[发明专利]一种基于多传感器数据融合的桥梁位移高精度测量方法

权利要求书

1.一种基于多传感器数据融合的桥梁位移高精度测量方法，其特征在于，包括如下步骤：

(1)、根据需要在桥梁结构变形控制点处，布设n个加速度传感器；在距离桥梁一定距离且固定不动的基准点处，架设摄像机并对准待测位移点进行监测视频拍摄，加速度传感器的监测数据及摄像机的监测视频通过无线传输实时传送至监控室的PC机；

(2)、将经过图像处理后得到n个待测点静态位移时程曲线进行卡尔曼滤波后插值拟合，得到主梁静态挠曲线；

其中主梁静态挠曲线的生成方法为：

(2.1)、建立桥梁局部坐标系和相机坐标系，n个加速度传感器中心作为待测位移点，并恢复桥梁初始位置的坐标；

(2.2)、将摄像机拍摄的视频抽帧，并由RGB图像转化为灰度图像；

其中，RGB图像为真彩图像，R、G、B分别代表红、绿、蓝3种不同的基础颜色；

(2.3)、通过采用线性滤波器对灰度图像进行卷积计算，对灰度图像进行滤波去除环境噪声，环境噪声为温度、风、雨或雾；

(2.4)、在形成的灰度图像中，选定某一待测点，并以该待测点作为中心，取出m阶像素灰度矩阵；

其中，m取大于3的奇数，不超过图像两个方向像素点数量的较小值；

(2.5)、获取灰度矩阵在相机坐标系下的三维坐标，可知待测点为该灰度矩阵形成的局部图像的形心，并计算出待测点的形心坐标：

其中，x_c、y_c、z_c分别为相机坐标系下待测点的x、y、z三个方向坐标值，分别为(2.4)中相机坐标系下灰度矩阵中第i个像素点的x、y、z三个方向坐标值，k为m阶灰度矩阵的像素点总数，T为矩阵转置符号；

(2.6)、扫描下一帧图像，根据角点-余点搜索法，识别相同m阶像素灰度矩阵，并提取出该灰度矩阵在相机坐标系下的三维坐标，并计算出其形心坐标；

其中角点-余点搜索法的具体步骤为：

(2.6.1)、对于视频的首帧图像，以待测位移点的像素点为中心提取m阶像素灰度矩阵，此像素点命名为初始形心，并记下初始形心灰度值，m为奇数；

(2.6.2)、遍历搜索下一帧图像中所有与初始形心灰度值相同的像素点，记为待定形心；

(2.6.3)、依次搜索以待定形心为中心的3阶灰度矩阵，并储存于程序缓存中；

(2.6.4)、假设待定形心相对位置编号为(i,j)，首先搜索第(i-1,j+1)像素点的灰度值，并与首帧像素灰度矩阵的对应位置像素点灰度值进行比较，若相等则保留此待定形心，若不等，则排除；

(2.6.5)、若3阶像素灰度矩阵的4个角点搜索对比完后，保留的待定形心数≥2，则在此3阶像素灰度矩阵基础上，扩大搜索范围至5阶像素灰度矩阵，以此类推，直至m阶像素灰度矩阵；

(2.6.6)、若m阶像素灰度矩阵的4个角点搜索对比完后，保留的待定形心数≥2，则以待定形心为中心，继续从3阶灰度矩阵开始搜索对比剩下的像素点灰度值，以此类推，直至m阶像素灰度矩阵；当保留的待定形心数＝1，搜索停止，则以此待定形心为中心的像素灰度矩阵与首帧图像的像素灰度矩阵相同；

(2.7)、重复(2.3)～(2.6)，处理每一帧图像，得到形心的坐标时程曲线；

(2.8)、根据摄像机成像原理，将形心的坐标时程曲线由相机坐标系转化为桥梁局部坐标系下的坐标时程曲线；

相机坐标系与桥梁局部坐标系转换公式：λP_A,t＝R_BAP_B,t+T_BA，

其中，P_A,t为桥梁局部坐标系下待测点随时间变化的坐标，P_B,t为相机坐标系下待测点随时间变化的坐标，R_BA为坐标系转换的旋转矩阵，T_BA为坐标系转换的平移向量，λ为考虑镜头畸变的矫正矩阵；

(2.9)、将桥梁局部坐标系下坐标时程曲线通过低通滤波，获得待测点的静态位移时程曲线，将桥梁局部坐标系下坐标时程曲线通过高通滤波，获得待测点的动态位移时程曲线；

(2.10)、将n个待测点静态位移时程分别进行卡尔曼滤波后，得到n个待测点的静态位移，再对其进行插值拟合，得到主梁静态挠曲线；

(3)、通过加速度传感器获得待测点的加速度时程曲线，由加速度时程曲线两次时间积分、滤波后得到的n个待测点动态位移时程曲线进行卡尔曼滤波后插值拟合，得到主梁动态挠曲线；其中动态位移时程曲线的生成方法为：

(3.1)、通过加速度传感器获得待测点的加速度时程曲线，进行高通滤波，采用梯形法数值积分方法对加速度进行时间的一次积分，得到速度时程曲线，计算公式为：

其中，V(t)为待测点速度随时间变化函数，a(τ)为待测点加速度随时间变化函数，V(0)为待测点速度初始值；

(3.2)、对速度时程曲线进行高通滤波，采用梯形法数值积分方法对速度进行时间的二次积分，得到位移时程曲线；

(3.3)、对位移时程曲线进行高通滤波后，将图像处理生成的动态位移时程曲线与积分生成的动态位移时程曲线进行时间同步，并比较动态位移的均方根值，若差值在20％以内，则认为积分生成的动态位移时程曲线正确，否则，返回到步骤(3.1)重新检查计算；

(3.4)、将n个待测点动态位移时程曲线分别进行卡尔曼滤波后，得到n个待测点的动态位移，再对其进行插值拟合，得到主梁动态挠曲线；

(4)、主梁静态挠曲线与动态挠曲线标量叠加，得到桥梁的主梁挠曲线。

2.根据权利要求1所述的一种基于多传感器数据融合的桥梁位移高精度测量方法，其特征在于：所述步骤(2.2)中RGB图像转化为灰度图像的计算公式为：

Gray＝R*0.299+G*0.587+B*0.114

其中，Gray为灰度值。