CN109631787A - 透射式靶标图像的光斑中心检测方法及桥梁挠度图像式检测装置 - Google Patents

Abstract

本发明公开了一种透射式靶标图像的光斑中心检测方法及桥梁挠度图像式检测装置，在光斑中心检测时，首先对靶标图像采用金字塔模型获取待检测的光斑区域；在光斑区域内检测光斑的边缘后通过椭圆拟合的方法获取光斑的亚像素中心。本发明提高了光斑位置测量精度和效率，从应用层面解决了挠度监测的高精度和实时性的矛盾。

Description

透射式靶标图像的光斑中心检测方法及桥梁挠度图像式检测 装置

技术领域

本发明涉及激光基准桥梁挠度视觉检测，具体涉及激光光斑图像快速检测算法及装置。

背景技术

桥梁的挠度是桥梁运行状况的常用度量参数，在桥梁的负载评估、健康监测、温度效应、应力损失上得到极为广泛的应用，是桥梁健康状况评价的重要参数指标，可以对桥梁的承载能力进行评估，指导桥梁的维护维修工作。因此，有必要对桥梁的挠度长期监测，确保桥梁结构服役可靠性，提升桥梁安全保障能力。

现有非接触式的挠度测量方法主要有以下几种：(1)倾角仪法：这种方法使用电容传感无源伺服式倾角仪，在桥梁的动态挠度测量方面，对各倾角仪之间的相位差、倾角仪的瞬态反应、倾角仪零漂等的要求较高，较为复杂。(2)连通管法：这种方法可实现连续在线测量，但是该方法不适用于跨度大、纵坡大的桥梁(因为水平面高差相距太大，造成测量不准确)。(3)光电成像和CCD摄像法：通过架设摄像机对准靶标，记录靶标上图像的振动情况，通过计算机得到挠度数据。(4)光电分光成像和高速线阵CCD法：利用光电转换器接收发光靶标的特定波长的单色光，进行A/D转换，得出测量值。后两种方法受到图像辨识和光源影响，检测过程复杂，实时性差，而且检测精度较低。为此，有报道采用激光为基准，利用测点位置部署的四象限探测器对桥梁挠度进行检测，但是，四象限探测器检测动态范围有限，位置分辨精度低，价格昂贵，功能单一，不利于广泛推广应用。

发明内容

本发明的目的在于提供一种透射式靶标图像的光斑中心检测方法及桥梁挠度图像式检测装置。

为达到上述目的，本发明采用了以下技术方案：

一种靶标图像的光斑中心检测方法，包括以下步骤：

1)采集用于记录基准激光在透射式靶标上所形成的光斑的位置的靶标图像；

2)对采集的靶标图像采用金字塔模型获取ROI区域，所述ROI区域为靶标图像的光斑区域；

3)在ROI区域内提取光斑的边界点，利用光斑的边界点进行椭圆拟合，根据椭圆拟合的结果计算光斑的亚像素中心二维坐标。

优选的，所述步骤1)具体包括以下步骤：以漫射滤光平面材料作为设置在桥梁梁体上的透射式靶标的靶面，利用设置在该透射式靶标的靶面一侧的CMOS图像采集单元对由所述靶面另一侧射向该靶面的激光于靶面位置进行连续图像采集，得到靶标序列图像(包括多帧靶标图像)。

优选的，所述步骤2)具体包括以下步骤：以靶标图像为底层图像，构建标靶图像金字塔，在靶标图像金字塔的顶层图像中参考光斑中心灰度值确定光斑区域，根据该光斑区域内像素点在底层图像中的位置，确定靶标图像的光斑区域。

优选的，所述步骤3)中，利用从光斑的所有边界点中选取的不同组光斑边界点分别进行椭圆拟合，然后从多次拟合结果中选择最优的拟合椭圆，根据该拟合椭圆计算椭圆中心坐标，即获得光斑的亚像素中心二维坐标；所述光斑边界点的选取包括以下步骤：将靶标图像中光斑的所有边界点按照位置分割为多个边界点集合，从多个边界点集合中随机选择一定数量比例的边界点集合，并从选择的每个边界点集合中随机选择一个以上的边界点。

