CN113793367B - 一种工程结构转角位移视觉测量及动力识别系统及方法 - Google Patents

一种工程结构转角位移视觉测量及动力识别系统及方法 Download PDF

Info

Publication number
CN113793367B
CN113793367B CN202111363438.2A CN202111363438A CN113793367B CN 113793367 B CN113793367 B CN 113793367B CN 202111363438 A CN202111363438 A CN 202111363438A CN 113793367 B CN113793367 B CN 113793367B
Authority
CN
China
Prior art keywords
displacement
unmanned aerial
aerial vehicle
image
corner
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
Application number
CN202111363438.2A
Other languages
English (en)
Other versions
CN113793367A (zh
Inventor
田永丁
郭立平
余志祥
金云涛
张丽君
许浒
赵雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202111363438.2A priority Critical patent/CN113793367B/zh
Publication of CN113793367A publication Critical patent/CN113793367A/zh
Application granted granted Critical
Publication of CN113793367B publication Critical patent/CN113793367B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/262—Analysis of motion using transform domain methods, e.g. Fourier domain methods
    • 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
    • G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30132—Masonry; Concrete

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及工程结构智能运维技术领域，涉及一种基于无人机机载相机的工程结构转角位移视觉测量及动力识别系统及方法，系统包括无人机硬件系统与数据分析系统；方法包括：一、工程结构的动态转角位移提取；二、利用模态分析算法对结构的固有频率、转角位移振型、宏应变振型进行动力参数识别。本发明够消除无人机扰动对结构转角位移响应的影响，并且能够实现大型结构的固有频率、转角位移振型、竖向位移振型及应变振型的快速识别。

Description

一种工程结构转角位移视觉测量及动力识别系统及方法
技术领域
本发明涉及工程结构智能运维技术领域，具体地说，涉及一种基于无人机机载相机的工程结构转角位移视觉测量及动力识别系统及方法。
背景技术
近年来，由于无人机具有非接触式、机动性强在土木工程领域得到了广泛应用，特别是在桥梁病害自动化检测方面。国内外研究学者已经将无人机应用到高速桥梁的裂缝检测、道路表面病害检测，利用无人机平台搭载相机发现了漏水、混凝土脱落、分层与腐蚀钢筋外露等表观缺陷；另外，有学者利用无人机平台搭载的红外相机和彩色相机，实现了混凝土结构中桥面板的分层病害识别。除利用商用无人机平台进行桥梁结构的病害检测外，国内外学者开发各类型新型无人机检测平台，可实现复杂环境下的病害检测与接触式病害探测，扩大了无人机平台的工程适用范围。瑞士的Flyability公司开发了一款名为Elios2可碰撞的新型无人机平台，所开发系统设有球形罩保护性结构，保护螺旋桨免受冲击，通过对螺旋桨速度和旋转方向的快速修正，Elios2可以始终保持稳定，配有热成像仪、4K相机、180°可倾斜相机吊舱、一万流明可调照明，并具有防尘照明、倾斜照明等功能，已成功应用于各大型活动高空案件和复杂环境搜救任务中；国外学者开发了一种带有3自由度机械臂的无人机检测平台，可用于桥梁狭窄部位的图像拍摄与病害检测(如：桥梁支座)，同时也可以用于桥梁的锤击测试；国内学者开发了一种具有空中飞行与吸附爬行两种功能的多功能无人机检测平台，结合深度学习技术，实现了桥塔、房屋建筑里面混凝土表面裂缝的实时测量。
除了利用无人机进行工程结构表观缺陷与内部病害检测外，国外学者提出了基于无人机移动测量的大型结构振动位移测量及动力识别。国外学者利用无人机搭载的双相机和3D-DIC技术实现了结构在温度荷载作用下的位移变化以及节点的收缩；利用无人机载相机拍摄视频和相关函数实现了实验室框架结构的系统识别，并进一步将无人机技术用于桥梁结构变形及动力特性的非接触式测量，实现了结构的绝对位移测量及其动力特性(频率和振型)识别。国内学者利用无人机平台的机动性，实现了大型桥梁结构斜拉索/吊杆的振动位移提取与内部索力识别，解决了斜拉索、吊杆在拍摄的图像中所占据的像素尺寸比较少且特征不明显，传统基于相关匹配方法不再适用的问题。利用无人机拍摄工程结构振动图像时，本身具有一定的扰动频率如何从无人机拍摄视频中准确提取结构振动分量是急需解决的难题。无人机扰动消除的主流方法为电子视频稳像方法，利用拍摄图像中的不动点或者不动特征作为参考消除扰动的影响。然而，实际桥梁工程拍摄结构振动图像无任何背景且结构本身特征不明显，现有方法不再适用。
发明内容
本发明的内容是提供一种工程结构转角位移视觉测量及动力识别系统及方法，其能够克服现有技术的某种或某些缺陷。
根据本发明的一种工程结构转角位移视觉测量及动力识别系统，其包括无人机硬件系统与数据分析系统，所述无人机硬件系统利用无人机搭载相机采集工程结构在外部荷载下的动态图像序列；所述数据分析系统包含基于无人机拍摄图像的结构转角位移提取模块与结构动力识别模块，结构转角位移提取模块用于工程结构的动态位移提取，结构动力识别模块用于利用模态分析算法对结构的固有频率、转角位移振型、宏应变振型进行动力参数识别。
本发明的一种工程结构转角位移视觉测量及动力识别方法，其包括以下步骤：
一、基于无人机视觉成像的工程结构的动态转角位移提取；
二、利用模态分析算法对结构的固有频率、转角位移振型、宏应变振型进行动力参数识别。
作为优选，步骤一中，具体步骤为：
（1）图像数据采集；
（2）转角位移计算：由针孔相机模型与坐标转换关系，可以得到由无人机载相机采 集的世界坐标系中的三维坐标点
Figure 508770DEST_PATH_IMAGE001
与像平面中的图像坐标
Figure 81703DEST_PATH_IMAGE002
之间的关系，进而 根据泰勒展开原理，计算工程结构的转角位移振型。
作为优选，步骤（1）中，图像数据采集的方法为：根据实际工程确定无人机图像采集方案，利用无人机搭载相机对工程结构局部区域的振动图像进行采集，然后控制无人机移动另一个位置，继续对工程结构的下一个局部区域振动图像进行采集，直到整个结构测试完成。
作为优选，步骤（2）中，三维坐标点
Figure 392598DEST_PATH_IMAGE001
与像平面中的图像坐标
Figure 945065DEST_PATH_IMAGE002
之间的 关系为：
Figure 149650DEST_PATH_IMAGE003
其中：
Figure 4736DEST_PATH_IMAGE004
为比例系数；
Figure 927561DEST_PATH_IMAGE005
为包含3个自由度的旋转矩阵；
Figure 392041DEST_PATH_IMAGE006
为无人机 的平动向量；
Figure 472037DEST_PATH_IMAGE007
，
Figure 996559DEST_PATH_IMAGE008
为一个缩放比例关系，与成像时的像距、像元尺寸以及传感器平面像 元排列的真实夹角
Figure 908146DEST_PATH_IMAGE009
有关；
Figure 910737DEST_PATH_IMAGE010
为扭曲参数，与成像时的像距、水平方向像元尺寸以及传感器 平面像元排列的真实夹角
Figure 824335DEST_PATH_IMAGE009
有关；
Figure 145857DEST_PATH_IMAGE011
和
Figure 918641DEST_PATH_IMAGE012
为相机主点的像素坐标；
通过相机标定，
Figure 85443DEST_PATH_IMAGE010
，
Figure 384706DEST_PATH_IMAGE011
和
Figure 251031DEST_PATH_IMAGE012
设定为零，且
Figure 137209DEST_PATH_IMAGE013
；因此，二维平面的像素坐标 可以表示为：
Figure 340657DEST_PATH_IMAGE014
式中：
Figure 605679DEST_PATH_IMAGE015
为缩放系数，通过图像中已知尺 寸的物体标定，或通过无人机上安装的微波测距单元测量无人机载相机与物体表面的距离 得到；
Figure 767539DEST_PATH_IMAGE016
，
Figure 609855DEST_PATH_IMAGE017
和
Figure 289098DEST_PATH_IMAGE018
分别为相机绕
Figure 297374DEST_PATH_IMAGE019
，
Figure 538125DEST_PATH_IMAGE020
和
Figure 772797DEST_PATH_IMAGE021
轴方向的旋转角度；
设结构只发生平面内的运动且在
Figure 849207DEST_PATH_IMAGE021
方向无平动，且无人机转动角度很小时，则结 构上相邻两个测点
Figure 366118DEST_PATH_IMAGE022
与
Figure 135360DEST_PATH_IMAGE023
之间的位移增量可以表示为：
Figure 326170DEST_PATH_IMAGE024
其中：
Figure 176577DEST_PATH_IMAGE025
和
Figure 893866DEST_PATH_IMAGE026
分别为测点
Figure 69894DEST_PATH_IMAGE022
与
Figure 748000DEST_PATH_IMAGE023
在X方向的坐标值；
Figure 402098DEST_PATH_IMAGE027
和
Figure 239473DEST_PATH_IMAGE028
分别为测点
Figure 960304DEST_PATH_IMAGE022
与
Figure 17384DEST_PATH_IMAGE023
在Y方向的坐标值；
根据泰勒展开式，X方向的像素位移有如下等式关系，即：
Figure 973708DEST_PATH_IMAGE029
，
Figure 307999DEST_PATH_IMAGE030
式中：
Figure 58787DEST_PATH_IMAGE031
为测点
Figure 242643DEST_PATH_IMAGE022
与测点
Figure 504122DEST_PATH_IMAGE032
在X方向的距离差值；由上式可以得到测点
Figure 784931DEST_PATH_IMAGE032
绕X轴 的转角位移像素坐标值为：
Figure 614609DEST_PATH_IMAGE033
同理，测点
Figure 879237DEST_PATH_IMAGE032
绕Y轴的转角位移像素坐标值：
Figure 583888DEST_PATH_IMAGE035
从而可以得到结构转角位移的表达式为：
Figure 474528DEST_PATH_IMAGE036
由无人机采集的图像计算的被测结构上相邻两个测点
Figure 239222DEST_PATH_IMAGE022
与
Figure 492611DEST_PATH_IMAGE023
的竖向位移之差 为中间测点
Figure 735374DEST_PATH_IMAGE032
的转角位移，并且上式中不包含由于无人机本身移动产生的平动位移分量。
作为优选，步骤二中，具体方法为：
在得到结构的转角位移时程后，计算相邻两测点转角位移响应的互相关函数，对其进行傅里叶变换便可以得到结构频响函数矩阵，对其进行奇异值分解，得到结构的固有频率、阻尼比和转角位移振型；利用宏应变与转角位移之间的关系，得到结构的宏应变振型，进而利用共轭梁法实现结构竖向位移振型识别。
作为优选，互相关函数为：
Figure 397299DEST_PATH_IMAGE038
其中:
Figure 958993DEST_PATH_IMAGE039
；
Figure 73579DEST_PATH_IMAGE041
;
Figure 385612DEST_PATH_IMAGE043
；
Figure 528143DEST_PATH_IMAGE044
和
Figure 369060DEST_PATH_IMAGE045
分别为第
Figure 236522DEST_PATH_IMAGE046
阶与第
Figure 447185DEST_PATH_IMAGE004
阶阻尼比；
Figure 818124DEST_PATH_IMAGE047
为第
Figure 220155DEST_PATH_IMAGE046
阶阻尼固有圆频率；
Figure 545219DEST_PATH_IMAGE048
和
Figure 58109DEST_PATH_IMAGE049
分别为 第
Figure 549133DEST_PATH_IMAGE046
阶和第
Figure 233318DEST_PATH_IMAGE004
阶无阻尼固有圆频率；
Figure 200006DEST_PATH_IMAGE050
为第
Figure 126374DEST_PATH_IMAGE046
阶模态质量;
Figure 973369DEST_PATH_IMAGE051
和
Figure 982782DEST_PATH_IMAGE052
为第
Figure 46553DEST_PATH_IMAGE046
阶位移振 型在节点
Figure 289795DEST_PATH_IMAGE053
和
Figure 614466DEST_PATH_IMAGE032
处的值；
Figure 404568DEST_PATH_IMAGE054
和
Figure 316154DEST_PATH_IMAGE055
为第
Figure 849904DEST_PATH_IMAGE004
阶位移振型在节点
Figure 264967DEST_PATH_IMAGE056
和
Figure 960390DEST_PATH_IMAGE053
处的值；
Figure 326650DEST_PATH_IMAGE057
为白噪声激励 力的强度；
对结构上所有测点的转角位移响应进行互相关函数计算，并对其进行傅里叶变换可得到结构频响函数矩阵，对其进行奇异值分解，得到结构的固有频率、阻尼比和转角位移振型；利用宏应变与转角位移之间的关系，得到结构的宏应变振型：
Figure 24610DEST_PATH_IMAGE058
式中：
Figure 933660DEST_PATH_IMAGE059
为单元
Figure 426083DEST_PATH_IMAGE060
第
Figure 545218DEST_PATH_IMAGE046
阶长标距应变振型系数；
利用共轭梁法实现结构竖向位移振型识别：
Figure 155191DEST_PATH_IMAGE062
式中：
Figure 544846DEST_PATH_IMAGE059
为单元
Figure 582072DEST_PATH_IMAGE060
第
Figure 689968DEST_PATH_IMAGE046
阶长标距应变振型系数；
Figure 228265DEST_PATH_IMAGE063
和
Figure 111908DEST_PATH_IMAGE064
分别为测点
Figure 211713DEST_PATH_IMAGE065
和测点
Figure 915227DEST_PATH_IMAGE066
的第
Figure 950224DEST_PATH_IMAGE046
阶转角位移振型；
Figure 78586DEST_PATH_IMAGE067
为结构表面到中性轴的距离；
Figure 818134DEST_PATH_IMAGE068
为结构上相邻两个测点间的 距离；
本发明利用无人机的机动性可快速实现大型工程结构的动态图像序列快速采集，进而利用计算机视觉技术提取结构动态图像序列。为消除无人机悬停时自身扰动对测量结果的影响，提出了基于数字图像原理与结构动力学理论的转角位移提取方法，其结果不会受到无人机扰动的影响；同时，提出了基于转角位移时程的结构频率、转角位移振型、宏应变振型等多种动力参数识别，可为结构动力性能评估、有限元模型修正及可靠度评估奠定数据基础。
不同于传统基于无人机平台的结构位移测量方法，本发明方法能够消除无人机扰动对结构位移响应的影响，并且能够实现大型结构的固有频率、转角位移振型、竖向位移振型及应变振型的快速识别，具有更加方便、结果准确可靠及试验成本低的独特优点，可快速实现工程结构状态参数的识别，为工程结构的智能运维奠定数据基础。
附图说明
图1为实施例1中一种工程结构转角位移视觉测量及动力识别方法流程图；
图2为实施例2中基于无人机视觉成像的转角位移测量流程图；
图3为实施例2中包含无人机扰动的结构动态位移示意图；
图4为实施例2中消除无人机扰动的动态转角位移示意图；
图5为实施例2中基于动态转角位移的奇异值曲线图；
图6为实施例2中识别的前3阶转角位移振型示意图；
图7为实施例2中识别的前3阶宏应变振型示意图；
图8为实施例2中方法识别的前3阶竖向位移振型与真实值间的对比图。
具体实施方式
为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述。应当理解的是，实施例仅仅是对本发明进行解释而并非限定。
实施例1
本实施例提供了一种工程结构转角位移视觉测量及动力识别系统，其包括无人机硬件系统与数据分析系统，所述无人机硬件系统利用无人机搭载相机采集工程结构在外部荷载下的动态图像序列；所述数据分析系统包含基于无人机拍摄图像的结构转角位移提取模块与结构动力识别模块，结构转角位移提取模块用于工程结构的动态位移提取，结构动力识别模块用于利用模态分析算法对结构的固有频率、转角位移振型、宏应变振型进行动力参数识别。
如图1所示，本实施例提供了一种工程结构转角位移视觉测量及动力识别方法，其包括以下步骤：
一、基于无人机视觉成像的工程结构的动态位移提取；
具体包括以下步骤：
（1）图像数据采集：根据实际工程确定无人机图像采集方案，一般工程结构体量巨大，宜采用无人机移动测试方案，利用无人机搭载相机对工程结构局部区域的振动图像进行采集，然后控制无人机移动另一个位置，继续对工程结构的下一个局部区域振动图像进行采集，直到整个结构测试完成；
（2）转角位移计算：由针孔相机模型与坐标转换关系，可以得到由无人机载相机采 集的世界坐标系中的三维坐标点
Figure 8944DEST_PATH_IMAGE001
与像平面中的图像坐标
Figure 889044DEST_PATH_IMAGE002
之间的关系为：
Figure 514322DEST_PATH_IMAGE003
其中：
Figure 188886DEST_PATH_IMAGE004
为比例系数；
Figure 398151DEST_PATH_IMAGE005
为包含3个自由度的旋转矩阵；
Figure 317827DEST_PATH_IMAGE006
为无人 机的平动向量；
Figure 764989DEST_PATH_IMAGE007
，
Figure 377499DEST_PATH_IMAGE008
为一个缩放比例关系，与成像时的像距、像元尺寸以及传感器平面 像元排列的真实夹角
Figure 808480DEST_PATH_IMAGE009
有关；
Figure 295962DEST_PATH_IMAGE010
为扭曲参数，与成像时的像距、水平方向像元尺寸以及传感 器平面像元排列的真实夹角
Figure 364674DEST_PATH_IMAGE009
有关；
Figure 646620DEST_PATH_IMAGE011
和
Figure 564897DEST_PATH_IMAGE012
为相机主点的像素坐标；
通过相机标定，
Figure 826377DEST_PATH_IMAGE010
，
Figure 513710DEST_PATH_IMAGE011
和
Figure 468022DEST_PATH_IMAGE012
可以设定为零，且
Figure 608016DEST_PATH_IMAGE013
。因此，二维平面的像素 坐标可以表示为：
Figure 437301DEST_PATH_IMAGE070
式中：
Figure 492324DEST_PATH_IMAGE072
为缩放系数，可以通过图像中已 知尺寸的物体标定，也可以通过无人机上安装的微波测距单元测量无人机载相机与物体表 面的距离得到；
Figure 850493DEST_PATH_IMAGE016
，
Figure 477784DEST_PATH_IMAGE017
和
Figure 815486DEST_PATH_IMAGE018
分别为相机绕
Figure 602045DEST_PATH_IMAGE019
，
Figure 773526DEST_PATH_IMAGE020
和
Figure 747167DEST_PATH_IMAGE021
轴方向的旋转角度；
假设结构只发生平面内的运动且在Z方向无平动，且无人机转动角度很小时，则结构 上相邻两个测点
Figure 888561DEST_PATH_IMAGE022
与
Figure 998468DEST_PATH_IMAGE023
之间的位移增量可以表示为：
Figure 573806DEST_PATH_IMAGE024
其中：
Figure 536208DEST_PATH_IMAGE025
和
Figure 245407DEST_PATH_IMAGE026
分别为测点
Figure 117810DEST_PATH_IMAGE022
与
Figure 988683DEST_PATH_IMAGE023
在X方向的坐标值；
Figure 812283DEST_PATH_IMAGE027
和
Figure 561058DEST_PATH_IMAGE028
分别为测点
Figure 645558DEST_PATH_IMAGE022
与
Figure 329742DEST_PATH_IMAGE023
在Y方向的坐标值；
根据泰勒展开式，X方向的像素位移有如下等式关系，即:
Figure 765271DEST_PATH_IMAGE074
，
Figure 40440DEST_PATH_IMAGE075
式中：
Figure 979446DEST_PATH_IMAGE031
为测点
Figure 333067DEST_PATH_IMAGE022
与测点
Figure 491778DEST_PATH_IMAGE032
在X方向的距离差值；由上式可以得到测点
Figure 549733DEST_PATH_IMAGE032
绕X轴 的转角位移像素坐标值为：
Figure 375868DEST_PATH_IMAGE033
同理，测点
Figure 165970DEST_PATH_IMAGE032
绕Y轴的转角位移像素坐标值：
Figure 451458DEST_PATH_IMAGE034
从而可以得到结构转角位移的表达式为：
Figure 80148DEST_PATH_IMAGE077
由无人机采集的图像计算的被测结构上相邻两个测点
Figure 259325DEST_PATH_IMAGE022
与
Figure 315268DEST_PATH_IMAGE023
的竖向位移之差 为中间测点
Figure 88052DEST_PATH_IMAGE032
的转角位移，并且此表达式中不包含由于无人机本身移动产生的平动位移分 量，由此说明，利用无人机采集图像信息可以准确测量结构的转角位移时程曲线，不受到无 人机基点扰动的影响。
二、利用模态分析算法对结构的固有频率、转角位移振型、宏应变振型进行动力参数识别。
具体方法为：
在得到结构的转角位移时程后，计算相邻两测点转角位移响应的互相关函数，对其进行傅里叶变换便可以得到结构频响函数矩阵，对其进行奇异值分解，得到结构的固有频率、阻尼比和转角位移振型；利用宏应变与转角位移之间的关系，得到结构的宏应变振型，进而利用共轭梁法实现结构竖向位移振型识别，所识别结果可用于结构动力性能评估、损伤识别与可靠度计算。
互相关函数为：
Figure 520432DEST_PATH_IMAGE078
其中:
Figure 695062DEST_PATH_IMAGE079
；
Figure 951600DEST_PATH_IMAGE040
;
Figure 447565DEST_PATH_IMAGE042
;
Figure 182172DEST_PATH_IMAGE044
和
Figure 211308DEST_PATH_IMAGE045
分别为第
Figure 874633DEST_PATH_IMAGE046
阶与第
Figure 72326DEST_PATH_IMAGE004
阶阻尼比；
Figure 610624DEST_PATH_IMAGE047
为第
Figure 854786DEST_PATH_IMAGE046
阶阻尼固有圆频率；
Figure 797334DEST_PATH_IMAGE048
和
Figure 720422DEST_PATH_IMAGE049
分别为 第
Figure 672197DEST_PATH_IMAGE046
阶和第
Figure 534980DEST_PATH_IMAGE004
阶无阻尼固有圆频率；
Figure 681053DEST_PATH_IMAGE050
为第
Figure 589972DEST_PATH_IMAGE046
阶模态质量;
Figure 581324DEST_PATH_IMAGE051
和
Figure 298613DEST_PATH_IMAGE052
为第
Figure 740221DEST_PATH_IMAGE046
阶位移振 型在节点
Figure 746223DEST_PATH_IMAGE053
和
Figure 665900DEST_PATH_IMAGE032
处的值；
Figure 113061DEST_PATH_IMAGE054
和
Figure 958526DEST_PATH_IMAGE055
为第
Figure 15606DEST_PATH_IMAGE004
阶位移振型在节点
Figure 112875DEST_PATH_IMAGE056
和
Figure 28924DEST_PATH_IMAGE053
处的值；
Figure 45290DEST_PATH_IMAGE057
为白噪声激励 力的强度；
对结构上所有测点的转角位移响应进行互相关函数计算，并对其进行傅里叶变换可得到结构频响函数矩阵，对其进行奇异值分解，得到结构的固有频率、阻尼比和转角位移振型；利用宏应变与转角位移之间的关系，得到结构的宏应变振型：
Figure 697988DEST_PATH_IMAGE058
式中：
Figure 365992DEST_PATH_IMAGE059
为单元
Figure 177959DEST_PATH_IMAGE060
第
Figure 866692DEST_PATH_IMAGE046
阶长标距应变振型；
Figure 741107DEST_PATH_IMAGE063
为测点
Figure 39233DEST_PATH_IMAGE065
第
Figure 207172DEST_PATH_IMAGE046
阶转角位移振型；
Figure 706286DEST_PATH_IMAGE064
为测点
Figure 428517DEST_PATH_IMAGE066
第
Figure 795913DEST_PATH_IMAGE046
阶转角位移振型；
Figure 552779DEST_PATH_IMAGE067
为测试结构截面中性轴高度；
Figure 488374DEST_PATH_IMAGE068
为测试结构相邻两 测点间的距离；
利用共轭梁法实现结构竖向位移振型识别：
Figure 337381DEST_PATH_IMAGE081
式中：
Figure 9933DEST_PATH_IMAGE082
为节点
Figure 526365DEST_PATH_IMAGE083
的第
Figure 491916DEST_PATH_IMAGE046
阶竖向位 移振型；
Figure 329684DEST_PATH_IMAGE084
、
Figure 304462DEST_PATH_IMAGE085
分别为结构的总长度和单元数目；
Figure 675401DEST_PATH_IMAGE086
为单元
Figure DEST_PATH_IMAGE087
第
Figure 856195DEST_PATH_IMAGE046
阶长标距应变振型；
Figure DEST_PATH_IMAGE088
为单元
Figure 368210DEST_PATH_IMAGE032
第
Figure 490887DEST_PATH_IMAGE046
阶长标距应变振型；
Figure DEST_PATH_IMAGE089
和
Figure DEST_PATH_IMAGE090
分别为第
Figure 60539DEST_PATH_IMAGE032
和
Figure DEST_PATH_IMAGE091
单元传感器表面至中和轴的距离；
实施例2
结合图2~图8，通过简支梁案例来说明本实施例的基于无人机视觉成像的工程结构转角位移测量方法的具体实施过程，其具体步骤如下：
振动图像数据采集：通过无人机搭载相机拍摄工程结构在外部荷载下的振动图像序列（如图2所示），为保证覆盖大型结构全场的振动信息，可采用移动视觉测量的方式分区域拍摄。
考虑无人机扰动消除的结构转角位移测量：基于无人机载相机拍摄图像，利用数字图像相关技术可以获取结构不同测点相对于无人机的相对位移（如图3所示），可以看出直接从无人机拍摄图像中提取位移受到无人机自身扰动影响，结构自由振动响应存在较大偏差。利用本发明基于图像测量原理与结构动力学理论建立的转角位移计算方法，可以得到结构在动态荷载下的转角位移（如图4所示），可以看出，利用本发明方法计算的动态转角位移与真实值一致，证明了所测量动态转角位移不受无人自身扰动的影响。
基本模态参数识别：重复步骤2，可以得到结构所有测点的转角位移信息，对相邻两个测点的响应进行互相关函数计算，进一步对其进行傅里叶变换，便可以得到结构的频响函数矩阵。利用频域模态分解法便可以得到结构的频率、转角位移振型、宏应变振型与竖向位移振型等模态参数。对于此简支梁，奇异值向量曲线图如图5所示，识别的前3阶固有频率分别为10.132 Hz,40.161 Hz和88.501Hz，识别的结构前3阶转角位移振型如图6所示。利用转角位移振型、测试结构截面中和轴高度、传感器之间距离与宏应变振型之间的关系，进一步计算的结构宏应变振型如图7所示。利用共轭梁法可以计算的简支梁竖向位移振型与真实值的对比如图8所示，可以看出本发明方法发与真实值结果一致，相对误差小于5%，验证了本发明方法识别结构状态参数的正确性。
以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。

Claims (3)

1.一种工程结构转角位移视觉测量及动力识别方法，其特征在于：包括以下步骤：
一、基于无人机视觉成像的工程结构的动态转角位移提取；
二、利用模态分析算法对结构的固有频率、转角位移振型、宏应变振型进行动力参数识别；
步骤一中，具体步骤为：
(1)图像数据采集；
(2)转角位移计算：由针孔相机模型与坐标转换关系，可以得到由无人机载相机采集的世界坐标系中的三维坐标点[X，Y，Z]与像平面中的图像坐标[u，v]之间的关系，进而根据泰勒展开原理，计算工程结构的转角位移振型；
步骤(1)中，图像数据采集的方法为：根据实际工程确定无人机图像采集方案，利用无人机搭载相机对工程结构局部区域的振动图像进行采集，然后控制无人机移动另一个位置，继续对工程结构的下一个局部区域振动图像进行采集，直到整个结构测试完成；
步骤(2)中，三维坐标点[X，Y，Z]与像平面中的图像坐标[u，v]之间的关系为：
Figure FDA0003439660300000011
其中：S为比例系数；R3×3为包含3个自由度的旋转矩阵；t＝[tx ty tz]为无人机的平动向量；αx，αy为一个缩放比例关系，与成像时的像距、像元尺寸以及传感器平面像元排列的真实夹角θ有关；γ为扭曲参数，与成像时的像距、水平方向像元尺寸以及传感器平面像元排列的真实夹角θ有关；u0和v0为相机主点的像素坐标；
通过相机标定，γ，u0和v0设定为零，且α＝αx＝αy，则二维平面的像素坐标可以表示为：
Figure FDA0003439660300000021
其中：
Figure FDA0003439660300000022
为缩放系数，通过图像中已知尺寸的物体标定，或通过无人机上安装的激光测距单元测量无人机载相机与物体表面的距离得到；θx，θy和θz分别为相机绕X，Y和Z轴方向的旋转角度；
设结构只发生平面内的运动且在Z方向无平动，且无人机转动角度很小时，则结构上相邻两个测点i-1与i+1之间的位移增量可以表示为：
Figure FDA0003439660300000023
其中：Xi-1和Xi+1分别为测点i-1与i+1在X方向的坐标值；Yi-1和Yi+1分别为测点i-1与i+1在Y方向的坐标值；
根据泰勒展开式，X方向的像素位移有如下等式关系，即：
Figure FDA0003439660300000024
Figure FDA0003439660300000025
其中：Lx为测点i-1与测点i在X方向的距离差值；由上式可以得到测点i绕X轴的转角位移像素坐标值为：
Figure FDA0003439660300000031
同理，测点i绕Y轴的转角位移像素坐标值：
Figure FDA0003439660300000032
从而可以得到结构转角位移的表达式为：
Figure FDA0003439660300000033
由无人机采集的图像计算的被测结构上相邻两个测点i-1与i+1的竖向位移之差为中间测点i的转角位移，并且上式中不包含由于无人机本身移动产生的平动位移分量。
2.根据权利要求1所述的一种工程结构转角位移视觉测量及动力识别方法，其特征在于：步骤二中，具体方法为：
在得到结构的转角位移时程后，计算相邻两测点转角位移响应的互相关函数，对其进行傅里叶变换便可以得到结构频响函数矩阵，对其进行奇异值分解，得到结构的固有频率、阻尼比和转角位移振型；利用宏应变与转角位移之间的关系，得到结构的宏应变振型，进而利用共轭梁法实现结构竖向位移振型识别。
3.根据权利要求2所述的一种工程结构转角位移视觉测量及动力识别方法，其特征在于：利用两点间的动态转角位移时程可得到互相关函数Rij(T)为：
Figure FDA0003439660300000034
其中：
Figure FDA0003439660300000035
Irs＝2ωdr(ξrωnr+ξsωns)；
Figure FDA0003439660300000036
ξr和ξs分别为第r阶与第s阶阻尼比；ωdr为第r阶阻尼固有圆频率；ωnr和ωns分别为第r阶和第s阶无阻尼固有圆频率；mr为第r阶模态质量；φkr和φir为第r阶位移振型在节点k和i处的值；φjs和φks为第s阶位移振型在节点j和k处的值；αk为白噪声激励力的强度；
对结构上所有测点的转角位移响应进行互相关函数计算，并对其进行傅里叶变换可得到结构频响函数矩阵，对其进行奇异值分解，得到结构的固有频率、阻尼比和转角位移振型；利用宏应变与转角位移之间的关系，得到结构的宏应变振型：
Figure FDA0003439660300000041
式中：
Figure FDA0003439660300000042
为单元m第r阶长标距应变振型系数；
Figure FDA0003439660300000043
和
Figure FDA0003439660300000044
分别为测点p和测点o的第r阶转角位移振型；hm为结构表面到中性轴的距离；Lm为结构上相邻两个测点间的距离；
利用共轭梁法实现结构竖向位移振型识别：
Figure FDA0003439660300000045
式中：
Figure FDA0003439660300000046
为节点j的第r阶竖向位移振型；L、n分别为结构的总长度和单元数目；
Figure FDA0003439660300000047
为单元q第r阶长标距应变振型；
Figure FDA0003439660300000048
为单元i第r阶长标距应变振型；hi和hq分别为第i和q单元传感器表面至中和轴的距离。
CN202111363438.2A 2021-11-17 2021-11-17 一种工程结构转角位移视觉测量及动力识别系统及方法 Active CN113793367B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111363438.2A CN113793367B (zh) 2021-11-17 2021-11-17 一种工程结构转角位移视觉测量及动力识别系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111363438.2A CN113793367B (zh) 2021-11-17 2021-11-17 一种工程结构转角位移视觉测量及动力识别系统及方法

Publications (2)

Publication Number Publication Date
CN113793367A CN113793367A (zh) 2021-12-14
CN113793367B true CN113793367B (zh) 2022-02-15

Family

ID=78877317

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111363438.2A Active CN113793367B (zh) 2021-11-17 2021-11-17 一种工程结构转角位移视觉测量及动力识别系统及方法

Country Status (1)

Country Link
CN (1) CN113793367B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114283129B (zh) * 2021-12-20 2024-06-11 浙江大学 一种基于计算机视觉的地铁列车轮轨力监测方法
CN114496218B (zh) * 2022-01-07 2022-11-18 西南交通大学 一种基于视觉感知的结构状态非接触式诊断方法及系统
CN115166201B (zh) * 2022-07-01 2024-06-14 山东交通学院 一种边坡稳定性的新型定量分析方法
CN115906579B (zh) * 2022-12-07 2023-10-03 兰州理工大学 利用无人机的大跨度钢结构吊装过程状态评估方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204833672U (zh) * 2015-08-11 2015-12-02 苏交科集团股份有限公司 一种基于无人机的桥梁监测数据采集系统
EP3460392A2 (en) * 2017-09-25 2019-03-27 The Boeing Company Positioning system for aerial non-destructive inspection
CN109684774A (zh) * 2019-01-23 2019-04-26 同济大学 一种梁式桥安全监测与评估装置
CN110033484A (zh) * 2019-04-22 2019-07-19 福州大学 一种结合uav影像和tls点云的高郁闭森林样地树高提取方法
CN110220585A (zh) * 2019-06-20 2019-09-10 广东工业大学 一种桥梁振动测试方法及相关装置
CN110470226A (zh) * 2019-07-10 2019-11-19 广东工业大学 一种基于无人机系统的桥梁结构位移测量方法
CN110609038A (zh) * 2019-08-28 2019-12-24 广东工业大学 一种基于无人机图像的结构损伤识别方法与系统
CN110826591A (zh) * 2019-09-20 2020-02-21 同济大学 基于wsn及无人机的地空协同全域建筑健康监测方法
CN111076880A (zh) * 2020-01-11 2020-04-28 东南大学 一种考虑相机姿态变化的大跨桥梁多点挠度测量方法
US10641898B1 (en) * 2016-04-01 2020-05-05 Stc.Unm Structural displacement measurement using unmanned aerial vehicles equipped with lasers
CN111959758A (zh) * 2020-08-14 2020-11-20 安徽省高速公路试验检测科研中心有限公司 一种桥梁裂缝无人机检测装置及其图像处理方法
CN113428374A (zh) * 2021-07-29 2021-09-24 西南交通大学 桥梁结构检测数据收集方法和无人机系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111866456B (zh) * 2020-07-13 2022-04-12 张恩宇 一种无人机追踪反制方法及装置
CN112627899B (zh) * 2020-12-31 2023-07-07 兰州资源环境职业技术学院 一种矿山安全动态监测管理系统
CN113128371B (zh) * 2021-04-01 2023-06-23 中铁大桥局集团有限公司 一种基于自动视觉扫描的运营期桥梁监测系统及方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204833672U (zh) * 2015-08-11 2015-12-02 苏交科集团股份有限公司 一种基于无人机的桥梁监测数据采集系统
US10641898B1 (en) * 2016-04-01 2020-05-05 Stc.Unm Structural displacement measurement using unmanned aerial vehicles equipped with lasers
EP3460392A2 (en) * 2017-09-25 2019-03-27 The Boeing Company Positioning system for aerial non-destructive inspection
CN109684774A (zh) * 2019-01-23 2019-04-26 同济大学 一种梁式桥安全监测与评估装置
CN110033484A (zh) * 2019-04-22 2019-07-19 福州大学 一种结合uav影像和tls点云的高郁闭森林样地树高提取方法
CN110220585A (zh) * 2019-06-20 2019-09-10 广东工业大学 一种桥梁振动测试方法及相关装置
CN110470226A (zh) * 2019-07-10 2019-11-19 广东工业大学 一种基于无人机系统的桥梁结构位移测量方法
CN110609038A (zh) * 2019-08-28 2019-12-24 广东工业大学 一种基于无人机图像的结构损伤识别方法与系统
CN110826591A (zh) * 2019-09-20 2020-02-21 同济大学 基于wsn及无人机的地空协同全域建筑健康监测方法
CN111076880A (zh) * 2020-01-11 2020-04-28 东南大学 一种考虑相机姿态变化的大跨桥梁多点挠度测量方法
CN111959758A (zh) * 2020-08-14 2020-11-20 安徽省高速公路试验检测科研中心有限公司 一种桥梁裂缝无人机检测装置及其图像处理方法
CN113428374A (zh) * 2021-07-29 2021-09-24 西南交通大学 桥梁结构检测数据收集方法和无人机系统

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
Cross-Correlation-Based Structural System Identification Using Unmanned Aerial Vehicles;Hyungchul Yoon 等;《sensors》;20170911;1-12 *
Noncontact cable force estimation with unmanned aerial vehicle and computer vision;Yongding Tian 等;《Computer-Aided Civil and Infrastructure Engineering》;20200626;1-16 *
Structural Displacement Measurement Using an Unmanned Aerial System;Hyungchul Yoon 等;《Computer-Aided Civil and Infrastructure Engineering》;20171212;183-192 *
Three-Dimensional Reconstruction-Based Vibration Measurement of Bridge Model Using UAVs;Zhihua Wu 等;《Applied sciences》;20210531;1-17 *
基于环境振动的桥梁结构柔度识别与性能评估;田永丁;《中国优秀博硕士学位论文全文数据库(硕士)》;20180415;C034-329 *
柔性环形防护网顶破受力归一化分析;齐欣 等;《振动与冲击》;20210218;第40卷(第3期);178-186 *
正交钢丝环链网片顶压力学行为薄膜等效方法;金云涛 等;《工程力学》;20211028;第38卷(第11期);114-121 *

Also Published As

Publication number Publication date
CN113793367A (zh) 2021-12-14

Similar Documents

Publication Publication Date Title
CN113793367B (zh) 一种工程结构转角位移视觉测量及动力识别系统及方法
CN111076880B (zh) 一种考虑相机姿态变化的大跨桥梁多点挠度测量方法
Myung et al. Paired structured light for structural health monitoring robot system
Du et al. Online robot calibration based on vision measurement
CN111272366B (zh) 一种基于多传感器数据融合的桥梁位移高精度测量方法
CN105547635B (zh) 一种用于风洞试验的非接触式结构动力响应测量方法
Tian et al. Vision-based structural scaling factor and flexibility identification through mobile impact testing
CN109931878A (zh) 一种基于数字散斑标记的建筑幕墙地震变形监测方法
CN112629431A (zh) 土木结构变形监测方法及相关设备
CN110470226A (zh) 一种基于无人机系统的桥梁结构位移测量方法
CN109269525B (zh) 一种空间探测器起飞或着陆过程光学测量系统及方法
Kalaitzakis et al. Dynamic structural health monitoring using a DIC-enabled drone
CN113240747B (zh) 一种基于计算机视觉的户外结构振动位移自动化监测方法
CN106840011A (zh) 铁塔变形测量装置及其方法
Poorghasem et al. Review of robot-based automated measurement of vibration for civil engineering structures
Bai et al. UAV based accurate displacement monitoring through automatic filtering out its camera's translations and rotations
CN111174961A (zh) 一种基于模态分析的索力光学测量方法及其测量系统
WO2022126339A1 (zh) 土木结构变形监测方法及相关设备
Yu et al. Displacement measurement of large structures using nonoverlapping field of view multi‐camera systems under six degrees of freedom ego‐motion
CN109100112A (zh) 一种基于计算机视觉的气弹模型风洞试验平面风振响应测试方法
CN114119614A (zh) 一种远程检测建筑物的裂缝的方法
Wu et al. Visual measurement method for three-dimensional shape of underwater bridge piers considering multirefraction correction
Pan et al. Enhancement of external wall decoration material for the building in safety inspection method
Wang et al. A vision-based method for estimating shallow cable tension via vibrational properties
CN107421509B (zh) 一种网壳型结构连续倒塌的高速视频测量方法

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