CN109764930B - 一种适用于复杂光照条件的水尺水位线视觉检测方法 - Google Patents
一种适用于复杂光照条件的水尺水位线视觉检测方法 Download PDFInfo
- Publication number
- CN109764930B CN109764930B CN201811609578.1A CN201811609578A CN109764930B CN 109764930 B CN109764930 B CN 109764930B CN 201811609578 A CN201811609578 A CN 201811609578A CN 109764930 B CN109764930 B CN 109764930B
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- gray level
- diff
- mean
- 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
Landscapes
- Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种适用于复杂光照条件的水尺水位线视觉检测方法。本发明利用水尺图像和水面图像的差异性，通过计算灰度图像和边缘图像的灰度均值差，取两个特征中的最大值作为衡量图像差异性的指标，再采用粗定位和精定位结合的水位线检测方法，对于复杂光照条件下的水尺水位线检测情况具有较强的鲁棒性。本发明可在图像模糊不清的条件下提供水尺的细节信息，精定位时以单个像素作为步进进行水位线检测，检测精度能达到单个像素。本发明适用于自然光照(白天)和红外照明(夜间)条件，能有效避免因自然光照和夜间补光引起图像灰度分布不均时出现的误检。
Description
技术领域
本发明涉及水尺水位线视觉检测方法，特别是涉及一种适用于复杂光照条件的水尺水位线视觉检测方法。
背景技术
水位是河流湖库的基本水文要素之一，由于城市及灌区供水量、暴雨及洪水流量、径流泥沙及养分输移率等信息通常均需要根据水位测量值求得，因此连续可靠的水位监测对于全面提升防汛抗旱预警预报水平和江河湖泊日常监管能力具有重要意义。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；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，但普遍存在设备及安装成本高，测量精度易受环境温度、泥沙含量及现场控制结构的影响，需要工作人员定期维护等缺点。
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，图像法在原理上具有非接触、无温漂、无转换误差等优点，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。然而受复杂现场条件的影响，现有的图像法水位检测方法在测量精度和可靠性上仍然存在较大的局限，体现在：
1)通过识别水尺刻度线与水尺字符实现水位值检测的方法，专利如：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(公开号：CN107367310A)，建立二进制编码字符定位和分割模型及二进制编码字符水尺刻度线提取模型，通过模板匹配方法识别字符，进而换算水位值，在图像分辨率较低，水尺刻度线和字符不清晰的情况下就难以保证检测的精度。
2)市面上的双色水尺主要采用铁制搪瓷板和铝制反光板两种材料，表面涂层在近红外波段下均具有很强的反射特性，导致夜间采用近红外补光灯照明时，水尺表面的字符和刻度在图像中呈现出和背景相近的高亮状态而难以辨识，使得夜间无法正常检测水位。专利如：基于图像处理的水位监测系统及方法(公开号：CN102494733A)，对水尺图像进行迭代阈值的二值化，通过图像分割提取标尺图像进而检测水位线的方法，在夜间照明等复杂光照条件下，难以有效进行图像的二值化和分割，无法保证水位线检测的精度。
发明内容
发明目的：本发明的目的是提供一种适用于复杂光照条件的水尺水位线视觉检测方法，能够解决现有技术中存在的在水尺刻度线和字符不清晰情况下、在夜间照明灯复杂光照条件下难以保证检测精度的问题。
技术方案：为达到此目的，本发明采用以下技术方案：
本发明所述的适用于复杂光照条件的水尺水位线视觉检测方法，包括以下步骤：
S1：采用单台摄像机获取一幅水尺图像，对图像进行灰度化处理，得到灰度图像；
S2：采用Canny算子将灰度图像转化为边缘图像；
S3：分别计算灰度图像的灰度均值水平投影和边缘图像的灰度均值水平投影；
S4：采用特征融合的水位线粗定位方法，计算相邻两个粗定位ROI区域的灰度图像灰度均值差和边缘图像灰度均值差，以标准水尺图像的周期为步进，自上而下确定水位线所在区段；
S5：进行特征融合的水位线精定位，计算精定位ROI区域的上半区的灰度图像灰度均值差和边缘图像灰度均值差，并计算精定位ROI区域的下半区的灰度图像灰度均值差和边缘图像灰度均值差，以单个像素为步进，自上而下确定水位线。
进一步，所述步骤S1中的灰度图像是长为H像素、宽为W像素的正射水尺图像。
进一步，所述步骤S3中的灰度图像的灰度均值水平投影包括灰度图像各行的灰度均值，其中第r行的灰度均值Mean(r)通过式(1)得到：
其中，B(r,w)为像素(r,w)处的灰度值，r为像素的行坐标，w为像素的列坐标，r＝1,2,3,…,H，w＝1,2,3,…,W，H为所有像素的总行数，W为所有像素的总列数。
进一步，所述步骤S4中的标准水尺图像的周期为T像素，粗定位ROI区域的长度为T像素、宽度为W像素，以标准水尺图像的周期T为步进，自上而下编号为N,N-1,N-2,…,0，其中N＝(H/T)-1，H为所有像素的总行数。
进一步，所述步骤S4中的特征融合的水位线粗定位方法包括以下步骤：
S4.1：根据公式(2)计算相邻两个粗定位ROI区域的灰度图像灰度均值差DiffG(k)：
其中k＝0,T,2T,…,H-2T表示像素所在的行坐标，以标准水尺图像的周期T为步进，H为所有像素的总行数，MeanG(r)为灰度图像第r行的灰度均值；灰度图像的灰度均值水平投影包括灰度图像各行的灰度均值；
S4.2：根据公式(3)计算相邻两个粗定位ROI区域的边缘图像灰度均值差DiffE(k)：
其中k＝0,T,2T,…,H-2T表示像素所在的行坐标，以标准水尺图像的周期T为步进，MeanE(r)为边缘图像第r行的灰度均值；边缘图像的灰度均值水平投影包括边缘图像各行的灰度均值；
S4.3：取相邻两个粗定位ROI区域灰度图像灰度均值差DiffG(k)和边缘图像灰度均值差DiffE(k)的最大值作为灰度均值差Diff(k)＝max(DiffG(k),DiffE(k))；
S4.4：计算灰度均值差Diff(k)的最大值Diff(k′)；k′为Diff(k)取得最大值所对应的像素的行坐标；设定S为检测阈值，如果Diff(k′)＜S，表示不满足检测条件，则将水位线坐标line归零，结束检测；
S4.5：选取灰度均值差Diff(k)最大的相邻两个粗定位ROI区域作为水位线粗定位ROI区域，长度为2T像素，宽度为W像素，顶部行坐标为k′。
进一步，所述步骤S5中的精定位ROI区域的长度为2T像素、宽度为W像素，上、下半区的长度均为T像素、宽度均为W像素，以单个像素为步进，自上而下编号为n,n-1,n-2,…,1，其中n＝2T。
进一步，所述步骤S5中的特征融合的水位线精定位通过以下方法实现：
S5.1：根据公式(4)计算精定位ROI区域上、下半区的灰度图像灰度均值差DiffG(k1)：
其中k1＝k′-T,k′-T+1,k′-T+2,…,k′+T-1表示像素所在的行坐标，以单个像素为步进；
S5.2：根据公式(5)计算精定位ROI区域上、下半区的边缘图像灰度均值差DiffE(k1)：
其中k1＝k′-T,k′-T+1,k′-T+2,…,k′+T-1表示像素所在的行坐标，以单个像素为步进；
S5.3：取精定位ROI区域上、下半区的灰度图像灰度均值差DiffG(k1)和边缘图像灰度均值差DiffE(k1)的最大值作为灰度均值差Diff(k1)＝max(DiffG(k1),DiffE(k1))；
S5.4：计算灰度均值差Diff(k1)的最大值Diff(k1′)；k1′为Diff(k1)取得最大值所对应的像素的行坐标；
S5.5：确定水位线坐标为line＝k1′+T像素。
有益效果：本发明公开了一种适用于复杂光照条件的水尺水位线视觉检测方法，与现有技术相比，具有如下的有益效果：
1)鲁棒性强。本发明利用水尺图像和水面图像的差异性，通过计算灰度图像和边缘图像的灰度均值差，取两个特征中的最大值作为衡量图像差异性的指标，再采用粗定位和精定位结合的水位线检测方法，对于复杂光照条件下的水尺水位线检测情况具有较强的鲁棒性。
2)检测精度高。本发明可在图像模糊不清的条件下提供水尺的细节信息，精定位时以单个像素作为步进进行水位线检测，检测精度能达到单个像素。
3)适用于日夜光照条件。本发明适用于自然光照(白天)和红外照明(夜间)条件，能有效避免因自然光照和夜间补光引起图像灰度分布不均时出现的误检。
附图说明
图1为本发明具体实施方式中方法的流程图；
图2为本发明具体实施例中的水尺灰度图像；
图3为本发明具体实施例中的水尺边缘图像；
图4为本发明具体实施例中的水位线粗定位过程；
图5为本发明具体实施例中的水位线粗定位结果；
图6为本发明具体实施例中的水位线精定位过程；
图7为本发明具体实施例中的水位线检测结果。
具体实施方式
下面结合具体实施方式对本发明的技术方案作进一步的介绍。
本具体实施方式公开了一种适用于复杂光照条件的水尺水位线视觉检测方法，如图1所示，包括以下步骤：
S1：采用单台摄像机获取一幅水尺图像，对图像进行灰度化处理，得到灰度图像；
S2：采用Canny算子将灰度图像转化为边缘图像；
S3：分别计算灰度图像的灰度均值水平投影和边缘图像的灰度均值水平投影；
S4：采用特征融合的水位线粗定位方法，计算相邻两个粗定位ROI区域的灰度图像灰度均值差和边缘图像灰度均值差，以标准水尺图像的周期为步进，自上而下确定水位线所在区段；
S5：进行特征融合的水位线精定位，计算精定位ROI区域的上半区的灰度图像灰度均值差和边缘图像灰度均值差，并计算精定位ROI区域的下半区的灰度图像灰度均值差和边缘图像灰度均值差，以单个像素为步进，自上而下确定水位线。
步骤S1中的灰度图像是长为H像素、宽为W像素的正射水尺图像，如图2所示，其中H＝4000像素，W＝200像素。
步骤S3中的灰度图像的灰度均值水平投影包括灰度图像各行的灰度均值，其中第r行的灰度均值Mean(r)通过式(1)得到：
其中，B(r,w)为像素(r,w)处的灰度值，r为像素的行坐标，w为像素的列坐标，r＝1,2,3,…,H，w＝1,2,3,…,W，H为所有像素的总行数，W为所有像素的总列数。步骤S3中的边缘图像如图3所示，边缘图像的灰度均值水平投影包括边缘图像各行的灰度均值，边缘图像各行的灰度均值也同灰度图像各行的灰度均值一样计算，此处就不再赘述。
步骤S4中的标准水尺图像的周期为T＝100像素，粗定位ROI区域的长度为T像素、宽度为W像素，以标准水尺图像的周期T为步进，自上而下编号为N,N-1,N-2,…,0，其中N＝(H/T)-1＝39，H为所有像素的总行数。也即自上而下的编号为39,38,37,…,0，如图4所示。
步骤S4中的特征融合的水位线粗定位方法包括以下步骤：
S4.1：根据公式(2)计算相邻两个粗定位ROI区域的灰度图像灰度均值差DiffG(k)：
其中k＝0,T,2T,…,H-2T表示像素所在的行坐标，以标准水尺图像的周期T为步进，H为所有像素的总行数，MeanG(r)为灰度图像第r行的灰度均值；灰度图像的灰度均值水平投影包括灰度图像各行的灰度均值；
S4.2：根据公式(3)计算相邻两个粗定位ROI区域的边缘图像灰度均值差DiffE(k)：
其中k＝0,T,2T,…,H-2T表示像素所在的行坐标，以标准水尺图像的周期T为步进，MeanE(r)为边缘图像第r行的灰度均值；边缘图像的灰度均值水平投影包括边缘图像各行的灰度均值；
S4.3：取相邻两个粗定位ROI区域灰度图像灰度均值差DiffG(k)和边缘图像灰度均值差DiffE(k)的最大值作为灰度均值差Diff(k)＝max(DiffG(k),DiffE(k))；
S4.4：计算灰度均值差Diff(k)的最大值Diff(k′)＝58.455；k′为Diff(k)取得最大值所对应的像素的行坐标；设定S为检测阈值，如果Diff(k′)＜S，表示不满足检测条件，则将水位线坐标line归零，结束检测；
S4.5：选取灰度均值差Diff(k)最大的相邻两个粗定位ROI区域作为水位线粗定位ROI区域，如图5所示，长度为2T像素，宽度为W像素，顶部行坐标为k′＝2000。
步骤S5中的精定位ROI区域的长度为2T像素、宽度为W像素，上、下半区的长度均为T像素、宽度均为W像素，以单个像素为步进，自上而下编号为n,n-1,n-2,…,1，其中n＝2T＝200。也即自上而下编号为200,199,198,…,1，如图6所示。
步骤S5中的特征融合的水位线精定位通过以下方法实现：
S5.1：根据公式(4)计算精定位ROI区域上、下半区的灰度图像灰度均值差DiffG(k1)：
其中k1＝k′-T,k′-T+1,k′-T+2,…,k′+T-1表示像素所在的行坐标，以单个像素为步进；
S5.2：根据公式(5)计算精定位ROI区域上、下半区的边缘图像灰度均值差DiffE(k1)：
其中k1＝k′-T,k′-T+1,k′-T+2,…,k′+T-1表示像素所在的行坐标，以单个像素为步进；
S5.3：取精定位ROI区域上、下半区的灰度图像灰度均值差DiffG(k1)和边缘图像灰度均值差DiffE(k1)的最大值作为灰度均值差Diff(k1)＝max(DiffG(k1),DiffE(k1))；
S5.4：计算灰度均值差Diff(k1)的最大值Diff(k1′)＝61.380；k1′为Diff(k1)取得最大值所对应的像素的行坐标；
S5.5：确定水位线坐标为line＝k1′+T＝1881像素，如图7所示。
Claims (5)
1.一种适用于复杂光照条件的水尺水位线视觉检测方法，其特征在于：包括以下步骤：
S1：采用单台摄像机获取一幅水尺图像，对图像进行灰度化处理，得到灰度图像；
S2：采用Canny算子将灰度图像转化为边缘图像；
S3：分别计算灰度图像的灰度均值水平投影和边缘图像的灰度均值水平投影；
S4：采用特征融合的水位线粗定位方法，计算相邻两个粗定位ROI区域的灰度图像灰度均值差和边缘图像灰度均值差，以标准水尺图像的周期为步进，自上而下确定水位线所在区段；具体包括以下步骤：
S4.1：根据公式(2)计算相邻两个粗定位ROI区域的灰度图像灰度均值差DiffG(k)：
其中k＝0,T,2T,…,H-2T表示像素所在的行坐标，以标准水尺图像的周期T为步进，H为所有像素的总行数，MeanG(r)为灰度图像第r行的灰度均值；灰度图像的灰度均值水平投影包括灰度图像各行的灰度均值；
S4.2：根据公式(3)计算相邻两个粗定位ROI区域的边缘图像灰度均值差DiffE(k)：
其中k＝0,T,2T,…,H-2T表示像素所在的行坐标，以标准水尺图像的周期T为步进，MeanE(r)为边缘图像第r行的灰度均值；边缘图像的灰度均值水平投影包括边缘图像各行的灰度均值；
S4.3：取相邻两个粗定位ROI区域灰度图像灰度均值差DiffG(k)和边缘图像灰度均值差DiffE(k)的最大值作为灰度均值差Diff(k)＝max(DiffG(k),DiffE(k))；
S4.4：计算灰度均值差Diff(k)的最大值Diff(k′)；k′为Diff(k)取得最大值所对应的像素的行坐标；设定S为检测阈值，如果Diff(k′)＜S，表示不满足检测条件，则将水位线坐标line归零，结束检测；
S4.5：选取灰度均值差Diff(k)最大的相邻两个粗定位ROI区域作为水位线粗定位ROI区域，长度为2T像素，宽度为W像素，顶部行坐标为k′；
S5：进行特征融合的水位线精定位，计算精定位ROI区域的上半区的灰度图像灰度均值差和边缘图像灰度均值差，并计算精定位ROI区域的下半区的灰度图像灰度均值差和边缘图像灰度均值差，以单个像素为步进，自上而下确定水位线；具体包括以下步骤：
S5.1：根据公式(4)计算精定位ROI区域上、下半区的灰度图像灰度均值差DiffG(k1)：
其中k1＝k′-T,k′-T+1,k′-T+2,…,k′+T-1表示像素所在的行坐标，以单个像素为步进；
S5.2：根据公式(5)计算精定位ROI区域上、下半区的边缘图像灰度均值差DiffE(k1)：
其中k1＝k′-T,k′-T+1,k′-T+2,…,k′+T-1表示像素所在的行坐标，以单个像素为步进；
S5.3：取精定位ROI区域上、下半区的灰度图像灰度均值差DiffG(k1)和边缘图像灰度均值差DiffE(k1)的最大值作为灰度均值差Diff(k1)＝max(DiffG(k1),DiffE(k1))；
S5.4：计算灰度均值差Diff(k1)的最大值Diff(k1′)；k1′为Diff(k1)取得最大值所对应的像素的行坐标；
S5.5：确定水位线坐标为line＝k1′+T像素。
2.根据权利要求1所述的适用于复杂光照条件的水尺水位线视觉检测方法，其特征在于：所述步骤S1中的灰度图像是长为H像素、宽为W像素的正射水尺图像。
3.根据权利要求1所述的适用于复杂光照条件的水尺水位线视觉检测方法，其特征在于：所述步骤S3中的灰度图像的灰度均值水平投影包括灰度图像各行的灰度均值，其中第r行的灰度均值Mean(r)通过式(1)得到：
其中，B(r,w)为像素(r,w)处的灰度值，r为像素的行坐标，w为像素的列坐标，r＝1,2,3,…,H，w＝1,2,3,…,W，H为所有像素的总行数，W为所有像素的总列数。
4.根据权利要求1所述的适用于复杂光照条件的水尺水位线视觉检测方法，其特征在于：所述步骤S4中的标准水尺图像的周期为T像素，粗定位ROI区域的长度为T像素、宽度为W像素，以标准水尺图像的周期T为步进，自上而下编号为N,N-1,N-2,…,0，其中N＝(H/T)-1，H为所有像素的总行数。
5.根据权利要求1所述的适用于复杂光照条件的水尺水位线视觉检测方法，其特征在于：所述步骤S5中的精定位ROI区域的长度为2T像素、宽度为W像素，上、下半区的长度均为T像素、宽度均为W像素，以单个像素为步进，自上而下编号为n,n-1,n-2,…,1，其中n＝2T。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811609578.1A CN109764930B (zh) | 2018-12-27 | 2018-12-27 | 一种适用于复杂光照条件的水尺水位线视觉检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811609578.1A CN109764930B (zh) | 2018-12-27 | 2018-12-27 | 一种适用于复杂光照条件的水尺水位线视觉检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109764930A CN109764930A (zh) | 2019-05-17 |
| CN109764930B true CN109764930B (zh) | 2020-05-22 |
Family
ID=66451028
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811609578.1A Active CN109764930B (zh) | 2018-12-27 | 2018-12-27 | 一种适用于复杂光照条件的水尺水位线视觉检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109764930B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112013921B (zh) * | 2019-05-30 | 2023-06-23 | 杭州海康威视数字技术股份有限公司 | 一种基于水位尺测量图像获取水位信息的方法、装置和系统 |
| CN110398272A (zh) * | 2019-07-26 | 2019-11-01 | 辽宁机电职业技术学院 | 一种用于自动确定被测液体的测量变量的分析仪表 |
| CN112444302B (zh) * | 2019-08-30 | 2024-07-05 | 杭州海康威视系统技术有限公司 | 一种图像采集设备、水位检测设备、方法及存储介质 |
| 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 |
| CN111426353B (zh) * | 2020-04-08 | 2022-02-11 | 中国民用航空飞行学院 | 一种精确流量获取装置及方法 |
| CN111476785B (zh) * | 2020-04-20 | 2023-04-07 | 四创科技有限公司 | 基于位置记录的夜间红外反光水尺检测方法 |
| CN112033250B (zh) * | 2020-10-26 | 2021-02-02 | 湖南大学 | 一种钢直尺自动检定装置及检定方法 |
| CN112734729B (zh) * | 2021-01-11 | 2022-09-23 | 昆明理工大学 | 适用于夜间补光条件的水尺水位线图像检测方法、装置及存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4517826B2 (ja) * | 2004-11-15 | 2010-08-04 | パナソニック電工株式会社 | 液面検出方法 |
| CN101586956B (zh) * | 2009-06-18 | 2011-01-05 | 上海交通大学 | 基于单目摄像机的河流水位监测方法 |
| BR102012009322B1 (pt) * | 2012-04-20 | 2020-01-28 | Petroleo Brasileiro Sa Petrobras | método para medição de nível de produto em equipamentos de processo |
| CN107631782B (zh) * | 2017-07-18 | 2020-02-21 | 南京邮电大学 | 一种基于Harris角点检测的水位检测方法 |
| CN107588823B (zh) * | 2017-09-18 | 2019-05-31 | 河海大学 | 基于双波段成像的水尺水位测量方法 |
-
2018
- 2018-12-27 CN CN201811609578.1A patent/CN109764930B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109764930A (zh) | 2019-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN107588823B (zh) | 基于双波段成像的水尺水位测量方法 | |
| CN108759973B (zh) | 一种水位测量方法 | |
| CN107506798B (zh) | 一种基于图像识别的水位监测方法 | |
| CN202209973U (zh) | 基于数字图像处理的水位测量仪 | |
| CN108921165B (zh) | 基于水尺图像的水位识别方法 | |
| 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 | |
| CN110472636B (zh) | 基于深度学习的水尺e字形刻度识别方法 | |
| CN102445239B (zh) | 基于多点水位的明渠量水新方法 | |
| CN109186706B (zh) | 一种用于城市雨洪淹没区预警的方法 | |
| CN102165288A (zh) | 使用影像在时间上的像素的浓度分布变化的液体边界面识别方法和使用该方法的液体高度识别装置 | |
| CN103743452B (zh) | 非接触式液位测量系统 | |
| CN105404874B (zh) | 一种基于投影和hough直线检测的车窗识别系统 | |
| CN110929710A (zh) | 一种基于视觉的仪表指针读数自动识别方法与系统 | |
| CN112907506B (zh) | 一种基于水尺颜色信息的不定长水尺水位检测方法、装置及存储介质 | |
| CN108592948A (zh) | 一种管水准器气泡偏移量自动测量方法 | |
| CN108876860A (zh) | 一种用于管水准器气泡偏移量测量的图像标定方法 | |
| CN114639064B (zh) | 一种水位识别方法及装置 | |
| CN112378349A (zh) | 基于双目结构光的匣钵平整度检测装置及其检测方法 | |
| CN115546235B (zh) | 一种基于图像分割的水位识别方法、系统及存储介质 | |
| CN112734729A (zh) | 适用于夜间补光条件的水尺水位线图像检测方法、装置及存储介质 | |
| CN101718527A (zh) | 一种基于图像识别计算尾矿库干滩长度的方法 | |
| CN106709952A (zh) | 一种显示屏幕的自动标定方法 | |
| CN117037132A (zh) | 一种基于机器视觉的船舶水尺读数检测和识别方法 | |
| CN112884731B (zh) | 一种基于机器视觉的水位检测方法及河道监测方法 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210106 Address after: 230088 Room 101, R & D office building 2, Kunpeng Industrial Park, 539 Wangjiang West Road, high tech Zone, Hefei City, Anhui Province Patentee after: ANHUI JINHAIDIER INFORMATION T Address before: 210000 No. 1 Xikang Road, Gulou District, Nanjing City, Jiangsu Province Patentee before: HOHAI University |
|
| TR01 | Transfer of patent right |