摄影测量沉降标志设计与自动识别算法 本文关键词：沉降，自动识别，算法，测量，标志
摄影测量沉降标志设计与自动识别算法 本文简介：摘要:随着高速铁路的不断兴建，高速铁路的沉降问题受到密切关注，对高速铁路的桥墩、路基等工程结构的沉降监测要求变得更加严格。本文针对传统监测方法效率低、数据处理周期长等问题，提出了一种利用近景摄影测量进行沉降监测的方案，并设计沉降监测标志，实现了标志自动识别和高程的自动解算，为实现自动化沉降监测提供核
摄影测量沉降标志设计与自动识别算法 本文内容：
摘要:随着高速铁路的不断兴建，高速铁路的沉降问题受到密切关注，对高速铁路的桥墩、路基等工程结构的沉降监测要求变得更加严格。本文针对传统监测方法效率低、数据处理周期长等问题，提出了一种利用近景摄影测量进行沉降监测的方案，并设计沉降监测标志，实现了标志自动识别和高程的自动解算，为实现自动化沉降监测提供核心基础。
关键词:摄影测量;条码标志;图像处理;沉降监测
随着工业技术和城市的发展，高速铁路不断兴建。由于高速铁路的速度更快，对铁路桥涵、路基等结构的监测要求变得更加严格。为了保证高速铁路的安全和耐久性，满足运营要求，对已建或在建的高速铁路进行实时高精度监测迫在眉睫［1］。由于运营的铁路大都处于封闭状态，采用传统的监测方法，如水准仪等测量仪器进行逐站人工测量很难进行连续监测，而且传统人工方法观测时间长、观测时段和频率受限制、出监测报告周期长，无法满足日益增长的快速施工和不断提高运营维护效率的要求。如若埋设静力水准仪，由于仪器内液体黏滞等问题无法高速测量沉降变换量，而且还需要埋设管道，易造成液体泄漏。其他方法如沉降板式、半球式、分布式位移传感器式等，均存在实时性、灵敏性、准确性或安装简便性等方面的不足，而且只能单点观测，无法进行统一观测平差。因此，急需一种监测手段来对高铁的安全状况进行实时、有效的监测和评价，以便能够及时控制结构形变的加剧和损伤的发展［2］。
1近景摄影测量沉降监测系统总体设计
近景摄影测量沉降监测系统的监测内容主要包括高速铁路桥墩沉降监测、路基沉降监测等指标，也可用于其他建筑物和构筑物的沉降监测。系统包括底层设备安装与布设、数据的自动采集传输与存储、数据处理与分析、沉降报警及报告自动生成等功能［3］。近景摄影测量沉降监测系统架构如图1所示。系统主要分为数据采集系统、数据处理与分析系统和数据库3个部分。数据采集系统利用具有环境传感器的稳定近景摄影测量云台来对贴在桥墩上的条码标志进行拍照，并将图像数据传输到数据处理与分析系统，然后数据处理与分析系统对图像进行处理和识别，从而得到监测点的高程。通过多期数据的对比，可得桥墩的沉降值，并且可以对沉降趋势等进行预测。数据库系统对测量结果进行存储，并提供查询和报表生成等功能。
2沉降标志设计与识别算法研究
2．1条码标志设计为了实现对沉降数据的自动计算，必须将测量标志设计成具有数学意义的标志。参考电子水准仪的工作原理［4］，设计条形码标志如图2(a)所示。标志由黑白相间的横条纹组成，从下至上，共有4组三条纹的细黑条纹，将它们称为组纹。根据条形码的设计数据，第1组组纹的中心线高程设为0，第2组组纹的中心线高程为90mm，第3组和第4组组纹中心线高程分别为180和270mm。各组组纹中间都有两条黑条纹，其中最粗的两条称为主纹，粗纹的高度与每组组纹的总高度相同，其他黑条纹为辅纹，在条码识别中起到辅助作用。在设备安装时，已经将摄像机严格地整平，由于摄影基线水平，拍摄的影像中心高度与摄影中心高度相同，如图2(b)所示，图像中心像素所对应的条码读数即为摄影中心的高度。当桥墩没有沉降时，同一桥墩不同时刻的条码高度读数应一致。因此，同一桥墩的多期条码读数不一致，即为该点的沉降变化量。除了单点的沉降变化，由于摄影云台可以水平转动，同一相机所测量的两个相邻标志读数不一致为相邻标志的高差。在桥梁的起始位置布设控制点，构成附和水准路线，根据相邻标志之间的高差，即可作附和水准路线高程改正，得到平差后的标志高程。2．2条码标志识别条码标志识别的目的是在拍摄的影像中查找到条码标志的位置，并根据图像中心像素在条码标志中的读数确定高程。条码标志识别中主要用到了Sobel边缘检测算法、Canny边缘检测算法和Hough变换直线拟合等算法［5］。首先将图像灰度化，并进行高斯平滑，完成图像预处理。然后使用Sobel横向边缘检测算法对图像进行横向边缘检测，保留横向的边缘信息。对图像进行膨胀和腐蚀操作，使条码区域连接到一起。进行轮廓查找，并将包含中间像素的轮廓确定为感兴趣区域，即条码标志所在区域。为了便于直线检测，将该区域加宽，采用Canny算子检测条纹边缘，再使用Hough变换检测直线。对检测到的直线进行判断，删除竖直的和距离较远的等错误直线，保留正确的直线。根据直线之间的宽度判断组纹、主纹和辅纹。最后根据各条纹的位置关系采用线性拟合即可计算出图像中心像素的高度。2．2．1Sobel边缘检测算法Sobel边缘检测算法是利用Sobel算子进行边缘检测的算法［6］。Sobel算子是离散性差分算子，使用该算子可以产生亮度差分近似值，从而达到边缘检测的目的。该算子由两组3行3列的矩阵组成，分别为横向检测算子和纵向检测算子［7］。以Ｒ代表原始图像，Gx和Gy分别代表经横向和纵向边缘检测后的图像，则其关系如式(1)和(2)所示对图像进行Sobel横向边缘检测后的图像如图3(a)所示，该图很好地保留了横向的条码信息。对该图像进行多次腐蚀、膨胀、再腐蚀的操作。腐蚀可以去除小的碎片，膨胀可以使原本不连通的区域连通起来，由于条码标志均竖向排列，因此采用竖直方向的膨胀使其连同，最后对连通后的图像进行腐蚀，以保证连通区域恢复原来的大小。腐蚀膨胀处理后的图像如图3(b)所示，中间的连通区域即为条码标志所在区域。
3试验与精度分析
3．1条码位置移动对比试验为了验证近景摄影测量方法条码识别的精度，进行条码位置移动对比试验，具体做法为将测量标志竖直悬挂于墙上，如图5(a)所示，绳子另一端连接游标卡尺，上下移动测量标志，移动的距离大小可由游标卡尺精确测得，如图5(b)所示。使用摄像机获取影像，将影像分析结果与实际移动量进行对比。3．2精度分析共观测11个位置的数据，得到10组高差，条码识别方法与游标卡尺所测得的结果对比见表1。由表1可见，最大差值为0．68mm，最小差值仅为0．09mm，中误差为0．44mm，可满足监测需要。在实际应用中，构成附和水准路线，进行水准平差，可进一步提高精度。
4结语
条码识别算法可自动获取影像中心像素的高程，为实现自动化沉降监测提供核心基础。当作业环境改变较大时，如干扰物体较多，还须针对具体环境对条码识别程序进行优化，以增强该识别算法的普适性。为了提高监测精度，对硬件系统进行改进是必要的，如选用像素更高的CCD传感器、更稳定的水平转动云台等。
作者：孟丽媛 邹进贵 刘国建 单位：武汉大学测绘学院 精密工程与工业测量国家测绘地理信息局重点实验室
摄影测量沉降标志设计与自动识别算法 来源：网络整理
免责声明：本文仅限学习分享，如产生版权问题，请联系我们及时删除。
《
摄影测量沉降标志设计与自动识别算法》
由：
76范文网互联网用户整理提供,链接地址：
http://m.yuan0.cn/a/78127.html
免责声明：本文仅限学习分享，如产生版权问题，请联系我们及时删除。