基于计算机视觉的简支空心板桥铰接缝损伤检测方法

摘要

本发明公开了基于计算机视觉的简支空心板桥铰接缝损伤检测方法；该方法包括：S1：获取简支空心板桥的梁底任意横截面沿桥梁长度方向一段区域的振动视频；S2：根据梁底任意横截面沿桥梁长度方向一段区域的振动视频提取简支空心板桥某区域内平均位移时程和铰接缝某区域内平均位移时程；S3：将铰接缝某区域平均位移时程和铰接缝的刚度与简支空心板桥的某区域平均位移时程和简支空心板桥的刚度构建关系，基于简支空心板桥相邻两片梁的某区域平均位移差相关的损伤指标反映铰接缝刚度的变化，最终实现铰接缝损伤检测。本发明可预知铰接缝损伤程度，检测高效精准，相较于现有检测方式还可减低桥梁维护成本。

权利要求

1.基于计算机视觉的简支空心板桥铰接缝损伤检测方法，其特征在于，包括如下步骤：

S1：获取简支空心板桥的梁底任意横截面沿桥梁长度方向一段区域的振动视频；

S2：根据梁底任意横截面沿桥梁长度方向一段区域的振动视频提取简支空心板桥某区域内平均位移时程和铰接缝某区域内平均位移时程；简支空心板桥梁底的某区域平均位移时程和铰接缝某区域平均位移时程的提取过程包括：S2.1：通过时空上下文跟踪算法和去雾算法对梁底振动视频进行预处理，去除雨、雾霾和热浪对视频的干扰；

S2.2：利用基于深度学习的运动放大算法对感兴趣频率基带的梁底振动视频进行放大处理，将进行放大处理后的视频图像加回高通残差部分和低通残差部分图像序列中，利用复数可操控金字塔对放大后的图像序列进行重建输出放大后的振动视频；

S2.3：对重建的放大后的简支空心板桥振动视频中的测点进行标注，利用训练好的Mask R‑CNN网络对放大后的简支空心板桥振动视频中的测点进行分割，并通过回归分析得到简支空心板桥振动图像序列所有测点质心的像素级坐标，从第2帧图像开始的后续帧图像的质心坐标与第1帧图像的质心坐标相减，即可得到简支空心板桥的振动的像素级位移时程，根据尺寸因子将像素级位移转化为物理位移时程，获得简支空心板桥上各个梁的物理位移时程，相邻简支空心板桥梁底的物理位移时程差值表征为铰接缝物理位移时程，将某一区域内简支空心板桥梁底和铰接缝所有点群的物理位移时程取平均值，获得简支空心板桥梁底的某区域平均位移时程和铰接缝某区域平均位移时程；

S3：将铰接缝某区域平均位移时程和铰接缝的刚度与简支空心板桥的某区域平均位移时程和简支空心板桥的刚度构建关系，基于简支空心板桥相邻两片梁的某区域平均位移差相关的损伤指标反映铰接缝刚度的变化，从而间接反映铰接缝的损伤程度，实现铰接缝损伤检测。

2.如权利要求1所述的基于计算机视觉的简支空心板桥铰接缝损伤检测方法，其特征在于，所述步骤S1中，梁底振动视频的获取是通过布设在梁底的多部高速相机实时拍摄获取。

3.如权利要求1所述的基于计算机视觉的简支空心板桥铰接缝损伤检测方法，其特征在于，所述步骤S3中，将铰接缝位移时程和铰接缝的刚度与简支空心板桥的位移时程和简支空心板桥的刚度构建关系时的关系式为：式中， 为铰接缝的位移与一个空心板梁的位移之比； 为铰接缝的刚度与一个空心板梁的刚度之比。

说明书

基于计算机视觉的简支空心板桥铰接缝损伤检测方法

技术领域

[0001] 本发明属于桥梁病害检测技术领域，具体涉及一种基于计算机视觉的简支空心板桥铰接缝损伤检测方法。

背景技术

[0002] 简支空心板桥是中小跨径桥梁中最常用的装配式钢筋混凝土桥梁之一，具有施工方便、结构简单、材料成本低、截面高度小等优点。研究发现，空心板桥占我国既有桥梁的60%以上。车辆荷载和自然环境侵蚀的作用下，空心板桥的铰接缝会出现不同程度的损伤。
针对空心板桥铰接缝的损伤检测方法，目前主要是通过目测来定性地判断铰链缝是否发生损坏。当观察到接缝区域附近的空心板底部渗水或路面纵向裂缝等特征时，接缝被识别为损坏。当可以观察到这些明显的特征时，铰链接头的损伤可能非常严重，此时维护桥梁需要大量的成本、时间和劳动力，有时需要船只和桥下检测车等工具，甚至需要交通管制。此外，目视检查的准确性高度依赖于检查人员的主观判断、经验和培训，检查时间和现场环境(如温度)也会影响精度。

[0003] 现有技术中公开有申请号为CN202210432849.0名称为基于微小振动放大技术的桥梁监测方法、系统及装置的专利文献；该专利文献中具有公开有如何获得桥梁振动位移时程方法。该方法可在本申请中进行应用，并在具体实施方式部分进行具体阐述。

发明内容

[0004] 本发明的目的是针对现有技术中存在的不足，提供一种基于计算机视觉的简支空心板桥铰接缝损伤检测方法；用以解决现有接缝检测方式滞后、检测不精准的问题。

[0005] 为实现上述目的，本发明采用的技术方案是：

[0006] 一种基于计算机视觉的简支空心板桥铰接缝损伤检测方法，包括如下步骤：

[0007] S1：获取简支空心板桥的梁底任意横截面沿桥梁长度方向一段区域的振动视频；

[0008] S2：根据梁底任意横截面沿桥梁长度方向一段区域的振动视频提取简支空心板桥某区域内平均位移时程和铰接缝某区域内平均位移时程；

[0009] S3：将铰接缝某区域的平均振动位移时程和铰接缝的刚度与简支空心板桥的某区域平均位移时程和简支空心板桥的刚度构建关系，基于简支空心板桥相邻两片梁的某区域平均位移差相关的损伤指标反映铰接缝刚度的变化，从而间接反映铰接缝的损伤程度，实现铰接缝损伤检测。

[0010] 进一步，所述步骤S1中，梁底振动视频的获取是通过布设在梁底的多部高速相机实时拍摄获取。

[0011] 进一步，所述步骤S2中，简支空心板桥梁底的某区域平均位移时程和铰接缝某区域平均位移时程的提取过程包括：

[0012] S2.1：通过时空上下文跟踪算法和去雾算法对梁底振动视频进行预处理，去除雨、雾霾和热浪对视频的干扰；

[0013] S2.2：利用基于深度学习的运动放大算法对感兴趣频率基带的梁底振动视频进行放大处理，将进行放大处理后的视频图像加回高通残差部分和低通残差部分图像序列中，利用复数可操控金字塔对放大后的图像序列进行重建输出放大后的振动视频；

[0014] S2.3：对重建的放大后的简支空心板桥振动视频中的测点进行标注，利用训练好的Mask R‑CNN网络对放大后的简支空心板桥振动视频中的测点进行分割，并通过回归分析得到简支空心板桥振动图像序列所有测点质心的像素级坐标，从第2帧图像开始的后续帧图像的质心坐标与第1帧图像的质心坐标相减，即可得到某一区域内简支空心板桥梁底和铰接缝所有点群的像素级振动位移时程，根据尺寸因子将像素级位移转化为物理位移时程，获得简支空心板桥上各个梁的物理位移时程，相邻简支空心板桥梁底的物理位移时程差值表征为铰接缝物理位移时程，将某一区域内简支空心板桥梁底和铰接缝所有点群的物理位移时程取平均值，具体地，将沿简支空心板桥梁长度方向的某一区域内单个空心板梁底中心线所有点群的物理位移时程求代数和，再将所有点群的物理位移时程的代数和除以空心板梁底中心线上点群的个数，得到单片空心板梁底某区域内的平均位移时程，重复上述的步骤即可求得各个简支空心板桥梁底某区域内的平均位移时程，将相邻两片空心板梁底某区域内的平均位移时程作差，即可得到铰接缝某区域平均位移时程。

[0015] 进一步，所述步骤S3中，将铰接缝某区域平均位移时程和铰接缝的刚度与简支空心板桥的某区域平均位移时程和简支空心板桥的刚度构建关系时的关系式为：

[0016]

[0017] 式中， 为铰接缝的某区域平均位移与一个空心板梁的某区域平均位移之比；为铰接缝的刚度与一个空心板梁的刚度之比。

[0018] 本发明的有益效果是：

[0019] 该检测方法基于计算机视觉获取相邻简支空心板桥的某区域平均振动位移时程，进而提取铰接缝某区域平均振动位移时程，区域平均位移时程的提取可降低检测误差；将铰接缝某区域平均振动位移时程和刚度与简支空心板桥某区域平均振位移时程和刚度建立关系后，实现通过相邻简支空心板桥某区域平均振动位移量的变化间接反映接缝刚度变化情况，从而为铰接缝损伤情况提供判断依据，实现铰接缝损伤检测；该检测方法能够提前预知铰接缝损伤程度，检测高效、检测更加精准，相较于现有检测方式还可减低桥梁维护成本。

