一种基于上下文增强深度光流的结构振动位移视觉测量方法

摘要: 本发明涉及构健康监测,具体涉及一种基于上下文增强深度光流的结构振动位移视觉测量方法。背景技术:1、结构振动监测是评估航空航天、精密加工以及大型柔性基础设施等系统...
一种基于上下文增强深度光流的结构振动位移视觉测量方法

本发明涉及构健康监测,具体涉及一种基于上下文增强深度光流的结构振动位移视觉测量方法。

背景技术:

1、结构振动监测是评估航空航天、精密加工以及大型柔性基础设施等系统运行状态的重要指标。传统接触式传感器由于存在“质量附加效应”,易改变轻型薄壁或高柔性系统的原始动力学特性,且设备布线复杂、多呈稀疏布置,难以获取全场高分辨率的振动模态信息。

2、基于计算机视觉的非接触式测量技术能够弥补上述缺陷。然而,现有的视觉方法中,数字图像相关(dic)通常依赖人工散斑或高质量自然纹理,而传统特征匹配方法在弱纹理、重复纹理或低对比度表面容易发生匹配错误,导致测量中断。

3、传统光流法能生成具有时空连续性的平滑位移场,但面对环境光照变化与结构大幅运动时表现出局限性。

4、近年来,深度学习光流网络(如raft)逐步被引入振动测量任务。但是,现有的深度光流改进方案大多采用逐帧检测与位移积分的方式,这不可避免地会引入误差在时间轴上的时序传播和累积。同时,通用深度光流模型主要基于宏观、非周期性大尺度运动数据进行预训练,与结构健康监测中微小、高频周期性的振动模式存在分布差异,致使模型在复杂背景干扰下的环境鲁棒性不足。

技术实现思路

1、针对上述现有技术的不足,本发明所要解决的技术问题是:如何提供一种基于上下文增强深度光流的结构振动位移视觉测量方法,利用首帧至当前帧的绝对位移测量策略消除长时程追踪的累积漂移,通过通道自适应上下文网络抑制光照突变与弱纹理等复杂环境噪声干扰,并借助参数高效适配器更新块将微小周期运动的物理先验注入光流解码器以提升高频微幅振动的捕捉精度,从而提高复杂环境下振动位移时程曲线的准确性与可靠性,以及结构健康监测与模态分析的针对性和实用性。

2、为了解决上述技术问题,本发明采用了如下的技术方案:

3、一种基于上下文增强深度光流的结构振动位移视觉测量方法,包括:

4、s1:获取待测柔性结构的原始振动图像序列,并选取全局参考基准帧;

5、s2:将原始振动图像序列的当前帧和全局参考基准帧输入训练好的振动位移光流估计模型中,输出基于全局参考基准帧得到的当前帧的全场光流位移;

6、s3:在全局参考基准帧中确定测量区域,获取当前帧的全场光流位移与测量区域相匹配对应的像素,计算当前帧测量区域的像素位移;

7、s4:基于当前帧测量区域的像素位移结合像素-物理标定系数进行振动响应解算,得到当前时刻的物理位移响应;

8、s5:基于固定参考帧的非逐帧绝对位移测量策略,重复步骤s2至s4计算待测柔性结构各个时刻的物理位移响应,并生成振动位移时程曲线作为振动测量结果;

9、步骤s2中,振动位移光流估计模型的处理步骤包括:

10、s201:通过权重共享的孪生特征编码网络分别将全局参考基准帧和当前帧映射为高维特征图,得到参考帧特征图和目标帧特征图;

11、s202:对参考帧特征图和目标帧特征图进行点积运算,生成包含全场像素局部相似度的四维相关体;

12、s203:通过通道自适应上下文网络对全局参考基准帧进行上下文编码、混合池化以及动态激励与门控处理,得到优化后的上下文特征向量;

13、s204:通过光流解码器基于四维相关体和优化后的上下文特征向量进行迭代更新与光流预测,得到基于全局参考基准帧得到的当前帧的全场光流位移;其中,在每次迭代更新过程中引入参数高效适配器更新块,采用瓶颈层结构进行特征的降维与升维映射,并通过带自适应参数的残差连接与原始特征进行融合,完成特征更新。

14、优选的,步骤s1中,获取原始振动图像序列的处理步骤包括:在距离待测柔性结构一定距离处架设摄像机,并确保摄像机光轴与待测柔性结构的振动平面严格垂直;以设定的帧率和分辨率连续拍摄待测柔性结构在受激状态下的振动视频,生成包含连续帧的原始振动图像序列。

15、优选的,步骤s1中,从原始振动图像序列中选取振动激励施加前的静态帧作为全局参考基准帧。

16、优选的,步骤s203中,通道自适应上下文网络的处理步骤包括:

17、s2031:获取待处理的全局参考基准帧;

18、s2032:通过上下文编码网络对全局参考基准帧进行卷积特征提取,提取全局参考基准帧中的空间几何先验信息,得到初始上下文特征图;

19、s2033:对初始上下文特征图分别进行全局平均池化操作和全局最大池化操作,并将两种池化操作的输出在通道维度上进行融合,得到融合特征描述符;

20、计算公式为:

21、;

22、式中:为全局平均池化操作;为全局最大池化操作;

23、s2034:通过第一卷积层对融合特征描述符进行通道数压缩后,通过relu激活函数进行非线性变换得到中间特征向量,再通过第二卷积层对中间特征向量进行通道数恢复得到激励输出;

24、计算公式为:

25、;

26、式中:、为第一卷积层和第二卷积层的权重;为relu激活函数;

27、s2035:将激励输出与可学习动态阈值相减后,再施加sigmoid激活函数,生成重标定权重;

28、计算公式为:

29、;

30、s2036:将重标定权重与初始上下文特征图进行逐通道相乘,对初始上下文特征图进行通道级别的重标定,得到优化特征图;

31、计算公式为:

32、;

33、式中:为优化特征图中第个通道的特征;为初始上下文特征图中第个通道的特征;为第个通道的权重。

34、优选的,步骤s204中,光流解码器的处理步骤包括:

35、s2041:获取四维相关体和优化后的上下文特征向量;

36、s2042:将优化后的上下文特征向量映射为门控循环单元的初始隐藏状态,并将设定初始光流预测值为零张量,作为迭代优化的起点;

37、s2043:根据当前的光流预测值,确定当前像素点在参考帧特征图上的对应查找位置,并在四维相关体中以查找位置为中心提取局部邻域的相关性特征;

38、s2044:通过参数高效适配器更新块采用瓶颈层结构对局部邻域的相关性特征进行降维压缩、非线性激活和升维恢复,并通过自适应参数在训练不断调节经过残差连接后与原始特征融合,得到融合了物理振动先验的适配器,能够对振动特征进行准确识别;

39、s2045:通过门控循环单元接收适配特征和上一时刻的隐藏状态,通过更新门和重置门机制更新内部记忆,生成当前时刻的隐藏状态;

40、s2046:基于当前时刻的隐藏状态,通过卷积层预测光流增量,得到当前时刻相对于全局参考基准帧的光流预测值;

41、s2047:重复步骤s2043至s2046,直至达到预设迭代次数时,将最后一次迭代得到的光流预测值作为当前时刻的全场光流位移。

42、优选的,步骤s2044中,参数高效适配器更新块的处理步骤包括:

43、s20441:通过瓶颈层结构将输入的局部邻域的相关性特征依次输入下投影层、非线性激活层和上投影层,得到非线性重构特征;

44、公式表示为:

45、;

46、式中:表示将特征维度恢复至原始空间;表示将特征维度压缩至原来的1/,以滤除与振动无关的冗余信息;表示relu非线性激活函数,用于增强模型对复杂运动模态的拟合能力;

47、s20442:通过残差连接机制将非线性重构特征与原始输入的局部邻域的相关性特征进行逐元素相加,得到融合了振动物理先验的适配特征;

48、公式表示为:

49、;

50、式中:为融合了振动物理先验的适配特征;为自适应参数。

51、优选的,步骤s3中,具体包括如下处理步骤:

52、s301:在全局参考基准帧中选取一个测量区域;

53、s302:获取当前帧的全场光流位移,和分别表示像素点在图像坐标系和方向上的位移分量;

54、s303:对当前帧的全场光流位移在测量区域中的所有像素点进行平均,得到当前帧测量区域整体性的平均像素位移作为像素位移;

55、公式表示为:

56、;

57、式中:为当前帧测量区域的像素位移;、表示在图像坐标系和方向上的位移分量平均值;为测量区域;为测量区域内像素点的总数。

58、优选的,步骤s4中,具体处理步骤包括:

59、s401:在待测柔性结构的测量节点上粘贴已知物理半径的圆形标记物;

60、s402:在待测柔性结构处于静态时拍摄一张静态标定图像;

61、s403:采用霍夫变换对静态标定图像中的所有圆形标签进行初步检测,得到若干候选靶标;

62、s404:通过轮廓筛选机制对若干候选靶标进行筛选,得到个有效靶标;

63、s405:计算各个有效靶标的等效像素半径;

64、公式表示为:

65、;

66、式中:表示有效靶标的长轴长度像素,表示有效靶标的短轴长度像素;

67、s406:对所有有效靶标的等效像素半径进行取平均,得到标定基准;

68、公式表示为:

69、;

70、s407:基于圆形标记物的物理半径和标定基准计算像素-物理标定系数;

71、计算公式为:

72、。

73、优选的,步骤s4中,当前时刻的物理位移响应计算公式为:

74、;

75、式中:为当前时刻的物理位移响应;为像素-物理标定系数;为当前帧测量区域的像素位移。

76、优选的,步骤s5中,对待测柔性结构所有时刻的物理位移响应按时间顺序排列,生成待测柔性结构的振动位移时程曲线作为振动测量结果。本发明中基于上下文增强深度光流的结构振动位移视觉测量方法与现有技术相比,具有如下有益效果:

77、针对现有深度光流方法在连续振动测量中容易产生长时程误差累积,以及模型对环境噪声敏感、难以精确提取微小周期性振动特征的技术问题,本发明提供了一种基于上下文增强深度光流的结构振动位移视觉测量方法。本发明旨在通过改进匹配测量策略、设计自适应上下文编码网络以及引入高效局部微调模块。

78、具体的:

79、针对传统光流算法或时序位移积分由于“相邻帧光流依赖”,导致在应用到测量领域时,往往需要通过积分转换成传感器测量数据对应的形式,本发明通过在振动位移光流估计模型(vi-raft模型)中引入特定的匹配策略,解耦帧间误差传播,提高复杂环境下振动位移时程曲线的准确性与可靠性。

80、针对户外监测常面临的光照突变、低对比度及弱纹理等干扰,导致通用深度光流网络提取的上下文特征混杂大量噪声、引发匹配失效的问题,通过在vi-raft中设计通道级的自适应筛选机制即通道自适应上下文网络(ca-context),ca-context利用混合全局池化将前景与复杂背景区分,并通过带有可学习动态阈值的通道门控机制,自适应地重标定高维特征通道的权重,进而能够主动压制或截断低于阈值的环境噪声通道响应,仅放大承载结构边界和真实振动纹理的有效通道,使模型在模拟的低光照与噪声干扰环境下仍能输出稳定的隐藏状态,维持了较低的均方根误差,提升模型对有效振动边缘的判别力。

81、针对通用模型对微小周期振动感知不足的问题,基于宏观自然图像预训练的通用光流模型难以精确捕捉柔性结构高频、微小振幅(毫米级及以下)周期性规律的领域分布差异,通过局部低参数量的微调架构,通过参数高效适配器更新块(pea-update)将振动物理先验注入vi-raft模型,在保持预训练网络强大的通用全场运动追踪能力的前提下,仅需通过针对结构健康监测专门合成的正弦周期数据集对局部,降低位移预测的相对误差。