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。