CN114972447A - 一种基于无人机拍照的水体表面流迹线测量方法 - Google Patents
一种基于无人机拍照的水体表面流迹线测量方法 Download PDFInfo
- Publication number
- CN114972447A CN114972447A CN202210355344.9A CN202210355344A CN114972447A CN 114972447 A CN114972447 A CN 114972447A CN 202210355344 A CN202210355344 A CN 202210355344A CN 114972447 A CN114972447 A CN 114972447A
- Authority
- CN
- China
- Prior art keywords
- image
- unmanned aerial
- aerial vehicle
- water body
- registration
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 43
- 238000012937 correction Methods 0.000 claims abstract description 26
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 239000000700 radioactive tracer Substances 0.000 claims abstract description 6
- 230000009466 transformation Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000013519 translation Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 3
- 238000003702 image correction Methods 0.000 claims description 2
- 239000003550 marker Substances 0.000 claims description 2
- 230000001360 synchronised effect Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000009533 lab test Methods 0.000 description 4
- 238000000691 measurement method Methods 0.000 description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明属于河流水利技术领域,具体是关于一种基于无人机拍照的水体表面流迹线测量方法,先在水体表面同时抛撒一排多个示踪浮标,采用无人机搭载高清相机至水体上方,按一定时间间隔连续拍摄图像;对图像进行畸变矫正及高度影响修正、平差矫正;将所拍摄图像转化到统一坐标系下的正射影像;通过计算机对正射影像进行浮标识别,计算解析出各个时刻各示踪浮标在照片中的位置,将同一浮标不同时刻位置按时序连接起来即可得到水体表面流迹线。可同时实现多个示踪浮标流迹线同步连续观测,能得到整条流迹线上的瞬时流速,测量方法可选浮标范围广,现场测量仅需无人机和示踪浮标,能适用于各种测量环境。
Description
技术领域
本发明属于河流水利技术领域,具体是关于一种基于无人机拍照的水体表面流迹线测量方法。
背景技术
流迹线是流体中质点在连续时间过程中的流动轨迹线,是流体运动的重要特性之一。水流表面流迹线的测量对于河流海岸工程中航道整治、河流治理等关键问题发挥着至关重要的作用。由于水是无色透明的液体,现有水体表面流迹线测量多采用添加有色染料形成有色水体、抛浮标人工跟踪或抛GPS定位跟踪浮标方法进行流迹线测量,然而添加有色染料形成有色水体会破坏水质,且误差较大;而人工跟踪浮标测量效率低,定位精度差;GPS定位跟踪浮标受信号限制,位于信号弱或没有信号的山区及海上的观测精度差。现有水体流迹线的测量方法往往存在着采用长曝光记录轨迹粒子而导致流迹线模糊、仅获得单张照片而无法显示流迹线的动态发展趋势等缺陷。
本发明提供一种基于无人机拍照的水体表明流迹线测量方法,同时可跟踪观测的流迹线个数理论上只受限于浮标个数,效率显著提升,定位精度高,绝对精度主要受图片定位精度限制,各流迹线之间相对误差仅受图像像素分辨率限制。
前述背景技术知识的记载旨在帮助本领域普通技术人员理解与本发明较为接近的现有技术,同时便于对本发明构思及技术方案的理解,应当明确的是,在没有明确的证据表明上述内容在本专利申请的申请日前已公开的情况下,上述背景技术不应当用于评价本申请技术方案的新创性。
发明内容
为解决上述背景技术中提及的至少一种技术问题,本发明的目的旨在提供一种基于无人机拍照的水体表面流迹线测量方法,可同时实现多个示踪浮标流迹线同步连续观测,能得到整条流迹线上的瞬时流速,测量方法可选浮标范围广,现场测量仅需无人机和示踪浮标,能适用于各种测量环境。
为了实现上述目的,本发明提供如下技术方案。
一种基于无人机拍照的水体表面流迹线测量方法,包括:
步骤1:在水体表面同时抛撒一排多个示踪浮标,采用无人机搭载高清相机至水体上方,按一定时间间隔连续拍摄图像;
步骤2:根据相机拍摄参数对拍摄的图像进行畸变矫正及高度影响修正,并通过岸上已知坐标固定标志物对图片进行平差矫正;
步骤3:将所拍摄图像转化到统一坐标系下的正射影像;
步骤4:通过计算机对正射影像进行浮标识别,计算解析出各个时刻各示踪浮标在照片中的位置,将同一浮标不同时刻位置按时序连接起来即可得到水体表面流迹线。
进一步的,还包括步骤5:根据正射影像中同一浮标前后时刻出现位置,以及前后时刻拍照时间差,经过计算即可得到任何时段内、任何位置的水体流速。
进一步的,步骤1中,所述无人机至少有一架。
进一步的,步骤1中,拍照测量前先对相机进行标定,确定畸变修正参数,图像矫正即可用该参数进行修正。
进一步的,步骤1中,无人机采用静止方式拍摄,当示踪浮标即将运动出无人机的拍摄范围时,起飞其他搭载高清相机的无人机继续拍摄获得水体图像。
进一步的,步骤1中,无人机采用运动方式拍摄,当示踪浮标向下游运动过程中,无人机跟随示踪浮标一起运动拍摄获得水体图像。
进一步的,步骤2中,相机拍摄参数包括相机拍摄坐标、物距和像距。
进一步的,步骤2中,所述对拍摄的图像进行畸变矫正的公式如下:
x0=x(1+k1r2+k2r4+k3r6)
y0=y(1+k1r2+k2r4+k3r6)
公式中(x0,y0)是畸变点在照片上的原始位置,(x,y)是校正后新的位置,k1、k2、k3是与相机镜头有关的变形修正计算参数。
进一步的,步骤2中,对相机进行标定和后期图像畸变修正采用OpenCV库中的函数接口。
进一步的,步骤2中,应用相机拍摄参数对拍摄的图像进行高度影响修正。
相机在拍摄成像过程中由于透视等原因会造成一定的图像失真,图像在配准及识别前先需进行修正,现有相机技术能使透视变形降到较低的程度,但也不能完全消除畸变,特别是镜头边缘产生的不同程度的变形和失真,本申请通过畸变修正和高度影响修正可较大程度的修正图片的失真变形,有助于提高后续的配准及识别精度,提高流迹线测量准确性。
进一步的,步骤3中,将所拍摄图像转化到统一坐标系下的正射影像具体是结合图像绝对配准与相对配准,将所拍摄图像统一到同一个坐标系。
更进一步的,所述绝对配准包括:
对于二维平面上的变换需要x、y方向上两个平移参数dx、dy,以及一个绕着垂直于xy平面内的旋转参数θ,转换关系如下:
在XOY坐标系下,2个已知公共特征点的坐标分别为A(x1,y1)、B(x2,y2);在X′O′Y′坐标系下,其坐标分别为A′(x′1,y1′)、B′(x′2,y2′),可以得到转化参数dx、dy及θ;上述转化关系建立后,原坐标系中任意一点均可通过该关系转换到目标坐标系下。
无人机拍照时在河岸上选择一条基线上的2个特征点,点的坐标至少2个特征点,采用大地测量方法对这些特征点坐标进行测量,根据这2个点建立图像像素坐标与实际坐标转化关系,即可通过缩放、平移和旋转将图像配准到实际目标坐标系。
再进一步的,绝对配准方法可选:数字图像拍摄的平面为z=zo的水平面,且其中心点位置的实际平面坐标为(xo,yo),选取岸上1个已知实际坐标的固定特征点,根据中心点与该特征点的相互关系,即可将图片经旋转、平移后配准到实际坐标系。
再进一步的,绝对配准方法可选:数字图像拍摄的平面为z=zo的水平面,只要再确定一条基线上2个端点的坐标,即可确定像素坐标与实际坐标的转化关系;基线可选具有明显特征的一段岸线,并采用大地测量方法对这些特征点坐标进行测量,即可通过上述建立的转化关系完成图像的绝对配准。
再进一步的,绝对配准方法可选:岸上设置多个已知公共点可以消除误差、提高配准精度,已知多于两对公共点分别在两个坐标系下的坐标,对于多公共点的坐标变换关系,需利用最小二乘法原理,将模型参数一起作为未知参数列立误差方程进行解算,最终得到转换关系,即可通过转化关系完成图像的绝对配准。
绝对配准是指先定义一个坐标系统,所有的图像相对于这个坐标网格来进行配准,也就是分别完成各分量图像的几何校正来实现坐标系的统一,可通过计算机和辅助人工的方法进行。
更进一步的,所述相对配准包括:在完成对第一幅图像的绝对配准后,只对后续图像进行相对配准,配准后的图像自动获得与第一幅图像相同的坐标配准。
图像相对配准是对两幅图像进行特征提取合并,通过进行相似性度量找到匹配的特征点对,然后通过匹配的特征点对得到图像空间坐标变换参数,最后由坐标变换参数进行图像配准。相对配准通常通过一个适当的多项式来拟合两图像之间的平移、旋转和仿射变换,采用基于特征法确定配准控制点(RCP),得到图像配准函数映射关系并确定转会多项式中的系数,具体配准采用OpenCV库中的函数接口即可。
更进一步的,相对配准时需选择固定物体进行,拍摄过程中发生位置变化或变形的物体不能用于相对配准,相对配准可采用程序自动配准,也可采用人工识别特征点方法配准。
更进一步的,步骤5中,取流迹线上任意前后两时刻Ti和Ti+1,在Ti和Ti+1时刻浮子运动的距离为ds,运动花费的时间为dt=Ti+1-Ti,据此即可计算出该段流态速度为:v=ds/dt,完成所有段的流速计算后,即可得到整条流迹线上的瞬时流速。
在符合本领域常识的基础上,上述各优选条件,可以相互组合,得到具体实施方式。
本发明涉及到的原料或试剂均为普通市售产品,涉及到的操作如无特殊说明均为本领域常规操作。
本发明的有益效果为:
(1)采用无人机搭载相机同时实现多个示踪浮标流迹线同步连续观测,观测效率高,同时可跟踪观测流迹线个数理论上只受限于浮标的个数;
(2)浮标选择范围广,被动、主动发光均可,能从相机拍摄照片中水面背景区分即可;
(3)现场测量设备仅需无人机和浮子,设备简单易获取;
(4)观测设备由无人机搭载,能适用于各种测量环境,定位精度高,绝对精度主要受图片定位精度限制,各流迹线之间相对误差仅受图像像素分辨率限制;
(5)采用主动发光浮标可适用于弱光、无光环境。
本发明为实现上述目的而采用了上述技术方案,弥补了现有技术的不足,设计合理,操作方便。
附图说明
为让本发明的上述和/或其他目的、特征、优点与实例能更明显易懂,所附附图的说明如下:
图1是单一无人机按一定时间间隔连续拍摄水体表面的示意图;
图2是多架次无人机按一定时间间隔连续拍摄水体表面的示意图;
图3是二维平面图形绝对配准示意图;
图4是室内试验测量的流迹线示意图;
图5是室内试验测量的流迹线标记示意图;
图6是室内试验测量的整条流迹线上的瞬时流速计算示意图。
具体实施方式
本领域技术人员可以借鉴本文内容,适当替换和/或改动工艺参数实现,然而特别需要指出的是,所有类似的替换和/或改动对本领域技术人员来说是显而易见的,它们都被视为包括在本发明。本发明所述方法已经通过较佳实例进行了描述,相关人员明显能在不脱离本发明内容、精神和范围内对本文所述的产品和制备方法进行改动或适当变更与组合,来实现和应用本发明技术。
