CN108286948A - 一种基于图像处理的桥梁挠度检测方法 - Google Patents

Abstract

本发明公开了一种基于图像处理的桥梁挠度检测方法。步骤如下：首先将红光半导体激光器固定在某一固定位置，将摄像头装在一个五面不透光，一面是半透光屏的长方体盒子内，并将该盒子固定在待测桥梁上。调整激光器的位置使得激光器光点打在半透光屏中央位置。摄像头接入嵌入式处理器，获取到含有光点的图像信息并处理得到该光点位置信息。随着桥梁挠度的变化，出现在光屏上的光点位置随之改变，通过光点位移测出挠度变化量。本发明操作方便简单，硬件轻且小，测量精确。

Description

一种基于图像处理的桥梁挠度检测方法

技术领域

本发明属于远距离非接触测量技术领域，特别是一种基于图像处理的桥梁挠度检测方法。

背景技术

在机械化设备高度集中的现代社会中，测量技术无疑占据着举足轻重的地位。然而现在对测量设备的要求，不仅需要较高的测量精度、效率，更需要测量设备操作方便，携带轻巧，自动化程度高等。在一些特殊场合，例如高温、微小尺寸、高速、长时间检测等，传统的测量方法已经很难胜任日常需求。因此，对自动远距离非接触的新型测量方法进行探索和研究具有重大意义。

非接触测量方法一般包括声波测量、光电测量、图像测量等，其中现阶段使用比较多的有声波测量技术和光电测量技术，但这两种测量技术存在一些弊端，他们对测量对象要求比较高，其中声波测量技术需要被测物表面反射能力强，否则测量结果不理想。随着计算机技术的发展，图像处理技术的日益完善，基于图像处理的测量技术在工程应用中得到了高度重视，并获得了迅速的发展。图像处理技术将数字图像处理技术、电子技术、控制技术、计算机技术和光电检测技术结合在一起，构成了一个完整的测量***。基于图像处理测量***，一般具有精度高、测量速度快、自动化程度高、操作简单、可长时间检测等优点。

传统桥梁挠度检测方法存在一些难以避免的缺陷，百分比法，只适用于水较浅的河流上的桥梁；倾角仪法，这种方法对仪器设备本身和安装的精度要求高；静力水准仪法，精度高、抗干扰性强，但量程有限；精密水准仪法，只能靠人工测量，人为和环境的影响较大，效率较低；GPS卫星定位***，测量精度不高，且成本较高等，而基于图像处理技术测量方法是一种能够避免这些缺陷的测量桥梁挠度的方法。

发明内容

本发明的目的在于提供一种操作简单、测量精度高的基于图像处理的桥梁挠度检测方法。

实现本发明目的的技术解决方案为：一种基于图像处理的桥梁挠度检测方法，通过嵌入式***采集含有目标光点的图像，并将获取的图像进行滤波去噪、特征提取和通过灰度质心法求出目标光点中心位置坐标。将目标光点最终位置与初始标定位置比较，从而确定移动实际距离，具体包括以下步骤：

步骤1、将装有摄像头和靶平面的长方体盒子安装在桥梁上，其中靶平面位于摄像头的前方，将红色半导体激光器安装在非桥上的固定点，使得激光器光线与靶平面垂直，并且使目标光点初始位置处于靶平面中央，使用全站仪对靶平面和半导体激光器进行远距离校准，保证激光光线垂直入射至靶平面；之后用摄像头采集靶平面上的图像；所述长方体盒子的靶平面是半透光屏，其余五面不透光。

步骤2、将采集到的彩色图像转换成灰度图像之后进行中值滤波和阈值分割，得到目标光点；所述中值滤波公式为：

g(x,y)＝Med{f(x-k,y-l),k,l∈W}

其中f(x,y)，g(x,y)分别是原目标点和处理后的点，W是二维模板，为十字形、圆形或圆环；

阈值分割具体为将该图像中的每一个像素值与阈值进行比较，小于阈值的点像素被置0，大于或等于阈值的像素点值保持不变，其中阈值通过最大类间方差法确定，具体为：

假设一幅图像I(x,y)，区分目标区域和背景区域的阈值设为T，定义ω₀为背景区域内像素个数占总图像像素个数比例，μ₀为背景区域像素的平均灰度值，ω₁为目标区域内像素个数占总图像像素个数比例，μ₁为目标区域像素的平均灰度值，μ为图像I(x,y)所有像素的平均灰度值，g为方差g＝ω₀ω₁(μ₀-μ₁)²；g最大时对应的灰度值为阈值T。

步骤3、以靶平面左下角为原点，向上为x轴正方向，向右为y轴正方向，将只含有目标光点的图像通过加权灰度质心法，求出该目标光点所在光屏坐标系内的圆心坐标；加权灰度质心法所用公式为：

其中I(x,y)为原图像的灰度值，(x,y)为目标光点区域内有效点位置坐标，(x₀,y₀)为中心坐标，T为阈值。

步骤4、标定初始位置的坐标，当桥梁挠度发生变化时，目标光点位置随之变化，记录变化后的光点位置；之后求出光点位移量；

步骤5、将光点位移量转化为实际位移量。所用公式为：

s＝βd

其中s是实际位移量，β是单个像素边长实际长度，d是光点位移量。

本发明与现有技术相比，其显著优点为：(1)通过识别红色半导体激光器光点落在光屏的位置来判断桥梁移动距离，具有较高的精度且受外界因素影响小；(2)整个过程都是通过嵌入式***自行完成，具有高度自动化，操作简便；(3)所需硬件资源较少，方便长期检测桥梁，测量成本低。

附图说明

图1是本发明基于图像处理的桥梁挠度检测方法的原理图。

图2是本发明基于图像处理的桥梁挠度检测方法的流程图。

图3是本发明基于图像处理的桥梁挠度检测方法的目标光点图。

具体实施方式

本发明的方法首先通过USB摄像头获取含有目标光点的图像，嵌入式***获取到图像流之后对该图像中值滤波、阈值分割处理，得到目标光点图像，通过灰度质心法求出该目标光点中心坐标。嵌入式***不断检测该目标光点中心坐标位置，该点中心位置移动的距离乘以像素对应实际距离系数则为实际移动距离。本发明方法操作简单、所需硬件资源少、测量精度高等优点。

结合附图，本发明的一种基于图像处理的桥梁挠度检测方法，包括以下步骤：

步骤1、将装有摄像头和靶平面的长方体盒子安装在桥梁上，其中靶平面位于摄像头的前方，将红色半导体激光器安装在非桥上的固定点，使得激光器光线与靶平面垂直，并且使目标光点初始位置处于靶平面中央，使用全站仪对靶平面和半导体激光器进行远距离校准，保证激光光线垂直入射至靶平面；之后用摄像头采集靶平面上的图像；所述长方体盒子的靶平面是半透光屏，其余五面不透光。

步骤2、将采集到的彩色图像转换成灰度图像之后进行中值滤波和阈值分割，得到目标光点；所述中值滤波公式为：

g(x,y)＝Med{f(x-k,y-l),k,l∈W}

其中f(x,y)，g(x,y)分别是原目标点和处理后的点，W是二维模板，为十字形、圆形或圆环；

阈值分割具体为将该图像中的每一个像素值与阈值进行比较，小于阈值的点像素被置0，大于或等于阈值的像素点值保持不变，其中阈值通过最大类间方差法确定，具体为：

假设一幅图像I(x,y)，区分目标区域和背景区域的阈值设为T，定义ω₀为背景区域内像素个数占总图像像素个数比例，μ₀为背景区域像素的平均灰度值，ω₁为目标区域内像素个数占总图像像素个数比例，μ₁为目标区域像素的平均灰度值，μ为图像I(x,y)所有像素的平均灰度值，g为方差g＝ω₀ω₁(μ₀-μ₁)²；g最大时对应的灰度值为阈值T。

步骤3、以靶平面左下角为原点，向上为x轴正方向，向右为y轴正方向，将只含有目标光点的图像通过加权灰度质心法，求出该目标光点所在光屏坐标系内的圆心坐标；加权灰度质心法所用公式为：

其中I(x,y)为原图像的灰度值，(x,y)为目标光点区域内有效点位置坐标，(x₀,y₀)为中心坐标，T为阈值。

步骤4、标定初始位置的坐标，当桥梁挠度发生变化时，目标光点位置随之变化，记录变化后的光点位置；之后求出光点位移量；

步骤5、将光点位移量转化为实际位移量。将光点位移量转化为实际位移量所用公式为：

s＝βd

其中s是实际位移量，β是单个像素边长实际长度，d是光点位移量。

本发明的方法所需硬件资源较少，方便长期检测桥梁，测量成本低。

下面进行更详细的描述：

结合图1，本发明基于图像处理的桥梁挠度检测方法，通过采集图像获取含有目标光点位置的图像，经嵌入式***对获取图像进行中值滤波、特征提取，结合图3，所述为已经提取的目标光点图像，通过加权灰度质心法确定目标光点中心位置。通过检测目标光点位置的变化，可以确定桥梁实际挠度变化量。具体包括以下步骤：

步骤1、将装有摄像头和靶平面的长方体盒子安装在桥梁上，其中靶平面位于摄像头的前方，将红色半导体激光器安装在非桥上的固定点，使得激光器光线与靶平面垂直，并且使目标光点初始位置处于靶平面中央，使用全站仪对靶平面和半导体激光器进行远距离校准，保证激光光线垂直入射至靶平面；之后用摄像头采集靶平面上的图像；所述***硬件包括NanoPi M2开发板，通过USB与摄像头相连，通过HDMI接口与显示屏连接。所述长方体壳体采用五面不透光，一面是半透光屏，摄像头安装在半透光屏对面的一面，因此采集到的初始图像信息含有较少的噪声信息。

步骤2、将采集到的彩色图像转换成灰度图像之后进行中值滤波和阈值分割，得到目标光点；

步骤3、以靶平面左下角为原点，向上为x轴正方向，向右为y轴正方向，将只含有目标光点的图像通过加权灰度质心法，求出该目标光点所在光屏坐标系内的圆心坐标；

步骤4、标定初始位置的坐标，当桥梁挠度发生变化时，目标光点位置随之变化，记录变化后的光点位置；之后求出光点位移量；公式为：

其中I(x,y)为原图像的灰度值，(x,y)为目标光点区域内有效点位置坐标，(x₀,y₀)为中心坐标，T为阈值。

步骤5、将光点位移量转化为实际位移量，公式为：

s＝βd

其中s是实际位移量，β是单个像素边长实际长度，d是光点位移量。

下面结合实施例对本发明做进一步详细说明。

实施例1

结合图1～2，本发明提出的基于图像处理的桥梁挠度检测方法步骤如下：

步骤一：设备安装与图像获取

首先将该***的带有摄像头和靶平面的长方体壳体安装在桥梁待测部分，在靶平面相应的一端将红色半导体激光器固定在某个固定位置，使得红色半导体激光器发射出的光线与靶平面垂直，并且测量前光点初始的位置在靶平面中央。使用全站仪对靶平面和半导体激光器进行远距离校准。检测时，嵌入式***通过USB摄像头采集含有目标光点的图像。

步骤二：图像预处理

在本发明所提出的基于图像处理的桥梁挠度检测方法中，对获取图像的预处理主要是中值滤波。

红色半导体激光器具有方向性好、相干性好、单色性好、亮度高和光斑稳定等优点。虽然半导体激光器具有以上优点，能够在靶平面上成像出非常清晰的图像，但是外界的干扰和噪声都是不可避免。由于本发明中采用将摄像头放置在五面不透光，一面为半透的靶平面，因此摄像头接收到的图像涉及到的外部干扰较少，即只要对获取的图像进行中值滤波预处理即可。主要的方法是通过一个二维的滑动模板，将模板内的像素值进行大小排序，因此无论是暗点噪声还是亮点噪声都会出现在排序数列的前后两端，而最终选择的中值一般不会是噪声点，因此达到抑制噪点的效果。

所述滤波公式：

g(x,y)＝Med{f(x-k,y-l),k,l∈W}

其中f(x,y)，g(x^,y)分别是原目标点和处理后的点，W取二维模板

步骤三：目标光点提取

在本发明方法中，经过预处理后的图像将使用阈值分割法将图像划分为不同灰度值。通过分析图像背景和目标光点灰度值的差异来选择一个合适的阈值，然后将该图像中的每一个像素值与该阈值进行比较，小于阈值的点像素被置0，大于或等于阈值的像素点值保持不变。图像分割的效果完全取决于阈值的选择。

本发明利用最大类间方差法确定分割图像的阈值。通过分析图像的灰度分布，将图像分为背景区域和目标区域两部分。背景区域和目标区域的方差相差越大表明阈值分割法的效果越好，且两个区域间的方差最大时进行阈值分割造成部分目标错分成背景或者部分背景错分成目标的概率最小。

假设一幅图像I(x,y)，区分目标区域和背景区域的阈值设为T，定义ω₀为背景区域内像素个数占总图像像素个数比例，μ₀为背景区域像素的平均灰度值，ω₁为目标区域内像素个数占总图像像素个数比例，μ₁为目标区域像素的平均灰度值，μ为图像I(x,y)所有像素的平均灰度值，g为方差g＝ω₀ω₁(μ₀-μ₁)²；g最大时对应的灰度值为阈值T＝124。

步骤四：确定目标光点中心位置

本发明是以光屏左下角为原点，向上为X轴正方向，向右为Y轴正方向，将目标光点提取之后的图像通过加权灰度质心法，求出该目标光点在光屏坐标系内的中心位置。将目标区域内的每个像素点的坐标乘以该点的灰度值作为权重来计算目标光点中心位置。利用距离中心点越近灰度值越大的特点，给距离越近的点更大的权重，有效抑制了图像边缘地灰度值的像素点对中心位置的影响。

其计算公式为：

其中I(x,y)为原图像的灰度值，(x,y)为目标光点区域内有效点位置坐标，(x₀,y₀)为中心坐标，T为阈值。

得到初始位置A(x₀,y₀)＝(518,645)，移动后的位置B(x₀,y₀)＝(872,645)。

步骤五：桥梁挠度检测

通过上述方法得到检测前目标光点中心位置作为初始位置，检测时得到新的目标光点位置，通过两点计算出光点位移量为354，光点位移量转化为实际位移量，公式为：

s＝βd

其中β是单个像素边长实际长度为0.0854579mm，d是光点位移量为354，s是实际位移量为3.02520966mm，用高度计测量实际位移距离为3.048mm，误差为0.02mm左右，非常小。

Claims (5)

1.一种基于图像处理的桥梁挠度检测方法，其特征在于，包括以下步骤：

步骤1、将装有摄像头和靶平面的长方体盒子安装在桥梁上，其中靶平面位于摄像头的前方，将红色半导体激光器安装在非桥上的固定点，使得激光器光线与靶平面垂直，并且使目标光点初始位置处于靶平面中央，使用全站仪对靶平面和半导体激光器进行远距离校准，保证激光光线垂直入射至靶平面；之后用摄像头采集靶平面上的图像；

步骤2、将采集到的彩色图像转换成灰度图像之后进行中值滤波和阈值分割，得到目标光点；

步骤3、以靶平面左下角为原点，向上为x轴正方向，向右为y轴正方向，将只含有目标光点的图像通过加权灰度质心法，求出该目标光点所在光屏坐标系内的圆心坐标；

步骤4、标定初始位置的坐标，当桥梁挠度发生变化时，目标光点位置随之变化，记录变化后的光点位置；之后求出光点位移量；

步骤5、将光点位移量转化为实际位移量。

2.根据权利要求1所述的基于图像处理的桥梁挠度检测方法，其特征在于，步骤1中所述长方体盒子的靶平面是半透光屏，其余五面不透光。

3.根据权利要求1所述的基于图像处理的桥梁挠度检测方法，其特征在于，步骤2中所述中值滤波公式为：

g(x,y)＝Med{f(x-k,y-l),k,l∈W}

其中f(x,y)，g(x,y)分别是原目标点和处理后的点，W是二维模板，为十字形、圆形或圆环；

阈值分割具体为将该图像中的每一个像素值与阈值进行比较，小于阈值的点像素被置0，大于或等于阈值的像素点值保持不变，其中阈值通过最大类间方差法确定，具体为：

假设一幅图像I(x,y)，区分目标区域和背景区域的阈值设为T，定义ω₀为背景区域内像素个数占总图像像素个数比例，μ₀为背景区域像素的平均灰度值，ω₁为目标区域内像素个数占总图像像素个数比例，μ₁为目标区域像素的平均灰度值，μ为图像I(x,y)所有像素的平均灰度值，g为方差g＝ω₀ω₁(μ₀-μ₁)²；g最大时对应的灰度值为阈值T。

4.根据权利要求1所述的基于图像处理的桥梁挠度检测方法，其特征在于，步骤3中加权灰度质心法所用公式为：

其中I(x,y)为原图像的灰度值，(x,y)为目标光点区域内有效点位置坐标，(x₀,y₀)为中心坐标，T为阈值。

5.根据权利要求1所述的基于图像处理的桥梁挠度检测方法，其特征在于，步骤5中将光点位移量转化为实际位移量所用公式为：

s＝βd

其中s是实际位移量，β是单个像素边长实际长度，d是光点位移量。