一种桥梁转体合拢准确性检验方法系统、设备技术方案

本发明专利技术公开了一种桥梁转体合拢准确性检验方法系统、设备，属于智能建造工程领域。其包括以下步骤：步骤1：无人机采集桥梁的视频数据并制作图片数据集。步骤2：通过归一化进行特征提取；通过余弦相似度的判断准则和词汇树匹配算法进行特征匹配。步骤3：使用Multi

【技术实现步骤摘要】
一种桥梁转体合拢准确性检验方法系统、设备


[0001]本专利技术涉及一种桥梁转体合拢准确性检验方法系统、设备，属于智能建造工程领域。

技术介绍

[0002]桥梁转体是一种重要的桥梁构造方法，它是将桥梁从一个基础移动到另一个基础的过程。桥梁转体涉及到将整个桥梁结构从原来的基础移动到新的基础，并在原地进行重新安装和调整。为了实现这一目标，需要使用专业的工程技术和设备，以确保桥梁转体过程的安全性和准确性。桥梁转体是一项复杂的工程，需要对工程技术、环境影响、道路交通和其他因素进行详细的评估和规划。然而，它也是一种高效的方法，可以最大限度地减少对道路和建筑物的影响。桥梁转体合拢的传统的方式是使用全站仪、GPS等，可以对桥梁进行精确定位，以确保其能够精确地对接。在桥梁合拢之前，需要进行多次检查和调整，以确保两端的高度、水平度、位置和角度满足要求。传统方法每检查一次需要大量的时间成本和人力成本，效率较低。

技术实现思路

[0003]本专利技术的目的在于克服现有技术的不足，提供一种能够快速、准确的桥梁转体合拢准确性检验方法。解决传统的桥梁转体合拢准确性检测效率低下和费用高昂等问题。
[0004]本专利技术的技术解决方案是：一种桥梁转体合拢准确性检验方法系统及其设备，包括以下步骤：
[0005]步骤1：无人机采集桥梁的视频数据并制作图片数据集。
[0006]步骤2：对步骤1中的图片数据集通过归一化进行特征提取，通过余弦相似度的判断准则和词汇树匹配算法进行特征匹配。
[0007]步骤3：在步骤2中的特征匹配结果基础上通过增量式运动恢复结构技术(StructureFromMotion)得到场景中的相机姿态和表示场景结构的稀疏点云。进行深度图估计，恢复参考影像的深度信息。在深度图估计之前要进行图像去畸变操作。使用多视图立体视觉技术(Multi
‑
ViewStere)进行稠密重建，在相机位姿已知的前提下，逐像素的计算图像中每一个像素点对应的三维点，得到稠密的三维点云模型。
[0008]步骤4：将桥梁转体的三维点云模型放入CloudCompare点云可视化软件，利用点云的优势每个点都有精确的坐标值，计算出桥梁转体两端的相关参数。
[0009]步骤5：通过上述参数高度、水平度、位置和角度，判断出桥梁是否能够合拢，如果出现较大误差能够及时修正。
[0010]进一步的，步骤1中无人机采集桥梁的视频数据并制作图片数据集，要求将桥梁的全貌拍摄完整以便之后的三维点云建模。在python程序中利用OpenCV中的VideoCapture模块读取视频数据，将其中的每一帧图片保存至文件夹生成三维点云建模所需的图片数据集。
[0011]进一步的，步骤2中对步骤1中的图片数据集通过归一化进行特征提取,对图片数据集通过用DOG图像金字塔，再找极值的方式和确定主方向和128维的描述子，为了消除光照的影响使用归一化的方式进行特征提取。
[0012]进一步的，步骤3中通过增量式运动恢复结构技术(Structure FromMotion)，得到场景中的相机姿态和表示场景结构的稀疏点云。通过增量式运动恢复结构技术(StructureFromMotion)选择无序影像进行特征匹配，并进行几何纠正、三角测量恢复稀疏点云结构，通过已有点云重新估计相对姿态，再进行局部和全局的光束法平差(BundleAdjustment)优化，光束法平差(BundleAdjustment)优化是指对多段相机的位姿和位姿下的路标点的空间坐标进行优化。逐步向已有的结构中增加视角或影像，进行三角测量和姿态估计，再进行光束法平差(BundleAdjustment)优化修正结构数据，最后输出全部的相机参数和稀疏三维点云。
[0013]进一步的，步骤4中计算出桥梁转体两端的相关参数。桥梁转体两端的相关参数包括高度、水平度、位置和角度。
[0014]进一步的，步骤5中判断出桥梁是否能够合拢，如果经两端的高度、水平度、位置和角度都在标准误差范围内即桥梁能够准确合拢，反之则不能准确合拢。
[0015]一种桥梁转体合拢准确性检验方法的系统，包括数据采集模块、数据处理模块、计算模块和判断模块；
[0016]数据采集模块用于获取桥梁转体前若干段桥梁的图片数据集；
[0017]数据处理模块用于基于桥梁的图片数据集依次进行特征匹配和特征提取，并进行点云的稀疏重建和稠密重建得到场景物体表面密集的三维点云模型。
[0018]计算模块用于在CloudCompare点云可视化软件中计算出桥梁两端的高度、水平度、位置和角度
[0019]判断模块用于通过计算模块得到的参数判断其是否能够安全的合拢；
[0020]一种桥梁转体合拢准确性检验设备，包括：
[0021]存储器，用于存储计算机程序；
[0022]处理器，用于执行计算机程序时实现桥梁转体合拢准确性检验方法的步骤。
[0023]本专利技术公开了以下技术效果：
[0024]将无人机采集的桥梁转体视频数据输入该设备后，该设备能够将视频数据转化为图片数据集，对数据集进行特征匹配和特征匹配从而生成稠密的三位点云模型，并计算出桥梁转体部分两端的高度、水平度、位置和角度，通过以上参数判断出桥梁转体是否能够准确的合拢。
附图说明
[0025]图1为本专利技术实施例中所述的桥梁转体合拢准确性检验方法流程示意图；
[0026]图2为本专利技术实施例中所述的桥梁转体合拢准确性检验系统结构示意图；
[0027]图3为本专利技术实施例中所述的桥梁转体合拢准确性检验设备结构示意图。
[0028]图3中标记：800、桥梁转体合拢准确性检验设备；801、处理器；802、存储器；803、多媒体组件；804、I/O接口；805、通信组件。
具体实施方式
[0029]实施例1：
[0030]下面将结合实例，对本专利技术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专利技术一部分实施例，而不是全部的实施例。本专利技术中在包括下述说明在内的各部分中所提供的技术方案和技术特征，在不冲突的情况下，这些技术方案和技术特征可以相互组合。基于本专利技术中的实施例，本领域技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0031]如图1所示，本专利技术提供一种技术方案：桥梁转体合拢准确性检验方法系统、设备包括以下步骤：
[0032]S101、利用无人机拍摄合拢前的两段桥梁的视频，要求将桥梁的全貌拍摄完整以便之后的三维点云建模。在python程序中利用OpenCV中的VideoCapture模块读取视频，将其中的每一帧图片保存至文件夹生成三维点云建模所需的图片数据集。
[0033]S102、通过使用DOG图像金字塔，再找极值的方式。确定主方向和128维的描述子，再归一化消除光照的影响。其中由于欧氏距离容易受较大值的影响，使用海林格距离更稳定。先对尺度不变特征变换(SIFT)的结果进行L本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种桥梁转体合拢准确性检验方法，其特征在于，包括以下步骤：步骤1：无人机采集桥梁的视频数据并制作图片数据集；步骤2：对步骤1中的图片数据集通过归一化进行特征提取，通过余弦相似度的判断准则和词汇树匹配算法进行特征匹配；步骤3：在步骤2中的特征匹配结果基础上通过增量式运动恢复结构技术得到场景中的相机姿态和表示场景结构的稀疏点云，进行深度图估计恢复参考影像的深度信息，在深度图估计之前要进行图像去畸变操作，使用多视图立体视觉技术进行稠密重建，在相机位姿已知的前提下，逐像素的计算图像中每一个像素点对应的三维点，得到稠密的三维点云模型；步骤4：将桥梁转体的三维点云模型放入CloudCompare点云可视化软件，利用点云的优势每个点都有精确的坐标值，计算出桥梁转体两端的相关参数；步骤5：通过上述参数高度、水平度、位置和角度，判断出桥梁是否能够合拢，如果出现较大误差能够及时修正。2.如权利要求1所述的一种桥梁转体合拢准确性检验方法，其特征在于，所述步骤1中无人机采集桥梁的视频数据并制作图片数据集，要求将桥梁的全貌拍摄完整以便之后的三维点云建模，在python程序中利用OpenCV中的VideoCapture模块读取视频数据，将视频中的每一帧图片保存至文件夹，生成三维点云建模所需的图片数据集。3.如权利要求1所述的一种桥梁转体合拢准确性检验方法，其特征在于，所述步骤2中对步骤1中的图片数据集通过归一化进行特征提取，对图片数据集通过用DOG图像金字塔，再找极值的方式和确定主方向和128维的描述子，为了消除光照的影响使用归一化的方式进行特征提取。4.如权利要求1所述的一种桥梁转体合拢准确性检验方法，其特征在于，所述步骤3中通过...

【专利技术属性】
技术研发人员：刘凯文，苟杰，邱睿哲，高军，张宗宇，裴彦飞，宁玻，汪小龙，陶杰，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：