应用于边坡安全监测的摄像机检测装置及方法制造方法及图纸

本发明专利技术公开一种应用于边坡安全监测的摄像机检测方法及装置，针对边坡的复杂性，在边坡上设置易于识别的标识体，通过这些标识体来反映边坡的状态，其核心是获取目标阵的空间坐标，在边坡表面设置一定数量的监测目标点，用2台边坡表面位移智能高清摄像机采集边坡图像，采用亚像素搜索算法提取监测点的图像坐标，通过像平面坐标系、摄像机坐标系、测量坐标系之间的转换关系，计算监测点的三维坐标，识别边坡表面位移。因此，本申请的方案具有可行性强、易于实现的优势。

Camera Detection Device and Method Applied to Slope Safety Monitoring

【技术实现步骤摘要】
应用于边坡安全监测的摄像机检测装置及方法
本专利技术涉及图像处理
，具体是一种应用于边坡安全监测的摄像机检测装置及方法。
技术介绍
自20世纪90年代以来，随着我国经济建设发展，对公路交通的要求也越来越高。由于我国地貌、地质条件限制和公路线形的制约，高填、深挖引起的边坡问题已十分普遍。一旦发生边坡灾害，后果十分严重。变形是表征边坡变化的最显著参量，最能体现边坡的变化状况和发展趋势。如果能够准确的监测出边坡的位移并对变形的发展趋势进行预报，就可以尽早采取相关措施和对策，使灾害造成的损失降到最低。目前针对边坡监测的常用监测方法是，变形观测：测边坡的位移、沉降和变形情况；应力观测：监测边坡结构物、防护结构的安全性及防护效果；以及渗流观测：监测边坡的渗流及地下水变化。主要仪器有传统的测斜管、压力计、位移计等，由于监测仪器和计算机技术的快速发展，还出现了多种新兴的监测技术，如新型的GPS、光传感器、TDR等。上述方法均是在边坡内部埋置应变或传感等装置，通过相关计算机软件等辅助手段检测边坡的稳定性，都在不同程度上存在专业化程度高、成本高、危险性大等缺点。为此，一篇授权公告号为CN106323176B的专利技术专利，公开了一种露天矿边坡的三维位移监测方法，该方法为通过三维激光扫描仪获取露天矿待监测边坡区域的点云数据，建立待监测边坡三维模型；通过单目摄像机实时采集待监测边坡区域的监测影像图像，获取边坡监测序列影像图像；在边坡监测序列影像图像覆盖的待监测边坡区域范围内选取控制点，确定大地坐标与影像图像像素点二维坐标相互转换的直接线性变换方程；采用图像局部特征检测与匹配算法，提取出实时监测边坡监测序列影像图像中相匹配的特征点，实时监测边坡监测序列影像图像中当前影像图像与上一幅影像图像中相匹配的特征点的位移；将边坡监测序列影像图像中的特征点的二维图像位移转换为大地坐标系下边坡点的三维位移。然而该专利中，点云的获得，一般通过三维成像传感器，比如双目相机、三维扫描仪、RGB-D相机等，这样就增加了设备的成本。首先点云并不是稠密的表达，一般比较稀疏，放大了看，会看到一个个孤立的点。它的周围是黑色的，也就是没有信息。所以在空间很多位置其实没有点云，这部分的信息是缺失的。如刚好缺少了标识体的明显特征部分将不能达到边坡检测的预期效果。其次点云的分辨率和离相机的距离有关，近距离看标识点很可能看不清，只能拉的很远才能看到一个大概，这样通过点云建立的三维边坡模型与实际情况就很容易造成误差。此外，对实时监控画面提取标识点参数后，该专利需要先建立三维边坡模型后再由单目摄像机拍摄的图片提取特征点后代入三维模型，不管是计算效率还是准确度受到三维边坡模型的很大影响。
技术实现思路
在下文中给出了关于本专利技术实施例的简要概述，以便提供关于本专利技术的某些方面的基本理解。应当理解，以下概述并不是关于本专利技术的穷举性概述。它并不是意图确定本专利技术的关键或重要部分，也不是意图限定本专利技术的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。根据本申请的一个方面，提供一种应用于边坡安全监测的摄像机检测方法，该方法包括：步骤1：建立物空间坐标系，该物空间坐标系描述目标所在的空间坐标，获取到目标体参数，并存储于数据库；其中，物空间坐标系也称测量坐标系，是一个参考坐标系，用于描述物体和摄像机的绝对位置，是客观世界的绝对坐标；步骤2：至少在边坡的左右两侧分别设置一摄像机，记为左摄像机和右摄像机；左摄像机和右摄像机从至少两个不同角度采集待监测边坡区域的边坡监测影像；影像可以是以固定的时间间隔采集的图像，也可以是实时采集的视频；步骤3：通过左右摄像机对边坡监测影像进行特征点匹配，并进行标识体的识别，提取标识体参数；标识体为预先设定的基于颜色、形状和大小参数的识别模块，例如标识体可以是对顶角进行标识的方形模块；步骤4：将标识体参数和目标体参数进行对比，如果未发生变化，则表明未发生位移；继续监控直至发生变化，则进行三维计算，得到边坡位移变化量。其中，通过左右摄像机对边坡监测影像进行特征点匹配包括如下过程：过程A1：输入左右图像的特征点坐标几何，分别为L和R；过程A2：遍历集合L，计算每个特征点对应右图像上的极线方程，然后计算R上各点到每条极线方程的距离，如果距离小于1像素，则认为该点为候选点；过程A3：如果候选点数目为1，则将改左图像点放入集合Lt，候选点放入集合Rt，Lt和Rt为匹配成功的特征点集合。如果候选点数目大于1，则将改左图像点放入集合Lh，候选点集合放入集合Rh。过程A4：遍历集合Lh，对每个特征点在Lt中取欧式距离最近的特征点作为左卡位点与之对应的Rt中的特征点为右卡位点过程A5：计算左卡位点与特征点的向量角度和欧式距离过程A6：遍历特征点对应Rh中的候选点集合，计算右卡位点与每个候选点的向量角度和欧式距离并与和做差。设置最小角度阀值10，最小距离阀值10，在候选点钟寻找差值最小并且慢支阀值要求的候选点为匹配点，并将左图特征点放入Lt，右图匹配点放入Rt。直到遍历完Lh，即可得到与左图特征点一一匹配的右图特征点。步骤3中，标识体的识别包括如下过程：过程B1：左右摄像机进行特征点匹配，获取到含有标识体的图像，首先进行颜色判别：选取颜色鲜艳的标识体，区别于周围的环境；可采用HIS颜色分割对彩色图像中特定颜色区域进行有效的提取。过程B2：然后进行形状判别：对标识体进行二值化、边缘检测、轮廓提取、方形检测：具体是先对图像进行高斯滤波操作，消除图像中的高斯噪声，然后对图像进行二值化操作，初步得到方形区域块。通过Canny边缘检测算法对二值化图中的区域块进行边缘检测，得到初步的方形边缘。轮廓提取是为了提取到每个独立的方形块，提取完成后还需要经过噪声去除步骤，去除过大或者过小的轮廓，以及长宽比例过大或过小的轮廓，从得人可以得到较为符合方形的轮廓。过程B3：然后采用模型匹配法进行大小判别，因为在经过颜色和形状判别后，这两个参数已成为已知参数，充分运用已知参数设计出一个与标识体投影大小相等的模型，计算出相似度，相似度高的判别为目标对象。通过上述步骤1-3，利用双镜头摄取的两幅图像的视差，构建三维场景，在检测到运动目标后，通过计算图像对应点间的位置偏差，获取目标的三维信息，在深度图像中对目标的检测与跟踪，实现高精度的位移判断。即在检测出标识体(定位标识、观测标识)的中心值坐标后，需要建立一套位移判别标准来判断标识体是否发生了位移。具体是：在边坡处于稳定状态时分别计算出所有的观测标识到定位标识的距离，并存入数据库。在之后的检测中，设定一个“警戒值”，通过比较直线距离是否超过“警戒值”来判定边坡是否发生了位移，而具体的位移方向和实际位移量通过三维解算得出。利用这种方法能够有效的克服摄像机抖动所产生的误差。通过上述特征点匹配以及标识体识别即可得到边坡是否发生了位移，接下来只需通过三维解算计算出位移方向和实际位移量。具体的，三维计算具体是通过分析像平面坐标系、摄像机坐标系、物空间坐标系(测量坐标系)之间的转换关系，计算监测点的三维坐标。该方法能准确地检测出边坡表面位移并且能对变形的趋势进行预测，从而可以尽早采取相关的对策和措施。具体的，步骤4的计算监测点的三维坐标的本文档来自技高网...

【技术保护点】
1.一种应用于边坡安全监测的摄像机检测方法，该方法包括：步骤1：建立物空间坐标系，该物空间坐标系描述目标所在的空间坐标，获取到目标体参数，并存储于数据库；步骤2：至少在边坡的左右两侧分别设置一摄像机，记为左摄像机和右摄像机；左摄像机和右摄像机从至少两个不同角度采集待监测边坡区域的边坡监测影像；步骤3：通过左右摄像机对边坡监测影像进行特征点匹配，并进行标识体的识别，提取标识体参数；标识体为预先设定的基于颜色、形状和大小参数的识别模块；步骤4：将标识体参数和目标体参数进行对比，如果未发生变化，则表明未发生位移；继续监控直至发生变化，则进行三维计算，得到边坡位移变化量。

【技术特征摘要】
1.一种应用于边坡安全监测的摄像机检测方法，该方法包括：步骤1：建立物空间坐标系，该物空间坐标系描述目标所在的空间坐标，获取到目标体参数，并存储于数据库；步骤2：至少在边坡的左右两侧分别设置一摄像机，记为左摄像机和右摄像机；左摄像机和右摄像机从至少两个不同角度采集待监测边坡区域的边坡监测影像；步骤3：通过左右摄像机对边坡监测影像进行特征点匹配，并进行标识体的识别，提取标识体参数；标识体为预先设定的基于颜色、形状和大小参数的识别模块；步骤4：将标识体参数和目标体参数进行对比，如果未发生变化，则表明未发生位移；继续监控直至发生变化，则进行三维计算，得到边坡位移变化量。2.根据权利要求1所述的摄像机检测方法，其特征在于：通过左右摄像机进行特征点匹配包括如下过程：过程A1：输入左右图像的特征点坐标几何，分别为L和R；过程A2：遍历集合L，计算每个特征点对应右图像上的极线方程，然后计算R上各点到每条极线方程的距离，如果距离小于1像素，则认为该点为候选点；过程A3：如果候选点数目为1，则将改左图像点放入集合Lt，候选点放入集合Rt，Lt和Rt为匹配成功的特征点集合；如果候选点数目大于1，则将改左图像点放入集合Lh，候选点集合放入集合Rh；过程A4：遍历集合Lh，对每个特征点在Lt中取欧式距离最近的特征点作为左卡位点与之对应的Rt中的特征点为右卡位点过程A5：计算左卡位点与特征点的向量角度和欧式距离过程A6：遍历特征点对应Rh中的候选点集合，计算右卡位点与每个候选点的向量角度和欧式距离并与和做差；设置最小角度阀值10，最小距离阀值10，在候选点钟寻找差值最小并且慢支阀值要求的候选点为匹配点，并将左图特征点放入Lt，右图匹配点放入Rt；直到遍历完Lh，即可得到与左图特征点一一匹配的右图特征点。3.根据权利要求1所述的摄像机检测方法，其特征在于：步骤3中，标识体的识别包括如下过程：过程B1：左右摄像机进行特征点匹配，获取到含有标识体的图像，首先进行颜色判别：选取颜色鲜艳的标识体，区别于周围的环境；可采用HIS颜色分割对彩色图像中特定颜色区域进行有效的提取；过程B2：然后进行形状判别：对标识体进行二值化、边缘检测、轮廓提取、方形检测；过程B3：然后进行大小判别，采用模型匹配法计算相似度，相似度高的判别为目标对象。4.根据权利要求1所述的摄像机检测方法，其特征在于：步骤4中，三维计算是计算监测点的三维坐标，其包括：过程1：建立像平面坐标系O1xy，表示为：式中：ku，kv分别为单位像素在x轴、y轴方向的长度系数；(Uo，Vo)为像平面坐标系原地O1的图像坐标；建立摄像机坐标系OcXcYcZc；建立物空间坐标系：用平移向量t和旋转矩阵R来描述物空间坐标系和摄像机坐标系之间的关系，设空间中的一点P在摄像机坐标系下的齐次坐标为(Xc，Yc，Zc)T，两者存在如下关系：其中t是3维平移向量，R是3*4单位矩阵，Ot＝(0,0,0)T，M是联系矩阵，是两个坐标系之间的纽带；过程2：监测点的三维坐标计算：监测点的图像坐标与物空间坐标系之间的关系表示为：假设M为3*4阶的参数矩阵，可表示为：设两台摄像机参数矩阵分别为MA和MB，可得：(ma11—uama31)Xw+(ma12—uama32)Yw+(ma13—uama33)Zw＝(uama34—ma14)；(ma21—vama31)Xw+(ma22...

【专利技术属性】
技术研发人员：陈丽萍，
申请(专利权)人：深圳市富源信息技术有限公司，
类型：发明
国别省市：广东,44