CN112161685B - 一种基于表面特征的车辆荷载测量方法 - Google Patents
一种基于表面特征的车辆荷载测量方法 Download PDFInfo
- Publication number
- CN112161685B CN112161685B CN202011044402.3A CN202011044402A CN112161685B CN 112161685 B CN112161685 B CN 112161685B CN 202011044402 A CN202011044402 A CN 202011044402A CN 112161685 B CN112161685 B CN 112161685B
- Authority
- CN
- China
- Prior art keywords
- target vehicle
- vehicle
- vertical displacement
- ellipse
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/02—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles
- G01G19/025—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles wheel-load scales
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于表面特征的车辆荷载测量方法,包括:S1、采集车辆场景图像;S2、从车辆场景图像中提取目标车辆产品型号信息及目标车辆图像;S3、对目标车辆图像进行矫正,生成目标车辆二维图像;S4、基于目标车辆二维图像中的车轮铅垂位移计算目标车辆荷载。本发明能够更好的将机器视觉技术应用于车辆荷载重量测量,不仅克服了传统方法破坏车体结构、效率低等缺点,而且克服了图像处理方法对特殊标定物的需求、拍照设备繁琐、可复现性差等缺点。
Description
技术领域
本发明涉及车辆荷载测量的技术领域,具体涉及一种基于表面特征的车辆荷载测量方法。
背景技术
近年来,随着经济的发展和科技的进步,我国现代交通运输业取得了快速的发展,与此同时,交通检查、超限治理和计重收费工作也不断深入,这使得汽车载重测量系统得到了越来越广泛的应用。汽车载重测量系统的应用旨在解决汽车超载问题,以及由此引发的道路破环、交通事故频发、运输市场恶化等现象。
随着交通信息化、智能化的快速发展,目前汽车荷载测量的方式主要有两种方式,即分离式与车载式两大类。其中,分离式的方法有:汽车衡、动态桥梁称重等,汽车衡铺设传感器获取汽车轴重信号,通过计算得出车辆重量。而汽车衡测量设备需破坏道路原有结构、安装困难。动态桥梁称重通过桥梁影响线的变化计算车辆重量,超重车辆或对桥梁结构产生破坏,增加桥梁安全隐患。车载式的方法有:图像识别、激光测距、应变传感设备等,基于图像识别的方法需对车辆钢板弹簧侧面设置标志物,同时需在车辆底部加装图像采集传感设备,其信号传输困难以及相机工作条件较为严苛。激光测距通过测量钢板弹簧形变量计算车辆荷载量,精度较高成本也较高,对安装条件有一定要求。应变传感设备通过车桥或车桥受荷载量影响而产生应变力变化进而测量车辆荷载,需要安装传感器在车辆车架、车桥等部位,在车辆连接部分有相应改动,对车辆安全性能有一定影响,且传感装置在长期车辆振动下易导致传感单元损坏。
因此,如何在车辆荷载测量过程中避免对道路交通设施或车辆的破坏,降低测量的技术难度和成本,成为了本领域技术人员急需解决的问题。
发明内容
针对上述现有技术的不足,本发明实际需要解决的问题是:如何在车辆荷载测量过程中避免对道路交通设施或车辆的破坏,降低测量的技术难度和成本。
为了解决上述技术问题,本发明采用了如下的技术方案:
一种基于表面特征的车辆荷载测量方法,包括:
S1、采集车辆场景图像;
S2、从车辆场景图像中提取目标车辆产品型号信息及目标车辆图像;
S3、对目标车辆图像进行矫正,生成目标车辆二维图像;
S4、基于目标车辆二维图像中的车轮铅垂位移计算目标车辆荷载。
优选地,步骤S3包括:
S301、对目标车辆图像中的车辋轮廓椭圆边界线进行拟合得到第一车辋椭圆M1和第二车辋椭圆M2;
S302、基于第一车辋椭圆M1和第二车辋椭圆M2确定椭圆切线L1和L2以及内公切线L3和L4;
S303、设内公切线的焦点为M,椭圆切线L1和L2与第一车辋椭圆M1以及第二车辋椭圆M2的交点分别为A、C以及A’、C’,椭圆切线L1和L2的交点为消灭点V1,消灭点V1与M的连线在第一车辋椭圆M1以及第一车辋椭圆M2的交点分别为B、D以及B’、D’;
S304、基于A、B、C及D构建半径为R的正圆的转换矩阵;
S305、基于转换矩阵对目标车辆图像进行矫正,生成目标车辆二维图像。
优选地,目标车辆产品型号信息包括目标车辆的车轴轴距及目标车辆空载车轮铅垂位移,步骤S4包括:
S401、基于目标车辆二维图像定位车轴轴心,并确定车箱下边缘直线;
S402、基于车箱下边缘直线确定目标车辆生产尺寸与像素距离之间的关系函数;
S403、基于目标车辆生产尺寸与像素距离之间的关系函数以及车轴轴距计算目标车辆二维图像中的车轮铅垂位移;
S404、基于目标车辆二维图像中的车轮铅垂位移以及目标车辆空载车轮铅垂位移计算目标车辆二维图像中的车轮铅垂位移偏移量;
S405、基于车轮铅垂位移偏移量以及车轮铅垂位移偏移量荷载量关系函数计算目标车辆荷载。
优选地,车箱下边缘直线的方程为ax+by+c=0,a、b及c均为线性方程参数,目标车辆生产尺寸与像素距离之间的关系函数如下:
式中,X为目标车辆二维图像中的车轮铅垂位移的像素值,xi和yi分别表示第i个车轴的坐标。
式中,s表示车轴轴距,P1和P2分别为目标车辆二维图像中两车轴坐标;
车轮铅垂位移偏移量按下式计算:
式中,H表示目标车辆空载车轮铅垂位移。
优选地,车轮铅垂位移偏移量荷载量关系函数如下:
f(hi)=mig
式中,mi表示第i个悬架对应的钢板弹簧的荷载,g表示重力加速度;
目标车辆荷载W按下式计算:
式中,n表示目标车辆悬架数量。
本发明与现有技术相比,具有以下优点及有益效果:
(1)本发明采用的图像测量的方法,能够通过深度学习目标检测方法提取车辆图像,卷积神经网络识别目标车辆产品型号,并通过车辆自身参数与像素值函数关系,采用车身自身表面特征性质对车辆侧面二维图像自矫正,利用车辆侧面二维矫正图像的像素距离计算车轮铅垂位移受荷载改变量,并将钢板弹簧受荷载改变其映射到表面特征物理量关系,较其他方法而言,布置极其方便,采用非接触的方式,不对车辆结构构成任何破坏,不对车身增添任何标志性识别物;同样,该方法对道路主体结构也无任何破坏性改建;采用本方法的检测设备具有较好的移动性,无需将相机固定于车身某一结构,减少了车身传感单元数据传输困难,减少了路况环境影响,对采集设备的维护极为方便。
(2)本发明拍摄车辆轮廓,只需要在车道外安装摄像机,设备架设方便,所需摄像机数量少,可根据本发明的精度要求需求更换摄像头,合理实现需求利益最大化。新架设摄像机仅需进行简单的畸变矫正,便可快速的完成车辆称重,其可移动能力、复现能力强。
附图说明
为了使发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1为本发明公开的一种基于表面特征的车辆荷载测量方法的流程图;
图2为本发明中采集车辆场景图像的示意图;
图3为车辋的透视关系特征提取示意图;
图4为目标车辆二维图像示意图;
图5为车辆悬架示意性结构图。
具体实施方式
下面结合附图对本发明作进一步的详细说明。
如图1所示,本发明公开了一种基于表面特征的车辆荷载测量方法,包括:
S1、采集车辆场景图像;
如图2所示,在具体实施时,相机1可设置在道路一侧,距车身4-14米处,其对应的真实世界坐标系oxyz,z轴为垂直道路,y轴为地心垂直反方向,x正交y、z,所建坐标系符合左手定则。摄相机光轴与平面xoy呈一定夹角,确保单摄像视频中既能保证摄像机的画面能够完整捕捉车辆图像,便于后续对车辆2型号、车牌(用于判断是否为目标车辆)、车辆侧面图像以及车轴等信息的识别,摄像机架设位置可以根据需要设置,但应使以上条件成立。
车辆场景图像为单幅高清图像,例如8k、4k分辨力,目标车辆图像为从单幅车辆场景图像中提取的单幅图像。为更好的实现本实施例,为保证有较好的图像清晰度,可采用高速摄像机拍摄车辆图像,并根据光线环境设置相应曝光度。
S2、从车辆场景图像中提取目标车辆产品型号信息及目标车辆图像;
本发明中,可采用深度学习目标检测方法与深度学习图像识别方法对图像中的车辆进行识别,进而确定车辆品牌及型号,采用图像处理的方法对车身信息进行图像处理,其处理算法包括灰度处理、边缘检测、图像增强、仿射变换、子像素定位等,结合深度学习,能够定位车轴轴心坐标,提取车箱边缘直线方程。
S3、对目标车辆图像进行矫正,生成目标车辆二维图像;
S4、基于目标车辆二维图像中的车轮铅垂位移计算目标车辆荷载。
本发明采用的图像测量的方法,能够通过深度学习目标检测方法提取车辆图像,卷积神经网络识别目标车辆产品型号,并通过车辆自身参数与像素值函数关系,采用车身自身表面特征性质对车辆侧面二维图像自矫正,利用车辆侧面二维矫正图像的像素距离计算车轮铅垂位移受荷载改变量,并将钢板弹簧受荷载改变其映射到表面特征物理量关系,较其他方法而言,布置极其方便,采用非接触的方式,不对车辆结构构成任何破坏,不对车身增添任何标志性识别物;同样,该方法对道路主体结构也无任何破坏性改建;采用本方法的检测设备具有较好的移动性,无需将相机固定于车身某一结构,减少了车身传感单元数据传输困难,减少了路况环境影响,对采集设备的维护极为方便。
本发明拍摄车辆轮廓,只需要在车道外安装摄像机,设备架设方便,所需摄像机数量少,可根据本发明的精度要求需求更换摄像头,合理实现需求利益最大化。新架设摄像机仅需进行简单的畸变矫正,便可快速的完成车辆称重,其可移动能力、复现能力强。
为进一步优化上述实施方式,如图3所示,步骤S3包括:
S301、对目标车辆图像中的车辋轮廓椭圆边界线进行拟合得到第一车辋椭圆M1和第二车辋椭圆M2;
本发明中可采用霍夫椭圆检测车辋轮廓,采用非极小圆度抑制选择圆度最小的椭圆轮廓,减少车辋轮廓的误检率。
S302、基于第一车辋椭圆M1和第二车辋椭圆M2确定椭圆切线L1和L2以及内公切线L3和L4;
S303、设内公切线的焦点为M,椭圆切线L1和L2与第一车辋椭圆M1以及第二车辋椭圆M2的交点分别为A、C以及A’、C’,椭圆切线L1和L2的交点为消灭点V1,消灭点V1与M的连线在第一车辋椭圆M1以及第一车辋椭圆M2的交点分别为B、D以及B’、D’;
根据投影变换交比不变性质,两条切线交点即为车辋正视图过车轴中心的车辋轮廓铅垂交点,根据透视变化性质,A、C连线刚好过圆圆心,A’、C’同理。
S304、基于A、B、C及D构建半径为R的正圆的转换矩阵;
以圆心O坐标(x0,y0)作为正圆中心,根据正圆半径以点O到ABCD最长距离作为R,得到正圆中对应ABCD四点的坐标(x0,y0-R)、(x0+R,y0)、(x0,y0+R)、(x0-R,y0),通过对ABCD四点原始坐标与正圆中对应左边即可构建求解转换矩阵(转换矩阵的求解是已有方法,已知4对坐标即可求解。),同时图像转换后可以对圆O’做圆度测试,用以检测车轮是否处于同一平面或验证车辋轮廓提取是否精准。
S305、基于转换矩阵对目标车辆图像进行矫正,生成目标车辆二维图像。
为进一步优化上述实施方式,目标车辆产品型号信息包括目标车辆的车轴轴距及目标车辆空载车轮铅垂位移,步骤S4包括:
S401、基于目标车辆二维图像定位车轴轴心,并确定车箱下边缘直线;
S402、基于车箱下边缘直线确定目标车辆生产尺寸与像素距离之间的关系函数;
S403、基于目标车辆生产尺寸与像素距离之间的关系函数以及车轴轴距计算目标车辆二维图像中的车轮铅垂位移;
S404、基于目标车辆二维图像中的车轮铅垂位移以及目标车辆空载车轮铅垂位移计算目标车辆二维图像中的车轮铅垂位移偏移量;
S405、基于车轮铅垂位移偏移量以及车轮铅垂位移偏移量荷载量关系函数计算目标车辆荷载。
为进一步优化上述实施方式,车箱下边缘直线的方程为ax+by+c=0,a、b及c均为线性方程参数,目标车辆生产尺寸与像素距离之间的关系函数如下:
式中,X为目标车辆二维图像中的车轮铅垂位移的像素值,xi和yi分别表示第i个车轴的坐标。
在本发明中,每个车轴荷载单独计算,因此有不同i,但是车箱下边缘的直线方程只有一条。
式中,s表示车轴轴距,P1和P2分别为目标车辆二维图像中两车轴坐标;
车轮铅垂位移偏移量按下式计算:
式中,H表示目标车辆空载车轮铅垂位移。
为进一步优化上述实施方式,车轮铅垂位移偏移量荷载量关系函数如下:
f(hi)=mig
式中,mi表示第i个悬架对应的钢板弹簧的荷载,g表示重力加速度;
本发明中车轮铅垂位移偏移量荷载量关系函数可通过实验采集数据并进行线性拟合测得。
目标车辆荷载W按下式计算:
式中,n表示目标车辆悬架数量。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管通过参照本发明的优选实施例已经对本发明进行了描述,但本领域的普通技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离所附权利要求书所限定的本发明的精神和范围。
Claims (5)
1.一种基于表面特征的车辆荷载测量方法,其特征在于,包括:
S1、采集车辆场景图像;
S2、从车辆场景图像中提取目标车辆产品型号信息及目标车辆图像;
S3、对目标车辆图像进行矫正,生成目标车辆二维图像;步骤S3包括:
S301、对目标车辆图像中的车辋轮廓椭圆边界线进行拟合得到第一车辋椭圆M1和第二车辋椭圆M2;
S302、基于第一车辋椭圆M1和第二车辋椭圆M2确定椭圆切线L1和L2以及内公切线L3和L4;
S303、设内公切线的焦点为M,椭圆切线L1和L2与第一车辋椭圆M1以及第二车辋椭圆M2的交点分别为A、C以及A’、C’,椭圆切线L1和L2的交点为消灭点V1,消灭点V1与M的连线在第一车辋椭圆M1以及第一车辋椭圆M2的交点分别为B、D以及B’、D’;
S304、基于A、B、C及D构建半径为R的正圆的转换矩阵;
S305、基于转换矩阵对目标车辆图像进行矫正,生成目标车辆二维图像;
S4、基于目标车辆二维图像中的车轮铅垂位移计算目标车辆荷载。
2.如权利要求1所述的基于表面特征的车辆荷载测量方法,其特征在于,目标车辆产品型号信息包括目标车辆的车轴轴距及目标车辆空载车轮铅垂位移,步骤S4包括:
S401、基于目标车辆二维图像定位车轴轴心,并确定车箱下边缘直线;
S402、基于车箱下边缘直线确定目标车辆生产尺寸与像素距离之间的关系函数;
S403、基于目标车辆生产尺寸与像素距离之间的关系函数以及车轴轴距计算目标车辆二维图像中的车轮铅垂位移;
S404、基于目标车辆二维图像中的车轮铅垂位移以及目标车辆空载车轮铅垂位移计算目标车辆二维图像中的车轮铅垂位移偏移量;
S405、基于车轮铅垂位移偏移量以及车轮铅垂位移偏移量荷载量关系函数计算目标车辆荷载。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011044402.3A CN112161685B (zh) | 2020-09-28 | 2020-09-28 | 一种基于表面特征的车辆荷载测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011044402.3A CN112161685B (zh) | 2020-09-28 | 2020-09-28 | 一种基于表面特征的车辆荷载测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112161685A CN112161685A (zh) | 2021-01-01 |
CN112161685B true CN112161685B (zh) | 2022-03-01 |
Family
ID=73861426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011044402.3A Active CN112161685B (zh) | 2020-09-28 | 2020-09-28 | 一种基于表面特征的车辆荷载测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112161685B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112734671A (zh) * | 2021-01-11 | 2021-04-30 | 哈尔滨市科佳通用机电股份有限公司 | 一种基于深度学习的车辆图像形变的修复方法 |
CN113865683B (zh) * | 2021-12-01 | 2023-03-21 | 苏州博宇鑫交通科技有限公司 | 基于机器视觉的城市高架桥梁超重超载动态预警方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6134492A (en) * | 1995-06-07 | 2000-10-17 | Automotive Technologies International Inc. | Apparatus and method for adjusting pedals in a vehicle |
CN101251433A (zh) * | 2008-04-01 | 2008-08-27 | 重庆交通大学 | 用于桥梁荷载实验的无线遥控式挠度测量系统及其测量方法 |
CN103247048A (zh) * | 2013-05-10 | 2013-08-14 | 东南大学 | 一种基于二次曲线与直线的摄像机混合标定方法 |
CN103455144A (zh) * | 2013-08-22 | 2013-12-18 | 深圳先进技术研究院 | 车载人机交互系统及方法 |
CN105814415A (zh) * | 2013-12-05 | 2016-07-27 | 雷诺股份公司 | 用于估算车辆质量的方法 |
CN107672389A (zh) * | 2017-10-27 | 2018-02-09 | 上海为彪汽配制造有限公司 | 具有车轮平衡作用的胎压感测器及车轮平衡系统 |
CN108346157A (zh) * | 2018-01-22 | 2018-07-31 | 浙江大学 | 一种基于牛顿定理的物体拍摄图像中椭圆检测方法 |
CN109029661A (zh) * | 2018-05-30 | 2018-12-18 | 上海与德科技有限公司 | 一种车辆超载识别方法、装置、终端及存储介质 |
CN109635386A (zh) * | 2018-11-27 | 2019-04-16 | 中电建冀交高速公路投资发展有限公司 | 一种桥梁移动车辆荷载识别方法 |
CN109696133A (zh) * | 2017-10-24 | 2019-04-30 | 柯尼卡美能达株式会社 | 轮胎变形量计算装置及其方法、以及过载检测系统 |
CN110530483A (zh) * | 2019-08-13 | 2019-12-03 | 北京清行智能科技有限公司 | 一种基于图像识别的车辆载重测量方法 |
CN110553594A (zh) * | 2018-05-31 | 2019-12-10 | 柯尼卡美能达株式会社 | 图像处理装置、过载检测装置、过载检测系统以及介质 |
CN111582288A (zh) * | 2020-05-06 | 2020-08-25 | 武汉理工大学 | 一种基于车身振动模型的非接触式车辆超载识别系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6958451B2 (en) * | 1995-06-07 | 2005-10-25 | Automotive Technologies International, Inc. | Apparatus and method for measuring weight of an occupying item of a seat |
JP4966816B2 (ja) * | 2007-10-25 | 2012-07-04 | 株式会社日立製作所 | 視線方向計測方法および視線方向計測装置 |
AT510973B1 (de) * | 2011-04-11 | 2012-08-15 | Markus Dipl Ing Dr Petschacher | System zum messen der belastung einer brücke beim befahren durch ein fahrzeug |
US10572745B2 (en) * | 2017-11-11 | 2020-02-25 | Bendix Commercial Vehicle Systems Llc | System and methods of monitoring driver behavior for vehicular fleet management in a fleet of vehicles using driver-facing imaging device |
CN110464379B (zh) * | 2018-05-11 | 2022-10-11 | 深圳市理邦精密仪器股份有限公司 | 一种胎儿头围测量方法、装置及终端设备 |
CN111274843B (zh) * | 2018-11-16 | 2023-05-02 | 上海交通大学 | 基于监控视频的货车超载监测方法及系统 |
CN111091121B (zh) * | 2019-11-22 | 2022-08-26 | 重庆大学 | 一种基于图像处理的椭圆表盘检测矫正的方法 |
-
2020
- 2020-09-28 CN CN202011044402.3A patent/CN112161685B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6134492A (en) * | 1995-06-07 | 2000-10-17 | Automotive Technologies International Inc. | Apparatus and method for adjusting pedals in a vehicle |
CN101251433A (zh) * | 2008-04-01 | 2008-08-27 | 重庆交通大学 | 用于桥梁荷载实验的无线遥控式挠度测量系统及其测量方法 |
CN103247048A (zh) * | 2013-05-10 | 2013-08-14 | 东南大学 | 一种基于二次曲线与直线的摄像机混合标定方法 |
CN103455144A (zh) * | 2013-08-22 | 2013-12-18 | 深圳先进技术研究院 | 车载人机交互系统及方法 |
CN105814415A (zh) * | 2013-12-05 | 2016-07-27 | 雷诺股份公司 | 用于估算车辆质量的方法 |
CN109696133A (zh) * | 2017-10-24 | 2019-04-30 | 柯尼卡美能达株式会社 | 轮胎变形量计算装置及其方法、以及过载检测系统 |
CN107672389A (zh) * | 2017-10-27 | 2018-02-09 | 上海为彪汽配制造有限公司 | 具有车轮平衡作用的胎压感测器及车轮平衡系统 |
CN108346157A (zh) * | 2018-01-22 | 2018-07-31 | 浙江大学 | 一种基于牛顿定理的物体拍摄图像中椭圆检测方法 |
CN109029661A (zh) * | 2018-05-30 | 2018-12-18 | 上海与德科技有限公司 | 一种车辆超载识别方法、装置、终端及存储介质 |
CN110553594A (zh) * | 2018-05-31 | 2019-12-10 | 柯尼卡美能达株式会社 | 图像处理装置、过载检测装置、过载检测系统以及介质 |
CN109635386A (zh) * | 2018-11-27 | 2019-04-16 | 中电建冀交高速公路投资发展有限公司 | 一种桥梁移动车辆荷载识别方法 |
CN110530483A (zh) * | 2019-08-13 | 2019-12-03 | 北京清行智能科技有限公司 | 一种基于图像识别的车辆载重测量方法 |
CN111582288A (zh) * | 2020-05-06 | 2020-08-25 | 武汉理工大学 | 一种基于车身振动模型的非接触式车辆超载识别系统 |
Non-Patent Citations (3)
Title |
---|
A multi-view optical technique to extract the operating deflection shapes of a full vehicle using digital image correlation;V Srivastava, Baqersad J .;《Thin-Walled Structures》;20191231;全文 * |
基于机器视觉的轨道车辆零部件形位尺寸检测方法研究;张春伟等;《计算机测量与控制》;20200925(第09期);全文 * |
高速公路智能监控系统设计;王家兵等;《测控技术》;20180918(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112161685A (zh) | 2021-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111260615B (zh) | 基于激光和机器视觉融合的无人机桥梁表观病害检测方法 | |
CN111272139B (zh) | 一种基于单目视觉的车辆长度测量方法 | |
CN110008893B (zh) | 一种基于车载图像传感器的车辆行驶跑偏自动检测方法 | |
CN111274843B (zh) | 基于监控视频的货车超载监测方法及系统 | |
CN112161685B (zh) | 一种基于表面特征的车辆荷载测量方法 | |
CN112179467B (zh) | 一种基于视频测量动挠度的桥梁动态称重方法和系统 | |
CN110031829B (zh) | 一种基于单目视觉的目标精准测距方法 | |
CN106643545A (zh) | 激光位移技术测量钢轨轮廓的校准方法 | |
CN105783779B (zh) | 基于三层匹配的钢轨轮廓实时形态识别与失真校准方法 | |
CN112902874B (zh) | 图像采集装置及方法、图像处理方法及装置、图像处理系统 | |
CN111354035B (zh) | 一种桥梁动态荷载自动检测与反演系统及方法 | |
CN113009456A (zh) | 车载激光雷达数据校准方法、装置及系统 | |
CN107589069B (zh) | 一种物体碰撞恢复系数的非接触式测量方法 | |
CN106978774A (zh) | 一种路面坑槽自动检测方法 | |
CN109887273B (zh) | 一种基于多源冗余信息的桥梁活载优化识别方法 | |
CN111582288A (zh) | 一种基于车身振动模型的非接触式车辆超载识别系统 | |
CN105303564A (zh) | 一种塔式起重机负荷立体摆角的视觉检测方法 | |
CN113191239A (zh) | 一种基于计算机视觉的车辆外廓尺寸动态检测系统 | |
CN115908375A (zh) | 一种基于计算机视觉图像识别的轮胎荷载获取方法 | |
CN111008557A (zh) | 一种基于几何约束的车辆细粒度识别方法 | |
CN108108706B (zh) | 目标检测中滑动窗口的优化方法及系统 | |
CN112634354B (zh) | 基于路侧传感器的网联自动驾驶行车风险评估方法与装置 | |
CN112308786B (zh) | 一种基于摄影测量解算车载视频中目标车辆运动的方法 | |
JP6890293B2 (ja) | カメラ校正装置、カメラ校正システム、カメラ校正方法及びプログラム | |
CN111539279A (zh) | 道路限高高度检测方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |