CN104597286A - 一种黄河凌汛期流凌速度测量方法 - Google Patents
一种黄河凌汛期流凌速度测量方法 Download PDFInfo
- Publication number
- CN104597286A CN104597286A CN201510053561.2A CN201510053561A CN104597286A CN 104597286 A CN104597286 A CN 104597286A CN 201510053561 A CN201510053561 A CN 201510053561A CN 104597286 A CN104597286 A CN 104597286A
- Authority
- CN
- China
- Prior art keywords
- ice
- yellow river
- river
- target
- optical flow
- 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
Landscapes
- Image Analysis (AREA)
Abstract
一种黄河凌汛期流凌速度测量方法,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)采用L-K光流法作为其运动目标检测的基础算法,在L-K光流法的基础上加入金字塔模型;(4)依据黄河冰凌特性使用强角点集作为冰凌跟踪特征,进行多运动目标同时追踪;(5)测量出视场范围内多个冰凌目标的运动实际位移量,计算获取多目标平均速度;(6)搭建面向客户的软件操作平台。其优点在于:本发明方法鲁棒性强,测量结果精确度较现行方法大幅提升,无需特殊测量设备,投资较少,操作简单,操作人员无需专业背景,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速度测量方法。
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速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、适于运动和动态目标的测量、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速度测量方法,,可大幅度减少人为因素对于流凌速度参数获取的影响,从而使得黄河冰凌预报模型更加准确。
一种黄河凌汛期流凌速度测量方法,包括如下步骤:
(1)采用OpenCV和C#开发平台,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4个以上关键角点,基于点对应关系计算单应矩阵;
(3)采用L-K光流法作为其运动目标检测的基础算法,在L-K光流法的基础上加入金字塔模型;
(4)在目标跟踪阶段,依据黄河冰凌特性使用强角点集作为冰凌跟踪特征,进行多运动目标同时追踪;
(5)通过单目视频测量原理测量出视场范围内多个冰凌目标的运动实际位移量,从而计算获取多目标平均速度;
(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速度测量方法的优点是:
(1)测量精度较高,数据代表性强:本发明针对河流冰凌的自身特点以及野外作业、远距离数据传输可能遇到问题,采用基于强角点特征点集的L-K光流法完成动态多目标检测追踪,并运用二维平面标定技术构建单应矩阵,实现目标位移量测,获取多目标平均流速,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,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速度量测,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,本发明采用单目视频测量技术与基于强角点特征点集的L-K光流对兴趣区域内的多冰凌目标进行同步追踪、测量,算法鲁棒性强,测量结果精确度较现行方法大幅提升,无需特殊测量设备,投资较少,操作简单,操作人员无需专业背景,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速度测量方法,包括如下步骤:
(1)使用OpenCV和C#开发平台,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。本发明使用的现场标定板长宽均为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。具体的标定方法:黄河河道封冻期间,将制作好的标定板平坦的放置在河面,尽量位于摄像机视场的中心位置,手动提取4个以上关键角点,基于点对应关系计算单应矩阵。当有四组以上的对应点时,可以使用最小二乘方法来提高精度。
(3)由于黄河冰凌具有光照变化强烈、影像背景复杂多变、摄像头易受冬季强风扰动等自身特点,本方法采用L-K光流法作为其运动目标检测的基础算法;此外由于图像无线传输过程中会不可避免的出现丢帧现象从而客观上造成冰凌目标的大尺度运动,无法满足光流法的基本假设,因此本方法在L-K光流法的基础上加入了金字塔模型;
(4)在目标跟踪阶段,本方法依据黄河冰凌特性使用强角点集作为冰凌跟踪特征,进行多运动目标同时追踪;
(5)通过单目视频测量原理测量出视场范围内多个冰凌目标的运动实际位移量,从而计算获取多目标平均速度;
(6)搭建面向客户的软件操作平台。
标定板的设计:
在计算冰凌速度的过程中,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视系统,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),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。
本方法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。
本发明的具体计算步骤为:
(1)获取视频对象的帧率(即FPS,单位:帧/秒);
(2)从视频中获取第i帧影像fi(x,y)和第i+k帧影像fi+k(x,y),其中k可以理解为对视频对象的采样间隔;
(3)对fi(x,y)进行特征提取,获取特征点集,记为Pi;
(4)将fi(x,y)中的特征点集Pi作为待跟踪的特征点输入,使用支持金字塔的L-K光流法,在fi+k(x,y)中预测Pi的位置,记为Di;
(5)计算两点间对应的实际距离;设点集Pi中的有一个点pij(像素坐标为x1,y1)被成功跟踪到,被跟踪后的位置为dij(像素坐标为x2,y2),用单目视频测量方法计算两点间对应的实际距离:首先利用单目视频测量原理计算pij,dij在自定义的物方坐标系中的物方坐标点cpij(像素坐标为X1,Y1)、cdij(像素坐标为X2,Y2),然后用式1-1计算两点间的距离sij;
(6)计算Pi中被成功跟踪点的平均位移;各个冰凌块的速度是由水流的速度决定,具有基本一致的特点,因而可以取被成功跟踪到的点集中点的平均位移,再除以fi(x,y)、fi+k(x,y)间的时间差来计算这两帧图像对应的流凌速度;记Pi中被成功跟踪到的点集为Qi,Qi的大小为n,则一帧中流凌的平均位移Si可用式1-2计算;
(7)计算fi(x,y)与fi+k(x,y)对应的时间差ti;
(8)用式(1-3)计算流凌速度Vi;
(9)计算某时间段内的流凌平均速度V;
(10)显示跟踪结果,用带方向的箭头将跟踪结果显示在后一帧影像上。
本发明与现有技术的不同在于:
(1)使用基于强角点特征点集的光流法完成多运动目标同时检测,同时追踪,且跟踪准确度较高。可在摄像头受到强风扰动的情况下完成追踪,由于金字塔模型的加入还可满足光流法在遇到3G无线视频流传输过程中出现丢帧时客观上所造成的大尺度运动现象;
(2)本发明使用了单目视频技术,推广应用成本较低,通用性强,适用于绝大部分的日常监测环境;
(3)本发明最终计算获取的流凌速度为同一时间段内的多流凌目标的速度平均值,数据准确度高,代表性较强。
Claims (3)
1.一种黄河凌汛期流凌速度测量方法,其特征在于包括如下步骤:
(1)采用OpenCV和C#开发平台,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4个以上关键角点,基于点对应关系计算单应矩阵;
(3)采用L-K光流法作为其运动目标检测的基础算法,在L-K光流法的基础上加入金字塔模型;
(4)在目标跟踪阶段,依据黄河冰凌特性使用强角点集作为冰凌跟踪特征,进行多运动目标同时追踪;
(5)通过单目视频测量原理测量出视场范围内多个冰凌目标的运动实际位移量,从而计算获取多目标平均速度;
(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速度测量方法,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速度测量方法,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 |
---|---|---|---|
CN201510053561.2A CN104597286A (zh) | 2015-01-30 | 2015-01-30 | 一种黄河凌汛期流凌速度测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510053561.2A CN104597286A (zh) | 2015-01-30 | 2015-01-30 | 一种黄河凌汛期流凌速度测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104597286A true CN104597286A (zh) | 2015-05-06 |
Family
ID=53123201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510053561.2A Pending CN104597286A (zh) | 2015-01-30 | 2015-01-30 | 一种黄河凌汛期流凌速度测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104597286A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106441138A (zh) * | 2016-10-12 | 2017-02-22 | 中南大学 | 基于视觉测量的变形监测方法 |
CN111089625A (zh) * | 2019-12-13 | 2020-05-01 | 国网浙江省电力有限公司紧水滩水力发电厂 | 一种模拟双目视觉的河流流量实时监测系统及方法 |
CN112365509A (zh) * | 2020-11-10 | 2021-02-12 | 山东大学 | 一种冰凌预警方法及系统 |
CN112686204A (zh) * | 2021-01-12 | 2021-04-20 | 昆明理工大学 | 一种基于稀疏像素点跟踪的视频测流方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102446208A (zh) * | 2011-09-02 | 2012-05-09 | 华东师范大学 | 一种基于分布式的海量遥感影像快速建立金字塔算法 |
CN204059275U (zh) * | 2014-07-28 | 2014-12-31 | 雷震 | 一种黄河凌汛测报系统 |
-
2015
- 2015-01-30 CN CN201510053561.2A patent/CN104597286A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102446208A (zh) * | 2011-09-02 | 2012-05-09 | 华东师范大学 | 一种基于分布式的海量遥感影像快速建立金字塔算法 |
CN204059275U (zh) * | 2014-07-28 | 2014-12-31 | 雷震 | 一种黄河凌汛测报系统 |
Non-Patent Citations (2)
Title |
---|
徐超 等: "基于OpenCV图像处理技术在冰情监测中的应用", 《信息技术》 * |
靳卫卫: "海冰智能视频监视系统设计及实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106441138A (zh) * | 2016-10-12 | 2017-02-22 | 中南大学 | 基于视觉测量的变形监测方法 |
CN106441138B (zh) * | 2016-10-12 | 2019-02-26 | 中南大学 | 基于视觉测量的变形监测方法 |
CN111089625A (zh) * | 2019-12-13 | 2020-05-01 | 国网浙江省电力有限公司紧水滩水力发电厂 | 一种模拟双目视觉的河流流量实时监测系统及方法 |
CN112365509A (zh) * | 2020-11-10 | 2021-02-12 | 山东大学 | 一种冰凌预警方法及系统 |
CN112365509B (zh) * | 2020-11-10 | 2023-10-27 | 山东大学 | 一种冰凌预警方法及系统 |
CN112686204A (zh) * | 2021-01-12 | 2021-04-20 | 昆明理工大学 | 一种基于稀疏像素点跟踪的视频测流方法及装置 |
CN112686204B (zh) * | 2021-01-12 | 2022-09-02 | 昆明理工大学 | 一种基于稀疏像素点跟踪的视频测流方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Muste et al. | Considerations on direct stream flow measurements using video imagery: Outlook and research needs | |
Ran et al. | Application of an automated LSPIV system in a mountainous stream for continuous flood flow measurements | |
CN102564335B (zh) | 一种大型隧道变形测量方法 | |
Le Coz et al. | Performance of image-based velocimetry (LSPIV) applied to flash-flood discharge measurements in Mediterranean rivers | |
CN103698553B (zh) | 基于红外摄像的新型表面流场测速系统和测速方法 | |
CN109754573B (zh) | 一种中小河流洪水预报预警设施及其运行方法 | |
CN106646509B (zh) | 一种基于实景点云数据的杆塔护坡破损评估方法 | |
CN104359406B (zh) | 一种准分布式结构位移光学测量方法 | |
CN104597286A (zh) | 一种黄河凌汛期流凌速度测量方法 | |
CN103439756A (zh) | 一种基于粒子成像测速的自然降水粒子微物理特征测量方法 | |
CN103808271A (zh) | 远距离量测裂缝的方法及其装置 | |
CN101105489B (zh) | 土壤入渗性能实时自动测量系统 | |
CN112329257A (zh) | 适用于山区小流域暴雨山洪洪水预报预警的水文模型分段筛选方法 | |
CN109583642A (zh) | 一种区域洪水预警方法 | |
CN110986876A (zh) | 一种基于无人机反演淤泥质潮沟水下地形的方法 | |
CN104596484A (zh) | 一种黄河凌汛期流凌密度测量方法 | |
CN104063863A (zh) | 用于河道监控的下俯式双目视觉系统及图像处理方法 | |
CN115326026A (zh) | 基于非接触式测量-水动力融合同化获取水力特征的方法及装置 | |
CN110702343B (zh) | 一种基于立体视觉的挠度测量系统及方法 | |
CN111896950A (zh) | 一种基于地基雷达的滑坡灾害应急监测方法 | |
CN101476885A (zh) | 基于单张数码像片的建筑物高度测量方法 | |
Han et al. | Two-dimensional space-time image velocimetry for surface flow field of mountain rivers based on UAV video | |
CN102830391B (zh) | 一种红外搜索与跟踪系统准确性指标计算方法 | |
CN112651118B (zh) | 一种气候-陆面-水文过程全耦合模拟方法 | |
CN219626119U (zh) | 一种高速公路边坡监测预警系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150506 |
|
WD01 | Invention patent application deemed withdrawn after publication |