CN114199188A - 基于车辆动力学模型的桥头跳车智能检测系统及方法 - Google Patents

Abstract

一种基于车辆动力学模型的桥头跳车智能检测系统及方法，该系统包括云端管理中心、至少一个车载设备系统和至少一个边缘计算系统；所述车载设备系统与所述边缘计算系统一一对应电性连接；每个所述边缘计算系统分别与所述云端管理中心通信连接；该方法包括S1：获取检测位置桥头的车辆运行姿态；S2：根据所述运行姿态计算桥头坡度；S3：根据桥头坡度分析跳车病害程度；S4：根据跳车病害程度下发管控措施；本发明通过车载设备系统进行数据采集操作简单只需驱车检测即可；通过边缘计算系统进行计算分析，避免了人工分析产生的误差，提高了计算的准确性以及效率。

Description

基于车辆动力学模型的桥头跳车智能检测系统及方法

技术领域

本发明涉及图像识别技术领域，更具体的说是涉及一种基于车辆动力学模型的桥头跳车智能检测系统及方法。

背景技术

目前，公路桥头处的差异沉降使路面在桥背的回填处出现桥头跳车现象。桥头跳车使得车辆经过桥头连接处时会由于衔接路段的高度差而出现颠簸与跳动的现象，尤其是在车速较快的情况下容易形成较大的安全隐患问题。极大影响了市民的出行体验，同时也严重的影响着驾乘人的安全，行车的速度，道路的使用寿命，舒适度等。尤其是在桥头的高度差大于2cm时，不仅会产生不适感，还会造成巨大的跳动冲击力作用，使车辆行驶的稳定性下降，造成路面和桥面的强烈冲击荷载作用，导致路面桥头的伸缩缝破坏，进一步加剧沉降现象的出现，导致在道路桥梁质量问题方面的恶性循环。在不断地维修、养护、破坏的循环中需要耗费大量的人力、物力资源，造成严重的社会影响。

造成桥头跳车现象的原因可能是由于公路桥头及伸缩缝(桥头引道)处的差异沉降或伸缩缝破坏而使路面纵坡出现台阶引起车辆通过时产生跳跃，也可能是由于本身在雨水，温度等变化的作用下变形引起公路使用中的桥台和其连接的路基部位不均匀沉降和连接不到位。桥头跳车问题不单单会让驾乘人有不舒适感，程度严重可能会引发交通事故。

桥头跳车处工后沉降和搭板纵坡变化值、桥面与引道路面之间的台阶高度值的检测方法有多种。如通过水准仪检测发生跳车处的高度差，或通过检测路面平整度得出路面的纵断面图，直观的反映发生桥头跳车处的差异沉降情况。然而，传统道路检测技术虽然结果准确，数据丰富，但检测设备价格高，外业检测时间长，海量数据需要人工干预，检测周期较长。

因此，如何提供一种基于车辆动力学模型的桥头跳车智能检测系统及方法，去运用科技去高效，精准地找到病害点，判断病害程度从而去处理病害问题，是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于车辆动力学模型的桥头跳车智能检测系统及方法，实现了跳车病害点以及病害程度的高效监测。

为了实现上述目的，本发明采用如下技术方案：

一种基于车辆动力学模型的桥头跳车智能检测系统，包括云端管理中心、至少一个车载设备系统和至少一个边缘计算系统；所述车载设备系统与所述边缘计算系统一一对应电性连接；每个所述边缘计算系统分别与所述云端管理中心通信连接；

所述车载设备系统用于获取相应位置桥头的车辆运行姿态和道路图像；

所述边缘计算系统用于根据所述运行姿态计算对应位置的桥头坡度并根据所述桥头坡度计算桥头跳车病害程度；并将所述桥头跳车病害程度和所述道路图像上传至所述云端管理中心；

所述云端管理中心用于根据所述桥头跳车病害程度和道路图像下发管控措施。

进一步的，所述车载设备系统包括传感器模块、图像采集模块、通讯模块和定位模块，所述传感器模块、所述图像采集模块和所述定位模块均通过所述通讯模块与所述边缘计算系统连接；所述传感器模块为姿态传感器，用于获取车辆的实时运行姿态；所述图像采集模块用于采集路面的病害点并通过所述边缘计算系统发送至所述云端管理中心；所述姿态传感器包括集成了陀螺仪、加速度计和地磁场传感器的惯导传感器，利用所述惯导传感器采集车辆角速度和加速度，并采用动力学算法和卡尔曼动态滤波算法对车辆角速度和加速度进行计算，得出实时的车辆运行姿态，从所述运行姿态中可以得到车辆运行的仰俯角。

进一步的，所述边缘计算系统包括数据处理模块、数据存储模块、控制模块和显示模块，所述数据处理模块用于将所述姿态传感器采集到的数据计算桥头坡度；所述控制模块用于接收外界控制指令控制所述数据处理模块和所述数据存储模块的运行；所述显示模块用于将所述姿态传感器采集到的数据以二维图的形式进行显示，并提供操作界面；所述数据存储库用于将所述姿态传感器采集到的数据和所述图像采集模块监测到的数据进行临时储存。

进一步的，所述边缘计算系统还用于对图像采集模块产生的路面图像添加位置信息，同步上传至所述云端管理中心。

进一步的，所述桥头坡度包括上坡路面坡度、桥面坡度和下坡路面坡度，基于上坡路面坡度、桥面坡度和下坡路面坡度计算相邻路面的最大纵坡差，所述边缘计算系统还用于根据所述最大纵坡差进行跳车病害程度分类。

进一步的，还包括终端设备，所述终端设备与所述云端管理中心通讯连接，所述终端设备用于从所述云端管理中心中调取病害点的跳车病害程度、道路图片和位置信息。

一种基于车辆动力学模型的桥头跳车智能检测方法，包括以下步骤：

S1：获取检测位置桥头的车辆运行姿态；

S2：根据所述运行姿态计算桥头坡度；

S3：根据桥头坡度分析跳车病害程度；

S4：根据跳车病害程度下发管控措施。

进一步的，所述S1包括，获取车辆运行参数，并采用动力学算法和卡尔曼动态滤波算法对车辆的运行参数进行计算，得出实时的车辆运行姿态；所述运行参数为车辆角速度和加速度。

进一步的，所述S2中，桥头坡度计算过程为：根据车辆运行姿态确定车辆的仰俯角并将所述仰俯角的正切值作为运行坡度，提取相应桥头位置的运行坡度作为该位置的桥头坡度。

进一步的，所述S3中，跳车病害程度的分析过程为：提取在平面的运行坡度、上坡起始点的运行坡度和下坡起始点的运行坡度分别作为其对应的桥头坡度，进行相邻纵坡差测算，根据相邻纵坡差确认跳车病害程度。

进一步的，所述运行参数还包括，车辆运行速度，S3还包括：根据所述运行速度，调取对应的的跳车病害程度分类标准，利用所调取的跳车病害程度分类标准对当前得到的桥头坡度进行跳车病害程度分析。

进一步的，所述S1还包括，获取车辆的地理位置，所述S4还包括根据车辆地理位置确认道路检修位置并下发带有位置信息的管控措施。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于车辆动力学模型的桥头跳车智能检测系统及方法，结构简易，只需驱车检测即可；具有友好的UI界面，清晰简明；检测准确率高，在数据收集方面，本发明使用高清摄像机将路面实际状况以图像数据返回保存，并利用惯导传感器将路面的各项数据利用传感器返回记录，数据返回及时且可靠。在数据处理方面，通过边缘计算系统对数据进行处理分析，避免了人工分析产生的误差，提高了计算的准确性以及效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有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附图为本发明提供的一种基于车辆动力学模型的桥头跳车智能检测系统结构示意图；

图2附图为本发明提供的一种基于车辆动力学模型的桥头跳车智能检测系统另一实施例结构示意图；

图3附图为本发明提供的一种基于车辆动力学模型的桥头跳车智能检测方法中坡度检测示意图；

图4附图为本发明提供了一种基于车辆动力学模型的桥头跳车智能检测系统中边缘设备的UI界面。

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。

如图1，本发明实施例公开了一种基于车辆动力学模型的桥头跳车智能检测系统，包括云端管理中心、至少一个车载设备系统和至少一个边缘计算系统；车载设备系统与边缘计算系统一一对应电性连接；每个边缘计算系统分别与云端管理中心通信连接；车载设备系统用于获取相应位置桥头的车辆运行姿态和道路图像；边缘计算系统用于根据运行姿态计算对应位置的桥头坡度并根据桥头坡度计算桥头跳车病害程度；并将桥头跳车病害程度和道路图像上传至云端管理中心；云端管理中心用于根据桥头跳车病害程度和道路图像下发管控措施。

为了进一步实施上述技术方案，还包括终端设备，如智能手机，终端设备与云端管理中心通讯连接，终端设备从云端管理中心中调取病害点以及

如图2，为了进一步实施上述技术方案，车载设备系统包括传感器模块、图像采集模块、通讯模块和定位模块，传感器模块、图像采集模块和定位模块均通过通讯模块与边缘计算系统连接；传感器模块为姿态传感器，用于获取车辆的实时运行姿态；图像采集模块用于对路面进行高清监测、采集病害点并进行储存和回传。

其中，图像采集模块可采用车载摄像机用于车载监控和普通道路监控，在道路病害检测过程中用来实时拍摄路面图片；车载摄像机具有专业防水、防尘、抗干扰、可靠性高，使用寿命长等优点，能够轻松应对各种恶劣天气适用于各种场合，使用更自由。定位模块可以采用4G或5G通讯路由器通过无线传输和GPS卫星定位技术将实时产生的路面图像添加位置信息，以确保精准识别病害路段位置，在完成桥头跳车病害检测后将桥头跳车病害点位传回至云端管理中心进行记录，方便管理人员进行后续的病害补救。

此外，传感器模块为姿态传感器，姿态传感器集成了高精度的加速度计。用于实时采集巡逻车辆在路面上的前向与竖向加速度，能够在动态环境下快速求解出模块当前的实时运动姿态；姿态传感器还集成了惯导传感器，惯导穿安琪集成了高精度的陀螺仪、加速度计和地磁场传感器，可以检测行车姿态并转换为数字信号传输至边缘计算系统进行数据处理，增加识别准确性。边缘计算系统内部集成了姿态解算器配合动态卡尔曼滤波算法能够在动态环境下准确输出车辆当前姿态，姿态测量精度静态0.05度，动态0.1度。

为了进一步实施上述技术方案，边缘计算系统包括数据处理模块、数据存储模块、控制模块和显示模块，所述数据处理模块用于将所述姿态传感器采集到的数据计算桥头坡度；所述控制模块用于接收外界控制指令控制所述数据处理模块和所述数据存储模块的运行；所述显示模块用于将所述姿态传感器采集到的数据以二维图的形式进行显示，并提供操作界面；所述数据存储库用于将所述姿态传感器采集到的数据和所述图像采集模块监测到的数据进行临时储存。

为了进一步实施上述技术方案，边缘计算系统还用于对图像采集模块产生的路面图像添加位置信息，同步上传至云端管理中心。边缘计算系统中具有工业控制基带GPU服务器，拥有大规模并行处理能力和灵活性。

为了进一步实施上述技术方案，通过UPS电源为车载设备系统和边缘计算系统提供电源，维持稳定的工作状态，加强巡逻车工作时间宽度。

为了进一步实施上述技术方案，运行坡度包括上坡路面坡度、桥面坡度和下坡路面坡度，云端平台中心还用于根据相邻路面的最大纵坡差进行跳车病害程度分类。

一种基于车辆动力学模型的桥头跳车智能检测方法，包括以下步骤：

S1：获取车辆运行姿态；

S2：根据运行姿态计算运行坡度；

S3：根据运行坡度分析跳车病害程度；

S4：根据跳车病害程度实行检修措施。

为了进一步实施上述技术方案，S1包括，将高精度的陀螺仪、加速度计和地磁场传感器集成于惯导传感器，采用动力学解算和卡尔曼动态滤波算法根据惯导传感器的采集数据得出实时的车辆运行姿态。

为了进一步实施上述技术方案，S2包括，根据车辆运行姿态确定车辆的仰俯角并将仰俯角的正切值作为运行坡度。

为了进一步实施上述技术方案，S3包括，提取在平面的运行坡度、上坡起始点的运行坡度和下坡起始点的运行坡度，进行相邻纵坡差测算，根据相邻纵坡差确认跳车病害程度，得到跳车病害检测结果。

如图3，在理论推导中，坡度计算方式包含三个过程：(1)高差＝sin(仰俯角)*行驶路程；(2)水平距离＝cos(仰俯角)*行驶路程；(3)坡度＝高差/水平距离。在工程中，为了提高坡度的计算速度，上述过程可以简化如下式子：坡度＝tan(仰俯角)。在计算完坡度后，使用以下过程检测桥头跳车：在开始时获取道路俯仰角值即1号位置点，在2号位置点附近，该处会提取到较大的俯仰角，然后需要剔除3号位置点俯仰角，该点是干扰点，其中干扰点为相邻路面的衔接缝隙，在经过衔接缝隙时，会产生异常的角度变化，可以根据车辆行驶的高程情况判断该车辆是否处在该衔接缝隙位置。最后是提取4号位置点倾仰角。最终1，2，4位置点的倾仰角作为三段路面坡度，进行相邻纵坡差测算，相邻纵坡差计算公式如下：

φ＝max(|α1-α2|,|α4-α2|)*100％

其中，α1为1号位置的运行坡度，α2为2号位置的运行坡度。α4为4号位置的运行坡度。

为了进一步实施上述技术方案，S1还包括，获取车辆运行速度，S3还包括根据运行速度，选择不同的跳车病害程度分类标准。

为了进一步实施上述技术方案，将桥头跳车检测结果发送给相关道路检修部门；通过对桥面、接坡段道路及接坡末端道路各车道实际纵坡分别通过现场“桥头跳车”初排,并对单侧桥头单向车道范围内“跳车”最明显单车道进行现场测量并依据道路设计时速对跳车病害进行分类,详见下表。如表1，表2和表3：

表1设计时速60<Vd≤80km/h道路跳车病害分类

表2设计时速40<Vd≤60km/h道路跳车病害分类

表3设计时速≤40km/h道路跳车病害分类

其中，A类、B类、C类、D类，病害程度依次升高，可以分别用正常、轻度、一般和严重。

为了进一步实施上述技术方案，S1还包括，获取车辆的地理位置，相应的，S4还包括根据车辆地理位置确认道路检修位置进行检修。

为了进一步实施上述技术方案，在检测开始前，输入区名、地名、串口号和车速，在检测过程中收集数据并选择计算上坡最大倾仰角、路面或桥面倾仰角和下坡最大倾仰角，得到相邻最大纵坡差。收集数据完毕后将临时存储的传感器数据与临时图片存储到相应的保存路径下，以便后续的加工处理。

下面，结合边缘计算系统的操作界面对本发明进一步进行说明：

如图4，首先，打开基于车辆动力学模型的桥头跳车智能检测系统(后面简称为车载跳车检测系统)，调整好高清监控设备，点击坡度按钮，打开坡度计算界面，并输入区民和桥名，设置正确的串口号和当前车速，实时计算桥头跳车坡度数据；

然后，在俯仰角显示图中需要选择三个点(上坡最大倾仰角，路面或桥面倾仰角，下坡最大倾仰角)，点击确定按钮；在车辆到达检测区域之前点击启动按钮，开始记录临时数据，并将拍摄的图片进行临时保存；

最后，车辆离开检测区域后，按下暂停按钮，点击“停止记录坡度数据”，即可算出桥面上下坡坡度；收集数据完毕后需要将临时存储的传感器数据与临时图片存储到相应的保存路径下，以便后续的加工处理。随后在文件浏览器中选择保存桥传感器数据，如俯仰角、高度或加速度等，并以二维图的形式显示在图表中，其中传感器数据包括车辆高度信息、磁场信息、角速度、加速度和俯仰角，此外临时数据还包括位置信息如经纬度。

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他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，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。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于车辆动力学模型的桥头跳车智能检测系统，其特征在于，包括云端管理中心、至少一个车载设备系统和至少一个边缘计算系统；所述车载设备系统与所述边缘计算系统一一对应电性连接；每个所述边缘计算系统分别与所述云端管理中心通信连接；

所述车载设备系统用于获取相应位置桥头的车辆运行姿态和道路图像；

所述边缘计算系统用于根据所述运行姿态计算对应位置的桥头坡度并根据所述桥头坡度计算桥头跳车病害程度；并将所述桥头跳车病害程度和所述道路图像上传至所述云端管理中心；

所述云端管理中心用于根据所述桥头跳车病害程度和道路图像下发管控措施。

2.根据权利要求1所述的一种基于车辆动力学模型的桥头跳车智能检测系统，其特征在于，所述车载设备系统包括传感器模块、图像采集模块、通讯模块和定位模块，所述传感器模块、所述图像采集模块和所述定位模块均通过所述通讯模块与所述边缘计算系统连接；所述传感器模块为姿态传感器，用于获取车辆的实时运行姿态；所述图像采集模块用于采集路面的病害点并通过所述边缘计算系统发送至所述云端管理中心。

3.根据权利要求2所述的一种基于车辆动力学模型的桥头跳车智能检测系统，其特征在于，所述边缘计算系统还用于将所述图像采集模块产生的路面图像和所述定位模块采集的位置信息进行合成并通过所述通讯模块同步上传至所述云端管理中心。

4.根据权利要求1所述的一种基于车辆动力学模型的桥头跳车智能检测系统，其特征在于，所述桥头坡度包括上坡路面坡度、桥面坡度和下坡路面坡度，基于上坡路面坡度、桥面坡度和下坡路面坡度计算相邻路面的最大纵坡差，所述边缘计算系统还用于根据所述最大纵坡差进行跳车病害程度分类。

5.一种基于车辆动力学模型的桥头跳车智能检测方法，其特征在于，包括以下步骤：

S1：获取检测位置桥头的车辆运行姿态；

S2：根据所述运行姿态计算桥头坡度；

S3：根据桥头坡度分析跳车病害程度；

S4：根据跳车病害程度下发管控措施。

6.根据权利要求5所述的一种基于车辆动力学模型的桥头跳车智能检测方法，其特征在于，所述S1包括，获取车辆运行参数，并采用动力学算法和卡尔曼动态滤波算法对车辆的运行参数进行计算，得出实时的车辆运行姿态；所述运行参数为车辆角速度和加速度。

7.根据权利要求5所述的一种基于车辆动力学模型的桥头跳车智能检测方法，其特征在于，所述S2中，桥头坡度计算过程为：根据车辆运行姿态确定车辆的仰俯角并将所述仰俯角的正切值作为运行坡度，提取相应桥头位置的运行坡度作为该位置的桥头坡度。

8.根据权利要求7所述的一种基于多传感器融合和车辆动力学模型的枪头跳车智能检测方法，其特征在于，所述S3中，跳车病害程度的分析过程为：提取在平面的运行坡度、上坡起始点的运行坡度和下坡起始点的运行坡度分别作为其对应的桥头坡度，进行相邻纵坡差测算，根据相邻纵坡差确认跳车病害程度。

9.根据权利要求8所述的一种基于车辆动力学模型的桥头跳车智能检测方法，其特征在于，所述运行参数还包括，车辆运行速度，S3还包括：根据所述运行速度，调取对应的的跳车病害程度分类标准，利用所调取的跳车病害程度分类标准对当前得到的桥头坡度进行跳车病害程度分析。

10.根据权利要求5所述的一种基于车辆动力学模型的桥头跳车智能检测方法，其特征在于，所述S1还包括，获取车辆的地理位置；所述S4还包括根据车辆地理位置确认道路检修位置并下发带有位置信息的管控措施。

Images