CN117518118A - 一种桥墩防撞控制方法 - Google Patents
一种桥墩防撞控制方法 Download PDFInfo
- Publication number
- CN117518118A CN117518118A CN202410023526.5A CN202410023526A CN117518118A CN 117518118 A CN117518118 A CN 117518118A CN 202410023526 A CN202410023526 A CN 202410023526A CN 117518118 A CN117518118 A CN 117518118A
- Authority
- CN
- China
- Prior art keywords
- data
- radar data
- millimeter wave
- laser radar
- collision
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000001914 filtration Methods 0.000 claims abstract description 21
- 230000004927 fusion Effects 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000007613 environmental effect Effects 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000007499 fusion processing Methods 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 7
- 210000002569 neuron Anatomy 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000008054 signal transmission Effects 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 2
- 238000013215 result calculation Methods 0.000 claims 1
- 230000001960 triggered effect Effects 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/415—Identification of targets based on measurements of movement associated with the target
-
- 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
- E01D19/02—Piers; Abutments ; Protecting same against drifting ice
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02B—HYDRAULIC ENGINEERING
- E02B3/00—Engineering works in connection with control or use of streams, rivers, coasts, or other marine sites; Sealings or joints for engineering works in general
- E02B3/20—Equipment for shipping on coasts, in harbours or on other fixed marine structures, e.g. bollards
- E02B3/26—Fenders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/62—Sense-of-movement determination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
- G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/865—Combination of radar systems with lidar systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/937—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of marine craft
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/50—Systems of measurement based on relative movement of target
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/50—Systems of measurement based on relative movement of target
- G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
- H03H17/02—Frequency selective networks
- H03H17/0248—Filters characterised by a particular frequency response or filtering method
- H03H17/0255—Filters based on statistics
- H03H17/0257—KALMAN filters
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/30—Adapting or protecting infrastructure or their operation in transportation, e.g. on roads, waterways or railways
Abstract
本发明公开了一种桥墩防撞控制方法,属于桥梁安全防护技术领域。该方法包括步骤:通过桥墩防撞系统持续采集环境数据、毫米波雷达数据和激光雷达数据;将毫米波雷达数据和激光雷达数据处理为融合数据;根据环境数据和融合数据实时计算风险预测结果;根据风险预测结果控制防撞装置。本申请通过融合毫米波雷达数据和激光雷达数据,可以更加准确地检测和预测跟踪对象等跟踪对象的运动状态和轨迹,并可在复杂环境条件下(如雾、雨、雪等恶劣天气)保持高性能,从而提高预测碰撞风险的精确性;并通过实时根据结构性特征和运动状态特征识别跟踪对象,并进行扩展卡尔曼滤波处理,从而准确触发防撞装置,有助于最大限度地减少损害或避免碰撞发生。
Description
技术领域
本发明涉及桥梁安全防护技术领域,具体是一种桥墩防撞控制方法。
背景技术
我国正在经历着基础建设的高速发展,其中包括大量的高架桥和跨海跨江大桥。这些桥梁往往经过繁忙的交通路段和海上航线下穿而存在较高的风险。作为这些桥梁的关键承重结构,桥墩很容易受到车辆和船只碰撞的影响。一旦桥墩受损,往往会导致严重的后果,甚至可能导致整个桥梁崩塌。因此,对于桥墩的防撞理论和装置的究变得越来越重要。
在桥墩的防撞理论领域,精确地检测和预测船舶的运动状态和轨迹非常重要的。现有技术通常使用激光测距、激光雷达、热成像等技术获取船舶特征,其中激光雷达技术可以提供较准确的距离和速度信息,但在复杂环境条件下,如雾、雨、雪等恶劣天气中,激光雷达的性能可能会受到限制,导致检测和预测的准确性下降,因此容易存在定位偏差误识别的问题,从而无法准确触发防撞装置。
发明内容
为解决现有技术存在的问题,本发明采用以下技术方案:
一种桥墩防撞控制方法,包括步骤:
通过桥墩防撞系统持续采集环境数据、毫米波雷达数据和激光雷达数据;
将毫米波雷达数据和激光雷达数据处理为融合数据;
根据环境数据和融合数据实时计算风险预测结果;
根据风险预测结果控制防撞装置;
所述将毫米波雷达数据和激光雷达数据处理为融合数据包括步骤:
转换坐标并提取船舶特征;
数据融合处理;
所述数据融合处理具体包括步骤:
根据结构性特征和运动状态特征识别跟踪对象,并初始化扩展卡尔曼滤波模型;
使用匈牙利算法持续将跟踪对象与船舶特征匹配;
根据船舶特征,使用扩展卡尔曼滤波模型对跟踪对象的运动轨迹进行预测得到预测结果;所述扩展卡尔曼滤波模型包括跟踪对象的位置、航向、速度和加速度;
将原有的轨迹与预测结果进行合并,并通过滤波器实时更新跟踪对象的扩展卡尔曼滤波模型。
作为本申请优选方案,所述将毫米波雷达数据和激光雷达数据处理为融合数据包括数据预处理与标准化,具体包括步骤:
时间戳同步:将毫米波雷达数据和激光雷达数据的数据流时间戳对齐,使得毫米波雷达和激光雷达获取的数据在时间上保持一致;
空间校准:对毫米波雷达数据和激光雷达数据进行空间校准,以确保它们参照同一坐标系;
分辨率匹配:对激光雷达数据进行采样,修改激光雷达数据的分辨率以适配毫米波雷达数据;
滤波:使用高斯滤波器去除激光雷达数据和毫米波雷达数据的噪声和异常值。
作为本申请优选方案,所述转换坐标并提取船舶特征,具体包括步骤:
坐标转换:将毫米波雷达数据和激光雷达数据转换至统一的笛卡尔坐标系;
特征提取:从毫米波雷达数据和激光雷达数据中提取有船舶特征,所述船舶特征包括结构性特征和运动状态特征;所述结构性特征包括船舶的边缘、角点和平面特征;所述运动状态特征包括位置、速度和加速度特征。
作为本申请优选方案,所述匈牙利算法具体通过以下步骤实现:
S2331、给定一个成本矩阵,其中的元素表示船舶特征和跟踪对象之间的成本;
S2332、对成本矩阵的每一行和每一列减去最小值;
S2333、在成本矩阵中找到指定位置,使得每一行和每一列都至少有一个被标记的0;如果找不到所述指定位置,进入步骤S2335;否则,标记所述指定位置,并将它所在的行和列的其他0置为未标记状态;
S2334、在标记的行中找到未配对的0,将其与标记的列中的0相连,形成新的匹配边;若未配对的0不存在,进入下一步;
S2335、根据新的匹配边,修改成本矩阵,同时保留已有的匹配边;若所有船舶特征都得到了分配,则结束流程;否则返回步骤S2333。
作为本申请优选方案,所述根据环境数据和融合数据实时计算风险预测结果,具体包括步骤:
根据环境数据设置模拟环境;
使用神经网络模型根据环境数据和跟踪对象参数计算跟踪对象风险预测结果;所述跟踪对象参数通过扩展卡尔曼滤波模型实时获取。
作为本申请优选方案,所述模拟环境包括地理信息、天气条件和水文条件;所述地理信息包括桥梁结构特征和跟踪对象航道;所述天气条件包括风速、风向、能见度和降雨量;所述水文条件包括潮汐情况、水流速度和水流方向。
作为本申请优选方案,所述神经网络模型为多层感知机;所述多层感知机包括输入层、输出层和多个隐藏层;
所述隐藏层的输出表示为:
,/>,/>
其中,H为隐藏层的输出,X为隐藏层的输入,Wh和bh分别为隐藏层的权重和偏差,n为样本的特征数量,h为隐藏层的神经元数量;
所述输出层的输出表示为:
,/>,/>
其中,O为输出层的输出,H为与输出层连接的隐藏层的输出,WO和bO分别为输出层的权重和偏差,q为输出层的输出数量。
作为本申请优选方案,所述防撞装置包括高强橡胶、安全气囊收纳盒和安装基座;所述防撞装置通过安装基座与桥墩紧箍在一起;所述安装基座中设有弹簧;所述安全气囊收纳盒中设有安全气囊。
作为本申请优选方案,所述根据风险预测结果控制防撞装置,具体包括步骤:
当风险预测结果高于第一预设阈值时,通过信号传递装置发送报警信号到防撞装置;防撞装置根据报警信号,触发报警装置;
当风险预测结果高于第二预设阈值时,发送危险信号到防撞装置;所述防撞装置接收到危险信号后向安全气囊收纳盒中的安全气囊充气,使安全气囊包裹桥墩;当风险预测结果降低至第一预设阈值时,将气体排出并将安全气囊收回安全气囊收纳盒内。
与现有技术相比,本发明具有如下有益效果:
本申请通过融合毫米波雷达数据和激光雷达数据,系统可以更加准确地检测和预测跟踪对象等跟踪对象的运动状态和轨迹,并可在不同环境条件下(如雾、雨、雪等恶劣天气)保持高性能,从而提高预测碰撞风险的精确性;并通过实时根据结构性特征和运动状态特征识别跟踪对象,并进行扩展卡尔曼滤波处理,从而提高跟踪识别的准确性和定位精度,准确触发防撞装置,有助于最大限度地减少损害或避免碰撞发生。
本申请通过匈牙利算法减少成本矩阵、标记和划减匹配边的过程,不断更新成本矩阵,直到找到最优的预测结果-跟踪对象分配方案。该算法时间复杂度为O(n^3),在实际应用中具有较高的效率和准确性。
本申请根据风险预测结果控制防撞装置将通过设计合理的装置和智能化的预警处理,能够保证桥墩的安全和防护效果,在降低桥墩撞击风险方面具有重要作用。其中,通过安全气囊的冲击柔性变形,起到对桥墩、防撞气囊装置主体以及撞击车船的三层保护。
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一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例的桥墩防撞控制方法的流程示意图;
图2为本发明实施例的数据融合处理的流程示意图;
图3为本发明实施例的安全气囊闭合状态示意图;
图4为本发明实施例的安全气囊充气状态示意图。
具体实施方式
下面将结合实施例对本发明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。需要说明的是,术语“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。
请参阅图1,本发明公开了一种桥墩防撞控制方法,包括步骤:
S1、通过桥墩防撞系统持续采集环境数据、毫米波雷达数据和激光雷达数据;
S2、将毫米波雷达数据和激光雷达数据处理为融合数据;
S3、根据环境数据和融合数据实时计算风险预测结果;
S4、根据风险预测结果控制防撞装置。
本申请具体实施例如下:
S1、通过桥墩防撞系统持续采集环境数据、毫米波雷达数据和激光雷达数据;所述桥墩防撞系统包括防撞装置1、毫米波雷达和激光雷达。所述毫米波雷达用于探测并跟踪长距离内的跟踪对象动态。激光雷达用于获取桥墩附近高精度的空间数据。
其中,激光雷达与毫米波雷达分别基于不同的原理和技术特性来探测和监测环境,以增强整体的感知能力。激光雷达使用光波进行测量,具有非常高的分辨率和精度,能够详细描绘目标跟踪对象的轮廓和特征,但在恶劣天气下性能会降低。而毫米波雷达使用无线电波进行测量,波长更长,允许它穿透雾霾、雨、雪等恶劣天气条件,提供可靠的检测,但其角分辨率较低。并且二者结合使用可以提供不同透视的感知数据,激光雷达可以详细绘制目标的表面特征,而毫米波雷达则能够探测目标的速度和加速度等信息。当激光雷达与毫米波雷达中的一种受到限制或在特定条件下表现不佳时,另一种可以补充所需信息。
S2、将毫米波雷达数据和激光雷达数据处理为融合数据。
具体的,步骤S2包括:
S21、数据预处理与标准化,具体包括步骤:
时间戳同步:将毫米波雷达数据和激光雷达数据的数据流时间戳对齐,使得毫米波雷达和激光雷达获取的数据在时间上保持一致。
空间校准:对毫米波雷达数据和激光雷达数据进行空间校准,以确保它们参照同一坐标系。
分辨率匹配:对激光雷达数据进行采样,修改激光雷达数据的分辨率以适配毫米波雷达数据。
滤波:使用高斯滤波器去除激光雷达数据和毫米波雷达数据的噪声和异常值。
S22、转换坐标并提取船舶特征,具体包括步骤:
坐标转换:将毫米波雷达数据和激光雷达数据转换至统一的笛卡尔坐标系。
特征提取:从毫米波雷达数据和激光雷达数据中提取有船舶特征,所述船舶特征包括结构性特征和运动状态特征;所述结构性特征包括船舶的边缘、角点和平面特征;所述运动状态特征包括位置、速度和加速度特征。
基于前述内容,数据预处理与标准化确保了数据的准确性、一致性和适配性,而转换坐标并提取船舶特征助于获取关键的结构性特征和运动状态特征,因此这些步骤可以提高桥墩防撞控制方法的准确性和实施效果。
S23、数据融合处理。请参阅图2,所述数据融合处理具体包括步骤:
S231、根据结构性特征和运动状态特征识别跟踪对象,并初始化扩展卡尔曼滤波模型;
S232、使用匈牙利算法持续将跟踪对象与船舶特征匹配,从而将船舶特征根据跟踪对象ID分配至同一跟踪对象。
S233、根据船舶特征,使用扩展卡尔曼滤波模型对跟踪对象的运动轨迹进行预测得到预测结果;所述扩展卡尔曼滤波模型包括跟踪对象的位置、航向、速度和加速度等动态属性。扩展卡尔曼滤波模型使用这些信息来预测跟踪对象的预期位置和状态,并从输入的数据中提取出最准确的结果。
S234、将原有的轨迹与预测结果进行合并,并通过滤波器实时更新跟踪对象的扩展卡尔曼滤波模型。
S235、若无法分配ID,则意味着出现了新的跟踪对象,返回步骤S231。
S236、若长时间没有检测到跟踪对象,则该跟踪对象将被丢弃。
进一步地,匈牙利算法基于图论和网络流的思想,其通过构建完全二分图来表示预测结果和跟踪对象之间的关系,并通过不断更新图中的匹配边来寻找最优的分配解。具体步骤如下:
S2331、给定一个成本矩阵,其中的元素表示船舶特征和跟踪对象之间的成本;
S2332、对成本矩阵的每一行和每一列减去最小值;
S2333、在成本矩阵中找到指定位置,使得每一行和每一列都至少有一个被标记的0;如果找不到所述指定位置,进入步骤S2335;否则,标记所述指定位置,并将它所在的行和列的其他0置为未标记状态;
S2334、在标记的行中找到未配对的0,将其与标记的列中的0相连,形成新的匹配边;若未配对的0不存在,进入下一步;
S2335、更新:根据新的匹配边,修改成本矩阵,同时保留已有的匹配边;若所有船舶特征都得到了分配,则结束流程;否则返回步骤S2333。
本实施例通过匈牙利算法减少成本矩阵、标记和划减匹配边的过程,不断更新成本矩阵,直到找到最优的预测结果-跟踪对象分配方案。该算法时间复杂度为O(n^3),在实际应用中具有较高的效率和准确性。
S3、根据环境数据和融合数据实时计算风险预测结果。
具体的,步骤S3包括:
S31、根据环境数据设置模拟环境;所述模拟环境包括地理信息、天气条件和水文条件。所述地理信息包括桥梁结构特征和跟踪对象航道;所述天气条件包括风速、风向、能见度和降雨量;所述水文条件包括潮汐情况、水流速度和水流方向。
S32、使用神经网络模型根据环境数据和跟踪对象参数计算跟踪对象风险预测结果。所述跟踪对象参数通过扩展卡尔曼滤波模型实时获取。
进一步地,所述神经网络模型为多层感知机(MLP)。多层感知机是一种前馈神经网络,由个全连接的神经网络层组成,其中每个层都有多个神经元。
所述多层感知机包括输入层、输出层和多个隐藏层。
所述隐藏层的输出表示为:
,/>,/>
其中,H为隐藏层的输出,X为隐藏层的输入,Wh和bh分别为隐藏层的权重和偏差,n为样本的特征数量,h为隐藏层的神经元数量。
所述输出层的输出表示为:
,/>,/>
其中,O为输出层的输出,H为与输出层连接的隐藏层的输出,WO和bO分别为输出层的权重和偏差,q为输出层的输出数量,本申请中q=1。
多层感知器的层之间的神经元通过连接权重来连接下一层的神经元。每个神经元都通过一个非线性激活函数(如ReLU、Sigmoid等)进行计算,以生成输出并传递给下一层。在训练过程中,使用反向传播算法通过调整每层之间的权重,逐渐减少生成的输出的差异。
本实施例通过模拟环境和使用神经网络模型根据实时的环境数据和融合数据进行风险预测,提供直观和准确的桥墩防撞风险评估。这有助于改善桥墩防撞控制方法的实效性和精确,提高安全性和可靠性。
S4、根据风险预测结果控制防撞装置1。
请参阅图3和图4,在一实施例中,所述防撞装置1包括高强橡胶11、安全气囊收纳盒12和安装基座13。防撞装置1通过安装基座13与桥墩6紧箍在一起,安装基座13中设有高强弹簧14,安全气囊收纳盒12中设有安全气囊15。
在本实施例中,所述步骤S4具体为:
当风险预测结果高于第一预设阈值时,通过信号传递装置发送报警信号到防撞装置1;防撞装置1还包括报警装置(图中未示出);防撞装置1根据报警信号,触发报警装置,报警装置可以为蜂鸣器或指示灯,以及时提醒驾驶人员调整行车行船方向,达到主动预防的目的。
当风险预测结果高于第二预设阈值时,发送危险信号到防撞装置1。防撞装置1接收到危险信号后,通过电信号触发充气泵开关,充气泵快速向安全气囊收纳盒12中的安全气囊15充气,随着安全气囊15内气压增加,将安全气囊收纳盒12的自开启门挤开,安全气囊15包裹可能遭撞击部位的桥墩6,防御并缓冲撞击对防撞装置1以及桥墩造成破坏;当风险预测结果降低至第一预设阈值时,危险解除,抽气泵开关自动打开,将气体排出并将安全气囊15收回安全气囊收纳盒12内。其中,第二风险阈值大于第一风险阈值。
本实施例中根据风险预测结果控制防撞装置将通过设计合理的装置和智能化的预警处理,能够保证桥墩的安全和防护效果,在降低桥墩撞击风险方面具有重要作用。其中,通过安全气囊的冲击柔性变形,起到对桥墩、防撞气囊装置主体以及撞击车船的三层保护。
基于前述内容,本申请通过融合毫米波雷达数据和激光雷达数据,系统可以更加准确地检测和预测跟踪对象等跟踪对象的运动状态和轨迹,并可在不同环境条件下(如雾、雨、雪等恶劣天气)保持高性能,从而提高预测碰撞风险的精确性;并通过实时根据结构性特征和运动状态特征识别跟踪对象,并进行扩展卡尔曼滤波处理,从而提高跟踪识别的准确性和定位精度,从而准确触发防撞装置,有助于最大限度地减少损害或避免碰撞发生。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,read-onlymemory)、随机存取存储器(RAM,random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (9)
1.一种桥墩防撞控制方法,其特征在于:包括步骤:
通过桥墩防撞系统持续采集环境数据、毫米波雷达数据和激光雷达数据;
将毫米波雷达数据和激光雷达数据处理为融合数据;
根据环境数据和融合数据实时计算风险预测结果;
根据风险预测结果控制防撞装置;
所述将毫米波雷达数据和激光雷达数据处理为融合数据包括步骤:
转换坐标并提取船舶特征;
数据融合处理;
所述数据融合处理具体包括步骤:
根据结构性特征和运动状态特征识别跟踪对象,并初始化扩展卡尔曼滤波模型;
使用匈牙利算法持续将跟踪对象与船舶特征匹配;
根据船舶特征,使用扩展卡尔曼滤波模型对跟踪对象的运动轨迹进行预测得到预测结果;所述扩展卡尔曼滤波模型包括跟踪对象的位置、航向、速度和加速度;
将原有的轨迹与预测结果进行合并,并通过滤波器实时更新跟踪对象的扩展卡尔曼滤波模型。
2.根据权利要求1所述的桥墩防撞控制方法,其特征在于:所述将毫米波雷达数据和激光雷达数据处理为融合数据包括数据预处理与标准化,具体包括步骤:
时间戳同步:将毫米波雷达数据和激光雷达数据的数据流时间戳对齐,使得毫米波雷达和激光雷达获取的数据在时间上保持一致;
空间校准:对毫米波雷达数据和激光雷达数据进行空间校准,以确保它们参照同一坐标系;
分辨率匹配:对激光雷达数据进行采样,修改激光雷达数据的分辨率以适配毫米波雷达数据;
滤波:使用高斯滤波器去除激光雷达数据和毫米波雷达数据的噪声和异常值。
3.根据权利要求1所述的桥墩防撞控制方法,其特征在于:所述转换坐标并提取船舶特征,具体包括步骤:
坐标转换:将毫米波雷达数据和激光雷达数据转换至统一的笛卡尔坐标系;
特征提取:从毫米波雷达数据和激光雷达数据中提取有船舶特征,所述船舶特征包括结构性特征和运动状态特征;所述结构性特征包括船舶的边缘、角点和平面特征;所述运动状态特征包括位置、速度和加速度特征。
4.根据权利要求1所述的桥墩防撞控制方法,其特征在于:所述匈牙利算法具体通过以下步骤实现:
S2331、给定一个成本矩阵,其中的元素表示船舶特征和跟踪对象之间的成本;
S2332、对成本矩阵的每一行和每一列减去最小值;
S2333、在成本矩阵中找到指定位置,使得每一行和每一列都至少有一个被标记的0;如果找不到所述指定位置,进入步骤S2335;否则,标记所述指定位置,并将它所在的行和列的其他0置为未标记状态;
S2334、在标记的行中找到未配对的0,将其与标记的列中的0相连,形成新的匹配边;若未配对的0不存在,进入下一步;
S2335、根据新的匹配边,修改成本矩阵,同时保留已有的匹配边;若所有船舶特征都得到了分配,则结束流程;否则返回步骤S2333。
5.根据权利要求1所述的桥墩防撞控制方法,其特征在于:所述根据环境数据和融合数据实时计算风险预测结果,具体包括步骤:
根据环境数据设置模拟环境;
使用神经网络模型根据环境数据和跟踪对象参数计算跟踪对象风险预测结果;所述跟踪对象参数通过扩展卡尔曼滤波模型实时获取。
6.根据权利要求5所述的桥墩防撞控制方法,其特征在于:所述模拟环境包括地理信息、天气条件和水文条件;所述地理信息包括桥梁结构特征和跟踪对象航道;所述天气条件包括风速、风向、能见度和降雨量;所述水文条件包括潮汐情况、水流速度和水流方向。
7.根据权利要求5所述的桥墩防撞控制方法,其特征在于:所述神经网络模型为多层感知机;所述多层感知机包括输入层、输出层和多个隐藏层;
所述隐藏层的输出表示为:
,/>,/>,
其中,H为隐藏层的输出,X为隐藏层的输入,Wh和bh分别为隐藏层的权重和偏差,n为样本的特征数量,h为隐藏层的神经元数量;
所述输出层的输出表示为:
,/>,/>,
其中,O为输出层的输出,H为与输出层连接的隐藏层的输出,WO和bO分别为输出层的权重和偏差,q为输出层的输出数量。
8.根据权利要求1所述的桥墩防撞控制方法,其特征在于:所述防撞装置包括高强橡胶、安全气囊收纳盒和安装基座;所述防撞装置通过安装基座与桥墩紧箍在一起;所述安装基座中设有弹簧;所述安全气囊收纳盒中设有安全气囊。
9.根据权利要求8所述的桥墩防撞控制方法,其特征在于:所述根据风险预测结果控制防撞装置,具体包括步骤:
当风险预测结果高于第一预设阈值时,通过信号传递装置发送报警信号到防撞装置;防撞装置根据报警信号,触发报警装置;
当风险预测结果高于第二预设阈值时,发送危险信号到防撞装置;所述防撞装置接收到危险信号后向安全气囊收纳盒中的安全气囊充气,使安全气囊包裹桥墩;当风险预测结果降低至第一预设阈值时,将气体排出并将安全气囊收回安全气囊收纳盒内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410023526.5A CN117518118B (zh) | 2024-01-08 | 2024-01-08 | 一种桥墩防撞控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410023526.5A CN117518118B (zh) | 2024-01-08 | 2024-01-08 | 一种桥墩防撞控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117518118A true CN117518118A (zh) | 2024-02-06 |
CN117518118B CN117518118B (zh) | 2024-03-15 |
Family
ID=89753533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410023526.5A Active CN117518118B (zh) | 2024-01-08 | 2024-01-08 | 一种桥墩防撞控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117518118B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202830834U (zh) * | 2012-09-28 | 2013-03-27 | 重庆交通大学 | 一种可自动检测碰撞危险的桥梁防撞气囊装置 |
US20190353775A1 (en) * | 2018-05-21 | 2019-11-21 | Johnson Controls Technology Company | Building radar-camera surveillance system |
CN110491175A (zh) * | 2019-09-09 | 2019-11-22 | 武汉理工大学 | 桥梁防撞应急安全气囊控制方法及其装置 |
CN112581795A (zh) * | 2020-12-16 | 2021-03-30 | 东南大学 | 一种基于视频的船桥及船间碰撞实时预警方法与系统 |
CN115620559A (zh) * | 2022-09-23 | 2023-01-17 | 杭州云栖慧联技术有限公司 | 一种基于智能感知的船舶安全管理方法、系统及设备 |
-
2024
- 2024-01-08 CN CN202410023526.5A patent/CN117518118B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202830834U (zh) * | 2012-09-28 | 2013-03-27 | 重庆交通大学 | 一种可自动检测碰撞危险的桥梁防撞气囊装置 |
US20190353775A1 (en) * | 2018-05-21 | 2019-11-21 | Johnson Controls Technology Company | Building radar-camera surveillance system |
CN110491175A (zh) * | 2019-09-09 | 2019-11-22 | 武汉理工大学 | 桥梁防撞应急安全气囊控制方法及其装置 |
CN112581795A (zh) * | 2020-12-16 | 2021-03-30 | 东南大学 | 一种基于视频的船桥及船间碰撞实时预警方法与系统 |
CN115620559A (zh) * | 2022-09-23 | 2023-01-17 | 杭州云栖慧联技术有限公司 | 一种基于智能感知的船舶安全管理方法、系统及设备 |
Non-Patent Citations (1)
Title |
---|
张卫成等: "多传感器融合的航标碰撞智能监测系统设计应用", 《中国海事》, no. 6, 15 June 2023 (2023-06-15), pages 59 - 61 * |
Also Published As
Publication number | Publication date |
---|---|
CN117518118B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111899568B (zh) | 桥梁防撞预警系统、方法、装置和存储介质 | |
CN101214851B (zh) | 船舶行驶智能型全天候主动安全预警系统及其预警方法 | |
CN110532889B (zh) | 基于旋翼无人飞行器和YOLOv3的轨道异物检测方法 | |
CN107609522A (zh) | 一种基于激光雷达和机器视觉的信息融合车辆检测系统 | |
CN104670155B (zh) | 基于云端车联网的车辆防盗报警系统 | |
CN111415533B (zh) | 弯道安全预警监控方法、装置以及系统 | |
Palffy et al. | Occlusion aware sensor fusion for early crossing pedestrian detection | |
CN107031661A (zh) | 一种基于盲区相机输入的变道预警方法及系统 | |
CN105197108B (zh) | 一种基于汽车辅助驾驶系统的多目标测向系统及其方法 | |
CN107985189A (zh) | 面向高速驾驶环境下的驾驶员变道深度预警方法 | |
CN112581795B (zh) | 一种基于视频的船桥及船间碰撞实时预警方法与系统 | |
CN113721262B (zh) | 基于激光雷达检测船舶航向和高度的桥梁防碰撞预警方法 | |
Dimitrievski et al. | Weakly supervised deep learning method for vulnerable road user detection in FMCW radar | |
Khan et al. | Investigation of flash floods on early basis: A factual comprehensive review | |
Zhang et al. | A warning framework for avoiding vessel‐bridge and vessel‐vessel collisions based on generative adversarial and dual‐task networks | |
CN115346399A (zh) | 基于相控阵雷达、ais和lstm网络的大桥防船撞预警系统 | |
Li et al. | Pedestrian liveness detection based on mmwave radar and camera fusion | |
CN117518118B (zh) | 一种桥墩防撞控制方法 | |
CN112085101A (zh) | 一种高性能高可靠的环境融合感知方法及系统 | |
CN111710192A (zh) | 一种船桥碰撞事故预警与记录方法、装置及系统 | |
CN111612818A (zh) | 新型双目视觉多目标跟踪方法及系统 | |
CN115805865A (zh) | 重型汽车盲区预警方法、装置、设备及存储介质 | |
CN115965847A (zh) | 交叉视角下多模态特征融合的三维目标检测方法和系统 | |
Lamard et al. | CPHD filter addressing occlusions with pedestrians and vehicles tracking | |
Hsu et al. | Object recognition system design in regions of interest based on AdaBoost algorithm |
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 |