CN108921165A - 基于水尺图像的水位识别方法 - Google Patents

基于水尺图像的水位识别方法 Download PDF

Info

Publication number
CN108921165A
CN108921165A CN201810640842.1A CN201810640842A CN108921165A CN 108921165 A CN108921165 A CN 108921165A CN 201810640842 A CN201810640842 A CN 201810640842A CN 108921165 A CN108921165 A CN 108921165A
Authority
CN
China
Prior art keywords
image
water gauge
water level
water
character
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.)
Granted
Application number
CN201810640842.1A
Other languages
English (en)
Other versions
CN108921165B (zh
Inventor
张亚
周冬生
姚刚
宗军
曹子聪
陈杰中
吴宁声
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Nan Shui Water Utilities Science And Technology Ltd
Original Assignee
Jiangsu Nan Shui Water Utilities Science And Technology Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Nan Shui Water Utilities Science And Technology Ltd filed Critical Jiangsu Nan Shui Water Utilities Science And Technology Ltd
Priority to CN201810640842.1A priority Critical patent/CN108921165B/zh
Publication of CN108921165A publication Critical patent/CN108921165A/zh
Application granted granted Critical
Publication of CN108921165B publication Critical patent/CN108921165B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/14Image acquisition
    • G06V30/148Segmentation of character regions
    • G06V30/153Segmentation of character regions using recognition of characters or words
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/56Extraction of image or video features relating to colour

Abstract

本发明公开了一种基于水尺图像的水位识别方法,包括:二值化处理;形态学分析;抠图剪裁;测算斜率;位置校正;精确定位;图像切割;神经识别;水位确定步骤。本发明提供的水位识别方法,实现了现地水位非接触式自动识别,识别结果精确,降低了成本、简化了硬件结构;本发明方法能够适应各种条件下的水位自动监测,推动了水位监测技术的发展。

Description

基于水尺图像的水位识别方法
技术领域
本发明属于图像处理技术领域,涉及一种基于水尺图像的水位识别方法。
背景技术
水位是河流湖库的基本水文要素之一,连续可靠的水位监测对于水资源调度和防汛抗旱具有重要意义。水尺通过读数记录水位的高度,是一种最直观和简单的测量工具,几乎成为水文站的标配;然而传统水尺测量需要人工定时观测,自动化程度低,人员劳动强度大。现有的自动水位计主要包括浮子式、压力式、超声波式及雷达式等。浮子式水位计利用重锤带动浮子感应水位升降,并采用光电编码器量化水位高程,具有精度高、可靠性强的优点,但通常需要建造测井房,造价较高。压力式水位计通过感测不同水深产生的压力换算出水位值,传感器布设需深入水体,测量精度容易受到水中杂质和含沙量的影响。超声波式水位计利用声波往返探头到水面间的渡越时间和声速计算距离并换算成水位值,由于声波在空气中的传播速度受环境温度的影响显著,且温度分布通常难以精确获得,因此大量程下的测量精度有限。雷达式水位计和超声波式水位计的原理类似,由于电磁波受温度的影响小,因此精度较高,但目前设备及安装成本较高,通常需要采用悬臂支架安装于水面之上以获得近似垂直的探测角度,否则电磁波的反射信号将显著衰减导致无法精确施测。
目前国内许多重要的水位观测点均建设有视频监控系统并配有标准水尺,为基于视频图像的水尺水位检测提供了有利条件。图像法利用图像传感器代替人眼获取水尺图像,通过图像处理技术检测水位线对应的读数,从而自动获取水位信息。相比现有方法,在原理上具有非接触、无温漂、无转换误差等优点;实施时既可在现有水利视频监控系统的基础上改造实现,也可利用成熟的GPRS或4G无线视频图像传输系统在野外建立观测点,具有机动灵活、建站成本低的优势。因此,近年来图像法水位检测在机器视觉和水利量测领域已成为新的研究热点,并逐渐出现了一些基于视频图像的水位自动监测系统。然而,这些系统及方法仍具有不少缺陷,通常精度不高,不能满足日益提高的精确数据采集要求。
发明内容
为解决上述问题,本发明公开了一种基于水尺图像的水位识别方法,采用多步骤水尺图像处理方法,最终能够精确识别出水位高度。
为了达到上述目的,本发明提供如下技术方案:
第一步:根据水尺的颜色特征对彩色原图中进行二值化处理;
第二步:通过形态学方法,得到水尺的颜色特征区域,具体实现过程如下:
1)构造se=[1;1;1]线性结构单元,对二值化图像进行腐蚀操作;
2)构造矩形的结构单元strel('rectangle',[param_fs,param_fs]),对1)所得图像进行关操作;
第三步:将水尺在从原图提取出,具体实现过程如下:
1)根据第二步得到的图像,确定图像中白色区域最上面、最下面,最左边,最右边的坐标位置;
2)根据白色区域最上面、最下面,最左边,最右边的坐标位置,进行裁剪;
第四步:确定水尺的斜率;
第五步:水尺位置矫正,具体实现过程如下:
1)根据第四步得到的水尺的斜率,计算出水尺的角度;
2)根据1)所得的水尺角度,旋转水尺,使之垂直;
第六步:对水尺位置进行精确定位,使之两侧多余的部分去除,具体实现过程如下:
1)求出第五步所得的图像白点区域的最上面、最下面,最左边,最右边的坐标位置;
2)根据1)求出的最上面、最下面,最左边,最右边的坐标位置,对图像进行裁剪得到精确定位后的水尺部分图像;
第七步:切割出水尺每个字符,具体实现过程如下:
1)从第六步的二值图像中,计算出水平方向的直方图;
2)根据1)的直方图,求出直方图的峰谷;
3)依据直方图的每一个峰谷的坐标位置,进行图像切割,得到每个字符;
4)求出最后一个完整字符的坐标位置,得到最后一个字符的高度;
第八步:运用神经网络方法,进行字符识别;
第九步:确定水位位置,具体实现过程如下:
对第六步所得到彩色的图像,按垂直方向进行错行相减,在得到错行相减的图像中,从最后一个识别出来的字符向下开始寻找值大于指定阈值的位置,根据最后一个字符的像素的高度,计算出最后水位的高度。
进一步的,所述第一步具体包括如下过程:
1)如果像素点的颜色在颜色特征范围内的设置之内为[255,255,255],否则为[0,0,0]
2)在1)得到的图像基础上,进行二值化处理。
进一步的,所述第四步具体包括如下过程:
1)在所有白色点区域计算凸集;
2)找到凸集的最小外接矩形;
3)根据最小外接矩形的最长边,求出水尺的斜率。
进一步的,所述第九步中错行相减过程包括如下分步骤:
i)图像分割和效果优化;
j)逐行扫描像素跳变点,当跳变幅度大于10时纠正水迹线剔除,否则继续扫描像素跳变点;
k)纵列像素扫描延伸寻找异常点,当异常点为白色时统计每列最大白色点行号;
l)拟合白色痕迹线;
m)字符识别;
n)从最后字符往下至白色痕迹线,寻找非白色变色点;
o)统计每列变色点行号;
p)拟合水迹线。
与现有技术相比,本发明具有如下优点和有益效果:
本发明提供的水位识别方法,实现了现地水位非接触式自动识别,识别结果精确,降低了成本、简化了硬件结构;本发明方法能够适应各种条件下的水位自动监测,推动了水位监测技术的发展。
附图说明
图1为本发明流程图。
图2为水尺原始图像。
图3为对图2进行二值化处理后状态图。
图4为对图3进行形态学处理后状态图。
图5为对图4进行提取裁剪后状态图。
图6为对图5计算斜率状态图。
图7为对图6中水尺进行位置矫正后状态图。
图8为对图7进行精确定位时状态图。
图9为对图7进行精确定位后状态图。
图10为字符切割状态图。
图11为字符识别状态图。
图12为错行相减流程图。
图13为输出有水迹线的水尺图像。
图14为实现本发明方法的图像采集系统结构示意图。
具体实施方式
以下将结合具体实施例对本发明提供的技术方案进行详细说明,应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
本发明基于图像采集系统实现,如图14所示,系统包括摄像头、图像采集模块、蓄电池、太阳能电池板、上位机、数据收发模块(DTU)。其中图像采集模块为核心部件,它具备图像的采集、发送和参数设置等功能;集RTU和DTU为一体,可插入4G手机卡将所采集的图片发送至中心站软件平台;中心站软件也可设定图像采集模块的工作模式:自报模式和召测模式。图像采集模块采用FPGA图像采集和处理模块。
上位机软件功能
1)实时水尺图像的水位自动化提取、数据保存到数据库;
2)查询某个时间段的水位数据及查看相关的水尺图像;
3)统计水位的功能(日、月、年变化曲线图)
4)权限管理
5)异常水位的报警功能;
6)系统属性配置功能:比如尺子的顶端的标准海拔参数修改;
7)系统日志。
本发明首先获取如图2所示的水尺位置拍照原图,随后按照如图1所示的流程执行以下步骤:
第一步:根据水尺的颜色特征(比如蓝色的最小值、最大值)对彩色原图中进行二值化处理,过滤出水尺部分,具体实现过程如下:
1)如果像素点的颜色在颜色特征范围内的设置之内为[255,255,255],否则为[0,0,0]
2)在1)得到的图像基础上,进行二值化处理。
经过本步骤处理后的图像如图3所示。
第二步:通过形态学方法,得到蓝色水尺区域,具体实现过程如下:
1)构造se=[1;1;1]线性结构单元,对二值化图像进行腐蚀操作
2)构造矩形的结构单元strel('rectangle',[param_fs,param_fs]),对1)所得图像进行关操作(即色彩分析,根据预设色彩范围,确定区域)确定水尺蓝色区域的位置。
经过本步骤处理后的图像如图4所示。
第三步:将水尺在从原图提取出,具体实现过程如下:
1)根据第二步得到的图像,确定图像中白色区域最上面、最下面,最左边,最右边的坐标位置
2)根据白色区域最上面、最下面,最左边,最右边的坐标位置,对上一灰度图图3进行裁剪。
第二步图只是起到粗定位的作用,用于确定‘E’的位置,通过该图分析的坐标,结合上一灰度图裁剪,经过本步骤处理后的水尺图像如图5所示。
第四步:确定水尺的斜率,具体实现过程如下:
1)在所有白色点区域计算凸集;
2)找到凸集的最小外接矩形。
3)根据最小外接矩形的最长边结合实际水尺的长度,求出水尺的斜率。
经过本步骤处理后的水尺图像如图6所示。
第五步:水尺位置矫正,具体实现过程如下:
1)根据第四步得到的水尺的斜率,计算出水尺的角度。
2)根据1)所得的水尺角度,旋转水尺,使之垂直。
经过本步骤处理后的灰度图和彩色图如图7所示。
第六步:对水尺位置进行精确定位,使之两侧多余的部分去除,具体实现:
1)求出第五步所得的图像白点区域的最上面、最下面,最左边,最右边的坐标位置。
2)根据1)求出的最上面、最下面,最左边,最右边的坐标位置,对图像进行裁剪。
处理过程中的水尺图像如图8所示,经过精确定位后的灰度图和彩色图如图9所示。
第七步:切割出水尺每个字符,具体实现过程如下:
1)从第六步的二值图像中,计算出水平方向的直方图。
2)根据1)的直方图,求出直方图的峰谷
3)依据直方图的每一个峰谷的坐标位置,进行图像切割,得到每个字符
4)求出最后一个完整字符的坐标位置,得到最后一个字符的高度。
字符切割后效果图如图10所示。
第八步:字符识别,具体实现过程如下:
运用神经网络方法,进行字符识别,效果如图11所示。图中的11代表是字符E。
第九步:确定水位位置,具体实现过程如下:
1)对第六步所得到彩色的图像,按垂直方向进行错行相减;
错行相减流程如图12所示,基于第六步得到的彩色图像,进行如下分步骤:
a)图像分割和效果优化,将水尺边际再次精细切割,色彩饱和度调整;
b)逐行扫描像素跳变点,当跳变幅度大于10时纠正水迹线,将异常跳变点剔除,否则继续扫描像素跳变点;
c)纵列像素扫描延伸寻找异常点,当异常点为白色时统计每列最大白色点行号;
d)拟合白色痕迹线;
e)字符识别;
f)从最后字符往下至白色痕迹线,寻找非白色变色点;
g)统计每列变色点行号;
h)拟合水迹线,具体实现方式为根据每列的变色点行号,拟合成为一行线);
2)在1)步得到错行相减的图像中,从最后一个识别出来的字符向下开始寻找值大于指定阈值的位置(此位置即水迹位置);
3)根据最后一个字符的像素的高度,计算出最后水位的高度。
最终在图像最下方表现出水迹的效果,如图13所示:即在下端用红线标出水迹。
经过以上步骤,能够从水尺图像得到水迹线位置,即识别得到水位,最终输出水位的高度。以上步骤在图像采集模块中实现,获得的水位数据通过数据收发模块上传至上位机中。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段,还包括由以上技术特征任意组合所组成的技术方案。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。

Claims (4)

1.基于水尺图像的水位识别方法,其特征在于,包括如下步骤:
第一步:根据水尺的颜色特征对彩色原图中进行二值化处理;
第二步:通过形态学方法,得到水尺的颜色特征区域,具体实现过程如下:
1)构造se=[1;1;1]线性结构单元,对二值化图像进行腐蚀操作;
2)构造矩形的结构单元strel('rectangle',[param_fs,param_fs]),对1)所得图像进行关操作;
第三步:将水尺在从原图提取出,具体实现过程如下:
1)根据第二步得到的图像,确定图像中白色区域最上面、最下面,最左边,最右边的坐标位置;
2)根据白色区域最上面、最下面,最左边,最右边的坐标位置,进行裁剪;
第四步:确定水尺的斜率;
第五步:水尺位置矫正,具体实现过程如下:
1)根据第四步得到的水尺的斜率,计算出水尺的角度;
2)根据1)所得的水尺角度,旋转水尺,使之垂直;
第六步:对水尺位置进行精确定位,使之两侧多余的部分去除,具体实现过程如下:
1)求出第五步所得的图像白点区域的最上面、最下面,最左边,最右边的坐标位置;
2)根据1)求出的最上面、最下面,最左边,最右边的坐标位置,对图像进行裁剪得到精确定位后的水尺部分图像;
第七步:切割出水尺每个字符,具体实现过程如下:
1)从第六步的二值图像中,计算出水平方向的直方图;
2)根据1)的直方图,求出直方图的峰谷;
3)依据直方图的每一个峰谷的坐标位置,进行图像切割,得到每个字符;
4)求出最后一个完整字符的坐标位置,得到最后一个字符的高度;
第八步:运用神经网络方法,进行字符识别;
第九步:确定水位位置,具体实现过程如下:
对第六步所得到彩色的图像,按垂直方向进行错行相减,在得到错行相减的图像中,从最后一个识别出来的字符向下开始寻找值大于指定阈值的位置,根据最后一个字符的像素的高度,计算出最后水位的高度。
2.根据权利要求1所述的基于水尺图像的水位识别方法,其特征在于,所述第一步具体包括如下过程:
1)如果像素点的颜色在颜色特征范围内的设置之内为[255,255,255],否则为[0,0,0]
2)在1)得到的图像基础上,进行二值化处理。
3.根据权利要求1所述的基于水尺图像的水位识别方法,其特征在于,所述第四步具体包括如下过程:
1)在所有白色点区域计算凸集;
2)找到凸集的最小外接矩形;
3)根据最小外接矩形的最长边,求出水尺的斜率。
4.根据权利要求1所述的基于水尺图像的水位识别方法,其特征在于,所述第九步中错行相减过程包括如下分步骤:
a)图像分割和效果优化;
b)逐行扫描像素跳变点,当跳变幅度大于10时纠正水迹线剔除,否则继续扫描像素跳变点;
c)纵列像素扫描延伸寻找异常点,当异常点为白色时统计每列最大白色点行号;
d)拟合白色痕迹线;
e)字符识别;
f)从最后字符往下至白色痕迹线,寻找非白色变色点;
g)统计每列变色点行号;
h)拟合水迹线。
CN201810640842.1A 2018-06-21 2018-06-21 基于水尺图像的水位识别方法 Active CN108921165B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810640842.1A CN108921165B (zh) 2018-06-21 2018-06-21 基于水尺图像的水位识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810640842.1A CN108921165B (zh) 2018-06-21 2018-06-21 基于水尺图像的水位识别方法

Publications (2)

Publication Number Publication Date
CN108921165A true CN108921165A (zh) 2018-11-30
CN108921165B CN108921165B (zh) 2022-04-22

Family

ID=64419739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810640842.1A Active CN108921165B (zh) 2018-06-21 2018-06-21 基于水尺图像的水位识别方法

Country Status (1)

Country Link
CN (1) CN108921165B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110248160A (zh) * 2019-06-17 2019-09-17 国网福建省电力有限公司 基于机器视觉及4g通信技术的精益调度水情远程监测系统
CN110334680A (zh) * 2019-07-12 2019-10-15 南京海豚梦智能科技有限公司 基于爬壁机器人的船舶水尺识别方法、系统、装置
CN110443243A (zh) * 2019-08-07 2019-11-12 浙江大华技术股份有限公司 水位监测方法、存储介质、网络设备和水位监测系统
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
CN112598001A (zh) * 2021-03-08 2021-04-02 中航金城无人系统有限公司 一种基于多模型融合的船舶水尺读数自动识别方法
CN113537129A (zh) * 2021-07-29 2021-10-22 河南浩宇空间数据科技有限责任公司 一种基于机器视觉的水位标尺定位及水位计算方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017043929A1 (ko) * 2015-09-09 2017-03-16 순천대학교 산학협력단 무선 조정 비행장치를 이용한 하천 측량 시스템
CN106557764A (zh) * 2016-11-02 2017-04-05 江西理工大学 一种基于二进制编码字符水尺和图像处理的水位识别方法
CN107367310A (zh) * 2017-07-11 2017-11-21 华南理工大学 一种基于计算机视觉的河流水位远程监测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017043929A1 (ko) * 2015-09-09 2017-03-16 순천대학교 산학협력단 무선 조정 비행장치를 이용한 하천 측량 시스템
CN106557764A (zh) * 2016-11-02 2017-04-05 江西理工大学 一种基于二进制编码字符水尺和图像处理的水位识别方法
CN107367310A (zh) * 2017-07-11 2017-11-21 华南理工大学 一种基于计算机视觉的河流水位远程监测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
兰华勇 等: "《基于图像识别技术的水尺可读提取方法》", 《人民黄河》 *
李翊 等: "《基于图像处理和BP神经网络的水位识别研究》", 《人民黄河》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110248160A (zh) * 2019-06-17 2019-09-17 国网福建省电力有限公司 基于机器视觉及4g通信技术的精益调度水情远程监测系统
CN110334680A (zh) * 2019-07-12 2019-10-15 南京海豚梦智能科技有限公司 基于爬壁机器人的船舶水尺识别方法、系统、装置
CN110334680B (zh) * 2019-07-12 2021-07-20 南京海豚梦智能科技有限公司 基于爬壁机器人的船舶水尺识别方法、系统、装置
CN110443243A (zh) * 2019-08-07 2019-11-12 浙江大华技术股份有限公司 水位监测方法、存储介质、网络设备和水位监测系统
CN110443243B (zh) * 2019-08-07 2022-06-07 浙江大华技术股份有限公司 水位监测方法、存储介质、网络设备和水位监测系统
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
CN112598001A (zh) * 2021-03-08 2021-04-02 中航金城无人系统有限公司 一种基于多模型融合的船舶水尺读数自动识别方法
CN113537129A (zh) * 2021-07-29 2021-10-22 河南浩宇空间数据科技有限责任公司 一种基于机器视觉的水位标尺定位及水位计算方法

Also Published As

Publication number Publication date
CN108921165B (zh) 2022-04-22

Similar Documents

Publication Publication Date Title
CN108921165A (zh) 基于水尺图像的水位识别方法
CN107588823B (zh) 基于双波段成像的水尺水位测量方法
CN107506798B (zh) 一种基于图像识别的水位监测方法
CN101586956B (zh) 基于单目摄像机的河流水位监测方法
CN109764930B (zh) 一种适用于复杂光照条件的水尺水位线视觉检测方法
CN107833203A (zh) 一种基于图像处理的水平面识别及水位实时测量方法
CN102975826A (zh) 基于机器视觉的便携式船舶水尺自动检测和识别方法
CN111830528A (zh) 基于激光点云的杆塔特征点自动识别及倾斜参数自动测量方法
CN109186706A (zh) 一种用于城市雨洪淹没区预警的方法
CN110992415B (zh) 一种基于大数据的水面漂浮物污染评价系统及其方法
CN107631782A (zh) 一种基于Harris角点检测的水位检测方法
CN108960070A (zh) 一种水位高程检测系统及其方法
CN109801327A (zh) 一种基于视频数据的城市内涝积水深度信息提取方法
CN107121074B (zh) 一种利用机器视觉进行尾矿库干滩长度测量的方法
CN109443476B (zh) 一种水位波动过程非接触量测装置及方法
CN114639064B (zh) 一种水位识别方法及装置
CN109879170A (zh) 一种起重机吊臂旁弯位移实时检测系统
CN112729477A (zh) 一种基于深度学习的新型水位高度测量系统
CN107238837A (zh) 一种船舶吃水检测方法
CN112212935A (zh) 基于数字图像处理的水体水位测量方法
CN113074797A (zh) 一种无水尺测量水位装置及水位标定方法
Wang Deep Drainage Detection System for Inland Vessels Based on Machine Vision.
JP3220339B2 (ja) 画像処理による水位計測方法および装置
CN110533698A (zh) 一种基于视觉检测的基坑施工桩检测控制方法
CN110332894A (zh) 一种基于双目视觉的坝体表面位移非接触性测量方法

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