基于机器视觉的高架桥梁安全检测方法

技术特征：
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。

技术总结
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。操作便捷。操作便捷。


技术研发人员：雷冬 张杰 杜文康 谢鵾
受保护的技术使用者：河海大学
技术研发日：2022.02.28
技术公布日：2022/7/5