桥梁振动测量是桥梁结构健康监测（SHM）的关键部分。本文将无人机与数字图像相关法（DIC）结合起来进行桥梁振动测量。振动测量所得到的动力响应可用于识别结构的模态参数,包括固有频率和模态振型等,这些参数是判断结构损伤的基本物理量。桥梁振动测量方法由传统的接触式传感器方法向更高级别的非接触视觉方法发展,但上述方法在进行测量时,传感器和固定相机的布置会受到周围环境的影响,具有一定的局限性。因此,本文提出了使用无人机代替传感器和固定相机进行桥梁的检测,可以大大提高检测的效率。无人机在悬停拍摄过程中,受到风力以及自身振动影响,所测出的位移曲线既包含桥梁振动引起的位移,又包含无人机运动引起的虚假位移。因此需要通过校正技术将虚假位移消去才能得到桥梁的真实位移。本文研究了三种校正方法包括:单应性变换法、三维重构法以及神经网络法。其中单应性变换法仅限于固定参考点与桥梁目标点位于同一平面的情况下。由于实际测量中很难保证固定参考物足够靠近待测桥梁,故此方法的应用范围较小。而三维重构法可以将应用范围扩展到固定参考点与桥梁目标点位于不同平面的情况。利用张正友标定法,结合固定参考物上的四个角点,可以计算出无人机的内外参数。此时,可得到无人机在每一帧照片上的投影矩阵。通过相机投影模型,可将图像上的桥梁目标点二维的像素坐标恢复成三维的世界坐标,得到桥梁真实的位移。但上述两种方法都需要人工布置一个固定物体作为参考物,在实际桥梁测量中,往往难以寻找或者布置这些固定参考物。通过研究发现,使用神经网络（BP神经网络或卷积神经网络）来学习训练背景上的固定参考点与桥梁目标点之间的关系,可以将由无人机运动导致的目标点虚假位移预测出来。将DIC法测量到的目标点原始位移直接减去目标点虚假位移即可得到桥梁的真实位移。此方法可以直接选取背景上的任意不动点作为参考点,不需要人工布置的固定参考物,极大地提高了桥梁检测的实用性和便捷性。为了验证上述方法的有效性,本文分别设置了多种工况对三种方法进行实验验证。从无人机拍摄的桥梁模型振动视频中,剪辑成一系列连续的图像帧形式,利用DIC法追踪目标点和参考点的位移,分别用三种方法对位移数据进行处理。同时用固定相机进行测量,其结果作为参考值。最后通过将校正后的位移响应导入动态信号分析软件（JMTEST）,利用运行模态分析方法识别桥梁模型的固有频率。