[发明专利]一种桥梁车辆时空荷载监控方法有效
申请号: | 202011315926.1 | 申请日: | 2020-11-22 |
公开(公告)号: | CN112444311B | 公开(公告)日: | 2021-11-09 |
发明(设计)人: | 潘玥;陈艾荣;王达磊;董一庆;马云龙;顾振雄;吉煜鹏;庄骁磊 | 申请(专利权)人: | 同济大学 |
主分类号: | G01G19/03 | 分类号: | G01G19/03;G01G23/00;H04N7/18;G06F16/51;G06F16/58;G06F16/583;G06K9/00;G06K9/32;G06K9/62;G06T7/277 |
代理公司: | 上海科盛知识产权代理有限公司 31225 | 代理人: | 赵继明 |
地址: | 200092 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 桥梁 车辆 时空 荷载 监控 方法 | ||
1.一种桥梁车辆时空荷载监控方法,其特征在于,包括以下步骤:
在桥梁上安装动态称重系统和视觉系统,并同步两者的时间戳,所述动态称重系统用于检测车辆荷载,所述视觉系统用于检测桥梁中的车辆;
根据所述视觉系统构建桥面车辆全景图;
采用预先构建和训练好的车辆检测模型,实时识别所述视觉系统获取的第n帧桥面车辆全景图中车辆的位置,得到车辆的检测框;
通过预设的改进卡尔曼滤波模型,实时根据第n帧桥面车辆全景图之前的图像帧,预测第n帧桥面车辆全景图中对应车辆的预测框,并将该预测框与对应车辆的检测框匹配,获取或更新车辆轨迹信息;
根据所述动态称重系统获取车辆荷载信息,将该车辆荷载信息与所述车辆轨迹信息进行同时刻同车道匹配,实现车辆时空荷载的监控;
所述改进卡尔曼滤波模型包括改进的状态预测模块和跟踪器校验模块,所述改进卡尔曼滤波模型对检测到的每个车辆均设置有一一对应的跟踪器,所有所述跟踪器构成跟踪器组群,所述改进卡尔曼滤波模型初始化后将预设的丢失帧数置零;
所述改进卡尔曼滤波模型的数据处理过程包括以下步骤:
S1:通过所述改进的状态预测模块,根据第n帧桥面车辆全景图之前的图像帧,预测第n帧桥面车辆全景图中对应车辆的预测框;
S2:计算第n帧桥面车辆全景图中所述检测框与对应车辆的预测框的重叠度,若该重叠度大于预设的重叠阈值,则根据该预测框与检测框,生成初步匹配的检测-跟踪对,并执行步骤S3,否则将该预测框与检测框标记为未匹配检测,并执行步骤S5;
S3:采用所述跟踪器校验模块校验所述初步匹配的检测-跟踪对,若满足预设的校验条件,则将丢失帧数置零,并更新该车辆的跟踪器,若否,则将该预测框与检测框标记为未匹配跟踪器,并执行步骤S6:
S5:判断所述检测框是否位于所述桥面车辆全景图的两端,若是,则对该车辆生成新的跟踪器,并添加进所述跟踪器组群,若否,则删除该预测框与检测框构成的检测结果;
S6:判断所述预测框是否超出桥面车辆全景图的边界,若是,则根据该跟踪器,生成该车辆的时空轨迹数据,并删除该跟踪器;否则判断所述丢失帧数是否大于预设的丢失阈值,若是,则根据该跟踪器,生成该车辆的时空轨迹数据,并删除该跟踪器;否则将该车辆对应的丢失帧数加1,并继续进行数据处理。
2.根据权利要求1所述的一种桥梁车辆时空荷载监控方法,其特征在于,所述改进的状态预测模块的数据处理过程包括以下步骤:
邻速平均步骤:通过某一车辆最近的预设的第一次数的检测位置,若实际检测小于21次,则取所有实际检测位置,对相邻检测位置计算位移差和帧数差,计算得到多个速度,进行算术平均,得到平均速度;
长度拉伸步骤:根据车辆距离最近桥塔的距离,乘拉伸系数,得到长度拉伸后的预测长度;
预测框获取步骤:根据所述平均速度以及该车辆当前位置的形心,计算该车辆预测框的形心,将所述预测长度作为该车辆预测框的长度,将该车辆的宽度作为该车辆预测框的宽度。
3.根据权利要求2所述的一种桥梁车辆时空荷载监控方法,其特征在于,所述改进的状态预测模块的数据处理过程还包括对获取的预测框进行微调,具体包括以下步骤:
碰撞分离步骤:若相邻帧数的两预测框在车长方向有重叠,重叠长度为Eov,则根据该重叠长度,将两预测框向远离方向分别位移;
扩大搜索:若所述丢失帧数处于预设的丢失搜索范围,则分别扩大该预测框的预测长度和宽度。
4.根据权利要求1所述的一种桥梁车辆时空荷载监控方法,其特征在于,所述跟踪器校验模块的数据处理过程包括以下步骤:
形状校验步骤:记检测框的长和宽分别为Ldet、Wdet,预测框的长和宽分别为Lpred、Wpred,则须满足:
0.75×Lpred≤Ldet≤1.25×Lpred
0.75×Wpred≤Wdet≤1.25×Wpred。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于同济大学,未经同济大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011315926.1/1.html,转载请声明来源钻瓜专利网。