优选的，所述光斑边界点的选取还包括以下步骤：判断所有随机选择的边界点中是否存在共线的三个以上的边界点，若存在，则重新进行边界点集合及对应边界点的随机选择，直至选取得到一组用于椭圆拟合的边界点；否则即可以根据选取的边界点采用最小二乘法求解椭圆方程中的系数，得到拟合椭圆。

优选的，对多次椭圆拟合的结果，分别采用遍历的方式确定其中包含光斑边界点个数最多的拟合椭圆，以该拟合椭圆作为最优的拟合椭圆，其中，拟合椭圆包含的边界点个数的计算包括以下步骤：遍历光斑所有的边界点，求取边界点与某个拟合椭圆的残差平方和，如果残差平方和小于阈值，则记录该边界点为该拟合椭圆上的点，统计记录的点数，得到拟合椭圆包含的边界点个数。

优选的，所述光斑的边界点采用边缘检测算子提取。

一种激光基准的桥梁挠度图像式检测装置，该检测装置包括智能靶标，智能靶标包括设置于桥梁梁体上的机箱以及设置于机箱上的用于接受基准激光(例如，为减小系统误差，利用650nm激光光源发出的平行准直激光沿与靶面垂直角度照射至透射式靶标)照射的透射式靶标，所述机箱内设置有靶标图像采集和处理模块，靶标图像采集和处理模块包括滤光单元(例如，中心波长为650nm的窄带滤光片)、镜头、CMOS图像采集单元(例如，采用超低照度CMOS摄像机)、视频解码单元以及图像处理单元，滤光单元设置于所述透射式靶标与镜头之间，CMOS图像采集单元设置于镜头的透射式靶标成像光路上，视频解码单元分别与图像处理单元以及CMOS图像采集单元相连；图像处理单元包括光斑区域检测模块、光斑边缘检测模块以及椭圆拟合模块，光斑区域检测模块用于对靶标序列图像中的各帧靶标图像采用金字塔模型获取对应靶标图像的光斑区域，所述靶标序列图像是由CMOS图像采集单元连续采集的多帧记录基准激光在透射式靶标上所形成的光斑的位置的靶标图像，光斑边缘检测模块用于在靶标图像的光斑区域内提取光斑的边界点，椭圆拟合模块用于利用光斑的边界点进行椭圆拟合，并根据椭圆拟合的结果计算光斑的亚像素中心二维坐标(所述图像处理单元例如采用TMS320C6748等高性能DSP芯片，执行上述靶标图像的光斑中心检测，从而解算透射式靶标图像上激光光斑中心的二维坐标信息)。

优选的，所述检测装置还包括人机交互与通讯模块，人机交互与通讯模块包括设置于机箱内的用于根据靶标序列图像中靶标图像上光斑的亚像素中心二维坐标计算桥梁挠度参数的芯片(例如，STC12C5A60S2)、设置于机箱上的与该芯片相连的人界交互界面(例如，显示界面和按键)和无线通讯模块(利用无线通讯模块，所述靶标图像采集和处理模块可以与远程监控模块通信)。

优选的，所述检测装置还包括用于将基准激光投射至透射式靶标的分光镜。

本发明的有益效果体现在：

本发明的方法结合高精度激光基准和光电图像处理，采用金字塔模型提取靶标图像的光斑区域，采用边缘检测和椭圆拟合实现对激光光斑图像光斑中心的快速检测。

本发明的装置利用透射式靶标将激光光束转换成光斑图像信息并通过CMOS采集，对采集的图像采用金字塔模型提取光斑区域，并采用边缘检测和椭圆拟合实现对光斑图像光斑中心的快速检测，从而可以进行桥梁挠度监测，本发明提高了光斑位置测量精度和效率，满足了挠度监测对高精度和实时性的要求。

本发明采集带有激光光斑的靶标图像，在应用于桥梁挠度参数的测量中可以准确而方便的获取桥梁挠度变化结果，挠度测量的动态范围大(只要光斑位于靶标上即可，而靶标尺寸调整后，仅需适应性的调整镜头与靶标的距离，即物距即可)。

