亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

用于高速公路路面應(yīng)變測量的數(shù)字圖像采集分析方法

文檔序號:10646733閱讀:502來源:國知局
用于高速公路路面應(yīng)變測量的數(shù)字圖像采集分析方法
【專利摘要】本發(fā)明公開了一種用于高速公路路面應(yīng)變測量的數(shù)字圖像采集分析方法,通過分析變形前后高速公路路面圖像進(jìn)行應(yīng)變測量,使用工業(yè)相機(jī)分別采集高速公路路面建成及待檢測時刻兩組序列圖像,利用圖像合成系統(tǒng)合成為兩幅圖像,對變形前后這兩幅圖像進(jìn)行數(shù)字圖像相關(guān)分析得到整個高速公路路面應(yīng)變分布。本發(fā)明方法可在路面裂縫出現(xiàn)之前進(jìn)行監(jiān)測,從而為高速公路路面養(yǎng)護(hù)、決策提供非常及時、準(zhǔn)確的數(shù)據(jù)。
【專利說明】
用于高速公路路面應(yīng)變測量的數(shù)字圖像采集分析方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及用于高速公路路面應(yīng)變測量的數(shù)字圖像采集裝置及分析方法,尤其是 利用數(shù)字圖像技術(shù)實現(xiàn)的非接觸式高速公路路面應(yīng)變測量的裝置及分析方法。
【背景技術(shù)】
[0002] 由于環(huán)境溫度變化及荷載(行駛車輛)等作用,高速公路路面會出現(xiàn)不同的應(yīng)變分 布,在應(yīng)變較大的地方容易出現(xiàn)裂縫等缺陷。目前對高速公路路面養(yǎng)護(hù)主要集中在裂縫出 現(xiàn)W后,不能在裂縫出現(xiàn)之前對公路路面進(jìn)行及時有效的養(yǎng)護(hù)。而傳統(tǒng)的應(yīng)變測量大多采 用如電阻應(yīng)變計等接觸式測量方式,不能提供全場的應(yīng)變數(shù)據(jù),且在高速公路路面上很難 頭施。

【發(fā)明內(nèi)容】

[0003] 技術(shù)問題:本發(fā)明提供一種操作簡單,易于實現(xiàn),圖像的視場范圍包含整個高速公 路路面,可W為高速公路路面養(yǎng)護(hù)提供及時有效的數(shù)據(jù)的用于高速公路路面應(yīng)變測量的數(shù) 字圖像采集分析方法。
[0004] 技術(shù)方案:本發(fā)明的用于高速公路路面應(yīng)變測量的數(shù)字圖像采集分析方法,包括 W下步驟:
[0005] 步驟1:測量車置于待測高速公路路面上,圖像采集裝置固定于測量車的正前面;
[0006] 步驟2:用所述圖像采集裝置采集標(biāo)定板圖像,計算得到圖像采集裝置的參數(shù),所 述圖像采集裝置的參數(shù)包括鏡頭崎變參數(shù)矩陣及內(nèi)部參數(shù)矩陣和外部參數(shù)矩陣;
[0007] 步驟3:在路面建成時,測量車W速度V在路面行駛,v = fXw/2,其中f為圖像采集 裝置的采集帖頻,W為圖像采集裝置的視場大小,圖像采集裝置連續(xù)拍攝路面圖像并進(jìn)行保 存,得到初始狀態(tài)的一系列圖像,作為狀態(tài)0;
[0008] 步驟4:在路面待檢測時刻,測量車W同樣速度在路面行駛,圖像采集裝置連續(xù)拍 攝路面圖像并進(jìn)行保存,得到該狀態(tài)的一系列圖像,作為狀態(tài)1;
[0009] 步驟5:利用所述步驟2得到的鏡頭崎變參數(shù)矩陣,將步驟3及步驟4得到的狀態(tài)0和 狀態(tài)1的序列圖像分別進(jìn)行崎變校正,對崎變校正后的狀態(tài)0和狀態(tài)1序列圖像分別進(jìn)行圖 像拼接,得到包含整個路面的圖像0和圖像1;
[0010] 步驟6:用數(shù)字圖像相關(guān)法對所述步驟5處理得到的圖像0和圖像1進(jìn)行分析,得到 路面的全場應(yīng)變。
[0011] 本發(fā)明方法通過分析高速公路路面剛剛建成及待檢測時刻兩個狀態(tài)的變形前后 圖像,非接觸測量整個高速公路路面應(yīng)變。
[0012] 進(jìn)一步的,本發(fā)明方法中,步驟1)中的圖像采集裝置為單相機(jī),多相機(jī),或相機(jī)陣 列。
[0013] 進(jìn)一步的,本發(fā)明方法中,步驟1)中的圖像采集裝置分辨率至少為2000*2000像 素。
[0014] 進(jìn)一步的,本發(fā)明方法中,步驟5)中圖像拼接的方法為:對于每組序列圖像,利用 SURF特征點檢測,找到所有圖像上的特征點,利用最近距離比次近距離的特征點匹配方法 對相鄰圖像間進(jìn)行特征點提純,得到兩幅圖像特征點的粗匹配關(guān)系,使用隨機(jī)抽樣一致算 法對粗匹配的特征點進(jìn)行進(jìn)一步提純,得到兩幅圖像特征點的細(xì)匹配關(guān)系,對細(xì)匹配的特 征點使用數(shù)字圖像相關(guān)法找到兩幅圖像更為精確的匹配特征點對的圖像坐標(biāo)(XI,和 (XI,2,yi,2),采用如下公式計算圖像的單應(yīng)變換矩陣H:
[0015]
[0016] 其中i為匹配的特征點編號;
[0017] 最后利用雙=次樣條插值方法進(jìn)行圖像插值及融合。
[0018] 進(jìn)一步的,本發(fā)明方法中,步驟2中鏡頭崎變參數(shù)矩陣包括6階徑向崎變參數(shù)Ki、K2、 1(3、1(4、拉、1(6和2階切向崎變參數(shù)口1、口2。
[0019] 有益效果:本發(fā)明與現(xiàn)有技術(shù)相比,具有W下優(yōu)點:
[0020] (1)高速公路路面無損。與其他公路路面接觸式測量技術(shù)相比,本發(fā)明采用光學(xué)測 試技術(shù),無需與高速公路路面接觸,且對路面沒有損傷,也不會阻止路面變形。
[0021] (2)高速公路路面全場應(yīng)變測量。與傳統(tǒng)的單點式測試技術(shù)相比,本發(fā)明在測試過 程中對整個公路路面進(jìn)行整體成像,利用路面顆粒形成的紋理作為散斑圖像,通過數(shù)字圖 像相關(guān)方法即可測量路面全場應(yīng)變。
[0022] (3)可W對高速公路路面進(jìn)行及時有效養(yǎng)護(hù)。大多數(shù)路況檢測方法只采集路面出 現(xiàn)裂縫后圖像,不能再裂縫出現(xiàn)之前對路面進(jìn)行養(yǎng)護(hù)。而本發(fā)明采集路面建成時及路面待 檢測時刻兩個狀態(tài)圖像,在裂縫出現(xiàn)之前即可檢測出最大應(yīng)變即將要出現(xiàn)裂縫位置。
[0023] (4)高精度高速公路路面應(yīng)變測量。與傳統(tǒng)的圖像拼接方法相比,本發(fā)明在找到圖 像的對應(yīng)點之后采用數(shù)字圖像相關(guān)法提高對應(yīng)特征點的精度,數(shù)字圖像相關(guān)方法可W達(dá)到 位移的測量精度為0.01像素,因而該方法可W進(jìn)行高精度應(yīng)變測量。
【附圖說明】
[0024] 圖1為本發(fā)明測量裝置示意圖。
[0025] 圖2為編碼點標(biāo)定板示意圖,是已知尺寸的標(biāo)準(zhǔn)件。
[00%]圖3為發(fā)明方法的流程圖。
【具體實施方式】
[0027] 下面結(jié)合實施例和說明書附圖對本發(fā)明作進(jìn)一步的說明。
[0028] 步驟1:圖1中,1所示的為測量車,置于待測高速公路路面,2所示的為圖像采集裝 置,通過剛性支座固定于測量車的正前面距離地面約1米處。其中圖像采集裝置2為并排布 置的至少5臺工業(yè)相機(jī),工業(yè)相機(jī)分辨率至少為2000巧000像素,每臺相機(jī)前裝有低崎變定 焦鏡頭,鏡頭光軸垂直于車底平面。每個相機(jī)的視場約為0.5m X 0.5m,相鄰相機(jī)間的距離略 小于單個相機(jī)視場大小,運(yùn)樣可W保證最終圖像的連續(xù)性且不損失有效分辨率。其中圖像 采集裝置也可W用由多臺相機(jī)組成的相機(jī)陣列代替;
[0029] 步驟2:將圖2所示編碼點標(biāo)定板在相機(jī)視場和景深范圍內(nèi)W任意姿態(tài)轉(zhuǎn)動8次,通 過同步觸發(fā)裝置控制工業(yè)相機(jī)同步采集不同姿態(tài)的編碼點標(biāo)定板圖像。編碼點標(biāo)定板中每 個特征點的世界坐標(biāo)和圖像坐標(biāo)都可W唯一確定,基于現(xiàn)有的標(biāo)定方法利用標(biāo)定板圖像標(biāo) 定計算工業(yè)相機(jī)之間的外部參數(shù)矩陣、每個工業(yè)相機(jī)的內(nèi)部參數(shù)矩陣和鏡頭崎變參數(shù)矩陣 Di;鏡頭崎變參數(shù)矩陣包括6階徑向崎變參數(shù)Ki、K2、拉、K4、Ks、K6和2階切向崎變參數(shù)Pi、P2;鏡 頭崎變參數(shù)矩陣主要用來校正由于鏡頭崎變造成的圖像失真。
[0030] 步驟3:在高速公路路面建成時,測量車最高W速度V在路面行駛,v = fXw/2,其中 f為工業(yè)相機(jī)的采集帖頻,W為工業(yè)相機(jī)的視場大小,通過同步觸發(fā)裝置控制工業(yè)相機(jī)連續(xù) 拍攝路面圖像并進(jìn)行圖像保存,得到初始狀態(tài)的一系列圖像,作為狀態(tài)0。序列相鄰圖像之 間至少要有一半的重疊區(qū)域,若采用采集頻率為70帖的工業(yè)相機(jī),則測量車的最高運(yùn)行速 度為0.5 X 70/2 = 17.5m/s = 63km/h。對于不同的工業(yè)相機(jī)和鏡頭可依據(jù)上述公式中的視場 大小及圖像采集頻率計算測量車的最高運(yùn)行速度。
[0031 ]步驟4:在高速公路路面待檢測時刻,測量車W同樣速度在路面行駛,通過同步觸 發(fā)裝置控制工業(yè)相機(jī)連續(xù)拍攝該時刻路面圖像并進(jìn)行圖像保存,得到該狀態(tài)的一系列圖 像,作為狀態(tài)1;
[0032] 步驟5:利用所述步驟2得到的相機(jī)間的外部參數(shù)矩陣、相機(jī)的內(nèi)部參數(shù)矩陣和鏡 頭崎變參數(shù)矩陣,首先將步驟3及步驟4得到的狀態(tài)0和狀態(tài)1的多臺相機(jī)采集的同一時刻的 圖像分別利用現(xiàn)有方法進(jìn)行圖像崎變校正,利用基于標(biāo)定的圖像拼接方法進(jìn)行圖像拼接, 得到狀態(tài)0和狀態(tài)1的時間序列圖像,文章《相機(jī)陣列測量二維應(yīng)變場的高精度分析方法》公 開了基于標(biāo)定的圖像拼接方法,然后對狀態(tài)0和狀態(tài)1的時間序列圖像分別進(jìn)行圖像拼接, 得到包含整個路面的圖像0和圖像1;
[0033] 其中圖像拼接的方法為:對于每組序列圖像,利用SURF特征點檢測,SURF特征點檢 測為現(xiàn)有技術(shù),文章《SURF:Speeded Up Robust FeaUires》公開了該算法。找到所有圖像上 的特征點,利用最近距離比次近距離的特征點匹配方法對相鄰圖像間進(jìn)行特征點提純,得 到兩幅圖像特征點的粗匹配關(guān)系,使用隨機(jī)抽樣一致算法對粗匹配的特征點進(jìn)行進(jìn)一步提 純,得到兩幅圖像特征點的細(xì)匹配關(guān)系,對細(xì)匹配的特征點使用數(shù)字圖像相關(guān)法找到兩幅 圖像更為精確的匹配特征點對的圖像坐標(biāo)和(扎2,71,2),由于數(shù)字圖像相關(guān)方法 的定位精度為O.Olpixel,因此圖像坐標(biāo)(xi,i,yi,i)和(xi,2,yi,2)的匹配精度比洲RF特征點 算法的匹配精度更高,最終計算出來的圖像單應(yīng)變換矩陣重投影誤差更小,采用如下公式 計算圖像的單應(yīng)變換矩陣H:
[0034]
[0035] 其中i為匹配的特征點編號;
[0036] 最后利用雙=次樣條插值方法進(jìn)行圖像插值及融合。
[0037] 步驟6:用數(shù)字圖像相關(guān)法對所述步驟5處理得到的圖像0和圖像1進(jìn)行分析,得到 高速公路路面的全場應(yīng)變。其中數(shù)字圖像相關(guān)法為現(xiàn)有技術(shù),期刊名稱為《Optics and Lasers in Engineering》,2015年第71其月,文章 《Noise robustness and parallel computation of the inverse compositional Gauss-Newton algorithm in digital image correlation》公開了該算法,數(shù)字圖像相關(guān)方法的位移測量精度可達(dá)0.01像素,因 此可W高精度測量高速公路的路面應(yīng)變,在裂縫出現(xiàn)之前即可檢測出最大應(yīng)變即將要出現(xiàn) 裂縫的位置,為路面養(yǎng)護(hù)提供及時的數(shù)據(jù)。
[0038]上述實施例僅是本發(fā)明的優(yōu)選實施方式,應(yīng)當(dāng)指出:對于本技術(shù)領(lǐng)域的普通技術(shù) 人員來說,在不脫離本發(fā)明原理的前提下,還可W做出若干改進(jìn)和等同替換,運(yùn)些對本發(fā)明 權(quán)利要求進(jìn)行改進(jìn)和等同替換后的技術(shù)方案,均落入本發(fā)明的保護(hù)范圍。
【主權(quán)項】
1. 一種用于高速公路路面應(yīng)變測量的數(shù)字圖像采集分析方法,其特征在于,該方法包 括以下步驟: 步驟1:測量車置于待測高速公路路面上,圖像采集裝置固定于測量車的正前面; 步驟2:用所述圖像采集裝置采集標(biāo)定板圖像,計算得到圖像采集裝置的參數(shù),所述圖 像采集裝置的參數(shù)包括鏡頭畸變參數(shù)矩陣及內(nèi)部參數(shù)矩陣和外部參數(shù)矩陣; 步驟3:在路面建成時,測量車以速度V在路面行駛,v = f X w/2,其中f為圖像采集裝置 的采集幀頻,w為圖像采集裝置的視場大小,圖像采集裝置連續(xù)拍攝路面圖像并進(jìn)行保存, 得到初始狀態(tài)的一系列圖像,作為狀態(tài)〇; 步驟4:在路面待檢測時刻,測量車以同樣速度在路面行駛,圖像采集裝置連續(xù)拍攝路 面圖像并進(jìn)行保存,得到該狀態(tài)的一系列圖像,作為狀態(tài)1; 步驟5:利用所述步驟2得到的鏡頭畸變參數(shù)矩陣,將步驟3及步驟4得到的狀態(tài)O和狀態(tài) 1的序列圖像分別進(jìn)行畸變校正,對畸變校正后的狀態(tài)〇和狀態(tài)1序列圖像分別進(jìn)行圖像拼 接,得到包含整個路面的圖像〇和圖像1; 步驟6:用數(shù)字圖像相關(guān)法對所述步驟5處理得到的圖像O和圖像1進(jìn)行分析,得到路面 的全場應(yīng)變。2. 根據(jù)權(quán)利要求1所述的用于高速公路路面應(yīng)變測量的數(shù)字圖像采集分析方法,其特 征在于,所述步驟1)中的圖像采集裝置為單相機(jī),多相機(jī),或相機(jī)陣列。3. 根據(jù)權(quán)利要求1所述的用于高速公路路面應(yīng)變測量的數(shù)字圖像采集分析方法,其特 征在于,所述步驟1)中的圖像采集裝置分辨率至少為2000*2000像素。4. 根據(jù)權(quán)利要求1、2或3所述的用于高速公路路面應(yīng)變測量的數(shù)字圖像采集分析方法, 其特征在于,所述的步驟5)中圖像拼接的方法為:對于每組序列圖像,利用SURF特征點檢 測,找到所有圖像上的特征點,利用最近距離比次近距離的特征點匹配方法對相鄰圖像間 進(jìn)行特征點提純,得到兩幅圖像特征點的粗匹配關(guān)系,使用隨機(jī)抽樣一致算法對粗匹配的 特征點進(jìn)行進(jìn)一步提純,得到兩幅圖像特征點的細(xì)匹配關(guān)系,對細(xì)匹配的特征點使用數(shù)字 圖像相關(guān)法找到兩幅圖像更為精確的匹配特征點對的圖像坐標(biāo)( Xl,和(Xl,2,yi,2),采 用如下公式計算圖像的單應(yīng)變換矩陣H: 其中i為匹配的特征點編號;最后利用雙三次樣條插值方法進(jìn)行圖像插值及融合。5. 根據(jù)權(quán)利要求1、2或3所述的用于高速公路路面應(yīng)變測量的數(shù)字圖像采集分析方法, 其特征在于,所述步驟2中鏡頭畸變參數(shù)矩陣包括6階徑向畸變參數(shù)K 1、K2、K3、K4、K5、K6和2階 切向畸變參數(shù)Ρι、Ρ2。
【文檔編號】E01C23/01GK106012778SQ201610331578
【公開日】2016年10月12日
【申請日】2016年5月18日
【發(fā)明人】何小元, 劉聰
【申請人】東南大學(xué)
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1