建筑地震响应的视觉监测与虚拟现实验证
Visual Monitoring of Building Seismic Response and Validation through Virtual Reality
- 防灾减灾工程学报 2025年45卷第6期 页码：1383-1396
- 作者机构：
1.郑州大学土木工程学院，河南 郑州450001
2.大连理工大学建设工程学院，辽宁 大连 116024
- 作者简介：
李金珂（1993—），男，讲师，博士。主要从事结构健康监测。E-mail: lijinke_zzu@zzu.edu.cn
李胜利（1979—），男，教授，博导，博士。主要从事结构声发射监测。E-mail: lsl@zzu.edu.cn
- 基金信息：河南省自然科学基金青年科学基金项目(252300420408);河南省科技攻关项目(242102240032)
DOI：10.13409/j.cnki.jdpme.20250430095
中图分类号： TU443收稿：2025-04-30，
修回：2025-10-28，
纸质出版：2025-12-28
- 稿件说明：
移动端阅览
李金珂,李慷,李胜利等.建筑地震响应的视觉监测与虚拟现实验证[J].防灾减灾工程学报,2025,45(06):1383-1396.
LI Jinke,LI Kang,LI Shengli,et al.Visual Monitoring of Building Seismic Response and Validation through Virtual Reality[J].Journal of Disaster Prevention and Mitigation Engineering,2025,45(06):1383-1396.
李金珂,李慷,李胜利等.建筑地震响应的视觉监测与虚拟现实验证[J].防灾减灾工程学报,2025,45(06):1383-1396. DOI： 10.13409/j.cnki.jdpme.20250430095.
LI Jinke,LI Kang,LI Shengli,et al.Visual Monitoring of Building Seismic Response and Validation through Virtual Reality[J].Journal of Disaster Prevention and Mitigation Engineering,2025,45(06):1383-1396. DOI： 10.13409/j.cnki.jdpme.20250430095.
摘要
为解决地震期间缺乏建筑结构振动实测数据的问题，本文提出一种基于虚拟现实与计算机视觉的建筑地震响应可视化监测与验证方法。首先，利用虚幻引擎构建室内建筑模型，并通过蓝图系统导入OpenSees计算的地震响应时程，实现结构构件的非线性协调变形，从而获得逼真的地震作用场景。其次，采用深度学习模型实现对墙、梁、楼板等构件的实例分割，并提取边缘线段特征。再基于摄影测量原理建立图像边缘点的空间几何关系，计算构件的三维位移与层间位移角时程。考虑实际监控摄像头的微小振动，进一步分析了平动、光轴位移与转角扰动对层间位移角识别结果的影响规律。结果表明，本文方法识别的层间位移角与虚幻引擎的输入高度一致，最大百分误差仅为0.28%；摄像头平移抖动在层间差分中可完全抵消，光轴微动和转角扰动引起的误差影响较小。研究表明，本文方法能够在虚拟环境中以低成本实现视觉监测算法的验证，并为实际建筑地震响应的视觉识别提供可行技术路径。
Abstract
To address the lack of measured structural vibration data during earthquakes
this study proposed a visual monitoring and verification method for building seismic responses based on virtual reality and computer vision. First
an indoor building model was constructed using Unreal Engine
and the seismic response time histories calculated by OpenSees were imported through the blueprint system to achieve nonlinear and coordinated deformation of structural components
thereby creating realistic seismic scenarios. Second
a deep learning model was employed to perform instance segmentation of walls
beams
slabs
and other components
followed by the extraction of edge line features. Then
the spatial geometric relationships of image edge points were established based on photogrammetric principles
and the three-dimensional displacements and inter-story drift angle time histories of the components were calculated. Considering the minor vibrations of actual surveillance cameras
the effects of translational motion
optical-axis displacement
and angular perturbation on the identified inter-story drift angle were further analyzed. The results showed that the inter-story drift angles identified by the proposed method were highly consistent with the inputs of Unreal Engine
with a maximum percentage error of only 0.28%. The translational jitter of the camera could be completely canceled out through inter-story differencing
while the effects of optical-axis motion and angular perturbation remained minimal. This study demonstrates that the proposed method can achieve low-cost validation of visual monitoring algorithms in a virtual environment and provide a feasible technical pathway for visual identification of seismic responses in real buildings.
关键词
Keywords
references
Lemnitzer A ， Massone L M ， Skolnik D A ， et al . Aftershock response of RC buildings in Santiago， Chile， succeeding the magnitude 8.8 Maule earthquake ［J］. Engineering Structures ， 2014 ， 76 ： 324 - 338 .
Li H H ， Dong S Y ， El-Tawil S ， et al . Relative displacement sensing techniques for postevent structural damage assessment： review ［J］. Journal of Structural Engineering ， 2013 ， 139 （ 9 ）： 1421 - 1434 .
Skolnik D A ， Wallace J W . Critical assessment of interstory drift measurements ［J］. Journal of Structural Engineering ， 2010 ， 136 （ 12 ）： 1574 - 1584 .
Xiang P ， Nishitani A ， Marutani S ， et al . Identification of yield drift deformations and evaluation of the degree of damage through the direct sensing of drift displacements ［J］. Earthquake Engineering & Structural Dynamics ， 2016 ， 45 （ 13 ）： 2085 - 2102 .
McCallen D ， Petrone F ， Coates J ， et al . A laser-based optical sensor for broad-band measurements of building earthquake drift ［J］. Earthquake Spectra ， 2017 ， 33 （ 4 ）： 1573 - 1598 .
Li J K ， Xie B T ， Zhao X F . Measuring the interstory drift of buildings by a smartphone using a feature point matching algorithm ［J］. Structural Control and Health Monitoring ， 2020 ， 27 （ 4 ）： e2492 .
Hou S ， Zeng C S ， Zhang H B ， et al . Monitoring interstory drift in buildings under seismic loading using MEMS inclinometers ［J］. Construction and Building Materials ， 2018 ， 185 ： 453 - 467 .
Bay H ， Ess A ， Tuytelaars T ， et al . Speeded-up robust features （SURF） ［J］. Computer Vision and Image Understanding ， 2008 ， 110 （ 3 ）： 346 - 359 .
Dong C Z ， Celik O ， Catbas F N ， et al . Structural displacement monitoring using deep learning-based full field optical flow methods ［J］. Structure and Infrastructure Engineering ， 2020 ， 16 （ 1 ）： 51 - 71 .
Javed S ， Danelljan M ， Khan F S ， et al . Visual object tracking with discriminative filters and Siamese networks： A survey and outlook ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2023 ， 45 （ 5 ）： 6552 - 6574 .
Li S L ， Cao Z H ， Li J K ， et al . Complex background removal method for video of an inclined cable based on UAV detection of structural vibration frequencies ［J］. Structural Control and Health Monitoring ， 2024 ， 2024 （ 1 ）： 1630928 .
Zhao J ， Li H ， Xu Y . Nodes2STRNet for structural dense displacement recognition by deformable mesh model and motion representation ［J］. International Journal of Mechanical System Dynamics ， 2023 ， 3 （ 3 ）： 229 - 250 .
朱前坤 ， 崔德鹏 ， 刘艺 ， 等 . 基于计算机视觉的复杂背景人行桥振动识别 ［J］. 土木工程学报 ， 2023 ， 56 （ 6 ）： 75 - 86 .
Zhu Q K ， Cui D P ， Liu Y ， et al . Computer vision-based vibration recognition of pedestrian bridges with complex backgrounds ［J］. China Civil Engineering Journal ， 2023 ， 56 （ 6 ）： 75 - 86 . （in Chinese）
杨娜 ， 汪德佳 ， 李天昊 ， 等 . 基于计算机视觉方法的古建筑变形监测 ［J］. 建筑结构学报 ， 2023 ， 44 （ 1 ）： 192 - 202 .
Yang N ， Wang D J ， Li T H ， et al . Deformation monitoring of ancient buildings based on computer vision method ［J］. Journal of Building Structures ， 2023 ， 44 （ 1 ）： 192 - 202 . （in Chinese）
Xu Y ， Brownjohn J M W ， Huseynov F . Accurate deformation monitoring on bridge structures using a cost-effective sensing system combined with a camera and accelerometers： Case study ［J］. Journal of Bridge Engineering ， 2019 ， 24 ： 05018014 .
Ma Z ， Choi J ， Sohn H . Noncontact cable tension force estimation using an integrated vision and inertial measurement system ［J］. Measurement ， 2022 ， 199 ： 111532 .
Chen J G ， Davis A ， Wadhwa N ， et al . Video camera-based vibration measurement for civil infrastructure applications ［J］. Journal of Infrastructure Systems ， 2017 ， 23 （ 3 ）： B4016013 .
Wang X ， Lo E ， De Vivo L ， et al . Monitoring the earthquake response of full-scale structures using UAV vision-based techniques ［J］. Structural Control and Health Monitoring ， 2022 ， 29 （ 1 ）： e2862 .
Harvey Jr P S ， Elisha G . Vision-based vibration monitoring using existing cameras installed within a building ［J］. Structural Control and Health Monitoring ， 2018 ， 25 （ 11 ）： e2235 .
Cai E J ， Zhang Y ， Lu X Z ， et al . Estimating structural motions in extreme environmental conditions： A dynamic correlation filter based computer vision approach ［J］. Mechanical Systems and Signal Processing ， 2024 ， 215 ： 111398 .
Zhou J ， Huo L ， Huang C ， et al . Feasibility study of earthquake：induced damage assessment for structures by utilizing images from surveillance cameras ［J］. Structural Control and Health Monitoring ， 2024 ， 2024 （ 1 ）： 4993972 .
Hwang S H ， Lignos D G . Assessment of structural damage detection methods for steel structures using full-scale experimental data and nonlinear analysis ［J］. Bulletin of Earthquake Engineering ， 2018 ， 16 （ 7 ）： 2971 - 2999 .
Narwan I P O ， Widayani W ， Astuti I A ， et al . Rancang bangun interior architectural visualization menggunakan unreal engine 4 ［J］. Sistemasi ， 2021 ， 10 （ 3 ）： 741 .
Kuncoro T ， Ichwanto M A ， Muhammad D F . VR-based learning media of earthquake-resistant construction for civil engineering students ［J］. Sustainability ， 2023 ， 15 （ 5 ）： 4282 .
Diao P H ， Shih N J . Trends and research issues of augmented reality studies in architectural and civil engineering education： A review of academic journal publications ［J］. Applied Sciences ， 2019 ， 9 （ 9 ）： 1840 .
Potseluyko L ， Pour Rahimian F ， Dawood N ， et al . Game-like interactive environment using BIM-based virtual reality for the timber frame self-build housing sector ［J］. Automation in Construction ， 2022 ， 142 ： 104496 .
Ultralytics . Tasks： Segment Documentation ［EB/OL］. （ 2024-01-01 ）［ 2024-11-16 ］ https：∥docs.ultralytics.com/tasks/segment/ https://docs.ultralytics.com/tasks/segment/ .
Zare Hosseinzadeh A ， Tehrani M H ， Harvey P S . Modal identification of building structures using vision-based measurements from multiple interior surveillance cameras ［J］. Engineering Structures ， 2021 ， 228 ： 111517 .
Wang N N ， Zhao X F ， Zhao P ， et al . Automatic damage detection of historic masonry buildings based on mobile deep learning ［J］. Automation in Construction ， 2019 ， 103 ： 53 - 66 .
Li S ， Zhao X ， Zhou G . Automatic pixel-level multiple damage detection of concrete structure using fully convolutional network ［J］. Computer-Aided Civil and Infrastructure Engineering ， 2019 ， 34 （ 7 ）： 616 - 634 .
Grompone von Gioi R ， Jakubowicz J ， Morel J M ， et al . LSD： A line segment detector ［J］. Image Processing on Line ， 2012 ， 2 ： 35 - 55 .
0
浏览量
0
下载量
0
CSCD
- 网络PDF下载
- WORD下载
- Meta-XML下载
- BibTeX下载
- Endnote下载
- RefMan 下载
- NoteExpress下载
- NoteFirst下载
关联资源
相关文章
相关作者
相关机构
- 技术支持由北京北大方正电子有限公司提供 苏ICP备05012539号-11
苏公网安备32010202012147号 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
