CN109241976B - 一种基于图像处理和激光测距溢油面积估计的方法 - Google Patents

一种基于图像处理和激光测距溢油面积估计的方法 Download PDF

Info

Publication number
CN109241976B
CN109241976B CN201810830805.7A CN201810830805A CN109241976B CN 109241976 B CN109241976 B CN 109241976B CN 201810830805 A CN201810830805 A CN 201810830805A CN 109241976 B CN109241976 B CN 109241976B
Authority
CN
China
Prior art keywords
oil spilling
area
oil
image processing
range finder
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
Application number
CN201810830805.7A
Other languages
English (en)
Other versions
CN109241976A (zh
Inventor
王然
王国庆
赵琪
娄越
赵欣
李鑫
陈栋
方子璇
明磊
王宏杰
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.)
CSSC Systems Engineering Research Institute
Original Assignee
CSSC Systems Engineering Research Institute
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 CSSC Systems Engineering Research Institute filed Critical CSSC Systems Engineering Research Institute
Priority to CN201810830805.7A priority Critical patent/CN109241976B/zh
Publication of CN109241976A publication Critical patent/CN109241976A/zh
Application granted granted Critical
Publication of CN109241976B publication Critical patent/CN109241976B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种基于图像处理和激光测距溢油面积估计的方法，属于海洋环境污染检测和海洋安全防护领域。本方法首先通过图像处理技术快速准确获得溢油面积的像素值，然后获取激光测距机转载在高精度的二维伺服结构的基础上，根据图像处理获得的边缘情况测量溢油油膜不同位置距离观测点的真实距离，将溢油面积的像素值和转换为真实的面积尺寸。再通过相应算法进行面积计算。本发明公开的方法在保证溢油面积估算精度的前提下，由于图像处理的算法相对比较成熟，易于实现，加上激光测距机的成本也远低于溢油雷达，大大降低了溢油估算面积的成本，可以对装备有溢油雷达的船只进行溢油面积估算提供对比依据，有效提升海洋溢油油污的清理和回收效率。

Description

一种基于图像处理和激光测距溢油面积估计的方法
技术领域
本发明属于海洋环境污染检测和海洋安全防护领域，具体涉及采用图像处理和激光测距复合估算溢油面积的方法。
背景技术
随着人类的海洋活动越来越频繁，对海洋环境的影响越来越大，关于海洋环境的污染检测和海洋安全防护越发受到人们的重视。在海洋环境污染事件中，原油和其他成品油的泄漏是最严重的污染情况，对溢油的清除和回收一直是解决该类问题的主要手段。为更快捷、高效的进行溢油清除和回收，对溢油面积和体积进行估算是一个十分必要和重要的工作。
传统估算溢油面积的方法仅限于人工目测估算或者借助于溢油雷达，方法比较单一，且人工目测估算误差较大。溢油雷达是基于溢油油膜覆盖区对微波雷达的回波进行衰减，在雷达图像上显示为黑色区域继而通过对黑色区域进行面积统计。借助溢油雷达进行溢油面积估算一定程度上能够提升估算精度，但溢油雷达的成本较高。而且由于溢油油膜在海水表面分散分布且因厚度不同在雷达图像显示上边缘比较模糊，溢油雷达在统计溢油面积上会有偏差。以前也有采用对溢油油膜成像然后进行图像分割进行估算溢油面积，但该方法无法与真实物理尺寸相匹配。
基于图像处理与激光测距复合估算溢油面积的方法，既可以避免因单独使用图像处理只能获得溢油区域的像素面积而无法与实际大小匹配又可以结合激光测距，获取像素的真实物理尺寸，进而与溢油雷达获取的溢油面积进行对比和匹配。
发明内容
本专利是为了克服现有技术单一采用溢油雷达的不足，公开一种图像处理与激光测距复合估算溢油面积的方法，以有效提高对海面溢油的清除和收回工作效率。
一种基于图像处理和激光测距溢油面积估计的方法，包括以下步骤：
步骤一，将激光测距机和摄像机安装在同一水平位置高度，激光测距机的初始位置光轴与摄像机的图像中心调整为处于一条轴上，激光测距机装载于一高精度二维转台；
步骤二，摄像机接受上级目指系统的引导，转动对海面溢油区域进行成像，实时将图像传输至图像处理器；
步骤三，图像处理器对摄像机所成图像，即溢油油膜成像1进行灰度检测、对比度增强、图像分割和边缘提取，将溢油区域凸显以达到与海面背景相分离，通过像素统计获取溢油区域边缘轮廓点相对于摄像机位置的方位角和俯仰角；
步骤四，将溢油油膜边缘上相应点转换为实际空间的坐标，即溢油区域轮廓点的坐标，传递至激光测距机所搭载的高精度二维转台伺服结构；
步骤五，高精度二维转台带动激光测距机对摄像机获取的溢油区域边缘进行逐点测距，记录回传的测距数值及计算每两个点之间的转台运动的角度值，设定激光测距机对边缘特征点a测距时，俯仰角度为α，方位角度初设定为0，测量边缘特征点b时，伺服方位旋转了角度β，俯仰角度由α转变为γ，Aar和Abs由测距机测量，计算abs之间距离的公式如下：
Ba＝Aa*sinα
Bb＝Ab*sinγ
Figure BDA0001743462650000021
步骤六，根据图像处理获得的边缘情况测量溢油油膜不同位置距离观测点的真实距离，将溢油面积的像素值和转换为真实的面积尺寸2，完成溢油区域的面积计算，具体是指按照步骤五依次计算abs，bc，cd，de，ef…la，后续计算时，以线段前端点方位角初设为0，记录方位角的变化角度，俯仰角以真实变化为准，即计算距离bc时，以Bb连线的角度为初始0，依次计算，将真实值带入溢油区域，对该图像进行划块计算溢油面积。
步骤一所述的高精度二维转台包括但不限于船舶、飞机、岸基观测站。
步骤四所述溢油区域轮廓点的坐标，包括方位角和俯仰角。
本发明采用图像处理获取的油膜边缘的像素精度较高，可以达到亚像素级，同时激光测距机的测距精度可以达到m级(5Km内的探测可以达到1m)，大大提高了溢油面积的估算精度。此外，本发明公开的方法在保证溢油面积估算精度的前提下，由于图像处理的算法相对比较成熟，易于实现，加上激光测距机的成本也远低于溢油雷达，大大降低了溢油估算面积的成本，可以对装备有溢油雷达的船只进行溢油面积估算提供对比依据，有效提升海洋溢油油污的清理和回收效率。
附图说明
图1是基于图像处理和激光测距溢油面积估算方法的原理示意图。
图2是溢油区域边缘特征点连线长度计算示意图
具体实施方式
本发明的技术思路首先通过图像处理技术快速准确获得溢油面积1的像素值，然后获取激光测距机转载在高精度的二维伺服结构的基础上，根据图像处理获得的边缘情况测量溢油油膜不同位置距离观测点的真实距离，将溢油面积的像素值和转换为真实的面积尺寸2。最后，通过相应的面积算法进行面积计算。
具体来说，本发明所述的基于图像处理和激光测距溢油面积估算方法的步骤如下：
步骤一，将激光测距机和摄像机安装在同一水平位置高度，安装过程中将激光测距机的初始位置光轴与摄像机的图像中心调整为处于一条轴上，激光测距机装载于一高精度二维转台，如船舶、飞机、岸基观测站；
步骤二，摄像机接受上级目指系统，即船载溢油雷达的引导，转动对海面溢油区域进行成像，实时将图像传输至图像处理器；
步骤三，图像处理器对摄像机所成图像，即溢油油膜成像1进行灰度检测、对比度增强、图像分割和边缘提取，将溢油区域凸显以达到与海面背景相分离，其中对于选用的摄像机来说，其所成图像对应的视场确定，图像中每个像素对应一定角度的视场，通过像素统计获取溢油区域边缘轮廓点相对于摄像机位置的方位角和俯仰角；
步骤四，将溢油油膜边缘上相应点转换为实际空间的坐标，即溢油区域轮廓点(a，b，C，d，e，f…l)的坐标(方位角和俯仰角)，传递至激光测距机所搭载的高精度二维转台伺服结构；
步骤五，高精度二维转台带动激光测距机对摄像机获取的溢油区域边缘进行逐点测距(a，b，c，d，e，f…l)，记录回传的测距数值及每两个点之间的转台运动的角度值(方位角和俯仰角)；如图2所示，设定激光测距机对边缘特征点a测距时，俯仰角度为α，方位角度初设定为0，测量边缘特征点b时，伺服方位旋转了角度β，俯仰角度由α转变为γ，Aar和Abs由测距机测量，计算abs之间距离的公式如下：
Ba＝Aa*sinα
Bb＝Ab*sinγ
Figure BDA0001743462650000031
步骤六，按步骤六依次计算abs，bc，cd，de，ef…la，后续计算时，以线段前端点方位角初设为0，记录方位角的变化角度，俯仰角以真实变化为准，即计算距离bc时，以Bb连线的角度为初始0，依次计算，将真实值带入溢油区域，对该图像进行划块计算溢油面积S。

