CN107631782B - 一种基于Harris角点检测的水位检测方法 - Google Patents
一种基于Harris角点检测的水位检测方法 Download PDFInfo
- Publication number
- CN107631782B CN107631782B CN201710584816.7A CN201710584816A CN107631782B CN 107631782 B CN107631782 B CN 107631782B CN 201710584816 A CN201710584816 A CN 201710584816A CN 107631782 B CN107631782 B CN 107631782B
- Authority
- CN
- China
- Prior art keywords
- measuring
- horizontal plane
- image
- water level
- mathematical model
- 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
Images
Abstract
本发明公开了一种基于Harris角点检测的水位检测方法,包括步骤:在待测量河流区域固定两根椭圆形测量标杆,及在两根测量标杆之间设置若干根斜杆作为水平面测量斜杆,并通过摄像头实时采集获得两个测量标杆所在区域的图像;检测提取获得水平面测量斜杆所在区域图像;对提取水平面测量斜杆所在区域图像进行检测,获得几何数学模型并提取两根直线坐标;获得图像中的角点;筛选出位于两根直线坐标内的角点,将过该角点做水平方向与测量标杆平行的直线作为当前时刻的水平面;提取获得几何数学模型中水平面之上测量标杆长度,及计算获得实际水平面之上测量标杆的长度及实时的实际水位值。本发明可以准确地确定水平面位置和水位值,具有更高的数值鲁棒性和实时交互性。
Description
技术领域
本发明涉及一种基于Harris角点检测的水位检测方法,属于计算机视觉图像处理的技术领域。
背景技术
在水位测量中,传统的测量方法常采用接触式测距装置,在测量水深时往往用摄像机通过肉眼观察的方式定位水平面。由于光线以及环境等外在因素的影响,使用该种方法进行操作复杂且精度低,远远低于非接触式。目前非接触式的水下测量方法主要是通过超声波测距、激光测距等传统的测距技术完成。这些测距方式虽然精度有所提高但也存在着设备成本高、维护困难等诸多问题。
近些年来,随着计算机视觉以及图像处理技术的飞快发展,高精度、高效率、低成本的水下测距得以实现。许多国内外的科研机构和科研人员将计算机视觉这一新兴技术引入到水位测量中去,并对该技术的可行性进行了严谨深刻的分析。将计算机视觉应用于水下测距领域中,与传统的测量技术相比,在提升测量精度的基础之上同时也降低了设备的成本。
目前,使用传统的方案对水位进行测量时,往往通过人眼观察的方式来确定水平面的位置,在白天逆光或者傍晚光线不足的时候往往会存在着测量标杆与其水中倒影模糊不清难以区分的情况发生,从而造成水平面的位置难以确定。
发明内容
本发明所要解决的技术问题在于克服现有技术的不足,提供一种基于Harris角点检测的水位检测方法,解决传统测量方法中水平面位置难以确定的问题,利用图像处理技术准确地确定水平面的具体位置,并使用数学比例模型求出测量标杆露出水的真实长度,进而得到水位的深度。
本发明具体采用以下技术方案解决上述技术问题:
一种基于Harris角点检测的水位检测方法,包括以下步骤:
步骤1、在待测量河流区域固定两根椭圆形测量标杆,及在两根测量标杆之间设置若干根斜杆作为水平面测量斜杆,并通过摄像头实时采集获得两个测量标杆所在区域的图像;
步骤2、采用对象自动检测方法对所采集的两个测量标杆所在区域图像进行检测,提取获得水平面测量斜杆所在区域图像;
步骤3、采用直线检测方法对步骤2所提取水平面测量斜杆所在区域图像进行检测,获得几何数学模型并从几何数学模型中提取测量标杆内侧的两根直线坐标;
步骤4、采用Harris角检测方法对步骤2所提取水平面测量斜杆所在区域图像进行检测,获得图像中的角点;
步骤5、从所得角点中筛选出位于步骤3提取的测量标杆内侧两根直线坐标内的角点,将过该角点做水平方向与测量标杆平行的直线作为当前时刻的水平面;
步骤6、根据步骤5所得当前时刻的水平面提取获得几何数学模型中水平面之上测量标杆长度,及计算获得实际水平面之上测量标杆的长度及实时的实际水位值。
进一步地,作为本发明的一种优选技术方案,所述步骤1中摄像头的摄影方向与两个测量标杆所在平面相垂直。
进一步地,作为本发明的一种优选技术方案,所述步骤3采用直线检测方法进行检测获得几何数学模型,具体为:
步骤31、对提取的水平面测量斜杆所在区域图像进行二值化;
步骤32、对所述二值化后的水平面测量斜杆所在区域图像进行边缘检测,提取图像边缘;
步骤33、对提取的图像边缘作霍夫变换,及将变换结果存入霍夫变换累加器;
步骤34、为霍夫变换累加器设定阈值,并根据阈值大小将霍夫变换累加器中累加值小于阈值的点清零;
步骤35、查找霍夫变换累加器中累加值最大的点,记录该点并将其清零;
步骤36、根据步骤35所得清零点在图像域中绘出直线,以构成几何数学模型。
进一步地,作为本发明的一种优选技术方案,所述步骤5中筛选的角点数量为一个。
进一步地,作为本发明的一种优选技术方案,所述步骤6中提取获得几何数学模型中水平面之上测量标杆长度,具体为:
步骤61、获取几何数学模型中测量标杆上的三个顶点坐标;
步骤62、结合步骤61所获取的三个顶点坐标,计算得到几何数学模型中测量标杆的直径及水平面之上测量标杆长度。
进一步地,作为本发明的一种优选技术方案,所述步骤6中计算获得实际水平面之上测量标杆的长度L及实时的实际水位值H,采用公式:
H=X-L
其中,L为实际水平面之上测量标杆的长度;L'为几何数学模型中水平面之上测量标杆长度;m′为几何数学模型中测量标杆的直径;m为测量标杆的实际直径;X为测量标杆的总长。
本发明采用上述技术方案,能产生如下技术效果:
本发明的基于Harris角点检测的水位检测方法,将计算机视觉中的图像处理技术引入到传统的标杆法测量水深方案中去,先采用对象检测和直线检测技术提取出图像中的关注区域并转化为几何数学模型,再使用角点检测法找出水平面的位置,最后通过计算模型中水平面之上椭圆形测量标杆的直径与位于水平面之上测量标杆的长度来求得测量标杆实际露出水平面的高度,再用测量标高总长减去其露出水平面的实际长度便得到了实际水位值。
因此,本发明提供一种基于计算机视觉技术的水平面检测及水位实时测量方案,创造性引入先进的计算机视觉这一新兴学科,利用图像处理技术准确地确定水平面的具体位置,并使用数学比例模型求出测量标杆露出水的真实长度,进而得到水位的深度。本发明可以准确地确定水平面位置和水位值,解决了传统的基于图像处理方法中由逆光、反光等光线原因造成的水平面辨识困难、辨别误差较大、操作不便、水深测量误差较大等诸多问题,具有更高的数值鲁棒性和实时交互性。
附图说明
图1是本发明基于Harris角点检测的水位检测方法的流程图。
图2是本发明中测量标杆所在区域的布置示意图。
图3是本发明实施例中实时采集的图像示意图。
图4是本发明实施例中图像直线检测示意图。
图5是本发明实例中角点检测示意图。
图6是本发明实例中水平面检测示意图。
图7是本发明中水位监测的数学计算模型示意图。
具体实施方式
下面结合说明书附图对本发明的实施方式进行描述。
如图1所示,本发明设计了一种基于Harris角点检测的水位检测方法,利用图像处理技术准确地确定水平面的具体位置,该方法具体包括以下步骤:
步骤1、在待测量河流区域固定两根椭圆形测量标杆,其示意图如图2所示,其直径已知且为m,总长度已知且为X;及在两根测量标杆之间设置若干根斜杆作为水平面测量斜杆,并通过摄像头实时采集获得两个测量标杆所在区域的图像。优选地,摄像头的摄影方向与两个测量标杆所在平面相垂直,使得摄像图像能够保证测量标杆为正向垂直,避免误差。
本实施例中,仅给出一根斜的结构,但其可以由多个平行的斜杆组成,本发明不对其进行限定。
步骤2、采用对象自动检测方法对所采集的两个测量标杆所在区域图像进行检测,提取获得水平面测量斜杆所在区域图像,如图3所示,具体包括:
步骤2.1、预处理摄像头采集到的两个测量标杆所在区域图像,进行颜色空间LUV转换得到各图像通道,计算积分图,在通道上进行特征构建和提取。
步骤2.2、提取颜色自相似度特征CSSF作为标杆的特征描述。将特征的矩形框位置和大小按比例调整到当前尺度。通过遍历所有图像通道和矩形块的位置、大小得到自相似度特征集FS。
步骤2.3、采用AdaBoost算法从特征集FS中进行特征选择,选出最优特征,并不断调整cascade级数,直到达到要求的检测率和错误率,生产检测器。
步骤2.4、将步骤1中采集的两个测量标杆所在区域图像输入步骤2.3中生产的检测器,多尺度遍历整幅图像,提取颜色自相似度特征CSSF并保存为积分图形式,经cascade分类器后,根据检测结果即可标定标杆。
步骤2.5、截取分割出标定的水平面测量斜杆所在区域图像。
步骤3、采用直线检测方法对步骤2所提取水平面测量斜杆所在区域图像进行检测,将其两个测量标杆与水平面测量斜杆及其水中倒影简化为几何数学模型,获得几何数学模型后从几何数学模型中提取测量标杆内侧的两根直线坐标,如图4所示,具体为:
步骤31、对提取的水平面测量斜杆所在区域图像进行二值化,使图像上的像素点的灰度值为0或255。
步骤32、对所述二值化后的水平面测量斜杆所在区域图像进行边缘检测,边缘检测Log算子检查每个像素的邻域并对灰度变化率进行量化,再用均值滤波去除边缘图像噪声,从而提取图像边缘。
步骤33、对提取的图像边缘作霍夫变换,及将变换结果存入霍夫变换累加器;
步骤34、为霍夫变换累加器设定阈值,并根据阈值大小将霍夫变换累加器中累加值小于阈值的点清零,这些点并不对应图像域中的一条直线。
步骤35、查找霍夫变换累加器中累加值最大的点,记录该点并将其清零,继续查找并记录下一个累加值最大的点,直到累加器中所有的累加值都清零,这些点即对应了检测到的图像中的直线。
步骤36、根据步骤35所得清零点在图像域中绘出直线,以构成几何数学模型,如图5所示。
步骤37、提取步骤36中检测出的四条直线中的中间两条作为限制线如图4所示,且这两条限制的方程为x=w2,x=w3。
步骤4、采用Harris角检测方法对步骤2所提取水平面测量斜杆所在区域图像进行检测,获得图像中的角点,如图5所示,具体为:
步骤41、对于图像I(x,y)利用水平、竖直差分算子对图像每个像素进行滤波以求得Ix、Iy,其中Ix、Iy为图像I(x,y)的偏导,进而求得互相关矩阵M中四个元素的值:
步骤42、对互相关矩阵M的四个元素进行高斯平滑滤波,得到新的M。离散二维均值高斯函数Gauss为:
步骤43、利用所得新的相关矩阵M计算对应于每个像素的角点量cim即(R):
步骤44、在矩阵cim中,同时满足cim大于一阈值threshold和cim是某领域内的局部极大值这两个条件的点便为极点,测量出的角点坐标分别为(x1,y1),(x2,y2),(x3,y3),(x4,y4),(x5,y5),(x6,y6),(x7,y7),(x8,y8)。
步骤5、从所得角点中筛选出位于步骤3提取的测量标杆内侧两根直线坐标内的角点,将过该角点做水平方向与测量标杆平行的直线作为当前时刻的水平面,如图6所示,其具体为:
步骤51、步骤3中所得两限制直线的坐标为:x=w2,x=w3,筛选出两限制直线内的角点,即使得角点的横坐标满足:w2<x<w3,从图中可以看出满足条件的角点有且仅有一个且为(x5,y5)。
步骤52、过筛选出来的角点做与测量标杆在水平方向上平行的直线,该直线便为当前时刻水平面的位置所在。
步骤6、根据步骤5所得当前时刻的水平面提取获得几何数学模型中水平面之上测量标杆长度,及计算获得实际水平面之上测量标杆的长度及实时的实际水位值,具体为:
步骤61、从步骤3中建立的数学模型中提取出水平面以上的测量标杆,测量标杆为圆柱形直径已知且为m,可由计算机获取几何数学模型中测量标杆上的三个顶点A、B、C坐标,如图7所示,其分别为:
A:(x',y'),B:(x”,y”),C(x”',y”')
步骤62、结合步骤61所获取的三个顶点的坐标,计算得到几何数学模型中测量标杆的直径及水平面之上测量标杆长度。
根据三个顶点的坐标,则线段AB的长度即几何数学模型中测量标杆的直径m′,计算公式为:
则线段BC的长度即几何数学模型中水平面之上测量标杆长度L',计算公式为:
已知作为参照的圆柱形标杆的直径为m米,可得实际水平面之上测量标杆的长度L为:
因此,计算获得实际水平面之上测量标杆的长度L及实时的实际水位值H,采用公式:
其中,L为实际水平面之上测量标杆的长度;L'为几何数学模型中水平面之上测量标杆长度;m′为几何数学模型中测量标杆的直径;m为测量标杆的实际直径;X为测量标杆的总长。
综上,本发明能够准确地判断出水平面的位置并测量出实时的水深,解决了传统方案中存在的水平面检测困难、易受自然环境影响、测量精度不高等问题,具有更高的数值鲁棒性和实时交互性。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (5)
1.一种基于Harris角点检测的水位检测方法,其特征在于,包括以下步骤:
步骤1、在待测量河流区域固定两根椭圆形测量标杆,及在两根测量标杆之间设置若干根斜杆作为水平面测量斜杆,并通过摄像头实时采集获得两个测量标杆所在区域的图像;
步骤2、采用对象自动检测方法对所采集的两个测量标杆所在区域图像进行检测,提取获得水平面测量斜杆所在区域图像,具体为:
步骤2.1、预处理摄像头采集到的两个测量标杆所在区域图像,进行颜色空间LUV转换得到各图像通道,计算积分图,在通道上进行特征构建和提取;
步骤2.2、提取颜色自相似度特征CSSF作为标杆的特征描述,将特征的矩形框位置和大小按比例调整到当前尺度;通过遍历所有图像通道和矩形块的位置、大小得到自相似度特征集FS;
步骤2.3、采用AdaBoost算法从自相似度特征集FS中进行特征选择,选出最优特征,并不断调整cascade级数,直到达到要求的检测率和错误率,生产检测器;
步骤2.4、将步骤1中采集的两个测量标杆所在区域图像输入步骤2.3中生产的检测器,多尺度遍历整幅图像,提取颜色自相似度特征CSSF并保存为积分图形式,经cascade分类器后,根据检测结果即可标定标杆;
步骤2.5、截取分割出标定的水平面测量斜杆所在区域图像;
步骤3、采用直线检测方法对步骤2所提取水平面测量斜杆所在区域图像进行检测,获得几何数学模型并从几何数学模型中提取测量标杆内侧的两根直线坐标,具体为:
步骤31、对提取的水平面测量斜杆所在区域图像进行二值化;
步骤32、对所述二值化后的水平面测量斜杆所在区域图像进行边缘检测,提取图像边缘;
步骤33、对提取的图像边缘作霍夫变换,及将变换结果存入霍夫变换累加器;
步骤34、为霍夫变换累加器设定阈值,并根据阈值大小将霍夫变换累加器中累加值小于阈值的点清零;
步骤35、查找霍夫变换累加器中累加值最大的点,记录该点并将其清零;
步骤36、根据步骤35所得清零点在图像域中绘出直线,以构成几何数学模型;
步骤4、采用Harris角检测方法对步骤2所提取水平面测量斜杆所在区域图像进行检测,获得图像中的角点,具体为:
步骤41、对于图像I(x,y)利用水平、竖直差分算子对图像每个像素进行滤波以求得Ix、Iy,其中Ix、Iy为图像I(x,y)的偏导,进而求得互相关矩阵M中四个元素的值:
步骤42、对互相关矩阵M的四个元素进行高斯平滑滤波,得到新的相关矩阵M,离散二维均值高斯函数Gauss为:
步骤43、利用所得新的相关矩阵M计算对应于每个像素的角点量cim即(R):
步骤44、在角点量cim中,同时满足cim大于一阈值threshold和cim是某领域内的局部极大值这两个条件的点便为极点,测量出的角点坐标分别为(x1,y1),(x2,y2),(x3,y3),(x4,y4),(x5,y5),(x6,y6),(x7,y7),(x8,y8);
步骤5、从所得角点中筛选出位于步骤3提取的测量标杆内侧两根直线坐标内的角点,将过该角点做水平方向与测量标杆平行的直线作为当前时刻的水平面;
步骤6、根据步骤5所得当前时刻的水平面提取获得几何数学模型中水平面之上测量标杆长度,及计算获得实际水平面之上测量标杆的长度及实时的实际水位值。
2.根据权利要求1所述基于Harris角点检测的水位检测方法,其特征在于,所述步骤1中摄像头的摄影方向与两个测量标杆所在平面相垂直。
3.根据权利要求1所述基于Harris角点检测的水位检测方法,其特征在于,所述步骤5中筛选的角点数量为一个。
4.根据权利要求1所述基于Harris角点检测的水位检测方法,其特征在于,所述步骤6中提取获得几何数学模型中水平面之上测量标杆长度,具体为:
步骤61、获取几何数学模型中测量标杆上三个顶点的坐标;
步骤62、结合步骤61所获取的三个顶点坐标,计算得到几何数学模型中测量标杆的直径及水平面之上测量标杆长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710584816.7A CN107631782B (zh) | 2017-07-18 | 2017-07-18 | 一种基于Harris角点检测的水位检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710584816.7A CN107631782B (zh) | 2017-07-18 | 2017-07-18 | 一种基于Harris角点检测的水位检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107631782A CN107631782A (zh) | 2018-01-26 |
CN107631782B true CN107631782B (zh) | 2020-02-21 |
Family
ID=61099397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710584816.7A Active CN107631782B (zh) | 2017-07-18 | 2017-07-18 | 一种基于Harris角点检测的水位检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107631782B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509980B (zh) * | 2018-03-08 | 2022-07-01 | 南京邮电大学 | 一种基于字典学习的水位监测方法 |
CN109214398B (zh) * | 2018-09-19 | 2020-09-22 | 宽凳(北京)科技有限公司 | 一种从连续图像中量测杆体位置的方法和系统 |
CN109764930B (zh) * | 2018-12-27 | 2020-05-22 | 河海大学 | 一种适用于复杂光照条件的水尺水位线视觉检测方法 |
CN110909640A (zh) * | 2019-11-11 | 2020-03-24 | 浙江大华技术股份有限公司 | 水位线的确定方法及装置、存储介质、电子装置 |
CN111089632A (zh) * | 2019-12-09 | 2020-05-01 | 中北大学 | 一种树脂溶液罐液位检测方法与装置 |
CN115731256A (zh) * | 2021-08-30 | 2023-03-03 | 歌尔科技有限公司 | 一种顶点坐标的检测方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN103196514A (zh) * | 2013-03-11 | 2013-07-10 | 浙江大学 | 一种基于图像的微化工过程液位检测方法 |
CN105160288A (zh) * | 2015-06-30 | 2015-12-16 | 浙江海洋学院 | 一种水尺图像分析方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000180247A (ja) * | 1998-12-16 | 2000-06-30 | Hitachi Ltd | 液位計測方法及び装置 |
-
2017
- 2017-07-18 CN CN201710584816.7A patent/CN107631782B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN103196514A (zh) * | 2013-03-11 | 2013-07-10 | 浙江大学 | 一种基于图像的微化工过程液位检测方法 |
CN105160288A (zh) * | 2015-06-30 | 2015-12-16 | 浙江海洋学院 | 一种水尺图像分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107631782A (zh) | 2018-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107631782B (zh) | 一种基于Harris角点检测的水位检测方法 | |
CN108759973B (zh) | 一种水位测量方法 | |
CN107633516B (zh) | 一种识别路面变形类病害的方法和装置 | |
CN108364280B (zh) | 结构裂缝自动化描绘及宽度精准测量方法与设备 | |
CN105784710B (zh) | 一种基于数字图像处理的混凝土桥梁裂缝检测装置 | |
CN101957178B (zh) | 一种隧道衬砌裂缝测量方法及其测量装置 | |
CN104776977B (zh) | 一种海岸工程泥沙物理模型试验底床动态综合观测方法 | |
CN108764257A (zh) | 一种多视角的指针式仪表识别方法 | |
CN107131925A (zh) | 一种基于图像处理的水位实时监测方法 | |
CN104482860A (zh) | 鱼类形态参数自动测量装置和方法 | |
RU2015134095A (ru) | Способ и устройство для обнаружения прямой линии | |
CN104700395A (zh) | 一种构造物外观裂缝检测方法及系统 | |
CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别系统与方法 | |
CN109376740A (zh) | 一种基于视频的水尺读数检测方法 | |
CN107742307A (zh) | 基于改进帧差法的输电线路舞动特征提取及参数分析方法 | |
CN104915670A (zh) | 基于hog特征提取的全球海洋中尺度涡识别算法 | |
CN105547602A (zh) | 一种地铁隧道管片渗漏水的远距离测量方法 | |
CN106127205A (zh) | 一种适用于室内轨道机器人的数字仪表图像的识别方法 | |
CN109186706A (zh) | 一种用于城市雨洪淹没区预警的方法 | |
CN107092905B (zh) | 一种电力巡检机器人的待识别仪器定位方法 | |
Liang et al. | Research on concrete cracks recognition based on dual convolutional neural network | |
CN204202563U (zh) | 鱼类形态参数自动测量装置 | |
CN106018198B (zh) | 一种气泡粒径的反演计算方法 | |
CN104019772A (zh) | 一种桥梁结构砼表面蜂窝麻面面积测定仪及其检测方法 | |
KR101793264B1 (ko) | 균열의 발생 및 진행 분석 방법 |
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 |