閆朝勃，趙維剛，王保憲，李義強(qiáng)

（1.石家莊鐵道大學(xué) 機(jī)械工程學(xué)院，石家莊 050043；2.石家莊鐵道大學(xué) 安全工程與應(yīng)急管理學(xué)院，石家莊 050043）

橋梁支座是連接橋梁上部和下部結(jié)構(gòu)的重要結(jié)構(gòu)部件，為評(píng)估橋梁支座的性能，往往需要對(duì)其位移進(jìn)行監(jiān)測(cè)。目前，在工程中常用接觸式位移計(jì)對(duì)支座位移進(jìn)行監(jiān)測(cè)。這種監(jiān)測(cè)方式簡(jiǎn)單、直接，但在長(zhǎng)期服役過程中，由于關(guān)鍵測(cè)量部件不斷發(fā)生往復(fù)運(yùn)動(dòng)，易使傳感器磨損。近年來，基于機(jī)器視覺的圖像處理技術(shù)廣泛應(yīng)用于結(jié)構(gòu)位移監(jiān)測(cè)領(lǐng)域，并得到了國(guó)內(nèi)外研究人員的廣泛關(guān)注。杜鵬等人[1]提出一種無需在結(jié)構(gòu)上布置靶點(diǎn)，即可從結(jié)構(gòu)振動(dòng)視頻中獲取結(jié)構(gòu)表面密集特征點(diǎn)位移響應(yīng)的灰度值匹配算法，該算法的測(cè)量結(jié)果與傳統(tǒng)位移傳感器實(shí)測(cè)結(jié)果誤差在5%以內(nèi)，但該方法受環(huán)境噪聲的影響較為嚴(yán)重；崇愛新等人[2]提出了一種基于雙目視覺技術(shù)的無縫線路鋼軌縱向位移測(cè)量方法，該方法重點(diǎn)解決了復(fù)雜現(xiàn)場(chǎng)采集環(huán)境中編碼特征點(diǎn)的精確檢測(cè)與匹配問題，但是現(xiàn)場(chǎng)實(shí)驗(yàn)中鋼軌縱向位移的測(cè)量精度僅為0.2 mm；除此以外，相關(guān)學(xué)者還提出了許多基于機(jī)器視覺的監(jiān)測(cè)結(jié)構(gòu)物位移的新方法[3-6]。由于橋梁支座位于梁體下方，周圍空間狹小、背景環(huán)境復(fù)雜、光線較弱，上述先進(jìn)的測(cè)量方法可以精準(zhǔn)地對(duì)橋梁撓度、鋼軌縱向位移等進(jìn)行監(jiān)測(cè)，但是無法直接應(yīng)用到橋梁支座的位移監(jiān)測(cè)中。為此，本文提出了一種基于線特征跟蹤的鐵路橋梁支座振動(dòng)位移測(cè)量方法。

1 鐵路橋梁支座振動(dòng)位移測(cè)量概述

1.1 測(cè)量原理

本文利用目標(biāo)跟蹤技術(shù)，通過跟蹤固定于支座上方橋體的靶標(biāo)，獲取靶標(biāo)的位移變化，從而計(jì)算出鐵路橋梁支座的振動(dòng)位移。該原理主要包含3 部分，感興趣目標(biāo)的自動(dòng)獲取、直線魯棒檢測(cè)算子、多幀數(shù)據(jù)融合濾波，如圖1 所示。

圖1 測(cè)量原理示意

（1）利用大津閾值分割法和連通體分析法構(gòu)建感興趣目標(biāo)自動(dòng)獲取方法，自動(dòng)獲取視頻首幀圖像中紅色方形靶標(biāo)的坐標(biāo)信息，并結(jié)合靶標(biāo)坐標(biāo)信息確定線跟蹤區(qū)域。

（2）利用直線魯棒檢測(cè)算子對(duì)各個(gè)線跟蹤區(qū)域中的線段進(jìn)行檢測(cè)，并獲取各幀圖像中線段的位置信息。

（3）為消除光照、背景雜波及運(yùn)動(dòng)模糊對(duì)位移結(jié)果的影響，設(shè)計(jì)了一種多幀數(shù)據(jù)融合濾波器對(duì)振動(dòng)位移數(shù)據(jù)進(jìn)行后處理，并結(jié)合靶標(biāo)實(shí)際長(zhǎng)度和像素長(zhǎng)度的比值，計(jì)算出支座振動(dòng)位移。

1.2 布設(shè)方式

本文以雙T 簡(jiǎn)支梁橋?yàn)槔⒘藰蛄褐ё灰茰y(cè)量體系。將由紅色和黑色磨砂有機(jī)玻璃制作的靶標(biāo)測(cè)量標(biāo)識(shí)固定在支座上方的橋體上，如圖2（a）所示。為獲取靶標(biāo)的振動(dòng)視頻數(shù)據(jù)，需要在靶標(biāo)前方的橋墩上固定一臺(tái)攝像機(jī)，為保證攝像機(jī)拍攝到的靶標(biāo)圖像盡量在整個(gè)圖像的中心，需要攝像機(jī)鏡頭面與方靶標(biāo)面盡量平行，同時(shí)保證鏡頭中心軸線與靶標(biāo)中心軸線盡量共線，如圖2（b）所示。當(dāng)有列車荷載作用在橋梁梁體時(shí)，該靶標(biāo)會(huì)產(chǎn)生振動(dòng)，通過對(duì)靶標(biāo)的振動(dòng)視頻進(jìn)行處理，可得到橋體在靶標(biāo)平面內(nèi)的位移?？紤]到橋梁支座與其上方的橋體直接物理連接，因此，支座上方橋體的位移變化即是該橋梁支座的位移變化。

圖2 位移測(cè)量布設(shè)示意

2 感興趣目標(biāo)自動(dòng)獲取

圖2 靶標(biāo)中紅色的方形區(qū)域是需要自動(dòng)獲取的感興趣目標(biāo)。本文利用大津閾值分割法和連通體分析法構(gòu)建感興趣目標(biāo)自動(dòng)獲取方法，提取視頻首幀圖像的紅通道圖像，對(duì)其進(jìn)行二值化、形態(tài)學(xué)操作等預(yù)處理，利用連通體分析法并結(jié)合已知的靶標(biāo)相關(guān)信息自動(dòng)獲取靶標(biāo)的坐標(biāo)信息，根據(jù)靶標(biāo)的坐標(biāo)信息，自動(dòng)確定方形靶標(biāo)4 個(gè)邊緣的線跟蹤區(qū)域。

2.1 圖像預(yù)處理

在對(duì)感興趣目標(biāo)進(jìn)行定位之前，先要對(duì)圖像進(jìn)行預(yù)處理。由于紅色的感興趣目標(biāo)在紅通道圖像中的成像效果最為明顯，所以將視頻片段首幀圖像的紅通道圖像作為后續(xù)算法的輸入圖像；再利用大津閾值分割法對(duì)圖像進(jìn)行二值化處理，初步實(shí)現(xiàn)感興趣目標(biāo)的分割；利用連通體分析搜索圖中所有的連通體，并通過設(shè)置一個(gè)合適的尺寸因子對(duì)所有連通體進(jìn)行形態(tài)學(xué)開運(yùn)算，消除面積較小的連通體。

2.2 感興趣目標(biāo)定位

經(jīng)過形態(tài)學(xué)開運(yùn)算操作后，仍存在著一些無關(guān)的連通體區(qū)域，因此，為精準(zhǔn)地對(duì)感興趣目標(biāo)進(jìn)行定位，需要充分利用感興趣目標(biāo)的已知信息對(duì)無關(guān)的連通體區(qū)域進(jìn)行過濾。已知感興趣目標(biāo)的相關(guān)信息包括：

