三维形变监测方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了三维形变监测方法、装置、计算机设备及存储介质。所述方法包括：获取监测目标上采用双靶标L型布点方式安装靶标的监测区域的图片；对所述图片进行预处理，以得到预处理结果；对所述预处理结果进行边缘梯度匹配，以得到匹配结果；对所述匹配结果进行亚像素拟合，以得到拟合结果；对所述拟合结果进行三维形变量聚合，以得到监测结果。通过实施本发明专利技术实施例的方法可实现避免相机内外参的标定，能够应对多变的监测环境，简化计算过程，相机基线无限制测量范围。相机基线无限制测量范围。相机基线无限制测量范围。

【技术实现步骤摘要】
三维形变监测方法、装置、计算机设备及存储介质


[0001]本专利技术涉及三维形变监测方法，更具体地说是指三维形变监测方法、装置、计算机设备及存储介质。

技术介绍

[0002]随着经济的发展，市场对基于视觉的形变监测技术需求将原来越大，特别是在安全预警、质量控制领域，物体的三维形变监测在工业很多场景都具备很强的应用需求，目前常用的是基于双目视觉的立体匹配技术进行结构体的三维形变监测，其主要流程包括：进行相机内外参的标定；双目矫正；双目立体匹配生成视差图；获取深度信息；计算结构体前后三维形变量。
[0003]现有的技术由于相机生产工艺的差异，双目系统内外参标定误差较大，导致系统的误差，难以实现对结构体高精度的形变监测；双目视觉算法对光照变化非常的敏感，在户外场景很不稳定；计算复杂度高；由于测量范围和两个摄像头间距构成的基线关系很大：基线越大，测量范围越远；基线越小，测量范围越近，相机基线限制了测量范围。
[0004]因此，有必要设计一种新的方法，实现避免相机内外参的标定，能够应对多变的监测环境，简化计算过程，相机基线无限制测量范围。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的缺陷，提供三维形变监测方法、装置、计算机设备及存储介质。
[0006]为实现上述目的，本专利技术采用以下技术方案：三维形变监测方法，包括：
[0007]获取监测目标上采用双靶标L型布点方式安装靶标的监测区域的图片；
[0008]对所述图片进行预处理，以得到预处理结果；
[0009]对所述预处理结果进行边缘梯度匹配，以得到匹配结果；
[0010]对所述匹配结果进行亚像素拟合，以得到拟合结果；
[0011]对所述拟合结果进行三维形变量聚合，以得到监测结果。
[0012]其进一步技术方案为：所述对所述图片进行预处理，以得到预处理结果，包括：
[0013]对所述图片进行灰度化处理，以得到灰度图像；
[0014]对所述灰度图像进行平滑去噪以及ROI区域的检测，以得到预处理结果。
[0015]其进一步技术方案为：所述对所述预处理结果进行边缘梯度匹配，以得到匹配结果，包括：
[0016]根据所述预处理结果将所述图片和模板图像进行灰度化；
[0017]分别计算所述图片和模板图像的X轴和Y轴方向的边缘梯度图像，以得到所述图片的梯度特征矩阵以及所述模板图像的梯度特征矩阵；
[0018]将所述图片的梯度特征矩阵以及所述模板图像的梯度特征矩阵进行像素点的相似度匹配，以得到匹配结果。
[0019]其进一步技术方案为：所述将所述图片的梯度特征矩阵以及所述模板图像的梯度特征矩阵进行像素点的相似度匹配，以得到匹配结果，包括：
[0020]采用标准相关系数匹配算法评估所述图片的梯度特征矩阵以及所述模板图像的梯度特征矩阵之间的相似度，以获取像素维度的相似度匹配矩阵，形成所述匹配结果。
[0021]其进一步技术方案为：所述对所述匹配结果进行亚像素拟合，以得到拟合结果，包括：
[0022]筛选所述匹配结果中匹配度最高的像素位的八邻域，并进行二项式曲面拟合，以得到曲面；
[0023]提取所述曲面的极值点所在的亚像素位置，以得到拟合结果。
[0024]其进一步技术方案为：所述对所述拟合结果进行三维形变量聚合，以得到监测结果，包括：
[0025]提取水平面靶标图像尺寸和垂直面靶标图像尺寸；
[0026]分别计算水平面和垂直面尺度转换因子；
[0027]将所述拟合结果乘以对应的尺度转换因子，以得到两个平面的实际高精度二维形变量；
[0028]将两个平面的实际高精度二维形变量中两平面重合方向的均值为水平面和垂直面重合方向的形变量；
[0029]计算重合方向的残差量；
[0030]根据所述水平面和垂直面重合方向的形变量减去对应的残差量，以得到监测结果。
[0031]本专利技术还提供了三维形变监测装置，包括：
[0032]获取单元，用于获取监测目标上采用双靶标L型布点方式安装靶标的监测区域的图片；
[0033]预处理单元，用于对所述图片进行预处理，以得到预处理结果；
[0034]匹配单元，用于对所述预处理结果进行边缘梯度匹配，以得到匹配结果；
[0035]拟合单元，用于对所述匹配结果进行亚像素拟合，以得到拟合结果；
[0036]聚合单元，用于对所述拟合结果进行三维形变量聚合，以得到监测结果。
[0037]其进一步技术方案为：所述预处理单元包括：
[0038]灰度化子单元，用于对所述图片进行灰度化处理，以得到灰度图像；
[0039]检测子单元，用于对所述灰度图像进行平滑去噪以及ROI区域的检测，以得到预处理结果。
[0040]本专利技术还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
[0041]本专利技术还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。
[0042]本专利技术与现有技术相比的有益效果是：本专利技术通过双靶标L型布点，并采用单目相机获取监测区域的图片，避免相机内外参的标定，对图片进行预处理后，进行边缘梯度匹配、亚像素拟合以及三维形变量聚合，能够应对多变的监测环境，简化计算过程，相机基线无限制测量范围。
[0043]下面结合附图和具体实施例对本专利技术作进一步描述。
附图说明
[0044]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0045]图1为本专利技术实施例提供的三维形变监测方法的应用场景示意图；
[0046]图2为本专利技术实施例提供的三维形变监测方法的流程示意图；
[0047]图3为本专利技术实施例提供的三维形变监测方法的子流程示意图；
[0048]图4为本专利技术实施例提供的三维形变监测方法的子流程示意图；
[0049]图5为本专利技术实施例提供的三维形变监测方法的子流程示意图；
[0050]图6为本专利技术实施例提供的三维形变监测方法的子流程示意图；
[0051]图7为本专利技术实施例提供的L型布点示意图；
[0052]图8为本专利技术实施例提供的三维形变监测装置的示意性框图；
[0053]图9为本专利技术实施例提供的三维形变监测装置的预处理单元的示意性框图；
[0054]图10为本专利技术实施例提供的三维形变监测装置的匹配单元的示意性框图；
[0055]图11为本专利技术实施例提供的三维形变监测装置的拟合单元的示意性框图；
[0056]图12为本专利技术实施例提供的三维形变监测装置的聚合单元的示意性框图；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.三维形变监测方法，其特征在于，包括：获取监测目标上采用双靶标L型布点方式安装靶标的监测区域的图片；对所述图片进行预处理，以得到预处理结果；对所述预处理结果进行边缘梯度匹配，以得到匹配结果；对所述匹配结果进行亚像素拟合，以得到拟合结果；对所述拟合结果进行三维形变量聚合，以得到监测结果。2.根据权利要求1所述的三维形变监测方法，其特征在于，所述对所述图片进行预处理，以得到预处理结果，包括：对所述图片进行灰度化处理，以得到灰度图像；对所述灰度图像进行平滑去噪以及ROI区域的检测，以得到预处理结果。3.根据权利要求1所述的三维形变监测方法，其特征在于，所述对所述预处理结果进行边缘梯度匹配，以得到匹配结果，包括：根据所述预处理结果将所述图片和模板图像进行灰度化；分别计算所述图片和模板图像的X轴和Y轴方向的边缘梯度图像，以得到所述图片的梯度特征矩阵以及所述模板图像的梯度特征矩阵；将所述图片的梯度特征矩阵以及所述模板图像的梯度特征矩阵进行像素点的相似度匹配，以得到匹配结果。4.根据权利要求3所述的三维形变监测方法，其特征在于，所述将所述图片的梯度特征矩阵以及所述模板图像的梯度特征矩阵进行像素点的相似度匹配，以得到匹配结果，包括：采用标准相关系数匹配算法评估所述图片的梯度特征矩阵以及所述模板图像的梯度特征矩阵之间的相似度，以获取像素维度的相似度匹配矩阵，形成所述匹配结果。5.根据权利要求1所述的三维形变监测方法，其特征在于，所述对所述匹配结果进行亚像素拟合，以得到拟合结果，包括：筛选所述匹配结果中匹配度最高的像素位的八邻域，并进行二项式曲面拟合，以得到曲面；提取所述曲面的极值...

【专利技术属性】
技术研发人员：杨平，李显红，张会，张之详，孙红伟，
申请(专利权)人：杭州鲁尔物联科技有限公司，
类型：发明
国别省市：