本發(fā)明涉及土石壩監(jiān)測(cè)，特別是涉及一種基于多重坐標(biāo)系融合的裂縫三向測(cè)量研究方法及系統(tǒng)。

背景技術(shù)：

1、裂縫作為結(jié)構(gòu)安全性的主要評(píng)價(jià)指標(biāo)，信息采集往往采用人工采集，測(cè)量結(jié)果準(zhǔn)確性難以保證，且時(shí)間和人力成本高。隨著計(jì)算機(jī)技術(shù)的發(fā)展，三維（3d）測(cè)量技術(shù)開(kāi)始應(yīng)用于裂縫的長(zhǎng)時(shí)間檢測(cè)，用于判斷其裂縫的發(fā)展?fàn)顩r。張昊宇等通過(guò)深度學(xué)習(xí)，建立三維模型，實(shí)現(xiàn)裂縫三向測(cè)量；為提高效率，薛志林提出了基于雙坐標(biāo)系的立體視覺(jué)三維位移測(cè)量方法，胡賀南通過(guò)提取長(zhǎng)短程的時(shí)域特征，將運(yùn)動(dòng)特征和深度信息整合，采用深度學(xué)習(xí)求取物體三向位移情況；黃佑超利用雙目攝像頭，建立等效模型，構(gòu)建了裂縫測(cè)量系統(tǒng)。這些方法或是對(duì)樣本量有要求且運(yùn)算時(shí)間長(zhǎng)，或是對(duì)設(shè)備和拍攝姿態(tài)有要求，均無(wú)法良好地適應(yīng)于現(xiàn)場(chǎng)裂縫測(cè)量。

技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的不足，本發(fā)明的目的是提供一種基于多重坐標(biāo)系融合的裂縫三向測(cè)量研究方法及系統(tǒng)，通過(guò)指定世界坐標(biāo)系，旨在建立其與像素坐標(biāo)系之間的聯(lián)系，解算相機(jī)間的相對(duì)位姿，進(jìn)行三維重建的方式，規(guī)避單目視覺(jué)中深度信息缺失的問(wèn)題。以建立裂縫三向位移等效模型的方式，觀察副板坐標(biāo)在世界坐標(biāo)系下的變化情況，實(shí)現(xiàn)裂縫三向位移測(cè)量。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下方案：

3、一種基于多重坐標(biāo)系融合的裂縫三向測(cè)量研究方法，包括：

4、通過(guò)同一相機(jī)從不同位置拍攝兩張標(biāo)靶布置照片，得到初始圖像；

5、對(duì)所述初始圖像進(jìn)行二值化及濾波處理，得到預(yù)處理圖像；

6、提取所述預(yù)處理圖像中的同心圓邊緣信息，并通過(guò)基于密度的空間聚類(lèi)算法獲取初始特征點(diǎn)集；

7、基于交比不變性對(duì)所述初始特征點(diǎn)集進(jìn)行畸變修正，以消除因非平行拍攝導(dǎo)致的橢圓投影誤差，得到修正后的特征點(diǎn)集；

8、初步計(jì)算兩次拍攝的旋轉(zhuǎn)矩陣和平移向量，并結(jié)合列文伯格-馬夸爾特法優(yōu)化重投影誤差至閾值0.1以下，輸出投影矩陣；

9、基于相機(jī)標(biāo)定的內(nèi)參矩陣和所述投影矩陣，利用最小二乘法求解相機(jī)坐標(biāo)系下的初始的三維坐標(biāo)點(diǎn)集；

10、通過(guò)隨機(jī)抽樣一致算法預(yù)篩選所述初始的三維坐標(biāo)點(diǎn)集中的三維點(diǎn)云數(shù)據(jù)，結(jié)合主成分分析剔除離群點(diǎn)，迭代擬合平面并投影，生成優(yōu)化后的三維坐標(biāo)點(diǎn)集；

11、采用基于均方差優(yōu)化的迭代最近點(diǎn)算法，根據(jù)所述優(yōu)化后的三維坐標(biāo)點(diǎn)集進(jìn)行點(diǎn)云配準(zhǔn)，將相機(jī)坐標(biāo)系下的三維坐標(biāo)轉(zhuǎn)換至世界坐標(biāo)系，通過(guò)兩次測(cè)量結(jié)果差值計(jì)算裂縫的三向位移變化。

12、優(yōu)選地，所述標(biāo)靶為預(yù)設(shè)的同心圓標(biāo)靶，以同心圓的圓心點(diǎn)集作為特征點(diǎn)集。

13、優(yōu)選地，初步計(jì)算兩次拍攝的旋轉(zhuǎn)矩陣和平移向量，并結(jié)合列文伯格-馬夸爾特法優(yōu)化重投影誤差至閾值0.1以下，輸出投影矩陣，包括：

14、通過(guò)epnp算法建立世界坐標(biāo)系與像素坐標(biāo)系的映射關(guān)系，求解左右攝像機(jī)坐標(biāo)系下的旋轉(zhuǎn)矩陣 r l、 r r和平移向量 t l、 t r；

15、將 r l、 r r、 t l、 t r代入公式關(guān)聯(lián)左右攝像機(jī)坐標(biāo)系，得到左右攝像機(jī)坐標(biāo)系之間的相對(duì)旋轉(zhuǎn)矩陣和平移向量 r和平移向量t；

16、通過(guò)levenberg-marquardt法迭代優(yōu)化r和t，直至重投影誤差小于0.1，輸出投影矩陣m。

17、優(yōu)選地，所述世界坐標(biāo)系與所述像素坐標(biāo)系的映射關(guān)系的表達(dá)式為：

18、

19、其中，、和分別為世界坐標(biāo)系下點(diǎn)d(,,)的 x軸、 y軸和 z軸的坐標(biāo)值， u和 v分別為像素坐標(biāo)系下點(diǎn)p( u, v)的 x軸和 y軸的坐標(biāo)值， z c為相機(jī)坐標(biāo)系下 z軸的坐標(biāo)值， k為相機(jī)的內(nèi)參矩陣， p為特征點(diǎn)集。

20、優(yōu)選地，所述迭代擬合平面的步驟包括：

21、利用ransac算法隨機(jī)選取三點(diǎn)建立初始平面模型，篩選距離閾值0.5內(nèi)的局內(nèi)點(diǎn)；

22、基于最小二乘法重新擬合平面參數(shù)，迭代十次完成初步擬合；

23、通過(guò)pca算法剔除相鄰點(diǎn)距離超限的離群點(diǎn)，重新投影至擬合平面，直至平面內(nèi)所有點(diǎn)距離閾值小于0.3或迭代發(fā)散。

24、優(yōu)選地，采用基于均方差優(yōu)化的迭代最近點(diǎn)算法，根據(jù)所述優(yōu)化后的三維坐標(biāo)點(diǎn)集進(jìn)行點(diǎn)云配準(zhǔn)，將相機(jī)坐標(biāo)系下的三維坐標(biāo)轉(zhuǎn)換至世界坐標(biāo)系，通過(guò)兩次測(cè)量結(jié)果差值計(jì)算裂縫的三向位移變化，包括：

25、基于生成的所述優(yōu)化后的三維坐標(biāo)點(diǎn)集，分別計(jì)算相機(jī)坐標(biāo)系和目標(biāo)世界坐標(biāo)系下三維點(diǎn)的質(zhì)心和；

26、根據(jù)質(zhì)心和，對(duì)每個(gè)點(diǎn)進(jìn)行去質(zhì)心化處理，得到去質(zhì)心坐標(biāo)和；其中，和，和分別為實(shí)際觀測(cè)到的二維圖像點(diǎn)；

27、構(gòu)建協(xié)方差矩陣，并對(duì)進(jìn)行奇異值分解，得到分解結(jié)果；其中，；分解結(jié)果的公式為：； u和 v分別為左奇異向量和右奇異向量；

28、根據(jù)所述分解結(jié)果計(jì)算最優(yōu)的旋轉(zhuǎn)矩陣 r’和平移向量 t’；其中，最優(yōu)的旋轉(zhuǎn)矩陣r’的計(jì)算公式為：和平移向量；

29、利用最優(yōu)的旋轉(zhuǎn)矩陣 r’和平移向量 t’，將求解得到的相機(jī)坐標(biāo)系下的三維坐標(biāo)點(diǎn)集轉(zhuǎn)換至世界坐標(biāo)系，得到轉(zhuǎn)換后的坐標(biāo)點(diǎn)集；

30、計(jì)算優(yōu)化后的三維坐標(biāo)點(diǎn)集與轉(zhuǎn)換后的坐標(biāo)點(diǎn)集之間的均方根誤差；；其中，，是源點(diǎn)云中第 i個(gè)點(diǎn)與目標(biāo)點(diǎn)云中對(duì)應(yīng)點(diǎn)之間的距離， n是匹配點(diǎn)對(duì)的總數(shù)；

31、迭代最優(yōu)的旋轉(zhuǎn)矩陣 r’和平移向量 t’，直至rmse小于閾值0.1或迭代發(fā)散，最終輸出世界坐標(biāo)系下的裂縫位移變化量。

32、優(yōu)選地，所述裂縫位移變化量的計(jì)算公式為：

33、

34、其中，為所述裂縫位移變化量，、和分別為所述裂縫位移變化量的 x軸、 y軸和 z軸的坐標(biāo)值，、和分別為變化后裂縫的三向坐標(biāo)；、和分別為變化前裂縫的三向坐標(biāo)。

