CN114459564A - 一种基于机器视觉的河道水位测量装置及方法 - Google Patents
一种基于机器视觉的河道水位测量装置及方法 Download PDFInfo
- Publication number
- CN114459564A CN114459564A CN202111652428.0A CN202111652428A CN114459564A CN 114459564 A CN114459564 A CN 114459564A CN 202111652428 A CN202111652428 A CN 202111652428A CN 114459564 A CN114459564 A CN 114459564A
- Authority
- CN
- China
- Prior art keywords
- water level
- color block
- area
- machine vision
- area color
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/04—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by dip members, e.g. dip-sticks
Landscapes
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
Abstract
本发明公开了一种基于机器视觉的河道水位测量装置及方法，属于机器视觉技术领域。一种基于机器视觉的河道水位测量装置包括水位标尺、图像采集模块和水位测量算法模块。水位标尺提供便于安装和采用机器视觉识别的参考标志，包括垂直水位刻度标尺、第一区域色块和第二区域色块；图像采集模块采集水位标尺所在观测区域的数字图像；水位测量算法模块依据观测区域检测到的数字图像中的第一区域色块与水面交界线的长度、第一区域色块与第二区域色块的分界线形状计算出对应的水位高度。本发明通过一种基于机器视觉的河道水位测量装置和方法，解决了因水面反射倒影带来的测量目标误识问题，实现了河道水位的准确测量。
Description
技术领域
本发明属于机器视觉技术领域，特别涉及一种基于机器视觉的河道水位测量装置及方法。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
目前河道水位测量存在浮球、音叉振动、超声波、TDR（时域反射）/导波雷达/微波、激光、光电折射、液面电容、河底静压等基于传感器的测量方式。近年来，随着机器视觉技术的进步，越来越多的用户开始选择采用视频监控摄像信息检测水位高度，这样可简化设备部署，而且便于人工远程利用视频观察现场情况。
目前普遍采用的方法是用机器视觉技术识别水位标尺，水位标尺大都基于人工观察需求，用机器视觉技术识别时，由于环境复杂，水面反光等因素，技术难度很大，即使采用深度学习等技术，也难以降低误报率。
专利《一种基于机器视觉的水位检测方法及河道监测方法》（申请公布号CN112884731A）公开了一种基于机器视觉的水位检测方法及河道监测方法，水位检测方法包括如下步骤：先获取如下结构的水尺，包括水尺本体，所述水尺本体上涂设有水尺线，所述水尺线包括沿竖向涂设的特征色线，所述特征色线的两侧具有沿长度方向依次交错设置的刻度线块，所述刻度线块包括三条间隔设置特征刻度线，所述特征刻度线与所述特征色线均采用红色涂设，相邻两条特征刻度线之间涂设有白色刻度线，使刻度线块与所述特征色线形成“E”形；其中一侧的刻度线块之间的区域涂设为蓝色色块，另一侧的刻度线块之间的区域涂设有数字。本发明具有无需对水尺字符进行识别等优点。该专利无法消除水面镜像反射带来的干扰，存在误报风险。
专利《一种用于测量斜坡式河道水位的激光测量装置》（授权公告号CN206387475U）本实用新型公开的一种用于测量斜坡式河道水位的激光测量装置，包括：一设置在斜坡式河道护岸的坡面上的保护套管；一放置在所述保护套管内并可随着水位进行漂浮升降的浮子；一安装在所述保护套管的上端的激光测量探头；以及一远程控制器，所述远程控制器与所述激光测量探头连接并根据所述激光测量探头收集的数据计算出斜坡式河道水位。本实用新型结合浮子水位计与非接触水位计的优点，测量更加可靠，盲区小于10cm，不受安装距离限制，探头尺寸小，便于安装，能够满足远程自动化监控需要，可以有效地解决斜坡式河道护岸中超声波水位计、雷达水位计的安装及水位数据收集的问题。该专利采用斜坡式安装，有别于传统标尺安装方法，但从正面看，标尺仍然垂直与河流流向，与本发明从形式上有根本的区别。
专利《基于深度学习算法的水尺水位视频智能监测方法及系统》（公告号CN108318101A）公开了一种基于深度学习算法的水尺水位视频智能监测方法及系统，属于图像识别和水位监测技术领域。本发明方法包括视频采集、视频帧处理、水位线识别和水位测算等步骤。本发明利用深度学习神经网络实现水位监测的智能化和自动化，具有极强的准确性和可行性，装置结构简单，便于部署，相对于现有技术来说不仅成本低廉、自动化水平高，而且还具有较高的监测效率，是对现有技术的一种重要改进。事实上，基于深度学习的测量方法的精度严重依赖训练样本的丰富程度，在实际应用中，不仅需要强大的硬件算力支持，而且针对不同场景性能差异较大。该方法基于对传统标尺的识别，无法解决水面反射带来的算法误识问题。
论文《图像识别技术在水位监测中的比测分析》（水资源研究Vol. 9 No. 2(April 2020)）公开了一种基于机器视觉的水位测量方法。该论文认为有两大难题，“一是水尺部分污渍遮挡容易导致识别结果不准确；二是在夜间无光的情况下，摄像头的红外补光不均匀，使得图像分割有很大困难，造成检测误差较大。”事实上，基于该论文方法也无法解决水面反射造成的算法误识问题。
论文《基于数字图像处理的水位标尺识别研究》（来源不详，网址：https://www.docin.com/p-2282251635.html）尝试了从传统图像形态学到深度学习技术的多种方法，最后认为，数字图像处理方法难以完全克服基于“水面交界处”反光倒影造成图像目标误识问题。
发明内容
为了解决上述问题，本发明提出了一种基于机器视觉的河道水位测量装置及方法，解决了因水面反射倒影带来的测量误识问题。本发明采用如下技术方案：
第一方面，本发明提供一种基于机器视觉的河道水位测量装置，包括水位标尺、图像采集模块和水位测量算法模块。
进一步地，水位标尺提供便于安装和采用机器视觉识别的参考标志，水位标尺包括垂直水位刻度标尺、第一区域色块和第二区域色块，其中垂直水位刻度标尺位于水位标尺的最右侧，紧靠第一区域色块，第一区域色块与第二区域色块位于垂直水位刻度标尺的左侧，第一区域色块与第二区域色块的并集是矩形区域，第一区域色块与第二区域色块的分界线起始于矩形区域的左下角，结束于矩形区域右上角，第一区域色块位于矩形区域右下方，第二区域色块位于矩形区域左上方，水位标尺与水面垂直相交，水位标尺底边位于水面以下或者河道底部，示意图参见附图1。
进一步地，所述的图像采集模块采集水位标尺所在观测区域的数字图像。
进一步地，所述的水位测量算法模块对图像采集模块采集的数字图像进行分割、数字图像中的坐标标定，并依据第一区域色块与水面交界线的长度、第一区域色块与第二区域色块的分界线形状计算出当前的水位高度。
进一步地，所述的第一区域色块与第二区域色块的分界线不限于直线，可设置为任何单调递增的从矩形左下角开始到矩形右上角结束的函数曲线，与此相对应的水位计算方法也依据第一区域色块与第二区域色块分界线形状采用想对应的算法，示意图参见附图3。
进一步地，所述第一区域色块与第二区域色块的色度差值大于设定阈值，以使水位测量算法模块能清楚的从图像采集模块采集的数字图像中识别出第一区域色块与第二区域色块的布局。
进一步地，水位标尺中包含的垂直水位刻度标尺用于水位标尺的安装、校准和人工观测使用。
第二方面，本发明提供一种基于机器视觉的河道水位测量方法，步骤包括：图像采集模块采集水位标尺所在观测区域的数字图像，水位测量算法模块根据图像颜色对数字图像进行图像分割，标定出水位标尺上第一区域色块与水面交界线的最左侧横坐标和最右侧横坐标；依据第一区域色块与水面交界线的最左侧横坐标和最右侧横坐标，计算第一区域色块与水面交界线的长度；依据第一区域色块与水面交界线的长度，计算出水面距第一区域色块最上方的距离；依据第一区域色块和第二区域色块的高度、水面距第一区域色块最上方的距离、水位标尺底边距离河底的高度，从而计算出水位高度。
进一步地，第一区域色块与水面交界线的长度L=x2-x1，其中x2是第一区域色块与水面交界线的最右侧横坐标，x1是第一区域色块与水面交界线的最左侧横坐标。
进一步地，第一区域色块与第二区域色块的分界线设定为直线，假设第一区域色块和第二区域色块的矩形宽度为W、高度为H，所观测到的第一区域色块（2）与水面交界线的长度为L，则可以计算出水面距第一区域色块（2）最上方的距离 h = L * H / W，然后依据水面距第一区域色块最上方的距离、第一区域色块和第二区域色块的高度、水位标尺底边距离河底的高度，从而计算出水位高度。
本专利基于河道水位测量，但不限于河道水位测量应用。
本发明具有如下有益效果：
本专利提出一种基于机器视觉的河道水位测量装置及方法，有效的解决了采用视频监控摄像设备监测水位高度时，水面交界处反光倒影造成的图像目标误识问题。水位测量算法模块利用第一区域色块和第二区域色块的色度差值，使得图像目标识别准确、标定的图像目标的坐标准确，最终计算获得精准的水位位置，实现了人工远程对水位高度的精准监测。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明河道中的水位标尺样式示意图。
图2为本发明水位标尺水面反射影像示意图。
图3为本发明第一区域色块与第二区域色块分界线为曲线的水位标尺样式示意图。
图4为本发明硬件系统网络结构图。
其中，1-水位标尺；2-第一区域色块；3-第二区域色块；4-垂直水位刻度标尺；5-水面。
具体实施方式
下面结合附图与实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
实施例1：
如图1所示，本实施例采用第一区域色块与第二区域色块的分界线采用直线形式，获得水位高度的实施例。所述过程包括：
（1）水位标尺采用图1样式，安装在待测河道中，水位标尺底边位于水面以下或者河道底部；图像采集模块采用视频监控摄像机，安装在河道周围的支架上，保证水位标尺在摄像机的监控范围内；水位测量算法模块采用嵌入式计算模组，嵌入式计算模组与摄像机一并安装在支架上。视频监控摄像机与水位测量算法模块通过以太网络连接，以太网同时连接工作人员的终端设备，工作人员通过终端设备查看河道水位的数据。硬件系统网络结构图如图4。
（2）水位标尺安装后，记录下第一区域色块右下角位置距离河底的垂直距离。
（3）从视频监控摄像机采集监控数字图像。
（4）嵌入式计算模组依据颜色对数字图像进行图像分割，并标定水位标尺上第一区域色块与水面交界线上的最左侧横坐标和最右侧横坐标。
（5）第一区域色块与水面交界线的长度L=x2-x2，其中x2是第一区域色块与水面交界线的最右侧横坐标，x1是第一区域色块与水面交界线的最左侧横坐标。
（6）假设第一区域色块和第二区域色块的矩形宽度为W、高度为H，所观测到的第一区域色块（2）与水面交界线的长度为L，第一区域色块右下角距离河底垂直距离为h1，水位高度为h水，则计算出水面距第一区域色块（2）最上方的距离 h = L * H / W，水位高度
h水=H-h+ h1。
实施例2：
如图1所示，本实施例采用第一区域色块与第二区域色块的分界线采用直线形式，获得水位高度的实施例。所述过程包括：
（1）在实施例1的基础上，硬件安装完成后，标定出水位标尺上第一区域色块最左侧横坐标和最右侧横坐标对应的水位。
（2）假设第一区域色块标定的最左边的横坐标x3对应的水位是L1，最右侧横坐标x4对应的水位是L2， 则横坐标 x 对应的水位是 h水 = L1 + (x – x3)*(L2 – L1)/(x4 – x3)。
实施例3：
如图3所示，本实施例采用第一区域色块与第二区域色块的分界线采用曲线形式，获得水位高度的实施例。所述过程包括：
（1）水位标尺采用图3样式，在实施例1的硬件部署基础上，硬件安装完成后，标定出水位标尺上第一区域色块最左侧横坐标和最右侧横坐标对应的水位。
（2）假设第一区域色块标定的最左边的坐标x3对应的水位是L1，最右侧横坐标x4对应的水位是L2， 则 横坐标x 对应的水位是 h水 = (L2-L1)/2*sin((x-x3)/(x4-x3)*π– 0.5*π)+（L2+L1）/2。
Claims (9)
1.一种基于机器视觉的河道水位测量装置，包括水位标尺（1）、图像采集模块和水位测量算法模块，其特征在于：
水位标尺（1）提供便于安装和采用机器视觉识别的参考标志，水位标尺（1）包括垂直水位刻度标尺（4）、第一区域色块（2）和第二区域色块（3），其中垂直水位刻度标尺（4）位于水位标尺（1）的最右侧，紧靠第一区域色块（2），第一区域色块（2）与第二区域色块（3）位于垂直水位刻度标尺（4）的左侧，第一区域色块（2）与第二区域色块（3）的并集是矩形区域，第一区域色块（2）与第二区域色块（3）的分界线起始于矩形区域的左下角，结束于矩形区域右上角，第一区域色块（2）位于矩形区域右下方，第二区域色块（3）位于矩形区域左上方，水位标尺（1）与水面（5）垂直相交，水位标尺（1）底边位于水面（5）以下或者河道底部；
图像采集模块用于采集水位标尺（1）所在观测区域的数字图像；
水位测量算法模块用于对图像采集模块采集的数字图像进行分割，数字图像中的坐标标定，并依据第一区域色块（2）与水面（5）交界线的长度、第一区域色块（2）与第二区域色块（3）的分界线形状计算出当前的水位高度。
2.根据权利要求1所述的基于机器视觉的河道水位测量装置，其特征在于：水位标尺（1）的第一区域色块（2）与第二区域色块（3）的分界线设置为单调递增的从矩形左下角开始到矩形右上角结束的函数曲线；水位测量算法采用第一区域色块（2）与第二区域色块（3）的分界线相对应的算法。
3.根据权利要求2所述的基于机器视觉的河道水位测量装置，其特征在于：水位标尺（1）的第一区域色块（2）与第二区域色块（3）的分界线采用但不限于直线。
4.根据权利要求2所述的基于机器视觉的河道水位测量装置，其特征在于：水位标尺（1）的第一区域色块（2）与第二区域色块（3）的分界线采用正弦曲线。
5.根据权利要求1所述的基于机器视觉的河道水位测量装置，其特征在于：第一区域色块（2）与第二区域色块（3）的色度差值大于设定阈值。
6.根据权利要求1所述的基于机器视觉的河道水位测量装置，其特征在于：水位标尺（1）的垂直水位刻度标尺（4）用于水位标尺（1）的安装、校准和人工观测使用。
7.一种基于机器视觉的河道水位测量方法，其特征在于，采用权利要求1所述的河道水位测量装置，包括以下步骤：
步骤一：图像采集模块采集水位标尺（1）所在观测区域的数字图像，水位测量算法模块根据图像颜色对数字图像进行图像分割，标定出水位标尺（1）上第一区域色块（2）与水面（5）交界线的最左侧横坐标和最右侧横坐标；
步骤二：依据第一区域色块（2）与水面（5）交界线的最左侧横坐标和最右侧横坐标，计算第一区域色块（2）与水面（5）交界线的长度；
步骤三：依据第一区域色块（2）与水面（5）交界线的长度，计算出水面（5）距第一区域色块（2）最上方的距离；
步骤四：依据第一区域色块（2）和第二区域色块（3）的高度、水面（5）距第一区域色块（2）最上方的距离、水位标尺（1）底边距离河底的高度，从而计算出水位高度。
8.根据权利要求7所述的一种基于机器视觉的河道水位测量方法，其特征在于：第一区域色块（2）与水面（5）交界线的长度L=x2-x1，其中x2是第一区域色块（2）与水面（5）交界线的最右侧横坐标，x1是第一区域色块（2）与水面（5）交界线的最左侧横坐标。
9.根据权利要求7所述的一种基于机器视觉的河道水位测量方法，其特征在于：第一区域色块（2）与第二区域色块（3）的分界线设定为直线，假设第一区域色块和第二区域色块的矩形宽度为W、高度为H，所观测到的第一区域色块（2）与水面（5）交界线的长度为L，则可以计算出水面（5）距第一区域色块（2）最上方的距离 h = L * H / W。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111652428.0A CN114459564A (zh) | 2021-12-31 | 2021-12-31 | 一种基于机器视觉的河道水位测量装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111652428.0A CN114459564A (zh) | 2021-12-31 | 2021-12-31 | 一种基于机器视觉的河道水位测量装置及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114459564A true CN114459564A (zh) | 2022-05-10 |
Family
ID=81407621
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111652428.0A Pending CN114459564A (zh) | 2021-12-31 | 2021-12-31 | 一种基于机器视觉的河道水位测量装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114459564A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115164847A (zh) * | 2022-08-11 | 2022-10-11 | 北京奥特美克科技股份有限公司 | 一种水位测量方法、装置及系统 |
| CN116222693A (zh) * | 2023-05-10 | 2023-06-06 | 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） | 一种基于水尺倒影的天然河道水位自动监测方法 |
-
2021
- 2021-12-31 CN CN202111652428.0A patent/CN114459564A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115164847A (zh) * | 2022-08-11 | 2022-10-11 | 北京奥特美克科技股份有限公司 | 一种水位测量方法、装置及系统 |
| CN115164847B (zh) * | 2022-08-11 | 2023-09-22 | 北京奥特美克科技股份有限公司 | 一种水位测量方法、装置及系统 |
| CN116222693A (zh) * | 2023-05-10 | 2023-06-06 | 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） | 一种基于水尺倒影的天然河道水位自动监测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107588823B (zh) | 基于双波段成像的水尺水位测量方法 | |
| CN114459564A (zh) | 一种基于机器视觉的河道水位测量装置及方法 | |
| CN108759973A (zh) | 一种水位测量方法 | |
| CN108921165B (zh) | 基于水尺图像的水位识别方法 | |
| CN110148180A (zh) | 一种激光雷达与相机融合装置与标定方法 | |
| CN109764930B (zh) | 一种适用于复杂光照条件的水尺水位线视觉检测方法 | |
| CN112766274A (zh) | 一种基于Mask RCNN算法的水尺图像水位自动读数方法及系统 | |
| CN104657711B (zh) | 一种鲁棒的指针式仪表读数自动识别方法 | |
| CN103345755A (zh) | 一种基于Harris算子的棋盘格角点亚像素提取方法 | |
| CN106599897A (zh) | 基于机器视觉的指针式仪表读数识别方法及装置 | |
| CN114359841B (zh) | 一种基于时空平均的视频水位识别方法 | |
| CN107301412A (zh) | 一种基于图像处理的指针式仪表读数方法 | |
| CN109186706A (zh) | 一种用于城市雨洪淹没区预警的方法 | |
| CN113469178B (zh) | 一种基于深度学习的电力表计识别方法 | |
| CN108876860A (zh) | 一种用于管水准器气泡偏移量测量的图像标定方法 | |
| CN107121074B (zh) | 一种利用机器视觉进行尾矿库干滩长度测量的方法 | |
| CN109579774B (zh) | 一种基于深度实例分割网络的天线下倾角测量方法 | |
| CN114639064B (zh) | 一种水位识别方法及装置 | |
| CN112212935A (zh) | 基于数字图像处理的水体水位测量方法 | |
| CN112862898B (zh) | 一种基于计算机视觉的流速测定方法 | |
| CN107869982A (zh) | 一种基于线阵ccd的新型静力水准仪 | |
| CN116486212A (zh) | 一种基于计算机视觉的水尺识别方法、系统及存储介质 | |
| CN113822104B (zh) | 基于多候选虚拟标尺的人工智能水面检测系统 | |
| CN111161264A (zh) | 一种对含有缺陷的tft电路图像的分割方法 | |
| CN113822105B (zh) | 基于svm水标尺在线二分类器的人工智能水位监测系统 |
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 |