进一步的，本发明改进了椭圆拟合中边界点选取方法，避免了现有随机选择造成的椭圆拟合结果的不确定性，提高了拟合结果的可靠性。

附图说明

图1为激光光斑图像光斑中心快速检测方法原理框图。

图2为激光基准桥梁挠度检测原理示意图。

图3为视觉成像检测装置功能框图。

图4为智能靶标系统结构示意图；其中：(a)单点检测；(b)多点检测；1为漫射光学靶标；2为滤光片；3为单片机显示通讯单元；4为无线通讯天线；5为镜头；6为C6748图像处理单元；7为机箱；12为分光镜；13为激光发生器。

图5为距激光光源70m处靶标图像及其灰度分布示意图。

图6为图像ROI金字塔模型示意图。

图7为亚采样原理示意图。

图8为三层靶标金字塔示意图。

图9为靶标图像ROI示意图：(a)G₃(ROI)及映射得到的G₁(ROI)；(b)G₁(ROI)在图像G₁(i,j)中位置。

图10为椭圆拟合算法的边界点拟合示意图：(a)选择不同的边界点的椭圆拟合结果误差对比；(b)本发明的椭圆拟合分区选点示意图。

图11为椭圆拟合效果图：(a)为光斑图像；(b)为椭圆拟合结果。

具体实施方式

下面结合附图和实施例对本发明做详细说明。

本发明将高精度激光基准和光电图像处理相结合，提出了一种实时、全天候自动化桥梁挠度监测方案，该桥梁挠度监测方案的核心在于激光光斑图像光斑中心快速检测方法，该检测方法保证了测量精度和效率，对提高桥梁挠度监测精度和实时性具有指导意义，从应用层面解决了高精度和实时性的矛盾。

参见图1，本发明利用激光基准的嵌入式桥梁挠度图像式监测装置获取激光光斑图像，并对该图像中激光光斑中心位置进行检测，最终根据光斑中心位置变化实现对桥梁挠度的监测。其中，激光光斑图像由CMOS摄像机(头)于挠度监测点处采集，具体采集过程就是利用CMOS摄像机(头)于监测时段内连续采集多帧记录激光在透射式靶标上所形成光斑位置的靶标序列图像。透射式靶标的光斑中心检测中，首先对序列图像中的第一帧靶标图像采用金字塔模型获取其ROI区域(即光斑区域)，然后，在ROI区域内检测光斑的边缘，对光斑边缘通过椭圆拟合的方法获取光斑的亚像素中心；对于序列图像中的后续各帧靶标图像，则依次与第一帧靶标图像相同的方法快速获取对应图像的ROI区域，并在对应的ROI区域通过上述椭圆拟合的方法获取光斑的亚像素中心；最后根据各帧靶标图像上光斑中心位置的变化计算桥梁挠度。

参见图2，激光基准桥梁挠度监测是利用激光的直线传输原理，将激光光源发射的激光束作为测量基准(即位置不变)，利用靶标将桥梁的挠变量转化为光斑在靶标面上的位移量，再根据成像和图像处理技术解算出被测点(监测点)的光斑中心位移量便得到该点的挠度值。在桥梁梁体上部指定几个待测点，一般选取跨中L/2和其两侧2个L/4点，将靶标安放在待测点位置处，同时将基准激光发生器(激光光源)安放在桥墩某固定部位，激光束在靶标上打出一个激光光斑，调整出瞳焦距将激光光斑调整到合适大小。在桥梁未加载前先对待测点进行测量得到激光光斑中心在靶标上的初始位置坐标(x₀,y₀)，桥梁加载之后再次对待测点进行测量得到激光光斑中心的位置坐标(x₁,y₁)，则桥梁的待测点两次测量的光斑中心位置沿靶标x方向和y方向的距离之差分别为：Δx＝x₁-x₀和Δy＝y₁-y₀，由此可以得到待测点的挠度值(不含桥梁的徐变自重挠度)，将三个待测点处测得的挠度值带入以下公式，就可得到该跨的挠度曲线：

其中，梁体长度L、待测点位置x和a、b参数值已知，q为桥梁密度，EI是一个常量，即弹性模量和惯性矩的乘积，表示桥梁的抗弯刚度，随机荷载产生的作用力为P，通过测量加载后梁体上3个不同位置的挠度值y，将三组测量值分别带入以上公式联立求解，即可求得公式中的未知参数P、q、EI的值，从而得到梁体承受固定荷载的挠度方程。

参见图3，为了使靶标于待测点处实时完成激光基准挠变参数测量功能，设计了智能靶标，其主要由透射式靶标、CMOS摄像机(头)、滤光片、成像镜头、DSP图像信号处理板、人机交互和无线发射板组成，首先基准激光光束照射在透射式靶标靶面上形成一个光斑，位于靶标后方的CMOS摄像机(头)拍摄带有光斑的靶标图像，DSP图像信号处理板采集摄像机的图像信号，并将其转换为数字图像信号进行解算，得到光斑中心的二维坐标位置信息，人机交互和无线发射板通过与DSP图像信号处理板进行通讯获取光斑中心二维坐标信息，然后计算得到桥梁的挠变参数，在人机交互界面上显示，并且通过无线通讯电路实现与远程监测终端(计算机)的远程数据传输。同时用户可以通过人机交互界面的按键设置系统的工作状态和测量零点。

参见图4(a)，所述智能靶标中，采用透射式光学图像转换靶标方式，透射式靶标靶面(平面)的尺寸为m×n。透射式靶标靶面由漫射滤光材料(例如漫射板)构成，以便滤除背景杂波图像，从而提高系统的信噪比，改善成像平面上的光图质量，漫射板具有较好的漫射效果，直射的激光光源经过漫射板后可以变成漫射的光源，使用透射式漫射板作为激光接收转换装置，可以获得均匀而稳定的漫反射光照射区，从而使靶标靶面上的激光光斑均匀而稳定。靶标后安置CMOS摄像机，其成像镜头5前安装窄带滤光片2(可以有效去除外界环境光对激光光斑辨识的影响)，成像镜头5到漫射光学靶标1(即透射式靶标)的距离为d，通过成像镜头5使光学靶标在CMOS摄像机的图像传感器上成像，获得对称性好、能量均匀的激光光斑图像。智能靶标内部安装DSP图像信号处理板(包括视频解码电路，主要功能是将摄像机输出的靶标图像模拟信号通过硬件电路解码，输出YCbCr4:2:2格式的数字视频信号，以及C6748实时图像处理单元6)和人机交互和无线发射板(包括单片机显示通讯单元3，例如以STC12C5A60S2作为核心处理芯片)，实现靶标图像实时处理(光斑中心检测)、显示和数据传输。

具体地，漫射光学靶标靶面尺寸为：m×n＝120mm×80mm，选择美光公司的MT9V034，低照度全局快门CMOS摄像头，感光面积是：1/3″，有效像素为：752*482，灵敏度：4.8V/lux-sec，接口为10位并口。当拍摄较暗的场景时噪声对图像质量的干扰较小。靶标成像系统的工作距离约为100mm，因此利用公式求得镜头的放大倍数为：

PMAG＝4.8/120≈0.04 (2)

则镜头的焦距为：

f＝0.04×100/(1+0.04)≈3.846mm (3)

通常情况下可选择的镜头焦距有4mm、8mm、12.5mm、16mm等标准规格，所以选择最接近于计算值的焦距为4mm的镜头。再根据镜头焦距计算靶标平面到镜头之间的距离：

d＝WD＝(1+0.04)×4/0.04＝104mm (4)

以靶标成像系统参数的理论计算结果为参考。

参见图4(b)，通过设置分光镜12(例如透光80％的透镜，与激光夹角为45度)，将使得部分激光经反射射向靶标，而透过分光镜的激光可以继续射向下一个待测点处，并以同样方式射向对应的靶标。从而，可以对梁体上的三个待测点同时完成挠度参数测量。

智能靶标系统是单目二维测量系统，其摄像机安装垂直于靶标工作平面，摄像机的位置和内外参数固定，以摄像机的光轴为中心，并以从摄像机到靶面的方向为正方向建立坐标系，靶面坐标系原点O_w可选择光轴中心线与靶面平面的交点，Z_w方向与Z_c方向相同。于是有摄像机的外参矩阵为R＝I，p＝[0,0,d]^T，d为光轴中心点O_c到靶面的距离。在工作平面上，靶面坐标可表示为(x_w,y_w,0)，可得靶面点在摄像机下的坐标为：

不考虑畸变，则内参数采用四参数摄像机模型，对于工作平面上的两点P₁＝[x_w1,y_w1,0]，P₂＝[x_w2,y_w2,0]，利用上式可得：

(u₁,v₁)是P₁点图像坐标；(u₂,v₂)是P₂点的图像坐标，k_xd＝k_x/d，k_yd＝k_y/d，是标定的摄像机的参数。

参见图5，激光光源距靶标50～100m(例如，70m)时，靶标平面的光斑光强分布接近于高斯分布。激光光源距靶标70m所采集到的靶标图像，提取其中心位置附近多行的像素点灰度值进行分析，可见光斑光强分布基本接近高斯分布。

参见图6，采用金字塔模型获取靶标图像ROI区域，即获取图像中的感兴趣区域(Region of Interest,ROI)，具体而言靶标图像上的光斑区域即ROI区域。标靶图像中光斑占整幅图像的比例较小，若每一帧序列图像中都遍历所有像素点来提取光斑，将大幅增加运算量并占用大量的存储空间，导致耗时较长，不利于实时性要求。为提高处理效率，本发明将金字塔模型引入ROI检测，这样只需遍历少量的像素点即可搜索出光斑所在的区域，然后在ROI区域内进行光斑边缘的检测，这样可以大幅提高处理效率。

金字塔模型表示一幅图像的不同尺度集合，其所有图像都是由同一幅源图像降采样得到。金字塔的正变换实质上是图像的尺度缩小变换，金字塔的逆变换即是图像的尺度放大变换。假设图像金子塔的第n层表示为f_n，表示尺度缩减算子，则第n+1层的图像f_n+1可以用公式(8)表示，通过连续使用缩减算子得到更高层的金子塔图像。表示尺度放大算子，则从第n+1层的图像f_n+1到第n层图像f_n的变换过程可以用公式(9)表示。

本发明利用Gaussian Pyramid的金字塔算法，从底层(采集的靶标图像，G₁)向下降采样构建图像金字塔，卷积计算公式表示为：

其中，G_n+1(i,j)和G_n(2i+m,2j+n)分别表示第n+1层和第n层图像，图像大小是i×j阶矩阵，i、j分别是第n+1层图像的像素点坐标信息，W(m,n)为高斯卷积内核，也就是m×n阶(例如，5×5阶)卷积矩阵。

建立靶标图像的金字塔模型，首先，将图像G₁(i,j)与高斯内核W卷积，卷积内核为：

参见图7，对高斯卷积后的模糊图像进行亚采样，即去掉卷积后图像的偶数行和偶数列，将卷积后图像的尺寸缩小为原来的1/4。多次尺度变换后，得到多种尺寸表达的靶标图像，从而可以建立靶标图像的金字塔模型。

参见图8，若靶标图像原始尺寸为752×480，即靶标图像最多可建立5层金字塔图像，最顶层的图像尺寸为47×30。但金字塔层次越高，所包含的信息量就越少，越容易丢失光斑信息。金字塔层次越低，程序的运算量就会随之增大。综合考虑，本发明构建3层靶标图像金字塔，即将采集到的靶标图像做两次尺度变换操作，最顶层的图像G₃(i,j)尺寸是原图G₁(i,j)的1/16，中间层的图像G₂(i,j)尺寸是原图G₁(i,j)的1/4。

在获得靶标图像金字塔后，即可检测G₁(ROI)和G₃(ROI)。检测过程如下：

通过图5可知，激光光斑的灰度值明显高于图像背景的灰度值，并且激光光斑中心的像素灰度值最高。通过分析图像中每个像素点的灰度值，确定灰度值的峰值T，激光光斑灰度具体数值与选择的激光器有关，选用不同的激光器，T值也会不同，图中T＝250。

给定一个临界值ε，认为中满足(分析图5中图像的灰度值选取ε＝12，)的像素点属于图像ROI中的像素点，表示G₃(i，j)中像素点灰度值，为了便于靶标图像的进一步处理，在图像G₃(i,j)中搜索尺寸为n×n的正方形ROI区域，其中n×n区域必须大于激光光斑大小，并记为G₃(ROI)。G₃(ROI)丢失了许多光斑细节信息，为保证光斑中心的准确定位，需找出图像G₁(i,j)的ROI，即G₁(ROI)，具体可以通过G₃(ROI)在图像G₃(i,j)中的位置映射出G₁(ROI)在图像G₁(i,j)中的位置，参见图6。设G₃(ROI)的行坐标与列坐标范围分别为G_3row[x_min,x_max]、G_3col[y_min,y_max]，则可以得到G₁(ROI)的行坐标与列坐标范围G_1row[4x_min+1,4x_max+1]，G_1col[4y_min-1,4y_max-1](根据G₃(ROI)映射得出G₁(ROI)是一个范围的选取，激光光斑大小一定程度的小于G₁(ROI)，所以G₁(ROI)区域肯定会包含激光光斑。映射的原理是根据G₃(ROI)中像素点在原图G₁(i,j)中的坐标，然后求出G₁(ROI))。最终在原始图像中找到光斑ROI区域，参见图9。

通过对多幅激光靶标图像观察发现，激光光斑形状类似于椭圆，因此用椭圆来描述激光光斑的形状更加精确。由于靶标图像构造单一，因此光斑边缘采用sobel算子进行提取。Sobel检测法通过卷积的过程来估计每个像素点每个方向上的导数值。把中心像素点和离它最近的八个像素点每个乘以一个系数后相加。该系数用一个卷积表来表示。G_x和G_y是分别用于计算x和y方向导数值的Sobel卷积表。其中：

把G₁(i,j)每个像素值分别乘以卷积表中对应的系数，再把相乘得到的九个数相加就得到了x和y方向的偏导数值D_x和D_y。然后利用这两个偏导数值计算中心像素点的导数，计算公式如下：

通过多次测试计算，设定阈值D_max＝200，若梯度D大于阈值D_max，则可认为该点是一个边界点，从而把激光光斑的边缘提取出来。

在获提取到光斑边缘后，本发明基于椭圆拟合方法求取光斑中心亚像素位置坐标，具体说明如下。

椭圆方程可以表示为：

f(x,y)＝Ax²+Bxy+Cy²+Dx+Ey+F＝0 (14)

其中A、B、C、D、E、F分别为椭圆的方程系数，公式(14)可以变形为：

Bxy+C(y²-x²)+Dx+Ey+F＝-(A+C)x² (15)

约束条件为：

A+C≠0 (16)

由公式(15)可知至少六个点(x_i,y_i),i＝1,2,…6联立求解即可得到椭圆的参数，令A+C＝1，将公式(15)写成矩阵形式：

MX＝Y (17)

其中：

公式(17)可以写成：

M′MX＝M′Y (18)

M′是矩阵M的转置矩阵；

最小二乘法求解公式(18)，得椭圆方程系数B、C、D、E、F，A＝1-C，则可计算出椭圆的中心坐标(x_c,y_c)为：

基准光源到靶标平面的距离不同，靶标图像的光斑大小也会存在差异。使用sobel算子提取到光斑图像边界像素点个数约100到800之间不等(与激光器的调节和聚焦有关)，椭圆拟合过程中要选取六个边界点作为潜在椭圆边界点，则至少有种选择方法，由于C6748芯片资源限制和时间要求，不可能遍历这么多次边界点，一般多次随机选取边界点进行拟合，然后选择最优的拟合参数。

但是，若不恰当的选择边界点或者随机选取边界点中包含误差点都会影响拟合的结果，如图10中黑色的点代表选择边界点，根据图10(a)，选择不同的边界点所拟合的椭圆相差极大，这样计算的光斑中心会存在很大的误差，即使进行多次拟合也难以避免随机选择而表现出来的不确定性。为了避免随机选取的不确定性，影响椭圆的拟合效果，本发明对椭圆拟合算法的边界点选择提出改进，算法(即区域分割的椭圆拟合法)实现过程如下，参见图10(b)：

①遍历靶标图像(G₁(i,j))中光斑所有边界点(即光斑边缘像素点)，分别搜索x方向和y方向边界点坐标最大值和最小值x_min、x_max、y_min、y_max；

②将G₁(i,j)中光斑所有的边界点按照其坐标位置分割为8个子区域(例如，按坐标最大值、最小值所划定区域划分为3行3列9个网格区域)；

③随机在6个子区域各取一个边界点(随机选择区域内一个点)，判断这6个边界点中是否存在共线的三个点，若有则重新选择边界点，若没有则选择这6个边界点作为潜在椭圆的边界点用于求解椭圆方程系数；

④用选择的6个边界点根据最小二乘法求解公式(14)中的椭圆方程系数A、B、C、D、E、F，得到拟合椭圆；

⑤遍历光斑所有的边界点，求各边界点与拟合椭圆的残差平方和，如果小于阈值则认为该边界点为拟合椭圆上的点，记录在该拟合椭圆上的边界点个数；

任意边界点(x_i,y_i)与拟合椭圆f(x,y)的残差平方和为：

k为遍历的边界点数。

对公式(20)求偏导：

所求得的极值点就是残差平方和的最小值(就是第⑤步提及的阈值)。

⑥重复步骤③～⑤，根据遍历效果，设定合适的重复次数，一般选取8～20次(例如，本次实验中选取为10次)，求得包含边界点个数最多的拟合椭圆，作为拟合的最优椭圆；

⑦根据拟合的最优椭圆，利用公式(19)求取得到椭圆(光斑)亚像素中心坐标(x_c,y_c)。

第一帧图像的激光光斑中心亚像素中心坐标检测获得后，后续帧图像首先经过图像金字塔算法得到其G₃(i,j)，利用上述条件，即求出G₃(ROI)的行坐标与列坐标范围，从而可以得到G₁(ROI)的行坐标与列坐标范围，然后按照与第一帧图像相同的光斑边缘检测、椭圆拟合，计算得到其激光光斑中心亚像素中心坐标。

根据前后两帧靶标图像上激光光斑中心坐标，计算光斑在靶标面上的位移量(反映出梁体的位移)，从而可以得到桥梁的挠变参数。

本发明的优点如下：

1.本发明从应用层面解决了激光光斑中心检测高精度和实时性的矛盾，保证了桥梁挠度测量的精度和效率；

2.经实测发现：本发明挠度值的测量误差小于0.1像素，数据更新时间小于100ms，同时满足了高精度和实时性的要求。

Claims (10)

1.一种靶标图像的光斑中心检测方法，其特征在于：包括以下步骤：

1)采集用于记录基准激光在透射式靶标上所形成的光斑的位置的靶标图像；

2)对采集的靶标图像采用金字塔模型获取ROI区域，所述ROI区域为靶标图像的光斑区域；

3)在ROI区域内提取光斑的边界点，利用光斑的边界点进行椭圆拟合，根据椭圆拟合的结果计算光斑的亚像素中心二维坐标。

2.根据权利要求1所述一种靶标图像的光斑中心检测方法，其特征在于：所述步骤1)具体包括以下步骤：以漫射滤光平面材料作为设置在桥梁梁体上的透射式靶标的靶面，利用设置在该透射式靶标的靶面一侧的CMOS图像采集单元对由所述靶面另一侧射向该靶面的激光于靶面位置进行连续图像采集，得到靶标序列图像。

