CN112307888B - 一种基于机器视觉定位识别桥梁动态荷载方法和系统 - Google Patents

一种基于机器视觉定位识别桥梁动态荷载方法和系统 Download PDF

Info

Publication number
CN112307888B
CN112307888B CN202010993811.1A CN202010993811A CN112307888B CN 112307888 B CN112307888 B CN 112307888B CN 202010993811 A CN202010993811 A CN 202010993811A CN 112307888 B CN112307888 B CN 112307888B
Authority
CN
China
Prior art keywords
license plate
bridge
identifying
self
dynamic
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
Application number
CN202010993811.1A
Other languages
English (en)
Other versions
CN112307888A (zh
Inventor
文望青
严爱国
李桂林
瞿国钊
殷鹏程
严定国
张晓江
姜洪劲
赵丹阳
张�杰
王鹏宇
胡方杰
梁金宝
许三平
张玲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Railway Siyuan Survey and Design Group Co Ltd
Original Assignee
China Railway Siyuan Survey and Design Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Railway Siyuan Survey and Design Group Co Ltd filed Critical China Railway Siyuan Survey and Design Group Co Ltd
Priority to CN202010993811.1A priority Critical patent/CN112307888B/zh
Publication of CN112307888A publication Critical patent/CN112307888A/zh
Application granted granted Critical
Publication of CN112307888B publication Critical patent/CN112307888B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0008—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings of bridges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种基于机器视觉定位识别桥梁动态荷载的方法，包括：桥梁结构特性参数提取；自感应识别桥梁结构实时动挠度；自适应算法对实时动挠度进行滤波；双目摄像头自感应识别车牌号；双目摄像头自感应识别车牌坐标；双目摄像头自学习识别车辆类型；网关自适应计算识别桥梁动态荷载。本发明针对传统桥梁荷载识别功能的局限性及效果差异性，基于机器视觉定位从桥梁荷载识别整体方案改进，对现有技术，从准确性、自感应、自适应、自学习、自识别能力、自决策等方面进行了改进，减少对桥梁结构类型的依赖，具有很大的可移值性和通用性。

Description

一种基于机器视觉定位识别桥梁动态荷载方法和系统
技术领域
本发明涉及的是桥梁荷载动态识别技术领域，特别涉及一种基于机器视觉定位识别桥梁动态荷载方法及系统。
背景技术
现有大桥识别车辆荷载，一般分为动态称重方法和静态称重方法，其中，静态称重方法使用最广泛，用静态称重方法检测超重车一般需要专门的磅秤，成本较高，且需要将车辆停下称重，对于交通流量较大的桥梁容易造成交通拥堵。采用该称重系统，往往成为交通通道卡点。而且静态称重仅能监测出总重，无法获得车辆各车轴重量分布情况。
另一种基于铺面的动态称重方法，使用铺设在桥面的设备来对桥面上的车辆进行称重，该方法对路面造成一定程度损伤，且车流易对设备造成损伤，限制了设备的可使用期限。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于机器视觉定位识别桥梁动态荷载方法及系统。
一种基于机器视觉定位识别桥梁动态荷载方法，包括：
S100.获取需要分析的桥梁结构特性参数；
S200.自感应识别桥梁结构实时动挠度时程曲线，提取桥梁动挠度值，绘制出动挠度时程曲线；
S300.通过自适应滤波算法，对动挠度时程曲线进行滤波，过滤桥梁动态荷载冲击效应及强迫振动，剔除相关干扰波形；
S400.自感应识别车牌，获取视频帧，识别车牌颜色及车牌编号；
S500.识别车牌坐标，根据车牌特征值，识别对应车牌的相机坐标系，并换算成世界坐标系；
S600识别车辆类型，根据视频帧对比学习，识别车辆类型，并根据识别车牌颜色自识别验证；
S700.网关自适应计算，通过动挠度仪识别挠度值，自感应识别车牌、车型、车牌坐标系结合动挠度时程曲线，按预设算法识别桥梁动态荷载。
进一步地，S100具体为：
S101、有限元软件识别桥梁位移影响面；
S102、静载试验识别桥梁标定点影响线；
S103、获取静载试验识别桥梁标定点影响线与对应有限元软件识别位移影响线关联系数；
S104、获取需要的桥梁结构特性参数。
进一步地，S200中，根据安装于梁底的动挠度仪，包含微波雷达动挠度仪、激光位移计，识别桥梁动挠度时程曲线。
进一步地，S400包括：
S401、获取双目摄像头视频帧；
S402、车牌区域获取，在图像上锁定给定区域，并以此区域为定位模板，其他图像根据比对图像与定位模板的比分值，识别车牌区域；
S403、识别车牌颜色，根据双目摄像头获取图像，比对车牌颜色库，自感应识别车牌颜色；
S404、识别车牌编号，根据图像车牌范围定位，比对提取图像字符，比对字符库，自学习识别车牌编号。
进一步地，S500包括：
S501、双目摄像头世界时间坐标系标定；
S502、提取所述标定世界时间坐标系下，双目摄像头视频帧；
S503、根据所述车牌特征值比对，获得校正后车牌匹配像素点。
S504、根据双目摄像头内外参数及所述车牌匹配像素点计算像素深度，实现相机坐标系下车牌坐标计算；
S505、提取车牌的相机坐标系坐标与世界坐标系对应关系，计算车牌世界坐标系坐标。
进一步地，S700包括：
S701、提取桥梁结构特性参数识别结果；
S702、接收自适应算法滤波所得时程曲线；
S703、通过设置时间参数t带宽宽度来控制桥梁动态荷载识别时间区域范围；
S704、判别识别时间区域范围内荷载数量，确定参数计算数量；
S705、接收视频识别荷载世界坐标系、参数坐标定位；
S706、通过预设算法识别桥梁动态荷载。
进一步地，S300中，采用傅里叶变换原理进行自适应算法滤波。
进一步地，一种基于机器视觉定位识别桥梁动态荷载方法，还包括：S800. 将桥梁动态荷载动态识别进行输出。
进一步地，S800具体步骤为：三维视图输出时程关联识别车型、位置及荷载，表格输出时程关联识别车型、位置及荷载。
本发明还公开了一种基于机器视觉定位识别桥梁动态荷载系统，包括：桥梁结构特性参数获取单元、动挠度时程曲线获取单元、自适应滤波算法单元、车牌识别单元、车牌坐标获取单元、车牌类型识别单元、桥梁动态荷载获取单元；其中：
桥梁结构特性参数获取单元，用于获取需要分析的桥梁结构特性参数；
动挠度时程曲线获取单元，用于自感应识别桥梁结构实时动挠度时程曲线，提取桥梁动挠度值，绘制出动挠度时程曲线；
自适应滤波算法单元，用于通过自适应滤波算法，对动挠度时程曲线进行滤波，过滤桥梁动态荷载冲击效应及强迫振动，剔除相关干扰波形；
车牌识别单元，用于自感应识别车牌，获取视频帧，识别车牌颜色及车牌编号；
车牌坐标获取单元，用于识别车牌坐标，根据车牌特征值，识别对应车牌的相机坐标系，并换算成世界坐标系；
车牌类型识别单元，用于识别车辆类型，根据视频帧对比学习，识别车辆类型，并根据识别车牌颜色自识别验证；
桥梁动态荷载获取单元，用于通过动挠度仪识别挠度值，自感应识别车牌、车型、车牌坐标系结合动挠度时程曲线，按预设算法识别桥梁动态荷载。
本发明实施例提供的上述技术方案的有益效果至少包括：
本发明提出的一种基于机器视觉定位识别桥梁动态荷载方法和系统，该方法和系统是集合大数据、机器学习、深度学习、安全监控、自动化控制、计算机技术、精密传感技术等综合应用，实现以机器视觉辅助定位，在提取结构自身特性参数及实时结构响应的基础上，识别桥梁车辆荷载，实现新一代智能监控产品以智能计算为核心，以自感应、自适应、自学习和自决策为显著特征的识别系统及方法。该方法和系统具有对识别桥梁动态荷载精度高、系统简洁；识别系统耐久性高，全生命周期内投资少，性能优；涉及硬件设施少，对既有桥梁实现无损检测，实施应用过程中，施工方便、适用性广、经济性优等优点。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例1中，一种基于机器视觉定位识别桥梁动态荷载方法流程图；
图2为本发明实施例1中，S100步骤具体流程图；
图3为本发明实施例1中，S400步骤具体流程图；
图4为本发明实施例1中，S500步骤具体流程图；
图5为本发明实施例1中，S700步骤具体流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例1
本实施例公开了一种基于机器视觉定位识别桥梁动态荷载方法，如图1包括：
S100.获取需要分析的桥梁结构特性参数。具体的，在本实施例中，S100 具体包括：
S101、有限元软件识别桥梁位移影响面；
S102、静载试验识别桥梁标定点影响线；
S103、获取静载试验识别桥梁标定点影响线与对应有限元软件识别位移影响线关联系数；
S104、获取需要的桥梁结构特性参数。
S200.自感应识别桥梁结构实时动挠度时程曲线，提取桥梁动挠度值，绘制出动挠度时程曲线。
在本实施例中，根据安装于梁底的动挠度仪，包含微波雷达动挠度仪、激光位移计，识别桥梁动挠度时程曲线。
S300.通过自适应滤波算法，对动挠度时程曲线进行滤波，过滤桥梁动态荷载冲击效应及强迫振动，剔除相关干扰波形。
在本实施例中，采用傅里叶变换原理进行自适应算法滤波。根据傅里叶变换原理，在提取的桥梁动挠度曲线值，自适应算法过滤桥梁动态荷载冲击效应及强迫振动，剔除相关干扰波形；
S400.自感应识别车牌，获取视频帧，识别车牌颜色及车牌编号。
在本实施例中，S400包括：
S401、获取双目摄像头视频帧；
S402、车牌区域获取，在图像上锁定给定区域，并以此区域为定位模板，其他图像根据比对图像与定位模板的比分值，识别车牌区域；
S403、识别车牌颜色，根据双目摄像头获取图像，比对车牌颜色库，自感应识别车牌颜色；
S404、识别车牌编号，根据图像车牌范围定位，比对提取图像字符，比对字符库，自学习识别车牌编号。
S500.识别车牌坐标，根据车牌特征值，识别对应车牌的相机坐标系，并换算成世界坐标系。
在本实施例中，S500包括：
S501、双目摄像头世界时间坐标系标定；
S502、提取所述标定世界时间坐标系下，双目摄像头视频帧；
S503、根据所述车牌特征值比对，获得校正后车牌匹配像素点。
S504、根据双目摄像头内外参数及所述车牌匹配像素点计算像素深度，实现相机坐标系下车牌坐标计算；
S505、提取车牌的相机坐标系坐标与世界坐标系对应关系，计算车牌世界坐标系坐标。
S600识别车辆类型，根据视频帧对比学习，识别车辆类型，并根据识别车牌颜色自识别验证。
在本实施例中，是利用机器学习功能，根据视频帧对比学习，识别车辆类型，并根据识别车牌颜色自识别验证。
S700.通过动挠度仪识别挠度值，自感应识别车牌、车型、车牌坐标系结合动挠度时程曲线，按预设算法识别桥梁动态荷载。
在本实施例中，S700包括：
S701、提取桥梁结构特性参数识别结果；
S702、接收自适应算法滤波所得时程曲线；
S703、通过设置时间参数t带宽宽度来控制桥梁动态荷载识别时间区域范围；
S704、判别识别时间区域范围内荷载数量，确定参数计算数量；
S705、接收视频识别荷载世界坐标系、参数坐标定位；
S706、通过预设算法识别桥梁动态荷载。
在一些优选实施例中，一种基于机器视觉定位识别桥梁动态荷载方法，还包括：
S701、提取桥梁结构特性参数识别结果；
S702、接收自适应算法滤波所得时程曲线；
S703、通过设置时间参数t带宽宽度来控制桥梁动态荷载识别时间区域范围；
S704、判别识别时间区域范围内荷载数量，确定参数计算数量；
S705、接收视频识别荷载世界坐标系、参数坐标定位；
S706、通过预设算法识别桥梁动态荷载。
本发明提出的一种基于机器视觉定位识别桥梁动态荷载方法，该方法集合大数据、机器学习、深度学习、安全监控、自动化控制、计算机技术、精密传感技术等综合应用，实现以机器视觉辅助定位，在提取结构自身特性参数及实时结构响应的基础上，识别桥梁车辆荷载，实现新一代智能监控产品以智能计算为核心，以自感应、自适应、自学习和自决策为显著特征的识别方法。该方法具有对识别桥梁动态荷载精度高、系统简洁；识别方法耐久性高，全生命周期内投资少，性能优；涉及硬件设施少，对既有桥梁实现无损检测，实施应用过程中，施工方便、适用性广、经济性优等优点。
实施例2
本实施例公开了一种基于机器视觉定位识别桥梁动态荷载系统，包括：桥梁结构特性参数获取单元、动挠度时程曲线获取单元、自适应滤波算法单元、车牌识别单元、车牌坐标获取单元、车牌类型识别单元、桥梁动态荷载获取单元；其中：
桥梁结构特性参数获取单元，用于获取需要分析的桥梁结构特性参数。其中，桥梁结构特性参数获取单元工作方法已在实施例1中进行了详细描述，因此，本实施例再此不在进行赘述。
动挠度时程曲线获取单元，用于自感应识别桥梁结构实时动挠度时程曲线，提取桥梁动挠度值，绘制出动挠度时程曲线。具体的，动挠度时程曲线获取的方法已在实施例1中进行了详细描述，因此，本实施例再此不在进行赘述。
自适应滤波算法单元，用于通过自适应滤波算法，对动挠度时程曲线进行滤波，过滤桥梁动态荷载冲击效应及强迫振动，剔除相关干扰波形。在本实施例中，优选傅里叶变换原理进行自适应算法滤波。
车牌识别单元，用于自感应识别车牌，获取视频帧，识别车牌颜色及车牌编号。具体的车牌识别步骤已在实施例1中S400进行详细描述，因此，本实施例再此不在进行赘述。
车牌坐标获取单元，用于识别车牌坐标，根据车牌特征值，识别对应车牌的相机坐标系，并换算成世界坐标系；具体的车牌坐标获取步骤已在实施例1 中S500进行详细描述，因此，本实施例再此不在进行赘述。
车牌类型识别单元，用于识别车辆类型，根据视频帧对比学习，识别车辆类型，并根据识别车牌颜色自识别验证。在本实施例中，采用机器学习方法对车牌类型进行识别。
桥梁动态荷载获取单元，用于通过动挠度仪识别挠度值，自感应识别车牌、车型、车牌坐标系结合动挠度时程曲线，按预设算法识别桥梁动态荷载。具体的车牌坐标获取步骤已在实施例1中S700进行详细描述，因此，本实施例再此不在进行赘述。
本发明提出的一种基于机器视觉定位识别桥梁动态荷载系统，该系统集合大数据、机器学习、深度学习、安全监控、自动化控制、计算机技术、精密传感技术等综合应用，实现以机器视觉辅助定位，在提取结构自身特性参数及实时结构响应的基础上，识别桥梁车辆荷载，实现新一代智能监控产品以智能计算为核心，以自感应、自适应、自学习和自决策为显著特征的识别系统。该系统具有对识别桥梁动态荷载精度高、系统简洁；识别系统耐久性高，全生命周期内投资少，性能优；涉及硬件设施少，对既有桥梁实现无损检测，实施应用过程中，施工方便、适用性广、经济性优等优点。
应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。
在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。
本领域技术人员还应当理解，结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性，上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件，取决于特定的应用和对整个系统所施加的设计约束条件。熟练的技术人员可以针对每个特定应用，以变通的方式实现所描述的功能，但是，这种实现决策不应解释为背离本公开的保护范围。
结合本文的实施例所描述的方法或者算法的步骤可直接体现为硬件、由处理器执行的软件模块或其组合。软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质连接至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC 中。该ASIC可以位于用户终端中。当然，处理器和存储介质也可以作为分立组件存在于用户终端中。
对于软件实现，本申请中描述的技术可用执行本申请所述功能的模块(例如，过程、函数等)来实现。这些软件代码可以存储在存储器单元并由处理器执行。存储器单元可以实现在处理器内，也可以实现在处理器外，在后一种情况下，它经由各种手段以通信方式耦合到处理器，这些都是本领域中所公知的。
上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。

Claims (10)

1.一种基于机器视觉定位识别桥梁动态荷载方法，其特征在于，包括：
S100.获取需要分析的桥梁结构特性参数；
S200.自感应识别桥梁结构实时动挠度时程曲线，提取桥梁动挠度值，绘制出动挠度时程曲线；
S300.通过自适应滤波算法，对动挠度时程曲线进行滤波，过滤桥梁动态荷载冲击效应及强迫振动，剔除相关干扰波形；
S400.自感应识别车牌，获取视频帧，识别车牌颜色及车牌编号；
S500.识别车牌坐标，根据车牌特征值，识别对应车牌的相机坐标系，并换算成世界坐标系；
S600识别车辆类型，根据视频帧对比学习，识别车辆类型，并根据识别车牌颜色自识别验证；
S700.网关自适应计算，通过动挠度仪识别挠度值，自感应识别车牌、车型、车牌坐标系结合动挠度时程曲线，按预设算法识别桥梁动态荷载。
2.如权利要求1的一种基于机器视觉定位识别桥梁动态荷载方法，其特征在于，S100具体为：
S101、有限元软件识别桥梁位移影响面；
S102、静载试验识别桥梁标定点影响线；
S103、获取静载试验识别桥梁标定点影响线与对应有限元软件识别位移影响线关联系数；
S104、获取需要的桥梁结构特性参数。
3.如权利要求1的一种基于机器视觉定位识别桥梁动态荷载方法，其特征在于，S200中，根据安装于梁底的动挠度仪，包含微波雷达动挠度仪、激光位移计，识别桥梁动挠度时程曲线。
4.如权利要求1的一种基于机器视觉定位识别桥梁动态荷载方法，其特征在于，S400包括：
S401、获取双目摄像头视频帧；
S402、车牌区域获取，在图像上锁定给定区域，并以此区域为定位模板，
其他图像根据比对图像与定位模板的比分值，识别车牌区域；
S403、识别车牌颜色，根据双目摄像头获取图像，比对车牌颜色库，自感应识别车牌颜色；
S404、识别车牌编号，根据图像车牌范围定位，比对提取图像字符，比对字符库，自学习识别车牌编号。
5.如权利要求1的一种基于机器视觉定位识别桥梁动态荷载方法，其特征在于，S500包括：
S501、双目摄像头世界时间坐标系标定；
S502、提取所述标定世界时间坐标系下，双目摄像头视频帧；
S503、根据所述车牌特征值比对，获得校正后车牌匹配像素点；
S504、根据双目摄像头内外参数及所述车牌匹配像素点计算像素深度，实现相机坐标系下车牌坐标计算；
S505、提取车牌的相机坐标系坐标与世界坐标系对应关系，计算车牌世界坐标系坐标。
6.如权利要求1的一种基于机器视觉定位识别桥梁动态荷载方法，其特征在于，S700包括：
S701、提取桥梁结构特性参数识别结果；
S702、接收自适应算法滤波所得时程曲线；
S703、通过设置时间参数t带宽宽度来控制桥梁动态荷载识别时间区域范围；
S704、判别识别时间区域范围内荷载数量，确定参数计算数量；
S705、接收视频识别荷载世界坐标系、参数坐标定位；
S706、通过预设算法识别桥梁动态荷载。
7.如权利要求1的一种基于机器视觉定位识别桥梁动态荷载方法，其特征在于，S300中，采用傅里叶变换原理进行自适应算法滤波。
8.如权利要求1的一种基于机器视觉定位识别桥梁动态荷载方法，其特征在于，还包括：S800.将桥梁动态荷载动态识别进行输出。
9.如权利要求8的一种基于机器视觉定位识别桥梁动态荷载方法，其特征在于，S800具体步骤为：三维视图输出时程关联识别车型、位置及荷载，表格输出时程关联识别车型、位置及荷载。
10.一种基于机器视觉定位识别桥梁动态荷载系统，包括：桥梁结构特性参数获取单元、动挠度时程曲线获取单元、自适应滤波算法单元、车牌识别单元、车牌坐标获取单元、车牌类型识别单元、桥梁动态荷载获取单元；其中：
桥梁结构特性参数获取单元，用于获取需要分析的桥梁结构特性参数；
动挠度时程曲线获取单元，用于自感应识别桥梁结构实时动挠度时程曲线，提取桥梁动挠度值，绘制出动挠度时程曲线；
自适应滤波算法单元，用于通过自适应滤波算法，对动挠度时程曲线进行滤波，过滤桥梁动态荷载冲击效应及强迫振动，剔除相关干扰波形；
车牌识别单元，用于自感应识别车牌，获取视频帧，识别车牌颜色及车牌编号；
车牌坐标获取单元，用于识别车牌坐标，根据车牌特征值，识别对应车牌的相机坐标系，并换算成世界坐标系；
车牌类型识别单元，用于识别车辆类型，根据视频帧对比学习，识别车辆类型，并根据识别车牌颜色自识别验证；
桥梁动态荷载获取单元，用于通过动挠度仪识别挠度值，自感应识别车牌、车型、车牌坐标系结合动挠度时程曲线，按预设算法识别桥梁动态荷载。
CN202010993811.1A 2020-09-21 2020-09-21 一种基于机器视觉定位识别桥梁动态荷载方法和系统 Active CN112307888B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010993811.1A CN112307888B (zh) 2020-09-21 2020-09-21 一种基于机器视觉定位识别桥梁动态荷载方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010993811.1A CN112307888B (zh) 2020-09-21 2020-09-21 一种基于机器视觉定位识别桥梁动态荷载方法和系统

Publications (2)

Publication Number Publication Date
CN112307888A CN112307888A (zh) 2021-02-02
CN112307888B true CN112307888B (zh) 2022-04-26

Family

ID=74487925

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010993811.1A Active CN112307888B (zh) 2020-09-21 2020-09-21 一种基于机器视觉定位识别桥梁动态荷载方法和系统

Country Status (1)

Country Link
CN (1) CN112307888B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN114577385B (zh) * 2022-02-28 2023-08-04 中铁第四勘察设计院集团有限公司 桥梁动态荷载识别方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104568571A (zh) * 2015-02-09 2015-04-29 武汉希萌科技有限公司 一种桥梁静载试验自动控制装置及自动控制方法
EP3187838A1 (en) * 2015-12-29 2017-07-05 Neostrain spolka z ograniczona odpowiedzialnoscia System for vehicles weight preselection and evaluation of the technical state of road infrastructure
CN109167956A (zh) * 2018-05-21 2019-01-08 同济大学 基于动态称重和多视频信息融合的全桥面移动荷载空间分布监测系统
CN109870223A (zh) * 2019-01-17 2019-06-11 同济大学 一种视觉技术辅助的桥梁动态称重方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104568571A (zh) * 2015-02-09 2015-04-29 武汉希萌科技有限公司 一种桥梁静载试验自动控制装置及自动控制方法
EP3187838A1 (en) * 2015-12-29 2017-07-05 Neostrain spolka z ograniczona odpowiedzialnoscia System for vehicles weight preselection and evaluation of the technical state of road infrastructure
CN109167956A (zh) * 2018-05-21 2019-01-08 同济大学 基于动态称重和多视频信息融合的全桥面移动荷载空间分布监测系统
CN109870223A (zh) * 2019-01-17 2019-06-11 同济大学 一种视觉技术辅助的桥梁动态称重方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
斜拉桥梁动态荷载监测系统的设计;田盛鼎等;《公路交通科技(应用技术版)》;20171215(第12期);全文 *

Also Published As

Publication number Publication date
CN112307888A (zh) 2021-02-02

Similar Documents

Publication Publication Date Title
CN112307888B (zh) 一种基于机器视觉定位识别桥梁动态荷载方法和系统
CN112818988B (zh) 一种指针式仪表自动识别读数方法及系统
CN112362149B (zh) 基于竖向位移影响面加载动态识别车辆轴重方法和系统
CN112347535A (zh) 基于拱桥吊杆力影响面加载动态识别车辆轴重方法和系统
CN110132159B (zh) 桥梁挠度的测量方法、装置及计算机可读存储介质
CN113496528B (zh) 固定交通路侧场景下视觉检测目标位置标定方法及装置
CN111896549A (zh) 一种基于机器学习的建筑物裂缝监测系统和方法
CN110006676A (zh) 一种基于结构健康监测数据的建筑性能评估方法及系统
CN112362148B (zh) 基于斜拉索索力影响面加载动态识别车辆轴重方法和系统
CN110413942B (zh) 车道线方程筛选方法及其筛选模块
CN115808324A (zh) 一种中小跨径桥梁轻量化安全管理监测方法及系统
CN116127604B (zh) 一种汽车防撞数据处理方法及系统
CN116134295A (zh) 借助机器学习方法校准和操作传感器组件的方法和设备
CN109870404B (zh) 一种雨棚结构损伤识别方法、装置及终端设备
CN113623069B (zh) 一种发动机ems爆震识别效果的评估方法、装置、电子设备及存储介质
CN112001388B (zh) 一种基于YOLOv3改进模型的用于检测PCB中圆形目标的方法
CN114743180A (zh) 检测结果的识别方法、装置、存储介质和处理器
CN102143378B (zh) 一种图像品质的判断方法
CN114509224A (zh) 一种桥梁挠度测试方法、系统、可读存储介质及设备
CN108629758A (zh) 一种基于云计算的汽车橡胶件的检查方法
CN113673105A (zh) 真值对比策略的设计方法
CN112785847A (zh) 立交基本段通行能力评估模型建模方法
CN116878402B (zh) 非接触轮眉测量传感器及方法
CN111553872A (zh) 基于ncc图像匹配算法的变压器油箱振动敏感区确定方法
CN116608816B (zh) 一种用于小角度测量仪器检定装置的校准方法和装置

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