CN113128371B - 一种基于自动视觉扫描的运营期桥梁监测系统及方法 - Google Patents
一种基于自动视觉扫描的运营期桥梁监测系统及方法 Download PDFInfo
- Publication number
- CN113128371B CN113128371B CN202110357778.8A CN202110357778A CN113128371B CN 113128371 B CN113128371 B CN 113128371B CN 202110357778 A CN202110357778 A CN 202110357778A CN 113128371 B CN113128371 B CN 113128371B
- Authority
- CN
- China
- Prior art keywords
- bridge
- machine position
- machine
- modal
- overall
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及桥梁监测技术领域,具体涉及一种基于自动视觉扫描的运营期桥梁监测系统及方法,该监测系统包括:视频装置、控制装置和预警装置。其中,视频装置用于在设定时间位于设定机位拍摄桥梁形成视频流;控制装置用于根据所述视频流获取各个机位下桥梁上关键点的振动信息,并控制所述视频装置在设定时间位于设定机位进行拍摄;预警装置用于根据各个机位下桥梁上关键点的振动信息,识别桥梁结构的整体动力特性,以对桥梁的异常行为进行预警。能够解决现有技术中采用接触式测量方案会增大监测系统造价和无法识别整体模态振型的问题。
Description
技术领域
本发明涉及桥梁监测技术领域,具体涉及一种基于自动视觉扫描的运营期桥梁监测系统及方法。
背景技术
桥梁结构整体动力特性是桥梁结构行为的重要表征,整体动力特性的变化可反映结构主要传力模式的变更,在较长的观察期内也可以反映结构整体与局部损伤的发展,因此桥梁结构整体动力特性监测一直是桥梁结构监测的主要监测内容之一,在各种桥梁的健康监测系统内都是不可获取的一部分。
桥梁结构整体动力特性的监测方法依赖于桥梁结构多点动力响应测量,通过对桥梁结构多点动力响应进行动力系统识别,可获取桥梁结构整体动力特性。有鉴于此,桥梁结构多点动力响应测量桥梁结构整体动力特性监测系统的核心,动力系统识别方法必须针对动力响应测量方案特性进行设计。
目前,桥梁结构动力响应测量按传感器的是否与结构接触可分为接触式测量和非接触式测量。接触式测量里最为典型传感方案的就是加速度计方案,通过采集结构测点上的加速度来识别整体动力特性是目前桥梁监测领域最为成熟和广泛使用的方法。非接触式测量一个代表方案就是基于机器视觉的动位移测量,其不需要在结构上安装传感器,只需利用结构本身纹理或预设标靶即可测得桥梁结构动位移,省去了传感器布线的工作,使用方式较为灵活,目前在桥梁结构定期检测领域使用较多。
虽然,以上两个方案对于多点动力响应测量都有一定应对策略,但明显存在不足:加速度计方案只能通过增多测点来满足桥梁多点响应测量要求,这一方面会增大监测系统造价,另一方面多通道的加速度采集会带来加速度非同步问题,这会导致无法识别整体模态振型。常规的基于机器视觉结构多点动位移测量可以通过拍摄包含桥梁整体的录像来实现多点测量,但桥梁结构绝大部分是线状细长的结构,拍摄桥梁整体带来的一个问题是画面中有效像素少,桥梁结构关键点的在视野中以像素度量的运动幅度小,导致动力测量信噪比低。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种基于自动视觉扫描的运营期桥梁监测系统及方法,能够解决现有技术中采用接触式测量方案会增大监测系统造价和无法识别整体模态振型问题。
为达到以上目的,本发明采取的技术方案是:
一方面,本发明提供一种基于自动视觉扫描的运营期桥梁监测系统,包括:
视频装置,其用于在设定时间位于设定机位拍摄桥梁形成视频流;
控制装置,其用于根据所述视频流获取各个机位下桥梁上关键点的振动信息,并控制所述视频装置在设定时间位于设定机位进行拍摄;
预警装置,其用于根据各个机位下桥梁上关键点的振动信息,识别桥梁结构的整体动力特性,以对桥梁的异常行为进行预警。
在一些可选的技术方案中,所述预警装置包括:
局部动力特性识别模块,其用于对各个机位下桥梁上关键点的振动信息进行模态特性识别,获得各个机位下关键点的局部模态频率和局部模态频振型;
整体动力特性识别模块,其用于根据各个机位下的局部模态频率和局部模态振型,得到整体模态振型和整体模态频率;
预警模块,其用于根据整体模态频率和整体模态振型,得到桥梁结构健康指标,以对运营期桥梁结构异常行为报警。
在一些可选的技术方案中,所述控制装置包括:
标定模块,其用于标定各机位拍摄图像中桥梁上关键点的物理坐标;
振动计算模块,其用于根据所述视频流进行实时振动分析,获取各个机位下拍摄图像中桥梁上关键点对应节点的实时振动时间序列;
视野控制模块,其用于根据各机位下拍摄图像中节点的实时振动时间序列进行功率谱质量分析,以控制所述视频装置在设定时间位于设定机位进行拍摄。
在一些可选的技术方案中,所述视频装置包括:
工业相机,其用于拍摄桥梁形成视频流;
旋转云台,其用于根据控制装置的控制指令使所述工业相机在设定时间位于设定机位进行拍摄。
另一方面,本发明提供一种基于自动视觉扫描的运营期桥梁监测方法,包括以下步骤:
在设定时间位于设定机位拍摄桥梁形成视频流;
根据所述视频流获取各个机位下桥梁上关键点的振动信息,并控制所述视频装置在设定时间位于设定机位进行拍摄;
根据各个机位下桥梁上关键点的振动信息,识别桥梁结构的整体动力特性,以对桥梁的异常行为进行预警。
在一些可选的技术方案中,所述的根据各个机位下桥梁上关键点的振动信息,识别桥梁结构的整体动力特性,以对桥梁的异常行为进行预警,具体包括:
对各个机位下桥梁上关键点的振动信息进行模态特性识别,获得各个机位下关键点的局部模态频率和局部模态频振型;
根据各个机位下的局部模态频率和局部模态振型,得到整体模态振型和整体模态频率;
根据整体模态频率和整体模态振型,得到桥梁结构健康指标,以对运营期桥梁的异常行为报警。
在一些可选的技术方案中,确定整体模态振型具体包括:
根据公式确定各个机位下公共节点区域的比例因子向量Ci,其中,上标/>表示广义逆,/>表示第j个机位识别出得第i阶局部模态振型中属于第s个公共节点区域的向量,i=1,2,···,N,N为识别模态总数,M为总机位数,/>为第n个机位识别出得第i阶局部模态振型下的比例因子,n=1,2,···,M-1;
根据公式确定第i阶整体模态振型对应于第k个节点的值其中,k为总体节点编号,Ωk为可拍摄到第k个节点的机位集合,L为Ωk元素个数,/>为第m个机位识别出的第i阶局部模态振型中对应于总体节点编号k的数值。
在一些可选的技术方案中,确定整体模态振型具体包括:
在一些可选的技术方案中,所述的根据整体模态频率和整体模态振型,得到桥梁结构健康指标,具体包括:
在一些可选的技术方案中,所述的根据所述视频流获取各个机位下桥梁上关键点的振动信息,并控制所述视频装置在设定时间位于设定机位进行拍摄,具体包括:
根据当前机位视野中关键点的振动时间序列,确定关键点的自功率谱G(ω);
当AR(ωp)在设定范围内波动,则进行机位转向,否则继续停留在当前机位摄像。
与现有技术相比,本发明的优点在于:本方案采用单视频装置进行拍摄,并且可以不接触即可获取桥梁结构的整体动力特性。该系统硬件组成简单,与接触式测量方案相比,其并无在桥上布线的问题;与其余机器视觉方案相比,其在保证单摄像机方案测量精度优点同时,避免了多摄像机模组方案带来的成本高问题。另外,该系统的运行无需以中断桥面交通作为前提,在正常交通流的环境激励条件下即可实现鲁棒动力特性识别;该系统自动化程度高,在进行相机标定后即可自动进行桥梁振动信息采集、整体动力特性的识别和基于整体动力特性的桥梁异常行为预警,适用于各种振动行为由竖向弯曲模态控制的桥梁的健康监测,具有广阔的工程应用前景。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中基于自动视觉扫描的运营期桥梁监测系统的组成示意图;
图2为本发明实施例中基于自动视觉扫描的运营期桥梁监测系统的结构示意图;
图3为本发明实施例中子结构与节点的关系示意图。
图中:1、视频装置;11、工业相机;12、旋转云台;2、控制装置;3、预警装置;4、桥梁。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图对本发明的实施例作进一步详细说明。
如图1和图2所示,本发明提供一种基于自动视觉扫描的运营期桥梁监测系统,包括:视频装置1、控制装置2和预警装置3。
其中,视频装置1用于在设定时间位于设定机位拍摄桥梁4形成视频流;控制装置2用于根据所述视频流获取各个机位下桥梁4上关键点的振动信息,并控制所述视频装置1在设定时间位于设定机位进行拍摄;预警装置3用于根据各个机位下桥梁4上关键点的振动信息,识别桥梁结构的整体动力特性,以对桥梁4的异常行为进行预警。
在本实施例中,本方案采用单个视频装置1进行拍摄,并且可以不接触即可获取桥梁结构的整体动力特性。该系统硬件组成简单,与接触式测量方案相比,其并无在桥上布线的问题;与其余机器视觉方案相比,其在保证单摄像机方案测量精度优点同时,避免了多摄像机模组方案带来的成本高问题。另外,该系统的运行无需以中断桥面交通作为前提,在正常交通流的环境激励条件下即可实现鲁棒动力特性识别;该系统自动化程度高,在进行相机标定后即可自动进行桥梁4的振动信息采集、整体动力特性的识别和基于整体动力特性的桥梁4的异常行为预警,适用于各种振动行为由竖向弯曲模态控制的桥梁4的健康监测,具有广阔的工程应用前景。
在一些可选的实施例中,预警装置3包括:局部动力特性识别模块、整体动力特性识别模块和预警模块。
局部动力特性识别模块用于对各个机位下桥梁4上关键点的振动信息进行模态特性识别,获得各个机位下关键点的局部模态频率和局部模态频振型;整体动力特性识别模块用于根据各个机位下的局部模态频率和局部模态频振型,得到整体模态振型和整体模态频率;预警模块用于根据整体模态频率和整体模态振型,得到桥梁结构健康指标,以对运营期桥梁结构异常行为报警。
在本实施例中,整体动力特性识别模块对局部模态特性识别模块输出的局部模态频率进行统计,得到整体模态频率,并对局部模态振型进行融合,得到整体模态振型。最后利用识别的整体模态频率和模态振型计算桥梁结构健康指标,对运营期桥梁结构异常行为报警。通过先获取局部振型和频率,再获取整体振型和频率,可以更好的反应整体模态振型和整体模态频率,以反应桥梁结构的整体动力特性,对桥梁4的异常行为进行预警。
在一些可选的实施例中,控制装置2包括:标定模块、振动计算模块和振动计算模块。其中,标定模块用于标定各机位拍摄图像中桥梁4上关键点的物理坐标;振动计算模块用于根据所述视频流进行实时振动分析,获取各个机位下拍摄图像中桥梁4上关键点对应节点的实时振动时间序列;视野控制模块用于根据各机位下拍摄图像中节点的实时振动时间序列进行功率谱质量分析,以控制所述视频装置1在设定时间位于设定机位进行拍摄。
在本实施例中,标定模块根据预设机位、桥梁4上关键点信息和桥梁4上标准标记,为各个机位下桥梁4上关键点的振动幅值作标定;振动计算模块对工业相机11传输到工控机的视频流进行实时振动计算,获取桥梁4上关键点的实时振动时间序列;视野控制模块根据各个机位下的实时识别的振动时间序列功率谱质量分析结果,发出旋转云台12转向下一机位或停留的控制指令。
视频装置1所处机位所拍摄图像即为桥梁4的一个子结构,拍摄的桥梁4子结构下的关键点可视为桥梁4观测的节点,要保证各相邻机位下视频装置1的视野中包含不少于三个共同节点,当控制装置2判断所有关键点振动信息已高质量采集后停止自动视觉扫描,服务器对各机位下关键点振动估计数据进行融合和模态识别,可获取桥梁4的整体动力特性,最终根据实际计算的桥梁结构健康指标确定是否需要预警。
在一些可选的实施例中,视频装置1包括:工业相机11和旋转云台12。其中,工业相机11用于拍摄桥梁4形成视频流;旋转云台12用于根据控制装置2的控制指令使所述工业相机11在设定时间位于设定机位进行拍摄。
在本实施例中,在可以无障碍观察桥梁4的位置布置视频装置1,旋转云台12方向与桥梁4振动方向垂直,工业相机11随着云台的旋转可拍摄到桥梁4上不同位置的关键点振动信息。
控制装置2控制着工业相机11在不同镜头方向上停留录像的时间,该停留时间取决于已采集的当前视野中关键点的振动信息质量,当在一个机位上停留更长时间但并不会明显改变振动信息质量时,则应发出云台转向下一个机位或结束采集的控制命令。这样可减少视频的拍摄时间,降低视频传输网络的带宽压力。另外,需要保证视野控制命令的及时性,故视野模块中的计算量应尽可能少,同时也要保证对识别的振动信息的充足程度。基于以上考虑,使用实时识别的振动时间序列功率谱幅值比的收敛性作为发出视野转向指令的依据。其计算流程如下:使用滑动时间窗对机位视野中关键点振动时间序列进行自功率谱估计G(ω);计算视频装置1机位视野中关键点的平均自功率谱并识别峰值所在频率ωp;计算当前机位视野中关键点的自功率谱幅值比AR(ωp);当AR(ωp)稳定时,即基本保持不变是,可认为实时估计功率谱已达到收敛,即振动信息的已充足,可以进行视野转向,否则继续停留在当前视野录像。
另一方面,本发明还提供一种基于自动视觉扫描的运营期桥梁监测方法,包括以下步骤:
在设定时间位于设定机位拍摄桥梁4形成视频流。
具体地,在开阔空间布置视频装置1中的工业相机11和旋转云台12,就近部署控制装置2,根据桥梁4所有关键点在工业相机11中扫描视野的位置确定旋转云台12的旋转机位,即自动视觉扫描机位,保证相邻机位相机视野中包含不少于三个公共节点。
根据所述视频流获取各个机位下桥梁4上关键点的振动信息,并控制所述视频装置在设定时间位于设定机位进行拍摄。
A:确定关键点在图像中的初始位置,根据桥上标准标记物标定各自动视觉扫描机位下各关键点物理坐标与图像坐标转换关系。本例中,标准标记物为具有已知维度的桥上标记物,可以为桥梁本身,也可以人工安装,例如可以为已知长度的栏杆。
由于振动模式由竖向弯曲模态控制的桥梁4主要发生竖向的挠曲运动,面外的运动可以忽略,可认为桥梁4上关键点的运动均在一个平面上,故各关键点物理坐标与图像坐标的转换关系标定可使用基于2维到2维的单应性矩阵估计方法,其中视野中关键点与其余标准标记物共用一个单应性矩阵,可有已知维度信息的标准标记物的点来信息估计单应性矩阵,其计算方式如下所述:
设图像坐标下图像中标准标记物第j个像素点的坐标为pj=(pxj,pyj),物理坐标下标准标记物第j个像素点坐标为(xj,yj),基于n个标准标记点(n≥4),即可联立得到以下坐标变换方程:
其中,h=(h1…h9)T为待计算的单应性矩阵元素的列向量形式排列,以及坐标变换元素矩阵Aj,其中,j=1,2,···n,n为正整数。
接下来需要从视频流(即图像序列)中计算关键点的所在像素物理坐标变化序列作为振动时域信息,本实施例中选择利用桥梁4本身纹理特征的模板匹配法作为振动时域信息估计方法,其核心是选定具有明显纹理特征的关键区域作为兴趣区域(region ofinterest,ROI),以ROI参考为模板,根据不同帧图像中区域像素相关系数来估计参考ROI在不同帧图像中的像素位置,再利用识别进行图像-物理坐标转换,即可实现振动时域信息的获取。推荐使用的相关系数为零均值归一化误差平方和(zero mean normalized sum ofsquared differences,ZNSSD),其表达式为:
其中,Ω为模板区域像素集合,Ω*为待匹配区域像素集合,(x,y)和(x*,y*)分别代表模板区域像素集合和待匹配区域像素集合的横向及纵向坐标,T表示ROI模板区域,I表示待匹配图像区域,下标m表示该区域所有像素的灰度值的平均值。通过最大化ZNSSD,即可确定不同帧图像中ROI模板位置。
B:利用视频流获取当前机位下桥梁4上部分关键点振动时序信息,根据关键点的实时自功率谱的收敛性判断是否进行机位切换,直至将各桥梁4上关键点都视觉扫描完毕,即各预设旋转云台12旋转机位都已遍历。
使用实时识别的振动时间序列的自功率谱幅值比的收敛性作为发出视野转向指令的依据,其计算流程如下:
根据对机位视野中关键点的振动时间序列,确定关键点的自功率谱G(ω);
当AR(ωp)在设定范围内波动,认为自功率谱幅值比已达到收敛,则进行机位转向,否则继续停留在当前机位摄像。
最后,根据各个机位下桥梁4上关键点的振动信息,识别桥梁结构的整体动力特性,以对桥梁4的异常行为进行预警。
在一些可选的实施例中,根据各个机位下桥梁4上关键点的振动信息,识别桥梁结构的整体动力特性,以对桥梁的异常行为进行预警,具体包括:
对各个机位下桥梁4上关键点的振动信息进行模态特性识别,获得各个机位下关键点的局部模态频率和局部模态频振型。
其中,本实例推荐使用频域分解法作为局部动力特性(即局部模态频率和局部模态振型)的识别方法,其实施方式为:
利用视频流获取当前机位下桥梁4上部分关键点振动时序信息,构建功率谱矩阵Gs(ω);
对功率谱矩阵Gs(ω)进行奇异值分解,提取第一奇异值谱Ss(ω);
考虑到各机位下的局部特性估计结果必然包含一定不确定性,因此局部特性融合必须引入统计技术,使得整体动力特性的估计在统计意义上不确定性最小。
根据各个机位下的局部模态频率和局部模态振型,得到整体模态振型和整体模态频率。
其中,确定整体模态振型具体包括:
根据公式确定各个机位下公共节点区域的比例因子向量Ci,其中,上标/>表示广义逆,/>表示第j个机位识别出得第i阶局部模态振型中属于第s个公共节点区域的向量,i=1,2,···,N,N为识别模态总数,M为总机位数,/>为第n个机位识别出得第i阶局部模态振型下的比例因子,n=1,2,···,M-1。
根据公式确定第i阶整体模态振型对应于第k个节点的值其中,k为总体节点编号,Ωk为可拍摄到第k个节点的机位集合,L为Ωk元素个数,/>为第m个机位识别出得第i阶局部模态振型中对应于总体节点编号k的数值。
另外,确定整体模态振型具体包括:
根据整体模态频率和整体模态振型,得到桥梁结构健康指标,以对运营期桥梁结构异常行为报警。
由于桥梁结构的整体模态频率本身对结构局部异常不敏感,需要将整体模态频率和整体模态振型融合构造结构健康指标,才能获取对结构整体和局部异常都有优秀表征能力的预警依据。
在一些可选的实施例中,根据整体模态频率和整体模态振型,得到桥梁结构健康指标,具体包括:
本例中,当实际计算的健康指标D超过预设的预警阈值时,系统发出桥梁结构性能异常警告。
图3中的A图为桥梁结构上关键点呈现在拍摄图像上的节点示意图,节点1-节点11即为桥梁结构上的关键点,需要注意的是,本例中给出11个节点仅仅是作为事例说明,在工业应用中可根据需求设置。
图3中的B图为1号子结构(机位)的示意图,图中3B中1号子结构包括节点1-节点5,共5个节点,1号子结构的第一阶局部振型表示为其中,/>表示第1个机位(子结构)识别出得第1阶局部模态振型中对应于总体节点编号5的数值。/>第1个机位识别出得第1阶局部模态振型中属于第1个公共节点区域的向量,其中,第1个公共节点区域即为第1个机位和第2个机位重叠的区域,如图3B中的虚线框内的区域。
图3中的C图为2号子结构(机位)的示意图,图中3C中2号子结构包括节点3-节点7,共5个节点。2号子结构的第一阶局部振型表示为其中,/>表示第2个机位(子结构)识别出得第1阶局部模态振型中对应于总体节点编号5的数值。/>第2个机位识别出得第1阶局部模态振型中属于第1个公共节点区域的向量,如图3C中左侧的虚线框内的区域。
图3中的D图为3号子结构(机位)的示意图,图中3D中3号子结构包括节点5-节点11,共7个节点。3号子结构的第一阶局部振型表示为其中,/>表示第3个机位(子结构)识别出得第1阶局部模态振型中对应于总体节点编号5的数值。/>第3个机位识别出得第1阶局部模态振型中属于第3个公共节点区域的向量,如图3D中虚线框内的区域,第3个公共节点区域为第2个机位和第3个机位重叠的区域。
下面再通过表1对公共节点区域进行说明:
表1公共区域的重叠机位表
编号 | 1(1和2号机位) | 2(1号和3号机位) | 3(2号和3号机位) |
公共节点区域 | {3,4,5} | {5} | {5,6,7} |
如表1所示,第1个公共节点区域为1号和2号机位的重叠区域,重叠的节点有节点3、4和5,第2个公共节点区域为1号和3号机位的重叠区域,重叠的节点有节点5,第3个公共节点区域为2号和3号机位的重叠区域,重叠的节点有节点5、6和7。
下面再通过表2对可拍摄到某一节点的机位集合进行说明:
表2可拍摄节点的机位集合表
如表2所示,节点1和2均只有1号机位拍摄到,代入还是其本身,此处不做说明。节点3有1和2号机位均能拍摄到,此时m取值为1和2,节点4有1和2号机位均能拍摄到,此时m取值为1和2,节点5有1、2和3号机位均能拍摄到,此时m取值为1、2和3,以此类推。
综上所述,本申请中的系统和方法在可以无障碍观察桥梁4的位置布置视频装置,旋转云台12方向与桥梁4振动方向垂直,工业相机11随着云台的旋转可拍摄到桥梁4上不同位置关键点的振动信息,其中控制装置根据实时采集的图像数据进行实时桥梁4振动估计与频谱分析,并根据拍摄范围内关键点频谱信息自动控制云台的旋转,以达到自动视觉扫描的目的;拍摄的桥梁子结构下的关键点视为桥梁观测的节点,要保证云台各相邻旋转机位下工业相机视野中包含不少于三个共同节点,当工控机判断所有关键点振动信息已高质量采集后停止自动视觉扫描,服务器对各机位下关键点振动估计数据进行融合和模态识别,可获取桥梁的整体动力特性,最终根据实际计算的桥梁结构健康指标确定是否需要预警。另外,该系统的运行无需以中断桥面交通作为前提,在正常交通流的环境激励条件下即可实现鲁棒动力特性识别;该系统自动化程度高,在进行相机标定后即可自动进行桥梁振动信息采集、整体动力特性的识别和基于整体动力特性的桥梁异常行为预警,适用于各种振动行为由竖向弯曲模态控制的桥梁的健康监测,具有广阔的工程应用前景。
在本申请的描述中,需要说明的是,术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
需要说明的是,在本申请中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种基于自动视觉扫描的运营期桥梁监测系统,其特征在于,包括:
视频装置(1),其用于在设定时间位于设定机位拍摄桥梁(4)形成视频流;所述视频装置(1)包括:
工业相机(11),其用于拍摄桥梁(4)形成视频流;
旋转云台(12),其用于根据控制装置(2)的控制指令使所述工业相机(11)在设定时间位于设定机位进行拍摄,其中,所述旋转云台(12)方向与桥梁(4)振动方向垂直,所述工业相机(11)随着云台的旋转可拍摄到桥梁(4)上不同位置的关键点振动信息;
控制装置(2),其用于根据所述视频流获取各个机位下桥梁(4)上关键点的振动信息,并控制所述视频装置(1)在设定时间位于设定机位进行拍摄;
预警装置(3),其用于根据各个机位下桥梁(4)上关键点的振动信息,识别桥梁结构的整体动力特性,以对桥梁(4)的异常行为进行预警,所述预警装置(3)包括:
局部动力特性识别模块,其用于对各个机位下桥梁(4)上关键点的振动信息进行模态特性识别,获得各个机位下关键点的局部模态频率和局部模态频振型;
整体动力特性识别模块,其用于根据各个机位下的局部模态频率和局部模态振型,得到整体模态振型和整体模态频率;
预警模块,其用于根据整体模态频率和整体模态振型,得到桥梁结构健康指标,以对运营期桥梁结构异常行为报警。
2.如权利要求1所述的基于自动视觉扫描的运营期桥梁监测系统,其特征在于,所述控制装置(2)包括:
标定模块,其用于标定各机位拍摄图像中桥梁(4)上关键点的物理坐标;
振动计算模块,其用于根据所述视频流进行实时振动分析,获取各个机位下拍摄图像中桥梁(4)上关键点对应节点的实时振动时间序列;
视野控制模块,其用于根据各机位下拍摄图像中节点的实时振动时间序列进行功率谱质量分析,以控制所述视频装置(1)在设定时间位于设定机位进行拍摄。
3.一种基于自动视觉扫描的运营期桥梁监测方法,其特征在于,利用如权利要求1所述的基于自动视觉扫描的运营期桥梁监测系统实施,包括以下步骤:
在设定时间位于设定机位拍摄桥梁(4)形成视频流;
根据所述视频流获取各个机位下桥梁(4)上关键点的振动信息,并控制视频装置(1)在设定时间位于设定机位进行拍摄;
根据各个机位下桥梁(4)上关键点的振动信息,识别桥梁结构的整体动力特性,以对桥梁(4)的异常行为进行预警,具体包括:
对各个机位下桥梁(4)上关键点的振动信息进行模态特性识别,获得各个机位下关键点的局部模态频率和局部模态频振型;
根据各个机位下的局部模态频率和局部模态振型,得到整体模态振型和整体模态频率;
根据整体模态频率和整体模态振型,得到桥梁结构健康指标,以对运营期桥梁(4)的异常行为报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110357778.8A CN113128371B (zh) | 2021-04-01 | 2021-04-01 | 一种基于自动视觉扫描的运营期桥梁监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110357778.8A CN113128371B (zh) | 2021-04-01 | 2021-04-01 | 一种基于自动视觉扫描的运营期桥梁监测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113128371A CN113128371A (zh) | 2021-07-16 |
CN113128371B true CN113128371B (zh) | 2023-06-23 |
Family
ID=76774687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110357778.8A Active CN113128371B (zh) | 2021-04-01 | 2021-04-01 | 一种基于自动视觉扫描的运营期桥梁监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113128371B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113793367B (zh) * | 2021-11-17 | 2022-02-15 | 西南交通大学 | 一种工程结构转角位移视觉测量及动力识别系统及方法 |
CN117392106B (zh) * | 2023-11-07 | 2024-06-25 | 中交公路长大桥建设国家工程研究中心有限公司 | 一种基于视觉增强的桥梁振动视觉检测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110197185A (zh) * | 2019-05-23 | 2019-09-03 | 北京云星宇交通科技股份有限公司 | 一种基于尺度不变特征变换算法监测桥下空间的方法和系统 |
CN110443881A (zh) * | 2019-05-29 | 2019-11-12 | 重庆交通大学 | 桥面形态变化识别桥梁结构损伤的cnn-grnn方法 |
CN111486893A (zh) * | 2020-04-07 | 2020-08-04 | 中铁西南科学研究院有限公司 | 一种桥梁结构健康监测与预警系统及预警方法 |
WO2020199538A1 (zh) * | 2019-04-04 | 2020-10-08 | 中设设计集团股份有限公司 | 基于图像监控数据的桥梁关键构件病害预警系统及方法 |
CN112284509A (zh) * | 2020-09-28 | 2021-01-29 | 华南理工大学 | 一种基于手机视频的桥梁结构振型测量方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10459615B2 (en) * | 2014-12-11 | 2019-10-29 | Rdi Technologies, Inc. | Apparatus and method for analyzing periodic motions in machinery |
CN106225681B (zh) * | 2016-07-25 | 2019-03-12 | 上海米度测控科技有限公司 | 一种大跨度桥梁健康状态监测装置 |
CN112362274B (zh) * | 2020-10-10 | 2022-04-15 | 中铁大桥局集团有限公司 | 运营期大跨桥梁涡激振动监测、预警、评价方法及系统 |
-
2021
- 2021-04-01 CN CN202110357778.8A patent/CN113128371B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020199538A1 (zh) * | 2019-04-04 | 2020-10-08 | 中设设计集团股份有限公司 | 基于图像监控数据的桥梁关键构件病害预警系统及方法 |
CN110197185A (zh) * | 2019-05-23 | 2019-09-03 | 北京云星宇交通科技股份有限公司 | 一种基于尺度不变特征变换算法监测桥下空间的方法和系统 |
CN110443881A (zh) * | 2019-05-29 | 2019-11-12 | 重庆交通大学 | 桥面形态变化识别桥梁结构损伤的cnn-grnn方法 |
CN111486893A (zh) * | 2020-04-07 | 2020-08-04 | 中铁西南科学研究院有限公司 | 一种桥梁结构健康监测与预警系统及预警方法 |
CN112284509A (zh) * | 2020-09-28 | 2021-01-29 | 华南理工大学 | 一种基于手机视频的桥梁结构振型测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113128371A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA3100569C (en) | Ship identity recognition method base on fusion of ais data and video data | |
CN113128371B (zh) | 一种基于自动视觉扫描的运营期桥梁监测系统及方法 | |
CN110850723B (zh) | 一种基于变电站巡检机器人系统的故障诊断及定位方法 | |
US8588471B2 (en) | Method and device of mapping and localization method using the same | |
CN109459750A (zh) | 一种毫米波雷达与深度学习视觉融合的前方多车辆跟踪方法 | |
CN108445480A (zh) | 基于激光雷达的移动平台自适应扩展目标跟踪系统及方法 | |
CN112766274A (zh) | 一种基于Mask RCNN算法的水尺图像水位自动读数方法及系统 | |
CN107014294A (zh) | 一种基于红外图像的接触网几何参数检测方法及系统 | |
CN105938554B (zh) | 基于图像自动判读的尖轨伸缩位移监测方法及系统 | |
CN103065323A (zh) | 一种基于单应性变换矩阵的分段空间对准方法 | |
Mi et al. | A vision-based displacement measurement system for foundation pit | |
CN111288910A (zh) | 一种有轨电车梯形道岔变形监测系统及方法 | |
CN109341668A (zh) | 基于折射投影模型和光束追踪法的多相机测量方法 | |
CN114812403A (zh) | 基于无人机及机器视觉的大跨度钢结构吊装变形监测方法 | |
CN113536895A (zh) | 一种圆盘指针表计识别方法 | |
CN112967312A (zh) | 一种面向野外刚体目标的实时鲁棒位移监测方法及系统 | |
CN115717867A (zh) | 一种基于机载双相机和目标追踪的桥梁变形测量方法 | |
CN110111018A (zh) | 评估车辆感测能力的方法、装置、电子设备及存储介质 | |
CN117253203A (zh) | 一种基于视觉传感器的障碍物检测系统 | |
CN113256723A (zh) | 一种受电弓升降弓时间及弓头位移曲线自动检测方法 | |
Kuo et al. | Implementation of inverse perspective mapping for camera-vision water-level measurements | |
CN114754695B (zh) | 多视场桥梁挠度测量装置、方法及存储介质 | |
CN115409691A (zh) | 融合激光测距和监控图像的双模态学习边坡风险检测方法 | |
CN113421286B (zh) | 一种动作捕捉系统及方法 | |
CN211527336U (zh) | 一种有轨电车梯形道岔变形监测系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |