CN114396921A - 一种基于无人机的钱塘江涌潮高度及传播速度测量方法 - Google Patents
一种基于无人机的钱塘江涌潮高度及传播速度测量方法 Download PDFInfo
- Publication number
- CN114396921A CN114396921A CN202111345068.XA CN202111345068A CN114396921A CN 114396921 A CN114396921 A CN 114396921A CN 202111345068 A CN202111345068 A CN 202111345068A CN 114396921 A CN114396921 A CN 114396921A
- Authority
- CN
- China
- Prior art keywords
- tidal bore
- aerial vehicle
- unmanned aerial
- camera
- height
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 238000013519 translation Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000011161 development Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000012806 monitoring device Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 27
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 23
- 230000007547 defect Effects 0.000 description 5
- 230000009466 transformation Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 241000219000 Populus Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
- G01C13/002—Measuring the movement of open water
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Abstract
本发明公开了一种基于无人机的钱塘江涌潮高度及传播速度测量方法，该方法解决了基于视频检测视野范围受到局限的问题的同时，还增加了涌潮高度的测量方法，随着无人机技术的快速发展，使得无人机的应用越来越广，通过利用无人机机动性强、便捷、稳定的特点，搭载双目摄像头进行涌潮的拍摄，利用板载计算机将采集到的图像信息进行涌潮的速度与高度计算，并将计算得到的速度传输给无人机飞控模块，使无人机能够完成跟踪拍摄的任务，相比于岸边假设视频监控装置，利用无人机机动性强的特点，能够在不同时刻以及不同地点监测到涌潮传播速度和涌潮高度的变化过程，为涌潮的科学分析提供了更加全面的数据分析。
Description
技术领域
本发明涉及海洋河口涌潮监测领域，具体涉及一种基于无人机的钱塘 江涌潮高度及传播速度测量方法。
背景技术
钱塘江涌潮以其独特的形态闻名古今，平面上喇叭形的杭州湾，以及 纵向上庞大的钱塘江沙坎，使潮波浅水效应显著，在尖山河段形成涌潮，每 年吸引数十万的国内外游客观赏，但是，钱塘江涌潮也存在一些安全隐患， 给人们的生活生产带来了一定的影响，在每年的观潮人群中，由于人们常常 对钱塘江的水文环境不甚了解，忽略了涌潮可能带来的灾难危害，给沿江人 们的生产、生活带来一定的破坏性，常年发生因观潮而导致的人员伤亡事件， 因此，通过开展钱塘江涌潮形态和传播速度的先进测量方法的研究工作，来 获取高传播速度条件下常规技术手段无法监测的基础性涌潮数据，对于进一 步认知涌潮传播规律、保护钱塘江涌潮这一宝贵自然资、缓解或消除其灾害， 具有十分重要的学术意义和实际价值，为钱塘江涌潮的科学分析提供重要的 基础性数据资料。
涌潮传播速度和涌潮高度是涌潮的重要特征，一直深受涌潮研究者的 关注，其中，涌潮传播速度指涌潮潮头的前进速度，涌潮高度是指潮头水面 顶面与潮端前趾低水位的水位差，采用的是连续时间内水位的急剧抬升高度， 通过结合涌潮高度与涌潮传播速度以及其他重要参数，可对涌潮展开更加深 入的研究，如Wolanskia等人观测了澳大利亚戴利河口波状涌潮水位、流速、 泥沙等资料，分析了波状涌潮的水动力特性，Simpson等人观测了英国迪河 河口涌潮水位、流速，分析了涌潮水位、流速、雷诺剪切应力和紊动动能等变化特性，钱塘江涌潮河段因涌潮流速大、水深浅，给涌潮流速观测带来了 极大的困难，采用常规船只和仪器难以观测强涌潮的涌潮流速，杨火其等通 过水槽试验建立了涌潮流速与潮前水深、涌潮高度和涌潮传播速度的经验关 系，因此，对于涌潮在前进过程中的传播速度变化及涌潮高度的变化对涌潮 的研究起着至关重要的作用，从而使得数据获取的手段也变得至关重要。
目前主要的涌潮水文监测方式根据设备是否会接触潮水分为两种，分 别是接触式监测和非接触式监测，接触式监测存在两个方面的缺点，一方面 是由于潮水的冲刷，将水中的泥沙等杂物附着在仪器上，造成仪器测量数据 时发生偏差，或者由于潮水传播速度过快，冲击力够强，会使仪器破坏，造 成一定的经济损失，另外一方面就是安装接触式监测的设备需要在江面上建 设一个固定式观测站，这就需要耗费大量的人力和物力，并且监测的范围也 受到限制，只能监测到这个点位的数据，因此，非接触式监测的方式越来越 得到人们的关注和使用，非接触式监测方式包括基于音频识别的涌潮监测、 基于视频的涌潮监测以及基于雷达的涌潮监测等，相比于接触式监测方式， 非接触式监测方式避免了接触式监测方式所带来的弊端，而且能够相对扩大 监测的范围而不仅限于涌潮的某一个点位的监测，但目前的非接触式监测方 式还是存在一些弊端，在“基于视频识别的江河涌潮监测方法”(公告号： CN102156803A)专利中，公开了一种基于视频识别的江河涌潮监测方法，该专利通过在沿江布设的视频探测装置，由其负责采集涌潮视频信息，在进行 分析处理和识别后，将涌潮视频信息通过无线网络发送到涌潮监测中心，该 方式的缺点就是视频探测装置是固定在江边，若需要得到不同河段的涌潮相 关数据，需架设多台设备，消耗大量的人力和物力，并且若需监测部位在距 离江边较远距离时，由于视野范围有限，监测范围仅局限在靠近岸边部分， 使得监测到的数据并不全面，在“基于音频特征识别的江河涌潮监测方法”(公 告号：CN101403636A)中，通过设置在水上的麦克风或设置在水下的声纳接 收音频信号，计算得到涌潮音频能量平均值，如果涌潮音频能量平均值大于 设定的阈值A则判断有涌潮并发出报警信号，该专利中的不足就是当涌潮的 音频特征不明显时无法达到涌潮的识别特征，而且无法识别涌潮高度等形态 特征，因此，本专利提供一种基于无人机的钱塘江涌潮高度测量方法，该方 法解决了视频监测视野范围受到局限的问题的同时，还增加了涌潮高度的测 量方法。
针对当前涌潮水文监测领域存在的上述问题，本发明设计了一种基于 无人机的钱塘江涌潮高度及速度测量方法，该方法解决了基于视频监测视野 范围受到局限的问题的同时，还增加了涌潮高度的测量方法，随着无人机技 术的快速发展，使得无人机的应用越来越广，通过利用无人机机动性强、便 捷、稳定的特点，搭载双目摄像头进行涌潮的拍摄，利用板载计算机将采集 到的图像信息进行涌潮的速度与高度计算，并将计算得到的速度传输给无人 机飞控模块，使无人机能够完成跟踪拍摄的任务，相比于岸边架设视频监控装置，利用无人机机动性强的特点，能够在不同时刻以及不同地点监测到涌 潮的速度和高度的变化过程，为涌潮的科学分析提供了更加全面的数据分析。
发明内容
本发明公开了一种基于无人机的钱塘江涌潮高度及传播速度测量方 法，通过利用无人机搭载双目摄像头的方式，更加全面、高效地监测涌潮在 传播过程中速度及高度的变化过程，为后续涌潮的研究提供更加全面的数据 支持。
为实现上述目的，本发明提供如下技术方案：
一种基于无人机的钱塘江涌潮高度及传播速度测量方法，包括以下步 骤：
S1.无人机搭载板载计算机与双目摄像头作为硬件平台，飞向指定航点并悬停 等待，开启双目摄像头进入视频模式，镜头与江面成一定夹角朝向涌潮来时 方向，等待涌潮到来；
S2.利用双目摄像头左右两个相机采集涌潮图像信息，得到两幅图像；
S3.利用张正友标定方法对摄像机进行标定，得到摄像机的内参矩阵M和左 右两个摄像机物理坐标系之间的旋转矩阵R和平移矢量T；
S4.分别对左、右摄像机拍摄的图像进行特征点监测、描述和匹配，得到可信 的特征点对；
S5.根据所述可信的特征点对在所述左右两幅图像中的位置信息，同时使用双 目立体视觉三维测量的相关公式，计算特征点在主摄像机坐标系下的坐标；
S6.根据计算得到的特征点在主摄像机坐标系下的坐标，可得到各特征点在不 同时刻所处的位置，即可求得这些特征点向前推进的速度，板载计算机将该 速度传输至无人机飞控模块，实现无人机的跟踪拍摄；
S7.根据所计算得到的特征点在主摄像机坐标系下的坐标，选取并筛选特征 点，从而计算涌潮的高度值；
S8.板载计算机保存无人机在不同位置时涌潮的速度及高度数据，为后续涌潮 研究提供数据支持；
与现有技术相比，本发明的有益效果如下：
1)本发明中，可以同时计算涌潮高度和传播速度两个指标；
2)本发明中，利用无人机跟踪拍摄，可得到涌潮在前进过程中传播 速度和涌潮高度的变化情况；
3)本发明中，可利用无人机的机动性强的特点，可得到更大视野范 围的潮头任意点的传播速度和涌潮高度的数据；
附图说明
附图1为本发明的整体流程图。
附图2为本发明的特征点监测、匹配和筛选方法流程图。
附图3为本发明的双目摄像头工作原理图。
附图4为本发明的潮头线坐标点集图。
附图5为本发明的潮头顶面与水平面点集图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明。
本发明提供一种基于无人机的涌潮高度及传播速度测量方法，主要过 程如图1所示，通过无人机搭载双目摄像头，采集图像后选取特征点对，通 过选取的特征点对计算各特征点在主摄像机坐标系下的坐标位置，即为该特 征点的三维坐标，通过计算得到的三维坐标计算涌潮在一定时间内的速度和 高度，无人机再根据计算得到的高度进行跟随拍摄，得到涌潮在一段时间内 的速度和高度的变化情况，为后续涌潮的研究提供全面的数据支持，特征点 监测、匹配和筛选流程图如图2所示，在进行摄像头标定后，通过左右摄像 头进行图像采集工作，如图3所示为双目摄像头工作原理图，再有SURF算 法进行特征点选取，通过FlannBasedMatcher方法匹配特征点，最后通过 RANSAC方法筛选特征点。
具体过程如下：
(1)无人机悬停等待：
首先，无人机飞向指定航点并悬停等待，开启双目摄像头进入视频模式， 镜头与江面成一定夹角朝向涌潮来时方向，等待涌潮到来，无人机搭载板载 计算机以及一个双目摄像头作为硬件平台，板载计算机负责写入图像处理算 法，将采集到的图像进行图像处理，计算得到的速度值传输至无人机飞控模 块，使无人机能够与涌潮前进的速度同步，完成跟踪拍摄及涌潮高度测量任 务。
(2)视频图像采集：
利用双目摄像头的左右两个相机采集涌潮图像信息，得到两幅图像，双目 摄像头将这两幅图像传输至无人机的板载计算机上，进行后续的图像处理任 务，板载计算机通过处理每一帧图像的形式实时处理双目摄像头所拍摄的视 频。
(3)摄像头标定：
相机成像系统中，共包含四个坐标系：世界坐标系、相机坐标系、图像坐 标系、像素坐标系，这四个坐标系之间的转换关系为：
其中，(U，V，W)是世界坐标系下一个特征点的坐标，(u，v)为该点 对应的像素坐标系下的像素坐标，Z为尺度因子。
我们将矩阵：
称为相机的内参矩阵，内参矩阵取决于相机的内部参数。
我们将矩阵：
称为相机的外参矩阵，外参矩阵取决于相机坐标系和世界坐标系的相对位 置，R表示旋转矩阵，T表示平移矩阵。
(4)选取特征点对：
该过程具体主要由特征点提取、特征点匹配以及特征点筛选组成：
特征点提取采用的是SURF(Speeded Up Robust Features,加速稳健特征)算 法，SURF算法是一种稳健的图像识别和描述算法，它是SIFT的高效变种， 也是提取尺度不变特征，算法步骤与SIFT算法大致相同，但采用的方法不一 样，要比SIFT算法更高效，SURF使用海森(Hesseian)矩阵的行列式值作特征 点监测并用积分图加速运算，SURF的描述子基于2D离散小波变换响应并 且有效地利用了积分图。
特征点匹配采用的是FlannBasedMatcher算法，它是一种近似法，算法更 快但是找到的是最近邻近似匹配，所以当我们需要找到一个相对好的匹配但 是不需要最佳匹配的时候往往使用这种匹配方法，当然也可以通过调整 FlannBasedMatcher的参数来提高匹配的精度或者提高算法速度，但是相应地 算法速度或者算法精度会受到影响。
特征点筛选采用的是RANSAC算法，该算法的具体步骤如下：
步骤1：从样本集中随机抽选一个RANSAC样本，即4个匹配点对；
步骤2：根据这4个匹配点对计算变换矩阵M；
步骤3：根据样本集，变换矩阵M，和误差度量函数计算满足当前变换矩 阵的一致集，并返回一致集中元素个数；
步骤4：根据当前一致集中元素个数判断是否最优(最大)一致集，若是则 更新当前最优一致集；
步骤5：更新当前错误概率p，若p大于允许的最小错误概率则重复(1)至 (4)继续迭代，直到当前错误概率p小于最小错误概率；
(5)计算三维坐标：
首先，按照下式计算得到左右摄像机拍摄图像中筛选的特征点在主摄像机 坐标系中的空间位置坐标：
其中，(X，Y，Z)是所筛选特征点在主摄像机坐标系下的位置坐标，(x1， y1)是左摄像机拍摄图像中的特征点坐标，(x2，y2)是对应匹配的右摄像 头拍摄图像中的特征点坐标，f1、f2分别是左、右摄像机的焦距，r1、r2、…、 r9分别为步骤S3得到的旋转矩阵R中的元素，tx、ty、tz分别是步骤S3得到 的平移矢量T的元素。
(6)计算涌潮速度并传输至无人机：
步骤1：在t1时刻计算所有特征点在主摄像机坐标系下的位置坐标，筛选 点集中其Y轴的值处于中间部分的坐标点，如图4所示即为筛选的特征点， 并选取这些坐标点在Z轴上的坐标值作为这些坐标点与摄像头之间的距离， 依次选取一个坐标点，将其他所有坐标点的Z轴值与其Z轴值相减得到一个 偏差并取绝对值，并将这些绝对值相加得到一个总偏差量，直到计算完所有 坐标点与其他坐标点的总偏差量，比较所有坐标点的总偏差量，选取总偏差 量最小的那个坐标点的Z轴值的大小作为涌潮与无人机之间的距离d1；
步骤2：用上述同样的方式在t2时刻筛选多个涌潮上的特征点，计算其在 主摄像机坐标系下的位置坐标，并筛选可靠特征点即可测得所选特征点与无 人机距离d2；
步骤3：通过计算t1、t2时刻内涌潮前进的距离d＝d1-d2，计算涌潮在t1 至t2时刻内的平均速度，若t1、t2相差足够小，即可作为涌潮在t1时刻的瞬 时速度；
步骤4：无人机板载计算机计算得到瞬时速度后，将该速度传输至无人机 飞控模块，使得飞控发送指令控制电机转动，从而使无人机按照指定速度进 行飞行，达到无人机跟踪涌潮效果；
(7)计算涌潮高度：
涌潮高度是指潮头水面顶面与潮端前趾低水位的水位差，采用的是连续 时间内水位的急剧抬升高度，因此，可通过筛选潮头线上的最高点作为潮头 水面的顶面，筛选与潮端前趾近似的水平面作为潮头线的最低点，根据计算 得到的特征点在主摄像机坐标系下的坐标，选取多个Y轴方向上最小的坐标 点作为涌潮的最低点，即为水平面的高度，如图4中水平面坐标点集即为所 选择的坐标点集，依次选取其中一个坐标点，将这个坐标点依次与其他坐标 点进行相减并取其绝对值得到多个偏差量，再将计算得到的每个坐标点的偏 差量相加得到其中一个坐标点与其他所有坐标点总的偏差量，最后比较每一 个坐标点与其他所有高度值的总偏差量，选取总偏差量最小的坐标点作为涌 潮的最低点，若在这个点集中出现了误检测的点，那么，该点与其他所有点 总的偏差量大于所有其他点的总偏差量，选取多个Y轴方向上的最高点作为 潮头顶面高度，如图4中潮头顶面坐标点集即为所选择的坐标点集，以相同 的方法在该点集中选取一个点的Y轴坐标值作为潮头顶面高度值，最后得到 了潮头顶面与水平面的两个坐标点，通过计算这两个点在Y轴方向上的差值 作为涌潮的高度。
(8)保存数据：
无人机在跟随涌潮拍摄的过程中同步进行涌潮高度的计算，实时保存无人 机在不同位置所拍摄涌潮的高度数据，为涌潮后续的研究提供数据支持。
Claims (7)
1.一种基于无人机的钱塘江涌潮高度及传播速度测量方法，其特征在于，包括以下步骤：
S1.无人机搭载板载计算机与双目摄像头作为硬件平台，飞向指定航点并悬停等待，开启双目摄像头进入视频模式，镜头与江面成一定夹角朝向涌潮来时方向，等待涌潮到来；
S2.利用双目摄像头左右两个相机采集涌潮图像信息，得到两幅图像；
S3.利用张正友标定方法对摄像机进行标定，得到摄像机的内参矩阵M和左右两个摄像机物理坐标系之间的旋转矩阵R和平移矢量T；
S4.分别对左、右摄像机拍摄的图像进行特征点检测、描述和匹配，得到可信的特征点对；
S5.根据所述可信的特征点对在所述左右两幅图像中的位置信息，同时使用双目立体视觉三维测量的相关公式，计算特征点在主摄像机坐标系下的坐标；
S6.根据计算得到的特征点在主摄像机坐标系下的坐标，可得到各特征点在不同时刻所处的位置，既可求得这些特征点向前推进的速度，板载计算机将该速度传输至无人机飞控模块，实现无人机的跟踪拍摄；
S7.根据所计算得到的特征点在主摄像机坐标系下的坐标，选取并筛选特征点，从而计算涌潮的高度值；
S8.板载计算机保存无人机在不同位置时涌潮的速度及高度数据，为后续涌潮研究提供数据支持。
