基于图像处理的动态位移监测系统的研究与应用.docxVIP

基于图像处理的动态位移监测系统的研究与应用 随着桥梁、水库工程和高层建筑的日益增多，建筑结构的安全监控变得非常重要。以往的监测方法包括位移计、膨胀计等面对面测量，但容易受到气候和环境因素的影响和干扰。示例率高，只能进行简单的测量。非接触测量通常采用水准仪、纬度仪、红外测距仪等地面测量仪器。这些设备必须手动操作，无法实现高距离传输数据和实时跟踪。近年来，也有gps自动采集、高精度的实时gps监测。然而，gps对现场的要求非常高，并且具有较高的精度要求。由于结构位移小，误差和位移几乎相同，因此很难推广。20世纪80年代，随着现代光学技术和设备的发展，数字图像测量技术在工业、交通、军事等领域的应用越来越广泛。因此，我们提出了一个高分辨率成像监测系统（chargacoupercouper）。提出了调整二维弯射法的方法，以实现图像点的坐标和事物坐标的变换。同时，考虑到光学畸变差的修正。该系统在施工中稳定、高精度、实用。 1 摄像机cd成像 理想的投影成像模型是光学中的中心投影,也称为针孔模型(图 1),是最简单的线性成像模型.由于实际成像系统中存在着各种误差因素,如光学几何畸变,这样像点、光心和物点就不在同一条直线上,这也表明施加成像模型并不满足线形模型,而是一种非线形模型. 考虑到球面像差、像散、像场弯曲和畸变像差等轴对称像差及不对心像差和薄棱镜像差等非轴对称像差,同时考虑了摄像机CCD感光像平面、测量物体表面与摄像机光轴的不严格垂直性,从成像角度出发,建立像点坐标与物坐标变换关系 ???????????X=a0+a1u+a2v+a3u2+a4uv+a5v2+a6u3+a7u2v+a8uv2+a9v3;Y=b0+b1u+b2v+b3u2+b4uv+b5v2+b6u3+b7u2v+b8uv2+b9v3,(1){X=a0+a1u+a2v+a3u2+a4uv+a5v2+a6u3+a7u2v+a8uv2+a9v3;Y=b0+b1u+b2v+b3u2+b4uv+b5v2+b6u3+b7u2v+b8uv2+b9v3,(1) 式中,X和Y为物空间待求坐标;ai,bi为曲面拟合系数,i=1,2,…,9;u,v为像空间x,y方向已知坐标.多项式曲面拟合方法的精度与控制点的密度、分布的均匀程度和精度有关,在保证控制点精度的情况下,其均匀分布对保证精度是十分重要的.控制点的数量必须大于拟合多项式系数 的个数.在本系统中,采用25个点标定解出曲面拟合参数,就可以确定像点坐标与物坐标之间的对应关系(图2).为了保证系统的实时性,采用了区域生长算法标记各控制点并计算像素形心,实现物坐标与像坐标的自动标定. 2 目标的估计与响应 运动目标跟踪的目的就是通过对传感器拍摄到的图像序列进行分析,计算出目标在每帧图像上的位置,可靠性和精度是跟踪过程的两个重要指标.在近距离,目标具有一定面积,一般采用窗口形心跟踪或者匹配跟踪以保持跟踪的稳定性和精度.本文提出采用基于亚像素算法的形心跟踪窗口方法,这样可以采用跟踪窗口套住目标,在窗内计算目标形心,跟踪窗口采用图2虚线内范围,跟踪递推计算如图3. 跟踪中的噪声干扰是影响跟踪精度的主要因素,噪声主要来源于两个方面:一是系统和传感器的固有噪声,另一是目标周围背景的干扰,这些引起目标形心的计算误差.目标形心估计的精度对目标窗口中心位置非常敏感,当图像和分割算法以及目标窗口的尺寸一定时,目标形心估计误差的均值正比于目标形心实际位置与窗口中心的差值.目标窗口中心越靠近目标形心,误差的均值就越小.基于这一特性,在形心估计的过程中可以利用目标窗口位置中心与目标形心的距离作为反馈量来校正窗口中心的位置,使其不断地逼进目标形心,直到最靠近目标形心的离散值,从而尽可能地减小误差.但是目标形心预先不知道精确值,只能用估计值替代(图 3). a.二值图像I(i,j)中的目标S的形心(xt,yt)可表示为 ???????????????????xt=∑(i,j)∈SiI(i,j)∑(i,j)∈SI(i,j)=∑(i,j)∈SiN;yt=∑(i,j)∈SjI(i,j)∑(i,j)∈SI(i,j)=∑(i,j)∈SjN.(2){xt=∑(i,j)∈SiΙ(i,j)∑(i,j)∈SΙ(i,j)=∑(i,j)∈SiΝ;yt=∑(i,j)∈SjΙ(i,j)∑(i,j)∈SΙ(i,j)=∑(i,j)∈SjΝ.(2) 用形心法对目标进行定位,首先对图像进行二值化分割,然后再将目标区域识别出来.由于图像中存在噪声,因此目标区域二值化分割后将产生误差,目标边界会存在一些毛刺,为了消除这些毛刺对算法精度的影响,选择了对目标进行开启和闭合的预处理操作. b.窗口中心的自适应调整.令Xc(k)表示跟踪窗口在调整到第k步时的中心位置,Xt(k)表示第k步目标形心位置,E(k)为