CN110617775B - 一种基于视觉感知的桥梁挠度的监测方法、装置及系统 - Google Patents
一种基于视觉感知的桥梁挠度的监测方法、装置及系统 Download PDFInfo
- Publication number
- CN110617775B CN110617775B CN201910918229.6A CN201910918229A CN110617775B CN 110617775 B CN110617775 B CN 110617775B CN 201910918229 A CN201910918229 A CN 201910918229A CN 110617775 B CN110617775 B CN 110617775B
- Authority
- CN
- China
- Prior art keywords
- deflection
- bridge
- monitoring
- superposed
- eigenmode
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
- G01D3/028—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups mitigating undesired influences, e.g. temperature, pressure
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于视觉感知的桥梁挠度的监测方法、装置、系统及存储介质,该方法包括:获取设定时间段内各个时间节点视觉传感器采集的桥梁的监测图像;识别各个所述监测图像的目标特征点,并计算各个所述监测图像的目标特征点的初始挠度信号,以获得初始挠度信号序列;将设定个数的互不相同的高斯白噪声分别与所述初始挠度信号序列叠加,以获取设定个数的叠加挠度信号序列;基于希尔伯特‑黄变换对各个所述叠加挠度信号序列进行滤波,以获取所述桥梁在所述设定时间段内各个时间节点的挠度。本发明实施例的技术方案,实现了桥梁挠度的自动监测,有效减少了由于相机振动、温度等引起的测量误差,提高了监测精度。
Description
技术领域
本发明实施例涉及图像处理技术领域,尤其涉及一种基于视觉感知的桥梁挠度的监测方法、装置、系统及存储介质。
背景技术
随着交通行业的快速发展,各类基础设施产生了不同程度的老化与病害,而桥梁作为交通基础设施的重要组成部分,其定期的检测与维护也变得日益重要。通常来说,挠度是表征桥梁性能的最直接参数,因此,对桥梁挠度的监测成为桥梁运维与安全评估的重要环节。
桥梁挠度的监测可以通过设置视觉传感器实现,然而由于桥梁监测的特殊工况,通常视觉传感器的架设位置距离监测点较远,对于跨度大的桥梁,工作半径可能达到500米以上。长焦相机在远距离成像时相邻帧之间容易发生较为明显的图像抖动,加之中午时刻高温也会导致图像的扭曲,这些问题在光学上暂时无法解决。同时,相机在监测过程中自身也会产生一定的低频振动,这产生了较大的监测误差。
发明内容
本发明提供一种基于视觉感知的桥梁挠度的监测方法、装置、设备及存储介质,以实现桥梁位移的自动监测,有效去除了监测的环境误差及相机振动产生的误差,提高了监测精度。
第一方面,本发明实施例提供了一种基于视觉感知的桥梁挠度的监测方法,该方法包括:
获取设定时间段内各个时间节点视觉传感器采集的桥梁的监测图像;
识别各个所述监测图像的目标特征点,并计算各个所述监测图像的目标特征点的初始挠度信号,以获得初始挠度信号序列;
将设定个数的互不相同的高斯白噪声分别与所述初始挠度信号序列叠加,以获取设定个数的叠加挠度信号序列;
基于希尔伯特-黄变换对各个所述叠加挠度信号序列进行滤波,以获取所述桥梁在所述设定时间段内各个时间节点的挠度。
第二方面,本发明实施例还提供了一种基于视觉感知的桥梁挠度的监测装置,该装置,包括:
监测图像获取模块,用于获取设定时间段内各个时间节点视觉传感器采集的桥梁的监测图像;
初始挠度计算模块,用于识别各个所述监测图像的目标特征点,并计算各个所述监测图像的目标特征点的初始挠度信号,以获得初始挠度信号序列;
叠加挠度获取模块,用于将设定个数的互不相同的高斯白噪声分别与所述初始挠度信号序列叠加,以获取设定个数的叠加挠度信号序列;
挠度滤波模块,用于基于希尔伯特-黄变换对各个所述叠加挠度信号序列进行滤波,以获取所述桥梁在所述设定时间段内各个时间节点的挠度。
第三方面,本发明实施例还提供了一种基于视觉感知的桥梁挠度的监测系统,该系统包括:
视觉传感器和信号处理模块,其中,所述信号处理模块用于执行本发明任意实施例所提供的桥梁挠度的监测方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行本发明任意实施例所提供的桥梁挠度的监测方法。
本发明实施例的技术方案,通过视觉传感器采集桥梁的监测图像,监测易于实现,且采用非接触式方式进行监测对桥梁影响小;通过识别监测图像的特征点确定桥梁挠度,识别精度高,不易受到环境干扰;通过将挠度信号与设定个数的高斯白噪声进行叠加,并对叠加后的信号进行基于希尔伯特-黄变换的滤波,有效减少了由于相机振动产生的低频干扰,进一步提高挠度监测的精度。
附图说明
图1是本发明实施例一中的一种基于视觉感知的桥梁挠度的监测方法的流程图;
图2是本发明实施例二中的一种基于视觉感知的桥梁挠度的监测方法的流程图;
图3是本发明实施例三中的一种基于视觉感知的桥梁挠度的监测装置的示意图;
图4是本发明实施例四中的一种基于视觉感知的梁挠度的监测系统的示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种基于视觉感知的桥梁挠度的监测方法的流程图,本实施例可适用于桥梁挠度的监测情况,该方法可以由桥梁挠度的监测装置或系统来执行,该装置可以通过软件和硬件的方式实现,如图1所示,该方法具体包括如下步骤:
步骤110、获取设定时间段内各个时间节点视觉传感器采集的桥梁的监测图像。
其中,视觉传感器包括相机和镜头。还可以包括三脚架、高立杆等支撑件。设定时间段可以是30s、45s、60s或者其他值,时间节点指的是视觉传感器采集一帧图像的间隔时间。
可选的,所述监测图像包括二维码图案。
进一步地,该二维码图像设置于二维码标靶上,视觉传感器通过拍摄二维码标靶的图像,生成监测图像。
进一步地,该二维码图案可以对应一个身份识别信息,以识别当前采集的位置。且当前二维码图案按照设定角度旋转的至少一个旋转图案与其他二维码图案不重复。
其中,设定角度包括逆时针旋转90°、180°和270°,还可以包括45°、135°和225°等角度。
可选的,当前二维码图案按照逆时针旋转90°、180°和270°的三个旋转图案以及所述当前二维码图案中至少一个与其他二维码图案不重复。
由于二维码标靶的形状一般为矩形或正方形,在安装时,难免会存在旋转的情况,这样设置的好处在于,无论二维码标靶在安装时的旋转角度是多少,均不会影响对二维码标靶的身份及特征点的识别,提高了二维码标靶的适用性,使得二维码标靶的安装更为简易。
可选的,所述二维码图案的颜色为黑色和白色。采用黑白色,对比度高,不易受到环境因素的干扰,使得二维码标靶具有更明显的识别特征。且对于图像处理来说,颜色的种类越少越好。采用两种颜色的二维码标靶,减少了所拍摄的二维码标靶图像的大小,提高了桥梁监测的效率。
可选的,所述二维码图案为ArUco标记、AprilTag标记或自定义图案。其中,ArUco标记是一种汉明码的格子图,每个ArUco标记的外围为一组黑色边框,其内部为黑白色网格组成的二维矩阵。黑色边框可以加速图像处理的速度,二维矩阵为该ArUco标记的识别信息。ArUco标记的大小指的是其内部二维矩阵的大小。
步骤120、识别各个所述监测图像的目标特征点,并计算各个所述监测图像的目标特征点的初始挠度信号,以获得初始挠度信号序列。
其中,目标特征点可以是人为设定的一个或多个点,也可以是默认的点。
示例性的,目标特征点可以是二维码图案的中心点或者任意一个或多个角点。
当监测图像是通过拍摄桥梁的自然特征而获取时,目标特征点可以通过识别图像上的感兴趣区域确定,也可以是人为设定。
可选的,识别各个所述监测图像的目标特征点,包括:
识别各个所述监测图像的二维码图案的目标特征点。
进一步地,计算所述监测图像的目标特征点的初始挠度信号,包括:
根据所述目标特征点的坐标信息计算所述目标特征点对应的监测图像的初始挠度信号。
具体的,识别所述监测图像的二维码图案的目标特征点,包括:
确定所述二维码图案是否为目标二维码图案;
在确定所述二维码图案为目标二维码图案后,识别所述二维码图案的四个角点。
在确定四个角点的坐标信息后,通过坐标变换,可以得到监测图像上任一点在世界坐标系下的坐标信息。进而可以根据设定的目标特征点,如图像的中心点,在世界坐标系下的坐标信息,便可得知当前监测图像所对应的初始挠度信号。
计算每帧图像的初始挠度信号,便组成了初始挠度信号序列。其中,初始挠度信号序列为按照采集或拍摄的时间顺序排序的各个初始挠度信号。
由于桥梁自身比较庞大,且跨越河流,视觉传感器往往需要设置于距离桥梁较远的监测点,通常为几百米。相机在远距离成像时,相邻帧之间容易发生较为明显的图像抖动,再加上户外温度的变化,尤其是高温,会导致图像产生扭曲。同时,相机本身也会产生振动,如相机所在地面的振动或相机内部振动等。这些因素均会导致监测的挠度信号不准确,因此,需要对挠度信号进行滤波。
步骤130、将设定个数的互不相同的高斯白噪声分别与所述初始挠度信号序列叠加,以获取设定个数的叠加挠度信号序列。
其中,初始挠度信号序列包括视觉传感器在设定时间段内采集的所有监测图像的初始挠度信号,为了与初始挠度信号序列叠加,高斯白噪声应与初始挠度信号序列具有相同维度。
示例性的,假设设定时间段为30秒,视觉传感器的采集频率为30帧/秒,那么,初始挠度信号序列便包括900个初始挠度信号。与此相应的,需要设计由900个离散的点组成的符合正态分布的白噪声。
其中,设定个数可以是任意的,如50、75、100等,可以由人为设定,也可以是默认的。为了减小叠加噪声对监测的影响,设定个数应越大越好,这样在后续的取平均的过程,可以有效消除白噪声的干扰。然而,设定个数越大,也就意味着计算量越大,从而降低监测的效率。因此,在设计设定个数时,应综合考虑精度和效率两方面的影响。
步骤140、基于希尔伯特-黄变换对各个所述叠加挠度信号序列进行滤波,以获取所述桥梁在所述设定时间段内各个时间节点的挠度。
其中,希尔伯特-黄变换(Hilbert-Huang Transform,HHT)是一种时频分析方法,主要包括经验模态分解(Empirical Mode Decomposition,EMD)和Hilbert变换两个部分,从而得到原始信号的Hilbert谱以进行信号分析和处理。
采用基于希尔伯特-黄变换的滤波算法对叠加挠度信号进行分析,能够较好地反映出信号的物理特征,信号分解更加灵活方便,且自适应强,有效减小了挠度信号中的干扰信号,提高了监测精度。
本发明实施例的技术方案,通过视觉传感器采集桥梁的监测图像,监测易于实现,且采用非接触式方式进行监测对桥梁影响小;通过识别监测图像的特征点确定桥梁挠度,识别精度高,不易受到环境干扰;通过将挠度信号与设定个数的高斯白噪声进行叠加,并对叠加后的信号进行基于希尔伯特-黄变换的滤波,有效减少了由于相机振动产生的低频干扰,进一步提高挠度监测的精度。
实施例二
图2为本发明实施例二提供的一种基于视觉感知的桥梁位挠度的监测方法的流程图,本实施例是对上一实施例的进一步细化,如图2所示,该方法包括如下步骤:
步骤210、获取设定时间段内各个时间节点视觉传感器采集的桥梁的监测图像。
步骤220、识别各个所述监测图像的目标特征点,并计算各个所述监测图像的目标特征点的初始挠度信号,以获得初始挠度信号序列。
步骤230、将设定个数的互不相同的高斯白噪声分别与所述初始挠度信号序列叠加,以获取设定个数的叠加挠度信号序列。
步骤240、对各个所述叠加挠度信号序列进行经验模态分解,以获取各个所述叠加挠度序列的本征模函数集。
其中,所述经验模态分解为多次,所述本征模函数集由每次分解获得的本征模函数组成。
经验模态分解(Empirical Mode Decomposition,EMD)的过程为:
S1、将叠加挠度信号序列构造成叠加挠度信号函数,即输入函数x(t),提取函数的所有极大值和极小值,基于三次样条曲线确定该函数的上包络线和下包络线,计算上、下包络线的平均值,记为m(t)。
S2、另输入函数x(t)减去平均值m(t),得到一个疑似本征模函数h(t):
h(t)=x(t)-m(t)
S3、判断疑似本征模函数h(t)是否满足本征模函数条件,条件具体为:
1).函数的极值点和零点的数目相等或相差一;
2).在任意时刻,上包络线和下包络线的平均值为0。
若满足,则完成一次分解,得到一个本征模函数c(t),c(t)=h(t),执行步骤S4;若不满足,则将函数h(t)作为输入函数,返回执行S1,进行下一次分解。
S4、计算剩余项r(t),r(t)=x(t)-c(t),判断剩余项是否满足结束条件,若是,则结束分解;若不满足则将剩余项r(t)作为输入函数,返回执行S1,进行下一次分解。
循环执行上述步骤,便可以得到叠加挠度序列的本征模函数集。其中,本征模函数集是每次分解得到的本征模函数的集合,按照分解顺序进行排列。
依次计算各个叠加挠度序列的本征模函数集,便可以得到叠加了不同高斯白噪声的初始挠度信号的本征模函数集。
步骤250、计算每次分解得到的各个本征模函数的平均本征模函数。
示例性的,设高斯白噪声为ni(t),其中,i为小于等于50的正整数,初始挠度信号序列为s(t),叠加挠度序列则表示为Si(t),其中,Si(t)=s(t)+ni(t),其中,i为小于等于50的正整数。对Si(t)进行模态分解,得到其本征模函数集ci(t),其中,ci(t)=[ci1(t) ci2(t)… Cik(t)]。计算每次分解得到的各个本征模函数的平均本征模函数,即计算平均本征模函数C(t),其中,
C(t)=[C1(t) C2(t) … Ck(t)]
步骤260、对各个所述平均本征模函数进行希尔伯特变换,以获取所述平均本征模函数的时间、频率以及振幅的关系,即希尔伯特谱。
其中,信号x(t)的Hilbert变换为
式中,*表示线性卷积,h(t)=1/πt称为Hilbert变换器或者Hilbert滤波器。Hilbert滤波器是幅频特征为1的全通滤波器。信号x(t)通过后,其负频率成分做+90°相移,正频率成分作为-90°相移,而信号频谱的幅值保持不变。
其中第i次分解的平均本征模函数的Hilbert变换为
构造的解析信号zi(t)
其中,幅值Ai(t)、瞬时相位θi(t)以及瞬时频率ωi(t)分别为
步骤270、根据所述希尔伯特谱对所述平均本征模函数进行筛选,以获取所述桥梁在所述设定时间段内各个时间节点的挠度。
可选的,根据所述希尔伯特谱对所述平均本征模函数进行筛选,以获取所述桥梁在所述设定时间段内各个时间节点的挠度,包括:
根据所述希尔伯特谱,去除所有所述平均本征模函数中频率低于设定频率且幅值波动不符合设定规律的平均本征模函数,以获取高频本征模函数;
将各个所述高频本征模函数进行叠加,从而获取所述桥梁在所述设定时间段内各个时间节点的挠度。
其中,设定频率可以根据所监测的桥梁的振动频率进行设定,可以是桥梁最大振动频率的一半。或者可以将设定频率设置为一个固定值,如1Hz、2Hz或者其他值。设定规律指的是幅值波动应以幅值为0的轴为中心进行波动,即波动为稳定波动。
通过除去低频非平稳本征模函数,即去除低频噪声,减小了检测误差,提高了监测精度。
步骤280、根据所述挠度的幅值对各个所述时间节点的挠度进行异常值归零处理。
可选的,所述根据所述挠度的幅值对各个所述时间节点的挠度进行异常值归零处理,包括:
计算所述设定时间内所有时间节点的所述挠度的幅值的平均值及标准差;当当前时间节点的所述挠度的幅值与所述平均值的差大于所述标准差的3倍时,则对当前时间节点的挠度进行异常值归零处理。
本发明实施例的技术方案,通过对叠加了高斯白噪声的挠度信号进行经验模态分解,获取本征模函数,通过对大量本征模函数取平均消除了所添加的白噪声带来的误差,同时克服了本征模函数模态混叠的弊端;通过去除低频不稳定信号,减少了低频噪声,提高了监测精度;通过异常值归零处理,消除了挠度信号中的不可靠信号,进一步提高了挠度监测的精度。
实施例三
图3是本发明实施例三提供的一种基于视觉感知的桥梁挠度的监测装置的示意图,如图3所示,该装置包括:监测图像获取模块310、初始挠度计算模块320、叠加挠度获取模块330和挠度滤波模块340。
其中,监测图像获取模块310,用于获取设定时间段内各个时间节点视觉传感器采集的桥梁的监测图像;初始挠度计算模块320,用于识别各个所述监测图像的目标特征点,并计算各个所述监测图像的目标特征点的初始挠度信号,以获得初始挠度信号序列;叠加挠度获取模块330,用于将设定个数的互不相同的高斯白噪声分别与所述初始挠度信号序列叠加,以获取设定个数的叠加挠度信号序列;挠度滤波模块340,用于基于希尔伯特-黄变换对各个所述叠加挠度信号序列进行滤波,以获取所述桥梁在所述设定时间段内各个时间节点的挠度。
本发明实施例的技术方案,通过视觉传感器采集桥梁的监测图像,监测易于实现,且采用非接触式方式进行监测对桥梁影响小;通过识别监测图像的特征点确定桥梁挠度,识别精度高,不易受到环境干扰;通过将挠度信号与设定个数的高斯白噪声进行叠加,并对叠加后的信号进行基于希尔伯特-黄变换的滤波,有效减少了由于相机振动产生的低频干扰,进一步提高挠度监测的精度。
可选的,所述监测图像包括二维码图案,初始挠度计算模块320,具体用于:
识别各个所述监测图像的二维码图案的目标特征点,并计算各个所述监测图像的目标特征点的初始挠度信号,以获得初始挠度信号序列。
可选的,挠度滤波模块340,包括:
模态分解单元,用于对各个所述叠加挠度信号序列进行经验模态分解,以获取各个所述叠加挠度序列的本征模函数集,其中,所述经验模态分解为多次,所述本征模函数集由每次分解获得的本征模函数组成;
本征模函数计算单元,用于计算每次分解得到的各个本征模函数的平均本征模函数;
希尔伯特变换单元,用于对各个所述平均本征模函数进行希尔伯特变换,以获取所述平均本征模函数的时间、频率以及振幅的关系,即希尔伯特谱;
挠度筛选单元,用于根据所述希尔伯特谱对所述平均本征模函数进行筛选,以获取所述桥梁在所述设定时间段内各个时间节点的挠度。
可选的,挠度筛选单元,具体用于:
根据所述希尔伯特谱,去除所有所述平均本征模函数中频率低于设定频率且幅值波动不符合设定规律的平均本征模函数,以获取高频本征模函数;
将各个所述高频本征模函数进行叠加,从而获取所述桥梁在所述设定时间段内各个时间节点的挠度。
可选的,桥梁挠度的监测装置还包括:
异常值处理模块,用于在获取所述桥梁在所述设定时间段内各个时间节点的挠度之后,根据所述挠度的幅值对各个所述时间节点的挠度进行异常值归零处理。
可选的,异常值处理模块,具体用于:
计算所述设定时间内所有时间节点的所述挠度的幅值的平均值及标准差;
当当前时间节点的所述挠度的幅值与所述平均值的差大于所述标准差的3倍时,则对当前时间节点的挠度进行异常值归零处理。
本发明实施例所提供的基于视觉感知的桥梁挠度的监测装置可执行本发明任意实施例所提供的基于视觉感知的桥梁挠度的监测方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种基于视觉感知的桥梁挠度的监测系统的结构示意图,如图4所示,该系统包括:视觉传感器410和信号处理模块420。其中,视觉传感器410用于采集桥梁的监测图像;信号处理模块420用于执行本发明任意实施例所提供的桥梁挠度的监测方法。
具体的,该信号处理模块420包括处理器、存储器、输入装置和输出装置;设备处理器的数量可以是一个或多个;处理器、存储器、输入装置和输出装置可以通过总线或其他方式连接。
存储器作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的基于视觉感知的桥梁挠度的监测方法对应的程序指令/模块(例如,基于视觉感知的桥梁挠度的监测装置中的监测图像获取模块310、初始挠度计算模块320、叠加挠度获取模块330和挠度滤波模块340)。处理器通过运行存储在存储器中的软件程序、指令以及模块,从而执行设备/终端/服务器的各种功能应用以及数据处理,即实现上述的基于视觉感知的桥梁挠度的监测方法。
存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至设备/终端/服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置可包括显示屏等显示设备。
实施例五
发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种基于视觉感知的桥梁挠度的监测方法,该方法包括:
获取设定时间段内各个时间节点视觉传感器采集的桥梁的监测图像;
识别各个所述监测图像的目标特征点,并计算各个所述监测图像的目标特征点的初始挠度信号,以获得初始挠度信号序列;
将设定个数的互不相同的高斯白噪声分别与所述初始挠度信号序列叠加,以获取设定个数的叠加挠度信号序列;
基于希尔伯特-黄变换对各个所述叠加挠度信号序列进行滤波,以获取所述桥梁在所述设定时间段内各个时间节点的挠度。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的基于视觉感知的桥梁挠度的监测方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述基于视觉感知的桥梁挠度的监测装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种基于视觉感知的桥梁挠度的监测方法,其特征在于,包括:
获取设定时间段内各个时间节点视觉传感器采集的桥梁的监测图像;
识别各个所述监测图像的目标特征点,并计算各个所述监测图像的目标特征点的初始挠度信号,以获得初始挠度信号序列;
将设定个数的互不相同的高斯白噪声分别与所述初始挠度信号序列叠加,以获取设定个数的叠加挠度信号序列;
基于希尔伯特-黄变换对各个所述叠加挠度信号序列进行滤波,以获取所述桥梁在所述设定时间段内各个时间节点的挠度;
所述基于希尔伯特-黄变换对各个所述叠加挠度信号序列进行滤波,以获取所述桥梁在所述设定时间段内各个时间节点的挠度,包括:
对各个所述叠加挠度信号序列进行经验模态分解,以获取各个所述叠加挠度序列的本征模函数集,其中,所述经验模态分解为多次,所述本征模函数集由每次分解获得的本征模函数组成;
计算每次分解得到的各个本征模函数的平均本征模函数;
对各个所述平均本征模函数进行希尔伯特变换,以获取所述平均本征模函数的时间、频率以及振幅的关系,即希尔伯特谱;
根据所述希尔伯特谱对所述平均本征模函数进行筛选,以获取所述桥梁在所述设定时间段内各个时间节点的挠度。
2.根据权利要求1所述的方法,其特征在于,所述监测图像包括二维码图案。
3.根据权利要求2所述的方法,其特征在于,所述识别各个所述监测图像的目标特征点,包括:
识别各个所述监测图像的二维码图案的目标特征点。
4.根据权利要求1所述的方法,其特征在于,根据所述希尔伯特谱对所述平均本征模函数进行筛选,以获取所述桥梁在所述设定时间段内各个时间节点的挠度,包括:
根据所述希尔伯特谱,去除所有所述平均本征模函数中频率低于设定频率且幅值波动不符合设定规律的平均本征模函数,以获取高频本征模函数;
将各个所述高频本征模函数进行叠加,从而获取所述桥梁在所述设定时间段内各个时间节点的挠度。
5.根据权利要求1所述的方法,其特征在于,在获取所述桥梁在所述设定时间段内各个时间节点的挠度之后,还包括:
根据所述挠度的幅值对各个所述时间节点的挠度进行异常值归零处理。
6.根据权利要求5所述的方法,其特征在于,所述根据所述挠度的幅值对各个所述时间节点的挠度进行异常值归零处理,包括:
计算所述设定时间内所有时间节点的所述挠度的幅值的平均值及标准差;
当当前时间节点的所述挠度的幅值与所述平均值的差大于所述标准差的3倍时,则对当前时间节点的挠度进行异常值归零处理。
7.一种基于视觉感知的桥梁挠度的监测装置,其特征在于,包括:
监测图像获取模块,用于获取设定时间段内各个时间节点视觉传感器采集的桥梁的监测图像;
初始挠度计算模块,用于识别各个所述监测图像的目标特征点,并计算各个所述监测图像的目标特征点的初始挠度信号,以获得初始挠度信号序列;
叠加挠度获取模块,用于将设定个数的互不相同的高斯白噪声分别与所述初始挠度信号序列叠加,以获取设定个数的叠加挠度信号序列;
挠度滤波模块,用于基于希尔伯特-黄变换对各个所述叠加挠度信号序列进行滤波,以获取所述桥梁在所述设定时间段内各个时间节点的挠度;
所述挠度滤波模块,包括:
模态分解单元,用于对各个所述叠加挠度信号序列进行经验模态分解,以获取各个所述叠加挠度序列的本征模函数集,其中,所述经验模态分解为多次,所述本征模函数集由每次分解获得的本征模函数组成;
本征模函数计算单元,用于计算每次分解得到的各个本征模函数的平均本征模函数;
希尔伯特变换单元,用于对各个所述平均本征模函数进行希尔伯特变换,以获取所述平均本征模函数的时间、频率以及振幅的关系,即希尔伯特谱;
挠度筛选单元,用于根据所述希尔伯特谱对所述平均本征模函数进行筛选,以获取所述桥梁在所述设定时间段内各个时间节点的挠度。
8.一种基于视觉感知的桥梁挠度的监测系统,其特征在于,所述系统包括:视觉传感器和信号处理模块,其中,所述视觉传感器,用于采集桥梁的监测图像;所述信号处理模块用于执行如权利要求1-6中任一所述的桥梁挠度的监测方法。
9.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6中任一所述的桥梁挠度的监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910918229.6A CN110617775B (zh) | 2019-09-26 | 2019-09-26 | 一种基于视觉感知的桥梁挠度的监测方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910918229.6A CN110617775B (zh) | 2019-09-26 | 2019-09-26 | 一种基于视觉感知的桥梁挠度的监测方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110617775A CN110617775A (zh) | 2019-12-27 |
CN110617775B true CN110617775B (zh) | 2021-07-23 |
Family
ID=68924296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910918229.6A Active CN110617775B (zh) | 2019-09-26 | 2019-09-26 | 一种基于视觉感知的桥梁挠度的监测方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110617775B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111637851B (zh) * | 2020-05-15 | 2021-11-05 | 哈尔滨工程大学 | 一种基于Aruco码的平面旋转角度视觉测量方法及装置 |
CN111961037B (zh) * | 2020-09-17 | 2021-09-21 | 嘉兴特科罗生物科技有限公司 | 一种作为jak激酶抑制剂的药物化合物 |
CN118392424B (zh) * | 2024-06-27 | 2024-08-23 | 黑龙江农垦建工路桥有限公司 | 一种用于桥梁的挠度智能化精确测量方法及系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4836067B2 (ja) * | 2005-05-23 | 2011-12-14 | 日立造船株式会社 | 構造物における変形量計測方法 |
CN102645173A (zh) * | 2011-02-16 | 2012-08-22 | 张文杰 | 一种基于多目视觉的桥梁三维变形监测方法 |
CN102798350B (zh) * | 2012-07-10 | 2015-05-13 | 中联重科股份有限公司 | 一种臂架挠度的测量方法、装置及系统 |
CN103743352B (zh) * | 2013-12-18 | 2016-10-19 | 西安交通大学 | 一种基于多相机匹配的三维变形测量方法 |
CN105067208B (zh) * | 2015-08-14 | 2017-08-25 | 哈尔滨工业大学 | 一种基于ccd的多通道桥梁挠度监测方法 |
CN106225708A (zh) * | 2016-08-30 | 2016-12-14 | 北京航空航天大学 | 一种对环境光不敏感的通用视频挠度测量系统 |
CN106871807A (zh) * | 2017-01-07 | 2017-06-20 | 西安工业大学 | 一种平板钢坯挠度检测方法及装置 |
CN107885940A (zh) * | 2017-11-10 | 2018-04-06 | 吉林大学 | 一种用于分布式光纤振动传感系统的信号特征提取方法 |
CN110132511B (zh) * | 2019-05-30 | 2020-10-27 | 山东省建筑科学研究院有限公司 | 一种基于动挠度衰减规律的桥梁结构监测评估方法 |
CN110132159B (zh) * | 2019-06-06 | 2021-06-08 | 深圳市鹰眼在线电子科技有限公司 | 桥梁挠度的测量方法、装置及计算机可读存储介质 |
-
2019
- 2019-09-26 CN CN201910918229.6A patent/CN110617775B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110617775A (zh) | 2019-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110617775B (zh) | 一种基于视觉感知的桥梁挠度的监测方法、装置及系统 | |
KR102320371B1 (ko) | 디스플레이 스크린 주변 회로 검출 방법, 장치, 전자기기 및 저장매체 | |
CN110909712B (zh) | 运动目标检测方法、装置、电子设备及存储介质 | |
CN111259892A (zh) | 一种指示灯状态的巡检方法、装置、设备和介质 | |
KR102321768B1 (ko) | 디스플레이 스크린 주변 회로 검출 방법, 장치, 전자기기 및 저장매체 | |
CN112484738B (zh) | 机器人建图方法、装置、计算机可读存储介质及机器人 | |
CN112348765A (zh) | 数据增强方法、装置、计算机可读存储介质及终端设备 | |
CN111238492B (zh) | 一种定点漂移纠偏方法、装置、终端设备及存储介质 | |
JP2024507089A (ja) | 画像のコレスポンデンス分析装置およびその分析方法 | |
CN116958145B (zh) | 图像处理方法、装置、视觉检测系统及电子设备 | |
CN114993452B (zh) | 基于宽带相位运动放大的结构微小振动测量方法与系统 | |
CN112560974A (zh) | 一种信息融合、车辆信息获取方法及装置 | |
CN113048876A (zh) | 一种应用于移相式激光干涉仪的振动检测预处理方法 | |
CN116342538A (zh) | 一种跑冒滴漏检测方法、装置、智能设备和存储介质 | |
CN117146739B (zh) | 用于光学瞄准镜的测角检定方法及系统 | |
CN107392948B (zh) | 一种分振幅实时偏振成像系统的图像配准方法 | |
CN103065297B (zh) | 一种基于傅里叶变换的图像边缘检测方法 | |
CN111369513A (zh) | 一种异常检测方法、装置、终端设备及存储介质 | |
CN115290003B (zh) | 一种结构光测量中的反射率边界补偿方法及装置 | |
CN116465316A (zh) | 钢材厚度批量测量方法、装置、设备及介质 | |
CN116109962A (zh) | 一种基于视频相位的振动频率测量方法、装置、电子设备及存储介质 | |
CN113240752B (zh) | 一种内参和外参协同标定方法和装置 | |
CN115186751A (zh) | 一种基于s变换的CVT计量误差预测方法、装置及存储介质 | |
CN111445431B (zh) | 一种图像分割方法、终端设备及计算机可读存储介质 | |
CN112001857A (zh) | 一种基于双目相机的图像校正方法、系统、设备和可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: Room 206-002, 2 / F, building 8, Xixi bafangcheng, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province Applicant after: HANGZHOU RUHR TECHNOLOGY Co.,Ltd. Address before: A4-4-201, No. 643, Shuangliu, Zhuantang street, Xihu District, Hangzhou City, Zhejiang Province Applicant before: HANGZHOU RUHR TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |