CN111998834A - 一种裂缝监测方法及*** - Google Patents

一种裂缝监测方法及*** Download PDF

Info

Publication number
CN111998834A
CN111998834A CN202011184214.0A CN202011184214A CN111998834A CN 111998834 A CN111998834 A CN 111998834A CN 202011184214 A CN202011184214 A CN 202011184214A CN 111998834 A CN111998834 A CN 111998834A
Authority
CN
China
Prior art keywords
image
position point
initial
monitoring
initial position
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.)
Granted
Application number
CN202011184214.0A
Other languages
English (en)
Other versions
CN111998834B (zh
Inventor
蔡友发
李飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Smart Technology Co Ltd
Original Assignee
Beijing Smart Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Smart Technology Co Ltd filed Critical Beijing Smart Technology Co Ltd
Priority to CN202011184214.0A priority Critical patent/CN111998834B/zh
Publication of CN111998834A publication Critical patent/CN111998834A/zh
Application granted granted Critical
Publication of CN111998834B publication Critical patent/CN111998834B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • 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
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • 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
    • G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及一种裂缝监测方法及***，涉及裂缝监测技术领域。该方法包括：根据初始时刻两个相机拍摄的待监测裂缝的初始图像，利用三维DIC方法确定两个初始图像上相对应的初始位置点；通过初始位置点、双目相机非线性成像模型和最小二乘法确定的初始三维坐标计算待监测裂缝的初始宽度；根据监测时间后两个相机拍摄的待监测裂缝的监测图像，利用二维DIC方法确定初始位置点在监测图像上对应的监测位置点；通过监测位置点确定的监测三维坐标计算待监测裂缝的当前宽度；根据初始三维坐标、监测三维坐标、初始宽度和当前宽度，确定待监测裂缝的变化情况。本发明通过DIC方法的匹配算法提高裂缝宽度变化的检测分辨率，实现高分辨率监测。

Description

一种裂缝监测方法及***
技术领域
本发明涉及裂缝监测技术领域，特别是涉及一种裂缝监测方法及***。
背景技术
目前基于机器视觉原理的裂缝检测或监测方法基本都是使用单目相机，实现过程是：先对单目相机获得的裂缝图像进行预处理与裂缝识别，得到裂缝的整像素边缘，然后再对所识别出的裂缝整像素边缘进行亚像素定位。这样就可以实现裂缝宽度变化的高分辨率检测或监测。然而，当相机光轴不垂直于被测结构表面或是被测结构表面不是平面时，将带来一定的误差或根本无法进行检测或监测；而且，即便进行了裂缝边缘的亚像素定位，据目前公开资料所能达到的裂缝宽度变化的检测分辨率也较低。
发明内容
本发明的目的是提供一种裂缝监测方法及***，通过数字图像相关（digitalimage correlation，DIC）方法的高精度定位算法提高裂缝宽度变化的检测分辨率，实现裂缝宽度变化的高分辨率监测。
为实现上述目的，本发明提供了如下方案：
一种裂缝监测方法，包括：
获取初始时刻双目立体视觉的第一相机拍摄的待监测裂缝的第一初始图像和第二相机拍摄的所述待监测裂缝的第二初始图像，所述第一初始图像上的第一初始位置点和第二初始位置点，以及所述第一相机和所述第二相机的内部参数、外部参数和畸变向量；所述第一初始位置点与所述第二初始位置点的连线垂直于所述待监测裂缝的走向；
根据所述第一初始图像、所述第二初始图像、所述第一初始位置点和所述第二初始位置点，通过三维数字图像相关方法确定所述第二初始图像上所述第一初始位置点对应的第三初始位置点，和所述第二初始位置点对应的第四初始位置点；
根据所述第一初始位置点、所述第二初始位置点、所述第三初始位置点、所述第四初始位置点、所述内部参数、所述外部参数和所述畸变向量，通过双目相机非线性成像模型和最小二乘法，得到所述第一初始位置点的第一初始三维坐标和所述第二初始位置点的第二初始三维坐标；
根据所述第一初始三维坐标和所述第二初始三维坐标，确定所述待监测裂缝的初始宽度；
获取监测时间后所述第一相机拍摄的所述待监测裂缝的第一监测图像和所述第二相机拍摄的所述待监测裂缝的第二监测图像；
根据所述第一初始图像、所述第二初始图像、所述第一监测图像、所述第二监测图像、所述第一初始位置点、所述第二初始位置点、所述第三初始位置点和所述第四初始位置点，通过二维数字图像相关方法分别确定所述第一监测图像上所述第一初始位置点对应的第一监测位置点，和所述第二初始位置点对应的第二监测位置点，以及所述第二监测图像上所述第三初始位置点对应的第三监测位置点，和所述第四初始位置点对应的第四监测位置点；
根据所述第一监测位置点、所述第二监测位置点、所述第三监测位置点、所述第四监测位置点、所述内部参数、所述外部参数和所述畸变向量，通过双目相机非线性成像模型和最小二乘法，得到所述第一监测位置点的第一监测三维坐标和所述第二监测位置点的第二监测三维坐标；
根据所述第一监测三维坐标和所述第二监测三维坐标，确定所述待监测裂缝在所述监测时间后的当前宽度；
根据所述第一初始三维坐标、所述第二初始三维坐标、所述第一监测三维坐标、所述第二监测三维坐标、所述初始宽度和所述当前宽度，确定所述待监测裂缝的变化情况。
可选的，所述根据所述第一初始图像、所述第二初始图像、所述第一初始位置点和所述第二初始位置点，通过三维数字图像相关方法确定所述第二初始图像上所述第一初始位置点对应的第三初始位置点，和所述第二初始位置点对应的第四初始位置点，具体包括：
获取所述第一初始图像的灰度分布和所述第二初始图像的灰度分布；
根据所述第一初始图像的灰度分布、所述第二初始图像的灰度分布和所述第一初始位置点，通过三维数字图像相关方法确定所述第二初始图像上所述第一初始位置点对应的第三初始位置点；
根据所述第一初始图像的灰度分布、所述第二初始图像的灰度分布和所述第二初始位置点，通过三维数字图像相关方法确定所述第二初始图像上所述第二初始位置点对应的第四初始位置点。
可选的，所述根据所述第一初始图像的灰度分布、所述第二初始图像的灰度分布和所述第一初始位置点，通过三维数字图像相关方法确定所述第二初始图像上所述第一初始位置点对应的第三初始位置点，具体包括：
根据所述第一初始图像的灰度分布，确定所述第一初始图像中以所述第一初始位置点为中心、大小为（2M+1）像素×（2M+1）像素的图像区域为参考图像子区，并得到所述参考图像子区的参考灰度分布；M为整数；
根据所述参考图像子区和所述第二初始图像的灰度分布，利用二阶形函数
Figure 571312DEST_PATH_IMAGE001
确定所述参考图像子区投影变换在所述第二初始图像上的目标图像子区，并得到所述目标图像子区的目标灰度分布；式中，
Figure 173588DEST_PATH_IMAGE002
表示目标图像子区中像素点
Figure 28412DEST_PATH_IMAGE003
的横坐标，x 0 表示参考图像子区的中心像素点(x 0 ,y 0 )的横坐标，
Figure 152356DEST_PATH_IMAGE004
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 ,y 0 )的横向距离，
Figure 875462DEST_PATH_IMAGE005
表示参考图像子区的中心像素点(x 0 ,y 0 )的横向视差，
Figure 735839DEST_PATH_IMAGE006
表示参考图像子区中像素点(x i ,y i )的横向视差对x求的一阶偏导数，
Figure 433668DEST_PATH_IMAGE007
表示参考图像子区中像素点(x i ,y i )的横向视差对y求的一阶偏导数，
Figure 28597DEST_PATH_IMAGE008
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 ,y 0 )的纵向距离，
Figure 536152DEST_PATH_IMAGE009
表示参考图像子区中像素点(x i ,y i )的横向视差先对x求后再对x求的二阶偏导数，
Figure 1769DEST_PATH_IMAGE010
表示参考图像子区中像素点(x i ,y i )的横向视差先对x求后再对y求的二阶偏导数，
Figure 808182DEST_PATH_IMAGE011
表示参考图像子区中像素点(x i ,y i )的横向视差先对y求后再对y求的二阶偏导数，
Figure 359249DEST_PATH_IMAGE012
表示目标图像子区中像素点
Figure 939004DEST_PATH_IMAGE013
的纵坐标，y 0 表示参考图像子区的中心像素点(x 0 ,y 0 )的纵坐标，
Figure 993547DEST_PATH_IMAGE014
表示参考图像子区的中心像素点(x 0 ,y 0 )的纵向视差，
Figure 970862DEST_PATH_IMAGE015
表示参考图像子区中像素点(x i ,y i )的纵向视差对x求的一阶偏导数，
Figure 540383DEST_PATH_IMAGE016
表示参考图像子区中像素点(x i ,y i )的纵向视差对y求的一阶偏导数，
Figure 661180DEST_PATH_IMAGE017
表示参考图像子区中像素点(x i ,y i )的纵向视差先对x求后再对x求的二阶偏导数，
Figure 570230DEST_PATH_IMAGE018
表示参考图像子区中像素点(x i ,y i )的纵向视差先对x求后再对y求的二阶偏导数，
Figure 515183DEST_PATH_IMAGE019
表示参考图像子区中像素点(x i ,y i )的纵向视差先对y求后再对y求的二阶偏导数，x i 表示参考图像子区中像素点(x i ,y i )的横坐标，y j 表示参考图像子区中像素点(x i ,y i )的纵坐标；
根据所述参考灰度分布和所述目标灰度分布，通过最小平方距离相关系数
Figure 306422DEST_PATH_IMAGE020
，确定所述参考图像子区与所述目标图像子区的相关函数
Figure 962400DEST_PATH_IMAGE021
；式中，
Figure 663639DEST_PATH_IMAGE022
表示参考图像子区的参考灰度分布，
Figure 841811DEST_PATH_IMAGE023
表示目标图像子区的目标灰度分布；
利用牛顿-拉普森迭代法通过公式
Figure 261291DEST_PATH_IMAGE024
求解所述相关函数的极值，得到
Figure 737272DEST_PATH_IMAGE005
和
Figure 663990DEST_PATH_IMAGE014
的值；式中，
Figure 544221DEST_PATH_IMAGE025
表示待求解参数向量，
Figure 654260DEST_PATH_IMAGE026
；
Figure 809297DEST_PATH_IMAGE027
表示待求解参数，
Figure 344184DEST_PATH_IMAGE028
，
Figure 769218DEST_PATH_IMAGE029
，
Figure 756765DEST_PATH_IMAGE030
，
Figure 59702DEST_PATH_IMAGE031
，
Figure 590040DEST_PATH_IMAGE032
，
Figure 467867DEST_PATH_IMAGE033
，
Figure 194907DEST_PATH_IMAGE034
，
Figure 426169DEST_PATH_IMAGE035
，
Figure 14276DEST_PATH_IMAGE036
，
Figure 797424DEST_PATH_IMAGE037
，
Figure 900509DEST_PATH_IMAGE038
，
Figure 43784DEST_PATH_IMAGE039
；
根据
Figure 142190DEST_PATH_IMAGE040
和
Figure 846972DEST_PATH_IMAGE014
的值，以及所述第一初始位置点的坐标，通过公式
Figure 765249DEST_PATH_IMAGE041
，得到所述第三初始位置点的坐标；(
Figure 709285DEST_PATH_IMAGE042
)表示所述第一初始位置点的坐标，(
Figure 193356DEST_PATH_IMAGE043
)表示所述第三初始位置点的坐标。
可选的，所述根据所述第一初始三维坐标和所述第二初始三维坐标，确定所述待监测裂缝的初始宽度，具体包括：
根据所述第一初始三维坐标和所述第二初始三维坐标，利用公式
Figure 193673DEST_PATH_IMAGE044
计算得到所述待监测裂缝的初始宽度
Figure 146716DEST_PATH_IMAGE045
；(x 1 ,y 1 ,z 1)表示所述第一初始三维坐标，(x 2 ,y 2 ,z 2)表示所述第二初始三维坐标。
可选的，所述根据所述第一初始图像、所述第二初始图像、所述第一监测图像、所述第二监测图像、所述第一初始位置点、所述第二初始位置点、所述第三初始位置点和所述第四初始位置点，通过二维数字图像相关方法分别确定所述第一监测图像上所述第一初始位置点对应的第一监测位置点，和所述第二初始位置点对应的第二监测位置点，以及所述第二监测图像上所述第三初始位置点对应的第三监测位置点，和所述第四初始位置点对应的第四监测位置点，具体包括：
获取所述第一初始图像的灰度分布、所述第二初始图像的灰度分布、所述第一监测图像的灰度分布和所述第二监测图像的灰度分布；
根据所述第一初始图像的灰度分布、所述第一监测图像的灰度分布和所述第一初始位置点，通过二维数字图像相关方法确定所述第一监测图像上所述第一初始位置点对应的第一监测位置点；
根据所述第一初始图像的灰度分布、所述第一监测图像的灰度分布和所述第二初始位置点，通过二维数字图像相关方法确定所述第一监测图像上所述第二初始位置点对应的第二监测位置点；
根据所述第二初始图像的灰度分布、所述第二监测图像的灰度分布和所述第三初始位置点，通过二维数字图像相关方法确定所述第二监测图像上所述第三初始位置点对应的第三监测位置点；
根据所述第二初始图像的灰度分布、所述第二监测图像的灰度分布和所述第四初始位置点，通过二维数字图像相关方法确定所述第二监测图像上所述第四初始位置点对应的第四监测位置点。
可选的，所述根据所述第一初始图像的灰度分布、所述第一监测图像的灰度分布和所述第一初始位置点，通过二维数字图像相关方法确定所述第一监测图像上所述第一初始位置点对应的第一监测位置点，具体包括：
根据所述第一初始图像的灰度分布，确定所述第一初始图像中以所述第一初始位置点为中心、大小为（2M+1）像素×（2M+1）像素的图像区域为参考图像子区，并得到所述参考图像子区的参考灰度分布；M为整数；
根据所述参考图像子区和所述第一监测图像的灰度分布，利用一阶形函数
Figure 382525DEST_PATH_IMAGE046
确定所述监测时间后所述参考图像子区在所述第一监测图像上对应的监测目标图像子区，并得到所述监测目标图像子区的监测目标灰度分布；式中，
Figure 596469DEST_PATH_IMAGE047
表示监测目标图像子区中像素点
Figure 141589DEST_PATH_IMAGE048
的横坐标，x i表示参考图像子区中像素点(x i ,y i )的横坐标，u表示参考图像子区在横向方向的位移，u x 表示u对x求的一阶偏导数，
Figure 355850DEST_PATH_IMAGE050
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 ,y 0 )的横向距离，u y 表示u对y求的一阶偏导数，
Figure 689879DEST_PATH_IMAGE051
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 ,y 0 )的纵向距离，
Figure 422212DEST_PATH_IMAGE052
表示监测目标图像子区中像素点
Figure 320154DEST_PATH_IMAGE053
的纵坐标，y j 表示参考图像子区中像素点(x i ,y i )的纵坐标，v表示参考图像子区在纵向方向的位移，v x 表示v对x求的一阶偏导数，v y 表示v对y求的一阶偏导数，x 0表示参考图像子区的中心像素点(x 0 ,y 0 )的横坐标，y 0表示参考图像子区的中心像素点(x 0 ,y 0 )的纵坐标；
根据所述参考灰度分布和所述监测目标灰度分布，通过最小平方距离相关系数
Figure 696088DEST_PATH_IMAGE054
，确定所述参考图像子区与所述监测目标图像子区的监测相关函数
Figure 209109DEST_PATH_IMAGE055
；式中，
Figure 342151DEST_PATH_IMAGE022
表示参考图像子区的参考灰度分布，
Figure 441562DEST_PATH_IMAGE056
表示监测目标图像子区的监测目标灰度分布；
利用牛顿-拉普森迭代法通过公式
Figure 609239DEST_PATH_IMAGE057
求解所述监测相关函数的极值，得到u和v的值；式中，
Figure 168527DEST_PATH_IMAGE058
表示监测待求解参数向量，
Figure 195389DEST_PATH_IMAGE059
；
Figure 114803DEST_PATH_IMAGE060
表示监测待求解参数，
Figure 672341DEST_PATH_IMAGE061
，
Figure 651798DEST_PATH_IMAGE062
，
Figure 244584DEST_PATH_IMAGE063
，
Figure 702111DEST_PATH_IMAGE064
，
Figure 719745DEST_PATH_IMAGE065
，
Figure 712847DEST_PATH_IMAGE066
；
根据u和v的值，以及所述第一初始位置点的坐标，通过公式
Figure 183142DEST_PATH_IMAGE067
，得到所述第一监测位置点的坐标；(
Figure 195092DEST_PATH_IMAGE068
)表示所述第一初始位置点的坐标，(
Figure 457446DEST_PATH_IMAGE069
)表示所述第一监测位置点的坐标。
可选的，所述根据所述第一监测三维坐标和所述第二监测三维坐标，确定所述待监测裂缝在所述监测时间后的当前宽度，具体包括：
根据所述第一监测三维坐标和所述第二监测三维坐标，利用公式
Figure 30903DEST_PATH_IMAGE070
计算得到所述待监测裂缝在所述监测时间后的当前宽度
Figure 988495DEST_PATH_IMAGE071
；
Figure 318982DEST_PATH_IMAGE072
表示所述第一监测三维坐标，
Figure 920996DEST_PATH_IMAGE073
表示所述第二监测三维坐标。
一种裂缝监测***，包括：
初始图像获取模块，用于获取初始时刻双目立体视觉的第一相机拍摄的待监测裂缝的第一初始图像和第二相机拍摄的所述待监测裂缝的第二初始图像，所述第一初始图像上的第一初始位置点和第二初始位置点，以及所述第一相机和所述第二相机的内部参数、外部参数和畸变向量；所述第一初始位置点与所述第二初始位置点的连线垂直于所述待监测裂缝的走向；
初始位置点对应模块，用于根据所述第一初始图像、所述第二初始图像、所述第一初始位置点和所述第二初始位置点，通过三维数字图像相关方法确定所述第二初始图像上所述第一初始位置点对应的第三初始位置点，和所述第二初始位置点对应的第四初始位置点；
初始三维坐标确定模块，用于根据所述第一初始位置点、所述第二初始位置点、所述第三初始位置点、所述第四初始位置点、所述内部参数、所述外部参数和所述畸变向量，通过双目相机非线性成像模型和最小二乘法，得到所述第一初始位置点的第一初始三维坐标和所述第二初始位置点的第二初始三维坐标；
初始宽度确定模块，用于根据所述第一初始三维坐标和所述第二初始三维坐标，确定所述待监测裂缝的初始宽度；
监测图像获取模块，用于获取监测时间后所述第一相机拍摄的所述待监测裂缝的第一监测图像和所述第二相机拍摄的所述待监测裂缝的第二监测图像；
监测位置点对应模块，用于根据所述第一初始图像、所述第二初始图像、所述第一监测图像、所述第二监测图像、所述第一初始位置点、所述第二初始位置点、所述第三初始位置点和所述第四初始位置点，通过二维数字图像相关方法分别确定所述第一监测图像上所述第一初始位置点对应的第一监测位置点，和所述第二初始位置点对应的第二监测位置点，以及所述第二监测图像上所述第三初始位置点对应的第三监测位置点，和所述第四初始位置点对应的第四监测位置点；
监测三维坐标确定模块，用于根据所述第一监测位置点、所述第二监测位置点、所述第三监测位置点、所述第四监测位置点、所述内部参数、所述外部参数和所述畸变向量，通过双目相机非线性成像模型和最小二乘法，得到所述第一监测位置点的第一监测三维坐标和所述第二监测位置点的第二监测三维坐标；
当前宽度确定模块，用于根据所述第一监测三维坐标和所述第二监测三维坐标，确定所述待监测裂缝在所述监测时间后的当前宽度；
裂缝变化情况监测模块，用于根据所述第一初始三维坐标、所述第二初始三维坐标、所述第一监测三维坐标、所述第二监测三维坐标、所述初始宽度和所述当前宽度，确定所述待监测裂缝的变化情况。
可选的，所述初始位置点对应模块，具体包括：
初始图像灰度分布获取单元，用于获取所述第一初始图像的灰度分布和所述第二初始图像的灰度分布；
第三初始位置点确定单元，用于根据所述第一初始图像的灰度分布、所述第二初始图像的灰度分布和所述第一初始位置点，通过三维数字图像相关方法确定所述第二初始图像上所述第一初始位置点对应的第三初始位置点；
第四初始位置点确定单元，用于根据所述第一初始图像的灰度分布、所述第二初始图像的灰度分布和所述第二初始位置点，通过三维数字图像相关方法确定所述第二初始图像上所述第二初始位置点对应的第四初始位置点。
可选的，所述第三初始位置点确定单元，具体包括：
参考图像子区确定子单元，用于根据所述第一初始图像的灰度分布，确定所述第一初始图像中以所述第一初始位置点为中心、大小为（2M+1）像素×（2M+1）像素的图像区域为参考图像子区，并得到所述参考图像子区的参考灰度分布；M为整数；
目标图像子区确定子单元，用于根据所述参考图像子区和所述第二初始图像的灰度分布，利用二阶形函数
Figure 413157DEST_PATH_IMAGE074
确定所述参考图像子区投影变换在所述第二初始图像上的目标图像子区，并得到所述目标图像子区的目标灰度分布；式中，
Figure 858045DEST_PATH_IMAGE002
表示目标图像子区中像素点
Figure 975911DEST_PATH_IMAGE003
的横坐标，x 0 表示参考图像子区的中心像素点(x 0 ,y 0 )的横坐标，
Figure 947278DEST_PATH_IMAGE004
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 ,y 0 )的横向距离，
Figure 751286DEST_PATH_IMAGE005
表示参考图像子区的中心像素点(x 0 ,y 0 )的横向视差，
Figure 293257DEST_PATH_IMAGE006
表示参考图像子区中像素点(x i ,y i )的横向视差对x求的一阶偏导数，
Figure 965547DEST_PATH_IMAGE007
表示参考图像子区中像素点(x i ,y i )的横向视差对y求的一阶偏导数，
Figure 666787DEST_PATH_IMAGE008
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 ,y 0 )的纵向距离，
Figure 12668DEST_PATH_IMAGE009
表示参考图像子区中像素点(x i ,y i )的横向视差先对x求后再对x求的二阶偏导数，
Figure 291202DEST_PATH_IMAGE010
表示参考图像子区中像素点(x i ,y i )的横向视差先对x求后再对y求的二阶偏导数，
Figure 252336DEST_PATH_IMAGE011
表示参考图像子区中像素点(x i ,y i )的横向视差先对y求后再对y求的二阶偏导数，
Figure 73662DEST_PATH_IMAGE012
表示目标图像子区中像素点
Figure 78527DEST_PATH_IMAGE013
的纵坐标，y 0 表示参考图像子区的中心像素点(x 0 ,y 0 )的纵坐标，
Figure 828046DEST_PATH_IMAGE014
表示参考图像子区的中心像素点(x 0 ,y 0 )的纵向视差，
Figure 842138DEST_PATH_IMAGE015
表示参考图像子区中像素点(x i ,y i )的纵向视差对x求的一阶偏导数，
Figure 517970DEST_PATH_IMAGE016
表示参考图像子区中像素点(x i ,y i )的纵向视差对y求的一阶偏导数，
Figure 710048DEST_PATH_IMAGE017
表示参考图像子区中像素点(x i ,y i )的纵向视差先对x求后再对x求的二阶偏导数，
Figure 963175DEST_PATH_IMAGE018
表示参考图像子区中像素点(x i ,y i )的纵向视差先对x求后再对y求的二阶偏导数，
Figure 656324DEST_PATH_IMAGE075
表示参考图像子区中像素点(x i ,y i )的纵向视差先对y求后再对y求的二阶偏导数，x i 表示参考图像子区中像素点(x i ,y i )的横坐标，y j 表示参考图像子区中像素点(x i ,y i )的纵坐标；
相关函数确定子单元，用于根据所述参考灰度分布和所述目标灰度分布，通过最小平方距离相关系数
Figure 297915DEST_PATH_IMAGE020
，确定所述参考图像子区与所述目标图像子区的相关函数
Figure 644582DEST_PATH_IMAGE021
；式中，
Figure 135738DEST_PATH_IMAGE022
表示参考图像子区的参考灰度分布，
Figure 491633DEST_PATH_IMAGE023
表示目标图像子区的目标灰度分布；
相关函数极值求解子单元，用于利用牛顿-拉普森迭代法通过公式
Figure 876478DEST_PATH_IMAGE076
求解所述相关函数的极值，得到
Figure 908893DEST_PATH_IMAGE005
和
Figure 871033DEST_PATH_IMAGE014
的值；式中，
Figure 515772DEST_PATH_IMAGE025
表示待求解参数向量，
Figure 286282DEST_PATH_IMAGE026
；
Figure 240332DEST_PATH_IMAGE077
表示待求解参数，
Figure 936106DEST_PATH_IMAGE078
，
Figure 102645DEST_PATH_IMAGE079
，
Figure 337448DEST_PATH_IMAGE080
，
Figure 337765DEST_PATH_IMAGE081
，
Figure 274497DEST_PATH_IMAGE082
，
Figure 228415DEST_PATH_IMAGE083
，
Figure 566993DEST_PATH_IMAGE084
，
Figure 879157DEST_PATH_IMAGE085
，
Figure 178551DEST_PATH_IMAGE086
，
Figure 218051DEST_PATH_IMAGE087
，
Figure 928912DEST_PATH_IMAGE088
，
Figure 271031DEST_PATH_IMAGE089
；
第三初始位置点确定子单元，用于根据
Figure 182355DEST_PATH_IMAGE090
和
Figure 245121DEST_PATH_IMAGE091
的值，以及所述第一初始位置点的坐标，通过公式
Figure 292711DEST_PATH_IMAGE092
，得到所述第三初始位置点的坐标；(
Figure 179633DEST_PATH_IMAGE093
)表示所述第一初始位置点的坐标，(
Figure 312674DEST_PATH_IMAGE094
)表示所述第三初始位置点的坐标。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种裂缝监测方法及***。该方法包括：获取初始时刻双目立体视觉的第一相机拍摄的待监测裂缝的第一初始图像和第二相机拍摄的待监测裂缝的第二初始图像，第一初始图像上的第一初始位置点和第二初始位置点，以及第一相机和第二相机的内部参数、外部参数和畸变向量；第一初始位置点与第二初始位置点的连线垂直于待监测裂缝的走向；根据第一初始图像、第二初始图像、第一初始位置点和第二初始位置点，通过三维数字图像相关方法确定第二初始图像上第一初始位置点对应的第三初始位置点，和第二初始位置点对应的第四初始位置点；根据第一初始位置点、第二初始位置点、第三初始位置点、第四初始位置点、内部参数、外部参数和畸变向量，通过双目相机非线性成像模型和最小二乘法，得到第一初始位置点的第一初始三维坐标和第二初始位置点的第二初始三维坐标；根据第一初始三维坐标和第二初始三维坐标，确定待监测裂缝的初始宽度；获取监测时间后第一相机拍摄的待监测裂缝的第一监测图像和第二相机拍摄的待监测裂缝的第二监测图像；根据第一初始图像、第二初始图像、第一监测图像、第二监测图像、第一初始位置点、第二初始位置点、第三初始位置点和第四初始位置点，通过二维数字图像相关方法分别确定第一监测图像上第一初始位置点对应的第一监测位置点，和第二初始位置点对应的第二监测位置点，以及第二监测图像上第三初始位置点对应的第三监测位置点，和第四初始位置点对应的第四监测位置点；根据第一监测位置点、第二监测位置点、第三监测位置点、第四监测位置点、内部参数、外部参数和畸变向量，通过双目相机非线性成像模型和最小二乘法，得到第一监测位置点的第一监测三维坐标和第二监测位置点的第二监测三维坐标；根据第一监测三维坐标和第二监测三维坐标，确定待监测裂缝在监测时间后的当前宽度；根据第一初始三维坐标、第二初始三维坐标、第一监测三维坐标、第二监测三维坐标、初始宽度和当前宽度，确定待监测裂缝的变化情况。本发明所采用的方法及***，由于采用了DIC方法的匹配算法，因此不管对于2D匹配还是3D匹配，像素点的定位精度均可以达到0.02像素或更高水平，因此可以极大的提高裂缝宽度变化的检测分辨率和精度，实现裂缝宽度变化的高分辨率监测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例所提供的裂缝监测方法的流程图；
图2为本发明实施例所提供的第一初始位置点和第二初始位置点示意图；
图3为本发明实施例所提供的第三初始位置点和第四初始位置点示意图；
图4为本发明实施例所提供的3D DIC匹配算法的原理及流程示意图；图4（a）为3D DIC匹配算法的流程示意图；图4（b）为3D DIC匹配算法的参考图像示意图；图4（c）为3D DIC匹配算法的目标图像示意图；
图5为本发明实施例所提供的2D DIC匹配算法的原理及流程示意图；图5（a）为2D DIC匹配算法的流程示意图；图5（b）为2D DIC匹配算法的参考图像示意图；图5（c）为2D DIC匹配算法的目标图像示意图；
图6为本发明实施例所提供的裂缝监测装置的结构图；
图7为本发明实施例所提供的工业相机1与工业相机2之间相对位置关系的结构示意图。
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，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种裂缝监测方法及***，通过数字图像相关（digitalimage correlation，DIC）方法的高精度定位算法提高裂缝宽度变化的检测分辨率，实现裂缝宽度变化的高分辨率监测。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本实施例提供一种裂缝监测方法，该方法采用双目机器视觉原理实现对结构表面裂缝变化情况的长期监测。图1为本发明实施例所提供的裂缝监测方法的流程图，参见图1，裂缝监测方法包括：
步骤101，获取初始时刻双目立体视觉的第一相机拍摄的待监测裂缝的第一初始图像和第二相机拍摄的待监测裂缝的第二初始图像，第一初始图像上的第一初始位置点和第二初始位置点，以及第一相机和第二相机的内部参数、外部参数和畸变向量；第一初始位置点与第二初始位置点的连线垂直于待监测裂缝的走向。本实施例中双目立体视觉的第一相机和第二相机为设置于一根连接杆上的左相机和右相机。在左相机拍摄的第一初始图像（左相机图像）中，在待监测裂缝边缘的待监测位置，人工指定两个初始位置点——第一初始位置点P1(
Figure 179130DEST_PATH_IMAGE095
)和第二初始位置点P2(
Figure 487752DEST_PATH_IMAGE096
)，P1和P2的连线垂直于该待监测位置处裂缝的走向，如图2所示。初始时刻t0，P1和P2之间的空间距离为该待监测位置处裂缝的初始宽度d0。(
Figure 296308DEST_PATH_IMAGE095
)表示P1在左相机图像中的像素坐标，(
Figure 428562DEST_PATH_IMAGE096
)表示P2在左相机图像中的像素坐标。
步骤102，根据第一初始图像、第二初始图像、第一初始位置点和第二初始位置点，通过三维数字图像相关方法确定第二初始图像上第一初始位置点对应的第三初始位置点，和第二初始位置点对应的第四初始位置点。采用三维数字图像相关方法（3D DIC匹配算法），在右相机拍摄的第二初始图像（右相机图像）中找到P1和P2的同名点——第三初始位置点Q1(
Figure 82397DEST_PATH_IMAGE097
)和第四初始位置点Q2(
Figure 855313DEST_PATH_IMAGE098
)，如图3所示。(
Figure 834770DEST_PATH_IMAGE099
)表示Q1在右相机图像中的像素坐标， (
Figure 83349DEST_PATH_IMAGE098
)表示Q2在右相机图像中的像素坐标。
3D DIC匹配算法的原理及流程示意图，如图4所示，本实施例以确定P1的同名点Q1为例：步骤102具体包括：
获取第一初始图像的灰度分布和第二初始图像的灰度分布。
根据第一初始图像的灰度分布、第二初始图像的灰度分布和第一初始位置点，通过三维数字图像相关方法确定第二初始图像上第一初始位置点对应的第三初始位置点。参见图4（a）、图4（b）和图4（c），此步骤具体包括：
根据第一初始图像的灰度分布，确定第一初始图像中以第一初始位置点为中心、大小为（2M+1）像素×（2M+1）像素的图像区域为参考图像子区，并得到参考图像子区的参考灰度分布；M为整数。确定参考图像子区及大小：
在t0时刻的左相机图像（称为参考图像）中，取以P1为中心、大小为（2M+1）像素×（2M+1）像素的图像区域，称为参考图像子区，其中M为整数。根据第一初始图像的灰度分布确定参考图像子区的灰度分布，参考图像子区的灰度分布记为
Figure 524563DEST_PATH_IMAGE022
。
根据第一初始图像的灰度分布，确定第一初始图像中以第一初始位置点为中心、大小为（2M+1）像素×（2M+1）像素的图像区域为参考图像子区，并得到参考图像子区的参考灰度分布；M为整数；
根据参考图像子区和第二初始图像的灰度分布，利用二阶形函数
Figure 666831DEST_PATH_IMAGE100
确定参考图像子区投影变换在第二初始图像上的目标图像子区，并得到目标图像子区的目标灰度分布；式中，
Figure 567922DEST_PATH_IMAGE047
表示目标图像子区中像素点
Figure 162852DEST_PATH_IMAGE101
的横坐标，x 0 表示参考图像子区的中心像素点(x 0 ,y 0 )的横坐标，
Figure 565014DEST_PATH_IMAGE050
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 ,y 0 )的横向距离，
Figure 813986DEST_PATH_IMAGE102
表示参考图像子区的中心像素点(x 0 ,y 0 )的横向视差，
Figure 400826DEST_PATH_IMAGE103
表示参考图像子区中像素点(x i ,y i )的横向视差对x求的一阶偏导数，
Figure 358417DEST_PATH_IMAGE104
表示参考图像子区中像素点(x i ,y i )的横向视差对y求的一阶偏导数，
Figure 174058DEST_PATH_IMAGE051
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 ,y 0 )的纵向距离，
Figure 759760DEST_PATH_IMAGE105
表示参考图像子区中像素点(x i ,y i )的横向视差先对x求后再对x求的二阶偏导数，
Figure 766768DEST_PATH_IMAGE106
表示参考图像子区中像素点(x i ,y i )的横向视差先对x求后再对y求的二阶偏导数，
Figure 336289DEST_PATH_IMAGE107
表示参考图像子区中像素点(x i ,y i )的横向视差先对y求后再对y求的二阶偏导数，
Figure 424462DEST_PATH_IMAGE052
表示目标图像子区中像素点
Figure 536775DEST_PATH_IMAGE053
的纵坐标，y 0 表示参考图像子区的中心像素点(x 0 , y 0 )的纵坐标，
Figure 934258DEST_PATH_IMAGE108
表示参考图像子区的中心像素点(x 0 ,y 0 )的纵向视差，
Figure 995272DEST_PATH_IMAGE109
表示参考图像子区中像素点(x i ,y i )的纵向视差对x求的一阶偏导数，
Figure 401983DEST_PATH_IMAGE110
表示参考图像子区中像素点(x i ,y i )的纵向视差对y求的一阶偏导数，
Figure 978589DEST_PATH_IMAGE111
表示参考图像子区中像素点(x i ,y i )的纵向视差先对x求后再对x求的二阶偏导数，
Figure 546973DEST_PATH_IMAGE112
表示参考图像子区中像素点(x i ,y i )的纵向视差先对x求后再对y求的二阶偏导数，
Figure 74775DEST_PATH_IMAGE113
表示参考图像子区中像素点(x i ,y i )的纵向视差先对y求后再对y求的二阶偏导数，x i 表示参考图像子区中像素点(x i ,y i )的横坐标，y j 表示参考图像子区中像素点(x i ,y i )的纵坐标。i表示像素点在横向方向（x方向）距离子区中心像素点的位置，j表示像素点在纵向方向（y方向）距离子区中心像素点的位置。确定目标图像子区形函数：
在t0时刻的右相机图像（称为目标图像）中，采用二阶形函数来近似参考图像子区的投影变换关系，目标图像的图像子区称为目标图像子区。根据目标图像的灰度分布确定目标图像子区的灰度分布，目标图像子区的灰度分布记为
Figure 517389DEST_PATH_IMAGE114
。用二阶形函数描述目标图像子区与参考图像子区之间的投影变换关系，表示为：
Figure 38894DEST_PATH_IMAGE115
（1）
利用公式（1）计算目标图像子区中所有点的坐标
Figure 480239DEST_PATH_IMAGE053
。式（1）中：
Figure 484098DEST_PATH_IMAGE102
和
Figure 505144DEST_PATH_IMAGE108
分别为参考图像子区中心点P1(x 0 ,y 0 )在
Figure 143805DEST_PATH_IMAGE116
和
Figure 756052DEST_PATH_IMAGE117
方向的视差；
Figure 981628DEST_PATH_IMAGE118
分别为参考图像子区的一阶视差梯度，即视差的一阶偏导数；
Figure 71944DEST_PATH_IMAGE119
分别为参考图像子区的二阶视差梯度，即视差的二阶偏导数。
根据参考灰度分布和目标灰度分布，通过最小平方距离相关系数
Figure 486275DEST_PATH_IMAGE120
，确定参考图像子区与目标图像子区的相关函数
Figure 713994DEST_PATH_IMAGE121
；式中，
Figure 483366DEST_PATH_IMAGE122
表示参考图像子区的参考灰度分布，
Figure 863663DEST_PATH_IMAGE123
表示目标图像子区的目标灰度分布。确定相关函数：
采用最小平方距离相关系数为相关函数，当参考图像子区与目标图像子区最相关时，相关函数
Figure 817713DEST_PATH_IMAGE124
取得极值。最小平方距离相关系数按式（2）进行计算。
Figure 408094DEST_PATH_IMAGE120
（2）
式（2）中：
Figure 42393DEST_PATH_IMAGE124
为相关函数；
Figure 918076DEST_PATH_IMAGE122
表示参考图像子区的参考灰度分布，
Figure 854808DEST_PATH_IMAGE123
表示目标图像子区的目标灰度分布。
利用牛顿-拉普森迭代法通过公式
Figure 497142DEST_PATH_IMAGE125
求解相关函数的极值，得到
Figure 87917DEST_PATH_IMAGE102
和
Figure 383769DEST_PATH_IMAGE108
的值；式中，
Figure 558529DEST_PATH_IMAGE126
表示待求解参数向量，
Figure 473396DEST_PATH_IMAGE127
；
Figure 509222DEST_PATH_IMAGE128
表示待求解参数，
Figure 710397DEST_PATH_IMAGE129
，
Figure 106874DEST_PATH_IMAGE130
，
Figure 559852DEST_PATH_IMAGE131
，
Figure 873022DEST_PATH_IMAGE132
，
Figure 225856DEST_PATH_IMAGE133
，
Figure 624476DEST_PATH_IMAGE134
，
Figure 756511DEST_PATH_IMAGE135
，
Figure 924188DEST_PATH_IMAGE136
，
Figure 873689DEST_PATH_IMAGE137
，
Figure 212135DEST_PATH_IMAGE138
，
Figure 397129DEST_PATH_IMAGE139
，
Figure 170044DEST_PATH_IMAGE140
。迭代求解视差：
构造12个待求解参数：
Figure 290447DEST_PATH_IMAGE141
和
Figure 663659DEST_PATH_IMAGE142
组成的向量
Figure 638962DEST_PATH_IMAGE127
，并令：
Figure 515651DEST_PATH_IMAGE125
（3）
式（3）中：
Figure 806955DEST_PATH_IMAGE143
分别对应
Figure 418196DEST_PATH_IMAGE144
。
Figure 679413DEST_PATH_IMAGE143
是12个变量，相关函数分别对p1、p2，…，p12求偏导，公式（3）实际上隐含12个等式。公式（3）为非线性方程，可用牛顿-拉普森迭代法进行求解。
根据
Figure 551554DEST_PATH_IMAGE102
和
Figure 387661DEST_PATH_IMAGE108
的值，以及第一初始位置点的坐标，通过公式
Figure 469887DEST_PATH_IMAGE145
，得到第三初始位置点的坐标；(
Figure 285527DEST_PATH_IMAGE146
)表示第一初始位置点的坐标，(
Figure 12175DEST_PATH_IMAGE147
)表示第三初始位置点的坐标。求得视差
Figure 769915DEST_PATH_IMAGE102
和
Figure 54616DEST_PATH_IMAGE108
后，便可得到Q1的像素坐标(
Figure 657636DEST_PATH_IMAGE146
)，即：
Figure 379735DEST_PATH_IMAGE148
（4）
图4（b）中P1（x 0 ,y 0 ）表示参考图像子区中心点，P(x i ,y i )表示参考图像子区其他位置的像素点，Q1
Figure 42798DEST_PATH_IMAGE149
)表示目标图像子区中心点，Q(x i ,y i )表示目标图像子区其他位置的像素点。图4（b）阐述的是通用表示方式，针对本实施例，P1（x 0 ,y 0 ）就是P1(
Figure 240561DEST_PATH_IMAGE042
)。
根据第一初始图像的灰度分布、第二初始图像的灰度分布和第二初始位置点，通过三维数字图像相关方法确定第二初始图像上第二初始位置点对应的第四初始位置点。确定第四初始位置点的过程与确定第三初始位置点的过程同理。
步骤103，根据第一初始位置点、第二初始位置点、第三初始位置点、第四初始位置点、内部参数、外部参数和畸变向量，通过双目相机非线性成像模型和最小二乘法，得到第一初始位置点的第一初始三维坐标和第二初始位置点的第二初始三维坐标。根据左右相机的内部参数A l 、Ar，外部参数R、t，畸变向量r l 、rr，第一初始位置点、第二初始位置点、第三初始位置点和第四初始位置点先通过双目相机非线性成像模型得到三维坐标与相机内外参以及畸变向量之间的方程，由于该方程为非线性方程，可以使用最小二乘法对该方程进行求解，分别计算出P1和P2的三维坐标P1W(x 1 ,y 1 ,z 1)和P2W(x 2 ,y 2 ,z 2)。A l 和Ar分别为左右相机的内部参数矩阵，R为左相机坐标系到右相机坐标系变换时的旋转矩阵，t为左相机坐标系到右相机坐标系变换时的平移向量，r l 和rr分别为左右相机镜头的畸变向量。A l 、Ar、r l 和rr只与相机及其镜头有关，R和t只与左右相机的相对位置关系有关；左右相机的相对位置关系一旦确定，便可以在实验室里将A l 、Ar、R、t、r l 和rr事先精确的标定出来。
步骤104，根据第一初始三维坐标和第二初始三维坐标，确定待监测裂缝的初始宽度。步骤104具体包括：根据第一初始三维坐标和第二初始三维坐标，利用公式（5）计算得到待监测裂缝的初始宽度
Figure 896539DEST_PATH_IMAGE045
；(x 1 ,y 1 ,z 1)表示第一初始三维坐标，(x 2 ,y 2 ,z 2)表示第二初始三维坐标。
Figure 722413DEST_PATH_IMAGE150
（5）
步骤105，获取监测时间后第一相机拍摄的待监测裂缝的第一监测图像和第二相机拍摄的待监测裂缝的第二监测图像。
步骤106，根据第一初始图像、第二初始图像、第一监测图像、第二监测图像、第一初始位置点、第二初始位置点、第三初始位置点和第四初始位置点，通过二维数字图像相关方法分别确定第一监测图像上第一初始位置点对应的第一监测位置点，和第二初始位置点对应的第二监测位置点，以及第二监测图像上第三初始位置点对应的第三监测位置点，和第四初始位置点对应的第四监测位置点。在监测时间t1到达后，根据二维数字图像相关方法（2D DIC匹配算法），分别在左右相机拍摄的图像中各自计算出P1、P2、Q1和Q2的新位置点
Figure 510371DEST_PATH_IMAGE151
(
Figure 320064DEST_PATH_IMAGE152
)、
Figure 671411DEST_PATH_IMAGE153
(
Figure 603988DEST_PATH_IMAGE154
)、
Figure 874433DEST_PATH_IMAGE155
和
Figure 781209DEST_PATH_IMAGE156
。
Figure 280454DEST_PATH_IMAGE157
)和(
Figure 221866DEST_PATH_IMAGE154
)分别表示
Figure 663211DEST_PATH_IMAGE151
和
Figure 165606DEST_PATH_IMAGE153
在左相机图像中的像素坐标，
Figure 858755DEST_PATH_IMAGE158
和
Figure 513727DEST_PATH_IMAGE159
分别表示
Figure 266920DEST_PATH_IMAGE160
和
Figure 758075DEST_PATH_IMAGE161
在右相机图像中的像素坐标。2D DIC匹配算法原理及流程，如图5所示，本实施例以确定P1的新位置
Figure 113970DEST_PATH_IMAGE151
为例：
步骤106具体包括：获取第一初始图像的灰度分布、第二初始图像的灰度分布、第一监测图像的灰度分布和第二监测图像的灰度分布。
根据第一初始图像的灰度分布、第一监测图像的灰度分布和第一初始位置点，通过二维数字图像相关方法确定第一监测图像上第一初始位置点对应的第一监测位置点。参见图5（a）、图5（b）和图5（c），此步骤具体包括：
根据第一初始图像的灰度分布，确定第一初始图像中以第一初始位置点为中心、大小为（2M+1）像素×（2M+1）像素的图像区域为参考图像子区，并得到参考图像子区的参考灰度分布；M为整数。确定参考图像子区及大小：在t0时刻的左相机图像（称为参考图像）中，取以P1为中心、大小为（2M+1）像素×（2M+1）像素（M为整数）的图像区域，称为参考图像子区。参考图像子区的灰度分布记为
Figure 498815DEST_PATH_IMAGE162
。
根据参考图像子区和第一监测图像的灰度分布，利用一阶形函数
Figure 817318DEST_PATH_IMAGE163
确定监测时间后参考图像子区在第一监测图像上对应的监测目标图像子区，并得到监测目标图像子区的监测目标灰度分布；式中，
Figure 45037DEST_PATH_IMAGE047
表示监测目标图像子区中像素点
Figure 79989DEST_PATH_IMAGE053
的横坐标，x i表示参考图像子区中像素点(x i ,y i )的横坐标，u表示参考图像子区在横向方向的位移，u x 表示u对x求的一阶偏导数，
Figure 289702DEST_PATH_IMAGE050
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 ,y 0 )的横向距离，u y 表示u对y求的一阶偏导数，
Figure 4717DEST_PATH_IMAGE051
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 ,y 0 )的纵向距离，
Figure 686103DEST_PATH_IMAGE052
表示监测目标图像子区中像素点
Figure 311119DEST_PATH_IMAGE053
的纵坐标，y j 表示参考图像子区中像素点(x i ,y i )的纵坐标，v表示参考图像子区在纵向方向的位移，v x 表示v对x求的一阶偏导数，v y 表示v对y求的一阶偏导数，x 0表示参考图像子区的中心像素点(x 0 ,y 0 )的横坐标，y 0表示参考图像子区的中心像素点(x 0 ,y 0 )的纵坐标。确定目标图像子区形函数：
在t1时刻的左相机图像（称为目标图像）中，采用一阶形函数描述变形后的图像子区，变形后的图像子区称为监测目标图像子区。监测目标图像子区的灰度分布记为
Figure 389113DEST_PATH_IMAGE164
。用一阶形函数描述监测目标图像子区与参考图像子区之间的变形关系，表示为：
Figure 765868DEST_PATH_IMAGE165
（6）
利用公式（6）计算监测目标图像子区中所有点的坐标
Figure 104446DEST_PATH_IMAGE053
。式（6）中：u为参考图像子区在横向方向（x方向）的位移；v为参考图像子区在纵向方向（y方向）的位移；u x 表示u对x求的一阶偏导数，u y 表示u对y求的一阶偏导数， v x 表示v对x求的一阶偏导数，v y 表示v对y求的一阶偏导数。
根据参考灰度分布和监测目标灰度分布，通过最小平方距离相关系数
Figure 808484DEST_PATH_IMAGE166
，确定参考图像子区与监测目标图像子区的监测相关函数
Figure 719808DEST_PATH_IMAGE167
；式中，
Figure 546688DEST_PATH_IMAGE122
表示参考图像子区的参考灰度分布，
Figure 803DEST_PATH_IMAGE164
表示监测目标图像子区的监测目标灰度分布。确定相关函数：
采用最小平方距离相关系数为相关函数，当参考图像子区与目标图像子区最相关时，相关函数
Figure 638457DEST_PATH_IMAGE167
取得极值。最小平方距离相关系数按式（7）进行计算。
Figure 53389DEST_PATH_IMAGE168
（7）
式（7）中：
Figure 212155DEST_PATH_IMAGE167
为监测相关函数；
Figure 267049DEST_PATH_IMAGE122
表示参考图像子区的参考灰度分布，
Figure 887386DEST_PATH_IMAGE164
表示监测目标图像子区的监测目标灰度分布。
利用牛顿-拉普森迭代法通过公式
Figure 213326DEST_PATH_IMAGE169
求解监测相关函数的极值，得到u和v的值；式中，
Figure 579716DEST_PATH_IMAGE170
表示监测待求解参数向量，
Figure 700119DEST_PATH_IMAGE171
；
Figure 588178DEST_PATH_IMAGE172
表示监测待求解参数，
Figure 186650DEST_PATH_IMAGE173
，
Figure 797759DEST_PATH_IMAGE174
，
Figure 964430DEST_PATH_IMAGE175
，
Figure 824938DEST_PATH_IMAGE176
，
Figure 961522DEST_PATH_IMAGE177
，
Figure 210494DEST_PATH_IMAGE178
。迭代求解像素位移：
构造6个待求解参数：
Figure 62912DEST_PATH_IMAGE179
和
Figure 754925DEST_PATH_IMAGE180
组成的向量
Figure 101723DEST_PATH_IMAGE171
，并令：
Figure 953005DEST_PATH_IMAGE169
（8）
公式（8）为非线性方程，可用牛顿-拉普森迭代法进行求解。
根据u和v的值，以及第一初始位置点的坐标，通过公式
Figure 586111DEST_PATH_IMAGE181
，得到第一监测位置点的坐标；(
Figure 404901DEST_PATH_IMAGE146
)表示第一初始位置点的坐标，(
Figure 414445DEST_PATH_IMAGE182
)表示第一监测位置点的坐标。求得像素位移
Figure 120233DEST_PATH_IMAGE183
和
Figure 799607DEST_PATH_IMAGE184
后，便可得到P1’的像素坐标(
Figure 731791DEST_PATH_IMAGE182
)，即：
Figure 404081DEST_PATH_IMAGE185
（9）
图5（b）中P1（x 0 ,y 0 ）表示参考图像子区中心点，P(x i ,y i )表示参考图像子区其他位置的像素点，
Figure 210713DEST_PATH_IMAGE186
表示监测目标图像子区中心点，
Figure 44677DEST_PATH_IMAGE186
表示监测目标图像子区其他位置的像素点。图5（b）阐述的是通用表示方式，针对本实施例，P1（x 0 ,y 0 ）就是P1(
Figure 339523DEST_PATH_IMAGE042
)。
根据第一初始图像的灰度分布、第一监测图像的灰度分布和第二初始位置点，通过二维数字图像相关方法确定第一监测图像上第二初始位置点对应的第二监测位置点。确定第二监测位置点的过程与确定第一监测位置点的过程同理。
根据第二初始图像的灰度分布、第二监测图像的灰度分布和第三初始位置点，通过二维数字图像相关方法确定第二监测图像上第三初始位置点对应的第三监测位置点。确定第三监测位置点的过程与确定第一监测位置点的过程同理。
根据第二初始图像的灰度分布、第二监测图像的灰度分布和第四初始位置点，通过二维数字图像相关方法确定第二监测图像上第四初始位置点对应的第四监测位置点。确定第四监测位置点的过程与确定第一监测位置点的过程同理。
步骤107，根据第一监测位置点、第二监测位置点、第三监测位置点、第四监测位置点、内部参数、外部参数和畸变向量，通过双目相机非线性成像模型和最小二乘法，得到第一监测位置点的第一监测三维坐标和第二监测位置点的第二监测三维坐标。根据左右相机的内外参数A l 、Ar、R、t，畸变向量r l 、rr，以及第一监测位置点、第二监测位置点、第三监测位置点和第四监测位置点先通过双目相机非线性成像模型得到三维坐标与相机内外参以及畸变向量之间的方程，由于该方程为非线性方程，可以使用最小二乘法对该方程进行求解，分别计算出
Figure 425291DEST_PATH_IMAGE151
和
Figure 105671DEST_PATH_IMAGE153
的三维坐标
Figure 359803DEST_PATH_IMAGE187
和
Figure 125634DEST_PATH_IMAGE188
。
步骤108，根据第一监测三维坐标和第二监测三维坐标，确定待监测裂缝在监测时间后的当前宽度。
步骤108具体包括：根据第一监测三维坐标和第二监测三维坐标，利用公式（10）计算得到待监测裂缝在监测时间后的当前宽度d1；
Figure 280672DEST_PATH_IMAGE189
表示第一监测三维坐标
Figure 566291DEST_PATH_IMAGE190
，
Figure 7636DEST_PATH_IMAGE191
表示第二监测三维坐标
Figure 136129DEST_PATH_IMAGE192
。
Figure 940531DEST_PATH_IMAGE193
（10）
步骤109，根据第一初始三维坐标、第二初始三维坐标、第一监测三维坐标、第二监测三维坐标、初始宽度和当前宽度，确定待监测裂缝的变化情况。根据P1W、P2W、
Figure 595503DEST_PATH_IMAGE194
、
Figure 348695DEST_PATH_IMAGE195
、d0和d1，便能对该待监测位置处裂缝的变化情况做出较为全面的评估。根据三维坐标，可以知道裂缝是不是变宽或窄，还可以知道裂缝是不是存在空间扭转和上下是不是错位等信息，具体可以通过P1W和P2W两点，或
Figure 574272DEST_PATH_IMAGE194
和
Figure 930166DEST_PATH_IMAGE195
两点之间的相对位置关系进行判断。
本实施例还提供一种裂缝监测***，裂缝监测***包括：
初始图像获取模块，用于获取初始时刻双目立体视觉的第一相机拍摄的待监测裂缝的第一初始图像和第二相机拍摄的待监测裂缝的第二初始图像，第一初始图像上的第一初始位置点和第二初始位置点，以及第一相机和第二相机的内部参数、外部参数和畸变向量；第一初始位置点与第二初始位置点的连线垂直于待监测裂缝的走向。
初始位置点对应模块，用于根据第一初始图像、第二初始图像、第一初始位置点和第二初始位置点，通过三维数字图像相关方法确定第二初始图像上第一初始位置点对应的第三初始位置点，和第二初始位置点对应的第四初始位置点。初始位置点对应模块具体包括：
初始图像灰度分布获取单元，用于获取第一初始图像的灰度分布和第二初始图像的灰度分布。
第三初始位置点确定单元，用于根据第一初始图像的灰度分布、第二初始图像的灰度分布和第一初始位置点，通过三维数字图像相关方法确定第二初始图像上第一初始位置点对应的第三初始位置点。第三初始位置点确定单元具体包括：
参考图像子区确定子单元，用于根据第一初始图像的灰度分布，确定第一初始图像中以第一初始位置点为中心、大小为（2M+1）像素×（2M+1）像素的图像区域为参考图像子区，并得到参考图像子区的参考灰度分布；M为整数。
目标图像子区确定子单元，用于根据参考图像子区和第二初始图像的灰度分布，利用二阶形函数
Figure 688913DEST_PATH_IMAGE074
确定参考图像子区投影变换在第二初始图像上的目标图像子区，并得到目标图像子区的目标灰度分布；式中，
Figure 347427DEST_PATH_IMAGE002
表示目标图像子区中像素点
Figure 575146DEST_PATH_IMAGE013
的横坐标，x 0 表示参考图像子区的中心像素点(x 0 ,y 0 )的横坐标，
Figure 485465DEST_PATH_IMAGE004
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 , y 0 )的横向距离，
Figure 724816DEST_PATH_IMAGE005
表示参考图像子区的中心像素点(x 0 ,y 0 )的横向视差，
Figure 678866DEST_PATH_IMAGE006
表示参考图像子区中像素点(x i ,y i )的横向视差对x求的一阶偏导数，
Figure 640219DEST_PATH_IMAGE007
表示参考图像子区中像素点(x i ,y i )的横向视差对y求的一阶偏导数，
Figure 213282DEST_PATH_IMAGE008
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 ,y 0 )的纵向距离，
Figure 697353DEST_PATH_IMAGE009
表示参考图像子区中像素点(x i ,y i )的横向视差先对x求后再对x求的二阶偏导数，
Figure 838616DEST_PATH_IMAGE196
表示参考图像子区中像素点(x i ,y i )的横向视差先对x求后再对y求的二阶偏导数，
Figure 916293DEST_PATH_IMAGE197
表示参考图像子区中像素点(x i ,y i )的横向视差先对y求后再对y求的二阶偏导数，
Figure 152102DEST_PATH_IMAGE012
表示目标图像子区中像素点
Figure 739947DEST_PATH_IMAGE013
的纵坐标，y 0 表示参考图像子区的中心像素点(x 0 ,y 0 )的纵坐标，
Figure 911166DEST_PATH_IMAGE014
表示参考图像子区的中心像素点(x 0 ,y 0 )的纵向视差，
Figure 600773DEST_PATH_IMAGE015
表示参考图像子区中像素点(x i ,y i )的纵向视差对x求的一阶偏导数，
Figure 391006DEST_PATH_IMAGE016
表示参考图像子区中像素点(x i , y i )的纵向视差对y求的一阶偏导数，
Figure 725035DEST_PATH_IMAGE017
表示参考图像子区中像素点(x i ,y i )的纵向视差先对x求后再对x求的二阶偏导数，
Figure 191789DEST_PATH_IMAGE018
表示参考图像子区中像素点(x i ,y i )的纵向视差先对x求后再对y求的二阶偏导数，
Figure 89731DEST_PATH_IMAGE075
表示参考图像子区中像素点(x i ,y i )的纵向视差先对y求后再对y求的二阶偏导数，x i 表示参考图像子区中像素点(x i ,y i )的横坐标，y j 表示参考图像子区中像素点(x i ,y i )的纵坐标。i表示像素点在横向方向（x方向）距离子区中心像素点的位置，j表示像素点在纵向方向（y方向）距离子区中心像素点的位置。
相关函数确定子单元，用于根据参考灰度分布和目标灰度分布，通过最小平方距离相关系数
Figure 7877DEST_PATH_IMAGE198
，确定参考图像子区与目标图像子区的相关函数
Figure 644395DEST_PATH_IMAGE199
；式中，
Figure 203683DEST_PATH_IMAGE022
表示参考图像子区的参考灰度分布，
Figure 89600DEST_PATH_IMAGE023
表示目标图像子区的目标灰度分布；
相关函数极值求解子单元，用于利用牛顿-拉普森迭代法通过公式
Figure 149960DEST_PATH_IMAGE200
求解相关函数的极值，得到
Figure 707497DEST_PATH_IMAGE005
和
Figure 686954DEST_PATH_IMAGE014
的值；式中，
Figure 935533DEST_PATH_IMAGE025
表示待求解参数向量，
Figure 409371DEST_PATH_IMAGE201
；
Figure 551639DEST_PATH_IMAGE027
表示待求解参数，
Figure 842943DEST_PATH_IMAGE202
，
Figure 952719DEST_PATH_IMAGE079
，
Figure 354882DEST_PATH_IMAGE203
，
Figure 351657DEST_PATH_IMAGE204
，
Figure 689228DEST_PATH_IMAGE205
，
Figure 912399DEST_PATH_IMAGE083
，
Figure 242886DEST_PATH_IMAGE206
，
Figure 346365DEST_PATH_IMAGE207
，
Figure 713892DEST_PATH_IMAGE208
，
Figure 548993DEST_PATH_IMAGE209
，
Figure 168324DEST_PATH_IMAGE210
，
Figure 15058DEST_PATH_IMAGE211
；
第三初始位置点确定子单元，用于根据
Figure 943699DEST_PATH_IMAGE090
和
Figure 984206DEST_PATH_IMAGE091
的值，以及第一初始位置点的坐标，通过公式
Figure 531862DEST_PATH_IMAGE092
，得到第三初始位置点的坐标；(
Figure 92156DEST_PATH_IMAGE093
)表示第一初始位置点的坐标，(
Figure 942431DEST_PATH_IMAGE094
)表示第三初始位置点的坐标。
第四初始位置点确定单元，用于根据第一初始图像的灰度分布、第二初始图像的灰度分布和第二初始位置点，通过三维数字图像相关方法确定第二初始图像上第二初始位置点对应的第四初始位置点。
初始三维坐标确定模块，用于根据第一初始位置点、第二初始位置点、第三初始位置点、第四初始位置点、内部参数、外部参数和畸变向量，通过双目相机非线性成像模型和最小二乘法，得到第一初始位置点的第一初始三维坐标和第二初始位置点的第二初始三维坐标。
初始宽度确定模块，用于根据第一初始三维坐标和第二初始三维坐标，确定待监测裂缝的初始宽度。
初始宽度确定模块具体包括：初始宽度确定单元，用于根据第一初始三维坐标和第二初始三维坐标，利用公式（5）计算得到待监测裂缝的初始宽度
Figure 220966DEST_PATH_IMAGE045
；(x 1 ,y 1 ,z 1)表示第一初始三维坐标，(x 2 ,y 2 ,z 2)表示第二初始三维坐标
Figure 306734DEST_PATH_IMAGE150
（5）
监测图像获取模块，用于获取监测时间后第一相机拍摄的待监测裂缝的第一监测图像和第二相机拍摄的待监测裂缝的第二监测图像。
监测位置点对应模块，用于根据第一初始图像、第二初始图像、第一监测图像、第二监测图像、第一初始位置点、第二初始位置点、第三初始位置点和第四初始位置点，通过二维数字图像相关方法分别确定第一监测图像上第一初始位置点对应的第一监测位置点，和第二初始位置点对应的第二监测位置点，以及第二监测图像上第三初始位置点对应的第三监测位置点，和第四初始位置点对应的第四监测位置点。监测位置点对应模块具体包括：
监测图像灰度分布获取单元，用于获取第一初始图像的灰度分布、第二初始图像的灰度分布、第一监测图像的灰度分布和第二监测图像的灰度分布。
第一监测位置点确定单元，用于根据第一初始图像的灰度分布、第一监测图像的灰度分布和第一初始位置点，通过二维数字图像相关方法确定第一监测图像上第一初始位置点对应的第一监测位置点。第一监测位置点确定单元具体包括：
参考灰度分布确定子单元，用于根据第一初始图像的灰度分布，确定第一初始图像中以第一初始位置点为中心、大小为（2M+1）像素×（2M+1）像素的图像区域为参考图像子区，并得到参考图像子区的参考灰度分布；M为整数。
监测目标图像子区确定子单元，用于根据参考图像子区和第一监测图像的灰度分布，利用一阶形函数
Figure 233452DEST_PATH_IMAGE212
确定监测时间后参考图像子区在第一监测图像上对应的监测目标图像子区，并得到监测目标图像子区的监测目标灰度分布；式中，
Figure 503896DEST_PATH_IMAGE047
表示监测目标图像子区中像素点
Figure 410672DEST_PATH_IMAGE048
的横坐标，x i表示参考图像子区中像素点(x i ,y i )的横坐标，u表示参考图像子区在横向方向的位移，u x 表示u对x求的一阶偏导数，
Figure 975963DEST_PATH_IMAGE050
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 ,y 0 )的横向距离，u y 表示u对y求的一阶偏导数，
Figure 292674DEST_PATH_IMAGE051
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 ,y 0 )的纵向距离，
Figure 795069DEST_PATH_IMAGE052
表示监测目标图像子区中像素点
Figure 612852DEST_PATH_IMAGE053
的纵坐标，y j 表示参考图像子区中像素点(x i ,y i )的纵坐标，v表示参考图像子区在纵向方向的位移，v x 表示v对x求的一阶偏导数，v y 表示v对y求的一阶偏导数，x 0表示参考图像子区的中心像素点(x 0 ,y 0 )的横坐标，y 0表示参考图像子区的中心像素点(x 0 ,y 0 )的纵坐标。
监测相关函数确定子单元，用于根据参考灰度分布和监测目标灰度分布，通过最小平方距离相关系数
Figure 506170DEST_PATH_IMAGE166
，确定参考图像子区与监测目标图像子区的监测相关函数
Figure 246593DEST_PATH_IMAGE167
；式中，
Figure 743433DEST_PATH_IMAGE122
表示参考图像子区的参考灰度分布，
Figure 505109DEST_PATH_IMAGE164
表示监测目标图像子区的监测目标灰度分布。
监测相关函数极值求解子单元，用于利用牛顿-拉普森迭代法通过公式
Figure 288257DEST_PATH_IMAGE213
求解监测相关函数的极值，得到u和v的值；式中，
Figure 391343DEST_PATH_IMAGE170
表示监测待求解参数向量，
Figure 36082DEST_PATH_IMAGE171
；
Figure 806592DEST_PATH_IMAGE172
表示监测待求解参数，
Figure 26220DEST_PATH_IMAGE173
，
Figure 724924DEST_PATH_IMAGE214
，
Figure 297988DEST_PATH_IMAGE175
，
Figure 47638DEST_PATH_IMAGE176
，
Figure 923321DEST_PATH_IMAGE177
，
Figure 999DEST_PATH_IMAGE215
。
第一监测位置点确定子单元，用于根据u和v的值，以及第一初始位置点的坐标，通过公式
Figure 502387DEST_PATH_IMAGE185
，得到第一监测位置点的坐标；(
Figure 716331DEST_PATH_IMAGE146
)表示第一初始位置点的坐标，(
Figure 992941DEST_PATH_IMAGE182
)表示第一监测位置点的坐标。
第二监测位置点确定单元，用于根据第一初始图像的灰度分布、第一监测图像的灰度分布和第二初始位置点，通过二维数字图像相关方法确定第一监测图像上第二初始位置点对应的第二监测位置点。
第三监测位置点确定单元，用于根据第二初始图像的灰度分布、第二监测图像的灰度分布和第三初始位置点，通过二维数字图像相关方法确定第二监测图像上第三初始位置点对应的第三监测位置点。
第四监测位置点确定单元，用于根据第二初始图像的灰度分布、第二监测图像的灰度分布和第四初始位置点，通过二维数字图像相关方法确定第二监测图像上第四初始位置点对应的第四监测位置点。
监测三维坐标确定模块，用于根据第一监测位置点、第二监测位置点、第三监测位置点、第四监测位置点、内部参数、外部参数和畸变向量，通过双目相机非线性成像模型和最小二乘法，得到第一监测位置点的第一监测三维坐标和第二监测位置点的第二监测三维坐标。
当前宽度确定模块，用于根据第一监测三维坐标和第二监测三维坐标，确定待监测裂缝在监测时间后的当前宽度。当前宽度确定模块具体包括：
当前宽度确定单元，用于根据第一监测三维坐标和第二监测三维坐标，利用公式（10）计算得到待监测裂缝在监测时间后的当前宽度
Figure 416970DEST_PATH_IMAGE071
；
Figure 472781DEST_PATH_IMAGE189
表示第一监测三维坐标
Figure 541232DEST_PATH_IMAGE216
，
Figure 7985DEST_PATH_IMAGE073
表示第二监测三维坐标
Figure 168577DEST_PATH_IMAGE217
。
Figure 11768DEST_PATH_IMAGE193
（10）
裂缝变化情况监测模块，用于根据第一初始三维坐标、第二初始三维坐标、第一监测三维坐标、第二监测三维坐标、初始宽度和当前宽度，确定待监测裂缝的变化情况。
本实施例还提供一种基于3D DIC方法的裂缝监测装置，图6为本发明实施例所提供的裂缝监测装置的结构图。参见图6，裂缝监测装置包括：工业相机1、补光灯、工业相机2、嵌入式工控机以及电源模块。基于3D DIC方法的裂缝监测装置完成被测结构表面的照明、裂缝图像的采集与分析以及最后处理结果的存储。
工业相机1、补光灯和工业相机2均与嵌入式工控机连接。
工业相机1、补光灯和工业相机2牢靠的并排固定于一刚性连接杆上，工业相机1、工业相机2与刚性连接杆之间具有一定的夹角
Figure 200304DEST_PATH_IMAGE218
和
Figure 854270DEST_PATH_IMAGE219
，如图7所示。工业相机1和工业相机2的夹角
Figure 128257DEST_PATH_IMAGE218
和
Figure 775139DEST_PATH_IMAGE220
可以根据被测视野范围进行调整后予以固定不动。这时，工业相机1与工业相机2的相对位置关系就固定下来。工业相机1与工业相机2的相对位置关系可以用裂缝监测方法中提及的双目立体视觉中的R矩阵和t向量来描述。
补光灯用于给被测结构表面的照明。
工业相机1和工业相机2用于采集被测结构表面的裂缝图像。
嵌入式工控机用于控制补光灯对被测结构表面进行照明，控制工业相机1和工业相机2采集被测结构表面的裂缝图像，然后根据采集的裂缝图像利用裂缝监测方法进行图像分析与处理，并保存最后处理结果。
电源模块分别与工业相机1、补光灯、工业相机2和嵌入式工控机连接。电源模块用于为嵌入式工控机、工业相机1、补光灯以及工业相机2供电。
本发明所采用的方法、***及装置，由于采用了DIC方法的匹配算法，因此不管对于2D匹配还是3D匹配，像素点的定位精度均可以达到0.02像素或更高水平，因此可以极大的提高裂缝宽度变化的检测分辨率和精度，实现裂缝宽度变化的高分辨率监测。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种裂缝监测方法，其特征在于，包括：
获取初始时刻双目立体视觉的第一相机拍摄的待监测裂缝的第一初始图像和第二相机拍摄的所述待监测裂缝的第二初始图像，所述第一初始图像上的第一初始位置点和第二初始位置点，以及所述第一相机和所述第二相机的内部参数、外部参数和畸变向量；所述第一初始位置点与所述第二初始位置点的连线垂直于所述待监测裂缝的走向；
根据所述第一初始图像、所述第二初始图像、所述第一初始位置点和所述第二初始位置点，通过三维数字图像相关方法确定所述第二初始图像上所述第一初始位置点对应的第三初始位置点，和所述第二初始位置点对应的第四初始位置点；
根据所述第一初始位置点、所述第二初始位置点、所述第三初始位置点、所述第四初始位置点、所述内部参数、所述外部参数和所述畸变向量，通过双目相机非线性成像模型和最小二乘法，得到所述第一初始位置点的第一初始三维坐标和所述第二初始位置点的第二初始三维坐标；
根据所述第一初始三维坐标和所述第二初始三维坐标，确定所述待监测裂缝的初始宽度；
获取监测时间后所述第一相机拍摄的所述待监测裂缝的第一监测图像和所述第二相机拍摄的所述待监测裂缝的第二监测图像；
根据所述第一初始图像、所述第二初始图像、所述第一监测图像、所述第二监测图像、所述第一初始位置点、所述第二初始位置点、所述第三初始位置点和所述第四初始位置点，通过二维数字图像相关方法分别确定所述第一监测图像上所述第一初始位置点对应的第一监测位置点，和所述第二初始位置点对应的第二监测位置点，以及所述第二监测图像上所述第三初始位置点对应的第三监测位置点，和所述第四初始位置点对应的第四监测位置点；
根据所述第一监测位置点、所述第二监测位置点、所述第三监测位置点、所述第四监测位置点、所述内部参数、所述外部参数和所述畸变向量，通过双目相机非线性成像模型和最小二乘法，得到所述第一监测位置点的第一监测三维坐标和所述第二监测位置点的第二监测三维坐标；
根据所述第一监测三维坐标和所述第二监测三维坐标，确定所述待监测裂缝在所述监测时间后的当前宽度；
根据所述第一初始三维坐标、所述第二初始三维坐标、所述第一监测三维坐标、所述第二监测三维坐标、所述初始宽度和所述当前宽度，确定所述待监测裂缝的变化情况。
2.根据权利要求1所述的裂缝监测方法，其特征在于，所述根据所述第一初始图像、所述第二初始图像、所述第一初始位置点和所述第二初始位置点，通过三维数字图像相关方法确定所述第二初始图像上所述第一初始位置点对应的第三初始位置点，和所述第二初始位置点对应的第四初始位置点，具体包括：
获取所述第一初始图像的灰度分布和所述第二初始图像的灰度分布；
根据所述第一初始图像的灰度分布、所述第二初始图像的灰度分布和所述第一初始位置点，通过三维数字图像相关方法确定所述第二初始图像上所述第一初始位置点对应的第三初始位置点；
根据所述第一初始图像的灰度分布、所述第二初始图像的灰度分布和所述第二初始位置点，通过三维数字图像相关方法确定所述第二初始图像上所述第二初始位置点对应的第四初始位置点。
3.根据权利要求2所述的裂缝监测方法，其特征在于，所述根据所述第一初始图像的灰度分布、所述第二初始图像的灰度分布和所述第一初始位置点，通过三维数字图像相关方法确定所述第二初始图像上所述第一初始位置点对应的第三初始位置点，具体包括：
根据所述第一初始图像的灰度分布，确定所述第一初始图像中以所述第一初始位置点为中心、大小为（2M+1）像素×（2M+1）像素的图像区域为参考图像子区，并得到所述参考图像子区的参考灰度分布；M为整数；
根据所述参考图像子区和所述第二初始图像的灰度分布，利用二阶形函数
Figure DEST_PATH_IMAGE001
确定所述参考图像子区投影变换在所述第二初始图像上的目标图像子区，并得到所述目标图像子区的目标灰度分布；式中，
Figure 816027DEST_PATH_IMAGE002
表示目标图像子区中像素点
Figure DEST_PATH_IMAGE003
的横坐标，x 0 表示参考图像子区的中心像素点(x 0 ,y 0 )的横坐标，
Figure 237781DEST_PATH_IMAGE004
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 ,y 0 )的横向距离，
Figure DEST_PATH_IMAGE005
表示参考图像子区的中心像素点(x 0 ,y 0 )的横向视差，
Figure 346421DEST_PATH_IMAGE006
表示参考图像子区中像素点(x i ,y i )的横向视差对x求的一阶偏导数，
Figure DEST_PATH_IMAGE007
表示参考图像子区中像素点(x i ,y i )的横向视差对y求的一阶偏导数，
Figure 361781DEST_PATH_IMAGE008
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 ,y 0 )的纵向距离，
Figure DEST_PATH_IMAGE009
表示参考图像子区中像素点(x i ,y i )的横向视差先对x求后再对x求的二阶偏导数，
Figure 597590DEST_PATH_IMAGE010
表示参考图像子区中像素点(x i ,y i )的横向视差先对x求后再对y求的二阶偏导数，
Figure DEST_PATH_IMAGE011
表示参考图像子区中像素点(x i ,y i )的横向视差先对y求后再对y求的二阶偏导数，
Figure 391627DEST_PATH_IMAGE012
表示目标图像子区中像素点
Figure 953059DEST_PATH_IMAGE003
的纵坐标，y 0 表示参考图像子区的中心像素点(x 0 ,y 0 )的纵坐标，
Figure DEST_PATH_IMAGE013
表示参考图像子区的中心像素点(x 0 ,y 0 )的纵向视差，
Figure 65502DEST_PATH_IMAGE014
表示参考图像子区中像素点(x i ,y i )的纵向视差对x求的一阶偏导数，
Figure DEST_PATH_IMAGE015
表示参考图像子区中像素点(x i ,y i )的纵向视差对y求的一阶偏导数，
Figure 105003DEST_PATH_IMAGE016
表示参考图像子区中像素点(x i ,y i )的纵向视差先对x求后再对x求的二阶偏导数，
Figure DEST_PATH_IMAGE017
表示参考图像子区中像素点(x i ,y i )的纵向视差先对x求后再对y求的二阶偏导数，
Figure 609671DEST_PATH_IMAGE018
表示参考图像子区中像素点(x i ,y i )的纵向视差先对y求后再对y求的二阶偏导数，x i 表示参考图像子区中像素点(x i ,y i )的横坐标，y j 表示参考图像子区中像素点(x i ,y i )的纵坐标；
根据所述参考灰度分布和所述目标灰度分布，通过最小平方距离相关系数
Figure DEST_PATH_IMAGE019
，确定所述参考图像子区与所述目标图像子区的相关函数
Figure 827157DEST_PATH_IMAGE020
；式中，
Figure DEST_PATH_IMAGE021
表示参考图像子区的参考灰度分布，
Figure 676164DEST_PATH_IMAGE022
表示目标图像子区的目标灰度分布；
利用牛顿-拉普森迭代法通过公式
Figure DEST_PATH_IMAGE023
求解所述相关函数的极值，得到
Figure 500114DEST_PATH_IMAGE005
和
Figure 282125DEST_PATH_IMAGE013
的值；式中，
Figure 201671DEST_PATH_IMAGE024
表示待求解参数向量，
Figure DEST_PATH_IMAGE025
；
Figure 380717DEST_PATH_IMAGE026
表示待求解参数，
Figure DEST_PATH_IMAGE027
，
Figure 965282DEST_PATH_IMAGE028
，
Figure DEST_PATH_IMAGE029
，
Figure 211587DEST_PATH_IMAGE030
，
Figure DEST_PATH_IMAGE031
，
Figure 475603DEST_PATH_IMAGE032
，
Figure DEST_PATH_IMAGE033
，
Figure 95940DEST_PATH_IMAGE034
，
Figure DEST_PATH_IMAGE035
，
Figure 93983DEST_PATH_IMAGE036
，
Figure DEST_PATH_IMAGE037
，
Figure 568695DEST_PATH_IMAGE038
；
根据
Figure 813732DEST_PATH_IMAGE005
和
Figure 327890DEST_PATH_IMAGE013
的值，以及所述第一初始位置点的坐标，通过公式
Figure DEST_PATH_IMAGE039
，得到所述第三初始位置点的坐标；(
Figure 801728DEST_PATH_IMAGE040
)表示所述第一初始位置点的坐标，(
Figure DEST_PATH_IMAGE041
)表示所述第三初始位置点的坐标。
