通过将计算机视觉技术与惯性测量技术相结合，实现对长跨度桥梁的实时变形监测

《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》：Real-time deformation monitoring of long-span bridges by coupling computer vision with inertial measurement

　　摘要
对长跨度桥梁的变形监测对于评估其结构健康状况和安全性能至关重要。传统方法既费时又效率低下。基于图像的方法虽然能够提供精确的变形数据，但其精度会随观测距离的增加而降低，因此无法满足长跨度桥梁的监测需求。为了解决这些问题，本研究提出了一种实时变形监测方法，该方法将摄像头与惯性传感器相结合（RTDCI）。摄像头利用计算机视觉技术捕捉目标的相对变形，通过串联多个摄像头来扩展测量范围。惯性传感器则用于补偿摄像头运动带来的误差以及结构本身的变形。研究人员开发了多摄像头变形测量模型，以同时处理图像和惯性数据。实验结果表明，在实验室环境中，RTDCI在30赫兹的频率和每秒34帧的帧率下，能够实现0.32毫米的测量精度。与静水准平和地面干涉雷达相比，实地实验也显示出毫米级的测量精度。这种技术为长跨度基础设施提供了一种替代性的变形监测方案，并可应用于复杂的施工环境。

引言
长跨度桥梁在提高交通运输效率和促进区域经济发展中起着关键作用。由于温度变化、移动荷载等多种因素的影响，桥梁结构会发生变形（Moghadam等人，2023年；Qiao等人，2025年）。这种变形主要表现为垂直位移，是评估长跨度桥梁结构健康状况的重要指标。过度的变形可能导致结构损坏甚至桥梁坍塌（Sun等人，2020年；Naser和Kodur，2018年）。为了满足乘客通行顺畅性、运营安全性和舒适性的要求，监测长跨度桥梁的变形是桥梁维护和运行中的基本任务（Montenegro等人，2022年；Liu等人，2023年；Ni等人，2020年）。特别是实时变形监测对于快速评估桥梁的结构健康状况和安全性能至关重要，能够及时发现潜在的损坏风险（Song等人，2023年；Zhou等人，2021年；Mousavi等人，2025年）。此外，高精度和高频率的变形数据有助于桥梁设计师更深入地了解变形模式，并优化桥梁结构设计。

传统桥梁变形监测方法主要依赖于使用精密水准仪或全站仪进行人工检测。但这些方法耗时、劳动强度大，且有时存在安全隐患。随着传感技术和计算技术的进步，已经开发出了自动化的变形监测方法（He等人，2022年；Vagnoli等人，2018年），包括静水准平和全球导航卫星系统（GNSS）（An等人，2025年）。静水准平系统的监测频率通常较低，例如低于10赫兹；尽管高频率的GNSS可以实现对50赫兹的监测（Zheng等人，2025年），但其精度会因复杂环境下的多路径效应而降低。这些方法无法满足高精度和高频率的桥梁变形监测需求。基于图像的测量方法应运而生，能够提供高精度和高频率的变形数据（Wang等人，2024年；Paneru和Jeelani，2021年）。这些方法利用摄像头监测桥梁上的自然或人造目标，并通过计算机视觉技术提取特征来计算变形（Kim等人，2019年）。图像处理过程（如图像增强和目标检测）是基于图像的测量的基础。基于图像的方法可分为两类：遥感和桥载式方法。遥感方法使用远离桥梁设置的摄像头跟踪特征，并通过时间序列图像计算变形，适用于观测距离较近的情况（Habeenzu等人，2024年；Lydon等人，2019年），但在超过100米的长跨度桥梁上难以达到更高精度。此外，室外环境因素（如降雨或降雪）会严重影响可见度，降低测量可靠性。桥载式测量方法通常应用于中小跨度桥梁，摄像头直接安装在桥梁上（Lee等人，2022年）。为了保持良好观测视野，摄像头和目标通常放置在桥面下方；但随着测量距离的增加，图像分辨率会下降，导致变形测量误差增大。对于消费级摄像头，在理想条件下，其有效测量范围通常限制在100米以内（Dong和Catbas，2021年）。因此，对于主跨度超过100米的长跨度桥梁来说，实现毫米级变形监测具有挑战性。近年来，多摄像头系统被开发出来，以在复杂环境中扩展测量能力（Del Sal等人，2021年；Eckenhoff等人，2021年）。这些方法可以在有障碍物的城市环境中监测变形。本研究通过串联多个摄像头来扩展测量范围并保持足够的精度。需要注意的是，摄像头的稳定性是基于图像的变形监测的基础；然而，当摄像头安装在主桥梁上时，它们会随桥梁变形而移动，从而引入较大的测量误差（Wen等人，2023年；Huang等人，2024年）。目前有两种主要的策略来补偿摄像头运动误差：不估计摄像头姿态的策略和估计摄像头姿态的策略。第一种方法同时观测动态和静态目标来校正误差，无需显式估计摄像头姿态（Yu等人，2022年）；第二种方法利用参考点估计摄像头姿态并据此计算误差（Yoon等人，2018年）。然而，在横跨河流和山谷的长跨度桥梁上，选择稳定且清晰可见的参考点较为困难。惯性传感器为摄像头姿态估计提供了另一种有效解决方案（Weng等人，2022年；Li，2023年），它们能够高时间分辨率地捕捉摄像头的快速运动变化，并且可以直接与摄像头集成，便于在多摄像头系统中使用。尽管惯性测量数据可能会随时间累积误差，但在变形监测应用中，由于摄像头运动通常是瞬间的且幅度较小，这一问题可以忽略不计。本研究采用惯性传感器来补偿多摄像头测量系统中的摄像头运动误差。

为了克服上述 limitations，本研究提出了一种实时变形监测方法，将测量摄像头与惯性传感器相结合（RTDCI）。通过串联多个摄像头同步捕捉高频率的测量目标图像，从而扩展有效监测范围。惯性传感器被集成到多摄像头测量系统中，通过监控摄像头姿态来补偿短期运动误差，提高测量精度。同时，建立了变形测量模型，通过结合计算机视觉和惯性测量数据来实现桥梁变形的实时计算。实验结果表明，RTDCI方法在实验室和实际应用中均表现出良好的性能。

本文的主要内容如下：
- 提出了一种多摄像头串联测量方法，用于扩展长跨度桥梁的有效和高精度测量范围。
- 将惯性传感器集成到多摄像头测量系统中，以补偿短期运动误差并实现高精度变形监测。
- 建立了针对长跨度桥梁的变形测量模型，能够实时处理原始图像和惯性数据。
- 实验结果验证了所提出的RTDCI方法的可靠性。

文章的其余部分结构如下：第2节回顾了相关研究；第3节详细描述了所提出方法的实现细节；第4节报告了实验结果并进行了分析；第5节总结了本研究并提出了未来研究的方向。

文献综述
本节回顾了关于非基于视觉和基于视觉的桥梁变形监测方法的相关研究。

方法论
本研究提出了一种实时变形监测方法（RTDCI），通过将测量摄像头与惯性传感器相结合来实现长跨度桥梁的变形监测，如图1所示。该方法包括三个主要步骤：（1）亚像素目标识别；（2）多摄像头变形测量模型；（3）利用惯性测量数据补偿摄像头运动误差。首先，将多个测量摄像头和人造目标沿桥梁轴线串联布置，以扩展测量范围。

实验与结果分析
实验室实验用于评估RTDCI方法的绝对精度，实地实验用于验证其在实际应用中的性能。测量系统的核心组件包括多个低成本摄像头和人造目标。其中一台摄像头内置了加速度计，可每50赫兹测量俯仰角变化。

结论
长跨度桥梁在各种荷载作用下容易发生变形，因此实时变形监测对于支持人工智能驱动的桥梁维护和运行至关重要。本研究提出了一种名为RTDCI的实时变形监测方法，通过结合计算机视觉和惯性测量技术实现对长跨度桥梁的变形监测。多个测量摄像头串联连接，通过捕捉人造目标来扩展有效观测范围。惯性传感器的集成进一步提高了监测精度。

作者贡献声明
Chen Ruizhe：撰写原始稿件、可视化处理、验证、软件开发、方法论设计、数据整理。
Tu Wei：概念构思、撰写原始稿件、审阅与编辑、软件开发、资源协调、方法论指导、资金筹措。
Li Qingquan：概念构思、撰写与审阅、监督工作、资金筹措、资源协调。
Yuan Zhibin：验证、可视化处理、数据分析、数据整理。
Chen Zhipeng：数据调查、可视化处理、数据分析。

利益冲突声明
作者声明没有已知的可能影响本文研究的财务利益或个人关系。

致谢
本研究得到了中国教育部基础学科与交叉学科突破计划（JYB2025XDXM111）、深圳市科技创新局的关键技术项目（ZDCY20250901104706008）以及广东省教育部门的创新团队（2024KCXTD013）的支持。感谢匿名审稿人对论文提出的宝贵建议和意见，同时感谢Shengao Yi在论文评审过程中的协助。