首页|雾天环境下机器视觉的边坡监测方法

雾天环境下机器视觉的边坡监测方法

Slope monitoring method based on machine vision in foggy weather

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对在机器视觉的边坡监测过程中,雾的存在会降低图像质量,影响监测效果的问题,本文提出了一种结合暗通道先验(DCP)的边坡监测方法.首先,通过计算实时图像的FADE值,判断采集的图像是否需要去雾.对于需要去雾的图像,利用DCP算法进行去雾处理,还原其纹理细节信息;然后,利用尺度不变特征变换(SIFT)算法对去雾后的图像进行特征点匹配,利用随机抽样一致性(RANSAC)算法筛选优秀的匹配点对,获取模板与图像的变换矩阵,进而利用仿射变换求取模板坐标,求得边坡的位移.试验结果表明,本文方法在不同浓度的雾霭图像下均表现良好,有效克服了视觉监测在雾天环境难以应用的问题.

时梦杰、陶庭叶、高飞、李江洋、陈皓

展开 >

合肥工业大学土木与水利工程学院,安徽合肥230009

暗通道先验 机器视觉 边坡监测 位移提取 尺度不变特征变换

煤炭资源清洁利用与矿山环境保护湖南省重点实验室开放研究基金

E22015

2022

测绘通报
测绘出版社

测绘通报

CSTPCDCSCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2022.(6)
  • 2
  • 5