基于图像技术的非接触高精度变形测量方法技术

本发明专利技术公开了基于图像技术的非接触高精度变形测量方法，记录被测物上所有目标点原始数据，保存相机预设点；然后暗通道先验去雾处理，接着通过L0梯度最小化除雨处理；综合使用稠密光流和卡尔曼滤波器进行画面去抖动；调用相机预设点；识别目标点，计算目标点的新数据；与目标点原始数据做对比，计算变形/偏移数据；将计算结果保存至本地；调用下一个相机预设点，重复识别目标点以及与目标点原始数据对比，直到所有预设点的目标点处理完成；本发明专利技术显著减少了恶劣天气对变形测量结果的不利影响，解决了目标点反射性能不足的问题，且操作人员无需拥有过多的技术水平和专业知识，即可轻松应用该技术于变形测量任务中，为现代建筑物变形测量任务提供了一种可靠的选择。物变形测量任务提供了一种可靠的选择。物变形测量任务提供了一种可靠的选择。

【技术实现步骤摘要】
基于图像技术的非接触高精度变形测量方法


[0001]本专利技术属于计算机视觉及人工智能
，涉及基于图像技术的非接触高精度变形测量方法。

技术介绍

[0002]当代工程建筑物的发展趋势是朝着体积庞大、重量巨大、结构复杂、内部装备众多、施工周期紧张、使用频率高等方向迈进；因此，对建筑物的变形监测具有极其重要的意义。
[0003]通过对建筑物变形体进行各种沉降和水平位移的监测，可以评估工程建筑物及其地质结构的稳定性；及时发现异常变化，对其稳定性和安全性做出准确的判断，并采取相应措施，以预防潜在的安全事故。
[0004]目前应用最为广泛的高精度变形测量仪器为全站仪，全站仪在变形测量中需要在物体上设置目标点，然后通过测量这些点的位置来获取物体的形变数据；对测量数据进行实时处理和分析；它可以将测量数据转换为坐标系，计算出物体的位移、形变和扭曲等参数；然而，全站仪的测量结果受到多种误差的影响，包括仪器本身的误差、大气条件、目标点反射性能等因素。这些误差可能会对测量结果产生一定的影响，导致测量精度不高，并且全站仪操作相对复杂，需要操作人员具备一定的技术水平和专业知识；操作不当或者数据处理错误可能导致测量结果的不准确性；
[0005]我们在图像处理过程中集成了先进的除雾和除雨算法，显著减少了恶劣天气对变形测量结果的不利影响；其次，通过应用高精度目标点识别技术，我们有效地解决了目标点反射性能不足的问题；此外，我们的非接触式高精度变形测量技术基于图像技术，能够实现全天候自动化测量计算，并自动保存测量结果；这使得操作人员无需拥有过多的技术水平和专业知识，即可轻松应用该技术于建筑物变形测量任务中。

技术实现思路

[0006]本专利技术的目的是提供基于图像技术的非接触高精度变形测量方法，解决了现有仪器测量建筑物变形受恶劣天气影响较大、目标点反射性能不足、需要过多的技术水平和专业知识的操作人员的问题。
[0007]本专利技术所采用的技术方案是，基于图像技术的非接触高精度变形测量方法，具体为利用相机连续采集的图像，并运用数字图像处理算法，实时解析并获取被测目标点位的精确变形数据。
[0008]本专利技术的特点还在于：
[0009]其中基于图像技术的非接触高精度变形测量方法，具体按以下步骤实施：
[0010]步骤1，记录被测物上所有目标点原始数据，保存相机预设点；
[0011]步骤2，对图像进行暗通道先验去雾处理；
[0012]步骤3，经步骤2去雾后进行L0梯度最小化除雨处理；
[0013]步骤4，除雨后进行画面去抖动；
[0014]步骤5，调用相机预设点；
[0015]步骤6，识别目标点，计算目标点的新数据；
[0016]步骤7，与目标点原始数据进行对比，计算变形/偏移数据；
[0017]步骤8，将计算结果保存至本地；
[0018]步骤9，调用下一个相机预设点，重复步骤6至步骤8，直到所有预设点的目标点处理完成；
[0019]其中步骤1具体为记录被测物上所有目标点原始数据，通过识别器来识别特定的目标点，并记录该目标的初始数据；
[0020]其中步骤1中识别特定目标具体按以下步骤实施：
[0021]步骤1.1，对图像进行高斯模糊、中值滤波和二值化处理；
[0022]步骤1.2，利用开运算和闭运算，消除噪点；
[0023]步骤1.3，通过轮廓检测获得图像中的轮廓；
[0024]步骤1.4，对获得的图像轮廓进行筛选，筛选条件包括轮廓的点数、面积、角点个数、椭圆的长短轴之比；
[0025]步骤1.5，根据筛选出的椭圆轮廓，通过高精度的边缘检测获取目标点中心的x和y坐标并记录存储并绘制拟合的椭圆；
[0026]其中步骤2具体按以下步骤实施：
[0027]步骤2.1，在计算机视觉和计算机图形中，雾图形成模型如式(1)所示：
[0028]I(x)＝J(x)t(x)+A(1
‑
t(x))
ꢀꢀ
(1)
[0029]式中，I(X)为已经有的图像，即待去雾的图像，J(x)为要恢复的无雾的图像，A是全球大气光成分，t(x)为透射率；
[0030]步骤2.2，将式(1)稍作处理，变形为式(2)，上标C表示R/G/B三个通道：
[0031][0032]步骤2.3，设在每一个窗口内透射率t(x)为常数，定义为并且A值已经给定，然后对式(2)两边求两次最小值运算，得到下式(3)：
[0033][0034]步骤2.4，J是待求的无雾的图像，根据前述的暗原色先验理论有式(4)：
[0035][0036]因此可推导出式(5)：
[0037][0038]步骤2.5，将式(5)带入式(3)，得到透射率的预估值，如式(6)：
[0039][0040]步骤2.6，在去雾的时候保留一定程度的雾，通过在式(6)中引入一个在[0,1]之间的因子ω，如式(7)所示：
[0041][0042]固定值ω＝0.95；
[0043]步骤2.7，由式(1)可知：J＝(I
‑
A)/t+A，I，A，t均已经求得，因此，进行J的计算，如式(8)所示：
[0044][0045]其中步骤4具体为通过综合使用稠密光流和卡尔曼滤波器进行画面去抖动，具体按以下步骤实施：
[0046]步骤4.1，稠密光流，通过计算当前帧与上一帧之间的稠密光流，获得每个像素点的运动向量，根据运动向量计算运动差异，并将其表示为一个仿射变换矩阵，最后，使用这个仿射变换矩阵对当前帧进行运动补偿；
[0047]步骤4.2，卡尔曼滤波器，将卡尔曼滤波器应用于预测图像的位移；将稠密光流的平均位移作为测量值，并使用卡尔曼滤波器来预测和校正当前帧相对于上一帧的位移；通过不断更新卡尔曼滤波器的状态，获得更准确的位移预测，实现更好的运动补偿；
[0048]步骤4.3，综合使用稠密光流和卡尔曼滤波器，在每一帧中计算出当前帧相对于上一帧的位移，并进行运动补偿，从而校正图像中的抖动和运动，获得稳定且清晰的图像；
[0049]其中步骤5具体为通过调用萤石云API使相机回到先前保存的预设点位置，恢复之前所保存的图像信息；
[0050]其中步骤7具体为：将目标点新数据与原始数据中心坐标做对比，计算出中心坐标在图像上的位移变化，并通过像素比将其转换成现实中目标点的偏移数据，得到被测建筑物的形变数据；
[0051]其中步骤8具体为：每个预设点计算出5组变形数据，并将这些数据写入本地对应的文件中保存。
[0052]本专利技术的有益效果是：
[0053]本专利技术的基于图像技术的非接触高精度变形测量方法在图像处理过程中集成了先进的除雾和除雨算法，显著减少了恶劣天气对变形测量结果的不利影响；其次，通过应用高精度目标点识别技术，有效地解决了目标点反射性能不足的问题；此外，非接触式高精度变形测量技术基于图像技术，能够实现全天候自动化测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像技术的非接触高精度变形测量方法，其特征在于，具体为利用相机连续采集的图像，并运用数字图像处理算法，实时解析并获取被测目标点位的精确变形数据。2.根据权利要求1所述的基于图像技术的非接触高精度变形测量方法，其特征在于，具体按以下步骤实施：步骤1，记录被测物上所有目标点原始数据，保存相机预设点；步骤2，对图像进行暗通道先验去雾处理；步骤3，经步骤2去雾后进行L0梯度最小化除雨处理；步骤4，除雨后进行画面去抖动；步骤5，调用相机预设点；步骤6，识别目标点，计算目标点的新数据；步骤7，与目标点原始数据进行对比，计算变形/偏移数据；步骤8，将计算结果保存至本地；步骤9，调用下一个相机预设点，重复步骤6至步骤8，直到所有预设点的目标点处理完成。3.根据权利要求2所述的基于图像技术的非接触高精度变形测量方法，其特征在于，所述步骤1具体为记录被测物上所有目标点原始数据，通过识别器来识别特定的目标点，并记录该目标的初始数据。4.根据权利要求3所述的基于图像技术的非接触高精度变形测量方法，其特征在于，所述步骤1中识别特定目标具体按以下步骤实施：步骤1.1，对图像进行高斯模糊、中值滤波和二值化处理；步骤1.2，利用开运算和闭运算，消除噪点；步骤1.3，通过轮廓检测获得图像中的轮廓；步骤1.4，对获得的图像轮廓进行筛选，筛选条件包括轮廓的点数、面积、角点个数、椭圆的长短轴之比；步骤1.5，根据筛选出的椭圆轮廓，通过高精度的边缘检测获取目标点中心的x和y坐标并记录存储并绘制拟合的椭圆。5.根据权利要求2所述的基于图像技术的非接触高精度变形测量方法，其特征在于，所述步骤2具体按以下步骤实施：步骤2.1，在计算机视觉和计算机图形中，雾图形成模型如式(1)所示：I(x)＝J(x)t(x)+A(1
‑
t(x))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中，I(X)为已经有的图像，即待去雾的图像，J(x)为要恢复的无雾的图像，A是全球大气光成分，t(x)为透射率；步骤2.2，将式(1)稍作处理，变形为式(2)，上标C表示R/G/B三个通道：步骤2.3，设在每一个窗口内透射率t(x)为常数，...

【专利技术属性】
技术研发人员：宋霄罡，张小龙，黑新宏，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：