高铁无站台柱雨棚作为一种大跨度屋盖结构构筑物，被广泛应用于各地的高铁客站。高铁站台雨棚的遮挡面积较大，其纵向长度通常在400～500 m，如图1所示，在高铁列车高速通过时，由于列车气动力作用和轮轨激励振动传递等原因，雨棚会发生受迫振动[1,2,3,4,5,6,7]。中小型客站由于正线高速通过列车较多，使得雨棚处于频繁振动状态，对雨棚的结构安全性和疲劳耐久性是个重大考验，因此无站台柱雨棚的结构健康监测对确保高铁安全运行具有重要意义。

近些年，国内学者针对高铁站台雨棚的健康监测问题开展了一系列探索性研究。孟宪全[8]对北京西站无站台柱雨棚的特点进行分析，使用钢弦传感器、钢弦应变计、全站仪等对雨棚的主体结构敏感部位的应力和结构总体变形进行监测。刘志勇[9]基于全站仪搭建了监测系统，实现了对北京站无站台柱雨棚的结构应力和位移的监测。总体来看，现有研究主要通过布设传感器获取应力、变形、振动加速度等信号，从而实现对雨棚结构进行现场健康监测。但由于高铁无站台柱雨棚具有面积大、数量多等特点，这将极大增加布设传感器的工作量和难度，导致布设传感器的方法难以在工程中得到推广使用。基于视频图像技术的振动测量方法作为一种新兴测量手段，具有非接触、测量距离远等优点[10,11,12,13,14,15,16,17]，避免了接触式传感器繁琐的布设工作[18]，已在机械装备[19]、简支梁模型[20]的振动测量中进行了使用。

针对目前高铁站台雨棚健康检测中传感器布设所面临的难题，文中提出一种使用视觉测振技术实现高铁站台雨棚振动测量的方法，实现了雨棚健康监测所需振动信号的获取。文中搭建了完整的测量系统，并通过试验验证了所提方法的有效性和准确性。

文中所用的视觉测振技术采用了基于相位变化的测振（phase-based motion estimation,PME）算法原理，简称PME。Fleet等[21]首次提出PME方法的思路：即使用Gabor滤波器对图像序列进行卷积操作：

式中：I(x,y,t）代表图像亮度；Gabor(x,y,t，θ）是θ方向的Garbor滤波器；Aθ是响应的信息；ϕθ是响应的相位。Fleet等[21]已经证明，上述相位信息与图像的运动场紧密相关，且可以通过式（2）求得画面中的运动场：

通过式（2）可以得到每一位置的速度信号，在时间上积分后可得位移信号，最后再进行快速傅里叶变换（FFT）计算出频域信号，由此得到结构的振动信息。

文中所搭建的视觉测振系统的硬件由图像采集装置、固定装置和计算机组成。图像采集装置包括工业相机（Basler公司的ac A1440-220 um相机，分辨率为1 440 pixel×1 080 pixel，最高分辨率下采样频率500 fps）、镜头（12～120 mm的变焦镜头）以及固定装置（包括三脚架和云台）。文中所搭建的视觉测振系统的软件主要分为4个功能模块：用户交互模块、图像采集模块、图像处理模块和信号分析模块，各模块的具体功能如图2所示，软件操作流程如图3所示。图2中的功能模块对应了测量过程的主要操作环节。

文中基于某小型振动台开展精度验证试验，将视觉测振系统的位移测量结果与该振动台上光栅位移传感器的输出结果进行对比，以验证所搭建视觉测振系统的精度。如图4所示，该振动台采用伺服电机驱动，可实现在预设频率和振幅条件下的振动，内置的光栅位移传感器可实时测量当前的位移值，其量程为0～10 mm，示值精度为±1%。在试验过程中，将振动台设置0.2 mm振幅，1 Hz频率的振动，采集时相机帧率设置为500 fps，拍摄距离约1 m。

PME算法得到位移是以像素为单位的，为了将其转化为实际空间的距离，文中采用张正友标定方法[22]标定图像的比例系数，得到结果为0.609 mm/pixel，即1个像素对应实际空间的距离范围是0.609 mm。基于该比例系数，可以计算得到工件的振动位移曲线，其与位移传感器的得到的振动曲线对比结果如图5所示。

从图5可以看出，在整个测量时间范围内，以位移传感器测量结果（Ssensor）为基准，视觉测振系统测量结果（Svision）的最大误差（max|Svision,i-Ssensor,i|）为0.013 mm、平均误差为0.002 9 mm、误差标准偏差为0.004 2 mm，可以看出文中所搭建的视觉测振系统具有较高的测量精度。

使用文中所搭建的视觉测振系统对某高铁站台雨棚结构在实际工况下的振动进行测量，测量对象主要有屋面板和封边板。测量系统架设在站台安全区域内，拍摄屋面板和封边板在列车经过时的视频，拍摄距离12 m以上。在实际测量时，通过人为观察列车来向，待列车即将进站时开始采集，列车完全过站并持续一定时间以后停止采集。

屋面板振动的测量流程包括：待测目标锁定、画面调节、水平仪测量相机仰角、尺寸标定及振动提取计算5个环节。这里需要说明的是，前述张正友标定法获取的图像比例系数仅对标定板所在相平面有效，当被测对象距离相机较远时，往往难以把标定板和被测对象放在同一个相平面内，此时并不适合使用张正友标定法获取图像比例系数；因此在对高铁站台雨棚振动进行现场测量时，文中通过图像内的已知长度的标记物来近似计算比例系数[16]。图6为屋面板的测量示意图，已知屋面板的横向宽度为w(mm），相机画面所占像素w'(pixels），可以得到图像比例系数为k=w/w'。假设直接提取的振动结果为Δx'(pixels），则其对应的实际振动为Δx'⋅k(mm）。屋面板的真实振动近似垂直于地面，而相机拍摄方向则与地面呈一定夹角（相机仰角α），如图6所示。基于投影变换，可以得到屋面板在垂直于地面方向上的真实振动位移，即Δx=(Δx'⋅w)/(w'⋅cosα)。

封边板振动的测量流程与屋面板类似，如图7所示，但由于封边板的已知尺寸为竖直方向尺寸，因此在标定环节的计算中与上述过程存在差异，且不需要测量相机仰角。

已知封边板实际高度为l(mm），相机画面中所占像素为l'(pixel），可以得到图像比例系数为k=l cosα/l'。假设直接提取的振动结果为Δx'(pixels），则其对应的实际振动为Δx'⋅k(mm）。同样地，相机拍摄所得振动为封边板真实振动的投影，因此封边板的真实振动为Δx=Δx'⋅k/cosα=Δx'⋅l/l'。对比屋面板与封边板的振动计算公式可以发现，对于封边板的振动测量，标定过程中相机仰角产生的影响与投影变换中结构平面与成像平面形成夹角产生的影响相互抵消，因此避免了仰角测量环节，这也减小了测量过程中产生的误差。

使用文中所搭建的视觉测振系统对拍摄到的视频进行处理，分别分析同车型同过站方向的8节列车，16节列车，重联16节列车过站时的雨棚振动视频，得到屋面板近轨侧外檐的振动响应曲线及频谱，如图8所示。

从图8中的时域波形可看出，雨棚屋面板近轨侧外檐的振幅在±8 mm以内，响应频率为2.2～2.5 Hz，振动波形曲线清晰反映了雨棚屋面板近轨侧外檐在列车车头到达、车尾到达时刻受到风压冲击的响应：在列车到达前，雨棚结构受到环境激励发生微小的振动；在车头到达时，受风载荷的影响，雨棚发生冲击响应，产生振动；车厢陆续经过时，没有冲击的风压载荷，雨棚的振动开始衰减，波形呈现振荡衰减形式；雨棚振动未完全衰减时，车尾到达，雨棚受到冲击风压载荷的影响，再次呈现冲击响应曲线；待车尾驶过后，雨棚振动逐渐衰减，并且受车尾驶离的风压力作用，可以看到波形出现了风压尾波现象。

对于重联16节列车，其由两列8编组列车组成，中间处有车头对接部位，从图8(c）域波形数据可以看出，在重联的车头到达时，由于其车头对接部位的形状使得此部位经过雨棚时对雨棚同样产生了气动力作用，产生了振动响应。

封边板的宽度为60 mm，在视频中占像素55 pixels，图像比例系数为1.091 mm/pixel。对同车型同过站方向的8节列车，16节列车，重联16节列车过站时的封边板振动视频进行处理得到振动响应曲线及频谱如图9所示。

封边板的振动时域波形曲线中的两个正峰值和两个负峰值分别是对应了车头到达和车尾到达时的振动响应，对于重联16节列车来说，在车头到达和车尾到达响应中，还存在有重联车头到达时的响应。车头到达时，封边板受到风压冲击，结构迅速发生位移，偏向一侧，到达正峰值；列车车头经过后，风压反向造成气压吸力，使得结构发生反向的位移并达到负峰值；车厢过站时，封边板结构发生响应振动；车尾到达时，风压先负后正，封边板的位移也先达到负峰值再达到正峰值，随后振动逐渐消失。时域波形也体现了16节列车车厢过站的时间约为8节列车车厢过站时间的两倍，重联16节列车车厢过站的时间包含两个8编组部分的过站时间。从频谱图可以看出，振动响应中包含了1.3～1.6 Hz,32～3 Hz两个区间的频率峰值，1.3～1.6 Hz区间的频率在车头到达、车尾到达、重联车头到达时存在，32～34 Hz区间的频率则在整个列车过站期间都存在。

文中采用基于相位的测振算法原理，搭建了视觉测振系统，并基于某小型振动台开展了精度验证试验，结果表明，所搭建视觉测振系统与以某光栅接触式位移传感器为基准，所搭建视觉测振系统的最大误差为0.013 mm、平均误差为0.002 9 mm、误差标准偏差为0.004 2 mm。然后以高铁无站台柱雨棚为对象，提出了屋面板和封边板振动的具体测量方案，并开展了实际测量效果的试验验证工作。通过测量8节、16节、重联16节类型列车过站时屋面板近轨侧外檐和封边板的振动响应，获得了列车运行对雨棚振动的影响规律，实现了对雨棚结构振动的高效、非接触式的测量，可以为无站台柱雨棚的结构健康监测提供有效的数据。