CN114235340B - 河道泡漩结构跟踪方法及通航预警方法 - Google Patents
河道泡漩结构跟踪方法及通航预警方法 Download PDFInfo
- Publication number
- CN114235340B CN114235340B CN202111606340.5A CN202111606340A CN114235340B CN 114235340 B CN114235340 B CN 114235340B CN 202111606340 A CN202111606340 A CN 202111606340A CN 114235340 B CN114235340 B CN 114235340B
- Authority
- CN
- China
- Prior art keywords
- vortex
- bubble
- point
- velocity
- river
- 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
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 11
- 230000004907 flux Effects 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 8
- 238000010521 absorption reaction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 230000010349 pulsation Effects 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 238000011144 upstream manufacturing Methods 0.000 claims description 5
- 206010061876 Obstruction Diseases 0.000 claims description 4
- 230000001052 transient effect Effects 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000000917 particle-image velocimetry Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000005259 measurement Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 description 7
- 229910000906 Bronze Inorganic materials 0.000 description 6
- 239000010974 bronze Substances 0.000 description 6
- KUNSUQLRTQLHQQ-UHFFFAOYSA-N copper tin Chemical compound [Cu].[Sn] KUNSUQLRTQLHQQ-UHFFFAOYSA-N 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 239000012530 fluid Substances 0.000 description 3
- 239000006260 foam Substances 0.000 description 3
- 238000012850 discrimination method Methods 0.000 description 2
- 238000010992 reflux Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M10/00—Hydrodynamic testing; Arrangements in or on ship-testing tanks or water tunnels
Landscapes
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种河道泡漩结构跟踪方法，其特征在于，对泡漩结构的运动进行追踪：即在泡漩结构识别算法结果的基础上，结合相关性计算方法，根据当前帧泡漩中心速度预估泡漩运动路径及其在后续帧的位置区间，并对两个区域的速度场进行相关性计算，完成连续帧的泡漩结构快速匹配追踪。本发明还公开了一种基于上述跟踪方法的河道通航预警方法。本发明能够很好的应用于大尺度的天然河流泡漩结构识别与跟踪计算，提高了泡漩结构测量分析的过程便捷性和高效性，有助于快速获取河道内的碍航泡漩流态的运动及分布，为船舶航线规划和安全通航提供有力支撑。
Description
本申请为申请号202010520147.9，申请日2020-06-09的《一种河道泡漩结构识别跟踪方法及通航预警方法》专利的分案申请。
技术领域
本发明涉及航运交通技术领域，具体涉及一种河道泡漩结构识别跟踪方法及通航预警方法。
背景技术
河道泡漩指在河道中，特殊条件下形成的强烈的圆柱状上涌水流和漏斗状竖轴环流。在天然河流的河谷地带和急滩下深槽部位往往因河床地形剧烈变化或纵向比降过大而产生泡漩结构，且在汛期陡涨水期间更甚。这种因水流紊动引起的复杂流态结构具有时间尺度上的瞬时性和空间尺度上的不确定性等特点，难以对其进行监测，且会对船舶航行带来安全隐患，严重时易导致船舶的倾轧撞击及沉没。船舶航行中遇此流态极难操作，驾驶员需要特别注意安全。
目前关于泡漩结构的研究成果主要集中在室内物理模型以及数学模型试验，对野外原型测量与研究还缺乏深入认识，离真正实现天然河流的实时观测仍有一定差距。例如CN201210192207.4曾公开的一种水力模型泡漩或漩涡流测量系统及测量方法，该发明将电子测量技术与摄影技术以及计算机技术有机结合，提供了一种水力学物理模型试验研究测量水流泡漩与漩涡流的方式。但实际测量时，需要依靠泡漩水传感器，以及撒落示踪粒子或碎纸片进入流体拍摄跟踪。故只能适用于实验室研究应用。
目前，常用于天然河道原型观测的声学多普勒流速仪、光学雷达等设备因其采用逐点或逐线扫描的方式对目标区域进行测量，难以直接测量大尺度河流中泡漩结构的瞬态运动，无法为碍航流态预警提供数据支撑。
因此，如何更好地实现对航道内碍航的泡漩流态监测识别及运动追踪，快速获取河道内的碍航泡漩流态的运动及分布，并更好地实现对过往船舶的预警，报账通航安全。这项工作对于船舶航线规划和行驶安全具有重要意义。
发明内容
针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种能够实现对河道泡漩的结构识别与运动追踪，使其能够为河流水情预测及预警提供数据支撑，并能够对过往船舶进行通航预警的河道泡漩结构识别跟踪方法及通航预警方法，使其有利于船舶航线规划和安全通航。
为了解决上述技术问题，本发明采用了如下的技术方案：
一种河道泡漩结构识别方法，其特征在于，包括以下步骤：
1)通过相机采集获取河道水面的图像数据，对获取的河流表面流态图像进行预处理，并计算水面的单帧脉动速度场；
2)通过单帧脉动速度场的散度特征确定当前泡漩中心位置；
3)以步骤1)步骤2)为前提条件，完成当前泡漩中心位置定位之后，采用标准化泡漩速度场模板对泡漩区域散度场进行滤波，并选取合适阈值提取泡漩区域，得到当前泡漩边缘范围。
这样，采用本方法能够快速高效地完成对河道泡漩结构的识别，确认其中心位置和边缘范围。能够对天然河流表面图像进行处理，能够较为准确高效地完成泡漩的捕捉和范围提取，对大尺度的天然河流复杂流态测量与分析具有一定的参考价值，为船舶航线规划和安全通航提供支撑。
作为优化，本方法1)步骤中，运用粒子图像测速方法，采用单帧速度场去掉平均流动特征得到能够反映泡漩内部向外扩张的单帧脉动速度场；
具体的计算过程为：先对t0时刻的瞬时流场流速计算结果u、v分别进行均值滤波，得到该时刻的滤波速度场U、V：
式中：u(i，j)：(i，j)点沿流向的瞬时速度(流向速度)(m/s)；v(i，j)：(i，j)点沿河宽方向的瞬时速度(横向速度)(m/s)；U(i，j)：(i，j)点均值滤波流向速度(m/s)；V(i，j)：(i，j)点均值滤波横向速度(m/s)。
这样，采用上述方法对河流表面速度场进行预处理，得到能够反映泡漩内部向外扩张的单帧脉动速度场，有利于泡漩结构的识别与提取。
进一步地，2)步骤中，引入二维散度作为指标量，根据下述公式(1)，对当前泡漩中心进行定位：
式中：为水面(x，y)处的散度值；Fx为点(x，y)沿x方向的速度分量；Fy为点(x，y)沿y方向的速度分量；当/>表示该点有散发通量的正源，即当前泡漩中心位置。
这样，能够快速、精确地完成对当前泡漩中心的定位，作为后续确认当前泡漩范围的基点，利于提高泡漩范围确认的精度。
作为优化，本方法2)步骤中，在瞬态流场的基础上，计算各点(i，j)的散度div(i，j)；并按照以下方式判定，当div(i，j)＞0时表示该点有散发通量的正源，即发散源，则说明该区域具有向外扩张的泡漩结构；当表示该点有吸收通量的负源，即吸收源；当表示该点无源；剔除/>范围。
作为优化，本方法2)步骤中在剔除范围之后，引入区域流态模式判别方法；构建以点(i，j)为坐标原点O的直角坐标系XOY，将该点(i，j)相邻的8个速度矢量均分解到各自所在象限坐标轴上，得到沿坐标轴的4个方向的速度矢量，构成特征组成的泡漩中心点矢量判别模式：
式中：U+为各点的流向正方向的合速度(m/s)；U-为各点的流向负方向的合速度(m/s)；V+为各点的横向正方向的合速度(m/s)；V-为各点的横向负方向的合速度(m/s)。
运用该判别条件遍历全部可疑点，剔除div(i，j)＞0，确定出泡漩中心区域。
这样，是因为2)步骤中在剔除范围之后，在/>的区域中仍然存在一定的单点噪声。故为了提高泡漩中心点的识别精度，引入区域流态模式判别方法，进一步遍历全部可疑点，剔除div(i，j)＞0，但未呈现平面发散状特征的错误区域，仅保留泡漩中心区域，可以提高泡漩中心区域判别的准确性。
作为优化，本方法3)步骤中，具体包括以下分步骤：
①定义泡漩中心点(i，j)为坐标原点，且为强度为2q的点源，则该点源流动的势函数为：
式中：x，y为以中心点(i，j)为原点的质点坐标，用于描述点源周围点距离点源的距离。
则其流动速度分布为：
则单位强度点源周围的流动速度分布ωM为：
式中：u(x，y)为点(x，y)处的流向速度(m/s)；v(x，y)为点(x，y)处的横向速度(m/s)；ωM(u，v)为利用单位强度点源势函数计算得到的标准化泡漩速度场算子；
②运用标准化速度场卷积算子ωM(u，v)对泡漩区域合速度场(u，v)进行滤波：
式中：ωD：实际速度场；ωM：标准化速度场卷积算子；ωconv(k，l)：在ωD(k，l)处所计算出的新散度值；m：ωM的行数；n：ωM的列数；k：ωD的行数；1：ωD的列数；其中，点(k，l)周围模板范围内空值用0填充；
③选取合适阈值确定泡漩范围及边界：
将所有可疑区域的滤波结果分别进行归一化处理和均值滤波，选取统一阈值ε，保留结果中ωconv(k，l)≥ε部分；对于存在两个峰值的区域，仅保留范围较大的结果，获得各泡漩较为平滑的轮廓，最终完成泡漩范围提取。
故3)步骤中采用上述方式，通过标准化的泡漩速度场特征卷积算子对定位到的当前泡漩中心位置及其周围区域进行归一化互相关计算，得到当前泡漩结构的范围及边界。具有范围边界清晰明确，可靠性好的优点。
本发明还公开了一种河道泡漩结构识别跟踪方法，其特征在于，采用了上述方法实现对当前河道泡漩结构的识别，还包括下述步骤：
4)对泡漩结构的运动进行追踪：即在泡漩结构识别算法结果的基础上，结合相关性计算方法，根据当前帧泡漩中心速度预估泡漩运动路径及其在后续帧的位置区间，并对两个区域的速度场进行相关性计算，完成连续帧的泡漩结构快速匹配追踪。
4)步骤具体包括以下分步骤：
①定义当前帧图像为Tn(n＝1，2，3，...)，根据泡漩识别定位及范围确定的结果，将图像转化为二值图像(其中泡漩范围区域为1，无泡漩区域为0)；
②将Tn的二值图像中的每一个泡漩进行划分，作为分别各自的检测模板，记作其中右上角标m为泡漩编号(m＝1，2，3，...)；
③通过Tn中第m个泡漩的中心区域平均滤波速度估计泡漩在Tn+1中的位置，进而确定模板的搜索范围/>预估计范围的新的中心点坐标表示为：
式中：为第n帧中第m个泡漩区域的中心点坐标，F为视频每秒采样帧数；
④将Tn+1内的预估泡漩区域与/>进行归一化互相关，定义图像检测区域与模板的互相关系数为γm，有：
式中：f是图像；t是模板；是模板下方区域f(x，y)的平均值；/>是模板均值；下标n代表图像帧数，上标m代表泡漩目标编号；
由许瓦兹不等式，有|γ|≤1；当式中时，γ＝1；当/>和/>不相关时，γ＝0；当和/>有某种程度相似时，|γ|∈(0，1)；在γ取得最大值γmax时，可得到该处为Tn+1内的对应位置；
⑤逐帧计算泡漩监测视频，获取各泡漩的中心点匹配对序列及位移场，拟合出泡漩运动路径。并能够计算各点速度矢量，得到泡漩结构运动速度及其沿程变化情况。
故本跟踪方法，能够以当前时刻各泡漩结构周围局部区域水流速度代表其运动速度，预估下一时刻各泡漩结构所在的区域，并将当前时刻各泡漩结构边界内的速度场与下一时刻各自对应的预估区域进行相关性计算，快速找出下一时刻泡漩结构的精确位置，最终完成泡漩结构的识别与跟踪。这样，本跟踪方法用于研究可以和后续泡漩实际变化位置进行比较，反馈泡漩识别算法的准确性和有效性，并有利于发现和总结出能够引发泡漩变动的相关因素，完善对泡漩的研究。用于实际应用，则可以根据当前泡漩位置计算，提前得到后续泡漩运动路径，进而可以实现对过往船舶的提前预警，使其能够更好地规避通航风险。
本发明还公开了一种河道通航预警方法，包括以下步骤：a在河道泡漩河段的岸边或者河中岛上架设高架，高架上架设广角镜头相机，广角镜头相机和计算机相连，广角镜头相机拍摄范围包括河道泡漩整体范围以及河道泡漩整体范围上下游距离足够船舶预警空间范围；b依靠广角镜头相机实施拍摄监控，当拍摄到有船舶到达时，根据上述河道泡漩结构识别跟踪方法，获得当前泡漩位置，以及后续泡漩运动路径；c根据预先获知的泡漩运动路径，划分河道内各区域的碍航风险等级；d根据碍航风险等级划分结果，规划出船舶安全通航航线，并将船舶安全通航航线信息通知船舶；e每隔一段时间间隔，重复步骤b-d，直到船舶驶出河道泡漩整体范围。
这样，就可以更好地依靠对河道泡漩的识别和跟踪计算，提前实现对过往船舶的预警，提高过往船舶的通航安全性。
作为优化，步骤a中，河道泡漩整体范围由历史监控获得的泡漩运动最远距离得到。
这样，可以更好地提高安全性。
作为优化，步骤d中，船舶安全通航航线，以船舶在保持风险最低的基础上，路径最短为原则进行规划。
这样，既保证规避了泡漩风险，又能够尽量降低泡漩对通航效率的影响。
作为优化，步骤d中将预先获知的泡漩运动路径信息和船舶安全通航航线信息一起通知船舶。
这样，紧急事态时，利于船舶的轮机长手动控制行驶避开泡漩路径，规避泡漩风险。
作为优化，e步骤中，时间间隔随船舶逐渐靠近河道泡漩而逐渐缩短，又随船舶逐渐远离河道泡漩而逐渐增长。
这样，可以更好地提高预警的可靠性和安全性。
综上所述，本发明能够更好地适用于对天然河道内碍航泡漩流态的监测识别及运动追踪，能够快速获取河道内的碍航泡漩流态的运动及分布，进一步进行船舶适航区的划分，使其能够更好地为船舶航线规划和安全通航提供支持。
附图说明
图1为本发明方法具体实施方式时的流程步骤图。
图2为本发明具体实施时，长江上游重庆主城区铜锣峡出口段回流区泡漩结构识别追踪位移场示意图。
图3为图2所示泡漩结构运动速度表格。
具体实施方式
下面结合附图对本发明作进一步的详细说明。
最优实施方式：如图1所示，一种河道泡漩结构识别跟踪方法，包括以下步骤：
1)通过相机采集获取河道水面的图像数据，对获取的河流表面流态图像进行预处理，采用单帧速度场去掉平均流动特征得到能够反映泡漩内部向外扩张的单帧脉动速度场。
