一种桥梁动态荷载自动检测与反演系统及方法与流程

本发明属于桥梁动态载荷检测技术领域，尤其涉及一种桥梁动态荷载自动检测与反演系统及方法。

背景技术：

桥梁是公路的重要组成部分。由于桥梁结构不合理、自然灾害或超载等原因，时常引发桥梁坍塌事故，给国家和人民带来极大的财产损失。因此，为避免类似事故的发生，很多新建桥梁或在用桥梁都要求安装桥梁监控系统。目前的桥梁监控多停留在桥梁定点部位的定期检测，或采用监控视频监控桥面的车流量，或埋设称重传感器监控单个断面的荷载，没有真正实现整个桥面动态荷载的跟踪或应力监控。

同时，现有系统车辆监控和应变测量是孤立的两个系统。同时，还没有基于视频的全桥车辆跟踪系统，最关键的是没法做到多个视频同步，且目前的监控系统之间是独立的，没有重车空车区分功能。

技术实现要素：

本发明为了解决上述技术问题，提供了一种桥梁动态荷载自动检测与反演系统及方法，实现了桥梁动态荷载检测以及对桥梁各部位应变的准确监测。

本发明是通过以下技术方案来实现：

一种桥梁动态荷载自动检测与反演系统，包括三维激光扫描仪、计算机、多个摄像机和用于与三维激光扫描仪配合使用的计时器；桥梁上的同向车道上均布有多个路竿，每个路竿上均架设有对相邻两个路竿之间的车道区域视场进行覆盖的摄像机，多个摄像机同步摄像，且同步精度小于10微秒，三维激光扫描仪架设在桥梁入口处的同向双车道的正上方上且测量范围覆盖两条车道；桥梁上至少在桥梁的最大受力处设置有应力传感器，应力传感器、摄像机、计时器和三维激光扫描仪均与计算机连接。

所述的三维激光扫描仪，用于得到所有进入桥梁同向双车道上的被检测车辆各自表面的点云数据，并将其得到的点云数据发送给计算机；

所述的摄像机，用于对通过其下方的所有的运动的被检测车辆的连续行驶过程进行拍摄，待拍下运动的被检测车辆的连续行驶视频后，将拍下的运动的被检测车辆的连续行驶视频发送给中央处理器；

所述的计算机，用于接收三维激光扫描仪发送的点云数据，并以点云数据为基础，经三维重建得到所有进入桥梁同向双车道上的被检测车辆各自表面的三维轮廓图，并以各个被检测车辆表面的三维轮廓图计算出各个被检测车辆的长、宽和高的尺寸数据，然后以被检测车辆尺寸数据中的车厢高度来判断被检测车辆是否为空车，从而得到被检测车辆的载荷判断信息；同时选取某一辆货车作为样本车辆，记录下它的长、宽和高的尺寸数据；将被检测车辆的尺寸数据与样本车辆的尺寸数据比较，判断出被检测车辆的车型信息；被检测车辆的车型信息和载荷判断信息组成了车辆载荷计算参数信息；

同时，所述的计算机，用于接收摄像机拍下的运动的被检测车辆的连续行驶视频，并将其处理成一帧帧不间断的图像；利用背景差分法在上述图像中提取出多个运动的被检测车辆的灰度图像，然后再利用改进的otsu算法对多个运动的被检测车辆的灰度图像进行自适应二值化处理，并对二值化处理后的多个运动的被检测车辆目标结果提取harris特征角点，并根据提取的harris特征角点创建多个自适应运动的被检测车辆大小的跟踪框来开始对视场内运动的被检测车辆进行跟踪，并根据跟踪框的多少得到视场内分布的车辆数量，同时，利用设置在桥梁同向双车道入口处的摄像机拍下的运动的被检测车辆的连续行驶视频，得到的运动的被检测车辆大小的跟踪框来对运动的被检测车辆进行标号；

通过上述计算提取的harris特征角点中每个运动的被检测车辆的harris特征角点的横纵坐标的平均值来获得每个运动的被检测车辆的质心，同时，通过最邻近跟踪滤波器算法和用于跟踪和判断车辆位置的改进型卡尔曼滤波算法将每一帧视频图像中相同标号的车辆质心连接起来，从而得到相同标号车辆的行驶轨迹，从而实现多目标运动的被检测车辆的跟踪，进而得到整个桥面运动车辆的分布信息；

根据得到的车辆载荷计算参数信息和得到的整个桥面运动车辆的分布信息得到所有车辆对桥梁的荷载信息，并将得到的载荷信息和桥梁设计时桥梁的相关参数信息采用有限元模型算法得到桥梁各点的应力应变分布值；

根据在桥梁的最大受力处设置的应力传感器测得的桥梁的实际应力应变分布值与上述步骤中得到的桥梁对应部位的各点的应力应变分布值通过多项式回归，对得到的桥梁对应部位的各点的应力应变分布值进行修正。

一种桥梁动态荷载自动检测与反演方法，包括以下步骤：

(1)在桥梁的同向双车道上，利用架设在其桥梁入口处正上方的且测量范围覆盖两条车道的三维激光扫描仪，得到所有进入桥梁同向双车道上的被检测车辆各自表面的点云数据，并将其得到的点云数据发送给计算机，计算机以点云数据为基础，经三维重建得到所有进入桥梁同向双车道上的被检测车辆各自表面的三维轮廓图，并以各个被检测车辆表面的三维轮廓图计算出各个被检测车辆的长、宽和高的尺寸数据，然后以被检测车辆尺寸数据中的车厢高度来判断被检测车辆是否为空车，从而得到被检测车辆的载荷判断信息；同时选取某一辆货车作为样本车辆，记录下它的长、宽和高的尺寸数据；将被检测车辆的尺寸数据与样本车辆的尺寸数据比较，判断出被检测车辆的车型信息；被检测车辆的车型信息和载荷判断信息组成了车辆载荷计算参数信息；

(2)在桥梁的同向双车道上，利用架设在其各个均布的路竿上并对相邻两个路竿之间区域视场覆盖的与其他摄像机具有同步功能的摄像机对通过其下方的所有的运动的被检测车辆的连续行驶过程进行拍摄，待拍下运动的被检测车辆的连续行驶视频后，将拍下的运动的被检测车辆的连续行驶视频发送给中央处理器，中央处理器将其处理成一帧帧不间断的图像；利用背景差分法在上述图像中提取出多个运动的被检测车辆的灰度图像，然后再利用改进的otsu算法对多个运动的被检测车辆的灰度图像进行自适应二值化处理，并对二值化处理后的多个运动的被检测车辆目标结果提取harris特征角点，并根据提取的harris特征角点创建多个自适应运动的被检测车辆大小的跟踪框来开始对视场内运动的被检测车辆进行跟踪，并根据跟踪框的多少得到视场内分布的车辆数量，同时，利用设置在桥梁同向双车道入口处的摄像机拍下的运动的被检测车辆的连续行驶视频，得到的运动的被检测车辆大小的跟踪框来对运动的被检测车辆进行标号；

(3)中央处理器，通过步骤2)计算提取的harris特征角点中每个运动的被检测车辆的harris特征角点的横纵坐标的平均值来获得每个运动的被检测车辆的质心，同时，通过最邻近跟踪滤波器算法和用于跟踪和判断车辆位置的改进型卡尔曼滤波算法将每一帧视频图像中相同标号的车辆质心连接起来，从而得到相同标号车辆的行驶轨迹，从而实现多目标运动的被检测车辆的跟踪，进而得到整个桥面运动车辆的分布信息；

(4)中央处理器，根据步骤1)得到的车辆载荷计算参数信息和步骤3)得到的整个桥面运动车辆的分布信息得到所有车辆对桥梁的荷载信息，并将得到的载荷信息和桥梁设计时桥梁的相关参数信息采用有限元模型算法得到桥梁各点的应力应变分布值；

(5)中央处理器，根据在桥梁的最大受力处设置的应力传感器测得的桥梁的实际应力应变分布值与步骤4)中的到的桥梁对应部位的各点的应力应变分布值通过多项式回归，对步骤4)中的到的桥梁对应部位的各点的应力应变分布值进行修正。

利用三维激光扫描仪，测量通过的被检测车辆长度的方法为：

当测量通过的被检测车辆的长度时，若被检测车辆的车头刚进入三维激光扫描仪形成的探测面时，与三维激光扫描仪配合使用的计时器开始计时，当被检测车辆的车尾驶离三维激光扫描仪形成的探测平面时，计时器停止计时，被检测车辆在经过三维激光扫描仪的过程中其速度为v，计时器记录下的被检测车辆通过时间为t，则被检测车辆的车身长度l可表示为l＝vt。

利用三维激光扫描仪，测量通过的被检测车辆宽度的方法为：

当测量通过的被检测车辆的宽度时，以三维激光扫描仪为极点建立极坐标系，在以三维激光扫描仪为极点的极坐标系中，极轴沿竖直方向，当激光照射到被检测车辆的车体最左侧的位置时，记录测距结果为r1，该激光线与极轴的夹角为a1，则此时被检测车辆左侧距极轴方向的距离是r1sina1；当激光照射到被检测车辆的车体的最右侧位置时，测距结果为r2，激光线与极轴的夹角为a2，此时被检测车辆右侧距极轴方向的距离是r2sina2，则被检测车辆的宽度w可表示为w＝r2sina2-r1sina1。

利用三维激光扫描仪，测量通过的被检测车辆的高度的方法为：

当测量被检测车辆的车身高度时，以三维激光扫描仪为极点建立极坐标系，在以三维激光扫描仪为极点的极坐标系中，极轴沿水平方向，当激光照射到被检测车辆的最高处时，记录测距结果为r，此时该激光线与极轴的夹角为a，则被检测车辆最高处到极轴的距离是rsina；三维激光扫描仪到地面的距离为h，则被检测车辆高度h可表示为h＝h-rsina。

步骤1)具体为：

所述的三维激光扫描仪利用其所构造出的扫描光幕扫描到被检测车辆车身的顶部和车辆的某一个侧面，从而得到被检测车辆若干个连续的扫描横断面，根据若干个连续的扫描横断面绘制出被检测车辆的三维轮廓图，从被检测车辆的三维轮廓图辨别出被检测车辆的不同类型的；

对于平板货车和有翻斗的货车，通过确认三维激光扫描仪到车辆左或右边缘是否为最短距离来判断该货车是否是空车。

改进的otsu算法的原理如下：

1)根据公式得到图像灰度级的分布概率f1，f2，f3…fi。其中，n为像素总数，ni是灰度值为i的像素个数。

2)计算图像的平均灰度值μ。

3)设背景图像的灰度级概率为p，背景图像的灰度平均值为μ1。图像方差为var，数值最大时的方差为maxvar。先令p＝0，

μ1＝0，maxvar＝0。

4)i从1到256进行迭代运算，依次计算以下各式的值：

p(i)＝p(i-1)+fi

μ1(i)＝(p(i-1)×μ1(i-1)+i×fi)/p(i)

类间方差可表示为：

var＝p·(μ1-μ)²+p2·(μ2-μ)²(3.16)

其中，p2是前景图像的灰度级概率，μ2是前景图像的灰度平均值。

又因为

μ＝p·μ1+p2·μ2(3.17)

将式3.17带入式3.16得：

var(i)＝p(i)×(μ-μ1(i))²/(1-p(i))

5)判断是var(i)是否大于maxvar，若是，令maxvar＝var(i)，t＝i；若否，令i＝i+1，返回第4步。

6)迭代搜索结束，t即为所求。

所述摄像机具有日夜转换监控功能，其有效像素达到300万，水平视场角为80°，最大图像尺寸达到1920×1080，对视频的分辨率为1296(水平)×732(垂直)，视频帧率为50hz：25fps，电源功率为7w，电源电压为12vdc。其尺寸为194.04×93.85×89.52mm，重量为1000g；摄像机的同步时间精度不低于10微妙；

摄像机由众多高分辨率组成，每个摄像机覆盖桥面50米，多个摄像机之间需要时间精确同步，从而得到桥面每个桥跨不同时间载荷的动态变化。

通过步骤1)得到的车辆载荷计算参数信息和步骤3)得到的整个桥面运动车辆的分布信息得到所有车辆对桥梁的荷载信息具体算法为：

整个车辆对路面施加的荷载f可分为车辆静荷载fj和动荷载fd，即

f＝fj+fd

其中，车辆静荷载fj即重力荷载。

在求得车辆动荷载的过程中，根据d'alembert原理，先得到车辆的振动系统的运动方程为：

其中：质量矩阵

阻尼矩阵

刚度矩阵

位移列阵y＝[yt,ys]^t；

激励列阵在以上矩阵中，ms为簧载质量；mt为非簧载质量；cs为悬架阻尼；ct为轮胎阻尼。k1为汽车后轮胎刚度系数；k2为汽车后悬架刚度系数；kt为轮胎刚度；ys,yt为簧载质量和非簧载质量的垂直绝对位移；yr为路面不平整度竖向位移激励；δh为路面产生的竖向变形量。

车辆对路面的随机动荷载为：

在求得了单个车辆对路面的荷载后，通过计算在桥面上的车辆数量即可计算出所有在桥上行驶的车辆对桥面的总荷载；

通过本步骤可得到桥面上的动态载荷，根据桥梁结构，采用有限元方法，计算整个桥梁的应力应变分布值。

与现有技术相比，本发明具有以下有益的技术效果：

本发明提供的一种桥梁动态荷载自动检测与反演系统及方法，将车辆监控和应变测量统一起来，实现了桥梁动态荷载自动检测，实现了多个视频同步以及全桥车辆跟踪。

该桥梁动态荷载自动检测与反演系统及方法，利用三维激光扫描仪得到每个进入桥梁的运动的被检测车辆的点云图，通过对各个断面进行三维重建，判断出被检测车辆的车型和车辆的载荷判断信息，利用一组精确同步并等间隔布设并覆盖整个桥面的高分辨率摄像机组合，通过车辆分割和轨迹追踪算法，得到桥面每跨结构上的车辆动态分布，结合每辆车的车型信息和车辆的载荷判断信息，计算得到桥面的静态荷载，动态载荷，运用桥梁有限元求解方法，得到整个桥面各点的动态应力分布；采用在桥梁关键部位安装应力传感器做为校正基准，对有限元的计算结果进行反演，最终实现对桥梁各部位应变的准确监测。

附图说明

图1是根据发明实施例的桥梁动态荷载自动检测与反演系统提供的测量车辆的尺寸数据和跟踪车辆的系统示意图；

图2是根据发明实施例的桥梁动态荷载自动检测与反演系统提供的运动车辆对桥梁荷载的示意图；

图3是根据本发明一个实施例的测量车身宽度的示意图；

图4是根据本发明一个实施例的测量车身高度的示意图；

图5是根据本发明一个实施例的判断平板货车是否是空车的示意图；

图6是根据本发明一个实施例的判断翻斗货车是否是空车的示意图；

图7是根据本发明反演的示意图；

图8是本发明的流程图。

10：桥梁动态荷载自动检测与反演系统；

11：三维激光扫描仪；12：摄像机；

20：桥梁荷载；

21：桥梁；22：车辆；

30：测量车身宽度；

r1：三维激光扫描仪到车辆最左侧距离；a1：该激光线与极轴的夹角；r2：三维激光扫描仪到车辆最右侧距离；a2：该激光线与极轴的夹角；

40：测量车身高度；

r：三维激光扫描仪到车辆最高处距离；a：该激光线与极轴的夹角；h：三维激光扫描仪到地面高度；

50：判断平板货车是否是空车；

d：三维激光扫描仪到平板最左侧距离；d：三维激光扫描仪到货物距离；

60：判断翻斗货车是否是空车；

d：三维激光扫描仪到翻斗最左侧距离；d：三维激光扫描仪到货物距离。

具体实施方式

下面结合具体的实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。

参见图1至图8，一种桥梁动态荷载自动检测与反演系统，包括三维激光扫描仪11、计算机、多个摄像机12和用于与三维激光扫描仪11配合使用的计时器；桥梁上的同向车道上均布有多个路竿，每个路竿上均架设有对相邻两个路竿之间的车道区域视场进行覆盖的摄像机12，多个摄像机同步摄像，且同步精度小于10微秒，三维激光扫描仪11架设在桥梁入口处的同向双车道的正上方上且测量范围覆盖两条车道；桥梁21上至少在桥梁的最大受力处设置有应力传感器，应力传感器、摄像机12、计时器和三维激光扫描仪11均与计算机连接。

具体的，所述的三维激光扫描仪11，用于得到所有进入桥梁同向双车道上的被检测车辆各自表面的点云数据，并将其得到的点云数据发送给计算机；

所述的摄像机12，用于对通过其下方的所有的运动的被检测车辆的连续行驶过程进行拍摄，待拍下运动的被检测车辆的连续行驶视频后，将拍下的运动的被检测车辆的连续行驶视频发送给中央处理器；

所述的计算机，用于接收三维激光扫描仪发送的点云数据，并以点云数据为基础，经三维重建得到所有进入桥梁同向双车道上的被检测车辆各自表面的三维轮廓图，并以各个被检测车辆表面的三维轮廓图计算出各个被检测车辆的长、宽和高的尺寸数据，然后以被检测车辆尺寸数据中的车厢高度来判断被检测车辆是否为空车，从而得到被检测车辆的载荷判断信息；同时选取某一辆货车作为样本车辆，记录下它的长、宽和高的尺寸数据；将被检测车辆的尺寸数据与样本车辆的尺寸数据比较，判断出被检测车辆的车型信息；被检测车辆的车型信息和载荷判断信息组成了车辆载荷计算参数信息；

同时，所述的计算机，用于接收摄像机拍下的运动的被检测车辆的连续行驶视频，并将其处理成一帧帧不间断的图像；利用背景差分法在上述图像中提取出多个运动的被检测车辆的灰度图像，然后再利用改进的otsu算法对多个运动的被检测车辆的灰度图像进行自适应二值化处理，并对二值化处理后的多个运动的被检测车辆目标结果提取harris特征角点，并根据提取的harris特征角点创建多个自适应运动的被检测车辆大小的跟踪框来开始对视场内运动的被检测车辆进行跟踪，并根据跟踪框的多少得到视场内分布的车辆数量，同时，利用设置在桥梁同向双车道入口处的摄像机拍下的运动的被检测车辆的连续行驶视频，得到的运动的被检测车辆大小的跟踪框来对运动的被检测车辆进行标号；

通过上述计算提取的harris特征角点中每个运动的被检测车辆的harris特征角点的横纵坐标的平均值来获得每个运动的被检测车辆的质心，同时，通过最邻近跟踪滤波器算法和用于跟踪和判断车辆位置的改进型卡尔曼滤波算法将每一帧视频图像中相同标号的车辆质心连接起来，从而得到相同标号车辆的行驶轨迹，从而实现多目标运动的被检测车辆的跟踪，进而得到整个桥面运动车辆的分布信息；

根据得到的车辆载荷计算参数信息和得到的整个桥面运动车辆的分布信息得到所有车辆对桥梁的荷载信息，并将得到的载荷信息和桥梁设计时桥梁的相关参数信息采用有限元模型算法得到桥梁各点的应力应变分布值；

根据在桥梁的最大受力处设置的应力传感器测得的桥梁的实际应力应变分布值与上述步骤中得到的桥梁对应部位的各点的应力应变分布值通过多项式回归，对得到的桥梁对应部位的各点的应力应变分布值进行修正。

参见图1至图8，一种桥梁动态荷载自动检测与反演方法，包括以下步骤：

1)在桥梁的同向双车道上，利用架设在其桥梁入口处正上方的且测量范围覆盖两条车道的三维激光扫描仪，得到所有进入桥梁同向双车道上的被检测车辆各自表面的点云数据，并将其得到的点云数据发送给计算机，计算机以点云数据为基础，经三维重建得到所有进入桥梁同向双车道上的被检测车辆各自表面的三维轮廓图，并以各个被检测车辆表面的三维轮廓图计算出各个被检测车辆的长、宽和高的尺寸数据，然后以被检测车辆尺寸数据中的车厢高度来判断被检测车辆是否为空车，从而得到被检测车辆的载荷判断信息；同时选取某一辆货车作为样本车辆，记录下它的长、宽和高的尺寸数据；将被检测车辆的尺寸数据与样本车辆的尺寸数据比较，判断出被检测车辆的车型信息；被检测车辆的车型信息和载荷判断信息组成了车辆载荷计算参数信息。

步骤1)具体为：

所述的三维激光扫描仪利用其所构造出的扫描光幕扫描到被检测车辆车身的顶部和车辆的某一个侧面，从而得到被检测车辆若干个连续的扫描横断面，根据若干个连续的扫描横断面绘制出被检测车辆的三维轮廓图，从被检测车辆的三维轮廓图辨别出被检测车辆的不同类型的；

对于平板货车和有翻斗的货车，通过确认三维激光扫描仪到车辆左或右边缘是否为最短距离来判断该货车是否是空车。

2)在桥梁的同向双车道上，利用架设在其各个均布的路竿上并对相邻两个路竿之间区域视场覆盖的与其他摄像机具有同步功能的摄像机对通过其下方的所有的运动的被检测车辆的连续行驶过程进行拍摄，待拍下运动的被检测车辆的连续行驶视频后，将拍下的运动的被检测车辆的连续行驶视频发送给中央处理器，中央处理器将其处理成一帧帧不间断的图像；利用背景差分法在上述图像中提取出多个运动的被检测车辆的灰度图像，然后再利用改进的otsu算法对多个运动的被检测车辆的灰度图像进行自适应二值化处理，并对二值化处理后的多个运动的被检测车辆目标结果提取harris特征角点，并根据提取的harris特征角点创建多个自适应运动的被检测车辆大小的跟踪框来开始对视场内运动的被检测车辆进行跟踪，并根据跟踪框的多少得到视场内分布的车辆数量，同时，利用设置在桥梁同向双车道入口处的摄像机拍下的运动的被检测车辆的连续行驶视频，得到的运动的被检测车辆大小的跟踪框来对运动的被检测车辆进行标号；

3)中央处理器，通过步骤2)计算提取的harris特征角点中每个运动的被检测车辆的harris特征角点的横纵坐标的平均值来获得每个运动的被检测车辆的质心，同时，通过最邻近跟踪滤波器算法和用于跟踪和判断车辆位置的改进型卡尔曼滤波算法将每一帧视频图像中相同标号的车辆质心连接起来，从而得到相同标号车辆的行驶轨迹，从而实现多目标运动的被检测车辆的跟踪，进而得到整个桥面运动车辆的分布信息；

4)中央处理器，根据步骤1)得到的车辆载荷计算参数信息和步骤3)得到的整个桥面运动车辆的分布信息得到所有车辆对桥梁的荷载信息，并将得到的载荷信息和桥梁设计时桥梁的相关参数信息采用有限元模型算法得到桥梁各点的应力应变分布值；

5)中央处理器，根据在桥梁的最大受力处设置的应力传感器测得的桥梁的实际应力应变分布值与步骤4)中的到的桥梁对应部位的各点的应力应变分布值通过多项式回归，对步骤4)中的到的桥梁对应部位的各点的应力应变分布值进行修正。

具体的，利用三维激光扫描仪，测量通过的被检测车辆长度的方法为：

当测量通过的被检测车辆的长度时，若被检测车辆的车头刚进入三维激光扫描仪形成的探测面时，与三维激光扫描仪11配合使用的计时器开始计时，当被检测车辆的车尾驶离三维激光扫描仪形成的探测平面时，计时器停止计时，被检测车辆在经过三维激光扫描仪的过程中其速度为v，计时器记录下的被检测车辆通过时间为t，则被检测车辆的车身长度l可表示为l＝vt。

需要说明的是，计时器设置在计算机采集卡里；或者，计时器与三维激光扫描仪并列设置。

利用三维激光扫描仪，测量通过的被检测车辆宽度的方法为：

当测量通过的被检测车辆的宽度时，以三维激光扫描仪为极点建立极坐标系，在以三维激光扫描仪为极点的极坐标系中，极轴沿竖直方向，当激光照射到被检测车辆的车体最左侧的位置时，记录测距结果为r1，该激光线与极轴的夹角为a1，则此时被检测车辆左侧距极轴方向的距离是r1sina1；当激光照射到被检测车辆的车体的最右侧位置时，测距结果为r2，激光线与极轴的夹角为a2，此时被检测车辆右侧距极轴方向的距离是r2sina2，则被检测车辆的宽度w可表示为w＝r2sina2-r1sina1。

利用三维激光扫描仪，测量通过的被检测车辆的高度的方法为：

当测量被检测车辆的车身高度时，以三维激光扫描仪为极点建立极坐标系，在以三维激光扫描仪为极点的极坐标系中，极轴沿水平方向，当激光照射到被检测车辆的最高处时，记录测距结果为r，此时该激光线与极轴的夹角为a，则被检测车辆最高处到极轴的距离是rsina；三维激光扫描仪到地面的距离为h，则被检测车辆高度h可表示为h＝h-rsina。

改进的otsu算法的原理如下：

1)根据公式得到图像灰度级的分布概率f1，f2，f3…fi。其中，n为像素总数，ni是灰度值为i的像素个数。

2)计算图像的平均灰度值μ。

3)设背景图像的灰度级概率为p，背景图像的灰度平均值为μ1。图像方差为var，数值最大时的方差为maxvar。先令p＝0，

μ1＝0，axvar＝0。

4)i从1到256进行迭代运算，依次计算以下各式的值：

p(i)＝p(i-1)+fi

μ1(i)＝(p(i-1)×μ1(i-1)+i×fi)/p(i)

类间方差可表示为：

var＝p·(μ1-μ)²+p2·(μ2-μ)²(3.16)

其中，p2是前景图像的灰度级概率，μ2是前景图像的灰度平均值。

又因为

μ＝p·μ1+p2·μ2(3.17)

将式3.17带入式3.16得：

var(i)＝p(i)×(μ-μ1(i))²/(1-p(i))

5)判断是var(i)是否大于maxvar，若是，令maxvar＝var(i)，t＝i；若否，令i＝i+1，返回第4步。

6)迭代搜索结束，t即为所求。

所述摄像机具有日夜转换监控功能，其有效像素达到300万，水平视场角为80°，最大图像尺寸达到1920×1080，对视频的分辨率为1296水平×732垂直，视频帧率为50hz:25fps，电源功率为7w，电源电压为12vdc。其尺寸为194.04×93.85×89.52mm，重量为1000g；摄像机的同步时间精度不低于10微妙；

摄像机12由众多高分辨率组成，每个摄像机覆盖桥面50米，多个摄像机之间需要时间精确同步，从而得到桥面每个桥跨不同时间载荷的动态变化。

通过步骤1)得到的车辆载荷计算参数信息和步骤3得到的整个桥面运动车辆的分布信息得到所有车辆对桥梁的荷载信息具体算法为：

整个车辆对路面施加的荷载f可分为车辆静荷载fj和动荷载fd，即

f＝fj+fd

其中，车辆静荷载fj即重力荷载。

在求得车辆动荷载的过程中，根据d'alembert原理，先得到车辆的振动系统的运动方程为：

其中：质量矩阵

阻尼矩阵

刚度矩阵

位移列阵y＝[yt,ys]^t；

激励列阵在以上矩阵中，ms为簧载质量；mt为非簧载质量；cs为悬架阻尼；ct为轮胎阻尼。k1为汽车后轮胎刚度系数；k2为汽车后悬架刚度系数；kt为轮胎刚度；ys,yt为簧载质量和非簧载质量的垂直绝对位移；yr为路面不平整度竖向位移激励；δh为路面产生的竖向变形量。

车辆对路面的随机动荷载为：

在求得了单个车辆对路面的荷载后，通过计算在桥面上的车辆数量即可计算出所有在桥上行驶的车辆对桥面的总荷载；

通过本步骤可得到桥面上的动态载荷，根据桥梁结构，采用有限元方法，计算整个桥梁的应力应变分布值。

具体实施例，参见图1至图6，一种桥梁动态荷载自动检测与反演方法，包括以下步骤：

1)在桥梁的同向双车道上，利用架设在其桥梁入口处正上方的且测量范围覆盖两条车道的三维激光扫描仪，得到所有进入桥梁同向双车道上的被检测车辆各自表面的点云数据，并将其得到的点云数据发送给计算机，计算机以点云数据为基础，经三维重建得到所有进入桥梁同向双车道上的被检测车辆各自表面的三维轮廓图，并以各个被检测车辆表面的三维轮廓图计算出各个被检测车辆的长、宽和高的尺寸数据，精度达到1cm，然后以被检测车辆尺寸数据中的车厢高度来判断被检测车辆是否为空车，从而得到被检测车辆的载荷判断信息；同时选取某一辆货车作为样本车辆，记录下它的长、宽和高的尺寸数据；将被检测车辆的尺寸数据与样本车辆的尺寸数据比较，判断出被检测车辆的车型信息；被检测车辆的车型信息和载荷判断信息组成了车辆载荷计算参数信息。

步骤1)具体为：

所述的三维激光扫描仪利用其所构造出的扫描光幕扫描到被检测车辆车身的顶部和车辆的某一个侧面，从而得到被检测车辆若干个连续的扫描横断面，根据若干个连续的扫描横断面绘制出被检测车辆的三维轮廓图，从被检测车辆的三维轮廓图辨别出被检测车辆的不同类型的；

对于平板货车和有翻斗的货车，通过确认三维激光扫描仪到车辆左或右边缘是否为最短距离来判断该货车是否是空车。

由于对道路、桥梁影响较大的一般都是载重较大的货车，因此，该系统聚焦于货车的检测。车型信息具体为：车辆是大车还是小车。

2)在桥梁的同向双车道上，利用架设在其各个均布的路竿上并对相邻两个路竿之间区域视场覆盖的与其他摄像机具有同步功能的摄像机对通过其下方的所有的运动的被检测车辆的连续行驶过程进行拍摄，待拍下运动的被检测车辆的连续行驶视频后，将拍下的运动的被检测车辆的连续行驶视频发送给中央处理器，中央处理器将其处理成一帧帧不间断的图像；利用背景差分法在上述图像中提取出多个运动的被检测车辆的灰度图像，然后再利用改进的otsu算法对多个运动的被检测车辆的灰度图像进行自适应二值化处理，并对二值化处理后的多个运动的被检测车辆目标结果提取harris特征角点，并根据提取的harris特征角点创建多个自适应运动的被检测车辆大小的跟踪框来开始对视场内运动的被检测车辆进行跟踪，并根据跟踪框的多少得到视场内分布的车辆数量，同时，利用设置在桥梁同向双车道入口处的摄像机拍下的运动的被检测车辆的连续行驶视频，得到的运动的被检测车辆大小的跟踪框来对运动的被检测车辆进行标号。具体的，路竿间隔50m进行设置，摄像机为海康威视摄像机，摄像机架设在路竿10米高度处，保证了摄像机对50m区域视场的覆盖。

3)中央处理器，通过步骤2)计算提取的harris特征角点中每个运动的被检测车辆的harris特征角点的横纵坐标的平均值来获得每个运动的被检测车辆的质心，同时，通过最邻近跟踪滤波器算法和用于跟踪和判断车辆位置的改进型卡尔曼滤波算法将每一帧视频图像中相同标号的车辆质心连接起来，从而得到相同标号车辆的行驶轨迹，从而实现多目标运动的被检测车辆的跟踪，进而得到整个桥面运动车辆的分布信息；

4)中央处理器，根据步骤1)得到的车辆载荷计算参数信息和步骤3)得到的整个桥面运动车辆的分布信息得到所有车辆对桥梁的荷载信息，并将得到的载荷信息和桥梁设计时桥梁的相关参数信息采用有限元模型算法得到桥梁各点的应力应变分布值。

5)中央处理器，根据在桥梁的最大受力处设置的应力传感器测得的桥梁的实际应力应变分布值与步骤4)中的到的桥梁对应部位的各点的应力应变分布值通过多项式回归，对步骤4)中的到的桥梁对应部位的各点的应力应变分布值进行修正，从而实现反演。

具体的，利用三维激光扫描仪，测量通过的被检测车辆长度的方法为：

当测量通过的被检测车辆的长度时，若被检测车辆的车头刚进入三维激光扫描仪形成的探测面时，与三维激光扫描仪11配合使用的计时器开始计时，当被检测车辆的车尾驶离三维激光扫描仪形成的探测平面时，计时器停止计时，被检测车辆在经过三维激光扫描仪的过程中其速度为v，计时器记录下的被检测车辆通过时间为t，则被检测车辆的车身长度l可表示为l＝vt。

需要说明的是，计时器设置在计算机采集卡里；或者，计时器与三维激光扫描仪并列设置。

利用三维激光扫描仪，测量通过的被检测车辆宽度的方法为：

当测量通过的被检测车辆的宽度时，以三维激光扫描仪为极点建立极坐标系，在以三维激光扫描仪为极点的极坐标系中，极轴沿竖直方向，当激光照射到被检测车辆的车体最左侧的位置时，记录测距结果为r1，该激光线与极轴的夹角为a1，则此时被检测车辆左侧距极轴方向的距离是r1sina1；当激光照射到被检测车辆的车体的最右侧位置时，测距结果为r2，激光线与极轴的夹角为a2，此时被检测车辆右侧距极轴方向的距离是r2sina2，则被检测车辆的宽度w可表示为w＝r2sina2-r1sina1。

利用三维激光扫描仪，测量通过的被检测车辆的高度的方法为：

当测量被检测车辆的车身高度时，以三维激光扫描仪为极点建立极坐标系，在以三维激光扫描仪为极点的极坐标系中，极轴沿水平方向，当激光照射到被检测车辆的最高处时，记录测距结果为r，此时该激光线与极轴的夹角为a，则被检测车辆最高处到极轴的距离是rsina；三维激光扫描仪到地面的距离为h，则被检测车辆高度h可表示为h＝h-rsina。

所述的桥梁动态荷载自动检测与反演系统，在跟踪车辆之前，先要对运动车辆进行自适应阈值二值化，这里使用一种经过改进的otsu算法，该算法强化了otsu算法在实时性方面的优势，又能将某些被检测出来的属于同一运动车辆的分离的连通区域连接起来。改进的otsu算法的原理如下：

1)根据公式得到图像灰度级的分布概率f1，f2，f3…fi。其中，n为像素总数，ni是灰度值为i的像素个数。

2)计算图像的平均灰度值μ。

3)设背景图像的灰度级概率为p，背景图像的灰度平均值为μ1。图像方差为var，数值最大时的方差为maxvar。先令p＝0，

μ1＝0，maxvar＝0。

4)i从1到256进行迭代运算，依次计算以下各式的值：

p(i)＝p(i-1)+fi

μ1(i)＝(p(i-1)×μ1(i-1)+i×fi)/p(i)

类间方差可表示为：

μar＝p·(μ1-μ)²+p2·(μ2-μ)²(3.16)

其中，p2是前景图像的灰度级概率，μ2是前景图像的灰度平均值。

又因为

μ＝p·μ1+p2·μ2(3.17)

将式3.17带入式3.16得：

var(i)＝p(i)×(μ-μ1(i))²/(1-p(i))

5)判断是var(i)是否大于maxvar，若是，令maxvar＝var(i)，t＝i；若否，令i＝i+1，返回第4步。

6)迭代搜索结束，t即为所求。

所述海康威视新型摄像机具有日夜转换监控功能，其有效像素达到300万，水平视场角为80°，最大图像尺寸达到1920×1080，对视频的分辨率为1296水平×732垂直，视频帧率为50hz:25fps，电源功率为7w，电源电压为12vdc。其尺寸为194.04×93.85×89.52mm，重量为1000g；摄像机的同步时间精度不低于10微妙；

摄像机12由众多高分辨率组成，每个摄像机覆盖桥面50米，多个摄像机之间需要时间精确同步，从而得到桥面每个桥跨不同时间载荷的动态变化。

当车辆通过桥梁时，由于车辆的自身重量，及负载重物的情况，车辆就会对桥面产生压力而使桥面产生形变；通过步骤1)得到的车辆载荷计算参数信息和步骤3得到的整个桥面运动车辆的分布信息得到所有车辆对桥梁的荷载信息具体算法为：

整个车辆对路面施加的荷载f可分为车辆静荷载fj和动荷载fd，即

f＝fj+fd

其中，车辆静荷载fj即重力荷载。

在求得车辆动荷载的过程中，根据d'alembert原理，先得到车辆的振动系统的运动方程为：

其中：质量矩阵

阻尼矩阵

刚度矩阵

位移列阵y＝[yt,ys]^t；

激励列阵在以上矩阵中，ms为簧载质量；mt为非簧载质量；cs为悬架阻尼；ct为轮胎阻尼。k1为汽车后轮胎刚度系数；k2为汽车后悬架刚度系数；kt为轮胎刚度；ys,yt为簧载质量和非簧载质量的垂直绝对位移；yr为路面不平整度竖向位移激励；δh为路面产生的竖向变形量。

车辆对路面的随机动荷载为：

在求得了单个车辆对路面的荷载后，通过计算在桥面上的车辆数量即可计算出所有在桥上行驶的车辆对桥面的总荷载；

通过本步骤可得到桥面上的动态载荷，根据桥梁结构，采用有限元方法，计算整个桥梁的应力应变分布值。

当车辆行驶在桥梁上时，由于车辆自身的重量，尤其是对于那些载重过大的货车，它们对桥面的压力会使桥面的形状发生变化，通过获取车辆或桥梁的相关参数即可得到车辆对桥梁的荷载，采用有限元模型算法，即可。

由于桥梁形式很多，车型的差别也较大，由上面计算的桥粱各点应力应变值和实际检测存在误差。为此，系统中在桥梁关键部位布置了应力传感器，根据实际检测和模型计算的差值，不断修正桥梁的结构参数，直到两者的误差满足一定的范围。

所述三维激光扫描仪所构造出的扫描光幕能够扫描到车身的顶部和车辆的某一个侧面，这样就得到了若干个连续的扫描横断面，这些断面数据就为绘制轮廓奠定了良好的基础。在绘制出车辆的三维轮廓图后，就可以辨别出不同类型的车辆，如轿车，suv以及货车等。

对于平板货车和有翻斗的货车，还可以通过确认三维激光扫描仪到车辆左或右边缘是否为最短距离来判断该货车是否是空车。

一般情况下，平板货车装载的是形状固定的物体，如集装箱，其他车辆等。当三维激光扫描仪在车辆左上方时，若平板货车是空车状态，则从测距仪到货车平板左边沿的距离应是测距仪到该车辆平板任何一点中最短的；若平板货车装有货物，则测距仪到货物某一点的距离便会小于测距仪到货车平板左边沿的距离。而有翻斗的货车一般装载的是整体形状会变化的散装货物，如泥沙、石子和砖块等。判断翻斗货车是否是空车的方法与平板货车类似。

在每个桥跨的最大应变处设置应力应变传感器。当有应变超过阈值时，将得到的整个桥梁的应力应变值进行反演，也可增加预警的可靠性。

本发明采用多传感器融合技术将车型检测、车辆分布、车辆跟踪、应变应力监测有机的融合成一个具有反馈效应监测平台。

本发明提供的一种桥梁动态荷载自动检测与反演系统及方法，将车辆监控和应变测量统一起来，实现了桥梁动态荷载自动检测，实现了多个视频同步以及全桥车辆跟踪。

该桥梁动态荷载自动检测与反演系统及方法，利用三维激光扫描仪得到每个进入桥梁的运动的被检测车辆的点云图，通过对各个断面进行三维重建，判断出被检测车辆的车型和车辆的载荷判断信息，利用一组精确同步并等间隔布设并覆盖整个桥面的高分辨率摄像机组合，通过车辆分割和轨迹追踪算法，得到桥面每跨结构上的车辆动态分布，结合每辆车的车型信息和车辆的载荷判断信息，计算得到桥面的静态荷载，动态载荷，运用桥梁有限元求解方法，得到整个桥面各点的动态应力分布；采用在桥梁关键部位安装应力传感器做为校正基准，对有限元的计算结果进行反演，最终实现对桥梁各部位应变的准确监测。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。