CN104596484A - 一种黄河凌汛期流凌密度测量方法 - Google Patents
一种黄河凌汛期流凌密度测量方法 Download PDFInfo
- Publication number
- CN104596484A CN104596484A CN201510048335.5A CN201510048335A CN104596484A CN 104596484 A CN104596484 A CN 104596484A CN 201510048335 A CN201510048335 A CN 201510048335A CN 104596484 A CN104596484 A CN 104596484A
- Authority
- CN
- China
- Prior art keywords
- ice
- target
- image
- river
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
一种黄河凌汛期流凌密度测量方法,包括如下步骤:(1)对河道区域影像进行分割提取,作为目标兴趣区域;(2)对视场中兴趣区域进行标定;(3)对兴趣区域进行正射微分纠正,得到河道平面的正射影像;(4)采用基于主动轮廓模型的目标分割法,将兴趣区域内的目标冰凌与水面背景区分开来;(5)对分割以后的影像,分别统计冰凌目标和水面背景分别所占的比例,计算得到流凌密度参数;(6)搭建面向客户的软件操作平台。其优点在于:采用影像正射纠正技术与主动轮廓分割模型,算法鲁棒性强,目标分割快速准确,测量结果精确度较现行方法大幅提升,无需特殊测量设备,投资少,操作简单,可广泛适用于水文站的凌汛期日常水文监测。
Description
技术领域
本发明涉及水利工程技术领域,具体的说是一种黄河凌汛期流凌密度测量方法。
背景技术
黄河是我国凌汛出现最为频繁的河流,其中以宁蒙河段最为严重,这是由其特殊的地理位置、水文气象条件和河道特性所决定的。因此,准确预报出河段封、开河日期以及冰塞冰坝可能出现的位置,对该河段防凌工作具有十分重要的意义。一直以来,国内外学者也围绕上述问题开展了诸多研究,特别是在运用数值模拟技术以及人工智能算法进行的冰情预报取得了显著的进步。但是通过研究发现,基于上述技术开发的冰情模型,在其建立和应用过程中都存在着众多的不确定性,特别是关键参量流凌密度的获取方式严重依赖于人工观测或者经验公式的推导。数据的代表性、连续性、准确度都无法得到可靠保障。由此可知,改变传统落后的原型观测模式,提高观测精度,是有效提高模型预报精度及效率的重要方式之一。
近年来,视频测量技术以及数字图像信息处理技术的快速发展为上述问题的解决提供了思路,相比较其他测量手段,视频测量具有非接触式测量、测量精度高、实时性较强等特点,在越来越多的领域得到应用。当前这一技术已经在海冰监测领域有了初步尝试,但是在国内河流冰凌观测中还没有系统的研究与应用。
发明内容
本发明的目的是针对现有技术存在的缺陷,提供一种黄河凌汛期流凌密度测量方法,可大幅度减少人为因素对于流凌密度参数获取的影响,从而使得冰凌预报模型更加准确。
一种黄河凌汛期流凌密度测量方法,包括如下步骤:
(1)采用OpenCV开源视觉库和C#平台,对摄像机固定视场内的河道区域影像进行分割提取,作为目标兴趣区域;
(2)采用二维平面标定法对视场中兴趣区域进行标定;具体标定方法为在河道封冻期间,将制作好的标定板平坦的放置在河面,位于摄像机视场的中心位置,手动提取影像中标定板上4个以上关键角点,通过这些角点的像平面坐标和物方坐标,计算得到河道平面与影像平面之间的单应矩阵,从而确定得到从像方到物方的几何位置关系;
(3)利用步骤(2)计算出的单应矩阵,对像平面上的兴趣区域进行正射微分纠正,得到河道平面的正射影像,消除摄像机透视畸变所带来的测量误差,为步骤(4)的目标分隔做准备;
(4)在步骤(3)获取的河道平面正射影像上,采用基于主动轮廓模型的目标分割法,将兴趣区域内的目标冰凌与水面背景区分开来;
(5)对分割以后的影像,分别统计冰凌目标和水面背景分别所占的比例,计算得到流凌密度参数;
(6)搭建面向客户的软件操作平台。
步骤(2)中所述标定板长宽均为2.2米,以防水广告布为原材料,标定板上标记有4个长1米宽0.5米的矩形,4个矩形共有12个关键角点,相邻关键角点间的最短距离为0.5米。
步骤(2)中,当有四组以上的对应点时,采用最小二乘方法来提高精度。
本发明一种黄河凌汛期流凌密度测量方法的优点是:
1)测量精度较高,数据代表性强:本发明针对黄河冰凌的自身特点,采用主动轮廓模型区分水面冰面,分割更为准确;本发明采用数字微分纠正技术,对河道区域进行正射影像纠正,从而避免了摄像机透视畸变所造成的流凌密度计算误差,因此数据具有较强代表性;
2)通用性强,投资少,操作简便:本发明采用的测量方法可在现有的大多数单目视频监控系统的基础上完成量测,无需重复投资,没有特殊的技术要求,本发明所采用的单目视频测量技术与传统的双目立体量测方法相比,具有无需进行匹配,计算过程简单快捷的特点,最重要的是,可以在许多不具备立体观测条件的环境下完成几何量测的任务;
3)工作效率显著提高:本发明可有效改变过去人工观测的模式,可最大化的减少人为因素的干扰,使用该方法仅需一人即可在短时间内完成流凌密度量测,避免了野外观测作业风险,大幅减少人力成本,工作效率显著提高;
综上所述,本发明采用影像正射纠正技术与主动轮廓分割模型,算法鲁棒性强,目标分割快速准确,测量结果精确度较现行方法大幅提升,无需特殊测量设备,投资少,操作简单,可广泛适用于水文站的凌汛期日常水文监测。
附图说明
图1为标定板的结构示意图。
图中,1为标定板,2为关键角点。
具体实施方式
一种黄河凌汛期流凌密度测量方法,包括如下步骤:
(1)采用OpenCV开源视觉库和C#平台,对摄像机固定视场内的河道区域影像进行分割提取,作为目标兴趣区域;
(2)采用二维平面标定法对视场中兴趣区域进行标定;具体标定方法为在河道封冻期间,将制作好的标定板平坦的放置在河面,位于摄像机视场的中心位置,手动提取影像中标定板上4个以上关键角点,通过这些角点的像平面坐标和物方坐标,计算得到河道平面与影像平面之间的单应矩阵,从而确定得到从像方到物方的几何位置关系基于点对应关系计算单应矩阵;
(3)利用步骤(2)计算出的单应矩阵,对像平面上的兴趣区域进行正射微分纠正,得到河道平面的正射影像,消除摄像机透视畸变所带来的测量误差,为步骤(4)的目标分隔做准备;
(4)在步骤(3)获取的河道平面正射影像上,采用基于主动轮廓模型的目标分割法,将兴趣区域内的目标冰凌与水面背景区分开来;
(5)对分割以后的影像,分别统计冰凌目标和水面背景分别所占的比例,计算得到流凌密度参数获取兴趣区域内目标轮廓内像素数与轮廓外的像素数,进行占比计算,获取流凌密度参数;
(6)搭建面向客户的软件操作平台。
步骤(2)中,当有四组以上的对应点时,采用最小二乘方法来提高精度。
标定板的设计:
在计算冰凌密度的过程中,我们需要量测河道平面上的长度信息,这需要使用到单视测量方法,该测量方法的关键就在于得到参考平面与成像平面之间的单应矩阵,而该矩阵的计算可以通过基于点对应关系来得到。
在被观测的河道中没有可以被利用的已知的几何信息,因而需要自制标定板来进行摄像机定标。在设计标定板的过程中主要考虑了以下几点:
(1)数据源来自于视频监控系统,由于3G传输费用的制约,获得的原始视频数据分辨率很低,仅为352*480像素,所以标定板的尺寸不能太小。
(2)由于需要在开河之前将标定板放置到河道冰面上,因而需要具有防水功能。考虑到野外作业环境下可能出现的大风情况,标定板还应具有一定的韧性。
(3)由于现场可能会出现遮挡、反光的情况,标定板上可以被识别的点应该多余计算单应矩阵时的必要观测数。
本发明设计的标定板,长宽均为2.2米,以防水广告布为原材料,轻便易折叠携带的同时具有较强的韧性,不易被损坏。标定板上均匀分布4个长1米宽0.5米的矩形,共有12个容易被识别的关键角点,彼此间的最短距离为0.5米。
所述步骤(3)中,兴趣区域正射微分纠正的子步骤如下:
(1)计算影像的四个角点对应的物方坐标,按照计算出的四个物方坐标确定外接矩形;
根据透视投影模型,空间中一点Mi(Xi,Yi,Zi,1)通过一个3×4的投影矩阵P投影到二维像平面上,将该像点记为mi(ui,vi,1),则两者间的几何关系为:
λmi=PMi=(p1p2p3p4)Mi 式(1-1)
式(1-1)中的λ为非零的比例因子。
若Mi(Xi,Yi,Zi,1)为平面W上一点,并将改平面设为Zw=0即X-Y平面,则Mi(Xi,Yi,0,1),式(1-1)变为:
其中H=(p1,p2,p4)被称为单应矩阵,在获取了河道平面与影像平面之间对应单应矩阵之后H以后,设原始图像的大小为m×n,利用式(1-3),分别将(1,1)(m,1)(1,n)(m,n)代入求得图像四个角点对应的物方坐标(X1,Y1)(X2,Y2)(X3,Y3)(X4,Y4),记X1至X4中最小为Xmin,最大为Xmax,Y1至Y4中最小为Ymin,最大为Ymax,则确定出的物方外包矩形的左下角与右上角左边分别为(Xmin,Ymin)和(Xmax,Ymax)。
(2)计算地面点坐标;
在正射影像中,像素坐标为(u,v)的像素点P所对应的物方坐标(X,Y)可以由原点(0,0)所对应的物方坐标(X0,Y0)和正射影像的比例尺分母M来计算;若像平面以左上角为原点,则有:
X=X0+M·u
式(1-4)
Y=Y0+M·v
在本应用中,可以根据每个不同摄像头的分辨率,以清晰可视为原则,可以根据(Xmin,Ymin)和(Xmax,Ymax)确定比例尺分母M。
(3)计算物方点对应的像点坐标及灰度内插;
计算正射影像上像素点P对应所对应的物方坐标,然后再计算该物方坐标对应原始影像上的像素坐标p,由于所求得的像平面坐标一般不会正好位于像元的中心上,所以需要进行灰度内插,双线性内插方法是最常用的内插方法,通过线性内插方法求取点p的灰度值;
(4)灰度赋值;
最后将像点p的灰度值赋值给纠正后的像元素P,即式(1-5),式中G(X,Y)表示纠正后的像素P所对应的灰度值,(X,Y)表示像素P在纠正后影像上的坐标,g(u,v)表示原始影像上像素p的灰度值,(u,v)表示p在原始影像上的坐标。
G(X,Y)=g(u,v) 式(1-5)
依此对每个纠正像元素进行上述运算,即能获得纠正的数字图像。
本发明与现有技术的不同在于:
(1)本发明考虑到摄像机透视畸变会对流凌密度计算带来较大的误差,为了避免这一问题,在计算水面与冰凌面积占比时,进行了数字微分纠正处理,通过二维平面标定,将原始影像按照该河道平面与像片平面间的单应关系进行纠正,从而得到河道区域的正射影像。
(2)本发明采用主动轮廓模型作为区分水面冰面的主要算法,而不是采用传统的阈值分割,可以有效避免因为冰凌表面细丝结构或者因光照变化造成的灰度分布不均所造成的孔洞或者过分割现象,有效提高计算的有效性和实时性。
Claims (3)
1.一种黄河凌汛期流凌密度测量方法,其特征在于包括如下步骤:
(1)采用OpenCV开源视觉库和C#平台,对摄像机固定视场内的河道区域影像进行分割提取,作为目标兴趣区域;
(2)采用二维平面标定法对视场中兴趣区域进行标定;具体标定方法为在河道封冻期间,将制作好的标定板平坦的放置在河面,位于摄像机视场的中心位置,手动提取影像中标定板上4个以上关键角点,通过这些角点的像平面坐标和物方坐标,计算得到河道平面与影像平面之间的单应矩阵,从而确定得到从像方到物方的几何位置关系;
(3)利用步骤(2)计算出的单应矩阵,对像平面上的兴趣区域进行正射微分纠正,得到河道平面的正射影像,消除摄像机透视畸变所带来的测量误差,为步骤(4)的目标分隔做准备;
(4)在步骤(3)获取的河道平面正射影像上,采用基于主动轮廓模型的目标分割法,将兴趣区域内的目标冰凌与水面背景区分开来;
(5)对分割以后的影像,分别统计冰凌目标和水面背景分别所占的比例,计算得到流凌密度参数;
(6)搭建面向客户的软件操作平台。
2.如权利要求1所述的黄河凌汛期流凌密度测量方法,其特征在于:步骤(2)中所述标定板长宽均为2.2米,以防水广告布为原材料,标定板上标记有4个长1米宽0.5米的矩形,4个矩形共有12个关键角点,相邻关键角点间的最短距离为0.5米。
3.如权利要求1所述的黄河凌汛期流凌密度测量方法,其特征在于:步骤(2)中,当有四组以上的对应点时,采用最小二乘方法来提高精度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510048335.5A CN104596484A (zh) | 2015-01-30 | 2015-01-30 | 一种黄河凌汛期流凌密度测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510048335.5A CN104596484A (zh) | 2015-01-30 | 2015-01-30 | 一种黄河凌汛期流凌密度测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104596484A true CN104596484A (zh) | 2015-05-06 |
Family
ID=53122426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510048335.5A Pending CN104596484A (zh) | 2015-01-30 | 2015-01-30 | 一种黄河凌汛期流凌密度测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104596484A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110288654A (zh) * | 2019-04-28 | 2019-09-27 | 浙江省自然资源监测中心 | 一种单幅图像的几何量测的方法 |
CN110929782A (zh) * | 2019-11-20 | 2020-03-27 | 天津大学 | 一种基于正射影像图对比的河道异常检测方法 |
CN111739048A (zh) * | 2020-07-27 | 2020-10-02 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰风洞试验冰形几何轮廓线数字化方法 |
CN112241690A (zh) * | 2020-09-25 | 2021-01-19 | 天津大学 | 一种bim驱动的输水渠道航拍图像兴趣区提取方法 |
CN112785151A (zh) * | 2021-01-22 | 2021-05-11 | 黄河勘测规划设计研究院有限公司 | 串联水库联合防凌补偿调度方法及其专用系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3864513A (en) * | 1972-09-11 | 1975-02-04 | Grumman Aerospace Corp | Computerized polarimetric terrain mapping system |
CN1198230A (zh) * | 1995-04-25 | 1998-11-04 | 考格内特恩斯有限公司 | 根据一3d对象的2d投影再生和处理该对象的设备和方法 |
CN101586956A (zh) * | 2009-06-18 | 2009-11-25 | 上海交通大学 | 基于单目摄像机的河流水位监测方法 |
RU2432547C1 (ru) * | 2011-01-25 | 2011-10-27 | Юрий Николаевич Жуков | Способ составления ледовых карт |
CN102506828A (zh) * | 2011-07-29 | 2012-06-20 | 上海交通大学 | 基于线特征的交通事故现场图几何校正系统 |
CN102538767A (zh) * | 2011-11-29 | 2012-07-04 | 中国神华能源股份有限公司 | 基于卫星的海冰监测方法和设备 |
CN103177439A (zh) * | 2012-11-26 | 2013-06-26 | 惠州华阳通用电子有限公司 | 一种基于黑白格角点匹配的自动标定方法 |
CN103366382A (zh) * | 2013-07-04 | 2013-10-23 | 电子科技大学 | 一种基于超像素的主动轮廓跟踪方法 |
CN103413299A (zh) * | 2013-07-25 | 2013-11-27 | 北京交通大学 | 一种用于图像分割的主动轮廓模型 |
CN103822614A (zh) * | 2014-03-14 | 2014-05-28 | 河北工业大学 | 倒车影像的三维测量方法 |
CN103838437A (zh) * | 2014-03-14 | 2014-06-04 | 重庆大学 | 基于投影图像的触控定位控制方法 |
-
2015
- 2015-01-30 CN CN201510048335.5A patent/CN104596484A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3864513A (en) * | 1972-09-11 | 1975-02-04 | Grumman Aerospace Corp | Computerized polarimetric terrain mapping system |
CN1198230A (zh) * | 1995-04-25 | 1998-11-04 | 考格内特恩斯有限公司 | 根据一3d对象的2d投影再生和处理该对象的设备和方法 |
CN101586956A (zh) * | 2009-06-18 | 2009-11-25 | 上海交通大学 | 基于单目摄像机的河流水位监测方法 |
RU2432547C1 (ru) * | 2011-01-25 | 2011-10-27 | Юрий Николаевич Жуков | Способ составления ледовых карт |
CN102506828A (zh) * | 2011-07-29 | 2012-06-20 | 上海交通大学 | 基于线特征的交通事故现场图几何校正系统 |
CN102538767A (zh) * | 2011-11-29 | 2012-07-04 | 中国神华能源股份有限公司 | 基于卫星的海冰监测方法和设备 |
CN103177439A (zh) * | 2012-11-26 | 2013-06-26 | 惠州华阳通用电子有限公司 | 一种基于黑白格角点匹配的自动标定方法 |
CN103366382A (zh) * | 2013-07-04 | 2013-10-23 | 电子科技大学 | 一种基于超像素的主动轮廓跟踪方法 |
CN103413299A (zh) * | 2013-07-25 | 2013-11-27 | 北京交通大学 | 一种用于图像分割的主动轮廓模型 |
CN103822614A (zh) * | 2014-03-14 | 2014-05-28 | 河北工业大学 | 倒车影像的三维测量方法 |
CN103838437A (zh) * | 2014-03-14 | 2014-06-04 | 重庆大学 | 基于投影图像的触控定位控制方法 |
Non-Patent Citations (5)
Title |
---|
刘瑞祯,于仕琪: "《OpenCV教程——基础篇》", 30 June 2007, 北京航空航天大学出版社 * |
徐超,张永利: "基于OpenCV图像处理技术在冰情监测中的应用", 《信息技术》 * |
朱秀昌等: "《机器视觉系统原理与应用》", 30 June 2014, 中国水利水电出版社 * |
陈永明: "《航空摄影测量》", 31 July 2003, 中国建筑工业出版社 * |
龚涛: "《摄影测量学》", 30 April 2014, 西南交通大学出版社 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110288654A (zh) * | 2019-04-28 | 2019-09-27 | 浙江省自然资源监测中心 | 一种单幅图像的几何量测的方法 |
CN110929782A (zh) * | 2019-11-20 | 2020-03-27 | 天津大学 | 一种基于正射影像图对比的河道异常检测方法 |
CN111739048A (zh) * | 2020-07-27 | 2020-10-02 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰风洞试验冰形几何轮廓线数字化方法 |
CN111739048B (zh) * | 2020-07-27 | 2020-11-24 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰风洞试验冰形几何轮廓线数字化方法 |
CN112241690A (zh) * | 2020-09-25 | 2021-01-19 | 天津大学 | 一种bim驱动的输水渠道航拍图像兴趣区提取方法 |
CN112241690B (zh) * | 2020-09-25 | 2022-12-27 | 天津大学 | 一种bim驱动的输水渠道航拍图像兴趣区提取方法 |
CN112785151A (zh) * | 2021-01-22 | 2021-05-11 | 黄河勘测规划设计研究院有限公司 | 串联水库联合防凌补偿调度方法及其专用系统 |
CN112785151B (zh) * | 2021-01-22 | 2023-11-07 | 黄河勘测规划设计研究院有限公司 | 串联水库联合防凌补偿调度方法及其专用系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101996992B1 (ko) | 옵티컬 플로우 영상 처리를 이용하는 하천 유속 측정 장치 및 방법 | |
CN104596484A (zh) | 一种黄河凌汛期流凌密度测量方法 | |
Ermolaev et al. | Automated construction of the boundaries of basin geosystems for the Volga Federal District | |
CN109579791B (zh) | 一种快速高效水土保持淤地坝调查与评估方法 | |
CN115564926B (zh) | 基于影像建筑物结构学习的三维面片模型构建方法 | |
Báčová et al. | A GIS method for volumetric assessments of erosion rills from digital surface models | |
CN106910189A (zh) | 一种基于三维重建的绝缘子爬电距离测量系统及方法 | |
CN109472802A (zh) | 一种基于边缘特征自约束的表面网格模型构建方法 | |
CN116305902B (zh) | 一种基于多模态遥感的洪涝最大淹没水深空间模拟方法 | |
CN105387801A (zh) | 一种地铁隧道管片错台量检测方法 | |
CN110133655B (zh) | 基于多源雷达遥感技术的河流径流监测反演方法 | |
Kong et al. | Application of 3D laser scanning technology in engineering field | |
CN102999895B (zh) | 利用两个同心圆线性求解摄像机内参数 | |
Vetter et al. | Estimating changes of riverine landscapes and riverbeds by using airborne LiDAR data and river cross-sections | |
CN104180794B (zh) | 数字正射影像拉花区域的处理方法 | |
CN108520271A (zh) | 基于因子分析的海底地貌类型分类器设计方法 | |
CN104597286A (zh) | 一种黄河凌汛期流凌速度测量方法 | |
CN108460422B (zh) | 基于深度分布特征的海底地貌类型识别方法 | |
CN117664248A (zh) | 一种基于观测塔遥感的自然河流生态流量监测方法 | |
CN102663680B (zh) | 基于面特征的图像几何校正方法 | |
CN113744393B (zh) | 一种多层级边坡滑坡变化监测方法 | |
CN114459423B (zh) | 一种单目测算航行船舶的距离的方法 | |
KR102462351B1 (ko) | 옵티컬 플로우를 활용한 상호상관법의 탐색영역 결정방법 | |
CN109781191A (zh) | 一种利用无人机影像快速反演河道流量的方法 | |
Huang et al. | Integration of mobile laser scanning data with UAV imagery for very high resolution 3D city modeling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150506 |