车隐患可视臂长与吊车隐患实际臂长的比例关系相同的原理，在以及吊车可视高度，吊车前遮挡物高度Hb以及吊车隐患可视臂长的情况下，计算吊车隐患实际臂长Li，具体公式如下：
公式(2)中，Li为吊车隐患实际臂长，l(1,i)为第一图像中第i个吊车的吊车隐患可视臂长，Hde(1,i)为第一图像中第i个吊车隐患框可视高度，Hde(2,i)为第一图像中第i个吊车隐患框可视高度，Hb为吊车前遮挡物高度。
本发明与现有技术相比，具有以下优点和有益效果：
(1)本发明公开了一种基于机器视觉的塔吊空间定位方法，通过拍摄实时图片实现了吊车臂的实时快速准确测量，为判断吊车倾倒后是否会造成安全事故提供保障。
(2)本发明公开了一种基于机器视觉的塔吊空间定位方法，通过空间相似原理结合遮挡物体高度实现了被遮挡吊车的吊车臂准确测量，使得本专利能够适应遮挡角度的工地场景，为本专利相关算法的广泛应用提供了有效保证。
附图说明
图1是本发明中所述测量方法的流程示意图。
图2是本实施中第一相机拍摄的第一图像示意图。
图3是本实施中第二相机拍摄的第二图像示意图。
图4是本实施中第一图像检测结果示意图。
图5是本实施中第二图像检测结果示意图。
图6是本实施中最终可视化效果示意图。
具体实施方式
下面结合实施例对本发明做进一步说明，如图1所示。
实施例1
S1、拍摄图像，并获取地面深度图以及相机内、外参数矩阵；
利用两台拍摄角度互为90度的相机同时拍摄两张图像，所述图像中包括地面深度图以及相机内、外参数矩阵；
具体的，如图2所示为第一相机拍摄的第一图像，图3所示为第二相机拍摄的第二图像；
所述地面深度图由地面点云通过相机参数转换得到；
所述相机内参矩阵用于表示相机固有属性；
所述相机外参矩阵包括相机旋转矩阵，相机平移矩阵；
进一步地，所述的两台拍摄角度互为90度的相机同时拍摄两张图像是指：两台相机在同一高度，相机成像面的法线角度互为90度，获取到的图像为维度为3的矩阵，矩阵大小为w*h*3，其中w和h分别为图片的横向像素数目和纵向像素数目；
所述的图像对应地面深度图是指图像中每个像素表示的现实中的点到相机相平面的最短距离，可以通过相机内外参转换地面点云获得，这里需要注意的是如果有遮挡物遮挡，被遮挡的地面点云高度要加上遮挡物高度，再通过相机内外参数转换获得；
所述内外参数矩阵是指相机内参矩阵，相机外参矩阵，相机外参矩阵包括相机旋转矩阵和相机平移矩阵，所述相机旋转矩阵和相机平移矩阵表示将非相机中心坐标系表示的点云转换到原点为相机光心相机坐标系中坐标的转换关系，具体形式如下：
其中，M为相机内参矩阵，fx为相机水平焦距，fy为相机垂直焦距，cx为图像坐标系水平方向中心点、cy为图像坐标系垂直方向中心点；
具体的，相机旋转矩阵为非相机中心坐标系x、y、z轴为相机坐标系x、y、z轴的角度差，相机平移矩阵为非相机中心坐标系原心与相机坐标系原心距离，其中非相机中心坐标系与相机坐标系均为三维笛卡尔坐标系，图像坐标系具体是图像像素坐标系；
T＝[Tx Ty Tz] (4)；
其中，T为相机平移矩阵，Tx，Ty，Tz分别为相机光心在非相机中心坐标系x，y,z轴的位置数值。
其中，R为相机旋转矩阵，α，β，γ分别为相机旋转矩阵即相机坐标系与非相机坐标系x,y,z轴的特定夹角关系。
具体的，图2对应的相机内外参数以及深度图如下：
T1＝[124.89 159.20 15.6]；
其中，M1第一图像内参矩阵，R1第一图像旋转矩阵，T1第一图像平移矩阵，Depth1第一深度图；
具体的，图3对应的相机内外参数以及深度图如下：
T2＝[230.50 231.20 20.4]；
其中，M2第二图像内参矩阵，R2第二图像旋转矩阵，T2第二图像平移矩阵，Depth2第二深度图。
S2、检测图像中的吊车隐患并标出吊车隐患框；
通过目标检测算法检测两张图像中的吊车隐患并标出吊车隐患框，获取吊车隐患框坐标以及隐患框高度和宽度；优选的，所述目标检测算法可为YOLO系列、RCNN模型；
具体的，检测结果如图4，图5所示，获取到的吊车隐患框坐标如下所示，[隐患框左上角横坐标，隐患框左上角纵坐标，隐患框右下角横坐标，隐患框右下角纵坐标]，[隐患框左上角横坐标，隐患框左上角纵坐标，隐患框宽度，隐患框高度]，本发明使用的表达方式为：
