一种基于数据融合的相机系统位移监测改进方法技术方案

本发明专利技术属于结构健康监测技术领域，具体公开了一种基于数据融合的相机系统位移监测改进方法，将直接输出的位移数据与同监测点的加速度数据进行数据融合，可有效改善相机监测系统在户外不利环境条件下的测量准确度，同时拓宽了位移时程中的动力特性成分。所得的高准确度和高精度的位移数据，可应用于有限元模型修正、车辆荷载估算、桥梁位移影响线估算等，适用范围广。

【技术实现步骤摘要】
一种基于数据融合的相机系统位移监测改进方法
本专利技术属于结构健康监测
，具体涉及一种基于数据融合的相机系统位移监测改进方法。
技术介绍
结构位移信息体现结构的整体性，是桥梁结构状态和性能评估的重要参考。比如，服役期间桥梁结构经历的位移极值可能预示着极端荷载条件或结构缺陷的产生；车辆荷载实验下的桥梁位移，可以辅助估计结构的承载能力。传统的位移监测传感器，如线性位移差分变压器、千分表，安装使用依赖于固定支撑点，但桥梁跨下开放空间往往难以到达；GPS定位系统和智能型全站仪，受测量精度限制，只适用于测量较为柔性的结构，如大跨桥。基于计算机视觉原理的相机系统，具有非接触、多点同步测量、安装简单、成本低等优点，在桥梁结构位移监测领域受到的关注逐步增多。但相机系统在户外实验中测量精度，往往受环境因素影响大，如光照变化、目标物材质变化、相机支撑系统抖动等，而户外监测过程中往往无法完全避开这些不利测量条件。因此，当前需要一种相机改进系统，实现更精确和稳定的结构位移监测。
技术实现思路
为解决上述问题，本专利技术公开了一种基于数据融合的相机系统位移监测改进方法，将直接输出的位移数据与同监测点的加速度数据进行数据融合，可有效改善相机监测系统在户外不利环境条件下的测量准确度，同时拓宽了位移时程中的动力特性成分，为服役期内的桥梁结构状态和性能评估提供参考。为达到上述目的，本专利技术的技术方案如下：一种基于数据融合的相机系统位移监测改进方法，包括以下步骤：S1：在合适的位置架设相机采集视频，确保结构中待测试的部件位于相机视野范围内；同时，在同一个监测点布设加速度计采集结构振动数据；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{dk}；包含三步：确定投影几何关系，定位目标物，求解结构位移；S21：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实际物理坐标Z＝[pq1]T及其投影到相机图片平面内的二维坐标m＝[uv1]T，计算出平面单应矩阵H，其中αm＝HZ，α为任意尺度的比例；S22：在视频初始帧中选定一矩形区域作为监测目标，左上角边缘点的图片坐标为m1；基于模板匹配法，选用零均值归一化互相关系数作为相似性匹配准则，得到相关矩阵，矩阵中峰值处即为目标物在新的视频帧中的位置mk；S23：已知投影矩阵H和目标物在图片平面内的坐标mk，利用投影关系αmk＝HZk，得到目标物的物理坐标Zk，与初始坐标Z1的差值即为目标的运动位移dk；S3：基于卡尔曼滤波，将同测点的位移与加速度时程进行融合，得到改进后的位移时程；S31：通过找到两个位移信号(即相机测得的位移时程{dk}和加速度{ak}两次积分得到的位移时程)互相关系数的极值，得到相对延迟时间，进而同步两段信号{dk}和{ak}；S32：建立状态空间表达式；状态变量设为位移和速度，即对应状态方程为Xk+1＝AXk+Bak+nk，输出方程为dk＝GXk+sk，其中，k表示时间步，ak和dk为时间步k时实测加速度和位移值，nk和sk分别表示过程噪声和观测噪声，矩阵G＝[10]，dt为加速度信号的采样间隔；S33：基于卡尔曼滤波中的时间更新和状态更新，求得状态变量Xk在每一时间步内的最优值及误差协方差Pk|k；S34：基于卡尔曼平滑，进行时间步的反向迭代，优化状态变量的估值其中N对应时程信号的最后时间步；中的第一个元素即为时间步k时基于数据融合的位移估计值本专利技术的有益效果是：本专利技术与现有技术相比，具有以下优点：1、有效提高了相机系统在户外不利监测环境条件下的测量准确度，保证监测数据的稳定性2、拓宽了相机系统测得的位移时程中的高频成分，测量结果可用于提取结构动力特性；3、所得的高准确度和高精度的位移数据，可直接应用于有限元模型修正、车辆荷载估算、桥梁位移影响线估算等，适用范围广。附图说明图1是本专利技术方法的流程图；图2是在一单跨铁路桥的案例中相机系统采集视频的初始帧；图3是铁路桥在一火车通行下相机直接测得的位移时程；图4是铁路桥在一火车通行下加速度计采集的时程信号；图5是铁路桥在一火车通行下相机直接测得的位移时程及数据融合得到的位移时程。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专利技术的具体实施方式。一种基于数据融合的相机系统位移监测改进方法，包括以下步骤：S1：在合适的位置架设相机采集视频，确保结构中待测试的部件位于相机视野范围内，初始视频帧见图2；同时，在同一个监测点布设加速度计采集结构振动数据；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；包含三步：确定投影几何关系，定位目标物，求解结构位移；S21：根据与监测目标在同一平面内的四个控制点(见图2中圆点注释处)的实际物理坐标及其投影到相机图片平面内的二维坐标，计算出平面单应矩阵；S22：在视频初始帧中选定一矩形区域作为监测目标，见图2中矩形注释区域；基于模板匹配法，选用零均值归一化互相关系数作为相似性匹配准则，得到目标物在新的视频帧中的位置；S23：已知投影矩阵和目标物在图片平面内的坐标，利用相机成像投影关系，得到目标物的物理坐标Zk，与初始坐标Z1的差值即为目标的运动位移；相机系统直接输出的位移时程见图3。S3：基于卡尔曼滤波，将同测点的位移与加速度时程进行融合，得到改进后的位移时程；S31：通过找到两个位移信号(即相机测得的位移时程和加速度两次积分得到的位移时程)互相关系数的极值，实现时间同步，同步后的加速度时程见图4；S32：建立状态空间表达式；状态变量设为位移和速度，即对应状态方程为Xk+1＝AXk+Bak+nk，输出方程为dk＝GXk+sk，其中，k表示时间步，ak和dk为时间步k时实测加速度和位移值，nk和sk分别表示过程噪声和观测噪声，矩阵G＝[10]，dt为加速度信号的采样间隔；S33：基于卡尔曼滤波中的时间更新和状态更新，求得状态变量Xk在每一时间步内的最优值及误差协方差Pk|k；S34：基于卡尔曼平滑，进行时间步的反向迭代，优化状态变量的估值其中N对应时程信号的最后时间步；中的第一个元素即为时间步k时基于数据融合的位移估计值数据融合后得到的位移时程见图5。本文档来自技高网...

【技术保护点】
1.一种基于数据融合的相机系统位移监测改进方法，其特征在于：具体实施步骤如下：S1：在合适的位置架设相机采集视频，确保结构中待测试的部件位于相机视野范围内；同时，在同一个监测点布设加速度计采集结构振动数据；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{dk}；包含三步：确定投影几何关系、定位目标物、求解结构位移；S3：基于卡尔曼滤波，将同测点的位移与加速度时程进行融合，得到改进后的位移时程。

【技术特征摘要】
1.一种基于数据融合的相机系统位移监测改进方法，其特征在于：具体实施步骤如下：S1：在合适的位置架设相机采集视频，确保结构中待测试的部件位于相机视野范围内；同时，在同一个监测点布设加速度计采集结构振动数据；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{dk}；包含三步：确定投影几何关系、定位目标物、求解结构位移；S3：基于卡尔曼滤波，将同测点的位移与加速度时程进行融合，得到改进后的位移时程。2.根据权利要求1所述的一种基于数据融合的相机系统位移监测改进方法，其特征在于：步骤S2的具体方法是：S21：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实际物理坐标Z＝[pq1]T及其投影到相机图片平面内的二维坐标m＝[uv1]T，计算出平面单应矩阵H，其中αm＝HZ，α为任意尺度的比例；S22：在视频初始帧中选定一矩形区域作为监测目标，左上角边缘点的图片坐标为m1；基于模板匹配法，选用零均值归一化互相关系数作为相似性匹配准则，得到相关矩阵，矩阵中峰值处即为目标物在新的视频帧中的位置mk；S23：已知投...

【专利技术属性】
技术研发人员：徐燕，郑宝锋，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32