CN116543317A - 一种用于无人机检测桥梁缆索振动频率的降噪方法 - Google Patents
一种用于无人机检测桥梁缆索振动频率的降噪方法 Download PDFInfo
- Publication number
- CN116543317A CN116543317A CN202310307156.3A CN202310307156A CN116543317A CN 116543317 A CN116543317 A CN 116543317A CN 202310307156 A CN202310307156 A CN 202310307156A CN 116543317 A CN116543317 A CN 116543317A
- Authority
- CN
- China
- Prior art keywords
- cable
- aerial vehicle
- unmanned aerial
- frequency
- noise reduction
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000009467 reduction Effects 0.000 title claims abstract description 14
- 238000006073 displacement reaction Methods 0.000 claims abstract description 12
- 238000000354 decomposition reaction Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 abstract description 2
- 238000001228 spectrum Methods 0.000 abstract 1
- 238000012544 monitoring process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007873 sieving Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种用于无人机检测桥梁缆索振动频率的降噪方法,本方法先通过无人机拍摄缆索的振动视频,采用计算机视觉算法进行缆索的边缘检测,从而计算无人机和缆索的叠加位移时程,之后,为了减少无人机自身振动影响,以期得到信噪比较高的频谱图像,通过EMD分解叠加位移数据得到N个IMF函数;最后,对高频IMF函数进行叠加,经傅里叶变换后把数据变换到频率,使用PeakPicking算法得到缆索的各阶振动频率,本发明可以提高无人机检测缆索振动频率的精度,减少无人机自身运动的影响。
Description
技术领域
本发明涉及桥梁结构健康监测、检测领域,具体涉及一种用于无人机检测桥梁缆索振动频率的降噪方法。
背景技术
斜拉索、吊索等是大跨桥梁承重结构的重要组成部分,准确测量它们的振动频率,对于索力检测、损伤评估等有重要的意义,目前,对缆索的振动测量方法可以分为两大类,一类是传感器接触缆索的监测方法,另一类是传感器不接触缆索的非接触方法,第一类接触监测方法主要采用加速度计进行监测,该方法需要把加速度计固定在缆索表面,再通过连接线和数据采集仪连接,该方法通过分析缆索振动的加速度时程,得到缆索的振动频率,但由于缆索结构相距较远且数量较多,接触式监测方法的健康监测系统造价高昂,另一类方法非接触式监测方法,主要包括激光多普勒技术、全球定位系统(GPS)、微波遥感和计算机视觉等,但是该类方法往往需要专业仪器设备,成本较高,而且检测所有缆索的效率较低;
近年来,由于无人机的发展较快,其在土木工程结构健康监测、检测领域的应用逐渐增加,比如结构表面损伤识别、结构位移检测,同样,无人机也可以应用于缆索结构振动频率检测领域,由于无人机在拍摄缆索结构振动频率时需要悬停在空中,容易受到环境风影响,其在空中的三维位置不断发生改变,虽然无人机的摄像头有机械增稳装置,但是该装置仍然无法完全补偿无人机的自身运动,造成其检测到的缆索振动位移时程包含缆索振动和无人机自身振动两大部分,所以,无人机的自身振动将会影响缆索位移检测的时程结果,造成检测结果的不准确,难以自动识别缆索的各阶振动频率。
鉴于以上,本申请提供一种用于无人机检测桥梁缆索振动频率的降噪方法用于以提高缆索振动频率的识别精度和稳定性。
发明内容
针对上述情况,为克服现有技术之缺陷,本发明提供一种用于无人机检测桥梁缆索振动频率的降噪方法,在无人机拍摄缆索振动之后,利用计算机视觉算法识别缆索的边缘,随后,通过EMD方法,减少无人机振动影响,提高缆索振动频率识别的精度和稳定性。
一种用于无人机检测桥梁缆索振动频率的降噪方法,其特征在于,包括以下步骤:
步骤S1:直线检测;利用计算机视觉算法中的直线段检测算法,识别缆索的边缘特征;
步骤S2:时域计算;将无人机拍摄第一帧的缆索位置作为初始值,之后每一帧的缆索位置和第一帧进行对比,得到缆索的位移时程数据e(t);
步骤S3:EMD分解;对混合运动的时域数据e(t)进行EMD分解,得到一组IMF函数:和余项r(t),即/>其中,IMF是本征模态函数,i是模态分量阶数,imfi(t)为第i阶模态分量序列,N为分解得到的IMF的总阶数;
步骤S4:信号重构;将高频的IMF函数叠加到一起,假设前n个IMF属于高频部分,则重组后缆索运动时域数据为:
步骤S5:频率提取;将步骤S4里的H(t)进行傅里叶变换得到H(t)的频域数据,再通过Peak Picking算法,得到缆索的各阶频率。
上述技术方案有益效果在于:
本发明提供了一种用于无人机检测桥梁缆索振动频率的降噪方法,该方法采用无人机快速拍摄缆索的振动视频,在计算机视觉算法分析之后,不需要记录无人机自身运动,即可较好地识别缆索的振动频率,减少了无人机自身运动对于缆索振动的干扰,提高了缆索振动频率识别的自动化程度。
附图说明
图1为本发明的流程图;
图2本发明的实施例中的去噪效果图;
图3为本发明边缘检测效果图;
图4为本发明实施例中位移时程图;
图5为本发明位移数据经过EMD分解后的示意图;
图6为本发明高频和低频IMF函数分别叠加的示意图;
图7为本发明高频IMF函数叠加后经傅里叶变换得到的频域图。
具体实施方式
有关本发明的前述及其他技术内容、特点与功效,在以下配合参考附图1至图7对实施例的详细说明中,将可清楚的呈现,以下实施例中所提到的结构内容,均是以说明书附图为参考。
本发明构建了一种缆索振动频率识别的方法,用于解决缆索和无人机振动相互干扰的问题,具体包括以下两个方面;
第一方面:
首先需要进行数据前处理,包括了图像处理和时频域变换,所述方法包括以下步骤:
步骤S1:利用计算机视觉算法中的直线段检测算法,识别缆索的边缘特征,如附图3所示;
步骤S2:将无人机拍摄第一帧的缆索位置作为初始值,之后每一帧的缆索位置和第一帧进行作差计算,得到缆索的位移时程图,如附图4所示:
第二方面:
本发明所述的一种无人机检测缆索桥梁振动频率的数据降噪方法,包括以下步骤:
步骤S3:对于缆索位移时程图进行EMD分解;
其中EMD分解的步骤为:
A、找到原始信号X(t)的极大值和极小值点,然后通过曲线插值方法对这些极值点进行拟合,得到信号的上包络线Xmax(t)和下包络线Xmin(t);
B、对上、下包路线求平均值:
C、对原始信号X(t)与平均包络m1(t)进行相减,得到信号d1(t),如果d1(t)满足以下两个条件:
(a)d1(t)在整个时间范围内,局部极值点和过零点的数目必须相等,或最多相差一个;
(b)d1(t)在任意时刻点,局部最大值的包络(上包络线)和局部最小值的包络(下包络线)平均值为零。
D、那么d1(t)可以作为原始信号X(t)的第一个模态函数(IMF),如果d1(t)不满足这两个条件,则需要继续筛选,对余下信号d1(t)进行步骤1到步骤3的处理,直到SD(筛分门限值,一般取值(0.2-0.3)小于门限值DR时才停止,这样得到最终合适的第一阶模态分量c1(t),即第一个IMF,其中SD求法如下:
E、对信号X(t)与c1(t)求差,得到第一阶残差量r1(t),将r1(t)替代原始信号X(t)进行步骤1到3的处理,重复N次后可获取第N阶模态函数cN(t)和最终符合标准的残差量rN(t),原始信号X(t)经EMD分解的表达式为:
步骤S4:经过EMD算法的分解,原始数据会变成多个IMF函数和一个残差,通过分析大量实验数据可知,无人机自身运动的频率相对集中在低频部分,所以将n个IMF函数中高频的部分进行叠加,即可减少无人机自身运动的影响;
步骤S5:对重构后的时域数据进行快速傅里叶变换,可以看到缆索频域特点十分明显,受无人机自身运动影响相对较弱,信噪比较高,所以,通过Peak Picking算法可以快速识别缆索的各阶频率,即可用于后续的缆索动力频率识别、索力计算、损伤分析等。
具体过程如下:
步骤S1:利用直线段检测算法识别无人机拍摄的缆索振动视频,得到每一帧缆索边缘的直线信息;
步骤S2:计算缆索振动的时域数据e(t);
步骤S3:对e(t)进行EMD分解,得到13个IMF,如附图5;
步骤S4:确定高频IMF的个数,本例取6个,对前6个IMF进行叠加得到H(t),如附图6;
步骤S5:将H(t)进行傅里叶变换得到频域数据,如附图7,采用Peak Picking算法,识别频域数据中缆索的各阶频率,分解前后的数据如下表所示:
本实施例将拾振器得到的数据作为准确值,表中误差是和准确值对比得到的,从上述表格中可以看出,本发明提出的方法可以有效降低频差识别误差,并且可以观察到更多阶的振动频率,采用以上方法即可识别缆索振动频差,可用于索力识别、振动特性分析、损伤识别等领域;
上面所述只是为了说明本发明,应该理解为本发明并不局限于以上实施例,符合本发明思想的各种变通形式均在本发明的保护范围之内。
Claims (5)
1.一种用于无人机检测桥梁缆索振动频率的降噪方法,其特征在于,包括以下步骤:
步骤S1:直线检测;利用计算机视觉算法中的直线段检测算法,识别缆索的边缘特征;
步骤S2:时域计算;将无人机拍摄第一帧的缆索位置作为初始值,之后每一帧的缆索位置和第一帧进行对比,得到缆索的位移时程数据e(t);
步骤S3:EMD分解;对混合运动的时域数据e(t)进行EMD分解,得到一组IMF函数:和余项r(t),即/>其中,IMF是本征模态函数,i是模态分量阶数,imfi(t)为第i阶模态分量序列,N为分解得到的IMF的总阶数;
步骤S4:信号重构;将高频的IMF函数叠加到一起,假设前n个IMF属于高频部分,则重组后缆索运动时域数据为:
步骤S5:频率提取;将步骤S4里的H(t)进行傅里叶变换得到H(t)的频域数据,再通过PeakPicking算法,得到缆索的各阶频率。
2.根据权利要求1所述的一种用于无人机检测桥梁缆索振动频率的降噪方法,其特征在于,所述S1中从输入的图像中识别直线段。
3.根据权利要求1所述的一种用于无人机检测桥梁缆索振动频率的降噪方法,其特征在于,将S2中位移时程数据分解成多个IMF函数和一个残差。
4.根据权利要求1所述的一种用于无人机检测桥梁缆索振动频率的降噪方法,其特征在于,所述S4中将属于缆索的高频部分的IMF函数相加,得到新的运动时域数据H(t)。
5.根据权利要求1所述的一种用于无人机检测桥梁缆索振动频率的降噪方法,其特征在于,所述S5中的Peak Picking算法识别频域图上的波峰横坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310307156.3A CN116543317A (zh) | 2023-03-27 | 2023-03-27 | 一种用于无人机检测桥梁缆索振动频率的降噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310307156.3A CN116543317A (zh) | 2023-03-27 | 2023-03-27 | 一种用于无人机检测桥梁缆索振动频率的降噪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116543317A true CN116543317A (zh) | 2023-08-04 |
Family
ID=87445935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310307156.3A Pending CN116543317A (zh) | 2023-03-27 | 2023-03-27 | 一种用于无人机检测桥梁缆索振动频率的降噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116543317A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117094916A (zh) * | 2023-10-19 | 2023-11-21 | 江苏新路德建设有限公司 | 一种市政桥梁支座视觉检测方法 |
-
2023
- 2023-03-27 CN CN202310307156.3A patent/CN116543317A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117094916A (zh) * | 2023-10-19 | 2023-11-21 | 江苏新路德建设有限公司 | 一种市政桥梁支座视觉检测方法 |
CN117094916B (zh) * | 2023-10-19 | 2024-01-26 | 江苏新路德建设有限公司 | 一种市政桥梁支座视觉检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107481292B (zh) | 车载摄像头的姿态误差估计方法和装置 | |
AU2006254155A1 (en) | A method and a system for determining a plurality of load components on a wheel | |
CN110816588B (zh) | 一种机车车轮失圆检测方法、装置、设备及系统 | |
CN116543317A (zh) | 一种用于无人机检测桥梁缆索振动频率的降噪方法 | |
CN112069962B (zh) | 一种基于图像识别强噪声背景下振动频谱的方法 | |
CN111735523A (zh) | 基于视频识别的车重检测方法、装置及存储介质 | |
CN115342814B (zh) | 一种基于多传感器数据融合的无人船定位方法 | |
CN112669332A (zh) | 一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法 | |
CN117348093A (zh) | 基于地面参考点的航空电磁数据处理方法及系统 | |
CN117076928A (zh) | 一种桥梁健康状态监测方法、装置、系统及电子设备 | |
CN110045250B (zh) | 一种电力电缆的绝缘状态判断方法及系统 | |
CN108507607A (zh) | 一种基于核函数的微弱信号检测方法 | |
CN116299236A (zh) | 一种基于抽稀PS点的InSAR大气误差校正方法 | |
CN115683431A (zh) | 基于直线跟踪算法的拉索索力确定方法、装置及设备 | |
CN115375925A (zh) | 一种基于相位信息和深度学习的水下声呐图像匹配算法 | |
CN111473944B (zh) | 观测流场中存在复杂壁面的piv数据修正方法、装置 | |
CN113340302A (zh) | 一种基于惯性导航与重力梯度灯塔的潜器导航方法及系统 | |
CN102322864A (zh) | 一种机载光学鲁棒景像匹配导航定位方法 | |
CN111319787A (zh) | 一种直升机动部件振动监测数据有效性评估方法 | |
Shen et al. | An alternative method for surface current extraction from X-band marine radar images | |
CN115876365B (zh) | 基于运动综合亮度谱的拉索索力视觉测试方法、装置及介质 | |
CN117909659B (zh) | 变体飞行器风洞动态试验天平气动力信号处理方法及装置 | |
CN114324974B (zh) | 一种单星辐射源无源监测目标运动属性判别方法 | |
CN110398240B (zh) | 一种基于电子围栏的位置判定方法、装置与电子设备 | |
CN116594057B (zh) | 一种基于深度学习和边缘计算的地震预警方法与装置 |
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 |