几何成像法在船－桥撞击测试中的应用＊

王强锋，粱浩哲

（宁波大学 机械工程与力学学院，浙江 宁波 315211）

引 言

随着船舶运输事业的不断发展，受船舶撞击引起的桥梁损伤事故日益增多。这类事件往往造成桥梁结构、安全及抗撞能力的损失，更严重的会造成桥毁人亡的后果，因此对桥碰撞的研究显得尤为重要。目前国内外理论研究、碰撞实例调查和模型实验的研究集中在船舶撞击桥梁的概率、撞击动能等方面［1－3］，随着计算机软硬件的发展，将视觉测量技术应用于船桥撞击实验，可以更加有效、直观地分析撞击过程。

视觉测量技术是计算机视觉领域中一种重要的测距方法，是以图像运算为基础，测量物体的位置、姿态及运动轨迹等。单目视觉测量是指仅利用一台视觉传感器采集图像，对物体的几何尺寸或者物体的在空间的位置、姿态等信息进行测量［4］，优点是结构简单、相机标定也简单，同时避免了视场小、匹配难的不足。单目视觉三维测量的常用方法有结构光法［5，6］、几何光学法［7］、激光辅助测距法、辅助测量棒法［8］、几何形状约束法［9］等。由于视觉传感器结构限制，上述方法在对远距离识别上有困难。文中改进几何光学法，在物体上标记明显的标靶，使系统识别更加准确、方便。

1 测量原理及系统结构

1.1 单目视觉测量标靶的几何成像原理

防撞装置的原理和防撞过程是：桥墩的防撞装置要柔软，当船撞上桥墩时，防撞装置稍微后退一点，同时给船头一个侧向力，拨开船头，使船的动能大部分保留在船上；同时防撞装置消耗掉一部分能量。由此可测得的撞击力会出现一个弧度。原理性实验装置示意图如图1。

现根据国际桥梁和结构工程协会（IABSE）指南，用美国各州公路和运输工作者协会（AASHTO）的公式来计算船撞击力：

式（1）中，Ps表示船只的等效正面静撞击力（N）；DWT表示船只的载重吨数（t）；v表示船只的撞击速度（m／s）。

实验通过运动下车撞击已知桥墩来模拟船桥撞击过程，小车在设定的轨道上以确定的速度运动，用高速摄影仪记录整个过程。文中主要研究的是范围在1～5m时小车的运动和作用距离。为了便于识别运动物体，在物体上做一些标识圆。测量过程中，通过拍摄所得的图像确定这些标识圆的位置，计算出中心坐标（x，y，z），然后绘制运动轨迹，分析得出撞击力，给柔性防撞装置提供了依据。

1.2 单目视觉测量系统结构

实验采用的测量系统组成如图2所示，包括运动标靶［10］、外置光源、图像采集设备、计算机组成。受测量距离的影响，现采用红外光源照明，减少环境光的干扰。图像采集设备采用的是Photron FASTCAM高速摄像机，最高采集速度250 000FSP；测试时设定为125FSP，1 024×1 024pixel。

图1 原理性实验装置图Fig.1 Principle of the experimental setup

图2 单目视觉测量系统图Fig.2 System structure of monocular vision measurement

2 图像处理过程及结果分析

2.1 系统结构及算法思想

测量时，通过CCD采集到的图像来判断这三个标记圆的位置，计算出目标中心的视线角，根据计算出的目标位置（x，y，z），利用图像匹配，得出运动轨迹，最后估算出整个过程的撞击力。整个过程见图3：

实验地点位于浙江宁波象山大桥工地。摄像机位置距离地面大约1m，由此获得的图像可近似看作平视图。并且拍摄时采用三角架固定摄像机，由此获得的运动连续图像具有背景不变的性质。

图3 系统结构图Fig.3 System structure

2.1.1 背景分割

现采用基于像素的阈值分割，它根据像素的某种特性来选取适当的阈值，阈值将像素分成目标和背景。由于事先预判背景、物体和特征点的特点，认为在整个过程中灰度图像不会出现大的变化，故采用人工选取阈值T，完成图像的二值化。

2.1.2 特征点的提取

对象标记选取是系统的核心部分，也是后面运动物体轨迹提取的基础。对象标记是在灰度图像的基础上进行的，其实质上就是给一幅图像中的所有物体赋予一个可以把该物体与其它物体区别开的标记［9－11］。

（1）分析第一帧照片的矩阵特点，手动选取标记的大概坐标，然后在第一帧中选取一块包括该标记足够大的区域（区域大小视试验运动距离而定）。

（2）将区域平均分割为n×n个小方格（n随像素大小和区域的大小而定，要确保分割后的方格不能包含两个或两个以上特征点的像素）。

（3）扫描该区域，按照从左到右，从上到下的顺序搜索，找到的第一个目标点（标识图像中的黑点）作为跟踪的初始点，记为A；沿着初始像素A的右、右下、下、左下四个邻点找下一个边界点，如果没有找到就将目标轮廓定为一个孤立像素点，反之，就将该边界点记为B；接下去，从B开始搜索，按右、右下、下、左下、左、左上、上、右上的顺序找相邻八领域中的边界点C，如果C点就是A点，就表明已经搜索一圈了，结束搜索，否则从C点接着搜索，直至找到A点为止。

（4）对标号相同的的方格中灰度值大于T的像素的个数进行统计，这些灰度点就是所求特征点的中心坐标。

2.1.3 深度距离的计算

关于空间目标纵向位移的测距，中国科学院西安光学精密机械研究所的岳亮等给出了算法［12］，基本上可以满足船桥撞击的需要。由成像原理得出目标物的相对相机距离

式（2）中，H0为物高，Hp为像高，f为焦距。

实验中目标物会出现小角度的摆动，目标的圆形标记在图像上表现出椭圆形式，圆周原本所围圆形的最长轴是知道的，称之为物高；而相机上所成的圆周的最长轴能求得称之为像高，可以通过目标椭圆的识别及拟合得出长轴长度，然后再根据式（2）求出目标与相机的相对距离。

此时的（x，y，z）就为目标相对于相机坐标系的空间坐标。

2.1.4 提取常规技术

在轨迹提取上，系统采用的是逐帧照片追踪的方法。由于拍摄所得的图像是连续的，因此可以获得以下一些常规结论：

（1）在相邻两帧图像上车辆位置不会变化太大。

（2）在相邻两帧图像上车辆运行方向和区域面积不会发生太大变化。

在具体追踪中，首先在第一帧图像中选中运动目标上的标记所在的一块区域，程序自动记下该区域。然后按顺序打开后面帧图像，假如图像上的目标标记为n帧，则运用前面的标记程序对这n个物体标记，然后求出第一帧初始区域中目标点到这n个点的距离。比较这n个值，最小的那个点所代表的物体为被追踪物体。保存坐标到一个数组中，同时用距离原中心点最近的那个点的坐标来替代原中心点坐标，作为下次比较的基准点。如此连续追踪，假如追踪了k幅连续图像，数组里面就会记录下（k－1）个中心点的位置，描绘出这（k－1）个点，就获得了被追踪物体的该段运动轨迹。

2.2 数据分析

2.2.1 撞击轨迹分析

通过改变小车撞击实验相应的参数，如：撞击角度、质量、重心位置、桥墩刚度等进行重复撞击实验，共进行了6组实验，获得相应的6组数据，经过上述的数据处理之后，得到了在各参数下的小车运动轨迹。

撞击过程中小车位置的变化用船上标记圆的位置坐标变化来描述，将各参数下的标记圆的运动轨迹画在同一张，如图4所示。

2.2.2 撞击转角的变化

同样将实验中各参数得到的转角变化画在同一张图中，如图5所示。

图4 轨迹图Fig.4 Trajectories

图5 小车的转角变化Fig.5 Angle changes of moving objects

实验数据说明：图5中的标号1～6是与图4中的标号相对应的，即标号1表示实验的第一组数据，其撞击角度为45°，载重量为初始安放位置。标号2表示增大撞击角度的实验数据。标号3表示增加小车载重量的实验数据。标号4表示重心前移的实验数据。标号5表示桥墩上贴上泡沫改变刚度的实验数据。标号6表示重心后移（空气中）的撞击实验数据。

由图5可以看出，小车在撞击之前的理论运行角度应为45°。但是由于实验时模型船的角度是由人工控制的，会带有随机误差，导致初始撞击角度不是45°，因此，各参数下的数据没有严格的可比性。但是由于其角度误差不是很大，故可对各组数据看进行定性的比较分析。

所得目标物的坐标见表1：

表1 实际坐标与算法所得坐标间的位置关系Tab.1 The relationship between the actual coordinates and the coordinates from algorithm

因为工况不同，各自的X，Y坐标不能进行对比分析，这里简要的给出距离误差分析，通过算法测量出的距离误差都小于0.3%，达到很高的准确度。

3 结 论

文中提出了用几何成像法实现单目测量，该方法具有特定特征点的目标物运动轨迹及深度。实验结果显示了方法的准确性有效性。由于测量的精度取决于很多方面的因素：特征点及相机的机械安装精度、光学透镜成像系统的影响、图像处理算法的影响，特征点图像坐标提取精度等。在现有的器件水平及工艺条件下，要想提高测量方法的精度，除了设备本身外，算法（包括相机标定算法、图像处理算法等）的重要性显得愈发的重要。现在仅讨论了简单背景下船体撞击过程的测量，对于更加复杂的三维定位和综合相关跟踪将是下一步研究的重点。

［1］ 倪步友，陈国虞.多个防撞圈在防撞装置中的同期作用历时之数值分析及试验验证［M］.北京：中国铁道出版社，2006.

［2］ 陈 诚.桥梁设计船撞力及损伤状态仿真研究［D］.上海：同济大学，2007.

［3］ 李升玉.船舶与桥墩防撞系统碰撞的数值仿真分析［J］.自然灾害学报，2006，15（5）：23－27.

［4］ 马 尔D.视觉计算理论［M］.北京：科学出版社，1988：201－207.

［5］ 孙长库，叶声华.激光测量技术［M］.天津：天津大学出版社，2001：138－139.

［6］ SUN C K，WANG Q Y，YU Q，etal.Online machine vision method for measuring the diameter and straightness of seamless steel pipes［J］.OpticalEngineering，2001，40（11）：2565－2571.

［7］ SUBBARO M，CHOI T.Accurate recovery of three－di—mensional shape form image focus［J］.IEEETransonPAMI，1995，17（3）：266－274.

［8］ HUANG G P，WANG B F，LI G Y.Principle of coordinates acquisition using one single camera［C］∥Proceedings of 6th Conference on Optical 3－D Measurement Techniques，Zurich：ETH，2003：1022－1026.

［9］ 黄桂平，李光云.单目视觉测量技术研究［J］.计量学报，2004，25（4）：314－317.

［10］ 吴强华，王铁岭，董 涛.基于LabVIEW的任意波形发生器设计［J］.光学仪器，2007，29（2）：68－72.

［11］ 章毓晋.图像工程（上册）图像处理和分析［M］.北京：清华大学出版社，2003：61－63.

［12］ 岳 亮.空间目标的单目视觉测量技术研究［J］.微计算机信息，2007，23（6）：107－111.