删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于机器视觉的轻型梁三维振动测量方法*

本站小编 Free考研考试/2021-12-25

随着科学技术的飞速发展,机械设备在各行各业的应用日趋广泛。机械设备的状态监测与故障诊断是保障设备正常运行的重要工作。设备在高速运转时,不可避免会产生振动现象。通过振动测量获取的位移、频率等参数能反映出设备的状态信息。国内外已有很多研究者们进行了振动测量的相关研究,并将其广泛应用于工程领域。
振动测量方法包括接触式振动测量方法和非接触式振动测量方法2种。接触式振动测量方法需要使用接触式传感器,如加速度计[1]、位移传感器[2]等。然而,在使用接触式振动测量方法时,需要将传感器布置在检测目标上,这样对于轻质结构会引起质量负载效应,从而产生测量误差。此外,测量大型结构的振动数据时,由于要安装大量的传感器在被测结构表面,这样会耗费大量的人力物力来完成传感器的布置工作[3];而且传统的接触式振动测量方法只能单点测量,并不能提供测量目标全场的振动数据[4]
非接触式振动测量方法是另一种振动测量方法。常用的非接触式振动测量方法包括激光测振法和视觉测振法。激光测振法是通过激光测振仪进行测量工作,不会对测量目标产生负载效应[5]。但是,激光测振仪价格比较昂贵,并且对于大型的测量目标需要大量的测量时间。
视觉测振法包括点跟踪(Point Tracking, PT)法、数字图像相关(Digital Image Correlation,DIC)法和光流法。点跟踪法振动测量是通过在测量对象的结构表面设置高对比度或反光的光学目标,提取光学目标的位移来完成所测对象的振动测量。点跟踪法一般只能测得单点或多点的振动数据。Morlier等[6]采用标记点跟踪的方法对桥梁进行振动测量,并进一步将测得的位移数据转化到频域中提取桥梁的固有频率。另外,利用2台相机进行点跟踪测量还能获得三维的振动数据。Black等[7]利用视觉标记点跟踪的方法对无人机机翼进行振动测量,同时还计算了机翼的固有频率和振型。Chang和Ji[8]基于点跟踪的视觉测量方法,测量了建筑物模型在地震发生时的振动数据和桥梁模型由地震引起的振动数据。
数字图像相关法是另一种视觉测振法。该方法需要在被测目标表面设置散斑图像,使用相机采集被测目标振动时的散斑图像,再通过图像处理得出振动数据。相比于点跟踪法,数字图像相关法能测得结构上更大的区域甚至全场的振动。Wang等[9]利用数字图像相关法测量了悬臂梁的振动信息,并提取了振型模态。孙伟等[10]通过单个高速相机采集图像,基于数字图像相关法提取了膜材的应变大小并确定了膜材的振型。Ha等[11-12]使用数字图像相关法测量了微型人工飞行器的机翼振动数据,并获得了机翼的振型信息。Hunady等[13]提出了一种基于三维数字图像相关(Three Dimensional Digital Image Correlation,3D-DIC)法测量旋转物体振动数据的方法,提取了高速旋转中塑料盘的模态振型,并与有限元分析的数据进行对比,验证了该方法的有效性。
点跟踪法和数字图像相关法需要在结构表面布置光学目标或者散斑图,对于一些大型的测量目标,布置工作需要耗费大量时间,同时有些结构表面并不便于布置工作。而光流法无需在测量目标表面进行任何标记工作,仅根据结构的自然图像特征就可以提取出运动信息。Lucas-Kanade (LK)[14]和Horn-Schunck(HS)[15]是2种最主要的传统光流法。基于传统的光流法,Caetano等[16]开发了视觉测量系统,并对大型工程结构进行振动观测,为实现更完整的振动监测提供了重要的数据来源。Aoyama等[17]同时对桥梁模型上多个特征点的光流进行测量,实现了大型桥梁结构同时多点测振。Yu等[18]通过光流法对悬臂梁和电机罩进行了振动测量,其实验结果与有限元分析的结果基本一致。但是传统的光流法基于图像强度,因此对噪声特别敏感,而且运算时间较长。Fleet和Jepson[19]提出了基于视频相位的光流法,通过分析图像的相位变化来提取运动,从而提高了振动测量的鲁棒性。MIT的Chen等[20]将基于视频相位的光流法和运动放大算法相结合,提取出悬臂梁和管道等的固有频率和振型。进一步,Chen等[21]采用基于视频相位的光流法远距离对大楼顶部的天线塔进行振动测量。
综上所述,点跟踪法和数字图像相关法虽然能够进行三维的振动测量,但是需要在被测物上设置光学标记。传统的光流法解决了标记的问题,然而该方法对噪声比较敏感。另外,目前基于视频相位的振动测量方法虽然无需设置光学标记且鲁棒性较强,但仅能获得二维的振动信息。因此,本文提出了一种基于视频相位的三维振动测量方法。采用2个单反相机采集振动图像。基于视频相位的振动测量方法提取出结构的二维振动信息,结合双目立体视觉方法将二维振动信息转换成三维的振动信息。
1 三维振动测量方法 1.1 基于视频相位的振动测量方法 三维振动测量首先需获得二维的振动测量数据。二维的振动测量采用基于视频相位的振动测量方法[22-23]。基于视频相位的振动测量方法是以傅里叶变换原理为基础。傅里叶变换可以实现空间域到频域的变换,表明空间域中的任何运动都会导致频域中的相位变化。在图像处理中,图像空间域的像素运动也就可以在图像频域的相位中体现出来。
然而,傅里叶变换只反映信号的整体特性,通常用来估计全局运动,针对这一问题,引入了Gabor变换来进行局部运动的分析。Gabor变换可将视频的每帧图像变换到复频域中,从而能更精确地表示局部的运动信息。Gabor滤波器是Gabor变换的重点。在空间域中,二维Gabor滤波器是高斯函数调制的正弦函数,可表示为
(1)

式中: λ为正弦波的波长;ψ为调谐函数的相位偏移;γ为决定Gabor函数形状的空间长宽比;σ为高斯函数的标准差,决定了Gabor滤波器核可接受区域的大小;θ∈(0°, 360°)表示Gabor滤波核的方向;xy为图像的空间坐标;xθyθ为包含了方向信息的空间变量,具体表示为
(2)

所处理的测量视频是由多帧图像构成的。图像的空间域信息,即为图像强度。设图像在t时刻的图像强度为I(x, y, t),设视频第1帧是参考帧,图像强度为I(x, y, t0),第2帧是运动帧,图像强度为I(xx, yy, t0t),Δt为连续2帧图像之间的时间间隔。通过图像信息与二维Gabor滤波器的卷积运算,可将图像强度信息I(x, y, t)转换为频域信息F(x, y, t):
(3)

其积分形式为
(4)

式中: uv分别为图像中的像素点在水平方向和竖直方向的瞬时速度。
下面以计算水平方向的运动信息为例。取θ=0°,根据式(2),空间变量变为xθ=xyθ=y,则参考帧图像的频域信息为
(5)

运动帧图像的频域信息为
(6)

对式(5)、式(6)进行数学变换,可得
(7)

(8)

从式(7)和式(8)中可看出,两式中的相位项均为,那么它们的定积分结果也相同,结果设为φ′。再计算两式的相位角,结果如下:
(9)

(10)

将两式相减可得相位差:
(11)

从式(11)中可看出,水平方向的运动Δx正比于相位差。同理,通过改变Gabor滤波器的方向求得竖直方向的运动Δy,从而可得像素二维位移数据。
计算图像中同一深度下某物体的实际长度与其在图像中所跨越的像素数量的比例数据,设为尺度因子s,再将尺度因子与像素的位移数据相乘,即可将像素转换为实际长度单位。
1.2 三维振动信号计算方法 三维振动信号的测量以二维振动信号为基础,结合双目立体视觉,采用三角形方法求解出目标的三维坐标。先根据双目立体视觉中处理方法获得2个相机图像中匹配点对的xlxr,其坐标为齐次坐标,以及2个图像的投影矩阵PlPr,根据投影公式,目标三维点X坐标满足:
(12)

再消去式(12)中的齐次因子,可使式(12)化为AX=0的形式,具体步骤如下:
对于左相机图像的匹配点xl,有
(13)

式中: xy为点xl在图像中的像素坐标。
Pl按照行展开代入上述公式,则
(14)

式中: pl1pl2pl3分别为投影矩阵Pl的第1行、第2行和第3行。
式(14)即为
(15)

又因为第3个等式可由前2个等式线性表示,所以取前2个等式,从而有形如AlX=0的方程, 其中:
(16)

同理,对于右相机的图像也有形如ArX=0的方程,其中:
(17)

AlAr合并为A, 则方程即为AX=0, 其中:
(18)

此方程组只有3个未知数,而有4个方程,所以采用奇异值分解法求解其最小二乘解,由此解得最终的目标点X的三维坐标,即测得三维振动信息。
2 实验结果 本文测量系统由2个单反相机(Canon EOS 80D)、光源LED灯、悬臂梁和计算机组成。2台相机分别布置在悬臂梁前的左右两侧。相机镜头对准悬臂梁的前部。计算机用于处理相机所采集的图像。实验装置如图 1所示。
图 1 实验装置 Fig. 1 Experimental setup
图选项




实验通过激励锤水平敲击悬臂梁,对悬臂梁产生水平方向的作用力。对于被测点,实验通过手动选取特征点的方式,选取左、右相机所拍摄图像中悬臂梁最上方的像素点作为被测点,如图 2所示。这2个像素点在实际空间中是同一个点,可近似看作为一组匹配点。在计算这组目标点的振动位移之前,需要对视频降采样处理,降采样因子设置为2,这样能提高数据结果的精度,同时减少了程序运行的时间。之后通过基于视频相位的振动测量方法,提取出左、右像素点的像素坐标变化。先测量悬臂梁上目标点在水平方向的像素位移结果,再计算其频域信号,最终左、右相机中被测点的时域振动信号和频域信号的测量结果如图 3图 4所示。可见,左、右相机的像素位移大小均在0.025个像素之内。频域信号图中的振动频率均为13.63 Hz,幅值也非常接近。然后提取被测点在竖直方向的像素位移结果。而被测点在竖直方向上的运动杂乱无章,且位移值非常微小,在0.008个像素之内。考虑到悬臂梁是受到水平方向的作用力,竖直方向的位移理应非常微小,可忽略不计。
图 2 左右相机采集图片 Fig. 2 Pictures from left and right cameras
图选项




图 3 左相机水平方向位移信号测量结果 Fig. 3 Measurement results of horizontal displacement signal of left camera
图选项




图 4 右相机水平方向位移信号测量结果 Fig. 4 Measurement results of horizontal displacement signal of right camera
图选项




最终计算该被测点的三维振动信息,该点在空间中的三维运动如图 5所示。x方向为水平方向,y方向为竖直方向,z方向为深度方向。从图 5中可看出,被测点主要在x方向上进行振动,振动范围为7.575~7.595 mm。而且被测点的运动集中在中间,两端运动相对稀疏,这说明悬臂梁在水平方向进行振荡运动。
图 5 被测点的三维运动 Fig. 5 Three-dimensional trajectory of measured point
图选项




通过计算被测点三维坐标的重投影误差以验证三维振动测量方法的准确性。将计算得到的三维点坐标根据相机参数重投影代入到左、右相机的视角中,并计算重投影误差。表 1显示了前10帧左、右相机图像中被测点三维坐标重投影误差的计算结果。可以看出,被测点在左相机中的重投影误差在0.043左右,右相机中的重投影误差在0.052左右。重投影误差均比较低,从而验证了本文所提出的三维振动测量结果的准确性。
表 1 重投影误差计算结果 Table 1 Reprojection error calculation results
帧数 重建所得的坐标/mm 重投影误差/pixel
xyz 左相机 右相机
1 7.584 -114.794 880.039 0.043 0.051
2 7.590 -114.792 880.037 0.045 0.052
3 7.583 -114.791 880.036 0.042 0.051
4 7.579 -114.793 880.037 0.044 0.053
5 7.587 -114.793 880.037 0.041 0.051
6 7.589 -114.791 880.036 0.043 0.052
7 7.581 -114.792 880.039 0.044 0.054
8 7.581 -114.794 880.038 0.041 0.053
9 7.589 -114.793 880.037 0.046 0.052
10 7.586 -114.790 880.039 0.044 0.052


表选项






3 结论 1) 本文结合基于视频相位的振动测量方法和双目立体视觉提出了一种基于机器视觉的轻型梁三维振动测量方法。实验结果表明,左、右相机所获取的视频中同一测量点的振动位移及振动频率基本一致,其重投影误差小,分别约为0.043和0.052。同时该实验结果验证了本文所提振动测量方法的有效性,能够准确提取亚像素的三维振动信息。
2) 本实验仅仅对悬臂梁进行了振动测量实验,在后续研究中,可对一些复杂结构进行全场振动测量,进一步应用于工业设备的振动测量。

参考文献
[1] LEE J J, SHINOZUKA M A. Vision-based system for remote sensing of bridge displacement[J]. NDT & E International, 2006, 39(5): 425-431.
[2] LI J, HAO H, FAN K Q, et al. Development and application of a relative displacement sensor for structural health monitoring of composite bridges[J]. Structural Control and Health Monitoring, 2015, 22(4): 726-742. DOI:10.1002/stc.1714
[3] POOZESH P, BAQERASD J, NIZERECKI C, et al. Large-area photogrammetry based testing of wind turbine blades[J]. Mechanical Systems and Signal Processing, 2017, 86: 98-115. DOI:10.1016/j.ymssp.2016.07.021
[4] HUANG H, BADDOUR N, LIANG M. Bearing fault diagnosis under unknown time-varying rotational speed conditions via multiple time-frequency curve extraction[J]. Journal of Sound and Vibration, 2018, 414: 43-60. DOI:10.1016/j.jsv.2017.11.005
[5] DILEK A U, OGUZ A D, SATIS F, et al. Condition monitoring of wind turbine blades and tower via an automated laser scanning system[J]. Engineering Structures, 2019, 189: 25-34. DOI:10.1016/j.engstruct.2019.03.065
[6] MORLIER J, SALOM P, BOS F. New image processing tools for structural dynamic monitoring[J]. Key Engineering Materials, 2007, 347: 239-244. DOI:10.4028/www.scientific.net/KEM.347.239
[7] BLACK J T, PITCHER N A, REEDER M F, et al. Videogrammetry dynamics measurements of a lightweight flexible wing in a wind tunnel[J]. Journal of Aircraft, 2010, 47(1): 172-180. DOI:10.2514/1.44545
[8] CHANG C C, JI Y F. Flexible videogrammetric technique for three-dimensional structural vibration measurement[J]. Journal of Engineering Mechanics, 2007, 133(6): 656-664. DOI:10.1061/(ASCE)0733-9399(2007)133:6(656)
[9] WANG W Z, MOTTERSHEAD J E, IHIE A, et al. Finite element model updating from full-field vibration measurement using digital image correlation[J]. Journal of Sound and Vibration, 2011, 330(8): 1599-1620. DOI:10.1016/j.jsv.2010.10.036
[10] 孙伟, 何小元, 胥明, 等. 数字图像相关方法在膜材拉伸试验中的应用[J]. 工程力学, 2007, 24(2): 34-38.
SUN W, HE X Y, XU M, et al. Study on the tension test of membrane materials using digital image correlation method[J]. Engineering Mechanics, 2007, 24(2): 34-38. (in Chinese)
[11] HA N S, JIN T, GOO N S. Modal analysis of an artificial wing mimicking an Allomyrina dichotoma beetle's hind wing for flapping-wing micro air vehicles by noncontact measurement techniques[J]. Optics and Lasers in Engineering, 2013, 51(5): 560-570. DOI:10.1016/j.optlaseng.2012.12.012
[12] HA N S, VANG H M, GOO N S. Modal analysis using digital image correlation technique: An application to artificial wing mimicking beetle-s hind wing[J]. Experimental Mechanics, 2015, 55(5): 989-998. DOI:10.1007/s11340-015-9987-2
[13] HUNADY R, PAVELKA P, LENGVARSKY P. Vibration and modal analysis of a rotating disc using high-speed 3D digital image correlation[J]. Mechanical Systems and Signal Processing, 2019, 121: 201-214. DOI:10.1016/j.ymssp.2018.11.024
[14] BAKER S, MATTHEWS I. Lucas-Kanade 20 years on: A unifying framework[J]. International Journal of Computer Vision, 2004, 56(3): 221-255. DOI:10.1023/B:VISI.0000011205.11775.fd
[15] HORN B K P, SCHUNCK B G. Determining optical flow[J]. Artificial Intelligence, 1981, 17(1-3): 185-203. DOI:10.1016/0004-3702(81)90024-2
[16] CAETANO E, SILVA S, BATEIRA J. A vision system for vibration monitoring of civil engineering structures[J]. Experimental Techniques, 2011, 25(4): 74-82.
[17] AOYAMA T, LI L, JIANG M, et al. Vibration sensing of a bridge model using a multithread active vision system[J]. IEEE/ASME Transactions on Mechatronics, 2018, 23(1): 179-189. DOI:10.1109/TMECH.2017.2764504
[18] YU Q B, YIN A J, ZHANG Q, et al. Optical flow tracking method for vibration identification of out-of-plane vision[J]. Journal of Vibroengineering, 2017, 19(4): 2363-2374. DOI:10.21595/jve.2017.17771
[19] FLEET D J, JEPSON A D. Computation of component image velocity from local phase information[J]. International Journal of Computer Vision, 1990, 5(1): 77-104. DOI:10.1007/BF00056772
[20] CHEN J G, WADHWA N, CHA Y J, et al. Modal identification of simple structures with high-speed video using motion magnification[J]. Journal of Sound and Vibration, 2015, 345: 58-71. DOI:10.1016/j.jsv.2015.01.024
[21] CHEN J G, DAVIS A, WADHWA N, et al. Video camera-based vibration measurement for civil infrastructure applications[J]. Journal of Infrastructure Systems, 2017, 23(3): 1-11.
[22] PENG C, ZENG C, WANG Y G. Camera-based micro-vibration measurement for lightweight structure using an improved phase-based motion extraction[J]. IEEE Sensors Journal, 2020, 20(5): 2590-2599. DOI:10.1109/JSEN.2019.2951128
[23] PENG C, ZHU M T, WANG Y, et al. Phase-based video measurement for active vibration suppression performance of the magnetically suspended rotor system[J]. IEEE Transactions on Industrial Electronics, 2021, 68(2): 1497-1505. DOI:10.1109/TIE.2020.2967725


相关话题/测量 图像 信息 运动 数据

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 基于信息素启发狼群算法的UAV集群火力分配*
    随着无人机(UnmannedAerialVehicle,UAV)技术和人工智能的快速发展,利用大量具有自主作战能力且成本低廉的UAV组成UAV集群突破对手防御体系,对目标实施饱和打击以及对入侵机群进行空中拦截是UAV集群作战的重要手段[1-2]。美军已经开展了多项关于UAV集群研究及试验验证,并将U ...
    本站小编 Free考研考试 2021-12-25
  • 基于趋势符号聚合近似的卫星时序数据分类方法*
    时间序列是按照时间排序的一组随机变量,其通常是在相等间隔的时间段内依照给定的采样率对某种潜在过程进行观测的结果[1]。在卫星的测控管理过程中,会产生大量的遥测数据,它们以时间序列的形式存储在数据库中。而运行状态监测系统传感器产生的监测数据通过遥测系统传输至地面控制中心,此类数据是地面判断在轨卫星运行 ...
    本站小编 Free考研考试 2021-12-25
  • 基于CLYC闪烁体的中子能谱测量及反演方法*
    空间中的中子是威胁航天器和航天员安全的重要因素。中子与航天器发生作用可引起物质晶格损伤,材料变性,甚至引起单粒子效应危害航天器安全;中子对含氢丰富的人体有很高的生物学损伤,威胁航天员的生命安全[1]。相较于带电粒子,空间中子的测量更复杂。首先是中子探测器的优化设计,目前国际上的中子探测器设计复杂,资 ...
    本站小编 Free考研考试 2021-12-25
  • 基于改进Faster R-CNN的SAR图像飞机检测算法*
    合成孔径雷达(SyntheticApertureRadar,SAR)与光学和红外等被动式传感器相比,具有全天时、全天候、高分辨率的独特优势,在战场态势感知、典型目标识别和精确制导等军事领域具有突出的战略意义。飞机作为一种典型的人造目标,军事价值极其重要,高效、准确获取机场、空域等位置的飞机目标信息, ...
    本站小编 Free考研考试 2021-12-25
  • 多表冗余惯导数据融合算法及在自对准中的应用*
    激光陀螺捷联惯导系统(LaserStrapdownInertialNavigationSystem,LSINS)具有动态范围广、耐冲击振动、可靠性高等优点,远征一号、嫦娥探测器等空间飞行器及多数现役火箭均采用LSINS提供姿态、位置等导航信息。多表冗余惯导系统通过仪表冗余设计,显著提高系统的可靠性, ...
    本站小编 Free考研考试 2021-12-25
  • 空地量子密钥分发网络中数据协调方案*
    量子密钥分发(QuantumKeyDistribution,QKD)技术是量子通信中发展比较成熟的一个分支,目前研究人员已经在一些地区设计实验了一些节点数量有限的小型化QKD网络,其中基于量子卫星的QKD网络可以极大地增加通信距离。虽然量子卫星克服了远距离光子损耗的问题,但是通信的实时全方位覆盖和多 ...
    本站小编 Free考研考试 2021-12-25
  • 极稀疏投影数据的CT图像重建*
    传统计算机断层成像(CT)机在螺旋扫描情况下旋转一周一般需要投影1000~2000次[1-2]。已有研究显示,CT检查的X-射线辐射可增加病人患癌症的风险[3-4],过量的X-射线辐射还会对人体产生不可逆的辐射损害如染色体变异等[5-6]。临床上,可以通过减少投影角度数来降低X-射线对人体的伤害。减 ...
    本站小编 Free考研考试 2021-12-25
  • 基于形态学滤波的快速多通道图像EMD*
    1998年,美国工程院院士Huang等[1]提出了一种适用于处理非线性非平稳信号的经验模态分解(EMD)方法,其对输入的一维信号极大(小)值点进行三次样条插值得到上(下)包络,并进行重复筛分操作提取出若干个尺度由细到粗的内蕴模态函数(IMF)分量和一个余量。EMD方法是完全数据驱动的自适应方法,能够 ...
    本站小编 Free考研考试 2021-12-25
  • 基于事故数据挖掘的AEB路口测试场景*
    路口作为一种典型的复杂交互交通环境,更容易引发事故。2017年,中国共发生道路交通事故203049起,其中发生在路口的事故46145起,占总数的22.73%。因路口事故共造成12082人死亡,47818人受伤,直接财产损失22517.2万元[1]。因此,针对路口交通场景的研究是十分有必要的。先进驾驶 ...
    本站小编 Free考研考试 2021-12-25
  • 基于最小值通道与对数衰减的图像融合去雾算法*
    雾、霾天气出现时,空气中悬浮颗粒及气溶胶分子对光线的散射、折射作用,致使各类计算机视觉系统采集的影像出现退化模糊、对比度下降等问题,对航空导航、军事侦察、道路监控、赛事转播等人类生产活动造成较大影响,因此图像去雾算法的研究具有重要的现实意义。按原理不同,图像去雾算法可以分为基于图像增强的算法、基于机 ...
    本站小编 Free考研考试 2021-12-25