基于相似度判定准则的边坡微变形监测方法及监测系统技术方案
【技术实现步骤摘要】
基于相似度判定准则的边坡微变形监测方法及监测系统
本专利技术属于微变监测
，尤其是涉及一种基于相似度判定准则的边坡微变形监测方法及监测系统。
技术介绍
边坡表面微变形的监测及实时报警至关重要，如露天煤矿边坡表面微变形进行监测的微变监测及实时报警关乎到矿工生命安全的大事。实际对边坡表面微变形进行监测时，主要是对因沉降产生的岩体裂变进行监测。目前，用于检测边坡表面微变形的仪器或方法有：全站仪、收敛仪、光纤传感技术等，上述检测技术各具优势，但也均不同程度地存在缺陷和不足，如：采用光纤传感技术进行边坡微变形检测时，将光纤植入到边坡内部是非常困难的，而且检测的灵敏性需根据边坡属性进行建模分析；采用全站仪与收敛仪进行边坡微变形检测时，测量前做大量工作，包括设置观测点，架设棱镜设备等，并且在测量过程中每次只能对一个观测点的三维数据进行采集，需要逐点采集边坡表面到仪器的距离，对一面不平整的边坡数据采集时工作量较大，需花费很长时间，而且很难做到实时、智能监测。近年来，图像处理技术与3D重建技术取得了快速发展。在图像处理领域，经验模态分解(EMD)方法是一种具有自适应时频分辨能...
【技术保护点】
一种基于相似度判定准则的边坡微变形监测方法，其特征在于该方法包括以下步骤：步骤一、图像采集及同步上传：采用图像采集设备(2)且按照预先设定的采样频率f，对监测区域的边坡表面图像进行采集，并将各采样时刻所采集的边坡表面图像同步传送至图像处理设备(1)；所述监测区域为边坡坡面上需进行微变形监测的区域，所监测区域划分为K个待分析区域，K个所述待分析区域均为正方形且其大小均相同；其中，K为正整数且K≥2；所述边坡表面图像由K个区域图像组成，K个所述区域图像分别为K个所述待分析区域的图像；所述图像采集设备的采样时刻，记作th，th＝t1+(h‑1)×Δt；其中，h为正整数且h＝1、2...
【技术特征摘要】
1.一种基于相似度判定准则的边坡微变形监测方法，其特征在于该方法包括以下步骤：步骤一、图像采集及同步上传：采用图像采集设备(2)且按照预先设定的采样频率f，对监测区域的边坡表面图像进行采集，并将各采样时刻所采集的边坡表面图像同步传送至图像处理设备(1)；所述监测区域为边坡坡面上需进行微变形监测的区域，所监测区域划分为K个待分析区域，K个所述待分析区域均为正方形且其大小均相同；其中，K为正整数且K≥2；所述边坡表面图像由K个区域图像组成，K个所述区域图像分别为K个所述待分析区域的图像；所述图像采集设备的采样时刻，记作th，th＝t1+(h-1)×Δt；其中，h为正整数且h＝1、2、3、…，t1为所述图像采集设备的初始采样时刻，Δt为所述图像采集设备前后相邻两次采样的时间间隔且Δt＝1/f；步骤二、图像接收及同步处理：所述图像处理设备(1)接收到图像采集设备(2)各采样时刻所采集的边坡表面图像后，对所接收的边坡表面图像同步进行处理，过程如下：步骤201、初始采样时刻采集的边坡表面图像处理：采用图像处理设备(1)对初始采样时刻图像采集设备(2)采集的边坡表面图像进行处理，包括以下步骤：步骤2011、边坡表面图像存储：对当前接收到的边坡表面图像进行存储，并对该边坡表面图像的采样时刻t1进行记录；步骤2012、高程信息获取：调用图像处理模块对步骤2011中接收的边坡表面图像进行处理，获得所述边坡表面图像上各像素点的高程数据，且所获得的所述边坡表面图像上各像素点的高程数据为t1时刻所述监测区域的高程信息；所述监测区域的高程信息包括K个所述待分析区域的高程信息，每个所述待分析区域的高程信息均包括该待分析区域的区域图像上各像素点的高程数据；t1时刻所述监测区域的高程信息包括t1时刻K个所述待分析区域的高程信息；其中，t1时刻编号为k的待分析区域的高程信息，记作Xk(t1)；k为所述待分析区域的编号，k为正整数且k＝1、2、…、K；步骤2013、高程信息存储：对步骤2012中所获得的t1时刻K个所述待分析区域的高程信息，进行同步存储；步骤2014、相似度计算：根据公式(1)，计算得出t1时刻所述监测区域的图像相似度X1,2…K(t1)，其中X1,2…K(t1)∈(0,1]；式(1)中，xk(t1)为t1时刻编号为k的待分析区域的高程平均值；步骤202、下一个采样时刻采集的边坡表面图像处理：采用图像处理设备(1)对下一个采样时刻图像采集设备(2)采集的边坡表面图像进行处理，包括以下步骤：步骤2021、边坡表面图像存储：对当前接收到的边坡表面图像进行存储，并对该边坡表面图像的采样时间tD进行记录；其中，D为正整数且D≥2；步骤2022、高程信息获取：按照步骤2012中所述的方法，获取tD时刻所述监测区域的高程信息；tD时刻所述监测区域的高程信息包括tD时刻K个所述待分析区域的高程信息；其中，tD时刻编号为k的待分析区域的高程信息，记作Xk(tD)；步骤2023、高程信息存储：对步骤2022中所获得的tD时刻K个所述待分析区域的高程信息，进行同步存储；步骤2024、相似度计算：根据公式(2)，计算得出tD时刻所述监测区域的图像相似度X1,2…K(tD)，其中X1,2…K(tD)∈(0,1]；式(2)中，xk(tD)为tD时刻编号为k的待分析区域的高程平均值；步骤203、微变形发生判断：将步骤2024中计算得出的tD时刻所述监测区域的图像相似度X1,2…K(tD)，分别与tD时刻之前各时刻所述监测区域的图像相似度进行比较：当X1,2…K(tD)与tD时刻之前各时刻所述监测区域的图像相似度之间的差值均不大于ε时，说明从t1时刻至tD时刻所述监测区域未发生微变形，之后返回步骤202，对下一个采样时刻采集的边坡表面图像进行处理；否则，说明tD时刻所述监测区域发生微变形，所述图像处理设备(1)控制报警单元(5)进行报警，并对发生微变形的tD时刻进行记录；其中，ε为预先设定的微变形报警阈值且ε＝0.01～0.1。2.按照权利要求1所述的基于相似度判定准则的边坡微变形监测方法，其特征在于：步骤2012和步骤2022中进行高程信息获取时，调用图像处理模块且均按照三频彩色条纹投影三维测量方法，获取所述边坡表面图像上各像素点的高程数据；步骤一中所采集的边坡表面图像为所述监测区域的变形彩色条纹图；步骤一中进行图像采集及同步上传之前，先采用图像处理设备(1)生成彩色条纹图，该彩色条纹图的RGB三个颜色通道分别由低、中和高三种载频的正弦条纹生成；之后，再将所述彩色条纹图经数字投影仪(3)的RGB三个彩色通道同时投影至所述监测区域上；然后，采用图像摄取设备拍摄所述监测区域的变形彩色条纹图；步骤2012和步骤2022中进行高程信息获取时，过程如下：步骤i、背景消减及颜色解耦：将图像采集设备(2)采集的变形彩色条纹图中含高频条纹的颜色通道与含中频条纹的颜色通道相减，得到高、低频复合的条纹图，再用二维经验模式分解BEMD进行分解，分离高、中载频分量；同理，将所述变形彩色条纹图中含中、低频率分量的颜色通道相减，得到中、低频复合的条纹图，再用二维经验模式分解BEMD分解得到中、低载频分量；步骤ii、相位解调：用二维短时傅立叶变换解调，得到的高、中和低各载频分量包裹相位；步骤iii、相位展开：用变精度去包裹算法按低、中和高载频分量依次完成包裹相位展开，得到高频载频项的展开相位，由此展开相位恢复所述监测区域的高度。3.按照权利要求1或2所述的基于相似度判定准则的边坡微变形监测方法，其特征在于：步骤203中所述图像处理设备(1)控制报警单元(5)进行报警后，调用高程信息比较模块，对从t1时刻至tD时刻K个所述待分析分析区域的高程平均值分别进行比较，并根据比较结果，得出tD时刻发生微变形的待分析区域；之后，所述图像处理设备(1)输出tD时刻发生微变形的待分析区域的编号；其中，从t1时刻至tD时刻K个所述待分析区域的高程平均值的比较方法均相同；对从t1时刻至tD时刻任一个待分析区域的高程平均值进行比较时，将tD时刻该待分析区域的高程平均值分别与t1时刻至tD-1时刻中各时刻该待分析区域的高程平均值进行差值比较。4.按照权利要求1或2所述的基于相似度判定准则的边坡微变形监测方法，其特征在于：步骤203中所述图像处理设备(1)控制报警单元(5)进行报警之前，所述图像处理设备(1)还需调用伪变形判断模块，对tD时刻所述监测区域发生的微变形是否为伪变形进行判断，过程如下：步骤I、连续监测：按照步骤2021至步骤2024中所述的方法，对tD+1时刻至tD+E时刻图像采集设备(2)采集的边坡表面图像进行处理，并计算出各时刻所述监测区域的图像相似度X1,2…K(tF)；其中，F为正整数且F＝D+1～D+E；其中，tD+E-tD+1＝ΔT，ΔT为预先设定的连续监测时间；E为正整数且步骤II、伪变形判断：将tD+1时刻至tD+E时刻中各时刻所述监测区域的图像相似度X1,2…K(tF)，分别与tD时刻之前各时刻所述监测区域的图像相似度X1,2…K(th)进行比较：当X1,2…K(tF)...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。