一种基于计算机视觉扫描的中小跨径桥梁损伤识别方法

本发明涉及结构健康监测领域，是一种基于计算机视觉对桥梁以扫描方式采集数据进行损伤识别的方法。

背景技术：

1、根据有关资料显示，截至2022年末，我国公路桥梁数量已达103.32万座，8576.49万延米。其中，特大桥梁8816座、1621.44万米，大桥15.96万座、4431.93万米，近五年桥梁数量增加27.61万座。可见中小跨径桥梁占据桥梁总数的绝大部分，桥梁建造需要投入大量的人力、经济，桥梁的维护和管养费用更是巨大，因此如何进行经济的桥梁结构健康监测成为研究热点。

2、随着计算机视觉技术的迅速发展，基于摄像机的非接触式视觉传感器逐渐成为替代传统接触式传感器进行结构动力响应测量和结构监测的重要手段。传统的接触式传感器布置和维护繁琐且昂贵，在实际工程应用中容易受限，而基于计算机视觉的测量可以实现远距离、非接触操作，可以做到对结构产生最小程度影响，且视觉传感器的成本低、易于设置和操作，以及具有从单一视频中提取结构任意点位移的灵活性。但是由于基于计算机视觉的结构测量容易受到视场范围的限制，目前大多数研究集中在使用计算机视觉技术获取结构的重点部位的位移时程，而使用计算机视觉技术识别结构损伤的研究工作很少。现阶段，结构损伤识别主要通过比较结构损伤前后的模态参数变化完成，可以用于损伤识别的模态参数例如固有频率、阻尼、模态振型等，其中基于模态振型的损伤识别是最常见的方式，但是对测点密度要求高，这也使得基于振动的结构损伤识别难以真正应用于实桥。

3、考虑到上述问题，本发明利用医学检查上的扫描检查概念与计算机视觉相融合，给出了一种基于计算机视觉扫描的中小跨径桥梁损伤识别新方法。该方法使用计算机视觉的单一视场以扫描的手段实现利用模态振型进行损伤识别，不再受限于视场范围和高测点密度的要求，相较于其他基于计算机视觉识别结构损伤的方法更具有方便和高效的特点。

技术实现思路

1、本发明提供一种基于计算机视觉扫描的中小跨径桥梁高密度振动测试与损伤识别方法，利用类似扫描处理的技术对中小桥梁进行高密度传感测量，开发新的测量技术手段及建立结构振动响应识别和损伤识别流程，对桥梁结构进行非接触式健康监测和损伤识别。

2、为实现上述目的，本发明采用的技术方案为：

3、1)确定扫描框尺寸。根据所用的计算机视觉硬件、测量环境与所需识别的损伤大小来确定计算机视觉扫描框尺寸；

4、2)对桥梁进行基于计算机视觉扫描的快速振动测试。在桥梁侧向表面等间隔布置采样点，依据扫描框尺寸，从桥梁一侧逐次移动到另一测，边扫描边进行扫描框内梁段的损伤识别。最后，在扫描框重叠步进的状态下完成整座桥梁或者重点桥梁区域的振动测试；

5、3)对每个扫描框所测的视频图像，采用数字图像相关等技术以高密度测点识别扫描框内各个等间隔点的结构位移响应；

6、4)对每个扫描框单独进行损伤识别。对扫描框内高密度测点的振动数据进行模态参数识别，利用获得的多阶次模态振型曲率片段，识别结构损伤位置。

7、步骤一中，扫描框尺寸的确定与所选用的计算机视觉硬件条件、测量环境、所关注的结构损伤程度有关。选用的计算机视觉硬件参数条件越好，视场范围就越大且测量精度越高，扫描框尺寸就越大；测量环境干扰越小，可保证测量点多的同时也能有高的测量精度，因而扫描框尺寸就可以越大；结构损伤程度越大，损伤位置的模态曲率变化越大，损伤越容易识别，因此扫描框可设置越大。

8、步骤二中，在桥梁表面等间隔布置标志点，在疑似损伤区域进行加密布置，标志点间隔越小，相同扫描框长度内所测量数据越精密，损伤识别的精度越高。相机的视场大小即扫描框尺寸的大小，依据扫描框尺寸大小，设置移动步长，移动步长越小，重叠区域就越大。从桥梁一侧逐次移动至另一侧，在扫描框重叠步进的状态下完成整座桥梁的测试。

9、扫描框内部分为核心区与边缘区，核心区对应的测量点是真正用于结构损伤识别，边缘区用于计算核心区的振型曲率，以辅助进行损伤识别。核心区必须连续或者重叠，核心区连续表示扫描框移动过程中的扫描框的核心区是连续的，核心区重复表示扫描框移动过程中的扫描框核心区重复在一起，意味着反复扫描这一段，可以在疑似损伤的区域进行，以提高损伤识别的精度。

10、步骤三中，关键在于在高密度测点下识别该扫描区域的各等间隔点的位移振动响应，可以利用高对比度的自然标志点或者人工布置等间隔高对比度标志点以提高振动位移响应算法的识别精度。

11、步骤三中，依据步骤二所述的方式，通过工业相机进行区域扫描，每个扫描框的结果将以文件的方式存储于计算机内部，通过相应的程序算法实时对每段视频进行处理，利用数字图像相关技术等技术获取各个扫描框内的结构位移，然后通过对标志点的定位，提取每个采样点处的位移时程。

12、所述步骤三中数字图像相关技术，是以处理后视频的第一帧图像为参考图像，第i帧图像分别与第一帧图像做互相关运算，得到扫描框内结构的位移。互相关运算具体为：先获取初始结构和变形后结构图像灰度值i(x,y)、id(x,y)；对两幅图像进行互相关处理，计算两幅图像的相关性c：

13、

14、式中，b为参考图像(第一帧图像)子区的面积，x、y为图像的像素坐标；δx、δy为参考子区和变形子区的位置差，i和id分别为变形前后图像像素的灰度值，使c(δx,δy)取得极大值的δx、δy就是结构的像素位移。将变形后的图像分别与参考图像做此互相关运算，得到各个扫描框内采样点的位移响应。

15、步骤四，基于步骤三得到的每个扫描框中各采样点的位移时程，利用随机子空间算法获取该扫描框的多阶模态振型，从理论上来说，模态曲率是位移模态的二阶导数，可通过中心差分法近似计算结构振型的模态曲率。因此，通过此方法获得多阶次模态振型曲率片段，识别结构损伤位置。

16、以某一个扫描框n为例，扫描框得到的测量点个数为ni，其中核心区点数为nc，边缘区测量点数则为(ni-nc)。假设所识别的第r阶振型为将振型进行最大值归一化后计算其振型曲率。则第r阶振型在节点i处的振型曲率为：

17、

18、式中，为桥梁结构在第n个扫描框内第r阶振型第i点的曲率；为桥梁结构在第n个扫描框内第r阶振型；in为第n个扫描框内的第i个测点；h为相邻测点的距离。相邻测点的距离h和所识别损伤的精度有关，h越小识别精度越高。

19、当识别有多阶振型时，通过下式将多阶振型曲率融合：

20、

21、其中，nm代表识别的振型个数。

22、根据每个扫描框内振型曲率的异常识别结构损伤的位置与严重程度。当结构发生局部损伤时，结构这一部位的振型曲率会明显大于其他部位的振型曲率，因此可以利用振型曲率来识别损伤。由于每次扫描都会接续或重叠上次扫描框的部分核心区，所以不用考虑分段处损伤识别的问题，即可以只针对各个扫描框识别的部分振型进行损伤识别，而无需组装成整体的模态振型进行损伤识别。

23、有益效果：本发明基于计算机视觉技术进行中小跨径桥梁结构的健康监测，通过扫描的方式对桥梁结构进行损伤识别，扫描框在重叠步进状态下完成对桥梁的扫描，对各个扫描框，通过边缘区参数辅助核心区参数得到的模态曲率进行分段损伤识别。扫描框大小的灵活性以及扫描框识别损伤的方式，可以在不同参数等级的工业相机条件下完成高密度传感测量，为损伤识别提供了一种有效的新方法。