CN107462397B - 一种湖区超大范围表面流场测量方法 - Google Patents
一种湖区超大范围表面流场测量方法 Download PDFInfo
- Publication number
- CN107462397B CN107462397B CN201710692301.9A CN201710692301A CN107462397B CN 107462397 B CN107462397 B CN 107462397B CN 201710692301 A CN201710692301 A CN 201710692301A CN 107462397 B CN107462397 B CN 107462397B
- Authority
- CN
- China
- Prior art keywords
- flow field
- unmanned plane
- lake
- super large
- boundary surface
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M10/00—Hydrodynamic testing; Arrangements in or on ship-testing tanks or water tunnels
Landscapes
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- General Physics & Mathematics (AREA)
- Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
Abstract
本发明提出了一种湖区超大范围表面流场测量方法，包括如下步骤：提供至少一架第一无人机，向湖面等时间间隔播撒示踪粒子；提供至少一架配备有相机的第二无人机，跟在所述第一无人机的后方针对湖面上漂浮的所述示踪粒子，利用所述相机拍摄湖区超大范围表面流场的照片；将拍摄获得的所述照片通过计算机处理，计算获得所述湖区超大范围表面流场。本发明的测量方法无需等待示踪粒子铺满整个湖区超大范围，即可通过局部播撒跟拍的方式，完成湖区超大范围表面流场的测量，几乎完全省掉了等待示踪粒子铺满湖区所需的时间，大大节约了时间及所需的人工成本，可以将基于现有PIV技术的拍照测量方式推广到现场实地的湖区超大范围表面流场的测量中。
Description
技术领域
本发明涉及水利工程领域，尤其涉及水利工程领域的水流流场测量方法，特别涉及一种湖区超大范围表面流场测量方法。
背景技术
水流流场是水力学及河流、湖泊动力学的重要研究对象，科研领域通常采用模型试验的方式开展水流研究。目前在水流模型试验研究中，广泛应用的是粒子图像跟踪测速技术(PTV，Particle Tracking Velocimetry)，主要用于河工及港工模型大范围瞬时表面流场的测量。但目前的PTV流场测量系统一旦涉及较大的测量范围，往往需要固定布置数十个甚至上百个摄像头，然后利用计算机对多个摄像头的图像进行处理，计算出每个摄像头拍摄区域的流场然后进行全场拼接，最后得到全流场。当摄像头数量较多时，每个摄像头的特征差异会带来系统误差。
模型试验由于实验场所及设备的局限，其可以测量的尺度非常有限，难以完全模拟真实的河流、湖泊流场情况。尤其是大尺度范围的湖区表面流场，完全无法固定安装摄像头进行全流场拍摄。
大尺度表面流场通常采用摄影测量方式，即基于传统PIV(Particle ImageVelocimetry)技术将传统小尺度流场测量延伸至大尺度表面流场的测量。测量过程中采用自然光照明，以现场自然水体模态(如水面波纹、大尺度涡结构、泥沙浓度非均匀分布、漂浮杂质等)作为测流跟踪对象，拍摄大尺度表面流场，通过畸变校正、正向投影等图像预处理技术，将图像转换为真实坐标下图像，通过对流动模态的处理计算表面流场。
目前市场上存在的商用大尺度表面流场测量系统大都使用传统的PIV技术，需要通过人工在河流上游投放表面示踪粒子，粒子沿水流方向自然流动散开，粒子用量很大成本很高，而且粒子自然流动分布很不均匀，导致测量和计算结果误差很大。另外，全流场测量仍然只能限于相对有限的小尺度流场测算使用，对于湖区超大范围表面流场测量，例如中国太湖范围内的表面流场测量，几乎无法想象将整个太湖铺满粒子进行拍照所需的时间及所需人工成本，因此基于现有PIV技术的拍照测量方式难以推广到现场实地的湖区超大范围表面流场的测量中。
