[发明专利]一种基于视觉测量基坑监测方法

摘要

本发明公开了一种基于视觉测量基坑监测方法，包括以下步骤：S101布置检测点；S102确定监测精度、监测项目和监测频率；S103获取数字彩色图像后进行灰度转换，然后通过噪声去除、多靶点区域识别、靶点中心计算获取多个靶点中心的最优坐标；S104采用误差补偿减少相机标定误差，提高识别精度；S105建立面向建筑工程领域的层次构件库，然后基于三维相似性进行构件搜索，实现参数化的三维模型实时仿真；S106使用BP神经网络建立基坑变形预测模型,对基坑可能发生的结构变形进行估计和预警。本发明用靶点中心优化技术提高识别度，再运用误差补偿从减少相机标定误差的角度来提高识别精度。

主权项

1.一种基于视觉测量基坑监测，其特征在于，包括以下步骤：S101布置检测点:采用道钉或带有十字丝的钢筋作为检测点，检测点用混凝土加固；S102确定监测精度、监测项目和监测频率；S103优化中心定位：获取数字彩色图像后进行灰度转换，然后通过噪声去除、多靶点区域识别、靶点中心计算获取多个靶点中心的最优坐标；S103中采用粗糙K均值聚类算法，通过噪声去除、多靶点区域识别、靶点中心计算获取多个靶点中心的最优坐标；S104采用误差补偿减少相机标定误差，提高识别精度；S104中，首先分析了影响相机标定误差的因素，采集了现场图像数据库，中现场图像数据库中提取颜色、局部Gabor特征、全局关联三类特征，三类特征共154项，建立支持向量机误差估计模型；S105建立面向建筑工程领域的层次构件库，然后基于三维相似性进行构件搜索，实现参数化的三维模型实时仿真；其中，基于三维相似性进行构件搜索的算法包括：首先通过遍历领域层次数据库H找出满足用户提交要求HK的构件层次子集L；然后在集合L中，结合用户提交的多属性AKs查询值，计算集合L中的每个构件元素的属性匹配程度，找出满足用户属性值要求的构件交集C；S106使用BP神经网络建立基坑变形预测模型,对基坑可能发生的结构变形进行估计和预警；S102中确定监测精度，首先在基坑开挖前进行基坑工程监测准备工作，在基坑开挖之前测初始值，至少连续三次测得数值一致后确定为初始值；S106中使用BP神经网络建立基坑变形预测模型包括：S 201样本数据的选择和处理；S202网络结构的确定：包括输入层、隐含层节点数、输出层；S203网络的建立和参数的选择：包括训练函数、输出函数、最大训练步数、训练目标误差、学习速率；S204训练网络并评价网络的性能；S205预测基坑结构变形。