CN117392106A - 一种基于视觉增强的桥梁振动视觉检测方法及系统 - Google Patents

Abstract

本发明提供了一种基于视觉增强的桥梁振动视觉检测系统及方法，涉及桥梁健康监测技术领域，包括获取第一信息和第二信息；根据第一信息进行边缘检测处理得到目标边缘检测结果；根据目标边缘检测结果进行相位提取和数据转换处理得到频率‑振幅关系图；基于频率‑振幅关系图对第一信息进行信号放大处理，得到可视化放大图像；根据振动信号和第二信息进行数据提取处理，并将提取得到的数据进行模态分析得到损伤识别结果；根据可视化放大图像和损伤识别结果生成桥梁结构状态评估结果。本发明通过数据分析明确结构受外力微小振动的频率范围，根据筛选所得的频段对原视频进行放大实现精准高效桥梁结构微小振动可视化。

Description

一种基于视觉增强的桥梁振动视觉检测方法及系统

技术领域

本发明涉及桥梁健康监测技术领域，具体而言，涉及一种基于视觉增强的桥梁振动视觉检测方法及系统。

背景技术

近年来我国桥梁建设规模不断扩大，随着服役时间的累加，既有桥梁结构养护与维修需求激增。有效的养护与维修前提是对桥梁结构进行全面检测与技术状况评估。振动特性作为一种重要参数，能够显著反映结构的工作状态。变化的振动特性通常预示着结构的损伤或退化，特别是在受到荷载和环境因素的作用下，桥梁结构会产生微小振动，这类振动具有幅值较小但频率较高的特点。因此，桥梁结构微小振动检测及其参数分析对于桥梁结构的状态评估至关重要。现有的桥梁结构振动检测系统需要将大量的传感器和通信线缆布置在桥上，通过采集桥梁上的振动信号进行分析以判断桥梁的健康状态。这样的检测系统和方法具有操作复杂、部署成本高昂、可视化困难的缺点。

基于上述现有技术的缺点，现亟需一种基于视觉增强的桥梁振动视觉检测方法及系统。

发明内容

本发明的目的在于提供一种基于视觉增强的桥梁振动视觉检测方法及系统，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：

第一方面，本申请提供了一种基于视觉增强的桥梁振动视觉检测方法，包括：

获取第一信息和第二信息，所述第一信息为利用工业相机采集的桥梁结构振动视频数据，所述第二信息为历史桥梁结构件振动数据及对应的损伤信息；

根据所述第一信息进行边缘检测处理得到目标边缘检测结果；

根据所述目标边缘检测结果进行相位提取和数据转换处理得到频率-振幅关系图；

基于所述频率-振幅关系图对所述第一信息进行信号放大处理，得到可视化放大图像；

根据所述振动信号和所述第二信息进行数据提取处理，并将提取得到的数据进行模态分析得到损伤识别结果；

根据所述可视化放大图像和所述损伤识别结果生成桥梁结构状态评估结果。

第二方面，本申请提供了一种基于视觉增强的桥梁振动视觉检测系统，包括：

支撑装置、数据采集装置，计算机，和采样控制装置，所述数据采集装置设置在所述支撑装置上，所述数据采集装置包括图像采集模块、距离采集模块和角度采集模块，所述图像采集模块与所述距离采集模块固定连接，所述图像采集模块与所述距离采集模块的检测方向相同，所述角度采集模块固定设置在所述图像采集模块上；所述计算机与所述数据采集装置电连接；所述采样控制装置与所述数据采集装置电连接。

进一步地，所述图像采集模块包括相互固定连接的工业相机和变焦镜头，所述工业相机与所述支撑装置固定连接，所述变焦镜头朝向检测目标。

进一步地，所述距离采集模块为激光测距仪。

进一步地，所述角度采集模块包括陀螺仪和圆水准器，所述陀螺仪和所述圆水准器固定设置在所述图像采集模块上方。

进一步地，所述采样控制装置包括电源和单片机，所述电源与所述单片机电连接，所述单片机与所述数据采集装置电连接。

本发明的有益效果为：

本发明通过数据分析明确结构受外力微小振动的频率范围，根据筛选所得的频段对原视频进行放大实现精准高效桥梁结构微小振动可视化；通过引入了复值可控金字塔数学模型，结合相位提取和数据转换处理，得到频率-振幅关系图，实现了对振动信号的准确分析。

本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本发明实施例中所述的基于视觉增强的桥梁振动视觉检测方法的流程示意图；

图2为本发明实施例中所述的基于视觉增强的桥梁振动视觉检测系统的结构示意图。

图中标记：1、支撑装置；2、数据采集装置；21、图像采集模块；211、工业相机；212、变焦镜头；22、距离采集模块；23、角度采集模块；231、陀螺仪；232、圆水准器；3、计算机；4、采样控制装置；41、电源；42、单片机。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

实施例1：

本实施例提供了一种基于视觉增强的桥梁振动视觉检测方法。

参见图1，图中示出了本方法包括步骤S100、步骤S200、步骤S300、步骤S400、步骤S500和步骤S600。

步骤S100、获取第一信息和第二信息，第一信息为利用工业相机采集的桥梁结构振动视频数据，第二信息为历史桥梁结构件振动数据及对应的损伤信息。

可以理解的是，首先需要安装工业相机和相关硬件设备，以便实时采集桥梁的振动视频数据。这些数据包括了桥梁各个部位的振动情况，例如桥墩、悬索索塔等。同时，还需要收集了历史数据，这些数据记录了过去一段时间内桥梁的振动情况，包括了振动频率、振幅、相位等信息，以及对应的损伤信息，例如损伤的位置和程度。优选地，为节约算力，对拍摄的振动视频数据图像进行ROI区域裁剪，获得感兴趣的目标区域，对裁剪后的图像进行处理可以在保证提取目标的完整的同时提升计算速度。

步骤S200、根据第一信息进行边缘检测处理得到目标边缘检测结果。

可以理解的是，微小振动会导致物体局部特征的轻微位移，而这些局部特征的边缘轮廓会在时域上持续稳定，但它们在空域上的位置会相应地变化。考虑桥梁结构的振动情况，不同部位的结构元素会在振动过程中形成或维持某种特定的轮廓，这些轮廓可能在振动过程中保持稳定。边缘检测算法有助于捕捉这些微小振动引起的轮廓变化，这些变化信息能够准确地反映物体局部特征的微小位移。优选地，选取首张图像进行二值化处理，通过OTSU算法进行自适应边缘检测，主观拾取目标边缘。该算法能够识别图像中的边缘，即物体轮廓。经过边缘检测获得了一个二值图像，将检测到的边缘凸出显示，这些边缘将在时域上稳定表示桥梁结构的特征。

步骤S300、根据目标边缘检测结果进行相位提取和数据转换处理得到频率-振幅关系图。

可以理解的是，这一步骤的目的是将时域上的边缘信息转化为频域上的信息，以便更好地理解桥梁结构的振动特性。需要说明的是，步骤S300包括步骤S310、步骤S320、步骤S330和步骤S340。

步骤S310、根据目标边缘检测结果进行相位提取处理，通过将图像中待检测桥梁结构不同方向的局部相位变化与其在空域中的位移相联系，计算得到局部相位信息。

步骤S320、基于预设的复值可控金字塔数学模型对局部相位信息进行速度场计算得到全局位移信息。

步骤S330、根据全局位移信息转换为振动信号。

步骤S340、根据振动信号进行快速傅里叶变换，得到频率-振幅关系图。

可以理解的是，将边缘在图像坐标系中投影到x、y两个方向，提取任意方向的边缘在x，y方向的位移信息，在微小振动情况下时间维度中位移信号可以等效为振动信号。计算过程如下：

；

其中，为图像在/>方向的局部相位，x为图像横向坐标，y为图像纵向坐标，t为时间，c为常数。

进一步对中间项进行泰勒展开并略去高次项目，得到：

；

其中，，u和v为横向和竖向速度分量，/>，/>，t为时间，x为图像横向坐标，y为图像纵向坐标。

可以理解的还是，复值可控金字塔在处理微小振动时结构在金字塔低层中的位移更接近于实际位移，基于复值可控金字塔使用定向滤波器测量横向和竖向的相位变化，因而速度场可表示为：

；

其中，，u和v为横向和竖向速度分量，/>，/>，t为时间，x为图像横向坐标，y为图像纵向坐标。/>和/>分别为采用横向和竖向滤波器得到的相位信息。为了得到位移场，对上述公式两端进行积分得：

；

其中，，u和v为横向和竖向速度分量，/>，/>，t为时间，x为图像横向坐标，y为图像纵向坐标。/>和/>分别为采用横向和竖向滤波器得到的相位信息。/>和/>为t0时刻横向和竖向的位移，横向角度为0，纵向角度为/>。金字塔层数取首层计算目标区域的局部相位信息，通过计算局部相位获得全局的x、y方向的移动速度，通过积分获得全局在时间维度的位移。

步骤S400、基于频率-振幅关系图对第一信息进行信号放大处理，得到可视化放大图像。

可以理解的是，精准地选择外因作用下结构产生的微小振动的频率范围,对选定的频率范围进行放大处理。这避免了对整个频率范围进行盲目的大范围频率放大，减小了计算量，提升了计算速度。需要说明的是，步骤S400包括步骤S410、步骤S420和步骤S430。

步骤S410、根据频率-振幅关系图进行频率方向离散化处理，并对离散化后的振幅数据进行峰值检测处理，得到结构基频信息。

可以理解的是，首先对频率-振幅关系图进行频率方向的离散化处理,将连续的频率范围划分成有限的离散频率点。这个处理有助于将连续的频率信息转化为离散的频率分量，从而更容易分析和处理。接下来对离散后的振幅数据进行峰值检测。在桥梁结构处于静止状态时，结构的基频对应着最高振幅，当受到外部激励时，振幅最大的频率为外部激励的响应频率。具体地，频谱中首个峰值对应的最低的频率为结构的基频，峰值最大的对应的频率为外部激励引起的频率成分。因此通过半峰宽的计算能够得到由外部激励引起的频率范围，并基于此范围实现精准放大，这样的方式确保只放大关注的频率范围，减小计算量，提高效率。

步骤S420、基于结构基频信息对频率-振幅关系图进行识别处理，通过计算振动频率的半峰宽得到振动频率范围。

可以理解的是，在频率-振幅关系图中，明显的峰值表示了振动频率的显著变化。这些峰值通常对应于结构振动中的重要频率成分，如结构的自然频率或由外部因素引起的频率成分。这些明显的峰值对应着可能的微小振动的变化区域。半峰宽是频率-振幅关系图中峰值的特性之一，它表示峰值的频率范围。通过计算振动频率的半峰宽，可以确定振动频率范围的宽度，有助于系统更精确地定义可能的微小振动频率范围，从而更好地聚焦于感兴趣的频率范围。

步骤S430、基于振动频率范围对第一信息中对应范围的图像进行放大处理得到可视化放大图像。

可以理解的是，本步骤对振动频率范围内的图像进行有针对性的放大处理，更好地突出显示特定频率的微小振动，使其在可视图像中更加明显。需要说明的是，步骤S430包括步骤S431、步骤S432和步骤S433。

步骤S431、根据振动频率范围对第一信息进行筛选得到待放大图像数据。

可以理解的是，本步骤筛选出与振动频率范围相关的图像帧数据，这些数据在频率范围内包含了微小振动信号，针对性的筛选结果提高了处理效率和减小了计算量。

步骤S432、根据待放大图像数据进行相位差计算，通过计算任意时刻采集的图像数据和首帧图像数据的相位差得到相位差信息。

可以理解的是，相位差信息反映了在不同时刻采集的图像之间的微小振动变化。具体地，相位差的计算过程涉及到对图像中的特定特征进行跟踪或者是对应点的匹配，以确定相位的差异。通过这个步骤能够得到关于微小振动的时间变化信息。

步骤S433、根据相位差信息和预设的放大因子进行相乘处理，并将放大结果与原图像数据中的信号进行融合处理得到可视化放大图像。

可以理解的是，本步骤将微小振动信号的变化通过相位信息嵌入到图像中，以增强这些振动信号的可视效果。能够使微小振动更容易被肉眼观察到，从而提高了检测和分析的准确性。

步骤S500、根据振动信号和第二信息进行数据提取处理，并将提取得到的数据进行模态分析得到损伤识别结果。

需要说明的是，步骤S500包括步骤S510、步骤S520、步骤S530和步骤S540。

步骤S510、根据频率-振幅关系图进行数据提取处理得到待识别数据。

可以理解的是，待识别数据包括振动信号的频率、振幅等参数，这些参数是后续模态分析的基础。

步骤S520、根据第二信息进行数据提取处理，并基于提取得到的数据构建得到模态分析数学模型。

可以理解的是，历史数据可能包括桥梁在不同时间段内的振动情况、结构的几何参数、损伤信息。本步骤基于历史数据构建一个模态分析的数学模型，这个数学模型基于结构动力学的原理并结合模态分析方法，能够模拟和理解桥梁结构的振动特性，包括振型、频率、振动模态等。

步骤S530、基于模态分析数学模型对待识别数据进行模态分析处理，通过计算桥梁结构的振动模态振型向量相关程度判断是否发生损伤，得到识别结果。

可以理解的是，本步骤通过计算待识别数据与历史数据中的振动模态振型向量之间的相关程度，如果待识别数据与历史数据中的模态振型高度相关，那么表明桥梁结构未发生明显损伤。相反，如果相关程度较低，则可能表明结构存在损伤。

步骤S540、根据识别结果计算待识别数据中基频的变化情况，通过确定损伤位置得到损伤识别结果。

可以理解的是，通过计算待识别数据中基频的变化情况，系统能够确定不同区域内的结构振动特性是否发生变化，这种变化通常与损伤或结构异常有关。例如，如果一个特定区域的结构组件受到损伤，其振动模式和频率可能会发生变化。这种变化可以通过与基准振动数据进行比较来检测，从而确定损伤的位置。损伤识别结果将提供关于结构上哪些区域受到了损伤、损伤的性质以及损伤的程度的详细信息。这对于采取进一步的维修和维护措施至关重要，以确保结构的安全性和可靠性。

步骤S600、根据可视化放大图像和损伤识别结果生成桥梁结构状态评估结果。

可以理解的是，这一步骤的目的是通过定性和定量的分析，评估桥梁结构的整体和局部使用性能与状态，以提供数据支持进一步研究桥梁结构在微小振动作用下的磨耗状态和破损规律。

实施例2：

如图2所示，本实施例提供了一种基于视觉增强的桥梁振动视觉检测系统，它包括了支撑装置1、数据采集装置2，计算机3，和采样控制装置4。支撑装置1是整个系统的物理基础，通常为三脚架，用于稳固支持数据采集设备，保证其在采集过程中的稳定性。数据采集装置2设置在支撑装置1上，数据采集装置2包括图像采集模块21、距离采集模块22和角度采集模块23。这些模块协同工作，以获取桥梁结构的微小振动数据。图像采集模块21用于采集桥梁结构的图像数据，与距离采集模块22固定连接，图像采集模块21与距离采集模块22的检测方向相同，距离采集模块22用于测量镜头光心到检测目标表面的实际距离。角度采集模块23固定设置在图像采集模块21上，角度采集模块23用于检测图像采集模块21的姿态。计算机3与数据采集装置2电连接，用于对采集得到的数据进行分析以评估待检测桥梁结构的损伤情况。采样控制装置4与数据采集装置2电连接。

优选地，图像采集模块21包括相互固定连接的工业相机211和变焦镜头212。工业相机211是固定连接到支撑装置1上的，这确保了工业相机211在振动数据采集过程中不会发生不必要的移动或晃动。变焦镜头212的安装方向是根据需要检测的目标来确定的。这种可调焦距的设置允许系统根据具体的检测任务选择合适的镜头焦距。例如，当需要检测桥梁的整体振动时，可以选择短焦距以捕捉更广范围的数据，而在需要关注特定结构的微振动时，可以选择长焦距以实现更精确的数据采集。这样的设计提升了图像数据采集的适用性和灵活性。

优选地，距离采集模块22为激光测距仪。用激光测距仪作为距离采集模块22有助于确保系统能够在各种情况下获得准确的距离信息，以支持振动数据的精确分析和定位。

优选地，角度采集模块23包括陀螺仪231和圆水准器232。圆水准器232是一种用于检测水平的工具，使用气泡的位置来指示平稳。它被安装在图像采集模块21上方，用于判定相机的水平状态。当气泡居中时，相机处于水平位置，可以帮助调整相机，以确保在采集数据时相机水平。陀螺仪231用于测量相机的俯仰角和横摇角，即相机相对于水平面的倾斜情况。它能够提供高精度的方向信息，帮助确保相机的定位准确。这样的设计确保相机在数据采集期间处于稳定的位置和方向，有助于获得高质量的振动数据和可视化图像。

优选地，采样控制装置4包括电源41和单片机42，电源41与单片机42电连接，单片机42与数据采集装置2电连接。电源41是提供电能的设备，用于为单片机42提供所需的电力，确保单片机42可以正常运行以及与其他组件进行通信。单片机42是一种微型计算机3，它具有控制和计算功能。在本系统中，单片机42负责命令触发和控制相机进行数据采集。这样的设计有助于实现系统的高效性和精确性，确保数据采集的可靠性和一致性。

进一步地，本实施例公开一种基于视觉增强的桥梁振动视觉检测系统的使用方法，包括：

步骤S001、根据激光测距仪测量相机光心到物体的实际距离，并使用陀螺仪和圆水准器测量相机的俯仰角，计算得到比例因子。

可以理解的是，通过实验数据将本申请中的微小振动范围定义为2像素，即检测目标边缘在2像素以内的区域移动。根据比例因子法对相机进行标定，标定得到的比例因子可进行像素尺寸与实际尺寸的换算。比例因子法认为当相机主轴与客观世界某一平面垂直时，在较小的视场范围内，客观世界任意两点之间的距离和像素坐标下对应两点之间的像素距离成正比，该比值即称为比例因子，单位为毫米每像素（mm/pixel），即每个像素代表实际几毫米。比例因子法公式如下：

；

；

其中，SF为比例因子；D为相机到物体的距离；H为相机光心距离；f为焦距；d为相机像元尺寸；θ为相机光轴与水平面的夹角。

步骤S002、根据现场监测需求，调整焦距和相机到物体表面的距离，以适应不同场景和微小振动范围。

可以理解的是，在实际工程拍摄时，根据地形和场景需要以及微小振动适用范围可以对焦距和距离进行调整，通过变焦操作和变换距离来采集合适的范围，确定恰当的比例因子。

步骤S003、设置拍摄帧率不低于30FPS，以满足奈奎斯特定理的要求，确保采样频率高于目标信号的最大频率的两倍。

步骤S004、根据焦距、距离和采样频率对相机进行设置，对桥梁结构进行采样操作得到视频数据。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种基于视觉增强的桥梁振动视觉检测方法，其特征在于，包括：

获取第一信息和第二信息，所述第一信息为利用工业相机采集的桥梁结构振动视频数据，所述第二信息为历史桥梁结构件振动数据及对应的损伤信息；

根据所述第一信息进行边缘检测处理得到目标边缘检测结果；

根据所述目标边缘检测结果进行相位提取和数据转换处理得到频率-振幅关系图；

基于所述频率-振幅关系图对所述第一信息进行信号放大处理，得到可视化放大图像；

根据所述频率-振幅关系图和所述第二信息进行数据提取处理，并将提取得到的数据进行模态分析得到损伤识别结果；

根据所述可视化放大图像和所述损伤识别结果生成桥梁结构状态评估结果。

2.根据权利要求1所述的基于视觉增强的桥梁振动视觉检测方法，其特征在于，根据所述目标边缘检测结果进行相位提取和数据转换处理得到频率-振幅关系图，包括：

根据所述目标边缘检测结果进行相位提取处理，通过将图像中待检测桥梁结构不同方向的局部相位变化与其在空域中的位移相联系，计算得到局部相位信息；

基于预设的复值可控金字塔数学模型对所述局部相位信息进行速度场计算得到全局位移信息；

根据所述全局位移信息转换为振动信号；

根据所述振动信号进行快速傅里叶变换，得到频率-振幅关系图。

3.根据权利要求1所述的基于视觉增强的桥梁振动视觉检测方法，其特征在于，基于所述频率-振幅关系图对所述第一信息进行信号放大处理，得到可视化放大图像，包括：

根据所述频率-振幅关系图进行频率方向离散化处理，并对离散化后的振幅数据进行峰值检测处理，得到结构基频信息；

基于所述结构基频信息对所述频率-振幅关系图进行识别处理，通过计算振动频率的半峰宽得到振动频率范围；

基于所述振动频率范围对所述第一信息中对应范围的图像进行放大处理得到可视化放大图像。

4.根据权利要求3所述的基于视觉增强的桥梁振动视觉检测方法，其特征在于，基于所述振动频率范围对所述第一信息中对应范围的图像进行放大处理得到可视化放大图像，包括：

根据所述振动频率范围对所述第一信息进行筛选得到待放大图像数据；

根据所述待放大图像数据进行相位差计算，通过计算任意时刻采集的图像数据和首帧图像数据的相位差得到相位差信息；

根据所述相位差信息和预设的放大因子进行相乘处理，并将放大结果与原图像数据中的信号进行融合处理得到可视化放大图像。

5.根据权利要求1所述的基于视觉增强的桥梁振动视觉检测方法，其特征在于，根据所述频率-振幅关系图和所述第二信息进行数据提取处理，并将提取得到的数据进行模态分析得到损伤识别结果，包括：

根据所述频率-振幅关系图进行数据提取处理得到待识别数据；

根据所述第二信息进行数据提取处理，并基于提取得到的数据构建得到模态分析数学模型；

基于所述模态分析数学模型对所述待识别数据进行模态分析处理，通过计算桥梁结构的振动模态振型向量相关程度判断是否发生损伤，得到识别结果；

根据所述识别结果计算所述待识别数据中基频的变化情况，通过确定损伤位置得到损伤识别结果。

6.一种基于视觉增强的桥梁振动视觉检测系统，其特征在于，包括：

支撑装置(1)；

数据采集装置(2)，所述数据采集装置(2)设置在所述支撑装置(1)上，所述数据采集装置(2)包括图像采集模块(21)、距离采集模块(22)和角度采集模块(23)，所述图像采集模块(21)与所述距离采集模块(22)固定连接，所述图像采集模块(21)与所述距离采集模块(22)的检测方向相同，所述角度采集模块(23)固定设置在所述图像采集模块(21)上；

计算机(3)，所述计算机(3)与所述数据采集装置(2)电连接；以及

采样控制装置(4)，所述采样控制装置(4)与所述数据采集装置(2)电连接。

7.根据权利要求6所述的基于视觉增强的桥梁振动视觉检测系统，其特征在于：所述图像采集模块(21)包括相互固定连接的工业相机(211)和变焦镜头(212)，所述工业相机(211)与所述支撑装置(1)固定连接，所述变焦镜头(212)朝向检测目标。

8.根据权利要求6所述的基于视觉增强的桥梁振动视觉检测系统，其特征在于：所述距离采集模块(22)为激光测距仪。

9.根据权利要求6所述的基于视觉增强的桥梁振动视觉检测系统，其特征在于：所述角度采集模块(23)包括陀螺仪(231)和圆水准器(232)，所述陀螺仪(231)和所述圆水准器(232)固定设置在所述图像采集模块(21)上方。

10.根据权利要求6所述的基于视觉增强的桥梁振动视觉检测系统，其特征在于：所述采样控制装置(4)包括电源(41)和单片机(42)，所述电源(41)与所述单片机(42)电连接，所述单片机(42)与所述数据采集装置(2)电连接。