CN110211142A - 一种基于视频图像处理的深基坑的坑外水位在线检测方法 - Google Patents

Abstract

本发明公开了一种基于视频图像处理的深基坑的坑外水位在线检测方法，解决了现有的测量装置存在的人为误差大、人工成本高等问题。该方法以基于视频检测水位线为目标，采用边缘检测技术分析视频图像，利用垂直边缘得到检测水位测量标尺的左、右垂直边缘进而获得图像中的标尺宽度，利用水平边缘检测得到水位测量表尺的顶部和水位线进而获得水面上的标尺高度。最后由标尺的实际长宽信息计算出实时的水位数据。解决了传统方法存在的深基坑的水位检测困难、易受环境影响，检测装置成本高，人力成本高等问题。

Description

一种基于视频图像处理的深基坑的坑外水位在线检测方法

技术领域

本发明涉及深基坑的安全检测领域，特别涉及一种基于视频图像处理的深基坑的坑外水 位在线检测方法。

背景技术

在土建深基坑开挖前，首先要在深基坑轮廓外侧施做围护结构，围护结构向下做入地层 中，在基坑开挖过程中，需要对围护结构外的地下水位进行观测，以保证在基坑的开挖过程 中能及时发现基坑出现渗漏水的大概位置，提醒开挖人员及时采取相应的措施，保证基坑开 挖过程中的安全。对围护结构外的地下水位进行观测，现有技术大多是通过在围护结构外侧 设置水位观测孔来实现的。这种水位测量机构是通过人工持有水位测量仪在现场操作完成的， 存在人为误差因素较大，人工成本较高，不具备实时性等问题。随着图像处理技术的飞快发 展，高效率、低成本的基于视频和图像的水位测量得以实现。将基于视频分析的水位检测技 术应用到深基坑的实时水位检测中具备可行性。

发明内容

为解决上述问题，本发明公开了一种基于视频图像处理的深基坑的坑外水位在线检测方 法，解决了现有的装置存在的人为误差因素较大，人工成本较高、实时性较差等问题。

为了达到上述目的，本发明提供如下技术方案：

一种基于视频图像处理的深基坑的坑外水位在线检测方法，其特征在于，包括如下步骤：

步骤1，在待测量的深基坑的坑外区域固定一个矩形测量标尺，并安装摄像头实时采集 该矩形标尺所在区域的图像A；

步骤2，采用Sobel垂直边缘检测算子对图像A进行边缘检测，提取出矩形测量标尺的 两条垂直边缘线，分割出水位标尺图像B；

步骤3，采用Sobel水平边缘检测算法对所采集的区域图像B进行水平边缘检测，提取 出检深基坑水位线。以及标杆顶部水平线；

步骤4，根据垂直边缘线获得图像中矩形测量标尺的宽度，根据水平边缘线获得图像中 水位线上的测量标尺的长度。由图像中的标尺宽度与实际的标尺宽度比值计算出实际水位线 上的测量标尺的长度。最后由测量标尺的实际高度和宽度与上述测量数据计算出实际水位。

作为一种基于视频图像处理的深基坑的坑外水位在线检测方法的进一步优选方案，所述 步骤1中，采用的矩形测量标尺为无刻度的安装稳定的矩形标杆。

作为一种基于视频图像处理的深基坑的坑外水位在线检测方法的进一步优选方案，所述 步骤2具体包括如下步骤：

步骤2.1，采用Sobel边缘检测算法对所采集图像进行垂直边缘检测，得到竖直方向上的 梯度图像G_x；

步骤2.2，遍历梯度图像G_x，对灰度值按行求和，在矩形测量标杆两垂直边缘线处出现两 个峰值，进而提取出两条垂直边缘线的坐标，分别为标尺的左垂直边缘坐标x₁和右垂直边缘 坐标x₂。

步骤2.3，分割出x₁-x₂区域的水位标尺图像B。

作为一种基于视频图像处理的深基坑的坑外水位在线检测方法的进一步优选方案，所述 步骤3具体包括如下步骤：

步骤3.1，采用Sobel边缘检测算法对所采集图像B进行水平边缘检测，得到水平方向上 的梯度图像G_y；

步骤3.2，遍历梯度图像G_y，对灰度值按行求和，在矩形测量标杆两垂直边缘线处出现两 个峰值，根据阈值提取出测量标尺顶部坐标y₁和水位线坐标y₂。

作为一种基于视频图像处理的深基坑的坑外水位在线检测方法的进一步优选方案，，所 述步骤4中，实时的水位值的具体计算公式如下：

Y＝L-(y₁-y₂)*X/(x₁-x₂)

其中，y₁-y₂为图像中水平面以上测量标杆的长度，x₁-x₂为图像中测量标尺的宽度，X测 量标尺的实际宽度，L测量标尺的总长，Y为测量出的水位值。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

1、本发明将图像识别技术引入到深基坑的水位测量方案中去，安装简易水尺并通过摄像 头采集水池图像实现检测，采用边缘检测技术提取出图像中的标尺的左右边缘和上边缘以及 水位线边缘的坐标，最后通过图像中矩形测量标尺的宽与水面上的测量标杆的长度以及实际 测量标尺的总长度和宽度求得实际水位值。

2、本发明解决了传统的深基坑水位检测实时性较差，人工成本高等问题，可全天24小 时检测基坑周围的水位变化，对基坑施作过程中进行在线实时检测，降低了人工成本，能保 证堵漏方案及时有效的实施，避免了基坑开挖过程中由于漏水导致基坑重大安全事故的发生 具有更好的安全性和实时性。

3、本发明引入了计算机视觉这一新兴学科，利用图像处理技术检测深基坑的测量标尺与 水面坐标数据，并使用数学比例模型求出实际水位深度。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

1、本发明将图像识别技术引入到深基坑的水位测量方案中去，安装简易水尺并通过摄像 头采集水池图像实现检测，采用边缘检测技术提取出图像中的标尺的左右边缘和上边缘以及 水位线边缘的坐标，最后通过图像中矩形测量标尺的宽与水面上的测量标杆的长度以及实际

测量标尺的总长度和宽度求得实际水位值。

2、本发明解决了传统的深基坑水位检测实时性较差，人工成本高等问题，可全天24小 时检测基坑周围的水位变化，对基坑施作过程中进行在线实时检测，降低了人工成本，能保 证堵漏方案及时有效的实施，避免了基坑开挖过程中由于漏水导致基坑重大安全事故的发生 具有更好的安全性和实时性。

3、本发明引入了计算机视觉这一新兴学科，利用图像处理技术检测深基坑的测量标尺与 水面坐标数据，并使用数学比例模型求出实际水位深度。

附图说明

图1是本发明基于Sobel滤波的水平面检测方法流程图。

图2是本发明基于Sobel滤波的水平面检测布置示意图。

图3是本发明垂直边缘和水平边缘的检测示意图。

具体实施方式

本发明公开了一种基于视频图像处理的深基坑的坑外水位在线检测方法，下面结合附图， 进一步阐述本发明。如图1所示主要包括一下步骤。

步骤一：

如图2所示，步骤1，在待测量的深基坑的坑外区域固定一个矩形测量标尺，并安装摄 像头实时采集该矩形标尺所在区域的图像。

步骤2，采用Sobel垂直边缘检测算子A进行边缘检测，提取出矩形测量标尺的两条垂 直边缘线，如图3所示。

2.1：采用Sobel垂直边缘检测算子对所采集图像A进行边缘检测，得到竖直方向上的梯 度图像G_x：

2.2：遍历梯度图像G_x，对梯度值按列求和，在矩形测量标杆两垂直边缘线处出现两个峰 值，进而提取出两条垂直边缘线的坐标，分别为标尺的左垂直边缘坐标x₁和右垂直边缘坐 标x₂。

2.3：分割出x₁-x₂区域的水位标尺图像B。

步骤3，采用Sobel水平边缘检测算法对所分割的x₁-x₂区域内图像B进行水平边缘检 测，提取出深基坑水位线以及标杆顶部水平线。

3.1：采用Sobel垂直边缘检测算子对所采集图像B进行边缘检测，得到竖直方向上的 梯度图像G_y：

3.2：遍历梯度图像G_y，对梯度值按行求和，在矩形测量标杆两垂直边缘线处出现两个峰 值，进而提取出检深基坑水位线以及标杆顶部水平线，分别测量标尺顶部坐标y₁和水位线 坐标y₂。

步骤4，根据垂直边缘线获得图像中矩形测量标尺的宽度，根据水平边缘线获得图像中 水位线上的测量标尺的长度。由图像中的标尺宽度与实际的标尺宽度比值计算出实际水位线 上的测量标尺的长度。最后由测量标尺的实际高度和宽度与上述测量数据计算出实际水位。 具体为：

Y＝L-(y₁-y₂)*X/(x₁-x₂)

其中，y₁-y₂为图像中水平面以上测量标杆的长度，x₁-x₂为图像中测量标尺的宽度，X 测量标尺的实际宽度，L测量标尺的总长，Y为测量出的水位值。

Claims (5)

1.一种基于视频图像处理的深基坑的坑外水位在线检测方法，其特征在于，包括如下步骤：

步骤1，在待测量的深基坑的坑外区域固定一个矩形测量标尺，并安装摄像头实时采集该矩形标尺所在区域的图像A：

步骤2，采用Sobel垂直边缘检测算子对图像A进行边缘检测，提取出矩形测量标尺的两条垂直边缘线，分割出水位标尺图像B；

步骤3，采用Sobel水平边缘检测算法对所采集的区域图像B进行水平边缘检测，提取出检深基坑水位线；以及标杆顶部水平线；

步骤4，根据垂直边缘线获得图像中矩形测量标尺的宽度，根据水平边缘线获得图像中水位线上的测量标尺的长度；由图像中的标尺宽度与实际的标尺宽度比值计算出实际水位线上的测量标尺的长度；最后由测量标尺的实际高度和宽度与上述测量数据计算出实际水位。

2.根据权利要求1所述的一种基于视频图像处理的深基坑的坑外水位在线检测方法，其特征在于，所述步骤1中，采用的矩形测量标尺为无刻度的安装稳定的矩形标杆。

3.根据权利要求1所述的一种基于视频图像处理的深基坑的坑外水位在线检测方法，其特征在于，所述步骤2具体包括如下步骤：

步骤2.1，采用Sobel边缘检测算法对所采集图像进行垂直边缘检测，得到竖直方向上的梯度图像G_x；

步骤2.2，遍历梯度图像G_x，对灰度值按行求和，在矩形测量标杆两垂直边缘线处出现两个峰值，进而提取出两条垂直边缘线的坐标，分别为标尺的左垂直边缘坐标x₁和右垂直边缘坐标x₂。

4.根据权利要求1所述的一种基于视频图像处理的深基坑的坑外水位在线检测方法，其特征在于，所述步骤3具体包括如下步骤：

步骤3.1，采用Sobel边缘检测算法对所采集图像进行水平边缘检测，得到水平方向上的梯度图像G_y；

步骤3.2，遍历梯度图像G_y，对灰度值按行求和，在矩形测量标杆两垂直边缘线处出现两个峰值，根据阈值提取出标杆顶部坐标y₁和水位线坐标y₂。

5.根据权利要求1所述的一种基于视频图像处理的深基坑的坑外水位在线检测方法，其特征在于，所述步骤4中，实时的水位值的具体计算公式如下：

Y＝L-(y₁-y₂)*X/(x₁-x₂)

其中，y₁-y₂为图像中水平面以上测量标杆的长度，x₁-x₂为图像中测量标尺的宽度，X测量标尺的实际宽度，L测量标尺的总长，Y为测量出的水位值。