CN115311624B - 一种边坡位移监测方法、装置、电子设备及存储介质 - Google Patents
一种边坡位移监测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115311624B CN115311624B CN202210981912.6A CN202210981912A CN115311624B CN 115311624 B CN115311624 B CN 115311624B CN 202210981912 A CN202210981912 A CN 202210981912A CN 115311624 B CN115311624 B CN 115311624B
- Authority
- CN
- China
- Prior art keywords
- target
- image
- monitoring
- displacement value
- pixel
- 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
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 121
- 238000012544 monitoring process Methods 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 67
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012806 monitoring device Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/23—Dune restoration or creation; Cliff stabilisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种边坡位移监测方法、装置、电子设备及存储介质。该方法包括:获取边坡上标靶位置的原始图像和监测图像;对所述原始图像和监测图像进行处理,得到各原始图像像素矩阵和各监测图像像素矩阵;其中,所述像素矩阵是根据标靶的中心位置进行划分的;将所述各原始图像像素矩阵和各监测图像像素矩阵进行匹配,确定标靶位移值;对所述标靶位移值进行校正,得到目标标靶位移值。本技术方案,能够测量整个边坡的整体变化量。
Description
技术领域
本发明涉及山体安全监测技术领域,尤其涉及一种边坡位移监测方法、装置、电子设备及存储介质。
背景技术
为了防止山体滑坡,需要对山体进行实时监测,通过监测仪器对边坡的标靶或者棱镜等进行监测并实时记录,防止边坡变形土质松散造成山体滑坡、泥石流等。
现有的技术中利用测量机器人逐个对边坡所有标靶进行测量。
该方式会导致半测回测量时间过长,有些测量点已经发生变化,而测量机器人在一个测回时,把真实变化量平均了,导致无法测量出整个边坡的整体变化量。
发明内容
本发明提供了一种边坡位移监测方法、装置、电子设备及存储介质,能够测量整个边坡的整体变化量。
根据本发明的一方面,提供了一种边坡位移监测方法,该方法包括:
获取边坡上标靶位置的原始图像和监测图像;
对所述原始图像和监测图像进行处理,得到各原始图像像素矩阵和各监测图像像素矩阵;其中,所述像素矩阵是根据标靶的中心位置进行划分的;
将所述各原始图像像素矩阵和各监测图像像素矩阵进行匹配,确定标靶位移值;
对所述标靶位移值进行校正,得到目标标靶位移值。
根据本发明的另一方面,提供了一种边坡位移监测装置,该装置包括:
图像获取模块,用于获取边坡上标靶位置的原始图像和监测图像;
像素矩阵得到模块,用于对所述原始图像和监测图像进行处理,得到各原始图像像素矩阵和各监测图像像素矩阵;其中,所述像素矩阵是根据标靶的中心位置进行划分的;
标靶位移值确定模块,用于将所述各原始图像像素矩阵和各监测图像像素矩阵进行匹配,确定标靶位移值;
标靶位移值校正模块,用于对所述标靶位移值进行校正,得到目标标靶位移值。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的一种边坡位移监测方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的一种边坡位移监测方法。
本发明实施例的技术方案,通过获取边坡上标靶位置的原始图像和监测图像,然后对原始图像和监测图像进行处理,得到各原始图像像素矩阵和各监测图像像素矩阵,并将各原始图像像素矩阵和各监测图像像素矩阵进行匹配,确定标靶位移值,对标靶位移值进行校正,得到目标标靶位移值。本技术方案,能够测量整个边坡的整体变化量。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是根据本发明实施例一提供的一种边坡位移监测方法的流程图;
图2是本申请实施例一提供的标靶的示意图;
图3是本申请实施例一提供的边坡上标靶的示意图;
图4是本申请实施例一提供的二值图像的示意图;
图5是本申请实施例一提供的像素矩阵的示意图;
图6为本发明实施例二提供的一种边坡位移监测装置的结构示意图;
图7是实现本发明实施例的一种边坡位移监测方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是根据本发明实施例一提供的一种边坡位移监测方法的流程图,本实施例可适用于对边坡位移进行监测情况,该方法可以由一种边坡位移监测装置来执行,该边坡位移监测装置可以采用硬件和/或软件的形式实现,该边坡位移监测装置可配置于电子设备中。如图1所示,该方法包括:
S110、获取边坡上标靶位置的原始图像和监测图像。
其中,边坡是为保证路基稳定,在路基两侧做成的具有一定坡度的坡面。
示例性的,图2是本申请实施例一提供的标靶的示意图,如图2所示,标靶为黑白外圆内十字。
示例性的,图3是本申请实施例一提供的边坡上标靶的示意图。如图3所示,整个边坡上由若干个标靶,采集设备视野内能看到该边坡的所有标靶,可以先对边坡拍摄一张图像,该图像视野内所有的标靶作为原始图像。在不移动采集设备的情况下,继续进行拍摄,得到监测图像。
在本技术方案中,可选的,获取边坡上标靶位置的原始图像和监测图像,包括:
基于边坡上安装的监控摄像头获取边坡上标靶位置的原始图像和监测图像。
其中,监控摄像头包括23倍变焦,4mm镜头焦距监控摄像头。
通过安装的摄像头拍摄边坡上标靶位置的原始图像和监测图像,能够对整个边坡的整体变化量进行测量。
S120、对所述原始图像和监测图像进行处理,得到各原始图像像素矩阵和各监测图像像素矩阵;其中,所述像素矩阵是根据标靶的中心位置进行划分的。
在本实施例中,可以将原始图像和监测图像的像素值用向量进行表示,并对向量表示的原始图像和监测图像进行划分,得到各原始图像像素矩阵和各监测图像像素矩阵。
在本技术方案中,可选的,对所述原始图像和监测图像进行处理,得到各原始图像像素矩阵和各监测图像像素矩阵,包括:
对所述原始图像和监测图像进行二值化处理,得到原始二值图像和监测二值图像;
按照预先确定的标靶的中心位置,对所述原始二值图像和监测二值图像进行分割,得到各原始图像像素矩阵和各监测图像像素矩阵。
示例性的,图4是本申请实施例一提供的二值图像的示意图,如图4所示,监控拍摄到的原始图像和监测图像,进行二值化处理,变成黑白图像,就是将图像上的像素点的灰度值设置为0或255,将整个图像呈现出明显的黑白效果的过程。具体的,先将照片灰度化,再进行二值化。设置二值化阀值,灰度值小于二值化阈值的设置为0;灰度值大于二值化阈值的设置为255。把标靶图片像素点的二值化的值0设置成-1,255设置成1,得到原始二值图像和监测二值图像。
示例性的,图5是本申请实施例一提供的像素矩阵的示意图,如图5所示,沿着标靶中心位置,把标靶分成4份,变成4个矩阵。从左往右,从上往下,设矩阵为A1,A2,A3,A4。
通过确定原始图像像素矩阵和各监测图像像素矩阵,能够基于原始图像像素矩阵和各监测图像像素矩阵对边坡位移进行监测。
S130、将所述各原始图像像素矩阵和各监测图像像素矩阵进行匹配,确定标靶位移值。
在本实施例中,可以将各监测图像像素矩阵依次与各原始图像像素矩阵对应的位置进行相乘,得到确定标靶位移值。
在本技术方案中,可选的,将所述各原始图像像素矩阵和各监测图像像素矩阵进行匹配,确定标靶位移值,包括:
将所述各原始图像像素矩阵和各监测图像像素矩阵进行相乘,得到各匹配矩阵;
对所述各匹配矩阵进行归一化处理,得到各目标匹配矩阵;
根据所述各目标匹配矩阵,确定标靶位移值。
在本方案中,设A1到A4矩阵为(依据标靶图片像素数量多少决定矩阵是n*n,此处简化为3*3矩阵)各原始图像像素矩阵为/>(边坡图片像素矩阵也为n*n)。A1到A4分别与原始图像像素矩阵对应位置相乘,得到匹配后的矩阵为/>当A1到A4矩阵匹配到与完全一样的矩阵时,匹配后的矩阵为对匹配后的矩阵的数字相加除9,这未匹配到的点的数字为大于-1,小于1之间的数字,完全匹配到的数字为1。
在本实施例中,可以将各目标匹配矩阵进行合并,并选取最大值作为标靶位移值。
通过对标靶位移值进行计算,能够对边坡位移进行整体监测,且提高了监测效率。
在本技术方案中,可选的,根据所述各目标匹配矩阵,确定标靶位移值,包括:
