CN114663504A - 一种多相机连续视觉大型桥梁线形实时测量方法及*** - Google Patents
一种多相机连续视觉大型桥梁线形实时测量方法及*** Download PDFInfo
- Publication number
- CN114663504A CN114663504A CN202210151410.0A CN202210151410A CN114663504A CN 114663504 A CN114663504 A CN 114663504A CN 202210151410 A CN202210151410 A CN 202210151410A CN 114663504 A CN114663504 A CN 114663504A
- Authority
- CN
- China
- Prior art keywords
- real
- camera
- time
- target
- targets
- 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
Links
Images
Classifications
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种多相机连续视觉大型桥梁线形实时测量方法,所述方法包括:获取若干相机连续视场内的若干靶标;其中,所述靶标用于标识桥梁线型的关键目标点;基于预设的靶标中心识别方式,提取若干所述靶标在相机拍摄图像中的实时位置,并根据若干所述靶标在相机拍摄图像中的实时位置得到若干相机的实时位置;根据若干所所述相机的实时位置,确定大型桥梁实时线形。本发明实施例通过提取多个相机连续视场内靶标的实时位置进而得到相机的真实实时位置,组合多个测量相机,不断向前传递测量线形,从而得到准确的长距离大型桥梁的实时线形,更好的支持桥梁的运营。
Description
技术领域
本发明涉及土木工程技术领域,尤其涉及的是一种多相机连续视觉大型桥梁线形实时测量方法及***。
背景技术
桥梁克服了河流、湖泊、山川的空间阻隔,促进人员流动和货物运输,是交通基础设施的控制性工程,在社会经济发展中发挥着重要作用。大型公路桥和高速铁路桥跨度超过500米,受风、温度变化和重型荷载的影响,其几何线形不断发生变化。线形变化剧烈时会对通行服务产生巨大影响。因此需要对特大型公路桥和高铁桥的几何线形进行实时监测,支撑大型公路桥和高铁桥的运营安全。
传统桥梁线形测量要么会出现测量时长过长,难以满足大型公路桥和高铁桥线形实时动态测量的需要,要么出现精度随着测量距离增加而不断降低的情况。
因此,现有技术还有待改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种多相机连续视觉大型桥梁线形实时测量方法,旨在解决现有技术中桥梁线形测量要么会出现测量时长过长,难以满足大型公路桥和高铁桥线形实时动态测量的需要,要么出现精度随着测量距离增加而不断降低的情况的问题。
本发明解决问题所采用的技术方案如下:
第一方面,本发明实施例提供一种多相机连续视觉大型桥梁线形实时测量方法,其中,所述方法包括:
获取若干相机连续视场内的若干靶标;其中,所述靶标用于标识桥梁线型的关键目标点;
基于预设的靶标中心识别方式,提取若干所述靶标在相机拍摄图像中的实时位置,并根据若干所述靶标在相机拍摄图像中的实时位置得到若干相机的实时位置;
根据若干所述相机的实时位置,确定大型桥梁实时线形。
在一种实现方式中,所述靶标包括第一靶标和第二靶标;
其中,所述第一靶标的位置与相机的位置相同,用于前后相机的同步观测;
所述第二靶标的位置与第一靶标的位置相异,用于计算相机的位置和姿态变化带来的测量误差。
在一种实现方式中,所述获取若干相机视场内的靶标之前,包括:
获取若干相机的初始位置;
获取若干所述第一靶标的初始位置。
在一种实现方式中,所述基于预设的靶标中心识别方式,提取若干所述靶标在相机拍摄图像中的实时位置,并根据若干所述靶标在相机拍摄图像中的实时位置得到若干相机的实时位置,包括:
基于预设的霍夫曼变换方式,计算若干所述靶标在相机拍摄图像中的像平面坐标;
