基于歐拉放大和灰度均值差法的橋梁動態(tài)響應(yīng)研究

鄭佳艷,毛若愚,吳 桐,唐 亮,周志祥

(1.省部共建山區(qū)橋梁及隧道工程國家重點實驗室，重慶交通大學(xué)，重慶 400074；2.重慶交通大學(xué) 土木工程學(xué)院,重慶 400074)

振動信息是橋梁結(jié)構(gòu)的關(guān)鍵動態(tài)信息，是橋梁健康監(jiān)測的重要數(shù)據(jù)[1-2]。結(jié)構(gòu)系統(tǒng)的加載情況、邊界條件和物理性質(zhì)(如剛度)退化會引起振動的改變?；谡駝拥臉蛄航】当O(jiān)測常使用動態(tài)特性，如固有頻率、模態(tài)振型等來監(jiān)測可能發(fā)生的損壞位置及程度[2]。目前，橋梁結(jié)構(gòu)動態(tài)特性的獲取和計算常采用的方法是布置相當(dāng)數(shù)量的振動傳感器，形成傳感器網(wǎng)絡(luò)來收集振動數(shù)據(jù)。傳統(tǒng)的接觸式傳感器是指安裝到結(jié)構(gòu)特定位置的速度或加速度傳感器，其目的是測量該特定點處的動態(tài)響應(yīng)。其優(yōu)點是局部靈敏度高，但存在安裝可達(dá)性較差、周期性校準(zhǔn)無法實施、使用壽命有限、后期維護(hù)困難等缺點。

隨著攝像機(jī)設(shè)備的快速更新，一般的高清高速攝像機(jī)的影像質(zhì)量以及幀數(shù)頻率已經(jīng)能夠滿足對于大型結(jié)構(gòu)動態(tài)響應(yīng)影像數(shù)據(jù)的采集，并且非接觸式的振動測量方法能夠避免一些上述缺點。常采用的非接觸式動態(tài)測量方法有雷達(dá)遙感測量技術(shù)、光纖超聲波傳感器技術(shù)、激光測振技術(shù)等方式。如CHO[3]等就傳統(tǒng)測量手段、激光多普勒振動計(LDV)、基于視覺的位移測量系統(tǒng)(VDMS)和光電位移計(ODM)在全新高速鐵路橋負(fù)載情況下的位移測量進(jìn)行了比較分析，闡述了上述方法的可行性。孟利波[4]等利用電子散斑干涉法與全站儀測量結(jié)果進(jìn)行對比，證明了其方法的可行性。熊春寶[5]等分別就GPS和百分表實測兩種位移測量方式進(jìn)行了對比分析，結(jié)果表明兩者的測量精度相當(dāng)，測量結(jié)果滿足要求。董少博[6]提出采用多模干涉光纖超聲波傳感系統(tǒng)用于橋梁動撓度非接觸式監(jiān)測。黃智德[7]等采用激光測振對拉索索力進(jìn)行了測試，結(jié)果表明該方法與常規(guī)傳感器測試結(jié)果一致。上述采用的非接觸式測量方法可靠性較好，但測量設(shè)備相對昂貴，且操作技術(shù)要求高。

而攝影測量中常使用數(shù)字視頻數(shù)據(jù)來進(jìn)行高精度測量靜態(tài)位移(場)，其方法是利用數(shù)字圖像相關(guān)或邊緣檢測來測量結(jié)構(gòu)的變形。在橋梁工程領(lǐng)域，陳強(qiáng)[8]等采用基于車載近景攝影采集軌道數(shù)字圖像的方式檢測軌道線形。崔宗會[9]等提出了一種基于移動最小二乘算法擬合整像素位移求解亞像素位移的數(shù)字圖像相關(guān)方法，該方法大大提升了計算效率和精度。徐昊[10]等利用無人機(jī)拍攝方式獲取圖像并結(jié)合計算機(jī)圖像處理技術(shù)為高墩大跨度結(jié)構(gòu)檢測困難的問題提供了一種解決辦法。但是借助無人機(jī)拍攝的方式目前尚且不能提供足夠的分辨率來支持對結(jié)構(gòu)振動進(jìn)行量測。邵帥[11]等利用近景攝影技術(shù)對實驗室鋼桁橋獲取了其加載周期全息變形并在此基礎(chǔ)上利用全息變形數(shù)據(jù)進(jìn)行了損傷識別，證明了全息數(shù)據(jù)的重要性和潛力。

該方法面對的問題是橋梁結(jié)構(gòu)變形微小，直接通過視頻或圖像來獲取結(jié)構(gòu)的變形信息所要求的拍攝環(huán)境條件很高，且單單通過邊緣輪廓線上的像素點來識別位移的精度較低，可靠性難保證。2012年國外學(xué)者WU H Y[12]提出了一種歐拉微動放大技術(shù)的計算機(jī)視覺技術(shù)，它能夠?qū)σ曨l中的微小變動進(jìn)行放大。BALAKRISHNAN G[13]等運(yùn)用該方法通過揭示人體中血液顏色的微弱變化來測量人體脈搏。WADHWA N[14]等應(yīng)用基于相位的歐拉放大算法實現(xiàn)了高空中塔吊的微小運(yùn)動、相機(jī)的抖動等一系列微小運(yùn)動的放大處理。該技術(shù)的本質(zhì)是放大視頻圖像中指定帶通范圍內(nèi)目標(biāo)信號的幅值大小，從而可以將常規(guī)儀器設(shè)備和人眼無法識別的微小運(yùn)動信號放大到可以觀察和分析的程度。本文將利用歐拉影像放大技術(shù)和圖像處理技術(shù)(邊緣區(qū)域灰度差平均方法)來通過邊緣圖像灰度差值量化結(jié)構(gòu)目標(biāo)的振動信息，并且通過采用疊差和邊緣像素平均的方法極大地降低了由于噪聲等原因引起的系統(tǒng)誤差。同時通過對實驗室自錨式懸索橋的高速攝影測量計算結(jié)果與動態(tài)位移傳感器以及振動傳感器的實測結(jié)果數(shù)據(jù)進(jìn)行對比分析，驗證該方法的有效性和準(zhǔn)確性。該方法為無損檢測(NDT)和結(jié)構(gòu)健康監(jiān)測(SHM)提供一種新的非接觸式傳感器測量方法。

1 理論與方法

視頻是由一系列圖像按時間序列組成，因此視頻具有兩個域(空間域和時間域)；空間域體現(xiàn)在亮度值在單個圖像中的分配情況值，時間域則是圖像在時間上的演變關(guān)系，并通過兩者結(jié)合來合成視頻。圖像可以通過濾波器在空間域中分解成幅值和相位信號，類似于加速度計信號，同時可以由傅利葉或小波變換進(jìn)一步獲取代表視頻的時變信號。同時數(shù)字圖像常借助相機(jī)圖像傳感器測量的RGB(紅-綠-藍(lán))顏色模式存儲。并將稱為強(qiáng)度I的單個灰度值分配給每個像素，其中0和255分別代表黑色和白色。根據(jù)RGB值，MATLAB利用線性組合計算I，消除色調(diào)和飽和度信息，同時保持亮度[15]，其強(qiáng)度I的計算表達(dá)式為：

I=0.298 9R+0.587 0G+0.114 0B

(1)

式中：R、G、B分別為圖像中紅色、綠色、藍(lán)色分量值。

1.1 歐拉運(yùn)動放大

近年來，國外提出了一種歐拉運(yùn)動放大算法，該算法能夠放大視頻中的微小變化[12]。該算法使代表視頻中物體運(yùn)動的信號可以被時頻帶通濾波、放大和重構(gòu)成視頻。本文采用基于相位的運(yùn)動放大算法，其原理是使用復(fù)數(shù)域金字塔將視頻信號分解為局部空間組的幅值和相位。局部空間相位信號被時間傅里葉分解成一系列的空間相位信號。正弦波代表諧波運(yùn)動，然后對相位信號進(jìn)行時域帶通濾波、放大和重組，形成運(yùn)動放大視頻。其結(jié)果是：視頻中的運(yùn)動在指定的帶通范圍內(nèi)被進(jìn)行了放大處理，其余帶通范圍的信號則保持不變并與放大后的信號一并合成為放大后視頻；其歐拉放大流程示意圖如圖 1所示。

圖1 歐拉放大流程圖

1.2 框選疊差理論

本文基于上一節(jié)介紹的歐拉放大方法獲取目標(biāo)結(jié)構(gòu)微小運(yùn)動的動態(tài)響應(yīng)視頻，并且采用了一種基于邊緣區(qū)域灰度平均值疊差的方法來從視頻中獲取所需要的工程物理量如位移、頻率等。如圖 2所示，該方法實現(xiàn)的前提是假設(shè)在視頻拍攝的短時間過程中影像產(chǎn)生的噪聲值是一致的，即由視頻分解后的每一幀圖像中的噪聲值大致是相等的，于是通過前后幀灰度平均值相減疊差的方式可以將噪聲值進(jìn)行抵消，僅保留圖像因上下振動而產(chǎn)生的灰度值的相對變化量。

圖2 灰度均值疊差示意圖

為了進(jìn)一步說明了通過圖像灰度平均值疊差方法來獲取撓度曲線的思路。如圖3所示，該示意圖以第三節(jié)實驗對象(模型懸索橋)為背景制作，主梁實際圖像區(qū)域灰度值區(qū)間在0～180之間,虛線表示沿時間軸的框選區(qū)域灰度值的灰度強(qiáng)度曲線I(x)。本文假設(shè)：背景是深色的，并且感興趣的對象是淺色的，同時被觀測的目標(biāo)結(jié)構(gòu)只在豎直方向產(chǎn)生位移。被監(jiān)視區(qū)域像素的位置和大小為P(t,x)表示的灰色方塊。隨著目標(biāo)結(jié)構(gòu)的上下振動，不同框選區(qū)域?qū)?yīng)的灰度均值也不相同。使得灰度均值在I(x)曲線上垂直變換。邊緣區(qū)域灰度均值就是將圖像邊緣的一個框選區(qū)域的I(x)進(jìn)行均值化處理，這不僅能大大降低由于圖像邊緣輪廓線模糊帶來的識別精度低，誤差大等問題，還能提高圖像的信噪比。

圖3 灰度平均空域流程圖

為了進(jìn)一步闡明框選的功能及意義，如圖 4所示，以Lt×Wt(像素×像素)大小作為目標(biāo)結(jié)構(gòu)整體視頻區(qū)域，針對不同的視頻可以框選不同大小如Lp×Wp(像素×像素)的邊緣強(qiáng)對比度視頻區(qū)域。在圖像時間序列中該框選區(qū)域(Lp×Wp)的位置大小保持不變，而拍攝的目標(biāo)視頻區(qū)域(Lt×Wt)在激勵后上下振動。同時依次把前一幀的像素灰度值作為參照值，進(jìn)行前后幀圖像灰度平均值疊差計算，計算得出灰度值的相對變化量。其中像素灰度函數(shù)為：

圖4 灰度平均時域示意圖

(2)

式中：IP(t)為圖像區(qū)域像素灰度值;Imax,Imin為圖像區(qū)域內(nèi)像素最大值和最小值;np(t)為圖像區(qū)域噪聲像素值。

AP(t)=LP×WP是框選區(qū)域在時間序列上的像素灰度值之和，應(yīng)該注意，框選區(qū)域的長度Wp(像素)應(yīng)該足夠大以保證圖像振動產(chǎn)生的最大位移幅度A(像素)位于在框選區(qū)域之內(nèi)，即框選邊緣范圍內(nèi)主梁邊緣不能離開該框選區(qū)域，滿足Wp>A，避免關(guān)系變?yōu)榉蔷€性。

1.3 圖像降噪處理

同時考慮到在實際的測量中始終存在噪聲，本文用np(t)表示框選圖像區(qū)域的噪聲值。其定義如下：

(3)

其中，N是框選區(qū)域的像素總數(shù)；ni是像素i中存在的噪聲。將式(2)的像素灰度值也進(jìn)行平均化處理，其表達(dá)式為：

(4)

N是框選區(qū)域的像素總個數(shù);Ii是像素i的灰度值。為了將像素灰度值與工程物理量撓度建立聯(lián)系，需要進(jìn)一步確定校準(zhǔn)常數(shù)B(mm/pixel)，如圖5所示將觀測到的灰度值與實際位移之間的對應(yīng)關(guān)系，通過將框選范圍的實際長度h(mm)除以從對應(yīng)視頻幀中相應(yīng)長度范圍的像素值Li來實現(xiàn)。即:

B=h/Li

(5)

對于相機(jī)視角不垂直于結(jié)構(gòu)位移分量方向的情況，即當(dāng)α≠0時，應(yīng)用幾何校正因子C(無量綱)。該因子計算如下：

(6)

其中，a、b分別為表示攝像機(jī)與目標(biāo)中心之間的水平和垂直距離。

如圖 5所示對于測試結(jié)構(gòu)邊緣區(qū)域，攝像機(jī)的垂直軸應(yīng)與豎向坐標(biāo)軸對準(zhǔn)，同時角度β(表示相機(jī)與結(jié)構(gòu)中心的水平偏差)對豎向振動測試的影響較小，因此忽略其對測試結(jié)果的影響。

圖5 主梁測量示意圖

考慮到本文采用的歐拉放大技術(shù)對原視頻位移具有放大作用，因此設(shè)置還原因子K，其值為歐拉放大因子的倒數(shù)。通過校準(zhǔn)常數(shù)B和幾何因子C以及還原因子K可以獲得如下實際目標(biāo)動態(tài)位移uact(t)，mm：

uact(t)=B·C·K·Ip(t)

(6)

由于圖像噪聲的存在導(dǎo)致測試結(jié)果的誤差加大以及測試精度降低，因此需要對圖片進(jìn)行降噪處理。本文采用疊差理論和像素平均方法大大降低了噪聲對測試的影響。對于框選的邊緣區(qū)域平均過程(在等式1和4中表示)本身有助于降低噪聲，即噪聲的功率直接隨著框選區(qū)域中的像素數(shù)N的增加而減小。假設(shè)噪聲是獨(dú)立的，并且對于信號可以用靜止過程表示，可以得到以下像素灰度值標(biāo)準(zhǔn)差的表達(dá)式：

(7)

從等式7右邊的第二項可以看出，隨著像素數(shù)量N的增加，噪聲的功率隨之降低；即標(biāo)準(zhǔn)差越小，數(shù)值結(jié)果就越集中，越接近平均值，表明由于噪聲所引起的誤差就越小。

在等式7中用Wp×Lp(圖像框選區(qū)域的寬和長)代替N，即N=W×L(框選的寬度×長度)，可以得到信噪比(SNR)的表達(dá)式為：

(8)

式(8)表明，為了達(dá)到最大信噪比，必須最大化WP-to-LP比值，即保持盡可能短的長度并且盡可能寬的寬度將使信噪比最大化，同時注意Lp應(yīng)能覆蓋最大位移幅度A。對于固定的相機(jī)和短時間的照明條件不變的條件下，可以假設(shè)像素噪聲功率恒定，并且可以基于期望的信噪比指定適當(dāng)?shù)目蜻x大小。式(8)中對信噪比另一個因素是Imax-Imin，它對信噪比有更顯著的影響。從式(8)可知，目標(biāo)中深色和淺色的對比度越高，信噪比就越高。

2 模型橋試驗

2.1 試驗概況

為了進(jìn)一步的探索和論證基于歐拉影像邊緣灰度平均差值的非接觸式橋梁動態(tài)響應(yīng)獲取和結(jié)構(gòu)位移測量方法在結(jié)構(gòu)檢測中的可行性和適用性，對室內(nèi)一座自錨式懸索橋進(jìn)行了試驗研究。試驗懸索橋為武西高速公路桃花峪黃河大橋縮尺模型橋，比例為1∶30。模型橋主跨13.534 m，邊跨為5.3 m。該懸索橋的主梁為鋼箱梁，橋道板為預(yù)應(yīng)力混凝土橋道板，并且在跨中布置百分表測點，如圖 6所示。

圖6 實驗室懸索橋設(shè)計圖(單位：mm)

本次試驗儀器有索尼FDR-AX700攝像機(jī)、百分表、東華DH3818Y靜態(tài)采集儀、DH5902動態(tài)采集儀，各儀器設(shè)備布置如圖 7所示。由于主梁結(jié)構(gòu)與背景之間具備良好的色彩對比度即Imax-Imin的值較大，這有利于對結(jié)構(gòu)的振動進(jìn)行影像捕捉。為了證明該方法的有效性，試驗大多是在理想的條件下進(jìn)行，降低試驗測試難度。并且考慮到懸索橋結(jié)構(gòu)剛度小，柔性大的特性，僅在邊跨位置施加一豎向沖擊作用作為激勵，使其產(chǎn)生自由振動，直至結(jié)構(gòu)在阻尼效應(yīng)下趨于穩(wěn)定。

圖7 懸索橋測試儀器布置圖

2.2 數(shù)據(jù)采集與預(yù)處理

2.2.1數(shù)據(jù)采集

本次試驗，采用索尼FDR-AX700攝像機(jī)獲取橋梁結(jié)構(gòu)影像數(shù)據(jù)，結(jié)合百分表和東華H3818Y獲取主梁的撓度值，以及試驗東華DH5902動態(tài)采集儀獲取結(jié)構(gòu)的基頻信息。拍攝采用正交攝影的方式獲取影像數(shù)據(jù)，拍攝幀速率為100 fps，該頻率可以達(dá)到對該懸索橋結(jié)構(gòu)的振動信號的獲取要求。攝像機(jī)的位置垂直正交于試驗橋梁，以降低角度效應(yīng)引起的誤差，并針對結(jié)構(gòu)目標(biāo)選擇合適的拍攝距離，以避免重大的鏡頭畸變。

2.2.2數(shù)據(jù)預(yù)處理

首先對視頻進(jìn)行歐拉放大影像處理并獲取懸索橋清晰的全息變形。同時為了展示歐拉放大處理后的視頻效果，將視頻圖像進(jìn)行了灰度處理：先將懸索橋的視頻進(jìn)行分幀處理，然后對分幀處理后的視頻圖像進(jìn)行二值化處理，即將RGB圖像轉(zhuǎn)換為二值圖像。處理后的圖片僅保留懸索橋主梁區(qū)域為白色，其余區(qū)域轉(zhuǎn)換成黑色。懸索橋主梁的二值圖像如圖 8所示。從圖8可以清晰的看出，主梁在激勵作用下產(chǎn)生的微小撓度變化能夠被精確地捕捉并加以放大處理。

圖8 二值化主梁變形示意圖

其次，通過自主編寫的Matlab軟件程序?qū)嶒炗跋駭?shù)據(jù)進(jìn)行自動化的框選-分幀-均值化處理，其流程圖如圖 9所示。同時需要注意在主梁振動期間，框選的像素變化區(qū)域不得離開框選范圍，避免引入非線性數(shù)據(jù)值，出現(xiàn)信號截波現(xiàn)象。對于不同區(qū)域的位移提取可以設(shè)置不同的框選位置，每一個框選區(qū)域可以被認(rèn)為是放置在主梁上的“虛擬振動傳感器”，從而為結(jié)構(gòu)提供動態(tài)響應(yīng)信號。這些振動信號的功能等效于傳統(tǒng)的加速度傳感器，可以獲取到結(jié)構(gòu)的動態(tài)響應(yīng)，并適用于傳統(tǒng)的時域-頻域分析方法對獲取的數(shù)據(jù)進(jìn)行分析，得到結(jié)構(gòu)的基頻。

圖9 框選分幀均值處理示意圖

最后，如影像處理流程圖10所示，將連續(xù)圖像序列中前后幀圖像像素灰度均值進(jìn)行差值處理獲取相對變化值，并考慮到橋梁在激勵作用下，豎向撓度為其敏感性位移指標(biāo)，因此獲取了均值化處理后的懸索橋的動態(tài)響應(yīng)原始信號數(shù)據(jù)，以及在各測點布置的動態(tài)百分表獲取的對應(yīng)實際撓度數(shù)據(jù)。為了比較2個測量結(jié)果的數(shù)據(jù)，采取2個步驟：①時域中信號的同步；②通過實際的校準(zhǔn)因子B、還原因子K和幾何因子C將像素灰度均值信號轉(zhuǎn)換到實際位移。由于采用的正交攝影測量的方式(即攝像中心與目標(biāo)中心保持一致即式(6)中幾何因子C=1)。運(yùn)用式(5)將位移信號轉(zhuǎn)換為工程物理量(位移)。同時以組數(shù)據(jù)的峰值為統(tǒng)一指標(biāo)，計算2個數(shù)據(jù)之間的時間延遲，并據(jù)此統(tǒng)一時間軸坐標(biāo)。對上述2組數(shù)據(jù)進(jìn)行相關(guān)性分析。并進(jìn)一步對比通過傅里葉變化獲取結(jié)構(gòu)的動力特性參數(shù)(如基頻)。直接采用振動傳感器對實驗室懸索橋進(jìn)行測試獲取相關(guān)動力特性參數(shù)。

圖10 影像處理流程示意圖

2.3 結(jié)果分析

經(jīng)統(tǒng)一坐標(biāo)后的位移實測值與像素轉(zhuǎn)換值如圖11所示，從圖中可以看出由攝像機(jī)像素灰度值轉(zhuǎn)化后的的位移曲線與實測位移在幅值較大階段曲匹配較好。然而，隨著振幅的衰減，誤差逐漸加大，其原因可能是視頻后期圖像放大產(chǎn)生的誤差帶來的影響，且與百分表位移信號數(shù)據(jù)相比，相機(jī)信號顯示的細(xì)節(jié)更少，噪音也更大。之后對兩組數(shù)據(jù)進(jìn)行了相關(guān)性分析，結(jié)果如圖11中(b)所示，圖中表明攝像機(jī)轉(zhuǎn)換值數(shù)據(jù)和百分表獲取的位移數(shù)據(jù)之間的相關(guān)性為0.979 7，其值接近于1，表明兩組數(shù)據(jù)間的相關(guān)性高。

圖11 歸一化處理與相關(guān)性曲線示意圖

之后對獲取的視頻圖像邊緣輪廓區(qū)域平均值時程曲線以及百分表實測撓度時程曲線進(jìn)行快速傅立葉變換(FFT)頻域分析，將獲取結(jié)構(gòu)的頻率信息同通過加速度傳感器實測的結(jié)構(gòu)頻率進(jìn)分別對比分析，其結(jié)果如圖12所示。結(jié)果表明通過基于歐拉放大的邊緣區(qū)域灰度均值疊差方法所獲取的結(jié)構(gòu)基礎(chǔ)頻率為1.80 Hz與動態(tài)百分表實測撓度時間曲線經(jīng)過傅里葉變化的計算結(jié)果1.76 Hz，以及振動傳感器實測值1.76 Hz的差值均為0.04 Hz，相對誤差僅為2.2%，相對誤差產(chǎn)生的原因可能是由于圖像精度、以及放大處理所引入的噪聲所導(dǎo)致的。后期準(zhǔn)備通過采用分辨率更高的攝像機(jī)，選擇更加合適的放大因子等方式來增加數(shù)據(jù)的準(zhǔn)確性。

(a)像素灰度值曲線

最終將3種數(shù)據(jù)獲取方法得到的基頻數(shù)據(jù)匯總：圖像處理為1.80 Hz，位移實測為1.76 Hz，振動實測為1.76 Hz。結(jié)果表明本文提出的基于歐拉影像的邊緣區(qū)域均值處理方法所獲取結(jié)構(gòu)的位移、以及基礎(chǔ)頻率信息是準(zhǔn)確的。

3 實橋測試分析

3.1 實橋概況

為了評估該方法在實際環(huán)境中的適用性，本文還對重慶市的東水門大橋進(jìn)行了視頻圖像信息數(shù)據(jù)采集和頻率計算分析。東水門大橋為鋼桁架梁斜拉橋，功能定位為公路與軌道兩用，采用雙向兩車道，設(shè)計車速40 km/h;軌道交通設(shè)計時速60 km，主跨520 m，橋面寬21 m，全長1 000 m。

3.2 實橋測試

考慮到對任何的數(shù)字信號采樣都需要滿足采樣定理即：采樣率應(yīng)不小于信號中可區(qū)分的最高預(yù)期頻率的兩倍，商用攝像機(jī)的幀速率在30、60和120 fps范圍內(nèi)，這對于測量大型結(jié)構(gòu)系統(tǒng)(大型橋梁的基頻一般為個位數(shù))中的頻率非常合適。因此本文采用100 fps的拍攝格式進(jìn)行測試。同時針對過程中可能引入的噪聲，本文采用了均值算法和疊差理論兩種方式來進(jìn)行處理，前者在像素點足夠多時(N足夠大)能夠降低噪聲帶來的誤差，后者通過前后圖像疊差的方式來獲取相對變化量從而減小噪聲的影響。

3.3 結(jié)果分析

本文參考王濤[16]等提出了拉索振動測量相關(guān)概念以及方法。如圖 13所示，對東水門大橋開展了現(xiàn)場影像拍攝，采用動態(tài)采集儀對拉索進(jìn)行了現(xiàn)場實測，以第6根拉索為例，其實測一階頻率為：0.825 6 Hz，圖像處理得到的基頻值為：0.819 7Hz，兩者的誤差為0.059 Hz,這表明本文提出的方法具有較高的精度和可靠性。

圖13 東水門拍攝示意圖

(a)拉索實測值

4 結(jié)論與展望

本文提出了一種結(jié)合歐拉微動視頻放大技術(shù)和灰度均值差方法來獲取橋梁振動信息，將高速攝像機(jī)作為非接觸式的全場振動虛擬傳感器，并通過該虛擬傳感器獲取結(jié)構(gòu)的位移-時程曲線，計算了結(jié)構(gòu)任意點的基頻，在此基礎(chǔ)上將影像數(shù)據(jù)計算的結(jié)果與實測結(jié)果進(jìn)行對比分析，對比的結(jié)果包括轉(zhuǎn)換后的位移-曲線、結(jié)構(gòu)的基礎(chǔ)頻率。對比結(jié)果表明曲線吻合度較好，基頻準(zhǔn)確性高。因此，該工作為使用攝像機(jī)作為遠(yuǎn)程虛擬傳感器測量相關(guān)參數(shù)提供了一種新的非接觸式測量手段，并為進(jìn)一步進(jìn)行結(jié)構(gòu)狀態(tài)評估進(jìn)行了前期的探索和準(zhǔn)備工作。具體結(jié)論如下：

a.針對橋梁結(jié)構(gòu)的低頻振動特性，采用歐拉影像放大算法對指定帶通范圍信號進(jìn)行放大處理，同時提出采用邊緣區(qū)域像素灰度均值疊差的方法，通過前后幀圖像像素灰度均值作差的方式來獲取結(jié)構(gòu)的絕對變化量，在有效獲取到結(jié)構(gòu)的變化信息的同時從而避免了利用圖像邊緣單個像素來進(jìn)行位移信息提出所帶來的偶然誤差，且進(jìn)一步降低視頻影像信息中噪聲的影響。

b.提出了采用高速攝像機(jī)作為結(jié)構(gòu)振動頻率的虛擬傳感器，相比于傳統(tǒng)的測量工具更加廉價、便捷，同時測量結(jié)果也具備較高的精度，滿足工程測量的要求。證明了本文提出的方法能夠有效獲取結(jié)構(gòu)的變形曲線以及任意區(qū)域的基礎(chǔ)頻率信息，為結(jié)構(gòu)全息模態(tài)的獲取提供了新的方法。

本文的結(jié)論都是基于場景中的光照保持不變的假設(shè)，這對于短時間測量而言容易滿足，由于云層經(jīng)過太陽或建筑物后而改變照明或背景條件，可能會在物體上引入錯誤的視頻運(yùn)動信號。同時測量的準(zhǔn)確度取決于多種因素，如采樣率、分辨率、量化噪聲以及圖像傳感器質(zhì)量和尺寸以及鏡頭類型，必須注意避免視頻序列在這些條件下有太多的變化。若要將此方法進(jìn)一步應(yīng)用于結(jié)構(gòu)的長期監(jiān)測，則尚需對該方法進(jìn)行深入研究，否則可能導(dǎo)致虛假的運(yùn)動。