基于計(jì)算機(jī)視覺(jué)人行橋撓度影響線非接觸式識(shí)別

　　摘 要：該文將便攜式相機(jī)與無(wú)線傳感器結(jié)合，開(kāi)發(fā)了一種人致?lián)隙扔绊懢€非接觸式識(shí)別系統(tǒng)，避免了傳統(tǒng)識(shí)別方法需要長(zhǎng)時(shí)間阻斷交通、耗費(fèi)大量人力物力等不足，可用于運(yùn)營(yíng)狀態(tài)下的橋梁影響線識(shí)別。通過(guò)便攜式相機(jī)獲取橋上行人行為，引入遮擋模型改進(jìn) YOLO 算法識(shí)別橋上行人，跟蹤目標(biāo)行人坐標(biāo)變化得到行人位置信息，結(jié)合無(wú)線傳感器得到的行人荷載作為結(jié)構(gòu)輸入數(shù)據(jù)。通過(guò)視覺(jué)識(shí)別技術(shù)跟蹤結(jié)構(gòu)行為獲得人行荷載作用下的位移響應(yīng)作為結(jié)構(gòu)輸出數(shù)據(jù)。根據(jù)結(jié)構(gòu)輸入輸出數(shù)據(jù)反算人行荷載作用下橋梁撓度影響線。對(duì)初始影響線進(jìn)行高階濾波處理，消除環(huán)境和其他因素干擾，然后利用多項(xiàng)式分段擬合實(shí)測(cè)橋梁影響線進(jìn)而得到具有準(zhǔn)靜態(tài)特性的撓度影響線，可為結(jié)構(gòu)工程師準(zhǔn)確高效地提供橋梁損傷檢測(cè)依據(jù)。

　　朱前坤; 陳建邦; 張瓊; 杜永峰， 工程力學(xué) 發(fā)表時(shí)間：2021-08-02

　　關(guān)鍵詞：橋梁結(jié)構(gòu);撓度影響線;計(jì)算機(jī)視覺(jué);人行荷載;多項(xiàng)式擬合

　　人行橋因其輕質(zhì)高強(qiáng)及視覺(jué)效果優(yōu)美等特點(diǎn)，常被建造于城市交通網(wǎng)絡(luò)和各大景區(qū)，保持人行橋的安全運(yùn)行對(duì)避免人、車流相交沖突和維持正常交通具有重要意義。在日常使用和其他外部因素的影響下，橋梁結(jié)構(gòu)不斷發(fā)生變化、退化和損傷，損傷識(shí)別是結(jié)構(gòu)健康監(jiān)測(cè)的重要組成部分 [1 − 2] 及核心技術(shù)。

　　為了全面、充分地評(píng)價(jià)結(jié)構(gòu)性能，估計(jì)結(jié)構(gòu)損傷狀態(tài)、結(jié)構(gòu)安全性和預(yù)測(cè)結(jié)構(gòu)剩余使用壽命，需要對(duì)結(jié)構(gòu)的荷載輸入和響應(yīng)輸出進(jìn)行監(jiān)測(cè)。基于影響線的損傷檢測(cè)方法一經(jīng)發(fā)明便迅速發(fā)展[3 − 6]。周建庭等[7] 采用遞推迭代法實(shí)測(cè)橋梁影響線，通過(guò)多工況的靜載試驗(yàn)，達(dá)到實(shí)際荷載檢測(cè)橋梁的目的。靜載試驗(yàn)需要長(zhǎng)時(shí)間中斷交通，測(cè)試成本高，且獲取的數(shù)據(jù)量有限，在實(shí)際應(yīng)用中具有局限性。徐文濤等[8] 通過(guò)虛擬激勵(lì)法計(jì)算橋梁在行駛車輛和橋面不平度共同作用下的隨機(jī)響應(yīng)，獲得了橋梁跨中撓度的動(dòng)態(tài)影響線值。通過(guò)結(jié)構(gòu)輸入輸出反算得到的影響線實(shí)質(zhì)上是單位荷載下的動(dòng)力響應(yīng)，未充分體現(xiàn)影響線準(zhǔn)靜態(tài)特性，故需對(duì)計(jì)算影響線進(jìn)行處理[9]。Ieng[10] 提出了影 響 線 識(shí) 別 的 最 大 似 然 估 計(jì) 方 法 。 Sun 等 [11] 采用有限元模型修正實(shí)測(cè)橋梁影響線。Wang 等 [12] 采用分段多項(xiàng)式擬合實(shí)測(cè)橋梁影響線進(jìn)而得到具有準(zhǔn)靜態(tài)特性的影響線。上述研究使用傳統(tǒng)傳感器進(jìn)行結(jié)構(gòu)輸入輸出監(jiān)測(cè)，使用傳統(tǒng)傳感器的缺點(diǎn)是封閉交通、安裝時(shí)間長(zhǎng)和布線工作需要大量勞動(dòng)力。

　　集成多學(xué)科的優(yōu)勢(shì)，國(guó)內(nèi)外學(xué)者研究了各種先進(jìn)的傳感技術(shù)，如用于動(dòng)態(tài)監(jiān)測(cè)的無(wú)線傳感器[13] 和基于視覺(jué)識(shí)別技術(shù)的全橋梁監(jiān)測(cè)[14] 等已被應(yīng)用于當(dāng)前的研究和實(shí)踐中。在這些技術(shù)中，基于視覺(jué)的方法越來(lái)越受到結(jié)構(gòu)健康監(jiān)測(cè)領(lǐng)域的關(guān)注。 Tian 等 [15] 在實(shí)驗(yàn)室對(duì)簡(jiǎn)支梁進(jìn)行沖擊試驗(yàn)，使用相機(jī)捕捉人體輸入得到人致沖擊力，使用加速度傳感器收集響應(yīng)輸出，以此識(shí)別橋梁更多模態(tài)參數(shù)，并對(duì)人行天橋進(jìn)行了沖擊試驗(yàn)驗(yàn)證，提取了頻率、振型和比例因子等模態(tài)參數(shù)。隨后 Tian 等 [16] 通過(guò)移動(dòng)單個(gè)相機(jī)測(cè)量結(jié)構(gòu)的多點(diǎn)位移直接獲得大型結(jié)構(gòu)的結(jié)構(gòu)屬性，提高橋梁結(jié)構(gòu)的測(cè)試效率，并從移動(dòng)沖擊測(cè)試數(shù)據(jù)中識(shí)別出更多的結(jié)構(gòu)特性。上述文獻(xiàn)將研究重心集中在結(jié)構(gòu)輸入輸出數(shù)據(jù)和結(jié)構(gòu)動(dòng)力特性上，通過(guò)相機(jī)和傳統(tǒng)傳感器相結(jié)合進(jìn)行。Zaurin 和 Catbas[17―18] 將視覺(jué)識(shí)別技術(shù)和傳統(tǒng)傳感器 (如應(yīng)變計(jì)) 結(jié)合起來(lái)，通過(guò)確定的額定荷載提取應(yīng)變單位影響線，并統(tǒng)計(jì)數(shù)據(jù)異常值檢測(cè)識(shí)別損傷。Khuc 和 Catbas[19] 集成了計(jì)算機(jī)視覺(jué)和位移傳感器，以獲得位移單元影響面，并提出了一種檢測(cè)橋梁損傷的統(tǒng)計(jì)方法。上述研究提取了靜態(tài)結(jié)構(gòu)特性作為損傷特征，并使用視覺(jué)識(shí)別技術(shù)進(jìn)行結(jié)構(gòu)輸入估計(jì)，使用傳統(tǒng)傳感器進(jìn)行結(jié)構(gòu)輸出監(jiān)測(cè)，未能克服傳統(tǒng)傳感器的不足。

　　本文將便攜式相機(jī)與無(wú)線傳感器相結(jié)合，開(kāi)發(fā)了一種完全非接觸式影響線識(shí)別系統(tǒng)，克服了使用傳統(tǒng)傳感器的不足。將便攜式相機(jī)獲得行人位置信息與無(wú)線傳感器測(cè)得的行人豎向加速度相結(jié)合作為結(jié)構(gòu)輸入。將便攜式相機(jī)與視覺(jué)識(shí)別技術(shù)得到的結(jié)構(gòu)位移響應(yīng)作為結(jié)構(gòu)輸出。根據(jù)結(jié)構(gòu)輸入輸出數(shù)據(jù)反算人行荷載作用下橋梁撓度影響線。然后利用多項(xiàng)式分段擬合初始實(shí)測(cè)人行橋撓度影響線，進(jìn)而得到具有準(zhǔn)靜態(tài)特性的撓度影響線，可為結(jié)構(gòu)工程師準(zhǔn)確高效地提供橋梁損傷檢測(cè)依據(jù)。