2.根据权利要求1所述基于无人机与双目视觉的钱塘江涌潮高度及传播速度测量方法，其特征在于，所述步骤S1中，无人机搭载板载计算机以及一个双目摄像头作为硬件平台，板载计算机负责写入图像处理算法，将采集到的图像进行图像处理，计算得到的速度值传输至无人机飞控模块，使无人机能够与涌潮前进的速度同步，完成跟踪拍摄及涌潮高度测量任务。
3.根据权利要求1所述基于无人机与双目视觉的钱塘江涌潮高度及传播速度测量方法，其特征在于，所述步骤S4的具体步骤为：
步骤1：使用SURF算法对左右两幅图像进行特征点提取；
步骤2：使用FlannBasedMatcher算法对提取的特征点进行粗略匹配；
步骤3：使用RANSAC算法对粗略匹配后的特征点对进行筛选，得到可行的特征点对。
4.根据权利要求1所述基于无人机与双目视觉的钱塘江涌潮高度及传播速度测量方法，其特征在于，所述步骤S5的具体步骤为：首先，按照下式计算得到左右摄像机拍摄图像中筛选的特征点在主摄像机坐标系中的空间位置坐标：
其中，(X，Y，Z)是所筛选特征点在主摄像机坐标系下的位置坐标，(x1，y1)是左摄像机拍摄图像中的特征点坐标，(x2，y2)是对应匹配的右摄像头拍摄图像中的特征点坐标，f1、f2分别是左、右摄像机的焦距，r1、r2、…、r9分别为步骤S3得到的旋转矩阵R中的元素，tx、ty、tz分别是步骤S3得到的平移矢量T的元素。
5.根据权利要求1所述基于无人机与双目视觉的钱塘江涌潮高度及传播速度测量方法，其特征在于，所述步骤S6的具体步骤为：
步骤1：在t1时刻筛选多个涌潮上的特征点，计算其在主摄像机坐标系下的位置坐标，并筛选可靠特征点即可测得所选特征点与无人机距离d1；
步骤2：在t2时刻筛选多个涌潮上的特征点，计算其在主摄像机坐标系下的位置坐标，并筛选可靠特征点即可测得所选特征点与无人机距离d2；
步骤3：通过计算t1、t2时刻内涌潮前进的距离d＝d1-d2，计算涌潮在t1至t2时刻内的平均速度，若t1、t2相差足够小，即可作为涌潮在t1时刻的瞬时速度；
步骤4：无人机板载计算机计算得到瞬时速度后，将该速度传输至无人机飞控模块，使得飞控发送指令控制电机转动，从而使无人机按照指定速度进行飞行，达到无人机跟踪涌潮效果。
6.根据权利要求1所述基于无人机与双目视觉的钱塘江涌潮高度及传播速度测量方法，其特征在于，所述步骤S7的具体步骤为：根据所计算得到的特征点在主摄像机坐标系下的坐标，选取多个Y轴方向上最小的坐标点作为涌潮的最低点集，并筛选其中一个坐标点作为涌潮的最低点，选取多个Y轴方向上的最高点作为涌潮的最高点集，并筛选其中一个坐标点作为涌潮的最高点，通过计算筛选后的最高点与最低点在Y轴方向上的差值作为涌潮的高度，避免检测过程中检测出错误的特征点造成的结果的误差。
7.根据权利要求1所述基于无人机与双目视觉的钱塘江涌潮高度及传播速度测量方法，其特征在于，所述步骤S8的具体步骤为：无人机在跟随涌潮拍摄的过程中同步进行涌潮高度的计算，实时保存无人机在不同位置所拍摄涌潮的高度数据，为涌潮后续的研究提供数据支持。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111345068.XA CN114396921B (zh) | 2021-11-15 | 2021-11-15 | 一种基于无人机的钱塘江涌潮高度及传播速度测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111345068.XA CN114396921B (zh) | 2021-11-15 | 2021-11-15 | 一种基于无人机的钱塘江涌潮高度及传播速度测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114396921A true CN114396921A (zh) | 2022-04-26 |
| CN114396921B CN114396921B (zh) | 2023-12-08 |
Family
ID=81225728
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111345068.XA Active CN114396921B (zh) | 2021-11-15 | 2021-11-15 | 一种基于无人机的钱塘江涌潮高度及传播速度测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114396921B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115520987A (zh) * | 2022-09-13 | 2022-12-27 | 华能曲阜热电有限公司 | 一种刮板捞渣机尾部积渣处理装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105928493A (zh) * | 2016-04-05 | 2016-09-07 | 王建立 | 基于无人机的双目视觉三维测绘系统和方法 |
| KR101710613B1 (ko) * | 2015-10-12 | 2017-02-27 | 한국해양과학기술원 | 수중익을 구비한 수중드론을 이용한 실시간 파랑-유속 관측방법 및 그 장치 |
| KR20170040446A (ko) * | 2015-10-02 | 2017-04-13 | 한국해양과학기술원 | 자동 윈치를 탑재한 드론을 이용한 실시간 원격 해양관측 방법 |
| CN108317953A (zh) * | 2018-01-19 | 2018-07-24 | 东北电力大学 | 一种基于无人机的双目视觉目标表面3d检测方法及系统 |
| CN110927403A (zh) * | 2019-12-05 | 2020-03-27 | 孙永华 | 一种基于光学相机的无人机水流流速测量系统及方法 |
| CN111914695A (zh) * | 2020-07-16 | 2020-11-10 | 河海大学 | 一种基于机器视觉的涌潮监测方法 |
| KR20210105487A (ko) * | 2020-02-18 | 2021-08-27 | 단국대학교 산학협력단 | 초분광영상을 이용한 하상 변동속도 측정 방법 |
| CN113344953A (zh) * | 2021-04-21 | 2021-09-03 | 中国计量大学 | 一种基于无人机的机器视觉涌潮流速测量方法 |
-
2021
- 2021-11-15 CN CN202111345068.XA patent/CN114396921B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170040446A (ko) * | 2015-10-02 | 2017-04-13 | 한국해양과학기술원 | 자동 윈치를 탑재한 드론을 이용한 실시간 원격 해양관측 방법 |
| KR101710613B1 (ko) * | 2015-10-12 | 2017-02-27 | 한국해양과학기술원 | 수중익을 구비한 수중드론을 이용한 실시간 파랑-유속 관측방법 및 그 장치 |
| CN105928493A (zh) * | 2016-04-05 | 2016-09-07 | 王建立 | 基于无人机的双目视觉三维测绘系统和方法 |
| CN108317953A (zh) * | 2018-01-19 | 2018-07-24 | 东北电力大学 | 一种基于无人机的双目视觉目标表面3d检测方法及系统 |
| CN110927403A (zh) * | 2019-12-05 | 2020-03-27 | 孙永华 | 一种基于光学相机的无人机水流流速测量系统及方法 |
| KR20210105487A (ko) * | 2020-02-18 | 2021-08-27 | 단국대학교 산학협력단 | 초분광영상을 이용한 하상 변동속도 측정 방법 |
| CN111914695A (zh) * | 2020-07-16 | 2020-11-10 | 河海大学 | 一种基于机器视觉的涌潮监测方法 |
| CN113344953A (zh) * | 2021-04-21 | 2021-09-03 | 中国计量大学 | 一种基于无人机的机器视觉涌潮流速测量方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陈诚;王新;李子阳;徐磊;高柱;: "基于无人机自标定的表面流场测量方法", 水利水电科技进展, no. 04 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115520987A (zh) * | 2022-09-13 | 2022-12-27 | 华能曲阜热电有限公司 | 一种刮板捞渣机尾部积渣处理装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114396921B (zh) | 2023-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106356757B (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
| CN113359810B (zh) | 一种基于多传感器的无人机着陆区域识别方法 | |
| CN103971406B (zh) | 基于线结构光的水下目标三维重建方法 | |
| CN105184816A (zh) | 基于usv的视觉检测和水面目标追踪系统及其检测追踪方法 | |
| CN103679674A (zh) | 一种无人飞行器实时图像拼接方法及系统 | |
| CN109931909B (zh) | 一种基于无人机的海上风机塔柱状态巡检方法和装置 | |
| CN112085003B (zh) | 公共场所异常行为自动识别方法及装置、摄像机设备 | |
| CN103903237A (zh) | 一种前扫声纳图像序列拼接方法 | |
| CN104966063A (zh) | 基于gpu与cpu协同计算的矿井多摄像机视频融合方法 | |
| JP6858415B2 (ja) | 海面計測システム、海面計測方法および海面計測プログラム | |
| CN111126116A (zh) | 无人船河道垃圾识别方法及系统 | |
| US11948344B2 (en) | Method, system, medium, equipment and terminal for inland vessel identification and depth estimation for smart maritime | |
| CN115127510A (zh) | 一种水陆空三栖立体无人化多平台联动滑坡智能巡防系统 | |
| CN115809986A (zh) | 一种多传感器融合的输电走廊智能外破检测方法 | |
| Naus et al. | Precision in determining ship position using the method of comparing an omnidirectional map to a visual shoreline image | |
| CN114396921A (zh) | 一种基于无人机的钱塘江涌潮高度及传播速度测量方法 | |
| CN108921896B (zh) | 一种融合点线特征的下视视觉罗盘 | |
| CN114842340A (zh) | 一种机器人双目立体视觉障碍物感知方法与系统 | |
| CN113792593A (zh) | 一种基于深度融合的水下近距离目标识别跟踪方法及系统 | |
| CN113138364A (zh) | 一种基于水下潜摄设备的滑坡安全监测装置及定位方法 | |
| CN117288094A (zh) | 基于激光传感器的掘进机实时定位系统 | |
| CN104615987B (zh) | 一种基于误差反传神经网络的飞机残骸智能识别方法及系统 | |
| CN110826575A (zh) | 一种基于机器学习的水下目标识别方法 | |
| CN112862862B (zh) | 基于人工智能视觉跟踪的飞机自主受油装置及应用方法 | |
| Wang et al. | A moving target detection and localization strategy based on optical flow and pin-hole imaging methods using monocular vision |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Ding Tao Inventor after: Zhan Guangjie Inventor after: Ma Zhibin Inventor before: Zhan Guangjie Inventor before: Ding Tao Inventor before: Ma Zhibin |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |