一种基于机器视觉的桥墩变形的监测系统及方法

1.本发明属于计算机视觉技术领域，尤其是一种基于机器视觉的桥墩变形的监测系统及方法。


背景技术：

2.随着城市人口的不断增加，地铁逐渐成为城市中的重要交通运输方式。许多地铁车站建设在城市繁华的地段，周围常有公路桥等桥墩建筑物。在地铁车站地基施工过程中会引起地表移动和变形，地基施工势必对桥墩造成影响。在地基施工中，桥墩桩基的位移情况是判定现场施工环境安全的一个重要指标，为保证地基施工的安全性以及桥墩的稳定性，需要对桥墩桩基的位移情况进行监测。
3.目前，传统的位移监测方法多为接触式，往往需要在现场进行数据处理工作，接触式测量具有不便储存、实时传输性差、自动化程度低的缺点。采用激光测距仪测量位移的成本较高，监测时受激光发射方向的限制；全球定位系统法测量精度低，且受卫星状态影响。


技术实现要素：

4.本发明的目的在于克服现有技术的不足，提出一种基于机器视觉的桥墩变形的监测系统及方法，能够在对桥墩变形的监测过程中，提高抗干扰能力、提高测量距离和实时性。
5.本发明解决其技术问题是采取以下技术方案实现的：
6.一种基于机器视觉的桥墩变形的监测系统，包括实时图像获取模块、图像处理模块、特征点识别模块和位移转换模块，其中实时图像获取模块、图像处理模块、特征点识别模块和位移转换模块依次连接，实时图像获取模块使用多线程程序实现多台相机实时监测多个桥梁桩基的沉降，并且多线程程序在同一台cpu上运行；图像处理模块用于将实时图像处理为二值图像；特征点识别模块用于识别二值图像中特征点信息；位移转换模块用于将特征点信息转换为桥墩的实际位移。
7.一种基于机器视觉的桥墩变形的监测系统的监测方法，包括以下步骤：
8.步骤1、实时图像获取模块使用多线程程序实现多台相机实时监测多个桥梁桩基的沉降，同时多线程程序在同一台cpu上运行；
9.步骤2、图像处理模块将实时图像转换为二值图像；
10.步骤3、特征点识别模块采用圆形矩阵质心法检测二值图像中特征图像中心点；
11.步骤4、位移转换模块根据所述特征图像中心点的坐标信息确定桥墩的位移。
12.而且，所述步骤1的具体实现方法为：使用多线程程序实现多台相机实时监控多个桥梁桩基的沉降，同时多线程程序在同一台cpu上运行；提取所述实时图像中感兴趣的图像，作为待处理实时图像。
13.而且，所述步骤2的具体实现方法为：每台相机的实时图像使用各自的通道转换为二值图像，其中二值化图像当前像素点的灰度值根据实时图像结合设定的灰度值阈值进行
设定。
14.而且，所述灰度值阈值为当前像素点进行增大或减少的判定标准。
15.而且，所述步骤3的具体实现方法为：通过监测二值图像的灰度分布特征确定边缘轮廓，进行特征匹配：识别出每个圆形的外接正方形，根据外接正方形准确得到四个圆心的位置，然后，以四个圆心为顶点构建矩形，最终通过矩形构建对角线方式得到特征点中心在像素坐标系中的坐标。
16.而且，所述步骤4的具体实现方法为：确定特征图像中心点在像素坐标系中的坐标之后，根据实时特征图像中心点坐标与初始特征图像中心点坐标的变化量确定桥墩的位移。
17.本发明的优点和积极效果是：
18.本发明通过获得多台相机采集的桥梁桩基的沉降图像，进行多数据统计计算，实时监测了多个目标值图像的特征信息，实时在线监测桥墩的安全，同时可以根据视觉处理的特性简化后续图像处理过程，并根据匹配的特征点确定桥墩的位移，实现了桥墩位移的实时、无损监测，监测速度快，且检测方法适用范围广、精度高和抗扰能力强，可以同时实时精准监测多个目标值的位移变化。
附图说明
19.图1为本发明实施例1的流程图；
20.图2为本发明实施例2的流程图；
21.图3为本发明实施例3的流程图。
具体实施方式
22.以下结合附图对本发明做进一步详述。
23.实施例1
24.图1是本发明实施例1提供的一种基于机器视觉的桥墩位移的监测方法的流程图，本实施例可实用于多个桥墩位移的检测情况，本发明可以由桥墩位移的监测装置或服务器执行，该装置可以通过软件和硬件相结合的方式实现，如图1所示，该方法具体包括如下步骤：
25.步骤11、搭建多线程平台。
26.多线程程序是指将多个线程同时在一台cpu上运行。理论上，同一时间只能有一个线程在cpu上运行。利用python构建多线程通道，使多个线程能够同一时间在cpu上运行，实现同时控制多台相机同时监测多个桥梁桩基沉降。每个桥梁桩基与相机一一对应，同时与线程通道一一对应。同时这些线程通道相互独立，互不干涉，其中数据、内存不共享，每启动一个线程，都会独立分配资源和拷贝访问的数据。
27.步骤12、使用多线程程序实现多台相机实时监控多个桥梁桩基的沉降，同时多线程程序在同一台cpu上运行。
28.实时图像可以是多台相机的实时图像，也可以是某台指定相机的实时图像。多台相机指的是多台镜头和相机的组合。多台相机为包括相同镜头的多台工业相机和镜头组合。
29.使用多线程程序实现多台相机实时监控多个桥梁桩基的沉降，同时多线程程序在同一台cpu上运行；提取所述实时图像中感兴趣的图像，作为待处理图像。同时，感兴趣区域可以是操作人员指定的区域，也可以是通过机器学习算法获取的感兴趣区域，或者是默认的区域作为感兴趣区域。通过提取感兴趣区域，并将感兴趣区域提取后的图像作为后续图像处理的初始图像，减少了待处理图像的尺寸，降低算法的运算量，降低了对服务器的运算性能要求，同时提高了算法的效率、精度和鲁棒性。
30.步骤13、将所述实时图像转换为二值图像。
31.二值图像是指对实时图像进行二值化处理后得到的图像，每台相机的实时图像处理使用各自的通道(同一程序中不同的通道)转换为二值图像，所述二值化图像当前像素点的灰度值是根据所述的实时图像结合设定的灰度值阈值确定的，灰度值阈值是所述当前像素点进行增大或减少的判定标准。
32.待处理图像的左上角第一像素为坐标原点，向右为x轴正向，向下为y轴正向，建立像素坐标系，将任意像素(x,y)的灰度值与设定的灰度值阈值进行比较，高则变为255，低则变为0，以此类推，便可以的待处理图像的二值图像。将图像转换为二值图像的好处在于，使用二值图像是为了将特征点的特征更突出，减少重复运算，加快计算速度。
33.步骤14、采用圆形矩阵质心法检测所述二值图像中特征图像中心点。
34.特征图像中心点指的是二值图像中与使用标记物具有相同特征图形的中心点。通过监测二值图像的灰度分布特征来确定边缘轮廓，从而匹配特征。
35.其中，圆形矩阵质心法是指一种新型的特征匹配算法。标记物采用四个圆形特征，四个圆形特征的圆心分布在一个以标记物中心为中心的矩形的顶点处。根据二值化图像，首先识别出每个圆形的外接正方形，根据外接正方形准确得到四个圆心的位置，然后，以四个圆心为顶点构建矩形，最终通过矩形构建对角线方式得到特征点中心在像素坐标系中的坐标。
36.步骤15、根据所述特征图像中心点的坐标信息确定桥墩的位移。
37.确定特征图像中心点在像素坐标系中的坐标之后，根据实时特征图像中心点坐标与初始特征图像中心点坐标的变化量从而确定桥墩的位移。
38.将实时特征图像中心点坐标与初始特征图像中心点坐标做差值运算，差值与相机精度做四则运算得到桥墩的实际变化量。为了提高桥墩位移测量的精度，可以采集多张实时图像，根据多张实时图像获得的差值的平均值确定桥墩的位移。
