一种高速实时形变监测方法及系统技术方案

本发明专利技术公开了一种高速实时形变监测方法及系统。通过将高频、低误差的惯性传感器与低频、无偏置的基于视觉的相对姿态估计相融合输入到高效扩展卡尔曼滤波器(EKF)中，实现了两个像机‑惯性测量单元装置间相对位姿的高速实时估计。基于此对大型结构待监测点进行交会测量，将待监测点形变数据统一到指定的全局坐标系下，实现其形变自动监测。相比之前的方法，本发明专利技术提出的方法，测量设备成本低廉且测量精度高、频率高、速度快，具有重要的理论研究意义和广泛的应用前景。

【技术实现步骤摘要】
一种高速实时形变监测方法及系统
本专利技术属于形变监测领域，尤其涉及一种高速实时形变监测方法及系统。
技术介绍
大型结构的形变测量是其动态性能实验、质量检验和安全监测的关键一环，在实际中具有重要应用价值，例如，大型飞行器飞行试验过程中要求在线实时监测机体的形变。大型结构的形变测量主要面临以下问题：(1).由于大型结构自身及其周围地基随着时间推移或者外部施加作用下均可能存在变形，导致安装在其结构或周围地基上的双目像机之间的安装关系一直在变化，难以直接实施交会测量，故必须在形变监测过程中实时标定像机之间的安装关系；(2).大型结构的形变测量同时要求测量的频率高，采用高速像机的图像数据处理量大，对平台计算处理能力要求较高，而野外实验中监测平台通常计算能力有限。目前，形变测量方法有接触式的和非接触等方法。接触式测量方法会对测量对象本身造成干扰，而且测量系统布置繁琐、测量点有限，无法满足对大型结构形貌和变形进行全场、高精度测量以及动态监测的需求。GPS形变监测虽能较好地解决这一问题，但是又具有较高成本和苛刻条件：如每个观测点都需要布设接收机天线；测量必须在GPS信号较好的条件下。非接触测量方法主要是摄影测量和摄像测量方法，国防科技大学于起峰院士提出的串联像机网络、串并联像机网络的测量方法，利用测量单元内部的固连约束和像机成像的几何约束关系，解算待测点在全局坐标系的动态形变数据，较好的解决了问题(1)，但是其测量需要用到多组像机增大了控制误差传递方面的挑战，而且测量频率受制于平台的处理能力。
技术实现思路
<br>本专利技术要解决的技术问题是怎样在现有平台计算处理性能条件下，快速准确的在线对大型结构进行测量，提出了一种高速实时形变监测方法及系统。为解决该问题，本专利技术所采用的技术方案是：一种高速实时形变监测方法，包括以下步骤：步骤1：根据大型结构形变监测的现场要求，设立像机-惯性测量单元装置对构成双目视觉测量，选取某一测量单元装置坐标系作为全局坐标系；步骤2：所述测量单元装置对同步采集待测目标的图像、测量单元装置的姿态角和加速度信息作为测量数据；步骤3：根据步骤2中同步采集的测量数据，以及所述测量单元装置安装初始时刻两组所述测量单元装置之间的相对位姿构建扩展卡尔曼滤波预测模型，实时估计出两组测量单元装置之间的相对位置和姿态；步骤4：根据实时估计出的两组测量单元装置之间的相对位置和姿态，通过双目或者多目交会测量待测点在所述全局坐标系中的三维坐标，获得所有待测点在全局坐标系下的动态形变数据；本专利技术还提供了一种高速实时形变监测系统，包括处理器，以及与所述处理器连接的存储器，所述存储器存储有一种高速实时形变监测方法的程序，所述程序执行时实现上述方法的步骤。与现有技术相比，本专利技术所取得的有益效果是:本专利技术一种高速实时形变监测方法通过将高频、低方差的惯性传感器与低频、无偏置的基于视觉的相对姿态估计相融合输入到高效扩展卡尔曼滤波器(EKF)中，实现测量单元装置间相对位置和姿态的高速实时估计，在得到测量单元装置件的相对位置和姿态后，选择某一测量单元坐标系作为形变监测的全局坐标系，通过双目或多目像机交会测量待监测点在该全局坐标系中的三维位置，就可以获得大型结构的连续形变数据。