CN114119670A - 一种基于智能手机获取河流视频的流速测量方法 - Google Patents

Abstract

本发明公开了一种基于智能手机获取河流视频的流速测量方法，使用智能手机相机获取河流视频，同时记录智能手机的姿态信息和相机内参数，用于对河流图像进行几何校正；通过对河流图像序列进行图像增强得到河流增强图像序列，采用A‑KAZE算法进行特征点检测，采用GPU并行加速的LK稀疏光流算法进行特征点跟踪，由跟踪到的特征点计算流速矢量，采用网格插值方法计算时均流场，得到视场范围内全局流速分布。本发明采用上述流速测量方法，有效提升了现场测流的效率，并且能够适应不同复杂程度的测量环境，实时性和稳定性更好。

Description

一种基于智能手机获取河流视频的流速测量方法

技术领域

本发明涉及流速测量技术领域，尤其是涉及一种基于智能手机获取河流视频的流速测量方法。

背景技术

我国河流众多，科学合理的利用水资源需要借助于各种水文监测数据。其中，流速数据是最为基础的数据之一。传统的流速测量方法主要是借助于各种流速测量仪器，比如旋桨式流速仪、转子式流速仪以及声学多普勒流速剖面仪等。在使用这些仪器进行流速测量时，往往采用接触式的方法，施测过程费时费力，并且在洪水期间无法保证测量人员的安全。

近年来，随着计算机视觉的快速发展以及高分辨相机的普及，实验室环境下的粒子图像测速方法被引入到室外天然河流的流速测验中，被称为大尺度粒子图像测速。该方法通过在河流表面抛洒示踪粒子，然后拍摄河流视频，对河流视频图像进行分析，从而得到视场范围内整个流场的流速信息。这种非接触式、大范围测量流速的方法突破了传统方法接触式、点测量的局限性。然而，该方法也存在一些不足之处。为了实现从像素尺度到现实度量尺度的转换，需要在现场布设若干控制点，而控制点的施测过程繁琐，大大影响现场测流的效率。而且大尺度粒子图像测速采用图像互相关算法计算流速矢量，算法计算效率低，难以满足实时测量的需求。

发明内容

为克服现有技术的以上缺陷，本发明提出了如下技术方案：

一种基于智能手机获取河流视频的流速测量方法，包括如下步骤：

(1)数据采集；使用智能手机的相机模组在河岸的固定位置对河流表面进行拍摄，获取预设帧率的河流表面视频若干秒；该过程中，相机模组显示并记录手机的姿态信息及相机内参数；

(2)视频预处理；对获取到的视频进行分帧生成河流表面图像的序列，将河流表面图像转换为灰度图，并进行图像增强得到河流表面增强图像的序列；

(3)运动检测；在当前帧河流表面增强图像上采用特征点检测算法进行特征点检测，使用稀疏光流算法在后一帧河流表面增强图像上进行特征点跟踪，并采用RANSAC算法进行剔错；

(4)坐标转换；将河流表面增强图像的序列中所有相邻两帧跟踪到的特征点汇总到一起，利用手机姿态信息及相机内参数对所有特征点进行坐标转换，从像素尺度转换到现实度量尺度；

(5)流场计算；每一对跟踪到的特征点坐标之间的距离除以相机预设帧率对应的时间间隔即得一个流速矢量，将所有的流速矢量汇总到一起，采用网格插值方法得到时均流场，即为视场范围内全局流速分布。

优选的，所述步骤(2)中河流表面增强图像是通过河流表面图像的灰度图减去所有河流表面图像的灰度均值图得到的。

优选的，所述步骤(3)中采用A-KAZE算法进行特征点检测，采用基于GPU并行加速的LK稀疏光流算法进行特征点跟踪。

本发明采用上述流速测量方法，在无需布设地面控制点的条件下，实现对河流图像的几何校正，大大提高了现场测流的效率，能够适应不同复杂程度的测量环境。采用A-KAZE特征点检测算法和GPU并行加速的LK稀疏光流算法计算流速矢量，并采用插值方法得到时均流场，能够实时获取相机视场范围内更加精细的全局流场流速分布，实时性和稳定性更好。