Claims (3)

1.一种基于图像处理和激光测距溢油面积估计的方法，其特征在于，包括以下步骤：
步骤一，将激光测距机和摄像机安装在同一水平位置高度，安装过程中将激光测距机的初始位置光轴与摄像机的图像中心调整为处于一条轴上，激光测距机装载于一高精度二维转台；
步骤二，摄像机接受上级目指系统的引导，转动对海面溢油区域进行成像，实时将图像传输至图像处理器；
步骤三，图像处理器对摄像机所成图像，即溢油油膜成像1进行灰度检测、对比度增强、图像分割和边缘提取，将溢油区域凸显以达到与海面背景相分离，通过像素统计获取溢油区域边缘轮廓点相对于摄像机位置的方位角和俯仰角；
步骤四，将溢油油膜边缘上相应点转换为实际空间的坐标，即溢油区域轮廓点的坐标，传递至激光测距机所搭载的高精度二维转台伺服结构；
步骤五，高精度二维转台带动激光测距机对摄像机获取的溢油区域边缘进行逐点测距，记录回传的测距数值及计算每两个点之间的转台运动的角度值，设定激光测距机对边缘特征点a测距时，俯仰角度为α，方位角度初设定为0，测量边缘特征点b时，伺服方位旋转了角度β，俯仰角度由α转变为γ，Aa和Ab由测距机测量，计算ab之间距离的公式如下：
Ba＝Aa*sinα
Bb＝Ab*sinγ
Figure FDA0003203629150000011
步骤六，根据图像处理获得的边缘情况测量溢油油膜不同位置距离观测点的真实距离，将溢油面积的像素值和转换为真实的面积尺寸，完成溢油区域的面积计算，具体是指按照步骤五依次将ab，bc，cd，de，ef…la计算出来，后续计算时，以线段前端点方位角初设为0，记录方位角的变化角度，俯仰角以真实变化为准，即计算距离bc时，以Bb连线的角度为初始0，依次计算，将真实值带入溢油区域，对该图像进行划块计算溢油面积。
2.根据权利要求1所述的一种基于图像处理和激光测距溢油面积估计的方法，其特征在于，步骤一所述的高精度二维转台包括船舶、飞机、岸基观测站。
3.根据权利要求1或2所述的一种基于图像处理和激光测距溢油面积估计的方法，其特征在于，步骤四所述溢油区域轮廓点的坐标，包括方位角和俯仰角。
CN201810830805.7A 2018-07-26 2018-07-26 一种基于图像处理和激光测距溢油面积估计的方法 Active CN109241976B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810830805.7A CN109241976B (zh) 2018-07-26 2018-07-26 一种基于图像处理和激光测距溢油面积估计的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810830805.7A CN109241976B (zh) 2018-07-26 2018-07-26 一种基于图像处理和激光测距溢油面积估计的方法

Publications (2)

Publication Number Publication Date
CN109241976A CN109241976A (zh) 2019-01-18
CN109241976B true CN109241976B (zh) 2021-10-22

Family

ID=65072426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810830805.7A Active CN109241976B (zh) 2018-07-26 2018-07-26 一种基于图像处理和激光测距溢油面积估计的方法

Country Status (1)

Country Link
CN (1) CN109241976B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110145675B (zh) * 2019-05-17 2023-05-26 天津市三特电子有限公司 烧结机台车轮自动加油方法及自动加油系统
CN111175744B (zh) * 2019-09-20 2023-08-15 中国船舶工业系统工程研究院 一种雷达图像快速生成与缩放方法
CN110728812B (zh) * 2019-10-12 2021-06-08 国网新疆电力有限公司喀什供电公司 输电线路防外力破坏检测保护装置及其使用方法
CN111179334B (zh) * 2019-11-14 2024-03-19 青岛理工大学 基于多传感融合的海面小面积溢油区域检测系统及检测方法
CN111861220A (zh) * 2020-07-22 2020-10-30 泰州市金海运船用设备有限责任公司 海洋油污泄露面积探测警报系统
CN112582085B (zh) * 2020-12-07 2024-03-19 中广核核电运营有限公司 双层安全壳表面缺陷检测设备及检测方法
CN113670407B (zh) * 2021-08-12 2023-05-26 陕西飞机工业有限责任公司 一种燃油油面测量方法
CN113701821B (zh) * 2021-09-01 2024-03-05 西南科技大学 一种基于局部特征的建筑铝模板识别结构及其方法
CN113982808A (zh) * 2021-10-25 2022-01-28 安康水力发电厂 一种用于混流式水轮发电机运行状态监测的系统和方法
CN115198605A (zh) * 2022-07-20 2022-10-18 成都宁顺智能设备有限公司 一种针对高速公路路面微小形变的远距离检测方法
CN115979972B (zh) * 2023-02-22 2023-06-09 中海油能源发展股份有限公司采油服务分公司 海面原油油膜高光谱实时监测方法和系统
CN117268498B (zh) * 2023-11-20 2024-01-23 中国航空工业集团公司金城南京机电液压工程研究中心 一种油量测量方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2128833B (en) * 1982-10-13 1986-05-08 Emi Ltd Improvements relating to the measurement of directional wave spectra
CN104951799A (zh) * 2015-06-12 2015-09-30 北京理工大学 一种sar遥感影像溢油检测识别方法
CN106991677A (zh) * 2017-04-10 2017-07-28 中国石油大学(华东) 一种基于单点模糊初始化水平集演化的遥感图像溢油分割方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NO337289B1 (no) * 2011-12-19 2016-02-29 Ispas As Portabel radar for bestemmelse av oljeutslipps fordeling og tykkelse

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2128833B (en) * 1982-10-13 1986-05-08 Emi Ltd Improvements relating to the measurement of directional wave spectra
CN104951799A (zh) * 2015-06-12 2015-09-30 北京理工大学 一种sar遥感影像溢油检测识别方法
CN106991677A (zh) * 2017-04-10 2017-07-28 中国石油大学(华东) 一种基于单点模糊初始化水平集演化的遥感图像溢油分割方法

Also Published As

Publication number Publication date
CN109241976A (zh) 2019-01-18

Similar Documents

Publication Publication Date Title
CN109241976B (zh) 一种基于图像处理和激光测距溢油面积估计的方法
CN106767399B (zh) 基于双目立体视觉和点激光测距的物流货物体积的非接触测量方法
Musman et al. Automatic recognition of ISAR ship images
CN110796728B (zh) 一种基于扫描式激光雷达的非合作航天器三维重建方法
CN106839977B (zh) 基于光栅投影双目成像技术的盾构渣土体积实时测量方法
CN104574393B (zh) 一种三维路面裂缝图像生成系统和方法
CN103697855B (zh) 一种基于海天线检测的船体水平姿态测量方法
CN108225319B (zh) 基于目标特征的单目视觉快速相对位姿估计系统及方法
CN107942329B (zh) 机动平台单通道sar对海面舰船目标检测方法
RU2019135377A (ru) Автоматизированное определение веса по осадке судна
CN109711353B (zh) 一种基于机器视觉的船舶吃水线区域识别方法
JP6858415B2 (ja) 海面計測システム、海面計測方法および海面計測プログラム
CN113177593B (zh) 一种水上交通环境中雷达点云与影像数据的融合方法
CN106815553B (zh) 一种基于边缘匹配的红外前视图像舰船检测方法
CN113484860B (zh) 基于多普勒中心异常的sar图像海洋锋检测方法及系统
CN102295061A (zh) 基于图像处理的船舶水尺自动检测方法
CN108416798A (zh) 一种基于光流的车辆距离估计方法
CN107367245B (zh) 光学三维轮廓测量中的无效点探测与剔除方法
CN114549549B (zh) 一种动态环境下基于实例分割的动态目标建模跟踪方法
CN116448100A (zh) 一种多传感器融合的近岸无人船slam方法
CN117710458A (zh) 一种基于双目视觉的舰载机着舰过程相对位置测量方法及系统
CN117173215A (zh) 一种跨摄像头的内河航船全程轨迹识别方法及系统
CN117092659A (zh) 一种激光成像雷达和相机联合测量船舶高度的系统及方法
CN109815966A (zh) 一种基于改进sift算法的移动机器人视觉里程计实现方法
CN113379710B (zh) 一种水下目标声呐精准测量系统和方法

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