CN117949131B - 一种拉索全场模态分析和索力识别方法及系统 - Google Patents
一种拉索全场模态分析和索力识别方法及系统 Download PDFInfo
- Publication number
- CN117949131B CN117949131B CN202410348707.5A CN202410348707A CN117949131B CN 117949131 B CN117949131 B CN 117949131B CN 202410348707 A CN202410348707 A CN 202410348707A CN 117949131 B CN117949131 B CN 117949131B
- Authority
- CN
- China
- Prior art keywords
- cable
- target
- vibration
- full
- inhaul
- 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
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000004458 analytical method Methods 0.000 title claims abstract description 37
- 238000006073 displacement reaction Methods 0.000 claims abstract description 114
- 230000004044 response Effects 0.000 claims abstract description 76
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000003708 edge detection Methods 0.000 claims abstract description 11
- 238000005516 engineering process Methods 0.000 claims description 27
- 230000003321 amplification Effects 0.000 claims description 19
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 19
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 230000033001 locomotion Effects 0.000 claims description 14
- 238000009432 framing Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000000746 purification Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 13
- 230000000007 visual effect Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 230000005284 excitation Effects 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 238000000691 measurement method Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007716 flux method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
- G01L5/04—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring tension in flexible members, e.g. ropes, cables, wires, threads, belts or bands
- G01L5/042—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring tension in flexible members, e.g. ropes, cables, wires, threads, belts or bands by measuring vibrational characteristics of the flexible member
-
- 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
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种拉索全场模态分析和索力识别方法、系统及存储介质，涉及拉索索力识别技术领域，包括步骤：利用亚像素边缘检测和双匹配跟踪对原始拉索振动视频进行处理，获取目标拉索结构的初始拉索全场物理位移时程响应；获取目标拉索结构的各阶的拉索振动频率；对原始拉索振动视频进行放大处理并更新获取目标振动视频；基于目标振动视频获取修正拉索全场物理位移时程响应；用工作模态分析方法对修正拉索全场物理位移时程响应进行处理，提取目标拉索结构各阶的全场高分辨率振型；采用基于振型波长的公式确定目标拉索的拉索索力。本发明提供的拉索索力识别方法，实现了基于振型波长即可获取拉索索力的有益效果。
Description
技术领域
本发明涉及拉索索力检测技术领域，尤其涉及一种拉索全场模态分析和索力识别方法及系统。
背景技术
随着我国经济建设的迅速发展，交通基础设施的建设规模和数量都在日益增长，桥梁作为交通基础设施的枢纽工程，其安全性至关重要。斜拉桥是一种具有独特美观和优越结构性能的大跨度桥梁，在现代桥梁建设中得到了广泛应用。然而，随着斜拉桥的使用时间增长，风、车辆荷载、雨雪以及材料老化等因素使斜拉桥的健康状况逐渐受到威胁，其安全性得到了越来越多的关注。因此，斜拉桥的健康监测成为了重要的研究方向。
拉索作为斜拉桥的重要组成部分和承载构件，其结构评估是确保斜拉桥整体状态安全和适用的必要条件。因此，拉索的模态分析和索力估计是斜拉桥施工控制和运营期间健康监测的关键。
目前，拉索索力监测主要分为三类：一种是静态直接方法，通过预安装的测力传感器、光纤和提升式液压千斤顶直接测量索力；第二种是磁通量法；第三种是振动测量法，通过测振获得的动力参数来估算拉索索力，该方法的关键在于准确识别斜拉索的固有频率，这对索力估算的精度至关重要。传统的振动测量方法通常在拉索表面安装加速度计，利用加速度响应获取固有频率。
目前，利用摄像机和先进的图像处理算法可以准确获取结构的动力响应。然而，对于环境激励下的斜拉桥模态分析和索力估计仍存在两个挑战性问题：一是当前大多数视觉方法只能获取结构离散位置的振动响应或全场振型的大致形状，无法准确获取拉索的高分辨率振型和相应的振型波长；二是基于频率的索力计算公式通常要求已知拉索振动阶数，但拉索可能处于未知的耦合振动，难以确定其振动阶数。
鉴于此，有必要提出一种拉索全场模态分析和索力识别方法及系统以解决或至少缓解上述部分缺陷。
发明内容
本发明的主要目的在于提供一种拉索全场模态分析和索力识别方法及系统，旨在解决现有技术中通过视觉技术对环境激励下的斜拉桥的拉索索力识别不准确的技术问题。
为实现上述目的，本发明提供了一种拉索全场模态分析和索力识别方法，包括步骤：S10，对原始拉索振动视频进行处理，获取目标拉索结构的初始拉索全场物理位移时程响应；S20，利用快速傅立叶变换对初始拉索全场物理位移时程响应中的至少一个初始拉索单点物理位移时程响应进行处理，获取目标拉索结构的各阶的拉索振动频率；S30，利用基于相位的运动放大技术在各阶拉索振动频率的窄带内对原始拉索振动视频进行放大处理并更新，获取目标振动视频，其中，所述窄带是小于1Hz带宽的频带；S40，基于目标振动视频获取目标拉索结构对应的修正拉索全场物理位移时程响应；S50，用工作模态分析方法对修正拉索全场物理位移时程响应进行处理，提取目标拉索结构各阶的全场高分辨率振型，全场高分辨率振型具有对应的振型波长，全场高分辨率振型由修正拉索全场物理位移时程响应中的不少于50个位置测点拟合形成；S60，采用公式确定目标拉索的拉索索力，其中，T为拉索索力，m为目标拉索的拉索单位长度质量，/>为各阶的全场高分辨率振型的振型波长，/>为各阶的固有频率。
进一步地，步骤S10具体包括：S11，获取有目标拉索结构的原始拉索振动视频；S12，对原始拉索振动视频进行分帧处理获取依时序排列的多帧拉索振动图像；提取拉索振动图像中目标拉索结构的拉索亚像素边缘点，拉索亚像素边缘点关联亚像素图像坐标位置；S13，对各帧拉索振动图像的任一位置测点i的拉索亚像素边缘点进行双匹配跟踪并基于对应的亚像素图像坐标位置获取目标拉索结构的拉索单点图像位移时程响应，对所有位置进行上述处理进而获取目标拉索结构的拉索全场图像位移时程响应；S14，基于任一位置测点i对应的自适应比例转换参数和拉索单点图像位移时程响应获取对应位置的拉索单点物理位移时程响应，对所有位置进行转换处理进而获取目标拉索结构的初始拉索全场物理位移时程响应。
进一步地，步骤S12具体包括：对原始拉索振动视频进行分帧处理和去噪处理获取依时序排列的多帧拉索振动图像；采用Canny算子提取各帧拉索振动图像中的任一位置测点i的像素级边缘点；在像素级边缘点的基础上使用改进边缘模型的Zernike正交矩亚像素边缘检测算法获取像素级边缘点对应的拉索亚像素边缘点，亚像素边缘点关联亚像素图像坐标位置。
进一步地，基于任一位置测点i对应的目标边缘点及其相邻的真实近边缘点在当前帧的亚像素图像坐标位置，确定目标边缘点在当前帧的更新位置；其中，确定与目标边缘点的垂向距离小于预设距离值T1的邻边缘点为真实近边缘点；构造目标边缘点和相邻后一帧中的所有边缘点邻域内的尺度不变特征变换描述符并将其平坦化为一维向量，计算目标边缘点与相邻后一帧中所有边缘点间的欧式距离；将欧式距离小于预设阈值的匹配对作为待定匹配对，通过随机抽样一致方法去除异常匹配对；利用亚像素边缘点的图像坐标关系对待定匹配对进行二次提纯获取目标边缘点在相邻后一帧中的匹配边缘点；利用匹配边缘点及其真实近边缘点的位置对目标边缘点在相邻后一帧的位置进行更新，获取更新位置；重复上述步骤，获取所有帧中目标边缘点的更新位置；基于目标边缘点在所有帧的更新位置与第一帧的更新位置获取目标边缘点的图像位移时程响应，即拉索单点图像位移时程响应。
进一步地，确定一参考位置的参考截面，参考截面的像素宽度为；
采用公式，
确定任一位置测点i对应的比例转换系数；其中，/>是参考位置的上边缘点坐标，/>是参考位置的下边缘点坐标，/>是待校准的任一位置测点i的上边缘点坐标，/>待校准的任一位置测点i的下边缘点坐标；采用公式/>，获取任一位置测点i对应位置的拉索校准位移时程/>，其中，/>是任一位置测点i的拉索单点图像位移时程响应；根据参考位置的图像宽度与实际结构物理宽度的比例将图像坐标下的拉索校准位移时程/>转换为对应位置的拉索单点物理位移时程。
进一步地，窄带为0.2Hz以内的频带。
本发明还提供一种基于结构全场模态分析的拉索索力识别系统，包括影像采集设备以及处理装置，影像采集设备用于获取有目标拉索结构的原始拉索振动视频；处理装置用于实现上述的拉索全场模态分析和索力识别方法的步骤。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，
计算机程序被处理器执行时实现上述的拉索全场模态分析和索力识别方法的步骤。
与现有技术相比，本发明所提供的一种拉索全场模态分析和索力识别方法具有如下的有益效果：
本发明所提供的一种拉索全场模态分析和索力识别方法，基于原始拉索振动视频获取目标拉索结构的初始拉索全场物理位移时程响应；基于初始拉索全场物理位移时程响应获取目标拉索结构的各阶的拉索振动频率；利用基于相位的运动放大技术在各阶拉索振动频率的窄带内对原始拉索振动视频进行放大处理并更新获取放大拉索振动视频（目标振动视频）；基于放大拉索振动视频获取目标拉索结构对应的放大拉索全场物理位移时程响应（修正拉索全场物理位移时程响应）；用工作模态分析方法对放大拉索全场物理位移时程响应进行处理，提取目标拉索结构各阶的全场高分辨率振型，解决了现有的存在部分振动频率对应的振型靠原始拉索振动视频识别不出来的技术问题；全场高分辨率振型由放大拉索全场物理位移时程响应中的不少于50个测点识别形成，再对全场高分辨率振型进行正弦拟合可以很好地获取当前振型的振型波长进而确定振型阶数；最后采用公式确定目标拉索索力，其中，T为拉索索力，m为目标拉索的拉索单位长度质量，/>为各阶的的振型波长，/>为各阶的的固有频率。本发明提供的拉索全场模态分析和索力识别方法，基于振型波长即可获取拉索索力，解决了现有技术中通过视觉技术对环境激励下的斜拉桥的拉索索力识别不准确的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，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示出的结构获得其他的附图。
图1为本发明一个实施例中的拉索全场模态分析和索力识别方法的流程示意图；
图2是双匹配跟踪技术的过程图，其中，a是消除虚假边缘点的原理示意图，b是进行二次提纯原理示意图；
图3是目标边缘点位移校准原理示意图；
图4是现场实验中拍摄获取的原始拉索振动视频的现场示意图；
图5是现场实验中的拉索位移及频率示意图，其中，a为1号拉索位移-频率示意图；b为5号拉索位移-频率示意图；c为9号拉索位移-频率示意图；
图6是现场实验中的原始拉索振动视频放大前后的位移及频率对比示意图；其中，a为放大前后的视觉识别位移对比示意图；b为放大前后的视觉频谱对比示意图；
图7是现场实验中的不同分辨率振型对比示意图；其中，a为7个位置测点对应的振型示意图；b为62个位置测点对应的振型示意图；
图8是现场实验中的索力估计结果对比示意图。
本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
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，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。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。
需要说明，本发明实施例中所有方向性指示（诸如上、下、左、右、前、后……）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
请参照附图1、图2以及图3，本发明提供一种拉索全场模态分析和索力识别方法，包括如下步骤：S10，对原始拉索振动视频进行处理，获取目标拉索结构的初始拉索全场物理位移时程响应；S20，利用快速傅立叶变换对所述初始拉索全场物理位移时程响应中的至少一个初始拉索单点物理位移时程响应进行处理，获取所述目标拉索结构的各阶的拉索振动频率（固有频率）；S30，利用基于相位的运动放大技术在各阶所述拉索振动频率的窄带内对所述原始拉索振动视频进行放大处理并更新，获取目标振动视频，窄带是小于1Hz带宽的频带；S40，基于所述目标振动视频获取所述目标拉索结构对应的修正拉索全场物理位移时程响应；S50，用工作模态分析方法对所述修正拉索全场物理位移时程响应进行处理，提取所述目标拉索结构各阶的全场高分辨率振型，所述全场高分辨率振型具有对应的振型波长，所述全场高分辨率振型由所述修正拉索全场物理位移时程响应中的不少于50个位置测点拟合形成；S60，采用公式确定所述目标拉索的拉索索力，其中，T为所述拉索索力，m为所述目标拉索的拉索单位长度质量，/>为各阶的所述全场高分辨率振型的所述振型波长，/>为各阶的固有频率。
本发明提供的拉索全场模态分析和索力识别方法，基于原始拉索振动视频获取目标拉索结构的初始拉索全场物理位移时程响应；基于初始拉索全场物理位移时程响应获取目标拉索结构的各阶的拉索振动频率；利用基于相位的运动放大技术在各阶拉索振动频率的窄带内对原始拉索振动视频进行放大处理并更新获取放大拉索振动视频（目标振动视频）；基于放大拉索振动视频获取目标拉索结构对应的放大拉索全场物理位移时程响应（修正拉索全场物理位移时程响应）；用工作模态分析方法对放大拉索全场物理位移时程响应进行处理，提取目标拉索结构各阶的全场高分辨率振型，解决了现有的存在部分振动频率对应的振型靠原始拉索振动视频识别不出来的技术问题；全场高分辨率振型由放大拉索全场物理位移时程响应中的不少于50个测点识别形成，再对全场高分辨率振型进行正弦拟合可以很好地获取当前振型的振型波长进而确定振型阶数；最后采用公式确定目标拉索索力，其中，T为拉索索力，m为目标拉索的拉索单位长度质量，/>为各阶的的振型波长，/>为各阶的的固有频率。本发明提供的拉索全场模态分析和索力识别方法，基于振型波长即可获取拉索索力，解决了现有技术中通过视觉技术对环境激励下的斜拉桥的拉索索力识别不准确的技术问题。
可以理解地，目标拉索结构可以是整条拉索，也可以是部分拉索；目标拉索结构的初始拉索全场物理位移时程响应包括多个拉索单点物理位移时程响应，目标拉索结构的每一位置测点均具有拉索单点物理位移时程响应；目标拉索结构多个位置测点（不少于50个）的振型为全场高分辨率振型，本发明中的目标拉索结构的全场高分辨率振型表示为目标拉索结构的密集位置的振型。
可以理解地，窄带一般是小于1Hz的任一带宽，本发明中，窄带取值0.2Hz的带宽，例如，在对原始拉索振动视频处理获取拉索振动频率后，发现10Hz为拉索的振动频率，此时利用基于相位的运动放大技术在9.9至10.1Hz频率对原始拉索振动视频进行放大处理并更新。本发明中的放大倍数为5至50倍。具体地，放大倍数根据实际情况进行分析，本发明中通过实验得知，放大倍数为5至50倍时噪声干扰可以忽略不计。
可选地，本发明中，利用亚像素边缘检测和双匹配跟踪对原始拉索振动视频进行处理，获取目标拉索结构的初始拉索全场物理位移时程响应；工作模态分析方法可以是频域分解法，也可以是随机子空间法等方法。
进一步地，基于原始拉索振动视频获取目标拉索结构的初始拉索全场物理位移时程响应和基于目标振动视频获取目标拉索结构对应的修正拉索全场物理位移时程响应的方法相同。
具体地，步骤S10具体包括：S11，获取有目标拉索结构的原始拉索振动视频；S12，对原始拉索振动视频进行分帧处理，获取依时序排列的多帧拉索振动图像；提取拉索振动图像中目标拉索结构的拉索亚像素边缘点，拉索亚像素边缘点关联亚像素图像坐标位置；S13，对各帧拉索振动图像的任一位置测点i的拉索亚像素边缘点进行双匹配跟踪并基于对应的亚像素图像坐标位置，获取目标拉索结构的拉索单点图像位移时程响应，对所有位置进行上述处理进而获取目标拉索结构的拉索全场图像位移时程响应；S14，基于任一位置测点i对应的自适应比例转换参数和拉索单点图像位移时程响应，获取对应位置的拉索单点物理位移时程响应，对所有位置进行转换处理进而获取目标拉索结构的拉索全场物理位移时程响应。通过亚像素边缘检测、双匹配跟踪技术、自适应比例转换技术等图像处理技术，获取初始拉索全场物理位移时程响应和/或修正拉索全场物理位移时程响应，初始拉索全场物理位移时程包括多个拉索单点物理位移时程；然后通过初始拉索全场物理位移时程中的至少一个拉索单点物理位移时程进行处理获取目标拉索结构的拉索振动频率。
可选地，对目标振动视频进行分帧处理获取依时序排列的多帧拉索振动图像；提取拉索振动图像中目标拉索结构的拉索亚像素边缘点，拉索亚像素边缘点关联亚像素图像坐标位置；对各帧拉索振动图像的任一位置测点i的拉索亚像素边缘点进行双匹配跟踪并基于对应的亚像素图像坐标位置，获取目标拉索结构的拉索单点图像位移时程响应，对所有位置进行上述处理进而获取目标拉索结构的拉索全场图像位移时程响应；基于任一位置测点i对应的自适应比例转换参数和拉索单点图像位移时程响应获取对应位置的拉索单点物理位移时程响应，对所有位置进行转换处理进而获取目标拉索结构的修正拉索全场物理位移时程响应。
可以理解地，本发明中，因为有的频率对应的振型靠原始拉索振动视频识别不出来，所以在对整个的原始拉索振动视频进行放大的同时对这个频率（弱幅振动频率）对应的运动进行放大后，即得到放大后的视频（目标振动视频）；再基于目标振动视频获取目标拉索结构对应的修正拉索全场物理位移时程响应，进而可以成功提取目标振动视频对应的振型。
进一步地，步骤S12具体包括：对原始拉索振动视频进行分帧处理和去噪处理获取依时序排列的多帧拉索振动图像；采用Canny算子提取各帧拉索振动图像中的任一位置测点i的像素级边缘点；在像素级边缘点的基础上使用改进边缘模型的Zernike正交矩亚像素边缘检测算法获取像素级边缘点对应的拉索亚像素边缘点，亚像素边缘点关联亚像素图像坐标位置。
进一步地，基于任一位置测点i对应的目标边缘点及其相邻的真实近边缘点在当前帧的的亚像素图像坐标位置，确定目标边缘点在当前帧的更新位置；其中，确定与目标边缘点的垂向距离小于预设距离值T1的邻边缘点为真实近边缘点；构造目标边缘点和相邻后一帧中的所有边缘点邻域内的尺度不变特征变换（SIFT）描述符并将其平坦化为一维向量，计算目标边缘点与相邻后一帧中所有边缘点间的欧式距离；将欧式距离小于预设阈值的匹配对作为待定匹配对，通过随机抽样一致方法去除异常匹配对；利用亚像素边缘点的图像坐标关系对待定匹配对进行二次提纯获取目标边缘点在相邻后一帧中的匹配边缘点；利用匹配边缘点及其真实近边缘点的位置对目标边缘点在相邻后一帧的位置进行更新，获取更新位置；重复上述步骤，获取所有帧中目标边缘点的更新位置；基于目标边缘点在所有帧的更新位置与第一帧的更新位置获取目标边缘点的图像位移时程响应，即拉索单点图像位移时程响应。
更优地，将目标边缘点周围的16×16邻域分割成16个4×4的子区域，在每一个4×4的子区域中计算生成1个8方向直方图；通过对目标边缘点的所有子区域都进行上述计算，可以产生1个4×4×8=128维的特征向量，即SIFT描述符，随后计算相邻后一帧中所有边缘点的SIFT描述符，利用目标边缘点和相邻后一帧中所有边缘点之间的欧式距离进行粗匹配获取待定匹配对。
在具体实施时，采用双匹配跟踪方法，主要包括亚像素边缘检测技术：将拉索振动视频（原始拉索振动视频/目标拉索振动视频）进行分帧处理得到拉索振动图像序列，并对视频帧进行灰度化和高斯去噪处理；采用Canny算子提取拉索振动图像的像素级边缘点，再在像素级边缘点的基础上使用改进边缘模型的Zernike正交矩（Zernike OrthogonalMoment, ZOM）亚像素边缘检测算法获取亚像素位置。主要包括亚像素边缘点跟踪技术及全场位移获取技术：可以通过拉索亚像素边缘点在当前帧中与相邻后一帧中进行点匹配来跟踪以获取拉索振动位移。首先，确定目标边缘点及其邻边缘点的位置以计算目标边缘点在当前帧中的更新位置，再构造目标边缘点邻域内的尺度不变特征变换（Scale-InvariantFeature Transform, SIFT）描述符并将其平坦化为一维向量；然后计算目标边缘点与相邻后一帧目标边缘点之间的欧式距离，将欧式距离小于预设阈值的匹配对作为待定匹配对，通过随机抽样一致方法（Random Sample Consensus, RANSAC）去除异常匹配对；其次，利用亚像素边缘点的坐标关系对边缘点进行二次匹配提纯，从而可以准确获取目标边缘点在图像序列中的位置，并进一步得到拉索振动位移；最后，采用自适应比例转换方法对位移进行物理校准；对所有边缘点重复上述步骤，构建拉索全场位移时程响应，具体步骤如图2所示。
其中，采用双匹配跟踪技术的具体步骤如下：首先，使用2a+1个边缘点的坐标平均值来计算目标边缘点的更新位置从而提高边缘跟踪的鲁棒性。例如，对于第k帧中的目标边缘点，使用范围a内的邻边缘点坐标平均值到/>作为该点的更新坐标，a的值可以是5，如式(1)所示：
(1)
为了准确定位目标边缘点的邻边缘点，通过设置距离值T1消除虚假边缘点，如图2中a所示，例如，在第k帧中的i+1列有两个待确认边缘点，其中与参考点垂直距离大于T1的点为虚假邻边缘点/>，只有1个距离小于T1的点是真正的邻边缘点/>，即真实近边缘点。
通过上述步骤可以确定目标边缘点的所有真实邻边缘点；随后，将目标边缘点周围的16×16邻域，分割成16个4×4的子区域，然后在每一个4×4的子区域中计算生成1个8方向直方图；通过对边缘点的所有子区域都进行上述计算，可以产生1个4×4×8=128维的特征向量，即SIFT描述符；随后计算后一帧中所有边缘点的SIFT描述符，利用两帧边缘点之间的欧式距离进行粗匹配。
在对目标边缘点进行粗匹配后，难免存在多个匹配对，由于结构在相邻帧之间的坐标变化较小，本方案中进一步利用边缘点的坐标关系对匹配对进行二次提纯，如式(2)所示：
(2)
式中，和/>分别是匹配对在第k和/>帧中的纵坐标；T1和T2可通过实验确定。具体过程如图1所示。
在得到目标边缘点在后续帧中的更新位置后，利用式(1)计算其在每一帧中的更新位置，再通过式(3)计算其横向相对位移时程
（3）
式中，为目标边缘点在第k帧中的更新位置，/>为目标边缘点在第当前帧中的更新位置，n为结构振动视频的总帧数。对所有亚像素级边缘点做上述运算即可得到结构的全场位移时程。
进一步地，确定一参考位置的参考截面，参考截面的像素宽度为；
采用公式，确定任一位置测点i对应的比例转换系数/>；其中，/>是参考位置的上边缘点坐标，/>是参考位置的下边缘点坐标，/>是待校准的任一位置测点i的上边缘点坐标，/>待校准的任一位置测点i的下边缘点坐标；采用公式/>，获取任一位置测点i对应位置的拉索校准位移时程/>，其中，是所述任一位置测点i的所述拉索单点图像位移时程响应；根据参考位置的图像宽度与实际结构物理宽度的比例将图像坐标下的拉索校准位移时程/>转换为对应位置的拉索单点物理位移时程。
在具体实施时，基于自适应比例转换的位移校准方法具体步骤如下：对于大型结构如跨河海或峡谷的桥梁，相机通常只能架设在距离桥梁较远的地方，并且拍摄范围要求包含整个桥梁；由于相机畸变和拍摄角度的影响，桥梁结构不同位置的比例因子也不相同；一些研究通过假设相机光轴垂直于结构振动平面以忽略相机畸变影响，另一些研究则通过在结构表面安装靶标来进行相机矫正；为了实现完全非接触式测量，本研究提出了一种自适应比例转换方法对位移进行校准，基于被测结构物理宽度不变的原则，通过计算结构每个位置的比例转换系数以实现校准。
首先选择一个像素宽度为的参考截面作为参考位置，根据两个位置的物理宽度相等的假设，通过下式可以计算任一位置测点i的比例转换系数：
（4）
（5）
（6）
式中，和/>是参考位置的上边缘点坐标和下边缘点坐标；/>和/>是待校准的任一位置测点i（待校准位置i）的上边缘点坐标和下边缘点坐标，如图3所示；是位置i的比例转换系数，通过将原始位移/>与比例转换系数相乘即可得到位置i的校准位移：
（7）
最后，根据参考位置的图像宽度与实际结构物理宽度的比例将图像坐标下的全场位移转换为全场物理位移。
在一具体实施方式中，拉索索力识别技术包括：首先将全场振型进行正弦拟合，计算以像素为单位的振型波长；再将波长区域的比例因子进行平均，利用平均比例因子和实际拉索宽度计算振型波长的物理长度；最后，采用基于振型波长的索力公式计算拉索索力。
具体地，基于振型波长的拉索索力的公式具体推导过程如下：
斜拉索的动力学方程如式(8)所示：
（8）
式中，EI为拉索的弯曲刚度；为由拉索振动产生的竖向位移；T为拉索的索力；m为拉索的单位长度质量；t为时间；/>为数学运算符求偏导。
当拉索的两端为简支时，其边界条件满足式(9)：
(9)
式中，L为目标拉索的长度。
将式(8)和式(9)相结合，得到目标拉索的第n阶固有频率表达式，如式(10)所示：
（10）
当忽略拉索的弯曲刚度时，拉索的固有频率计算公式如式(11)所示：
（11）
拉索振动阶数n与拉索波长的关系如式(12)所示：
（12）
式中，为斜拉索的振型波长。
结合式(11)和式(12)得到基于拉索振型波长的索力计算公式如式(13)所示：
（13）
最后，利用频率法计算拉索索力，需要预先知道拉索固有频率的模态阶数，如果无法准确获取拉索的基频，频率的模态阶数就难以判断；根据式(12)可知，可以利用振型波长代替模态阶数项，实现在未知频率阶数的情况下，对拉索的索力进行盲识别。
本发明的拉索全场模态分析和索力识别方法采用的技术创新包括：第一，提出了改进的亚像素边缘检测技术，首先通过Canny算子获取拉索的像素级边缘位置，再利用改进边缘模型的Zernike矩亚像素边缘检测技术获取拉索边缘的亚像素位置；第二，提出了新的边缘跟踪方法，首先利用SIFT特征匹配对边缘点在图像序列中的位置进行预匹配，再利用边缘点的坐标关系进行二次匹配，从而精准定位边缘点在每一帧中的位置以获取拉索全场位移；第三，提出了无需靶标的位移校准方法，由于相机架设位置容易受到峡谷或河流的影响，导致相机相对于结构的角度和距离都各不相同，以往的研究通过在结构上安装靶标对相机进行矫正，但这违背了非接触式测量的初衷，本技术所提出的自适应比例转换方法实现了在无需安装靶标的情况下对拉索振动位移进行校准，可以消除相机拍摄角度的影响；第四，提出了一种更准确的拉索高分辨率振型识别方法，首先利用快速傅立叶变换对拉索位移时程进行处理，获取拉索振动频率，基于拉索振动频率确定弱幅振动频率，再使用基于相位的运动放大技术在拉索各弱幅振动频率的窄频带内进行运动放大，通过所提出运动估计方法获取拉索放大后的全场位移，利用工作模态分析技术对全场位移进行处理，识别拉索全场高分辨率振型；第五，提出了一种基于振型波长的拉索索力计算公式，首先将全场振型进行正弦拟合，计算以像素为单位的振型波长，再通上述步骤中波长区域的比例因子进行平均，利用平均比例因子和实际拉索宽度计算振型波长的物理长度。最后，采用基于振型波长的索力公式计算拉索索力。
请参考图4、图5、图6、图7以及图8，基于本发明的拉索全场模态分析和索力识别方法的现场实验分析如下：
获取振动视频：利用相机采集斜拉索的振动视频，帧率为60fps，采集时长为1min；相机位置距离斜拉索约120 m，如图4所示。
拉索全场模态参数分析：
通过改变相机焦距对斜拉索的近景振动视频进行拍摄，利用SED（亚像素边缘检测）技术和DMT（双匹配跟踪）技术从振动视频中提取1、5和9号斜拉索的拉索全场物理位移时程响应，并采用FFT（快速傅立叶变换）获取斜拉索的固有频率（各阶的拉索振动频率），如图5所示。可以看出，所提方法可以有效提取斜拉桥拉索的位移及频率，具有较好的适用性和实用性。
进一步对1-9号斜拉索的频率进行提取，将其与安装在斜拉索上的加速度传感器实测结果进行对比，如表1所示。可以看出，利用所提方法获取的拉索固有频率与加速度传感器结果吻合较好，误差在1 %以内。然而从图5和表1可以看出，环境激励下的拉索振动模态阶数难以确定，无法利用频率法对拉索索力进行计算。
为了说明本方法对于单阶振动拉索的独特适用性，选取2号拉索进行分析。首先，调整相机焦距对拉索的全场振动视频进行拍摄，利用PMM（基于相位的运动放大技术）技术对处理后的2号斜拉索振动视频进行放大处理，放大倍数设置为30，放大前后对比如图6所示；可以看出，未放大前的2号拉索振动频率傅立叶幅值仅为0.033，而放大后的拉索振动频率能量有明显提升，且未有其他噪声频率出现。
进一步地，获取2号拉索底部多个等距亚像素边缘点PMM（基于相位的运动放大技术）处理后的振动位移，建立拉索的全场位移时程矩阵；采用FDD技术对位移时程矩阵进行处理，获取的拉索不同分辨率振型如图7所示；可以看出，利用7个少数有限测点识别的拉索振型非常粗糙，无法求解振型波长并进一步计算索力，而通过62个测点可以很好地获取拉索高分辨率振型，从高分辨振型中可以看出2号拉索处于第9阶振动。结果表明：本文方法提取的高分辨率振型能够充分反映拉索的工作状态，并且可以有效确定拉索的振动模态阶数和振型波长，从而能够结合所提索力计算公式对单阶振动的拉索进行索力测量；因此，本发明所提的拉索全场模态分析和索力识别方法无需任何先验信息即可对拉索索力进行盲估计；此外，视觉方法通常容易受到云或其他背景的干扰，难以对全尺寸拉索进行拍摄，而所提方法可以仅拍摄拉索的局部振动，并识别对应的局部振型，根据局部振型的波长进行索力计算，充分说明本方法具有较高的适用性和鲁棒性。
进一步地，进行拉索索力计算（索力盲估计），通过1~9号斜拉索单阶频率和相应振型波长计算拉索索力，斜拉桥各拉索索力估计对比如图8所示，图8展示了估计索力和参考索力的比较结果，本文方法估算的索力与参考值基本一致，差异可能是由环境变化等因素引起的。结果表明：基于振型波长的视觉测量方法可以在无需先验信息条件下准确地识别单阶振动斜拉索的索力，由于长而重的实际拉索人工激振比较困难，因此本文通过运动放大技术来识别微振拉索的振动频率和高分辨率振型，并进一步对索力进行盲估计，无需对拉索进行有意激振，对于常规检测具有很大的优势，因此，所提出的基于视觉的振动测量方法提供了一种更有效和高效的方法来识别拉索模态参数和索力，并具有良好的精度。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (8)
1.一种拉索全场模态分析和索力识别方法，其特征在于，包括如下步骤：
S10，对原始拉索振动视频进行处理，获取目标拉索结构的初始拉索全场物理位移时程响应；
S20，利用快速傅立叶变换对所述初始拉索全场物理位移时程响应中的至少一个初始拉索单点物理位移时程响应进行处理，获取所述目标拉索结构的各阶的拉索振动频率；
S30，利用基于相位的运动放大技术在各阶所述拉索振动频率的窄带内对所述原始拉索振动视频进行放大处理并更新，获取目标振动视频，其中，所述窄带是小于1Hz带宽的频带；
S40，基于所述目标振动视频获取所述目标拉索结构对应的修正拉索全场物理位移时程响应；
S50，用工作模态分析方法对所述修正拉索全场物理位移时程响应进行处理，提取所述目标拉索结构各阶的全场高分辨率振型，所述全场高分辨率振型具有对应的振型波长，所述全场高分辨率振型由所述修正拉索全场物理位移时程响应中的不少于50个位置测点拟合形成；
所述目标拉索结构的全场高分辨率振型表示为目标拉索结构的测点密集位置的振型；
S60，采用公式确定所述目标拉索的拉索索力，其中，T为所述拉索索力，m为所述目标拉索的拉索单位长度质量，/>为各阶的所述全场高分辨率振型的所述振型波长，/>为各阶的固有频率。
2.根据权利要求1所述的拉索全场模态分析和索力识别方法，其特征在于，
步骤S10具体包括：
S11，获取有目标拉索结构的原始拉索振动视频；
S12，对所述原始拉索振动视频进行分帧处理获取依时序排列的多帧拉索振动图像；
提取所述拉索振动图像中所述目标拉索结构的拉索亚像素边缘点，所述拉索亚像素边缘点关联亚像素图像坐标位置；
S13，对各帧所述拉索振动图像的任一位置测点i的所述拉索亚像素边缘点进行双匹配跟踪并基于对应的所述亚像素图像坐标位置获取所述目标拉索结构的拉索单点图像位移时程响应，对所有位置进行上述处理进而获取所述目标拉索结构的拉索全场图像位移时程响应；
S14，基于任一位置测点i对应的自适应比例转换参数和所述拉索单点图像位移时程响应获取对应位置的拉索单点物理位移时程响应，对所有位置进行转换处理进而获取所述目标拉索结构的初始拉索全场物理位移时程响应。
3.根据权利要求2所述的拉索全场模态分析和索力识别方法，其特征在于，
步骤S12具体包括：
对所述原始拉索振动视频进行分帧处理和去噪处理获取依时序排列的多帧所述拉索振动图像；
采用Canny算子提取各帧所述拉索振动图像中的任一位置测点i的像素级边缘点；
在所述像素级边缘点的基础上使用改进边缘模型的Zernike正交矩亚像素边缘检测算法获取所述像素级边缘点对应的拉索亚像素边缘点，所述亚像素边缘点关联亚像素图像坐标位置。
4.根据权利要求2所述的拉索全场模态分析和索力识别方法，其特征在于，步骤S13具体包括：
S131，基于任一位置测点i对应的目标边缘点及其相邻的真实近边缘点在当前帧的所述亚像素图像坐标位置，确定所述目标边缘点在当前帧的更新位置；其中，确定与所述目标边缘点的垂向距离小于预设距离值T1的邻边缘点为真实近边缘点；
S132，构造所述目标边缘点和相邻后一帧中的所有边缘点邻域内的尺度不变特征变换描述符并将其平坦化为一维向量，计算所述目标边缘点与相邻后一帧中所有边缘点间的欧式距离；
S133，将欧式距离小于预设阈值的匹配对作为待定匹配对，通过随机抽样一致方法去除异常匹配对；
S134，利用亚像素边缘点的图像坐标关系对所述待定匹配对进行二次提纯获取所述目标边缘点在所述相邻后一帧中的匹配边缘点；
S135，利用所述匹配边缘点及其真实近边缘点的位置对所述目标边缘点在所述相邻后一帧的位置进行更新，获取更新位置；
S136，重复上述步骤，获取所有帧中所述目标边缘点的更新位置；
S137，基于所述目标边缘点在所有帧的更新位置与第一帧的更新位置获取所述目标边缘点的图像位移时程响应，即所述拉索单点图像位移时程响应。
5.根据权利要求2至4任一项所述的拉索全场模态分析和索力识别方法，其特征在于，步骤S14具体包括：
S141，确定一参考位置的参考截面，所述参考截面的像素宽度为；
S142，采用公式
确定任一位置测点i对应的比例转换系数；其中，/>是所述参考位置的上边缘点坐标，/>是所述参考位置的下边缘点坐标，/>是待校准的所述任一位置测点i的上边缘点坐标，/>待校准的所述任一位置测点i的下边缘点坐标；
S143，采用公式
获取所述任一位置测点i对应位置的拉索校准位移时程，其中，/>是所述任一位置测点i的所述拉索单点图像位移时程响应；
S144，根据参考位置的图像宽度与实际结构物理宽度的比例将图像坐标下的拉索校准位移时程转换为对应位置的拉索单点物理位移时程。
6.根据权利要求2至4任一项所述的拉索全场模态分析和索力识别方法，其特征在于，窄带为0.2Hz以内的频带。
7.一种基于结构全场模态分析的拉索索力识别系统，其特征在于，
包括影像采集设备以及处理装置，
所述影像采集设备用于获取有目标拉索结构的原始拉索振动视频；
所述处理装置用于实现如权利要求1至6任一项所述的拉索全场模态分析和索力识别方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，
所述计算机程序被处理器执行时实现权利要求1至6任一项所述的拉索全场模态分析和索力识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410348707.5A CN117949131B (zh) | 2024-03-26 | 2024-03-26 | 一种拉索全场模态分析和索力识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410348707.5A CN117949131B (zh) | 2024-03-26 | 2024-03-26 | 一种拉索全场模态分析和索力识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117949131A CN117949131A (zh) | 2024-04-30 |
| CN117949131B true CN117949131B (zh) | 2024-06-14 |
Family
ID=90800316
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410348707.5A Active CN117949131B (zh) | 2024-03-26 | 2024-03-26 | 一种拉索全场模态分析和索力识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117949131B (zh) |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105784211A (zh) * | 2016-03-07 | 2016-07-20 | 湘潭大学 | 一种斜拉桥索基波频率及索力的测定方法 |
| CN109341903B (zh) * | 2018-11-08 | 2020-10-02 | 东南大学 | 一种基于计算机视觉中边缘识别的拉索索力测量方法 |
| CN111044197B (zh) * | 2019-10-25 | 2021-06-11 | 东南大学 | 一种基于无人机平台的非接触式索力测试系统 |
| CN112985671B (zh) * | 2021-02-23 | 2021-11-23 | 中冶建筑研究总院有限公司 | 基于全索系索力测试和误差自适应分析的损伤判定方法 |
| US20220383478A1 (en) * | 2021-06-01 | 2022-12-01 | University Of Central Florida Research Foundation, Inc. | Computer vision-based system and method for assessment of load distribution, load rating, and vibration serviceability of structures |
| CN114445404A (zh) * | 2022-04-06 | 2022-05-06 | 湖南大学 | 基于亚像素边缘检测的结构振动响应自动识别方法及系统 |
| CN115683431B (zh) * | 2023-01-03 | 2023-08-18 | 湖南大学 | 基于直线跟踪算法的拉索索力确定方法、装置及设备 |
| CN116664488A (zh) * | 2023-04-25 | 2023-08-29 | 河海大学 | 基于手机app和机器视觉的桥梁表面病害及结构损伤监测方法 |
| CN117456422A (zh) * | 2023-11-17 | 2024-01-26 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 基于红外光与最优自适应模板匹配的拉索索力测试方法 |
-
2024
- 2024-03-26 CN CN202410348707.5A patent/CN117949131B/zh active Active
Non-Patent Citations (2)
| Title |
|---|
| Cable Force Determination Using Phase-based Video Motion Magnification and Digital Image Correlation;Wenbing Chen 等;International Journal of Structural Stability and Dynamics;20221231;第22卷(第7期);1-33 * |
| Cable vibration measurement based on broad-band phase-based motion magnification and line tracking algorithm;Kui Luo 等;Mechanical Systems and Signal Processing;20230702;1-18 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117949131A (zh) | 2024-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110823358B (zh) | 一种基于视觉处理的建筑振动位移测量方法 | |
| RU2529594C1 (ru) | Устройство калибровки, система измерения расстояния, способ калибровки и программа калибровки | |
| US6628804B1 (en) | Method and apparatus for measuring speed of vehicle | |
| CN103308430B (zh) | 一种测量种子千粒重的方法及装置 | |
| US8055060B2 (en) | Image processing apparatus capable of operating correspondence between base image and reference image, method of controlling that image processing apparatus, and computer-readable medium recording program for controlling that image processing apparatus | |
| JP2021531450A (ja) | オプティカルフロー映像処理を利用する河川流速測定装置および方法 | |
| US20120213405A1 (en) | Moving object detection apparatus | |
| EP3527934B1 (en) | Method, device and system for measuring tower top displacement of wind power generator set | |
| CN114596525A (zh) | 一种基于计算机视觉的动态桥梁形态识别方法 | |
| CN114993452B (zh) | 基于宽带相位运动放大的结构微小振动测量方法与系统 | |
| JP2001041803A (ja) | 液面検出方式 | |
| CN116363121A (zh) | 一种基于计算机视觉的拉索索力检测方法、系统及装置 | |
| CN114445404A (zh) | 基于亚像素边缘检测的结构振动响应自动识别方法及系统 | |
| CN112629409A (zh) | 一种线结构光条纹中心提取方法 | |
| CN115830024B (zh) | 基于图像分割的桥梁拉索微小运动振动检测方法 | |
| CN117949131B (zh) | 一种拉索全场模态分析和索力识别方法及系统 | |
| Shang et al. | Multi-point vibration measurement for mode identification of bridge structures using video-based motion magnification | |
| CN110907132B (zh) | 一种波向探测方法、系统、设备、介质 | |
| Liu et al. | SAR image matching based on speeded up robust feature | |
| Khuc et al. | Non-target displacement measurement of structures using vision based approaches | |
| CN112857750B (zh) | 一种基于边缘增强的扩展目标波前探测方法 | |
| JPH09281231A (ja) | 信号処理装置 | |
| Panin et al. | Application of the fractal dimension for estimating surface images obtained by various detectors | |
| CN116256096A (zh) | 一种基于EDLines直线检测的索力实时测量方法 | |
| CN103576146A (zh) | 用于检测区域中的高度变化的方法和装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |