CN112381190B - 一种基于手机图像识别的索力测试方法 - Google Patents

一种基于手机图像识别的索力测试方法 Download PDF

Info

Publication number
CN112381190B
CN112381190B CN202011210714.7A CN202011210714A CN112381190B CN 112381190 B CN112381190 B CN 112381190B CN 202011210714 A CN202011210714 A CN 202011210714A CN 112381190 B CN112381190 B CN 112381190B
Authority
CN
China
Prior art keywords
points
cable
stay cable
target
video
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011210714.7A
Other languages
English (en)
Other versions
CN112381190A (zh
Inventor
王永威
姬付全
黄灿
朱浩
李焜耀
王紫超
周仁忠
代百华
万品登
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CCCC Second Harbor Engineering Co
CCCC Highway Long Bridge Construction National Engineering Research Center Co Ltd
Original Assignee
CCCC Second Harbor Engineering Co
CCCC Highway Long Bridge Construction National Engineering Research Center Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CCCC Second Harbor Engineering Co, CCCC Highway Long Bridge Construction National Engineering Research Center Co Ltd filed Critical CCCC Second Harbor Engineering Co
Priority to CN202011210714.7A priority Critical patent/CN112381190B/zh
Publication of CN112381190A publication Critical patent/CN112381190A/zh
Application granted granted Critical
Publication of CN112381190B publication Critical patent/CN112381190B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
    • G06K17/0025—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement consisting of a wireless interrogation device in combination with a device for optically marking the record carrier
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7847—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content
    • G06F16/785—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content using colour or luminescence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于手机图像识别的索力测试方法，包括：在斜拉索上同时设置振动的标靶点和相对静止的标靶点；用手机拍摄斜拉索的振动视频，四个标靶点始终位于手机的相机取景框内；对振动视频进行图像处理，对四个标靶点的中心点进行精确定位并得到相应的坐标信息；对所述斜拉索的振动位移进行计算并修正，得到最终位移时程矩阵；进行功率谱密度分析得到斜拉索的自振频率；基于固有频率与索力关系计算得到斜拉索索力。本发明直接通过手机完成视频采集，并通过对图像数据进行处理、分析提取出斜拉索振动位移，从而计算得出索力值，将机器视觉技术应用于现场索力监测，实现了快速、便捷的无接触式测量，同时保证了测量精度和准确度。

Description

一种基于手机图像识别的索力测试方法
技术领域
本发明涉及桥梁工程监测技术领域。更具体地说，本发明涉及一种基于手机图像识别的索力测试方法。
背景技术
斜拉桥的施工过程中，斜拉索的索力稳定保持在一定范围内对施工过程中及施工后的桥梁整体结构稳定性起着至关重要的作用，为满足施工过程中施工控制的要求并判断成桥后桥梁结构内力分布的稳定性，需要对斜拉索的索力进行及时、准确的检测。目前，桥梁结构索力测量通常采用频率法进行，传统的频率法通常由固定在拉索上的加速度传感器测量得到斜拉索的振动频率，存在测量效率低；测量时工作人员需在高空进行作业，安全风险大；需要由专业人员进行测量，测量难度大；测量时由工作人员对基频进行判断，存在主观测量误差等缺点。
为解决上述问题，需要提供一种基于手机图像识别的索力测试技术，在保证测量准确性的基础上，提高测量效率和测量精度，简化测量方法并降低测量中的安全风险。
发明内容
本发明的目的是提供一种基于手机图像识别的索力测试方法，直接通过手机APP完成视频采集，并通过对图像数据进行处理提取出斜拉索振动位移，从而计算得出索力值，将机器视觉技术应用于现场索力监测，实现了快速、便捷的无接触式测量，同时保证了测量精度和准确度。
为了实现根据本发明的这些目的和其它优点，提供了一种基于手机图像识别的索力测试方法，包括：
S1、建立项目斜拉索数据库，存储每一根斜拉索的数据信息；
S2、将每一根斜拉索1的数据信息生成一个对应的二维码3，将所述二维码打印并粘贴于对应的斜拉索或其相邻的桥梁固定结构2上；
S3、在斜拉索上间隔设定距离粘贴两个防水贴纸作为索上标靶点，在与所述斜拉索相邻的桥梁固定结构上粘贴另外两个防水贴纸作为对照标靶点，其分别位于所述索上标靶点的正下方，四个防水贴纸的大小、形状、颜色均相同；
S4、用手机扫描待检测的斜拉索上的二维码3，并拍摄设定时长内所述斜拉索的振动视频并将其上传至对应的斜拉索数据库中，拍摄时，所述四个防水贴纸始终位于手机的相机取景框5内；
S5、通过Hough变换的方法对所述振动视频进行图像处理，初步得到四个标靶点的位置区间并从单帧图像中分割出对应的四个区域，在所述四个区域中对所述四个标靶点的中心点进行精确定位并得到相应的坐标信息；
S6、根据所述四个标靶点的坐标信息对所述斜拉索的振动位移进行计算，并通过所述对照标靶点的坐标信息对所述振动位移进行修正，得到最终位移时程矩阵；
S7、对所述最终位移时程矩阵进行功率谱密度分析，得到功率谱密度曲线，并从所述功率谱密度曲线上提取峰值点作为斜拉索的自振频率；
S8、根据索力与自振频率之间的关系，计算斜拉索的索力
Figure BDA0002758749530000021
其中l为斜拉索长度，m为斜拉索单位长度质量，fn为斜拉索第n阶自振频率，n为所述自振频率的阶数，EI为所述斜拉索的抗弯刚度，π为圆周率。
优选的是，所述基于手机图像识别的索力测试方法，在步骤S1中，所述斜拉索的数据信息包括：项目名称、拉索编号、索长、单位长度质量、抗弯刚度、修正系数。
优选的是，所述基于手机图像识别的索力测试方法，在步骤S4中，拍摄所述振动视频时，设置视频采集像素不低于1080p，采集帧率不低于30fps。
优选的是，所述基于手机图像识别的索力测试方法，在步骤S5中，对所述振动视频进行图像处理前剪去视频总时长中前1/10和后1/10的内容，读取视频中间4/5时长内的图像进行处理。
优选的是，所述基于手机图像识别的索力测试方法，在步骤S5中，先通过定义以颜色为特征的标靶识别函数对所述四个标靶点进行识别，所述标靶识别函数的判定方法为：提取像素点的RGB值进行计算，当所述像素点的RGB值在设应的颜色区间内时，判定所述像素点为颜色点；进一步对所述颜色点周围的像素点进行颜色特征识别，若所述颜色点周围设定范围内的点的RGB值都处于所述颜色区间内，则判定所述颜色点为标靶点上的像素点。
优选的是，所述基于手机图像识别的索力测试方法，在步骤S5中，对所述四个标靶点的中心点进行精确定位的步骤如下：
S51、分别将所述四个区域的左上角和右下角的点作为搜索的起始点和终止点，从任一区域开始按行对区域内的像素点进行搜索并采用所述标靶识别函数进行识别；
S52、对每行中识别出的所述标靶点上的像素点做计数和并按行数列出矩阵，设其中计数和的最大值为Max1，在得到的计数和矩阵中搜索第一个和最后一个计数和为Max1－1的值对应的行坐标，其分别为x1i和x1j，其中i、j分别为搜索中对应的行数；
S53、所述区域内的标靶点的中心点的行坐标为
Figure BDA0002758749530000031
取其对应的行数中第一个和最后一个所述标靶点上的像素点的列坐标的中值，即为所述区域内的标靶点的中心点的列坐标；
S54、重复S51-S53的步骤，依次对另外三个区域内的标靶点的中心点的坐标进行定位。
优选的是，所述基于手机图像识别的索力测试方法，在步骤S6中，通过斜拉索振动最大位移自搜索算法对所述斜拉索的振动位移进行计算并修正，步骤如下：
S61：将所述索上标靶点与所述对照标靶点连线并延长，得到四条直线，根据所述四个标靶点的坐标信息，计算视频第一帧中所述四条直线的斜率，并计算两个索上标靶点间连线的斜率作为所述斜拉索的斜率；
S62：根据所述四条直线的斜率和斜拉索的斜率分别计算出所述斜拉索所在的直线与所述四条直线的夹角，取四个夹角中的最大值为跟踪标靶夹角，其对应的两个标靶点即为自搜索的振动位移最大跟踪点；
S63：从视频第一帧起计算所述自搜索的振动位移最大跟踪点的间距，得到振动位移矩阵{Pd}＝{Pd，1,Pd，2,…,Pd,T}；从视频第一帧起计算两个对照标靶点的间距，得到对照位移矩阵{Pd34}＝{Pd34,1,Pd34,2,…,Pd34,T}，其中T为视频帧数；
S64：对振动位移进行修正：
Figure BDA0002758749530000032
其中1≤k≤T，得到修正后的斜拉索最大振动位移时程矩阵{Pd′}＝{Pd,1′,Pd,2′,…,Pd,T′}。
优选的是，所述基于手机图像识别的索力测试方法，步骤S5-S8中，在视频上传至所述斜拉索数据库后，对视频图像进行处理、分析和计算的过程均由云端软件完成，最终计算得到的斜拉索索力数值从斜拉索数据库中返回至手机的显示界面。
本发明至少包括以下有益效果：
1、本发明基于手机图像识别技术实现了对斜拉索索力的非接触式测量，提供了一种平行钢丝索施工期及运营期索力实时监测方法，与传统的频率法相比，无需在斜拉索上安装传感器，通过手机自身的拍摄功能实现数据采集和上传，全部数据的处理、目标识别、分析、计算的功能均在斜拉索数据库中完成，最后基于固有频率与索力关系计算得到斜拉索索力，上述方法中，除视频拍摄、上传外的步骤不需要人工参与，而是由软件自动计算完成，保证了索力的测量精度和准确性，在方便测量人员操作的同时，提高了索力监测安全性和检测速度；
2、通过集成化的测试方法可实现多项目、多位置、任意时间索力测量，工作程序简单，省时省力，将手机作为测量设备可随身携带，提高索力监测效率和便捷程度，适用范围广；
3、通过同时设置振动的标靶点和相对静止的标靶点，将后者作为参考系对测量得到的振动数据进行误差换算和修正，解决了手持设备存在晃动、背景光线变化、角度距离变化等情况下造成的测量准确度不高的问题；
4、个人手机相比于传感器加动测仪、工业相机或者无人机等设备，损耗小，可多次重复使用，成本低。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明一个实施例的所述基于手机图像识别的索力测试方法的流程图；
图2为上述实施例中对所述斜拉索的二维码和四个标靶点的粘贴分布示意图；
图3为上述实施例中对所述斜拉索的振动视频进行图像分割的示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
需要说明的是，下述实施方案中所述实验方法，如无特殊说明，均为常规方法，所述试剂和材料，如无特殊说明，均可从商业途径获得；在本发明的描述中，术语“横向”、“纵向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
如图1-3所示，本发明提供一种基于手机图像识别的索力测试方法，包括：
S1、建立项目斜拉索数据库，存储每一根斜拉索的数据信息；
S2、将每一根斜拉索的数据信息生成一个对应的二维码，将所述二维码打印并粘贴于对应的斜拉索或其相邻的桥梁固定结构上；
S3、在斜拉索上间隔设定距离粘贴两个防水贴纸作为索上标靶点，在与所述斜拉索相邻的桥梁固定结构上粘贴另外两个防水贴纸作为对照标靶点，其分别位于所述索上标靶点的正下方，四个防水贴纸的大小、形状、颜色均相同；
S4、用手机扫描待检测的斜拉索上的二维码，并拍摄设定时长内所述斜拉索的振动视频并将其上传至对应的斜拉索数据库中，拍摄时，所述四个防水贴纸始终位于手机的相机取景框内；
S5、通过Hough变换的方法对所述振动视频进行图像处理，初步得到四个标靶点的位置区间并从单帧图像中分割出对应的四个区域，在所述四个区域中对所述四个标靶点的中心点进行精确定位并得到相应的坐标信息；