3.根据权利要求1所述一种靶标图像的光斑中心检测方法，其特征在于：所述步骤2)具体包括以下步骤：以靶标图像为底层图像，构建标靶图像金字塔，在靶标图像金字塔的顶层图像中参考光斑中心灰度值确定光斑区域，根据该光斑区域内像素点在底层图像中的位置，确定靶标图像的光斑区域。

4.根据权利要求1所述一种靶标图像的光斑中心检测方法，其特征在于：所述步骤3)中，利用从光斑的所有边界点中选取的不同组光斑边界点分别进行椭圆拟合，然后从多次拟合结果中选择最优的拟合椭圆，根据该拟合椭圆计算椭圆中心坐标，得光斑的亚像素中心二维坐标；所述光斑边界点的选取包括以下步骤：将靶标图像中光斑的所有边界点按照位置分割为多个边界点集合，从多个边界点集合中随机选择一定比例的边界点集合，并从选择的每个边界点集合中随机选择一个以上的边界点。

5.根据权利要求4所述一种靶标图像的光斑中心检测方法，其特征在于：所述光斑边界点的选取还包括以下步骤：判断所有随机选择的边界点中是否存在共线的三个以上的边界点，若存在，则重新进行边界点集合及对应边界点的随机选择，直至选取得到一组用于椭圆拟合的边界点；拟合椭圆是根据选取的边界点并采用最小二乘法求解椭圆方程中的系数而得到的。

6.根据权利要求4所述一种靶标图像的光斑中心检测方法，其特征在于：对多次椭圆拟合的结果，分别采用遍历的方式确定其中包含光斑边界点个数最多的拟合椭圆，以该拟合椭圆作为最优的拟合椭圆，其中，拟合椭圆包含的边界点个数的计算包括以下步骤：遍历光斑所有的边界点，求取边界点与某个拟合椭圆的残差平方和，如果残差平方和小于阈值，则记录该边界点为该拟合椭圆上的点，统计记录的点数，得到拟合椭圆包含的边界点个数。

7.根据权利要求4所述一种靶标图像的光斑中心检测方法，其特征在于：所述光斑的边界点采用边缘检测算子进行提取。

8.一种激光基准的桥梁挠度图像式检测装置，其特征在于：该检测装置包括智能靶标，智能靶标包括设置于桥梁梁体上的机箱(7)以及设置于机箱(7)上的用于接受基准激光照射的透射式靶标，所述机箱(7)内设置有靶标图像采集和处理模块，靶标图像采集和处理模块包括滤光单元、镜头(5)、CMOS图像采集单元、视频解码单元以及图像处理单元，滤光单元设置于所述透射式靶标与镜头(5)之间，CMOS图像采集单元设置于镜头(5)的透射式靶标成像光路上，视频解码单元分别与图像处理单元以及CMOS图像采集单元相连；图像处理单元包括光斑区域检测模块、光斑边缘检测模块以及椭圆拟合模块，光斑区域检测模块用于对靶标序列图像中的各帧靶标图像采用金字塔模型获取对应靶标图像的光斑区域，所述靶标序列图像是由CMOS图像采集单元连续采集的多帧记录基准激光在透射式靶标上所形成的光斑的位置的靶标图像，光斑边缘检测模块用于在靶标图像的光斑区域内提取光斑的边界点，椭圆拟合模块用于利用光斑的边界点进行椭圆拟合，并根据椭圆拟合的结果计算光斑的亚像素中心二维坐标。

9.根据权利要求8所述一种激光基准的桥梁挠度图像式检测装置，其特征在于：所述检测装置还包括人机交互与通讯模块，人机交互与通讯模块包括设置于机箱(7)内的用于根据靶标序列图像中靶标图像上光斑的亚像素中心二维坐标计算桥梁挠度参数的芯片、设置于机箱(7)上的与该芯片相连的人界交互界面和无线通讯模块。

10.根据权利要求8所述一种激光基准的桥梁挠度图像式检测装置，其特征在于：所述检测装置还包括用于将基准激光投射至透射式靶标的分光镜(12)。