本专利技术通过将测量数据和先验知识构建扩展卡尔曼滤波预测模型，实时估计出两组测量单元装置之间的相对位置和姿态，因此只要两个测量装置的在满足视场覆盖监测范围的条件下位置选取不限。像机和惯性测量单元融合的高速实时形变监测方法可根据工程现场情况安装测量单元，实现大型结构待测量点形变的自动监测。本专利技术由于使用的是两组测量单元装置之间的相对位置和姿态，利用惯性传感器的高频、低方差特点，实现了对大型结构形变的实时、高速、自动、高精度、长时间、连续测量，并且测量设备成本低且测量精度高，速度快。附图说明图1为高速实时的大型结构形变测量方法流程示意图；图2为双目视觉测量示意图；图3为高速实时形变测量方法工作场景直观图。具体实施方式下面给出本专利技术一种高速实时形变监测方法的具体实施例，以两个测量单元监测斜拉桥沉降为例，测量核心方法流程如图1所示，工作场景直观图如图3，具体包括以下步骤：步骤1：根据大型结构形变监测的现场要求，设立像机-惯性测量单元装置对构成双目视觉测量，选取某一测量单元装置坐标系作为全局坐标系。本实施例中的像机-惯性测量单元装置，由像机和惯性测量单元组成。所述像机和惯性测量单元在组装时像机和惯性测量单元的位置应满足两个条件：便于标定计算；重心尽量靠近(增加安装的稳定性)。本实施例中的像机沿用了摄像测量学中的习惯，侧重于动态、实时的采集图像和测量，具体类型和型号可根据实际需要和采样频率来选定。惯性测量单元则为包含了三个单轴的加速度计和三个单轴的陀螺仪，可测量物体在三维空间中的角速度和加速度的装置，具体类型和型号可根据实际需要和采样频率来选定。如图3所示，用于沉降测量的仪器设备包括两个像机-惯性测量单元1和1*、一个合作标志2-2，测量对象为斜拉桥2，不妨取P为其上具体一待测点2-1。坐标系包括全局坐标系3、合作标志坐标系4、测量单元坐标系5，注意本实例中全局坐标系与某一测量单元坐标系一致。所述像机-惯性测量单元1和1*均包含像机1-1和惯性测量单元1-2，其中像机和惯性测量单元的安装位置可以通过标定获得，之所以标定是因为如果随意安装往往会导致计算上不必要的复杂度。步骤2：所述测量单元装置对同步采集待测目标的图像、测量单元装置的姿态角和加速度信息作为测量数据；步骤3：根据步骤2中同步采集的测量数据，以及所述测量单元装置安装初始时刻两组所述测量单元装置之间的相对位姿构建扩展卡尔曼滤波预测模型，实时估计出两组测量单元装置之间的相对位置和姿态；本实施例中构建扩展卡尔曼滤波预测模型的方法是：1)建立状态向量x；其中，ωi,i＝1,2表示第i个像机-惯性测量单元装置在其测量单元坐标系下的角速度；ai,i＝1,2表示第i个像机-惯性测量单元装置在全局坐标系下的线性加速度；表示两个像机-惯性测量单元装置之间的相对方位的旋转Hamilton四元数,其中第一个元素是实部，剩下的元素是虚部；v表示两个像机-惯性测量单元装置之间的相对速度；p表示两个像机-惯性测量单元装置之间的相对位置；2)列出状态方程：式中，ω'1、ω'2、p'、v'、a'1、a'2分别表示ω1、ω2、p、v、a1、a2对时间的导数；假设角速度ω1,ω2和线性加速度a1,a2满足独立随机的零均值高斯分布，分别表示为为了方便计算，角速度向量改写为C表示对应四元数的旋转矩阵，表示斜对称矩阵。3)误差的状态表示；根据状态向量x，则误差状态向量表示为：则误差状态方程更新为：...

【技术保护点】
1.一种高速实时形变监测方法，其特征在于，包括以下步骤：/n步骤1：根据大型结构形变监测的现场要求，设立像机-惯性测量单元装置对构成双目视觉测量，选取某一测量单元装置坐标系作为全局坐标系；/n步骤2：所述测量单元装置对同步采集待测目标的图像、测量单元装置的姿态角和加速度信息作为测量数据；/n步骤3：将所述测量数据输入到扩展卡尔曼滤波预测模型中，实时估计出两组测量单元装置之间的相对位姿；/n步骤4：根据实时估计出的两组测量单元装置之间的相对位姿，通过双目或者多目交会测量待测点在所述全局坐标系中的三维坐标，获得所有待测点在全局坐标系下的动态形变数据。/n

【技术特征摘要】
1.一种高速实时形变监测方法，其特征在于，包括以下步骤：
步骤1：根据大型结构形变监测的现场要求，设立像机-惯性测量单元装置对构成双目视觉测量，选取某一测量单元装置坐标系作为全局坐标系；
步骤2：所述测量单元装置对同步采集待测目标的图像、测量单元装置的姿态角和加速度信息作为测量数据；
步骤3：将所述测量数据输入到扩展卡尔曼滤波预测模型中，实时估计出两组测量单元装置之间的相对位姿；
步骤4：根据实时估计出的两组测量单元装置之间的相对位姿，通过双目或者多目交会测量待测点在所述全局坐标系中的三维坐标，获得所有待测点在全局坐标系下的动态形变数据。


2.根据权利要求1所述的方法，其特征在于，所述像机-惯性测量单元装置，由像机和惯性测量单元组成。


3.根据权利要求1所述的方法，其特征在于，所述扩展卡尔曼滤波预测模型为：
1)建立状态向量x；



其中，ωi,i＝1,2表示第i个像机-惯性测量单元装置在其测量单元坐标系下的角速度；
ai,i＝1,2表示第i个像机-惯性测量单元装置在全局坐标系下的线性加速度；

表示两个像机-惯性测量单元装置之间的相对方位的旋转Hamilton四元数,其中第一个元素是实部，剩下的元素是虚部；
v表示两个像机-惯性测量单元装置之间的相对速度；
p表示两个像机-惯性测量单元装置之间的相对位置；
2)列出状态方程：





















式中，ω'1、ω'2、p'、v'、a'1、a'2分别表示ω1、ω2、p、v、a1、a2对时间的导数；
假设角速度ω1,ω2和线性加速度a1,a2满足独立随机的零均值高斯分布，分别表示为为了方便计算，角速度向量改写为C表示对应四元数的旋转矩阵，表示斜对称矩阵。
3)误差的状态表示；根据状态向量x，则误差状态向量表示为：



则误差状态方程更新为：





















其中为的旋转矩阵，

表示估计状态，Δ代表一个加性误差的误差状态，δθ表示的误差；
4)预测状态协方差：
对于连续系统矩阵




表示斜对称矩阵；
对于噪声矩阵其中



假设连续系统矩阵Fc在其积分区间连续，则给定时间变化量Δt有Fd＝exp(Δt·Fc)展开为即Fd≈I+FcΔt，I为单位矩阵；
连续时间噪声协方差矩阵为
离散时间噪声协方差矩阵为：



则状态协方差更新为：



5)状态预测，基于上述公式，扩展卡尔曼滤波的状态预测推导结果为：









各符号中的下标k表示第k个时刻的估计值，k+1表示根据第k时刻的估计值所预测出的第k+1时刻的预测值，ai,k表示第i个像机-惯性测量单元装置在k时刻全局坐标系下的线性加速度，ωi,k表示表示第i个像机-惯性测量单元装置在其测量单元坐标系下的角速度。


4.根据权利要求2所述的方法，其特征在于，步骤3中根据卡尔曼滤波预测模型进行实时估计两组测量单元装置之间的相对位姿的估计方法是：<...

【专利技术属性】
技术研发人员：关棒磊，余英建，于起峰，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43