趙宏偉，宋云峰，王會峰，黃 鶴，關(guān)麗敏，穆柯楠

(1.渭南市交通工程質(zhì)量監(jiān)督站，陜西渭南 714000;2.長安大學電子與控制工程學院，陜西西安 710064)

0 引言

橋梁的撓度是橋梁運行狀況的常用度量參數(shù)[1]，在橋梁的負載評估、健康監(jiān)測、溫度效應、應力損失上得到極為廣泛的應用，是橋梁健康狀況評價的重要參數(shù)指標，可以對橋梁的承載能力進行評估，指導橋梁的維護維修工作[2-3]，因此，有必要對其長期監(jiān)測，確保橋梁結(jié)構(gòu)服役可靠性，提升其安全保障能力。

目前出現(xiàn)的新型的非接觸式的撓度測量方法，主要有如下幾種：

(1)傾角儀法[4]：國內(nèi)已經(jīng)研制出了電容傳感無源伺服式傾角儀。但這種方法使用復雜，在橋梁的動態(tài)撓度測量方面，對各傾角儀之間的相位差、傾角儀的瞬態(tài)反應、傾角儀零漂等的要求較高。

(2)連通管法[5]：此法可實現(xiàn)連續(xù)在線測量，但是該方法不適用于跨度大，縱坡大的橋梁，因為水平面高差相距太大，造成測量不準確。

(3) 光電成像和CCD攝像法[6]：該法是架設攝像機對準靶標，記錄振動情況，通過計算機得到撓度數(shù)據(jù)。因用標準攝像機，采樣頻率為25 Hz，高頻丟失，難以實現(xiàn)多點同步檢測。

(4) 光電分光成像和高速線陣CCD法[7]：該方法利用光電轉(zhuǎn)換器接受發(fā)光靶標的一種特定波長的單色光，進行A/D轉(zhuǎn)換，得出測量值。

本文將高精度激光基準和光電圖像處理相結(jié)合，提出了一種實時、全天候自動化橋梁撓度監(jiān)測方案，論文主要針對橋梁撓度過程中的核心算法——激光光斑圖像快速檢測算法展開研究，其結(jié)果對提高系統(tǒng)的檢測精度和實時性具有較強的指導意義。

1 激光基準橋梁撓度檢測原理

如圖1所示，激光基準橋梁撓度圖像式檢測儀是利用激光在大氣中的直線傳輸作為基準，利用透射式成像靶標將橋梁的撓變位移轉(zhuǎn)化為光斑在標靶平面上的位移，再根據(jù)視覺圖像處理算法解算出被測點的光斑中心位移量便得到該點的撓度值。檢測時在橋梁梁體上部指定幾個待測點，一般選取跨中L/2點或者L/4將測量靶標安放在待測位置處，同時將基準激光發(fā)生器安放在橋墩某固定部位，此時激光束在測量標靶上打出一個激光光斑，調(diào)整出瞳焦距將激光光斑調(diào)整到合適大小。在橋梁未加載前先對待測點進行測量得到激光光斑在標靶上的初始位置坐標(x0,y0)，橋梁加載之后再次對待測點進行測量得到激光光斑的位置坐標(x1,y1)，則橋梁的待測點2次測量的光斑位置沿x方向和y方向的距離之差分別為：Δx=x1-x0和Δy=y1-y0，由此可以得到待測點的撓度值(不含橋梁的徐變撓度)。

圖1 激光基準橋梁撓度檢測原理

2 光斑圖像獲取

系統(tǒng)測量光斑圖像獲取是通過光學智能靶標得到的，光學智能靶標裝置可以將激光光束轉(zhuǎn)換成圖像信息并通過CCD采集，然后轉(zhuǎn)換為數(shù)字圖像信號[8]。

2.1 視覺讀數(shù)智能靶標裝置

視覺成像檢測系統(tǒng)主要由光圖轉(zhuǎn)換靶、CCD像機、濾光片、成像鏡頭、DSP圖像信號處理器、人機交互顯示板和無線發(fā)射裝置等部分組成，如圖2(a)所示?；鶞使馐丈湓谕干涫焦鈭D轉(zhuǎn)換靶靶面上形成一個光斑，位于靶標后方的CCD像機拍攝靶標的光斑圖像，DSP圖像信號處理板采集像機的圖像信號，并將其轉(zhuǎn)換為數(shù)字圖像信號進行解算，得到光斑的位置信息，即可得到撓度值。智能靶標采用透射式光圖轉(zhuǎn)換方式，靶面由漫射材料制成，以濾除背景雜波提高信噪比，改善像質(zhì)。靶面后置CCD成像裝置，鏡頭到光學標靶的距離為d，其原理如圖2(b)所示。

(a)系統(tǒng)功能框圖

(b)智能靶標系統(tǒng)結(jié)構(gòu)圖2 激光基準橋梁撓度測量系統(tǒng)

2.2 激光光斑圖像特性分析

標靶平面的光斑光強分布接近于高斯分布[9]。圖3(a)為激光光源距標靶70 m所采集到的光斑圖像，提取其中心位置附近多行的像素點灰度值進行分析，圖3(b)為其灰度分布圖，可見其分布基本接近高斯分布。

