基于雙目視覺的大壩邊坡表面變形監測技術研究

李瑾 丁勇 李登華

1.南京理工大學 江蘇 南京 210094 2.南京水科學院 江蘇 南京 210094

目前，大壩邊坡監測技術和方法有著廣泛的應用，主要儀器有全站儀、GPS、大壩邊坡雷達、應力傳感器等，這些方法或是過于依賴人工，或是消耗較大，或是技術要求比較苛刻。而雙目立體光學測量方法具備工作效率高、準確性好、控制系統結構簡單、費用便宜的特性,非常適合于生產場所的在線、無接觸式生產監測與品質管理。雙目光學技術的快速檢測、非接觸式的特性,也日益應用于制造業產品設計上。這種方法也會受到影響根據天氣條件，如雨和霧，但圖像中有雨去除和圖像去霧算法可以用來減少這些影響。該方法已被用于研究大面積位移測量[1-2]，包括滑坡位移監測[3-4]，露天礦邊緣位移監測[5]，公路大壩邊坡監測[6]。

立體匹配在雙目視覺中至關重要，但在夜間缺少背景與大量且準確的特征點的情況下，利用sift與surf我們難以進行準確的配準，基于以上原因本文提出了基于delaunay三角網格的立體匹配技術，首先準確找到左右視圖標志點的二維坐標，并通過每個視圖各個標志點點之間的空間坐標關系生成的delaunay三角網，利用三角相似函數計算相似度大于閾值的三角形[7]，并通過相似三角形的相鄰點判斷出正確的匹配點，從而提高匹配精度，并且獲得正確的精確三維坐標。

1 系統設計

本文采用了基于雙眼視覺的邊坡圖像采集信息系統,包含監控點設定、圖像收集、雙目視覺測量等信息，對模型岸坡坡面及坡頂的位移進行監測。為了更準確獲得目標的立體像對,本文作者在邊坡表面上設定了紅色的小球單元作為檢測目標點,紅色小球的尺寸、布設形式可按照識別準確度和計算速度快的特點綜合確定,通過在模型槽正前方架設DS-2CD3T86FWDV3-I3S型號?？低暭t外筒形網絡攝像機，在初次安裝時需要對標定板進行標定。標定板長寬為25mm*25mm，格數為9*11的黑白棋盤格，圖1為圖像采集系統整體布置。

圖1 圖像采集系統

基于雙目視覺的技術特點，本文使用了二臺彩色照相機在不同位置同一時間拍照的邊坡。視頻數據則可進入圖像控制器，再經過分揀、擠壓后傳輸至服務器設備，從而獲得視頻幀進行邊坡的立體映像。基于Delaunary三角剖分的雙目匹配是檢測系統的核心部分，由于距離較遠且標志物過多，大壩邊坡背景中的特征點難以匹配，只能通過標志物矩陣中的各個標志物間的拓撲關系進行匹配，由于剖分網格中三角形的大小和標志物距離攝像機的距離有關，所以在原有相似度的情況下優化三角形的相似度系數。根據雙目匹配計算圖像對應點間的位置偏差，基于視差原理來獲取物體三維信息。監測系統的運行過程，如圖2所示。

圖2 工作流程

2 基于Delaunary的雙目匹配

拓撲學中三角剖分技術在很多方面都有廣泛的運用。本文將重點在通過標志物的二維坐標建立邊坡Delaunay三角網。根據三角形相似度和攝影不變量理論對左右圖像的標志物進行匹配。

常見的Delaunay三角網的生長技術算法主要有分治算法、逐點插入方法和TIN生長方法。本文中通過逐點插入算法,將創建Delaunay三角網格的大致過程為:

（1）定義一個可以包括所有標志物點的初始三角形，從標志物點集合中任意選擇一點插入初始多邊形，建立起始三角網。

（2）在起始三角網中插入任意另外一個標志物點，在起始三角網中找出含該點的三角形，將該三角形的3個頂點與新插入的標志物點連接，形成新的三角網，再用LOP優化方法對新三角網優化。

（3）不斷循環步驟（2）的方法，等到標志物點全部插入，最終將與起始多邊形頂點相關的三角形全部刪除。

本文利用三角形的相似度進行三角形匹配，設△ABC和△A1B1C1中，將三角形中三個角按從小到大排序，按照大小順序進行一一對應，且假設∠A的值為α，相對應∠A1的值為α1，因此三角形的相似度計算方法如下：

本文進行雙目匹配的基本步驟如下：

（1）首先，根據生成的三角網格，將每個點周邊的三角形定義為一個集合。

（2）對左視圖中的點對右視圖進行匹配時，只對三角形集合個數相同的點進行相似度匹配。

（3）對兩點周邊三角形集合所有三角形進行相似度匹配，所有相對應的三角形相似度均大于閾值，則成為兩點配對成功。

3 仿真實驗

本文在實驗室內模擬驗證了基于雙目視覺的大壩邊坡表面位移監測，監測點通過手動控制邊坡滑動制造位移。本文采用兩臺DS-2CD3T86FWDV3-I3S型號?？低暭t外筒形網絡攝像機采集圖像流，圖像像素為3840×2160。

首先采用張正友標定算法對左、右相機的內參進行標定，通過立體標定算出左、右相機之間的相對位置關系，得到相機的內外參數與相對位移關系，表1如下。

表1 系統標定參數

表2 雙目匹配準確度

選取未沖刷前左右攝像機同時拍攝的一組圖像，記為初始時刻t0，如圖3所示。

圖3 初始圖像

將原始圖像中的標志物進行顏色以及形狀特征提取，得到二值化圖像，再將二值化圖像進行霍夫圓提取，得到每個標志物的中心像素坐標。對提取的坐標進行亞像素化。對得到的左右圖像標志物坐標按照第三章的方式進行三角剖分，得到三角網格。

將每個點周圍的三角形做一個集合，設左圖點a,三角形集合為n,右圖對應點為a’對應三角形集合為n’,對a與a’進行匹配時，首先對n與n’集合的個數進行對比，個數相同對n與n’集合中的三角形相似度根據第三章的公式進行計算，若每一個三角形匹配相似度最高值都大于閾值，則a點與a’點相匹配，圖像如圖4。

圖4 三角形匹配示意圖

通過左相機每個標志物點所在的三角形去匹配右相機每個標志物點所在的三角形，當三角形個數不相同時，判斷兩點不為同一點，選取下一點匹配，直到三角形個數相同時，進行下一步。對三角形個數相同的點周邊三角形依次根據公式進行三角形相似度匹配，對所有三角形相似度都大于閾值，即可認為兩點匹配成功。

將相匹配好的兩點與得到的系統標定參數通過最小二乘法求解可得到該點的相機坐標。

分別選取t = 0min,t = 25min,t = 55min三個不同時刻的圖像，計算并統計出每張圖像各個標記點的像素坐標，利用這些坐標計算出各個標記點的世界坐標，并且其余時刻與t= 0min時刻進行對比，示意如圖5、圖6：

圖5 不同時刻監測點三維坐標示意圖

圖6 不同時刻與初始時刻對比示意圖

通過監測結果表明，在模擬試驗中，隨著時間的增加，邊坡是逐漸下沉的，且壩中下沉是最為明顯的，壩中位移最大超過1000mm，兩側位移偏小，略小于500mm，最大沉降變形超過大壩邊坡整體高度30%。

4 結語

研究了基于雙目視覺的大壩邊坡表面變形監測技術，由于標志物過多而采取Delaunary三角剖分的雙目視覺匹配，實現了三維測量。該方法主要是通過對平面上的點集進行三角剖分，根據標志物點周邊三角形相似度對標志物進行雙目匹配。通過實驗驗證，該方法一定條件下雙目匹配準確度高達百分百，滿足了進行三維測量的前提條件。并通過試驗驗證了通過此方法對大壩邊坡進行三維監測的可行性。