买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜水利部交通运输部国家能源局南京水利科学研究院;中铁十六局集团第三工程有限公司申请的专利结构沉降的非接触远距离监测方法与系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118982793B 。

龙图腾网通过国家知识产权局官网在2025-05-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411465078.0，技术领域涉及：G06V20/52；该发明授权结构沉降的非接触远距离监测方法与系统是由温嘉琦;邓昌;王海军;俞冀红;吴思国;齐加晏;孙佳易;青頔生;王建;任伟设计研发完成，并于2024-10-21向国家知识产权局提交的专利申请。

本结构沉降的非接触远距离监测方法与系统在说明书摘要公布了：本发明提出了一种结构沉降的非接触远距离监测方法与系统，该方法包括获取原始图像集合并进行预处理，得到预处理后的图像集合；进行特征点识别和特征点跟踪，得到特征点垂直轨迹集合；构建特征点之间的拓扑关系，得到时变特征图；计算图结构变化指标和局部垂直变形场，构建并求解全局沉降场方程，得到沉降场函数；计算得到未来时刻的预测沉降场；量化沉降估计的不确定性，得到不确定性场；进行多尺度误差分解，得到误差尺度系数集；构建并应用自适应卡尔曼滤波器，得到优化后的沉降场函数；使用亚像素插值算法，计算得到高精度沉降场函数。本发明不仅实现了非接触、大尺度、远距离的结构沉降监控，同时还提高了沉降监测结果的分辨率和精度。