　　1 撓度影響線數(shù)學(xué)模型

　　橋梁在正常使用過(guò)程中受溫度、濕度及風(fēng)荷載等可變荷載引起的響應(yīng)不會(huì)發(fā)生突變，因此相較于人群荷載，可以忽略短時(shí)間內(nèi)溫度、濕度及風(fēng)速等變化對(duì)人行橋變形的影響。為了計(jì)算方便，將橋上人群荷載簡(jiǎn)化為對(duì)應(yīng)人體質(zhì)心處的豎向力，則橋梁受人行荷載引起的位移響應(yīng)可視為一個(gè)豎向力引起的響應(yīng)。單個(gè)行人隨順橋向位置變化所引起測(cè)量位置的位移響應(yīng)可表示為[17]： d = wu (1) 式中：d 為包含由行人荷載在選定位置引起的響應(yīng)向量;w 為包含與行人移動(dòng)位移相關(guān)的荷載矩陣; u 為撓度影響線向量。式 (1) 可以改寫為： 式中：n 為行人沿橋移動(dòng)步驟的離散系數(shù)數(shù)量; m 為位移響應(yīng)的測(cè)量樣本數(shù)量; 為不同時(shí)刻單個(gè)行人的豎向人行荷載，可用式 (3) 計(jì)算[20 − 22]： w(t) = G +G ∑n i=1 αisin(2iπ fpt−φi ) (3) αi fp φi αi fp φi 式中：G 為人體重量; 為第 i 階 DLF; 為行人步頻; 為第 i 階相位角。其中 、 及 等參數(shù)可由試驗(yàn)記錄的人體腰部加速度值在經(jīng)過(guò)快速傅里葉變換后得到[23]。

　　撓度影響線可看作一個(gè)力學(xué)反問(wèn)題，用式 (4) 計(jì)算： u = w −1 d (4) 即可通過(guò)已知的荷載輸入和響應(yīng)輸出求解影響線。從試驗(yàn)出發(fā)，基于行人荷載位置和人行荷載數(shù)據(jù)結(jié)合結(jié)構(gòu)位移響應(yīng)數(shù)據(jù)進(jìn)行影響線識(shí)別。

　　2 撓度影響線視覺(jué)提取方法

　　本文通過(guò)對(duì)便攜式相機(jī)獲取的圖像進(jìn)行行人檢測(cè)跟蹤，并估計(jì)出行人的位置，結(jié)合無(wú)線傳感器確定人行荷載組成結(jié)構(gòu)輸入數(shù)據(jù)。將視覺(jué)測(cè)量的橋梁位移響應(yīng)視為結(jié)構(gòu)輸出數(shù)據(jù)，利用結(jié)構(gòu)輸入輸出數(shù)據(jù)反算撓度影響線，流程圖如圖 1 所示。下面分別介紹了基于視覺(jué)的行人位置估計(jì)方法和基于視覺(jué)的結(jié)構(gòu)位移測(cè)量方法。

　　2.1 基于計(jì)算機(jī)視覺(jué)的行人位置估計(jì)

　　2.1.1 一般步驟

　　采用視覺(jué)方法估計(jì)行人位置可分為 4 個(gè)步驟，如圖 2 所示。首先，對(duì)相機(jī)進(jìn)行標(biāo)定，校正由魚(yú)眼鏡頭引起的徑向畸變。然后利用添加遮擋模型改進(jìn)的 YOLOv3 算法[24] 檢測(cè)行人并確定行人數(shù)目，給出被檢測(cè)行人的識(shí)別結(jié)果，并將其作為跟蹤目標(biāo)。隨后通過(guò)視覺(jué)跟蹤算法來(lái)跟蹤檢測(cè)到的行人，將行人檢測(cè)框中心點(diǎn)視為行人位置，并估計(jì)視頻每一幀中的行人位置。最后，將圖像坐標(biāo)系中的行人位置轉(zhuǎn)換到真實(shí)坐標(biāo)系，實(shí)現(xiàn)對(duì)橋上行人位置的估計(jì)。

