【技术实现步骤摘要】
本申请涉及智能测量领域，且更为具体地，涉及一种基于计算机视觉的自动化测量系统及方法。
技术介绍
1、在大跨度桥梁建设中，斜拉桥以其卓越的跨越能力、美观的造型以及性价比高等显著优势，成为大跨度桥梁建设中的首选结构。斜拉索作为斜拉桥的主要承重构件，其索力值的准确测量对于桥梁的安全运营至关重要。传统的索力测量方法通常依赖于接触式传感器，这些方法不仅安装和维护成本高，而且在长期使用过程中可能会对桥梁结构造成损害。
2、传统的桥梁索力测量方法主要包括张力计测量法、应变片测量法、压力传感器测量法和加速度传感器测量法等。然而，这些方法属于接触式测量，存在安装困难、维护成本高昂等问题。
3、近年来，随着计算机视觉技术的快速发展，基于计算机视觉的测量方法逐渐成为研究热点。例如，公开号为cn118505743a的专利技术专利公开了一种基于计算机视觉的桥梁索力测量方法和系统，其通过预设的跟踪算法对桥梁拉索的振动视频中的目标点进行跟踪，获得拉索的运动时程数据，并利用eemd方法对拉索的运动时程数据进行处理，获得对应的多个本征模式函数，并根据拉索的振动频率特性，剔除与拉索振动无关的本征模式函数，将剩余的本征模式函数进行信号重构，进而基于重构后的运动时程数据确定拉索的振动频率和索力。如此，避免了传统测量方法中对于设备的物理接触要求，实现了远距离操作，并且减少了现场作业所需的安全措施和设备投入，降低了人力成本和设备维护成本。
4、然而，在上述桥梁索力测量方案中，通过收集拉索的型号、材质、直径、计算长度、线密度、倾斜角度等物
5、因此，期待一种优化的基于计算机视觉的自动化测量方法。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于计算机视觉的自动化测量系统及方法，其通过采用计算机视觉技术对包含目标点的桥梁拉索振动视频进行目标跟踪，以获得拉索的运动时程数据，进而，通过对拉索的运动时程数据进行基于变分模态分解的频域分析，以捕捉到拉索运动时程数据的各个频域本征模态分量的波形语义特征，接着，基于各个频域本征模态分量的特征能量分布对其进行显著性调制动态聚合，以捕获拉索运动时程数据的全频域波形振荡模式，以此来实现对于拉索振动频率的智能估计和索力计算。通过这种方式，可以有效避免传统接触式测量方法的局限性，同时减少对拉索物理属性信息的依赖，提高拉索索力测量的准确性和效率。
2、根据本申请的一个方面，提供了一种基于计算机视觉的自动化测量方法，其包括：
3、获取由摄像头采集的包含目标点的桥梁拉索的振动视频；
4、基于预设跟踪算法，对所述振动视频中的所述目标点进行目标跟踪以得到所述拉索的运动时程数据；
5、对所述拉索的运动时程数据进行基于模态分解的频域分析以得到运动时程频域本征模态分量波形语义特征向量的集合；
6、对所述运动时程频域本征模态分量波形语义特征向量的集合进行全频域特征显著聚合以得到运动时程全频域显著聚合表示向量；
7、基于所述运动时程全频域显著聚合表示向量，计算所述拉索的索力值。
8、根据本申请的另一个方面，提供了一种基于计算机视觉的自动化测量系统，其包括：
9、振动视频获取模块，用于获取由摄像头采集的包含目标点的桥梁拉索的振动视频；
10、目标跟踪模块，用于基于预设跟踪算法，对所述振动视频中的所述目标点进行目标跟踪以得到所述拉索的运动时程数据；
11、频域分析模块，用于对所述拉索的运动时程数据进行基于模态分解的频域分析以得到运动时程频域本征模态分量波形语义特征向量的集合；
12、全频域特征显著聚合模块，用于对所述运动时程频域本征模态分量波形语义特征向量的集合进行全频域特征显著聚合以得到运动时程全频域显著聚合表示向量；
13、索力值计算模块，用于基于所述运动时程全频域显著聚合表示向量，计算所述拉索的索力值。
14、与现有技术相比，本申请提供的一种基于计算机视觉的自动化测量系统及方法，其通过采用计算机视觉技术对包含目标点的桥梁拉索振动视频进行目标跟踪，以获得拉索的运动时程数据，进而，通过对拉索的运动时程数据进行基于变分模态分解的频域分析，以捕捉到拉索运动时程数据的各个频域本征模态分量的波形语义特征，接着，基于各个频域本征模态分量的特征能量分布对其进行显著性调制动态聚合，以捕获拉索运动时程数据的全频域波形振荡模式，以此来实现对于拉索振动频率的智能估计和索力计算。通过这种方式，可以有效避免传统接触式测量方法的局限性，同时减少对拉索物理属性信息的依赖，提高拉索索力测量的准确性和效率。
本文档来自技高网...【技术保护点】
1.一种基于计算机视觉的自动化测量方法，其特征在于，包括：
2.根据权利要求1所述的基于计算机视觉的自动化测量方法，其特征在于，对所述拉索的运动时程数据进行基于模态分解的频域分析以得到运动时程频域本征模态分量波形语义特征向量的集合，包括：
3.根据权利要求2所述的基于计算机视觉的自动化测量方法，其特征在于，基于所述运动时程频域本征模态分量波形语义特征向量的集合的特征能量分布，确定运动时程频域特征聚类初始中心向量，包括：
4.根据权利要求3所述的基于计算机视觉的自动化测量方法，其特征在于，计算所述运动时程频域本征模态分量波形语义特征向量的集合中的各个运动时程频域本征模态分量波形语义特征向量的静态能量因子以得到运动时程频域本征模态分量静态能量因子的集合，包括：
5.根据权利要求4所述的基于计算机视觉的自动化测量方法，其特征在于，基于所述运动时程频域本征模态分量波形语义特征向量的集合中各个运动时程频域本征模态分量波形语义特征向量相对于所述运动时程频域特征聚类初始中心向量的空间跨度，对所述运动时程频域本征模态分量波形语义特征向量的集合进行动
6.根据权利要求5所述的基于计算机视觉的自动化测量方法，其特征在于，计算所述运动时程频域本征模态分量波形语义特征向量的集合中的各个运动时程频域本征模态分量波形语义特征向量的动态聚合能量因子以得到运动时程频域本征模态分量动态聚合能量因子的集合，包括：
7.根据权利要求6所述的基于计算机视觉的自动化测量方法，其特征在于，基于所述运动时程频域本征模态分量动态聚合能量因子的集合，对所述运动时程频域本征模态分量波形语义特征向量的集合进行显著性调制聚合以得到所述运动时程全频域显著聚合表示向量，包括：
8.根据权利要求7所述的基于计算机视觉的自动化测量方法，其特征在于，基于所述运动时程全频域显著聚合表示向量，计算所述拉索的索力值，包括：
9.一种基于计算机视觉的自动化测量系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于计算机视觉的自动化测量方法，其特征在于，包括：
2.根据权利要求1所述的基于计算机视觉的自动化测量方法，其特征在于，对所述拉索的运动时程数据进行基于模态分解的频域分析以得到运动时程频域本征模态分量波形语义特征向量的集合，包括：
3.根据权利要求2所述的基于计算机视觉的自动化测量方法，其特征在于，基于所述运动时程频域本征模态分量波形语义特征向量的集合的特征能量分布，确定运动时程频域特征聚类初始中心向量，包括：
4.根据权利要求3所述的基于计算机视觉的自动化测量方法，其特征在于，计算所述运动时程频域本征模态分量波形语义特征向量的集合中的各个运动时程频域本征模态分量波形语义特征向量的静态能量因子以得到运动时程频域本征模态分量静态能量因子的集合，包括：
5.根据权利要求4所述的基于计算机视觉的自动化测量方法，其特征在于，基于所述运动时程频域本征模态分量波形语义特征向量的集合中各个运动时程频域本征模态分量波形语义特征向量相对于所述运...
【专利技术属性】
技术研发人员：白文华，王哲，白国锋，
申请(专利权)人：西安萨博尔精密技术有限公司，
类型：发明
国别省市：
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。