附图说明

图1为本发明的方法流程示意图；

图2为本发明中相机模组调用过程的流程示意图；

图3为河流图像几何校正采用的坐标系示意图；

图4为手机坐标系示意图。

具体实施方式

以下结合附图和实施例对本发明的技术方案作进一步说明。

如图所示的一种基于智能手机获取河流视频的流速测量方法，具体实施步骤如下：

(1)数据采集。观察待测河流的周围环境，尽量选择没有物体遮挡河流表面的视角进行拍摄，确定好拍摄视角之后，采用三脚架固定手机位置，测量手机到水面的高度h。采用自主开发的智能手机相机应用程序(本发明中的相机模组)进行拍摄，其调用流程图如图2所示。拍摄视频过程中，相机能够显示并记录手机的姿态信息及相机内参数。

(2)视频预处理。对获取到的视频进行分帧生成河流表面图像的序列，将上述图像转换为灰度图，并计算所有河流图像的灰度均值作为背景图像，然后减去该背景图像，得到河流表面增强图像的序列。

(3)运动检测。在当前帧河流增强图像上采用A-KAZE特征点检测算法进行特征点检测，使用GPU并行加速的LK稀疏光流算法在后一帧河流增强图像上进行特征点跟踪，并利用RANSAC算法进行剔错，每一对跟踪到的特征点用于产生一个流速矢量。

(4)坐标转换。将河流增强图像序列中每前后两帧跟踪到的所有特征点对汇总到一起，对其进行坐标转换，从像素尺度转换到现实度量尺度，坐标转换过程中采用的坐标系如图3所示。其中，pq坐标系为像素坐标系，xy坐标系为像平面坐标系，O-XYZ坐标系为世界坐标系。像素坐标系到像平面坐标系的转换公式如下：

其中p₀、q₀为像平面坐标系原点在像素坐标系上的坐标，由相机标定可得，dx、dy为像素尺寸，是智能手机相机已知内参数。得到像平面坐标系再将其转换到世界坐标系，此时需要用到前述拍摄视频时记录的手机姿态信息，以及手机距水面的高度h。如图4所示，绕x轴旋转的姿态角为俯仰角θ，绕y轴旋转的姿态角为滚动角α。由像平面坐标系到世界坐标系的转换公式如下：

这里假设水面是一个水平面，即高程处处相等，将XOY坐标系建立在水面所在的平面上，原点O对应于手机相机位置(X₀,Y₀,Z₀)在该平面的投影点，则有Z＝0，(X₀,Y₀,Z₀)＝(0，0，h)。f表示拍摄时手机相机的焦距。其余的系数为：

上式表示像平面坐标系和世界坐标系的旋转矩阵。

(5)流场计算：每一对跟踪到的特征点坐标之间的距离除以相邻两帧的时间间隔即得一个流速矢量，将所有的流速矢量汇总到一起，采用网格插值方法得到视场范围内的时均流场结果。

以上是本发明的具体实施方式，但本发明的保护范围不应局限于此。任何熟悉本领域的技术人员在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内，因此本发明的保护范围应以权利要求书所限定的保护范围为准。

Claims (3)

1.一种基于智能手机获取河流视频的流速测量方法，其特征在于，包括如下步骤：

(1)数据采集；使用智能手机的相机模组在河岸的固定位置对河流表面进行拍摄，获取预设帧率的河流表面视频若干秒；该过程中，相机模组显示并记录手机的姿态信息及相机内参数；

(2)视频预处理；对获取到的视频进行分帧生成河流表面图像的序列，将河流表面图像转换为灰度图，并进行图像增强得到河流表面增强图像的序列；

(3)运动检测；在当前帧河流表面增强图像上采用特征点检测算法进行特征点检测，使用稀疏光流算法在后一帧河流表面增强图像上进行特征点跟踪，并采用RANSAC算法进行剔错；

(4)坐标转换；将河流表面增强图像的序列中所有相邻两帧跟踪到的特征点汇总到一起，利用手机姿态信息及相机内参数对所有特征点进行坐标转换，从像素尺度转换到现实度量尺度；

(5)流场计算；每一对跟踪到的特征点坐标之间的距离除以相机预设帧率对应的时间间隔即得一个流速矢量，将所有的流速矢量汇总到一起，采用网格插值方法得到时均流场，即为视场范围内全局流速分布。

2.根据权利要求1所述的基于智能手机获取河流视频的流速测量方法，其特征在于，所述步骤(2)中河流表面增强图像是通过河流表面图像的灰度图减去所有河流表面图像的灰度均值图得到的。

3.根据权利要求1所述的基于智能手机获取河流视频的流速测量方法，其特征在于，所述步骤(3)中采用A-KAZE算法进行特征点检测，采用基于GPU并行加速的LK稀疏光流算法进行特征点跟踪。

Images