2)通过单帧脉动速度场的散度特征确定当前泡漩中心位置；即引入二维散度作为指标量，对泡漩中心进行定位：
式中：为水面(x，y)处的散度值；Fx为点(x，y)沿x方向的速度分量；Fy为点(x，y)沿y方向的速度分量。当/>表示该点有散发通量的正源(泡漩中心区域)。
3)对泡漩范围进行计算：
以步骤1)步骤2)为前提条件，完成当前泡漩中心位置定位之后，采用标准化泡漩速度场模板对泡漩区域速度场进行滤波，并选取合适阈值提取泡漩区域，得到当前泡漩边缘范围。
这样，本方法通过提出的泡漩中心矢量判别模式和标准化泡漩速度场卷积算子，以及基于泡漩运动估计的泡漩中心快速匹配方法，对天然河流表面图像进行处理，能够较为准确高效地完成泡漩的捕捉和范围提取，对大尺度的天然河流复杂流态测量与分析具有一定的参考价值，为船舶航线规划和安全通航提供支撑。
具体实施时，本方法1)步骤中，运用粒子图像测速方法，采用单帧速度场去掉平均流动特征得到能够反映泡漩内部向外扩张的单帧脉动速度场；
具体的计算过程为：先对t0时刻的瞬时流场流速计算结果u、v分别进行均值滤波，得到该时刻的滤波速度场U、V：
式中：u(i，j)：(i，j)点沿流向的瞬时速度(纵向速度)；v(i，j)：(i，j)点沿河宽方向的瞬时速度(横向速度)；U(i，j)：(i，j)点均值滤波纵向速度；V(i，j)：(i，j)点均值滤波横向速度。
这样，采用上述方法对河流表面速度场进行预处理，得到能够反映泡漩内部向外扩张的单帧脉动速度场，有利于泡漩结构的识别与提取。
具体实施时，本方法2)步骤中引入二维散度作为指标量，根据下述公式(1)，对当前泡漩中心进行定位：
式中：为水面(x，y)处的散度值；Fx为点(x，y)沿x方向的速度分量；Fy为点(x，y)沿y方向的速度分量；当/>表示该点有散发通量的正源，即当前泡漩中心位置。
这样，能够快速、精确地完成对当前泡漩中心的定位，作为后续确认当前泡漩范围的基点，利于提高泡漩范围确认的精度。
实施时，本方法2)步骤中，在瞬态流场的基础上，计算各点(i，j)的散度div(i，j)。
具体地说，是按照以下方式判定，当div(i，j)＞0时表示该点有散发通量的正源，即发散源，则说明该区域具有向外扩张的泡漩结构；当表示该点有吸收通量的负源，即吸收源；当/>表示该点无源；剔除/>范围。
其中，本方法2)步骤中在剔除范围之后，引入区域流态模式判别方法；构建以点(i，j)为坐标原点O的直角坐标系XOY，将该点(i，j)相邻的8个速度矢量均分解到各自所在象限坐标轴上，得到沿坐标轴的4个方向的速度矢量，构成特征组成的泡漩中心点矢量判别模式：
运用该判别条件遍历全部可疑点，剔除div(i，j)＞0，确定出泡漩中心区域。
这样，是因为2)步骤中在剔除范围之后，在/>的区域中仍然存在一定的单点噪声。故为了提高泡漩中心点的识别精度，引入区域流态模式判别方法，进一步遍历全部可疑点，剔除div(i，j)＞0，但未呈现平面发散状特征的错误区域，仅保留泡漩中心区域，可以提高泡漩中心区域判别的准确性。
具体实施时，本方法3)步骤中，采用标准化泡漩速度场卷积算子对泡漩区域散度场进行滤波，并选取合适阈值提取泡漩区域。具体步骤为：
①定义泡漩中心点(i，j)为坐标原点，且为强度为2q的点源，则该点源流动的势函数为：
则其流动速度分布为：
令q＝1/2，得到单位强度点源周围的流动速度分布ωM：
式中：u(x，y)为点(x，y)处的流向速度(m/s)；v(x，y)为点(x，y)处的横向速度(m/s)；ωM(u，v)为利用单位强度点源势函数计算得到的标准化泡漩速度场卷积算子。
②运用标准化速度场卷积算子ωM(u，v)对泡漩区域合速度场(u，v)进行滤波：
式中：ωD：实际速度场；ωM：标准化速度场卷积算子；ωconv(k，l)：在ωD(k，l)处所计算出的新散度值；其中，点(k，l)周围模板范围内空值用0填充。
③选取合适阈值确定泡漩范围及边界：
将所有可疑区域的滤波结果分别进行归一化处理和均值滤波，选取统一阈值ε，保留结果中ωconv(k，l)≥ε部分。对于存在两个峰值的区域，仅保留范围较大的结果，获得各泡漩较为平滑的轮廓，最终确定泡漩范围及边界。
实施时，在上述步骤1-3完成河道泡漩结构识别后，再进行泡漩结构的跟踪，具体包括以下步骤：
4)即在泡漩结构识别算法结果的基础上，结合相关性计算方法，根据当前帧泡漩中心速度预估泡漩运动路径及其在后续帧的位置区间，并对两个区域的速度场进行相关性计算，完成连续帧的泡漩结构快速匹配追踪。
4)步骤具体包括以下分步骤：
①定义当前帧图像为Tn(n＝1，2，3，...)，根据泡漩识别定位及范围确定的结果，将图像转化为二值图像(其中泡漩范围区域为1，无泡漩区域为0)；
②将Tn的二值图像中的每一个泡漩进行划分，作为分别各自的检测模板，记作其中右上角标m为泡漩编号(m＝1，2，3，...)；
③通过Tn中第m个泡漩的中心区域平均滤波速度估计泡漩在Tn+1中的位置，进而确定模板的搜索范围/>
④将Tn+1内的预估泡漩区域与/>进行归一化互相关，定义图像检测区域与模板的互相关系数为γm，有：
式中：f是图像；t是模板；是模板下方区域f(x，y)的平均值；/>是模板均值；下标n代表图像帧数，上标m代表泡漩目标编号。
由许瓦兹不等式，有|γ|≤1。当式中时，γ＝1；当/>和/>不相关时，γ＝0；当和/>有某种程度相似时，|γ|∈(0，1)。在γ取得最大值γmax时，可得到该处为Tn+1内的对应位置；
⑤逐帧计算泡漩监测视频，获得各泡漩的中心点匹配对序列，拟合出泡漩运动路径，计算各点速度矢量，得到泡漩结构运动速度及其沿程变化。
为了验证本方法，申请人按照上述具体实施方式步骤，对长江上游重庆主城区铜锣峡河段出口表面流态图像进行识别提取与分析，并对铜锣峡出口段回流区泡漩结构空间分布特性进行了追踪。分析结果见图2、和图3。图2为铜锣峡出口段回流区泡漩结构识别追踪位移场示意图。图3为图2所示泡漩结构运动速度表格。
图2和图3分别能够体现泡漩范围提取结果和泡漩追踪位移场结果，可以看到铜锣峡出口河段泡漩结构在空间上沿主流方向呈现带状连续簇发形态，且回流区分界线上的泡漩结构运动速度偏低，均小于1m/s，而位于主流区一侧的泡漩结构运动速度明显大于回流区，对船舶航行安全产生了一定影响。航道部门可适时根据泡漩结构的主要分布区域，将其划分在航道范围外，保证船舶行驶安全。故通过对铜锣峡出口处泡漩结构流态碍航的实例验证，本技术在泡漩结构识别追踪上具有可行性，可为航道适航区的划分提供一定的支撑。能有效降低因泡漩六台碍航引发的生命财产损失。
本发明还公开了一种对泡漩河道的通航船舶进行实时预警的方法，具体包括以下步骤：a在河道泡漩河段的岸边或者河中岛上架设高架，高架上架设广角镜头相机，广角镜头相机和计算机相连，广角镜头相机拍摄范围包括河道泡漩整体范围以及河道泡漩整体范围上下游距离足够船舶预警空间范围；b依靠广角镜头相机实施拍摄监控，当拍摄到有船舶到达时，根据上述河道泡漩结构识别跟踪方法，获得当前泡漩位置，以及后续泡漩运动路径；c根据预先获知的泡漩运动路径，划分河道内各区域的碍航风险等级；d根据碍航风险等级划分结果，规划出船舶安全通航航线，并将船舶安全通航航线信息通知船舶；e每隔一段时间间隔，重复步骤b-d，直到船舶驶出河道泡漩整体范围。
这样，就可以更好地依靠对河道泡漩的识别和跟踪计算，提前实现对过往船舶的预警，提高过往船舶的通航安全性。
步骤a中，河道泡漩整体范围由历史监控获得的泡漩运动最远距离得到。
这样，可以更好地提高安全性。
步骤d中，船舶安全通航航线，以船舶在保持风险最低的基础上，路径最短为原则进行规划。
这样，既保证规避了泡漩风险，又能够尽量降低泡漩对通航效率的影响。
步骤d中将预先获知的泡漩运动路径信息和船舶安全通航航线信息一起通知船舶。
这样，紧急事态时，利于船舶的轮机长手动控制行驶避开泡漩路径，规避泡漩风险。
e步骤中，时间间隔随船舶逐渐靠近河道泡漩而逐渐缩短，又随船舶逐渐远离河道泡漩而逐渐增长。
这样，可以更好地提高预警的可靠性和安全性。
故本发明能够很好的应用于大尺度的天然河流泡漩结构识别与跟踪计算，提高了泡漩结构测量分析的过程便捷性和高效性，有助于快速获取河道内的碍航泡漩流态的运动及分布，为船舶航线规划和安全通航提供有力支撑。
Claims (6)
1.一种河道泡漩结构跟踪方法，其特征在于，对泡漩结构的运动进行追踪：即在泡漩结构识别算法结果的基础上，结合相关性计算方法，根据当前帧泡漩中心速度预估泡漩运动路径及其在后续帧的位置区间，并对两个区域的速度场进行相关性计算，完成连续帧的泡漩结构快速匹配追踪；
具体包括以下分步骤：
①定义当前帧图像为Tn，n＝1，2，3，...，根据泡漩识别定位及范围确定的结果，将图像转化为二值图像，其中泡漩范围区域为1，无泡漩区域为0；
②将Tn的二值图像中的每一个泡漩进行划分，作为分别各自的检测模板，记作其中右上角标m为泡漩编号，m＝1，2，3，...；
③通过Tn中第m个泡漩的中心区域平均滤波速度估计泡漩在Tn+1中的位置，进而确定模板的搜索范围/>预估计范围的新的中心点坐标表示为：
式中：为第n帧中第m个泡漩区域的中心点坐标，F为视频每秒采样帧数；
④将Tn+1内的预估泡漩区域与/>进行归一化互相关，定义图像检测区域与模板的互相关系数为γm，有：
式中：f是图像；t是模板；是模板下方区域f(x，y)的平均值；/>是模板均值；下标n代表图像帧数，上标m代表泡漩目标编号；
由许瓦兹不等式，有|γm|≤1；当式中时，γm＝1；当/>和/>不相关时，γm＝0；当和/>有某种程度相似时，|γm|∈(0，1)；在γm取得最大值γmax时，可得到该处为Tn+1内的对应位置；
⑤逐帧计算泡漩监测视频，获取各泡漩的中心点匹配对序列及位移场，拟合出泡漩运动路径；
在对泡漩结构的运动进行追踪之前：先完成对泡漩结构的识别，具体包括以下步骤：
1)通过相机采集获取河道水面的图像数据，对获取的河流表面流态图像进行预处理，并计算水面的单帧脉动速度场；
2)通过单帧脉动速度场的散度特征确定当前泡漩中心位置；
3)以步骤1)步骤2)为前提条件，完成当前泡漩中心位置定位之后，采用标准化泡漩速度场模板对泡漩区域散度场进行滤波，并选取合适阈值提取泡漩区域，得到当前泡漩边缘范围；
本方法1)步骤中，运用粒子图像测速方法，采用单帧速度场去掉平均流动特征得到能够反映泡漩内部向外扩张的单帧脉动速度场；
具体的计算过程为：先对t0时刻的瞬时流场流速计算结果u、v分别进行均值滤波，得到该时刻的滤波速度场U、V：
式中：u(i，j)：(i，j)点沿流向的瞬时流向速度(m/s)；v(i，j)：(i，j)点沿河宽方向的瞬时横向速度(m/s)；U(i，j)：(i，j)点均值滤波流向速度(m/s)；V(i，j)：(i，j)点均值滤波横向速度(m/s)；
本方法3)步骤中，具体包括以下分步骤：
①定义泡漩中心点(i，j)为坐标原点，且为强度为2q的点源，则该点源流动的势函数为：
式中：x，y为以中心点(i，j)为原点的质点坐标，用于描述点源周围点距离点源的距离；
则其流动速度分布为：
则单位强度点源周围的流动速度分布ωM为：
式中：u(x，y)为点(x，y)处的流向速度(m/s)；v(x，y)为点(x，y)处的横向速度(m/s)；ωM(u，v)为利用单位强度点源势函数计算得到的标准化泡漩速度场算子；
②运用标准化速度场卷积算子ωM(u，v)对泡漩区域合速度场(u，v)进行滤波：
式中：ωD：实际速度场；ωM：标准化速度场卷积算子；ωconv(k，l)：在ωD(k，l)处所计算出的新散度值；m：ωM的行数；n：ωM的列数；k：ωD的行数；1：ωD的列数；其中，点(k，l)周围模板范围内空值用0填充；
③选取合适阈值确定泡漩范围及边界：
将所有可疑区域的滤波结果分别进行归一化处理和均值滤波，选取统一阈值ε，保留结果中ωconv(k，l)≥ε部分；对于存在两个峰值的区域，仅保留范围较大的结果，获得各泡漩较为平滑的轮廓，最终完成泡漩范围提取。
2.如权利要求1所述的河道泡漩结构跟踪方法，其特征在于，2)步骤中，引入二维散度作为指标量，根据下述公式(1)，对当前泡漩中心进行定位：
式中：为水面(x，y)处的散度值；Fx为点(x，y)沿x方向的速度分量；Fy为点(x，y)沿y方向的速度分量；当/>表示该点有散发通量的正源，即当前泡漩中心位置。
3.如权利要求1所述的河道泡漩结构跟踪方法，其特征在于，本方法2)步骤中，在瞬态流场的基础上，计算各点(i，j)的散度div(i，j)；并按照以下方式判定，当div(i，j)＞0时表示该点有散发通量的正源，即发散源，则说明该区域具有向外扩张的泡漩结构；当div(i，j)＜0，表示该点有吸收通量的负源，即吸收源；当div(i，j)＝0，表示该点无源；剔除div(i，j)≤0范围。
4.如权利要求3所述的河道泡漩结构跟踪方法，其特征在于，本方法2)步骤中在剔除div(i，j)≤0范围之后，引入区域流态模式判别方法；构建以点(i，j)为坐标原点O的直角坐标系XOY，将该点(i，j)相邻的8个速度矢量均分解到各自所在象限坐标轴上，得到沿坐标轴的4个方向的速度矢量，构成特征组成的泡漩中心点矢量判别模式：
式中：U+为各点的流向正方向的合速度(m/s)；U-为各点的流向负方向的合速度(m/s)；V+为各点的横向正方向的合速度(m/s)；V-为各点的横向负方向的合速度(m/s)；
运用该判别模式遍历全部可疑点，剔除div(i，j)＞0，确定出泡漩中心区域。
5.一种河道通航预警方法，包括以下步骤：a在河道泡漩河段的岸边或者河中岛上架设高架，高架上架设广角镜头相机，广角镜头相机和计算机相连，广角镜头相机拍摄范围包括河道泡漩整体范围以及河道泡漩整体范围上下游距离足够船舶预警空间范围；b依靠广角镜头相机实施拍摄监控，当拍摄到有船舶到达时，根据权利要求4所述的河道泡漩结构跟踪方法，获得当前泡漩位置，以及后续泡漩运动路径；c根据预先获知的泡漩运动路径，划分河道内各区域的碍航风险等级；d根据碍航风险等级划分结果，规划出船舶安全通航航线，并将船舶安全通航航线信息通知船舶；e每隔一段时间间隔，重复步骤b-d，直到船舶驶出河道泡漩整体范围。
6.如权利要求5所述的河道通航预警方法，其特征在于，步骤a中，河道泡漩整体范围由历史监控获得的泡漩运动最远距离得到；
步骤d中，船舶安全通航航线，以船舶在保持风险最低的基础上，路径最短为原则进行规划；
步骤d中将预先获知的泡漩运动路径信息和船舶安全通航航线信息一起通知船舶；
e步骤中，时间间隔随船舶逐渐靠近河道泡漩而逐渐缩短，又随船舶逐渐远离河道泡漩而逐渐增长。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111606340.5A CN114235340B (zh) | 2020-06-09 | 2020-06-09 | 河道泡漩结构跟踪方法及通航预警方法 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111606340.5A CN114235340B (zh) | 2020-06-09 | 2020-06-09 | 河道泡漩结构跟踪方法及通航预警方法 |
| CN202010520147.9A CN111665016B (zh) | 2020-06-09 | 2020-06-09 | 一种河道泡漩结构识别跟踪方法及通航预警方法 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010520147.9A Division CN111665016B (zh) | 2020-06-09 | 2020-06-09 | 一种河道泡漩结构识别跟踪方法及通航预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114235340A CN114235340A (zh) | 2022-03-25 |
| CN114235340B true CN114235340B (zh) | 2023-11-10 |
Family
ID=72386189
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111606340.5A Active CN114235340B (zh) | 2020-06-09 | 2020-06-09 | 河道泡漩结构跟踪方法及通航预警方法 |
| CN202010520147.9A Active CN111665016B (zh) | 2020-06-09 | 2020-06-09 | 一种河道泡漩结构识别跟踪方法及通航预警方法 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010520147.9A Active CN111665016B (zh) | 2020-06-09 | 2020-06-09 | 一种河道泡漩结构识别跟踪方法及通航预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN114235340B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112665822B (zh) * | 2021-01-05 | 2022-12-09 | 西安交通大学 | 一种运动条件下气泡动力学参数确定方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2001268170A1 (en) * | 2000-06-08 | 2001-12-17 | Merck & Co., Inc. | Process for the synthesis of (2r, 2-alpha-r, 3a)-2-(1-(3,5-bis(trifluoromethyl)phenyl)ethoxy)-3- (4-fluorophenyl)-1,4-oxazine |
| JP2012073971A (ja) * | 2010-09-30 | 2012-04-12 | Fujifilm Corp | 動画オブジェクト検出装置、方法、及びプログラム |
| CN102735421A (zh) * | 2012-06-12 | 2012-10-17 | 长江水利委员会长江科学院 | 一种水力模型泡漩或漩涡流测量系统及测量方法 |
| CN202631226U (zh) * | 2012-06-12 | 2012-12-26 | 长江水利委员会长江科学院 | 一种水力模型泡漩或漩涡流测量系统 |
| CN107705318A (zh) * | 2017-08-22 | 2018-02-16 | 哈尔滨工程大学 | 一种基于边界示踪的湍流边界层流场测速方法 |
| FR3070675A1 (fr) * | 2017-09-05 | 2019-03-08 | Airbus Operations | Procede d'allegement et de protection de charges pour un aeronef |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4215102B2 (ja) * | 2004-03-31 | 2009-01-28 | 東京電力株式会社 | 流体計測システム及び長焦点光学系 |
| US20140002617A1 (en) * | 2012-06-27 | 2014-01-02 | The Board Of Trustees Of The University Of Illinois | Particle tracking system and method |
| CN103698553B (zh) * | 2013-12-26 | 2017-06-23 | 天津大学 | 基于红外摄像的新型表面流场测速系统和测速方法 |
| CN105841921A (zh) * | 2016-03-24 | 2016-08-10 | 江苏理工学院 | 一种湍流流场多尺度的测量系统及其测量方法 |
| CN106895807B (zh) * | 2017-01-04 | 2019-01-25 | 四川大学 | 一种河道植被群尾流区长度的测量方法 |
-
2020
- 2020-06-09 CN CN202111606340.5A patent/CN114235340B/zh active Active
- 2020-06-09 CN CN202010520147.9A patent/CN111665016B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2001268170A1 (en) * | 2000-06-08 | 2001-12-17 | Merck & Co., Inc. | Process for the synthesis of (2r, 2-alpha-r, 3a)-2-(1-(3,5-bis(trifluoromethyl)phenyl)ethoxy)-3- (4-fluorophenyl)-1,4-oxazine |
| JP2012073971A (ja) * | 2010-09-30 | 2012-04-12 | Fujifilm Corp | 動画オブジェクト検出装置、方法、及びプログラム |
| CN102735421A (zh) * | 2012-06-12 | 2012-10-17 | 长江水利委员会长江科学院 | 一种水力模型泡漩或漩涡流测量系统及测量方法 |
| CN202631226U (zh) * | 2012-06-12 | 2012-12-26 | 长江水利委员会长江科学院 | 一种水力模型泡漩或漩涡流测量系统 |
| CN107705318A (zh) * | 2017-08-22 | 2018-02-16 | 哈尔滨工程大学 | 一种基于边界示踪的湍流边界层流场测速方法 |
| FR3070675A1 (fr) * | 2017-09-05 | 2019-03-08 | Airbus Operations | Procede d'allegement et de protection de charges pour un aeronef |
Non-Patent Citations (4)
| Title |
|---|
| 山区航道泡漩水成因与碍航特性分析;张秀芳;彭凯;尹崇清;;科技信息(28);第441和443页 * |
| 新疆宽浅变迁河流桥墩局部冲刷研究;胡江;周华君;杨胜发;严以新;;水动力学研究与进展A辑(02);第157-161页 * |
| 明渠紊流不同尺度相干结构实验研究;钟强;中国优秀博硕士学位论文全文数据库（博士）工程科技Ⅱ辑(第09 期);C037-4 * |
| 明渠非均匀流湍流结构研究;张鹏;中国博士学位论文全文数据库基础科学辑(第01期);A012-12 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111665016B (zh) | 2022-03-08 |
| CN111665016A (zh) | 2020-09-15 |
| CN114235340A (zh) | 2022-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7747039B2 (en) | Apparatus and method for automatically detecting objects | |
| EP2243125B1 (en) | Vision based real time traffic monitoring | |
| US7403659B2 (en) | Method and apparatus for differentiating pedestrians, vehicles, and other objects | |
| CN108280840B (zh) | 一种基于三维激光雷达的道路实时分割方法 | |
| JP2017067756A (ja) | 物体検出装置及び物体検出方法 | |
| CN108596129A (zh) | 一种基于智能视频分析技术的车辆越线检测方法 | |
| CN107796373B (zh) | 一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法 | |
| CN103453836A (zh) | 基于机器视觉及激光光幕车辆外轮廓尺寸测量系统与方法 | |
| JP2019124683A (ja) | オブジェクト速度推定方法と装置及び画像処理機器 | |
| CN106127145A (zh) | 瞳孔定位及跟踪方法 | |
| CN109635816A (zh) | 车道线生成方法、装置、设备以及存储介质 | |
| JPH11252587A (ja) | 物体追跡装置 | |
| CN112862858A (zh) | 一种基于场景运动信息的多目标跟踪方法 | |
| CN109002800A (zh) | 基于多传感器融合的三维目标实时识别机构及识别方法 | |
| Meshram et al. | Traffic surveillance by counting and classification of vehicles from video using image processing | |
| CN114235340B (zh) | 河道泡漩结构跟踪方法及通航预警方法 | |
| CN110736999A (zh) | 基于激光雷达的铁路道岔检测方法 | |
| CN104574993A (zh) | 一种道路监控的方法及装置 | |
| CN114119957A (zh) | 高速铁路钢轨廓形检测方法及装置 | |
| Espino et al. | Rail and turnout detection using gradient information and template matching | |
| Wang et al. | An inverse projective mapping-based approach for robust rail track extraction | |
| JP3879874B2 (ja) | 物流計測装置 | |
| KR100532058B1 (ko) | 카메라 캘리브레이션을 이용한 교통정보 추출 방법 및 장치 | |
| JP2021060944A (ja) | 路側端検出方法、及び、路側端検出装置 | |
| CN113160299B (zh) | 基于卡尔曼滤波的车辆视频测速方法和计算机可读存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |