CN115240111B 一种中小跨径桥梁车流荷载实时反算方法 （东南大学）

号本发明公开了一种中小跨径桥梁车流荷载实时反算方法，基于YOLOv5和DeepSort的深度监控视频中实时而准确地获取桥上车辆运行的反向传播算法在Moses算法基础上对其系统控制方程进行改进，解决传统的Moses算法控制方程时能够结合当地的实际车流信息中车辆车重的2获得的预设时间点各车辆在视频中的车辆位置信息，预测当前时刻各车辆在视频中的位步骤S11:采集目标桥梁上运行的各车辆的视频，将辆类型的平均精度达到0.9以上；3步骤S13:通过点和点确定车辆i的检测框在像素坐标系中步骤S21:读取当前帧图像样本中车辆的检测框的位置以及各检测框图像块的深度特步骤S22:计算各检测框的置信度，根据置信度对各检步骤S23:若针对同一车辆框选至少两个检测框，则对步骤S31:将图像样本中基于像素坐标系的车辆位置转换将像素坐标系xO1y中的坐标通过下式转化为相机坐标系O2XcYcZc中的坐cc分别为相机ww4判断该车辆所属于的车道信息Lanef,Lane⃞表示第i个车辆5堆栈中的车辆的运行信息、桥梁动态响应信息导入步骤S5的车重反算模型中进行车重反步骤S51：基于Moses算法，计算车辆在目标桥梁步骤S53：将降低桥梁动态响应信号的实测值与预测值之间的误差对车辆轴重的偏导车轴轴重为wj的车辆在目标桥梁上引起的动态响应信号的预测值与实测值6[0002]如何保障现役桥梁的安全耐久性对于交通基础设施行业了获得交通场景中的车重信息，美国学者于上世纪80年代引入桥梁动态称重(Bridge[0006]步骤S1:以摄像机采集目标桥梁上运行的各车辆的视频，通过YOLOv5深度学习算7[0011]步骤B:以步骤A所获得的信息存储堆栈中的桥梁动态响应信息、车辆运行信息为为输出，其中vehicle:ass表示第i个车辆的车辆类坐标值，则分别表示第i个车辆的检测框所在的[0015]步骤S13:通过点(xn,n)和点确定车辆i的检测框在像素坐[0017]步骤S21:读取当前帧图像样本中车辆的检测框的位置以及各检测框图像块的深8[0028]将相机坐标系O2XcYcZc中的坐标通过下式转化为世界3表示世界坐标系的原点；通过检测框的中心坐标判断该车辆所属于的车道信息Lane,Lane表示9[0054]作为本发明的一种优选技术方案：所述车辆的运行信息包括图像样本初始帧数Aim[0061]步骤S53：将降低桥梁动态响应信号的实测值与预测值之间的误差对车辆轴重的[0063]步骤S54：根据车辆所属车型的车轴轴重的概率分布关系，对车轴轴重赋初始值代中车轴轴重为wj的车辆在目标桥梁上引起的动态响应信号的预测值与实测值之间的误[0086]步骤S1:以摄像机采集目标桥梁上运行的各车辆的视频，通过YOLOv5深度学习算单假设结合起来，其中匈牙利算法是实现当前帧图像目标与下一帧图像目标的匹配功能，[0099]将相机坐标系O2XcYcZc中的坐标通过下式转化为世界3表示世界坐标系的原点；通过检测框的中心坐标判断该车辆所属于的车道信息Lanef,,Lane表示第i个车辆在第k个车道；[0116]即当检测框的中心坐标位于检测线L1和L2两侧时，[0125]步骤B:以步骤A所获得的信息存储堆栈中的桥梁动态响应信息、车辆运行信息为重量的算法基本是Moses算法，通过最小化车辆在桥梁上引起的动态响应的实测值与预测[0128]基于Moses算法，计算车辆在目标桥梁上引起的动态响应信号的实测值与预测值[0133]步骤S53：将降低桥梁动态响应信号的实测值与预测值之间的误差对车辆轴重的代中车轴轴重为wj的车辆在目标桥梁上引起的动态响应信号的预测值与实测值之间的误不同工况下行驶过程中通过Moses算法和BP_Moses算法识别车轴重和车重的百分比误差。由于测试三轴车辆第二个车轴和第三个车轴过近，Moses算法系统控制方程会存在病态性