陳艾榮，涂 熙，馬如進(jìn)

（同濟大學(xué) 橋梁工程系，上海200092）

氣彈模型風(fēng)洞試驗是現(xiàn)階段研究橋梁抗風(fēng)的主要方法，是了解結(jié)構(gòu)抗風(fēng)性能、驗證結(jié)構(gòu)抗風(fēng)安全度的重要途徑［1］.針對纜索承重體系橋梁，目前氣彈模型風(fēng)洞試驗主要觀測主梁、橋塔的振動響應(yīng)，而斜拉索、主纜等構(gòu)件卻不在風(fēng)洞試驗研究范圍之列，其原因在于此類構(gòu)件重量輕、外形小，不適用于目前的振動、位移測量設(shè)備.因此，使用數(shù)字?jǐn)z影測量是較好的解決方案.

美國攝影測量與遙感協(xié)會（ASPRS）對攝影測量的定義為：通過對拍攝圖像的記錄、測量和解譯過程來獲取有關(guān)物理對象可靠信息的科學(xué)與技術(shù)［2］.數(shù)字?jǐn)z影測量技術(shù)是攝影測量和數(shù)字圖像識別相結(jié)合的產(chǎn)物.其核心內(nèi)容包括獲取圖像坐標(biāo)，圖像坐標(biāo)的物理坐標(biāo)還原，以及借助計算機對數(shù)字圖像進(jìn)行位移數(shù)據(jù)處理等.數(shù)字圖像識別技術(shù)從上世紀(jì)80年代中期到90年代取得了突飛猛進(jìn)的發(fā)展［3］，數(shù)字?jǐn)z影測量的精度大幅提高.該技術(shù)所需設(shè)備簡單，操作空間要求少，亦改善傳統(tǒng)測量儀器的量程限制，且測量點數(shù)量可以任意設(shè)置，節(jié)省試驗經(jīng)費.隨著數(shù)字?jǐn)z像設(shè)備成本下降和性能大幅提高，越來越多的土木結(jié)構(gòu)試驗和檢測開始應(yīng)用數(shù)字?jǐn)z像與識別技術(shù)［4］，對結(jié)構(gòu)物的位移、變形、混凝土裂縫等進(jìn)行識別和測量.本文針對這種技術(shù)在橋梁風(fēng)洞試驗中的應(yīng)用進(jìn)行分析及討論.

1 識別原理與試驗方案

風(fēng)洞試驗中使用圖像識別的原理是通過數(shù)字?jǐn)z影機拍攝運動中的測量目標(biāo)，在拍攝的每一幀圖像中通過一定算法捕捉測量目標(biāo)，并通過圖像中目標(biāo)運動狀態(tài)與參照物之間的比較得到目標(biāo)的實際運動狀態(tài)，最終獲得目標(biāo)的位移測量值.構(gòu)成圖像識別系統(tǒng)的要素包括攝影機、拍攝畫面范圍、目標(biāo)、參考長度、目標(biāo)運動軌跡等（圖1）.

本文以某超大跨徑斜拉橋氣彈模型試驗為對象（圖2）.該橋設(shè)計跨徑為1 088m，最長拉索長為577m.在風(fēng)洞試驗橋梁失穩(wěn)狀態(tài)過程中，拉索產(chǎn)生較大擺動振幅［5］.本文利用數(shù)字?jǐn)z影機對拉索振動進(jìn)行測量，以期為深入研究該橋氣動失穩(wěn)形態(tài)以及氣動失穩(wěn)過程中拉索發(fā)揮的作用提供必要的數(shù)據(jù)支撐.

從前期試驗現(xiàn)象的觀測來看，該斜拉橋在較高試驗風(fēng)速下發(fā)生了整體結(jié)構(gòu)氣動失穩(wěn)現(xiàn)象.發(fā)生該現(xiàn)象時，主梁發(fā)生較大位移的周期性豎向位移和側(cè)向位移；拉索發(fā)生較大幅度側(cè)向變形；由于中跨和邊跨的拉索索力不平衡，橋塔亦發(fā)生較大幅度的縱向位移.由以上現(xiàn)象可知，就拉索上任意一點來看，其位移應(yīng)為復(fù)雜的空間運動.從對該氣動失穩(wěn)現(xiàn)象的研究意義來看，測量的主要對象為此時結(jié)構(gòu)風(fēng)致振動的頻率以及拉索的振型.因此，受限于試驗條件，本次數(shù)字?jǐn)z影測量采用了拉索目標(biāo)測量點位移在橫截面上的1維投影圖像.

在測量過程中，以最長拉索的中點作為試驗點，考慮到橋梁橫斷面上下游1對拉索的影響，在研究過程中考察了1 組最長拉索，即迎風(fēng)側(cè)和背風(fēng)側(cè)2根拉索.斜拉索測試點標(biāo)記在斜拉索所需測點處（圖3）.標(biāo)記本身選擇輕質(zhì)材料，且要求其自身反光性能較好，同時在外形上不能顯著改變斜拉索的氣動性能.

測量系統(tǒng)的空間關(guān)系是本文測量方法的關(guān)鍵.圖4為測量系統(tǒng)平面布置圖.同時攝影機與測點位于同一水平面.攝影機采集的1組動態(tài)圖像如圖5所示.

圖4 測量系統(tǒng)平面布置圖（單位：cm）Fig.4 Layout of measuring systems（unit：cm）

圖5 測量圖像序列Fig.5 Measured picture sequences

2 圖像識別算法

通過攝影機導(dǎo)入的24bit圖像由紅、綠、藍(lán)3個通道組成，每個波段的灰度分級為256級.在圖像處理中僅選取了動態(tài)范圍較高的紅色通道，對像素灰度進(jìn)行處理和分析.通過Matlab程序?qū)⒚繌垐D片文件的信息轉(zhuǎn)換成包含每個像素信息的矩陣，利用數(shù)學(xué)處理找到目標(biāo)點所在單幅圖像中的位置.程序識別的大致步驟包括：圖像預(yù)處理、搜索獨立塊區(qū)域以及計算目標(biāo)區(qū)域中心點.

本試驗中拉索上的識別對象為較背景明顯的標(biāo)記點，不能在標(biāo)記點上加入更多的識別信息.本文的標(biāo)記點識別方法為：對處理后的目標(biāo)區(qū)域形成非零區(qū)域的像素取型心位置.這一過程中，由于識別區(qū)域已完成二值化過程，邊緣識別簡化為以發(fā)現(xiàn)非零像素為依據(jù)，而沒有采用常規(guī)的邊緣檢測算子，因此亦不考慮目標(biāo)邊緣亞像素問題.

2.1 圖像預(yù)處理

圖像預(yù)處理是指通過一定算法對原始圖像優(yōu)化以便進(jìn)行識別分析操作［6］.本文圖像預(yù)處理的目的在于提高圖像的動態(tài)范圍以及篩選必要的識別圖像，便于后期識別算法的應(yīng)用.圖像預(yù)處理將清除低于某個灰度閾值的像素，實現(xiàn)對圖像的二值化.其具體步驟為：①調(diào)整圖像的特性，如亮度、對比度等；②分析得到圖像的灰度柱狀圖；③統(tǒng)計各灰度值包含的像素量；④自最高灰度值累計像素量，直致累計數(shù)達(dá)到總數(shù)的某個比例，如1%；⑤根據(jù)上一步停止的亮度值，清除所有低于該灰度值的像素.

其次，教師要重視學(xué)生英語閱讀的拓展。學(xué)生從廣泛的閱讀中，可以有效攝取語言信息以及語言表達(dá)技巧，在學(xué)生積累的過程中也是他們提升語言應(yīng)用能力的重要關(guān)鍵。在進(jìn)行實際英語閱讀的過程中，教師還可可以讓學(xué)生養(yǎng)成在閱讀中記錄筆記的習(xí)慣。比如說，將一些典型的、學(xué)生覺得優(yōu)美的段落、語句進(jìn)行記載，這都很好的保證英語閱讀拓展的有效性。

圖像預(yù)處理能夠有效改善區(qū)域識別的命中率.圖6為采集到的某張圖像柱狀圖.調(diào)整圖像的亮度過濾比例值將明顯改變識別畫面的構(gòu)成，從而改變識別命中率.圖7為不同過濾閾值對應(yīng)的圖像預(yù)處理結(jié)果.

圖6 某張圖像中各亮度區(qū)段單元格數(shù)量分布Fig.6 Cell quantitative distribution in different brightness areas

從以上調(diào)試可見，信號篩選閾值太低會生成過多的干擾區(qū)域，這不利于正確區(qū)域的選擇.而信號篩選閾值太高則會刪除原本需要的區(qū)域.正確選擇圖像調(diào)整的策略能夠有效改善圖像信息的識別.

2.2 搜索獨立塊區(qū)域

搜索獨立塊區(qū)域能夠?qū)㈩A(yù)處理后圖像中的獨立塊區(qū)域搜索出來，其中必然包含所需目標(biāo)點形成的區(qū)域.搜索步驟示意圖如圖8所示，具體表述如下：①為每個像素編號；②從圖像左上角開始掃描像素，如果發(fā)現(xiàn)灰度非零像素，則為該像素創(chuàng)建區(qū)域存儲區(qū)，把該像素的序列號存儲其中；③掃描該灰度非零像素周圍的像素，如再發(fā)現(xiàn)灰度非零像素，則也將其序列號存儲到由上一個灰度非零像素創(chuàng)建的存儲區(qū)，為了提高掃描效率，掃描像素按順序僅限初始位置的右、右下、下以及左下4個位置，如圖9所示；④掃描之后非零像素的序列號并將其存儲在鄰近的區(qū)域存儲空間內(nèi)，若其序列號已在其中，則跳過存儲操作.

2.3 選擇目標(biāo)區(qū)域

搜索圖像中非零像素獨立區(qū)域，找到目標(biāo)區(qū)域.本試驗中因設(shè)置背景反差較大，目標(biāo)區(qū)域能夠被較好表現(xiàn)，即包含像素量最大的2個獨立區(qū)域，為拉索運動圖像中的2個測試點.找到目標(biāo)區(qū)域后可通過物理坐標(biāo)均值獲得該目標(biāo)區(qū)域的中心點.

3 數(shù)據(jù)識別與分析

3.1 識別結(jié)果

根據(jù)測量系統(tǒng)平面布置尺寸轉(zhuǎn)換識別結(jié)果.依照圖4的坐標(biāo)信息，攝影機視軸與全橋模型軸線夾角為4.64°，標(biāo)記點的橫向位移乘以1.003 3的放大因數(shù).通過參考長度計算可得到轉(zhuǎn)換比例為每像素0.694 mm.部分識別結(jié)果數(shù)據(jù)見圖10.其中，圖10a和b為8 m·s－1試驗風(fēng)速下的斜拉索響應(yīng)時程；圖10c和d為8.8m·s－1試驗風(fēng)速下的斜拉索響應(yīng)時程，此風(fēng)速下斜拉橋氣彈模型整體發(fā)生氣動失穩(wěn).

圖10 標(biāo)記點風(fēng)振位移曲線Fig.10 Wind－induced vibration of markers

3.2 數(shù)據(jù)分析

針對圖像識別的數(shù)據(jù)進(jìn)行分析，可以得到各個標(biāo)記點不同風(fēng)速下位移均值，如圖11所示.表1給出了2個不同風(fēng)速下各測點位移響應(yīng)根方差.拉索的平均風(fēng)響應(yīng)除了包含自身受到風(fēng)荷載作用下的響應(yīng)之外，還受到了主梁變位引起的拉索附加位移.由圖11所示的拉索中點位移平均值變化趨勢大體服從2次拋物線的變化規(guī)律.此外，受尾流效應(yīng)的影響，背風(fēng)側(cè)拉索的橫橋向位移小于迎風(fēng)側(cè)拉索.受拉索傾斜方向的影響，背風(fēng)側(cè)拉索測點的豎向位移大于迎風(fēng)側(cè).

圖11 標(biāo)記點各個風(fēng)速下位移均值Fig.11 Mean displacements of markers and wind speeds

表1 不同風(fēng)速下各測點位移響應(yīng)根方差Tab.1 RMS Displacement of Markers mm

圖12 橫橋向振動頻域信號（風(fēng)速為8.8m·s－1）Fig.12 Frequency signals of lateral displacements（U＝8.8m·s－1）

為了考察拉索振動響應(yīng)與主梁響應(yīng)的關(guān)系，圖12給出了全橋氣彈模型氣動失穩(wěn)狀態(tài)時拉索測點與主梁跨中橫向振動響應(yīng)的功率譜圖.數(shù)據(jù)表明，拉索側(cè)向振動的主要頻率為0.883 8 Hz.主梁振動的主要頻率為0.874 8 Hz.可以發(fā)現(xiàn)結(jié)構(gòu)氣動失穩(wěn)發(fā)生時，拉索振動與主梁一致.

最后利用該方法得到的拉索振動位移響應(yīng)，對該橋的氣動失穩(wěn)狀態(tài)進(jìn)行再現(xiàn)，并繪制得出氣動失穩(wěn)狀態(tài)時（試驗風(fēng)速為8.8m·s－1）拉索在不同時點（0～T／2，T為周期）的等比例振型圖（圖13）.根據(jù)該失穩(wěn)形態(tài)分時圖可以看出，在氣動失穩(wěn)時，拉索參與振動所占成分不可忽略，并且該橋的氣動失穩(wěn)有別于傳統(tǒng)斜拉橋的主梁彎扭耦合的氣動失穩(wěn)形態(tài).

圖13 氣動失穩(wěn)半周期形態(tài)圖（風(fēng)速為8.8m·s－1）Fig.13 Aerodynamic divergence shape in half cycle（U＝8.8m·s－1）

從分析結(jié)果來看，標(biāo)記點的位移被識別出來，而其在高風(fēng)速下的運動形態(tài)也同結(jié)構(gòu)整體運動形態(tài)一致，表明數(shù)字?jǐn)z影測量能夠有效測量拉索構(gòu)件的位移，能夠準(zhǔn)確反映所需的拉索風(fēng)致振動形態(tài)，具有一定的實用性和準(zhǔn)確性.

3.3 誤差與校正討論

本識別算法基于測點圖像的區(qū)域，而識別區(qū)域邊緣是以處理后圖像的灰度變化為依據(jù)，因此這種算法在邊緣識別的精度為像素級，受到攝影器材解析度的影響，其精度在2 mm 左右.其次，該算法是根據(jù)處理后圖像進(jìn)行區(qū)域搜索.而受到標(biāo)記點的形狀、拉索的轉(zhuǎn)動以及光照條件的影響，攝影機拍攝到的測點圖像并非保持穩(wěn)定，在不同時點上區(qū)域識別中心點的波動可達(dá)到5mm.但由于標(biāo)記點在橫風(fēng)向尺度較小，對相對重要的橫向位移影響較小.

為了從試驗手段上改善圖像識別結(jié)果的準(zhǔn)確性，試驗者盡可能選擇分辨率高、拍攝速度高且高感光性能的攝影設(shè)備；同時，試驗者應(yīng)盡可能增大標(biāo)記點亮度，降低背景亮度，增大測試環(huán)境反差；攝影方向盡可能垂直于標(biāo)記點運動平面，并增大測量距離.此外可通過畸變校正圖來修正鏡頭畸變.

4 結(jié)語

從試驗結(jié)果看，基于數(shù)字圖像識別的攝影測量方法可認(rèn)為是一種彌補激光位移計和加速度缺陷的有效方法.從本次試驗的結(jié)果看，使用該方法得到的結(jié)果準(zhǔn)確地反映出模型的風(fēng)致振動響應(yīng)特性，為研究該結(jié)構(gòu)抗風(fēng)性能提供了依據(jù).

從試驗過程看，數(shù)字?jǐn)z影測量對試驗設(shè)備和試驗場地的要求較低.對程序進(jìn)行簡單改進(jìn)后可對同一畫面內(nèi)多個目標(biāo)進(jìn)行分析識別，在識別目標(biāo)間干擾較小的情況下可以大大增加測點數(shù).此外，使用多臺攝影機即可對復(fù)雜的空間運動軌跡進(jìn)行測量.因此，該方法能夠為風(fēng)洞試驗帶來極大的便利.

盡管如此，該方法的識別速度還比較低，每個數(shù)據(jù)點的獲取時間比較長.對于采樣時間為60s或者更長的情況，該方法還不能夠?qū)崟r或者在短時間內(nèi)提取測量結(jié)果.因此，現(xiàn)階段該方法只能作為激光位移計和加速度計失效情況下的補充手段.這一點將在進(jìn)一步工作中通過使用更高效的算法和策略加以改善.

［1］ 項海帆.我國大跨度纜索承重橋梁的空氣動力性能研究［J］.力學(xué)季刊，2000，21（4）：3.XIANG Haifan.Aerodynamic studies of long－span cablesupported bridges in China ［J］.Chinese Quarterly of Mechanics，2000，21（4）：3.

［2］ JI Yunfeng.Videogrammetric technique for structural dynamic applications［D］.Hongkong：Hongkong University of Science and Technology，2007.

［3］ Gonzalez R C，Woods R E.Digital image processing［M］.2nd ed.Englewood Cliffs：Prentice Hall，2002.

［4］ 曲哲，陸新征，葉列平，等.數(shù)字?jǐn)z影測量在混凝土梁受剪性能研究中的應(yīng)用［J］.建筑結(jié)構(gòu)學(xué)報，2006，27（增刊）：936.QU Zhe，LU Xinzheng，YE Lieping，et al.Applications of the digital photogrammetry in the studies on shear behavior of concrete beams［J］.Journal of Building Structures，2006，27（Suppl）：936.

［5］ 陳艾榮.蘇通長江公路大橋全橋氣彈模型風(fēng)洞試驗研究［R］.上海：同濟大學(xué)土木工程防災(zāi)國家重點實驗室，2004.CHEN Airong.Full aeroelastic bridge model wind tunnel study of Sutong Bridge［R］.Shanghai：Tongji University.State Key Laboratory for Disaster Reduction in Civil Engineering，2004.

［6］ Mantas J.Methodologies in pattern recognition and image analysis：a brief survey［J］.Pattern Recognition，1987，20（1）：1.