[发明专利]一种基于动态视觉传感器DVS的建筑物结构位移测量方法

权利要求书

1.一种基于动态视觉传感器DVS的建筑物结构位移测量方法，其特征在于，包括：

事件处理：动态视觉传感器是以事件流的形式输出目标的运动信息，这里采用按时间累积的方法将事件流累积成帧，就是截取一小段时间内的事件流，将它们同时输出，这样就能得到类似于帧的图片。

图像去噪：事件流累积而来的帧可能会存在一些噪点，根据分析，这些噪点多半是一些椒盐噪声，采用均值滤波对其进行去噪。

边缘检测：对去噪后的图像进行二值化处理及自动阈值分割，再采用改进的自适应canny算子进行边缘检测，得到目标圆的边缘。

霍夫变换检测定位圆：采用基于梯度信息的霍夫变换对圆进行检测和定位，根据圆的半径和位置滤除掉杂圆。

尺度变换：根据第一张图片圆的位置和当前图片的位置得到像素位移量，再根据毫米/像素转换因子，将像素位移量转换成实际物理位移量。

2.根据权利要求1所述的基于动态视觉传感器DVS的建筑物结构位移测量方法，其特征在于：DVS具有低时延特性，一般响应速度能达到微妙甚至纳秒级，那么在这么短的时间内输出的事件流数量有限，很难进行边缘检测和定位。这时一般采取按时间累积的方法，累积一小段时间的事件流，然后再将其输出。

3.根据权利要求2所述的基于动态视觉传感器DVS的建筑物结构位移测量方法，其特征在于：所述图像去噪具体包括以下步骤：

累积后的图像可能会存在一些噪声，根据分析，这些噪声一般为椒盐噪声，因此采用均值滤波的方法对其进行去噪。令S_x，y表示中心点在(x，y)处，大小为m×n的滤波器窗口。均值滤波器就是简单地将窗口区域的像素均值相加求平均值，用这个均值来表示该窗口中心点处的像素值：

其中，g(s，t)为原始图像，f(x，y)为均值滤波后得到的图像。

4.根据权利要求3所述的基于动态视觉传感器DVS的建筑物结构位移测量方法，其特征在于：所述改进的canny边缘检测具体包括以下步骤：

S11：计算梯度幅值和方向：选择3×3模板的sobel算子计算水平方向和垂直方向上的梯度，水平方向和垂直方向的梯度计算为：

其中，G_x和G_y分别表示水平方向和垂直方向梯度值，F表示原图像。

计算梯度值G和梯度方向θ：

S12：非极大值抑制：非极大值抑制是用来寻找像素点的局部最大值，这里要注意的是沿着梯度方向对幅值进行非极大值抑制，而不是沿着边缘方向。如在一个3×3的领域上，每一个点的领域中心与沿着其对应的梯度方向的两个像素值比较，如果中心像素值最大，则保留，否则该中心值置为0，这样就可以抑制非极大值，保留局部梯度最大的点，细化边缘。

S13：双阈值检测和连接边缘：TH和TL按照TH∶TL＝3∶1的原则，根据阈值分割后的图像thresh自动选择系数值。

TH＝0.6*thresh (6)

TL＝0.2*thresh (7)

将低于TL的像素值赋值为0，将高于TH的像素值赋值为255，位于TH和TL之间的像素值使用8连通域确定。

5.根据权利要求4所述的基于动态视觉传感器DVS的建筑物结构位移测量方法，其特征在于：所述霍夫变换定位圆具体包括以下步骤：

基于梯度信息的霍夫变换检测圆先对圆的标准方程两边求x偏导数，然后将其映射到参数空间，计算轮廓点处的梯度向量，然后根据搜索半径R在该梯度方向距离R的两边各投一点，最后根据投票结果画出圆的位置，再将画出的这些圆与实际轮廓对比，按实际重合像素的总数进行排序，选择得分最高的圆作为最终的圆，并给出圆心位置。