将所述各目标匹配矩阵进行合并,得到合并矩阵;
基于所述合并矩阵的特征值,确定标靶位置;
根据预先确定的像素边长,对所述标靶位置进行计算,得到标靶位移值。
具体的,由于A1到A4总共有4个矩阵,将4个矩阵合并成一个合并矩阵,在合并矩阵相同位置取最大值,因此最终匹配到的标靶位置会出现中间4个1。此时则匹配到了标靶。标靶尺寸为固定值,依据原始图像上每个标靶的像素数量,据此算出每个像素的边长为多少。依据前后原始图像和监测图像匹配到的标靶的位置,可算出两张图片的标靶的像素差多少,得到标靶位移值。
可选的,在原始图像中确定每个标靶点的位置,选定以其为中心的参考计算子区,再在监测图像中该点所在的水平轴线上选定n个与之相同大小的目标子区,分别计算这些目标子区与参考子区之间的计算值大小,找到计算值最大子区的中心点位置;在该位置所在的竖直轴线上,选定m个与参考子区相同大小的目标子区,分别计算,从而再次确定最大子区的中心点位置。重复进行步骤,直至所找到的中心点位置不再变化,此时即认为搜索成功。
通过对标靶位移值进行计算,能够对边坡位移进行整体监测,且提高了监测效率。
S140、对所述标靶位移值进行校正,得到目标标靶位移值。
在本方案中,由于摄像头本身是球面的,因此拍摄的物体会发生形变,所以标靶位移值进行校正,以此提高位移精度。
在本实施例中,可以基于校正系数对标靶位移值进行校正,得到目标标靶位移值。
在本技术方案中,可选的,对所述标靶位移值进行校正,得到目标标靶位移值,包括:
根据预先确定的形变系数、形变中心,对所述标靶位移值进行校正,得到目标标靶位移值。
在本实施例中,形变主要由于镜片的曲率误差等光学***的误差造成,图像像素点仅在半径方向上偏离准确位置,可以直接基于摄像头获取图像的形变系数和形变中心。
在本技术方案中,可选的,根据预先确定的形变系数、形变中心,对所述标靶位移值进行校正,得到目标标靶位移值,包括:
采用如下公式计算所述目标标靶位移值:
xu=xd-k1x(x2+y2)-k2x(x2+y2)2;
yu=yd-k1y(x2+y2)-k2y(x2+y2)2;
其中,xu和yu表示目标标靶位移值,xd和yd表示标靶位移值,k1和k2表示形变系数,x和y表示形变中心。
具体的,将图像中心点作为整改图像坐标系的原点,图像中的点分别用极坐标表示为x=rsinφ,y=rcosφ。设极坐标(r,φ)处的形变大小为δr,假设目标标靶位移值为(xu,yu),形变后的标靶位移值为(xd,yd),(xo,yo)为形变中心,则:
以上两式展开后为:δr=k1r3+k2r5+K。
其中,r为点到图像平面中心(图像坐标系原点)的距离,k1和k2是形变系数,k1和k2可通过至少3个标靶挪到固定位移,用拍摄前后两张图像,已知的3个坐标,带入公式,算出k1和k2值。公式只取前面2个K值,就可达到mm级精度,则x轴和y轴上的形变量分别表示为:
δrx=k1x(x2+y2)+k2x(x2+y2)2;
δry=k1y(x2+y2)+k2y(x2+y2)2。
假设目标标靶位移值为(xu,yu),形变后的标靶位移值为(xd,yd),那么真实坐标可以表示为:
xu=xd-δx(x,y);
yu=yd-δy(x,y);
两个式合并之后,得到:
xu=xd-k1x(x2+y2)-k2x(x2+y2)2;
yu=yd-k1y(x2+y2)-k2y(x2+y2)2;
根据计算出的前后两张图像的真实坐标(xu,yu),可计算出真实的目标标靶位移值。
本发明实施例的技术方案,通过获取边坡上标靶位置的原始图像和监测图像,然后对原始图像和监测图像进行处理,得到各原始图像像素矩阵和各监测图像像素矩阵,并将各原始图像像素矩阵和各监测图像像素矩阵进行匹配,确定标靶位移值,对标靶位移值进行校正,得到目标标靶位移值。本技术方案,能够测量整个边坡的整体变化量。
实施例二
图6为本发明实施例二提供的一种边坡位移监测装置的结构示意图。
如图6所示,该装置包括:
图像获取模块610,用于获取边坡上标靶位置的原始图像和监测图像;
像素矩阵得到模块620,用于对所述原始图像和监测图像进行处理,得到各原始图像像素矩阵和各监测图像像素矩阵;其中,所述像素矩阵是根据标靶的中心位置进行划分的;
标靶位移值确定模块630,用于将所述各原始图像像素矩阵和各监测图像像素矩阵进行匹配,确定标靶位移值;
标靶位移值校正模块640,用于对所述标靶位移值进行校正,得到目标标靶位移值。
在本技术方案中,可选的,标靶位移值确定模块630,包括:
匹配矩阵计算单元,用于将所述各原始图像像素矩阵和各监测图像像素矩阵进行相乘,得到各匹配矩阵;
目标匹配矩阵得到单元,用于对所述各匹配矩阵进行归一化处理,得到各目标匹配矩阵;
