具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

本实施例为面向水上水下工程实验的结构精密测量需求，采用本发明所提出的的一种水上水下一体化分布式高速视频测量系统的实现方法对多层框架结构振动台的形变测量分析，实现对刚体、柔性体结构对象瞬时三维点位坐标、位移、速度、加速度等形变参数的高精度量测，具体包括以下方面：

1)实验背景与模型

框架结构是由许多根梁和柱通过钢筋相连接以承受房屋全部荷重的结构。近年来，多层框架结构已经成为较为常规的房屋结构，这是因为大型的民用建筑和工业厂房不可能单靠砖墙来满足荷重要求。本实验的框架模型为双筒5层钢筋混凝土核心筒结构，模型缩尺比例为1/5。如图4和图5所示，模型的平面尺寸为2420mm×1620mm，立面高度为4500mm(不含基础底座300mm)，且五层框架的层高均为900mm。

2)视频测量网络布设

在分布式高速视频测量网络布设中，六个高速相机环绕整个框架来拍摄其振动过程，其中每两台高速相机形成一对立体观测。本次实验使用的是由德国Optronis生产的CL600X2型相机，其采集影像的尺寸为1280×1024像素，采集帧频为200fps。为了扩大测量视场，每台高速相机都配备了20mm定焦镜头以增加视场角，并且被安装在三脚架上以保持稳定不动的状态。在目标结构物上，直径为50mm的圆形人工目标被均匀地粘贴在结构模型的关键测点上。每层选取了一个目标跟踪点以测量其动态变化。此外，在控制网络中，控制点被均匀地粘贴在模型周边的稳定脚手架上。这些稳定控制点的三维空间坐将由NET05AX全站仪提供，该全站仪能够提供优于0.5mm的点位测量精度。

3)技术方案

如图1所示，本发明提出的一种水上水下一体化分布式高速视频测量框架包括水上水下一体化分布式高速视频传感器组网方法与水上水下一体化分布式高速序列影像目标识别与三维重建方法两部分。

如图2和图3所示，分布式高速视频传感器组网方法是指目标结构周围的光学测量硬件搭建方法，其主要目的是为了获取目标结构的高质量影像序列。面向大型结构的形变监测需求，本文提出了多节点数据存储传输的分布式传感器组网方法，实现了多相机高速影像序列实时存储和管理。

如图2所示，在分布式传感器组网方案中，设立了三层节点控制：

1)高速相机为一层节点，以不同的拍摄视角采集目标对象的高速序列影像；

2)工控机为二层节点，实时存储多台高速相机采集到的高速序列影像；

3)主控机为三层节点，显示和管理各工控机的高速序列影像。

以上三层节点分别完成影像捕捉、影像存储和影像控制，实现了高速序列影像的实时存储与管理。

在各层节点间，建立了数据传输网络和同步控制网络来统一管理和协调影像采集、数据存储、数据传输、数据处理等任务。

数据传输网络的构建是由交换机通过数据连接线与主控机和各个工控机相连，其主要功能是为了实现数据和指令的实时传输。

同步控制网络的构建是由同步控制器通过同步控制线分别连接主控机与各个工控机，其主要功能是传输同步控制信号以便各联测相机能够同步地存储高速序列影像。

水上水下一体化分布式高速序列影像目标识别与三维重建方法主要体现在传感器网络中主控机与工控机中对高速序列影像实施的一系列数据处理算法，该方法的主要目的是从高速影像序列中解析目标结构的动态形变参数，将涉及高速视频测量序列影像处理、高速视频测量空间几何解析、结构形变参数估计等内容。

在高速视频测量数据处理中，海量序列影像匹配过程最为耗时，而传统集中式后处理方法需要将各个工控机的序列影像数据拷贝出来进行集中计算，耗费了大量的时间，无法满足现场处理的需求。为了避免数据拷贝的繁琐步骤和时间消耗，本文提出了分布式计算方法以完成现场解算任务。

如图3所示，主控机和工控机都属于小型计算机，具备一定的复杂计算能力。主控机将完成通讯控制、目标识别、立体匹配、三维重建、形变分析等算法步骤，而各个工控机将完成数据采集存储与序列影像匹配任务。

在上述任务分工机制中，多个计算节点(工控机)将同步完成序列影像匹配任务，提升了高速影像处理效率。最后，主控机与工控机之间的处理指令传输与数据结果传输将通过分布式数据传输网络来执行。

分布式高速视频传感器组网方法主要包含水上水下高速成像系统设计、高速采集存储系统设计、同步控制系统设计、照明系统设计、视频测量网络布设方案等。

水上水下一体化分布式高速序列影像目标识别与三维重建方法主要体现在传感器网络中主控机与工控机中对高速序列影像实施的一系列数据处理算法，该方法的主要目的是从高速影像序列中解析目标结构的动态形变参数，将涉及高速视频测量序列影像处理、高速视频测量空间几何解析、结构形变参数估计等内容。

3)实验结果与分析

通过高速相机标定，高速相机在影像空间中的平均反投影误差约为0.05-0.1像素。为了评估本文分布式高速视频测量方法的空间点位测量精度，可将控制点分为两部分，一部分作为稳定控制点参与光束法平差计算，而另一部分作为检核点参与精度评定。如表1所示，在高速视频测量中，通过前方交会算法可重建出检核点的三维坐标，而这些检核点的三维坐标同样能够由高精度全站仪直接测量获取。将两种测量方式的结果进行对比分析，其坐标差值的均方根误差在X、Y和Z方向上分别为0.29mm、0.18mm和0.20mm。因此，通过上述的精度评估，毫米级的点位测量精度能够满足本实验的精度需求。

表1高速视频测量方法计算值与高精度全站仪测量值之间的坐标偏差

在该实验中，Y方向的地震波被输入到振动台中。图7展示出了不同层目标跟踪点在Y方向(主方向)上的位移结果，这些位移时程曲线描述了振动过程中结构的三维形态响应。如图8和图9所示，通过时序分析可以获得目标跟踪点的速度和加速度时程曲线。从结果可以看出，各层目标跟踪点的空间运动趋势几乎相同。此外，如图10所示，通过对位移数据实施进一步的频谱分析，可获得本次实验的主要振动频率约为1.42Hz。因此，基于本文提出的分布式高速视频测量方法，所获得的结构形变结果能够为后续的结构力学分析提供重要依据。

本实施例介绍了水上水下一体化分布式高速视频测量方法在多层框架结构动态监测中的应用，验证了高速视频测量方法在三维振动响应监测中的鲁棒性能。在该实施例中，六台帧频为200fps的高速相机能够同步地观测目标结构的动态变化。与高精度全站仪测量结果相比，本发明提出的高速视频测量方法能够提供亚毫米级点位定位精度。此外，通过结构形变参数估计能够获得目标跟踪点的位移、速度、加速度和振动频谱，进而详细地反映了结构振动过程中的三维动态响应。实验结果表明，水上水下一体化分布式高速视频测量方法是监测大型结构振动台实验的可靠测量方法。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。