Experimental Validation of Non-Marker Simple Image Displacement Measurements for Railway Bridges

Simple bridge displacement measurement using a video camera is effective in realizing the efficient management of numerous railway structures via condition-based maintenance. Although non-marker image measurement is significantly influenced by the measuring environment, its practical applicability considering the displacement measurement accuracy of non-marker images and the influence of various environments is not completely understood. In this study, the accuracy of non-marker image displacement measurement and the influence of illuminance are confirmed using a model bridge, and the accuracy and applicable range are discussed. Moreover, field tests on two bridges—a steel and a concrete bridge—on low-speed and high-speed railways confirm the accuracy and practical application of non-marker image measurement in a real environment. The displacement was observed to be measured with an accuracy of ~1/30 pixel (error of ~0.4 mm at 20 m position) in the daytime with sufficient brightness. Moreover, the settings for subset positions and post-processing methods to ensure accuracy in non-marker image measurement on concrete bridges with low surface contrast are discussed.

Cost-Effective and Ultraportable Smartphone-Based Vision System for Structural Deflection Monitoring

This work demonstrates the viability of using a smartphone-based vision system to monitor the deflection of engineering structures subjected to external loadings. The video images of a test structure recorded by a smartphone camera are processed using the state-of-the-art subset-based digital image correlation (DIC) algorithm to extract the vertical image displacement of discrete calculation points defined on the test object. The measured vertical image displacement can be converted to deflection (vertical displacement) by easy-to-implement scaling factor determination approaches. For accuracy validation, laboratory experiments using a cantilever beam subjected to external loadings were performed. The deflection and inherent frequency of the test cantilever beam measured by the proposed smartphone-based vision system were compared with those measured by conventional dial gauges and a dynamic strain gauge. The relative errors were estimated as 1% and 0.15% for deflection and inherent frequency, respectively. Outdoor real bridge deflection monitoring tests were also carried out on an overpass with subway passing by, and the measured deflection-time curves agree well with actual situations. The cost-effective, ultraportable, and easy-to-use smartphone-based vision system not only greatly decreases the hardware investment and complexity in deflection measurement system construction, but also increases the convenience and efficiency of deflection monitoring of engineering structures.

Comparison of Implementation of Computation of Video Image Displacement Vectors in Built-in Systems

В работе рассмотрены алгоритмы вычисления векторов смещения видеоизображений, которые находят применение в смартфонах, цифровых фотокамерах, различных специализированных изделиях для стабилизации изображений, контроля дорожного движения, при аэрофотосъемках, при сопровождении объектов и в других приложениях. Для сравнительной оценки эффективности использования вычислительных ресурсов при реализации алгоритмов вычисления векторов смещения были выбраны: алгоритм на основе метода Лукаса – Кэнейда и алгоритм, основанный на согласованной фильтрации изображения. Определялось глобальное смещение изображения с использованием аппаратной платформы - системы на кристалле Xilinx семейства Ultrascale+. Матричные вычисления алгоритма Лукаса – Кэнейда были реализованы 4 одинаковыми аппаратными блоками, что позволило вычислять смещения между кадрами одновременно для 4 точек. В этом случае время вычисления оптического потока составило в среднем 7,5 мс. В реализации алгоритма согласованной фильтрации изображения на базе ДДПФ также использовалось 4 аппаратных блока, позволяющих распараллелить вычисления. В результате время работы алгоритма составило 2,9 мс, при этом процессорное время, необходимое для работы алгоритма, составило 0,2 мс. В процессе реализации определены слабые места алгоритмов, необходимое количество аппаратных ресурсов системы на кристалле. Показано, что при наличии достаточных аппаратных ресурсов определение смещения соседних кадров видеоряда гораздо эффективнее реализуется на базе согласованной фильтрации, чем алгоритмом Лукаса – Кэнейда.