本发明授权结构沉降的非接触远距离监测方法与系统在权利要求书中公布了：1.结构沉降的非接触远距离监测方法，其特征在于，包括如下步骤：S1、基于多视角同步采集方法对热源矩阵进行拍摄，获取原始图像集合，对原始图像集合进行预处理，得到预处理后的图像集合；S2、基于预处理后的图像集合，采用改进型快速角点检测算法进行特征点识别，得到特征点集合；基于特征点集合，采用改进型光流跟踪算法结合时间一致性约束进行特征点跟踪，得到特征点垂直轨迹集合；基于特征点垂直轨迹集合，应用自适应三角剖分算法，构建特征点之间的拓扑关系，得到时变特征图；S3、基于时变特征图，采用谱图分析算法，计算图结构变化指标，得到图拓扑变化指标集；基于特征点垂直轨迹集合和时变特征图，采用局部刚性保持变形算法，估计特征点的局部垂直变形，得到局部垂直变形场；基于局部垂直变形场和图拓扑变化指标集，构建并求解全局沉降场方程，得到沉降场函数；基于沉降场函数，使用动态模式分解算法，计算得到动态模式集合和对应的增长率；基于动态模式集合和增长率，采用非线性算子预测方法，计算得到未来时刻的预测沉降场；S4、基于沉降场函数和预测沉降场，采用多项式混沌展开方法，量化沉降估计的不确定性，得到不确定性场；基于不确定性场，使用小波包变换算法进行多尺度误差分解，得到误差尺度系数集；基于误差尺度系数集，构建并应用自适应卡尔曼滤波器，对沉降场函数进行优化，得到优化后的沉降场函数；基于优化后的沉降场函数，使用曲面拟合的亚像素插值算法，计算得到高精度沉降场函数；步骤S1进一步为：S11、从多个预先布置的红外光学观测设备获取实时图像流数据，对实时图像流数据进行编号和时间戳标记，形成原始图像集合；S12、基于原始图像集合，采用直方图均衡化自适应曝光算法，得到对比度优化后的图像集合；S13、基于对比度优化后的图像集合，采用基于泽尔尼克多项式的大气湍流校正算法进行逆运算，得到校正后的图像集合；S14、基于校正后的图像集合，使用小波变换多分辨率分析方法进行多尺度图像融合，得到融合后的高质量图像；S15、基于融合后的高质量图像和预先存储的参考图像，应用基于局部特征描述子的特征匹配算法，识别对应点对；基于识别的对应点对，使用RANSAC算法，估计变换矩阵；基于变换矩阵，对融合后的高质量图像进行仿射变换，得到预处理后的图像集合；步骤S2进一步为：S21、基于预处理后的图像集合，采用改进型快速角点检测算法，识别热源矩阵中的显著角点；对显著角点进行非极大值抑制和亚像素精度优化，最终得到特征点集合；S22、基于特征点集合和预处理后的图像集合，采用增强型二进制描述子生成算法，生成每个特征点的描述子，得到描述子集合；基于当前帧的特征点集合和描述子集合，以及预存储的前一帧的特征点集合和描述子集合，应用改进型光流跟踪算法，估计特征点在相邻帧间的垂直位移；基于估计的垂直位移，引入时间一致性约束，滤除不符合预期垂直轨迹的垂直位移；最终得到特征点垂直轨迹集合；S23、基于特征点垂直轨迹集合，计算每条垂直轨迹的多维特征向量，包括垂直轨迹长度、平均速度和加速度变化；基于多维特征向量，在特征空间中计算每个垂直轨迹到其k近邻的马哈拉诺比斯距离；基于马哈拉诺比斯距离，使用自适应阈值方法识别异常值，将异常值标记为异常的垂直轨迹；将异常的垂直轨迹从特征点垂直轨迹集合中移除，最终得到过滤后的垂直轨迹集合；S24、基于过滤后的垂直轨迹集合，在平面上进行德劳内三角剖分，同时动态调整德劳内三角剖分中的三角形的形状约束，得到三角剖分结果；将三角剖分结果转换为图结构，得到时变特征图；步骤S3进一步为：S31、基于时变特征图，计算相邻时刻的拉普拉斯矩阵；对拉普拉斯矩阵进行特征值分解，得到特征值序列；基于特征值序列，计算得到图拓扑变化指标集；S32、基于特征点垂直轨迹集合，将时变特征图划分为重叠的局部区域；基于每个局部区域，构建能量函数，包括数据项和正则化项；通过迭代优化方法最小化能量函数，得到每个特征点的最优变形向量；基于每个特征点的最优变形向量，形成局部垂直变形场；S33、基于局部垂直变形场和图拓扑变化指标集，构建全局沉降场方程，包括局部垂直变形约束项和全局一致性约束项；使用变分法将全局沉降场方程离散化为大规模稀疏线性系统，并通过共轭梯度法进行求解，得到沉降场函数；S34、基于沉降场函数和预存储在系统数据库中的历史沉降场函数集，进行离散化，得到高维数据矩阵；基于高维数据矩阵，构建时间偏移矩阵对；基于时间偏移矩阵对，通过奇异值分解和低秩近似，计算动态矩阵的特征分解，最终得到动态模式集合和对应的增长率；S35、将沉降场函数投影到动态模式空间，得到模式系数向量；基于模式系数向量和增长率，预测未来时刻的模式系数；将未来时刻的模式系数和动态模式集合进行线性组合，得到未来时刻的预测沉降场；步骤S4进一步为：S41、基于沉降场函数和预测沉降场，展开得到正交多项式基函数的线性组合；基于线性组合，采用伽辽金投影方法，计算展开系数，最终得到不确定性场；S42、基于不确定性场和预处理后的图像集合，进行小波包分解，得到预定个子带；计算每个子带的能量和互相关系数，基于每个子带的能量和互相关系数，通过阈值化方法，选择显著子带；基于显著子带，重构得到多个尺度的误差成分，最终形成误差尺度系数集；S43、将沉降场函数离散化为状态向量，基于状态向量，构建状态转移方程和观测方程；基于误差尺度系数集，动态调整状态转移方程和观测方程中噪声的协方差矩阵，得到调整后的状态转移方程和观测方程；基于调整后的状态转移方程和观测方程，进行卡尔曼滤波，迭代优化状态估计；将状态估计转换为函数形式，得到优化后的沉降场函数；S44、基于优化后的沉降场函数，构建高分辨率子网格；基于高分辨率子网格，对每个子网格区域的沉降数据进行拟合，得到局部二次多项式拟合函数；基于局部二次多项式拟合函数，采用最小二乘法，估计多项式系数；基于多项式系数，计算子网格点的沉降值；基于预处理后的图像集合的灰度信息，对沉降值进行微调，得到微调后的沉降值；基于微调后的沉降值，生成高精度沉降场函数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人水利部交通运输部国家能源局南京水利科学研究院;中铁十六局集团第三工程有限公司，其通讯地址为：210029 江苏省南京市鼓楼区广州路223号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。