周云 程依婷

摘 ? 要：為實(shí)現(xiàn)結(jié)構(gòu)的位移及撓度測(cè)量，開(kāi)展了基于數(shù)字圖像相關(guān)算法的亞像素位移測(cè)量研究. 采用改進(jìn)初值的亞像素算法確定待測(cè)結(jié)構(gòu)目標(biāo)位置的基于像素的位移，利用相機(jī)標(biāo)定方法將基于像素的位移轉(zhuǎn)換為工程單位. 在數(shù)字圖像處理技術(shù)的基礎(chǔ)上對(duì)編寫的程序進(jìn)行數(shù)值仿真試驗(yàn)，位移計(jì)算結(jié)果與理論值吻合良好，驗(yàn)證了該程序測(cè)量精度的可靠性. 搭建視覺(jué)位移測(cè)量系統(tǒng)，為了驗(yàn)證該系統(tǒng)的有效性，對(duì)鋼框架結(jié)構(gòu)模型開(kāi)展了視覺(jué)測(cè)量系統(tǒng)和激光位移計(jì)的對(duì)比試驗(yàn);研究了相機(jī)與待測(cè)結(jié)構(gòu)之間的距離對(duì)視覺(jué)測(cè)量系統(tǒng)精度的影響. 利用該系統(tǒng)測(cè)量消防通道橋梁的跨中撓度，結(jié)果表明，視覺(jué)測(cè)量系統(tǒng)具備非接觸、低成本和便于實(shí)施遠(yuǎn)距離測(cè)量等優(yōu)勢(shì)，可實(shí)現(xiàn)以毫米級(jí)精度進(jìn)行結(jié)構(gòu)位移測(cè)量. 該測(cè)量方法在工程結(jié)構(gòu)變形測(cè)量中具有較好的應(yīng)用前景.

關(guān)鍵詞：非接觸測(cè)量;數(shù)字圖像相關(guān);位移;數(shù)字圖像處理

中圖分類號(hào)：TB89;TP391.4 ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A

Abstract：This paper presents a structural sub-pixel displacement measurement by using the digital image correlation technologies for structural displacement and deflection measurement. Pixel-based displacements of a monitored structural location were determined using an improved sub-pixel algorithm. To transform pixel-based displacements to engineering units， a camera calibration method was developed. The numerical simulation test was carried out based on digital image processing algorithm. The simulation results were in good agreement with theoretical value， which validated the reliability of systematic measurement accuracy. A machine vision-based displacement measurement system was developed. A steel frame model was established for conducting experiments to investigate the follows： （i） comparison study on the measurement results obtained by the vision-based system and the laser displacement sensor， （ii） the effect of the measurement distance on the accuracy of the vision-based system. The mid-span deflection of fire-fighting bridge was measured by the developed system. The experimental results show many advantages of vision-based method such as non-contact， low-cost and convenient to implementation in realizing the structural displacement measurement with the accuracy level of millimeter. The method has wide application prospects in the deformation detection of bridges and other structures.

Key words：non-contact measurements;digital image correlation;displacement;digital image processing

位移是結(jié)構(gòu)狀態(tài)評(píng)估和性能評(píng)價(jià)的一個(gè)關(guān)鍵參數(shù)， 根據(jù)結(jié)構(gòu)位移可獲得結(jié)構(gòu)的靜、動(dòng)態(tài)特性，如承載力、撓度和變形、荷載分布、荷載輸入、影響線和影響面、模態(tài)參數(shù)等，通過(guò)進(jìn)一步轉(zhuǎn)換得到相應(yīng)的物理指標(biāo)，可進(jìn)行結(jié)構(gòu)安全評(píng)估[1]. 為了滿足土木工程領(lǐng)域中大型基礎(chǔ)設(shè)施的位移測(cè)量需求，工程結(jié)構(gòu)的位移測(cè)量方法需要不斷創(chuàng)新和發(fā)展[2]. 傳統(tǒng)的位移測(cè)量手段主要分為兩類：接觸式測(cè)量和非接觸式測(cè)量. 接觸式測(cè)量方法采用的儀器有百分表、拉繩式位移傳感器、線性可變差壓傳感器、磁致伸縮位移傳感器等[1]. 這類方法易受測(cè)量環(huán)境限制，無(wú)法設(shè)置基準(zhǔn)點(diǎn)時(shí)則無(wú)法使用. 非接觸式測(cè)量包括全球定位系統(tǒng)、激光多普勒儀、全站儀和微波雷達(dá)等[1]. 其中全球定位系統(tǒng)[3]的測(cè)量準(zhǔn)確性易受觀測(cè)環(huán)境影響;激光多普勒儀在測(cè)量距離較遠(yuǎn)時(shí)無(wú)法使用且成本高昂;使用全站儀時(shí)，需在待測(cè)結(jié)構(gòu)上安裝棱鏡、儀器瞄準(zhǔn)棱鏡后進(jìn)行測(cè)量，全站儀的采樣頻率較低，不適用于結(jié)構(gòu)動(dòng)態(tài)位移的實(shí)時(shí)測(cè)量;微波雷達(dá)目前還受到軟件和硬件方面的限制.

數(shù)字圖像相關(guān)（digital image correlation， DIC）是一種在變形前后圖像之間跟蹤（或匹配）同一個(gè)物理點(diǎn)（或像素）的測(cè)量方法. 數(shù)字圖像相關(guān)方法[4-5]作為一種非接觸的光學(xué)測(cè)量方法，測(cè)量精度高、能夠?qū)崿F(xiàn)遠(yuǎn)距離多測(cè)點(diǎn)同步監(jiān)測(cè)且對(duì)設(shè)備和試驗(yàn)環(huán)境要求低，在土木工程領(lǐng)域得到廣泛應(yīng)用[6]. 2005年潘兵等[7]對(duì)比了數(shù)字圖像相關(guān)方法中3種常用的亞像素匹配算法，分析得知牛頓拉弗森算法（forward additive Newton-Raphson algorithm， FA-NR）的計(jì)算精度最高. 2014年葉肖偉等[8]提出了一種基于二維互相關(guān)的模板匹配算法，開(kāi)發(fā)了針對(duì)遠(yuǎn)距離測(cè)量的機(jī)器視覺(jué)位移測(cè)量系統(tǒng)，工作距離為1 000 m時(shí)最大誤差不超過(guò)3 mm. 2016年Shao等[9]提出了一種快速三維數(shù)字圖像相關(guān)方法來(lái)實(shí)現(xiàn)實(shí)時(shí)測(cè)量，并且通過(guò)對(duì)比分析得到反向組合牛頓-高斯算法（inverse compositional Gaussian-Newton algorithm， IC-GN）對(duì)噪聲的魯棒性優(yōu)于FA-NR算法. 2015年，晏班夫等[10]使用目標(biāo)檢測(cè)算法和卡爾曼濾波算法，從攝像機(jī)獲取的振動(dòng)圖像序列中獲得拉索多點(diǎn)的振動(dòng)位移響應(yīng)，并利用頻率法求解拉索索力. 2017年Chen等[11]采用運(yùn)動(dòng)放大技術(shù)從視頻中提取結(jié)構(gòu)的振動(dòng)，測(cè)量175 m以外的建筑物頂部天線塔的環(huán)境振動(dòng)響應(yīng)，識(shí)別得到的振幅為0.21 mm，視覺(jué)測(cè)量系統(tǒng)與激光位移計(jì)測(cè)量到的共振頻率僅相差1.7%. 2018年Kim和Choi等[12]采用IC-GN算法實(shí)現(xiàn)非接觸、遠(yuǎn)距離、高精度的應(yīng)變與轉(zhuǎn)角響應(yīng)測(cè)量，從而對(duì)核電廠管道系統(tǒng)的安全狀態(tài)進(jìn)行評(píng)估，將整像素匹配結(jié)果作為初值代入迭代優(yōu)化算法，得到亞像素精度的計(jì)算結(jié)果. 2018年，邵新星等[13]基于散斑自標(biāo)定方法，建立了一套自標(biāo)定三維數(shù)字圖像相關(guān)測(cè)量系統(tǒng)，實(shí)現(xiàn)了對(duì)結(jié)構(gòu)構(gòu)件大面積的全場(chǎng)測(cè)量，精確測(cè)量出木結(jié)構(gòu)榫卯節(jié)點(diǎn)在拔出過(guò)程中的全場(chǎng)變形. 2018年Feng等[14]提出了一種基于梯度的亞像素位移算法，采用樣條插值提高位移測(cè)量的精度. 在曼哈頓大橋上實(shí)現(xiàn)了一臺(tái)攝像機(jī)同步測(cè)量多點(diǎn)的豎向位移響應(yīng)，9. 5 m測(cè)距下均方根誤差為0. 28 mm.

本文基于傳統(tǒng)的IC-GN算法，提出將粗-精細(xì)搜索法得到的亞像素精度的結(jié)果作為初值代入IC-GN算法中，計(jì)算目標(biāo)點(diǎn)的亞像素位移，實(shí)現(xiàn)了對(duì)結(jié)構(gòu)動(dòng)態(tài)位移的非接觸測(cè)量. 通過(guò)數(shù)值仿真試驗(yàn)對(duì)比該方法與兩種常用的亞像素算法的性能，試驗(yàn)結(jié)果表明本文算法在計(jì)算精度和穩(wěn)定性方面均優(yōu)于其他兩種算法. 通過(guò)一系列實(shí)驗(yàn)室試驗(yàn)驗(yàn)證本文所搭建的視覺(jué)測(cè)量系統(tǒng)的有效性和準(zhǔn)確性，包括視覺(jué)測(cè)量系統(tǒng)與激光位移計(jì)之間的對(duì)比試驗(yàn);研究改變測(cè)量距離對(duì)視覺(jué)測(cè)量系統(tǒng)精度的影響. 通過(guò)對(duì)實(shí)際工程中消防通道橋梁跨中撓度的實(shí)際測(cè)量，驗(yàn)證了該系統(tǒng)在實(shí)際工程結(jié)構(gòu)中應(yīng)用的可行性.

1 ? DIC位移測(cè)量基本原理

采用DIC計(jì)算某點(diǎn)位移的基本原理如圖1所示，在未變形圖像即參考圖像中劃分出以目標(biāo)點(diǎn)為中心的（2M+1）×（2M+1）像素大小的方形參考子集，跟蹤該子集在變形后圖像中的相應(yīng)位置. DIC通過(guò)相關(guān)性計(jì)算，搜索相關(guān)系數(shù)分布的峰值位置（即相似程度最大的位置）來(lái)完成匹配過(guò)程，一旦檢測(cè)到相關(guān)系數(shù)極值，即可確定目標(biāo)子集的位置. 根據(jù)參考子集和目標(biāo)子集中心點(diǎn)坐標(biāo)可獲得該點(diǎn)位移矢量，分解位移矢量，得到目標(biāo)點(diǎn)水平方向和豎直方向位移.

2 ? 位移測(cè)量算法

像素是相機(jī)成像面的最小單位，相鄰兩像素之間的細(xì)分情況即為亞像素精度. 整像素位移不能滿足實(shí)際工程需求，因此需要進(jìn)一步地優(yōu)化搜索以實(shí)現(xiàn)更高的測(cè)量精度，達(dá)到亞像素級(jí)別. 為計(jì)算出相關(guān)函數(shù)極值，本文首先采用整像素相關(guān)計(jì)算得到整像素坐標(biāo)，然后通過(guò)非線性最優(yōu)化迭代算法進(jìn)行精細(xì)搜索，從而計(jì)算出精度較高的亞像素位移.

2.1 ? 整像素相關(guān)計(jì)算

相關(guān)函數(shù)被用來(lái)描述參考子集和變形后子集之間的相似程度[7]，本文采用零均值歸一化互相關(guān)函數(shù)（ZNCC）進(jìn)行整像素相關(guān)計(jì)算. 假設(shè)參考圖像中的某點(diǎn)（x，y）的灰度值為f（x，y），在變形后圖像中點(diǎn)（x，y）移動(dòng)到點(diǎn)（x+u，y+v），對(duì)應(yīng)的灰度值為g（x+u，y+v），其中（u，v）表示點(diǎn)（x，y）的整像素位移. ZNCC函數(shù)表達(dá)式可簡(jiǎn)化表達(dá)為：

由于整像素相關(guān)計(jì)算需要在變形后圖像上所有整像素位置進(jìn)行全局搜索，導(dǎo)致ZNCC函數(shù)在計(jì)算過(guò)程中產(chǎn)生龐大的計(jì)算量. 為提高計(jì)算速度，可預(yù)先計(jì)算出與圖像灰度矩陣有關(guān)的灰度積分圖，對(duì)式（1）中的分子分母進(jìn)行快速計(jì)算[15].整像素相關(guān)計(jì)算完成后，根據(jù)相關(guān)系數(shù)最大值點(diǎn)的坐標(biāo)計(jì)算得到整像素位移（u，v）. 由于參考子集的變形并不總在整像素位置，因此還需要采用亞像素算法進(jìn)一步優(yōu)化. 本文在傳統(tǒng)亞像素算法的基礎(chǔ)上，提出一種改進(jìn)初值的IC-GN算法.

2.2 ? 改進(jìn)初值的IC-GN亞像素位移測(cè)量算法

本文采用抗噪性能較好的IC-GN算法[15]進(jìn)行亞像素匹配測(cè)量，傳統(tǒng)的IC-GN算法將整像素坐標(biāo)（u，v）作為初始值. IC-GN算法的計(jì)算效率取決于迭代的次數(shù)，因而精確合理的初值可減少迭代次數(shù)、加快結(jié)果收斂，也可避免算法在迭代過(guò)程中發(fā)散. 本文在整像素精度坐標(biāo)的基礎(chǔ)上，嵌套粗-精細(xì)搜索算法來(lái)尋找最優(yōu)亞像素精度的初始坐標(biāo). 首先，以整像素相關(guān)計(jì)算得到的坐標(biāo)（x+u，y+v）為中心劃分一個(gè)3×3像素大小的方形子集. 為避免過(guò)大的計(jì)算量、提高計(jì)算效率，在該方形子集上分別沿著x軸和y軸方向以0.25像素為步長(zhǎng)進(jìn)行粗-精細(xì)搜索得到亞像素匹配點(diǎn)坐標(biāo). 但是粗-精細(xì)搜索算法僅能得到亞像素精度的u和v，無(wú)法得到u和v的偏導(dǎo)數(shù)ux、uy、vx、vy，因此還需要對(duì)IC-GN算法進(jìn)一步優(yōu)化. 將亞像素精度的u和v作為初始坐標(biāo)代入傳統(tǒng)IC-GN算法，進(jìn)行后續(xù)部分的迭代計(jì)算.

3 ? 試驗(yàn)驗(yàn)證

為了驗(yàn)證本文所提出的基于數(shù)字圖像相關(guān)的位移測(cè)量方法的可靠性和精度，進(jìn)行了數(shù)值仿真試驗(yàn)、實(shí)驗(yàn)室試驗(yàn)和野外實(shí)橋試驗(yàn). 本文計(jì)算機(jī)配置：Intel Core i7-8700 CPU 3.2 GHz、內(nèi)存為16 GB，使用MatlabR2018a編寫程序進(jìn)行試驗(yàn).

3.1 ? 數(shù)值仿真試驗(yàn)

根據(jù)Zhou[16]提出的制作散斑圖方法模擬結(jié)構(gòu)的變形，散斑圖像尺寸為256×256像素，散斑數(shù)目為2 000，散斑顆粒直徑為3像素. 以圖3為參考圖像，沿X方向進(jìn)行平移，每次平移的位移量為0.1像素，Y方向不發(fā)生位移，連續(xù)生成一組X方向位移從0.1到1像素共10幅散斑圖作為變形后的圖像. 引入統(tǒng)計(jì)學(xué)中均值誤差和標(biāo)準(zhǔn)差兩個(gè)指標(biāo)來(lái)衡量算法的計(jì)算精度和穩(wěn)定性[7].

選取如圖3所示矩形框作為感興趣區(qū)域（ROI），在每對(duì)進(jìn)行相關(guān)計(jì)算的散斑圖中均設(shè)置100個(gè)測(cè)點(diǎn). 采用本文所提出的改進(jìn)初值的IC-GN位移測(cè)量算法，計(jì)算10幅變形后散斑圖的位移，得到如圖4所示的位移曲線. 由圖4可知，計(jì)算值和預(yù)設(shè)位移值差距很小，基本呈線性關(guān)系，相對(duì)誤差約為0.05%. ? 同時(shí)還利用模擬散斑圖方法對(duì)比了本文提出的算法與2種常用亞像素算法（三次曲面擬合法[17]、梯度法[18-20]）的性能. 采用3種算法分別計(jì)算10幅變形后散斑圖的位移，每對(duì)進(jìn)行相關(guān)計(jì)算的散斑圖中均設(shè)置100個(gè)測(cè)點(diǎn)，3種算法測(cè)量結(jié)果的均值誤差曲線和標(biāo)準(zhǔn)差曲線如圖5（a）（b）所示. 從圖5可看出，本文提出的算法計(jì)算精度最高，無(wú)論均值誤差還是標(biāo)準(zhǔn)差都優(yōu)于三次曲面擬合法和梯度法.

表1給出了3種亞像素算法計(jì)算100個(gè)測(cè)點(diǎn)的運(yùn)算時(shí)間. 由表1可得，前兩種算法由于不需要迭代而直接求取位移信息，可實(shí)現(xiàn)較高的計(jì)算效率，但犧牲了測(cè)量精度. 而改進(jìn)初值的IC-GN算法具有很高的亞像素精度，改進(jìn)初值后往往僅需要數(shù)次迭代就能收斂到極值，能夠滿足實(shí)際工程中的計(jì)算效率需求.

3.2 ? 實(shí)驗(yàn)室試驗(yàn)

本文采用基于改進(jìn)初值的IC-GN算法，搭建了一套用于現(xiàn)場(chǎng)試驗(yàn)的視覺(jué)測(cè)量系統(tǒng)，該系統(tǒng)由便攜式相機(jī)、三腳架、計(jì)算機(jī)等設(shè)備組成，相機(jī)采集的視頻文件轉(zhuǎn)存到計(jì)算機(jī)中進(jìn)行后處理并提取位移. 為了驗(yàn)證視覺(jué)測(cè)量系統(tǒng)的精度及有效性，對(duì)實(shí)驗(yàn)室1個(gè)3層2跨的鋼框架結(jié)構(gòu)模型開(kāi)展2組實(shí)驗(yàn). 如圖6所示，模型整體尺寸為1 m×1.6 m，首層層高為0.6 m，二、三層層高為0.5 m，框架柱的間距為0.5 m，梁、柱均采用50 mm×3 mm截面尺寸的鋼薄板，框架模型固定于平整地面.

3.2.1 ? 視覺(jué)測(cè)量系統(tǒng)與激光位移計(jì)的對(duì)比分析

為了驗(yàn)證視覺(jué)測(cè)量系統(tǒng)的有效性，選取結(jié)構(gòu)的1#和2#測(cè)點(diǎn)作為視覺(jué)測(cè)量系統(tǒng)的測(cè)量目標(biāo)，采用普通手機(jī)（iPhone X）的攝像頭，以60 fps的采樣速率獲取2 280×1 080像素的圖像序列. 將日本基恩士IL300+IL1000激光位移計(jì)（量程為280 mm，精度為0. 7 mm）作為參考傳感器，用來(lái)評(píng)估視覺(jué)測(cè)量系統(tǒng)的性能，安裝位置如圖6（b）所示. 激光位移計(jì)獲得的位移響應(yīng)通過(guò)LMS Cadax-8便攜式動(dòng)態(tài)信號(hào)分析儀采集并儲(chǔ)存，采樣頻率設(shè)置為150 Hz.

相機(jī)和結(jié)構(gòu)之間的距離為4 m，將攝像頭對(duì)準(zhǔn)結(jié)構(gòu)上的目標(biāo)并調(diào)整相機(jī)焦距，使目標(biāo)能完整地被鏡頭拍攝到，且在振動(dòng)過(guò)程中不會(huì)超出視頻范圍. 完成相機(jī)標(biāo)定，對(duì)結(jié)構(gòu)施加初位移后瞬時(shí)釋放，視覺(jué)測(cè)量系統(tǒng)采集測(cè)點(diǎn)的振動(dòng)視頻圖像，激光位移計(jì)同步采集測(cè)點(diǎn)位置的位移響應(yīng).

視覺(jué)測(cè)量系統(tǒng)和參考傳感器（激光位移計(jì)）測(cè)量得到的1#、2#測(cè)點(diǎn)的位移結(jié)果（截取10 s）如圖7所示. 將參考傳感器的測(cè)量結(jié)果作為參考數(shù)據(jù)，結(jié)果表明，視覺(jué)測(cè)量系統(tǒng)得到的位移測(cè)量結(jié)果與參考數(shù)據(jù)高度吻合，其位移測(cè)量結(jié)果的均方根誤差估計(jì)值見(jiàn)表2. 當(dāng)結(jié)構(gòu)上的測(cè)點(diǎn)位移較大時(shí)，位移差值超過(guò)0.1 mm. 其原因在于：激光位移計(jì)測(cè)點(diǎn)的位置發(fā)生移動(dòng)，從而導(dǎo)致激光位移計(jì)的測(cè)量出現(xiàn)一定誤差;而基于數(shù)字圖像相關(guān)的測(cè)量系統(tǒng)能夠精確保持相同的測(cè)點(diǎn)位置，不會(huì)隨著位移大小的改變引起誤差. 由此可以證明視覺(jué)測(cè)量系統(tǒng)的有效性和精確性.

3.2.2 ? 測(cè)量距離的影響

傳統(tǒng)的位移測(cè)量傳感器的精度在出廠后基本保持穩(wěn)定，而基于視覺(jué)的位移測(cè)量系統(tǒng)的精度取決于幾個(gè)不同的參數(shù)，其中相機(jī)與目標(biāo)結(jié)構(gòu)之間的距離是最重要的影響因素. 為研究不同測(cè)距對(duì)視覺(jué)測(cè)量系統(tǒng)測(cè)量精度的影響，預(yù)設(shè)3組測(cè)距（分別為1 m、3 m、6 m），在相應(yīng)測(cè)距下，使用相機(jī)和激光位移計(jì)采集相同初位移釋放后的框架自由振動(dòng)響應(yīng). 圖8所示為在不同工況下2種測(cè)量系統(tǒng)得到的1#測(cè)點(diǎn)的位移響應(yīng).

相機(jī)的采樣頻率為30 fps，框架絕對(duì)靜止時(shí)，在測(cè)距分別為1 m、3 m和6 m工況下用視覺(jué)測(cè)量系統(tǒng)采集1#測(cè)點(diǎn)處位移，理論上1#測(cè)點(diǎn)實(shí)際位移為零，但是由于測(cè)量環(huán)境中存在噪聲，計(jì)算過(guò)程中存在誤差，實(shí)際測(cè)量結(jié)果在零值附近變化. 圖9所示為視頻圖像序列中的目標(biāo)追蹤結(jié)果. 將視覺(jué)測(cè)量系統(tǒng)得到的非零位移定義為數(shù)據(jù)誤差. 圖10表示測(cè)距分別為1 m、3 m和6 m時(shí)采集到的20 s內(nèi)的誤差分布情況，從圖10可看出，測(cè)距為1 m時(shí)，可假設(shè)該分布是平均值為-0.000 1 mm，且標(biāo)準(zhǔn)偏差為0.003 6 mm的正態(tài)分布. 將測(cè)量的精度區(qū)間定義為測(cè)量誤差分布標(biāo)準(zhǔn)差的±2倍（置信水平為95%），視覺(jué)測(cè)量系統(tǒng)在不同測(cè)距下的測(cè)量精度見(jiàn)表3.

3.3 ? 實(shí)橋試驗(yàn)

為了驗(yàn)證視覺(jué)測(cè)量系統(tǒng)用于實(shí)際工程結(jié)構(gòu)中的可行性，將其應(yīng)用在實(shí)際工程中消防通道橋梁跨中撓度的測(cè)量. 其測(cè)試橋梁段結(jié)構(gòu)全長(zhǎng)約21.60 m，車道寬度約7.07 m，如圖11所示.

試驗(yàn)采用Panasonic Lumix GH5型相機(jī)以及100～400 mm的變焦鏡頭，不需要安裝實(shí)體標(biāo)志物. 將橋梁跨中部位作為目標(biāo)區(qū)域，在距離目標(biāo)區(qū)域200 m的水平地面上穩(wěn)固架設(shè)相機(jī)，調(diào)整相機(jī)的焦距和角度，使得目標(biāo)區(qū)域位于圖像中心區(qū)域，如圖12所示. 試驗(yàn)過(guò)程中，設(shè)置了2種不同質(zhì)量的載重卡車進(jìn)行跑車試驗(yàn)，使用視覺(jué)測(cè)量系統(tǒng)測(cè)量卡車通過(guò)時(shí)橋梁直線段跨中撓度的變化. 所用測(cè)試車輛均為3軸10輪重型卡車，車輛全長(zhǎng)約8.14 m，寬度約為2.42 m，卡車參數(shù)見(jiàn)表4，各參數(shù)定義如圖13所示. 視覺(jué)測(cè)量系統(tǒng)的采樣頻率為30 fps，視頻畫質(zhì)的分辨率為4 K（即3 840×2 160像素）.

在原始圖像中的橋梁跨中部位選取一個(gè)測(cè)點(diǎn)作為視覺(jué)測(cè)量系統(tǒng)的跟蹤測(cè)量目標(biāo)，視覺(jué)測(cè)量系統(tǒng)對(duì)消防通道橋梁跨中豎向撓度的測(cè)量結(jié)果如圖14所示. 從圖中可看出，撓度曲線發(fā)生了波動(dòng)，但基本趨于穩(wěn)定. 撓度曲線產(chǎn)生波動(dòng)的原因是橋面上有卡車經(jīng)過(guò);撓度曲線的趨于穩(wěn)定表明橋梁的健康狀況良好. 結(jié)果表明，視覺(jué)測(cè)量系統(tǒng)無(wú)需安裝標(biāo)靶便能夠穩(wěn)定地應(yīng)用在實(shí)際橋梁撓度測(cè)量試驗(yàn)中.

4 ? 結(jié) ? 論

隨著高精度相機(jī)的發(fā)展和普及，使得土木工程健康監(jiān)測(cè)領(lǐng)域的非接觸式位移測(cè)量更為便利. 本文對(duì)基于數(shù)字圖像相關(guān)的結(jié)構(gòu)位移測(cè)量方法展開(kāi)研究，主要結(jié)論如下：

1）本文在傳統(tǒng)亞像素位移算法的基礎(chǔ)上，將亞像素匹配結(jié)果作為后續(xù)非線性優(yōu)化迭代的初值，避免在迭代過(guò)程中發(fā)散并提高了計(jì)算精度. 通過(guò)數(shù)值仿真試驗(yàn)驗(yàn)證了該方法的精度和有效性，數(shù)值仿真試驗(yàn)結(jié)果表明其位移測(cè)量相對(duì)誤差低于0.05%.

2）搭建了一套基于視覺(jué)的位移測(cè)量系統(tǒng)，實(shí)現(xiàn)了結(jié)構(gòu)位移的非接觸測(cè)量. 通過(guò)實(shí)驗(yàn)室試驗(yàn)驗(yàn)證視覺(jué)測(cè)量系統(tǒng)的準(zhǔn)確性和穩(wěn)定性. 對(duì)比分析視覺(jué)測(cè)量系統(tǒng)與激光位移計(jì)的測(cè)量結(jié)果，表明基于視覺(jué)的測(cè)量系統(tǒng)能夠得到準(zhǔn)確的動(dòng)態(tài)響應(yīng)測(cè)量結(jié)果. 研究測(cè)量距離對(duì)視覺(jué)測(cè)量系統(tǒng)精度影響的試驗(yàn)結(jié)果表明，視覺(jué)測(cè)量系統(tǒng)在一定測(cè)量距離范圍內(nèi)能夠達(dá)到很高的測(cè)量精度.

3）將視覺(jué)測(cè)量系統(tǒng)應(yīng)用在實(shí)際橋梁的撓度測(cè)量中，無(wú)需安裝標(biāo)靶便能夠?qū)崿F(xiàn)結(jié)構(gòu)動(dòng)態(tài)位移的遠(yuǎn)距離測(cè)量，因而基于視覺(jué)的測(cè)量系統(tǒng)在結(jié)構(gòu)動(dòng)態(tài)響應(yīng)識(shí)別方面具有良好的準(zhǔn)確性、穩(wěn)定性和可靠性. 下一步考慮將視覺(jué)測(cè)量系統(tǒng)應(yīng)用到橋梁輔助動(dòng)態(tài)稱重中，并開(kāi)展無(wú)人機(jī)在結(jié)構(gòu)位移測(cè)量中的應(yīng)用研究.

參考文獻(xiàn)

[1] ? ?葉肖偉，董傳智. 基于計(jì)算機(jī)視覺(jué)的結(jié)構(gòu)位移監(jiān)測(cè)綜述[J]. 中國(guó)公路學(xué)報(bào)，2019，32（11）：21—39.

YE X W，DONG C Z. Review of computer vision-based structural displacement monitoring[J]. China Journal of Highway and Transport，2019，32（11）：21—39. （In Chinese）

[2] ? ?YUN C B，LEE J J. Recent R&D activities on structural health monitoring for civil infrastructures in Korea[J]. KSCE Journal of Civil Engineering，2003，7（6）：637—651.

[3] ? ?NAKAMURA S. GPS measurement of wind-induced suspension bridge girder displacements[J]. Journal of Structural Engineering，2000，126（12）：1413—1419.

[4] ? ?YAMAGUCHI I. Holography，speckle，and computers[J]. Optics and Lasers in Engineering，2003，39（4）：411—429.

[5] ? ?SUTTON M，WOLTERS W. Determination of displacements using an improved digital correlation method[J]. Image and Vision Computing，1983，1（3）：133—139.

[6] ? ?蘇勇，張青川，伍小平. 數(shù)字圖像相關(guān)技術(shù)的一些進(jìn)展[J]. 中國(guó)科學(xué)（物理學(xué)、力學(xué)、天文學(xué)），2018，48（9）：23—47.

SU Y，ZHANG Q C，WU X P. Progress in digital image correlation method[J]. Scientia Sinica （Physica，Mechanica and Astronomica），2018，48（9）：23—47. （In Chinese）

[7] ? ?潘兵，謝惠民. 數(shù)字圖像相關(guān)中的亞像素位移定位算法進(jìn)展[J]. 力學(xué)進(jìn)展，2005，35（3）：345—352.

PAN B，XIE H M. Development of sub-pixel displacement registration algorithms in digital image correlation[J]. Advances in Mechanics，2005，35（3）：345—352. （In Chinese）

[8] ? ?葉肖偉，張小明，倪一清. 基于機(jī)器視覺(jué)技術(shù)的橋梁撓度測(cè)試方法[J]. 浙江大學(xué)學(xué)報(bào)（工學(xué)版），2014，48（5）：813—819.

YE X W，ZHANG X M，NI Y Q. Bridge deflection measurement method based on machine vision technology[J]. Journal of Zhejiang University （Engineering Science），2014，48（5）：813—819. （In Chinese）

[9] ? ?SHAO X X，DAI X，CHEN Z. Real-time 3D digital image correlation method and its application in human pulse monitoring[J]. Applied Optics，2016，55（4）：696.

[10] ?晏班夫，陳澤楚，朱子綱. 基于非接觸攝影測(cè)量的拉索索力測(cè)試[J]. 湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，42（11）：110—115.

YAN B F，CHEN Z C，ZHU Z G. Cable force identification based on non-contact photogrammetry system[J]. Journal of Hunan University （Natural Sciences），2015，42（11）：110—115. （In Chinese）

[11] ?CHEN J G. Video camera-based vibration measurement for civil infrastructure applications[J]. Journal of Infrastructure System，2017，23（3）：b4016013.

[12] ?KIM S W，CHOI H S. Strain and deformation angle for a steel pipe elbow using image measurement system under in-plane cyclic loading [J]. Nuclear Engineering and Technology，2018，50（1）：190—202.

[13] ?邵新星，錢帥宇. 基于自標(biāo)定數(shù)字圖像相關(guān)技術(shù)的榫卯構(gòu)件大面積全場(chǎng)變形測(cè)量[J]. 東南大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，48（2）：337—341.

SHAO X X，QIAN S Y. Large-area full-field deformation measurement of mortise-tenon structures based on self-calibration digital image correlation technology[J]. Journal of Southeast University （Natural Science Edition），2018，48（2）：337—341. （In Chinese）

[14] ?LUO L，F(xiàn)ENG M Q，WU Z Y. Robust vision sensor for multi-point displacement monitoring of bridges in the field[J]. Engineering Structures，2018，163：255—266.

[15] ?JIANG Z Y，QIAN K M，MIAO H. Path independent digital image correlation with high accuracy，speed and robustness[J]. Optics and Lasers in Engineering，2015，65（2）：93—102.

[16] ?ZHOU P. Subpixel displacement and deformation gradient measurement using digital image/speckle correlation （DISC）[J]. Optical Engineering，2001，40（8）：1613—1620.

[17] ?李新社. 三次曲面的快速擬合算法[J]. 計(jì)算機(jī)應(yīng)用與軟件，2002（5）：56—57.

LI X S. Thrice curved surfaces fast fit algorithm study[J]. Computer Applications and Software，2002（5）：56—57. （In Chinese）

[18] ?ZHANG J，JIN G，MA S. Application of an improved subpixel registration algorithm on digital speckle correlation measurement[J]. Optics and Laser Technology，2003，35（7）：533—542.

[19] ?ZHANG J，JIN G C，MENG L B. Strain and mechanical behavior measurements of soft tissues with digital speckle method[J]. Journal of Biomedical Optics，2005，10（3）：034021.

[20] 潘兵，謝惠民. 面內(nèi)位移測(cè)量的基于梯度的數(shù)字圖像相關(guān)方法[J]. 光學(xué)技術(shù)，2005，31（5）：643—647.

PAN B，XIE H M. In-plane displacement measurement by gradient-based digital image correlation[J]. Optical Technique，2005，31（5）：643—647. （In Chinese）

[21] KHUC T，CATBAS N. Completely contactless structural health monitoring of real-life structures using cameras and computer vision [J]. Structural Control and Health Monitoring，2016，24（1）：e1852.