張宇航，蘇 成,2，鄧逸川,2,3

基于歐拉運動放大算法的橋梁索力測試方法研究

張宇航1，蘇 成1,2，鄧逸川1,2,3

(1. 華南理工大學土木工程與交通學院，廣東 廣州 510640； 2. 華南理工大學亞熱帶建筑科學國家重點試驗室，廣東 廣州 510640； 3. 中新國際聯合研究院，廣東 廣州 510555)

斜拉索、吊桿和系桿是纜索承重橋梁的重要受力構件，但傳統(tǒng)的索力測試方法存在操作復雜、成本高和效率低的缺點，為此開展基于歐拉運動放大算法的索力測試方法研究。采用數碼攝像設備采集拉索振動的數字圖像數據，經過基于相位的歐拉運動放大算法處理，獲取運動放大后的圖像序列；利用基于Canny算子的邊緣識別算法得到邊緣圖像序列，并通過邊緣定位提取拉索人工標記的位移時程數據；最后利用頻率法識別拉索索力。以拱橋吊桿索力測試為背景，討論了基于相位的歐拉運動放大算法與基于Canny算子的邊緣識別算法的適用情況。與傳統(tǒng)基于加速度傳感器的索力測試方法相比，該方法具有易操作、低成本和高效率的特點。

橋梁工程；索力測試；計算機視覺；歐拉運動放大；頻率法

纜索承重橋梁因為具有跨越能力強和造型美觀等優(yōu)點，在國內外得到越來越廣泛地應用。斜拉索、吊桿和系桿是纜索承重橋梁的重要受力構件，索力能夠反應拉索的實際工作狀態(tài)，因此在施工和運營階段均需對拉索索力進行監(jiān)測。

傳統(tǒng)的索力測試方法包括油壓表量測法[1]、壓力傳感器量測法[1]、頻率法[2-3]和磁通量法[4]等。其中，在對運營階段橋梁進行索力測試時，頻率法是最常見的方法[1]?；诩铀俣葌鞲衅鞯乃髁y試頻率法，利用精密拾振器拾取拉索在環(huán)境激勵或人為激勵下的振動信號；然后經過濾波、放大和頻譜分析獲取拉索的自振頻率；最后利用自振頻率與索力之間的對應關系識別索力值。其為接觸式測試方法，具有傳感器安裝困難、設備成本高和測試效率低等缺點。

隨著計算機視覺技術的不斷發(fā)展，基于計算機視覺的測試技術已引起國內外土木工程界的關注[5-9]。2005年，張國棟等[10]采用一臺數碼攝像設備對被監(jiān)測結構物上的人工標記進行圖像采集，并對圖像序列逐幀連續(xù)處理，實現動態(tài)位移監(jiān)測。2007年，張承忠等[11]利用數碼相機和平面鏡捕捉物體的三維振動。2008年，JI和CHANG[12]采用長度匹配法獲取無標記線狀結構的動態(tài)響應。2012年，CHEN等[13]采用數字圖像跟蹤技術提取斜拉索中點的位移時程。2015年，晏班夫等[14]開展了基于運動目標圖像跟蹤法的拉索索力測試方法研究，該法將計算機視覺技術與索力測試頻率法相結合，是傳統(tǒng)索力測試方法的發(fā)展和補充。然而，拉索在環(huán)境激勵下的振動幅度微小，基于一般的運動目標跟蹤算法難以獲得高精度的拉索位移時程數據，從而影響索力的測試精度。

近年來快速發(fā)展的運動放大算法[15]可以有效解決物體振幅過小時的目標跟蹤問題。早期的運動放大算法采用拉格朗日方法[16]，結合光流法進行目標特征跟蹤并將運動幅度放大。但該方法計算量大，測試效率低。2012年，WU等[17]提出線性歐拉運動放大算法，將視頻中的圖像亮度視為空間和時間的函數，分析圖像中像素亮度與時間的關系，進而放大像素亮度的變化，實現微小運動目標的跟蹤。2013年，WADHA等[18-20]提出相位的歐拉運動放大算法，在放大運動的同時只平移噪聲，而非放大噪聲，進一步改善了微小運動放大效果。2015年，CHEN等[21]運用相位的歐拉運動放大算法進行懸臂梁模型微小振動的可視化，從而獲取結構振動信息。2017年，CHEN等[22]采用相位的歐拉運動放大算法捕捉建筑頂部天線塔的振動信號。2018年，FIORITI等[23]采用相位的歐拉運動放大算法對3個歷史建筑模型進行模態(tài)識別。CHEN等[24]利用相位的歐拉運動放大算法開展結構健康監(jiān)測，獲取橋梁振動頻率。SHANG和SHEN[25]針對人行天橋開發(fā)了基于相位歐拉運動放大算法的多點振動測量方法，提高了結構健康監(jiān)測的效率。2019年，楚璽等[26]利用歐拉運動放大算法放大鋼桁混凝土組合梁在圖像中的振幅，并通過相機標定獲取實際振幅，從而對振型等振動特性開展初步定量分析。值得注意的是，歐拉運動放大算法不適用于獲取真實位移時程。LU等[27]將相位的歐拉運動放大算法應用于塔式結構振動觀測，從而判斷是否發(fā)生疲勞破壞。2020年，QIU[28]開發(fā)相位歐拉運動放大算法與自適應背景模型相結合的缺陷自動檢測方法，并應用于FRP加固混凝土結構。綜上所述，運動放大算法已在計算機視覺技術中得到了一定程度的應用，但尚未見到該算法在索力測試應用方面的文獻報道。

針對索力測試中拉索振動幅度小和現場干擾大等問題，本文提出基于歐拉運動放大算法的索力測試方法。其采用基于相位的歐拉運動放大算法獲取運動放大后的圖像序列，通過Canny算子[29-31]識別圖像序列中出現的邊緣，并消除運動放大過程中產生的噪聲，從而得到精度更高的邊緣圖像序列。利用邊緣定位技術提取拉索人工標記位移時程數據，并利用頻率法識別索力。與基于加速度傳感器的索力測試方法相比，本文索力測試方法具有操作簡單、成本低廉、高效準確等優(yōu)點，二者對比見表1。

表1 基于加速度傳感器和基于歐拉運動放大算法的索力測試方法對比

1 基于相位的歐拉運動放大算法

基于相位的歐拉運動放大算法能夠從圖像序列中提取并放大運動信號[18]。為了直觀地闡述該算法的原理，以一維圖像為例進行說明。假定()為一維圖像亮度函數，為圖像像素坐標。經過時間后，假定物體在圖像上平移()，則時刻的圖像亮度為(+())。

分別對()和(+())進行傅里葉變換，得

其中，為諧波頻率；為諧波振幅。

由式(1)和(2)可見，對應于某一諧波頻率，()和(+())的諧波分量的相位差為

顯然，該相位差與運動信號()直接相關，包含了運動信息。

至此，通過對比圖像亮度函數()和(+ (1+)())，即可得到放大的運動信號(1+)()。值得注意的是，為了放大某個頻率范圍內的運動信號，式(3)中的()實際上是經過時域濾波的。

2 基于歐拉運動放大算法的索力測試方法

基于歐拉運動放大算法的索力測試方法的流程如圖1所示，具體步驟如下：

(1) 圖像預處理。使用數碼攝像設備獲得拉索振動的數字圖像后，為了獲取運動放大效果良好的圖像序列，需要對采集的數字圖像數據進行預處理，包括設置數字圖像格式參數，壓縮數字圖像規(guī)模，以及剔除圖像序列中含有較大噪聲的圖像。

(2) 歐拉運動放大。采用基于相位的歐拉運動放大算法獲取拉索運動放大后的圖像序列。其中，使用復向可調金字塔對輸入的圖像序列進行空間域分解，得到不同尺度和不同方向的圖像序列。

(3) 邊緣識別。采用基于Canny算子的邊緣識別算法獲取邊緣圖像序列[24]。首先對圖像序列進行高斯模糊處理，用以濾除噪聲；然后計算圖像的強度梯度，并通過非極大值抑制方法準確定位潛在邊緣；最后通過雙閾值檢測將潛在邊緣分為強邊緣和弱邊緣，并利用邊緣的連續(xù)性特點判定真實邊緣。

(4) 運動目標跟蹤。根據拉索上的人工標記判別其邊緣，并跟蹤其運動，獲取拉索的橫向振動位移時程數據。

(5) 頻譜分析。對拉索橫向振動位移時程進行頻譜分析，獲取拉索的自振頻率。

(6) 索力識別。建立拉索的自由振動偏微分方程，根據拉索的邊界條件，利用解析方法[35]或數值方法[2]推導得到索力和拉索各階頻率的對應關系。將頻譜分析所得到的拉索自振頻率代入索力-頻率對應關系即可得到索力。

3 拱橋吊桿索力測試試驗

3.1 試驗概況

圖2 廣州某拱橋立面圖

3.2 試驗方案

試驗方案如下：

(1) 選取硬件設備。采用SONY FDR-AXP55數碼相機采集吊桿振動的數字圖像數據，東華DH5906W無線加速度傳感器采集吊桿振動的加速度信號。

(2) 確定拍攝地點。由于選用的數碼相機難以在遠距離下以高分辨率高幀率模式捕捉吊桿運動，因此將拍攝地點選取在該拱橋的人行過道上，距離所拍攝的跨中吊桿約6 m，如圖3所示。

圖3 拍攝地點示意圖

(3) 采集試驗數據。將數碼相機的數據存儲格式設置為XAVC S HD，拍攝模式設置為高速錄制模式，比特率設置為100 Mbps，獲取分辨率為1920× 1080像素、幀數為100 fps (采樣頻率為100 Hz)、時長為10 s的數字圖像數據。此外，為了獲取具有足夠精度的加速度時程數據，將加速度傳感器的采樣頻率設置為100 Hz。

3.3 試驗數據分析

3.3.1 歐拉運動放大

為了獲取具有良好運動放大效果的圖像序列，需要對采集的數字圖像數據進行編碼格式轉換、設定幀率模式和剔除含有較大噪聲圖像等操作。

采用基于相位的歐拉運動放大算法對預處理后的圖像序列進行分解、放大和重構處理，其中為了針對吊桿特定頻率范圍內的運動進行放大需要選擇低頻和高頻截止頻率。根據吊桿的動力特性分析已知其在正常索力時的頻率分布，因此選擇1.0～2.0 Hz和2.5～4.0 Hz頻率范圍進行運動放大以獲取吊桿的一階頻率和二階頻率。值得注意的是，合理的頻率范圍劃分有利于在現場環(huán)境中去除噪聲，從而更準確地識別模態(tài)頻率?；谙辔坏臍W拉運動放大算法參數見表2。

表2 基于相位的歐拉運動放大算法參數

3.3.2 圖像序列邊緣識別

邊緣識別是圖像處理與計算機視覺中的重要技術之一，其原理是利用圖像中物體邊緣像素亮度突變特點和邊緣連續(xù)性特點，識別物體邊緣像素點構成的集合，從而保留圖像中的物體邊緣信息。由于Canny算子具有信噪比高和定位準確等優(yōu)點，本試驗采用基于Canny算子的邊緣識別算法識別人工標記邊緣。

人工標記與背景區(qū)域應具有較高的對比度，且標記的邊緣幾何形狀應當相對光滑，有利于提取更高精度的人工標記位移時程數據。由于黑色加速度傳感器與灰白色背景具有較高的對比度，且加速度傳感器邊緣光滑，本試驗采用加速度傳感器作為人工標記，如圖4所示。基于Canny算子的邊緣識別算法所識別的物體邊緣如圖5所示。對比圖4和5可見，該算法可以準確識別圖像中各類物體邊緣，包括人工標記邊緣。但在光照條件差的情況下，該算法不能準確識別物體邊緣，如圖6所示。

圖4 圖像序列中的第1幀圖像

圖5 邊緣圖像序列中的第1幀圖像

圖6 光照差時基于Canny算子的邊緣識別算法識別效果

3.3.3 提取吊桿位移時程數據

根據已經識別得到的人工標記邊緣，截取人工標記所在的運動區(qū)域，并在其邊緣上均勻分布8個跟蹤點。通過考察像素點的亮度變化獲得這8個跟蹤點的位移時程，并取其算術平均作為人工標記的位移時程。1.0～2.0 Hz頻率和2.5～4.0 Hz頻率范圍內經運動放大后的人工標記位移時程分別如圖7和8所示。從圖中可見，經過運動放大后的位移并非真實位移。未經運動放大(即放大系數為0)的人工標記位移時程如圖9所示。其位移時程多處存在平直段，表明不進行運動放大容易丟失位移細節(jié)信息。

圖7 1.0～2.0 Hz頻率范圍內的人工標記位移時程

圖8 2.5～4.0 Hz頻率范圍內的人工標記位移時程

圖9 未經運動放大的人工標記位移時程

3.3.4 索力識別

分別對圖7和8所得到的人工標記位移時程進行頻譜分析，獲得跨中吊桿前兩階自振頻率分別為1.562 50 Hz和3.320 30 Hz。利用吊桿頻率與索力的對應關系，可以識別出該吊桿的索力為1702.875 35 kN (表2)。圖9對人工標記位移時程進行了頻譜分析，其無法準確獲得跨中吊桿前兩階自振頻率，誤差均為1.0 Hz左右。

為了進行對比，采用加速度傳感器拾取跨中吊桿的加速度時程，如圖10所示。對該加速度時程進行頻譜分析，獲得吊桿前兩階自振頻率分別為1.562 50 Hz和3.320 31 Hz，由此識別出該吊桿的索力為1 702.880 63 kN。結果見表3。

圖10 吊桿的加速度時程

表3 跨中吊桿索力測試結果對比

由表3可見，基于歐拉運動放大算法和基于加速度傳感器的索力測試方法所獲得的吊桿自振頻率及索力幾乎完全一致，表明本文方法與基于加速度傳感器的索力測試方法具有同樣的測試精度，可以滿足橋梁索力測試的精度要求。

4 結束語

本文開展了計算機視覺技術在橋梁索力測試方面的應用研究，綜合運用基于相位的歐拉運動放大算法和索力測試頻率法，提出了基于歐拉運動放大算法的索力測試方法。該方法為非接觸式索力測試方法，相比于傳統(tǒng)的接觸式測試方法，具有操作簡單、測試成本低、測試效率高等優(yōu)點。實橋試驗表明，該測試方法與基于加速度傳感器的索力測試方法具有同等的測試精度。

本文提出的方法尚存在以下不足：

(1) 歐拉運動放大算法參數需要人工調試，不合理的參數可能引入大量噪聲，從而影響索力識別。

(2) 邊緣識別算法在光照較差的情，導致位移突變甚至無法獲取位移。

綜合，基于歐拉運動放大算法的橋梁索力測試方法還有較大的提升空間，有必要開展歐拉運動放大算法參數設置自動化、智能化研究，同時開發(fā)更適合于本文方法的邊緣識別算法和圖像增強技術。

[1] 張華平, 魏良軍, 汪劭祎. 斜拉橋索力測試方法及原理綜述[J]. 公路交通科技: 應用技術版, 2011, 7(10): 268-269.

ZHANG H P, WEI L J, WANG S Y. Summary of cable-stayed bridge cable tension identification methods and principles[J]. Highway and Transportation Science and Technology, 2011, 7(10): 268-269 (in Chinese).

[2] 蘇成, 徐郁峰, 韓大建. 頻率法測量索力中的參數分析與索抗彎剛度的識別[J]. 公路交通科技, 2005, 22(5): 75-78.

SU C, XU Y F, HAN D J. Parameter analysis and identification of bending stiffness of cables during tension measurements by frequency method[J]. Journal of Highway and Transportation Research and Development, 2005, 22(5): 75-78 (in Chinese).

[3] 蘇成, 郭奮濤, 徐郁峰. 斜拉橋索力測量的可靠度研究[J]. 橋梁建設, 2009, 39(6): 27-30, 66.

SU C, GUO F T, XU Y F. Reliability research of stay cable force measurement of cable-stayed bridges[J]. Bridge Construction, 2009, 39(6): 27-30, 66 (in Chinese).

[4] 龐國英, 董傳智, 段元鋒, 等. 基于磁彈效應的預應力鋼絞線全量應力監(jiān)測實驗研究[J]. 結構工程師, 2015, 31(4): 192-198.

PANG G Y, DONG C Z, DUAN Y F, et al. Elasto-magnetic effect based total stress monitoring of prestressed steel strands: experimental investigation[J]. Structural Engineers, 2015, 31(4): 192-198 (in Chinese).

[5] 張祖勛. 數字攝影測量與計算機視覺[J]. 武漢大學學報·信息科學版, 2004, 29(12): 1035-1039, 1105.

ZHANG Z X. Digital photogrammetry and computer vision[J]. Geomatics and Information Science of Wuhan University, 2004, 29(12): 1035-1039, 1105 (in Chinese).

[6] 陳嘉穎, 黃曉明, 鄭彬雙, 等. 基于近景攝影測量技術的瀝青路面紋理實時識別系統(tǒng)[J]. 東南大學學報: 自然科學版, 2019, 49(5): 973-980.

CHEN J Y, HUANG X M, ZHENG B S, et al. Real-time identification system of asphalt pavement texture based on close-range photogrammetry[J]. Journal of Southeast University: Natural Science Edition, 2019, 49(5): 973-980 (in Chinese).

[7] 甘曉川. 數字近景攝影測量系統(tǒng)中相機校準和長度測量誤差校準[D]. 北京: 中國計量科學研究院, 2012.

GAN X C. Camera calibration and length measurement error calibration in digital close-range photogrammetry[D]. Beijing: Chinese Academy of Metrology, 2012 (in Chinese).

[8] 汪磊. 數字近景攝影測量技術的理論研究與實踐[D]. 鄭州: 中國人民解放軍信息工程大學, 2002: 5-6.

WANG L. Theoretical research and practice of digital close-range photogrammetry technology[D]. Zhengzhou: Chinese People’s Liberation Army Information Engineering University, 2002: 5-6 (in Chinese).

[9] GAO C, WANG G L, WANG Y M, et al. Research status & development trend of digital health monitoring of architectural heritage[C]//The 2nd International Conference on Engineering and Technology Innovations (ICETI 2017). Cyberjaya: Volkson Press, 2017: 160-163.

[10] 張國棟, 趙文光, 文銀平. 結構動態(tài)位移監(jiān)測圖像處理技術的工程應用[J]. 華中科技大學學報: 城市科學版, 2005, 22(S1): 10-12.

ZHANG G D, ZHAO W G, WEN Y P. Dynamic displacement inspection of project structure and the applicationin project based on image manipulation technology[J]. Journal of Wuhan Urban Construction Institute, 2005, 22(S1): 10-12 (in Chinese).

[11] 張承忠, 葉邦彥, 趙學智, 等. 用于提琴琴弦三維振動測量的高速攝影系統(tǒng)[J]. 光學精密工程, 2014, 22(9): 2329-2336.

ZHANG C Z, YE B Y, ZHAO X Z, et al. High-speed photographic system for 3D vibration measurement of violin string[J]. Optics and Precision Engineering, 2014, 22(9): 2329-2336 (in Chinese).

[12] JI Y F, CHANG C C. Nontarget stereo vision technique for spatiotemporal response measurement of line-like structures[J]. Journal of Engineering Mechanics, 2008, 134(6): 466-474.

[13] CHEN C C, TSENG H Z, WU W H, et al. Modal frequency identification of stay cables with ambient vibration measurements based on nontarget image processing techniques[J]. Advances in Structural Engineering, 2012, 15(6): 929-942.

[14] 晏班夫, 陳澤楚, 朱子綱. 基于非接觸攝影測量的拉索索力測試[J]. 湖南大學學報: 自然科學版, 2015, 42(11): 105-110.

YAN B F, CHEN Z C, ZHU Z G. Cable force identification based on non-contact photogrammetry system[J]. Journal of Hunan University: Natural Sciences, 2015, 42(11): 105-110 (in Chinese).

[15] 吳秀. 基于歐拉視角的視頻放大方法研究[D]. 合肥: 合肥工業(yè)大學, 2019.

WU X. Research on eulerian video magnification methods[D]. Hefei: Hefei University of Technology, 2019 (in Chinese).

[16] LIU C, TORRALBA A, FREEMAN W T, et al. Motion magnification[J]. ACM Transactions on Graphics, 2005, 24(3): 519-526.

[17] WU H Y, RUBINSTEIN M, SHIH E, et al. Eulerian video magnification for revealing subtle changes in the world[J]. ACM Transactions on Graphics, 2012, 31(4): 1-8.

[18] WADHWA N, RUBINSTEIN M, DURAND F, et al. Phase-based video motion processing[J]. ACM Transactions on Graphics, 2013, 32(4): 1-10.

[19] WADHWA N, CHEN J G, SELLON J B, et al. Motion microscopy for visualizing and quantifying small motions[J]. PNAS, 2017, 114(44): 11639-11644.

[20] WADHWA N, WU H Y, DAVIS A, et al. Eulerian video magnification and analysis[J]. Communications of the ACM, 2016, 60(1): 87-95.

[21] CHEN J G, WADHWA N, CHA Y J, et al. Modal identification of simple structures with high-speed video using motion magnification[J]. Journal of Sound and Vibration, 2015, 345: 58-71.

[22] CHEN J G, DAVIS A, WADHWA N, et al. Video camera–based vibration measurement for civil infrastructure applications[J]. Journal of Infrastructure Systems, 2017, 23(3): b4016013:1-b4016013:11.

[23] FIORITI V, ROSELLI I, TATì A, et al. Motion magnification analysis for structural monitoring of ancient constructions[J]. Measurement, 2018, 129: 375-380.

[24] CHEN J G, ADAMS T M, SUN H, et al. Camera-based vibration measurement of the world war I memorial bridge in Portsmouth, new Hampshire[J]. Journal of Structural Engineering, 2018, 144(11): 04018207.

[25] SHANG Z X, SHEN Z G. Multi-point vibration measurement and mode magnification of civil structures using video-based motion processing[J]. Automation in Construction, 2018, 93: 231-240.

[26] 楚璽, 向小菊, 周志祥, 等. 歐拉運動放大算法在橋梁振動分析中的試驗研究[J]. 公路交通科技, 2019, 36(6): 41-47, 57.

CHU X, XIANG X J, ZHOU Z X, et al. Experimental study on Euler motion amplification algorithm in bridge vibration analysis[J]. Journal of Highway and Transportation Research and Development, 2019, 36(6): 41-47, 57 (in Chinese).

[27] LU M C, CHAI Y, LIU Q. Observation of tower vibration based on subtle motion magnification[J]. IFAC-PapersOnLine, 2019, 52(24): 346-350.

[28] QIU Q W. Automated defect detection in FRP-bonded structures by Eulerian video magnification and adaptive background mixture model[J]. Automation in Construction, 2020, 116: 103244.

[29] 李長有, 陳國璽, 丁云晉. 改進Canny算子的邊緣檢測算法[J]. 小型微型計算機系統(tǒng), 2020, 41(8): 1758-1762.

LI C Y, CHEN G X, DING Y J. Improved edge detection algorithm for canny operator[J]. Journal of Chinese Computer Systems, 2020, 41(8): 1758-1762 (in Chinese).

[30] 趙子潤, 高保祿, 郭云云, 等. 基于改進Canny算法的噪聲圖像邊緣檢測[J]. 計算機測量與控制, 2020, 28(12): 202-206, 212.

ZHAO Z R, GAO B L, GUO Y Y, et al. Edge detection of noise image based on improved canny algorithm[J]. Computer Measurement & Control, 2020, 28(12): 202-206, 212 (in Chinese).

[31] 王植, 賀賽先. 一種基于Canny理論的自適應邊緣檢測方法[J]. 中國圖象圖形學報, 2004, 9(8): 957-962.

WANG Z, HE S X. An adaptive edge-detection method based on canny algorithm[J]. Journal of Image and Graphics, 2004, 9(8): 957-962 (in Chinese).

[32] 董傳智. 基于機器視覺的橋梁健康監(jiān)測與狀態(tài)評估[D]. 杭州: 浙江大學, 2016.

DONG C Z. Machine vision-based bridge health monitoring and condition assessment[D]. Hangzhou: Zhejiang University, 2016 (in Chinese).

[33] FENG D M, SCARANGELLO T, FENG M Q, et al. Cable tension force estimate using novel noncontact vision-based sensor[J]. Measurement, 2017, 99: 44-52.

[34] 葉肖偉, 董傳智. 基于計算機視覺的結構位移監(jiān)測綜述[J]. 中國公路學報, 2019, 32(11): 21-39.

YE X W, DONG C Z. Review of computer vision-based structural displacement monitoring[J]. China Journal of Highway and Transport, 2019, 32(11): 21-39 (in Chinese).

[35] 王衛(wèi)鋒. PC斜拉橋的施工監(jiān)測[D]. 廣州: 華南理工大學, 2000.

WANG W F. Construction monitoring of PC cable-stayed bridge[D]. Guangzhou: South China University of Technology, 2000 (in Chinese).

A eulerian video magnification based cable tension identification method for bridge structures

ZHANG Yu-hang1, SU Cheng1,2, DENG Yi-chuan1,2,3

(1. School of Civil Engineering and Transportation, South China University of Technology, Guangzhou Guangdong 510640, China; 2. State Key Laboratory of Subtropical Building Science, South China University of Technology, Guangzhou Guangdong 510640, China; 3.Sino-Singapore International Joint Research Institute, Guangzhou Guangdong 510555, China)

Cables, booms, and ties are important load-bearing elements of cable-bearing bridges. However, the traditional cable tension identification methods have the disadvantages of complicated operation, high cost, and low efficiency. This paper proposed a cable tension identification method for bridge structure based on Eulerian video magnification. The digital image of cable vibration collected by digital camera was processed by the phase-based Eulerian motion magnification, after which the image sequence after motion magnification was obtained. The edge image sequence was obtained by edge recognition algorithm based on Canny operator, and the displacement data of the mark point was extracted by edge positioning. Finally, the cable force was identified by frequency method. The applicability of the phase-based Eulerian motion magnification algorithm and the edge recognition algorithm based on Canny operator was discussed in the context of the arch bridge boom cable force test. Compared with the traditional acceleration sensor-based cable force testing method, the proposed cable tension identification method for bridge structure based on a motion magnification algorithm has the features of easy operation, low cost, and high efficiency.

bridge engineering; cable tension identification; computer vision; eulerian video magnification; frequency method

TU 198

10.11996/JG.j.2095-302X.2021060941

A

2095-302X(2021)06-0941-07

2021-02-06；

2021-03-24

廣東省自然科學基金項目(2018A030310363，2017A030313393)；廣州市科技計劃重點項目(20181003SF0059)

張宇航(1995-)，男，福建漳州人，碩士研究生。主要研究方向為土木信息化、計算機視覺。E-mail：201820107001@mail.scut.edu.com

鄧逸川(1989–)，男，廣東河源人，助理教授，博士。主要研究方向為建筑信息模型、計算機視覺。E-mail：ctycdeng@scut.edu.cn

6 February，2021；

24 March，2021

Natural Science Foundation of Guangdong Province (2018A030310363, 2017A030313393); Guangzhou Science and Technology Program key Project (20181003SF0059)

ZHANG Yu-hang (1995–), male, master student. His main research interests cover information of civil engineering, computer vision. E-mail：sjwmmt@163.com

DENG Yi-chuan (1989–), male, assistant professor, Ph.D. His main research interests cover building information model, computer vision. E-mail：ctycdeng@scut.edu.cn