【技术实现步骤摘要】
本专利技术属于结构健康监测领域。
技术介绍
1、震后结构的损伤状态对于灾后评估至关重要，为准确评估这一状态，需监测其受外部激励的响应。大多数传统监测方法采用有线或无线传感器来收集结构响应数据。结构的位移及层间位移比对于结构完整性评估至关重要，传统上采用线性可变差动变压器、串电位器或表盘进行测量，然而这些方法通常需要固定的附着点，或基于加速度双重积分来计算位移，但基于加速度的测量往往由于低频噪声而失真。
2、为克服传统监测方法局限，近年来引入了基于视觉的测量方法，利用相机作为位移或应变测量传感器。这类方法通过在结构外部安装摄像机，跟踪结构上的标靶或自然特征点来测量位移或变形。然而，这类工业相机价格偏高且通常独立于振动台外，不适用于地震监测。
技术实现思路
1、本专利技术是为了解决在对震后结构的损伤状态评估时，收集的结构响应数据，基于加速度的测量存在低频噪声而失真的问题，而基于视觉的测量存在工业相机独立于振动台外，不适用于地震监测的问题，现提供基于线匹配的模糊监控视频结构振动响应信息提取方法。
2、基于线匹配的模糊监控视频结构振动响应信息提取方法，包括：
3、通过棋盘格标定板对监控相机进行标定，获得所述监控相机的内参信息矩阵与畸变系数；
4、利用所述畸变系数对所述监控相机进行畸变矫正；
5、将所述监控相机拍摄到的震时画面分割成独立帧，利用线段描述子逐级过滤的匹配算法在每一帧图像中筛选出与跟踪对象相匹配的线段，并将相交线段的交点
6、将所述特征点的亚像素坐标和所述监控相机的内参信息矩阵输入至sqpnp算法中进行相机位姿估计，并求解层间相对位移，实现在结构振动时对模糊监控视频中响应信息的提取。
7、进一步的，上述监控相机的内参信息矩阵k为：
8、
9、其中，f为监控相机的焦距，dx和dy分别表示像素在x和y方向上的物理尺寸，(u0,v0)表示主点坐标。
10、进一步的，上述利用所述畸变系数对所述监控相机进行畸变矫正，包括：
11、通过下式对所述监控相机进行畸变矫正：
12、
13、其中，(xdist,ydist)和(xundist,yundist)分别表示同一点在畸变画面和畸变修正后画面中的坐标，r表示坐标点(xdist,ydist)到畸变画面中心的距离，且有
14、进一步的，上述跟踪对象的获得方法为：
15、选择正常状态下监控视频中的任意一帧图像，利用线段检测方法对该图像进行检测，获得图像中每一条自然线段的描述子信息并对每一条自然线段进行编号，并将感兴趣的自然线段作为跟踪对象；
16、所述描述子信息包括：线段长度、线段位置、线段方向和线段平均像素梯度。
17、进一步的，上述利用线段描述子逐级过滤的匹配算法在每一帧图像中筛选出与跟踪对象相匹配的线段，包括：
18、将所述跟踪对象中的任一条线段记作线段a，将震时某一帧图像中的任一条线段记作线段b，匹配算法包含以下四层不等式关系：
19、线段长度信息匹配：
20、
21、其中，llength-a和llength-b分别为线段a和线段b的长度，为长度阈值；
22、线段方向信息匹配：
23、|ldirection-a-ldirection-b|≤β，
24、其中，ldirection-a和ldirection-b分别为线段a和线段b的方向角度，β为方向角度阈值；
25、线段位置信息匹配：
26、|xa-xb|≤μ1，|ya-yb|≤μ2，
27、其中，(xa,ya)和(xb,yb)分别为线段a和线段b的中点坐标，μ1和μ2分别为x和y方向的位置阈值；
28、线段像素平均梯度匹配：
29、
30、其中，ω为像素梯度的容忍度阈值，e(i)为线段a和线段b上第i个像素点处像素梯度的欧氏距离，age表示线段a与线段b所有像素点像素梯度的欧氏距离平均值，i＝1,2,...,n，n为正整数。
31、进一步的，上述线段a和线段b上第i个像素点处像素梯度的欧氏距离e(i)的表达式为：
32、
33、其中，iax(i)和iay(i)分别表示线段a上第i个像素点x和y方向的像素梯度，ibx(i)和iby(i)分别表示线段b上第i个像素点x和y方向的像素梯度。
34、进一步的，将至少四个特征点的亚像素坐标输入至sqpnp算法中。
35、进一步的，上述通过棋盘格标定板对监控相机进行标定的方法为张正友标定法。
36、本专利技术所述的基于线匹配的模糊监控视频结构振动响应信息提取方法的有益效果是：
37、1、适用于民用监控相机的结构响应监测思路：基于标定板进行相机内参的提取，并进行畸变矫正，根据线段检测确定待跟踪的线段及特征点，对地震视频逐帧匹配得到特征点亚像素坐标，并结合sqpnp算法进行相机位姿估计并提取层间相对位移。
38、2、基于模糊监控视频提取层间相对位移信息：基于监控相机拍摄画面中线条进行线段描述子信息提取，并赋予编号，设定关于线段长度、线段位置、线段方向、线段像素平均梯度的四层匹配关系，用于震时画面的线段匹配，并结合民用监控相机的结构响应监测思路进行层间位移信息提取，即使在模糊视频中依旧可以保持90％以上精度。
39、3、震前预选感兴趣的线段，实现震后自动化处理，保证精度的同时提升效率。通过线段描述子逐级过滤算法中设置合理的阈值，确保即使地震时的画面与预选时的画面存在可接受范围的差异，也能实现精准的线段匹配。这种方法极大地提升了震后处理众多监控视频并提取所需信息的效率。
本文档来自技高网...【技术保护点】
1.基于线匹配的模糊监控视频结构振动响应信息提取方法，其特征在于，包括：
2.根据权利要求1所述的基于线匹配的模糊监控视频结构振动响应信息提取方法，其特征在于，所述监控相机的内参信息矩阵K为：
3.根据权利要求1所述的基于线匹配的模糊监控视频结构振动响应信息提取方法，其特征在于，所述利用所述畸变系数对所述监控相机进行畸变矫正，包括：
4.根据权利要求1、2或3所述的基于线匹配的模糊监控视频结构振动响应信息提取方法，其特征在于，所述跟踪对象的获得方法为：
5.根据权利要求4所述的基于线匹配的模糊监控视频结构振动响应信息提取方法，其特征在于，所述利用线段描述子逐级过滤的匹配算法在每一帧图像中筛选出与跟踪对象相匹配的线段，包括：
6.根据权利要求5所述的基于线匹配的模糊监控视频结构振动响应信息提取方法，其特征在于，所述线段A和线段B上第i个像素点处像素梯度的欧氏距离E(i)的表达式为：
7.根据权利要求1、2、3、5或6所述的基于线匹配的模糊监控视频结构振动响应信息提取方法，其特征在于，将至少四个特征点的亚像素坐标
8.根据权利要求7所述的基于线匹配的模糊监控视频结构振动响应信息提取方法，其特征在于，所述通过棋盘格标定板对监控相机进行标定的方法为张正友标定法。
...【技术特征摘要】
1.基于线匹配的模糊监控视频结构振动响应信息提取方法，其特征在于，包括：
2.根据权利要求1所述的基于线匹配的模糊监控视频结构振动响应信息提取方法，其特征在于，所述监控相机的内参信息矩阵k为：
3.根据权利要求1所述的基于线匹配的模糊监控视频结构振动响应信息提取方法，其特征在于，所述利用所述畸变系数对所述监控相机进行畸变矫正，包括：
4.根据权利要求1、2或3所述的基于线匹配的模糊监控视频结构振动响应信息提取方法，其特征在于，所述跟踪对象的获得方法为：
5.根据权利要求4所述的基于线匹配的模糊监控视频结构振动响应信息提取方法，其特征在于...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。