（1）感興趣目標(biāo)為正方形，因此圖像中感興趣目標(biāo)的長(zhǎng)寬比值接近1。

（2）為保證位移監(jiān)測(cè)精度，相機(jī)在安裝過程中會(huì)進(jìn)行觀察和測(cè)量，確保感興趣目標(biāo)的邊長(zhǎng)在1 000像素以上。利用上述信息對(duì)連通體區(qū)域進(jìn)行篩選，可自動(dòng)獲取感興趣目標(biāo)的坐標(biāo)信息。如圖3 所示，粗實(shí)線框中的區(qū)域即為獲取到的感興趣目標(biāo)區(qū)域，4個(gè)陰影區(qū)域是4 個(gè)線跟蹤區(qū)域，從圖3 可以看出，各個(gè)線跟蹤區(qū)域中僅包含一條感興趣目標(biāo)區(qū)域的邊緣信息。

圖3 感興趣目標(biāo)區(qū)域和線跟蹤區(qū)域示意

感興趣目標(biāo)左上角的坐標(biāo)為(x0,y0)，沿x軸方向的邊長(zhǎng)為w像素，沿y軸方向的邊長(zhǎng)為h像素，本文用s表示兩個(gè)邊長(zhǎng)的平均長(zhǎng)度。

為簡(jiǎn)化標(biāo)定過程，利用已知邊長(zhǎng)的靶標(biāo)進(jìn)行標(biāo)定，只需標(biāo)定出相機(jī)的物面分辨率而不需對(duì)相機(jī)內(nèi)外參數(shù)進(jìn)行標(biāo)定，同時(shí)保證了標(biāo)定精度和穩(wěn)定性。已知紅色方形靶標(biāo)的實(shí)際邊長(zhǎng)為lmm，通過公式（2）求解出實(shí)際邊長(zhǎng)與像素邊長(zhǎng)的比例因子S f（單位：mm/px）。

為準(zhǔn)確且快速地跟蹤感興趣目標(biāo)的坐標(biāo)變化，本文在感興趣目標(biāo)定位的基礎(chǔ)上，確定了4 個(gè)線跟蹤區(qū)域，其中線跟蹤區(qū)域1 和2 用于監(jiān)測(cè)支座水平方向的位移，線跟蹤區(qū)域3 和4 用于監(jiān)測(cè)豎直方向的位移?？紤]支座在水平和豎直方向的實(shí)際位移最大量為dmm，利用公式（1）和（2）計(jì)算線跟蹤區(qū)域短邊的長(zhǎng)度為p（單位：px）。

線跟蹤區(qū)域長(zhǎng)邊的長(zhǎng)度lb（單位：px），可通過公式（4）確定。

3 直線魯棒檢測(cè)算子

在確定感興趣目標(biāo)區(qū)域4 個(gè)邊緣的線跟蹤區(qū)域之后，利用線段檢測(cè)算法對(duì)線跟蹤區(qū)域中的線段進(jìn)行檢測(cè)，獲取線段的位置信息，從而獲取支座的振動(dòng)位移數(shù)據(jù)。

3.1 直線線段檢測(cè)

Hough 變換[7]是直線提取的常用算法，但其算法復(fù)雜度較高，且沒有結(jié)合方向信息，導(dǎo)致誤檢率較高[8]。線段檢測(cè)（LSD，Line Segment Detector）算法是由Rafael Grompone 等人[9]于2010 年提出的一種線段檢測(cè)算法，該算法能結(jié)合像素的梯度大小和方向信息準(zhǔn)確地提取直線，并能在NFA（Number of False Alarms）的約束下控制虛假直線，無需過多的參數(shù)設(shè)置。同時(shí)，該算法利用Helmholtz 原理來判斷直線，從而得到較好的線段檢測(cè)結(jié)果。因此本文利用LSD算法對(duì)線跟蹤區(qū)域中的線段進(jìn)行檢測(cè)。

如圖4 所示，每個(gè)線跟蹤區(qū)域內(nèi)僅包含1 條感興趣區(qū)域的邊緣線。本文利用LSD 算法提取線跟蹤區(qū)域內(nèi)的線段信息，主要包括當(dāng)前區(qū)域內(nèi)檢測(cè)到的線段個(gè)數(shù)及每個(gè)線段的端點(diǎn)坐標(biāo)等。

但直接利用LSD 線段提取的結(jié)果來描述靶標(biāo)邊緣仍存在著一些問題，如圖4（c）所示，非邊緣區(qū)域也檢測(cè)出了一些短線段，這些短線段的存在會(huì)影響到邊緣位置的確定。因此要對(duì)LSD 檢測(cè)結(jié)果的有效性進(jìn)行判斷，從n條線段中找出能描述靶標(biāo)邊緣的線段。

圖4 LSD 線檢測(cè)結(jié)果

3.2 線檢測(cè)有效性分析模型

考慮光照、背景雜波、運(yùn)動(dòng)模糊等干擾，通過LSD 線檢測(cè)可能檢測(cè)不到有效的線段特征。為對(duì)檢測(cè)結(jié)果的有效性進(jìn)行準(zhǔn)確判斷，本文設(shè)計(jì)了一種線檢測(cè)結(jié)果有效性分析模型。

（1）假設(shè)在線跟蹤區(qū)域內(nèi)檢測(cè)到了n條線段，第i條線段的端點(diǎn)坐標(biāo)分別為(xi1,yi1)和(xi2，yi2)；

（2）計(jì)算線跟蹤區(qū)域內(nèi)檢測(cè)出的各條線段的統(tǒng)計(jì)特征，線段長(zhǎng)lsi、線段長(zhǎng)度比例lri、線段截距bi。其中，線段長(zhǎng)，線段長(zhǎng)度比例；

（3）利用線跟蹤區(qū)域內(nèi)線段的統(tǒng)計(jì)特征對(duì)LSD 線檢測(cè)結(jié)果的有效性進(jìn)行分析，具體流程如圖5所示。

圖5 LSD 線檢測(cè)結(jié)果的有效性分析流程

通過上述處理流程可有效標(biāo)識(shí)出各個(gè)線跟蹤區(qū)域內(nèi)線段檢測(cè)結(jié)果的有效性，有效檢測(cè)結(jié)果所在的幀標(biāo)記為1，無效檢測(cè)結(jié)果所在的幀標(biāo)記為0。

4 多幀數(shù)據(jù)融合濾波器

為過濾無效的檢測(cè)結(jié)果，本文采用一種多幀數(shù)據(jù)融合濾波器，包括鄰近5 幀線跟蹤區(qū)域內(nèi)濾波和水平（豎直）方向內(nèi)目標(biāo)運(yùn)動(dòng)濾波。

4.1 鄰近5 幀線跟蹤區(qū)域內(nèi)濾波

在連續(xù)處理5 幀圖像數(shù)據(jù)后，可以得到鄰近5幀的邊線截距序列和對(duì)應(yīng)的標(biāo)識(shí)序列（簡(jiǎn)稱：序列組）；按照先進(jìn)先出的更新規(guī)則，新一幀的圖像處理結(jié)果會(huì)按順序進(jìn)入序列組，同時(shí)，序列組中最早一幀的圖像處理結(jié)果將被移出序列組；在更新序列組之前，需要先判斷該幀圖像檢測(cè)得到的線段截距對(duì)應(yīng)的標(biāo)識(shí)是否為0，若為0，則計(jì)算更新前的序列組中鄰近5 幀的邊線截距的平均值作為當(dāng)前幀的線段截距值，若為1，可直接按先進(jìn)先出的規(guī)則進(jìn)行序列組更新。

經(jīng)過上述操作，可利用方形靶標(biāo)最鄰近的目標(biāo)狀態(tài)，填補(bǔ)LSD 未有效檢測(cè)到的邊線截距值。假設(shè)所有幀圖像檢測(cè)得到的線段截距序列值為(b1,b2,···,bn)，將所有序列值都減去第1 個(gè)數(shù)值b1，可得該邊線對(duì)應(yīng)的像素位移變化序列(bo1,bo2,···,bon)。

4.2 水平（豎直）方向內(nèi)目標(biāo)運(yùn)動(dòng)濾波

處理線跟蹤區(qū)域1 和區(qū)域2 可同時(shí)測(cè)量待測(cè)目標(biāo)的水平位移變化，而處理線跟蹤區(qū)域3 和區(qū)域4 可同時(shí)測(cè)量待測(cè)目標(biāo)的豎直位移變化。在完成鄰近5幀線跟蹤區(qū)域內(nèi)濾波后，考慮按公式（5）融合線跟蹤區(qū)域1 和區(qū)域2 的邊線位移變化測(cè)量結(jié)果。

其中，bo′、bo′′分別表示線跟蹤區(qū)域1 和區(qū)域2中邊線的位移。

類似地，可按照同樣的規(guī)則融合線跟蹤區(qū)域3和區(qū)域4 的邊線位移變化測(cè)量結(jié)果。因此，可計(jì)算出每1 幀圖像中方靶標(biāo)在水平和豎直方向的像素位移變化測(cè)量結(jié)果。設(shè)水平方向的像素位移變化測(cè)量結(jié)果為(bx1,bx2,···,bxn)，豎直方向的像素位移變化測(cè)量結(jié)果為(by1,by2,···,byn)。將比例因子Sf分別乘以方靶標(biāo)在水平和豎直方向的像素位移變化測(cè)量值，即可得到方靶標(biāo)在水平和豎直方向的實(shí)際位移變化值。

5 實(shí)驗(yàn)應(yīng)用

5.1 現(xiàn)場(chǎng)安裝和預(yù)處理

將本文方法應(yīng)用到實(shí)際場(chǎng)景中，對(duì)橋梁支座的位移進(jìn)行了長(zhǎng)時(shí)間的監(jiān)測(cè)工作，來驗(yàn)證其有效性和準(zhǔn)確性。圖6（a）中展示的是安裝在現(xiàn)場(chǎng)的監(jiān)控?cái)z像機(jī)和靶標(biāo)，攝像機(jī)的分辨率為3 072×2 048 像素，視頻采集幀率為20 f/s，另外，現(xiàn)場(chǎng)還部署一臺(tái)工控機(jī)，利用該工控機(jī)對(duì)支座振動(dòng)視頻進(jìn)行處理。

圖6 現(xiàn)場(chǎng)安裝和預(yù)處理結(jié)果

以某個(gè)實(shí)際監(jiān)測(cè)點(diǎn)為例，說明本文所提出方法的具體處理流程：（1）對(duì)采集的支座振動(dòng)視頻片段進(jìn)行分幀處理，得到視頻幀序列，圖6（b）為支座振動(dòng)視頻片段中的首幀圖像；（2）利用大津閾值分割法對(duì)首幀圖像的紅通道圖像進(jìn)行二值化處理，處理結(jié)果如圖6（c）所示；（3）由于二值化結(jié)果中存在許多面積很小的連通體區(qū)域，因此，需要利用形態(tài)學(xué)開運(yùn)算對(duì)二值化后的圖像進(jìn)行處理，去除面積較小的連通體，對(duì)比圖6（d）和圖6（c）可以看出，開運(yùn)算操作有效地去除了面積較小的連通體。

5.2 感興趣目標(biāo)獲取結(jié)果

利用連通體分析搜索圖中所有的連通體，圖7（a）虛線框中標(biāo)注的區(qū)域均為連通體，需要從這些連通體中篩選出感興趣區(qū)域。由于已知靶標(biāo)的長(zhǎng)寬比、面積等，可利用這些信息對(duì)連通體區(qū)域進(jìn)行篩選，從而確定感興趣區(qū)域的坐標(biāo)信息，得到圖7（b）中感興趣區(qū)域左上角端點(diǎn)的坐標(biāo)為(1 277，355)，邊長(zhǎng)分別為1 082、1 080 像素。紅色方形靶標(biāo)的實(shí)際邊長(zhǎng)為60 mm，由公式（1）和公式（2）可計(jì)算出比例因子Sf≈0.056 mm/px。

圖7 感興趣目標(biāo)獲取結(jié)果

根據(jù)現(xiàn)場(chǎng)環(huán)境中支座的實(shí)際位移變化情況，本文采用的水平和豎直最大位移量為8 mm，確定靶標(biāo)4 個(gè)線跟蹤區(qū)域，如圖7（c）所示。

5.3 位移測(cè)量

對(duì)4 個(gè)線跟蹤區(qū)域的靶標(biāo)邊緣分別進(jìn)行LSD 線檢測(cè)，得到各個(gè)線跟蹤區(qū)域中靶標(biāo)的像素位移數(shù)據(jù)，并將像素位移結(jié)果與比例因子Sf相乘，得到各個(gè)線跟蹤區(qū)域中靶標(biāo)的位移數(shù)據(jù)，其位移曲線如圖8所示。

圖8 各個(gè)線跟蹤區(qū)域的位移曲線

圖8（a）中的兩條位移曲線和圖8（b）中的兩條位移曲線的變化趨勢(shì)基本一致，經(jīng)過計(jì)算，兩組位移結(jié)果的皮爾遜相關(guān)系數(shù)均在0.95 以上，說明兩組位移結(jié)果分別呈現(xiàn)極強(qiáng)的正相關(guān)。再利用多幀數(shù)據(jù)融合濾波器分別將線跟蹤區(qū)域1 和區(qū)域2、線跟蹤區(qū)域3 和區(qū)域4 的結(jié)果進(jìn)行融合，從而得到橋梁支座實(shí)際的位移時(shí)程曲線，如圖9 所示。

從圖9 可以看出，在列車某次通行的過程中，該橋梁支座的水平位移約為0.9 mm，豎向位移約為0.08 mm，且該位移曲線變化趨勢(shì)較為明顯，可反映出列車通行過程中的完整位移。

圖9 多幀數(shù)據(jù)融合后的位移時(shí)程曲線

6 結(jié)束語

本文提出了一種基于線特征跟蹤的鐵路橋梁支座位移監(jiān)測(cè)方法，該方法利用大津法和連通體分析法從支座振動(dòng)視頻的首幀圖像中自動(dòng)獲取感興趣目標(biāo)區(qū)域，并基于感興趣區(qū)域確定線跟蹤區(qū)域；利用線檢測(cè)算法對(duì)各幀圖像中線跟蹤區(qū)域進(jìn)行線檢測(cè)，通過統(tǒng)計(jì)各幀圖像中線段的位置信息，計(jì)算出支座的振動(dòng)位移數(shù)據(jù)；利用多幀數(shù)據(jù)融合濾波器對(duì)橋梁支座振動(dòng)位移數(shù)據(jù)進(jìn)行后處理，得到列車通行時(shí)支座的時(shí)程曲線。為驗(yàn)證該方法的有效性，本文將其應(yīng)用到實(shí)際場(chǎng)景中，并對(duì)橋梁支座的位移進(jìn)行了長(zhǎng)時(shí)間的監(jiān)測(cè)工作。實(shí)驗(yàn)結(jié)果表明，該方法可有效監(jiān)測(cè)靶標(biāo)平面內(nèi)兩個(gè)垂直方向的位移，且測(cè)量精度高、簡(jiǎn)單易行，有效彌補(bǔ)了現(xiàn)有的基于結(jié)構(gòu)物表面紋理特征跟蹤的支座振動(dòng)位移測(cè)量算法容易受光照、背景雜波、運(yùn)動(dòng)模糊等因素干擾的缺點(diǎn)，在非接觸位移測(cè)量領(lǐng)域具有廣闊的應(yīng)有前景。