[隐患框左上角横坐标，隐患框左上角纵坐标，隐患框右下角横坐标，隐患框右下角纵坐标]：
D(1,1)＝[1952,1400，2174,2087]；
D(1,2)＝[2943,1366,3573,2146]；
D(1,3)＝[408,1394,717,2095]；
D(2,1)＝[2148,1333,2448,2027]；
D(2,2)＝[3061,1442,3534,2104]；
D(2,3)＝[542,1239,760,2114]；
其中，D(1,2)，D(1,3)分别为图4中间、右边和左边的吊车隐患框坐标；D(2,1)，D(2,2)，D(2,3)分别为图5中间、右边和左边的吊车隐患框坐标；优选的，设检测图像中间吊车隐患框为标号1的吊车图像，检测图像左边吊车隐患框为标号2的吊车图像，检测图像右边吊车隐患框为标号3的吊车图像；
根据吊车隐患框坐标获取吊车隐患框底部中心坐标以及隐患框高度和宽度：
di＝[(xr+xl)/2,yr] (6)；
dh＝yl-yr (7)；
dw＝xr-xl (8)；
公式(6)-(8)中，xl、yl、xr、yr分别表示隐患框左上角横坐标，隐患框左上角纵坐标，隐患框右下角横坐标，隐患框右下角纵坐标；di为吊车隐患框底部中心点坐标，dh、dw分别为吊车隐患框高度和宽度。
具体的，以隐患D(1,1)为例：
di(1,1)＝[(1952+2174)/2,2087]＝[2063,2087]；
dh(1,1)＝yl(1,1)-yr(1,1)＝687；
dw(1,1)＝xr(1,1)-xl(1,1)＝222；
di(1,2)＝[3258,2146],dh(1,2)＝780,dw(1,2)＝630；
di(1,3)＝[562,2094],dh(1,3)＝701,dw(1,3)＝309；
di(2,1)＝[2298,2027],dh(2,1)＝694,dw(2,1)＝300；
di(2,2)＝[3297,2104],dh(2,2)＝662,dw(2,2)＝473；
di(2,3)＝[650,2114],dh(2,3)＝875,dw(2,3)＝218；
其中，xl,yl,xr,yr分别表示隐患框左上角横坐标，隐患框左上角纵坐标，隐患框右下角横坐标，隐患框右下角纵坐标，进一步地，下标(1,1)、(1,3)、(1,3)分别代表图4中间、右边和左边的吊车隐患框，下标(2,1)、(2,3)、(2,3)分别代表图5中间、右边和左边的吊车隐患框；
di(1,1)、di(1,2)、di(1,3)分别为图4中间、右边和左边的吊车隐患框底部中心坐标；
dh(1,1)、,dh(1,2)、dh(1,3)分别为图4中间、右边和左边的隐患框高度；
dw(1,1)、,dw(1,2)、dw(1,3)分别为图4中间、右边和左边的隐患框宽度；
di(2,1)、di(2,2)、di(2,3)分别为图5中间、右边和左边的吊车隐患框底部中心坐标；
dh(2,1)、dh(2,2)、dh(2,3)分别为图5中间、右边和左边的隐患框高度；
dw(2,1)、dw(2,2)、dw(2,3)分别为图5中间、右边和左边的隐患框宽度。
S3、通过相机内、外参数矩阵以及深度图获取吊车隐患空间坐标，具体如下；
xr-xl)/2
Dp＝Dep*M-1*R-1-T (10)；
其中，Dp为吊车空间坐标，为1*3的矩阵；Dep表示吊车隐患框坐标深度信息；具体的，通过公式(6)、公式(7)可得：
Dp(1,1)＝[-133.45,-46.55,5.43]；
Dp(1,2)＝[-135.19,-4.42,3.93]；
Dp(1,3)＝[-116.82,-95.59,4.27]；
Dp(2,1)＝[-133.80,-46.75,5.03]；
Dp(2,2)＝[-135.55,-4.62,3.54]；
Dp(2,3)＝[-117.17,-95.79,3.88]；
其中，Dp(1,1)、Dp(1,2)、Dp(1,3)分别为图4中间、右边和左边的吊车隐患空间坐标；Dp(2,1)、Dp(2,2)、Dp(2,3)分别为图5中间、右边和左边的吊车隐患空间坐标。
S4、通过吊车隐患空间坐标分别获取两张图像中吊车隐患框可视高度和可视宽度，具体为：通过吊车空间坐标与相机平移矩阵的平面距离与相机焦距的比例关系、吊车隐患框高度与吊车隐患框可视高度的比例关系和吊车隐患框宽度与吊车隐患框可视宽度的比例关系近似相同，获取吊车隐患框可视高度和可视宽度，具体计算公式如下：
f＝M[0,0]*1.2 (11)；
公式(11)-(14)中，M为相机内参矩阵，f为相机焦距，Dp为吊车空间坐标矩阵，T为相机平移矩阵，D_o为吊车空间坐标与相机空间坐标的水平距离，dh、dw分别为吊车隐患框高度和宽度，Hde、Wde分别为吊车隐患框可视高度和可视宽度，其中，Dp和T是矩阵，0、1是指矩阵中下标为0和1的元素。
具体计算如下：
Hde(1,1)＝27.95,Wde(1,1)＝6.23；
Hde(1,2)＝29.53,Wde(1,2)＝16.45；
Hde(1,3)＝30.33,Wde(1,3)＝9.22；
Hde(2,1)＝35.67,Wde(2,1)＝10.64；
Hde(2,2)＝32.33,Wde(2,2)＝15.94；
Hde(2,3)＝46.84,Wde(2,3)＝8.05；
其中，Hde(1,1)、Hde(1,2)、Hde(1,3)分别为图4中间、右边和左边的可视高度；
Hde(2,1)、Hde(2,2)、Hde(2,3)分别为图5中间、右边和左边的可视高度；
Wde(1,1)、Wde(1,2)、Wde(1,3)分别为图4中间、右边和左边的可视宽度；
Wde(2,1)、Wde(2,2)、Wde(2,3)分别为图5中间、右边和左边的可视宽度。
S5、判断互为90度的相机拍摄两张图像中的各位置的吊车隐患是否为同一隐患；
通过计算Dp(1,1)与Dp(2,1)，Dp(2,2)，Dp(2,3)的欧式距离，三个距离中的最小距离的两吊车隐患为同一隐患的；同理，计算，Dp(1,2)与Dp(2,1)，Dp(2,2)，Dp(2,3)的距离，Dp(1,3)与Dp(2,1)，Dp(2,2)，Dp(2,3)的距离，最终确定为同一隐患的两位置，若有多余吊车隐患则去掉；
具体的，本实施例中Dp(1,1)与Dp(2,1)为同一隐患，Dp(1,2)与Dp(2,2)为同一隐患，Dp(1,3)与Dp(2,3)为同一隐患。
S6、根据两张图像中吊车隐患框可视高度和可视宽度计算相同吊车隐患可视臂长；
具体计算如下所示：
公式(11)中，l(1,i)为吊车可视臂长，Hde(1,i)、Wde(1,i)分别为第一图像中第i个吊车框可视高度和可视宽度，Hde(2,j)、Wde(2,j)分别为第二图像中第j个吊车框可视高度和可视宽度。这里的这里的i,j分别表示两张图中吊车隐患的标号，标号是由目标检测算法检测隐患顺序得到的，先检测出来的隐患标号较小，后检测出来的隐患标号较大，标号最小为1。例如Dp(1,1)与Dp(2,1)为同一隐患，在第一图像中Dp(1,1)的隐患标号为1，则在第二图像中的Dp(2,1)所代表的隐患标号也为1,则由计算结果：
S7、吊车隐患可视臂长结合吊车隐患前遮挡物高度计算吊车隐患实际臂长，实现准确高效的施工工地吊车隐患臂长测量：
公式(2)中，Li为吊车隐患实际臂长，l(1,i)为第一图像中第i个吊车的吊车隐患可视臂长，Hde(1,i)为第一图像中第i个吊车隐患框可视高度，Hde(2,j)为第二图像中第j个吊车隐患框可视高度，Hb为吊车前遮挡物高度。
具体的，经过测量得到三个吊车隐患前的遮挡物为26m，则吊车隐患实际臂长为：
当i＝1时，第二图像中对应隐患标号j＝1：
当i＝2时，第二图像中对应隐患标号j＝2：
L2＝70.28；
当i＝3时，第二图像中对应隐患标号j＝3：
L3＝60.75；
最终可视化效果如图6所示。
Claims (7)
1.一种施工工地的吊车隐患臂测量方法，其特征在于，包括：
S1、利用两台拍摄角度互为90度的相机同时拍摄两张图像，所述图像中包括地面深度图以及相机内、外参数矩阵；
S2、通过目标检测算法检测两张图像中的吊车隐患并标出吊车隐患框，获取吊车隐患框底部中心坐标以及吊车隐患框高度和宽度；
S3、将吊车隐患框底部中心坐标转化为吊车隐患空间坐标；
S4、通过吊车隐患空间坐标分别获取两张图像中吊车隐患框可视高度和可视宽度；
S5、判断互为90度的相机拍摄两张图像中相同位置的吊车隐患是否为同一隐患；
S6、根据两张图像中吊车隐患框可视高度和可视宽度计算两张图像中相同吊车隐患可视臂长；
公式(1)中，l(1,i)为吊车可视臂长，Hde(1,i)、Wde(1,i)分别为第一图像中第i个吊车框可视高度和可视宽度，Hde(2,j)、Wde(2,j)分别为第二图像中第j个吊车框可视高度和可视宽度；
S7、吊车隐患可视臂长结合吊车隐患前遮挡物高度计算吊车隐患实际臂长；
公式(2)中，Li为吊车隐患实际臂长，l(1,i)为第一图像中第i个吊车的吊车隐患可视臂长，Hde(1,i)为第一图像中第i个吊车隐患框可视高度，Hde(2,j)为第二图像中第j个吊车隐患框可视高度，Hb为吊车前遮挡物高度。
2.根据权利要求1所述的一种施工工地的吊车隐患臂测量方法，其特征在于，所述内参数矩阵包括相机内参矩阵，所述相机外参矩阵包括相机旋转矩阵和相机平移矩阵；
公式(3)中，M为相机内参矩阵，fx为相机水平焦距，fy为相机垂直焦距，cx为图像坐标系水平方向中心点、cy为图像坐标系垂直方向中心点；
T＝[Tx Ty Tz] (4)；
公式(4)中，T为相机平移矩阵，Tx、Ty、Tz分别为相机光心在非相机中心坐标系x、y、z轴的位置数值；
公式(5)中，R为相机旋转矩阵，α、β、γ分别为相机旋转矩阵即相机坐标系与非相机坐标系x、y、z轴的特定夹角关系。
3.根据权利要求2所述的一种施工工地的吊车隐患臂测量方法，其特征在于，所述吊车隐患框坐标为：
di＝[(xr+xl)/2,yr] (6)；
dh＝yl-yr (7)；
dw＝xr-xl (8)；
公式(6)-(8)中，xl、yl、xr、yr分别表示隐患框左上角横坐标，隐患框左上角纵坐标，隐患框右下角横坐标，隐患框右下角纵坐标；di为吊车隐患框底部中心点坐标，dh、dw分别为吊车隐患框高度和宽度。
4.根据权利要求3所述的一种施工工地的吊车隐患臂测量方法，其特征在于，所述将吊车隐患框底部中心坐标转化为吊车隐患空间坐标具体包括：
Dp＝Dep*M-1*R-1-T (10)；
公式(9)-(10)中，Dp为吊车空间坐标，为1*3的矩阵；Dep表示吊车隐患框坐标深度信息；Depth为该隐患所在图像对应的深度图，M-1表示相机内参矩阵取逆变换，R-1表示相机旋转矩阵取逆变换，T表示相机旋转矩阵。
5.根据权利要求4所述的一种施工工地的吊车隐患臂测量方法，其特征在于，所述S4具体为：通过吊车空间坐标与相机平移矩阵的平面距离与相机焦距的比例关系、吊车隐患框高度与吊车隐患框可视高度的比例关系和吊车隐患框宽度与吊车隐患框可视宽度的比例关系近似相同，获取吊车隐患框可视高度和可视宽度，具体计算公式如下：
f＝M[0,0]*1.2 (11)；
公式(11)-(14)中，M为相机内参矩阵，f为相机焦距，Dp为吊车空间坐标矩阵，T为相机平移矩阵，D_o为吊车空间坐标与相机空间坐标的水平距离，dh、dw分别为吊车隐患框高度和宽度，Hde、Wde分别为吊车隐患框可视高度和可视宽度。
6.根据权利要求2所述的一种施工工地的吊车隐患臂测量方法，其特征在于，所述相机内参矩阵表征了以相机光心为原点的相机坐标系中点云与深度图的映射关系，为一个3*3的矩阵。
7.根据权利要求5所述的一种施工工地的吊车隐患臂测量方法，其特征在于，所述相机旋转矩阵和相机平移矩阵表示将非相机中心坐标系表示的点云转换到原点为相机光心相机坐标系中坐标的转换关系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410118045.2A CN118015067A (zh) | 2024-01-26 | 2024-01-26 | 一种施工工地的吊车隐患臂测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410118045.2A CN118015067A (zh) | 2024-01-26 | 2024-01-26 | 一种施工工地的吊车隐患臂测量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118015067A true CN118015067A (zh) | 2024-05-10 |
Family
ID=90953127
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410118045.2A Pending CN118015067A (zh) | 2024-01-26 | 2024-01-26 | 一种施工工地的吊车隐患臂测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118015067A (zh) |
-
2024
- 2024-01-26 CN CN202410118045.2A patent/CN118015067A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110148169B (zh) | 一种基于ptz云台相机的车辆目标三维信息获取方法 | |
| CN113345019B (zh) | 一种输电线路通道隐患目标测距方法、设备及介质 | |
| CN109166153A (zh) | 基于双目视觉的塔吊高空作业三维定位方法及定位系统 | |
| CN110595433A (zh) | 一种基于双目视觉的输电杆塔倾斜的测量方法 | |
| CN111502671B (zh) | 盾构激光标靶导向搭载双目相机的综合导向装置及方法 | |
| CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
| CN109191533B (zh) | 基于装配式建筑的塔吊高空施工方法 | |
| KR101589167B1 (ko) | 깊이 정보를 이용한 원근 왜곡 영상의 보정 시스템 및 방법 | |
| CN110926373A (zh) | 铁路异物检测场景下结构光光平面标定方法及其系统 | |
| CN113902809A (zh) | 一种红外相机与激光雷达联合标定的方法 | |
| CN114119614A (zh) | 一种远程检测建筑物的裂缝的方法 | |
| CN113947638A (zh) | 鱼眼相机影像正射纠正方法 | |
| CN113658279B (zh) | 相机内参和外参估算方法、装置、计算机设备及存储介质 | |
| CN114964007A (zh) | 一种焊缝尺寸视觉测量与表面缺陷检测方法 | |
| CN114219850A (zh) | 一种应用360全景环视技术的车辆测距系统 | |
| JPH1089960A (ja) | 三次元画像計測方法 | |
| CN118015067A (zh) | 一种施工工地的吊车隐患臂测量方法 | |
| CN114066847B (zh) | 基于2d激光和图像数据融合的集卡吊起状态检测方法 | |
| CN116563370A (zh) | 基于单目计算机视觉的测距方法和测速方法 | |
| CN115345945A (zh) | 利用无人机多目视觉重建高速公路的自动巡检方法及系统 | |
| Gao et al. | Development of a high-speed videogrammetric measurement system with application in large-scale shaking table test | |
| CN114663486A (zh) | 一种基于双目视觉的建筑物测高方法及系统 | |
| CN102779341B (zh) | 一种新型的基坑施工过程支撑位置的识别方法 | |
| Wang et al. | Performance tests for automatic 3D geometric data registration technique for progressive as-built construction site modeling | |
| CN114708318B (zh) | 一种基于深度相机的未知待测面曲率测定方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination |