CN113405644B - 非接触的振动测量方法、装置和存储介质 - Google Patents
非接触的振动测量方法、装置和存储介质 Download PDFInfo
- Publication number
- CN113405644B CN113405644B CN202110531808.2A CN202110531808A CN113405644B CN 113405644 B CN113405644 B CN 113405644B CN 202110531808 A CN202110531808 A CN 202110531808A CN 113405644 B CN113405644 B CN 113405644B
- Authority
- CN
- China
- Prior art keywords
- image sequence
- image
- vibration measurement
- determining
- frame
- 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
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Abstract
本发明公开了一种非接触的振动测量方法、计算机装置和存储介质,振动测量方法包括对待测量结构拍摄所得的第一图像序列中的一帧进行高斯光滑化和边缘提取,获得二值边缘蒙版,对二值边缘蒙版进行网格化划分,确定基准图像的梯度,使用二值边缘蒙版选取第一图像序列各帧中的部分信息获得第三图像序列,使用最小二乘法确定二值边缘蒙版中网格的位移信息,根据对位移信息进行结构模态识别所得的结构模态参数确定振动测量结果等步骤。本发明基于光流法的原理,能够克服现有接触式振动测量技术的缺点,具有对测试环境适应能力强、适合离线测量和在线测量等优点,对装置硬件要求低,使用成本低。本发明广泛应用于工程结构振动测量技术领域。
Description
技术领域
本发明涉及工程结构振动测量技术领域,尤其是一种非接触的振动测量方法、装置和存储介质。
背景技术
接触式振动测量和非接触式振动测量可以应用在工程结构振动测量领域。其中接触式振动测量是使用应变片、位移计与加速度计等接触式传感器安装在被测量结构表面,但是存在一些大型建筑物等被测量结构,由于自身结构或者工程难度等原因无法布设传感器或者线缆,或者只能在被测量结构的部分位置安装传感器,这样就无法应用接触式振动测量技术,或者采集到的信息过于稀疏,不足以支持接触式振动测量技术使用。
现有的非接触传感器是使用激光多普勒测振仪、电子散斑干涉仪等主动光学装置实现对结构进行非接触测量,根据测量结果来分析振动情况。然而这些仪器具有对测试环境敏感、装置布设复杂、全域测试时间长等缺点,使用成本较高。
发明内容
针对上述至少一个技术问题,本发明的目的在于提供一种非接触的振动测量方法、计算机装置和存储介质。
一方面,本发明实施例包括一种非接触的振动测量方法,包括:
获取第一图像序列;所述第一图像序列包括多帧图像,所述第一图像序列中的各帧图像均包括待测量结构;
对所述第一图像序列中的一帧进行高斯光滑化和边缘提取,获得二值边缘蒙版;
对所述二值边缘蒙版进行网格化划分;
获取第二图像序列;所述第二图像序列为所述第一图像序列中的一个子序列,所述第二图像序列的时长由所述待测量结构的历史基频确定;
确定基准图像的梯度;所述基准图像为所述第二图像序列的均值图像;
使用所述二值边缘蒙版选取所述第一图像序列各帧中的部分信息,获得第三图像序列;
使用所述二值边缘蒙版选取所述基准图像的梯度中的部分信息,获得梯度信息;
使用最小二乘法,根据所述第三图像序列和所述梯度信息确定所述二值边缘蒙版中各网格的位移信息;
对所述位移信息进行结构模态识别,获得结构模态参数;
根据结构模态参数确定对所述待测量结构的振动测量结果。
进一步地,所述获取第一图像序列包括:
使用设定的采样频率对所述待测量结构进行拍摄采样,获得所述第一图像序列;
对所述第一图像序列中的各帧进行灰度化和图像去闪。
进一步地,所述图像去闪包括:
对所述第一图像序列中任意的相邻两帧进行直方图关系线性拟合;
根据所述直方图关系线性拟合的结果,校准两帧中较后一帧的亮度水平。
进一步地,所述使用最小二乘法,根据所述第三图像序列和所述梯度信息确定所述二值边缘蒙版中各网格的位移信息,所使用的公式包括:
其中,Gridi表示所述二值边缘蒙版中的第i个网格,表示网格Gridi中坐标(x,y)处在时间t的位移,I(x,y,t)表示所述第三图像序列中对应时间t的那一帧坐标(x,y)处的值,I0(x,y)表示所述基准图像,表示所述基准图像的梯度。
进一步地,所述对所述位移信息进行结构模态识别,获得结构模态参数,是通过随机子空间法、峰值选取法或频率分解法进行的。
进一步地,所述根据结构模态参数确定对所述待测量结构的振动测量结果,包括:
确定所述结构模态参数与所述待测量结构的固有频率之间的相对误差值;
或
根据所述结构模态参数确定模态振型,确定所述模态振型与所述待测量结构的历史模态振型之间的MAC值;
所述相对误差值、所述MAC值为对所述待测量结构的振动测量结果。
进一步地,非接触的振动测量方法还包括:
在所述第一图像序列的各帧图像中分别确定感兴趣区域,所述第一图像序列的各帧图像中仅所述感兴趣区域被进行高斯光滑化和边缘提取。
进一步地,非接触的振动测量方法还包括:
通过流媒体协议接收所述第一图像序列;
使用视频数据缓存池缓存所述第一图像序列;
使用位移识别缓存池缓存所述位移信息。
另一方面,本发明实施例还包括一种计算机装置,包括存储器和处理器,所述存储器用于存储至少一个程序,所述处理器用于加载所述至少一个程序以执行实施例中的非接触的振动测量方法。
另一方面,本发明实施例还包括一种存储介质,其中存储有处理器可执行的程序,所述处理器可执行的程序在由处理器执行时用于执行实施例中的非接触的振动测量方法。
本发明的有益效果是:实施例中的振动测量方法基于光流法的原理,对拍摄待测量结构所获得的第一图像序列进行位移求解,实现非接触式的结构模态分析,能够克服现有接触式振动测量技术的缺点,并且相对现有非接触式振动测量具有对测试环境适应能力强、既适合离线测量又适合在线测量等优点,只需进行计算机的算法编程即可实现,对装置硬件要求低,使用成本低。
附图说明
图1和图2为实施例中非接触的振动测量方法的架构图;
图3为实施例中非接触的振动测量方法的流程图;
图4为实施例中非接触的振动测量方法中识别结构位移步骤的原理图;
图5为实施例中作为待测量结构的四层框架以及布置的传感器的示意图;
图6为实施例中模板匹配法与本实施例中的振动测量方法的测量结果对比图;
图7为实施例中使用LVDT横向位移传感器与本实施例中的振动测量方法的测量结果对比图。
具体实施方式
本实施例中的非接触的振动测量方法,其架构如图1和图2所示。其中,图1所示的是离线测量模式,图2所示的是在线测量模式。
参照图1和图2,离线测量模式和在线测量模式均包括识别结构位移、识别结构模态、历史数据对比等步骤,并且都可选地加入定义感兴趣区域的步骤。离线测量模式和在线测量模式的主要区别在于第一图像序列的获取方式。
离线测量模式中,可以上传完整的对待测量结构拍摄得到的视频数据,对视频数据进行帧提取,从而获得第一图像序列。
在线测量模式中,可以使用摄像机等视频采集模块对待测量结构拍摄得到视频数据,通过rtsp、rtp等流媒体协议采集视频数据,将视频数据缓存在视频数据缓存池,当需要获取第一图像序列时,从视频数据缓存池中读取视频数据,对视频数据进行帧提取,从而获得第一图像序列。而执行识别结构位移步骤获得位移信息之后,可以将位移信息缓存在位移识别缓存池,在执行识别结构模态等后续步骤时,从位移识别缓存池读取位移信息进行处理。当视频数据缓存池满时,可以停止视频数据的采集,并提醒用户缓存不足,或者放弃缓存后续视频数据,当缓存空余时再写入。当位移识别缓存池满时,可以停止位移信息的缓存。通过设置视频数据缓存池和位移识别缓存池,可以实现对视频数据的在线处理,从而将本实施例中的非接触的振动测量方法应用在实时性要求高的场合。
本实施例中,参照图3,非接触的振动测量方法包括以下步骤:
S1.获取第一图像序列;
S2.对第一图像序列中的一帧进行高斯光滑化和边缘提取,获得二值边缘蒙版;
S3.对二值边缘蒙版进行网格化划分;
S4.获取第二图像序列;
S5.确定基准图像的梯度;基准图像为第二图像序列的均值图像;
S6.使用二值边缘蒙版选取第一图像序列各帧中的部分信息,获得第三图像序列;
S7.使用二值边缘蒙版选取基准图像的梯度中的部分信息,获得梯度信息;
S8.使用最小二乘法,根据第三图像序列和梯度信息确定二值边缘蒙版中各网格的位移信息;
S9.对位移信息进行结构模态识别,获得结构模态参数;
S10.根据结构模态参数确定对待测量结构的振动测量结果。
其中,步骤S1-S8是图1和图2中的识别结构位移步骤,步骤S9是图1和图2中的识别结构模态步骤,步骤S10是图1和图2中的历史数据对比步骤。
步骤S1-S8的原理如图4所示,其中的S1等步骤标号表示经过相应步骤的处理,而步骤标号前后的图像则表示该步骤所要处理的对象以及处理结果。例如步骤S2所连接的两个图像中,位于前面的图像表示步骤S2所要进行高斯光滑化和边缘提取处理的第一图像序列中的一帧,位于后面的图像表示经过步骤S2处理获得的二值边缘蒙版。
步骤S1中,第一图像序列是通过图1所示的离线测量模式或图2所示的在线测量模式获得的。第一图像序列包括包括多帧图像,各帧图像均包括待测量结构。其中待测量结构可以是大桥、大楼等建筑物或者其他测量目标。
本实施例中,执行步骤S2-S8时可以对第一图像序列中的有关帧的整体进行处理,也可以在第一图像序列的各帧中先选择感兴趣区域,在执行步骤S2-S8时只对有关帧中的感兴趣区域进行处理,而对感兴趣区域外的其他区域则不做处理。例如,在选择感兴趣区域之后,在执行步骤S2时,只对第一图像序列的一帧中的感兴趣区域进行高斯光滑化和边缘提取处理,对感兴趣区域之外的其他区域不进行高斯光滑化和边缘提取处理。
在执行步骤S1时,可以设置摄像机的采样频率为fs,采样频率fs的大小由待测量结构的历史模态数据确定,采样频率fs大于待测量结构的奈奎斯特频率的两倍,从而避免混叠效应,避免识别出虚假振动频率等情况。在使用摄像机时,可以利用拍摄场景中的预设的标定物进行摄像机标定,获取摄像机矩阵P,后续可以使用摄像机矩阵P恢复结构真实的位移。
在执行步骤S1时,可以对第一图像序列中的各帧进行灰度化和图像去闪。其中,对第一图像序列中的各帧进行灰度化是将第一图像序列中的各帧转成Lab颜色模式,并提取明度通道作为灰度图像,因为待测量结构通常具有明显的几何外形信息,灰度化可以避免第一图像序列中各帧所包含的颜色信息降低后续流程的计算代价,提高计算效率。其中,对第一图像序列中的各帧进行图像去闪,是认为第一图像序列中的任一相邻两帧间的亮度信息为线性关系,可以通过拟合任意相邻两帧的直方图的线性关系,并对任意两帧中的靠后一帧图像进行校准。由于光线变化剧烈的场景下光流法的假设会失效,如荧光灯等人造光源会产生频闪现象,通过图像去闪可以校准第一图像序列的亮度水平,排除光源闪烁或者变化的带来的问题。
步骤S2中,在第一图像序列中选择较稳定的一帧I′0(x,y),对I′0(x,y)进行高斯光滑化,具体为I″0(x,y)=Kσ*I′0(x,y),其中I″0(x,y)为高斯光滑化的结果,Kσ为高斯光滑化所使用的高斯卷积核函数,σ表示标准差。对第一图像序列中的一帧I′0(x,y)进行高斯光滑化可以减少I′0(x,y)的高频噪声,提高信噪比,为后续边缘识别减少无意义的高频信息。
步骤S2中,采用Canny与Sobel算子对已经光滑化后的图像I″0(x,y)进行边缘提取,获取二值边缘蒙版Iedge。由于待测量结构通常具有规则的边缘特征,可以利用边缘提取算法选取待测量结构上的边缘可以进一步减少后续步骤的计算代价。
步骤S4中,根据待测量结构的历史基频fbase确定合适的时长T,满足然后从第一图像序列中选取一个子序列G={I′(x,y,t)t∈[t0,t0+T)},其中t0为子序列G的起始时间点,子序列G的时长为T,然后使用高斯卷积核函数Kσ对子序列G中的各帧进行高斯光滑化,获得第二图像序列G′={Kσ*I′(x,y,t)|t∈[t0,t0+T)}。
步骤S6中,使用二值边缘蒙版Iedge选取灰度化后的第一图像序列I′(x,y,t)的各帧中的部分信息,具体为I(x,y,t)=bitwise_AND(I′(x,y,t),Iedge),其中I(x,y,t)为使用二值边缘蒙版Iedge选取灰度化后的第一图像序列I′(x,y,t)的各帧中的部分信息所获得的结果,I(x,y,t)中的值为0的位置为弃用的信息。每个网格中的I(x,y,t),(x,y)∈Gridi为第三图像序列。
本实施例中使用最小二乘法,根据第三图像序列I(x,y,t)和梯度信息确定二值边缘蒙版Iedge中各网格的位移信息的原理在于:应用假设亮度守恒的光流法,从而有I(x+u(x,y,t),y+v(x,y,t),t)=I(x,y,0)=I0(x,y),其中u(x,y,t)表示t时刻(x,y)处的横向位移,v(x,y,t)表示t时刻(x,y)处的竖向位移;为了方便起见,可以采用向量将上式表示为I(x+u(x,t),t)=I(x,t)=I0(x);其中x=(x,y),u(x,t)=(u(x,y,t),v(x,y,t)),定义y=x+u(x,t),则有I(y,t)=I0(y-u(x,t)),在结构振动中,可以假设位移比较小,所以有u(x,t)=u(y,t),代入上式有I(y,t)=I0(y-u(y,t)),有泰勒展开:上式整理可有:
上式为欠定的方程组,为了求解u(y,t)里的两个未知量,可以假设在y的邻域y∈V(y)内u(y,t)为常数,则可以利用最小二乘法求解u(y,t),该系统采用预先设定的感兴趣区域或者网格划分,将位移计算限定在一个个网格内,则对于第i个网格或区域Gridi有位移计算式:
上述位移计算式就是步骤S8中所使用的位移计算式。
步骤S10中,可以计算执行步骤S9所得的结构模态参数与待测量结构的固有频率f之间的相对误差值,以计算所得的相对误差值作为对待测量结构的振动测量结果。
以图5所示的四层框架作为待测量结构,应用本实施例中的振动测量方法获得振动测量结果。同时在图5中四层框架的ROI1-8等8个位置安装传感器,以应用现有的模板匹配法获得测量结果,应用本实施例中的振动测量方法的结果与应用现有的模板匹配法的结果对比如图6所示。图6示出了8个位置的测量结果对比图,其中Template Matching所标示的曲线表示模板匹配法的结果,Ours所标示的曲线表示本实施例中的振动测量方法的结果,各对比图中的横坐标为帧数(时间),纵坐标为位移。
为验证图6中的位移结果测量准确性,在图5中的框架右上角安装LVDT横向位移传感器进行对比验证,使用LVDT横向位移传感器、使用本实施例中的振动测量方法三种方式对四层框架同一位置进行测量的结果如图7所示。图7中的横坐标为帧数(时间),纵坐标为位移,其中LVDT所标示的曲线表示使用LVDT横向位移传感器测得的结果,Optical Flow所标示的曲线表示本实施例中的振动测量方法的结果。
由于LVDT横向位移传感器可以直接测得四层框架的位移,因此LVDT横向位移传感器的测量结果可视为是准确的测量结果。由图7可知本实施例中的振动测量方法的测量结果比模板匹配法的测量结果更接近LVDT横向位移传感器的测量结果,从而证明本实施例中的振动测量方法比现有方法具有更高的测量精度。
可以通过编写执行本实施例中的非接触的振动测量方法的计算机程序,将该计算机程序写入至计算机装置或者存储介质中,当计算机程序被读取出来运行时,执行本实施例中的非接触的振动测量方法。
需要说明的是,如无特殊说明,当某一特征被称为“固定”、“连接”在另一个特征,它可以直接固定、连接在另一个特征上,也可以间接地固定、连接在另一个特征上。此外,本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。此外,除非另有定义,本实施例所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本实施例说明书中所使用的术语只是为了描述具体的实施例,而不是为了限制本发明。本实施例所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种元件,但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如,在不脱离本公开范围的情况下,第一元件也可以被称为第二元件,类似地,第二元件也可以被称为第一元件。本实施例所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例,并且除非另外要求,否则不会对本发明的范围施加限制。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本实施例描述的过程的操作,除非本实施例另外指示或以其他方式明显地与上下文矛盾。本实施例描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本实施例所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本实施例所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (10)
1.一种非接触的振动测量方法,其特征在于,包括:
获取第一图像序列;所述第一图像序列包括多帧图像,所述第一图像序列中的各帧图像均包括待测量结构;
对所述第一图像序列中的一帧进行高斯光滑化和边缘提取,获得二值边缘蒙版;
对所述二值边缘蒙版进行网格化划分;
获取第二图像序列;所述第二图像序列为所述第一图像序列中的一个子序列,所述第二图像序列的时长由所述待测量结构的历史基频确定;
确定基准图像的梯度;所述基准图像为所述第二图像序列的均值图像;
使用所述二值边缘蒙版选取所述第一图像序列各帧中的部分信息,获得第三图像序列;
使用所述二值边缘蒙版选取所述基准图像的梯度中的部分信息,获得梯度信息;
使用最小二乘法,根据所述第三图像序列和所述梯度信息确定所述二值边缘蒙版中各网格的位移信息;
对所述位移信息进行结构模态识别,获得结构模态参数;
根据结构模态参数确定对所述待测量结构的振动测量结果。
2.根据权利要求1所述的非接触的振动测量方法,其特征在于,所述获取第一图像序列包括:
使用设定的采样频率对所述待测量结构进行拍摄采样,获得所述第一图像序列;
对所述第一图像序列中的各帧进行灰度化和图像去闪。
3.根据权利要求2所述的非接触的振动测量方法,其特征在于,所述图像去闪包括:
对所述第一图像序列中任意的相邻两帧进行直方图关系线性拟合;
根据所述直方图关系线性拟合的结果,校准两帧中较后一帧的亮度水平。
5.根据权利要求1所述的非接触的振动测量方法,其特征在于,所述对所述位移信息进行结构模态识别,获得结构模态参数,是通过随机子空间法、峰值选取法或频率分解法进行的。
6.根据权利要求1所述的非接触的振动测量方法,其特征在于,所述根据结构模态参数确定对所述待测量结构的振动测量结果,包括:
确定所述结构模态参数与所述待测量结构的固有频率之间的相对误差值;
或
根据所述结构模态参数确定模态振型,确定所述模态振型与所述待测量结构的历史模态振型之间的MAC值;
所述相对误差值、所述MAC值为对所述待测量结构的振动测量结果。
7.根据权利要求1所述的非接触的振动测量方法,其特征在于,还包括:
在所述第一图像序列的各帧图像中分别确定感兴趣区域,所述第一图像序列的各帧图像中仅所述感兴趣区域被进行高斯光滑化和边缘提取。
8.根据权利要求1-7任一项所述的非接触的振动测量方法,其特征在于,还包括:
通过流媒体协议接收所述第一图像序列;
使用视频数据缓存池缓存所述第一图像序列;
使用位移识别缓存池缓存所述位移信息。
9.一种计算机装置,其特征在于,包括存储器和处理器,所述存储器用于存储至少一个程序,所述处理器用于加载所述至少一个程序以执行权利要求1-8任一项所述非接触的振动测量方法。
10.一种存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由处理器执行时用于执行如权利要求1-8任一项所述非接触的振动测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110531808.2A CN113405644B (zh) | 2021-05-17 | 2021-05-17 | 非接触的振动测量方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110531808.2A CN113405644B (zh) | 2021-05-17 | 2021-05-17 | 非接触的振动测量方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113405644A CN113405644A (zh) | 2021-09-17 |
CN113405644B true CN113405644B (zh) | 2022-04-08 |
Family
ID=77678683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110531808.2A Active CN113405644B (zh) | 2021-05-17 | 2021-05-17 | 非接触的振动测量方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113405644B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110349186A (zh) * | 2019-07-16 | 2019-10-18 | 南昌航空大学 | 基于深度匹配的大位移运动光流计算方法 |
CN110956645A (zh) * | 2019-08-28 | 2020-04-03 | 深圳市广宁股份有限公司 | 多模输出的智能振动检测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190215518A1 (en) * | 2018-01-10 | 2019-07-11 | Qualcomm Incorporated | Histogram of gradient based optical flow |
-
2021
- 2021-05-17 CN CN202110531808.2A patent/CN113405644B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110349186A (zh) * | 2019-07-16 | 2019-10-18 | 南昌航空大学 | 基于深度匹配的大位移运动光流计算方法 |
CN110956645A (zh) * | 2019-08-28 | 2020-04-03 | 深圳市广宁股份有限公司 | 多模输出的智能振动检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
基于梯度算法边缘检测原理对火焰长度的测量;张伟等;《湖北师范大学学报(自然科学版)》;20200325(第01期);第32-36页 * |
离面振动光流分析方法研究;尹爱军等;《振动与冲击》;20160531;第35卷(第10期);第18-23页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113405644A (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021000524A1 (zh) | 孔位保护门检测方法、装置、计算机设备和存储介质 | |
CN111523414B (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
JP4633841B2 (ja) | 歩行者の追跡による、ビデオ系列からの3次元道路配置の推定 | |
US8103376B2 (en) | System and method for the on-machine 2-D contour measurement | |
US20060140473A1 (en) | System and method for object measurement | |
EP3220353B1 (en) | Image processing apparatus, image processing method, and recording medium | |
CN109801333B (zh) | 体积测量方法、装置、系统及计算设备 | |
US20160133007A1 (en) | Crack data collection apparatus and server apparatus to collect crack data | |
US10210426B2 (en) | Position estimation of light source of a luminaire from light footprint | |
JP2017107541A (ja) | 情報処理装置、情報処理方法、プログラムおよび検査システム | |
CN112489140B (zh) | 姿态测量方法 | |
US11030478B1 (en) | System and method for correspondence map determination | |
CN111160477B (zh) | 一种基于特征点检测的图像模板匹配方法 | |
CN110910445B (zh) | 一种物件尺寸检测方法、装置、检测设备及存储介质 | |
WO2020140826A1 (zh) | 一种基于轮廓提取的目标物红外测温方法、装置及存储介质 | |
CN112683169A (zh) | 物体尺寸测量方法、装置、设备及存储介质 | |
US10643338B2 (en) | Object detection device and object detection method | |
US20230146924A1 (en) | Neural network analysis of lfa test strips | |
CN113405644B (zh) | 非接触的振动测量方法、装置和存储介质 | |
CN113446932A (zh) | 非接触式裂纹测量方法及其系统 | |
CN110162362B (zh) | 动态控件位置检测与测试方法、装置、设备及存储介质 | |
CN112669382A (zh) | 一种基于图像的距离确定方法及装置 | |
CN109785388B (zh) | 一种基于双目摄像头的短距离精确相对定位方法 | |
Liu et al. | Outdoor camera calibration method for a GPS & camera based surveillance system | |
CN114266835A (zh) | 一种非量测相机的变形监测控制方法与系统 |
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 |