基于机器视觉的车辆检测与参数识别研究进展

近年来公路交通运输快速增长，交通车辆的快速准确检测与识别对智能交通系统和交通基础设施运维具有重要意义。随着机器视觉和深度学习技术的迅速发展及其在目标检测领域的广泛应用，车辆目标检测和参数识别也取得新的突破。该文从车辆参数的识别方法和应用研究两方面梳理了机器视觉和深度学习在车辆检测与参数识别领域的研究现状、最新研究成果和未来发展趋势。在识别方法方面，将车辆检测方法分为3类：运动目标检测方法、目标实例检测方法和细粒度检测方法，系统总结了这3类方法的基本原理和各自特点。在应用研究方面，详细综述了基于机器视觉的车辆检测方法在车辆参数识别中的应用现状，主要包括车辆类别、车辆时空参数、车辆重量参数识别以及车辆多参数识别系统。最后对基于机器视觉和深度学习的车辆参数识别研究进行了归纳总结，并讨论了当前存在的挑战和未来可能的发展趋势。研究表明，对于不同的环境条件和车辆参数，应根据实际需要和各算法特点选择合适的车辆检测方法。目前方法仍局限于单参数或少量参数的独立检测，且识别精度和效率难以同时满足。后续研究应注重与新技术的融合，提高在现实复杂环境下车辆参数识别的精度、效率、鲁棒性及全面性，以使其更好地应用于工程实际。     

公铁两用桥公路桥混凝土板竖向裂缝分析

南京长江大桥主桥为公铁两用钢桁梁结构,公路桥面系由钢纵梁和混凝土板以及铺装层组成。混凝土板与钢纵梁之间由螺栓连接。大桥运营多年后,螺栓周围的混凝土板普遍出现竖向受力裂缝。为了分析裂纹产生的原因,建立了混凝土板、螺栓、钢纵梁结构有限元分析模型,通过模拟实际荷载的加载计算,分析了混凝土板出现裂缝的机理,提出了改善混凝土受力状态的措施。     

用于公路车-桥系统振动分析的精细化轮胎模型

为了解决当前公路车桥耦合振动模型中轮胎模型过于简化、车轮-路面接触力与桥梁响应计算结果不够精确的问题,提出了一种精细化轮胎模型.首先基于车辆橡胶轮胎的几何、力学特征,建立了径向弹簧力学模型并进行了理论推导;然后考虑轮胎与路面接触面的刚度分布特征和高速状况下轮胎的惯性力,提出了轮胎接触面分布刚度的计算方法,保证了轮胎接触...     

基于图像识别轮胎变形的非接触式车辆称重方法

为了解决接触式车辆称重方法存在的安装和维修成本高、使用年限短、识别精度低等问题,创新性地提出一种基于计算机视觉获取轮胎变形的非接触式车重识别方法。首先,利用视频图像采集装置拍摄车辆轮胎图像信息,通过图像处理技术提取轮胎轮廓,并根据轮廓变形计算轮胎的垂向挠度。其次,通过胎压监测系统(TPMS)获取轮胎的真实胎压值,对于没有安装TPMS的车辆,则可以通过图像字符识别技术读取轮胎侧壁的胎压标识信息,再利用统计回归方式确定实际胎压值。在此基础上,将轮胎垂向挠度和胎压值代入推导的称重公式计算轮胎承受的重量,再将所有轮胎承受重量求和得到车辆总重量。最后,以现场的乘用车和重载货车为例,验证在不同胎压和重量变化下非接触式车辆称重方法的准确性,并对比分析3个称重公式的准确性。研究结果表明:车重识别准确率随着胎压增大而降低,随着车重增大而上升;轮胎刚度拟合公式的载重识别准确率达到95%以上,高于理论推导公式和半经验拟合公式。提出的非接触式车辆称重方法具有测量范围广、无需任何额外传感设备、不用封闭交通和易于信息集成等优势,有效地突破了现有接触式车重识别技术的瓶颈,具有很好的工程应用前景。     

车辆轴限对钢筋混凝土桥梁可靠度和加固费用的影响

为了分析车辆限载对钢筋混凝土桥梁可靠度和加固费用的影响，基于实测车辆动态称重数据和可靠度理论，研究了桥梁可靠度及其年均加固费用与车辆轴限值的关系。首先根据车辆动态称重数据统计得到交通荷载资料，在保持车货运输总重不变的前提下，采用蒙特卡罗法模拟不同轴限值约束下的随机车流。然后，计算桥梁在不同轴限值下的时变可靠度，结合不同加固方案所引起的可靠指标变化确定桥梁剩余使用寿命及其年均加固费用，并拟合确定轴限值与年均加固费用的关系曲线。最后，以湖南某地区的实测车辆动态称重数据及一座典型的钢筋混凝土简支T梁桥为例进行分析说明。研究结果表明：对桥梁进行限载可以减缓桥梁可靠指标的下降速率；在车货运输总重保持不变的条件下，轴限值越大，桥梁的可靠指标下降越快，桥梁使用寿命越短；当轴限值不超过10 t时，桥梁使用寿命可以达到设计使用年限，而当轴限值超过16 t后，桥梁结构的可靠指标随时间下降明显，在达到设计使用年限之前需要采取加固措施；采用3种常见的方案对桥梁进行加固后，桥梁剩余使用寿命随轴限值的增加均呈明显的下降趋势；随着轴限值继续增大，3种加固方案对桥梁剩余使用寿命的影响越来越小，而桥梁年均加固费用却随轴限值的增大呈指数型增长。     

浅谈AIS在航标上的应用

船舶自动识别系统(AIS)是在VHF海上移动频段运行的、采用时分多址联接(TDMA)技术的、自主连续的广播系统,包括船站和岸台基站。AIS系统是诞生于上世纪90年代的一种新型航海设备和助航系统,是先进科学技术在航海领域的应用,它融合了现代通讯、计算机等多门类高科技技术。     

基于深度学习的土木基础设施裂缝检测综述

基于深度学习的裂缝检测对于降低基础设施运营风险、节约运维成本并推进中国土木工程行业智能化转型具有重要意义。算法、数据集和评价指标是构建深度学习裂缝检测模型的关键要素；裂缝检测模型集成于机器人平台，从而实现对土木基础设施的全自动裂缝检测。为此，从以上4个方面对当前研究进行了系统梳理。首先，回顾了深度学习的发展历程，重点介绍了深度卷积神经网络在计算机视觉领域的应用及其在图像处理方面较传统算法所具有的显著优势。接着，详细介绍了3类基于深度学习的裂缝检测主流算法，包括分类算法、目标检测算法和语义分割算法。然后，对现有裂缝图像数据集以及模型性能评价指标进行了归纳。最后，总结了土木基础设施的各类裂缝检测机器人平台。综合分析表明：基于卷积神经网络主干结构的深度学习算法已被广泛用于土木基础设施表面裂缝的精准定位与分类，而裂缝的尺寸信息仍需依靠传统图像处理技术进行提取；由于像素级标注的成本和专业性高，大型的裂缝语义分割数据集相对缺乏，致使当前基于语义分割算法的裂缝检测模型鲁棒性较差；目前多数研究人员采用个人建立的裂缝数据集进行模型训练且采用不同的指标进行模型性能评价，缺乏统一的基准测试数据集和评价指标体系，无法对不同模型的性能进行平行比较；目前针对不同基础设施已相应开发了一些裂缝检测机器人，提高裂缝检测机器人的多场景适应性，并降低其应用成本是未来的发展方向。