(a)激光光斑圖像

(b)光斑圖像光強分布特征圖3 距離標靶70 m處采集的靶標圖像及其特征

3 激光光斑圖像ROI檢測算法

為滿足系統(tǒng)實時高精度檢測性能的要求，需要研究一套快速的圖像光斑中心檢測算法，本文通過對圖像特征的分析，將金字塔快速ROI區(qū)域檢測算法引入光斑區(qū)域檢測，滿足了光斑實時性的要求。

ROI(region of interest)即圖像中的感興趣區(qū)域[10]，光斑圖像檢測重點是靶圖像上的光斑區(qū)域，即光斑的ROI。顯然，標靶圖像中光斑且占整幅圖像的比例較小，若每一幀序列圖像中都遍歷所有像素點來提取光斑，將大幅增加運算量并占用大量的存儲空間導致耗時較長，不利于實時性要求。為提高處理效率，在此將金字塔模型ROI檢測算法引入，這樣只需遍歷少量的像素點即可搜索出光斑所在的區(qū)域，然后在ROI區(qū)域內(nèi)進行光斑的檢測，這樣可以大幅提高處理器的效率。金字塔模型[11](如圖4)，表示一幅圖像的不同尺度集合，其所有圖像都是由同一幅源圖像降采樣得到。

圖4 圖像金字塔模型

金字塔的正變換實質(zhì)上是圖像的尺度縮小變換，金字塔的逆變換即是圖像的尺度放大變換。假設圖像金子塔的第n層表示為fn，φ↑表示尺度縮減算子，則第n+1層的圖像fn+1可以用式(1)表示，通過連續(xù)使用縮減算子得到更高層的金字塔圖像。φ↓表示尺度放大算子，則從第n+1層的圖像fn+1到第n層圖像fn的變換過程可以用式(2)表示。

fn+1=fnφ↑

(1)

fn+1=fnφ↓

(2)

常用的金字塔算法有Gaussian Pyramid和Laplacian Pyramid，采用Gaussian Pyramid從底層向下降采樣構(gòu)建圖像金字塔[12]，計算公式表示如下：

(3)

式中：Gn+1(i,j)和Gn(2i+m,2j+n)分別表示第n+1層和第n層圖像；W(m,n)為高斯卷積內(nèi)核。

建立標靶圖像的金字塔模型，首先，將原圖像G1與高斯內(nèi)核W卷積，卷積內(nèi)核如下

(4)

高斯卷積后的模糊圖像進行亞采樣，如圖5所示，去掉偶數(shù)行和偶數(shù)列，將圖像的尺寸縮小為原來的1/4。如此多次尺度變換后，得到多種尺寸表達的標靶圖像。標靶圖像原始尺寸為720×576，即標靶圖像最多可建立5層金字塔圖像，最頂層的圖像尺寸為36×45。金字塔層次越高，所包含的信息量就越少，越容易丟失光斑信息。金字塔層次越低，程序的運算量就會隨之增大。綜合考慮，構(gòu)建3層的標靶圖像金字塔，即將采集到的標靶圖像做2次尺度變換操作，最頂層的圖像G3(i,j)尺寸是原圖G1(i,j)的1/16，如圖6所示。

圖5 亞采樣原理

(a)光斑金字塔算法

(b)ROI圖6 金字塔算法求光斑圖像ROI

觀察圖3(b)可見光斑中心的灰度值集中于250左右，給定一個臨界值ε，認為|G3(i,j)-250|<ε的像素點屬于光斑圖像的ROI，為了便于光斑圖像的進一步處理，在圖像G3中搜索尺寸為n×n的正方形ROI區(qū)域，記為G3(ROI)。G3(ROI)丟失了許多光斑細節(jié)信息，為保證光斑中心的準確定位需找出圖像G1的ROI，可以通過G3(ROI)在圖像G3位置映射出G1(ROI)的位置圖6(b)。設G3(ROI)的行坐標與列坐標范圍分別為G3row[xmin，xmax]、G3col[ymin,ymax]，則可以得到G1(ROI)的行坐標與列坐標范圍G1row[4xmin+1,4xmax+1]，G1col[4ymin-1,4ymax-1]。如圖7所示為標靶圖像金字塔檢測得到的G1(ROI)和G3(ROI)。

圖7 標靶圖像ROI

4 基于橢圓擬合的光斑中心亞像素定位

為提高檢測精度，將圖像中的像素點劃分為更小的像素單元求取光斑的中心點，即采用基于亞像素處理的激光光斑中心定位算法[13]。通過對多幅激光標靶圖像觀察發(fā)現(xiàn)，激光光斑形狀類似于橢圓，因此用橢圓來描述激光光斑的形狀更加精確，這里提出基于橢圓擬合方法求取光斑中心亞像素檢測算法[14]。

橢圓方程可以表示為

f(x,y)=Ax2+Bxy+Cy2+Dx+Ey+F=0

(5)

式中：A、B、C、D、E、F分別為橢圓的方程系數(shù)。

式(5)可以變形為

Bxy+c(y2-x2)+Dx+Ey+F=-(A+C)x2

(6)

約束條件為

A+C≠0

(7)

由式(6)可知至少6個點(xi,yi),i=1,2,…，6；聯(lián)立求解即可得到橢圓的參數(shù)，令A+C=1，將式(6)寫成矩陣形式

MX=Y

(8)

其中

式(8)可以寫成

M′MX=M′Y

(9)

最小二乘法求式(9)橢圓方程系數(shù)B、C、D、E、F，A=1-C，則可計算出橢圓的中心坐標(xc,yc)為

(10)

設像素點(xi,yi)到f(x,y)的殘差平方和為

(11)

對式(11)求偏導

(12)

所求得的極值點就是殘差平方和的最小值。

若不恰當?shù)剡x擇邊界點或者隨機選取邊界點中包含誤差點都會影響擬合的結(jié)果，如圖8中黑色的點代表選擇邊界點，對比圖8(a)和圖8(b)，選擇不同的邊界點所擬合的橢圓相差極大，這樣計算的光斑中心會存在很大的誤差，即使進行多次擬合也難以避免隨機選擇而表現(xiàn)出來的不確定性。為了避免隨機選取的不確定性，影響橢圓的擬合效果，論文對橢圓擬合算法的邊界點選擇提出改進，算法實現(xiàn)過程如下：

(1)遍歷光斑所有邊界點，分別搜索x方向和y方向邊界點坐標最大值和最小值xmin、xmax、ymin、ymax；

(2)如圖8(c)所示，圖像中所有的邊界點按照其坐標位置分割為8個子區(qū)域；

(3)隨機在6個子區(qū)域各取一個邊界點，判斷這6個點中是否存在共線的3個點，若有則重新選擇邊界點，若沒有則選擇這6個點作為潛在橢圓的邊界點；

(4)用最小二乘法求解式(9)中的橢圓方程系數(shù)A、B、C、D、E、F；

(5)遍歷光斑所有的邊界點，求各像素點與橢圓的殘差平方和，如果小于閾值則認為該像素點為擬合橢圓上的點，記錄該橢圓的像素點；

(6)重復步驟(3)～(5)，遍歷10次求得擬合像素點數(shù)量最多的則為擬合的最優(yōu)橢圓；

(7)根據(jù)最優(yōu)擬合的橢圓利用式(11)求取橢圓中心坐標(xc,yc)。

(a)

(b)

(c)區(qū)域分割圖8 邊界點的擬合和分割情況

5 實驗結(jié)果

在實驗室內(nèi)利用橋梁撓度檢測原理樣機進行實驗，利用DM642開發(fā)板作為圖像處理單元，編寫圖像處理算法程序并使用XDS560仿真器進行在線硬件仿真，CCD像機使用1/2英寸的WAT902H2高靈敏度星光級CCD像機，分別進行ROI提取和光斑定位算法實驗。

5.1 ROI檢測實驗

利用原理樣機采集光斑圖像，利用本文的算法進行ROI的區(qū)域檢測，觀測對整幅圖像和只對ROI進行預處理程序運行所需要的時間進行對比，見表1。

表1 DM642預處理程序運行時間 ms

對比表1中的數(shù)據(jù)發(fā)現(xiàn)只針對標靶圖像ROI區(qū)域進行預處理操作，圖像濾波、閾值分割等程序運行時間明顯減少，實時性明顯提高。

5.2 激光光斑中心定位實驗

利用設計的原理樣機采集多幅圖像，以重心法[15]作為參考，對比重心法、橢圓擬合[16]和區(qū)域分割的橢圓擬合法計算光斑的中心，比較以上3種方法的計算結(jié)果如圖9和表2所示。

(a) (b) (c)圖9 標靶光斑圖像

表2 光斑中心定位

比較以上方法的結(jié)果發(fā)現(xiàn)基于區(qū)域分割隨機選取邊界點比普通隨機選取邊界點的橢圓擬合法的結(jié)果更接近于重心法的計算結(jié)果，算法更加穩(wěn)定。重心法只遍歷一次圖像且計算簡單，消耗時間非常少，橢圓擬合算法多次遍歷圖像邊界點，計算復雜，所以消耗的時間比較多[17]。雖然重心法計算效率高，但是由于檢測系統(tǒng)應用于室外，難免會受到外界強光的干擾，使用橢圓擬合法的抗干擾性更好。

6 結(jié)論

本文提出的透射式靶標的光斑中心檢測算法，通過ROI區(qū)域的快速提取和基于區(qū)域的光斑高精度重心定位方法可以明顯提高激光基準橋梁撓度在線系統(tǒng)的實時性和檢測效率。該方法將圖像快速性和高精度結(jié)合起來考慮，準確而方便地獲取了系統(tǒng)的測量值，對同類系統(tǒng)乃至其他系統(tǒng)有重要的參考價值。但算法在野外現(xiàn)場的抗干擾性能和實時性能還有待進一步的研究。