几何成像法在船―桥撞击测试中应用.docVIP

几何成像法在船―桥撞击测试中应用.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
几何成像法在船―桥撞击测试中应用

几何成像法在船―桥撞击测试中应用   摘要: 通过设计小车的尺寸、形状、撞击速度等撞击参数后,在不同情况下分别进行小车撞击桥墩的模型实验。采用摄像机记录船舶在撞击过程中空间位置的变化,运用MatLab软件对实验采集到的船舶运动图像进行数据分析处理,确定小车在整个撞击过程中的运动轨迹。同时在分别改变模型小车的质量、速度、重心位置、撞击角度后,对桥墩刚度进行实验,获取不同参数下的小车运行轨迹,并对各参数下的实验结果进行比较、分析,利用图像处理技术建立了确定物体运动轨迹系统的方法。   关键词:   模型实验; 船舶撞击; 运动轨迹; 图像处理   中图分类号: O 439 文献标识码: A   引 言   随着船舶运输事业的不断发展,受船舶撞击引起的桥梁损伤事故日益增多。这类事件往往造成桥梁结构、安全及抗撞能力的损失,更严重的会造成桥毁人亡的后果,因此对桥碰撞的研究显得尤为重要。目前国内外理论研究、碰撞实例调查和模型实验的研究集中在船舶撞击桥梁的概率、撞击动能等方面[1-3],随着计算机软硬件的发展,将视觉测量技术应用于船桥撞击实验,可以更加有效、直观地分析撞击过程。   视觉测量技术是计算机视觉领域中一种重要的测距方法,是以图像运算为基础,测量物体的位置、姿态及运动轨迹等。单目视觉测量是指仅利用一台视觉传感器采集图像,对物体的几何尺寸或者物体的在空间的位置、姿态等信息进行测量[4],优点是结构简单、相机标定也简单,同时避免了视场小、匹配难的不足。单目视觉三维测量的常用方法有结构光法[5,6]、几何光学法[7]、激光辅助测距法、辅助测量棒法[8]、几何形状约束法[9]等。由于视觉传感器结构限制,上述方法在对远距离识别上有困难。文中改进几何光学法,在物体上标记明显的标靶,使系统识别更加准确、方便。   1 测量原理及系统结构   1.1 单目视觉测量标靶的几何成像原理   防撞装置的原理和防撞过程是:桥墩的防撞装置要柔软,当船撞上桥墩时,防撞装置稍微后退一点,同时给船头一个侧向力,拨开船头,使船的动能大部分保留在船上;同时防撞装置消耗掉一部分能量。由此可测得的撞击力会出现一个弧度。原理性实验装置示意图如图1。   1.2 单目视觉测量系统结构   实验采用的测量系统组成如图2所示,包括运动标靶[10]、外置光源、图像采集设备、计算机组成。受测量距离的影响,现采用红外光源照明,减少环境光的干扰。图像采集设备采用的是Photron FASTCAM 高速摄像机,最高采集速度250 000 FSP;测试时设定为125 FSP,1 024×1 024 pixel。   2 图像处理过程及结果分析   2.1 系统结构及算法思想   测量时,通过CCD采集到的图像来判断这三个标记圆的位置,计算出目标中心的视线角,根据计算出的目标位置(x,y,z),利用图像匹配,得出运动轨迹,最后估算出整个过程的撞击力。整个过程见图3:   实验地点位于浙江宁波象山大桥工地。摄像机位置距离地面大约1 m,由此获得的图像可近似看作平视图。并且拍摄时采用三角架固定摄像机,由此获得的运动连续图像具有背景不变的性质。   2.1.1背景分割   现采用基于像素的阈值分割,它根据像素的某种特性来选取适当的阈值,阈值将像素分成目标和背景。由于事先预判背景、物体和特征点的特点,认为在整个过程中灰度图像不会出现大的变化,故采用人工选取阈值T,完成图像的二值化。   2.1.2特征点的提取   对象标记选取是系统的核心部分,也是后面运动物体轨迹提取的基础。对象标记是在灰度图像的基础上进行的,其实质上就是给一幅图像中的所有物体赋予一个可以把该物体与其它物体区别开的标记[9-11]。   (1)分析第一帧照片的矩阵特点,手动选取标记的大概坐标,然后在第一帧中选取一块包括该标记足够大的区域(区域大小视试验运动距离而定)。   (2)将区域平均分割为n×n个小方格(n随像素大小和区域的大小而定,要确保分割后的方格不能包含两个或两个以上特征点的像素)。   (3)扫描该区域,按照从左到右,从上到下的顺序搜索,找到的第一个目标点(标识图像中的黑点)作为跟踪的初始点,记为A;沿着初始像素A的右、右下、下、左下四个邻点找下一个边界点,如果没有找到就将目标轮廓定为一个孤立像素点,反之,就将该边界点记为B;接下去,从B开始搜索,按右、右下、下、左下、左、左上、上、右上的顺序找相邻八领域中的边界点C,如果C点就是A点,就表明已经搜索一圈了,结束搜索,否则从C点接着搜索,直至找到A点为止。   (4)对标号相同的的方格中灰度值大于T的像素的个数进行统计,这些灰度点就是所求特征点的中心坐标。   2.1.4提取常规技术   在轨迹提取上,系统采用的是逐

文档评论(0)

bokegood + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档