39.本发明实施例的技术方案，通过获得多台相机采集的图像，多数据统计计算，实时监控了多个目标值图像的特征信息，实时在线监测桥墩的安全，同时可以根据视觉处理的特性简化后续图像处理过程，并根据所述特征图像中心点的坐标信息确定桥墩的位移，实现了桥墩位移的实时、无损监测，监测速度快，且检测方法适用范围广、精度高和抗扰能力强，可以同时实时精准监测多个目标值的位移变化。
40.实施例2
41.图2为本发明实施例2提供的一种基于机器视觉的桥墩变形的监测方法的流程图，本实施例是对实施例1的进一步细化，如图2所示，该方法包括如下步骤：
42.步骤21、搭建多线程平台。
43.步骤22、使用多线程程序实现多台相机实时监控多个桥梁桩基的沉降，同时多线
程程序在同一台cpu上运行。
44.步骤23、将所述实时图像转换为二值图像。
45.步骤24、将所述二值图像进行形态学处理，canny边缘检测得到特征图像外轮廓。对二值图像进行腐蚀、膨胀和canny边缘检测获得连续的特征图像外轮廓。
46.步骤25、根据所述的特征图像外轮廓获得目标圆的外接矩形。根据所述的特征图像外轮廓识别圆形特征，得到四个目标圆的外轮廓，然后根据四个目标圆的外轮廓做外接矩形，得到目标圆的外接矩形。
47.步骤26、根据所述的外接矩形的长宽利用解析法计算目标圆圆心坐标。
48.步骤27、根据目标圆圆心坐标计算出特征图像中心点坐标。
49.具体的，根据所述的目标圆圆心为顶点构建矩形，然后利用解析法计算出特征图像中心点坐标。
50.步骤28、根据所述特征图像中心点的坐标信息确定桥墩的位移。
51.本发明实施例的技术方案，通过根据形态学处理、canny边缘检测提取图像的特征点，生成稳定连续的边缘轮廓；通过对特征图像外轮廓进行圆形特征识别，提高识别精度和速度；通过多线程操作处理多台相机采集的图像，同时精准监控多个桥墩的位移数据，互不干涉，独立性强，提高可监控范围，增加使用方法适用性；根据所述特征图像中心点的坐标信息确定桥墩的位移，实现了桥墩位移的实时、无损监测，监测速度快，且检测方法适用范围广、精度高和抗扰能力强，可以同时实时精准监测多个目标值的位移变化
52.实施例3
53.图3是本发明实施例提供的一种基于机器视觉的桥墩变形的监测装置的示意图，如图3所示，该装置包括：多线程搭建模块31，实时图像获取模块32、图像处理模块33、特征点识别模块34、位移转换模块35。
54.多线程搭建模块用于在一个主程序中搭建多个线程通道，每一个线程通道都可以独立完成桥梁桩基沉降监测。
55.实时图像获取模块用于获取多台相机采集的实时图像，提取所述实时图像的感兴趣区域的图像，作为待处理图像。
56.图像处理模块包括图像预处理模块：用于在获取多台相机采集的实时图像之后、将所述实时图像转换为二值图像之前，对实时图像利用加权平均法进行灰度化，使用高斯滤波进行滤波处理，去除图像中的噪声影响。
57.特征点识别模块包括：特征点监测单元、外切矩阵获取单元、目标圆心计算单元和特征图像中心坐标确定单元。特征点监测单元用于根据圆形矩阵质心法识别所述二值图像的特征图像中心点，外切矩阵获取单元用于根据所述的特征图像外轮廓获得目标圆的外切矩形；目标圆心计算单元用于根据所述的外接矩形的长宽利用解析法计算目标圆圆心坐标；特征图像中心坐标确定单元用于根据目标圆圆心坐标计算出特征图像中心点坐标。
58.位移转换模块用于根据像素坐标系和世界坐标系之间的转换关系，确定像素与实际距离的转换因子，根据转换因子计算得到桥梁的位移。
59.需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

技术特征：
1.一种基于机器视觉的桥墩变形的监测系统，其特征在于：包括实时图像获取模块、图像处理模块、特征点识别模块和位移转换模块，其中实时图像获取模块、图像处理模块、特征点识别模块和位移转换模块依次连接，实时图像获取模块使用多线程程序实现多台相机实时监测多个桥梁桩基的沉降，并且多线程程序在同一台cpu上运行；图像处理模块用于将实时图像处理为二值图像；特征点识别模块用于识别二值图像中特征点信息；位移转换模块用于将特征点信息转换为桥墩的实际位移。2.一种如权利要求1所述基于机器视觉的桥墩变形的监测系统的监测方法，其特征在于：包括以下步骤：步骤1、实时图像获取模块使用多线程程序实现多台相机实时监测多个桥梁桩基的沉降，同时多线程程序在同一台cpu上运行；步骤2、图像处理模块将实时图像转换为二值图像；步骤3、特征点识别模块采用圆形矩阵质心法检测二值图像中特征图像中心点；步骤4、位移转换模块根据所述特征图像中心点的坐标信息确定桥墩的位移。3.根据权利要求2所述的一种基于机器视觉的桥墩变形的监测系统的监测方法，其特征在于：所述步骤1的具体实现方法为：使用多线程程序实现多台相机实时监控多个桥梁桩基的沉降，同时多线程程序在同一台cpu上运行；提取所述实时图像中感兴趣的图像，作为待处理实时图像。4.根据权利要求2所述的一种基于机器视觉的桥墩变形的监测系统的监测方法，其特征在于：所述步骤2的具体实现方法为：每台相机的实时图像使用各自的通道转换为二值图像，其中二值化图像当前像素点的灰度值根据实时图像结合设定的灰度值阈值进行设定。5.根据权利要求4所述的一种基于机器视觉的桥墩变形的监测系统的监测方法，其特征在于：所述灰度值阈值为当前像素点进行增大或减少的判定标准。6.根据权利要求2所述的一种基于机器视觉的桥墩变形的监测系统的监测方法，其特征在于：所述步骤3的具体实现方法为：通过监测二值图像的灰度分布特征确定边缘轮廓，进行特征匹配：识别出每个圆形的外接正方形，根据外接正方形准确得到四个圆心的位置，然后，以四个圆心为顶点构建矩形，最终通过矩形构建对角线方式得到特征点中心在像素坐标系中的坐标。7.根据权利要求2所述的一种基于机器视觉的桥墩变形的监测系统的监测方法，其特征在于：所述步骤4的具体实现方法为：确定特征图像中心点在像素坐标系中的坐标之后，根据实时特征图像中心点坐标与初始特征图像中心点坐标的变化量确定桥墩的位移。

技术总结
本发明涉及一种基于机器视觉的桥墩变形的监测系统及方法，使用多线程程序实现多台相机实时监控多个桥梁桩基的沉降，同时多线程程序在同一台CPU上运行；将实时图像转换为二值图像，采用圆形矩阵质心法检测二值图像中特征图像中心点；根据特征图像中心点的坐标信息确定桥墩的位移。本发明通过获得多台相机采集的图像，多数据统计计算，实时监控多个目标值图像的特征信息，实时在线监测桥墩的安全，同时可以根据视觉处理的特性简化后续图像处理过程。程。程。


技术研发人员：赵倩 胡春浩 王晓严 陈建平 郭德鹏 冯聪聪 贾佳 夏国庆 孙红梅 邰生涛
受保护的技术使用者：天津科技大学
技术研发日：2023.04.12
技术公布日：2023/8/22