CN111210403B - 一种土体浸润线监测方法 - Google Patents
一种土体浸润线监测方法 Download PDFInfo
- Publication number
- CN111210403B CN111210403B CN201911298072.8A CN201911298072A CN111210403B CN 111210403 B CN111210403 B CN 111210403B CN 201911298072 A CN201911298072 A CN 201911298072A CN 111210403 B CN111210403 B CN 111210403B
- Authority
- CN
- China
- Prior art keywords
- image
- saturation line
- soil body
- line
- soil
- 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
- 239000002689 soil Substances 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000001764 infiltration Methods 0.000 title claims abstract description 13
- 230000008595 infiltration Effects 0.000 title claims abstract description 13
- 238000005516 engineering process Methods 0.000 claims abstract description 9
- 230000011218 segmentation Effects 0.000 claims abstract description 8
- 238000002791 soaking Methods 0.000 claims abstract 2
- 238000012545 processing Methods 0.000 claims description 11
- 230000000877 morphologic effect Effects 0.000 claims description 7
- 238000003709 image segmentation Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 14
- 238000005259 measurement Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000009736 wetting Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 2
- 241000282376 Panthera tigris Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
一种土体浸润线检测方法，属于浸润线检测技术领域。方法包括步骤S01,利用双目相机实时获取土体剖面图像；步骤S02，对获得的土体剖面图像进行分割处理，分割出浸润部分和未浸润部分，得到浸润分割线；步骤S03，通过双目立体匹配技术，计算出浸润线的三维坐标，实时监测浸润线的高度。本发明基于图像识别技术实现，在采用较少终端装置下，就能实现动态实时监测，且适用于古遗迹监测保护场景中。
Description
技术领域
本发明属于浸润线检测技术领域，尤其涉及一种土体浸润线监测方法。
背景技术
传统的浸润线检测主要是靠专业人员定期带上测量设备到现场进行人工测量读取数据，手工记录在进行分析。大部分浸润线检测的场景，例如水库堤坝，从建成成功到现在一直采用这种工作模式，这样不仅消耗大量的人力和物力，而且导致很长一段时间才能进行一次测量，不能满足国家30分钟内准确的可靠的报送水位数据的目的。现有的浸润线检测方式通常采用接触式的方法，通过布设渗压计、湿度传感器、数据采集仪等传感器，实现剖面浸润线的检测。该监测方式复杂,需要多个传感器布设点。在一些古遗迹监测保护场景中，例如在良渚老虎岭土坝遗址的监测中，接触式的检测方法就不适用。
实用新型专利CN201620724164.3公开了一种快速测定渗流浸润线位置的装置，并具体公开了装置包括土样盛放容器（1），所述土样盛放容器（1）的外壁沿着轴向等间距加工有多个检测孔（2），所述土样盛放容器（1）的顶部和底部通过导线分别与直流电源（4）的正极和负极相连，所述不同高度的检测孔（2）通过导线与自动采集系统相连。所述自动采集系统包括电压采集卡（3），所述电压采集卡（3）的信号输出端通过信号线与工控机PC（5）相连。该装置在实验前需要专门通过电势差与含水率之间的关系来确定含水段长度，并界定出电阻和含水率的对应关系。该装置无法实现实时动态监测。
发明内容
本发明针对现有技术存在的问题，提出了一种土体浸润线监测方法，基于图像识别技术实现，在采用较少终端装置下，就能实现动态实时监测，且适用于古遗迹监测保护场景中。
本发明是通过以下技术方案得以实现的：
本发明一种土体浸润线监测方法,包括:
步骤S01,利用双目相机实时获取土体剖面图像；
步骤S02，对获得的土体剖面图像进行分割处理，分割出浸润部分和未浸润部分，得到浸润分割线；
步骤S03，通过双目立体匹配技术，计算出浸润线的三维坐标，实时监测浸润线的高度。
本发明采用机器视觉的方法，利用相机获取土坝剖面图像，采用图像处理技术，对土坝剖面进行图像分割，识别出浸润土体和未浸润的土体，得到土体浸润的分割线。采用双目相机，将相机假设在固定的位置上，实时获取土坝剖面图像，通过双目三维重建技术，获取图像中目标的三维尺寸信息，计算浸润线的高度，实现浸润线的动态监测。
作为优选，所述双目相机为被动式双目相机。
作为优选，在对获得的土体剖面图像进行分割处理前，对图像进行灰度化，之后进行中值滤波处理，去除图像噪声。
作为优选，所述步骤S02包括：
步骤S21，选择图像模板，提取图像模板类的像素灰度均值和像素灰度方差；
步骤S22，将像素灰度均值、像素灰度方差和当前像素的灰度值作为当前像素的统计特征，利用图像分割算法进行聚类，将像素分类为浸润部分和未浸润部分；
步骤S23，获取分割后图像的浸润分割线。
作为优选，所述步骤S23包括：
步骤S231，利用形态学开运算对分割后的图像进行错误消除处理；
步骤S232，对错误消除后的图像求取图像连通域，删除连通域面积较小的区域；
步骤S233，利用形态学闭运算填充浸润区域内部空洞；
步骤S234，采用轮廓提取算法，提取浸润线轮廓，获取浸润分割线。
作为优选，所述步骤S03包括：
步骤S31，通过双目相机获取两幅图像，进行立体匹配；
步骤S32，计算浸润线上每个像素点的视差，进而获取每个像素点的三维坐标。
本发明具有以下有益效果：
本发明一种土体浸润线监测方法，检测简单，能对浸润线进行实时动态监测。
附图说明
图1为本发明一种土体浸润线监测方法的流程图；
图2a为依据本发明一种土体浸润线检测方法检测时的图像1；
图2b为依据本发明一种土体浸润线检测方法检测时的图像2；
图2c为依据本发明一种土体浸润线检测方法检测时的图像3；
图2d为依据本发明一种土体浸润线检测方法检测时的图像4
图2e为依据本发明一种土体浸润线检测方法检测时的图像5；
图2f为依据本发明一种土体浸润线检测方法检测时的图像6。
具体实施方式
以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
如图1，一种土体浸润线监测方法,包括:
步骤S01,利用双目相机实时获取土体剖面图像；
步骤S02，对获得的土体剖面图像进行分割处理，分割出浸润部分和未浸润部分，得到浸润分割线；
步骤S03，通过双目立体匹配技术，计算出浸润线的三维坐标，实时监测浸润线的高度。
为实现浸润线的高度测量，且不用其他标记板，选用双目相机作为图像采集传感器，双目相机可以模拟人类的眼睛，通过目标在两幅图像中的位置差异，计算出目标的视差，通过立体匹配技术，实现目标真实坐标的测量，最终实现浸润线高度的测量。
相机的分辨率要足够高，高分辨的相机能够提高测量的精度；相机的视场角相对要大，大的视场角能够获取的目标范围大，这样单个相机的监测范围会广。双目相机应选用被动式双目相机，适用与室外，主动式的双目相机多采用结构光的方式，室外使用受限。这里选用stereolabs的zed双目相机，分辨率为4416x1242，视场角为100度，工作距离为0.5-20m。
在对获得的土体剖面图像进行分割处理前，对获取的土体剖面图像进行灰度化处理，之后进行中值滤波处理，如5 x5中值滤波处理，去除图像噪声(参见图2a)。
所述步骤S02包括：
步骤S21，选择图像模板，提取图像模板类的像素灰度均值和像素灰度方差；
步骤S22，将像素灰度均值、像素灰度方差和当前像素的灰度值作为当前像素的统计特征，利用图像分割算法进行聚类，将像素分类为浸润部分和未浸润部分；
步骤S23，获取分割后图像的浸润分割线。
由图2a可以看出，土体在被水浸润后，灰度会有明显的变化，采用Kmeans图像分割算法，采用9x9的模板，提取图像模板类的像素灰度均值和像素灰度方差，以像素灰度均值、像素灰度方差和当前像素值作为模板中心像素的统计特征，使用kmeans算法对像素进行聚类，将像素分类浸润部分和未浸润部分，分割后的图像如图2b所示。
进一步，所述步骤S23包括：
步骤S231，利用形态学开运算对分割后的图像进行错误消除处理。
由于土坝本身坑坑洼洼的特点，分割后的图像有许多被错误分割的小区域，采用形态学开运算，将检测错误的与分离，以便于后续消除，处理后的图像如图2c所示。
步骤S232，对错误消除后的图像求取图像连通域，删除连通域面积较小的区域。
删除面积较小的噪声区域，即去除孤立区域，处理后的图像如图2d所示。
步骤S233，利用形态学闭运算填充浸润区域内部空洞。处理后的图像如图2e所示。
步骤S234，采用轮廓提取算法，提取浸润线轮廓，获取浸润分割线。处理后的图像如图2f所示。
所述步骤S03包括：
步骤S31，通过双目相机获取两幅图像，进行立体匹配；
步骤S32，计算浸润线上每个像素点的视差，进而获取每个像素点的三维坐标。
本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。
Claims (6)
1.一种土体浸润线监测方法,其特征在于,包括:
步骤S01,利用双目相机实时获取土体剖面图像；
步骤S02，对获得的土体剖面图像进行分割处理，分割出浸润部分和未浸润部分，得到浸润线；
步骤S03，通过双目立体匹配技术，计算出浸润线的三维坐标，实时监测浸润线的高度。
2.根据权利要求1所述的一种土体浸润线监测方法，其特征在于，所述双目相机为被动式双目相机。
3.根据权利要求1所述的一种土体浸润线监测方法，其特征在于，在对获得的土体剖面图像进行分割处理前，对图像进行灰度化，之后进行中值滤波处理，去除图像噪声。
4.根据权利要求1所述的一种土体浸润线监测方法，其特征在于，所述步骤S02包括：
步骤S21，选择图像模板，提取图像模板的像素灰度均值和像素灰度方差；
步骤S22，将像素灰度均值、像素灰度方差和当前像素的灰度值作为当前像素的统计特征，利用图像分割算法进行聚类，将像素分类为浸润部分和未浸润部分；
步骤S23，获取分割后图像的浸润线。
5.根据权利要求4所述的一种土体浸润线监测方法，其特征在于，所述步骤S23包括：
步骤S231，利用形态学开运算对分割后的图像进行错误消除处理；
步骤S232，对错误消除后的图像求取图像连通域，删除连通域面积较小的区域；
步骤S233，利用形态学闭运算填充浸润区域内部空洞；
步骤S234，采用轮廓提取算法，提取浸润线轮廓，获取浸润线。
6.根据权利要求1所述的一种土体浸润线监测方法，其特征在于，所述步骤S03包括：
步骤S31，通过双目相机获取两幅图像，进行立体匹配；
步骤S32，计算浸润线上每个像素点的视差，进而获取每个像素点的三维坐标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911298072.8A CN111210403B (zh) | 2019-12-17 | 2019-12-17 | 一种土体浸润线监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911298072.8A CN111210403B (zh) | 2019-12-17 | 2019-12-17 | 一种土体浸润线监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111210403A CN111210403A (zh) | 2020-05-29 |
| CN111210403B true CN111210403B (zh) | 2022-07-26 |
Family
ID=70784237
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911298072.8A Active CN111210403B (zh) | 2019-12-17 | 2019-12-17 | 一种土体浸润线监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111210403B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103257644A (zh) * | 2013-05-21 | 2013-08-21 | 青岛理工大学 | 一种尾矿库安全状态在线监测方法 |
| CN103852041A (zh) * | 2014-03-05 | 2014-06-11 | 北京矿冶研究总院 | 一种尾矿库干滩长度在线监测的方法 |
| CN109738137A (zh) * | 2019-01-02 | 2019-05-10 | 山东交通学院 | 基于图像对比的土石坝渗漏实时监测与快速诊断方法 |
-
2019
- 2019-12-17 CN CN201911298072.8A patent/CN111210403B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103257644A (zh) * | 2013-05-21 | 2013-08-21 | 青岛理工大学 | 一种尾矿库安全状态在线监测方法 |
| CN103852041A (zh) * | 2014-03-05 | 2014-06-11 | 北京矿冶研究总院 | 一种尾矿库干滩长度在线监测的方法 |
| CN109738137A (zh) * | 2019-01-02 | 2019-05-10 | 山东交通学院 | 基于图像对比的土石坝渗漏实时监测与快速诊断方法 |
Non-Patent Citations (2)
| Title |
|---|
| Phreatic Line Calculation and Stability Analysis of Slopes under the Combined Effect of Reservoir Water Level Fluctuations and Rainfall;Guanhua Sun 等;《Canadian Geotechnical Journal》;20171231;全文 * |
| 基于图像分割的尾矿坝干滩长度监测;黄青松等;《计算机测量与控制》;20160125(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111210403A (zh) | 2020-05-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108364280B (zh) | 结构裂缝自动化描绘及宽度精准测量方法与设备 | |
| CN109522788B (zh) | 基于随机森林分类算法的城市范围提取方法、装置及电子设备 | |
| CN107506798B (zh) | 一种基于图像识别的水位监测方法 | |
| CN105550678B (zh) | 基于全局显著边缘区域的人体动作特征提取方法 | |
| CN104766320B (zh) | 阈值化量测下的多伯努利滤波弱目标检测与跟踪方法 | |
| CN108921165B (zh) | 基于水尺图像的水位识别方法 | |
| CN112560716B (zh) | 一种基于低层特征融合的高分辨率遥感影像水体提取方法 | |
| CN110223267A (zh) | 基于高度直方图分割的耐火砖深度缺陷的识别方法 | |
| CN113392846A (zh) | 一种基于深度学习的水尺水位监测方法及系统 | |
| CN109508709A (zh) | 一种基于机器视觉的单指针仪表读数方法 | |
| CN110503623A (zh) | 一种基于卷积神经网络的识别输电线路上鸟巢缺陷的方法 | |
| CN108663382A (zh) | 基于视觉显著性的纸张表面缺陷检测的方法及装置 | |
| CN113554667A (zh) | 一种基于图像识别的三维位移检测方法及装置 | |
| CN114120094A (zh) | 一种基于人工智能的水污染识别方法及系统 | |
| CN116152697A (zh) | 一种混凝土结构裂缝的三维模型测量方法及相关装置 | |
| CN113469178A (zh) | 一种基于深度学习的电力表计识别方法 | |
| CN106846324B (zh) | 一种基于Kinect的非规则物体高度测量方法 | |
| Ma et al. | Rapid estimation of apple phenotypic parameters based on 3D reconstruction | |
| CN111210403B (zh) | 一种土体浸润线监测方法 | |
| CN109556542B (zh) | 复杂点阵镂空结构ct尺寸测量方法 | |
| CN106324708B (zh) | 雨量记录图纸的数字化方法、装置 | |
| CN114005027A (zh) | 一种基于无人机影像的城市单木检测系统及方法 | |
| KR20230089554A (ko) | 전기화학적 센서 및 측정방법 | |
| CN112330660B (zh) | 一种基于神经网络的精子尾部检测方法及其系统 | |
| CN115631209A (zh) | 水凝胶球溶胀参数测量方法、系统、装置和存储介质 |
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 | ||
| CB02 | Change of applicant information |
Address after: 311121 room 206-002, 2 / F, building 8, Xixi bafangcheng, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province Applicant after: HANGZHOU RUHR TECHNOLOGY Co.,Ltd. Address before: 310024 a4-4-201, Shuangliu 643, Zhuantang street, Xihu District, Hangzhou, Zhejiang Province Applicant before: HANGZHOU RUHR TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |