環形結構全場變形測量方法技術

本發明專利技術公開了一種環形結構全場變形測量方法，所述方法以單個全景相機作為數據采集設備，數據的處理過程分為全景圖像展開和標定、結構的節點自動提取和節點中心坐標亞像素計算三個步驟。其中步驟一根據全景相機成像模型和立方體投影方法對多個方向分解投影的方法得到覆蓋環形結構全場范圍的去畸變平面圖像，步驟二采用一種增加了微小目標檢測層和注意力機制的深度學習網絡自動化地提取每個節點的范圍，步驟三采用感知哈希方法聚類和一種基于亞像素直線檢測和擬合的方法精確計算節點坐標。本發明專利技術所提出方法克服了常用的全場變形測量方法依賴復雜的多相機測量系統的缺點，具有便捷易實施、成本低和魯棒性高的優點。成本低和魯棒性高的優點。成本低和魯棒性高的優點。

【技術實現步驟摘要】
環形結構全場變形測量方法


[0001]本專利技術屬于結構健康監測及測量領域，更具體地說，涉及一種基于全景相機和深度學習輔助定位的環形結構全場變形測量方法。

技術介紹

[0002]對于重要的大型體育場館，在建造前對它的比例縮尺模型進行荷載試驗和模擬特殊施工工況是分析場館承載能力和合理規劃施工順序的重要手段。在荷載試驗和施工工況模擬中，需要對結構全場范圍內的變形進行精確測量，以分析結構的變形狀態和力學性能。傳統的變形測量方法如粘貼應變片，布設位移傳感器等可以對結構變形情況進行精確測量，在構件實驗中(特別是混凝土構件)得到廣泛應用，但這種方法的測量量程有限，且需要提前布設大量傳感器，無法滿足大尺寸縮尺模型在大變形情況下的全場變形測量要求。基于視覺的測量方法是近年來被廣泛關注的一項低成本、高精度的測量方法，它利用相機捕捉結構在成像平面的像素變化，再根據成像平面與三維物體的對應關系得到結構的真實變形，因此一般只需要少數相機和嵌入算法的計算機組成的簡單測量系統即可對大范圍結構的變形情況進行測量。本文針對一座環形體育館的大尺寸縮尺模型的全場變形測量問題，提出一種基于全景相機和機器視覺算法的低成本環形結構變形快速測量方法。
[0003]基于視覺的測量方法隨著近年來相機性能的飛速提升和計算機視覺相關算法的逐步完善，已經發展出針對不同測量對象的多種測量方法，這些方法從小到微電子檢測到大到千米級橋梁的變形測量中都得到了應用，一般可以分為有靶標的測量方法和無靶標的測量方法。其中有靶標的測量方法一般需要在結構上預先粘貼特殊設計的靶標，如各種形狀的編碼點、紅外靶標和主動光源靶標，相機采集到包含靶標的圖像后，通過針對編碼點識別算法或包含特殊波長光的濾光片的鏡頭自動地識別圖像中靶標的位置，從而計算靶標的位移情況。無靶標的測量方法一般是根據測量物體本身的幾何特征或者紋理特征，設置特征檢測器，再根據前后圖像的匹配關系計算檢測的特征的變化，從而得到像素位移。這類方法包括采用邊緣檢測、直線檢測的方法提取目標邊緣，從而計算前后兩幀圖像中目標的位移，以及基于數字圖像相關的方法。其中數字圖像相關因其具有較好的穩定性和精度，已經成為了最常用的視覺測量方法之一。
[0004]對于環形體育場館縮尺模型的全場變形測量，應用視覺測量方法存在兩個問題亟待解決。1.單個相機的視場有限，無法同時拍攝大尺寸環形縮尺模型的所有待測節點；2.縮尺模型由細長的桿件和拉索組成，結構錯綜復雜且待測的節點位置紋理少，在復雜的測試環境下采用現有的視覺測量方法容易丟失目標或產生誤匹配。
[0005]針對大尺寸環形結構的測量問題，采用多相機組成的測量系統可以獲取結構的大范圍全場變形。一些學者提出了兩種多攝像頭數字圖像相關系統的空間數據拼接策略，并討論了兩種策略應用于大尺寸工業裝置的變形測量的可行性。有學者提出了一種用于測量具有分布的、不重疊感興趣區域的大型工程物體的多攝像機數字圖像相關方法和系統，并將其應用于一座跨度18m的結構的三維變形測量中。一些學者建立四攝像機視覺系統，并研
究了用于多相機相關的局部標定和全局標定方法以及優化點云縫合的點云校正方法，為多相機系統的視覺應用提供基礎。一些學者研究了基于目標的和基于校準的多攝像頭立體DIC方法應用于細長構件變形測量中的性能，搭建了一套包含9個相機的測量系統，并將其應用于一根長900mm混凝土梁的變形測量中。上述研究證明了多相機測量系統在測量大尺寸結構的變形時能兼顧大視場和高精度的有點，但多相機系統具有組成復雜、成本高和需要在測量前完成復雜的標定的問題，單個相機的最佳測量視場大小固定，要增加測量視場必須要成倍地增加相機的數量，對于一個直徑十余米的環形體育場館縮尺模型，需要超過10臺相機組成視場相互重疊的多相機測量系統，這種方法無疑是復雜且成本高的。全景相機是一種能同時獲取周圍360
°
范圍環境的相機，隨著成像技術的日益進步，低成本和高度集成化的全景相機已經廣泛應用到了攝影和VR領域。在結構健康檢測中，一些學者也提出了應用全景相機或360
°
全景圖克服傳統相機的局限性。一些學者提出了一種基于街景服務360
°
全景圖的災后建造物的損壞情況評估方法，通過運用基于區域的卷積神經網絡自動識別并提取全景圖中的建筑物。一些學者設計了一種基于全景圖像的結構表面損傷檢測網絡，克服了傳統深度學習網絡無法處理高分辨率和高扭曲變形的全景圖像的問題。全景相機具備遠超普通相機的視場大小和高分辨率，但目前為止，關于在結構健康檢測中應用全景相機的研究還非常少，關于應用全景相機測量結構全場變形也尚未被研究。

技術實現思路

[0006]基于以上現狀，本專利技術提供了一種基于全景相機和深度學習輔助定位的環形結構全場變形測量方法。該方法的核心包括兩部分，(1)針對大尺寸環形縮尺模型的全場變形測量問題，提出采用單個全景相機獲取360
°
全場圖像，根據全景相機的成像原理將具有明顯扭曲的全景圖像采用六面體模型投影到前后左右上下六個方向，然后通過對各個方向的標定得到用于測量的去畸變圖像；(2)針對節點變形的測量問題，提出采用基于注意力機制改進的YOLO v5模型解決小節點的范圍檢測問題，然后對所檢測的大量節點范圍采用感知哈希算法聚類圖像，最后通過亞像素直線檢測擬合的方法定位節點的中心點坐標，實現全場節點位移的快速測量。
[0007]為解決上述技術問題，本專利技術的技術方案如下：
[0008]本專利技術的第一方面，提供一種環形結構全場變形測量方法，包括如下步驟：S1、全景圖像的展開和標定；S2、測量位置范圍自動提取；S3、各個范圍位置的實際位移計算。
[0009]所述S1的具體步驟為：根據全景相機成像模型和立方體投影方法對多個方向分解投影的方法得到覆蓋環形結構全場范圍的去畸變平面圖像。
[0010]在所述S1中，對于與全景球面相切的投影面，設定視場角FOV＝90
°
，投影的平面圖大小為(w,h)，首先估計歸一化焦距：
[0011][0012]對于投影平面上的點(u,v)，轉換到球面坐標系為
[0013][0014]轉換到極坐標(θ,r)
[0015][0016]則全景圖的坐標(U,V)為
[0017][0018]所述S2的具體步驟為：對于全景圖在六個方向投影展開的圖片，采用獨立標定的方法分別標定；分別在全景相機的前后左右四個方向利用棋盤格標定板拍攝多張圖像，所得到的全景圖像經過上述投影分割后分別對四個方向的圖像采用張氏標定法進行標定。
[0019]所述S3的具體步驟為：采用感知哈希方法聚類和一種基于亞像素直線檢測和擬合的方法精確計算節點坐標。
[0020]全景圖像的展開和標定的目的是將全景圖像根據圓柱體投影和立方體投影方法從相機記錄的球面投影展開圖像轉化為前后左右上下六個面的正投影圖像，基于此，可以認為全景相機在六個面的方向都簡化為一個針孔模型的相機，因此分別采用張氏標定法進行標定，所標定的結果用于對六個面的圖像進行畸變校正。上述操本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種環形結構全場變形測量方法，其特征在于，包括如下步驟：S1、全景圖像的展開和標定；S2、測量位置范圍自動提取；S3、各個范圍位置的實際位移計算。2.根據權利要求1所述的方法，其特征在于，所述S1的具體步驟為：根據全景相機成像模型和立方體投影方法對多個方向分解投影的方法得到覆蓋環形結構全場范圍的去畸變平面圖像。3.根據權利要求2所述的方法，其特征在于，在所述S1中，對于與全景球面相切的投影面，設定視場角FOV＝90
°
，投影的平面圖大小為(w,h)，首先估計歸一化焦距：對于投影平面上的點(u,v)，轉換到球面坐標系為轉換到極坐標(θ,r)則全景圖的坐標(U,V)為4.根據權利要求1所述的方法，其特征在于，所述S2的具體步驟為：對于全景圖在六...

【專利技術屬性】
技術研發人員：蔣賞，黃正榮，魏佳北，張建，
申請(專利權)人：中鐵建蘇州設計研究院有限公司，
類型：發明
國別省市：