一种双分支水平相关位移检测网络的吊杆边缘定位方法及系统与流程
本发明涉及桥梁视觉监测,特别涉及一种双分支水平相关位移检测网络的吊杆边缘定位方法及系统。
背景技术:
1、拱桥吊杆是中下承式拱桥的关键受力构件,长期承受车辆荷载、风荷载、温度变化及腐蚀环境等作用,易出现锈蚀、断丝或异常振动等问题。基于视频图像的非接触式吊杆振动测量方法因无需在结构上布置传感器,适合桥梁运营期检测。该类方法通常需要先从视频帧中准确提取吊杆边缘位置,再据此计算吊杆横向振动位移,因此边缘定位的精度和稳定性直接影响后续频率计算与吊杆力识别。
2、现有吊杆边缘定位方法主要包括三类:一是标靶检测法,需要在吊杆表面粘贴或喷涂人工标记,难以适用于被护栏、隔离带或交通条件限制的工程现场;二是传统边缘检测法,依赖图像灰度梯度提取边缘,易受逆光、阴影、污渍、反光及杂乱背景干扰;三是深度学习目标检测法,虽可直接输出目标框,但需要大量人工标注且目标框边界不等同于亚像素级吊杆边缘。上述方法共同的局限在于未充分利用吊杆振动过程中吊杆区域与背景区域之间的水平运动差异性。
3、近年来,基于深度学习的位移场估计技术(如光流网络和相关匹配网络)能够从成对图像中输出像素级位移场,为从运动角度寻找吊杆边缘提供了新的思路。然而,通用位移场估计网络通常采用全局搜索匹配策略,未针对拱桥吊杆的几何特性与水平振动特性进行优化。同时,若直接对位移场取绝对值累加或做简单梯度提取,吊杆主体区域也会产生较大响应,形成宽平台或伪峰值,难以稳定指示左右边缘。
4、因此,亟需一种面向吊杆几何特性与运动特征,融合吊杆几何约束与水平方向位移相关检测的拱桥吊杆边缘定位方法。
技术实现思路
1、针对上述现有技术存在的不足,本发明提供了一种双分支水平相关位移检测网络的吊杆边缘定位方法及系统,以在无需布设标靶的复杂桥梁现场背景下实现亚像素级精度的吊杆边缘识别。
2、具体技术方案如下:
3、第一方面,本发明公开了一种双分支水平相关位移检测网络的吊杆边缘定位方法,包括如下步骤:
4、s1.采集真实拱桥吊杆图像和桥梁现场背景图像,对真实拱桥吊杆图像中的吊杆主体进行标注,得到吊杆主体mask;
5、s2.依据吊杆主体mask,将吊杆主体与桥梁现场背景图像合成成对吊杆振动模拟图像,所述成对吊杆振动模拟图像包括参考帧和位移帧,对吊杆主体区域施加整体水平位移,对背景区域施加小幅低频水平漂移或噪声位移,并同步生成对应的水平位移场标签;
6、s3.构建双分支水平相关位移检测网络,以参考帧和位移帧为输入,通过双分支共享卷积编码器提取多尺度特征,并在水平方向进行局部相关匹配,输出亚像素级水平位移场;
7、采用总损失函数训练所述双分支水平相关位移检测网络,所述总损失函数为:
8、
9、其中为位移回归损失,为每行吊杆宽度一致性损失,为吊杆边缘平顺性损失,为宽度一致性损失的权重,为边缘平顺性损失的权重;
10、s4.采集现场拱桥吊杆振动视频,对视频帧进行裁剪、灰度化和尺寸归一化处理;
11、s5.将预处理后相邻两帧组成图像对,并输入训练好的双分支水平相关位移检测网络,得到水平位移场,其中i为行坐标,j为列坐标;
12、s6.对水平位移场进行位移场能量变换前的平滑背景分量估计,得到背景/相机抖动位移,并计算相对位移场:;
13、s7.对相对位移场计算列向位移场边界能量:
14、;
15、其中h为图像高度,λ为二阶导数能量权重,第一项表示相对位移的一阶累计导数能量,第二项表示相对位移的二阶累计导数能量;
16、根据列向位移场边界能量,通过峰值响应或能量曲线一阶导数过零点,定位吊杆左边缘列坐标和右边缘列坐标。
17、优选地,在步骤s3中,根据预测水平位移场提取每一行的左边缘列坐标与右边缘列坐标,计算二者之差得到逐行估计宽度;计算所述逐行估计宽度在所有行之间的方差,以所述方差作为所述每行吊杆宽度一致性损失。
18、优选地,在步骤s3中,分别计算相邻两行左边缘列坐标的差值以及右边缘列坐标的差值,得到左、右边缘各自的逐行错动值;统计所有行左边缘错动值的方差与右边缘错动值的方差,将二者之和作为吊杆边缘平顺性损失。
19、优选地,在步骤s6中,提取所述水平位移场中非吊杆边界区域的数据,采用低阶多项式平滑拟合、鲁棒中值估计或大窗口中值滤波算法进行处理,得到所述背景/相机抖动位移。
20、优选地,在步骤s2中,对吊杆主体区域施加随机幅值和方向的整体水平位移,对背景区域施加随机幅度的小幅低频水平漂移或噪声位移,并通过图像重映射生成位移帧。
21、优选地,步骤s2还包括:对生成的参考帧和位移帧进行裁剪,以去除位移重映射产生的边缘空白区域。
22、优选地,步骤s4中所述尺寸归一化处理包括:将裁剪和灰度化后的图像缩放至预设的固定尺寸,所述固定尺寸与所述双分支水平相关位移检测网络的输入尺寸一致。
23、优选地,步骤s7中,通过能量曲线一阶导数过零点定位吊杆边缘,包括:计算所述列向位移场边界能量的一阶差分序列;将所述一阶差分序列中符号变化的点对应的列坐标确定为吊杆边缘列坐标。
24、优选地,在步骤s1中,所述桥梁现场背景图像包括天空、云层、光照渐变、阴影和运动模糊场景中的至少一种。
25、第二方面,本发明公开了一种双分支水平相关位移检测网络的吊杆边缘定位系统,包括:
26、至少一个处理器;
27、以及与所述处理器通信连接的存储器;
28、其中,所述存储器存储有可被所述处理器执行的计算机程序,所述计算机程序被所述处理器执行时,使所述处理器执行所述的一种双分支水平相关位移检测网络的吊杆边缘定位方法。
29、与现有技术相比,本发明的有益效果为:
30、1.本发明提出双分支水平相关位移检测网络,利用参考帧分支和位移帧分支分别提取特征并通过水平方向一维局部相关匹配建立相邻帧之间的像素级横向位移关系。相比于全方向搜索的通用光流网络,该网络仅在水平方向搜索窗口内进行特征匹配,更符合拱桥吊杆横向振动视频测量的物理特征,且能够减少冗余竖向搜索带来的计算开销和噪声干扰。网络中的空洞卷积增强层和通道-空间注意力层还能在保持空间分辨率的条件下扩大感受野并抑制复杂背景纹理干扰。
31、2.本发明在网络训练中引入每行吊杆宽度一致性损失和吊杆宽度空间离散度损失:宽度一致性损失约束逐行估计宽度相对于参考宽度的偏差,宽度空间离散度损失通过逐行估计宽度的方差约束吊杆在整体高度上的宽度稳定性。两种损失共同作用,使得左右边缘之间的距离保持稳定,能够有效抑制单侧伪边缘、局部强纹理和噪声峰值造成的误定位。
32、3.本发明引入吊杆边缘平顺性损失,通过统计相邻行左边缘列坐标差值方差及右边缘列坐标差值方差,约束左边缘和右边缘各自沿竖向方向平顺连续变化,能够降低阴影、局部模糊、污渍或背景纹理导致的边缘跳变,使定位结果在几何上更加合理。
33、4.本发明将位移场能量变换作为网络输出后的边界增强环节,通过相对位移的一阶累计导数能量和二阶累计导数能量共同构成列向位移场边界能量e(j),一阶能量表征位移突变幅度,二阶能量增强边界响应的尖锐程度,两者结合能够有效凸显吊杆运动区域与背景区域之间的交界位置,确保了复杂现场条件下的吊杆边缘定位的准确性与稳定性。
34、5.本发明不需在吊杆上布设标靶,又实现了吊杆边缘的精准识别,为后续拱桥吊杆模态参数识别与拉力识别提供了数据支撑。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com