基于智能图像处理技术对桥梁悬臂浇筑荷载平衡实时监控和研究

摘要：随着科技的飞速发展，以科学发展观的理念，深化技术改革，技术创新。智能图像处理技术在各领域得到空前的发展和运用。在工程领域以低成本、高效率、高精准、全实时的优势得到全面推广。是改变建筑工地施工管理落后的有效途径，也是提高生产效率的有效途径。本文介绍了基于openCV实施视频智能化对桥梁悬臂浇筑施工过程中出现的梁体荷载不平衡和挠度等问题实施的监测，研究智能图像处理技术对施工荷载平衡状态进行实时监控的可行性和方法。

关键词：智能图像 悬臂浇筑 挂蓝 施工 平衡 监控

中图分类号：[TU997]文献标识码：A文章编号：

前言

随着桥梁技术的发展，桥梁悬臂挂蓝施工在城市轨道交通建设中得到广泛的应用。目前在成都地铁2号线东延伸土建1标施工过程中将涉及三处大跨径（48+88+48）悬臂浇筑挂蓝施工。在施工过程中对悬臂浇筑的梁体荷载不平衡和挠度的监控是保证施工质量及安全的重要措施。现将智能图像处理技术与传统监测相融合对桥梁进行实时监控。

1正确识别梁体载荷不平衡和挠度偏差

在以往的施工过程中对T梁进行监控采用全站仪和经纬仪，但由于施工周期较长，施工过程处于24小时，监测人员不可能24小时处于实时监控状态，如果在监测人员疏忽时间出现梁体不平衡或挠度偏差过大情况下继续施工，将会存在巨大的安全隐患。图像智能处理技术将弥补这一缺陷，实现智能化网络管理系统远程化控制管理视频自动识别和监控报警后相当于有了安全生产的“电子警察”。测量部门和安质部门可随时掌握施工现场的安全状况，一旦梁体平衡和挠度出现超出设计设定值，图像智能处理系统将出现报警。管理人员将第一时间得到提醒，发现安全隐患，及时加以消除，保证施工安全。

进行施工监控的示意图：

图中，线AB是T梁上部所定的一根水平测量线，A、B两点是该水平线上的控制点，也是要跟踪监控的关键点。T梁两臂荷载平衡时，AB线是处于水平状态的。随着施工的进行，两臂施工进度不一样，会出现T梁两臂荷载不平衡现象，反映到AB线上就表现为，线的水平状态被打破，AB线绕O点偏移。荷载不平衡程度越大，AB线偏移程度就越大。当荷载不平衡达到某个临界状态，如基础底部一侧应力为零是，AB线会相应偏转到某个位置。或者可以说，A点或B点上升或下降到某个位置。这样，我们可以通过跟踪监控AB线，来对悬臂浇筑施工进行实时监控。

需要说明的是，T梁两悬臂由于自重作用，会产生向下的挠曲变形，AB线随着向下弯曲，从而影响到监控的精确性。减少误差的方法是，在施工过程中预拱度的设置要尽可能合理。

下面我们具体探讨这种监控技术的理论和方法：

如图为施工中荷载几个状态的受力分析。由于这方面的内容前面第二章已有论述，这里不再重复，我们只给出结果。

（1）施工处于荷载平衡状态

此时有，

对应有，

结合参照靶，全站仪上显示如图3-4。

（2）施工处于不平衡状态

此时有，即：

（图3-4）

解得

根据梁在简单荷载作用下的变形公式，此时

B点的挠曲线方程

对应有，

式中，A、W分别为基础底面的截面积（图3-5）

和抗弯截面系数。 E为弹性模量，I为截面惯性矩。

结合参照靶，全站仪上显示如图3-5。

（3）当基底时，有

即时，

B点的挠曲线方程为

对应有，结合参照靶，全站仪上显如图3-6。（图3-6）

经过讨论分析，我们可以利用全站仪对挂篮施工进行有效控制：

（1）当或的变动范围为

或时，施工处于安全状态。

（2）当或的变动范围为或时，施工处于谨慎施工状态。

（3）当 或 时，施工处于危险状态。此时应停止较长段悬臂的施工。下面我们具体探讨这种监控技术的理论和方法：

如图为施工中荷载几个状态的受力分析。由于这方面的内容前面第二章已有论述，这里不再重复，我们只给出结果。

（1）施工处于荷载平衡状态

此时有，

对应有，

结合参照靶，全站仪上显示如图3-4。

（2）施工处于不平衡状态

此时有，即：

（图3-4）

解得

根据梁在简单荷载作用下的变形公式，此时

B点的挠曲线方程

对应有，

式中，A、W分别为基础底面的截面积（图3-5）

和抗弯截面系数。 E为弹性模量，I为截面惯性矩。

结合参照靶，全站仪上显示如图3-5。

（3）当基底时，有

即时，

B点的挠曲线方程为

对应有，结合参照靶，全站仪上显示如图3-6。（图3-6）

经过讨论分析，我们可以利用全站仪对挂篮施工进行有效控制：

（1）当或的变动范围为

或时，施工处于安全状态。

（2）当或的变动范围为或时，施工处于谨慎施工状态。

（3）当 或 时，施工处于危险状态。此时应停止较长段悬臂的施工

2语言编写及原理

计算机视觉库OpenCV（Intel Open Source Computer Vision Library）是由一些C函数和C++类所组成，相当于为图像处理及计算机视觉在实际工程中的应用而设计的一个类库。

OpenCV常用来实现对图像的一些高级处理，比如特征检测与跟踪、运动分析、目标分割与识别以及3D重建等。与其它计算机视觉工具相比，OpenCV的优点有：开放的C和C++源码；基于Intel处理器指令集开发的优化代码；统一的结构和功能定义；强大的图像和矩阵运算能力；方便灵活的用户接口；同时支持MS-Windows，Linux平台；在速度上OpenCV还有Intel公司的mmx和ssl优化。

2.1OpenCV的数据结构

OpenCV基本的数据类型包括：图像类IplImage，矩阵类CvMat，可变集合类CvSeq，CvSet，CvGraph以及多维柱状图混合类CvHistogram。辅助的数据类型包括：二维点坐标CvPoint，图像的宽和高CvSize等。

2.2OpenCV的函数体系

OpenCV中每个函数名称都以“cv”开始，然后是该函数的行为及目标。例如用来创建图像的函数cvCreateImage，载入图像的函数cvLoadImage。

OpenCV中所有函数根据其所实现的功能划分函数类型，主要有：

2.2.1基本的图像处理分析函数。例如图像平滑函数cvSmooth，Sobel算子cvSobel，Canny边缘分割函数cvCanny等。

2.2.2结构分析函数。例如轮廓处理函数,几何学函数以及平面细分函数等。

2.2.3运动分析与目标跟踪函数。例如背景重建函数cvAcc，用光流法和动态轮廓模型来实现目标跟踪的函数cvCal-cOpticalFlowBM和cvSnakeImage以及卡尔曼滤波函数CvKalman等。

2.2.4摄像机标定和3D重建函数。

2.2.5 GUI与视频处理函数。实现图像的载入、显示、保存和视频的输入输出。

3背景差分法原理

背景差分法是利用当前视频帧与背景图像做减法来提取运动目标的方法，其工作流程如图1所示。

图1  背景差分法工作流程

首先，对输入帧图像进行图像预处理：

3.1灰度转换

由于人眼对于彩色图像细节的分辨能力比黑白图像低的多，以及对灰度图像进行图像处理的效率高，故在图像处理之前先将彩色图像转换成灰度图像。根据R、G、B颜色分量和YUV色彩系统中亮度信号 Y之间的关系式Y= 0.299R+0.587G+0.114B可以计算出亮度Y，从而得到转换后的灰度图像。

3.2高斯去噪

高斯滤波器是根据高斯函数的形状来选择权值的线性平滑滤波器，其可以去除服从正态分布的噪声。对图像来说，常用二维零均值离散高斯函数作平滑滤波器 。

然后，将图像预处理之后的图像与背景图像差分，得到差分图像，并对其进行二值化，即当差分图像中某一像素的值大于某一给定阈值T时，该像素为目标像素，反之则认为是背景像素，在对二值化后的图像进行滤波去噪、连通性分析处理之后，就能提取较为完整准确的目标。

4实验结果与分析

实验是在Microsoft Visual C++6.O环境下，基于OpenCV，使用C语言编程实现的。视频序列图像选自实际拍摄的监控录像，提出的静态背景下基于OpenCV的目标跨线行为检测方法，经实验验证，当 或 时，施工处于危险状态。能够实时准确地自动检测出T梁处于危险状态，自动发出警报，帮助施工人员及时有效地做出处理。

5智能化系统配置

智能化网络远程控制管理系统由前端施工现场管理中心远程控制管理中心构成，主要由摄像机、传输线、缆视频服务器、硬盘录像机、控制键盘、画面处理器、网络设备、计算机服务端软件、显示屏服务器、交换机、视频解码器等设备和软件构成。建筑工地前端设备是布置于塔吊、 井字架、施工电梯、中小型施工机械设备的摄像机因考虑到塔吊、井字架、施工电梯、中小型施工机械设备的振动幅度非常大安装普通摄像机不能长时间在此恶劣条件下工作，必须有针对性采用防震摄像机。建筑工地管理中心现场与远程控制管理中心连接开通宽带远程控制主机通过internet网并保证一定的带宽运行就可以将T梁的信息、数据、图像接受。

参考文献：

刘碧珍应用智能化网络系统监控对建筑工程安全进行远程控制管理建筑安全 2010年第4期

王均利 于克萍 大跨度桥梁悬臂浇筑综合控制研究 工程力学 2002增刊

郭萍 论森林防火智能化监控系统的构建 安防科技 200704

作者简介

胡浩天（1986-） 男 专业工程师