4.根据权利要求1所述的裂缝监测方法，其特征在于，所述根据所述第一初始三维坐标和所述第二初始三维坐标，确定所述待监测裂缝的初始宽度，具体包括：
根据所述第一初始三维坐标和所述第二初始三维坐标，利用公式
Figure 252651DEST_PATH_IMAGE042
计算得到所述待监测裂缝的初始宽度
Figure DEST_PATH_IMAGE043
；(x 1 ,y 1 ,z 1)表示所述第一初始三维坐标，(x 2 ,y 2 ,z 2)表示所述第二初始三维坐标。
5.根据权利要求1所述的裂缝监测方法，其特征在于，所述根据所述第一初始图像、所述第二初始图像、所述第一监测图像、所述第二监测图像、所述第一初始位置点、所述第二初始位置点、所述第三初始位置点和所述第四初始位置点，通过二维数字图像相关方法分别确定所述第一监测图像上所述第一初始位置点对应的第一监测位置点，和所述第二初始位置点对应的第二监测位置点，以及所述第二监测图像上所述第三初始位置点对应的第三监测位置点，和所述第四初始位置点对应的第四监测位置点，具体包括：
获取所述第一初始图像的灰度分布、所述第二初始图像的灰度分布、所述第一监测图像的灰度分布和所述第二监测图像的灰度分布；
根据所述第一初始图像的灰度分布、所述第一监测图像的灰度分布和所述第一初始位置点，通过二维数字图像相关方法确定所述第一监测图像上所述第一初始位置点对应的第一监测位置点；
根据所述第一初始图像的灰度分布、所述第一监测图像的灰度分布和所述第二初始位置点，通过二维数字图像相关方法确定所述第一监测图像上所述第二初始位置点对应的第二监测位置点；
根据所述第二初始图像的灰度分布、所述第二监测图像的灰度分布和所述第三初始位置点，通过二维数字图像相关方法确定所述第二监测图像上所述第三初始位置点对应的第三监测位置点；
根据所述第二初始图像的灰度分布、所述第二监测图像的灰度分布和所述第四初始位置点，通过二维数字图像相关方法确定所述第二监测图像上所述第四初始位置点对应的第四监测位置点。
6.根据权利要求5所述的裂缝监测方法，其特征在于，所述根据所述第一初始图像的灰度分布、所述第一监测图像的灰度分布和所述第一初始位置点，通过二维数字图像相关方法确定所述第一监测图像上所述第一初始位置点对应的第一监测位置点，具体包括：
根据所述第一初始图像的灰度分布，确定所述第一初始图像中以所述第一初始位置点为中心、大小为（2M+1）像素×（2M+1）像素的图像区域为参考图像子区，并得到所述参考图像子区的参考灰度分布；M为整数；
根据所述参考图像子区和所述第一监测图像的灰度分布，利用一阶形函数
Figure 606272DEST_PATH_IMAGE044
确定所述监测时间后所述参考图像子区在所述第一监测图像上对应的监测目标图像子区，并得到所述监测目标图像子区的监测目标灰度分布；式中，
Figure DEST_PATH_IMAGE045
表示监测目标图像子区中像素点
Figure 951933DEST_PATH_IMAGE046
的横坐标，x i表示参考图像子区中像素点(x i ,y i )的横坐标，u表示参考图像子区在横向方向的位移，u x 表示u对x求的一阶偏导数，
Figure DEST_PATH_IMAGE047
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 ,y 0 )的横向距离，u y 表示u对y求的一阶偏导数，
Figure 790314DEST_PATH_IMAGE048
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 ,y 0 )的纵向距离，
Figure DEST_PATH_IMAGE049
表示监测目标图像子区中像素点
Figure 521510DEST_PATH_IMAGE046
的纵坐标，y j 表示参考图像子区中像素点(x i ,y i )的纵坐标，v表示参考图像子区在纵向方向的位移，v x 表示v对x求的一阶偏导数，v y 表示v对y求的一阶偏导数，x 0表示参考图像子区的中心像素点(x 0 ,y 0 )的横坐标，y 0表示参考图像子区的中心像素点(x 0 ,y 0 )的纵坐标；
根据所述参考灰度分布和所述监测目标灰度分布，通过最小平方距离相关系数
Figure 327923DEST_PATH_IMAGE050
，确定所述参考图像子区与所述监测目标图像子区的监测相关函数
Figure DEST_PATH_IMAGE051
；式中，
Figure 410148DEST_PATH_IMAGE021
表示参考图像子区的参考灰度分布，
Figure 616002DEST_PATH_IMAGE052
表示监测目标图像子区的监测目标灰度分布；
利用牛顿-拉普森迭代法通过公式
Figure DEST_PATH_IMAGE053
求解所述监测相关函数的极值，得到u和v的值；式中，
Figure 47377DEST_PATH_IMAGE054
表示监测待求解参数向量，
Figure DEST_PATH_IMAGE055
；
Figure 759112DEST_PATH_IMAGE056
表示监测待求解参数，
Figure DEST_PATH_IMAGE057
，
Figure 640218DEST_PATH_IMAGE058
，
Figure DEST_PATH_IMAGE059
，
Figure 446500DEST_PATH_IMAGE060
，
Figure DEST_PATH_IMAGE061
，
Figure 903020DEST_PATH_IMAGE062
；
根据u和v的值，以及所述第一初始位置点的坐标，通过公式
Figure DEST_PATH_IMAGE063
，得到所述第一监测位置点的坐标；(
Figure 566083DEST_PATH_IMAGE064
)表示所述第一初始位置点的坐标，(
Figure DEST_PATH_IMAGE065
)表示所述第一监测位置点的坐标。
7.根据权利要求1所述的裂缝监测方法，其特征在于，所述根据所述第一监测三维坐标和所述第二监测三维坐标，确定所述待监测裂缝在所述监测时间后的当前宽度，具体包括：
根据所述第一监测三维坐标和所述第二监测三维坐标，利用公式
Figure 931555DEST_PATH_IMAGE066
计算得到所述待监测裂缝在所述监测时间后的当前宽度
Figure DEST_PATH_IMAGE067
；
Figure 292260DEST_PATH_IMAGE068
表示所述第一监测三维坐标，
Figure DEST_PATH_IMAGE069
表示所述第二监测三维坐标。
8.一种裂缝监测***，其特征在于，包括：
初始图像获取模块，用于获取初始时刻双目立体视觉的第一相机拍摄的待监测裂缝的第一初始图像和第二相机拍摄的所述待监测裂缝的第二初始图像，所述第一初始图像上的第一初始位置点和第二初始位置点，以及所述第一相机和所述第二相机的内部参数、外部参数和畸变向量；所述第一初始位置点与所述第二初始位置点的连线垂直于所述待监测裂缝的走向；
初始位置点对应模块，用于根据所述第一初始图像、所述第二初始图像、所述第一初始位置点和所述第二初始位置点，通过三维数字图像相关方法确定所述第二初始图像上所述第一初始位置点对应的第三初始位置点，和所述第二初始位置点对应的第四初始位置点；
初始三维坐标确定模块，用于根据所述第一初始位置点、所述第二初始位置点、所述第三初始位置点、所述第四初始位置点、所述内部参数、所述外部参数和所述畸变向量，通过双目相机非线性成像模型和最小二乘法，得到所述第一初始位置点的第一初始三维坐标和所述第二初始位置点的第二初始三维坐标；
初始宽度确定模块，用于根据所述第一初始三维坐标和所述第二初始三维坐标，确定所述待监测裂缝的初始宽度；
监测图像获取模块，用于获取监测时间后所述第一相机拍摄的所述待监测裂缝的第一监测图像和所述第二相机拍摄的所述待监测裂缝的第二监测图像；
监测位置点对应模块，用于根据所述第一初始图像、所述第二初始图像、所述第一监测图像、所述第二监测图像、所述第一初始位置点、所述第二初始位置点、所述第三初始位置点和所述第四初始位置点，通过二维数字图像相关方法分别确定所述第一监测图像上所述第一初始位置点对应的第一监测位置点，和所述第二初始位置点对应的第二监测位置点，以及所述第二监测图像上所述第三初始位置点对应的第三监测位置点，和所述第四初始位置点对应的第四监测位置点；
监测三维坐标确定模块，用于根据所述第一监测位置点、所述第二监测位置点、所述第三监测位置点、所述第四监测位置点、所述内部参数、所述外部参数和所述畸变向量，通过双目相机非线性成像模型和最小二乘法，得到所述第一监测位置点的第一监测三维坐标和所述第二监测位置点的第二监测三维坐标；
当前宽度确定模块，用于根据所述第一监测三维坐标和所述第二监测三维坐标，确定所述待监测裂缝在所述监测时间后的当前宽度；
裂缝变化情况监测模块，用于根据所述第一初始三维坐标、所述第二初始三维坐标、所述第一监测三维坐标、所述第二监测三维坐标、所述初始宽度和所述当前宽度，确定所述待监测裂缝的变化情况。
9.根据权利要求8所述的裂缝监测***，其特征在于，所述初始位置点对应模块，具体包括：
初始图像灰度分布获取单元，用于获取所述第一初始图像的灰度分布和所述第二初始图像的灰度分布；
第三初始位置点确定单元，用于根据所述第一初始图像的灰度分布、所述第二初始图像的灰度分布和所述第一初始位置点，通过三维数字图像相关方法确定所述第二初始图像上所述第一初始位置点对应的第三初始位置点；
第四初始位置点确定单元，用于根据所述第一初始图像的灰度分布、所述第二初始图像的灰度分布和所述第二初始位置点，通过三维数字图像相关方法确定所述第二初始图像上所述第二初始位置点对应的第四初始位置点。
10.根据权利要求9所述的裂缝监测***，其特征在于，所述第三初始位置点确定单元，具体包括：
参考图像子区确定子单元，用于根据所述第一初始图像的灰度分布，确定所述第一初始图像中以所述第一初始位置点为中心、大小为（2M+1）像素×（2M+1）像素的图像区域为参考图像子区，并得到所述参考图像子区的参考灰度分布；M为整数；
目标图像子区确定子单元，用于根据所述参考图像子区和所述第二初始图像的灰度分布，利用二阶形函数
Figure 118134DEST_PATH_IMAGE001
确定所述参考图像子区投影变换在所述第二初始图像上的目标图像子区，并得到所述目标图像子区的目标灰度分布；式中，
Figure 670207DEST_PATH_IMAGE002
表示目标图像子区中像素点
Figure 479900DEST_PATH_IMAGE003
的横坐标，x 0 表示参考图像子区的中心像素点(x 0 ,y 0 )的横坐标，
Figure 96826DEST_PATH_IMAGE004
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 ,y 0 )的横向距离，
Figure 793518DEST_PATH_IMAGE005
表示参考图像子区的中心像素点(x 0 ,y 0 )的横向视差，
Figure 532804DEST_PATH_IMAGE006
表示参考图像子区中像素点(x i ,y i )的横向视差对x求的一阶偏导数，
Figure 439580DEST_PATH_IMAGE007
表示参考图像子区中像素点(x i ,y i )的横向视差对y求的一阶偏导数，
Figure 971449DEST_PATH_IMAGE008
表示参考图像子区中像素点(x i ,y i )距离中心像素点(x 0 ,y 0 )的纵向距离，
Figure 240756DEST_PATH_IMAGE009
表示参考图像子区中像素点(x i ,y i )的横向视差先对x求后再对x求的二阶偏导数，
Figure 557468DEST_PATH_IMAGE010
表示参考图像子区中像素点(x i ,y i )的横向视差先对x求后再对y求的二阶偏导数，
Figure 92485DEST_PATH_IMAGE011
表示参考图像子区中像素点(x i ,y i )的横向视差先对y求后再对y求的二阶偏导数，
Figure 785635DEST_PATH_IMAGE012
表示目标图像子区中像素点
Figure 909449DEST_PATH_IMAGE003
的纵坐标，y 0 表示参考图像子区的中心像素点(x 0 ,y 0 )的纵坐标，
Figure 36543DEST_PATH_IMAGE013
表示参考图像子区的中心像素点(x 0 ,y 0 )的纵向视差，
Figure 183490DEST_PATH_IMAGE014
表示参考图像子区中像素点(x i ,y i )的纵向视差对x求的一阶偏导数，
Figure 539385DEST_PATH_IMAGE015
表示参考图像子区中像素点(x i ,y i )的纵向视差对y求的一阶偏导数，
Figure 268438DEST_PATH_IMAGE016
表示参考图像子区中像素点(x i ,y i )的纵向视差先对x求后再对x求的二阶偏导数，
Figure 192531DEST_PATH_IMAGE017
表示参考图像子区中像素点(x i ,y i )的纵向视差先对x求后再对y求的二阶偏导数，
Figure 951409DEST_PATH_IMAGE018
表示参考图像子区中像素点(x i ,y i )的纵向视差先对y求后再对y求的二阶偏导数，x i 表示参考图像子区中像素点(x i ,y i )的横坐标，y j 表示参考图像子区中像素点(x i ,y i )的纵坐标；
相关函数确定子单元，用于根据所述参考灰度分布和所述目标灰度分布，通过最小平方距离相关系数
Figure 849612DEST_PATH_IMAGE019
，确定所述参考图像子区与所述目标图像子区的相关函数
Figure 354542DEST_PATH_IMAGE070
；式中，
Figure 777434DEST_PATH_IMAGE021
表示参考图像子区的参考灰度分布，
Figure 508760DEST_PATH_IMAGE022
表示目标图像子区的目标灰度分布；
相关函数极值求解子单元，用于利用牛顿-拉普森迭代法通过公式
Figure DEST_PATH_IMAGE071
求解所述相关函数的极值，得到
Figure 940879DEST_PATH_IMAGE005
和
Figure 143059DEST_PATH_IMAGE013
的值；式中，
Figure 408955DEST_PATH_IMAGE024
表示待求解参数向量，
Figure 876845DEST_PATH_IMAGE025
；
Figure 519179DEST_PATH_IMAGE026
表示待求解参数，
Figure 77331DEST_PATH_IMAGE027
，
Figure 638762DEST_PATH_IMAGE028
，
Figure 469315DEST_PATH_IMAGE029
，
Figure 964275DEST_PATH_IMAGE030
，
Figure 688517DEST_PATH_IMAGE031
，
Figure 561795DEST_PATH_IMAGE032
，
Figure 489431DEST_PATH_IMAGE033
，
Figure 535884DEST_PATH_IMAGE034
，
Figure 989999DEST_PATH_IMAGE035
，
Figure 408080DEST_PATH_IMAGE036
，
Figure 947646DEST_PATH_IMAGE037
，
Figure 797790DEST_PATH_IMAGE038
；
第三初始位置点确定子单元，用于根据
Figure 981778DEST_PATH_IMAGE072
和
Figure DEST_PATH_IMAGE073
的值，以及所述第一初始位置点的坐标，通过公式
Figure 790334DEST_PATH_IMAGE074
，得到所述第三初始位置点的坐标；(
Figure DEST_PATH_IMAGE075
)表示所述第一初始位置点的坐标，(
Figure 860272DEST_PATH_IMAGE076
)表示所述第三初始位置点的坐标。
CN202011184214.0A 2020-10-30 2020-10-30 一种裂缝监测方法及*** Active CN111998834B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011184214.0A CN111998834B (zh) 2020-10-30 2020-10-30 一种裂缝监测方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011184214.0A CN111998834B (zh) 2020-10-30 2020-10-30 一种裂缝监测方法及***

Publications (2)

Publication Number Publication Date
CN111998834A true CN111998834A (zh) 2020-11-27
CN111998834B CN111998834B (zh) 2021-01-29

Family

ID=73475255

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011184214.0A Active CN111998834B (zh) 2020-10-30 2020-10-30 一种裂缝监测方法及***

Country Status (1)

Country Link
CN (1) CN111998834B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113379717A (zh) * 2021-06-22 2021-09-10 山东高速工程检测有限公司 一种适用于道路修补的图形识别装置及识别方法
CN116718599A (zh) * 2023-06-08 2023-09-08 中国矿业大学 一种基于三维点云数据的表观裂缝长度测量方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113379717A (zh) * 2021-06-22 2021-09-10 山东高速工程检测有限公司 一种适用于道路修补的图形识别装置及识别方法
CN113379717B (zh) * 2021-06-22 2022-02-15 山东高速工程检测有限公司 一种适用于道路修补的图形识别装置及识别方法
CN116718599A (zh) * 2023-06-08 2023-09-08 中国矿业大学 一种基于三维点云数据的表观裂缝长度测量方法
CN116718599B (zh) * 2023-06-08 2024-06-11 中国矿业大学 一种基于三维点云数据的表观裂缝长度测量方法

Also Published As

Publication number Publication date
CN111998834B (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
CN110288642B (zh) 基于相机阵列的三维物体快速重建方法
CN107063129B (zh) 一种阵列式并行激光投影三维扫描方法
CN113379822B (zh) 一种基于采集设备位姿信息获取目标物3d信息的方法
CN106595528B (zh) 一种基于数字散斑的远心显微双目立体视觉测量方法
TWI555379B (zh) 一種全景魚眼相機影像校正、合成與景深重建方法與其系統
EP2751521B1 (en) Method and system for alignment of a pattern on a spatial coded slide image
US8593524B2 (en) Calibrating a camera system
WO2012039043A1 (ja) ステレオ画像生成装置、ステレオ画像生成方法及びステレオ画像生成用コンピュータプログラム
KR102345886B1 (ko) 알려진 이동 중에 이동하는 물체의 3차원 측정을 위한 방법
CN111192235B (zh) 一种基于单目视觉模型和透视变换的图像测量方法
CN111667536A (zh) 一种基于变焦相机深度估计的参数标定方法
CN109579695B (zh) 一种基于异构立体视觉的零件测量方法
CN105066962B (zh) 一种多分辨率大视场角高精度摄影测量装置
CN113592721B (zh) 摄影测量方法、装置、设备及存储介质
CN106500625B (zh) 一种远心立体视觉测量方法
CN109242898B (zh) 一种基于图像序列的三维建模方法及***
CN111998834B (zh) 一种裂缝监测方法及***
CN109727290A (zh) 基于单目视觉三角测距法的变焦相机动态标定方法
CN111009030A (zh) 一种多视高分辨率纹理图像与双目三维点云映射方法
Liu et al. Epipolar rectification method for a stereovision system with telecentric cameras
CN102881040A (zh) 一种数码相机移动拍摄三维重建方法
CN114359406A (zh) 自动对焦双目摄像头的标定、3d视觉及深度点云计算方法
JP3842988B2 (ja) 両眼立体視によって物体の３次元情報を計測する画像処理装置およびその方法又は計測のプログラムを記録した記録媒体
JP2003065737A (ja) 表面形状測定装置及びその方法、並びに表面状態図化装置
WO2019087253A1 (ja) ステレオカメラのキャリブレーション方法

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
GR01 Patent grant
GR01 Patent grant