桥面车流荷载时空分布重构方法、系统及装置

信号装置的制造及其应用技术1.本发明涉及桥面车流荷载时空分布重构领域，尤其是涉及一种桥面车流荷载时空分布重构方法、系统及装置。背景技术：2.车流荷载是桥梁运营使用的主要作用，具有高度的随机性和时变性，掌握桥面车流荷载时空分布对于桥梁荷载管理和运营安全评估具有非常重要的意义。我国交通运输存在显著的超载和重载问题，已经出现了多座桥梁在重载货车作用下的垮塌失效问题，因此，掌握桥面车流荷载时空演变，对于在役桥梁安全评估和荷载管理具有非常重要的意义。3.目前，基于卷积神经网络(convolutional neural network，cnn)的图像识别技术可以对车辆进行目标检测与追踪，因此，利用计算机领域的先进cnn算法可以通过对车辆目标的识别实现对车流时空位置的识别。高速公路etc收费系统得到了全面发展，etc收费系统约3km安装有etc感应系统(可检测etc车辆和持通行卡车辆)，精准定位车辆在路网的驾驶路线实现精准分段收费，高速公路出入口收费站具有最准确的车重信息(称重系统会定时校准)并与车牌唯一匹配。技术实现要素：4.本发明的目的在于提供一种桥面车流荷载时空分布重构方法、系统及装置，旨在解决桥面车流荷载时空分布重构。5.本发明提供一种基于摄像视频和etc数据的桥面车流荷载时空分布重构方法，包括：6.s1、基于路侧摄像头视频数据，采用yolov5多目标检测算法对车辆识别得到车牌边框、车轮边框和车辆外形边框；7.s2、对识别得到车牌边框采用lprnet算法进行字符提取得到车牌边框字符；8.s3、将提取得到车牌边框字符与etc记录的车牌字符进行匹配，根据etc中车牌与车重的关联，确定识别车辆的车重；9.s4、采用deepsort算法对识别得到的车轮边框进行跟踪，确定车轮在桥面的行驶轨迹，根据识别得到车轮边框和车辆外形边框识别车辆的轴数和轴距；10.s5、根据所述轴数、轴距和车重并采用训练得到的knn模型得到车辆的各个轮重；11.s6、根据行驶轨迹和轮重重构桥面车流荷载的时空分布。12.本发明还提供一种基于摄像视频和etc数据的桥面车流荷载时空分布重构系统，包括，13.同步识别模块：用于基于路侧摄像头视频数据，采用yolov5多目标检测算法对车辆识别得到车牌边框、车轮边框和车辆外形边框；14.提取模块：用于对识别得到车牌边框采用lprnet算法进行字符提取得到车牌边框字符；15.匹配模块：用于将提取得到车牌边框字符与etc记录的车牌字符进行匹配，根据etc中车牌与车重的关联，确定识别车辆的车重；16.识别车辆模块：用于采用deepsort算法对识别得到的车轮边框进行跟踪，确定车轮在桥面的行驶轨迹，根据识别得到车轮边框和车辆外形边框识别车辆的轴数和轴距；17.轮重模块：用于根据所述轴数、轴距和车重并采用训练得到的knn模型得到车辆的各个轮重；18.重构模块：根据行驶轨迹和轮重重构桥面车流荷载的时空分布。19.本发明实施例还提供一种基于摄像视频和etc数据的桥面车流荷载时空分布重构，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述方法的步骤。20.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现上述方法的步骤。21.采用本发明实施例，可以实现桥面车流荷载的时空分布的重构，为桥梁的荷载管理与结构状态评估提供直接帮助。22.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。附图说明23.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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。24.图1是本发明实施例的基于摄像视频和etc数据的桥面车流荷载时空分布重构方法的流程图；25.图2是本发明实施例的基于摄像视频和etc数据的桥面车流荷载时空分布重构方法的总体框架示意图；26.图3是本发明实施例的基于摄像视频和etc数据的桥面车流荷载时空分布重构方法的车牌、车轮和车辆外形同步识别示意图；27.图4是本发明实施例的基于摄像视频和etc数据的桥面车流荷载时空分布重构方法的坐标变换示意图；28.图5是本发明实施例的基于摄像视频和etc数据的桥面车流荷载时空分布重构方法的图像坐标体系与桥面坐标体系的转换关系校准点示意图；29.图6是本发明实施例的基于摄像视频和etc数据的桥面车流荷载时空分布重构方法的车辆与桥面接触示意图；30.图7是本发明实施例的基于摄像视频和etc数据的桥面车流荷载时空分布重构方法的车辆与桥面接触的车轮位置推定示意图；31.图8是本发明实施例的基于摄像视频和etc数据的桥面车流荷载时空分布重构系统示意图；32.图9是本发明实施例的基于摄像视频和etc数据的桥面车流荷载时空分布重构装置示意图。具体实施方式33.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。34.方法实施例35.根据本发明实施例，提供了一种基于摄像视频和etc数据的桥面车流荷载时空分布重构方法，图1是本发明实施例的基于摄像视频和etc数据的桥面车流荷载时空分布重构方法的流程图，如图1所示，具体包括：36.s1、基于路侧摄像头视频数据，采用yolov5多目标检测算法对车辆识别得到车牌边框、车轮边框和车辆外形边框；37.s2、对识别得到车牌边框采用lprnet算法进行字符提取得到车牌边框字符；38.s3、将提取得到车牌边框字符与etc记录的车牌字符进行匹配，根据etc中车牌与车重的关联，确定识别车辆的车重；39.s3具体包括：将提取得到车牌边框字符与etc记录的车牌字符进行模糊匹配，根据etc中车牌与车重的关联，确定识别车辆的车重。40.s4、采用deepsort算法对识别得到的车轮边框进行跟踪，确定车轮在桥面的行驶轨迹，根据识别得到车轮边框和车辆外形边框识别车辆的轴数和轴距；41.根据识别得到车轮边框和车辆外形边框识别车辆的轴数和轴距具体包括：根据同一车辆边框所包含的车轮边框数进行累加计算得到轴数，根据同一车辆边框的车轮边框的底边中点连线距离经图像坐标变换得到轴距，其中，图像坐标变换是建立图像坐标与桥面坐标的投影变换矩阵转换关系，通过至少4个点的桥面坐标及其在摄像视频中的图像坐标进行对应构建。42.s5、根据所述轴数、轴距和车重并采用训练得到的knn模型得到车辆的各个轮重；43.s5具体包括：根据所述轴数、轴距和车重并采用训练得到的knn模型得到车辆的各个轮重，其中，knn模型为基于已有的车辆数据，以车辆总重、轴距和轴数作为模型输入，以轴重作为模型输出，进行训练得到的模型。44.s6、根据行驶轨迹和轮重重构桥面车流荷载的时空分布。45.具体实施方法如下：46.图2是本发明实施例的基于摄像视频和etc数据的桥面车流荷载时空分布重构方法的总体框架示意图，如图2所示；47.本发明公开一种基于摄像视频和etc数据的高速公路桥面车流荷载时空分布重构方法。首先，基于路侧摄像头视频数据，采用yolov5多目标检测算法对车辆识别得到车牌边框、车轮边框和车辆外形边框。其次，采用lprnet算法对车牌边框进行字符提取，将识别车牌字符与高速公路附近etc感应系统记录的车辆车牌字符进行匹配，根据etc感应系统中车牌与车重的关联，确定所识别车辆的车重；再则，采用deepsort算法对车轮在前后视频帧的画面位置进行跟踪，基于图像坐标变换确定车轮在桥面的驾驶轨迹，并识别车辆的轴数和轴距；然后，结合已有的车重、轴数、轴距与轴重的关系训练knn模型，根据视频识别车辆的轴数、轴距和车重，采用knn模型推定该车辆的各个轮重；最后，通过路侧连续布设摄像头识别的行驶轨迹及其轮重，重构桥面车流荷载的时空分布。本发明能够精准地呈现车流荷载在桥面的时空演变，可以为桥梁运营荷载分析与结构安全评估提供重要的时空荷载信息。48.图3是本发明实施例的基于摄像视频和etc数据的桥面车流荷载时空分布重构方法的车牌、车轮和车辆外形同步识别示意图；49.s11、基于路侧摄像头视频数据，采用yolov5多目标检测算法对车辆识别得到车牌边框、车轮边框和车辆外形边框；50.s21、采用lprnet算法对车牌边框进行字符提取，将识别车牌字符与高速公路附近etc感应系统记录的车辆车牌字符进行匹配，根据etc感应系统中车牌与车重的关联，确定所识别车辆的车重；51.s21的车牌字符匹配采用模糊匹配方法，具体为若相同位置字符匹配率在70％以上，可以认为这两个车牌是同一辆车；52.s31、采用deepsort算法对车辆车轮在前后视频帧的画面位置进行跟踪，基于图像坐标变换确定车轮在桥面的驾驶轨迹，并识别车辆的轴数、轴距；53.图4是本发明实施例的基于摄像视频和etc数据的桥面车流荷载时空分布重构方法的坐标变换示意图，如图4所示：54.op-xp-yp像素坐标体系；oi-xi-yi图像坐标体系；55.op-xp-yp-zc相机坐标体系；oc-xc-yc-zc相机坐标体系；56.or-xr-yr-zr桥面坐标体系；oioc摄像机焦距；a1'a2'为像素坐标的线段；a1 a2为图像坐标的线段；57.图5是本发明实施例的基于摄像视频和etc数据的桥面车流荷载时空分布重构方法的图像坐标体系与桥面坐标体系的转换关系校准点示意图，如图5所示：58.s31图像坐标变换是建立图像坐标与桥面坐标的投影变换矩阵转换关系，通过至少4个点的桥面坐标及其在摄像视频中的图像坐标进行对应构建；59.图6是本发明实施例的基于摄像视频和etc数据的桥面车流荷载时空分布重构方法的车辆与桥面接触的车轮位置推定示意图；如图6所示：60.根据一侧前后车轮边框的底边中点连线，绘制该连线在桥面坐标体系下的垂直线并取轮距1.8m，从而确定另一侧的车轮的桥面位置，确定驾驶轨迹；61.轴数根据同一车辆边框所包含的车轮边框数进行累加计算，轴距根据各个识别车轮边框的底边中点连线距离经图像坐标变换确定；62.s41、根据视频识别车辆的轴数、轴距和车重，采用knn模型推定该车辆的各个轮重；63.s41的knn模型基于已有的车辆数据，以车辆总重、轴距和轴数作为模型输入，以轴重作为模型输出，进行训练确定；轮重为轴重取值一半，64.s51、通过路侧连续布设摄像头识别的行驶轨迹及其轮重，重构桥面车流荷载的时空分布。65.s51的连续摄像头在桥面布设距离应该使得行驶轨迹线在前后摄像头之间通过图像识别后能够衔接。66.与现有技术相比，本发明具有如下有益效果：67.1.能够精准地重现车流荷载在桥面的时空分布演变，荷载精确到轮载级别，因此不仅可以适用于大跨径桥梁也能够适用于中小跨径桥梁，为精确计算随机车流作用下的桥梁荷载效应提供了保障；68.2.该系统能够实现无中断交通的桥面车流荷载识别，仅需要在路侧布设连续摄像头而不需要额外设置称重系统，具有经济成本低、自动化程度高、效果好等优势，在高速公路中具有广阔的应用场景；69.3.该系统通过呈现桥面车流荷载时空分布，能够为桥梁预警显著超载车辆，能够预警桥梁在重载交通下的桥梁安全，为桥梁管理单位及时掌握桥梁运营荷载状态提供直接帮助。70.装置实施例71.根据本发明实施例，提供了一种基于摄像视频和etc数据的桥面车流荷载时空分布重构系统，图8是本发明实施例的基于摄像视频和etc数据的桥面车流荷载时空分布重构系统的示意图，如图8所示，具体包括：72.同步识别模块：用于基于路侧摄像头视频数据，采用yolov5多目标检测算法对车辆识别得到车牌边框、车轮边框和车辆外形边框；73.提取模块：用于对识别得到车牌边框采用lprnet算法进行字符提取得到车牌边框字符；74.匹配模块：用于将提取得到车牌边框字符与etc记录的车牌字符进行匹配，根据etc中车牌与车重的关联，确定识别车辆的车重；75.识别车辆模块：用于采用deepsort算法对识别得到的车轮边框进行跟踪，确定车轮在桥面的行驶轨迹，根据识别得到车轮边框和车辆外形边框识别车辆的轴数和轴距；76.轮重模块：用于根据所述轴数、轴距和车重并采用训练得到的knn模型得到车辆的各个轮重；77.重构模块：根据行驶轨迹和轮重重构桥面车流荷载的时空分布。78.匹配模块具体用于：将提取得到车牌边框字符与etc记录的车牌字符进行模糊匹配，根据etc中车牌与车重的关联，确定识别车辆的车重。79.识别车辆模块具体用于：根据同一车辆边框所包含的车轮边框数进行累加计算得到轴数，根据同一车辆边框的车轮边框的底边中点连线距离经图像坐标变换得到轴距，其中，图像坐标变换是建立图像坐标与桥面坐标的投影变换矩阵转换关系，通过至少4个点的桥面坐标及其在摄像视频中的图像坐标进行对应构建。80.轮重模块具体用于：根据所述轴数、轴距和车重并采用训练得到的knn模型得到车辆的各个轮重，其中，knn模型为基于已有的车辆数据，以车辆总重、轴距和轴数作为模型输入，以轴重作为模型输出，进行训练得到的模型。81.本发明实施例是与上述方法实施例对应的系统实施例，各个模块的具体操作可以参照方法实施例的描述进行理解，在此不再赘述。82.装置实施例一83.本发明实施例提供一种基于摄像视频和etc数据的桥面车流荷载时空分布重构装置，如图9所示，包括：存储器90、处理器92及存储在存储器90上并可在处理器92上运行的计算机程序，计算机程序被处理器执行时实现上述方法实施例中的步骤。84.装置实施例二85.本发明实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有信息传输的实现程序，程序被处理器92执行时实现上述方法实施例中的步骤。86.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换本发明各实施例技术方案，并不使相应技术方案的本质脱离本方案的范围。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!