基于視頻亞像素模板匹配算法的索力試驗

周子杰

（上海市建筑科學(xué)研究院有限公司，上海市201108）

0 引 言

索結(jié)構(gòu)在建筑和橋梁設(shè)施中有不少應(yīng)用。索力檢測是一項索結(jié)構(gòu)運營階段重要的安全保障工作[1]。常規(guī)索力檢測的方法包括振動法、壓力環(huán)法、磁通量法、雷達法等[2-3]，其中又以振動法為主。振動法通過測量索體的振動頻率，基于索體索力和索體振動頻率的理論關(guān)系得到索力[4]。有的時候，甚至不經(jīng)索力換算直接以測量得到的拉索振動基頻作為評價索體運營性能的主要指標(biāo)。

振動法測量索力需要檢測人員將加速度傳感器放置在索體上，然后測量環(huán)境隨機激勵或者外界強迫激勵下拉索的動態(tài)響應(yīng)，屬于單點接觸式測量。近年來，隨著基于計算機視覺的非接觸測量技術(shù)的興起[5]，通過影像方式遠(yuǎn)距離測量索體動態(tài)響應(yīng)成為許多學(xué)者嘗試的新方法。

Dongming Feng等[6]利用相機拍照方式對佛羅里達一座體育場施工過程中的索體索力進行了非接觸測量，并與測力計的實測結(jié)果比較，結(jié)果顯示誤差在5.6%以內(nèi)。大連理工大學(xué)Xuefeng Zhao等[7]采用每秒30幀的智能手機對試驗室內(nèi)的一根斜拉索模型的振動特性進行了視頻測試分析，并與智能手機內(nèi)自帶的加速度傳感器測試結(jié)果進行比較，測試的精度誤差小于±5%。廣州大學(xué)李昆倫等[8]采用每秒240幀的手機自帶相機對一座縮尺斜拉橋模型的拉索進行振動識別，試驗結(jié)果與理論計算的頻率相比最大誤差2.6%。河海大學(xué)Wenkang Du等[9]采用二值化方法識別拉索上提前安裝好的靶標(biāo)，進而分析拉索自身的振動特性和索力，并在縮尺斜拉橋模型上進行多目標(biāo)識別試驗，結(jié)果表明最大誤差為3.05%。

研究利用“單根鋼絞線+夾片錨+靜載錨固裝置”的試驗方案，簡化模擬了一根索張拉受力狀態(tài)，通過基于計算機視覺的非接觸測量技術(shù)（以下簡稱“視覺法”）測量索體的動態(tài)響應(yīng)，得到索體的基頻，并與傳統(tǒng)采用加速度的振動法（以下簡稱“加速度法”）的測量結(jié)果進行比較，初步驗證視覺法的可行性，并討論應(yīng)用于工程實際的相關(guān)問題。

1 試驗方案

試驗索體采用單根由7股鋼絲聚合成的高強低松弛預(yù)應(yīng)力鋼絞線，公稱直徑15.2 mm，抗拉強度設(shè)計值1 860 MPa。索體通過夾片錨固方式與靜載錨固裝置相連接，如圖1所示。加載裝置采用上海華龍測試儀器有限公司W(wǎng)JM-6500型電液伺服靜載錨固試驗機，最大加載力為6 500 kN，加載精度為1 N。

圖1 試驗裝置布置

試驗過程中，鋼絞線采用分級張拉方式，按照10 kN一級的加載間隔進行，從20 kN加載到50 kN，共4級。每級加載完成持荷，待穩(wěn)定后分別同步開展基于視覺法和加速度法的索響應(yīng)測量。

其中，視覺法測量設(shè)備采用感光底片大小為24.9 mm×16.6 mm、像素2 610萬的富士XT3相機和等效焦距38 mm鏡頭。加速度法測量設(shè)備采用北京東方振動和噪聲技術(shù)研究所生產(chǎn)的壓電傳感器，分辨率0.000 1 m/s2，量程10 g。

2 圖像分析算法

研究采用基于歸一化相關(guān)系數(shù)的模板匹配（template match）圖像識別算法，并通過差值實現(xiàn)亞像素識別精度。算法的主要流程如圖2所示。

圖2 亞像素模板匹配算法流程

首先以首幀為基準(zhǔn)幀，在首幀圖像中選定拉索索體振動響應(yīng)的關(guān)注范圍ROI（region of interest）。其次，逐幀分析視頻圖像中和首幀ROI相似度最高的區(qū)域，通過歸一化相關(guān)系數(shù)指標(biāo)來判定最佳匹配區(qū)域。再次，進一步采用亞像素差值方法擬合最佳匹配區(qū)域內(nèi)的極值，作為識別位置。如此分析完各幀后，將各幀中識別位置的坐標(biāo)和對應(yīng)各幀的記錄時間組成索體振動的時域分析結(jié)果。最后，通過時頻域轉(zhuǎn)化分析可得索體的振動特性。

一般情況下，為了消除相機自身抖動對識別結(jié)果產(chǎn)生的影響，會進行相機抖動篩除計算。本次試驗由于在試驗室進行，基本排除了相機振動問題，因此算法中未考慮這部分內(nèi)容。

另外，上述整個算法中，亞像素差值擬合式的選取對識別精度和計算速度有較大影響，且一般對精度和速度兩者的影響規(guī)律是相反的。為了平衡識別算法的精度和速度，本研究以某一次試驗數(shù)據(jù)為基礎(chǔ)，對比了目前常用的四類差值（最鄰近插值、雙線性插值、雙三次插值和Lanczos差值）擬合方法的信噪比（頻譜中峰值部分面積和其他部分面積比）和分析時間。分析結(jié)果如圖3所示。由對比結(jié)果可知，雙線性插值在有效提高信噪比的同時，也不顯著增加計算時長。因此，選取雙線性插值方法對試驗中所有圖像數(shù)據(jù)進行亞像素計算。

圖3 不同插值算法計算時間和頻譜信噪比

3 頻率識別結(jié)果

基于上述算法，研究將試驗結(jié)果進行位移計算和時頻域轉(zhuǎn)化。典型的位移識別結(jié)果如圖4所示。由于研究關(guān)注頻率，因此位移識別結(jié)果以像素為單位，未進行長度尺寸轉(zhuǎn)換。

圖4 視頻豎向位移識別結(jié)果（局部）

基于視覺法和加速度法的基頻識別結(jié)果如圖5所示。在不同的張拉力下，基于視覺法的測試結(jié)果均較好地識別出索體的振動基頻。視覺法的頻譜峰值明顯，且與加速度法的識別結(jié)果基本一致，初步驗證了視覺法的可行性。

圖5 不同張拉力下拉索基頻識別結(jié)果對比

當(dāng)然，對比視覺法和加速度法的頻譜圖形可知，雖然兩者的頻率峰值均非常明顯，但相較而言，視覺法頻率上有一定的毛刺（噪聲），而加速度法較為光滑。研究進一步采用上一節(jié)中定義的頻譜信噪比分析兩種方法的信號噪聲，計算結(jié)果見表1。對比可知，基于靈敏的加速度傳感器的加速度法測試結(jié)果噪聲極小，而基于視覺法的噪聲相對較大。相同條件下，兩者有數(shù)量級的差異。

表1 頻譜信噪比對比

這里必須指出的是，試驗中加速度法傳感器自身的高精度（分辨率0.000 1 m/s2）和高采樣頻率（512 Hz）是其高信噪比的主要原因。對比試驗中，視覺法的傳感器設(shè)備，其采樣頻率為60 Hz，且鏡頭畫面中拉索的占比較低，導(dǎo)致單位像素下對應(yīng)的物理位移量較大，影響了視覺法的信噪比。這為后續(xù)視覺法提高識別精度從傳感器側(cè)提出了可改進的思路。

4 索力計算結(jié)果

得到索體基頻后，可根據(jù)索體自振頻率域索力的理論關(guān)系計算得到索力。根據(jù)上海市地方標(biāo)準(zhǔn)DB 31/T973—2016[10]，兩端鉸支的受拉索索力T的計算公式如式（1）所示。

式中：m為拉索單位長度的質(zhì)量；L為拉索的計算長度；fn為第n階振動頻率；n為拉索自振頻率的階數(shù)；E為拉索鋼絲彈性模量；I為拉索截面抗彎慣性矩。

本次試驗拉索的錨固長度實測為3.65 m。將試驗得到的拉索頻率和相關(guān)參數(shù)值帶入式（1）計算得到基于振動頻率分析結(jié)果的拉索索力測量值，并與靜載錨固試驗機的張拉力讀數(shù)進行比較，結(jié)果如圖6所示。

圖6 索力識別結(jié)果對比

基于視覺法的索力識別結(jié)果與實測值相比，最小誤差0.98%，最大誤差5.94%。對比傳統(tǒng)加速度法，索力識別結(jié)果的最小誤差1.24%，最大誤差6.88%。對比計算結(jié)果可知，視覺法具備開展實際結(jié)構(gòu)索力測試的能力，且測量精度基本能滿足工程實際需求。

5 結(jié)語

研究通過一臺靜載錨固裝置和一根鋼絲繩簡化模擬了索體在結(jié)構(gòu)中張拉受力的狀態(tài)。分別采用基于計算機視覺的視覺法和基于傳統(tǒng)加速度傳感器的振動法開展了索體在不同張拉力下的自振頻率測量工作，對比了試驗結(jié)果，有如下結(jié)論：

（1）研究采用基于插值法的亞像素模板匹配算法，通過對比計算效率和頻譜信噪比選擇了雙線性插值等算法作為亞像素差值方法。

（2）試驗室測試對比結(jié)果表明，視覺法識別的拉索振動頻譜峰值明顯，基頻和索力識別結(jié)果與實測值相比，最大誤差不超過6%，具備開展實際結(jié)構(gòu)索力測試的能力。

為了進一步提高視覺法的識別精度、識別范圍和有效信號強度，采用高分辨率底片、高光學(xué)放大率鏡頭和高采樣頻率的設(shè)備是設(shè)備側(cè)改進的方向。