CN108986070B - 一种基于高速视频测量的岩石裂缝扩展实验监测方法 - Google Patents
一种基于高速视频测量的岩石裂缝扩展实验监测方法 Download PDFInfo
- Publication number
- CN108986070B CN108986070B CN201810540379.3A CN201810540379A CN108986070B CN 108986070 B CN108986070 B CN 108986070B CN 201810540379 A CN201810540379 A CN 201810540379A CN 108986070 B CN108986070 B CN 108986070B
- Authority
- CN
- China
- Prior art keywords
- sequence
- image
- rock
- speed
- dimensional
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于高速视频测量的岩石裂缝扩展实验监测方法,包括以下步骤:1)通过双目视觉测量***中的两台高速相机获取待测岩石在单轴压缩下的破裂过程的序列影像并存储;2)在序列影像解析过程中,通过亚像素级跟踪匹配方法获取散斑兴趣区中序列同名像点坐标,并经过摄影测量解析算法获取待测岩石表面在单轴压缩下的时序三维点云数据;3)针对序列三维点云的时空序列分析,获取待测岩石裂缝的三维形变参数,包括位移、速度、加速度和应变场等参数。与现有技术相比,本发明具有可行、有效、灵活、可靠等优点。
Description
技术领域
本发明涉及岩石裂缝扩展实验的非接触式高速视频测量方案,尤其是涉及一种基于高速视频测量的岩石裂缝扩展实验监测方法。
背景技术
在工程界,一种材料在投入使用之前,其材料性质和安全系数往往需要通过拉伸、压缩、碰撞等测试性实验进行监测。在岩石的裂缝扩展测量方面,传统接触式测量仪器由于量程有限、测量点位少、增加模型质量、安装费时费力等诸多缺点,已渐渐被非接触式测量方法所取代。在光学测量研究工作中,数字相关算法已成为力学计算的主流解算方法。许多学者已开始运用数字散斑相关技术进行位移场和应变场的解算。但在大部分的实验中,更多的是测量二维平面的位移变化,其中感光平面与被测物面不平行导致的测量误差会严重影像测量结果,而这几乎是无法控制的。此外,三维数字相关技术在近些年也得到了广泛研究,但诸多类似的实验是在普通相机或者较低性能的高速相机下进行拍摄的,无法详尽地记录被测物的突变情况,进而无法提供测量点位完整的空间三维信息变化,影响了实验的测量效果。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于高速视频测量的岩石裂缝扩展实验监测方法。
本发明的目的可以通过以下技术方案来实现:
一种基于高速视频测量的岩石裂缝扩展实验监测方法,包括以下步骤:
1)通过双目视觉测量***中的两台高速相机获取待测岩石在单轴压缩下的破裂过程的序列影像并存储;
2)在序列影像解析过程中,通过亚像素级跟踪匹配方法计算散斑兴趣区中的序列同名像点坐标,并经过摄影测量解析算法获取待测岩石表面在单轴压缩下的时序三维点云数据;
3)针对序列三维点云的时空序列分析,获取待测岩石裂缝的三维形变参数,包括位移、速度、加速度和应变场。
所述的步骤1)中,所述的双目视觉测量***中的高速相机为工业相机,通过同步控制器保持影像采集同步。
所述的两台高速相机水平放置,并且采用交向摄影方式拍摄,以此到达增加影像重叠覆盖率的目的。
所述的步骤1)中,在待测岩石上喷涂散斑区域,具体为:
待测岩石表面打磨至平整,在观测表面喷涂白色的哑光漆,并进行风干,在观测表面随机并均匀地喷洒黑色哑光漆或黑色墨水,形成散斑,将整个散斑区域作为散斑兴趣区,将散斑作为目标点。
所述的步骤2)具体包括以下步骤:
21)高速相机的立体标定:通过基于平面板的标定方法同时获取高速相机的内方位元素和外方位元素;
22)散斑影像预处理:在序列影像中选取散斑兴趣区并在兴趣区中确定目标点;
23)同名点匹配:将两个高速相机同时采集的影像作为匹配对象,通过归一化相关系数确定整像素级的粗略点位,并通过最小二乘匹配方法确定亚像素级的精确点位;
24)目标跟踪匹配:以高速相机采集的序列影像的前后帧影像作为匹配对象,获取目标点在序列影像中的时序二维像点坐标;
25)三维点云重建:根据匹配后的每对同名点的像点坐标以及标定后的内方位元素和外方位元素,通过基于共线方程的前方交会获取序列影像中同名目标点的时序三维点位坐标。
所述的步骤23)中,最小二乘匹配方法以归一化相关系数最大为目标函数,考虑左右影像间的仿射畸变模型,利用窗口内的灰度信息和位置信息进行平差处理,最终获得精确匹配点位。
所述的步骤3)中通过对时序三维点位坐标的差分获取位移数据,将位移数据在时间上进行一次微分和二次微分,分别获得速度数据和加速度数据。
与现有技术相比,本发明具有以下优点:
本发明通过将数字散斑匹配方法与高速视频测量相结合,可以时刻获取待测岩石在微小时间间隔中的三维形态变化,进而提出了一套完备的非接触式三维形变测量方案,能够为岩石裂缝扩展的定量研究与分析提供多种形变参数。
附图说明
图1为本发明的技术路线图。
图2为目标点采样示意图。
图3为同名匹配示意图。
图4为目标点在序列影像中跟踪匹配示意图。
图5为高速相机网络布设图
图6为归一化相关系数统计直方图。
图7为岩石表面的三维重建,其中,图(7a)为初始时刻的三维点云分布,图(7b)为第8.285s时的三维点云分布。
图8为岩石试样在第8.285s时的三维位移场,其中,图(8a)为X方向位移,图(8b)为Y方向位移,图(8c)为Z方向位移。
图9为岩石试样在第8.285s时的应变场,其中,图(9a)为Exx应变,图(9b)为Eyy应变,图(9c)为Exy应变。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
本专利针对岩石裂缝扩展实验制订了一套详细的高速视频测量方法。在本实施例中使用了两台高速相机进行立体观测,因此可将该硬件设备和相关测量理论统称为双目视觉测量***。该***的构建需要高速相机、同步控制器、高速数据采集卡等硬件。其中,高速相机是该***重要的组成部分,它属于工业相机的一种,具有高稳定性、高帧频、高传输能力和高抗干扰能力等独特优点,特别适用于自动光学检测、三维测量、半导体检测、机器视觉等领域。此外,同步控制器的作用是使联测的相机保持同步性。在后续的数据处理中,当解算某一时刻某一目标点的三维空间坐标时,需要获得该时刻拍摄的同名影像。如果不对两台相机进行同步控制,就无法进行后期的三维数据解算,因此同步控制是至关重要的。
双目视觉测量***的网络构建也需要根据实验环境来设计。为了增加影像重叠覆盖率,两台高速相机应使用交向摄影方式。在岩石试样块的正前方,两台高速相机应尽量水平安放,但在水平面上的相对姿态不能太过倾斜。这是因为如果倾斜姿态过大,那么左右两组影像的相对透视变形会相应加大,这会降低后期的亚像素影像匹配精度。因此在实验实施之前,可根据拍摄影像的视野范围对两台相机的位置和姿态进行调整。
本发明的技术路线,如图1所示。
本发明具体包括以下步骤:
1、目标匹配与跟踪
1.1影像预处理
在影像匹配之前,需进行兴趣区提取和目标点位确定,其中目标点选取过程类似于采样过程,而采样的间隔可根据实验的需求而制定。例如,将左相机拍摄的第一张影像(即首帧影像)作为参考影像,先以人工方式选取兴趣区,再通过一定的长度间隔(采样间隔)选取目标点位。采样间隔越小则目标点数量越多,其示意图如图2所示。
1.2同名点匹配
本实验需要亚像素高精度匹配结果,因此本专利使用最为常规的由粗到精的匹配策略。粗匹配通过计算归一化相关系数来确定整像素匹配粗略点位,精匹配则通过最小二乘匹配方法来确定亚像素精确点位。其中最小二乘匹配方法以归一化相关系数最大为目标并将左右影像变形视为仿射变换,利用窗口内的灰度信息和位置信息进行平差处理,从而可达到1/10甚至1/100像素的匹配精度。为了加快匹配速度,需要确定局部搜索区域。由于本实验中两台相机的相对倾斜姿态较小,致使左右影像中兴趣区的范围相差不大。如图3所示,可先确定左影像某一目标点在左兴趣区中的位置关系,然后再推算出该同名点在右兴趣区中大致的范围,由此来决定影像匹配搜索区域。另外,已经确定了各目标点的点位,因此目标影像块的窗口尺寸和搜索区域的窗口尺寸可以按照实验的需求进行设置。
1.3目标跟踪匹配
目标跟踪匹配是为了获得各目标点序列影像坐标,其亚像素级匹配方法与同名点匹配相似。不同之处在于匹配对象不再是左右影像,而是各相机存储的序列影像。由于同名点匹配过程已经提供了目标影像块,因此这些影像块也应该在目标跟踪匹配中作为目标影像,而下一帧的搜索区域可由上一帧的目标位置所确定,其跟踪匹配示意图如图4。
通过上述流程,每一个目标点都可获得序列影像坐标,由于两台高速相机对所拍摄的影像已经进行了同步采集和存储,因此在首帧影像上获得的同名点在时间序列上依旧保持同名关系。通过三维重建后,岩石表面在每个时间刻度下都可形成三维点云数据。
2、双目视觉三维重建
2.1立体标定
本专利使用了基于平面板的标定方法同步获取相机的内方位元素和外方位元素,其中内方位元素不但要考虑像主点(Cx,Cy)和像距(f),而且要考虑镜头的畸变参数和像元的实际大小(Sx,Sy)。镜头的畸变参数主要包括径向畸变(K1,K2,K3)与切向畸变(P1,P2)。此外,立体标定不但要确定各相机的内方位元素,同时也要确定相机的外方位元素。外方位元素(α,β,γ,tx,ty,tz)则主要体现在摄影机坐标系与世界坐标系之间的转换关系。立体标定是本实验最为关键的一步,因为其标定定向的精度影响着最终的实验结果。因此,可在平面标定板上将划取检测点来进一步验证标定精度。
2.2三维重建
在实验过程中,已标定好的高速相机不可发生移动,否则需要重新标定。在2.1节,立体标定已经确定了各相机的内外方位元素,因此在两台相机采集的序列影像中,每获得一对同名点的像点坐标,便可通过基于共线方程的前方交会解算其三维点位。通过空间和时间上的累积,从而获得大量的点云数据。近景摄影测量的共线条件方程公式如下:
其中,R=[a1 b1 c1;a2 b2 c2;a3 b3 c3]。
在双目视觉测量***下,一对同名点可列出4个方程,而需要求解3个未知数,因此可按最小二乘原理进行平差解算。
3、形变参数解算
在前述的数据处理过程中,已经可以获取任意时刻的三维点云数据。由此可以形成位移、速度、加速度、应变等多种形变参数。
3.1位移、速度、加速度
位移是指目标点在时间序列上某一时刻的当前位置与该目标点初始时刻的距离差。由此便可知跟踪点初始时刻的位移为0。例如,三维点位移数据的位移公式如下:
由于高速相机的采集帧频是固定不变的,因此可以获得相邻两帧的时间差。若将位移数据分别对时间进行一次微分和二次微分,便可获得相应的速度数据和加速度数据。因此,岩石表面所有目标点都进行以上处理,便可形成位移场、速度场和加速度场。
3.2应变值
在应变解析中,某一点的应变值可由周围的位移数据计算而成,因而可以将各个目标点为中心,在其周围选取一个位移窗口进行应变值解算。在该位移窗口中,可认为其位移分布是线性的。其位移与坐标的关系可表示为:
其中,u(i,j)和v(i,j)是位移窗口下的点(i,j)的位移值,ai=0,1,2和bi=0,1,2是多项式的待定系数。
在较小变形的情况下,应变分量可由下式求解:
该位移窗口尺寸的大小可根据需求进行确定,如果窗口尺寸较大,也可用高次多项式来表示位移分布。但一般来讲,该位移窗口的尺寸应凭借实验需求选取适中,从公式(3)和公示(4)来看,最少已知三个点的平面坐标便可求解其应变分量。在单轴压缩下,更多关注的是岩石表面内发生的形变。因此,在前期生成的三维点云中,只考虑其空间平面内的应变即可。
本实验的观测对象是用来进行裂缝扩展测量的岩石试样块,该试样块是由医用石膏和水按照一定的比例混合制作而成,经过模具加工成为一个边长为70mm的立方体。为了满足测量的需求,需要喷涂散斑来增加观测点位,其具体过程如下:(1)试样块的观测表面需进行打磨至平整;(2)在观测表面喷涂白色的哑光漆,并进行风干;(3)在观测表面随机并均匀地喷洒黑色哑光漆或黑色墨水,以此来形成散斑影像。此外,如图5所示,两台高速相机形成交向摄影测量方式,且使用大功率卤素灯对实验对象进行补光,保证影像的拍摄质量。
在实验中,两台高速相机形成双目视觉对岩石试样块进行三维测量,其帧频设置为400帧/秒,可精确测量频率高达40Hz的动态数据,即每10次的影像数据来描述试样1次的形态变化。高速相机所拍影像大小为2304×1720像素,且像元大小为7um。为了精密量测,高速相机配置了50mm的定焦镜头。
通过标定,可获得两台高速相机的内方位元素和相对的外方位元素,结果如表1。通过平面板上划定的检测点检核,其标定定向精度可达0.01mm,且反投影误差优于0.2像素。
表1高速相机的内方位元素和外方位元素
按照前述,在匹配之前需要进行影像预处理,本次在兴趣区中选取目标点的采样间隔为5像素,由此便产生了17423个目标观测点,并按131列数和133行数进行规则排列。对所有目标点位确定目标影像块,其中目标窗口的尺寸设置为30像素,同名搜索窗口的尺寸设置为50像素。在同名点匹配之后,可获得归一化相关系数统计图,如图6所示,从图中可以获知,有14084对同名点的相关系数在0.9~1.0这一取值范围,有3315对同名点的相关系数在0.8~0.9这一取值范围。由于相关系数在0.8以上的数值为高度影像相关,因此几乎所有目标点都能匹配到同名点,且匹配精度高。然而部分点相关系数数值偏小,这是由于个别目标影像块的纹理信息较少所造成的匹配精度不高。这种情况可通过数值内插的方式将这些不好的点位解算出来。
在所有目标点进行跟踪匹配后,可以获得序列同名像点坐标,再通过三维重建,可以获得任意时刻岩石表面的三维点云数据。如图7,从三维点云数据中也可直观地看出岩石表面发生的三维形变状态。
通过形变参数解算可形成三维位移场和应变场,分别如图8和图9。在压缩过程中,岩石的最上方产生了裂缝,进而对岩石产生破坏,发生比较大的形变。此外,从应变场可明显看出,岩石的破裂趋势将向下延伸。
本专利使用400帧频/秒的高速相机测量岩石裂缝扩展实验,详细介绍了双目视觉三维重建方法,同时提出了一种散斑影像匹配策略和匹配方法,进而提出了一套完备的三维形变测量方案。
1)本方案量测了实验对象在破裂过程中的位移场和应变场动态变化,其中目标点位的空间定位精度最高可达到0.01mm,验证了整套测量方案在岩石破裂实验中应用的可行性和有效性。
2)在散斑影像匹配过程中,目标点的选取间隔和目标影像块窗口可根据实验需求来确定,其增加了数据分析的灵活性。
3)高速视频测量技术凭借独有的高帧频特性可测量高速运动物体,采集帧频为400帧/秒的高速相机可精确测量频率高达40Hz的动态数据。
4)本专利同样详细阐述了形变参数的求解过程,为进一步研究分析工作提供了可靠的实验数据。
Claims (4)
1.一种基于高速视频测量的岩石裂缝扩展实验监测方法,其特征在于,包括以下步骤:
1)通过双目视觉测量***中的两台高速相机获取待测岩石在单轴压缩下的破裂过程的序列影像并存储;
2)在序列影像解析过程中,通过亚像素级跟踪匹配方法计算散斑兴趣区中的序列同名像点坐标,并经过摄影测量解析算法获取待测岩石表面在单轴压缩下的时序三维点云数据,具体包括以下步骤:
21)高速相机的立体标定:通过基于平面板的标定方法同时获取高速相机的内方位元素和外方位元素;
22)散斑影像预处理:在序列影像中选取散斑兴趣区并在兴趣区中确定目标点;
23)同名点匹配:具体采用由粗到精的匹配方式,将两个高速相机同时采集的影像作为匹配对象,首先通过计算归一化相关系数确定整像素级的粗略点位,然后通过最小二乘匹配方法确定亚像素级的精确点位,其中,最小二乘匹配方法以归一化相关系数最大为目标函数,考虑左右影像间的仿射畸变模型,利用窗口内的灰度信息和位置信息进行平差处理,最终获得精确匹配点位,另外,通过确定局部搜索区域以加快匹配速度,先确定左影像的一个目标点在左兴趣区中的位置关系,然后获取该同名点在右兴趣区中的大致范围,以此决定影像匹配搜索区域;
24)目标跟踪匹配:以高速相机采集的序列影像的前后帧影像作为匹配对象,获取目标点在序列影像中的时序二维像点坐标;
25)三维点云重建:根据匹配后的每对同名点的像点坐标以及标定后的内方位元素和外方位元素,通过基于共线方程的前方交会获取序列影像中同名目标点的时序三维点位坐标;
3)针对序列三维点云的时空序列分析,获取待测岩石裂缝的三维形变参数,包括位移、速度、加速度和应变场,通过对时序三维点位坐标的差分获取位移数据,将位移数据在时间上进行一次微分和二次微分,分别获得速度数据和加速度数据。
2.根据权利要求1所述的一种基于高速视频测量的岩石裂缝扩展实验监测方法,其特征在于,所述的步骤1)中,所述的双目视觉测量***中的高速相机为工业相机,通过同步控制器保持影像采集同步。
3.根据权利要求2所述的一种基于高速视频测量的岩石裂缝扩展实验监测方法,其特征在于,所述的两台高速相机水平放置,并且采用交向摄影方式拍摄,以此到达增加影像重叠覆盖率的目的。
4.根据权利要求1所述的一种基于高速视频测量的岩石裂缝扩展实验监测方法,其特征在于,所述的步骤1)中,在待测岩石上喷涂散斑区域,具体为:
待测岩石表面打磨至平整,在观测表面喷涂白色的哑光漆,并进行风干,在观测表面随机并均匀地喷洒黑色哑光漆或黑色墨水,形成散斑,将整个散斑区域作为散斑兴趣区,将散斑作为目标点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810540379.3A CN108986070B (zh) | 2018-05-30 | 2018-05-30 | 一种基于高速视频测量的岩石裂缝扩展实验监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810540379.3A CN108986070B (zh) | 2018-05-30 | 2018-05-30 | 一种基于高速视频测量的岩石裂缝扩展实验监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108986070A CN108986070A (zh) | 2018-12-11 |
CN108986070B true CN108986070B (zh) | 2021-06-04 |
Family
ID=64542332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810540379.3A Active CN108986070B (zh) | 2018-05-30 | 2018-05-30 | 一种基于高速视频测量的岩石裂缝扩展实验监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108986070B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109916322B (zh) * | 2019-01-29 | 2020-02-14 | 同济大学 | 一种基于自适应窗口匹配的数字散斑全场形变测量方法 |
CN109885952A (zh) * | 2019-02-28 | 2019-06-14 | 西南石油大学 | 一种井周裂缝网络模型的建立方法 |
CN110895217B (zh) * | 2019-11-29 | 2021-09-10 | 昆明理工大学 | 一种应用于数字散斑的饱水岩石试件表面制斑方法 |
CN111754500B (zh) * | 2020-06-30 | 2023-06-27 | 中国科学院地质与地球物理研究所 | 一种岩石压裂缝网拓扑结构刻画*** |
CN113408121B (zh) * | 2021-06-11 | 2023-07-11 | 长江水利委员会长江科学院 | 一种高陡边坡危岩运动轨迹测量及坡段参数计算方法 |
CN113506257B (zh) * | 2021-07-02 | 2022-09-20 | 同济大学 | 一种基于自适应窗口匹配的裂缝提取方法 |
CN113610925B (zh) * | 2021-07-27 | 2024-04-26 | 同济大学 | 一种水下振动台防水膜高速视频测量动态监测方法 |
CN113506292B (zh) * | 2021-07-30 | 2022-09-20 | 同济大学 | 一种基于位移场的结构物表面裂纹检测和提取方法 |
CN113762348A (zh) * | 2021-08-10 | 2021-12-07 | 同济大学 | 一种可靠性引导的数字散斑立体匹配方法 |
CN114118627B (zh) * | 2021-12-13 | 2023-04-07 | 电子科技大学 | 一种野外红外相机布控选址方法及*** |
CN115077832B (zh) * | 2022-07-28 | 2022-11-08 | 西安交通大学 | 一种飞机耐高温构件三维表面振动疲劳损伤测量方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103822616B (zh) * | 2014-03-18 | 2016-01-20 | 武汉大学 | 一种图分割与地形起伏约束相结合的遥感影像匹配方法 |
CN104848838B (zh) * | 2015-04-29 | 2017-11-03 | 辽宁工程技术大学 | 两种构形条件下岩土试样剪切带倾角演变规律观测方法 |
US9909855B2 (en) * | 2015-12-30 | 2018-03-06 | Faro Technologies, Inc. | Registration of three-dimensional coordinates measured on interior and exterior portions of an object |
CN107589069B (zh) * | 2017-07-10 | 2020-04-28 | 同济大学 | 一种物体碰撞恢复系数的非接触式测量方法 |
CN107703149A (zh) * | 2017-10-13 | 2018-02-16 | 成都精工华耀机械制造有限公司 | 一种基于双目视觉与激光散斑的铁轨扣件异常检测*** |
-
2018
- 2018-05-30 CN CN201810540379.3A patent/CN108986070B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108986070A (zh) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108986070B (zh) | 一种基于高速视频测量的岩石裂缝扩展实验监测方法 | |
CN109916322B (zh) | 一种基于自适应窗口匹配的数字散斑全场形变测量方法 | |
JP4809291B2 (ja) | 計測装置及びプログラム | |
CN109579695B (zh) | 一种基于异构立体视觉的零件测量方法 | |
CN102589516B (zh) | 一种基于双目线扫描摄像机的动态距离测量*** | |
CN107589069B (zh) | 一种物体碰撞恢复系数的非接触式测量方法 | |
CN109341668B (zh) | 基于折射投影模型和光束追踪法的多相机测量方法 | |
CN111709985B (zh) | 一种基于双目视觉的水下目标测距方法 | |
CN110223355B (zh) | 一种基于双重极线约束的特征标志点匹配方法 | |
CN106918306A (zh) | 基于光场单相机的工业产品三维形貌实时检测*** | |
Zhong et al. | Stereo-rectification and homography-transform-based stereo matching methods for stereo digital image correlation | |
CN106709955A (zh) | 基于双目立体视觉的空间坐标系标定***和方法 | |
CN113446957A (zh) | 基于神经网络标定和散斑追踪的三维轮廓测量方法及装置 | |
CN111583342A (zh) | 一种基于双目视觉的目标快速定位方法及装置 | |
CN117092659A (zh) | 一种激光成像雷达和相机联合测量船舶高度的***及方法 | |
JP2010009236A (ja) | 平面領域推定装置及びプログラム | |
CN114754695B (zh) | 多视场桥梁挠度测量装置、方法及存储介质 | |
CN108550144B (zh) | 基于灰度信度的激光光条序列图像质量评价方法 | |
CN112805607A (zh) | 计测装置、计测方法和显微镜*** | |
CN114663486A (zh) | 一种基于双目视觉的建筑物测高方法及*** | |
CN114509018A (zh) | 一种全场实时桥梁挠度测量方法 | |
CN114266835A (zh) | 一种非量测相机的变形监测控制方法与*** | |
CN114170321A (zh) | 一种基于测距的相机自标定方法及*** | |
CN114018167A (zh) | 一种基于单目三维视觉的桥梁挠度测量方法 | |
Randil et al. | 3D Full-Field Deformation Measuring Technique with Optics-Based Measurements |
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 |