一种基于计算机视觉技术的桥梁结构位移影响线实测方法

摘要

本发明属于结构健康监测技术领域，具体提供了一种基于计算机视觉技术的桥梁结构位移影响线实测方法，先在合适的位置架设相机采集视频，确保结构中待测点均位于相机视野范围内；然后基于计算机视觉原理，从采集的视频中提取结构位移时程d；给定通行车辆的车轴分布和轴重，从采集的视频中提取移动荷载信息A；最后根据移动荷载矩阵A和结构测点位移时程d的关系求解出结构位移影响线IL；本发明在户外试验中操作简单、成本低，不影响桥梁正常运营，可同时提供沿跨长方向多测点的位移影响线信息，方便用于结构损伤定位和损伤程度的量化。

说明书

技术领域

本发明属于结构健康监测技术领域，提供了一种基于计算机视觉技术的桥梁结构位移影响线实测方法。

背景技术

桥梁结构的位移影响线是指移动荷载通过整个跨度时对应的观测点位移变化曲线，可反映结构全局性的信息。常见的应用是桥梁损伤识别，利用损伤前后的位移影响线及其相关参数的变化，实现结构损伤的定位和程度量化。

影响线实测方法，常见的有两种，通过静载试验的方式逐点测试获取桥梁影响线，通过标定车辆匀速过桥的方式获取准静态影响线。传统的影响线实测试验，由于传感器桥上安装和车辆加载位置控制，往往会影响桥梁结构的日常运营，且试验成本高、工作效率低。因此，提出一种经济实用的桥梁影响线实测方法，具有很重要的意义。

发明内容

为解决上述问题，本发明公开了一种基于计算机视觉技术的桥梁结构位移影响线实测方法，在户外试验中操作简单、成本低，不影响桥梁正常运营，可同时提供沿跨长方向多测点的位移影响线信息，方便用于结构损伤定位和损伤程度的量化。

为达到上述目的，本发明的技术方案如下：

一种基于计算机视觉技术的桥梁结构位移影响线实测方法，包括以下步骤：

S1：在合适的位置架设相机采集视频，确保结构中待测点均位于相机视野范围内；

S2：基于计算机视觉原理，从采集的视频中提取结构位移时程d；

S21：在视频初始帧中选定一个或多个监测目标，图片平面内位于m₁；

S22：根据与监测目标在同一平面内的四个或四个以上控制点的投影成像关系，计算出平面单应矩阵H，其中αm＝HZ，α为任意尺度的比例，m为控制点在图片平面内的二维坐标，Z为控制点的实际物理坐标；

S23：基于Lucas-Kanade光流算法，定位目标物在下一视频帧中的位置m_k；具体实现过程是，基于Shi-Tomasi角点检测，识别出目标区域中的关键特征点(x,y)；基于亮度恒定的假定，推导出关键特征点(x,y)在下一帧中的位置移动(dx,dy)，即求解方程其中，i表示关键特征点(x,y)周围方行区域(如3×3)内的第i个像素点，I_x、I_y和I_t表示图片强度I关于图片空间和时间的梯度；基于随机抽样一致性算法，去除位置移动异常的关键特征点，得到剩余点在图片平面内的平均移动目标物在该视频帧中的位置即为

S24：利用目标物的投影成像关系αm_k＝HZ_k，得到目标物的物理坐标Z_k，与初始坐标Z₁的差值即为目标在时间步k时的运动位移d_k；

S3：给定通行车辆的车轴分布和轴重，从采集的视频中提取移动荷载信息A；

S31：已知车身总长L和采集的视频帧率FPS，根据车头、车尾通过桥上同一测点的视频帧数F_f、F_r，估算出车辆通行平均速率v＝L·FPS/(F_r-F_f)；

S32：根据车速v和车轴分布，估算出各车轴随时间的移动位置，继而汇总成移动荷载矩阵A，其中矩阵中元素A_km表示时间步k时桥梁单元m上作用的车轴荷载，若该单元在此时间步下无作用荷载，则A_km＝0；

S4：根据移动荷载矩阵A和结构测点位移时程d的关系，即A·IL＝d，求解出结构位移影响线IL。

本发明的有益效果是：

本发明与现有技术相比，具有以下优点：

1、涉及的试验设备简易、成本低，只需要视频采集器如相机、手机，装有视频分析程序的电脑以及辅助设备如三脚架；在户外试验中操作简单，无需靠近结构各测点处安装传感器，对结构日常运营无影响；

2、与传统的位移影响线实测方法相比，本发明提出的相机系统，可同时提取结构位移和车辆荷载位置的信息，不涉及传感器之间的同步问题；

3、此方法可同时提供沿跨长方向多测点的位移影响线信息，方便用于结构损伤定位和损伤程度的量化。

附图说明

图1是本发明方法的流程图；

图2是在一单跨铁路桥的案例中相机系统的布置；

图3是铁路桥在一四节车厢的火车通行下的位移时程；

图4是铁路桥跨中位置在单位荷载(1N)下的位移影响线。

具体实施方式

以下结合技术方案，通过一单跨铁路桥的案例来说明本发明的具体实施方式。

S1：在合适的位置架设相机采集视频，确保结构中待测点均位于相机视野范围内；相机系统的布置见图2；

S2：基于计算机视觉原理，从采集的视频中提取结构位移时程d；

S21：在视频初始帧中选定位于跨中的监测目标，图片平面内位于m₁；

S22：根据与监测目标在同一平面内的四个或四个以上控制点的投影成像关系，计算出平面单应矩阵H；

S23：基于Lucas-Kanade光流算法，定位目标物在下一视频帧中的位置m_k；

S24：利用目标物的投影成像关系αm_k＝HZ_k，得到目标物的物理坐标Z_k，与初始坐标Z₁的差值即为目标在时间步k时的运动位移d_k；桥梁跨中位置在一四节车厢的火车通行下的位移时程见图3；

S3：给定通行车辆的车轴分布和轴重，从采集的视频中提取移动荷载信息A；

S31：已知车身总长L和采集的视频帧率FPS，根据车头、车尾通过桥上同一测点的视频帧数F_f、F_r，估算出火车通行的平均速率v＝34.0km/h,；

S32：根据车速v和车轴分布，估算出各车轴随时间的移动位置，继而汇总成移动荷载矩阵A；

S4：根据移动荷载矩阵A和结构测点位移时程d的关系，即A·IL＝d，求解出结构位移影响线IL；所得跨中位置的位移影响线见图4。