发明内容
本发明要解决的技术问题是提供一种湖区超大范围表面流场测量方法，以减少或避免前面所提到的问题。
为解决上述技术问题，本发明提出了一种湖区超大范围表面流场测量方法，其特征在于，所述方法包括如下步骤：
提供至少一架第一无人机，向湖面等时间间隔播撒示踪粒子；
提供至少一架配备有相机的第二无人机，跟在所述第一无人机的后方针对湖面上漂浮的所述示踪粒子，利用所述相机拍摄湖区超大范围表面流场的照片；
将拍摄获得的所述照片通过计算机处理，计算获得所述湖区超大范围表面流场。
优选地，所述第一无人机和第二无人机需要在4m/s以下的风速下飞行。
优选地，所述第一无人机的飞行速度大约2m/s，满电情况下单次工作时间大约20min，飞行高度距水面10m，每隔30s撒下10片所述示踪粒子，单次携带10kg的所述示踪粒子，即大约300片示踪粒子，可以播撒30次。
优选地，所述第二无人机的飞行速度最高为10m/s，并具备完备的悬停功能，飞行高度距水面50m，单次悬停拍照时间10s，测量面积为80*63m2，每次测量要保证前一时刻测得的区域与紧接着的后一时刻测得的区域有10％的区域面积重合，一次飞行可以测量的区域面积大小约为58km2。
优选地，所述示踪粒子为切片经过烘干密度小于0.9g/cm3的白萝卜片，直径约60mm，厚度约3mm。
优选地，所述相机的分辨率大约为600万像素以上。
本发明的湖区超大范围表面流场测量方法利用第一无人机在前面播撒示踪粒子，利用第二无人机跟在第一无人机的后面跟拍示踪粒子表现的流场，无需等待示踪粒子铺满整个湖区超大范围，即可通过局部播撒跟拍的方式，完成湖区超大范围表面流场的测量，几乎完全省掉了等待示踪粒子铺满湖区所需的时间，大大节约了时间及所需的人工成本，可以将基于现有PIV技术的拍照测量方式推广到现场实地的湖区超大范围表面流场的测量中，解决了现有技术的缺陷。
附图说明
以下附图仅旨在于对本发明做示意性说明和解释，并不限定本发明的范围。其中，
图1显示的是根据本发明的一个具体实施例的湖区超大范围表面流场测量方法的操作示意图；
图2显示的是根据本发明的另一个具体实施例的播撒和拍照路径示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图说明本发明的具体实施方式。其中，相同的部件采用相同的标号。
针对现有技术无法对湖区超大范围表面流场进行测量的缺陷，本发明提供了一种改进的基于现有PIV技术的拍照测量方法，具体如图1所示，其显示的是根据本发明的一个具体实施例的湖区超大范围表面流场测量方法的操作示意图，所述方法包括如下步骤：
首先，提供至少一架第一无人机100，向湖面等时间间隔播撒示踪粒子200；然后，提供至少一架配备有相机300的第二无人机400，跟在第一无人机100的后方针对湖面上漂浮的示踪粒子200，利用相机300拍摄湖区超大范围表面流场的照片；最后，将拍摄获得的照片通过计算机处理，计算获得湖区超大范围表面流场。其中，图1中点划线示意性表示的即为相机300的拍照光路。另外，关于通过拍摄获得照片计算表面流场、拼接等技术属于现有PIV技术，本领域技术人员可以基于现有PIV技术提供的算法程序等应用于本发明，相关技术可以参考CN 103558409 A或者CN 103336144 A中公开的方法，类似的现有技术有很多，在此不再一一列举。
图2显示了根据本发明的另一个具体实施例的播撒和拍照路径示意图，如图所示，即，在湖区范围内由于表面流场不像河流那样规则，水流方向不定，因此实际操作的时候可以自行设定一个方向进行播撒和拍照，第一无人机100从设定的方向开始呈S形往返播撒示踪粒子200(如图2中箭头所示方向)，第二无人机400跟在在第一无人机100的后方，跟拍湖面上随波漂浮的示踪粒子200表现的表面流场的运动情况。
本发明的湖区超大范围表面流场测量方法利用第一无人机在前面播撒示踪粒子，利用第二无人机跟在第一无人机的后面跟拍示踪粒子表现的流场，无需等待示踪粒子铺满整个湖区超大范围，即可通过局部播撒跟拍的方式，完成湖区超大范围表面流场的测量，几乎完全省掉了等待示踪粒子铺满湖区所需的时间，大大节约了时间及所需的人工成本，可以将基于现有PIV技术的拍照测量方式推广到现场实地的湖区超大范围表面流场的测量中，解决了现有技术的缺陷。
其中，第一无人机100和第二无人机400可以优选分别为一架或者一架以上，例如，为了提高播撒效率，可以采用多架第一无人机100，为了降低设备成本，减少系统误差，可以只采用一架第二无人机400进行跟拍。
另外，第一无人机100和第二无人机400优选需要在4m/s以下的风速下飞行，以保证第一无人机100播撒的示踪粒子200均匀，且第二无人机400可以在较小的风速下悬停拍照，以保证相机300拍摄的照片足够清晰，以保证后续计算获得的表面流场数据更加精确。
在一个具体实施例中，优选第一无人机100的飞行速度大约2m/s，满电情况下单次工作时间大约20min，飞行高度距水面10m，可以通过预先编程的方式每隔30s撒下10片示踪粒子200，在另一个具体实施例中，优选第一无人机100单次可携带10kg的示踪粒子200，即大约300片示踪粒子200，可供播撒30次。
在又一个具体实施例中，优选要求第二无人机400的飞行速度最高为10m/s，并具备完备的悬停功能，飞行高度距水面50m，单次悬停拍照时间10s，可测量面积为80*63m2，一次飞行可以测量的区域面积大小约为58km2。
在还有一个具体实施例中，优选要求每次测量要保证前一时刻测得的区域与紧接着的后一时刻测得的区域有10％的区域面积重合，以便于后续计算机进行全场拼接的时候，相邻区域的照片具备参照图像。其中，要求10％的区域面积重合是对拍照效率以及拼接精度两方面进行了平衡，用以通过尽量少的时间成本获得最优化的拼接精度。图1中虚线部分围成的四边形表示的为前一时刻测得的区域，紧挨着虚线部分的实线部分围成的四边形表示的为后一时刻测得的区域，两个时刻测得的区域图中显示有部分重合。类似的，图2中沿着箭头方向依次排列有多个双点划线表示的区域，图中沿箭头方向横向呈S形往复表示的是播撒路径以及拍照路径，纵向上三排测量区域相互之间有虚线表示的重合部分，事实上横向每排测量区域的相邻点划线表示的区域也应该存在重合部分，图中如果全部表示出来线条太零乱，因此为了表示清楚省略了这些重合部分没有画出来。
在还有另一个具体实施例中，本发明提供了一种特制的示踪粒子200，所述示踪粒子200为切片经过烘干密度小于0.9g/cm3的白萝卜片，直径约60mm，厚度约3mm。切片经过烘干的白萝卜片取材广泛，成本低廉，非常适于大量采用；且白萝卜片很容易切片加工，无需复杂的专用设备即可制备；由于白萝卜片属于天然物质，可自然降解，对环境无污染。经过试验测算，经压平烘干后含水率10％以下的白萝卜片具备良好的外形硬度，十分便于平行排列于筒状播撒设备中(类似于薯片置于薯片包装筒中)通过电磁开关控制其顺序播撒。且白萝卜片晒干后的密度适中(小于0.9g/cm3)，在4m/s以下的风速下其散布区域在精度要求范围内，落入湖中后可正常漂浮于湖面并易于随波逐流；其天然的白色非常利于与流速不规则的其它黑色漂浮物(例如固定的礁石、枯木树枝等)区分开来，便于后续计算机识别计算。另外还有一个特点就是，播撒到湖面的晒干的白萝卜片很容易吸水膨大，因此第一无人机仅需携带较少重量的示踪粒子就可以形成醒目的识别效果，降低了第一无人机的载重要求，且还可以降低相机的分辨率要求，可以大大降低测量成本；而晒干的白萝卜片吸水后密度变大，试验表明60-120分钟之后基本上会沉入湖面下方，不会造成恼人的白色视觉污染。
在还有一个具体实施例中，提供了上述示踪粒子200的制备步骤：采用直径约60mm的新鲜白萝卜，切片成厚度3mm；然后将切片在1.2～2.3％的盐水中浸泡10-12小时，用于腌制灭菌去除易溶于水的有机质，避免后续吸水速度过快易于沉入水底；最后将腌制后的切片取出后通过烘干机进行烘干操作，恒温35°通风烘干20-30小时。另外，盐水浸泡的时候，还可以添加少量漂白剂和防腐剂，用以去除萝卜皮上的青绿色同时防止制备的示踪粒子存放过久发霉腐败，影响使用效果。例如，可以在盐水中添加双氧水(盐水中双氧水的浓度3％-5％)漂白，添加苯甲酸钠(盐水中苯甲酸钠的浓度为0.1％-0.2％)作为防腐剂。为防止烘干后的示踪粒子在存放过程中密度变化，还可以在烘干完成之后，将烘干后的切片与稻壳粉或谷糠一起混合存放。使用的时候过筛去掉稻壳粉或谷糠即可。
在再一个具体实施例中，优选要求第二无人机400上搭载的相机300的分辨率大约为600万像素以上。
综上所述，本发明的湖区超大范围表面流场测量方法利用第一无人机在前面播撒示踪粒子，利用第二无人机跟在第一无人机的后面跟拍示踪粒子表现的流场，无需等待示踪粒子铺满整个湖区超大范围，即可通过局部播撒跟拍的方式，完成湖区超大范围表面流场的测量，几乎完全省掉了等待示踪粒子铺满湖区所需的时间，大大节约了时间及所需的人工成本，可以将基于现有PIV技术的拍照测量方式推广到现场实地的湖区超大范围表面流场的测量中，解决了现有技术的缺陷。
另外，本发明提供了由切片经过烘干的白萝卜片特别制成的示踪粒子，其取材广泛，成本低廉，易于加工，且其属于天然物质，可自然降解，对环境无污染，经压平烘干后具备良好的外形硬度，十分便于机器播撒。且其晒干后的密度适中，易于满足散布精度要求并漂浮于湖面随波逐流；其天然的白色无需染色便于识别。并且播撒后很快会吸水膨大，降低了对相机的分辨率要求，并且测量后很快就能沉入湖面下方，不会造成恼人的白色视觉污染。
本领域技术人员应当理解，虽然本发明是按照多个实施例的方式进行描述的，但是并非每个实施例仅包含一个独立的技术方案。说明书中如此叙述仅仅是为了清楚起见，本领域技术人员应当将说明书作为一个整体加以理解，并将各实施例中所涉及的技术方案看作是可以相互组合成不同实施例的方式来理解本发明的保护范围。
以上所述仅为本发明示意性的具体实施方式，并非用以限定本发明的范围。任何本领域的技术人员，在不脱离本发明的构思和原则的前提下所作的等同变化、修改与结合，均应属于本发明保护的范围。
Claims (5)
1.一种湖区超大范围表面流场测量方法，其特征在于，所述方法包括如下步骤：
提供至少一架第一无人机(100)，向湖面等时间间隔播撒示踪粒子(200)；所述示踪粒子(200)为切片经过烘干密度小于0.9g/cm3的白萝卜片，直径60mm，厚度3mm；
提供至少一架配备有相机(300)的第二无人机(400)，跟在所述第一无人机(100)的后方针对湖面上漂浮的所述示踪粒子(200)，利用所述相机(300)拍摄湖区超大范围表面流场的照片；
将拍摄获得的所述照片通过计算机处理，计算获得所述湖区超大范围表面流场。
2.如权利要求1所述的方法，其特征在于，所述第一无人机(100)和第二无人机(400)需要在4m/s以下的风速下飞行。
3.如权利要求1所述的方法，其特征在于，所述第一无人机(100)的飞行速度为2m/s，满电情况下单次工作时间为20min，飞行高度距水面10m，每隔30s撒下10片所述示踪粒子(200)，单次携带10kg的所述示踪粒子(200)。
4.如权利要求1所述的方法，其特征在于，所述第二无人机(400)的飞行速度最高为10m/s，并具备完备的悬停功能，飞行高度距水面50m，单次悬停拍照时间10s，测量面积为80*63m2，每次测量要保证前一时刻测得的区域与紧接着的后一时刻测得的区域有10％的区域面积重合，一次飞行可以测量的区域面积大小为58km2。
5.如权利要求1所述的方法，其特征在于，所述相机(300)的分辨率为600万像素。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710692301.9A CN107462397B (zh) | 2017-08-14 | 2017-08-14 | 一种湖区超大范围表面流场测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710692301.9A CN107462397B (zh) | 2017-08-14 | 2017-08-14 | 一种湖区超大范围表面流场测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107462397A CN107462397A (zh) | 2017-12-12 |
| CN107462397B true CN107462397B (zh) | 2019-05-31 |
Family
ID=60549349
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710692301.9A Active CN107462397B (zh) | 2017-08-14 | 2017-08-14 | 一种湖区超大范围表面流场测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107462397B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109284479B (zh) * | 2018-09-30 | 2023-12-29 | 上海电气风电集团股份有限公司 | 一种获取自然界流场能量最大跟踪的方法 |
| CN109859269B (zh) * | 2019-02-02 | 2020-11-24 | 重庆交通大学 | 岸基视频辅助定位无人机大范围流场测量方法及装置 |
| CN110132247B (zh) * | 2019-05-17 | 2022-01-14 | 上海勘测设计研究院有限公司 | 一种多空间尺度的水体流场观测互补方法 |
| CN110286091B (zh) * | 2019-06-11 | 2021-08-31 | 华南农业大学 | 一种基于无人机的近地遥感图像采集方法 |
| CN110927403B (zh) * | 2019-12-05 | 2021-02-09 | 孙永华 | 一种基于光学相机的无人机水流流速测量系统及方法 |
| CN111398625B (zh) * | 2020-03-19 | 2022-04-12 | 西安理工大学 | 一种物理模型试验中的测速方法 |
| CN112067839B (zh) * | 2020-09-18 | 2022-04-12 | 重庆交通大学 | 无人机超宽河流表面流场快速测量方法 |
| CN112319815B (zh) * | 2020-11-15 | 2024-04-30 | 浙江昊控信息技术有限公司 | 一种用于piv测量的无人机双粒子抛投装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5491642A (en) * | 1993-12-03 | 1996-02-13 | United Technologies Corporation | CCD based particle image direction and zero velocity resolver |
| JP2008058264A (ja) * | 2006-09-04 | 2008-03-13 | Kobe Univ | 実河川を対象とした流速観測装置、流速観測方法，および流速観測プログラム |
| CN102564508A (zh) * | 2011-12-14 | 2012-07-11 | 河海大学 | 基于视频图像的河流流量在线测验实现方法 |
| CN102879603A (zh) * | 2012-09-26 | 2013-01-16 | 河海大学 | 面向山洪应急监测的球载式水流成像测速系统 |
| CN105334347A (zh) * | 2015-11-20 | 2016-02-17 | 中国计量学院 | 一种基于无人机的粒子图像测速检测系统及方法 |
| CN106485736A (zh) * | 2016-10-27 | 2017-03-08 | 深圳市道通智能航空技术有限公司 | 一种无人机全景视觉跟踪方法、无人机以及控制终端 |
-
2017
- 2017-08-14 CN CN201710692301.9A patent/CN107462397B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5491642A (en) * | 1993-12-03 | 1996-02-13 | United Technologies Corporation | CCD based particle image direction and zero velocity resolver |
| JP2008058264A (ja) * | 2006-09-04 | 2008-03-13 | Kobe Univ | 実河川を対象とした流速観測装置、流速観測方法，および流速観測プログラム |
| CN102564508A (zh) * | 2011-12-14 | 2012-07-11 | 河海大学 | 基于视频图像的河流流量在线测验实现方法 |
| CN102879603A (zh) * | 2012-09-26 | 2013-01-16 | 河海大学 | 面向山洪应急监测的球载式水流成像测速系统 |
| CN105334347A (zh) * | 2015-11-20 | 2016-02-17 | 中国计量学院 | 一种基于无人机的粒子图像测速检测系统及方法 |
| CN106485736A (zh) * | 2016-10-27 | 2017-03-08 | 深圳市道通智能航空技术有限公司 | 一种无人机全景视觉跟踪方法、无人机以及控制终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107462397A (zh) | 2017-12-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107462397B (zh) | 一种湖区超大范围表面流场测量方法 | |
| Spedding et al. | A family of vortex wakes generated by a thrush nightingale in free flight in a wind tunnel over its entire natural range of flight speeds | |
| CN106644353B (zh) | 一种用于舰船空气流场测量的piv风洞试验方法 | |
| McLaughlin et al. | Going against the flow: an examination of the propulsive movements made by young brook trout in streams | |
| Caridi et al. | HFSB-seeding for large-scale tomographic PIV in wind tunnels | |
| CN105976332A (zh) | 基于图像中亮条纹信息的图像去模糊方法 | |
| CN105321200A (zh) | 离线渲染的预处理方法 | |
| CN107492106A (zh) | 一种水面区域分割方法 | |
| CN105551043B (zh) | 无人机影像数据实时处理方法 | |
| CN114018537A (zh) | 基于空间立体丝线阵列的风洞内流场状态检测装置和方法 | |
| Yang et al. | VAMYOLOX: An accurate and efficient object detection algorithm based on visual attention mechanism for UAV optical sensors | |
| CN113776504B (zh) | 一种复杂结构水工程无人机高精度摄影和质量控制方法 | |
| CN104568376A (zh) | 通过图像分析卵砾石瞬时输沙强度的方法以及系统 | |
| Takewaka et al. | Dye diffusion experiment in a longshore current field | |
| CN109430101A (zh) | 一种小型鸟类或昆虫迁徙习性研究的风洞实验系统 | |
| CN107274424A (zh) | 一种彩色图像的分割方法及装置 | |
| CN204065126U (zh) | 一种岸滩表面流速粒子追踪测量系统 | |
| Mebarki | Pressure-sensitive paint measurements on a moving store in the NRC 1.5 m blowdown wind tunnel | |
| Gordon | Vertical momentum flux accomplished by Langmuir circulation | |
| CN108731802A (zh) | 一种用于地表太阳散射辐射快速估算的装置及方法 | |
| Cook et al. | Aerodynamics of jet flap and rotating cylinder flap STOL concepts | |
| CN110132964A (zh) | 一种提取荒漠植被根系优先水流运动过程的方法 | |
| Krause et al. | UAV workflow optimization for the acquisition of high-quality photogrammetric point clouds in forestry | |
| CN117147907B (zh) | 指示亚百米级别流动特征的风媒介种子示踪方法及风媒介种子制备方法 | |
| CN107507237A (zh) | 基于实测图像的激光干扰效应仿真方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |