基于角点校准的暗光下桥梁位移监测研究.pdf

第 卷 第期湘潭大学学报(自然科学版)V o l N o 年月J o u r n a l o fX i a n g t a nU n i v e r s i t y(N a t u r a l S c i e n c eE d i t i o n)A p r D O I:/j i s s n X 引用格式:赵少杰,黄滏,张潇婷,等基于角点校准的暗光下桥梁位移监测研究J湘潭大学学报(自然科学版),():C i t a t i o n:Z HANGS h a o j i e,HUANGF u,Z HAN GX i a o t i n g,e ta l R e s e a r c ho nb r i d g ed i s p l a c e m e n tm o n i t o r i n gu n d e rd a r kl i g h tb a s e do nc o r n e r c a l i b r a t i o nJ J o u r n a lo fX i a n g t a nU n i v e r s i t y(N a t u r a lS c i e n c eE d i t i o n),():基于角点校准的暗光下桥梁位移监测研究赵少杰,黄滏,张潇婷,马嘉成(湘潭大学 土木工程学院,湖南 湘潭 )摘要:基于机器视觉的数字图像方法监测结构物变形具有非接触性等优点,但受到暗光环境及人工标志物变形等因素的影响导致其应用受限在现有模板匹配测量基础上,提出了暗光环境下基于H a r r i s角点检测校准和R e t i n e x暗光增强网络的桥梁位移监测方法和系统,以提高桥梁结构在复杂环境下的位移监测精度进一步通过试验验证,结果显示 m距离的暗光环境下桥梁位移监测最大绝对误差小于 mm,在靶标偏转角度在 至 情况下,基于角点校准后的平均精度相比未校准提高了,说明该系统具备在暗光环境下进行工程结构位移监测的实用性关键词:桥梁监测;机器视觉;暗光增强;模板匹配;角点检测中图分类号:U 文献标志码:A文章编号:X()R e s e a r c ho nb r i d g ed i s p l a c e m e n tm o n i t o r i n gu n d e rd a r k l i g h tb a s e do nc o r n e r c a l i b r a t i o nZHA OS h a o j i e,HU ANGF u,ZHANGX i a o t i n g,MAJ i a c h e n g(C o l l e g eo fC i v i lE n g i n e e r i n g,X i a n g t a nU n i v e r s i t y,X i a n g t a n ,C h i n a)A b s t r a c t:T h ed i g i t a l i m a g em e t h o db a s e do nm a c h i n ev i s i o nt om o n i t o rt h ed e f o r m a t i o no fs t r u c t u r e sh a sm a n ya d v a n t a g e ss u c ha sn o n c o n t a c t,b u t i t s a p p l i c a t i o n i s l i m i t e db y f a c t o r s s u c ha sd a r k l i g h t e n v i r o n m e n ta n da r t i f i c i a lm a r k e rd e f o r m a t i o n B a s e do nt h ee x i s t i n gt e m p l a t em a t c h i n gm e a s u r e m e n t,ab r i d g ed e f o r m a t i o nm o n i t o r i n gm e t h o da n ds y s t e mb a s e do nH a r r i s c o r n e rp o i n t d e t e c t i o nc a l i b r a t i o na n dR e t i n e xd a r k l i g h te n h a n c e m e n tn e t w o r k i nd a r k l i g h t e n v i r o n m e n t i sp r o p o s e dt o i m p r o v e t h ed i s p l a c e m e n tm o n i t o r i n ga c c u r a c yo f b r i d g e s t r u c t u r e s i nc o m p l e xe n v i r o n m e n t s F u r t h e r,t h r o u g he x p e r i m e n t a l v a l i d a t i o n,t h e r e s u l t s s h o wt h a t t h em a x i m u ma b s o l u t ee r r o ro fb r i d g ed i s p l a c e m e n tm o n i t o r i n gu n d e rd a r kl i g h te n v i r o n m e n ta t md i s t a n c e i s l e s s t h a n mm,a n dt h em e a na c c u r a c ya f t e rc a l i b r a t i o nb a s e do na n g l ep o i n t i si m p r o v e db y c o m p a r e dt ou n c a l i b r a t e da t t h e t a r g e td e f l e c t i o na n g l eo f t o d e g r e e s,w h i c h i n d i c a t e s t h a t t h es y s t e mh a s t h ep r a c t i c a l i t yo f e n g i n e e r i n gs t r u c t u r ed i s p l a c e m e n tm o n i t o r i n gu n d e rd a r kl i g h t e n v i r o n m e n t K e yw o r d s:b r i d g em o n i t o r i n g;m a c h i n ev i s i o n;d a r kl i g h te n h a n c e m e n t;t e m p l a t em a t c h i n g;c o r n e rd e t e c t i o n收稿日期:基金项目:湖南省教育厅科学研究项目(C );湖南省自然科学基金面上项目(J J )通信作者:赵少杰(),男,湖南张家界人,工学博士,副教授硕士生导师 E m a i l:s h a o j i e z c o m引言桥梁结构的位移变形是表征结构刚度和安全的重要指标,在桥梁运营中需要定期检测目前桥梁结构的位移测量方法主要有水准仪、全站仪、G P S、位移计、连通管、数字图像法等,其中基于数字图像的桥梁监测方法因具有非接触、长时间、多点检测、精度高等特点得到了越来越多的研究和应用 基于数字图像方法的结构位移监测一般采用模板匹配法进行特征识别 ,但模板匹配中采用人工标志物本身可能会受到结构自身变形的影响,从而影响到测量精度此外,数字图像法还会受到相机自身运动或抖动、环境的明暗光照变化等影响,进而显著降低图像的特征检测匹配精度当前在暗光环境下进行结构变形监测常用的方法是通过增加人工光源 来减少暗光影响,但这也给实际监测工作带来较大不便进一步,颜色追踪和角点检测方法也被应用于提高结构的位移监测精度,如朱前坤等 曾运用H S V快速模板匹配法和基于颜色追踪的几何匹配算法对自发光靶标在暗光条件下进行匹配后对桥梁进行挠度检测,结果与挠度仪比较误差小于 程希希等 根据棋盘角点位于对称灰度区域交界点的特点构建匹配模板进行匹配,该种方法能在复杂环境下检测出棋盘格图形和畸变图形 D o n g等 采用S h i T o m a s i角点、S I F T和S UR F等特征点进行了结构的位移监测,提出的视觉方法对结构动力响应监测和模态参数辨识具有有效、准确、稳定的应用杜文康等 采用S UR F P R O S A C方法对光照变化、雾气条件、物体遮挡下多种工况探索测量方法的适应性,得出了特征点数量在物体遮挡、雾气和照度降低条件下波动和减少 P a n等 提出使用YO L O v t i n y和YO L O v t i n y K L T算法实时跟踪结构运动,实验结果发现,使用结合YO L O v t i n y K L T方法比仅使用K L T方法对照明变化和背景噪声具有更高的鲁棒性 L u等 提出通过使用红外摄像机、阵列红外补光灯、红外L E D靶标来减轻环境光变化的影响综上,目前采用机器视觉的桥梁位移监测研究主要基于光照条件良好的环境或有自发光参考靶标的情况,而对暗光环境和人工靶标本身变形影响等情况还缺少相关研究针对上述影响因素,本文提出基于角点检测的校准方法,结合暗光增强网络等构建了一套暗光环境下的桥梁位移实时监测系统,并通过试验进一步验证了该测量系统的有效性和准确性测量系统组成桥梁变形测量系统由硬件和软件两部分组成,其中硬件主要包括靶标、摄像机、测量平台、计算机等器件软件部分主要包括抖动误差消除系统、暗光图像增强系统以及角点误差校准系统等其中抖动误差消除系统采用的主要是多靶标抖动误差消除方法,暗光图像增强系统采用基于R e t i n e x的暗光增强神经网络 算法,角点误差校准系统采用的为H a r r i s角点检测算法将摄像机固定位移进行拍摄,记录在桥梁梁体上的靶标运动视频;然后利用计算机系统算法对记录视频进行实时运算分析,进一步解析出桥梁实时挠度信息桥梁位移监测系统如图所示湘潭大学学报(自然科学版)年测量点2测量点1测量相机测量平台去抖动相机计算机误差消除靶标图桥梁位移监测系统示意图F i g D i a g r a mo fb r i d g ed i s p l a c e m e n tm o n i t o r i n gs y s t e m 暗光增强网络针对在暗光环境下拍摄的照片,引入一套基于R e t i n e x理论的神经网络模型进行图像增强该模型由分解网络(D e c o m e)和增强网络(R e l i i g h t)两部分组成,分解网络中依照R e t i n e x理论将图像分解为光照图像和反射图像把照射图像假设估计为空间平滑图像,原始图像为S(x,y),反射图像为R(x,y),亮度图像为L(x,y),单尺度算法的公式为:S x,y()R x,y()L(x,y),rx,y()l gR x,y()l gS x,y()L(x,y),rx,y()l gS x,y()l gF x,y()S(x,y),()式中:r(x,y)为输出图像;为卷积符号;F(x,y)为中心环绕函数,可以表示为F x,y()e(xy)c,()式中:c为高斯环绕尺度;为一个尺度,它的值必须满足以下条件:F x,y()dxdy()在分解网络中,不需设置分解网络光照和反射图片的真值,只设置了关键约束条件,即正常光照和低光照图像拥有相同的反射率和相同的平滑度神经网络的训练数据有相机拍摄的同一场景下的不同光圈和不同感光度的两类图片,包括同一场景下相同被拍摄物体的正常光照照片和暗光光照照片通过分解网络将两张图片进行分解,在分解的基础上,利用增强网络对光照图像进行后续的亮度增强,联合去噪对反射图像进行降噪处理 其中,分解网络包括个卷积层和一个s i g m o i d层,而光照增强网络由两个c o n v R e L U层、两个r e s i z e c o n v R e L U层以及个c o n v层组成暗光增强的路线如图所示第期赵少杰,等基于角点校准的暗光下桥梁位移监测研究输入分解网络回归模型增强网络输出暗光图像反射图像光照图像反射图像光照图像输出图像图暗光增强网络路线图F i g D a r k l i g h t e n h a n c e dn e t w o r kr o a d m a p 多靶标抖动误差消除方法去抖动靶标测量靶标图实验靶标布置图F i g L a y o u t o f e x p e r i m e n t a l t a r g e t图像视频数据在采集过程中会因为采集平台的不稳定而出现相机抖动,从而导致数据出现采集误差监测系统采用一种基于固定参考靶标的方法作为误差消除靶标的多靶标匹配算法进行解决通过计算得出误差消除靶标的抖动位移值,将其通过坐标转换得出待测靶标的抖动位移,从而消除镜头在拍摄过程抖动产生的误差 在模拟实验中,可将待测靶标和参考靶标放置于同一竖直平面内,实现一台相机同时记录两个靶标的位移数据,实验靶标布置如图所示在实际测量中,桥梁的主梁下部主要为河流和山谷,没有固定的靶标安装位置,无法安装误差消除靶标,故提出一种通过共平台多摄像机方案来解决相机抖动误差消除的问题在测量平台的上面布置多台摄像机,将测量摄像头和误差消除摄像头与测量平台固定平台可以布置多台测量摄像机,每台测量摄像机以不同的角度放置在测量平台一侧记录结构不同位置的信息在测量摄像头的后方放置一台误差消除摄像头记录误差校准靶标的数据,计算出平台的抖动数据将测量靶标与误差校准靶标通过坐标转换,最终获得测量相机的抖动数据,从而换算获取测量靶标的真实数据去抖动测量平台如图所示待测靶标测量相机测量平台误差消除相机误差校准靶标测量摄像头消除误差摄像头图测量平台与布置示意图F i g M e a s u r i n gp l a t f o r ma n d l a y o u td i a g r a m 角点检测校准方法结构发生偏转位移时,其上方的靶标也会随之发生旋转变化采用模板匹配识别旋转靶标湘潭大学学报(自然科学版)年会带来中央测点的漂移从而导致误差结合H a r r i s角点检测算法,通过角点中心拟合,可以有效地测量出靶标中心测点地飘移像素,从而提升测量精度H a r r i s算法是一种基于灰度图像的角点检测算法,算法实现的基本思想是使用一个固定窗口在图像上任意方向滑动,当窗口滑动前和窗口滑动后有着较大的灰度变化,可认为此点存在角点以下为滑动过程种不同的形式,其中矩形为滑动窗口当窗口在X和Y方向变化值较小时,可认为此区域内无特征明显的点,处于一个较平坦平面内当窗口在X、Y或其他任一方向其变化较大时,可认为此时窗口区域内有一个明显的边界当窗口在X和Y方向的变化值都有明显的变化时,可认为此区域内存在一个明显的角点特征(a)(b)(c)图平面、边界和角点示意图F i g P l a n e,b o u n d a r ya n dc o r n e rd i a g r a mH a r r i s算法的基本原理是依据待测点(x,y)的灰度值I(x,y)是否在水平和竖直方向有着较大的值变化,其中用w(x,y)代表以(x,y)为中心的角点检测窗口当窗口发生(u,v)方向移动时,其产生的灰度变化E(u,v)如下E u,v()x,yw x,y()I xu,yv()I x,y()uvM u v,()Mx,yw x,y()IxIxIyIxIyIy,()C R Fx,y()d e tM()kt r(M),()式中:E(u,v)为窗口发生(u,v)移动时其产生的灰度变化值;I(x,y)为(x,y)处的像素灰度值;Ix和Iy为像素点在(x,y)处水平和垂直方向上的一阶偏导数;C R F(x,y)为角点响应函数;d e t(M)表示矩阵M的行列式;t r(M)为矩阵M的迹;k为常数,一般在 取值当矩阵M的两个特征值都很大时,可认为此处为一个角点模板匹配旋转测点偏离以及角点检测辅助校准测量如图所示图中是几种不同模板匹配结果,其中圆点为靶标中心点,虚线框为模板匹配结果框,五角形为匹配结果中心点,处在靶标圆环上的个三角形为角点检测算法中的M矩阵特征值较大点,位于个点中心的三角形为它们的拟合中心点当匹配结果为图(a)时,模板匹配结果与靶标图像刚好吻合,此时靶标中心点、匹配结果中心点和角点拟合中心点刚好重合当匹配结果为图(b)时,模板匹配结果与靶标存在水平和竖直向的误差,此时靶标中心点与匹配结果中心点存在误差,而通过角点检测拟合的中心点能够很好地校准模板匹配错误带来的误差,其中心点依然与靶标中心点重合当匹配结果为图(c)时,靶标图片发生旋转,而模板匹配结果图并不能随之旋转角度此时靶标中心和匹配中心也存在误差,而通过角点检测拟合中心点同样能够校准因靶标旋转带来的误差,与靶标中心进行吻合第期赵少杰,等基于角点校准的暗光下桥梁位移监测研究(a)(b)(c)图不同模板匹配结果F i g D i f f e r e n t t e m p l a t em a t c h i n gr e s u l t s 位移监测系统相机在测量前需要经过标定后才能进行视频的采集,将采集的视频对靶标位置的感兴趣区域进行裁剪提取,提取的感兴趣区域视频按照固定时间或帧数进行视频分帧获得帧视频后可先将去抖动参考靶标的位移数据转化为平台抖动位移,进而消除测量靶标的抖动误差;再将所得的帧图片进行是否暗光判断,若为暗光图片,则需要进入R e t i n e x暗光增强网络对图像进行暗光增强当暗光图片在增强后,图片可放置于快速模板匹配网络中基于O p e n C V算法库中的C V_TM_C C O R R_NO RME D匹配算法能够快速实现图片集的模板定位,且其精度能够到达亚像素级在计算过程中,各坐标依次分别进行匹配计算,找出计算值最大的坐标,再根据模板图像尺寸计算出中心坐标标准相关匹配C V_TM_C C O R R_NO RME D算法如下式()其中T表示模板图像,I表示目标图像S,R表示相似度矩阵,越相似其值越大R x,y()x,y(T(x,y)I(xx,yy)x,y T(x,y)x,y I(xx,yy),()图像在模板匹配后,需要将模板匹配区域继续进行角点检测,将得到的角点进行中心拟合来提升模板匹配的精度,最终优化后的匹配坐标进行坐标转换,从而得到结构的位移其整个结构位移监测系统如图所示相机标定开始视频采集视频采集特征提取视频分帧靶标去抖动是否暗光是否图像输入图像分解图像增强图像输出模板匹配角点校准匹配坐标坐标转换结构位移结束图暗光位移监测流程图F i g F l o wc h a r t o fd a r k l i g h td i s p l a c e m e n tm o n i t o r i n g湘潭大学学报(自然科学版)年模型试验为了测试此套桥梁挠度测量系统的精度,在室内实验室内设置了此套实验模型装置在实验桌上铺设一块 c m c m的钢板以保持桥梁结构在加载过程中的稳定,然后在钢板上搭建桥梁模型后用卡钳将模型固定在钢板上,最后将 mm mm尺寸的靶标固定在桥梁模型主梁上 实验步骤在桥梁主梁上依次添加不同的砝码重量,砝码重量以 g为单位依次增加,在达到 g时逐量下降,同时用摄像机记录不同重量下的桥梁状态,然后使用桥梁挠度测量系统实时测量桥梁的实时位移实验装置如图所示(a)正常光照测量(b)暗光光照测量图实验装置图F i g E x p e r i m e n t a l d e v i c ed i a g r a m实验采用J V C摄像机进行视频图像的采集在加载实验中,考虑到视频的采取需要截取与百分表读数一致的帧图像,所以采用静态拍照记录当前桥梁模型挠度图像实验的光照照度设置在l x之间,相机采用M档拍摄拍摄后的图片需要对含有靶标的感兴趣区域(R O I)进行裁剪,图像的裁剪需要尽可能将待测靶标和参考靶标靠近图片的上下边缘,才能使靶标在图像中占比更大图片在进行裁剪之后,为了增强暗光增强系统的处理效率,需要将图片的大小进行缩放处理在进行反复实验后确定输出图片宽度与高度像素数量在 时,暗光增强的速度和系统测量精度之间能达到较好的平衡 实验靶标选择实验系统中设置了一个测量靶标和一个去抖动靶标,测量靶标固定在主梁跨中处,去抖动靶标固定在主梁跨中下方在后续模板匹配计算中,为了检测日夜连续测量的准确性,模板匹图正常光照靶标拍摄图F i g S h o o t i n go f t a r g e tu n d e rn o r m a l i l l u m i n a t i o n配的 图 片 为 正 常 光 照 下 拍 摄 的 靶 标 图 片,如 图所示测量结果及分析设置 了 照 度 为、(单 位:l x)的组不同光照条件的测量实验,验证不同暗光条件下的暗光增强对模板匹配算法的效果同时设置了在照度小于l x的暗光环境下 m、m、m组不同距离的测量试验,通过分析不同距离的测量实验结果验证其不同距离的测量精度和误差 暗光增强匹配结果为确保数据的单一变量,将相机设为M档,光圈设置为F ,快门速度/s,感光度I S O为 分别在每类不同的光照条件下拍摄不同的加载重量的模型图片,每类光照条件下共拍摄 组不同加载重量图片将所有拍摄图片裁剪缩放成 像素值大小的感兴趣区域,再将其进入暗光增强网络进行图像增强,其中加入一组普通单尺度R e t i n e x图像增强匹配结果图片,其拍摄的在无加载重量时不同光照条件下的感兴趣区域图片、单尺度R e t i n e x增强以及R e t i n e x神经网络增强图片如图 所示第期赵少杰,等基于角点校准的暗光下桥梁位移监测研究感兴趣区域单尺度Retinex增强后感兴趣区域Retinex神经网络增强后感兴趣区域照度照度感兴趣区域单尺度Retinex增强后感兴趣区域Retinex神经网络增强后感兴趣区域1.0 lx2.0 lx5.0 lx10 lx15 lx20 lx图 靶标匹配结果对比图F i g C o m p a r i s o no f t a r g e tm a t c h i n gr e s u l t s通过多组实验结果可知,在光照度为 l x以下的暗光环境,未通过暗光增强感兴趣的靶标模板匹配结果较差,不能够得出正确的靶标位置使用普通的单尺度R e t i n e x进行图像增强,在较暗光照条件处于简单背景下的靶标能够正确识别,而当光照强度大于 l x时,增强图片出现过曝现象,将不能正确识别靶标位置但经过R e t i n e x神经网络暗光增强后的靶标在 l x照度范围内,其匹配结果能够很好地对应靶标的真实位置因而可将上述实验的结果作为变形测量系统中判断照片是否为暗光的逻辑参考 多靶标去抖动结果图像通过暗光增强后,需要结合去抖动靶标的测量情况来反映相机或测量平台的抖动情况,从而消除测量靶标的抖动误差通过模板匹配求得靶标在图片中的坐标,匹配坐标经过坐标转换,得出测量距离 m、m、m的暗光增强后无去抖动靶标和有去抖动靶标下模型竖向位移曲线和竖向位移误差表表及图 是测量距离 m、m、m竖向位移以及竖向位移误差对比值表实验误差对比T a b E x p e r i m e n t a l e r r o rc o m p a r i s o n距离/m最大绝对误差/mm平均绝对误差/mm最大相对误差/平均相对误差/未去抖 已去抖 未去抖 已去抖 未去抖 已去抖 通过图 可知,在测量距离 m情况下,经过暗光增强和去抖动靶标加持下的图片在挠度测量上和百分表测量曲线较吻合无去抖动靶标的位移曲线与百分表测量曲线误差值最大接近 mm;有去抖动靶标经过去抖动算法后,误差得到了大幅度减小,其最大位移误差不超过 mm,平均绝对误差不超过 mm 在m和 m测量距离下,在经过暗光增强和去抖动算法后,测量曲线和百分表实测曲线基本吻合,随着测量距离的增加,无去抖动参考靶湘潭大学学报(自然科学版)年标的位移误差较 m测量距离下增长明显,在经过去暗光增强和去抖动误差消除算法后,测量精度得到大幅提升,在m和 m测量距离下的最大绝对误差分别控制在 mm和 mm内,平均误差控制在 mm和 mm内测量距离S=0.5 m去抖动前测量距离S=0.5 m去抖动后无去抖动靶标竖向位移值百分表竖向位移值有去抖动靶标竖向位移值百分表竖向位移值01002003004005006007008009008007006005004003002001000010020030040050060070080090080070060050040030020010000100200300400500600700800900800700600500400300200100001002003004005006007008009008007006005004003002001000加载重量/g加载重量/g加载重量/g加载重量/g测量距离S=0.5 m去抖动前无去抖动靶标竖向位移值百分表竖向位移值有去抖动靶标竖向位移值百分表竖向位移值测量距离S=0.5 m去抖动后（a）S=0.5 m去抖动前竖向位移曲线（b）S=0.5 m去抖动后竖向位移曲线（c）S=5 m去抖动前竖向位移曲线（d）S=5 m去抖动后竖向位移曲线654321065432107654321076543210竖向位移/mm竖向位移/mm竖向位移/mm竖向位移/mm测量距离S=10 m去抖动前无去抖动靶标竖向位移值百分表竖向位移值测量距离S=10 m去抖动后有去抖动靶标竖向位移值百分表竖向位移值01002003004005006007008009008007006005004003002001000加载重量/g（e）S=10 m去抖动前竖向位移曲线01002003004005006007008009008007006005004003002001000加载重量/g（f）S=10 m去抖动后竖向位移曲线竖向位移/mm竖向位移/mm98765432109876543210图 室内实验结果F i g R e s u l t s o f l a b o r a t o r ye x p e r i m e n t 基于H a r r i s角点检测的模板匹配误差校准结果实验中靶标在桥梁的布置位置为桥梁跨中部位,该位置变形最大,因此靶标可能会随着主梁的下沉发生旋转变化模板匹配对于旋转的靶标图像会存在前述的中心点不匹配问题通过H a r r i s角点检测识别出靶标的几个对称角点,并对角点进行中心拟合以求出匹配中心点与其靶标中心点的误差,进而进行误差消除以提高匹配率通过设置光照度 l x,测量距离m的位移加载实验,进行带角点检测的位移校准验证实验得出的桥梁位移测量误差曲线变化图如图 所示第期赵少杰,等基于角点校准的暗光下桥梁位移监测研究050100150200250300350400450500550600650700750800850900850800750700650600550500450400350300250200150100500加载重量/g无角点检测校准误差有角点检测校准误差绝对误差柱状图0.20.150.10.050绝对误差值/mm图 位移测量绝对误差柱状图F i g H i s t o g r a mo f a b s o l u t e e r r o r i nd i s p l a c e m e n tm e a s u r e m e n t通过图 可知,模板匹配结果误差随桥梁加载重量增加而增加,说明荷载越大主梁的变形越大,从而带来靶标旋转角度变大,导致模板匹配结果的误差增大在 g加载重量区间内,主梁靶标逆时针偏转了 至 而在角点检测的辅助校准下,随着加载重量的增加,其匹配误差得到大幅下降,在 至 偏转角度内,平均匹配精度比未进行角点校准的情况提高了 结论在模板匹配算法的桥梁挠度测量原理基础上,通过R e t i n e x暗光增强神经网络、多靶标抖动消除方法和H a r r i s角点检测匹配误差校准方法,有效提高了暗光环境下结构测量的精度和效率即通过R O I感兴趣区域的提取及基于R e t i n e x暗光神经网络的训练,提高了模板匹配靶标的效率和暗光照片增强的速度;通过加入误差消除靶标,有效地降低了相机带来的抖动误差;通过加入H a r r i s角点检测匹配误差校准方法,有效解决了模板匹配结果误差及靶标旋转带来的误差整套结构位移测量系统在暗光条件下能够实时进行测量靶标匹配追踪去抖动、去匹配误差;能在极暗光及长距离测量条件下获得夜间桥梁变形等精确信息,从而实现日夜连续光照变化条件下的桥梁变形测量目前系统主要在实验室验证了静态条件下暗光环境的测量精度,后续将进一步验证在实桥动态环境的可靠性主要结论如下:)在日夜交替或明暗交替条件下进行连续性模板匹配时,模板匹配的准确率会大幅降低,在经过暗光增强后的图片模板匹配能够接近正常光照下的正确率)使用去抖动参考靶标的抖动误差消除方法能够有效解决拍摄平台的抖动影响在测量靶标为 mm mm的尺寸下,其 m测量距离的极暗光测量精度能够达到 mm)使用H a r r i s角点检测拟合测量中心点能够有效校准模板匹配算法中带来的匹配误差以及因靶标自旋转带来匹配测量误差参考文献邵新星,黄金珂,员方,等基于视觉的桥梁挠度测量方法与研究进展J实验力学,():P AU L T R EP,P R OU L XJ,TA L B O T M D y n a m i ct e s t i n gp r o c e d u r e sf o rh i g h w a yb r i d g e su s i n gt r a f f i cl o a d sJ J o u r n a l o f s t r u c t u r a l e n g i n e e r i n g,():湘潭大学学报(自然科学版)年叶肖伟,董传智基于计算机视觉的结构位移监测综述J中国公路学报,():L E EJ J,F UKUD AY,S H I N O Z UKA M D y n a m i cd i s p l a c e m e n tm e a s u r e m e n t o f b r i d g e su s i n gv i s i o n b a s e ds y s t e mC/T OM I Z UKA M,YUN CB,G I UR G I UT I U V S m a r tS t r u c t u r e sa n d M a t e r i a l s S a nD i e g o,C A:叶肖伟,张小明,倪一清,等基于机器视觉技术的桥梁挠度测试方法J浙江大学学报(工学版),():熊文,程瑜基于高帧视频分析的桥梁振动与模态非接触识别算法J东南大学学报(自然科学版),():T I ANL,P ANB R e m o t eb r i d g ed e f l e c t i o nm e a s u r e m e n t u s i n ga na d v a n c e dv i d e od e f l e c t o m e t e r a n da c t i v e l yi l l u m i n a t e dL E Dt a r g e t sJ S e n s o r s,():D ONGB,L IC,P ANB F l u o r e s c e n t DD i g i t a l i m a g ec o r r e l a t i o nw i t hb u i l t i nc o a x i a l i l l u m i n a t i o nf o rd e f o r m a t i o nm e a s u r e m e n t i ns p a c e c o n s t r a i n e ds c e n a r i o sJ E x p e r i m e n t a lm e c h a n i c s,():唐亮,吴桐,杜鹏,等基于激光条带追踪的桥梁振动非接触测量方法J工程科学与技术,():朱前坤,崔德鹏,张琼,等利用计算机视觉识别人行桥时变模态参数J振动工程学报,():程希希,张艳玲,田军委基于模板匹配的快速角点检测方法J计算机工程,():D ON GCZ,C E L I KO,C A T B A SFN M a r k e r f r e em o n i t o r i n go f t h eg r a n d s t a n ds t r u c t u r e sa n dm o d a l i d e n t i f i c a t i o nu s i n gc o m p u t e rv i s i o nm e t h o d sJ S t r u c t u r a lh e a l t hm o n i t o r i n g,():杜文康,雷冬,杭宗庆,等基于S UR F P R O S A C法的高铁桥梁位移测量技术研究J铁道科学与工程学报,():P ANX,YAN G T Y,X I AO Y,e ta l V i s i o n b a s e dr e a l t i m es t r u c t u r a lv i b r a t i o nm e a s u r e m e n tt h r o u g hd e e p l e a r n i n g b a s e dd e t e c t i o na n dt r a c k i n gm e t h o d sJ E n g i n e e r i n gs t r u c t u r e s,:L UB,B A IB,Z HAOX V i s i o n b a s e ds t r u c t u r a ld i s p l a c e m e n tm e a s u r e m e n tu n d e ra m b i e n t l i g h tc h a n g e sv i ad e e pl e a r n i n ga n dd i g i t a l i m a g ep r o c e s s i n gJM e a s u r e m e n t,:L IX M I m a g ee n h a n c e m e n ta l g o r i t h mb a s e do nR e t i n e xt h e o r yJA p p l i c a t i o nr e s e a r c ho fc o m p u t e r s,():李学明基于R e t i n e x理论的图像增强算法J计算机应用研究,():Z HU A,Z HAN GL,S HE NY,e t a l Z e r o s h o t r e s t o r a t i o no fu n d e r e x p o s e d i m a g e sv i a r o b u s tR e t i n e xd e c o m p o s i t i o nC/I E E EI n t e r n a t i o n a lC o n f e r e n c eo nM u l t i m e d i aa n dE x p o(I CME)L o n d o n,U n i t e dK i n