标靶位移值确定单元,用于根据所述各目标匹配矩阵,确定标靶位移值。
在本技术方案中,可选的,标靶位移值确定单元,具体用于:
将所述各目标匹配矩阵进行合并,得到合并矩阵;
基于所述合并矩阵的特征值,确定标靶位置;
根据预先确定的像素边长,对所述标靶位置进行计算,得到标靶位移值。
在本技术方案中,可选的,标靶位移值校正模块640,包括:
标靶位移值校正单元,用于根据预先确定的形变系数、形变中心,对所述标靶位移值进行校正,得到目标标靶位移值。
在本技术方案中,可选的,标靶位移值校正单元,具体用于:
采用如下公式计算所述目标标靶位移值:
xu=xd-k1x(x2+y2)-k2x(x2+y2)2;
yu=yd-k1y(x2+y2)-k2y(x2+y2)2;
其中,xu和yu表示目标标靶位移值,xd和yd表示标靶位移值,k1和k2表示形变系数,x和y表示形变中心。
在本技术方案中,可选的,像素矩阵得到模块620,具体用于:
对所述原始图像和监测图像进行二值化处理,得到原始二值图像和监测二值图像;
按照预先确定的标靶的中心位置,对所述原始二值图像和监测二值图像进行分割,得到各原始图像像素矩阵和各监测图像像素矩阵。
在本技术方案中,可选的,图像获取模块610,具体用于:
基于边坡上安装的监控摄像头获取边坡上标靶位置的原始图像和监测图像。
本发明实施例所提供的一种边坡位移监测装置可执行本发明任意实施例所提供的一种边坡位移监测方法,具备执行方法相应的功能模块和有益效果。
实施例三
图7示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如一种边坡位移监测方法。
在一些实施例中,一种边坡位移监测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的一种边坡位移监测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行一种边坡位移监测方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的***和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (8)
1.一种边坡位移监测方法,其特征在于,包括:
获取边坡上标靶位置的原始图像和监测图像;
对所述原始图像和监测图像进行处理,得到各原始图像像素矩阵和各监测图像像素矩阵;其中,所述像素矩阵是根据标靶的中心位置进行划分的;
将所述各原始图像像素矩阵和各监测图像像素矩阵进行匹配,确定标靶位移值;
对所述标靶位移值进行校正,得到目标标靶位移值;
其中,将所述各原始图像像素矩阵和各监测图像像素矩阵进行匹配,确定标靶位移值,包括:
将所述各原始图像像素矩阵和各监测图像像素矩阵进行相乘,得到各匹配矩阵;
对所述各匹配矩阵进行归一化处理,得到各目标匹配矩阵;
根据所述各目标匹配矩阵,确定标靶位移值;
其中,根据所述各目标匹配矩阵,确定标靶位移值,包括:
将所述各目标匹配矩阵进行合并,得到合并矩阵;
基于所述合并矩阵的特征值,确定标靶位置;
根据预先确定的像素边长,对所述标靶位置进行计算,得到标靶位移值。
2.根据权利要求1所述的方法,其特征在于,对所述标靶位移值进行校正,得到目标标靶位移值,包括:
根据预先确定的形变系数、形变中心,对所述标靶位移值进行校正,得到目标标靶位移值。
4.根据权利要求1所述的方法,其特征在于,对所述原始图像和监测图像进行处理,得到各原始图像像素矩阵和各监测图像像素矩阵,包括:
对所述原始图像和监测图像进行二值化处理,得到原始二值图像和监测二值图像;
按照预先确定的标靶的中心位置,对所述原始二值图像和监测二值图像进行分割,得到各原始图像像素矩阵和各监测图像像素矩阵。
5.根据权利要求1所述的方法,其特征在于,获取边坡上标靶位置的原始图像和监测图像,包括:
基于边坡上安装的监控摄像头获取边坡上标靶位置的原始图像和监测图像。
6.一种边坡位移监测装置,其特征在于,包括:
图像获取模块,用于获取边坡上标靶位置的原始图像和监测图像;
像素矩阵得到模块,用于对所述原始图像和监测图像进行处理,得到各原始图像像素矩阵和各监测图像像素矩阵;其中,所述像素矩阵是根据标靶的中心位置进行划分的;
标靶位移值确定模块,用于将所述各原始图像像素矩阵和各监测图像像素矩阵进行匹配,确定标靶位移值;
标靶位移值校正模块,用于对所述标靶位移值进行校正,得到目标标靶位移值;
其中,标靶位移值确定模块,包括:
匹配矩阵计算单元,用于将所述各原始图像像素矩阵和各监测图像像素矩阵进行相乘,得到各匹配矩阵;
目标匹配矩阵得到单元,用于对所述各匹配矩阵进行归一化处理,得到各目标匹配矩阵;
标靶位移值确定单元,用于根据所述各目标匹配矩阵,确定标靶位移值;
其中,标靶位移值确定单元,具体用于:
将所述各目标匹配矩阵进行合并,得到合并矩阵;
基于所述合并矩阵的特征值,确定标靶位置;
根据预先确定的像素边长,对所述标靶位置进行计算,得到标靶位移值。
7.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的一种边坡位移监测方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-5中任一项所述的一种边坡位移监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210981912.6A CN115311624B (zh) | 2022-08-16 | 2022-08-16 | 一种边坡位移监测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210981912.6A CN115311624B (zh) | 2022-08-16 | 2022-08-16 | 一种边坡位移监测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115311624A CN115311624A (zh) | 2022-11-08 |
CN115311624B true CN115311624B (zh) | 2023-06-30 |
Family
ID=83863217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210981912.6A Active CN115311624B (zh) | 2022-08-16 | 2022-08-16 | 一种边坡位移监测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115311624B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116295188B (zh) * | 2023-05-15 | 2023-08-11 | 山东慧点智能技术有限公司 | 基于位移传感器的测量装置及测量方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101629799A (zh) * | 2009-08-18 | 2010-01-20 | 中国科学院武汉岩土力学研究所 | 无通视高陡边坡变形监测方法及其装置 |
JP2018072218A (ja) * | 2016-10-31 | 2018-05-10 | 国立大学法人佐賀大学 | 変位計測方法、及び変位計測装置 |
CN109726902A (zh) * | 2018-12-19 | 2019-05-07 | 天津理工大学 | 一种边坡稳定性评价方法 |
EP3633619A1 (en) * | 2018-10-03 | 2020-04-08 | Kabushiki Kaisha Toyota Jidoshokki | Position detection apparatus and position detection method |
CN112284260A (zh) * | 2020-09-30 | 2021-01-29 | 深圳市北斗云信息技术有限公司 | 一种视觉位移监测方法、设备和*** |
CN112857246A (zh) * | 2021-02-05 | 2021-05-28 | 中国矿业大学(北京) | 一种利用地面三目视频匹配的露天矿边坡形变在线监测方法 |
CN114037953A (zh) * | 2021-11-08 | 2022-02-11 | 杭州鲁尔物联科技有限公司 | 边坡安全监测方法、装置、计算机设备及存储介质 |
CN114387306A (zh) * | 2022-01-04 | 2022-04-22 | 杭州鲁尔物联科技有限公司 | 目标物位移监测方法、装置、计算机设备及存储介质 |
-
2022
- 2022-08-16 CN CN202210981912.6A patent/CN115311624B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101629799A (zh) * | 2009-08-18 | 2010-01-20 | 中国科学院武汉岩土力学研究所 | 无通视高陡边坡变形监测方法及其装置 |
JP2018072218A (ja) * | 2016-10-31 | 2018-05-10 | 国立大学法人佐賀大学 | 変位計測方法、及び変位計測装置 |
EP3633619A1 (en) * | 2018-10-03 | 2020-04-08 | Kabushiki Kaisha Toyota Jidoshokki | Position detection apparatus and position detection method |
CN109726902A (zh) * | 2018-12-19 | 2019-05-07 | 天津理工大学 | 一种边坡稳定性评价方法 |
CN112284260A (zh) * | 2020-09-30 | 2021-01-29 | 深圳市北斗云信息技术有限公司 | 一种视觉位移监测方法、设备和*** |
CN112857246A (zh) * | 2021-02-05 | 2021-05-28 | 中国矿业大学(北京) | 一种利用地面三目视频匹配的露天矿边坡形变在线监测方法 |
CN114037953A (zh) * | 2021-11-08 | 2022-02-11 | 杭州鲁尔物联科技有限公司 | 边坡安全监测方法、装置、计算机设备及存储介质 |
CN114387306A (zh) * | 2022-01-04 | 2022-04-22 | 杭州鲁尔物联科技有限公司 | 目标物位移监测方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115311624A (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114494388B (zh) | 一种大视场环境下图像三维重建方法、装置、设备及介质 | |
CN115311624B (zh) | 一种边坡位移监测方法、装置、电子设备及存储介质 | |
CN114972027A (zh) | 一种图像拼接方法、装置、设备、介质和计算机产品 | |
CN116342585A (zh) | 一种产品缺陷检测方法、装置、设备及存储介质 | |
CN109691185B (zh) | 一种定位方法、装置、终端和可读存储介质 | |
CN112634366B (zh) | 位置信息的生成方法、相关装置及计算机程序产品 | |
CN117745845A (zh) | 一种外参信息确定方法、装置、设备和存储介质 | |
CN117372663A (zh) | 原木端面遮挡的补全方法、装置、设备及存储介质 | |
CN114734444B (zh) | 一种目标定位方法、装置、电子设备及存储介质 | |
CN115376026A (zh) | 关键区域定位方法、装置、设备及存储介质 | |
CN115100296A (zh) | 一种光伏组件故障定位方法、装置、设备及存储介质 | |
CN115049810A (zh) | 固态激光雷达点云的上色方法、装置、设备及存储介质 | |
CN113920267A (zh) | 三维场景模型构建方法、装置、设备及存储介质 | |
CN114596362A (zh) | 一种高点摄像头坐标计算方法、装置、电子设备及介质 | |
CN115631249B (zh) | 一种相机校正方法、装置、设备和存储介质 | |
CN116258714B (zh) | 一种缺陷识别方法、装置、电子设备和存储介质 | |
CN117173156B (zh) | 基于机器视觉的极片毛刺检测方法、装置、设备及介质 | |
CN116342715A (zh) | 相机旋转运动的精度检测方法、装置、设备及存储介质 | |
CN117115233B (zh) | 一种基于机器视觉的尺寸测量方法、装置及电子设备 | |
CN118052750A (zh) | 一种垂直角度的修正方法、装置、电子设备以及存储介质 | |
CN116485916A (zh) | 全景相机标定方法、装置、电子设备以及存储介质 | |
CN118115765A (zh) | 一种图像匹配方法、装置、设备及存储介质 | |
CN118212275A (zh) | 一种电力图像的局部配准方法、装置、设备及介质 | |
CN117876475A (zh) | 一种图像采集方法、装置、设备及存储介质 | |
CN117968624A (zh) | 一种双目相机测距方法、装置、设备及存储介质 |
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 |