S6、根据所述四个标靶点的坐标信息对所述斜拉索的振动位移进行计算，并通过所述对照标靶点的坐标信息对所述振动位移进行修正，得到最终位移时程矩阵；
S7、对所述最终位移时程矩阵进行功率谱密度分析，得到功率谱密度曲线，并从所述功率谱密度曲线上提取峰值点作为斜拉索的自振频率；
S8、根据索力与自振频率之间的关系，计算斜拉索的索力
Figure BDA0002758749530000051
其中l为斜拉索长度，m为斜拉索单位长度质量，fn为斜拉索第n阶自振频率，n为所述自振频率的阶数，EI为所述斜拉索的抗弯刚度，π为圆周率。
上述技术方案中，防水贴纸的形状和大小根据工程实际情况进行选择，本实施例中，所述四个防水贴纸41、42、43、44优选为实心圆形防水贴纸，从而，在粘贴时可以不用考虑粘贴角度导致的测量误差，方便粘贴，且圆形的标靶点在后续采用Hough变换进行定位时容易定位圆心的位置，方便对标靶点进行定位和后续对坐标信息的计算，其中防水贴纸41、42为索上标靶点，其间隔1m粘贴在待测量的斜拉索1的内侧，并尽量靠近斜拉索的上部粘贴，一方面方便测量人员对四个标靶点进行拍摄，另一方面增加索上标靶点与对照标靶点的距离，减小与斜拉索相邻的桥梁固定结构2对斜拉索的振动位移的影响，保证测量数据的准确性；防水贴纸43、44为对照标靶点，其粘贴在与斜拉索1相邻的桥梁固定结构上，这里的桥梁固定结构2优选为护栏，防水贴纸43位于防水贴纸41的正下方，防水贴纸44位于防水贴纸42的正下方。二维码3也粘贴在桥梁固定结构2上且与对照标靶点位于同一侧(桥梁内侧)，方便测量人员进行相应操作。步骤S5中，通过Hough变换的方法对所述振动视频进行图像处理并进行区域分割的方法具体为：读取视频图像像素为M(行)×N(列)，通过Hough圆检测，将图像中的圆形进行定位，Hough变换给出了检测圆的圆心坐标和半径，通过比对检测圆半径大小，筛选出四个标靶点的位置。对四个标靶点的行坐标从小到大进行排序并编号，图像中从上至下检测标靶点分别为P1、P2、P3、P4，即防水贴纸41、42、43、44。考虑Hough圆检测坐标的误差，将检测圆的图像分割区域扩大，以P1标靶点为例，假设Hough圆检测的P1位置为
Figure BDA0002758749530000061
半径为
Figure BDA0002758749530000062
则P1标靶点图像分割的返回结果为
Figure BDA0002758749530000063
分别为P1标靶左上角和右下角坐标，至此从一帧视频图像中分割出与四个标靶点一一对应的四个小图像区域。
本发明在斜拉索及桥梁固定结构上分别设置索上标靶点和对照标靶点，通过手机的拍摄功能实现对斜拉索振动视频的采集，并将振动视频传输到数据库中，采用Hough变换的方法将图像中的标靶点转化为具现化的坐标位置，通过逐帧分析坐标位置的变化，可计算出斜拉索的最大振动位移，对斜拉索振动位移进行功率谱密度分析，最后根据索力与自振频率的关系计算得到斜拉索的索力。上述方法基于手机图像识别技术实现了对斜拉索索力的非接触式测量，极大的提高了索力监测的效率和便捷程度，同时通过设置对照标靶点对振动位移进行修正，减小了环境干扰和主观判断等因素造成的测量误差，保证了测量数据的准确性。
在另一技术方案中，所述的基于手机图像识别的索力测试方法，在步骤S1中，所述斜拉索的数据信息包括：项目名称、拉索编号、索长、单位长度质量、抗弯刚度、修正系数。其中，斜拉索的数据信息根据项目需要进行录入，不限于上述列出的种类，还包括斜拉索的等效长度等数据，测量人员使用手机扫描二维码后，能够自动读取所述斜拉索的数据信息，并将对应的参数值自动导入后续计算所需的程序中，实现对斜拉索索力的自动化计算，不需要重新采集斜拉索的数据信息并一一导入处理***，方便测量人员进行快速检测，提高了测量效率。
在另一技术方案中，所述的基于手机图像识别的索力测试方法，在步骤S4中，拍摄所述振动视频时，设置视频采集像素不低于1080p，采集帧率不低于30fps。具体的，在拍摄振动视频时，为保证采集到的图像数据清晰、方便识别，测量人员在距离斜拉索一定距离的位置，使用手机竖屏拍摄，使相机取景框5能够完整拍摄到四个标靶点，当处于黑暗环境中时，可使用外部光源或手机自带的手电筒功能进行散射光补光。
在另一技术方案中，所述的基于手机图像识别的索力测试方法，在步骤S5中，对所述振动视频进行图像处理前剪去视频总时长中前1/10和后1/10的内容，读取视频中间4/5时长内的图像进行处理。上述技术方案中，所述振动视频一共拍摄20s，在采用Hough变换进行图像处理前，先截去视频前2s和后2s的内容，只读取视频中3s-18s的部分进行后续图像处理，以减小手机拍摄中镜头晃动、卡顿等对采集数据准确度的影响，进一步减小测量误差。
在另一技术方案中，所述的基于手机图像识别的索力测试方法，在步骤S5中，先通过定义以颜色为特征的标靶识别函数对所述四个标靶点进行识别，所述标靶识别函数的判定方法为：提取像素点的RGB值进行计算，当所述像素点的RGB值在设应的颜色区间内时，判定所述像素点为颜色点；进一步对所述颜色点周围的像素点进行颜色特征识别，若所述颜色点周围设定范围内的点的RGB值都处于所述颜色区间内，则判定所述颜色点为标靶点上的像素点。
本实施例中，防水贴纸优选为红色圆形防水贴纸，具体的，所述标靶识别函数中颜色点的判定方法为：记每个像素点Pij的RGB颜色数据为
Figure BDA0002758749530000071
按行进行标靶点搜索，如果
Figure BDA0002758749530000072
且
Figure BDA0002758749530000073
则定义该点为红色点(颜色点)；对标靶点上的像素点的判定存在两种情况，当像素点的搜索方式为按行搜索时，判定方法为：如果
Figure BDA0002758749530000074
且
Figure BDA0002758749530000075
Figure BDA0002758749530000076
则记Pij点为标靶点上的像素点；当像素点的搜索方式为按列搜索时，判定方法为：如果
Figure BDA0002758749530000077
且
Figure BDA0002758749530000078
Figure BDA0002758749530000081
则记Pij点为圆形标靶中的点。通过标靶函数对像素点进行双重判定，第一次判定为通过RGB值确认该像素点本身是否为红色，第二次判定为在红色点的基础上增加了判定条件，通过判断该红色点周围一定范围内的点是否也落在红色区间内，来进一步确认该红色点并非孤立的像素点，从而筛除实际并不位于标靶点上的孤立红色像素点，只有当两次判定均符合条件并通过时，才判定像素点为标靶点上的像素点，从测量原理上有效避免了误判造成的测量结果误差，保证了测量准确性。
在另一技术方案中，所述的基于手机图像识别的索力测试方法，在步骤S5中，对所述四个标靶点的中心点进行精确定位的具体步骤如下：
S51、分别将所述四个区域的左上角和右下角的点作为搜索的起始点和终止点，从任一区域开始按行对区域内的像素点进行搜索并采用所述标靶识别函数进行识别：本实施例中从标靶点P1开始，输入搜索P1标靶的起始点
Figure BDA0002758749530000082
和终止点
Figure BDA0002758749530000083
选择按行搜索标靶点上的像素点，记第一个标靶点上的像素点的坐标为(x11,y11)，保持行不变继续向右搜索，直至判定为非标靶点上的像素点；
S52、对每行中识别出的所述标靶点上的像素点做计数和并按行数列出矩阵，记sum11为x11行红色像素点的计数和，继续按行向下搜索，记每行红色像素点计数和分别为sum12、sum13……sum1k，直至sum1k＜sum11，设计数和矩阵{sum11，sum12……sum1k}中最大值为Max1，在得到的计数和矩阵中搜索第一个和最后一个计数和为Max1－1的值对应的行坐标，其分别为x1i和x1j，其中i、j分别为搜索中对应的行数；
S53、计算标靶点P1的圆心的行坐标为
Figure BDA0002758749530000084
其中int()为取整函数，记
Figure BDA0002758749530000085
的值为P11；定位P11在所述区域中的行数，取该行中第一个和最后一个所述标靶点上的像素点的列坐标的中值为P12，则标靶点P1的圆心坐标为(P11,P12)；
S54、重复S51-S53的步骤，依次对另外三个区域内的标靶点的中心点的坐标进行定位：输入搜索标靶点P2的起始点
Figure BDA0002758749530000086
和终止点
Figure BDA0002758749530000087
定位标靶点P2的圆心为(P21,P22)；标靶点P3的起始点
Figure BDA0002758749530000088
和终止点
Figure BDA0002758749530000089
定位标靶点P3的圆心为(P31,P32)，标靶点P4的起始点
Figure BDA0002758749530000091
和终止点
Figure BDA0002758749530000092
定位标靶点P4的圆心为(P41,P42)。
上述方法可实现对四个标靶点的圆心坐标的精确定位，并通过定位标靶点上的像素点最多的行坐标，对其上下分别间隔相同距离取两个标靶点上的像素点总数相同的行，可知x1i和x1j对应的线段为P1上相对水平直径间距相同的两条水平弦，再对x1i到x1j之间全部的行坐标取平均值，即可得到更加准确的圆心行坐标值，提高了计算方法的适应性。
在另一技术方案中，所述的基于手机图像识别的索力测试方法，在步骤S6中，通过斜拉索振动最大位移自搜索算法对所述斜拉索的振动位移进行计算并修正，步骤如下：
S61：将所述索上标靶点与所述对照标靶点连线并延长，得到四条直线，根据所述四个标靶点的坐标信息，计算视频第一帧中所述四条直线的斜率，并计算两个索上标靶点间连线的斜率作为所述斜拉索的斜率：计算视频第一帧中标靶点P1P2连线的斜率(即斜拉索的斜率)
Figure BDA0002758749530000093
P1P3连线的斜率
Figure BDA0002758749530000094
P1P4连线的斜率
Figure BDA0002758749530000095
P2P3连线的斜率
Figure BDA0002758749530000096
P2P4连线的斜率
Figure BDA0002758749530000097
S62：根据所述四条直线的斜率和斜拉索的斜率分别计算出所述斜拉索所在的直线与所述四条直线的夹角：斜拉索与P1P3连线所夹锐角
Figure BDA0002758749530000098
斜拉索与P1P4连线所夹锐角
Figure BDA0002758749530000099
斜拉索与P2P3连线所夹锐角
Figure BDA00027587495300000910
斜拉索与P2P4连线所夹锐角
Figure BDA00027587495300000911
取θ13、θ14、θ23、θ24四个夹角中的最大值为跟踪标靶夹角，记为
Figure BDA00027587495300000912
其中Px∈{P1,P2}，Py∈{P3,P4}，则Px、Py即为自搜索的振动位移最大跟踪点；
S63：从视频第一帧起计算所述自搜索的振动位移最大跟踪点的间距，即PxPy的间距，第一帧标靶点间距记为
Figure BDA00027587495300000913
继续计算PxPy的间距直至视频结束，得到振动位移矩阵{Pd}＝{Pd，1,Pd，2,…,Pd,T}；从视频第一帧起计算两个对照标靶点的间距，即P3P4的间距，第一帧P3P4标靶点距离为
Figure BDA00027587495300000914
继续计算P3P4的间距直至视频结束，得到对照位移矩阵{Pd34}＝{Pd34,1,Pd34,2,…,Pd34,T}，其中T为视频帧数；
S64：由于对照标靶点P3、P4均粘贴在桥梁固定结构上，两者的空间位置相对固定，因此，通过对照位移矩阵对振动位移矩阵进行修正，公式为：
Figure BDA0002758749530000101
其中1≤k≤T，得到修正后的斜拉索最大振动位移时程矩阵{Pd′}＝{Pd,1′,Pd,2′,…,Pd,T′}。
上述技术方案中，通过斜拉索振动最大位移自搜索算法结合四个标靶点的圆心坐标，对斜拉索的最大振动位移的跟踪点进行判断，并对最大振动位移进行计算和修正：通过同时测量不同帧数下的振动位移和对照位移，采用对应的对照位移对振动位移进行修正，避免了采用手机进行拍摄时，存在的手持设备存在晃动、背景光线变化、角度距离变化等因素对测量准确度的影响。
在另一技术方案中，所述的基于手机图像识别的索力测试方法，步骤S5-S8中，在视频上传至所述斜拉索数据库后，对视频图像进行处理、分析和计算的过程均由云端软件完成，最终计算得到的斜拉索索力数值从斜拉索数据库中返回至手机的显示界面。其中，斜拉索数据库建立在云端，还包括云端软件，可实现对视频图像的处理、分析和计算：在振动视频上传至斜拉索数据库后，根据前序步骤中扫描二维码得到的斜拉索数据信息，云端软件自动提取需要的数据并结合拍摄到的视频图像对斜拉索振动位移进行计算和分析，最终计算得到斜拉索的索力，云端软件控制索力的数据信息返回手机的显示结果界面；从而，测量人员在拍摄斜拉索的振动视频并将其上传至斜拉索数据库后，可通过手机直观的得到最终测算出的索力值，并结合斜拉索数据库中的历史信息判断检测到的索力值是否在规定范围内，极大的简化了测量人员的测量工作，提高了测量效率，实用性较高。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (7)

1.一种基于手机图像识别的索力测试方法，其特征在于，包括：
S1、建立项目斜拉索数据库，存储每一根斜拉索的数据信息；
S2、将每一根斜拉索的数据信息生成一个对应的二维码，将所述二维码打印并粘贴于对应的斜拉索或其相邻的桥梁固定结构上；
S3、在斜拉索上间隔设定距离粘贴两个防水贴纸作为索上标靶点，在与所述斜拉索相邻的桥梁固定结构上粘贴另外两个防水贴纸作为对照标靶点，其分别位于所述索上标靶点的正下方，四个防水贴纸的大小、形状、颜色均相同；
S4、用手机扫描待检测的斜拉索上的二维码，并拍摄设定时长内所述斜拉索的振动视频并将其上传至对应的斜拉索数据库中，拍摄时，所述四个防水贴纸始终位于手机的相机取景框内；
S5、通过Hough变换的方法对所述振动视频进行图像处理，初步得到四个标靶点的位置区间并从单帧图像中分割出对应的四个区域，在所述四个区域中对所述四个标靶点的中心点进行精确定位并得到相应的坐标信息；
S6、根据所述四个标靶点的坐标信息对所述斜拉索的振动位移进行计算，并通过所述对照标靶点的坐标信息对所述振动位移进行修正，得到最终位移时程矩阵；
其中，通过斜拉索振动最大位移自搜索算法对所述斜拉索的振动位移进行计算并修正，步骤如下：
S61：将所述索上标靶点与所述对照标靶点连线并延长，得到四条直线，根据所述四个标靶点的坐标信息，计算视频第一帧中所述四条直线的斜率，并计算两个索上标靶点间连线的斜率作为所述斜拉索的斜率；
S62：根据所述四条直线的斜率和斜拉索的斜率分别计算出所述斜拉索所在的直线与所述四条直线的夹角，取四个夹角中的最大值为跟踪标靶夹角，其对应的两个标靶点即为自搜索的振动位移最大跟踪点；
S63：从视频第一帧起计算所述自搜索的振动位移最大跟踪点的间距，得到振动位移矩阵{Pd}＝{Pd，1,Pd，2,…,Pd,T}；从视频第一帧起计算两个对照标靶点的间距，得到对照位移矩阵{Pd34}＝{Pd34,1,Pd34,2,…,Pd34,T}，其中T为视频帧数；
S64：对振动位移进行修正：
Figure FDA0003536329050000021
其中1≤k≤T，得到修正后的斜拉索最大振动位移时程矩阵{Pd′}＝{Pd,1′,Pd,2′,…,Pd,T′}；
S7、对所述最终位移时程矩阵进行功率谱密度分析，得到功率谱密度曲线，并从所述功率谱密度曲线上提取峰值点作为斜拉索的自振频率；
S8、根据索力与自振频率之间的关系，计算斜拉索的索力
Figure FDA0003536329050000022
其中l为斜拉索长度，m为斜拉索单位长度质量，fn为斜拉索第n阶自振频率，n为所述自振频率的阶数，EI为所述斜拉索的抗弯刚度，π为圆周率。
2.如权利要求1所述的基于手机图像识别的索力测试方法，其特征在于，在步骤S1中，所述斜拉索的数据信息包括：项目名称、拉索编号、索长、单位长度质量、抗弯刚度、修正系数。
3.如权利要求1所述的基于手机图像识别的索力测试方法，其特征在于，在步骤S4中，拍摄所述振动视频时，设置视频采集像素不低于1080p，采集帧率不低于30fps。
4.如权利要求1所述的基于手机图像识别的索力测试方法，其特征在于，在步骤S5中，对所述振动视频进行图像处理前剪去视频总时长中前1/10和后1/10的内容，读取视频中间4/5时长内的图像进行处理。
5.如权利要求1所述的基于手机图像识别的索力测试方法，其特征在于，在步骤S5中，先通过定义以颜色为特征的标靶识别函数对所述四个标靶点进行识别，所述标靶识别函数的判定方法为：提取像素点的RGB值进行计算，当所述像素点的RGB值在设应的颜色区间内时，判定所述像素点为颜色点；进一步对所述颜色点周围的像素点进行颜色特征识别，若所述颜色点周围设定范围内的点的RGB值都处于所述颜色区间内，则判定所述颜色点为标靶点上的像素点。
6.如权利要求5所述的基于手机图像识别的索力测试方法，其特征在于，在步骤S5中，对所述四个标靶点的中心点进行精确定位的步骤如下：
S51、分别将所述四个区域的左上角和右下角的点作为搜索的起始点和终止点，从任一区域开始按行对区域内的像素点进行搜索并采用所述标靶识别函数进行识别；
S52、对每行中识别出的所述标靶点上的像素点做计数和并按行数列出矩阵，设其中计数和的最大值为Max1，在得到的计数和矩阵中搜索第一个和最后一个计数和为Max1－1的值对应的行坐标，其分别为x1i和x1j，其中i、j分别为搜索中对应的行数；
S53、所述区域内的标靶点的中心点的行坐标为
Figure FDA0003536329050000031
取其对应的行数中第一个和最后一个所述标靶点上的像素点的列坐标的中值，即为所述区域内的标靶点的中心点的列坐标；
S54、重复S51-S53的步骤，依次对另外三个区域内的标靶点的中心点的坐标进行定位。
7.如权利要求1所述的基于手机图像识别的索力测试方法，其特征在于，步骤S5-S8中，在视频上传至所述斜拉索数据库后，对视频图像进行处理、分析和计算的过程均由云端软件完成，最终计算得到的斜拉索索力数值从斜拉索数据库中返回至手机的显示界面。
CN202011210714.7A 2020-11-03 2020-11-03 一种基于手机图像识别的索力测试方法 Active CN112381190B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011210714.7A CN112381190B (zh) 2020-11-03 2020-11-03 一种基于手机图像识别的索力测试方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011210714.7A CN112381190B (zh) 2020-11-03 2020-11-03 一种基于手机图像识别的索力测试方法

Publications (2)

Publication Number Publication Date
CN112381190A CN112381190A (zh) 2021-02-19
CN112381190B true CN112381190B (zh) 2022-04-29

Family

ID=74578995

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011210714.7A Active CN112381190B (zh) 2020-11-03 2020-11-03 一种基于手机图像识别的索力测试方法

Country Status (1)

Country Link
CN (1) CN112381190B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112985672B (zh) * 2021-02-23 2021-11-23 中冶建筑研究总院有限公司 基于非接触空间振动测试的预应力索系索力分析方法
CN117011296B (zh) * 2023-10-07 2024-06-25 长春通视光电技术股份有限公司 一种光电吊舱跟踪精度快速检测方法、设备及存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101504324B (zh) * 2009-02-26 2010-09-15 南京工业大学 拉索运营状态智能判别方法及***
US8474219B2 (en) * 2011-07-13 2013-07-02 Ultimate Strength Cable, LLC Stay cable for structures
CN105910743A (zh) * 2016-05-05 2016-08-31 郑州大学 一种利用无人机测量斜拉桥拉索张力的方法
CN107014543A (zh) * 2017-05-02 2017-08-04 中铁大桥科学研究院有限公司 一种斜拉桥索力测试方法
CN107941402B (zh) * 2017-11-07 2023-09-08 交通运输部公路科学研究所 一种用于测量拉索索力的装置及方法
CN108955983A (zh) * 2018-07-25 2018-12-07 湖南大学 基于拉索振型及摄影测量技术的索力测试方法
CN111044197B (zh) * 2019-10-25 2021-06-11 东南大学 一种基于无人机平台的非接触式索力测试***
CN111174961B (zh) * 2020-01-17 2022-06-28 东南大学 一种基于模态分析的索力光学测量方法及其测量***

Also Published As

Publication number Publication date
CN112381190A (zh) 2021-02-19

Similar Documents

Publication Publication Date Title
CN109977813B (zh) 一种基于深度学习框架的巡检机器人目标定位方法
CN110142785A (zh) 一种基于目标检测的巡检机器人视觉伺服方法
CN102521560B (zh) 高鲁棒仪表指针图像识别方法
CN110231023B (zh) 一种智能视觉采样方法、***及装置
CN112381190B (zh) 一种基于手机图像识别的索力测试方法
CN110826549A (zh) 基于计算机视觉的巡检机器人仪表图像识别方法及***
CN110132989A (zh) 一种混凝土裂缝检测设备、方法以及终端***
CN103487104A (zh) 一种细管液面式数据的图像采集识别***及方法
CN111611989A (zh) 一种基于自主机器人的多目标精准定位识别方法
CN110953993A (zh) 一种用于输电线路弧垂和限距的检测装置和方法
CN115717867A (zh) 一种基于机载双相机和目标追踪的桥梁变形测量方法
CN107990835A (zh) 一种树木外径测量装置及其使用方法
CN111399634A (zh) 一种手势引导物体识别的方法及装置
KR102227031B1 (ko) 화상데이터 내의 척도마커의 추적을 통한 구조물 표면의 균열 감시 방법
CN110260889A (zh) 一种手持式测距仪自动检定装置及其检定方法
CN114332435A (zh) 一种基于三维重建的图像标注方法及装置
CN105043544B (zh) 一种图像光谱跟踪方法及***
CN116465335A (zh) 基于点云匹配的自动测厚方法和***
CN113124326B (zh) 油气管道泄漏巡线检测方法和***
CN114782852A (zh) 指针式工业仪表的读数方法、读数装置与读数***
CN111191349B (zh) 一种导弹投放运动参数分析方法
CN115830474A (zh) 一种识别野生藏药独一味及其分布并计算其产量的方法与***
CN114266835A (zh) 一种非量测相机的变形监测控制方法与***
KR101329564B1 (ko) 스마트 디바이스를 이용한 시설물 정보 입력 장치 및 방법과 이를 실행하기 위한 프로그램이 기록된 기록매체
CN110969875A (zh) 一种用于道路交叉***通管理的方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Zhang Yongtao

Inventor after: Wang Yongwei

Inventor after: Ji Fuquan

Inventor after: Zhu Hao

Inventor after: Li Kunyao

Inventor after: Wang Zichao

Inventor after: Zhou Renzhong

Inventor after: Dai Baihua

Inventor after: Wan Pindeng

Inventor before: Wang Yongwei

Inventor before: Ji Fuquan

Inventor before: Huang Can

Inventor before: Zhu Hao

Inventor before: Li Kunyao

Inventor before: Wang Zichao

Inventor before: Zhou Renzhong

Inventor before: Dai Baihua

Inventor before: Wan Pindeng