除非另有定义,本文所使用的技术和科学术语,具有本发明所属领域的普通技术人员通常所理解的相同的含义。文中所描述的方法和实例仅是说明性的,并不是用来作为限制。所有出版物、专利申请案、专利案、临时申请案、数据库条目及本文中提及的其它参考文献等,其整体被并入本文中作为参考。若有冲突,以本说明书包括定义为准。
除非具体说明,本文所描述的方法和实施例仅是示例性的,而非限制性的。尽管与本文所述的那些方法类似或等同的方法可用于本发明的实施或测试,但本文仍描述了合适的方法和材料。
以下详细描述本发明。
实施例1:
一种基于无人机拍照的水体表面流迹线测量方法,如图1所示,首先在水体表面同时抛撒一排多个示踪浮标,利用至少一架无人机搭载高清相机至水体上方,从t0时刻按一定时间间隔(Δt)连续拍摄图像,拍照测量前先对相机进行标定,确定畸变修正计算参数,图像矫正即可用该参数进行修正。
无人机采用静止方式拍摄,当浮标即将运动出无人机D1的拍摄范围时,如图2所示,起飞另外一架搭载高清相机的无人机D2,由无人机D2继续拍摄D1拍摄范围的下游照片,并起飞其他无人机D3、D4、D5、……,继续拍摄获得水体图像。
实施例2:
在前述实施例的基础上,根据相机拍摄参数(相机拍摄坐标、物距和像距)对拍摄的图像进行畸变矫正及高度影响修正后形成正射影像,并通过岸上已知坐标固定标志物对图片进行平差矫正。
对拍摄的图像进行畸变矫正的公式如下:
x0=x(1+k1r2+k2r4+k3r6)
y0=y(1+k1r2+k2r4+k3r6)
公式中(x0,y0)是畸变点在照片上的原始位置,(x,y)是校正后新的位置,k1、k2、k3是与相机镜头有关的变形修正计算参数。
采用OpenCV库中的函数接口对相机进行标定和图像畸变修正。
应用相机拍摄参数对拍摄的图像进行高度影响修正。
实施例3:
在前述实施例的基础上,将所拍摄图像转化到统一坐标系下的正射影像,具体是结合图像绝对配准与相对配准,将所拍摄图像统一到同一个坐标系。
(1)像素坐标与实际坐标的比例关系
当已知平面内不共线3个点的坐标时,即可对3点确定的平面与图像进行几何配准,当已知坐标点多于3个点时,需要采用平差方法确定这些点所在的平面坐标系。
现场测量拍照时相机主光轴保持垂直于地面(水面),可根据相机的位置信息(xo,yo,zo)及相机距水面距离h对第一张数字图像进行绝对配准。
根据相机成像原理,实物与相片的比例关系为:
式中Wu、Hu分别为拍照实物宽度、高度,Npw、Nph分别为数码相片宽度、高度方向的像素数,h为拍照时物距,由无人机搭载测距仪获取,f为拍照时相机焦距,数码相机自动记录,kw、kh为宽度、高度方向单位长度上的像素密度,Npw、Nph为宽度、高度方向总像素数。
(2)图像绝对配准
对于二维平面图像绝对配准,即是对图像坐标与实际坐标的配准过程。如图3所示,对于二维平面上的变换需要x、y方向上两个平移参数dx、dy,以及一个绕着垂直于xy平面内的旋转参数θ,转换关系如下:
2个已知公共特征点在XOY坐标系下的坐标分别为A(x1,y1)、B(x2,y2),在X′O′Y′坐标系下的坐标为A′(x′1,y1′)、B′(x′2,y2′),可以得到转化参数dx、dy及θ,对于多公共点(已知多于两对公共点分别在两个坐标系下的坐标)的坐标变换,需利用最小二乘法原理,将模型参数一起作为未知参数列立误差方程进行解算。上述转化关系建立后,原坐标系中任意一点均可通过该关系转换到目标坐标系下。
无人机拍照时在河岸上选择一条基线上的2个特征点,点的坐标至少2个特征点,采用大地测量方法对这些特征点坐标进行测量,根据这2个点建立图像像素坐标与实际坐标的转化关系,即可通过缩放、平移和旋转将图像配准到实际目标坐标系。
应用下述图像配准实施方法:数字图像拍摄的平面为z=zo的水平面,且其中心点位置的实际平面坐标为(xo,yo),选取岸上1个已知实际坐标的固定特征点,根据中心点与该特征点的相互关系,即可将图片经旋转、平移后配准到实际坐标系。
(3)图像相对配准
在完成对第一幅图像的绝对配准后,只对后续图像进行相对配准,配准后的图像自动获得与第一幅图像相同的坐标配准。
相对配准是指选择多图像中的一张图像作为参考图像,将其它的相关图像与之配准,对两幅图像进行特征提取,通过进行相似性度量找到匹配的特征点对,然后通过匹配的特征点对得到图像空间坐标变换参数,最后由坐标变换参数进行图像配准。相对配准通常通过一个适当的多项式来拟合两图像之间的平移、旋转和仿射变换,采用基于特征法确定配准控制点(RCP),得到图像配准函数映射关系并确定转会多项式中的系数,对于图像匹配算法已有较多文献,此处不在详述,具体配准采用OpenCV库中函数接口。
完成第一幅图像的绝对配准后,对后续拍摄图像相对第一幅图像进行相对配准,需要注意的是,相对配准时需选择固定物体(如堤岸)进行,拍摄过程中发生位置变化或变形的物体(如浮子、船舶、水面浪花)不能用于相对配准,行对配准可采用程序自动配准,也可采用人工识别特征点方法配准。当后续图像与第一幅图像完成相对配准后,实际也实现了绝对配准,并将图像与坐标建立联系。
实施例4:
在前述实施例的基础上,完成对流迹线的重构,当所有图像都配准到统一坐标系下后,将不同时刻所拍照片叠加在一起后,就可以得到不同时刻浮标所在位置,将这些浮标按时间顺序用光滑曲线连接起来就能得到观测时段内的流迹线。图4和图5即为采用该方法进行室内试验测量的流迹线示意图,将不同时刻浮标位置连接起来形成了流迹线。
实施例5:
在前述实施例的基础上进行流速计算,取流迹线上任意前后两时刻,如图6所示,以Ti和Ti+1时刻为例,在Ti和Ti+1时刻浮子运动的距离为ds,运动花费的时间为dt=Ti+1-Ti据此即可计算处该段流态速度为:v=ds/dt,完成所有段的流速计算后,即可得到整条流迹线上的瞬时流速。
相对于传统抛撒浮标人工跟踪或抛GPS定位跟踪浮标进行流迹线测定,本发明方法同时可跟踪观测流迹线个数理论上只受限于浮标个数,效率显著提升,定位精度高,绝对精度主要受图片定位精度限制,各流迹线之间相对误差仅受图像像素分辨率限制,可同时实现多个示踪浮标流迹线同步连续观测,浮标选择范围广,被动、主动发光均可,能从相机拍摄照片中水面背景区分即可,采用主动发光浮标可适用于弱光、无光环境;现场测量设备仅需无人机和浮子,设备简单易获取,观测设备由无人机搭载,能适用于各种测量环境。
上述实施例中的常规技术为本领域技术人员所知晓的现有技术,故在此不再详细赘述。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管对本发明已作出了详细的说明并引证了一些具体实施例,但是对本领域熟练技术人员来说,只要不离开本发明的精神和范围可作各种变化或修正是显然的。
虽然上述具体实施方式已经显示、描述并指出应用于各种实施方案的新颖特征,但应理解,在不脱离本公开内容的精神的前提下,可对所说明的装置或方法的形式和细节进行各种省略、替换和改变。另外,上述各种特征和方法可彼此独立地使用,或可以各种方式组合。所有可能的组合和子组合均旨在落在本公开内容的范围内。上述许多实施方案包括类似的组分,并且因此,这些类似的组分在不同的实施方案中可互换。虽然已经在某些实施方案和实施例的上下文中公开了本发明,但本领域技术人员应理解,本发明可超出具体公开的实施方案延伸至其它的替代实施方案和/或应用以及其明显的修改和等同物。因此,本发明不旨在受本文优选实施方案的具体公开内容限制。
本发明未尽事宜均为公知技术。
Claims (9)
1.一种基于无人机拍照的水体表面流迹线测量方法,其特征在于包括:
步骤1:在水体表面同时抛撒一排多个示踪浮标,采用无人机搭载高清相机至水体上方,按一定时间间隔连续拍摄图像;
步骤2:根据相机拍摄参数对拍摄的图像进行畸变矫正及高度影响修正,并通过岸上已知坐标固定标志物对图片进行平差矫正;
步骤3:将所拍摄图像转化到统一坐标系下的正射影像;
步骤4:通过计算机对正射影像进行浮标识别,计算解析出各个时刻各示踪浮标在照片中的位置,将同一浮标不同时刻位置按时序连接起来即可得到水体表面流迹线。
2.根据权利要求1所述的方法,其特征在于:还包括步骤5:根据正射影像中同一浮标前后时刻出现位置,以及前后时刻拍照时间差,经过计算即可得到任何时段内、任何位置的水体流速。
3.根据权利要求1或2所述的方法,其特征在于:步骤1中,拍照测量前先对相机进行标定,确定畸变修正参数,图像矫正即可用该参数进行修正。
4.根据权利要求1或2所述的方法,其特征在于:步骤1中,
无人机采用静止方式拍摄,当示踪浮标即将运动出无人机的拍摄范围时,起飞其他搭载高清相机的无人机继续拍摄获得水体图像;或
无人机采用运动方式拍摄,当示踪浮标向下游运动过程中,无人机跟随示踪浮标一起运动拍摄获得水体图像。
5.根据权利要求1或2所述的方法,其特征在于:步骤2中,所述对拍摄的图像进行畸变矫正的公式如下:
x0=x(1+k1r2+k2r4+k3r6)
y0=y(1+k1r2+k2r4+k3r6)
公式中(x0,y0)是畸变点在照片上的原始位置,(x,y)是校正后新的位置,k1、k2、k3是与相机镜头有关的变形修正计算参数。
6.根据权利要求1或2所述的方法,其特征在于:步骤3中,将所拍摄图像转化到统一坐标系下的正射影像具体是结合图像绝对配准与相对配准,将所拍摄图像统一到同一个坐标系。
8.根据权利要求6所述的方法,其特征在于:所述相对配准包括:在完成对第一幅图像的绝对配准后,只对后续图像进行相对配准,配准后的图像自动获得与第一幅图像相同的坐标配准。
9.根据权利要求2所述的方法,其特征在于:步骤5中,取流迹线上任意前后两时刻Ti和Ti+1,在Ti和Ti+1时刻浮子运动的距离为ds,运动花费的时间为dt=Ti+1-Ti,据此即可计算出该段流态速度为:v=ds/dt,完成所有段的流速计算后,即可得到整条流迹线上的瞬时流速。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210355344.9A CN114972447A (zh) | 2022-04-06 | 2022-04-06 | 一种基于无人机拍照的水体表面流迹线测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210355344.9A CN114972447A (zh) | 2022-04-06 | 2022-04-06 | 一种基于无人机拍照的水体表面流迹线测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114972447A true CN114972447A (zh) | 2022-08-30 |
Family
ID=82977084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210355344.9A Pending CN114972447A (zh) | 2022-04-06 | 2022-04-06 | 一种基于无人机拍照的水体表面流迹线测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114972447A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116560394A (zh) * | 2023-04-04 | 2023-08-08 | 武汉理工大学 | 一种无人机群位姿随动调整方法、装置、电子设备及介质 |
CN116952943A (zh) * | 2023-09-19 | 2023-10-27 | 吉林省林业科学研究院(吉林省林业生物防治中心站) | 一种基于倾斜摄影的林地坡面土壤侵蚀测量系统 |
-
2022
- 2022-04-06 CN CN202210355344.9A patent/CN114972447A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116560394A (zh) * | 2023-04-04 | 2023-08-08 | 武汉理工大学 | 一种无人机群位姿随动调整方法、装置、电子设备及介质 |
CN116560394B (zh) * | 2023-04-04 | 2024-06-07 | 武汉理工大学 | 一种无人机群位姿随动调整方法、装置、电子设备及介质 |
CN116952943A (zh) * | 2023-09-19 | 2023-10-27 | 吉林省林业科学研究院(吉林省林业生物防治中心站) | 一种基于倾斜摄影的林地坡面土壤侵蚀测量系统 |
CN116952943B (zh) * | 2023-09-19 | 2023-12-08 | 吉林省林业科学研究院(吉林省林业生物防治中心站) | 一种基于倾斜摄影的林地坡面土壤侵蚀测量系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105716542B (zh) | 一种基于柔性特征点的三维数据拼接方法 | |
CN110057295B (zh) | 一种免像控的单目视觉平面距离测量方法 | |
US7479982B2 (en) | Device and method of measuring data for calibration, program for measuring data for calibration, program recording medium readable with computer, and image data processing device | |
CN109919911B (zh) | 基于多视角光度立体的移动三维重建方法 | |
CN104240262B (zh) | 一种用于摄影测量的相机外参数标定装置及标定方法 | |
CN109146958B (zh) | 一种基于二维图像的交通标志空间位置测量方法 | |
CN114972447A (zh) | 一种基于无人机拍照的水体表面流迹线测量方法 | |
CN104268935A (zh) | 一种基于特征的机载激光点云与影像数据融合系统及方法 | |
CN106990776B (zh) | 机器人归航定位方法与系统 | |
CN110146030A (zh) | 基于棋盘格标志法的边坡表面变形监测系统和方法 | |
CN106871787A (zh) | 大空间线扫描成像三维测量方法 | |
JPH0554128A (ja) | 写真測定を使用する自動ビデオ映像データベースの生成 | |
CN111192235A (zh) | 一种基于单目视觉模型和透视变换的图像测量方法 | |
CN103822644B (zh) | 一种三维激光成像系统的相机标定方法 | |
CN109859269B (zh) | 岸基视频辅助定位无人机大范围流场测量方法及装置 | |
CN111854622B (zh) | 一种大视场光学动态变形测量方法 | |
CN114283203A (zh) | 一种多相机系统的标定方法及系统 | |
CN106871900A (zh) | 船舶磁场动态检测中图像匹配定位方法 | |
CN115880344A (zh) | 一种双目立体匹配数据集视差真值获取方法 | |
CN108154535B (zh) | 基于平行光管的摄像机标定方法 | |
CN110986888A (zh) | 一种航空摄影一体化方法 | |
CN113724337A (zh) | 一种无需依赖云台角度的相机动态外参标定方法及装置 | |
CN110044266B (zh) | 基于散斑投影的摄影测量系统 | |
CN102999895B (zh) | 利用两个同心圆线性求解摄像机内参数 | |
CN108416091A (zh) | 一种简易的相机地面分辨率与无人机飞行高度关系的测量方法 |
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 |