　　2.1.2 相機(jī)標(biāo)定

　　一個(gè)點(diǎn)從世界坐標(biāo)系轉(zhuǎn)換到像素坐標(biāo)系的過(guò)程可以用式 (5) 表示[25]：

　　式 (5) 可以簡(jiǎn)化為： sx = K[R|t]X (6) (x, y,1)T (X,Y,Z,1)T fx fy cx cy γ ri j ti 式中：s 為比例因子; 為圖像坐標(biāo);K 為表示從三維真實(shí)世界到二維圖像的投影變換的相機(jī)內(nèi)部參數(shù); 為世界坐標(biāo);在本征參數(shù)中， 和 為相機(jī)在水平方向和垂直方向上的焦距; 和 為光軸在水平和垂直方向上的偏移量;為傾斜因子;R 和 t 為相機(jī)的外部參數(shù)，表示從三維真實(shí)世界坐標(biāo)到三維相機(jī)坐標(biāo)的剛性旋轉(zhuǎn)和平移; 和 分別為 R 和 t 的元素。相機(jī)的內(nèi)部參數(shù)與相機(jī)和鏡頭有關(guān)，只要焦距和鏡頭不變，內(nèi)部參數(shù)就不會(huì)改變，其可在現(xiàn)場(chǎng)試驗(yàn)前在實(shí)驗(yàn)室確定，即使用相機(jī)在不同角度觀察平面校準(zhǔn)對(duì)象。相機(jī)外部參數(shù)與相機(jī)鏡頭和被拍攝物體之間的相對(duì)位置有關(guān)，確定相機(jī)位置和方向需要結(jié)構(gòu)的一些幾何信息 (至少 4 個(gè)共面點(diǎn)位置)。已知位置的點(diǎn)通常由附加的人工目標(biāo)提供，例如平面棋盤目標(biāo)等。可采用張正友棋盤法[26] 快速完成相機(jī)標(biāo)定獲得相機(jī)外部參數(shù)。

　　2.1.3 行人檢測(cè)

　　YOLOv3 采用特征融合以及多尺度檢測(cè)的方法，使得目標(biāo)的檢測(cè)精度和速度得到有效提升[24]，其可分為 4 個(gè)步驟。首先通過(guò)訓(xùn)練好的模型將圖像劃分為若干個(gè)單元格，預(yù)測(cè)候選框及其相對(duì)位置、置信度以及所屬類別的后驗(yàn)概率 P。然后映射變換預(yù)測(cè)的相對(duì)位置以及置信度，得到檢測(cè)框。隨后通過(guò)設(shè)定閾值 T，如果檢測(cè)框的置信度大于閾值 T，則保留該檢測(cè)框。最后對(duì)每個(gè)類別分別進(jìn)行非極大值抑制處理，去除冗余窗口，輸出留下的檢測(cè)框的類別、位置、置信度。

　　在行人檢測(cè)中，行人與結(jié)構(gòu)、行人之間很容易出現(xiàn)遮擋情況，從而影響了行人檢測(cè)系統(tǒng)的精度。行人周邊相互遮擋的目標(biāo)會(huì)影響預(yù)測(cè)框的位置，從而導(dǎo)致最終的預(yù)測(cè)框偏離真實(shí)目標(biāo)，被環(huán)境部分遮擋的行人也很容易造成漏檢情況的發(fā)生，最終導(dǎo)致行人檢測(cè)系統(tǒng)性能的下降。為了能夠準(zhǔn)確預(yù)測(cè)在遮擋情況發(fā)生時(shí)預(yù)測(cè)框的位置，使用 CityPersons 訓(xùn)練集[27] 中包含行人遮擋相互及被環(huán)境遮擋的 2975 張圖片作為整個(gè)試驗(yàn)的訓(xùn)練集，按照 7∶3 的比例，使用自建的 1275 張圖片作為整個(gè)試驗(yàn)的測(cè)試集。加入遮擋行人的數(shù)據(jù)集可以有效地提升存在遮擋情況的行人檢測(cè)能力。圖 3 為改進(jìn)的 YOLO 算法在復(fù)雜環(huán)境下的行人檢測(cè)結(jié)果。由圖 3 可知經(jīng)過(guò)改進(jìn)的模型能夠更容易檢測(cè)出相互遮擋和被環(huán)境遮擋的行人。

　　2.1.4 視覺(jué)跟蹤

　　一旦在視頻或圖像序列的第一幀中檢測(cè)到或選擇了行人，就需要視覺(jué)跟蹤來(lái)跟蹤行人在連續(xù)圖像中的位置。由于相機(jī)角度，即使相機(jī)靜止，行人視圖比例從開(kāi)始到結(jié)束一直在變化。此外，由于行人之間以及行人與環(huán)境之間存在遮擋。所以視覺(jué)跟蹤算法必須滿足尺度不變性和視圖魯棒性的要求，并能在遮擋發(fā)生時(shí)預(yù)測(cè)目標(biāo)位置。

　　本文使用卡爾曼濾波算法[28] 實(shí)現(xiàn)行人目標(biāo)跟蹤，可以分為 6 個(gè)步驟，首先在 YOLOv3 檢測(cè)到行人目標(biāo)后，檢查第一幀，獲取矩形框的中心位置等信息。然后定義狀態(tài)向量，根據(jù)前一幀的目標(biāo)跟蹤結(jié)果，利用卡爾曼濾波算法預(yù)測(cè)目標(biāo)在當(dāng)前幀的位置，將檢測(cè)結(jié)果與預(yù)測(cè)結(jié)果進(jìn)行最優(yōu)相似度匹配。對(duì)于匹配成功的檢測(cè)目標(biāo)，用當(dāng)前幀的預(yù)測(cè)及檢測(cè)結(jié)果得到目標(biāo)位置的最優(yōu)估計(jì)值。最后顯示跟蹤結(jié)果并進(jìn)行下一幀的預(yù)測(cè)。

　　2.1.5 坐標(biāo)變換

　　對(duì)圖像中的行人位置 (像素坐標(biāo)) 進(jìn)行估計(jì)后，需要將其轉(zhuǎn)換為真實(shí)世界坐標(biāo)。在本研究中，假設(shè)橋面是一個(gè)平面，因此問(wèn)題是將行人從圖像平面轉(zhuǎn)換為橋面平面。如圖 4 所示，橋側(cè)相機(jī)圖像用于投影行人縱橋向位置，橋端相機(jī)圖像用于投影行人橫橋向位置。結(jié)合兩臺(tái)相機(jī)投影結(jié)果，真實(shí)世界對(duì)象 (橋梁和行人) 被投影到圖像平面。最后，將行人的位置從圖像坐標(biāo)轉(zhuǎn)換為現(xiàn)實(shí)世界的坐標(biāo)，即橋面位置。在本文中，由于規(guī)定試驗(yàn)者以直線通過(guò)橋梁，則不需考慮橫橋向位移，僅需一臺(tái)相機(jī)即可確定人行所在橋面位置。

　　2.2 基于計(jì)算機(jī)視覺(jué)的結(jié)構(gòu)位移測(cè)量

　　2.2.1 一般步驟

　　基于視覺(jué)的方法從結(jié)構(gòu)振動(dòng)視頻中測(cè)量位移一般分為 4 個(gè)步驟，如圖 5 所示。首先對(duì)相機(jī)進(jìn)行標(biāo)定，計(jì)算出圖像坐標(biāo)系與真實(shí)坐標(biāo)系間的幾何轉(zhuǎn)換關(guān)系。其次，從圖像中選取測(cè)量目標(biāo)作為圖像子區(qū)域，提取子區(qū)域特征。第三，采用視覺(jué)跟蹤算法結(jié)合選定的圖像特征進(jìn)行目標(biāo)跟蹤，并在視頻每幀圖像中更新目標(biāo)區(qū)域的位置。最后，通過(guò)比較每幀圖像中測(cè)量目標(biāo)的位置變化，計(jì)算出圖像坐標(biāo)系中的位移，并結(jié)合相機(jī)標(biāo)定結(jié)果和圖像坐標(biāo)系中的位移，得到實(shí)際坐標(biāo)系中的最終位移。

　　2.2.2 視覺(jué)測(cè)量的相機(jī)標(biāo)定實(shí)用方法

　　對(duì)于基于視覺(jué)的位移測(cè)量，相機(jī)標(biāo)定與第 2.1.2 節(jié)中介紹的標(biāo)定方法相同。但如果測(cè)量對(duì)象是無(wú)平面內(nèi)運(yùn)動(dòng)或平面內(nèi)運(yùn)動(dòng)可忽略的結(jié)構(gòu)，即主要位移方向是為豎向，且使用的鏡頭是無(wú)畸變鏡頭時(shí)，可以采用一種更實(shí)用和簡(jiǎn)化的標(biāo)度比法。當(dāng)光軸垂直于位移方向時(shí)，比例因子 s 表示為式 (7)[29]：

　　式中：D 為選定對(duì)象的實(shí)際物理尺寸，單位為 mm; d 為該對(duì)象在圖像中的像素尺寸，單位為像素。當(dāng)目標(biāo)運(yùn)動(dòng)平面與光軸之間存在角度時(shí)，比例因子必須通過(guò)以下來(lái)修正： s=D/(d · cosα) (8) 利用尺度比，可以很容易地將像素位移轉(zhuǎn)換為真實(shí)位移。

　　2.2.3 LK 光流法目標(biāo)跟蹤

　　與行人跟蹤不同，基于視覺(jué)的位移測(cè)量的跟蹤目標(biāo)更為簡(jiǎn)單，且視圖比例變化不大。雖然位移測(cè)量目標(biāo)的跟蹤比行人跟蹤要容易得多，但它需要更高的精度。一般來(lái)說(shuō)，跟蹤結(jié)果應(yīng)該是亞像素級(jí)的。LK 光流法[30] 運(yùn)動(dòng)目標(biāo)跟蹤的步驟為：首先在圖像序列中利用 Shi-Tomasi 角點(diǎn)算法來(lái)檢測(cè)當(dāng)前幀的所有角點(diǎn)，然后利用這些角點(diǎn)作為特征點(diǎn)，計(jì)算當(dāng)前幀的光流。通過(guò)對(duì)前一步驟算出的光流矢量進(jìn)行閾值化處理，選擇合理的閾值，除去超過(guò)閾值范圍的所有光流矢量。最后生成各角點(diǎn)運(yùn)動(dòng)軌跡，并記錄相應(yīng)的位置坐標(biāo)。圖 6 為 LK 光流法目標(biāo)跟蹤結(jié)果，圓點(diǎn)為檢測(cè)到的角點(diǎn)位置，線條描述角點(diǎn)運(yùn)動(dòng)軌跡。

　　2.2.4 位移計(jì)算與轉(zhuǎn)換

　　檢測(cè)當(dāng)前幀中的特征點(diǎn)，將目標(biāo)特征點(diǎn)作為跟蹤點(diǎn)，其在圖像中的像素坐標(biāo)為 (x1，y1 )。通過(guò)灰度對(duì)比當(dāng)前幀和下一幀，估計(jì)目標(biāo)特征點(diǎn)在下一幀中的位置 (x2，y2 )，比例因子為 s，則所選目標(biāo)在豎直方向上的位移為 。

　　3 基于多項(xiàng)式分段擬合實(shí)測(cè)撓度影響線

　　影響線是結(jié)構(gòu)在不同位置處受靜態(tài)荷載作用引起的響應(yīng)。然而在實(shí)際工程中，結(jié)構(gòu)健康監(jiān)測(cè)系統(tǒng)采集到的影響線是由橋上移動(dòng)荷載引起的結(jié)構(gòu)響應(yīng)，不能忽略橋梁振動(dòng)信息及其受行人動(dòng)載效應(yīng)的影響。且與靜態(tài)荷載不同的是，行人本身是一個(gè)具有自適應(yīng)能力的動(dòng)力系統(tǒng)，結(jié)構(gòu)發(fā)生振動(dòng)或遇到障礙物時(shí)，行人會(huì)根據(jù)結(jié)構(gòu)振動(dòng)幅度大小以及障礙物形狀及位置調(diào)節(jié)自身的步頻、步長(zhǎng)等來(lái)保持身體平衡，行人的本能調(diào)節(jié)過(guò)程會(huì)影響人行荷載的大小，進(jìn)而影響結(jié)構(gòu)響應(yīng)。因此結(jié)合結(jié)構(gòu)動(dòng)力響應(yīng)和行人參數(shù)的反演計(jì)算初始撓度影響線，對(duì)初始結(jié)果進(jìn)行了多項(xiàng)式分段擬合，提取了具有準(zhǔn)靜態(tài)特性的橋梁位移變影響線，消除了橋梁振動(dòng)干擾，提高影響線測(cè)試精度。從數(shù)值分析和現(xiàn)場(chǎng)試驗(yàn)的角度，驗(yàn)證了本文多項(xiàng)式分段擬合方法的準(zhǔn)確度。對(duì)于簡(jiǎn)支梁，無(wú)損傷狀態(tài)下橋梁跨中截面測(cè)點(diǎn)撓度影響線表達(dá)式為[31]：

　　式中：EI 為橋梁抗彎剛度;Fp 為單位荷載;x 為荷載作用位置;L 為橋梁計(jì)算跨度。可以看出，對(duì)于理想簡(jiǎn)支梁，撓度影響線由三次曲線分段函數(shù)表示。據(jù)此對(duì)實(shí)測(cè)試撓度影響線采用三次多項(xiàng)式進(jìn)行擬合可得到更加準(zhǔn)確的準(zhǔn)靜態(tài)影響線。

　　4 試驗(yàn)驗(yàn)證

　　4.1 試驗(yàn)步驟

　　試驗(yàn)在單跨簡(jiǎn)支人行橋模型上得到了驗(yàn)證。該橋是中型實(shí)際結(jié)構(gòu)的縮小模型，橋面總質(zhì)量 1580 kg，橋面長(zhǎng) 10 m、寬 1.6 m，計(jì)算跨度為 9.8 m。為避免測(cè)試者因不規(guī)范行走姿勢(shì)造成的不可靠數(shù)據(jù)，本試驗(yàn)將兩個(gè)維特智能 BWT61CL 無(wú)線傳感器分別固定在每個(gè)測(cè)試者質(zhì)心位置前后，取兩無(wú)線傳感器獲得的連續(xù)荷載時(shí)程平均值作為一次試驗(yàn)數(shù)據(jù)。每位測(cè)試者被要求穿著硬質(zhì)鞋底的運(yùn)動(dòng)鞋，在人行橋上以慢速 1.05 Hz、中速 1.6 Hz、快速 2.1 Hz 的固定步頻行走完成 3 次步行試驗(yàn)。

　　為了跟蹤行人通過(guò)橋面的整個(gè)過(guò)程，在距橋跨中 4 m 處的三腳架上安裝了一臺(tái)帶有魚(yú)眼廣角鏡頭的大疆靈眸 Action 運(yùn)動(dòng)相機(jī)。相機(jī)可與智能手機(jī)連接，進(jìn)行遠(yuǎn)程非接觸控制，避免了由于接觸操控使得相機(jī)抖動(dòng)而造成的誤差。設(shè)置視頻分辨率為 4K(3840 像素×2160 像素)，幀數(shù)為 50 fps。使用魚(yú)眼廣角鏡頭可為相機(jī)提供了一個(gè)大角度，以確保整個(gè)橋梁在相機(jī)拍攝視野中。如圖 7 所示，魚(yú)眼鏡頭拍攝的圖像存在嚴(yán)重的徑向畸變，且圖像中的直線橋變?yōu)榍€橋，故必須對(duì)相機(jī)進(jìn)行校正。校正后圖像如圖 8 所示。

　　將一臺(tái)佳能 5D4 相機(jī)安裝在橋梁跨中 1.5 m 處的三腳架上，用于測(cè)量橋梁位移。選用加裝 24 mm~ 105 mm 變焦鏡頭的佳能相機(jī)，相機(jī)可通過(guò)佳能官方應(yīng)用程序與智能手機(jī)連接，設(shè)置視頻分辨率為 1080P(1920 像素×1080 像素)，幀數(shù)為 50 fps。同時(shí)在橋下安裝一個(gè)激光位移計(jì)，以驗(yàn)證視覺(jué)測(cè)量的準(zhǔn)確性，激光位移計(jì)型號(hào)為 Banner 250U，采樣頻率為 200 Hz。試驗(yàn)過(guò)程中，行人從橋的一側(cè)移動(dòng)到另一側(cè)，相機(jī)和激光位移計(jì)同步記錄橋梁跨中位移。

　　現(xiàn)場(chǎng)試驗(yàn)情況如圖 9 所示。在試驗(yàn)開(kāi)始時(shí)測(cè)試者發(fā)出“開(kāi)始”的指令隨即開(kāi)始行走并通過(guò)橋梁，在結(jié)束時(shí)發(fā)出“停止”指令隨即停止行走。在此過(guò)程中，兩臺(tái)相機(jī)在分別從始至終記錄行人、結(jié)構(gòu)行為的同時(shí)記錄外界音頻信號(hào)。通過(guò)對(duì)比兩臺(tái)相機(jī)記錄的音頻信號(hào)中起止指令所在時(shí)刻截取視頻片斷并同步相機(jī)。

　　4.2 視覺(jué)測(cè)量精度檢驗(yàn)

　　圖 10 為行人步頻為 2.15 Hz 時(shí)橋梁跨中處位移對(duì)比，其中實(shí)線、虛線分別為視覺(jué)測(cè)量法與激光位移計(jì)測(cè)得的橋梁跨中處位移。圖 10表明兩種方法獲得的位移結(jié)果非常一致。其歸一化互相關(guān) (NCC) 為 99.95%。圖 11 為行人步頻為 2.15 Hz 時(shí)橋梁跨中處位移傅里葉幅值對(duì)比，其中視覺(jué)測(cè)量法前兩階 DLF 相較于激光位移計(jì)的誤差分別為 3.2%、3.3%。結(jié)合圖 10 和圖 11 可知，本文使用的視覺(jué)測(cè)量方法可準(zhǔn)確測(cè)量橋梁位移。

　　4.3 試驗(yàn)分析與結(jié)果

　　由于篇幅限制，取體重為 636 N 的測(cè)試者以 1.6 Hz 步頻通過(guò)人行橋的工況分析，通過(guò)無(wú)線傳感器測(cè)得行人豎向加速度時(shí)程，經(jīng)傅里葉變換后通過(guò)式 (3) 計(jì)算人行荷載 (取前 4 階 DLF 及相位角)。圖 12 為重量為 636 N 的測(cè)試者在步頻為 1.6 Hz 時(shí)的豎向加速度時(shí)程曲線 (消除重力加速度 g)。圖 13 為對(duì)應(yīng)的人行荷載時(shí)程曲線。圖 14 為通過(guò)目標(biāo)跟蹤估計(jì)得到的行人位置信息，其中實(shí)線為初始行人位置，虛線為擬合后的行人位置。由圖 14 可知，初始行人位置存在明顯的倒退行走，顯然這與實(shí)際情況不符，行人是勻速通過(guò)橋梁的，故需對(duì)初始行人位置進(jìn)行線性擬合，a 表示時(shí)間，b 表示行人位置。通過(guò)視覺(jué)測(cè)量得到的結(jié)構(gòu)位移響應(yīng)，如圖 15 所示。

　　通過(guò)無(wú)線傳感器得到的人行荷載時(shí)程，結(jié)合視覺(jué)測(cè)量方法得到的位移響應(yīng)和跟蹤估計(jì)的行人位置信息，建立了實(shí)測(cè)撓度影響線，如圖 16 所示，實(shí)線表示實(shí)測(cè)撓度影響線，劃線表示采用多項(xiàng)式分段擬合得到的撓度影響線。由圖 16 可知，反算得到的實(shí)測(cè)撓度影響線包含橋梁振動(dòng)信息，且隨著行人步頻變快越顯著;對(duì)實(shí)測(cè)影響線進(jìn)行分段擬合后，擬合值與理論值接近，能較好地消除橋梁振動(dòng)以及人行動(dòng)載效應(yīng)的影響，適用于行人步頻快、橋面平順性差的工況。圖 17 為橋梁撓度影響線擬合值與理論值對(duì)比。由圖 17 可知，兩影響線基本吻合，峰值位置存在誤差，這是由于計(jì)算人行荷載時(shí)假定步行過(guò)程是周期性的，而實(shí)際行人的步行過(guò)程接近于一個(gè)窄帶的隨機(jī)過(guò)程[32]，很難保證完美的周期性。并且計(jì)算撓度影響線理論值時(shí)假定橋梁兩端是簡(jiǎn)支的，而實(shí)際橋梁并不完全簡(jiǎn)支。撓度影響線理論值的峰值出現(xiàn)在橋梁計(jì)算跨度跨中 4.9 m 位置處，峰值為 4.137。撓度影響線擬合值的峰值出現(xiàn)在 4.48 m 位置處，較理論值誤差為 8.57%，峰值為 4.131，較理論值誤差為 0.15%。

　　5 結(jié)論

　　為了克服傳統(tǒng)的結(jié)構(gòu)健康監(jiān)測(cè)方法成本高、安裝時(shí)間過(guò)長(zhǎng)、需要大量勞動(dòng)力從事電纜布線工作等不便和缺點(diǎn)，建立了一個(gè)完全非接觸式影響線識(shí)別系統(tǒng)中。橋梁撓度影響線通過(guò)便攜式相機(jī)、計(jì)算機(jī)視覺(jué)和無(wú)線傳感器識(shí)別。通過(guò)一系列室內(nèi)試驗(yàn)對(duì)比研究，驗(yàn)證了該方法的可行性。主要的研究方法、發(fā)現(xiàn)和結(jié)論如下：

　　(1) 提出了一種基于視覺(jué)的結(jié)構(gòu)輸入 (行人位置) 估計(jì)方法。通過(guò)添加遮擋模型改進(jìn) YOLOv3 算法，在行人檢測(cè)過(guò)程中，即使在發(fā)生遮擋的情況下，也能成功地檢測(cè)跟蹤到行人。

　　(2) 為了擴(kuò)大攝像機(jī)的視野，并在整個(gè)過(guò)程中跟蹤行人，采用廣角魚(yú)眼相機(jī)，對(duì)相機(jī)標(biāo)定，校準(zhǔn)徑向畸變，實(shí)現(xiàn)精確的行人位置估計(jì)。

　　(3) 利用 LK 光流法進(jìn)行目標(biāo)跟蹤測(cè)量位移測(cè)量，得到的位移響應(yīng)與激光位移計(jì)的結(jié)果具有很高的一致性，NCC 系數(shù)為 99.95%。

　　(4) 將視覺(jué)跟蹤估計(jì)行人位置、視覺(jué)測(cè)量得到的位移響應(yīng)相結(jié)合與無(wú)線傳感器得到的行人加速度時(shí)程相結(jié)合，成功地識(shí)別出了實(shí)測(cè)撓度影響線，并通過(guò)多項(xiàng)式分段擬合得到與理論值接近的擬合撓度影響線，影響線峰值誤差為 0.15%，峰值位置誤差為 8.57%。