根据若干相机的初始位置、若干所述第一靶标的初始位置和若干所述靶标在相机拍摄图像中的像平面坐标获取相机的实时位置。
在一种实现方式中,所述根据若干所述靶标在相机拍摄图像中的实时位置,确定大型桥梁实时线形,包括:
所述根据若干所述相机的实时位置,确定大型桥梁实时线形,包括:
根据若干所述第二靶标,得到转换矩阵;
基于所述转换矩阵,将若干所述相机的实时位置转换到世界坐标系中的真实位置;
根据若干所述相机的真实位置,确定大型桥梁实时线形。
在一种实现方式中,所述根据若干所述第二靶标,得到转换矩阵,包括:
针对每一个所述第二靶标,获取观测所述第二靶标的相机的像方坐标系和所述第二靶标的物方坐标系;
根据观测所述第二靶标的相机的像方坐标系和所述第二靶标的物方坐标系,获取转换矩阵。
在一种实现方式中,所述根据若干所述相机的真实位置,确定大型桥梁实时线形,包括:
采用贝塞尔曲线拟合方式,将若干所述相机的真实位置和所述靶标的位置进行线性拟合,得到大型桥梁实时线形。
第二方面,本发明实施例还提供一种多相机连续视觉大型桥梁线形实时测量***,所述***包括:
若干靶标获取模块,用于获取若干相机连续视场内的若干靶标;其中,所述靶标用于标识桥梁线型的关键目标点;
实时位置提取模块,用于基于预设的靶标中心识别方式,提取若干所述靶标在相机拍摄图像中的实时位置,并根据若干所述靶标在相机拍摄图像中的实时位置得到若干相机的实时位置;
大型桥梁实时线形确定模块,用于根据若干所述相机的实时位置,确定大型桥梁实时线形。
第三方面,本发明实施例还提供一种智能终端,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如上述任意一项所述的多相机连续视觉大型桥梁线形实时测量方法。
第四方面,本发明实施例还提供一种非临时性计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如上述中任意一项所述的多相机连续视觉大型桥梁线形实时测量方法。
本发明的有益效果:本发明实施例首先获取若干相机连续视场内的若干靶标;其中,所述靶标用于标识桥梁线型的关键目标点;基于预设的靶标中心识别方式,提取若干所述靶标在相机拍摄图像中的实时位置,并根据若干所述靶标在相机拍摄图像中的实时位置得到若干相机的实时位置;最后根据若干所述相机的实时位置,确定大型桥梁实时线形;可见,本发明实施例中通过提取多个相机连续视场内靶标的实时位置进而得到相机的真实实时位置,组合多个测量相机,不断向前传递测量线形,从而得到准确的长距离大型桥梁的实时线形,更好的支持桥梁的运营。
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,下面将对实施例或现有技术描述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中记载的一些实施例,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为本发明实施例提供的多相机连续视觉大型桥梁线形实时测量方法流程示意图。
图2为本发明实施例提供的多相机视觉连续测量原理图。
图3为本发明实施例提供的数据计算与传输拓扑图。
图4为本发明实施例提供的多相机连续视觉大型桥梁线形实时测量***的原理框图。
图5为本发明实施例提供的智能终端的内部结构原理框图。
具体实施方式
本发明公开了多相机连续视觉大型桥梁线形实时测量方法,为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
由于现有技术中,传统桥梁线形测量利用全站仪、水准仪等专业测量仪器,在桥梁上选取若干点进行人工测量,但费时费力,测量时长通常达数小时,难以满足大型公路桥和高铁桥线形实时动态测量的需要。静力水准仪能够同时测量多点的高差,但响应时间长,通常在5分钟以上甚至更长,难以准确测量高动态的桥梁实时线型。视觉测量速度快、精度高,利用测量相机能够实现低成本的桥梁动态线形监测。然而,视觉受大气扰动、气温变化的影响,利用测量相机进行大型桥梁关键点位置测量的精度随着测量距离增加而不断降低,无法实现特大型公路桥和高铁桥桥梁线形在线精密测量。
为了解决现有技术的问题,本实施例提供了一种多相机连续视觉大型桥梁线形实时测量方法,通过提取多个相机连续视场内靶标的实时位置进而得到相机的真实实时位置,组合多个测量相机,不断向前传递测量线形,从而得到准确的长距离大型桥梁的实时线形,更好的支持桥梁的运营。具体实施时,首先获取若干相机连续视场内的若干靶标;其中,所述靶标用于标识桥梁线型的关键目标点;然后基于预设的靶标中心识别方式,提取若干所述靶标在相机拍摄图像中的实时位置,并根据若干所述靶标在相机拍摄图像中的实时位置得到若干相机的实时位置;最后根据若干所所述相机的实时位置,确定大型桥梁实时线形。
示例性方法
本实施例提供一种多相机连续视觉大型桥梁线形实时测量方法,该方法可以应用于土木工程的智能终端。具体如图1所示,所述方法包括:
步骤S100、获取若干相机连续视场内的若干靶标;其中,所述靶标用于标识桥梁线型的关键目标点;
具体地,对大型公路桥和铁路桥线形进行实时动态测量是保障其结构安全、避免重大事故的重要措施。视觉位置测量方法尽管测量精度高,但测量距离有限,难以实现大型桥梁线形实时在线测量。本发明中对象为大型公路桥或者铁路桥,无法采用一个相机来实现对这些大型公路桥或者铁路桥线形实时在线测量,故采用多相机的连续测量来解决大型桥梁线形实时在线测量;其中,相机不限于可见光相机,红外相机和紫外光相机均可用于大型桥梁动态线形测量。所述靶标用于标识桥梁线型的关键目标点;所述靶标包括第一靶标和第二靶标;其中,所述第一靶标的位置与相机的位置相同,用于前后相机的同步观测;所述第二靶标的位置与第一靶标的位置相异,用于计算相机的位置和姿态变化带来的测量误差。其中,相机为测量相机,测量相机包括摄像单元、计算单元和第一靶标(测量靶标),其中第一靶标用于标志相机的位置变化。相机有多个,每个相机的视场内有若干靶标,若干相机视场组成相机连续视场。多个测量相机沿着视线水平安装,测量相机集合为A,ai∈A,相机同位布置的靶标集合为A*,ai*∈A*。实际中,在桥梁形状的关键点处设置了测量标志,用于测量桥梁形状。部分测量标志用做第二靶标,用于修正测量计算相机的位置和姿态变化带来的测量误差,第一靶标设置在部分测量相机相同的位置上,第一靶标和第二靶标的集合为C。第二靶标的位置设置根据工程现场的实际情况进行,需要遵循以下原则:不能遮挡相机上的靶标;公共靶标在相机的主视线四周分布,不能只覆盖一小部分区域;公共靶标在测量相机视场内的分布相对分散。具备较好地安装条件,如安装支撑架,固定装置等。实际中,启动多相机***,利用测量相机观测其视觉范围内的靶标,所有靶标的集合为C=(c1,c2,c3、...、cm)。在这里,多个相机的视场可能相互重叠。因此,一个相机能够观测多个靶标,假定相机ai观测的靶标为ai 1,ai 2,...,ai k。利用时间同步电路,驱动多个测量相机同步进行拍摄,获取视场内的靶标,其中,多相机同步可以采用石英钟同步,也可以采用北斗时间基准同步。
在一种实现方式中,所述获取若干相机视场内的靶标之前,包括如下步骤:获取若干相机的初始位置;获取若干所述第一靶标的初始位置。
具体地,相机和靶标都需要提前布置在大型公路桥或铁路桥(长度为D)的桥面上,在本实施例中,相机为测量相机,实际中,自桥梁一端B1向另一端B2布置测量相机,相机间隔在[d1,d2]之间,通过多个相机延长视线,进行多相机视觉连续观测。其中,测量相机的数量根据桥梁长度确定。第一靶标布置在相机之间,用于前后相机之间的同步观测。如图2所示,相机a0置于桥梁一端,沿桥梁方向依次布置相机a1、a2、a3,...,an,在桥梁另外一段布置靶标a(n+1)*。***布置后,获取各相机在世界坐标系中的初始位置记为(xai,yai),获取各靶标在世界坐标系中的初始位置为(xcj,ycj)。
得到第一靶标和第二靶标后,就可以执行如图1所示的如下步骤:S200、基于预设的靶标中心识别方式,提取若干所述靶标在相机拍摄图像中的实时位置,并根据若干所述靶标在相机拍摄图像中的实时位置得到若干相机的实时位置;
具体地,靶标中心识别方式可以为霍夫曼变换方法,也可以为地面三维激光扫描标靶中心识别算法,具体不做限制。可以将若干所述靶标代入到预设的靶标中心识别方式的公式中,通过预设的靶标中心识别方式的公式得到若干所述靶标在相机拍摄图像中的实时位置,然后得到若干相机的实时位置;也可以通过配置有预设的靶标中心识别方式人工智能机器提取若干所述靶标在相机拍摄图像中的实时位置得到若干相机的实时位置。
为了得到若干所述靶标在相机拍摄图像中的实时位置,所述基于预设的靶标中心识别方式,提取若干所述靶标在相机拍摄图像中的实时位置,包括如下步骤:
S201、基于预设的霍夫曼变换方式,计算若干所述靶标在相机拍摄图像中的像平面坐标;
S202、根据若干相机的初始位置、若干所述第一靶标的初始位置和若干所述靶标在相机拍摄图像中的像平面坐标获取相机的实时位置。
在本实施例中,霍夫曼变换方式为基本原理在于利用点与线的对偶性,将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。也即把检测整体特性转化为检测局部特性。采用霍夫曼变换方式,计算若干所述靶标在相机拍摄图像中的像平面坐标;如:计算靶标中心在拍摄图像中位置,记靶标j在相机i的像平面坐标系为(ui cjt,vi cjt)。实际中,测量相机拍摄的图片通常体积较大,难以通过无线网络进行传输。本发明采用FPGA在测量相机处进行靶标中心提取,得到靶标中心位置,由于靶标中心位置相对于图像小很多,此时将靶标中心位置传输给数据处理中心,而无须将拍摄图像传输回数据处理中心,极大地减少了数据传输量。如图3所示,数据处理中心通过无线网络收集测量相机所观测到的相机和靶标位置形变数据,并计算桥梁的实时线形。得到若干所述靶标在相机拍摄图像中的像平面坐标后,根据若干相机的初始位置、若干所述第一靶标的初始位置和若干所述靶标在相机拍摄图像中的像平面坐标获取相机的实时位置。例如:数据处理中心接受所有的靶标中心像方坐标,进行数据处理。自桥梁B1向B2端,沿着相机序列a0->a1->a2->...->an按照式(1)计算相机ai的实时位置:
其中,dxkk+1,dykk+1分别为相机同位靶标ai *在X、Y方向的位置增量,Hk,Hk+1分别为相机k,k+1距离桥梁端B1的距离;(xai,yai)为相机ai在前一个时刻的X、Y方向的位置,(xai+1,yai+1)为相机ai在后一个时刻的X、Y方向的位置。
得到若干所述相机的实时位置后,就可以执行如图1所示的如下步骤:S300、根据若干所述相机的实时位置,确定大型桥梁实时线形。
具体地,得到相机的实时位置后,在根据前述靶标的位置,通过技术手段将这些点拟合成直线,就可以得到大型桥梁实时线形。
步骤S300包括如下步骤:
S301、根据若干所述第二靶标,得到转换矩阵;
S302、基于所述转换矩阵,将若干所述相机的实时位置转换到世界坐标系中的真实位置;
S303、根据若干所述相机的真实位置,确定大型桥梁实时线形。
步骤S301包括如下步骤:针对每一个所述第二靶标,获取观测所述第二靶标的相机的像方坐标系和所述第二靶标的物方坐标系;根据观测所述第二靶标的相机的像方坐标系和所述第二靶标的物方坐标系,获取转换矩阵。
具体地,由于桥梁线形不断变化,公式(1)以及其他公式的自由度非常大,难以直接精确测量第一靶标的位置变化。本发明利用若干所述第二靶标(公共靶标),构建多个相机之间的约束,从而恢复相机的坐标转换矩阵M。例如:针对多个相机视场中的同一靶标cj,其所有观测到该靶标的相机满足从像方坐标系到物方坐标系的关系:
上式中,像方坐标是靶标中心的像素坐标,(ui cjt,vi cjt)为靶标j在相机i的像平面坐标,(xcjt,ycjt)为各靶标在世界坐标系中的实时位置,hcj为靶标j与相机i的距离。联立所有的相机-靶标对,构建观测方程,利用最小二乘平差求解相机ai的转换矩阵,也即坐标转换矩阵M。
步骤S302中,基于坐标转换矩阵M,由若干所述相机的像方坐标系的位置变化反演世界坐标系中的真实位置,精化公式(3),进一步提高定位的精度,在***安装时已知,矩阵M为相机ai的位置和姿态元素(包括相机俯仰角、相机侧倾角和相机翻滚角)构成的旋转矩阵,M-1为逆矩阵:
上式中,Hk,Hk+1分别为相机k,k+1距离桥梁端B1的距离,(x(k+1)t,y(k+1)t)为相机同位靶标ai *在X、Y方向的坐标值,(uk (k+1)t,vk (k+1)t)为靶标在相机中的像平面坐标值,矩阵M为结构恢复中的旋转矩阵。
此外,第一靶标a(n+1)*,需要满足以下条件:
上式中,(xan+1,yan+1)为第一靶标在X、Y方向的坐标值,(xa0,ya0)为第一靶标在X、Y方向的初始坐标值,(dxkk+1,dykk+1)为第一靶标在X、Y方向的位置增量。
步骤S302包括如下步骤:所述根据若干所述相机的真实位置,确定大型桥梁实时线形,包括如下步骤:
采用贝塞尔曲线拟合方式,将若干所述相机的真实位置和所述靶标的位置进行线性拟合,得到大型桥梁实时线形。
将测量相机、第一靶标和桥梁上显著特征点作为桥梁线形的描述点,利用公式(2)计算若干所述相机的真实位置和所述靶标的位置,计算这些点的位置随着时间变化后的实时位置变化,采用贝塞尔曲线拟合线形,从而刻画连续的大型桥梁实时线形,以支撑桥梁的运维。
本发明的发明点:
发明点1:发明了一种多相机连续视觉特大型桥梁线形测量方法,利用多相机构建视觉测量线阵,扩大了高精度视觉测量的范围,测量特大型桥梁上的若干关键点来测量桥梁实时线形。
发明点2:发明了一种多相机同步观测与影像数据处理方法,在测量相机处进行靶标中心提取,将提取的靶标中心传输至数据中心,在数据中心处利用相机-靶标的多次测量精化靶标的位置,提高线形测量的精度。
发明点3:发明了一种利用公共靶标消除定位误差的方法,通过多相机的联合观测同一靶标,重建相机的坐标转换矩阵,减弱了因相机位置和姿态变化而产生的线形测量误差,实现高精度的桥梁线形测量。
示例性设备
如图4中所示,本发明实施例提供一种多相机连续视觉大型桥梁线形实时测量***,该***包括若干靶标获取模块401、实时位置提取模块402和大型桥梁实时线形确定模块403:
若干靶标获取模块401,用于获取若干相机连续视场内的若干靶标;其中,所述靶标用于标识桥梁线型的关键目标点;
实时位置提取模块402,用于基于预设的靶标中心识别方式,提取若干所述靶标在相机拍摄图像中的实时位置;
大型桥梁实时线形确定模块403,用于根据若干所述靶标在相机拍摄图像中的实时位置,确定大型桥梁实时线形。
基于上述实施例,本发明还提供了一种智能终端,其原理框图可以如图5所示。该智能终端包括通过***总线连接的处理器、存储器、网络接口、显示屏、温度传感器。其中,该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种多相机连续视觉大型桥梁线形实时测量方法。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏,该智能终端的温度传感器是预先在智能终端内部设置,用于检测内部设备的运行温度。
本领域技术人员可以理解,图5中的原理图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的智能终端的限定,具体的智能终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种智能终端,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:获取若干相机连续视场内的若干靶标;其中,所述靶标用于标识桥梁线型的关键目标点;
基于预设的靶标中心识别方式,提取若干所述靶标在相机拍摄图像中的实时位置;
根据若干所述靶标在相机拍摄图像中的实时位置,确定大型桥梁实时线形。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上所述,本发明公开了一种多相机连续视觉大型桥梁线形实时测量方法,所述方法包括:获取若干相机视场内的若干靶标;其中,所述靶标用于标识桥梁线型的关键目标点;基于预设的靶标中心识别方式,提取若干所述靶标在相机拍摄图像中的实时位置;根据若干所述靶标在相机拍摄图像中的实时位置,确定大型桥梁实时线形。本发明实施例通过提取多个相机连续视场内靶标的实时位置进而得到相机的真实实时位置,利用相机1测量相机2,精确测量相机2相对相机1的位置变化,组合多个测量相机,不断向前传递测量线形,从而得到准确的长距离大型桥梁的实时线形,更好的支持桥梁的运营,此外,基于第二靶标的多相机协同测量策略,消除相机位置和姿态变化引起的误差,实现特大型公路桥和高铁桥的线形连续实时测量。
基于上述实施例,本发明公开了一种多相机连续视觉大型桥梁线形实时测量方法,应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种多相机连续视觉大型桥梁线形实时测量方法,其特征在于,所述方法包括:
获取若干相机连续视场内的若干靶标;其中,所述靶标用于标识桥梁线型的关键目标点;
基于预设的靶标中心识别方式,提取若干所述靶标在相机拍摄图像中的实时位置,并根据若干所述靶标在相机拍摄图像中的实时位置得到若干相机的实时位置;
根据若干所述相机的实时位置,确定大型桥梁实时线形。
2.根据权利要求1所述的多相机连续视觉大型桥梁线形实时测量方法,其特征在于,所述靶标包括第一靶标和第二靶标;
其中,所述第一靶标的位置与相机的位置相同,用于前后相机的同步观测;
所述第二靶标的位置与第一靶标的位置相异,用于计算相机的位置和姿态变化带来的测量误差。
3.根据权利要求2所述的多相机连续视觉大型桥梁线形实时测量方法,其特征在于,所述获取若干相机视场内的靶标之前,包括:
获取若干相机的初始位置;
获取若干所述第一靶标的初始位置。
4.根据权利要求3所述的多相机连续视觉大型桥梁线形实时测量方法,其特征在于,所述基于预设的靶标中心识别方式,提取若干所述靶标在相机拍摄图像中的实时位置,并根据若干所述靶标在相机拍摄图像中的实时位置得到若干相机的实时位置,包括:
基于预设的霍夫曼变换方式,计算若干所述靶标在相机拍摄图像中的像平面坐标;
根据若干相机的初始位置、若干所述第一靶标的初始位置和若干所述靶标在相机拍摄图像中的像平面坐标获取相机的实时位置。
5.根据权利要求2所述的多相机连续视觉大型桥梁线形实时测量方法,其特征在于,所述根据若干所述相机的实时位置,确定大型桥梁实时线形,包括:
根据若干所述第二靶标,得到转换矩阵;
基于所述转换矩阵,将若干所述相机的实时位置转换到世界坐标系中的真实位置;
根据若干所述相机的真实位置,确定大型桥梁实时线形。
6.根据权利要求5所述的多相机连续视觉大型桥梁线形实时测量方法,其特征在于,所述根据若干所述第二靶标,得到转换矩阵,包括:
针对每一个所述第二靶标,获取观测所述第二靶标的相机的像方坐标系和所述第二靶标的物方坐标系;
根据观测所述第二靶标的相机的像方坐标系和所述第二靶标的物方坐标系,获取转换矩阵。
7.根据权利要求5所述的多相机连续视觉大型桥梁线形实时测量方法,其特征在于,所述根据若干所述相机的真实位置,确定大型桥梁实时线形,包括:
采用贝塞尔曲线拟合方式,将若干所述相机的真实位置和所述靶标的位置进行线性拟合,得到大型桥梁实时线形。
8.一种多相机连续视觉大型桥梁线形实时测量***,其特征在于,所述***包括:
若干靶标获取模块,用于获取若干相机连续视场内的若干靶标;其中,所述靶标用于标识桥梁线型的关键目标点;
实时位置提取模块,用于基于预设的靶标中心识别方式,提取若干所述靶标在相机拍摄图像中的实时位置,并根据若干所述靶标在相机拍摄图像中的实时位置得到若干相机的实时位置;
大型桥梁实时线形确定模块,用于根据若干所述相机的实时位置,确定大型桥梁实时线形。
9.一种智能终端,其特征在于,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如权利要求1-7中任意一项所述的方法。
10.一种非临时性计算机可读存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如权利要求1-7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210151410.0A CN114663504B (zh) | 2022-02-18 | 2022-02-18 | 一种多相机连续视觉大型桥梁线形实时测量方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210151410.0A CN114663504B (zh) | 2022-02-18 | 2022-02-18 | 一种多相机连续视觉大型桥梁线形实时测量方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114663504A true CN114663504A (zh) | 2022-06-24 |
CN114663504B CN114663504B (zh) | 2022-11-22 |
Family
ID=82028270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210151410.0A Active CN114663504B (zh) | 2022-02-18 | 2022-02-18 | 一种多相机连续视觉大型桥梁线形实时测量方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114663504B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115727820A (zh) * | 2022-11-09 | 2023-03-03 | 中铁西南科学研究院有限公司 | 基于机器视觉的多点测量桥梁施工监测***及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104316024A (zh) * | 2014-10-09 | 2015-01-28 | 中国人民解放军国防科学技术大学 | 一种监测多点沉降的极简串联像机链测量方法与*** |
US20160171309A1 (en) * | 2014-12-11 | 2016-06-16 | Jeffrey R. Hay | Non-contacting monitor for bridges and civil structures |
CN108775872A (zh) * | 2018-06-26 | 2018-11-09 | 南京理工大学 | 基于自动变焦实时图像处理的桥梁挠度检测方法 |
CN110998694A (zh) * | 2017-08-15 | 2020-04-10 | Bnsf铁路公司 | 用于检查铁路资产的无人航空载具*** |
CN111504245A (zh) * | 2020-04-24 | 2020-08-07 | 山东高速工程检测有限公司 | 一种运营期桥梁线形测量方法 |
CN112070711A (zh) * | 2020-06-04 | 2020-12-11 | 清华大学 | 一种微液滴图像检测法中微液滴的分析方法 |
CN113513999A (zh) * | 2021-06-08 | 2021-10-19 | 北京卫星制造厂有限公司 | 一种航天器结构静力试验大视场实时变形测量***及方法 |
-
2022
- 2022-02-18 CN CN202210151410.0A patent/CN114663504B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104316024A (zh) * | 2014-10-09 | 2015-01-28 | 中国人民解放军国防科学技术大学 | 一种监测多点沉降的极简串联像机链测量方法与*** |
US20160171309A1 (en) * | 2014-12-11 | 2016-06-16 | Jeffrey R. Hay | Non-contacting monitor for bridges and civil structures |
CN110998694A (zh) * | 2017-08-15 | 2020-04-10 | Bnsf铁路公司 | 用于检查铁路资产的无人航空载具*** |
CN108775872A (zh) * | 2018-06-26 | 2018-11-09 | 南京理工大学 | 基于自动变焦实时图像处理的桥梁挠度检测方法 |
CN111504245A (zh) * | 2020-04-24 | 2020-08-07 | 山东高速工程检测有限公司 | 一种运营期桥梁线形测量方法 |
CN112070711A (zh) * | 2020-06-04 | 2020-12-11 | 清华大学 | 一种微液滴图像检测法中微液滴的分析方法 |
CN113513999A (zh) * | 2021-06-08 | 2021-10-19 | 北京卫星制造厂有限公司 | 一种航天器结构静力试验大视场实时变形测量***及方法 |
Non-Patent Citations (3)
Title |
---|
WILLIAM B ET AL.: "Vision-based bridge deformation monitoring", 《FRONTIERS IN BUILT ENVIRONMENT》 * |
刘浩等: "基于图像处理技术的线形识别的实验研究", 《湖南工程学院学报(自然科学版)》 * |
尚洋等: "大型结构变形监测摄像测量研究进展", 《实验力学》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115727820A (zh) * | 2022-11-09 | 2023-03-03 | 中铁西南科学研究院有限公司 | 基于机器视觉的多点测量桥梁施工监测***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114663504B (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111076880B (zh) | 一种考虑相机姿态变化的大跨桥梁多点挠度测量方法 | |
CN106197292B (zh) | 一种建筑物位移监测方法 | |
CN112836737A (zh) | 一种基于车路数据融合的路侧组合感知设备在线标定方法 | |
CN100458359C (zh) | 远距离面内小位移测量*** | |
CN112629431B (zh) | 土木结构变形监测方法及相关设备 | |
CN106092059B (zh) | 一种基于多点拟合的结构物平面位移监测方法 | |
CN107734449B (zh) | 一种基于光标签的室外辅助定位方法、***及设备 | |
CN106645205A (zh) | 一种无人机桥梁底面裂纹检测方法及*** | |
CN109443321B (zh) | 一种监测大型结构形变的串并联像机网络测量方法 | |
CN114608525B (zh) | 一种基于视觉传递的隧道沉降监测方法、装置及存储介质 | |
DE112010000812T5 (de) | Verfahren und Systeme zum Bestimmen von Winkeln und Orten von Punkten | |
CN110702343B (zh) | 一种基于立体视觉的挠度测量***及方法 | |
CN104240262A (zh) | 一种用于摄影测量的相机外参数标定装置及标定方法 | |
CN109580137B (zh) | 一种基于计算机视觉技术的桥梁结构位移影响线实测方法 | |
CN107843204A (zh) | 基于监控级摄像机的边坡三维变形监测方法及*** | |
CN114663504B (zh) | 一种多相机连续视觉大型桥梁线形实时测量方法及*** | |
CN105527656B (zh) | 塔架式机场跑道异物定位方法 | |
CN105865349A (zh) | 一种大型建筑物位移监测方法 | |
CN115144102B (zh) | 一种基于云台摄像机的桥梁索力自动巡航监测***及方法 | |
JP2007107962A (ja) | 測定対象物計測システム、及び送電線下離隔計測システム | |
CN114608465A (zh) | 基于计算机视觉的土木工程结构多测点空间位移实时测量方法 | |
CN113724337A (zh) | 一种无需依赖云台角度的相机动态外参标定方法及装置 | |
CN107505611B (zh) | 舰船光电侦察设备视频距离估算实时修正方法 | |
KR20140024745A (ko) | 구조물의 변위 측정을 위한 오브젝트의 캘리브레이션 방법 및 시스템 | |
WO2022126339A1 (zh) | 土木结构变形监测方法及相关设备 |
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 |