附图说明

[0020] 图1为本发明检测方法流程图；

[0021] 图2为本发明中高速相机采集简支空心板桥的梁底振动视频的示意图；

[0022] 图3为本发明中相邻简支空心板桥与铰接缝的位移和刚度关系示意图。

具体实施方式

[0023] 以下结合附图对本发明优选实施例进行说明。

[0024] 如图1至3所示，一种基于计算机视觉的简支空心板桥铰接缝损伤检测方法；该方法包括主要包括如下步骤：

[0025] S1：获取简支空心板桥的梁底任意横截面沿桥梁长度方向一段区域（0.1 0.2m）的~振动视频；梁底振动视频的获取是通过布设在梁底的多部高速相机实时拍摄获取，高速相机应布置在梁墩或其他无振动的适宜位置处；梁底振动视频也可采用无人机携带高速相机在一定时间内持续拍摄采集。

[0026] S2：根据梁底振动视频提取简支空心板桥的某区域平均位移时程和铰接缝某区域平均位移时程；具体通过如下步骤获取：

[0027] S2.1：通过时空上下文跟踪算法和去雾算法对梁底振动视频进行预处理，去除雨、雾霾和热浪对视频的干扰。通过高速相机采集的梁底振动视频图像会受到雨、雾霾和热浪的影响；利用基于深度学习的运动放大对铰接缝的振动视频进行放大时，雨滴、雾霾和热浪的运动被等比例的放大，最终雨滴、雾霾和热浪的运动会被放大很大，淹没了简支空心板桥铰接缝的运动，导致铰接缝的振动位移无法准确识别，因此通过时空上下文跟踪算法和去雾算法对梁底振动视频进行预处理可以提升识别准确性。

[0028] S2.2：利用基于深度学习的运动放大算法对感兴趣频率基带的梁底振动视频进行放大处理。首先，对梁底振动视频序列进行复数可控金字塔分解，得到不同尺度和方向的局部幅度谱与相位谱；其次，根据局部相位谱计算相位差，并对相位进行解缠绕处理，利用线性相位带通滤波提取感兴趣频率基带的相位差信号。再次，通过选取合适的放大因子 对不同的感兴趣频率基带进行放大处理，实现感兴趣频率基带梁底振动视频振动幅值的放大处理。最后，利用复数可操控金字塔对放大处理后的视频图像进行重建，并输出放大后的振动视频。

[0029] 基于深度学习的运动放大原理具体介绍如下：假设梁底振动的一维空域信号为， 为 在时域内简支空心板桥发生的微小振动位移，通过放大因子，得到放大后简支空心板桥竖向振动空域信号为 ，即对简支空心板桥梁的振动位移幅值放大了 倍。首先将 表示为一系列的复正弦信号的叠加。即[0030]

[0031] 式中， 为某个子正弦信号的圆频率。

[0032] 对于某个圆频率为 的某个复正弦信号有：

[0033]

[0034] 的相位为 ，对该相位信号做时域滤波，在理想情况下，滤除分量后可以得到：

[0035]

[0036] 对 线性放大 倍后加回 , 则有

[0037] 。

[0038] S2.3：对重建的放大后的简支空心板桥振动视频中的测点进行标注，利用训练好的Mask R‑CNN网络对放大后的简支空心板桥振动视频中的测点进行分割，并通过回归分析得到简支空心板桥振动图像序列所有测点质心的像素级坐标，从第2帧图像开始的后续帧图像的质心坐标与第1帧图像的质心坐标相减，即可得到某一区域内简支空心板桥梁底和铰接缝所有点群的像素级振动位移时程，根据尺寸因子将像素级位移转化为物理位移时程，获得简支空心板桥上各个梁的物理位移时程，相邻简支空心板桥的物理位移时程差值表征为铰接缝物理位移时程，将某一区域内简支空心板桥梁底和铰接缝所有点群的物理位移时程取平均值，具体地，将沿简支空心板桥梁长度方向0.1 0.2m区域内单个空心板梁底~中心线所有点群的物理位移时程求代数和，再将所有点群的物理位移时程的代数和除以空心板梁底中心线上点群的个数，得到单片空心板梁底某区域内的平均位移时程，重复上述的步骤即可求得简支空心板桥梁底某区域内的平均位移时程，将相邻两片空心板梁底某区域内的平均位移时程作差，即可得到铰接缝某区域平均位移时程。通过Mask R‑CNN提取振动位移时程响应，有效避免了利用数字图像相关和模板匹配算法提取位移时程响应需要人工安装靶标的难题，无需靶标即可实现铰接缝振动位移的提取。

[0039] 先计算出简支空心板桥某一横截面沿桥梁长度方向一段区域所有点群的振动位移时程，再通过某一区域内所有点群的振动位移时程计算两片空心板梁底和铰接缝在某区域内的平均位移，有效避免了获取单个点的位移时程由于测试条件、光照变换、温度变化等因素造成的偶然误差，提高了简支空心板桥某一横截面处两片空心板梁和铰接缝位移时程的识别精度。

[0040] 尺寸因子获取时，当相机光轴与铰接缝结构平面垂直，即光轴与结构平面法线共线， 尺度因子如式（1）或式（2）所示：

[0041]    (1)

[0042] 或者

[0043]   (2)

[0044] 式中，D为结构平面内选定物体的尺寸；d为其在图像平面的对应像素数；f为镜头焦距；Z为相机到结构平面的距离； 为像素尺寸。

[0045] 当相机光轴与铰接缝结构平面不垂直，即光轴与结构平面法线存在夹角时，尺度因子如式（3）所示：

[0046]  (3)

[0047] 式中， 为相机光轴与结构平面法线的夹角。

[0048] 根据梁底振动视频提取简支空心板桥的某区域平均位移时程和铰接缝某区域平均位移时程，可根据上述方法提取位移时程，但不限于上述方法；现有技术中能够基于微小振动实现桥梁振动检测的方法，亦可在本申请中应用，例如申请号为CN202210432849.0名称为基于微小振动放大技术的桥梁监测方法、系统及装置的专利文献，其中公开有获取桥梁振动位移时程方法，该方法可直接应用于简支空心板桥，并可获得简支空心板桥的振动位移时程。

[0049] S3：将铰接缝某区域平均位移时程和铰接缝的刚度与简支空心板桥的某区域平均位移时程和简支空心板桥的刚度构建关系，具体的，参见图3，相邻两片空心板梁（图中示出1和2的方框）和铰接缝的刚度分别为 、 和 ，相邻两片空心板梁和铰接缝的一段区域内平均位移量分别为 、 和 ，集中力 F 作用在左侧的空
心板梁（空心板桥的梁）上。在弹性阶段简支梁的跨中挠度与集中荷载的大小成正比，在力的平衡和变形协调的假设下，可得如下方程：

[0050] （4）

[0051] （5）

[0052] （6）

[0053] 式中，M，N，P分别为某区域内相邻两片空心板桥梁底中心线的点群个数和某区域内铰接缝中心线的点群个数。

[0054] 假定各片空心板梁的刚度相等，即 ，则式（4）（6）可以写成：~

[0055] （7）

[0056] （8）

[0057] （9）

[0058] 相邻的两片空心板梁的位移差（铰接缝位移）与相邻的两片空心板梁的平均位移之比可以表示如下：

[0059] （10）

[0060] 令 、 ，则式（10）可以简化为：

[0061] 或 （11）

[0062] 式中， 为铰接缝的位移与空心板梁 1 的位移之比； 为铰接缝与空心板梁 1 的刚度比。

[0063] 从式（11）可以看出，当铰接缝损坏时，铰接缝区域内平均位移比会随着铰接缝刚度的减小而增大。铰接缝区域内平均位移可以通过相邻两片梁的区域内平均位移差来表征。因此，可以用一个与相邻两片梁区域内平均位移差相关的损伤指标来表示铰接缝刚度的变化，从而间接反映铰接缝的损伤程度。利用相邻的两片空心板梁的区域内平均位移差和区域内平均位移之比作为损伤指标对铰接缝的损伤进行监测，将实时测量的铰接缝区域内平均振动位移时程代入式（10），即可实现对简支空心板桥铰接缝损伤的监测。

[0064] 当相对位移比超过预设阈值，认为简支空心板桥的铰接缝发生了损伤，自动向监测云平台发出预警信号，实现铰接缝的损伤位置和损伤程度的判断，实现简支空心板桥铰接缝损伤的实时在线监测。