CN112284509A - 一种基于手机视频的桥梁结构振型测量方法 - Google Patents
一种基于手机视频的桥梁结构振型测量方法 Download PDFInfo
- Publication number
- CN112284509A CN112284509A CN202011042730.XA CN202011042730A CN112284509A CN 112284509 A CN112284509 A CN 112284509A CN 202011042730 A CN202011042730 A CN 202011042730A CN 112284509 A CN112284509 A CN 112284509A
- Authority
- CN
- China
- Prior art keywords
- sample
- video
- vibration mode
- contour line
- mobile phone
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005259 measurement Methods 0.000 claims abstract description 27
- 230000003068 static effect Effects 0.000 claims abstract description 17
- 238000000691 measurement method Methods 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 abstract description 2
- 238000006073 displacement reaction Methods 0.000 description 6
- 230000005284 excitation Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000013016 damping Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010034960 Photophobia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 208000013469 light sensitivity Diseases 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于单个手机摄影的桥梁结构振型测量方法，包括：通过手机摄像头录制桥梁视频，获得视频样本；在视频样本中选择颜色差异大的桥梁振动轮廓线作为桥梁振型的识别对象；识别视频样本的上轮廓线和下轮廓线，通过上轮廓线和下轮廓线获得视频样本的静平衡曲线；通过上轮廓线和静平衡曲线获得视频样本的原始振型样本；通过原始振型样本获得桥梁振型。使用一台手机摄像就能完成桥梁结构的振型测量，直接利用被测结构表面的结构特征，如目标表面的纹理、图案背景等作为测量区域，使实验操作简单方便，对视频质量要求较低，成本低廉，便于推广，视频获取来源广泛和无需专业培训等优点。
Description
技术领域
本发明属于桥梁结构健康监测领域，特别涉及一种基于手机视频的桥梁结构振型测量方法。
背景技术
桥梁结构振动信息的测量是桥梁结构健康监测必不可少的内容。结构的振动信息反映了桥梁的整体安全性能，是桥梁结构损伤识别和安全状态评估的重要数据来源。结构的振动信息包含有自振频率、振型、阻尼系数等关键参数。目前已有较为成熟的自振频率和阻尼系数的测量方法，但自振频率和阻尼系数对于结构损伤识别和安全状态评估的效果不好。
桥梁结构振型的测量方法可分为接触类测量方法和非接触类测量方法两类。接触类测量方法主要采用加速度计、倾角计、位移计、GPS和差压变送器等类型的传感器进行测量。接触类测量方法具有测量数据精度相对较高的优点。但这种有方法有以下不足之处：(1)测点数量极为有限，无法得到高阶振型。(2)需要外接电源和数据采集传输设备。(3)传感器及其采集仪的设备成本高昂，且安装难度较大。(4)各测点数据的同步性不高。
非接触类测量方法主要有激光扫描类方法和基于机器视觉的方法等。其中激光扫描类方法成本高昂、激光阵列的同步性不强，受天气影响较大，且一般情况下需要双目测量。现有的基于机器视觉的测量方法为了得到预设测点的振动时程曲线，就必须获取高清的视频图像，此时就必须采用工业高速相机。但这种相机成本过高，多操作人员有一定的要求，且图像数据的处理需要较高配置的计算机配合才能完成。
发明内容
本发明属于非接触类的基于机器视觉的振型测量方法。本发明针对传统桥梁振型测量方法的不足，提出了一种基于单个手机摄影的桥梁结构振型测量方法。测量方法采用一种基于手机摄影的机器视觉动态追踪方法。
本发明至少通过以下技术方案之一实现发明目的。
一种基于单个手机摄影的桥梁结构振型测量方法，包括：
通过手机摄像头录制桥梁视频，获得视频样本；
在视频样本中选择颜色差异大的桥梁振动轮廓线作为桥梁振型的识别对象；
识别视频样本的上轮廓线和下轮廓线，通过上轮廓线和下轮廓线获得视频样本的静平衡曲线；
通过上轮廓线和静平衡曲线获得视频样本的原始振型样本；
通过原始振型样本获得桥梁振型。
进一步地，采用常规手机镜头进行视频录制。本发明需要获取的是桥梁的轮廓，而不是准确的结构位移，对图像精度要求不高，常规的手机摄像头即能满足要求，而无需专业相机或工业级摄像头，不仅能够有效降低成本，且使用方便。
进一步地，所述获得视频样本，具体为：获取可识别桥梁结构振动轮廓的视频作为视频样本。
进一步地，采用单个手机进行视频录制。
进一步地，测量过程中采用环境激励，所述环境包括但不限于车辆荷载或风荷载。
进一步地，通过视频图像轮廓识别技术识别视频样本的上轮廓线和下轮廓线。
进一步地，所述识别视频样本的上轮廓线和下轮廓线，通过上轮廓线和下轮廓线获得视频样本的静平衡曲线，具体为：
分别识别出各个桥梁振动轮廓线的上轮廓线f上i(x)和下轮廓线f下i(x)，即振幅最大的位置；
对视频样本的上轮廓线和下轮廓线根据以下公式进行计算，得到该视频样本中的桥梁结构的静平衡曲线f平衡i(x)；
f平衡i(x)＝[f上i(x)+f下i(x)]/2
进一步地，所述通过上轮廓线和静平衡曲线获得视频样本的原始振型样本，具体为：通过视频样本的上轮廓线f上i(x)和静平衡曲线f平衡i(x)的差值获得所述原始振型样本fi(x)，公式如下：
fi(x)＝f上i(x)-f平衡i(x)
进一步地，所述通过手机摄像头录制桥梁视频，获得视频样本中，获取n个视频样本，所述视频样本的取值范围为10≤n≤20。
进一步地，所述通过原始振型样本获得桥梁振型，具体为：
对第i个原始振型样本fi(x)进行归一化操作，得到可用于算数平均的振型样本
具体公式为
其中max(fi(x))为原始振型样本fi(x)的最大观测值；
对样本进行算数平均运算
得到最终的桥梁振型f(x)。
与现有技术相比，本发明能够实现的有益效果如下：
(1)解决了传统桥梁动力特性识别方法中需要人为对桥梁施加激励的弊端，本发明的结构振型测量采用车辆荷载、风荷载等环境激励，无需额外激励源，无需在测量过程中对桥上交通进行管制处理，不会对桥梁产生不利影响。
(2)实现使用一台手机摄像就能完成桥梁结构的振型测量，避免了传统测量方法测点有限而无法得到高阶振型的问题。
(3)解决了传统桥梁结构振动测试方法中因为加速度传感器等与被测结构直接连接现场布线、二次积分、远距离传输、电磁干扰等带来的测试误差问题，本发明将手机相机作为测量装置，实现桥梁结构进行远距离非接触式动态位移监测。
(4)传统的测量方法首先通过准确测量桥梁结构上指定的标定点的位移，然后将一系列标定点的位移连接成结构的振型曲线。故由于天气条件变化，会导致标志点模糊或者识别分辨率降低。常规方法的光线敏感性极强，甚至需要额外的补光才能完成测量，稍有干扰都会影响到测量结果。本申请采用的是识别结构振动轮廓的方式，无需指定标志点，也无需识别标志点的位移，故而对天气因素影响不敏感。本申请识别的是结构的振动轮廓，即使图像中出现重影、或者桥梁结构部分被遮挡，都可以根据观测到的信息识别出桥梁结构的轮廓。解决了由于天气原因带来造成的测量失准问题，比如大雾、下雨或者其他光线变化会造成相机无法有效可靠地对目标点进行识别的问题。
(5)解决了传统视觉类振型测量方法必须通过坐标变换得到真实世界坐标系下结构真实振型，才能进行损伤识别和安全状态评估的问题。本发明方法无需对测量结果进行坐标变换，仅需要在手机相机位置基本不变的情况下，直接分析桥梁损伤前后的振型测量结果，即可得到损伤位置、损伤程度等关键信息。
(6)解决了传统基于机器视觉技术的测试方法中需要在被测结构上布置额外特征点的问题，本发明直接利用被测结构表面的结构特征，如目标表面的纹理、图案背景等作为测量区域，使实验操作简单方便，对视频质量要求较低。
(7)避免了高速相机、加速度传感器、GPS等设备的成本高昂的问题，本发明完全能够实现低成本测量桥梁振型。且采用常规手机录像方法具有成本低廉，便于推广，视频获取来源广泛和无需专业培训等优点。相较于其他测量方法，本发明测量方法的成本低，操作简单、携带方便且精度可控。
(8)采用单个手机进行视频录制，无需多镜头协同录制。采用单目视频录制，避免了多目摄影的同步性问题，以及多目镜头需进行视觉校正才能得到真实振型的麻烦，便于操作，从根源上解决了各类接触类振型测量方法存在各个测点采样时间不同步的问题。
(9)采用多次轮廓识别，对识别结果进行算数平均消除测量误差，提升测量精度。
(10)本测量方法无需对桥梁结构整体进行全面观测，仅选择桥梁局部能够得到观测部分的振型，并利用所测量振型可以进行下一步的结构损伤识别和安全状态评估工作。本发明方法可以有效解决常规视觉测量方法必须选择有利的观测角度和观测地点才能得到桥梁结构有价值振型的限制，尤其是遮挡物无法避开的情况。
(11)本测量方法可以对同一桥梁在不同视角的视频分别进行结构的损伤识别和安全状态评估。所得结果可以交叉验证，既提高了测量的精度，也提高了结果的可信度。传统接触类方法仅能得到唯一的一组振型数据，如果测量仪器损坏将会彻底损失相应的测点数据。本发明可以从不同观测地点，多角度对同一桥梁进行测量。对本发明的结果进行综合分析，可以明显提高测量方法的适用性和测量结果的可靠性。
附图说明
图1为本发明实施例提供的一种基于单个手机摄影的桥梁结构振型测量方法的测量流程图。
图2为本发明实施例中算数平均值中误差与测量次数的关系示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。
请参阅图1，本实施例提供的一种基于单个手机摄影的桥梁结构振型测量方法，包括以下步骤：
S1、选择拍摄地点，测量装置包括普通手机，调整手机镜头使得桥梁主体构整体或局部出现在相机视野当中。当然，在其他的实施例中，也可不架设，直接手持手机进行拍摄。
本实施例中采用单个手机进行视频录制。采用手机摄像头作为测量装置，不仅可以实现对桥梁结构进行远距离非接触式振型测量，而且从根源上解决了各类接触类振型测量方法存在各个测点采样时间不同步的问题，通过采用单目视频录制，避免了多目摄影的同步性问题，以及多目镜头需进行视觉校正才能得到真实振型的麻烦，便于操作。
S2、利用手机录制桥梁视频，获得视频样本。
具体的，获取可识别桥梁结构振动轮廓的视频作为视频样本。本实施例中，共选取n个视频样本，即进行了n次观测，根据测量误差分析理论，假设对某量同精度独立观测n次，观测值分别为L1,L2,L3,...,Ln，每次观测中的误差均等于σL,取n个观测值的算术平均值作为该量的最后结果,即
此时
即
据此公式，选择样本数满足10≤n≤20，既可以提升测量精度，也可以避免数据量过大导致的数据处理效率降低。样本数满足10≤n≤20这一区间是经过优选之后的结果。
本实施例无需对桥梁结构整体进行全面观测，仅选择桥梁局部能够得到观测部分的振型，通过选择桥梁局部位置的视频作为视频样本，然后依照下述步骤最终可得到桥梁振型。可以有效解决常规视觉测量方法必须选择有利的观测角度和观测地点才能得到桥梁结构有价值振型的限制，尤其是遮挡物无法避开的情况。
S3、在每个视频样本中选择颜色差异大的桥梁振动轮廓线作为桥梁振型的识别对象。
具体的，根据背景或桥梁颜色特征确定颜色差异大的桥梁振动轮廓线识别对象，每个视频样本可选取多个轮廓线识别对象。例如，桥梁结构并不是同一颜色的，比如混凝土结构主体呈灰色，而背景可以是蓝天的蓝色，或者周围房屋建筑物的外墙颜色。如果从图像颜色RGB色号(比如红色R的范围是0-255)来区分的话，每个颜色色号差别大于50以上，就完全可以认为是颜色差异大了。
S4、通过视频图像轮廓识别技术识别每个视频样本的上轮廓线和下轮廓线，通过上轮廓线和下轮廓线分别获得每个视频样本的静平衡曲线。
图像的轮廓识别已经是比较成熟的技术，在matlab，C语言等程序中可以较方便的调用子程序进行处理。图像的边缘识别往往分成两步：(1)识别出像素特征变化剧烈的位置。像素变化具有方向和幅度两个属性,通常沿边缘的方向像素变化平缓,垂直于边缘的方向像素变化剧烈。(2)利用Hough变换等数学变换将不连续的边缘像素点连接起来得到边界曲线。本实施例中采用“基于微分算子的图像轮廓识别方法”来识别上轮廓线和下轮廓线。
具体的，针对第i个视频样本分别识别出各个桥梁振东轮廓线的上轮廓线f上i(x)和下轮廓线f下i(x)，即振幅最大的位置；
分别对每个视频样本的上轮廓线和下轮廓线进行f平衡i(x)＝[f上i(x)+f下i(x)]/2运算，对应得到每个视频样本中桥梁结构的静平衡曲线f平衡i(x)。
S5、每个视频样本中，通过相应的上轮廓线f上i(x)和静平衡曲线f平衡i(x)分别获得每个视频样本的原始振型样本。具体公式如下：
fi(x)＝f上i(x)-f平衡i(x)
S5、通过原始振型样本获得桥梁振型。具体步骤如下：
S51、对每个原始振型样本按以下公式进行归一化操作，得到可用于算数平均的振型样本
其中，max(fi(x))为原始振型样本fi(x)的最大观测值。
S52、按照以下公式对每个振型样本
进行算数平均运算，得到最终的桥梁振型f(x)。
通过对多个视频样本中的轮廓线进行识别，并分别获得原始振型样本，然后通过对多个视频样本中的原始振型样本进行算数平均可以有效减少测量误差，提升了测量精度。
通过本实施例提供非接触的测量方法，采用单个手机进行摄像即可完成桥梁结构的振型测量，无需对测量结果进行坐标变换，仅需要在相机位置基本不变的情况下，直接分析桥梁损伤前后的振型测量结果，即可得到损伤位置、损伤程度等关键信息。
使用本实施例的测量方法时，对车辆、环境风等环境激励下的桥梁结构振型测量，无需额外激励源，无需在测量过程中对桥上交通进行管制处理，不会对桥梁产生不利影响。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于单个手机摄影的桥梁结构振型测量方法，其特征在于，包括：
通过手机摄像头录制桥梁视频，获得视频样本；
在视频样本中选择颜色差异大的桥梁振动轮廓线作为桥梁振型的识别对象；
识别视频样本的上轮廓线和下轮廓线，通过上轮廓线和下轮廓线获得视频样本的静平衡曲线；
通过上轮廓线和静平衡曲线获得视频样本的原始振型样本；
通过原始振型样本获得桥梁振型。
2.根据权利要求1所述的一种基于单个手机摄影的桥梁结构振型测量方法，其特征在于：采用常规手机镜头进行视频录制。
3.根据权利要求1所述的一种基于单个手机摄影的桥梁结构振型测量方法，其特征在于，所述获得视频样本，具体为：获取可识别桥梁结构振动轮廓的视频作为视频样本。
4.根据权利要求1所述的一种基于单个手机摄影的桥梁结构振型测量方法，其特征在于：采用单个手机进行视频录制。
5.根据权利要求1所述的一种基于单个手机摄影的桥梁结构振型测量方法，其特征在于：测量过程中采用环境激励，所述环境激励包括但不限于车辆荷载或风荷载。
6.根据权利要求1所述的一种基于单个手机摄影的桥梁结构振型测量方法，其特征在于：通过视频图像轮廓识别技术识别视频样本的上轮廓线和下轮廓线。
7.根据权利要求1所述的一种基于单个手机摄影的桥梁结构振型测量方法，其特征在于，所述识别视频样本的上轮廓线和下轮廓线，通过上轮廓线和下轮廓线获得视频样本的静平衡曲线，具体为：
分别识别出各个桥梁振动轮廓线的上轮廓线f上i(x)和下轮廓线f下i(x)，即振幅最大的位置；
对视频样本的上轮廓线和下轮廓线根据以下公式进行计算，得到该视频样本中的桥梁结构的静平衡曲线f平衡i(x)；
f平衡i(x)＝[f上i(x)+f下i(x)]/2 。
8.根据权利要求1所述的一种基于单个手机摄影的桥梁结构振型测量方法，其特征在于，所述通过上轮廓线和静平衡曲线获得视频样本的原始振型样本，具体为：通过视频样本的上轮廓线f上i(x)和静平衡曲线f平衡i(x)的差值获得所述原始振型样本fi(x)，公式如下：
fi(x)＝f上i(x)-f平衡i(x) 。
9.根据权利要求1-8任一所述的一种基于单个手机摄影的桥梁结构振型测量方法，其特征在于：所述通过手机摄像头录制桥梁视频，获得视频样本中，获取n个视频样本，所述视频样本的取值范围为10≤n≤20。
10.根据权利要求9所述的一种基于单个手机摄影的桥梁结构振型测量方法，其特征在于，所述通过原始振型样本获得桥梁振型，具体为：
对第i(i＝1,2,3,...,n)个原始振型样本fi(x)进行归一化操作，得到可用于算数平均的振型样本
具体公式为
其中max(fi(x))为原始振型样本fi(x)的最大观测值；
(7)对样本进行算数平均运算
得到最终的桥梁振型f(x)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011042730.XA CN112284509A (zh) | 2020-09-28 | 2020-09-28 | 一种基于手机视频的桥梁结构振型测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011042730.XA CN112284509A (zh) | 2020-09-28 | 2020-09-28 | 一种基于手机视频的桥梁结构振型测量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112284509A true CN112284509A (zh) | 2021-01-29 |
Family
ID=74421633
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011042730.XA Pending CN112284509A (zh) | 2020-09-28 | 2020-09-28 | 一种基于手机视频的桥梁结构振型测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112284509A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113128371A (zh) * | 2021-04-01 | 2021-07-16 | 中铁大桥局集团有限公司 | 一种基于自动视觉扫描的运营期桥梁监测系统及方法 |
| CN113340405A (zh) * | 2021-07-09 | 2021-09-03 | 中铁七局集团有限公司 | 桥梁振型的测量方法、装置及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105865735A (zh) * | 2016-04-29 | 2016-08-17 | 浙江大学 | 一种基于视频监控的桥梁振动测试与动力特性识别方法 |
| CN108106541A (zh) * | 2017-12-21 | 2018-06-01 | 浙江大学 | 一种基于视频图像识别的桥梁索力测量方法 |
| JP2019168387A (ja) * | 2018-03-26 | 2019-10-03 | 株式会社Ｎｔｔドコモ | 建築物判定システム |
| CN110595601A (zh) * | 2019-04-26 | 2019-12-20 | 深圳市豪视智能科技有限公司 | 桥梁振动检测方法及相关装置 |
-
2020
- 2020-09-28 CN CN202011042730.XA patent/CN112284509A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105865735A (zh) * | 2016-04-29 | 2016-08-17 | 浙江大学 | 一种基于视频监控的桥梁振动测试与动力特性识别方法 |
| CN108106541A (zh) * | 2017-12-21 | 2018-06-01 | 浙江大学 | 一种基于视频图像识别的桥梁索力测量方法 |
| JP2019168387A (ja) * | 2018-03-26 | 2019-10-03 | 株式会社Ｎｔｔドコモ | 建築物判定システム |
| CN110595601A (zh) * | 2019-04-26 | 2019-12-20 | 深圳市豪视智能科技有限公司 | 桥梁振动检测方法及相关装置 |
Non-Patent Citations (1)
| Title |
|---|
| 黄娟娟: "基于视频图像检测技术的抛物线拱结构振动研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113128371A (zh) * | 2021-04-01 | 2021-07-16 | 中铁大桥局集团有限公司 | 一种基于自动视觉扫描的运营期桥梁监测系统及方法 |
| CN113128371B (zh) * | 2021-04-01 | 2023-06-23 | 中铁大桥局集团有限公司 | 一种基于自动视觉扫描的运营期桥梁监测系统及方法 |
| CN113340405A (zh) * | 2021-07-09 | 2021-09-03 | 中铁七局集团有限公司 | 桥梁振型的测量方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
| CN110108348B (zh) | 基于运动放大光流跟踪的薄壁件微幅振动测量方法及系统 | |
| CN110473260B (zh) | 一种波浪视频测量装置及方法 | |
| US20200364849A1 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
| CN106404682B (zh) | 一种土壤颜色识别方法 | |
| CN109520706A (zh) | 汽车保险丝盒装配检测系统、图像识别方法及螺孔定位法 | |
| CN113240747B (zh) | 一种基于计算机视觉的户外结构振动位移自动化监测方法 | |
| CN114812403A (zh) | 基于无人机及机器视觉的大跨度钢结构吊装变形监测方法 | |
| CN118799811B (zh) | 预制混凝土构件位姿智能监测方法与系统 | |
| CN113340405B (zh) | 桥梁振型的测量方法、装置及系统 | |
| CN109657717A (zh) | 一种基于多尺度密集结构特征提取的异源图像匹配方法 | |
| CN113569647B (zh) | 一种基于ais的船舶高精度坐标映射方法 | |
| WO2020093631A1 (zh) | 一种基于深度实例分割网络的天线下倾角测量方法 | |
| CN112966571A (zh) | 一种基于机器视觉的立定跳远腾空高度量测方法 | |
| CN112284509A (zh) | 一种基于手机视频的桥梁结构振型测量方法 | |
| CN112927233A (zh) | 一种船用激光雷达与视频联合目标捕捉方法 | |
| CN113884011A (zh) | 一种非接触式混凝土表观裂缝测量设备和方法 | |
| CN118376162B (zh) | 一种基于计算机视觉技术的桥梁结构位移影响线实测方法 | |
| 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 | |
| WO2022206161A1 (zh) | 一种基于特征点识别的块体运动实时检测方法 | |
| CN114511519A (zh) | 一种基于图像处理的列车车底螺栓丢失检测方法 | |
| CN103743425A (zh) | 仪表指针动态响应能力的检测方法 | |
| CN113850868B (zh) | 一种波浪爬高图像识别方法 | |
| CN113240635B (zh) | 一种裂缝分辨为基准的结构物检测图像质量测试方法 | |
| CN104034729A (zh) | 用于电路板分选的五维成像系统及其成像方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210129 |