CN112411371A - 基于移动传感和视觉的公路桥梁综合检测方法和系统 - Google Patents
基于移动传感和视觉的公路桥梁综合检测方法和系统 Download PDFInfo
- Publication number
- CN112411371A CN112411371A CN202011465372.3A CN202011465372A CN112411371A CN 112411371 A CN112411371 A CN 112411371A CN 202011465372 A CN202011465372 A CN 202011465372A CN 112411371 A CN112411371 A CN 112411371A
- Authority
- CN
- China
- Prior art keywords
- bridge
- mobile
- detection
- vision
- bridge structure
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 112
- 201000010099 disease Diseases 0.000 claims abstract description 57
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000004044 response Effects 0.000 claims description 25
- 230000033001 locomotion Effects 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 13
- 238000013527 convolutional neural network Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000012880 independent component analysis Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims 1
- 238000011161 development Methods 0.000 abstract description 6
- 238000011179 visual inspection Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 8
- 230000018109 developmental process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013016 damping Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 241000264877 Hippospongia communis Species 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01D—CONSTRUCTION OF BRIDGES, ELEVATED ROADWAYS OR VIADUCTS; ASSEMBLY OF BRIDGES
- E01D19/00—Structural or constructional details of bridges
- E01D19/10—Railings; Protectors against smoke or gases, e.g. of locomotives; Maintenance travellers; Fastening of pipes or cables to bridges
- E01D19/106—Movable inspection or maintenance platforms, e.g. travelling scaffolding or vehicles specially designed to provide access to the undersides of bridges
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60P—VEHICLES ADAPTED FOR LOAD TRANSPORTATION OR TO TRANSPORT, TO CARRY, OR TO COMPRISE SPECIAL LOADS OR OBJECTS
- B60P3/00—Vehicles adapted to transport, to carry or to comprise special loads or objects
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
- E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
- E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Engineering & Computer Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种基于移动传感和视觉的公路桥梁综合检测方法和系统，该方法包括：当移动检测车辆行驶通过桥梁时，通过安装在移动检测车辆上的传感器获取桥梁结构的动力特性参数；同时通过安装在移动检测车辆上的高清相机获取桥面视频信息，并根据桥面视频信息，对桥梁结构的表观病害进行识别与定位；根据获取的动力特性参数、识别出的表观病害结合桥梁状况的历史数据，对桥梁结构的运营状况进行评估。这样可以有效避免在桥梁上布设传感器、降低所需传感器数量和数据处理难度，并且减轻人工检测的劳动强度，节约检测成本，解决人工目测不能完整测量桥梁结构病害范围问题，提高桥梁检测智能化水平，推动桥梁检测向智能化、数字化和信息化方向发展。
Description
技术领域
本发明涉及公路桥梁检测领域，特别是涉及一种基于移动传感和视觉的公路桥梁综合检测方法和系统。
背景技术
随着我国城市化进程的逐步推进和交通运输行业的迅速发展，交通基础设施建设越来越受到国家的重视。公路桥梁结构作为交通工程的枢纽，对交通工程起着至关重要的作用，因此对其安全性、耐久性和正常使用功能的要求也越来越高。桥梁结构在运营期间，会受到强风、地震、撞击、车辆荷载等多种因素的影响，加上自身材料属性的不断退化、老化，桥梁结构将产生不同程度的损伤，如果损伤未被及时发现并进行相应的修复，随着损伤的不断积累，将会影响桥梁结构的正常使用，严重时将会导致结构的断裂、倒塌，对人民群众的生命财产安全造成威胁。因此，无论是桥梁结构的施工阶段，还是运营期间，都需要对其进行定期检测，实时掌握桥梁结构的性态，并以此为基础，进一步实现桥梁结构的健康监测。
目前，对于桥梁结构检测缺乏一套综合系统，不能同时对桥梁结构的动力特性和表观病害进行测量。针对桥梁结构的动力特性(固有频率、振型和阻尼比)的获取，通常的做法在桥梁结构上安装大量传感器，通过传感器采集桥梁结构的动力响应。而在桥梁结构上安装传感器需要大量的人力和物力，且测试过程需要中断交通，检测效率低下；且为更好地实现桥梁的损伤识别和状态评估，需要密集测点的桥梁振型，为此必须在桥梁上布置非常密集的传感器，这不仅增加了测试过程中的设备数量和工作量，还增加了模态参数识别中数据处理的难度。针对桥梁结构的表观病害方面的检测，国内外主要是利用人工或检测车来进行表观病害的检测，通过人工记录表观病害，然后再进行数据处理。人工检测速度慢，需要中断交通且检测效率低；受江河湖海和地形环境条件限制的桥梁需要搭建检测平台，检测费用高，人工检测，对支座的检测困难；难以对桥梁的裂缝宽度、长度和周长进行准确的测量，影响对桥梁结构的表观病害准确评估。
因此，如何降低所需传感器数量，解决人工目测不能完整测量桥梁结构病害范围问题，是本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此，本发明的目的在于提供一种基于移动传感和视觉的公路桥梁综合检测方法和系统，可以降低数据处理难度，减轻人工检测的劳动强度，提高检测智能化水平。其具体方案如下：
一种基于移动传感和视觉的公路桥梁综合检测方法，包括：
当移动检测车辆行驶通过桥梁时，通过安装在移动检测车辆上的传感器获取桥梁结构的动力特性参数；
同时通过安装在所述移动检测车辆上的高清相机获取桥面视频信息，并根据所述桥面视频信息，对桥梁结构的表观病害进行识别与定位；
根据获取的所述动力特性参数、识别出的所述表观病害结合桥梁状况的历史数据，对桥梁结构的运营状况进行评估。
优选地，在本发明实施例提供的上述基于移动传感和视觉的公路桥梁综合检测方法中，通过安装在移动检测车辆上的传感器获取桥梁结构的动力特性参数，具体包括：
通过安装在所述移动检测车辆上的传感器得到车辆-桥梁系统的多源振动响应信号；
将得到的所述多源振动响应信号进行去噪与分离，对分离出的各个相互独立的信号成分进行识别，提取出仅与桥梁振动相关的信号成分；
采用压缩感知和矩阵补全重构提取的所述信号成分；
根据重构后得到的信号，提取桥梁结构的动力特性参数；所述动力特性参数包括桥梁频率和桥梁空间模态振型。
优选地，在本发明实施例提供的上述基于移动传感和视觉的公路桥梁综合检测方法中，将得到的所述多源振动响应信号进行去噪与分离，具体包括：
将得到的所述多源振动响应信号进行消除趋势项和滑动平均处理；
采用变分模态分解算法将处理后的信号分解成若干不同频率的本征模态分量，计算各个分量的峭度值；
依据互相关系数和峭度准则选取相应的模态分量进行重构；
利用鲁棒性独立成分分析法将重构后的信号进行解耦，分离出各个相互独立的信号成分。
优选地，在本发明实施例提供的上述基于移动传感和视觉的公路桥梁综合检测方法中，根据所述桥面视频信息，对桥梁结构的表观病害进行识别与定位，具体包括：
建立桥梁表观病害图像库，作为数据集；
构建深度卷积神经网络模型，将所述数据集分为训练集、验证集和测试集，以所述训练集为样本对所述深度卷积神经网络模型进行训练，并在所述验证集上检验训练结果，不断调整参数直到所述深度卷积神经网络模型在所述测试集上的识别精度达到要求；
利用训练好的所述深度卷积神经网络模型对所述桥面视频信息中的桥梁表观病害进行分类和特征识别；
根据车载GPS和视频图像处理方法，确定表观病害与桥梁结构关键构件和位置的对应关系，以对表观病害进行定位和标记。
优选地，在本发明实施例提供的上述基于移动传感和视觉的公路桥梁综合检测方法中，还包括：
基于对照物采用图像识别方法计算表观病害的实际尺寸。
优选地，在本发明实施例提供的上述基于移动传感和视觉的公路桥梁综合检测方法中，还包括：
采用搭载在所述移动检测车辆上的无人机对桥梁侧面和底部、索塔外表面进行测量，并根据无人机测量结果，对桥梁结构的表观病害进行识别与定位。
本发明实施例还提供了一种基于移动传感和视觉的公路桥梁综合检测系统，包括：
安装在移动检测车辆上的传感器和高清相机；其中，
所述传感器，用于当移动检测车辆行驶通过桥梁时，获取桥梁结构的动力特性参数；
所述高清相机，用于当移动检测车辆行驶通过桥梁时，获取桥面视频信息；
处理芯片，用于根据所述桥面视频信息，对桥梁结构的表观病害进行识别与定位；还用于根据获取的所述动力特性参数、识别出的所述表观病害结合桥梁状况的历史数据，对桥梁结构的运营状况进行评估。
优选地，在本发明实施例提供的上述基于移动传感和视觉的公路桥梁综合检测系统中，还包括：搭载在所述移动检测车辆上的无人机；
所述无人机，用于对桥梁侧面和底部、索塔外表面进行测量；
所述处理芯片，还用于根据无人机测量结果，对桥梁结构的表观病害进行识别与定位。
从上述技术方案可以看出，本发明所提供的一种基于移动传感和视觉的公路桥梁综合检测方法，包括：当移动检测车辆行驶通过桥梁时，通过安装在移动检测车辆上的传感器获取桥梁结构的动力特性参数；同时通过安装在移动检测车辆上的高清相机获取桥面视频信息，并根据桥面视频信息，对桥梁结构的表观病害进行识别与定位；根据获取的动力特性参数、识别出的表观病害结合桥梁状况的历史数据，对桥梁结构的运营状况进行评估。
本发明利用移动检测车辆的动力响应获取桥梁结构的动力特性，可以有效避免在桥梁上布设传感器、降低所需要的传感器数量和数据处理难度，而通过搭载在移动检测车辆上的高清相机，识别与定位桥梁结构的表观病害，可以减轻人工检测的劳动强度，节约检测成本，解决人工目测不能完整测量桥梁结构表观病害范围问题，提高桥梁检测智能化水平，推动桥梁检测向智能化、数字化和信息化方向发展。此外，本发明还针对基于移动传感和视觉的公路桥梁综合检测方法提供了相应的系统，进一步使得上述方法更具有实用性，该系统具有相应的优点。
附图说明
为了更清楚地说明本发明实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的基于移动传感和视觉的公路桥梁综合检测方法的流程图；
图2为本发明实施例提供的对多源振动响应信号进行去燥与分离的流程图；
图3为本发明实施例提供的对桥梁模态参数进行识别的流程图；
图4为本发明实施例提供的识别桥梁动力特性和表观病害方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供一种基于移动传感和视觉的公路桥梁综合检测方法，如图1所示，包括以下步骤：
S101、当移动检测车辆行驶通过桥梁时，通过安装在移动检测车辆上的传感器获取桥梁结构的动力特性参数；
S102、同时通过安装在移动检测车辆上的高清相机获取桥面视频信息，并根据桥面视频信息，对桥梁结构的表观病害进行识别与定位；
S103、根据获取的动力特性参数、识别出的表观病害结合桥梁状况的历史数据，对桥梁结构的运营状况进行评估。
在本发明实施例提供的上述基于移动传感和视觉的公路桥梁综合检测方法中，利用移动检测车辆的动力响应获取桥梁结构的动力特性，可以有效避免在桥梁上布设传感器、降低所需要的传感器数量和数据处理难度，而通过搭载在移动检测车辆上的高清相机，识别与定位桥梁结构的表观病害，可以减轻人工检测的劳动强度，节约检测成本，解决人工目测不能完整测量桥梁结构病害范围问题，提高桥梁检测智能化水平，推动桥梁检测向智能化、数字化和信息化方向发展。
进一步地，在具体实施时，在本发明实施例提供的上述基于移动传感和视觉的公路桥梁综合检测方法中，步骤S101通过安装在移动检测车辆上的传感器获取桥梁结构的动力特性参数，具体可以包括以下步骤：
步骤一、通过安装在移动检测车辆上的传感器得到车辆-桥梁系统的多源振动响应信号；
步骤二、将得到的多源振动响应信号进行去噪与分离，对分离出的各个相互独立的信号成分进行识别，提取出仅与桥梁振动相关的信号成分；
步骤三、由于车辆在桥上移动时与桥梁各点只是短暂接触，所以移动车辆响应得到的是一个不完整的时空矩阵，采用压缩感知和矩阵补全(Matrix Completion)重构提取的信号成分；具体地，矩阵补全是在矩阵元素有未知或缺失的情况下根据已知元素估计未知元素从而把矩阵恢复完整的方法。为此，利用桥梁的模态稀疏性，建立车辆响应与桥梁物理响应、模态响应之间的联系，并利用低秩矩阵分解等方法构造核范数形式将非凸目标函数转化为凸函数。利用机器学习的方法进行优化，得到全局最优解。根据实际需求，选择若干关键的虚拟测点从矩阵中反演得到各点的时程响应，即由移动响应转换成固定点响应，实现虚拟固定传感器的功能；
步骤四、根据重构后得到的信号，提取桥梁结构的动力特性参数；动力特性参数包括桥梁频率和桥梁空间模态振型。
在具体实施时，上述步骤二中将得到的多源振动响应信号进行去噪与分离，如图2所示，具体可以包括以下步骤：
首先，将得到的多源振动响应信号进行消除趋势项和滑动平均处理；
然后，采用变分模态分解(Variational Mode Decomosition，VMD)算法将处理后的信号分解成若干不同频率的本征模态分量，计算各个分量的峭度值；
之后，依据互相关系数和峭度准则选取相应的模态分量进行重构；具体地，依据互相关系数和峭度准则筛选包含目标信号信息较为丰富的模态分量进行重构，实现信号去噪的目的；
最后，由于去噪后的车辆信号仍是由多源信号混合组成，包括桥梁振动、路面不平整度、车桥耦合振动、车辆自身振动、随机交通车流等信号源，因此，利用鲁棒性独立成分分析法(Robust Independent Component Analysis，RICA)将重构后的信号进行解耦，分离出各个相互独立的信号成分。接下来可以根据各源信号的特征，结合频谱分析、连续小波变换等方法对得到的各独立源信号进行识别，包括识别出仅与桥梁振动相关的信号。
在具体实施时，上述步骤四中根据重构后得到的信号，提取桥梁结构的动力特性参数，可以认为是对桥梁模态参数的识别过程，如图3所示，具体可以包括：通过反演得到的桥梁振动响应，获取桥梁频率、阻尼和高分辨率的桥梁一维振型(即车辆轨迹线对应的各点振型)，常用方法包括经验模态分解及其改进方法(EMD/EEMD/VMD)、压缩小波变换(SSWT)等，以获取频率、阻尼和高分辨率的桥梁一维振型(即车辆轨迹线对应的各点振型)。利用车辆可在桥上自由移动的特点，通过车辆在横向不同车道上行驶，可以得到每个车道对应的桥梁振型，再将所有车道对应的振型进行正则化组合，实现桥梁空间振动模态的识别。
进一步地，在具体实施时，在本发明实施例提供的上述基于移动传感和视觉的公路桥梁综合检测方法中，步骤S102根据桥面视频信息，对桥梁结构的表观病害进行识别与定位，具体可以包括以下步骤：
第一步、针对桥梁常见的病害类型进行分类和分级，比如混凝土蜂窝、剥落、空洞、露筋、错台，钢结构涂层裂化、锈蚀、焊缝裂纹、铆钉和螺栓松动或脱落等，目前，并不存在桥梁表观病害图像的数据集，因此，可从各种渠道大量收集病害图像，建立桥梁表观病害图像库，作为深度学习模型训练的数据集；
第二步、构建深度卷积神经网络模型，将以上数据集分为训练集、验证集和测试集，以训练集为样本对深度卷积神经网络模型进行训练，并在验证集上检验训练结果，不断调整参数直到深度卷积神经网络模型在测试集上的识别精度达到要求；
第三步、利用训练好的深度卷积神经网络模型对桥面视频信息中的桥梁表观病害进行分类和特征识别；
第四步、根据车载GPS和视频图像处理方法，确定表观病害与桥梁结构关键构件和位置的对应关系，以对表观病害进行定位和标记。
在具体实施时，在本发明实施例提供的上述基于移动传感和视觉的公路桥梁综合检测方法中，如图4所示，还可以包括：基于对照物采用图像识别方法计算表观病害的实际尺寸，进一步实现表观病害的精确定位和标记。
在具体实施时，在本发明实施例提供的上述基于移动传感和视觉的公路桥梁综合检测方法中，由于移动检测车辆存在不能直接检测到的区域，比如桥梁侧面和底部、索塔外表面等，还可以包括：采用搭载在移动检测车辆上的无人机对桥梁侧面和底部、索塔外表面进行测量，并根据无人机测量结果，(可基于类似的神经网络模型进行识别)对桥梁结构的表观病害进行识别与定位。
需要说明的是，本发明通过移动检测车辆可以定期或定时对整个区域内的桥梁运营状况、退化行为、剩余寿命、维护成本等进行预测，为路网桥梁的安全监测、运营维护、日常养护规划与管理提供科学的决策依据。
基于同一发明构思，本发明实施例还提供了一种基于移动传感和视觉的公路桥梁综合检测系统，由于该系统解决问题的原理与前述一种基于移动传感和视觉的公路桥梁综合检测方法相似，因此该系统的实施可以参见基于移动传感和视觉的公路桥梁综合检测方法的实施，重复之处不再赘述。
在具体实施时，本发明实施例提供的基于移动传感和视觉的公路桥梁综合检测系统，具体包括：安装在移动检测车辆上的传感器和高清相机；其中，
传感器，用于当移动检测车辆行驶通过桥梁时，获取桥梁结构的动力特性参数；
高清相机，用于当移动检测车辆行驶通过桥梁时，获取桥面视频信息；
处理芯片，用于根据所述桥面视频信息，对桥梁结构的表观病害进行识别与定位；还用于根据获取的所述动力特性参数、识别出的所述表观病害结合桥梁状况的历史数据，对桥梁结构的运营状况进行评估。
在本发明实施例提供的上述基于移动传感和视觉的公路桥梁综合检测系统中，可以通过安装在移动检测车辆上的传感器获取桥梁结构的动力特性，有效避免在桥梁上布设传感器、降低所需要的传感器数量和数据处理难度，并且可以通过搭载在移动检测车辆上的高清相机，识别与定位桥梁结构的表观病害，减轻了人工检测的劳动强度，节约了检测成本，解决了人工目测不能完整测量桥梁结构表观病害范围问题，提高了桥梁检测智能化水平，推动桥梁检测向智能化、数字化和信息化方向发展。
在具体实施时，在本发明实施例提供的上述基于移动传感和视觉的公路桥梁综合检测系统中，还包括：搭载在移动检测车辆上的无人机；
无人机，用于对桥梁侧面和底部、索塔外表面进行测量；
处理芯片，还用于根据无人机测量结果，对桥梁结构的表观病害进行识别与定位。
关于上述各个部件更加具体的工作过程可以参考前述实施例公开的相应内容，在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
本发明实施例提供的一种基于移动传感和视觉的公路桥梁综合检测方法，包括：当移动检测车辆行驶通过桥梁时，通过安装在移动检测车辆上的传感器获取桥梁结构的动力特性参数；同时通过安装在移动检测车辆上的高清相机获取桥面视频信息，并根据桥面视频信息，对桥梁结构的表观病害进行识别与定位；根据获取的动力特性参数、识别出的表观病害结合桥梁状况的历史数据，对桥梁结构的运营状况进行评估。这样利用移动检测车辆的动力响应获取桥梁结构的动力特性，可以有效避免在桥梁上布设传感器、降低所需要的传感器数量和数据处理难度，而通过搭载在移动检测车辆上的高清相机，识别与定位桥梁结构的表观病害，可以减轻人工检测的劳动强度，节约检测成本，解决人工目测不能完整测量桥梁结构表观病害范围问题，提高桥梁检测智能化水平，推动桥梁检测向智能化、数字化和信息化方向发展。此外，本发明还针对基于移动传感和视觉的公路桥梁综合检测方法提供了相应的系统，进一步使得上述方法更具有实用性，该系统具有相应的优点。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的基于移动传感和视觉的公路桥梁综合检测方法和系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于移动传感和视觉的公路桥梁综合检测方法，其特征在于，包括：
当移动检测车辆行驶通过桥梁时，通过安装在移动检测车辆上的传感器获取桥梁结构的动力特性参数；
同时通过安装在所述移动检测车辆上的高清相机获取桥面视频信息，并根据所述桥面视频信息，对桥梁结构的表观病害进行识别与定位；
根据获取的所述动力特性参数、识别出的所述表观病害结合桥梁状况的历史数据，对桥梁结构的运营状况进行评估。
2.根据权利要求1所述的基于移动传感和视觉的公路桥梁综合检测方法，其特征在于，通过安装在移动检测车辆上的传感器获取桥梁结构的动力特性参数，具体包括：
通过安装在所述移动检测车辆上的传感器得到车辆-桥梁系统的多源振动响应信号；
将得到的所述多源振动响应信号进行去噪与分离，对分离出的各个相互独立的信号成分进行识别，提取出仅与桥梁振动相关的信号成分；
采用压缩感知和矩阵补全重构提取的所述信号成分；
根据重构后得到的信号，提取桥梁结构的动力特性参数；所述动力特性参数包括桥梁频率和桥梁空间模态振型。
3.根据权利要求2所述的基于移动传感和视觉的公路桥梁综合检测方法，其特征在于，将得到的所述多源振动响应信号进行去噪与分离，具体包括：
将得到的所述多源振动响应信号进行消除趋势项和滑动平均处理；
采用变分模态分解算法将处理后的信号分解成若干不同频率的本征模态分量，计算各个分量的峭度值；
依据互相关系数和峭度准则选取相应的模态分量进行重构；
利用鲁棒性独立成分分析法将重构后的信号进行解耦，分离出各个相互独立的信号成分。
4.根据权利要求3所述的基于移动传感和视觉的公路桥梁综合检测方法，其特征在于，根据所述桥面视频信息，对桥梁结构的表观病害进行识别与定位，具体包括：
建立桥梁表观病害图像库，作为数据集；
构建深度卷积神经网络模型，将所述数据集分为训练集、验证集和测试集，以所述训练集为样本对所述深度卷积神经网络模型进行训练，并在所述验证集上检验训练结果，不断调整参数直到所述深度卷积神经网络模型在所述测试集上的识别精度达到要求；
利用训练好的所述深度卷积神经网络模型对所述桥面视频信息中的桥梁表观病害进行分类和特征识别；
根据车载GPS和视频图像处理方法，确定表观病害与桥梁结构关键构件和位置的对应关系，以对表观病害进行定位和标记。
5.根据权利要求4所述的基于移动传感和视觉的公路桥梁综合检测方法，其特征在于，还包括：
基于对照物采用图像识别方法计算表观病害的实际尺寸。
6.根据权利要求5所述的基于移动传感和视觉的公路桥梁综合检测方法，其特征在于，还包括：
采用搭载在所述移动检测车辆上的无人机对桥梁侧面和底部、索塔外表面进行测量，并根据无人机测量结果，对桥梁结构的表观病害进行识别与定位。
7.一种基于移动传感和视觉的公路桥梁综合检测系统，其特征在于，包括：安装在移动检测车辆上的传感器和高清相机；其中，
所述传感器，用于当移动检测车辆行驶通过桥梁时，获取桥梁结构的动力特性参数；
所述高清相机，用于当移动检测车辆行驶通过桥梁时，获取桥面视频信息；
处理芯片，用于根据所述桥面视频信息，对桥梁结构的表观病害进行识别与定位；还用于根据获取的所述动力特性参数、识别出的所述表观病害结合桥梁状况的历史数据，对桥梁结构的运营状况进行评估。
8.根据权利要求7所述的基于移动传感和视觉的公路桥梁综合检测系统，其特征在于，还包括：搭载在所述移动检测车辆上的无人机；
所述无人机，用于对桥梁侧面和底部、索塔外表面进行测量；
所述处理芯片，还用于根据无人机测量结果，对桥梁结构的表观病害进行识别与定位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011465372.3A CN112411371A (zh) | 2020-12-14 | 2020-12-14 | 基于移动传感和视觉的公路桥梁综合检测方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011465372.3A CN112411371A (zh) | 2020-12-14 | 2020-12-14 | 基于移动传感和视觉的公路桥梁综合检测方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112411371A true CN112411371A (zh) | 2021-02-26 |
Family
ID=74776585
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011465372.3A Pending CN112411371A (zh) | 2020-12-14 | 2020-12-14 | 基于移动传感和视觉的公路桥梁综合检测方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112411371A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113689380A (zh) * | 2021-07-20 | 2021-11-23 | 中国铁路设计集团有限公司 | 基于深度学习的桁架桥梁铆钉锈蚀病害智能识别方法 |
| CN113897865A (zh) * | 2021-09-30 | 2022-01-07 | 无锡交通建设工程集团有限公司 | 基于emd的混凝土组合箱梁预拼装质量评估方法 |
| CN114638039A (zh) * | 2022-03-24 | 2022-06-17 | 任鹏 | 一种基于低秩矩阵恢复的结构健康监测特征数据解释方法 |
| CN114756936A (zh) * | 2022-04-20 | 2022-07-15 | 嘉兴南湖学院 | 基于机器视觉的桥梁动力特性识别方法 |
| CN117107600A (zh) * | 2023-10-23 | 2023-11-24 | 四川高速公路建设开发集团有限公司 | 一种隧道路面检测系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090126883A (ko) * | 2008-06-05 | 2009-12-09 | 한양대학교 산학협력단 | 교량점검용 장치 |
| CN103234720A (zh) * | 2013-04-10 | 2013-08-07 | 东南大学 | 一种不同荷载类型所致应变的分离与提取方法 |
| CN108776040A (zh) * | 2018-06-11 | 2018-11-09 | 重庆交通大学 | 基于中医方法的桥梁安全巡检系统及诊断方法 |
| CN109521019A (zh) * | 2018-11-09 | 2019-03-26 | 华南理工大学 | 一种基于无人机视觉的桥梁底面裂缝检测方法 |
| CN110031477A (zh) * | 2019-04-04 | 2019-07-19 | 中设设计集团股份有限公司 | 基于图像监控数据的桥梁关键构件病害预警系统及方法 |
| CN111524121A (zh) * | 2020-04-22 | 2020-08-11 | 南京智行信息科技有限公司 | 一种基于机器视觉技术的路桥病害自动检测方法 |
-
2020
- 2020-12-14 CN CN202011465372.3A patent/CN112411371A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090126883A (ko) * | 2008-06-05 | 2009-12-09 | 한양대학교 산학협력단 | 교량점검용 장치 |
| CN103234720A (zh) * | 2013-04-10 | 2013-08-07 | 东南大学 | 一种不同荷载类型所致应变的分离与提取方法 |
| CN108776040A (zh) * | 2018-06-11 | 2018-11-09 | 重庆交通大学 | 基于中医方法的桥梁安全巡检系统及诊断方法 |
| CN109521019A (zh) * | 2018-11-09 | 2019-03-26 | 华南理工大学 | 一种基于无人机视觉的桥梁底面裂缝检测方法 |
| CN110031477A (zh) * | 2019-04-04 | 2019-07-19 | 中设设计集团股份有限公司 | 基于图像监控数据的桥梁关键构件病害预警系统及方法 |
| CN111524121A (zh) * | 2020-04-22 | 2020-08-11 | 南京智行信息科技有限公司 | 一种基于机器视觉技术的路桥病害自动检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 夏均忠等: "基于MCKD和VMD的滚动轴承微弱故障特征提取", 《振动与冲击》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113689380A (zh) * | 2021-07-20 | 2021-11-23 | 中国铁路设计集团有限公司 | 基于深度学习的桁架桥梁铆钉锈蚀病害智能识别方法 |
| CN113897865A (zh) * | 2021-09-30 | 2022-01-07 | 无锡交通建设工程集团有限公司 | 基于emd的混凝土组合箱梁预拼装质量评估方法 |
| CN113897865B (zh) * | 2021-09-30 | 2023-03-21 | 无锡交通建设工程集团有限公司 | 基于emd的混凝土组合箱梁预拼装质量评估方法 |
| CN114638039A (zh) * | 2022-03-24 | 2022-06-17 | 任鹏 | 一种基于低秩矩阵恢复的结构健康监测特征数据解释方法 |
| CN114638039B (zh) * | 2022-03-24 | 2024-05-03 | 沈阳大学 | 一种基于低秩矩阵恢复的结构健康监测特征数据解释方法 |
| CN114756936A (zh) * | 2022-04-20 | 2022-07-15 | 嘉兴南湖学院 | 基于机器视觉的桥梁动力特性识别方法 |
| CN117107600A (zh) * | 2023-10-23 | 2023-11-24 | 四川高速公路建设开发集团有限公司 | 一种隧道路面检测系统及方法 |
| CN117107600B (zh) * | 2023-10-23 | 2023-12-19 | 四川高速公路建设开发集团有限公司 | 一种隧道路面检测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112411371A (zh) | 基于移动传感和视觉的公路桥梁综合检测方法和系统 | |
| Kim et al. | Automated bridge component recognition from point clouds using deep learning | |
| Feng et al. | A kNN algorithm for locating and quantifying stiffness loss in a bridge from the forced vibration due to a truck crossing at low speed | |
| Zaurin et al. | Structural health monitoring using video stream, influence lines, and statistical analysis | |
| CN116596321B (zh) | 基于神经网络的建筑风险监测与评估方法和系统 | |
| CN111709332A (zh) | 基于稠密卷积神经网络的桥梁车辆荷载时空分布识别方法 | |
| CN112637553B (zh) | 一种基于监控视频的桥梁结构模态分析方法 | |
| Samali et al. | Location and severity identification of notch-type damage in a two-storey steel framed structure utilising frequency response functions and artificial neural network | |
| CN111259770A (zh) | 一种基于无人机平台和深度学习的复杂背景下索力快速测试系统及方法 | |
| CN115311246A (zh) | 一种基于大数据的桥梁安全管理方法和系统 | |
| Zhang et al. | Multi-resource fusion of nondestructive evaluation data for bridge deck assessment using discrete wavelet transform and Dempster-Shafer theory | |
| Zhang et al. | Extracting pavement surface distress conditions based on high spatial resolution multispectral digital aerial photography | |
| Lu | A statistical based damage detection approach for highway bridge structural health monitoring | |
| CN112229800B (zh) | 非接触式铁路桥梁状况综合检测方法和系统 | |
| Al-Suleiman et al. | Assessment of the effect of alligator cracking on pavement condition using WSN-image processing | |
| CN213748558U (zh) | 一种移动式钢桥健康监测系统及设备 | |
| Valtierra-Rodriguez et al. | A new damage indicator based on homogeneity and wireless accelerometers for evaluating the structural condition of a cable-stayed bridge | |
| Li et al. | A Review of wavelet-based analysis for driving monitoring to detect local damage on bridges | |
| CN114580880A (zh) | 一种工程项目监理施工资料在线智能调取分析方法 | |
| Ojeda | MATLAB implementation of an operational modal analysis technique for vibration-based structural health monitoring | |
| Fahad et al. | Pavement Crack Monitoring: Literature Review | |
| Scherr et al. | Evaluation of Non-destructive Impact-Echo Data from the National Bridge Inventory | |
| Mei | Crowdsensing-based monitoring of transportation infrastructure using moving vehicles | |
| CN116680646B (zh) | 飞机荷载桥梁损伤识别方法、装置、电子设备及存储介质 | |
| CN115096253B (zh) | 一种用于高机动救援装备路基监测方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210226 |
|
| RJ01 | Rejection of invention patent application after publication |