CN112308009B - 水尺水位识别方法及装置 - Google Patents
水尺水位识别方法及装置 Download PDFInfo
- Publication number
- CN112308009B CN112308009B CN202011263111.3A CN202011263111A CN112308009B CN 112308009 B CN112308009 B CN 112308009B CN 202011263111 A CN202011263111 A CN 202011263111A CN 112308009 B CN112308009 B CN 112308009B
- Authority
- CN
- China
- Prior art keywords
- water gauge
- water
- circular area
- circular
- water level
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 682
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000009826 distribution Methods 0.000 claims description 21
- 230000011218 segmentation Effects 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000003064 k means clustering Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000005286 illumination Methods 0.000 description 5
- 239000003086 colorant Substances 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229910052704 radon Inorganic materials 0.000 description 1
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/182—Network patterns, e.g. roads or rivers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation 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
- G06V10/267—Segmentation 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
-
- 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
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
Abstract
本发明提供一种水尺水位识别方法及装置,该方法包括:从待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域;根据所述水尺头部中各带状区域的高度,获取所述待识别水尺图像中水尺的编码,根据所述编码获取所述编码对应的水尺编号和所述水尺编号对应的水尺零点高程;获取所述待识别水尺图像中的水平面穿过的任一圆形区域,根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数,将所述水位读数和所述水尺零点高程相加,获取所述水尺的水位识别结果。本实施例实现自动水尺水位识别,方法简单,其提高了水位识别的准确性。
Description
技术领域
本发明涉及水利监测技术领域,尤其涉及一种水尺水位识别方法及装置。
背景技术
水位水尺是观读江河、湖泊、水库和灌渠水位的标尺,用以观测地下水位和海洋潮汐水位的变化。
人工观读水尺是航道人员获取水位的重要手段。在数字航道条件下,自动水位站自动采集水位方式逐步取代人工观读方式,自动水位站采用气泡式水位计。但由于水温、水密和水位大幅变化,会打破气管压力与水位之间的平衡关系,从而影响水位采集的准确性。因此,目前通过人工观读水尺的水位与自动水位站采集的水位进行比测,是提高自动水位站采集水位准确率的最有效方法。
将人工观读的水位与自动水位站采集的水位进行比测获取最终水位的方法一般分为观读、查阅水尺编号对应的水尺0点高程、计算水位和水位比测四个步骤。其中,水位观读采用多次观读水尺,一般在三分钟内完成,将多次观读结果中出现频率最高的水位观读结果作为最终观读数据;然后根据水尺桩的编号查询水尺桩的0点高程,将最终观读数据和0点高程相加,计算得出最终观读水位;最后将最终观读水位与自动水位站实时采集的水位进行比对,若两者之间的误差在预设范围内,如小于5厘米,则将人工观读水位作为正确水位,否则将自动水位站采集的水位作为正确水位。
比测的频率越高水位数据越准确。每次比测需要专业人员到现场观读,个别航道处辖区水位配布比较密,工作量较大,由于需要进行计算,容易出错。
发明内容
本发明提供一种水尺水位识别方法及装置,用以解决现有技术中水位获取方法费时费力、准确性差且容易出错的缺陷,实现水尺水位的自动准确识别。
本发明提供一种水尺水位识别方法,包括:
从待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域;其中,所述圆形区域在所述水尺主体的表面成列分布,任一列所述圆形区域中相邻两个圆形区域外切且每列圆形区域的长度等于所述水尺主体的长度;
根据所述水尺头部中各带状区域的高度,获取所述待识别水尺图像中水尺的编码,根据所述编码获取所述编码对应的水尺编号和所述水尺编号对应的水尺零点高程;其中,所述编码与所述水尺编号,以及所述水尺编号与所述水尺零点高程之间的关联关系预先存储;
获取所述待识别水尺图像中的水平面穿过的任一圆形区域,根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数,将所述水位读数和所述水尺零点高程相加,获取所述水尺的水位识别结果。
根据本发明一个实施例的水尺水位识别方法,所述从待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域,之前还包括:
对所述待识别水尺图像进行预处理;
其中,所述预处理包括灰度处理、NL-Means处理、倾斜校正和去雾处理。
根据本发明一个实施例的水尺水位识别方法,所述从待识别水尺图像中提取水尺头部的多个带状区域,包括:
基于超像素和阈值分割相结合的显著目标检测算法提取出所述水尺头部的第一带状区域;
基于LBP算法根据所述第一带状区域的纹理特征,从所述第一带状区域中提取出所述水尺头部的第二带状区域;
相应地,所述根据所述水尺头部中带状区域的高度分布,获取所述高度分布对应的水尺编号和所述水尺编号对应的水尺零点高程,包括:
根据所述第二带状区域在所述水尺头部中的高度分布,获取所述高度分布对应的水尺编号和所述水尺编号对应的水尺零点高程。
根据本发明一个实施例的水尺水位识别方法,所述从待识别水尺图像中提取水尺主体上的圆形区域,包括:
基于K均值聚类算法获取所述水尺主体上的圆形区域的初始分割结果;
基于能量函数对所述初始分割结果进行优化,获取所述圆形区域的最终分割结果。
根据本发明一个实施例的水尺水位识别方法,当所述水平面经过该圆形区域的圆心时,通过以下公式根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数:
h=l–d*n–r;
其中,h为所述水尺主体的水位读数,l为所述水尺主体的总长,d为每个圆形区域的直径,r为每个圆形区域的半径,n为该圆形区域正上方的圆形区域的个数;
当所述水平面位于该圆形区域的圆心的上方时,通过以下公式根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数:
h=l–d*n–s;
其中,s为所述水平面与该圆形区域的圆心之间的高度差,α为所述水平面与该圆形区域的任一交点和紧邻该圆形区域上方的圆形区域的圆心之间的连线与所述水平面之间的夹角;
当所述水平面位于该圆形区域的圆心的下方时,通过以下公式根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数:
h=l–d*n–r–x;
x=r·sinβ;
其中,x为所述水平面与该圆形区域的圆心之间的高度差,β为所述水平面与该圆形区域的任一交点和该圆形区域的圆心之间的连线与所述水平面之间的夹角。
根据本发明一个实施例的水尺水位识别方法,所述从待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域,包括:
从预设时间段内采集的多张待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域;
相应地,所述将所述水位读数和所述水尺零点高程相加,获取所述待识别水尺图像中水尺的水位识别结果,之后还包括:
计算多张待识别水尺图像的水位识别结果的平均值;
计算每张待识别水尺图像的水位识别结果与所述平均值之间的差值;
若所述差值大于预设阈值,则删除所述差值对应的水位识别结果;
计算剩余的水位识别结果的平均值,将剩余的水位识别结果的平均值作为所述水尺的最终水位识别结果。
本发明还提供一种根据本发明一个实施例的水尺水位识别装置,包括:
提取模块,用于从待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域;其中,所述圆形区域在所述水尺主体的表面成列分布,任一列所述圆形区域中相邻两个圆形区域外切且每列圆形区域的长度等于所述水尺主体的长度;
获取模块,用于根据所述水尺头部中各带状区域的高度,获取所述待识别水尺图像中水尺的编码,根据所述编码获取所述编码对应的水尺编号和所述水尺编号对应的水尺零点高程;其中,所述编码与所述水尺编号,以及所述水尺编号与所述水尺零点高程之间的关联关系预先存储;
计算模块,用于获取所述待识别水尺图像中的水平面穿过的任一圆形区域,根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数,将所述水位读数和所述水尺零点高程相加,获取所述水尺的水位识别结果。
根据本发明一个实施例的水尺水位识别装置,当所述水平面经过该圆形区域的圆心时,所述计算模块通过以下公式根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数:
h=l–d*n–r;
其中,h为所述水尺主体的水位读数,l为所述水尺主体的总长,d为每个圆形区域的直径,r为每个圆形区域的半径,n为该圆形区域正上方的圆形区域的个数;
当所述水平面位于该圆形区域的圆心的上方时,所述计算模块通过以下公式根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数:
h=l–d*n–s;
其中,s为所述水平面与该圆形区域的圆心之间的高度差,α为所述水平面与该圆形区域的任一交点和紧邻该圆形区域上方的圆形区域的圆心之间的连线与所述水平面之间的夹角;
当所述水平面位于该圆形区域的圆心的下方时,所述计算模块通过以下公式根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数:
h=l–d*n–r–x;
x=r·sinβ;
其中,x为所述水平面与该圆形区域的圆心之间的高度差,β为所述水平面与该圆形区域的任一交点和该圆形区域的圆心之间的连线与所述水平面之间的夹角。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述水尺水位识别方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述水尺水位识别方法的步骤。
本发明提供的水尺水位识别及装置,通过从待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域,使用带状区域的高度分布对水尺进行唯一标识,从而根据唯一标识获取水尺零点高程;使用水尺主体上的圆形区域计算水位读数,从而自动根据待识别水位图像识别出水位结果,方法简单高效;此外,带状区域和圆形区域便于提取,提高了水位识别的准确性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的一种水尺水位识别方法的流程示意图;
图2是本发明提供的一种水尺水位识别方法中的水尺结构示意图;
图3是本发明提供的一种水尺水位识别方法中水尺的自感应发光装置的电路原理图;
图4是本发明提供的一种水尺水位识别方法中水平面经过圆形区域中心点的场景示意图;
图5是本发明提供的一种水尺水位识别方法中水平面没过圆形区域中心点的场景示意图;
图6是本发明提供的一种水尺水位识别方法中水平面未没过圆形区域中心点的场景示意图;
图7是本发明提供的一种水尺水位识别装置的结构示意图;
图8是本发明提供的一种电子设备的结构示意图;
附图标记:
1:太阳能光板; 2:电路机箱; 3:水压传感器;
4:边界控制条码; 5:带状区域; 6:光源;
7:水尺主体; 8:浮力漂; 9:钎杆;
10:固定底座。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合图1至图3描述本发明实施例的水尺水位识别方法,包括:步骤101,从待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域;其中,所述圆形区域在所述水尺主体的表面成列分布,任一列所述圆形区域中相邻两个圆形区域外切且每列圆形区域的长度等于所述水尺主体的长度;
其中,待识别水尺图像为用于识别水位的包含水尺的图像。为了实现水位的自动识别,通过分析拍摄的待识别水尺图像识别水位,需要使用一种特殊的水尺。如图2所示,该水尺包含水尺头部和水尺主体7。水尺头部包括多个带状区域5,多个带状区域5构成水尺头部的编码条纹。为了便于识别,相邻两个带状区域的颜色不同,如图2中的斜线填充和白色填充为不同颜色的带状区域。水尺头部还可以包括带状区域上下边缘的边界控制条码4。该水尺可以为长条状或圆柱形。水尺主体7上分布有一列或多列圆形区域。为了便于图像识别,每列圆形区域中相邻两个圆形区域的颜色不同,如每列圆形区域红蓝相间。
例如,该水尺为圆柱形,水尺头部共计25cm,水尺头部的边界控制条码4和带状区域5采用360度的水平纹路。水尺头部共有四个带状区域5,共计16.8cm。边界控制条码4共计8.2cm,其中上面的条纹包括1.0cm的黑色条纹和2.4cm的蓝色条纹,下面的条纹包括2.4cm的蓝色条纹和红色条纹,用于水尺头部编码条纹的边界控制,还可在水尺编码条纹识别时,辅助识别算法对水尺头部进行定位。水尺主体7的圆柱的直径为13.75cm,长度为108cm。同一水平线上采用6个红蓝相间的大小相同的圆外切围成,同一铅垂线上采用15个外切的圆形区域。所有圆形区域的直径为7.2cm。
在弱光条件下,由于水尺本身不带光源,导致拍摄的水尺图像不清晰。因此,本实施例中的水尺还可以包括自感应发光装置,如图2所示,该装置包括太阳能光板1、电路机箱2、水压传感器3和光源6。其中,太阳能光板1采用流线型半球体设计,当水位淹没水尺时,可减少水流对水尺冲击的阻力,且360度可接受太阳光照。
太阳能光板1内置有光敏传感器,用于感应光照强度,当光照减弱后,光敏传感器阻值减小,若此时水压传感器3的水压为0,则水压传感器3的电阻为0,光源6亮。光源6为LED灯源。电路机箱2采用封闭式设计,防止水流侵入,损坏电路。当水位达到水压传感器3所在的位置时,水压传感器感应到水压力,使得水压传感器阻值增大,切断光源6的供电线路,光源6在光照条件弱的情况下,也不再发光。光源6内嵌于水尺头部,光源6发出的光可以透过水尺头部,减少了水流对光源6的冲击。水尺主体为圆柱状设计,在水尺圆柱状四个方向,均安装有一个光源6,便于在弱光条件下,摄像头360度对水尺图像的采集。
如3为自感应发光装置的电路原理图。自感应发光装置包括光敏传感器和水压传感器,光敏传感器和水压传感器串联。光源开启需要满足两个条件:光线较弱且水位未淹没水尺。当光线弱时,光敏传感器的阻值下降,水位压力为0,即水位未淹没水尺时,水压传感器的阻值为0。此时,太阳能光板为光源提供电源,光源亮。
本实施例利用清洁能源太阳能进行发电,并将电能存储于蓄电池中,水尺在光线条件弱和水位未淹没水尺的情况下,可自动开启光源,解决了传统水尺光照条件弱,如夜晚的情况下水尺图像拍摄不清晰的问题,节约了能源。而且具有很好的鲁棒性,对环境的适应性强,针对雨雪、大雾、反光,弱光等恶劣环境识别水尺图像也具有良好的效果。
本实施例中的水尺还可以包括可随着水尺主体7上下移动的浮力漂8、固定水尺用的钎杆9和固定底座10。由于在自然环境中当光线较大时,存在严重的光照反射现象。利用摄像头拍摄的水尺图片,难以辨别水平面的具体位置,借助浮力漂,可清晰地指示水平面,更加便于后续的水位识别。同时,浮力漂8借助水的浮力上下浮动,还可达到清理水尺柱体异物的功能。钎杆9可插入固定底座10中,保证水尺能够牢靠的固定在水中。
步骤102,根据所述水尺头部中各带状区域的高度,获取所述待识别水尺图像中水尺的编码,根据所述编码获取所述编码对应的水尺编号和所述水尺编号对应的水尺零点高程;其中,所述编码与所述水尺编号,以及所述水尺编号与所述水尺零点高程之间的关联关系预先存储;
将水尺头部中各带状区域的高度除以预设单位高度,获取水尺的编码。例如,四个带状区域5共计16.8cm,设预设单位高度为2.4cm。若从上到下四个带状区域分别为2、1、2和2个单位的高度,则水尺的编码为2122。16.8cm包含7个单位的高度,将7个单位的高度分配给四个带状区域有20中分配情况,形成20中编码。每种编码对应一个水尺编号,水尺编号的范围为1至20,共计20个。水尺编号及其对应的编码格式记为waternumber-(xyzw),则水尺编码和其对应的编码分别为1-(1114)、2-(1123)、3-(1132)、4-(1141)、5-(1213)、6-(1222)、7-(1231)、8-(1312)、9-(1321)、10-(1411)、11-(2113)、12-(2122)、13-(2131)、14-(2212)、15-(2221)、16-(2311)、17-(3112)、18-(3121)、19-(3211)、20-(4111)。编码格式1-(1114)中,waternumber为1,代表水尺号码为1。x=1,y=1,z=1,w=4,表示从上到下四个带状区域分别为1、1、1和4个单位的高度。
水尺编号及其对应的编码存储到数据库中。通过查询该数据库,获取待识别水尺图像中水尺的编码对应的水尺编号。然后通过预先确定的水尺编号与水尺零点高程之间的关联关系,获取查询出的水尺编号对应的水尺零点高程。
步骤103,获取所述待识别水尺图像中的水平面穿过的任一圆形区域,根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数,将所述水位读数和所述水尺零点高程相加,获取所述水尺的水位识别结果。
由于每个圆形区域的大小已知,通过计算水平面穿过的某一个圆形区域所在的列中位于该圆形区域上方的所有完整圆形区域高度和该圆形区域位于水平面上方的高度之和,即可获知水尺主体位于水平面上方的高度。用水尺的高度减去水尺主体位于水平面上方的高度即可获取水位读数。
本实施例通过从待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域,使用带状区域的高度分布对水尺进行唯一标识,从而根据唯一标识获取水尺零点高程;使用水尺主体上的圆形区域计算水位读数,从而自动根据待识别水位图像识别出水位结果,方法简单高效;此外,带状区域和圆形区域便于提取,提高了水位识别的准确性。
在上述实施例的基础上,本实施例中所述从待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域,之前还包括:对所述待识别水尺图像进行预处理;其中,所述预处理包括灰度处理、NL-Means(Non-Local Means,非局部均值)处理、倾斜校正和去雾处理。
具体地,受到各种恶劣复杂环境的影响,利用摄像头拍摄的水尺图像存在光照较强或较弱,存在污渍和雾霾等各种问题。为了更精确地提取水尺头部的多个带状区域和水尺主体上的圆形区域,本实施例对待识别水尺图像首先进行预处理。倾斜校正采用Radon变换法,去雾处理采用基于大气光模型。
在上述实施例的基础上,本实施例中所述从待识别水尺图像中提取水尺头部的多个带状区域,包括:基于超像素和阈值分割相结合的显著目标检测算法提取出所述水尺头部的第一带状区域;基于LBP(Local Binary Pattern,局部二进制模式)算法根据所述第一带状区域的纹理特征,从所述第一带状区域中提取出所述水尺头部的第二带状区域;相应地,所述根据所述水尺头部中带状区域的高度分布,获取所述高度分布对应的水尺编号和所述水尺编号对应的水尺零点高程,包括:根据所述第二带状区域在所述水尺头部中的高度分布,获取所述高度分布对应的水尺编号和所述水尺编号对应的水尺零点高程。
在上述实施例的基础上,本实施例中所述从待识别水尺图像中提取水尺主体上的圆形区域,包括:基于K均值(K-means)聚类算法获取所述水尺主体上的圆形区域的初始分割结果;基于能量函数对所述初始分割结果进行优化,获取所述圆形区域的最终分割结果。
具体地,对于水尺主体上圆形区域的提取,采用基于高阶能量优化函数模型的超像素方法。首先,采用K均值聚类算法获取超像素的初始分割;然后,利用高阶能量构成的能量函数对图像分割进行优化。由于水尺主体为等面积大小的圆形区域。因此,采用超像素算法可保持圆形区域的紧致性,并能更好的贴合每个圆形区域边界。能量函数描述为:
E(Li)=λd*Edata(Li)+λb*Esmooth(Li)+λh*Ehigh(Li);
其中,Edata(Li)为待识别水尺图像的梯度误差数据项;Esmooth(Li)为用于限制形状的平滑项,以色调和亮度与空间距离采用类似双边滤波的方式计算权重并累积;Ehigh(Li)为高阶项;λd,λb和λh分别是对应的权值系数,且λd+λb+λh=1;Li为标签,以均值漂移算法进行分割。
在上述各实施例的基础上,本实施例中如图4所示,当所述水平面经过该圆形区域的圆心A时,通过以下公式根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数:
h=l–d*n–r;
其中,h为所述水尺主体的水位读数,l为所述水尺主体的总长,d为每个圆形区域的直径,r为每个圆形区域的半径,n为该圆形区域正上方的圆形区域的个数;
如图5所示,当所述水平面位于该圆形区域的圆心A的上方时,通过以下公式根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数:
h=l–d*n–s;
其中,s为所述水平面与该圆形区域的圆心之间的高度差,α为所述水平面与该圆形区域的任一交点和紧邻该圆形区域上方的圆形区域的圆心之间的连线与所述水平面之间的夹角;
此种情况下,水平面所穿过的圆形区域只有高度s还在水平面以上,因此计算水位读数需要先计算s的值。角度α可计算出。其中:
如图6所示,当所述水平面位于该圆形区域的圆心的下方时,通过以下公式根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数:
h=l–d*n–r–x;
x=r·sinβ;
其中,x为所述水平面与该圆形区域的圆心之间的高度差,β为所述水平面与该圆形区域的任一交点和该圆形区域的圆心之间的连线与所述水平面之间的夹角。
在上述各实施例的基础上,本实施例中所述从待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域,包括:从预设时间段内采集的多张待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域;相应地,所述将所述水位读数和所述水尺零点高程相加,获取所述待识别水尺图像中水尺的水位识别结果,之后还包括:计算多张待识别水尺图像的水位识别结果的平均值;计算每张待识别水尺图像的水位识别结果与所述平均值之间的差值;若所述差值大于预设阈值,则删除所述差值对应的水位识别结果;计算剩余的水位识别结果的平均值,将剩余的水位识别结果的平均值作为所述水尺的最终水位识别结果。
具体地,本实施例利用摄像头在预设时间端内对水尺的图像进行多次采集,获取N张待识别水尺图像;然后对所采集的N张待识别水尺图像进行自动识别,得到N个水位识别结果;再计算N个水位识别结果的平均值。若水尺的任一水位识别结果与平均值之间的差值大于预设阈值,则剔除该水位识别结果;将剩余的水位识别结果的平均值作为水尺的最终水位识别结果。
本实施例通过在预设时间段内采集多张待识别水尺图像,并进行多次识别,剔除在阈值范围之外的大误差水位识别结果,再对剩余的水位识别结果求取平均值,保证了水位识别结果的精确性,减少了偶然误差。
下面对本发明实施例提供的水尺水位识别装置进行描述,下文描述的水尺水位识别装置与上文描述的水尺水位识别装置方法可相互对应参照。
如图7所示,该装置包括提取模块701、获取模块702和计算模块703,其中:
提取模块701用于从待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域;其中,所述圆形区域在所述水尺主体的表面成列分布,任一列所述圆形区域中相邻两个圆形区域外切且每列圆形区域的长度等于所述水尺主体的长度;
其中,待识别水尺图像为用于识别水位的包含水尺的图像。为了实现水位的自动识别,通过分析拍摄的待识别水尺图像识别水位,需要使用一种特殊的水尺。该水尺包含水尺头部和水尺主体。水尺头部包括多个带状区域,多个带状区域构成水尺头部的编码条纹。为了便于识别,相邻两个带状区域的颜色不同。水尺头部还可以包括带状区域上下边缘的边界控制条码。该水尺可以为长条状或圆柱形。所述水尺主体上分布有一列或多列圆形区域。为了便于图像识别,每列圆形区域中相邻两个圆形区域的颜色不同,如每列圆形区域红蓝相间。
获取模块702用于根据所述水尺头部中各带状区域的高度,获取所述待识别水尺图像中水尺的编码,根据所述编码获取所述编码对应的水尺编号和所述水尺编号对应的水尺零点高程;其中,所述编码与所述水尺编号,以及所述水尺编号与所述水尺零点高程之间的关联关系预先存储;
将水尺头部中各带状区域的高度除以预设单位高度,获取水尺的编码。水尺编号及其对应的编码存储到数据库中。通过查询该数据库,获取待识别水尺图像中水尺的编码对应的水尺编号。然后通过预先确定的水尺编号与水尺零点高程之间的关联关系,获取查询出的水尺编号对应的水尺零点高程。
计算模块703用于获取所述待识别水尺图像中的水平面穿过的任一圆形区域,根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数,将所述水位读数和所述水尺零点高程相加,获取所述水尺的水位识别结果。
由于每个圆形区域的大小已知,通过计算水平面穿过的某一个圆形区域所在的列中位于该圆形区域上方的所有完整圆形区域高度和该圆形区域位于水平面上方的高度之和,即可获知水尺主体位于水平面上方的高度。用水尺的高度减去水尺主体位于水平面上方的高度即可获取水位读数。
本实施例通过从待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域,使用带状区域的高度分布对水尺进行唯一标识,从而根据唯一标识获取水尺零点高程;使用水尺主体上的圆形区域计算水位读数,从而自动根据待识别水位图像识别出水位结果,方法简单高效;此外,带状区域和圆形区域便于提取,提高了水位识别的准确性。
在上述实施例的基础上,本实施例中还包括预处理模块,用于对所述待识别水尺图像进行预处理;其中,所述预处理包括灰度处理、NL-Means(Non-Local Means,非局部均值)处理、倾斜校正和去雾处理。
在上述实施例的基础上,本实施例中提取模块具体用于:基于超像素和阈值分割相结合的显著目标检测算法提取出所述水尺头部的第一带状区域;基于LBP算法根据所述第一带状区域的纹理特征,从所述第一带状区域中提取出所述水尺头部的第二带状区域;相应地,所述根据所述水尺头部中带状区域的高度分布,获取所述高度分布对应的水尺编号和所述水尺编号对应的水尺零点高程,包括:根据所述第二带状区域在所述水尺头部中的高度分布,获取所述高度分布对应的水尺编号和所述水尺编号对应的水尺零点高程。
在上述实施例的基础上,本实施例中提取模块具体用于:基于K均值聚类算法获取所述水尺主体上的圆形区域的初始分割结果;基于能量函数对所述初始分割结果进行优化,获取所述圆形区域的最终分割结果。
在上述实施例的基础上,本实施例中当所述水平面经过该圆形区域的圆心时,所述计算模块通过以下公式根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数:
h=l–d*n–r;
其中,h为所述水尺主体的水位读数,l为所述水尺主体的总长,d为每个圆形区域的直径,r为每个圆形区域的半径,n为该圆形区域正上方的圆形区域的个数;
当所述水平面位于该圆形区域的圆心的上方时,所述计算模块通过以下公式根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数:
h=l–d*n–s;
其中,s为所述水平面与该圆形区域的圆心之间的高度差,α为所述水平面与该圆形区域的任一交点和紧邻该圆形区域上方的圆形区域的圆心之间的连线与所述水平面之间的夹角;
当所述水平面位于该圆形区域的圆心的下方时,所述计算模块通过以下公式根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数:
h=l–d*n–r–x;
x=r·sinβ;
其中,x为所述水平面与该圆形区域的圆心之间的高度差,β为所述水平面与该圆形区域的任一交点和该圆形区域的圆心之间的连线与所述水平面之间的夹角。
图8示例了一种电子设备的实体结构示意图,如图8所示,该电子设备可以包括:处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令,以执行水尺水位识别方法,该方法包括:从待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域;根据所述水尺头部中各带状区域的高度,获取所述待识别水尺图像中水尺的编码,根据所述编码获取所述编码对应的水尺编号和所述水尺编号对应的水尺零点高程;获取所述待识别水尺图像中的水平面穿过的任一圆形区域,根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数,将所述水位读数和所述水尺零点高程相加,获取所述水尺的水位识别结果。
此外,上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的水尺水位识别方法,该方法包括:从待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域;根据所述水尺头部中各带状区域的高度,获取所述待识别水尺图像中水尺的编码,根据所述编码获取所述编码对应的水尺编号和所述水尺编号对应的水尺零点高程;获取所述待识别水尺图像中的水平面穿过的任一圆形区域,根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数,将所述水位读数和所述水尺零点高程相加,获取所述水尺的水位识别结果。
又一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的水尺水位识别方法,该方法包括:从待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域;根据所述水尺头部中各带状区域的高度,获取所述待识别水尺图像中水尺的编码,根据所述编码获取所述编码对应的水尺编号和所述水尺编号对应的水尺零点高程;获取所述待识别水尺图像中的水平面穿过的任一圆形区域,根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数,将所述水位读数和所述水尺零点高程相加,获取所述水尺的水位识别结果。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种水尺水位识别方法,其特征在于,包括:
从待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域;其中,所述圆形区域在所述水尺主体的表面成列分布,任一列所述圆形区域中相邻两个圆形区域外切且每列圆形区域的长度等于所述水尺主体的长度;
根据所述水尺头部中各带状区域的高度,获取所述待识别水尺图像中水尺的编码,根据所述编码获取所述编码对应的水尺编号和所述水尺编号对应的水尺零点高程;其中,所述编码与所述水尺编号,以及所述水尺编号与所述水尺零点高程之间的关联关系预先存储;
获取所述待识别水尺图像中的水平面穿过的任一圆形区域,根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数,将所述水位读数和所述水尺零点高程相加,获取所述水尺的水位识别结果;
当所述水平面经过该圆形区域的圆心时,通过以下公式根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数:
h=l–d*n–r;
其中,h为所述水尺主体的水位读数,l为所述水尺主体的总长,d为每个圆形区域的直径,r为每个圆形区域的半径,n为该圆形区域正上方的圆形区域的个数;
当所述水平面位于该圆形区域的圆心的上方时,通过以下公式根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数:
h=l–d*n–s;
其中,s为所述水平面与该圆形区域的圆心之间的高度差,α为所述水平面与该圆形区域的任一交点和紧邻该圆形区域上方的圆形区域的圆心之间的连线与所述水平面之间的夹角;
当所述水平面位于该圆形区域的圆心的下方时,通过以下公式根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数:
h=l–d*n–r–x;
x=r·sinβ;
其中,x为所述水平面与该圆形区域的圆心之间的高度差,β为所述水平面与该圆形区域的任一交点和该圆形区域的圆心之间的连线与所述水平面之间的夹角。
2.根据权利要求1所述的水尺水位识别方法,其特征在于,所述从待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域,之前还包括:
对所述待识别水尺图像进行预处理;
其中,所述预处理包括灰度处理、NL-Means处理、倾斜校正和去雾处理。
3.根据权利要求1所述的水尺水位识别方法,其特征在于,所述从待识别水尺图像中提取水尺头部的多个带状区域,包括:
基于超像素和阈值分割相结合的显著目标检测算法提取出所述水尺头部的第一带状区域;
基于LBP算法根据所述第一带状区域的纹理特征,从所述第一带状区域中提取出所述水尺头部的第二带状区域;
相应地,所述根据所述水尺头部中带状区域的高度分布,获取所述高度分布对应的水尺编号和所述水尺编号对应的水尺零点高程,包括:
根据所述第二带状区域在所述水尺头部中的高度分布,获取所述高度分布对应的水尺编号和所述水尺编号对应的水尺零点高程。
4.根据权利要求1所述的水尺水位识别方法,其特征在于,所述从待识别水尺图像中提取水尺主体上的圆形区域,包括:
基于K均值聚类算法获取所述水尺主体上的圆形区域的初始分割结果;
基于能量函数对所述初始分割结果进行优化,获取所述圆形区域的最终分割结果。
5.根据权利要求1-4任一所述的水尺水位识别方法,其特征在于,所述从待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域,包括:
从预设时间段内采集的多张待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域;
相应地,所述将所述水位读数和所述水尺零点高程相加,获取所述待识别水尺图像中水尺的水位识别结果,之后还包括:
计算多张待识别水尺图像的水位识别结果的平均值;
计算每张待识别水尺图像的水位识别结果与所述平均值之间的差值;
若所述差值大于预设阈值,则删除所述差值对应的水位识别结果;
计算剩余的水位识别结果的平均值,将剩余的水位识别结果的平均值作为所述水尺的最终水位识别结果。
6.一种水尺水位识别装置,其特征在于,包括:
提取模块,用于从待识别水尺图像中提取水尺头部的多个带状区域和水尺主体上的圆形区域;其中,所述圆形区域在所述水尺主体的表面成列分布,任一列所述圆形区域中相邻两个圆形区域外切且每列圆形区域的长度等于所述水尺主体的长度;
获取模块,用于根据所述水尺头部中各带状区域的高度,获取所述待识别水尺图像中水尺的编码,根据所述编码获取所述编码对应的水尺编号和所述水尺编号对应的水尺零点高程;其中,所述编码与所述水尺编号,以及所述水尺编号与所述水尺零点高程之间的关联关系预先存储;
计算模块,用于获取所述待识别水尺图像中的水平面穿过的任一圆形区域,根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数,将所述水位读数和所述水尺零点高程相加,获取所述水尺的水位识别结果;
当所述水平面经过该圆形区域的圆心时,所述计算模块通过以下公式根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数:
h=l–d*n–r;
其中,h为所述水尺主体的水位读数,l为所述水尺主体的总长,d为每个圆形区域的直径,r为每个圆形区域的半径,n为该圆形区域正上方的圆形区域的个数;
当所述水平面位于该圆形区域的圆心的上方时,所述计算模块通过以下公式根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数:
h=l–d*n–s;
其中,s为所述水平面与该圆形区域的圆心之间的高度差,α为所述水平面与该圆形区域的任一交点和紧邻该圆形区域上方的圆形区域的圆心之间的连线与所述水平面之间的夹角;
当所述水平面位于该圆形区域的圆心的下方时,所述计算模块通过以下公式根据该圆形区域正上方的圆形区域的个数,以及所述水平面与该圆形区域的圆心之间的相对位置,获取所述水尺主体的水位读数:
h=l–d*n–r–x;
x=r·sinβ;
其中,x为所述水平面与该圆形区域的圆心之间的高度差,β为所述水平面与该圆形区域的任一交点和该圆形区域的圆心之间的连线与所述水平面之间的夹角。
7.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任一项所述水尺水位识别方法的步骤。
8.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至5任一项所述水尺水位识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011263111.3A CN112308009B (zh) | 2020-11-12 | 2020-11-12 | 水尺水位识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011263111.3A CN112308009B (zh) | 2020-11-12 | 2020-11-12 | 水尺水位识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112308009A CN112308009A (zh) | 2021-02-02 |
CN112308009B true CN112308009B (zh) | 2024-02-27 |
Family
ID=74326659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011263111.3A Active CN112308009B (zh) | 2020-11-12 | 2020-11-12 | 水尺水位识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112308009B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115909298A (zh) * | 2022-09-26 | 2023-04-04 | 杭州数聚链科技有限公司 | 一种基于机器视觉的货船水尺标度读取方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19990038852U (ko) * | 1998-11-24 | 1999-11-05 | 문종수 | 수위조절기용 스프링장치 |
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 |
CN109766886A (zh) * | 2019-01-02 | 2019-05-17 | 南京林业大学 | 一种基于图像识别的水位识别方法 |
CN110287953A (zh) * | 2019-05-20 | 2019-09-27 | 湖北九感科技有限公司 | 水位自动识别方法及装置 |
CN111476120A (zh) * | 2020-03-26 | 2020-07-31 | 长江大学 | 一种无人机智能船舶水尺识别方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8391562B2 (en) * | 2008-11-08 | 2013-03-05 | Westerngeco L.L.C. | Water tables mapping |
KR101060031B1 (ko) * | 2011-02-09 | 2011-08-29 | (주)유디피 | 수위 감시 장치 및 방법 |
-
2020
- 2020-11-12 CN CN202011263111.3A patent/CN112308009B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19990038852U (ko) * | 1998-11-24 | 1999-11-05 | 문종수 | 수위조절기용 스프링장치 |
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 |
CN109766886A (zh) * | 2019-01-02 | 2019-05-17 | 南京林业大学 | 一种基于图像识别的水位识别方法 |
CN110287953A (zh) * | 2019-05-20 | 2019-09-27 | 湖北九感科技有限公司 | 水位自动识别方法及装置 |
CN111476120A (zh) * | 2020-03-26 | 2020-07-31 | 长江大学 | 一种无人机智能船舶水尺识别方法及装置 |
Non-Patent Citations (2)
Title |
---|
Unmanned aerial vehicle based remote sensing method for monitoring a steep mountainous slope in the Tree Gorges Reservoir, China;Lei Bangjun et al.;《EARTH SCIENCE INFORMATICS》;正文全文 * |
基于图像处理的水位信息自动提取技术;陈翠;刘正伟;陈晓生;骆曼娜;牛智星;阮聪;;水利信息化(第01期);正文全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112308009A (zh) | 2021-02-02 |
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 | |
CN107588823A (zh) | 基于双波段成像的水尺水位测量方法 | |
CN110287953B (zh) | 水位自动识别方法及装置 | |
CN109614871B (zh) | 一种光伏屋顶及光伏障碍物自动识别方法 | |
CN109615653A (zh) | 基于深度学习与视场投影模型的渗漏水面积检测与识别方法 | |
CN109919951B (zh) | 语义关联的面向对象城市不透水面遥感提取方法及系统 | |
CN110033499B (zh) | 一种基于Landsat OLI影像水体制图法 | |
CN112308009B (zh) | 水尺水位识别方法及装置 | |
CN110765934A (zh) | 一种多源数据融合的地质灾害识别方法 | |
CN108564056A (zh) | 一种遥感影像水体识别提取的方法 | |
CN112215125A (zh) | 一种基于YOLOv3的水位识别方法 | |
CN107392929A (zh) | 一种基于人眼视觉模型的智能化目标检测及尺寸测量方法 | |
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 | |
CN113610060B (zh) | 一种结构体裂缝亚像素检测方法 | |
CN113239830A (zh) | 一种基于全尺度特征融合的遥感图像云检测方法 | |
CN109145808A (zh) | 一种基于自适应鱼体弯曲模型的金枪鱼识别方法 | |
CN106780504B (zh) | 一种基于距离保持水平集的牛肉图像中背长肌自动分割方法 | |
CN111932504A (zh) | 一种基于边缘轮廓信息的亚像素定位方法及装置 | |
CN108549894A (zh) | 一种基于深度学习算法的船舶水尺图像自动读数方法 | |
CN112560837A (zh) | 一种指针式仪表的读数方法、装置、设备和存储介质 | |
CN116878748A (zh) | 一种激光与图像融合的智能气体泄漏定位方法及装置 | |
CN113435442B (zh) | 水位测量方法、装置、水尺及电子设备 | |
CN106770322A (zh) | 校准点深度检测方法及温控器外观检测方法 | |
CN110097549A (zh) | 基于形态学的水陆空交界线检测方法、系统、介质和设备 | |
CN115760885B (zh) | 基于消费级无人机影像的高郁闭度湿地森林参数提取方法 |
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 |