CN114705163A - 基于机器视觉的高架桥梁安全检测方法 - Google Patents
基于机器视觉的高架桥梁安全检测方法 Download PDFInfo
- Publication number
- CN114705163A CN114705163A CN202210186994.5A CN202210186994A CN114705163A CN 114705163 A CN114705163 A CN 114705163A CN 202210186994 A CN202210186994 A CN 202210186994A CN 114705163 A CN114705163 A CN 114705163A
- Authority
- CN
- China
- Prior art keywords
- displacement
- bridge
- vehicle
- machine vision
- change
- 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 16
- 238000006073 displacement reaction Methods 0.000 claims abstract description 62
- 230000008859 change Effects 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012423 maintenance Methods 0.000 claims abstract description 8
- 230000002787 reinforcement Effects 0.000 claims abstract description 6
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 230000003068 static effect Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims 1
- 230000007774 longterm Effects 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000009434 installation Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C9/00—Measuring inclination, e.g. by clinometers, by levels
- G01C9/02—Details
-
- 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
- G01G19/03—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles for weighing during motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于机器视觉的高架桥梁安全检测方法，步骤如下：通过在高架桥梁匝道处布置一个摄像机与特征点，通过相机的拍摄来计算出特征点的形心位移变化；再通过布置在匝道上方的摄像机来拍摄通过车辆的信息；通过力‑位移的关系计算得出通过车辆的荷载，并判断该车量是否通过超重及超载；并且在独柱墩处布置一个摄像机来计算LED灯线条的倾角变化；通过LED灯倾角变化来确定桥梁的倾角变化；并进行长期的检测，当倾角变化大于预警值时，通知管养单位进行对桥梁的维修与加固措施；完成对城市高架桥梁的安全检测。本发明降低了测量成本；且对桥梁不造成任何损伤破坏，安装便利，操作便捷。
Description
技术领域
本发明涉及高架桥梁，特别是一种基于机器视觉的高架桥梁安全检测方法。
背景技术
城市人口的急剧增加使车辆日益增多，城市高架桥梁在使用中随着长期的载 荷效应、材料磨损老化和自然因素的侵蚀，城市高架桥梁的结构存在着不同程度 的损伤和抗力减弱现象，使得桥梁结构的安全性和耐久性发生退化。一旦城市高 架发生事故，会造成巨大的经济损失。
由此可见，对城市高架进行实时监测是非常有必要的，传统的测量方法效率 低，造价昂贵，还有可能对桥梁造成一定的损伤；而基于数字图像简单有效，操 作方便，且能够长期的对城市高架桥梁进行车辆超重超载以及桥梁倾覆状况的实 时检测，能够有效的保护我国城市高架的安全。
发明内容
发明目的：本发明的目的是提供一种基于机器视觉的高架桥梁安全检测方法， 从而降低使用成本，构建实时的城市高架超载倾覆监测系统，保障我国城市高架 桥梁的安全。
技术方案：本发明所述的一种基于机器视觉的高架桥梁安全检测方法，包括 以下步骤：
S1、在匝道下方布置一台摄像机以及特征点，通过相机来拍摄特征点的位移， 获取特征点的位移数据；通过布置在匝道上方的相机来拍摄通过车辆的车牌信息， 传至于交通监控系统来获取该车辆的参数信息；
S2、基于获得的特征点位移数据，通过计算得出实际桥梁的结构位移，通过 力-位移公式W＝KF来计算得出通行车辆的荷载；
S3、将获取的车辆参数信息以及城市高架桥梁设计的参数阈值与计算所得出 的车辆的荷载比较，判断该车辆是否超重以及超载，如超重或超载，将消息发至 市政部门或交通部门来处理；
S4、在城市高架桥梁独柱墩处布置一台摄像机以及LED灯，通过相机拍摄 LED灯倾角的变化；
S5、通过LED灯倾角的变化，来获得桥梁结构的倾角变化；并判断桥梁倾角 的变化是否超出预警值，如若超出预警值，通知相关部门对桥梁采取维修与加固 措施。
步骤S1中所述的特征点为红色圆形特征点。
所述步骤S1中，利用对特征点检测的方法来获取特征点的位移数据，具体 为：采用形心法对特征点的形心进行追踪，检测特征点的形心位移的变化，从而 确定特征点的位移变化。
所述步骤S2中，对于特征点位移转换成实际桥梁结构的位移，利用特征点 的实际尺寸与像素尺寸之间的比值r＝S/S1，实际位移即等于 
其中(x，y)是特征点位移前的形心坐标，(x1，y1) 是特征点位移后的形心坐标。
所述步骤S2中，对于力-位移计算公式，通过多辆已知荷载的车辆进行实验， 获得特征点处的位移，通过特征点位移计算所得的实际桥梁结构位移进行神经网 络训练，将已知车重输入神经网络的输入层，实际桥梁结构位移输入神经网络的 输出层，通过训练学习获得力-位移关系的参数值。
所述步骤S3中，对于超重以及超载的车辆，交通部门先通知车辆在路道中 间行驶，请勿在车道两边行驶，防止方式倾覆现象；并要求其在下个路口下城市 高架，对于超载车辆，交通部门对其进行相应的处理；对于超重车辆，市政部门 对其进行相应的处理。
所述步骤S4中，对于LED倾角的变化，静止状态下LED灯上方边缘直接的 关系式为：y＝k1x+b1；当车辆通过时对LED进行上方的边缘检测，得到上方直 线拟合关系是：y＝k2x+b2，通过k1与k2之间的关系，利用三角函数tanα＝ (k1-k2)/(1+k1*k2)，来求得LED倾角的变化。
所述步骤S4中，LED灯为红色灯带。
一种计算机存储介质，其上存储有计算机程序，该计算机程序被处理器执行 时实现上述的一种基于机器视觉的高架桥梁安全检测方法。
一种计算机设备，包括储存器、处理器及存储在存储器上并可再处理器上运 行的计算机程序，所述处理器执行所述计算机程序时实现上述的一种基于机器视 觉的高架桥梁安全检测方法。
有益效果：与现有技术相比，本发明具有如下优点：1、传统的测量大多都是 通过传感器，传感器费用昂贵，维修麻烦，还有可能对桥梁产生损伤；而基于机 器视觉的方法通过非接触式的测量方法，使用成本低，且不对桥梁造成损伤，并 且能够对桥梁进行实时的检测，能够有效的监测通行车辆的荷载大小，可以遏制 超重超载的现象；2、同时可以实时监测独柱墩处城市高架桥的倾斜状况；3、能 够有效的保护我国城市高架桥梁的安全。
附图说明
图1为本发明基于机器视觉的高架桥梁安全检测方法的流程图；
图2整体结构布置示意图；
图3匝道处摄像机布置及特征点布置示意图；
图4超重及超载处理流程图；
图5独柱墩处摄像机布置及LED灯布置示意图；
图6桥梁倾斜程度维护加固流程图；
图7实际城市桥梁匝道特征点布置示意图；
图8实际城市桥梁匝道处摄像机布置示意图；
图9基于机器视觉城市匝道处结构时间-位移图；
图10车辆通过匝道图，其中图10a为14秒处车辆经过示意图，图10b为39 秒处车辆经过示意图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
如图1、2所示，一种基于机器视觉的高架桥梁安全检测方法，包括以下步骤：
S1、如图3所示，在匝道下方布置一台摄像机以及特征点，通过相机来拍摄 特征点的位移，获取特征点的位移数据；通过布置在匝道上方的相机来拍摄通过 车辆的车牌信息，传至于交通监控系统来获取该车辆的参数信息。
其中特征点的形状为红色特征点，采用形心法对特征点的形心进行追踪，检 测特征点的形心位移的变化，来确定特征点的位移变化。通过匝道上方摄像头来 对通行车辆进行拍摄，利用车牌检测技术来确定该车辆的核定载重。
S2、基于获得的特征点位移数据，通过计算得出实际桥梁的结构位移，通过 力-位移公式W＝KF来计算得出通行车辆的荷载。
对于特征点位移转换成实际桥梁结构的位移，利用特征点的实际尺寸与像素 尺寸之间的比值r＝S/S1，实际位移即等于
其中 (x，y)是特征点位移前的形心坐标，(x1，y1)是特征点位移后的形心坐标。
对于力-位移计算公式，通过多辆已知荷载的车辆进行实验，获得特征点处的 位移，通过特征点位移计算所得的实际桥梁结构位移进行神经网络训练，将已知 车重输入神经网络的输入层，实际桥梁结构位移输入神经网络的输出层，通过训 练学习获得力-位移关系的参数值。
S3、将获取的车辆参数信息以及城市高架桥梁设计的参数阈值与计算所得出 的车辆的荷载比较，判断该车辆是否超重以及超载，如超重或超载，将消息发至 市政部门或交通部门来处理，具体流程如图4所示。
其中城市高架桥梁设计的阈值是通过桥梁设计来判断通过该桥梁的一个最大 荷载值。当车辆超出桥梁设计的参数阈值时，市政部门对该车辆进行喊话，并引 导该车辆行驶在桥梁中间车道，防止该超重超载车辆对桥梁单侧造成损害，埋下 倾覆的可能性，并令其在下个出口立马下去，并交由市政相关部门来处罚。
当车辆并未超过城市高架桥梁设计的阈值，但是超过其核定载重时，将该车 辆信息发送给交通管理部门，对该车辆进行处罚。例如：某城市高架桥梁允许通 过的最大荷载为49吨，某车辆的核定载重为30吨，当检测出该车辆实际载重为 40吨时，该车辆即超重，将该车辆的信息发送给当地的交通管理部门，对其进行 处罚。
通过对实际桥梁的监测来进一步解释上述情况，在南京某高架桥梁匝道处进 行实验，特征点与相机布置如图7、图8所示，通过拍摄特征点的位移，拍摄完 成后，对数据进行处理，如图9所示，在14秒处与39秒处，位移波动较大，通 过上方摄像头观察得到，该时间段有两辆车重较大的车通过，如图10a、10b所示， 通过计算所得两辆车的载重分别为7.8吨和6.9吨，对于南京城市高架桥梁，均未 超过该城市桥梁车辆设计荷载值，且均未其自身的核定荷载，这两辆车均未违规。
S4、在城市高架桥梁独柱墩处布置一台摄像机以及LED灯，通过相机拍摄 LED灯倾角的变化，如图5所示。
其中LED灯为红色灯带；对于LED倾角的变化，静止状态下LED灯上方边 缘直接的关系式为：y＝k1x+b1；当车辆通过时对LED进行上方的边缘检测，得 到上方直线拟合关系是：y＝k2x+b2，通过k1与k2之间的关系，利用三角函数tan α＝(k1-k2)/(1+k1*k2)，来求得LED倾角的变化。
S5、通过LED灯倾角的变化，来获得桥梁结构的倾角变化；并判断桥梁倾角 的变化是否超出预警值，如若超出预警值，通知相关部门对桥梁采取维修与加固 措施，具体流程图如图6所示。
其中对于桥梁结构的倾角变化，直接通过LED灯倾角变化来得到。其中桥梁 结构倾角的变化最大为15°，其中有两种变化，其一是当车辆经过单侧时，城市 高架桥梁倾角会发生变化，当倾角变化超过10°时，就开始预警，通知相关部门 过来进行维护与加固措施；其二是有车辆经过之后，经过长期荷载的作用下，桥 梁长期一个使用状态下会有倾角的发生，当没有车经过时，城市高架桥梁倾角相 较于一开始发生超过5°，及可以预警并且通知管养单位过来进行维护与加固措 施。
一种计算机存储介质，其上存储有计算机程序，该计算机程序被处理器执行 时实现上述的一种基于机器视觉的高架桥梁安全检测方法。
一种计算机设备，包括储存器、处理器及存储在存储器上并可再处理器上运 行的计算机程序，所述处理器执行所述计算机程序时实现上述的一种基于机器视 觉的高架桥梁安全检测方法。
Claims (10)
1.一种基于机器视觉的高架桥梁安全检测方法，其特征在于，包括以下步骤：
S1、在匝道下方布置一台摄像机以及特征点，通过相机来拍摄特征点的位移，获取特征点的位移数据；通过布置在匝道上方的相机来拍摄通过车辆的车牌信息，传至于交通监控系统来获取该车辆的参数信息；
S2、基于获得的特征点位移数据，通过计算得出实际桥梁的结构位移，通过力-位移公式W＝KF来计算得出通行车辆的荷载；
S3、将获取的车辆参数信息以及城市高架桥梁设计的参数阈值与计算所得出的车辆的荷载比较，判断该车辆是否超重以及超载，如超重或超载，将消息发至市政部门或交通部门来处理；
S4、在城市高架桥梁独柱墩处布置一台摄像机以及LED灯，通过相机拍摄LED灯倾角的变化；
S5、通过LED灯倾角的变化，来获得桥梁结构的倾角变化；并判断桥梁倾角的变化是否超出预警值，如若超出预警值，通知相关部门对桥梁采取维修与加固措施。
2.根据权利要求1所述的一种基于机器视觉的高架桥梁安全检测方法，其特征在于，步骤S1中所述的特征点为红色圆形特征点。
3.根据权利要求1所述的一种基于机器视觉的高架桥梁安全检测方法，其特征在于，所述步骤S1中，利用对特征点检测的方法来获取特征点的位移数据，具体为：采用形心法对特征点的形心进行追踪，检测特征点的形心位移的变化，从而确定特征点的位移变化。
4.根据权利要求1所述的一种基于机器视觉的高架桥梁安全检测方法，其特征在于，所述步骤S2中，对于特征点位移转换成实际桥梁结构的位移，利用特征点的实际尺寸与像素尺寸之间的比值r＝S/S1，实际位移即等于
其中(x，y)是特征点位移前的形心坐标，(x1，y1)是特征点位移后的形心坐标。
5.根据权利要求1所述的一种基于机器视觉的高架桥梁安全检测方法，其特征在于，所述步骤S2中，对于力-位移计算公式，通过多辆已知荷载的车辆进行实验，获得特征点处的位移，通过特征点位移计算所得的实际桥梁结构位移进行神经网络训练，将已知车重输入神经网络的输入层，实际桥梁结构位移输入神经网络的输出层，通过训练学习获得力-位移关系的参数值。
6.根据权利要求1所述的一种基于机器视觉的高架桥梁安全检测方法，其特征在于，所述步骤S3中，对于超重以及超载的车辆，交通部门先通知车辆在路道中间行驶，请勿在车道两边行驶，防止方式倾覆现象；并要求其在下个路口下城市高架，对于超载车辆，交通部门对其进行相应的处理；对于超重车辆，市政部门对其进行相应的处理。
7.根据权利要求1所述的一种基于机器视觉的高架桥梁安全检测方法，其特征在于，所述步骤S4中，对于LED倾角的变化，静止状态下LED灯上方边缘直接的关系式为：y＝k1x+b1；当车辆通过时对LED进行上方的边缘检测，得到上方直线拟合关系是：y＝k2x+b2，通过k1与k2之间的关系，利用三角函数tanα＝(k1-k2)/(1+k1*k2)，来求得LED倾角的变化。
8.根据权利要求1所述的一种基于机器视觉的高架桥梁安全检测方法，其特征在于，所述步骤S4中，LED灯为红色灯带。
9.一种计算机存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-8中任一项所述的一种基于机器视觉的高架桥梁安全检测方法。
10.一种计算机设备，包括储存器、处理器及存储在存储器上并可再处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-8中任一项所述的一种基于机器视觉的高架桥梁安全检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210186994.5A CN114705163A (zh) | 2022-02-28 | 2022-02-28 | 基于机器视觉的高架桥梁安全检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210186994.5A CN114705163A (zh) | 2022-02-28 | 2022-02-28 | 基于机器视觉的高架桥梁安全检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114705163A true CN114705163A (zh) | 2022-07-05 |
Family
ID=82167694
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210186994.5A Pending CN114705163A (zh) | 2022-02-28 | 2022-02-28 | 基于机器视觉的高架桥梁安全检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114705163A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102353355A (zh) * | 2011-06-14 | 2012-02-15 | 西安工程大学 | 一种基于视频差异的输电线路杆塔倾斜的测量方法 |
| CN106153004A (zh) * | 2015-04-08 | 2016-11-23 | 广东中星电子有限公司 | 一种建筑物倾斜检测方法和装置 |
| CN205909822U (zh) * | 2016-06-29 | 2017-01-25 | 河南省交通科学技术研究院有限公司 | 一种桥墩倾斜实时监测装置 |
| CN110188582A (zh) * | 2019-05-27 | 2019-08-30 | 广东石油化工学院 | 一种商品标签上隐形图形编码中定位点识别方法 |
| CN111489559A (zh) * | 2020-04-03 | 2020-08-04 | 河海大学 | 高架桥梁超载监测与预警的系统与方法 |
| CN212983637U (zh) * | 2020-09-14 | 2021-04-16 | 上海同禾工程科技股份有限公司 | 一种用于桥梁施工期的桥梁动态线型监控系统 |
| CN215003738U (zh) * | 2021-07-02 | 2021-12-03 | 北京城建勘测设计研究院有限责任公司 | 一种桥梁结构变形多参数基础监测装置 |
| CN113865683A (zh) * | 2021-12-01 | 2021-12-31 | 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 |
-
2022
- 2022-02-28 CN CN202210186994.5A patent/CN114705163A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102353355A (zh) * | 2011-06-14 | 2012-02-15 | 西安工程大学 | 一种基于视频差异的输电线路杆塔倾斜的测量方法 |
| CN106153004A (zh) * | 2015-04-08 | 2016-11-23 | 广东中星电子有限公司 | 一种建筑物倾斜检测方法和装置 |
| CN205909822U (zh) * | 2016-06-29 | 2017-01-25 | 河南省交通科学技术研究院有限公司 | 一种桥墩倾斜实时监测装置 |
| CN110188582A (zh) * | 2019-05-27 | 2019-08-30 | 广东石油化工学院 | 一种商品标签上隐形图形编码中定位点识别方法 |
| CN111489559A (zh) * | 2020-04-03 | 2020-08-04 | 河海大学 | 高架桥梁超载监测与预警的系统与方法 |
| CN212983637U (zh) * | 2020-09-14 | 2021-04-16 | 上海同禾工程科技股份有限公司 | 一种用于桥梁施工期的桥梁动态线型监控系统 |
| CN215003738U (zh) * | 2021-07-02 | 2021-12-03 | 北京城建勘测设计研究院有限责任公司 | 一种桥梁结构变形多参数基础监测装置 |
| CN113865683A (zh) * | 2021-12-01 | 2021-12-31 | 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101693759B1 (ko) | 로드셀이 구비된 신축이음장치를 이용한 교량 안전진단 장치 및 그 방법 | |
| CN107316461B (zh) | 高速公路或城市快速通道交通超限超载远程云监控系统 | |
| 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 | |
| EP3187838A1 (en) | System for vehicles weight preselection and evaluation of the technical state of road infrastructure | |
| CN113470374B (zh) | 车辆超速监测方法、装置、计算机设备及存储介质 | |
| CN116029555B (zh) | 基于轻量化神经网络的桥梁风险识别预警系统及应用方法 | |
| CN113865683B (zh) | 基于机器视觉的城市高架桥梁超重超载动态预警方法 | |
| CN111368423A (zh) | 一种车载桥梁承载能力快速检测评估系统及方法 | |
| CN103453892A (zh) | 一种桥梁裂缝实时监测及快速预警装置 | |
| CN116128380B (zh) | 一种桥梁健康监测方法、装置、电子设备及存储介质 | |
| CN113310527A (zh) | 基于综合感知的独墩立交桥超载和倾覆监测预警方法 | |
| Dan et al. | Monitoring and evaluation of overturning resistance of box girder bridges based on time-varying reliability analysis | |
| Lee et al. | Black ice detection using CNN for the Prevention of Accidents in Automated Vehicle | |
| CN115082849A (zh) | 基于深度学习的模板支架安全智能监测方法 | |
| CN114705163A (zh) | 基于机器视觉的高架桥梁安全检测方法 | |
| CN108592869B (zh) | 一种高支模超载监测方法及装置 | |
| CN116576793B (zh) | 一种箱梁模板支架施工的管控系统及方法 | |
| Jung | An approach to automated detection of failure in temporary structures using image processing | |
| Ye et al. | Computer vision-based monitoring of ship navigation for bridge collision risk assessment | |
| CN115273474B (zh) | 一种基于人工智能的rpa巡检机器人巡检管理系统 | |
| CN116229231A (zh) | 一种基于深度学习算法的桥梁船舶碰撞检测方法及系统 | |
| CN114512004A (zh) | 桥梁主动引导调度车辆的防倾覆系统及其调度方法 | |
| CN114841995A (zh) | 一种基于深度学习的铁路路基挡护设备服役状态评估方法 | |
| CN107601249B (zh) | 一种扶梯梳齿板异物保护装置的检测方法 | |
| CN117373231B (zh) | 车辆荷载下中小桥梁动态响应的前触式监测方法及系统 |
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: 20220705 |
|
| RJ01 | Rejection of invention patent application after publication |