基于计算机视觉和深度学习的隔震支座动态位移测量方法

摘要：

针对地震时隔震支座的视觉测量特点,即地震时相机与隔震支座均会发生运动,且不便追踪相机位姿,提出一种无需额外跟踪相机运动的隔震支座动态位移测量方法.首先,沿结构水平两个正交方向,分别设置相机和标靶,且相机光轴与标靶平面相互垂直,用比例因子法对各方向各时刻的相机进行标定;其次,采用深度学习方法,训练一个YOLOv5模型以自动识别和定位标靶,再对YOLOv5的目标框放大并对目标框内的图像进行特征识别和提取,二次精确定位标靶;最后,使用支座上、下连接板处标靶的相对位移,确定隔震支座的动态位移.通过拍摄一个LRB500隔震支座力学性能试验过程,对提出的方法进行验证.结果表明:该方法得到的支座水平位移时程曲线与位移计结果在各时刻的误差均小于1.0％,水平向位移峰值的绝对误差最大为1.042 mm,竖向位移峰值的绝对误差最大为0.219 mm,说明提出的方法具有较高的检测精度,可以在无需追踪相机位姿的情况下,完成隔震支座在地震作用下的变形检测.

关键词：深度学习、计算机视觉、隔震支座、动态位移、YOLOv5

所属期刊栏目：42

分类号：TU352.1(建筑结构)

资助基金：国家自然科学基金;国家自然科学基金;甘肃省重点研发计划

在线出版日期：2023-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：90-97,165