融合机器视觉与激光测距的拱坝三维变形监测智能体的制作方法

本发明涉及水利工程安全监测，具体涉及融合机器视觉与激光测距的拱坝三维变形监测智能体。

背景技术：

1、拱坝作为大型水利工程的重要挡水结构，长期受到水压力、温度变化、地基变形、渗流作用及地震荷载等因素影响，在服役过程中可能产生坝体变形、坝肩位移及局部异常变形等安全问题。因此，对拱坝运行状态进行长期、连续、高精度监测，是保障大坝安全运行的重要手段。目前，拱坝变形监测主要采用垂线法、全站仪、gnss、静力水准等技术。其中，垂线法具有较好的长期稳定性，但受安装条件限制，通常仅布设于少量关键断面，难以实现全坝范围覆盖；全站仪测量精度较高，但依赖人工周期性观测，实时性不足；gnss技术易受遮挡、多路径效应等影响，在坝内廊道等复杂环境中应用受限；静力水准主要用于竖向变形监测，难以获取完整三维变形信息。因此，现有监测方式普遍存在测点分布离散、空间覆盖不足以及三维变形信息不完整等问题，难以满足智能化大坝安全监测需求。

2、近年来，机器视觉和激光测距技术逐渐应用于工程结构变形监测领域。机器视觉具有非接触、高频采集和信息丰富等特点，能够实现二维位移测量；激光测距具有测量精度高、响应速度快等优势，可获取目标距离变化信息。二者融合能够为结构三维变形监测提供新的技术途径。然而，现有视觉与激光融合监测技术主要应用于桥梁、边坡等场景，在特高拱坝监测应用中仍存在一定不足。

3、一方面，拱坝结构具有明显的弧形特征，坝内廊道空间狭窄，传统双目视觉等测量方式受到安装基线限制，难以实现高精度空间测量，同时受视场范围影响容易形成监测盲区；另一方面，机器视觉与激光测距属于不同类型传感方式，存在数据维度、采样频率和时间基准不一致的问题，现有融合方法难以保证复杂工况下三维变形解算精度。此外，拱坝运行环境通常具有低照度、高湿、温度变化及微振动等特点，容易导致图像质量下降、设备热漂移以及测量误差累积。现有监测设备缺少针对复杂环境的自适应调节和动态误差修正能力，长期运行过程中容易出现数据失效和精度下降。同时，现有监测系统主要侧重数据采集与传输，缺少设备状态感知、智能调控和故障自恢复能力，难以满足无人化、长期连续监测需求。

4、因此，针对特高拱坝复杂结构特点和运行环境，有必要研究一种能够实现多源数据融合、高精度三维变形感知、复杂环境自适应以及长期稳定运行的智能监测技术，为大坝安全评价和智能预警提供可靠的数据支撑。

技术实现思路

1、基于上述表述，本发明提供了融合机器视觉与激光测距的拱坝三维变形监测智能体，以解决现有拱坝变形监测过程中存在的测点覆盖不足、难以实现全域三维变形感知、视觉与激光数据难以高精度融合以及复杂运行环境下监测稳定性不足的问题。

2、本发明解决上述技术问题的技术方案如下：

3、融合机器视觉与激光测距的拱坝三维变形监测智能体，其包括：监测感知层、认知决策层和控制执行层；所述监测感知层用于实现拱坝监测区域多源异构信息的采集，包括机器视觉测量单元、激光测距单元、仪器本体感知单元、环境感知单元、靶标协同单元以及数据前端传输单元；其中，所述机器视觉测量单元用于采集拱坝监测目标的二维图像信息，所述激光测距单元用于获取监测目标的一维距离变化信息，所述仪器本体感知单元用于采集监测设备自身温度、姿态等状态信息，所述环境感知单元用于采集监测区域温度、湿度、照度以及振动参数，所述靶标协同单元用于提供视觉测量和激光测距共同参考基准；所述认知决策层包括数据处理单元、认知单元和决策单元，用于对所述监测感知层采集的数据进行预处理、融合分析、状态识别以及设备管控指令生成；所述控制执行层包括自适应调节执行单元、时空同步与边缘缓存单元以及故障自愈与安全防护单元，用于根据所述认知决策层生成的控制信息，对监测设备运行状态、数据采集参数以及通信状态进行调节控制，从而形成包含数据采集、数据处理、状态认知、控制执行和反馈调节的闭环监测结构。

4、进一步的，所述机器视觉测量单元包括工业高清相机、专用监测镜头以及高速图像采集卡；所述工业高清相机包括工业级cmos图像传感器，用于采集拱坝监测区域内靶标图像信息，并支持高频图像采集；所述专用监测镜头采用定焦结构，并设置有调焦锁定机构，用于在完成现场焦距调整后保持镜头参数稳定，降低由于镜头参数变化造成的测量误差；所述高速图像采集卡与工业高清相机连接，用于实现多路图像数据同步采集，并对采集图像进行前端处理；所述机器视觉测量单元还包括图像增强及特征提取模块，用于对采集图像中的监测靶标进行识别，并提取靶标特征位置，为拱坝二维位移信息获取提供数据基础；所述机器视觉测量单元安装于拱坝监测区域，并与所述激光测距单元配合，实现二维位移信息与距离信息的联合获取。

5、进一步的，所述激光测距单元包括激光测距仪、准直模块以及抗干扰模块；所述激光测距仪采用相位式激光测距结构，用于获取拱坝监测目标沿激光传播方向上的距离变化信息；所述准直模块设置于激光测距仪输出端，包括高精度转动调节结构，用于调整激光束指向，使激光束作用于监测靶标的指定区域；所述抗干扰模块包括窄带滤波器、温漂校正单元以及微振动抑制单元，用于降低环境光、水汽、温度变化以及设备振动对激光测距结果产生的影响；所述激光测距单元与所述机器视觉测量单元安装于同一监测设备主体上，通过空间位置标定建立两者之间的位置关系，使激光测距获得的一维距离信息能够与机器视觉获取的二维位移信息进行融合，为拱坝三维变形监测提供数据支撑。

6、进一步的，所述环境感知单元包括温湿压一体化传感器、微照度传感器以及mems振动传感器；所述温湿压一体化传感器用于实时采集监测区域环境温度、相对湿度以及气压参数，并将环境参数传输至认知决策层，用于环境状态分析和测量误差修正；所述微照度传感器用于采集监测区域光照强度信息，以辅助判断机器视觉成像环境，并为补光控制提供依据；所述mems振动传感器用于采集监测区域振动状态信息，以识别设备运行过程中的振动干扰；所述环境感知单元与机器视觉测量单元、激光测距单元以及控制执行层连接，使监测智能体能够根据环境变化调整采集参数，提高监测系统在低照度、高湿、温度变化以及微振动环境下的运行稳定性。

7、进一步的，所述靶标协同单元包括主靶标、公共传递靶标以及中转靶标；所述主靶标设置于拱坝待监测区域，用于作为机器视觉测量单元和激光测距单元共同作用的目标基准；所述公共传递靶标设置于相邻监测区域之间，用于实现不同监测位置之间的空间坐标关联；所述中转靶标设置于拱坝弧形廊道内视线受限区域，用于辅助完成监测信息传递；所述靶标协同单元采用具有视觉识别特征和激光反射特性的组合结构，其中靶标表面设置视觉识别区域和激光反射区域，以同时满足图像特征提取和激光距离测量需求；所述靶标协同单元与机器视觉测量单元、激光测距单元配合，用于提高复杂空间条件下监测数据获取的连续性。

8、进一步的，所述认知决策层的数据处理单元包括数据预处理子单元、多源数据融合子单元以及数据存储子单元；所述数据预处理子单元用于对机器视觉图像数据、激光测距数据、环境感知数据以及设备状态数据进行格式统一、异常数据处理以及数据质量优化；所述多源数据融合子单元包括坐标系建立模块、观测值计算模块、几何约束平差解算模块、动态权值优化模块以及参数输出模块，用于实现二维视觉位移信息和一维激光距离信息的融合处理；所述数据存储子单元包括本地存储模块和云端备份模块，用于对原始监测数据、融合处理后的三维变形数据以及设备运行日志进行分类存储，提高监测数据的完整性和可追溯性。

9、进一步的，所述认知单元包括机器视觉数据认知模块、激光测距数据认知模块、环境与本体数据认知模块以及设备状态认知模块；所述机器视觉数据认知模块与所述机器视觉测量单元连接，用于对采集图像质量、靶标识别状态以及视觉测量状态进行分析；所述激光测距数据认知模块与所述激光测距单元连接，用于对激光测距数据有效性、测距信号状态以及激光设备运行状态进行分析；所述环境与本体数据认知模块与所述环境感知单元和仪器本体感知单元连接，用于对监测环境条件以及设备自身运行状态进行分析；所述设备状态认知模块用于对监测设备在线状态、通信状态以及运行健康状态进行分析；所述认知单元与所述决策单元连接，用于根据不同监测数据状态和设备运行状态生成对应的状态信息，并为设备调节、数据采集控制以及故障处理提供依据，使监测智能体具备对监测过程和设备状态的自主感知能力。

10、进一步的，所述决策单元包括数据采集管控决策模块、设备自适应调节决策模块、故障自愈与链路管控决策模块以及决策指令管控模块；所述数据采集管控决策模块用于根据认知单元输出的监测状态信息，对监测数据采集状态进行调整；所述设备自适应调节决策模块用于根据环境状态和设备运行状态生成设备参数调节指令；所述故障自愈与链路管控决策模块用于根据设备异常状态生成故障恢复、通信调整以及数据缓存相关控制指令；所述决策指令管控模块用于对控制指令进行统一管理，并接收控制执行层反馈信息；所述决策单元与控制执行层连接，使监测智能体能够根据现场环境变化和设备运行状态对监测过程进行动态调节，实现监测设备状态感知、控制指令生成以及执行反馈的协同运行。

11、进一步的，所述控制执行层的自适应调节执行单元包括近红外补光控制模块、窄带激光滤波切换模块、相机曝光与防抖协同调节模块以及靶标自动清洁控制模块；所述近红外补光控制模块与机器视觉测量单元连接，用于根据监测环境光照状态调整补光参数，以改善低照度条件下的图像采集质量；所述窄带激光滤波切换模块与激光测距单元连接，用于根据激光测量环境状态调整滤波参数，降低环境干扰对测距结果的影响；所述相机曝光与防抖协同调节模块用于根据照度和振动状态调整相机采集参数，减少振动造成的图像质量下降；所述靶标自动清洁控制模块用于根据靶标表面状态对清洁装置进行控制，保持靶标识别稳定性；所述自适应调节执行单元与认知决策层连接，根据认知决策层输出的控制指令完成现场设备调节，提高监测智能体在复杂环境下的持续运行能力。

12、进一步的，所述控制执行层还包括时空同步与边缘缓存单元以及故障自愈与安全防护单元；所述时空同步与边缘缓存单元包括高精度时间同步模块、边缘数据缓存模块以及断点续传模块；所述高精度时间同步模块用于为机器视觉测量单元、激光测距单元以及环境感知单元提供统一时间基准，所述边缘数据缓存模块用于在通信异常情况下保存监测数据，所述断点续传模块用于在通信恢复后实现缓存数据传输；所述故障自愈与安全防护单元包括硬件级故障自愈模块、软件级故障自愈模块以及物理与数据安全防护模块；其中，所述硬件级故障自愈模块用于实现监测设备异常状态下的复位控制，所述软件级故障自愈模块用于实现设备运行参数异常情况下的恢复控制，所述物理与数据安全防护模块用于保障设备运行环境安全及监测数据安全；通过所述时空同步与边缘缓存单元以及故障自愈与安全防护单元，提高监测智能体在长期无人值守条件下的数据连续性、运行可靠性以及工程适用性。

13、与现有技术相比，本技术的技术方案具有以下有益技术效果：

14、1、本发明通过融合机器视觉二维位移感知与激光测距深度信息，构建多源协同监测方式，突破传统单一测量手段在空间维度上的限制，实现拱坝径向、切向及竖向三维变形信息的综合获取，提高了拱坝变形监测的完整性和准确性；

15、2、本发明针对拱坝弧形结构及狭窄廊道空间条件，采用视觉与激光协同接力测量方式，结合多靶标空间布设与坐标传递机制，扩大了监测范围，减少了传统离散测点造成的监测盲区，实现对拱坝整体变形状态的连续感知；

16、3、本发明通过建立机器视觉数据与激光测距数据的时空同步及融合解算机制，结合几何约束平差与动态权值优化方法，提高了多源异构监测数据融合精度，降低了因时间不同步、测量误差差异导致的三维变形计算偏差；

17、4、本发明通过引入温湿度、照度、振动等多参数环境感知机制，并结合补光调节、温漂补偿、振动修正及基准自适应校准方法，提高了监测系统在低照度、高湿、温度变化及微振动等复杂环境下的适应能力，保障了长期连续监测的数据可靠性；

18、5、本发明通过构建监测感知层、认知决策层和控制执行层组成的智能化闭环架构，实现监测数据采集、状态分析、设备调节及故障恢复的协同控制，提高了监测系统的自动化水平，降低了人工维护需求，满足无人化长期运行需求；

19、6、本发明采用模块化集成设计，将视觉采集、激光测距、环境感知、边缘计算及通信控制功能进行一体化集成，提升了设备部署灵活性和工程适用性，可有效降低系统安装与运维成本，为拱坝数字化监测和智能安全管理提供可靠的数据支撑。