基于计算机视觉结构动位移测试.docVIP

基于计算机视觉结构动位移测试 　　【摘 要】本文研究了基于计算机视觉技术的结构动位移测试手段。文中采用了简谐振动、悬臂梁自由振动和框架模型振动台实验来验证了该手段的准确性和适用性，实验结果表明基于计算机视觉的测量手段是对目前结构动位移测试手段的很好补充，与传统位移测试手段相比，具备了多维及多点测试、非接触式测量、灵活性、低成本等诸多优点。 　　【关键词】图像处理；计算机视觉；立体视觉；结构位移测试 　　本文以立体视觉的基本原理为理论基础，采用两台商用消费级相机作为测试工具，开发了能灵活地进行多点、多维动位移测试的新手段。基于计算机视觉的结构位移测试手段包括以下关键技术环节，即相机标定、图像点跟踪及三维点重构。 　　1单相机标定 　　在计算机视觉中，相机标定是指确定相机参数的过程，这些参数能直接反映二维图像点与三维空间点间的计算关系。单个相机成像的过程在数学上被称为透视投影，通常可采用针孔模型来描述，其数学表达式为： 　　式中，为以齐次坐标形式表达的图像点二维坐标，为m对应的三维空间点的齐次坐标，λ为比例因子，P为投影矩阵。公式（2）中K为相机标定矩阵，K包含了5个相机内部参数、、、及，R为3×3的坐标变换的转动矩阵（含3个转角参数），t为坐标变换的平动列向量（含3个平动参数），I为3×3的单位阵。可见，若要标定单个相机的11个参数，则需至少6个已知点的空间和图像坐标值。 　　采用非量测型相机作为动位移测试工具，可避免量测型相机复杂的预先标定过程和昂贵的费用，同时，为了进一步提高现场位移测试的使用灵活性，本文利用计算机视觉中的平面相机标定手段来对相机进行现场标定。该相机标定手段采用转动黑白方格平板来进行单个相机的参数标定，每个小方格尺寸均为30×30mm。假定在某一固定焦距下，相机在不同角度拍摄了方格平板的n张图像，每张图像上有l个角点，考虑到K矩阵在标定过程中为不变量（焦距固定），且所有空间点均共面，根据公式（1）和（2）有： 　　2基于立体视觉的两相机立体标定 　　为了进一步优化相机参数的准确度，并为后续三维点的重构算法提供基本数据，上述单相机标定完成后仍需进行立体标。根据立体视觉的基本原理，某一空间点M在两相机平面的图像点分别为m1和m2，M C1 C2定义了一个极平面，l1和l2为两根极线（极平面与两图像平面的交线），则某一图像点m1对应的另一图像点m2一定落在另一极线l2上。可实际情况下，由于单相机标定存在的误差，C1、C2、m1、m2及M的共面特性并不一定满足。因此，可通过把两相机参数综合在一起进行立体标定的手段，进一步优化各相机的参数值，优化算法的目标函数如下： 　　式中上标s代表相机序号，其余各参数含义与上文相同。 　　3图像点跟踪 　　图像点跟踪是基于立体视觉的结构位移测试手段中的重要环节。在图像（或视频）分析过程中，点跟踪的精度会直接影响位移测试的最终结果。在实际测试中，本文采用两个黑方格组成的目标模板粘贴在所测结构的表面，方格尺寸均为30×30mm，两方格的交叉角点作为图像分析的跟踪点。图像点自动跟踪算法具体包括以下步骤：①采用边缘检测技术对目标方格进行二值图像处理；②利用二值图像骨架的交点来提取潜在的特征点；③通过图像匹配手段剔除掉明显非交叉角点的特征点；④在二值图像上提取最可能的角点，确定其图像坐标值；⑤最后，根据Harris角点检测（Harris corner detection）算法，以步骤；⑥所得角点坐标作为初始值，在原始真彩图像上进行角点优化计算，最终得到目标中两方格交叉角点的亚像素坐标值。 　　4三维点重构 　　针对本文采用的两相机位移测试手段，在两相机的所有标定参数和所拍摄的图像跟踪点都确定完成后，最后一个重要环节就是三维点重构，即得到实测结构上目标点的三维坐标值。三维点重构可采用计算机视觉中的非线性三角测量法进行。设三维空间点在两相机平面的图像点分别为、，由式（1）有： 　　其中为第j个相机投影矩阵P中第i行的行向量。式（7）为共含3各未知数的齐次方程组，则空间点的三维坐标即为其最小二乘解。根据立体视觉原理，将上述最小二乘解作为初始值，并通过下列目标函数进行非线性优化求解，进一步找到三维坐标的最优值， 　　5实验验证 　　为了验证基于计算机视觉的结构动位移测试手段的实际准确性，本文从不同振动形式的角度设计了平面简谐振动、悬臂梁自由振动和框架模型振动台实验。实验配备两台逐行扫描的高清摄像机，图像（视频）尺寸为1280×720，摄像机视频采用频率为30fps，10倍光学变焦能力（5.2～52mm）。两台相机的标定采用第1、2节的平面相机标定法。相机视频采用激光点进行同步。 　　5.1平面简谐振动实验 　　首先进行单向简谐振动实验，图像跟踪模板固定在振动台