水庫大壩接縫開合度輕量化監(jiān)測技術(shù)研究與應(yīng)用

孫晨 丁勇 謝東輝 李登華

摘要：

針對傳統(tǒng)接縫開合度測量方法效率較低、難以實現(xiàn)長期監(jiān)測和自動化測量成本較高等問題，提出了一種針對水庫大壩接縫開合度測量的輕量化監(jiān)測技術(shù)。依據(jù)所建立的接縫開合度測量等效物理模型，在接縫附近區(qū)域架設(shè)低成本球型攝像機并在接縫兩側(cè)繪制相應(yīng)標(biāo)識，通過預(yù)處理、圖像配準(zhǔn)、模板匹配等流程得到標(biāo)識物的特征點相對坐標(biāo)，經(jīng)多次拍攝后計算相對坐標(biāo)變化，進而得到接縫開合度。室內(nèi)模擬與現(xiàn)場試驗結(jié)果表明：在無光環(huán)境下測量結(jié)果比有光環(huán)境下更為精確，符合工程實際場景；現(xiàn)場接縫開合度測量誤差均小于0.2 mm，符合規(guī)范中監(jiān)測精度要求，與自動化儀器測量結(jié)果重合率較高，波動趨勢基本一致。該技術(shù)具有高效性、實時性、準(zhǔn)確性、低成本等特點，對水庫大壩結(jié)構(gòu)的安全監(jiān)測具有一定的實用價值。

關(guān) 鍵 詞：

接縫開合度； 圖像處理； 繪制標(biāo)識； 模板匹配

中圖法分類號： TV698.1

文獻標(biāo)志碼： A

DOI：10.16232/j.cnki.1001-4179.2023.08.034

0 引 言

在中國眾多的水庫大壩中［1］，混凝土重力壩是主要壩型，在其建設(shè)過程中，接縫是關(guān)鍵施工項目，可以起到減少壩體縱向約束的作用以適應(yīng)運行期地基的不均勻沉降［2］，是大壩擋水和滲流控制的重要防線［3］。若后期對接縫監(jiān)測不到位，開合較大，則會將其有利作用轉(zhuǎn)為隱蔽的潛在危險，一定程度上削弱混凝土壩體承載力，破壞壩體防滲性能［4］。因此，在混凝土重力壩的日常安全監(jiān)測中，及時有效地監(jiān)測接縫開合度成為重要一環(huán)。

通過現(xiàn)場深入調(diào)研可知，接縫開合度監(jiān)測主要通過人工與自動化儀器相結(jié)合的方式進行［5-8］，但檢測人員利用游標(biāo)卡尺等設(shè)備進行測量，存在效率低、成本高等問題。隨著機器視覺與計算機圖像技術(shù)的飛速發(fā)展，依托計算機圖像識別的結(jié)構(gòu)病害診斷方法受到廣大學(xué)者的重視，但由于接縫與裂縫病害的性質(zhì)不同，接縫不因后期結(jié)構(gòu)變形而產(chǎn)生，易人為忽略?，F(xiàn)在對于接縫的研究主要集中在施工質(zhì)量控制上［9-11］，而針對如何利用圖像處理方法進行接縫開合度監(jiān)測的研究還較少。接縫與裂縫兩者具有共通之處，也有一定區(qū)別，國內(nèi)外學(xué)者對于裂縫圖像測量的大量研究成果可為接縫測量提供有效思路。張偉光等［12］提出了一種基于機器學(xué)習(xí)與圖像處理的裂縫提取算法。Rahmat［13］等提出了一種基于Viola-Jones算法的改進級聯(lián)面檢測技術(shù)，用于直接檢測混凝土墻的裂縫。肖創(chuàng)柏等［14］提出了一種基于Faster R-CNN的裂縫檢測與提取算法，可定位裂縫位置，分割裂縫目標(biāo)，計算出裂縫長度。此類技術(shù)大部分專注于在單一方法下，通過裂縫形態(tài)與圖像直接測得某一點或某一段寬度，存在分析速度慢、復(fù)雜條件下識別困難的缺陷。對于貫穿長度較長、內(nèi)部設(shè)有止水設(shè)備的接縫而言，直接提取接縫輪廓的可行性不高。同時，接縫本身不具有危害性，不需定位識別。方志等［15］基于圖像分析技術(shù)，在混凝土表面粘貼純色標(biāo)定塊，通過圖像處理確定最大裂縫寬度。Nishiyama等［16］在裂縫的兩側(cè)建立靶點，對靶點的數(shù)字圖像進行處理來確定靶點的位移，從而得到裂縫寬度的發(fā)展趨勢。上述研究通過在裂縫兩側(cè)粘貼人工標(biāo)志點，巧妙地將裂縫寬度測量轉(zhuǎn)變?yōu)闃?biāo)志點測量，規(guī)避了直接提取形態(tài)分析的技術(shù)難點，大大減少了算法工作量，提高了檢測效率。

基于此，為有效了解壩體運行狀態(tài)并及時發(fā)現(xiàn)大壩安全隱患，本文通過借鑒相關(guān)學(xué)者研究經(jīng)驗，將計算機視覺應(yīng)用于接縫開合度監(jiān)測，擬開展以下研究：探析接縫開合度變化實質(zhì)，構(gòu)建出測量等效物理模型，并依據(jù)實際工程場景設(shè)計油漆繪制標(biāo)識，實現(xiàn)無損檢測；采用雙重圖像預(yù)處理技術(shù)針對性提高采集的接縫圖片質(zhì)量，便于后續(xù)處理分析；提出基于不動點原則的圖像配準(zhǔn)方法，有效解決現(xiàn)場攝像機輕微晃動造成圖片姿態(tài)發(fā)生改變而影響測量結(jié)果的問題；提出運用模板匹配技術(shù)提取標(biāo)識形心特征點，并通過像素解析度換算的方法完成距離精確測算，探究得出一種低成本、高效率、高精度的接縫開合度監(jiān)測技術(shù)。

1 接縫開合度輕量化監(jiān)測

1.1 接縫開合度測量等效物理模型

接縫在水庫大壩結(jié)構(gòu)中通常具有不均勻性，接縫的內(nèi)壁有與背景顏色相近區(qū)域，界限區(qū)分不明顯，接縫內(nèi)部一般還設(shè)有止水設(shè)備等。若采取類似于裂縫的圖像處理方式，即直接識別并分析寬度［17-18］，則難以將接縫區(qū)域準(zhǔn)確提取分析，極易造成測量誤差。

通過分析接縫產(chǎn)生的原因可以得知，接縫開合度監(jiān)測的本質(zhì)是測量接縫兩側(cè)墻體之間的距離，即水平位移量，張開為正，閉合為負。因此，對接縫開合度變化監(jiān)測之前，提出建立如下物理等效模型：將接縫兩側(cè)視為兩個剛體，當(dāng)兩側(cè)剛體發(fā)生相對位移時，接縫就發(fā)生了開合，如圖1所示。將發(fā)生相對位移的剛體其中一個視為靜止的，當(dāng)接縫兩側(cè)剛體發(fā)生橫向位移時，可視為剛體B在遠離剛體A，接縫就發(fā)生了橫向展開，剛體上各點也隨之發(fā)生橫向位移。根據(jù)剛體平移定理［19-20］：剛體平移時，其上各點運動軌跡形狀相同且彼此平行；任一瞬間各點具有相同的速度和加速度，剛體的平移可由其上任意一點運動來代替，剛體的位移可以歸結(jié)為點的運動。

該模型將選擇兩個標(biāo)識物置于接縫兩側(cè)，由于標(biāo)識物形狀和灰度更具有特點，可自由選擇，相對于直接檢測接縫，標(biāo)識物檢測更為容易和準(zhǔn)確。標(biāo)識物上所確定的特征點之間若發(fā)生相對位移，即為接縫開合度發(fā)生變化。通過與計算機視覺技術(shù)結(jié)合，既能保留原有的物理意義，又做到了無損檢測。

1.2 繪制標(biāo)識設(shè)計

鑒于水庫大壩的廊道內(nèi)存在霧氣與滲水，本文擬采用油漆繪制標(biāo)識的方式實現(xiàn)接縫監(jiān)測。油漆表面油性不易沾水，在霧氣與滲水環(huán)境下，不易附著水滴形成污漬，實際應(yīng)用價值較高；同時，相較批量金屬標(biāo)識，選用環(huán)保油漆不僅施工方便，還節(jié)約成本。為增強繪制標(biāo)識在圖像中的對比度，易于計算機識別處理，繪制標(biāo)識采用黑白兩色搭配設(shè)計，即白色背景，黑色圖案。其中，白色邊框尺寸為100 mm×100 mm，黑色區(qū)域的圖形邊長均為80 mm。形狀遵循圖形簡單、特征明顯的原則，考慮到圖像處理中識別一般需要具有清晰明顯的角點輔助［21-22］，用來求解后續(xù)像素解析度，故選取等邊三角形與正方形，并將形心作為標(biāo)識物的特征點，最終標(biāo)識設(shè)計結(jié)果如圖2所示。

1.3 自動化監(jiān)測算法

自動化監(jiān)測算法對圖像處理的流程主要為：① 圖像數(shù)據(jù)讀取；② 圖像預(yù)處理（灰度、濾波、增強等）；③ 圖像配準(zhǔn)；④ 圖像匹配；⑤ 特征點提取與計算；⑥ 確定轉(zhuǎn)換系數(shù)；⑦ 距離比對。具體流程如圖3所示。

1.3.1 圖像預(yù)處理

圖像的采集與讀取是該方法的第一步，即檢測人員利用球型攝像機拍攝現(xiàn)場接縫與標(biāo)識物，采集到的圖像為彩色圖像。受到拍攝環(huán)境與結(jié)構(gòu)表面的影響，拍攝缺乏統(tǒng)一的背景光強度，圖像會在此區(qū)域內(nèi)產(chǎn)生大量噪點，受到信息破損的影響，因此需要對圖像進行預(yù)處理。分析相關(guān)學(xué)者研究成果可以發(fā)現(xiàn)，針對橋梁、建筑、水壩等結(jié)構(gòu)體缺陷的圖像監(jiān)測算法大多數(shù)均采用將彩色圖像轉(zhuǎn)為灰度圖像的方式來進行預(yù)處理［23-24］。綜上，本文預(yù)處理方法將從彩色圖像的預(yù)處理出發(fā)，然后再對灰度圖像進行處理，具體步驟如下：

（1） 彩色圖像預(yù)處理。彩色圖像預(yù)處理包括平滑濾波與銳化濾波，該技術(shù)手段是圖像處理領(lǐng)域最為常用的操作。結(jié)合去噪效果與處理速度，本文分別選用中值濾波與Prewitt算子對圖像進行平滑與銳化濾波。中值濾波屬于非線性濾波，中值濾波算法并不十分關(guān)注獨立像素的屬性，其中極大或極小的像素都不會被選作相應(yīng)替換值，該處理原則可有效避免離散型噪點對圖像的干擾，對椒鹽噪聲有較好的剔除能力［25-26］。Prewitt算子屬于梯度銳化，抗干擾能力較強［21］，對于本文標(biāo)識物的直線構(gòu)造有較好的適用性，可以有效提高邊緣清晰度。處理結(jié)果前后對比如圖4所示，處理效果如圖5所示。

對比原圖像和其對應(yīng)濾波后的灰度直方圖可以發(fā)現(xiàn)，濾波后的灰度圖范圍更為緊湊，圖像信息集中程度更高，處理效果較好。

（2） 灰度圖像預(yù)處理?；叶葓D像只有單通道，具有傳輸效率高、容量占比小等優(yōu)點，可以去除大量不必要的色彩信息，大大減少后續(xù)處理中的計算量。本文采用主流的加權(quán)平均法將處理后的彩色圖像轉(zhuǎn)為灰度圖像［27］?；叶葓D像預(yù)處理包括圖像增強與平滑銳化濾波。圖像增強的目的是為了進一步加強標(biāo)識物在圖中對比度，突出標(biāo)識物局部信息［28］。灰度圖像一般采用自適應(yīng)對比度增強算法處理，相比于自適應(yīng)直方圖均衡法，它可以有效避免過度放大圖像中均勻區(qū)域噪音問題，處理效果如圖5（c）與（d）所示。圖像增強后，再次利用平滑銳化濾波方法進一步去除殘余噪點，達到圖像預(yù)處理的效果。

1.3.2 圖像配準(zhǔn)

一個完整監(jiān)測周期內(nèi)，檢測人員將第一次采集的圖像作為基準(zhǔn)圖像，其拍攝角度與拍攝質(zhì)量可控，在此圖像坐標(biāo)系中計算的測量值稱為初始值，后續(xù)測量計算的結(jié)果將以初始值作為參考值，來衡量開合度?？紤]到實際測量過程中相機可能因外界風(fēng)力等因素發(fā)生輕微抖動，即相機姿態(tài)發(fā)生旋轉(zhuǎn)或偏移變化，使得采集圖像中標(biāo)識傾斜，進而導(dǎo)致圖像坐標(biāo)系無法統(tǒng)一，測量結(jié)果產(chǎn)生較大誤差，因此需要對后期采集的變化圖像與基準(zhǔn)圖像進行配準(zhǔn)，校正圖像姿態(tài)。

為了符合接縫測量意義以及避免暴力匹配，本文利用圖像中不動點作為配準(zhǔn)特征點。圖像中不動點為標(biāo)識物所在區(qū)域以外的特征點，即墻面自身具有的特征點，不會隨意發(fā)生改變，有著良好的穩(wěn)定性。利用特征點之間距離大小的不同來設(shè)定閾值，從而剔除標(biāo)識物內(nèi)部的特征點，并結(jié)合AKAZE特征點檢測將一段時間后采集到的圖像與基準(zhǔn)圖中不動特征點一一對應(yīng)，利用特征點參數(shù)精確求出變換矩陣H，完成圖像間校正。以發(fā)生極端旋轉(zhuǎn)的圖像為例，基準(zhǔn)圖像A拍攝時間為3月9日，變化圖像B拍攝時間為3月10日，校正效果如圖6所示。

通過分析圖像配準(zhǔn)數(shù)據(jù)，可以看出正確匹配率在85%以上，均方根誤差為1.237 5，已能滿足圖像配準(zhǔn)要求，校正效果較好。同時，運行時間為3.17 s，單個特征點檢測時間只需0.004 s，花費時間較少，運行效率較高。

1.3.3 模板匹配及形心提取

利用模板匹配及形心提取技術(shù)測量接縫開合度的原理如圖7所示。

（1） 由球型攝像機獲取基準(zhǔn)圖像A，以基準(zhǔn)圖像為基礎(chǔ)建立直角坐標(biāo)系，并截取基準(zhǔn)圖像中標(biāo)識物所在區(qū)域的圖像（一般為包含標(biāo)識物的盡可能小的矩形區(qū)域圖像）作為模板。

（2） 進行兩次匹配：① 對基準(zhǔn)圖像A模板進行匹配，匹配完成后對標(biāo)識物進行輪廓識別，獲取形心像素坐標(biāo)分別為x1，y1與x2，y2，計算得到基準(zhǔn)圖像中標(biāo)識之間的形心距離作為基準(zhǔn)距離，記為d1；② 對間隔t時刻后需要測量的圖像B模板進行匹配，獲得間隔ｔ時刻后的形心像素坐標(biāo)分別為x3，y3與x4，y4，計算得到間隔t時刻的圖像中標(biāo)識之間的形心距離作為變化距離，記為d2。由此進一步推出第ｔ時刻形心距離的像素距離變化量d2-d1。

（3） 通過像素解析度求解得出像素大小與實際尺寸的比例系數(shù)k，將像素距離變化量與比例系數(shù)相乘計算得到接縫開合度。

1.3.4 像素解析度求解

利用角點檢測算法將圖像中標(biāo)識的所有角點識別后，按從左至右順序命名為P1、P2…P7，如圖8所示。

2 接縫開合度監(jiān)測試驗驗證

2.1 室內(nèi)試驗

2.1.1 試驗材料及設(shè)備

本次試驗的器材有：大華牌球型攝像機1臺（性能參數(shù)見表2）、百分表和磁性支座各1個、滑臺1個、噴漆刻板1個、防銹蝕油漆2桶。球型攝像機的配套電源、路由設(shè)備連接方式及試驗裝置見圖9。

2.1.2 試驗方案

本次試驗方案設(shè)計A、B兩組，其中A組試驗在室內(nèi)有光環(huán)境下進行，B組在室內(nèi)無光環(huán)境下進行，兩組變焦倍數(shù)均為4倍。每組試驗基準(zhǔn)圖片中油漆圖案之間形心距離記為d，移動后得到10組新形心距離：d+2 mm，d+4 mm，d+6 mm，…，d+20 mm，與基準(zhǔn)圖片形心的距離差即接縫開合度。

本次試驗步驟為：① 將繪制的標(biāo)識物放置在球型攝像機正下方的一定距離，使得球型攝像機能夠垂直拍攝到繪制標(biāo)識物的整個區(qū)域，保持繪制標(biāo)識物位移平面與成像平面夾角不變。② 試驗過程中圖像采集頻率設(shè)置為60s。在每個采集周期內(nèi)，通過轉(zhuǎn)動滑臺轉(zhuǎn)軸來繪制標(biāo)識物的位置，將載有正方形油漆標(biāo)識的滑臺每次朝遠離三角形油漆標(biāo)識方向橫向移動2 mm，移動范圍0～20 mm。球型攝像機采集得到的圖像數(shù)據(jù)通過網(wǎng)絡(luò)傳輸至計算機處理，進行數(shù)據(jù)分析。③ 將數(shù)據(jù)分析得到的結(jié)果，與實際位移后通過百分表測得的結(jié)果進行對比，分析試驗過程中此技術(shù)的測量精度。

2.1.3 試驗結(jié)果與分析

根據(jù)試驗方案設(shè)計，A組試驗的像素解析度結(jié)果在0.661 1 mm/pixel上下浮動，B組的在0.643 2 mm/pixel上下浮動。不同試驗組別測量數(shù)據(jù)如表3所列。

由表3可知，兩次試驗相對誤差平均值分別為0.192%和0.356%，測量絕對誤差均小于0.2 mm，其中最大誤差為0.15 mm，測量精度較高。通過對誤差相對較大的幾組圖像進行分析發(fā)現(xiàn)，影響測量精度的主要因素是設(shè)備采集到的圖片質(zhì)量。而圖片質(zhì)量易受光照、目標(biāo)距離、分辨率等影響，由于本次試驗在室內(nèi)進行，受光照影響較小且目標(biāo)距離恒定，因此球型攝像機的分辨率與光學(xué)變焦倍數(shù)是主要影響因素。試驗發(fā)現(xiàn)在拍攝目標(biāo)距離較近即光學(xué)變焦較大時，誤差均較??；相反在光學(xué)變焦較小，拍攝目標(biāo)距離較大時誤差隨之增大，這是由于拍攝距離縮短，導(dǎo)致圖像的像素解析度減小，每一個像素點的精度得到提高，說明此技術(shù)在環(huán)境較好情況下的測量精度可以進一步提高。

從分組試驗結(jié)果對比可以看出，無光環(huán)境下試驗結(jié)果比有光環(huán)境下更好，這是由于在球型攝像機的紅外補光條件下，黑白油漆色差對比更加顯著，在圖像處理中效果優(yōu)異。有光環(huán)境下，計算機視覺顏色區(qū)分不大，在識別中容易出現(xiàn)較多噪點，引起一定誤差。這一特性正好符合工程現(xiàn)場中大壩廊道內(nèi)無光環(huán)境，應(yīng)用可行性較高。

為了更好地說明實際測量值與算法測量值之間相關(guān)程度，選取兩次試驗數(shù)據(jù)并將實際測量值作為自變量x，算法測量值作為因變量y，擬合結(jié)果如圖10所示。圖中直線表示完美擬合趨勢線y=x，計算趨勢線擬合程度指標(biāo)R2分別達到了0.999 95與0.999 97。

從室內(nèi)試驗的結(jié)果分析來看，使用輕量化監(jiān)測技術(shù)測量接縫開合度的環(huán)境適應(yīng)性較好，無論在有光還是無光環(huán)境下，測量精度都在規(guī)范容許誤差范圍以內(nèi)［31］，驗證了此技術(shù)的理論可行性與有效性。

2.2 現(xiàn)場試驗

現(xiàn)場試驗背景依托于浙江寧波市皎口水庫大壩14號廊道，該廊道凈寬3.5 m，高4.5 m，拱半徑1.25 m。本次試驗從2022年2月14日起，至2022年6月28日結(jié)束，利用現(xiàn)場安裝的設(shè)備對接縫圖像進行間隔性采集工作，處理結(jié)果與自動化測量進行比較，分析接縫開合度測量誤差。

2.2.1 設(shè)備布置及安裝

現(xiàn)場試驗中選取14號廊道內(nèi)兩處不同的接縫作為測點1和2。在首次巡檢時，去除測點附近污漬，并在其兩側(cè)安裝所需繪制標(biāo)識。球型攝像機采用海康威視E系列400萬7寸23倍紅外網(wǎng)絡(luò)球機，可有效保證無光環(huán)境下拍攝清晰度，安裝在標(biāo)識物所在區(qū)域正對面。在球型攝像機旁安裝電源箱，球型攝像機的供電方式采用與廊道內(nèi)照明設(shè)備共電進行，并通過無線網(wǎng)橋與光纖組合的方式在14號廊道出口匯合，將攝像頭的信號傳送至管理站監(jiān)控室監(jiān)控主機上，整體試驗設(shè)備布置及安裝如圖11所示。

2.2.2 試驗結(jié)果與分析

在規(guī)定的任務(wù)時間內(nèi)，本文提出的技術(shù)與自動化儀器監(jiān)測接縫開合度得到的數(shù)據(jù)結(jié)果如圖12所示。分別比對測點1與測點2監(jiān)測結(jié)果發(fā)現(xiàn)，兩者誤差均在規(guī)范［31］所要求的監(jiān)測精度（0.2 mm）以內(nèi)，測點1與測點2的平均誤差分別為0.011 4 mm與0.011 1 mm，整體平均誤差為0.011 25 mm。通過計算，兩測點的誤差標(biāo)準(zhǔn)差分別為0.042與0.044，可知測量誤差的離散性較小。

如圖12所示，算法測量值與自動化測量值重合率較高，且變化波動趨勢一致?，F(xiàn)場試驗中廊道內(nèi)均為無光環(huán)境，試驗效果較為理想，這與室內(nèi)試驗測量反饋的結(jié)果呈現(xiàn)相同的情況，說明本文提出的監(jiān)測技術(shù)是基本準(zhǔn)確的。進一步分析誤差發(fā)現(xiàn)，測點1和測點2出現(xiàn)較大誤差的時間分別是2022年4月28日和2022年2月26日，值分別是0.08 mm和0.07 mm。通過排查當(dāng)天所采集的照片發(fā)現(xiàn)，圖像整體在x方向拍攝傾斜度較高，導(dǎo)致像素解析度求解時的比例值不夠精確，無法用單個像素表達變化的具體量，對接縫開合度測量影響較大，最終引發(fā)誤差。結(jié)合室內(nèi)試驗分析結(jié)果可以推定決定誤差的重要參數(shù)是像素解析度，其影響因素有光學(xué)變焦倍數(shù)與拍攝傾斜程度，當(dāng)采集照片較為穩(wěn)定時，測量誤差也趨于穩(wěn)定。

現(xiàn)場試驗結(jié)果表明，本文所述技術(shù)符合規(guī)范中監(jiān)測精度要求，實際應(yīng)用效果良好，可以實現(xiàn)對大壩接縫開合度的定期遠程自動監(jiān)測。

3 結(jié)論與展望

（1） 為實現(xiàn)對接縫開合度的長期有效監(jiān)測，本文提出了利用計算機視覺對接縫開合度進行監(jiān)測的技術(shù)?；趯涌p周邊環(huán)境的考慮，提出了各類配套子算法，使得該技術(shù)對接縫圖像的處理具有較高的魯棒性，保證了測量結(jié)果的可靠性和穩(wěn)定性，并通過室內(nèi)試驗驗證了該技術(shù)的可行性與有效性。

（2） 現(xiàn)場試驗表明，該技術(shù)的測量值與自動化儀器測量值波動趨勢一致，重合率較高。測量平均誤差僅為0.011 25 mm，小于0.2 mm，能夠符合實際工程場景并滿足現(xiàn)行混凝土壩安全監(jiān)測技術(shù)規(guī)范中接縫開合度長期監(jiān)測的精度要求，應(yīng)用效果良好，可作為現(xiàn)有接縫開合度監(jiān)測手段的有力補充。

（3） 在后續(xù)的研究中，可基于現(xiàn)場的極端少見工況，如拍攝角度過于傾斜、長遠距離拍攝條件等，進行算法優(yōu)化，提高運行效率，不斷增強技術(shù)的適應(yīng)能力；裝置層面上可開發(fā)穩(wěn)定球型攝像機拍攝角度的支架，使得每次拍攝的圖像中標(biāo)識物處于同一位置等。

參考文獻：

［1］ 沈海堯.水電站大壩安全監(jiān)管創(chuàng)新回顧與展望［J］.大壩與安全，2019（1）：1-5.

［2］ 吳學(xué)謙，常耀孔，羅暢.三河口水利樞紐接縫灌漿施工效果分析［J］.水利規(guī)劃與設(shè)計，2021（9）：115-121.

［3］ 譚瀛，馬剛，徐建華，等.基于多變量時間序列和LSTM網(wǎng)絡(luò)的面板縫變形預(yù)測［J］.人民長江，2022，53（10）：198-204.

［4］ 蔡天德，謝東輝，房淑瑩，等.一種水庫大壩壩體接縫變形情況的監(jiān)測裝置［P］.CN213120409U，2021-05-04.

［5］ 云磊.“635”大壩安全監(jiān)測自動化系統(tǒng)更新改造［J］.人民長江，2017，48（增2）：288-290.

［6］ 鄭云濤.水庫大壩安全監(jiān)測自動化技術(shù)研究［J］.工程建設(shè)與設(shè)計，2018（9）：149-151.

［7］ 陳潔，包騰飛.混凝土拱壩裂縫光纖監(jiān)測網(wǎng)絡(luò)的優(yōu)化［J］.水電能源科學(xué)，2013，31（2）：102-105.

［8］ 鄭貴林，靳斯佳.基于振弦式傳感器的大壩變形檢測系統(tǒng)及應(yīng)用［J］.水電能源科學(xué)，2013，31（5）：67-69，58.

［9］ 卓戰(zhàn)偉，曹文波.梨園水電站大壩面板表面接縫止水及質(zhì)量控制［J］.人民長江，2016，47（11）：55-57.

［10］ 陳磊，唐力.三峽大壩接縫灌漿細縫灌區(qū)處理分析［J］.人民長江，2015，46（10）：1-3，37.

［11］ 周秋實.三里坪雙曲拱壩接觸、接縫灌漿施工工藝［J］.人民長江，2012，43（6）：69-72.

［12］ 張偉光，鐘靖濤，于建新，等.基于機器學(xué)習(xí)和圖像處理的路面裂縫檢測技術(shù)研究［J］.中南大學(xué)學(xué)報（自然科學(xué)版），2021，52（7）：2402-2415.

［13］ RAHMAT A，DHARSHAN L G，CHA Y J.Vision-based concrete crack detection technique using cascade features［C］∥Smart Structures and Materials+Nondestructive Evaluation and Health Monitoring，2018.

［14］ 肖創(chuàng)柏，柏鰻晏，禹晶.基于Faster R-CNN的縫隙檢測與提取算法［J］.北京工業(yè)大學(xué)學(xué)報，2021，47（2）：135-146.

［15］ 方志，彭海濤.基于圖像分析技術(shù)的混凝土橋梁結(jié)構(gòu)表面裂縫寬度檢測［J］.湖南大學(xué)學(xué)報（自然科學(xué)版），2012，39（1）：7-12.

［16］ SATOSHI N，NAO M，TERUYUKI K，et al.Improved digital photogrammetry technique for crack monitorring［J］.Advanced Engineering Informatics，2015，29（4）：851.

［17］ 劉娟紅，孟翔，段品佳，等.基于MATLAB的混凝土裂縫寬度計算方法研究［J］.材料導(dǎo)報，2022，36（6）：84-89.

［18］ 魏海斌，武少威，張啟帆，等.基于圖像處理的瀝青路面裂縫識別算法研究［J］.中外公路，2020，40（4）：73-78.

［19］ 秦晨，張偉仁.剛體平動和剛體定軸轉(zhuǎn)動中力學(xué)問題的對比研究［J］.大同大學(xué)學(xué)報（自然科學(xué)版），2015，31（4）：25-28.

［20］ 趙近芳，王登龍.大學(xué)物理簡明教程［M］.2版.北京：北京郵電大學(xué)出版社，2013：47.

［21］ 楊奇昊.基于圖像處理的雙標(biāo)識物裂縫監(jiān)測系統(tǒng)［D］.南京：南京理工大學(xué)，2021.

［22］ 周鑫.基于數(shù)字圖像特征的邊坡滑動監(jiān)測系統(tǒng)設(shè)計與實現(xiàn)［D］.重慶：重慶大學(xué)，2020.

［23］ 倪彤元，周若虛，楊楊，等.基于智能手機APP的圖像法檢測混凝土表面裂縫研究［J］.計量學(xué)報，2021，42（2）：163-170.

［24］ 房銘坤，付國.基于數(shù)字圖像處理的混凝土裂縫寬度檢測方法研究［J］.建筑結(jié)構(gòu)，2019，49（增2）：630-634.

［25］ TUKEY J.Exploratory data analysis［M］.Hoboken：Addison-Wesley，1977.

［26］ MARAGOS P，SCHAFER R.Morphological filters-Part Il：Their relations to median order-statistic，and stack filters［J］.IEEE Transactions on Acoustics，Speech and Signal Proessing，1987，35（8）：1170-1184.

［27］ 張德豐.MATLAB 數(shù)字圖像處理［M］.北京：機械工業(yè)出版社，2012.

［28］ 王浩，張葉，沈宏海，等.圖像增強算法綜述［J］.中國光學(xué)，2017，10（4）：438-448.

［29］ 張宇.基于AKAZE特征的圖像配準(zhǔn)算法研究［D］.南寧：廣西大學(xué)，2020.

［30］ 楊福嘉.基于特征點的圖像配準(zhǔn)技術(shù)研究［D］.哈爾濱：哈爾濱工程大學(xué)，2019.

［31］ 中華人民共和國水利部.混凝土壩安全監(jiān)測技術(shù)規(guī)范：SL 601-2013［S］.北京：中國水利水電出版社，2013.

（編輯：胡旭東）

Abstract：

Aiming at the problems of low efficiency of traditional joint opening measurement methods，difficulty in long-term monitoring and high cost of automatic measurement，a lightweight monitoring technology for dam joint opening was proposed.According to the established equivalent physical model for joint opening monitoring，a low-cost spherical camera was set up near the joint，and signs were drawn on both sides of the seam.The relative coordinates of the feature points of the markers were obtained through the process of preprocessing，image registration，template matching，etc.After several shots，the relative coordinate changes were calculated and the joint opening was obtained.The results of indoor simulation and field test showed that the measurement was more accurate by this method in the dark environment than in the light，which was in accord with the actual engineering scene.The measurement error of joint opening was less than 02 mm，which met the monitoring accuracy requirements in the specification，the coincidence rate with the measurement results of automatic instruments was high，and the fluctuation trend was basically consistent.This technology has the characteristics of high efficiency，real-time，accuracy and low cost，and has certain practical value for the safety monitoring of reservoir dam structure.

Key words：

joint opening；image processing；logo drawing；template matching