基于视觉与加速度测量的结构动态位移融合估计

结构动态位移测量与精准估计对于结构安全运营和性态评估具有重要意义.基于计算机视觉的位移监测方法具有精度高、非接触式、成本低、设备安装简便等优点,在实际复杂工程环境中,设备难以架设,视觉测量方法较传统接触式位移监测方法具有明显的优势.图像分辨率和拍摄帧率等因素在一定程度上限制了视觉方法的使用.针对视觉位移测量技术高频振动识别精度低的问题,提出了一种基于视觉与加速度测量的结构动态位移重构方法,通过融合视觉低频与加速度高频振动响应信号,实现结构动态位移精准识别.首先,利用光流法从结构振动视频数据中提取结构位移响应,引入前后向误差与离群值过滤机制,提升特征点追踪精度,避免漂移问题.然后,利用逐次变分模态分解方法分别从视觉位移与加速度二次积分得到的位移信号中提取相应的本征模态函数(intrinsic mode function,IMF)分量.最后,基于互相关函数筛选机制,确定融合模态分量,融合基于视觉测量的低阶IMF与基于加速度测量的高阶IMF,重构结构位移响应.通过一个钢筋混凝土框架结构振动台试验,对提出的位移融合估计方法进行了试验验证.结果表明:与单一视觉测量方法相比,所提出的方法能够更为准确地估计结构动态位移,并且通过引入加速度测量中的动态位移分量,融合后的位移比基于视觉测量的结果具有更宽的频率范围.

一种优化梯度计算的改进HS光流算法

HS(Horn&Schunck)方法是光流计算中的经典方法之一。在经典HS方法中,图像中两点间的灰度变化被假定为线性的,而实际上灰度变化是非线性的。因此,在HS算法中最小均方差迭代的最终收敛点会产生偏移,从而导致光流计算结果的不准确。为此,详细分析了灰度估计不准确造成的偏差,提出了一种改进HS算法。实验部分给出了改进算法和其他经典光流计算方法的计算结果比较。实验结果表明,改进HS算法可以得到较好的计算结果,并能明显减少光流计算的迭代次数。

基于光流法和无人机的大型风力机结构动力特性测试

针对大型风力机结构以人工检测为主费时耗力且危险的劣势,提出一种基于光流法和无人机的大型风力机结构动力特性识别方法.首先研究无人机空间悬停振动规律,提出基于背景不动点结合自适应比例因子的无人机镜头空间位移补偿方法;其次,使用无人机拍摄风力机结构在摆振与挥舞方向的振动视频,采用光流法对监测点进行视觉跟踪得到其位移响应,并与传统监测方法进行时域与频域信息的对比分析;最后,结合分段监测方法识别风力机结构全局模态振型,并通过振动台试验进行验证.结果表明,背景不动点结合自适应比例因子的位移补偿方法有效地解决了无人机悬停过程中由于振动引起的空间位移漂移影响.结合分段监测方法,利用无人机搭载计算机视觉监测系统可以很好地识别大型风力机结构的模态振型,实现了远距离、非接触、低成本的结构健康监测,可为风力机等大型结构状态评估提供依据.

基于计算机视觉的建筑结构位移鲁棒性测量

传统的接触式建筑结构位移监测技术具有安装过程复杂和耗时等缺点。计算机视觉相较于传统的接触式位移监测,具有高效、成本低等优点,但大多数的计算机视觉技术在运用的过程中需要在结构上安装靶点才能实现相对准确的监测,而一些大型建筑由于结构造型等原因,给靶点的安装带来一定困难,进而影响视觉技术的准确性。针对靶点安装的难题,文章在现有的研究基础上,提出一种无需安装标靶改进的稠密光流算法,结合Python-opencv软件进行算法的编译,通过对模拟位移图像进行像素位移识别,与开源DIC算法计算结果对比验证,结果表明,稠密光流算法较开源DIC算法在计算速度上提升了40%,两种算法的位移误差在0.1%以下,并具有较好的鲁棒性。因此,本文所提出的无需靶点的算法对于一些安装靶点困难的大型建筑具有重要的参考价值。

基于计算机视觉的公路栈桥位移识别方法

为破解传统接触式位移传感器在实际工程中受到可达性差和设备架设等问题的制约,利用基于HSV阈值分割和Sobel边缘检测算子改进的分段光流算法实现了结构位移的远距离、非接触鲁棒测量,并结合背景点降噪技术开发了1套基于计算机视觉的位移信息遥测系统。首先,对采集到的图像进行了HSV阈值处理,将目标颜色提取出来,结合高斯滤波器和Sobel边缘检测算子提取了目标的边缘特征向量。利用分段光流算法对边缘特征进行了识别和追踪,从而获取了目标的像素位移。为了减少干扰,引入背景点降噪技术,以得到结构的真实位移变化。为验证该系统的性能,进行了2组试验。其次,在实验室中以1座简支钢-玻璃人行桥作为试验对象,与激光位移计所测数据进行对比分析,验证了系统在室内环境下的测量精度。然后,在兰州市某跨黄河贝雷梁钢栈桥上进行了室外试验,与挠度仪所测数据进行了对比分析,结合背景点降噪技术验证了系统在室外环境下的工作性能。结果表明:在实验室环境下,该系统的位移测量最大误差为0.87%;在室外环境下,未经背景点降噪处理时,位移测量的最大误差为3.18%,经过背景点降噪后,位移测量误差减少至1.85%。试验验证了改进的分段光流算法结合背景点降噪技术的有效性,可以有效地减少相机抖动等因素引起的测量误差。

改进变分光流法并行算法实现

通过天气雷达回波并使用变分光流方法的改进算法对雷达数据进行风场反演,计算回波的光流场变化而得到运动的矢量场。把Horn&Schunck方法和Lucas&Kanade方法结合在一起,加入高阶平滑项,再运用九点平滑算法得到矢量场。外推预报采用Semi-Lagrange方法进行。实验表明,该方法的效果优于Horn&Schunck方法和Lucas&Kanade方法。通过Join-Fork模式运用共享内存处理并行算法实现了大范围三维矢量场的快速计算,其加速比可达5. 05,减少实时业务所需时间。

小位移光流计算的中值公式

光流场反映了图像上每一点灰度的变化趋势,其计算的可靠性和效率已成为运动跟踪领域研究的热点问题。变分方法是用来实现光流计算的主流方法之一,但其计算效率较低。利用对偶方法虽然克服了变分方法中引入小规则参数的问题,计算速度有所提高,但并未有实质性改进。引入了中值公式计算光流,避免了复杂的迭代计算过程,提高了计算效率。首先简单介绍了光流计算模型中数据项和光滑项的不同模型假设,然后利用中值公式计算小位移光流场。通过实验对对偶方法和中值公式的实验时间进行比较,验证了中值公式的有效性和效率。

深度学习光流计算技术研究进展

图像序列光流计算是图像处理与计算机视觉等领域的重要研究方向.随着深度学习技术的快速发展,以卷积神经网络为代表的深度学习理论与方法成为光流计算技术研究的热点.本文主要对深度学习光流计算技术研究进行综述,首先介绍了有监督学习、无监督学习和半监督学习的光流计算网络模型与训练策略,然后重点阐述并分析了不同网络模型优化方法.针对光流计算模型的评估问题,分别介绍了Middlebury、MPI-Sintel和KITTI等数据库及评价基准,并对不同类型深度学习和传统变分光流模型进行对比与分析.最后,总结了深度学习光流计算技术在模型复杂度与泛化性、光流估计鲁棒性、小样本训练准确性等方面的关键技术问题,并指出了可能的解决方案与研究思路.

五点约束最小二乘法估计光流速度场

提出一种二维光流场快速计算算法 首先求取当前像素点光流约束线与其 8邻域像素点所对应 8条光流约束线的交点 ;其次从 8个交点中选取几何位置处于中间的 4点 ,即速度处于中间值 ,且相互接近的 4点 ,并以其对应的像素点与当前像素点一起构成 5置信点 ;利用 5置信点的光流约束方程构造一超定的方程组 ;

基于视觉的非接触呼吸频率自动检测方法

针对生理健康监测领域的呼吸率检测舒适度及效率问题,提出了一种基于视觉的非接触式测量方法,该方法利用普通相机拍摄人体呼吸视频,并通过欧拉算法将呼吸时的胸腹运动位移加以放大,考虑人体胸腹区域位置提取准确度对呼吸率检测精度的影响,提出了基于光流信号提取呼吸区域的方法,利用光流算法将胸腹运动转化为光流信息并进行编码,将其显示为彩色图像形式,从中提取胸腹呼吸区域的像素亮度序列,从而得到呼吸波形信息,通过波峰检测获取呼吸率。最后,实验将本算法自动提取的呼吸信号与Embla N7000多导睡眠仪测量结果相比较,结果表明,本算法呼吸率检测平均误差为0.54次/min,具有较高的准确性。

一种局部和全局相结合的光流计算方法

光流场是计算机视觉的一个研究方向,微分法是计算光流场的一个常用方法,它分为全局方法和局部方法,全局方法能够得到100％的致密的光流场,而局部方法大多只能得到稀疏的光流场,但它在噪声情况下具有更好的鲁棒性。本文提出一种局部和全局相结合的方法,首先给出五点光流约束的局部方法,再结合全局方法,计算得到了既致密又鲁棒的光流场。

基于残差平方和的光流场正则化方法

光流场的不连续性是光流场准确估计中最为重要的研究内容。提出利用最小二乘法和加权最小二乘法算法中的残差平方和来对光流场进行正则化,以减少计算窗口中含有多种模式运动的概率,较好地解决了光流场的不连续性,从而使该算法具有鲁棒性。计算结果表明,该算法具有简单实用和运算速度快的特点。

基于成像的表面位移分析系统关键技术研究及应用

非接触式表面位移测量是一种无损测量技术,在诸多工程领域有着广泛的用途。针对混凝土应力应变测试和河道瞬时全流场测量的应用,详细地描述了数字散斑测量和粒子成像测速这2个典型的基于成像的表面位移分析系统的研发,指出了具有共性的一些关键技术和难点,并提供了对应的解决方法。试验结果证明了本方法的有效性。然而,该方法仍存在较多技术缺失,包括多视角CCD相机的三维测速、多目标全轨迹追踪、不同场景测量数据高精度融合等,需要进行进一步研究。

小位移光流计算的对偶方法

基于光流计算的通用变分模型,建立小位移光流场计算的对偶方法。变分能量泛函中的数据项使用稳健估计的L1范数,规则项采用边缘保持的总变差项。采用对偶变量表示总变差项,克服基于传统总变差计算须引入小规则参数的问题,并得到较好的实验结果。该方法可应用到大位移光流计算和光流计算的高阶模型中。

复杂背景下基于运动特征的人面定位

对传统的光流算法进行了改进 ,提出了一种新的分割图像的方法 ,并与传统的神经网络算法相结合 ,通过两步定位模型 ,进行人面定位。其中 ,搜索定位是本系统最关键的一步 ,采用两步法 ,首先进行候选人面区域的分割 ,然后进行基于神经网络的人面精确定位。实验结果表明 ,采用的两步法在复杂背景下具有运动特征的人面定位过程中 ,具有实时性、鲁棒性好及实用性强的诸多优点 ,通过实验 ,取得了满意的效果。并且所涉及的人面定位系统将是后阶段完整人面识别系统的重要组成部分。

基于运动预测的优化光流目标跟踪算法

为提高光流法在检测追踪运动目标时的效率与准确性,提出了一种基于运动预测改进的优化光流目标跟踪算法。该算法通过光流法查询运动点,采用均值漂移聚类得出运动物体质心,通过随机选取运动目标部分角点并查询运动信息,经卡尔曼滤波预测质心运动信息,查询预测区域信息,降低算法的复杂度并提升效率和准确性。实验结果表明:在监控视频中对车辆与行人的追踪平均准确率达到了68.7%与78.5%,每秒能够处理31.5帧与34.7帧;通过对比得出,优化的光流算法有效地提高了检测追踪监控视频中运动目标的效率与准确率。

多种姿态下的人体呼吸率视觉检测

呼吸率是衡量人体健康状况的重要指标之一.针对现有呼吸率检测方法存在人体受测姿态单一、准确率低和鲁棒性差的问题,提出适用于多种姿态下的人体呼吸率视觉检测方法.该方法使用普通摄像机拍摄人体呼吸视频.首先,利用图像金字塔光流法处理视频连续图像得到运动前景区域,将其中最大连通区域初步认定为胸腹呼吸区域.然后,将视频每一帧图像的呼吸区域输入复可控金字塔进行多尺度多方向空间分解,得到多个尺度多个方向的幅度谱和相位谱.在此基础上将每一帧的多个尺度多个方向相位谱用幅度谱加权后进行平均得到相位-时间信号.最后,对提取的信号进行判断,若信号主频在呼吸信号频带范围内且能量占比高则对该信号通过峰值检测得到呼吸率,否则重新选取视频连续图像进行后续检测.实验结果表明,本文方法适用于人体多种姿态下的呼吸率检测,在准确率和鲁棒性上优于现有方法.

基于FPGA的稠密光流计算系统

高质量的稠密光流算法计算复杂度很高,因此计算速度成为制约其在实际系统中应用的重要原因。针对这一问题,利用现场可编程门阵列(FPGA)的细粒度并行特性,实现了一种高质量的稠密光流算法CBG(CombinedBrightness-Gradient)的硬件加速器。实验结果表明,在FPGA工作频率200 MHz,计算全部像素对应的光流信息的情况下,该系统处理分辨率为316×252的图像序列的帧频可达40 frame/s。

火箭喷管极性自动化测试系统的改进设计研究

使用计算机视觉方法进行的发动机极性自动化测试是火箭地面测试中重要的测试环节,该环节存在进一步改进和提升的空间。将递归全对场变换(Recurrent All-pairs Field Transforms, RAFT)光流算法替代传统光流法检测技术用于发动机喷管实时运动监测,并根据现场测试场景对光流算法进行了优化,提升了运动检测速度与测量精确度,使自动测试系统具备了摆角的估测能力;在软件系统设计层面,引入差异图像直方图法监听法辅助喷管动作识别,避免了光流法对于未处在监测流程中的摄像头的冗余监听资源消耗,降低了系统硬件设备的负载,同时实现了一种可视化在线判读软件的设计。提出的软件与算法方面的改进在当前已投入使用的极性自动化测试系统上实现了进一步的优化。

利用光学遥感影像光流场模型进行地表形变分析

光学遥感影像像素偏移量追踪是反演同震形变场和监测滑坡的一种重要手段。基于相关性匹配的传统像素偏移量追踪方法,通过搜索相关性最强的匹配窗口估计中心像素的位移,计算效率低且在大梯度形变区域失相关现象严重,存在形变边界提取不精确的问题。为高效获取精确的地表形变,将计算机视觉领域的光流场模型引入像素偏移量追踪问题,提出适用于光学遥感影像反演地表形变的光流场方法,给出像素偏移量时序反演的加权改进算法。通过塔吉克斯坦同震形变场模拟实验,评估光流场方法估计地表形变场的可行性及其在最小可探测形变方面的性能;通过加州地震同震形变场反演和白格滑坡偏移量估计实验,讨论光流场方法的计算效率优势和形变区域提取的精确性;通过白格滑坡时序形变分析,进一步论述利用光流场方法估计大梯度形变的有效性和时序反演加权改进算法的鲁棒性。结果显示,相比于传统窗口相关性匹配方法,光流场方法的偏移量追踪精度为0.032像素,计算效率提升了20倍左右,形变区范围提取精度提升了25.9%;改进的加权时序反演算法将光学遥感影像东西向和南北向位移估计的不确定性分别降低了16.2%和12.4%。