35、一種基于多重坐標(biāo)系融合的裂縫三向測(cè)量研究系統(tǒng)，包括：

36、圖像輸入單元，用于通過(guò)同一相機(jī)從不同位置拍攝兩張標(biāo)靶布置照片，得到初始圖像；

37、圖像預(yù)處理單元，用于對(duì)所述初始圖像進(jìn)行二值化及濾波處理，得到預(yù)處理圖像

38、密度聚類(lèi)單元，用于提取所述預(yù)處理圖像中的同心圓邊緣信息，并通過(guò)基于密度的空間聚類(lèi)算法獲取初始特征點(diǎn)集；

39、圓心修正單元，用于基于交比不變性對(duì)所述初始特征點(diǎn)集進(jìn)行畸變修正，以消除因非平行拍攝導(dǎo)致的橢圓投影誤差，得到修正后的特征點(diǎn)集；

40、位姿求解單元，用于初步計(jì)算兩次拍攝的旋轉(zhuǎn)矩陣和平移向量，并結(jié)合列文伯格-馬夸爾特法優(yōu)化重投影誤差至閾值0.1以下，輸出投影矩陣；

41、坐標(biāo)求解單元，用于基于相機(jī)標(biāo)定的內(nèi)參矩陣和所述投影矩陣，利用最小二乘法求解相機(jī)坐標(biāo)系下的初始的三維坐標(biāo)點(diǎn)集；

42、平面擬合單元，用于通過(guò)隨機(jī)抽樣一致算法預(yù)篩選所述初始的三維坐標(biāo)點(diǎn)集中的三維點(diǎn)云數(shù)據(jù)，結(jié)合主成分分析剔除離群點(diǎn)，迭代擬合平面并投影，生成優(yōu)化后的三維坐標(biāo)點(diǎn)集；

43、坐標(biāo)系轉(zhuǎn)換單元，用于采用基于均方差優(yōu)化的迭代最近點(diǎn)算法，根據(jù)所述優(yōu)化后的三維坐標(biāo)點(diǎn)集進(jìn)行點(diǎn)云配準(zhǔn)，將相機(jī)坐標(biāo)系下的三維坐標(biāo)轉(zhuǎn)換至世界坐標(biāo)系，通過(guò)兩次測(cè)量結(jié)果差值計(jì)算裂縫的三向位移變化。

44、根據(jù)本發(fā)明提供的具體實(shí)施例，本發(fā)明公開(kāi)了以下技術(shù)效果：

45、本發(fā)明提供了一種基于多重坐標(biāo)系融合的裂縫三向測(cè)量研究方法及系統(tǒng)，方法包括：通過(guò)同一相機(jī)從不同位置拍攝兩張標(biāo)靶布置照片，得到初始圖像；對(duì)所述初始圖像進(jìn)行二值化及濾波處理，得到預(yù)處理圖像；提取所述預(yù)處理圖像中的同心圓邊緣信息，并通過(guò)基于密度的空間聚類(lèi)算法獲取初始特征點(diǎn)集；基于交比不變性對(duì)所述初始特征點(diǎn)集進(jìn)行畸變修正，以消除因非平行拍攝導(dǎo)致的橢圓投影誤差，得到修正后的特征點(diǎn)集；初步計(jì)算兩次拍攝的旋轉(zhuǎn)矩陣和平移向量，并結(jié)合列文伯格-馬夸爾特法優(yōu)化重投影誤差至閾值0.1以下，輸出投影矩陣；基于相機(jī)標(biāo)定的內(nèi)參矩陣和所述投影矩陣，利用最小二乘法求解相機(jī)坐標(biāo)系下的初始的三維坐標(biāo)點(diǎn)集；通過(guò)隨機(jī)抽樣一致算法預(yù)篩選所述初始的三維坐標(biāo)點(diǎn)集中的三維點(diǎn)云數(shù)據(jù)，結(jié)合主成分分析剔除離群點(diǎn)，迭代擬合平面并投影，生成優(yōu)化后的三維坐標(biāo)點(diǎn)集；采用基于均方差優(yōu)化的迭代最近點(diǎn)算法，根據(jù)所述優(yōu)化后的三維坐標(biāo)點(diǎn)集進(jìn)行點(diǎn)云配準(zhǔn)，將相機(jī)坐標(biāo)系下的三維坐標(biāo)轉(zhuǎn)換至世界坐標(biāo)系，通過(guò)兩次測(cè)量結(jié)果差值計(jì)算裂縫的三向位移變化。本發(fā)明通過(guò)指定世界坐標(biāo)系，旨在建立其與像素坐標(biāo)系之間的聯(lián)系，解算相機(jī)間的相對(duì)位姿，進(jìn)行三維重建的方式，規(guī)避單目視覺(jué)中深度信息缺失的問(wèn)題。以建立裂縫三向位移等效模型的方式，觀察副板坐標(biāo)在世界坐標(biāo)系下的變化情況，實(shí)現(xiàn)裂縫三向位移測(cè)量。