【技术实现步骤摘要】
一种基于激光与计算机视觉的桥梁模态实时识别方法及系统
[0001]本专利技术涉及一种基于激光与计算机视觉的桥梁模态实时识别方法及系统,属于结构健康监测
技术介绍
[0002]桥梁是我国高速公路、铁路以及城市交通运输的关键节点,保证其安全运营对我国社会经济正常运行至关重要。随着桥梁数量和使用时间的增加,依托桥梁结构健康监测系统准确把握复杂环境下桥梁真实状态及其力学性能,成为桥梁结构健康监测和安全评估的重大需求之一。基于振动的结构健康监测方法因其在动力特性识别、损伤检测和模型更新方面的巨大潜力,在学术界和工程界得到了广泛的关注和应用。随着学科交叉的发展,各种先进的传感技术结合基于振动的结构健康监测理论已被应用于桥梁健康监测,如无线传感器网络、长量程光纤光栅和微波干涉雷达。其中,基于计算机视觉的结构位移/振动测量无疑是近年来最受欢迎的方法之一。
[0003]传统的桥梁模态分析,主要包括桥梁振动数据采集和频谱分析两个步骤,桥梁振动数据采集方法通常可以分为在桥上安装加速度传感器测量和在移动检测车上安装加速度传感器通过车辆振动间接获得两种方法。前者传感器设备昂贵,供电与安装难度高,后者定制检测车费用高,采集数据会影响桥梁交通。本专利技术结合激光优异的穿透能力和高精度的计算机视觉算法,以消费者级别摄像设备代替专业模态识别设备并采用近距离成像避免距离对测量精度的影响,无需在桥梁结构上安装复杂的传感器,属于非接触式检测手段,具有安装操作难度低,节约人力成本和装置成本,模态识别精度高,适用场景丰富等显著优点。
...
【技术保护点】
【技术特征摘要】
1.一种基于激光与计算机视觉的桥梁模态实时识别系统,其特征在于,包括:激光发射装置,安装在桥梁结构之外或支座处的稳定位置,包括多个激光发射器;激光接收装置,设置于桥梁结构处各个测点,用于接收多个激光发射器发出的激光光斑;智能摄像机装置,内置图像识别及位移计算程序模块,实时采集激光接收装置接收的各个测点激光光斑的振动视频,通过内置图像识别及位移计算程序模块自动提取激光光斑中心点坐标求解结构位移,并将结构位移数据传输至云平台模态识别系统;云平台模态识别系统,用于接收各个测点的结构位移数据,采用数据驱动的随机子空间识别方法识别结构多阶模态参数,得到多阶桥梁结构模态。2.根据权利要求1所述的基于激光与计算机视觉的桥梁模态实时识别系统,其特征在于:所述激光发射器、激光接收装置及智能摄像机装置的数量,均与所需测量模态阶数保持一致。3.根据权利要求1所述的基于激光与计算机视觉的桥梁模态实时识别系统,其特征在于:所述激光接收装置固定在桥梁结构不影响激光光线接收的任意位置。4.根据权利要求1所述的基于激光与计算机视觉的桥梁模态实时识别系统,其特征在于:所述的激光接收装置由接收板和上下两块外伸板组成,智能摄像机装置通过上下外伸板与激光接收装置连接。5.根据权利要求1所述的基于激光与计算机视觉的桥梁模态实时识别系统,其特征在于:所述多个激光发射器固定在一个或多个移动支架上。6.一种基于激光与计算机视觉的桥梁模态实时识别方法,其特征在于:包括以下步骤:步骤S1、在桥梁上多个测点安装激光接收装置,在桥梁结构以外任意稳定位置或者桥梁支座处固定激光发射装置,并向激光接收装置的接收板平面投射激光光线,形成激光光斑;步骤S2、智能摄像机装置实时采集激光接收板接收的各个测点激光光斑振动视频;步骤S3、智能摄像机装置通过内置图像自动识别及结构位移计算程序,定位拟合激光光斑圆心坐标求解桥梁结构振动时程,并将结构位移数据传输至云平台模态识别系统;步骤S4:云平台模态识别系统基于得到的各测点桥梁结构位移时程,采用数据驱动的随机子空间识别方法进行模态参数识别。7.根据权利要求6所述的桥梁模态实时识别方法,其特征在于,步骤S3的具体步骤如下:步骤S301、在视频首帧中自动选择激光光斑区域作为感兴趣ROI模板;步骤S302、在后续帧中通过模板匹配方法选取平方差作为衡量相似度的指标,相似度指标表达式为:R(x,y)=∑
x
’
,y
’
(T(x
’
,y
’
)
‑
I(x+x
’
,y+y
’
))2其中,T为模板,I为目标图像,相似度越高,计算结果越小,完全相似时,R=0,对每帧图像进行初始ROI的匹配,选择结果最小的位置作为该目标的自适应ROI,即“粗定位”位置。步骤S303、对具有明显灰度分布特征的激光光斑ROI进行自适应二值化分割,采用最大类间方差法进行自适应阈值选择,根据图像灰度特征将图像分为背景类C0和目标类C1,背景类与目标类灰度均值计算公式分别为:
图片整体灰度均值计算公式为:类间方差计算公式为:最终通过遍历法求得使类间方差最大的阈值t,其中,M...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。