WO2023280300A1 - 基于摄像机组三维重建的堆石粒径识别与监控装置及方法 - Google Patents
基于摄像机组三维重建的堆石粒径识别与监控装置及方法 Download PDFInfo
- Publication number
- WO2023280300A1 WO2023280300A1 PCT/CN2022/104605 CN2022104605W WO2023280300A1 WO 2023280300 A1 WO2023280300 A1 WO 2023280300A1 CN 2022104605 W CN2022104605 W CN 2022104605W WO 2023280300 A1 WO2023280300 A1 WO 2023280300A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- rockfill
- camera
- camera group
- rock
- particle size
- Prior art date
Links
- 239000002245 particle Substances 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012544 monitoring process Methods 0.000 title claims abstract description 29
- 239000003550 marker Substances 0.000 claims abstract description 12
- 238000012806 monitoring device Methods 0.000 claims description 10
- 239000011435 rock Substances 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 description 9
- 239000004567 concrete Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 239000013049 sediment Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000011376 self-consolidating concrete Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means, e.g. by light scattering, diffraction, holography or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/204—Image signal generators using stereoscopic image cameras
- H04N13/239—Image signal generators using stereoscopic image cameras using two 2D image sensors having a relative position equal to or related to the interocular distance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/204—Image signal generators using stereoscopic image cameras
- H04N13/243—Image signal generators using stereoscopic image cameras using three or more 2D image sensors
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Dispersion Chemistry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种基于摄像机组三维重建的堆石粒径识别与监控装置及法,装置包括:摄像机组(1),摄像机组(1)至少包括两个摄像头,用于在不同角度采集待识别堆石在堆石过程中不同高度的堆石多角度图像;标定模块,用于在摄像机组的采集视野内放置标志物,对摄像机组的参数进行标定;识别监控模块(5),与摄像机组(1)相连,用于对堆石多角度图像进行图像处理,根据堆石多角度图像确定待识别堆石中每块堆石粒径的分类结果,并根据分类结果建立待识别堆石的级配曲线,根据级配曲线对待识别堆石进行识别和监测。
Description
相关申请的交叉引用
本申请基于申请号为:202110779106.6,申请日为2021年07月09日的中国专利申请提出,并要求该中国专利申请的优先权,该中国专利申请的全部内容在此引入本申请作为参考。
本申请涉及堆石粒径识别技术领域,特别涉及一种基于摄像机组三维重建的堆石粒径识别与监控装置及方法。
堆石粒径分布是影响堆石混凝土密实程度的影响因素。堆石太小难以保证混凝土的填充率,直接影响工程质量,带来安全隐患;而堆石过大增加了筛选堆石的成本,同时使得混凝土的体积百分比升高,造成了原材料浪费,使得工程成本大大增加。
在施工过程中为了能够让施工顺利进行,一般要求堆石的最小粒径不小于300mm,使得堆石空隙有足够的横截面积,保证自密实混凝土能够顺利通过堆石空隙。常见的堆石粒径控制方法是使用钢筛筛除粒径小于300mm的堆石。但是对于大规模的工程堆石,筛分法成本太高,工程中普遍采用检测人员人工目测的办法。目前还没有快速获取大量堆石粒径信息的方法。
目前已有一些粒径识别的设备和仪器,但由于堆石体量较大、结构的复杂,其粒径识别中并没有合适的方法。目前已有的其他颗粒体粒径识别方法中,如一种混凝土堆石级配识别与调控装置,其利用小型箱与传送带相结合的设备来识别砂石粒径。相对大小均匀的砂石而言,堆石的粒径更大,并不适合室内箱体尺度进行实验和检查;另一方面,在施工现场进行堆石操作时,是由铲车直接运送到仓面铺平,传送带的方式会附加操作和设备成本,因此并不适用。又如一种天然河流中泥沙浓度级配原位实时测量装置及其方法,此设备基于对泥沙颗粒光斑的识别,使用公式计算每个泥沙颗粒光斑对应的泥沙颗粒粒径。而堆石的粒径形态变化范围更大,更没有统一的计算公式,伴随着光影、块石棱角等因素影响,进而要求在更多种环境背景下的准确识别。因此,堆石粒径识别对方法和相应设备有更高的要求。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本申请的一个目的在于提出一种基于摄像机组三维重建的堆石粒径识别与监控装置,该装置利用双目或多目摄像头结合图像识别神经网络算法实现堆石粒径的识别与监控。
本申请的另一个目的在于提出一种基于摄像机组三维重建的堆石粒径识别与监控方法。
为达到上述目的,本申请一方面实施例提出了一种基于摄像机组三维重建的堆石粒径识别与监控装置,包括:
通过摄像机支架固定在堆石仓面周围的摄像机组,所述摄像机组至少包括两个摄像头,用于在不同角度采集待识别堆石在堆石过程中不同高度的堆石多角度图像;
标定模块,用于在所述摄像机组的采集视野内放置标志物,对所述摄像机组的参数进行标定;
识别监控模块,与所述摄像机组相连,用于对所述堆石多角度图像进行图像处理,根据所述堆石多角度图像确定所述待识别堆石中每块堆石粒径的分类结果,并根据所述分类结果建立所述待识别堆石的级配曲线,根据所述级配曲线对所述待识别堆石进行识别和监测;
结果反馈模块,用于将所述待识别堆石的识别和检测结果发送至预设终端。
为达到上述目的,本申请另一方面实施例提出了一种基于摄像机组三维重建的堆石粒径识别与监控方法,包括以下步骤:
S1,调整摄像机组位置:将选取的标志物置于待识别堆石的堆石仓面区域的中心,调整所述摄像机组的每个摄像头使其可以采集到所述标志物,且所述标志物位于摄像头采集的堆石多角度图像的中心;
S2,摄像机组姿态标定:测量所述标志物到堆石仓面的实际距离,根据所述摄像机组的位置信息,计算摄像机姿态参数;
S3,采集堆石照片:采集堆石仓面不同高度处的所述堆石多角度图像,获取堆石过程中不同高度处从不同角度拍摄的所述堆石多角度图像;
S4,矫正摄像机组照片畸变:结合S1和S2获取到的摄像机组内外参数信息,通过摄像头畸变校正算法计算校正所述堆石多角度图像;
S5,选取特征点:选取待识别堆石中的特征点,找到其在不同角度照片上的对应位置,测量特征点在所述堆石多角度图像上的像素距离;
S6,三维重建:分析摄像机组采集的不同角度的堆石照片,通过立体视觉重建方法计算特征点的实际距离,根据所述实际距离测量每张堆石多角度图像的比例尺;
S7,识别堆石粒径:利用图像识别算法识别所述堆石多角度图像中的堆石粒径,通过步骤S6算的比例尺解算的堆石粒径数据。
本申请实施例的基于摄像机组三维重建的堆石粒径识别与监控装置及方法,具有以下有益效果:
1、工程实用性好:基于立体视觉法不受外部光线的影响,会保证后期图像处理结果的精度,适合堆石混凝土施工现场。实现了远距离监测堆石粒径,多组摄像头拍摄的角度的精准化,进一步的保证了拍摄的精度和结果的准确度,可有效提升堆石粒径级配计算的速度和精确度,提升了施工过程中对混合堆石粒径大小的监测精度。
2、设备简易、稳定性好:基于摄像机组的三维重建技术不需要添加其他光源,适用于光照条件复杂的堆石混凝土施工现场;另一方面,立体视觉法针对单目或多目摄像头都有成熟的算法,即使摄像头组中有一个或多个摄像头损坏或数据误差较大,仍旧可以通过调整算法来获得最后的结果,系统的抗干扰能力强,鲁棒性好,这对提高工程检测效率、保证工程质量有重要意义。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本申请一个实施例的基于摄像机组三维重建的堆石粒径识别与监控装置结构示意图;
图2为根据本申请一个实施例的摄像机组的结构图;
图3为根据本申请一个实施例的基于摄像机组三维重建的堆石粒径识别与监控方法流程图;
图4为根据本申请一个实施例的基于摄像机组三维重建的堆石粒径识别与监控方法流程框图。
附图标记:1-摄像机组,包括摄像头、可调节高度的支架、2-螺栓、3-堆石仓面、4-标志物、5-识别监控模块、6-结果反馈模块;7a-摄像头、7b-激光测距器、7c-水准器、7d-支架可移动的轮盘。
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或 类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参照附图描述根据本申请实施例提出的基于摄像机组三维重建的堆石粒径识别与监控装置及方法。
首先将参照附图描述根据本申请实施例提出的基于摄像机组三维重建的堆石粒径识别与监控装置。
图1为根据本申请一个实施例的基于摄像机组三维重建的堆石粒径识别与监控装置结构示意图。
如图1所示,该基于摄像机组三维重建的堆石粒径识别与监控装置包括:
固定在堆石仓面周围的摄像机组1,用于在不同角度采集待识别堆石在堆石过程中不同高度的堆石多角度图像。
摄像机组位置已知,包括的可以水平、俯仰旋转的摄像头、可以通过螺栓2调节高度的摄像头支架以及用于摄像机组标定的标志物。摄像机组通过可伸缩支架固定在堆石仓面周围。
标定模块,用于在摄像机组的采集视野内放置标志物,对摄像机组的参数进行标定。
识别监控模块,与摄像机组相连,用于对堆石多角度图像进行图像处理,根据堆石多角度图像确定待识别堆石中每块堆石粒径的分类结果,并根据分类结果建立待识别堆石的级配曲线,根据级配曲线对待识别堆石进行识别和监测。
结果反馈模块,用于将待识别堆石的识别和检测结果发送至预设终端。
在本申请的实施例中,还包括:可调节位置的摄像机支架;用于固定和移动摄像机组
在本申请的实施例中,摄像机支架包括:可伸缩支架;移动滚轮盘。
在本申请的实施例中,如图2所示,可伸缩支架还包括水准器,水准器设置在摄像头的侧壁。
在本申请的实施例中,可伸缩支架还包括螺旋伸缩杆或调节螺栓,螺旋伸缩杆从下而上依次包括粗螺纹部、细螺纹部和光滑部。
在本申请的实施例中,可伸缩支架还包括粗调螺旋和微调螺旋。
在本申请的实施例中,如图2所示,摄像机组包括:激光测距器,用于确认堆石中特征点在摄像头采集的堆石多角度图像中的位置。
在本申请的实施例中,激光测距器安装于每个摄像头顶壁,用于测量摄像头到特征点间的实际距离以及光轴方向。
在本申请的实施例中,标志物可以为颜色明显、大小合适的参照物,放置于堆石区域的每个摄像机中均可拍摄到的位置,用于标定摄像头内部和外部的参数。
摄像机组包括多个已知相对位置的摄相头,其中摄相头可以水平、上下旋转,并安装了可以调节高度的支架上,支架可以通过螺栓调节高度,以确保每个摄像头均可拍摄到目标堆石识别区域和标志物。
摄像头组中的摄像头可以按照一定的时间间隔拍取仓面堆石的图像,即堆石过程中不同高度堆石层的图像。
识别监控模块还可以显示摄像机组拍摄到的堆石照片,并标定特征点或特征块石在不同角度的堆石照片的对应位置,根据摄像机组的内外部参数对拍到同一区域堆石进行畸变矫正和比例换算。
需要说明的是,算法为立体视觉法三维重建方法:当只有两个摄像头时,通过两幅图像推测三维信息进行双目立体视觉重建;当有多个摄像头时多目测距算法,利用多幅图像恢复三维信息,结合上述的标定的特征点来获得目标区域堆石的实际大小。并通过直接利用测距器获取程距信息。
结果反馈模块指的是将识别监控模块获取的堆石粒径信息反馈给现场工作人员和相关监理人员,以便对施工现场的堆石进程进行调整。
根据本申请实施例提出的基于摄像机组三维重建的堆石粒径识别与监控装置,采用摄像机组实现了堆石多角度图像的获取,充分考虑了待识别堆石的三维特性,而且设置了相机组标定装置,可以在拍摄前对摄像机组进行快速标定,这种简易快捷的标定方法适用于施工现场人员和机械复杂的情况,保证了整套装备的稳定性和工程实用性。本装置结合三维重建算法,可以获取堆石多角度图像,并据此确定待识别堆石中的粒径结果,进一步建立待识别堆石的级配曲线,实现待识别堆石的数字化识别和监测,并将监测结果反馈给现场工程师。本实用新型的装置相比于现有的人工或机械筛分法,提高了级配效率和精度,实现了堆石级配的数字化识别和监控。
其次参照附图描述根据本申请实施例提出的基于摄像机组三维重建的堆石粒径识别与监控方法。
图3为根据本申请一个实施例的基于摄像机组三维重建的堆石粒径识别与监控方法流程图。
图4为根据本申请一个实施例的基于摄像机组三维重建的堆石粒径识别与监控方法流程框图
如图3和图4所示,该基于摄像机组三维重建的堆石粒径识别与监控方法包括以下步骤:
S1,调整摄像机组位置:将选取的标志物置于待识别堆石的堆石仓面区域的中心,调整摄像机组的每个摄像头使其可以采集到标志物,且标志物位于摄像头采集的堆石多角度图像的中心。
S2,摄像机组姿态标定:测量标志物到堆石仓面的实际距离,根据摄像机组的位置信息,计算摄像机姿态参数。
S3,采集堆石照片:采集堆石仓面不同高度处的堆石多角度图像,获取堆石过程中不同高度处从不同角度拍摄的堆石多角度图像。
可以理解的是,在采集时,可以以一定的时间间隔进行采集。但并不限于按照一定的时间间隔拍摄照片,而是根据目标堆石区域堆石的层面更新状态调整拍照的频率。
S4,矫正摄像机组照片畸变:结合S1和S2获取到的摄像机组内外参数信息,通过摄像头畸变校正算法计算校正堆石多角度图像。
矫正摄像机组照片畸变的方法,包括但不限于对摄像机进行标定的传统摄像机标定法、摄像机自标定法等,以及非量测畸变矫正方法等。
S5,选取特征点:选取待识别堆石中的特征点,找到其在不同角度照片上的对应位置,测量特征点在堆石多角度图像上的像素距离。
S6,三维重建:分析摄像机组采集的不同角度的堆石照片,通过立体视觉重建方法计算特征点的实际距离,根据实际距离测量每张堆石多角度图像的比例尺。
S7,识别堆石粒径:利用图像识别算法识别堆石多角度图像中的堆石粒径,通过步骤S6算的比例尺解算的堆石粒径数据。
在本申请的实施例中,S6包括:
通过两个摄像头集堆石截面图像时,根据两个摄像头采集堆石截面图像推测堆石三维信息并进行双目视觉重建;通过至少三个摄像头采集堆石截面图像时,利用至少三个摄像头采集的堆石截面图像恢复堆石三维信息,并结合标定的特征点得到堆石截面图像中每块堆石的实际大小,并结合步骤S5的特征点,计算每张堆石多角度图像的比例尺。
识别堆石粒径的关键在于通过图像识别算法准确识别照片中堆石的轮廓,也可以通过其他算法对堆石轮廓进行识别,不进行具体限定。
在本申请的实施例中,利用已知相对位置或可以计算出相对位置的摄像机组采集装置采集堆石的数字图片,只要能够采集质量较好的颗粒数字图片的方法都可以完成从不同角度对数字图像的采集。
利用置于仓面目标区域的标志物,采集多幅高质量的靶标图像,并且要获得标志物三维场景点的准确坐标,一方面基于此解算摄像机组间的相对位置;另一方面利用张正友的平面靶标的标定方法标定摄像机并求解畸变系数和畸变中心,利用标定结果矫正堆石照片。
用调整后的摄像机组采集多幅高质量的堆石图像,利用在多角度摄像机所摄照片中都可以找到对应点的特征点进行三维重构,计算特征点间的实际距离;并利用软件获取特征点的像素距离,据此计算堆石图片的像素比例尺。
编写目标检测的神经网络算法划分的矫正后的堆石数字图像中块石的轮廓,并获取块石的粒径信息,结合图片的像素比例尺计算改区域中堆石的实际粒径大小,从而确定堆石的级配曲线。不同的图像识别算法都可能完成对图片中堆石颗粒几何信息的提取。
对整个仓面重复进行上述四步操作,对计算结果进行统计学处理,可以确定整个仓面堆石的粒径部分情况,从而监测施工现场的堆石是否符合规范要求。
需要说明的是,前述对装置实施例的解释说明也适用于该实施例的方法,此处不再赘述。
根据本申请实施例提出的基于摄像机组三维重建的堆石粒径识别与监控方法,采用摄像机组实现了待识别堆石多角度图像的获取,充分考虑了待识别堆石的三维特性,而且进行目标标定,可以在拍摄前对摄像机组进行快速标定,这种简易快捷的标定方法适用于施工现场人员和机械复杂的情况,保证了整套装备的稳定性和工程实用性,利用三维重建算法,根据获取的多层堆石多角度图像确定待识别堆石中每块堆石的粒径结果,进一步建立待识别堆石的级配曲线,实现待识别堆石的数字化识别和监测,并将监测结果反馈给现场工程师。相比于现有的人工或机械筛分法,提高了级配效率和精度,实现了堆石级配的数字化识别和监控。
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的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
- 一种基于摄像机组三维重建的堆石粒径识别与监控装置,其特征在于,包括:通过摄像机支架固定在堆石仓面周围的摄像机组,所述摄像机组至少包括两个摄像头,用于在不同角度采集待识别堆石在堆石过程中不同高度的堆石多角度图像;标定模块,用于在所述摄像机组的采集视野内放置标志物,对所述摄像机组的参数进行标定;识别监控模块,与所述摄像机组相连,用于对所述堆石多角度图像进行图像处理,根据所述堆石多角度图像确定所述待识别堆石中每块堆石粒径的分类结果,并根据所述分类结果建立所述待识别堆石的级配曲线,根据所述级配曲线对所述待识别堆石进行识别和监测;结果反馈模块,用于将所述待识别堆石的识别和检测结果发送至预设终端。
- 根据权利要求1所述的装置,其特征在于,所述摄像机支架用于固定和移动所述摄像机组,包括:可伸缩支架;移动滚轮盘。
- 根据权利要求2所述的装置,其特征在于,所述可伸缩支架还包括水准器,所述水准器设置在所述摄像头的侧壁。
- 根据权利要求2所述的装置,其特征在于,所述可伸缩支架还包括螺旋伸缩杆或调节螺栓,所述螺旋伸缩杆从下而上依次包括粗螺纹部、细螺纹部和光滑部。
- 根据权利要求2所述的装置,其特征在于,所述可伸缩支架还包括粗调螺旋和微调螺旋。
- 根据权利要求1-5任一所述的装置,其特征在于,所述摄像机组包括:激光测距器,用于确认堆石中特征点在摄像头采集的所述堆石多角度图像中的位置。
- 根据权利要求6所述的装置,其特征在于,所述激光测距器安装于每个摄像头顶壁,用于测量摄像头到特征点间的实际距离以及光轴方向。
- 一种基于摄像机组三维重建的堆石粒径识别与监控方法,适用于权利要求1所述的基于摄像机组三维重建的堆石粒径识别与监控装置,其特征在于,包括以下步骤:S1,调整摄像机组位置:将选取的标志物置于待识别堆石的堆石仓面区域的中心,调整所述摄像机组的每个摄像头使其可以采集到所述标志物,且所述标志物位于摄像头采集的堆石多角度图像的中心;S2,摄像机组姿态标定:测量所述标志物到堆石仓面的实际距离,根据所述摄像机组的位置信息,计算摄像机姿态参数;S3,采集堆石照片:采集堆石仓面不同高度处的所述堆石多角度图像,获取堆石过程中 不同高度处从不同角度拍摄的所述堆石多角度图像;S4,矫正摄像机组照片畸变:结合S1和S2获取到的摄像机组内外参数信息,通过摄像头畸变校正算法计算校正所述堆石多角度图像;S5,选取特征点:选取待识别堆石中的特征点,找到其在不同角度照片上的对应位置,测量特征点在所述堆石多角度图像上的像素距离;S6,三维重建:分析摄像机组采集的不同角度的堆石照片,通过立体视觉重建方法计算特征点的实际距离,根据所述实际距离测量每张堆石多角度图像的比例尺;S7,识别堆石粒径:利用图像识别算法识别所述堆石多角度图像中的堆石粒径,通过步骤S6算的比例尺解算的堆石粒径数据。
- 根据权利要求8所述的方法,其特征在于,所述S6包括:通过两个摄像头集堆石截面图像时,根据所述两个摄像头采集堆石截面图像推测堆石三维信息并进行双目视觉重建;通过至少三个摄像头采集堆石截面图像时,利用所述至少三个摄像头采集的堆石截面图像恢复堆石三维信息,并结合标定的特征点得到所述堆石截面图像中每块堆石的实际大小,并结合步骤S5的特征点,计算每张堆石多角度图像的比例尺。
- 根据权利要求8或9所述的方法,其特征在于,所述摄像头畸变校正算法包括传统摄像机标定法、摄像机自标定法,非量测畸变矫正方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110779106.6A CN113533145A (zh) | 2021-07-09 | 2021-07-09 | 基于摄像机组三维重建的堆石粒径识别与监控装置及方法 |
CN202110779106.6 | 2021-07-09 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2023280300A1 true WO2023280300A1 (zh) | 2023-01-12 |
Family
ID=78098274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2022/104605 WO2023280300A1 (zh) | 2021-07-09 | 2022-07-08 | 基于摄像机组三维重建的堆石粒径识别与监控装置及方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113533145A (zh) |
WO (1) | WO2023280300A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117237303A (zh) * | 2023-09-19 | 2023-12-15 | 中南大学 | 基于机器视觉的非接触式堆石颗粒级配检测方法及装置 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113533145A (zh) * | 2021-07-09 | 2021-10-22 | 清华大学 | 基于摄像机组三维重建的堆石粒径识别与监控装置及方法 |
CN113792715B (zh) * | 2021-11-16 | 2022-02-08 | 山东金钟科技集团股份有限公司 | 粮仓害虫监测预警方法、装置、设备及存储介质 |
CN115711836A (zh) * | 2022-11-17 | 2023-02-24 | 上海勘测设计研究院有限公司 | 扫描粒径级配方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101936761A (zh) * | 2009-06-30 | 2011-01-05 | 宝山钢铁股份有限公司 | 大型料场料堆视觉测量方法 |
CN103047942A (zh) * | 2012-12-26 | 2013-04-17 | 浙江大学 | 铁路公路基床级配碎石几何特征可视化采集系统及方法 |
CN106018441A (zh) * | 2016-05-10 | 2016-10-12 | 东南大学 | 一种高铁路基用水泥级配碎石内部结构检测方法 |
CN108053449A (zh) * | 2017-12-25 | 2018-05-18 | 北京工业大学 | 双目视觉系统的三维重建方法、装置及双目视觉系统 |
US20180369829A1 (en) * | 2015-12-01 | 2018-12-27 | Outotec (Finland) Oy | Method and an arrangement for controlling of a comminution process having a grinding circuit |
CN210730212U (zh) * | 2019-08-15 | 2020-06-12 | 中国水利水电科学研究院 | 一种混凝土骨料级配识别与调控装置 |
CN113533145A (zh) * | 2021-07-09 | 2021-10-22 | 清华大学 | 基于摄像机组三维重建的堆石粒径识别与监控装置及方法 |
CN216870297U (zh) * | 2021-07-09 | 2022-07-01 | 清华大学 | 基于摄像机组三维重建的堆石粒径识别与监控装置 |
-
2021
- 2021-07-09 CN CN202110779106.6A patent/CN113533145A/zh active Pending
-
2022
- 2022-07-08 WO PCT/CN2022/104605 patent/WO2023280300A1/zh unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101936761A (zh) * | 2009-06-30 | 2011-01-05 | 宝山钢铁股份有限公司 | 大型料场料堆视觉测量方法 |
CN103047942A (zh) * | 2012-12-26 | 2013-04-17 | 浙江大学 | 铁路公路基床级配碎石几何特征可视化采集系统及方法 |
US20180369829A1 (en) * | 2015-12-01 | 2018-12-27 | Outotec (Finland) Oy | Method and an arrangement for controlling of a comminution process having a grinding circuit |
CN106018441A (zh) * | 2016-05-10 | 2016-10-12 | 东南大学 | 一种高铁路基用水泥级配碎石内部结构检测方法 |
CN108053449A (zh) * | 2017-12-25 | 2018-05-18 | 北京工业大学 | 双目视觉系统的三维重建方法、装置及双目视觉系统 |
CN210730212U (zh) * | 2019-08-15 | 2020-06-12 | 中国水利水电科学研究院 | 一种混凝土骨料级配识别与调控装置 |
CN113533145A (zh) * | 2021-07-09 | 2021-10-22 | 清华大学 | 基于摄像机组三维重建的堆石粒径识别与监控装置及方法 |
CN216870297U (zh) * | 2021-07-09 | 2022-07-01 | 清华大学 | 基于摄像机组三维重建的堆石粒径识别与监控装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117237303A (zh) * | 2023-09-19 | 2023-12-15 | 中南大学 | 基于机器视觉的非接触式堆石颗粒级配检测方法及装置 |
CN117237303B (zh) * | 2023-09-19 | 2024-05-03 | 中南大学 | 基于机器视觉的非接触式堆石颗粒级配检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113533145A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023280300A1 (zh) | 基于摄像机组三维重建的堆石粒径识别与监控装置及方法 | |
CN110044289B (zh) | 基于自动变焦的隧道多断面收敛变形视频监测装置及方法 | |
Fassi et al. | Comparison between laser scanning and automated 3d modelling techniques to reconstruct complex and extensive cultural heritage areas | |
CN112525164B (zh) | 一种基于无人机倾斜摄影技术对超高层建筑变形检测的方法 | |
CN108613628B (zh) | 一种基于双目视觉的架空输电线路弧垂测量方法 | |
CN101226057B (zh) | 一种数字近景摄影测量方法 | |
CN106978774B (zh) | 一种路面坑槽自动检测方法 | |
CN108458665A (zh) | 利用近景摄影进行隧道快速形变测量的方法 | |
CN107843204A (zh) | 基于监控级摄像机的边坡三维变形监测方法及系统 | |
CN111457848B (zh) | 通过相邻监测点间坐标变化而测定位移量的方法及系统 | |
CN113340241B (zh) | 一种双目视觉混凝土结合面粗糙度测量方法及系统 | |
CN100545610C (zh) | 数码相机可量测化检测方法 | |
CN105812790A (zh) | 图像传感器感光面与光轴垂直度的评测方法及光学测试卡 | |
WO2022078440A1 (zh) | 一种包含运动物体的空间占用率采集判断设备及方法 | |
CN107941153A (zh) | 一种激光测距优化标定的视觉系统 | |
CN116342674A (zh) | 一种三维模型计算沥青路面构造深度方法 | |
CN102589529B (zh) | 扫描近景摄影测量方法 | |
CN216870297U (zh) | 基于摄像机组三维重建的堆石粒径识别与监控装置 | |
CN203100677U (zh) | 一种碎石几何特征采集系统 | |
CN111383174A (zh) | 一种用于摄影测量的爆堆数据采集方法 | |
KR101181706B1 (ko) | 화상측정용 기기 및 토목 구조물 변형 측정 방법 | |
WO2019195954A1 (zh) | 基于机械微调双主机的地貌观测装置 | |
CN105806221A (zh) | 一种激光投影标定装置和标定方法 | |
CN114998399A (zh) | 一种异源光学遥感卫星影像立体像对预处理方法 | |
CN114279324A (zh) | 一种预制构件外观质量全方位智能检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 22837045 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |