CN115060343A - 一种基于点云的河流水位检测系统、检测方法及程序产品 - Google Patents

一种基于点云的河流水位检测系统、检测方法及程序产品 Download PDF

Info

Publication number
CN115060343A
CN115060343A CN202210643875.8A CN202210643875A CN115060343A CN 115060343 A CN115060343 A CN 115060343A CN 202210643875 A CN202210643875 A CN 202210643875A CN 115060343 A CN115060343 A CN 115060343A
Authority
CN
China
Prior art keywords
mask
point cloud
water surface
dimensional
area
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
Application number
CN202210643875.8A
Other languages
English (en)
Other versions
CN115060343B (zh
Inventor
任兴珅
刘治财
郭守飞
谷加强
方亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Zhiyang Shangshui Information Technology Co ltd
Original Assignee
Shandong Zhiyang Shangshui Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Zhiyang Shangshui Information Technology Co ltd filed Critical Shandong Zhiyang Shangshui Information Technology Co ltd
Priority to CN202210643875.8A priority Critical patent/CN115060343B/zh
Publication of CN115060343A publication Critical patent/CN115060343A/zh
Application granted granted Critical
Publication of CN115060343B publication Critical patent/CN115060343B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01F23/22—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 measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Thermal Sciences (AREA)
  • Fluid Mechanics (AREA)
  • Image Processing (AREA)

Abstract

本发明公开一种基于点云的河流水位检测系统、检测方法及程序产品，属于属于计算机视觉应用的技术领域。本发明包括：点云信息匹配模块、水面分割模块、测试点分析模块和水位分析模块。本发明用于通过计算机视觉的方法结合点云信息，确定点云数据和平面图像的映射关系，由此，通过对图片计算机数据技术进行处理得到水位测量数据，从而解决了：通过水位尺等算法效果不准确和水位检测系统受环境影响的问题。

Description

一种基于点云的河流水位检测系统、检测方法及程序产品
技术领域
本发明涉及一种基于点云的河流水位检测系统、检测方法及程序产品，属于属于计算机视觉应用的技术领域。
背景技术
随着科技的发展，智慧化已经普及至社会管理的各个方面，本发明主要聚焦在水利管理方面，由于河流水位受自然影响的不确定性，导致日常在水利管理方面需要投入大量的人力物力进行防控，然而防控效果依然不佳。
为了降低人员的监控工作强度，在水位测量中检测方法呈现出多样性：例如，传统的测量方法通过人为测量方式进行防控，但是在遇到特殊情况时，不但无法做到实时监测，而且还会使一线监测人员的人身安全受到威胁。
进而开始采用计算机视觉技术对水利安全进行监测：例如，最初是利用摄像头结合水位尺等检测设备，人员通过对采集到的图像综合判断被监测河流水利情况是否处于安全情况。随着应用的推广，实际中也发现，该技术方式需要人员实时关注采集到的视频图像，导致监测工作强度较大，进而影响风险监测结果的及时输出。除此之外，还由于水利环境易受天气等不确定因素影响，导致突发监测事故，从而造成人员和财产的重大损失。
由此，本技术领域开始尝试利用信息处理和通信技术辅助对实时采集的水位图像进行处理：
例如：中国专利文献CN108917860A于2018年11月30日公开了一种基于航拍激光点云的河道流量测验方法，采用无人机搭载三维激光扫描仪、照像机和定位系统，在固定水文断面或者选择规则顺直河段的非固定水文测流断面，从上游沿河道中轴线向下游飞行，获取测验河段三维激光点云数据、影像图；水情中心通过定位系统资料，实现影像图和激光点云图的坐标配准；在枯水季节，利用三维激光点云数据和水下断面测验方法，获取河道上、中、下三个大断面图；在需要测流时，依据点云数据获得上、中、下三个断面的实时水位；依据影像图和激光点云数据确定中断面附近多个天然浮标，计算某一固定时间内天然浮标的运行距离，由此通过天然浮标测流法或比降面积测流法得出河道流量，从而实现河道断面自动化测流。该文献的主要目的是实现流量检测，使用了无人机搭载三维激光点云扫描仪获取河道点云信息，通过浮标法测流速，实现流量检测，但文中每次测量都需要去扫描点云信息，无法实现点云信息复用。
中国专利文献CN114353905A于2022年04月15日公开了一种水位监测装置及水位监测方法，水位监测装置包括测量设备、陀螺仪及处理设备；所述测量设备用于扫描水位液面与一目标物的交接点并得到初始扫描面的点云图，并将所述初始扫描面的点云图传输至所述处理设备；所述陀螺仪用于检测所述测量设备的当前倾角信息并传输至所述处理设备；所述处理设备用于根据所述当前倾角信息获取与所述初始扫描面的点云图相对应的真实扫描面的点云图，并根据所述真实扫描面的点云图获取水位液面的高度。该文献通过测量设备获取初始三维点云信息，通过处理设备将初始点云信息处理获取真实的点云图，然后在点云图周昂获取水位液面的高度。这样水位下降或上升后，点云需要更新，也就是需要重新采集点云信息。
中国专利文献CN114266796A于2022年04月01日公开了一种基于激光点云数据与平均大潮高潮面的自然岸线自动获取方法，包括：获取海洋退潮时陆地至潮间带的激光点云数据；获取水位数据，计算若干年每年及整体平均大潮高潮面及各自对应的高程值；若激光点云数据与每年平均大潮高潮面高程值作差结果在激光点云误差范围内，则将激光点云数据作为自然岸线关联点数据；对自然岸线关联点数据进行处理，得到自然岸线数据，预测未来走向，分析自然岸线数据升降的周期性变化与海岸侵蚀的相关性。
综上，现有技术方法虽然通过扫描点云直接拿到数据，但是无法对图片利用计算机数据技术实时后期的水位测量。因此，现有技术有必要提供一种基于点云的河流水位检测系统及方法解决上述技术问题。
发明内容
针对现有技术的不足，本发明公开一种基于点云的河流水位检测系统。
本发明还公开上述检测系统的检测方法。
本发明还公开一种加载有上述检测方法的程序产品。
本发明用于通过计算机视觉的方法结合点云信息，确定点云数据和平面图像的映射关系，由此，通过对图片计算机数据技术进行处理得到水位测量数据，从而解决了：通过水位尺等算法效果不准确和水位检测系统受环境影响的问题。
本发明详细的技术方案如下：
一种基于点云的河流水位检测系统，其特征在于，包括：点云信息匹配模块、水面分割模块、测试点分析模块和水位分析模块；
通过无人机对待检测区域进行三维点云信息采集形成点云数据，通过摄像头获取待检测区域图像，所述点云数据和待检测区域图像一起输入点云信息匹配模块；所述的点云信息匹配模块，具体是利用无人机对河流水位待检测区域进行三维点云信息采集；通过在河岸边安装固定摄像头用于获取待检测场景图像；
所述点云信息匹配模块：在所述待检测区域图像中获取若干点及对应的二维坐标值，并在点云数据中找到所述点对应的三维坐标值，建立待检测区域图像和点云数据的二维坐标到三维点云坐标的映射关系，以获取到二维像素坐标到真实海拔距离之间的映射关系；
所述水面分割模块：使用基于深度学习的分割算法将所获得的待检测区域图像进行水面区域与其它区域分割，以获取水面区域掩膜并传入测试点分析模块，此获取水域掩膜的方法是现有比较成熟的方法，本技术方案在这里只是针对不同应用场景，对应采集数据用于训练模型，最后能够直接输出所述水面区域掩膜；
所述测试点分析模块：将所获得的水面区域掩膜与系统用户设定的测试点进行匹配，获取到所述测试点处水面边缘的图像二维坐标，将二维坐标传入水位分析模块；
所述水位分析模块：将获得的二维坐标，通过图像与三维点云信息的映射关系计算得到所述水面真实海拔高度，得到当前河流水位。
根据本发明优选的，建立待检测区域图像和点云数据的二维坐标到三维点云坐标的映射关系时，采用的是：AnnotationTools标注工具实现映射关系建立的，通过AnnotationTools标注工具，将图像二维坐标映射到三维点云坐标，确立映射关系。
根据本发明优选的，所述获取水面区域掩膜的方法：
基于深度学习的分割算法，即利用HRNet对图像中的水域进行水面分割，输出水面区域掩膜，最后并以矩阵的形式传入测试点分析模块，所述矩阵就是掩膜，掩膜本身就是数字矩阵的可视化，屏幕显示的图片为掩膜，但是在计算机内部传输的过程都是数字形式，即是矩阵，图2-1为待检测区域图像，图2-2为图2-1的水面区域掩膜，白色表示水域。
根据本发明优选的，所述的测试点分析模块的工作方法包括：
确定测试点：在进行水位测量的测试点位置通过鼠标划定测试线，测试线与水面有交点是测试点，并呈现其二维坐标；在实际操作时，所述的测试线可以多条；
(1)创建生成一张水面区域掩膜，获取系统页面中鼠标的点击位置；
(2)根据鼠标点击的位置在水面区域掩膜中画出测试线的位置，即为背景掩膜；
(3)将所述背景掩膜与水面区域掩膜进行“与”操作，生成第一张融合掩膜，即第一求交点掩膜；
将水面区域掩膜进行“取反”操作，在与背景掩膜进行“与”操作，生成第二张融合掩膜，即第二求交点掩膜；
(4)利用概率霍夫变换算法对所述第一张融合掩膜和第二张融合掩膜进行线段检测：
检测线段的数量，并得到对应线段的端点；
通过遍历计算第一张融合掩膜和第二张融合掩膜中所有端点的距离，以获取到距离为1的两个端点，在所述两个端点中任选一个端点的二维坐标传入水位分析模块，如图3-1中下端点和图3-2中上端点就是距离为1的两个端点。
一种基于点云的河流水位检测方法，其特征在于，包括：
S1：采集待检测区域的三维点云信息和待检测区域图像：利用无人机对待检测场景区域进行三维点云信息采集，获得待检测场景区域的三维点云数据；通过待检测区域水位检测摄像头获取检测区域场景图像；
S2：建立二维坐标到三维点云坐标的映射关系：利用AnnotationTools工具分别对步骤S1的三维点云信息和待检测区域图像进行信息匹配标注，建立待检测区域图像和点云数据的二维坐标到三维点云坐标的映射关系；通过选取图像中的测试点附近的几个点位作为匹配点，通过上述的映射关系获取到他们的三维点云坐标，得到匹配点的真实海拔距离，然后计算像素距离，得到像素距离到真实海拔之间的映射关系；
S3：建立水面区域掩膜模型，并识别待检测区域图像中的水面区域掩膜：
S301：利用Labelme工具对网络搜集的河流湖泊图片进行标注，获得水面分割数据集；
S302：利用步骤S301中获得的数据集对HRNet分割算法进行训练，当网络损失收敛时停止训练，获得模型权重，建立水面区域掩膜模型；
S303：将摄像头获取的场景图像输入所述水面区域掩膜模型中，得到水面区域掩膜；
S4：测试点分析：
S401：在场景图像中设定测试线；
S402：通过opencv算法将所述测试线进行二值化处理，形成背景掩膜；
将所述背景掩膜与水面区域掩膜进行“与”操作，生成第一张融合掩膜，即第一求交点掩膜；
将水面区域掩膜进行“取反”操作，在与背景掩膜进行“与”操作，生成第二张融合掩膜，即第二求交点掩膜；
S403：利用概率霍夫变换算法对所述第一张融合掩膜和第二张融合掩膜进行线段检测：检测线段的数量，并得到对应线段的端点；通过遍历计算第一张融合掩膜和第二张融合掩膜中所述端点的欧式距离，以获取到欧式距离为1的两个端点，并将所述两个端点中的任意一个端点的二维坐标传入水位分析模块；
当两个端点距离d为1时，则在两个所述端点中任意一个端点的二维坐标即为水面边缘在待检测区域图像上的二维坐标，其中，所述欧式距离d计算公式如下：
Figure BDA0003683300470000041
在公式(I)中，(x1，y1)为第一张融合掩膜与所述测试线的下端点；(x2，y2)为第二张融合掩膜与所述测试线的上端点；
S5：水位分析：将测试点分析模块得到的步骤S403获取得到的二维坐标通过步骤S2得到的映射关系求得待检测区域内河流的实际水位高度，通过计算得到的二维坐标与匹配点之间的像素距离，通过步骤S2中获取的映射关系，计算出水平面的真实海拔。
一种加载有上述检测方法的程序产品，其特征在于，所述程序产品被有形地存储在非瞬态计算机可读介质上并且包括机器可执行指令，所述机器可执行指令用于执行上述的方法。
本发明的技术优势在于：
本发明利用三维点云技术实现二维坐标到三维坐标系的转化，通过利用基于深度学习的分割算法对水面区域进行分析，通过opencv形态学操作计算出水面边缘的实际二维坐标点，通过映射关系转化到三维坐标点。其中，(1)本发明仅需要在部署阶段使用无人机进行一次三维点云的提取，即可完成映射转换关系。(2)利用基于深度学习的分割算法，对水域进行分割，大大提高了对水面区域的检测，且精度更高。(3)摆脱了恶劣环境下，传统算法效果不好的问题，提高了检测的准确率。
附图说明
图1为本发明基于点云的河流水位检测流程示意图；
图2-1为待检测区域图像；
图2-2为图2-1的水面区域掩膜，白色表示水域；
图3-1为第一求交点掩膜示意图；
图3-2为第二求交点掩膜示意图。
具体实施方式
下面结合说明书附图和具体实施例对本发明作进一步说明，但不限于此。
实施例1、
如图1所示，一种基于点云的河流水位检测系统，包括：点云信息匹配模块、水面分割模块、测试点分析模块和水位分析模块；
通过无人机对待检测区域进行三维点云信息采集形成点云数据，通过摄像头获取待检测区域图像，即为如图1所述的安防图像，所述点云数据和待检测区域图像一起输入点云信息匹配模块；所述的点云信息匹配模块，具体是利用无人机对河流水位待检测区域进行三维点云信息采集；通过在河岸边安装固定摄像头用于获取待检测场景图像；
所述点云信息匹配模块：在所述待检测区域图像中获取若干点及对应的二维坐标值，并在点云数据中找到所述点对应的三维坐标值，建立待检测区域图像和点云数据的二维坐标到三维点云坐标的映射关系，以获取到二维像素坐标到真实海拔距离之间的映射关系；
所述水面分割模块：使用基于深度学习的分割算法将所获得的待检测区域图像进行水面区域与其它区域分割，以获取水面区域掩膜并传入测试点分析模块，此获取水域掩膜的方法是现有比较成熟的方法，本技术方案在这里只是针对不同应用场景，对应采集数据用于训练模型，最后能够直接输出所述水面区域掩膜；
所述测试点分析模块：将所获得的水面区域掩膜与系统用户设定的测试点进行匹配，获取到所述测试点处水面边缘的图像二维坐标，将二维坐标传入水位分析模块；
所述水位分析模块：将获得的二维坐标，通过图像与三维点云信息的映射关系计算得到所述水面真实海拔高度，得到当前河流水位。
建立待检测区域图像和点云数据的二维坐标到三维点云坐标的映射关系时，采用的是：AnnotationTools标注工具实现映射关系建立的，通过AnnotationTools标注工具，将图像二维坐标映射到三维点云坐标，确立映射关系。
所述获取水面区域掩膜的方法：
基于深度学习的分割算法，即利用HRNet对图像中的水域进行水面分割，输出水面区域掩膜，最后并以矩阵的形式传入测试点分析模块，所述矩阵就是掩膜，掩膜本身就是数字矩阵的可视化，屏幕显示的图片为掩膜，但是在计算机内部传输的过程都是数字形式，即是矩阵，图2-1为待检测区域图像，图2-2为图2-1的水面区域掩膜，白色表示水域。
所述的测试点分析模块的工作方法包括：
确定测试点：在进行水位测量的测试点位置通过鼠标划定测试线，测试线与水面有交点是测试点，并呈现其二维坐标；在实际操作时，所述的测试线可以多条；
(1)创建生成一张水面区域掩膜，获取系统页面中鼠标的点击位置；
(2)根据鼠标点击的位置在水面区域掩膜中画出测试线的位置，即为背景掩膜；
(3)将所述背景掩膜与水面区域掩膜进行“与”操作，生成第一张融合掩膜，即第一求交点掩膜，如图3-1；
将水面区域掩膜进行“取反”操作，在与背景掩膜进行“与”操作，生成第二张融合掩膜，即第二求交点掩膜，如图3-2；
(4)利用概率霍夫变换算法对所述第一张融合掩膜和第二张融合掩膜进行线段检测：
检测线段的数量，并得到对应线段的端点；
通过遍历计算第一张融合掩膜和第二张融合掩膜中所有端点的距离，以获取到距离为1的两个端点，即为(x1，y1)和(x2，y2)；在所述两个端点中任选一个端点的二维坐标传入水位分析模块。
实施例2、
如图1所示，一种基于点云的河流水位检测方法，包括：
S1：采集待检测区域的三维点云信息和待检测区域图像：利用无人机对待检测场景区域进行三维点云信息采集，获得待检测场景区域的三维点云数据；通过待检测区域水位检测摄像头获取检测区域场景图像；
S2：建立二维坐标到三维点云坐标的映射关系：利用AnnotationTools工具分别对步骤S1的三维点云信息和待检测区域图像进行信息匹配标注，建立待检测区域图像和点云数据的二维坐标到三维点云坐标的映射关系；通过选取图像中的测试点附近的几个点位作为匹配点，通过上述的映射关系获取到他们的三维点云坐标，得到匹配点的真实海拔距离，然后计算像素距离，得到像素距离到真实海拔之间的映射关系；
S3：建立水面区域掩膜模型，并识别待检测区域图像中的水面区域掩膜：
S301：利用Labelme工具对网络搜集的河流湖泊图片进行标注，获得水面分割数据集；
S302：利用步骤S301中获得的数据集对HRNet分割算法进行训练，当网络损失收敛时停止训练，获得模型权重，建立水面区域掩膜模型；
S303：将摄像头获取的场景图像输入所述水面区域掩膜模型中，得到水面区域掩膜，如图2-1、图2-2；
S4：测试点分析：
S401：在场景图像中设定测试线；
S402：通过opencv算法将所述测试线进行二值化处理，形成背景掩膜；
将所述背景掩膜与水面区域掩膜进行“与”操作，生成第一张融合掩膜，即第一求交点掩膜；
将水面区域掩膜进行“取反”操作，在与背景掩膜进行“与”操作，生成第二张融合掩膜，即第二求交点掩膜；
S403：利用概率霍夫变换算法对所述第一张融合掩膜和第二张融合掩膜进行线段检测：检测线段的数量，并得到对应线段的端点；通过遍历计算第一张融合掩膜和第二张融合掩膜中所述端点的欧式距离，以获取到欧式距离为1的两个端点，即为(x1，y1)和(x2，y2)，并将所述两个端点中的任意一个端点的二维坐标传入水位分析模块；
当两个端点距离d为1时，则在两个所述端点中任意一个端点的二维坐标即为水面边缘在待检测区域图像上的二维坐标，其中，所述两个端点(x1，y1)和(x2，y2)之间的欧式距离d计算公式如下：
Figure BDA0003683300470000081
在公式(I)中，(x1，y1)为第一张融合掩膜与所述测试线的下端点；(x2，y2)为第二张融合掩膜与所述测试线的上端点；
S5：水位分析：将测试点分析模块得到的步骤S403获取得到的二维坐标通过步骤S2得到的映射关系求得待检测区域内河流的实际水位高度，通过计算得到的二维坐标与匹配点之间的像素距离，通过步骤S2中获取的映射关系，计算出水平面的真实海拔。
实施例3、
一种加载有如实施例2所述检测方法的程序产品，所述程序产品被有形地存储在非瞬态计算机可读介质上并且包括机器可执行指令，所述机器可执行指令用于执行上述的方法。

Claims (6)

1.一种基于点云的河流水位检测系统，其特征在于，包括：点云信息匹配模块、水面分割模块、测试点分析模块和水位分析模块；
通过无人机对待检测区域进行三维点云信息采集形成点云数据，通过摄像头获取待检测区域图像，所述点云数据和待检测区域图像一起输入点云信息匹配模块；
所述点云信息匹配模块：在所述待检测区域图像中获取若干点及对应的二维坐标值，并在点云数据中找到所述点对应的三维坐标值，建立待检测区域图像和点云数据的二维坐标到三维点云坐标的映射关系，以获取到二维像素坐标到真实海拔距离之间的映射关系；
所述水面分割模块：使用基于深度学习的分割算法将所获得的待检测区域图像进行水面区域与其它区域分割，以获取水面区域掩膜并传入测试点分析模块；
所述测试点分析模块：将所获得的水面区域掩膜与系统用户设定的测试点进行匹配，获取到所述测试点处水面边缘的图像二维坐标，将二维坐标传入水位分析模块；
所述水位分析模块：将获得的二维坐标，通过图像与三维点云信息的映射关系计算得到所述水面真实海拔高度，得到当前河流水位。
2.根据权利要求1所述的一种基于点云的河流水位检测系统，其特征在于，建立待检测区域图像和点云数据的二维坐标到三维点云坐标的映射关系时，采用的是：AnnotationTools标注工具实现映射关系建立的，通过AnnotationTools标注工具，将图像二维坐标映射到三维点云坐标，确立映射关系。
3.根据权利要求1所述的一种基于点云的河流水位检测系统，其特征在于，所述获取水面区域掩膜的方法：
利用HRNet对图像中的水域进行水面分割，输出水面区域掩膜，最后并以矩阵的形式传入测试点分析模块。
4.根据权利要求1所述的一种基于点云的河流水位检测系统，其特征在于，所述的测试点分析模块的工作方法包括：
确定测试点：在进行水位测量的测试点位置通过鼠标划定测试线，测试线与水面有交点是测试点，并呈现其二维坐标；
(1)创建生成一张水面区域掩膜，获取系统页面中鼠标的点击位置；
(2)根据鼠标点击的位置在水面区域掩膜中画出测试线的位置，即为背景掩膜；
(3)将所述背景掩膜与水面区域掩膜进行“与”操作，生成第一张融合掩膜，即第一求交点掩膜；
将水面区域掩膜进行“取反”操作，在与背景掩膜进行“与”操作，生成第二张融合掩膜，即第二求交点掩膜；
(4)利用概率霍夫变换算法对所述第一张融合掩膜和第二张融合掩膜进行线段检测：
检测线段的数量，并得到对应线段的端点；
通过遍历计算第一张融合掩膜和第二张融合掩膜中所有端点的距离，以获取到距离为1的两个端点，在所述两个端点中任选一个端点的二维坐标传入水位分析模块。
5.一种基于点云的河流水位检测方法，其特征在于，包括：
S1：采集待检测区域的三维点云信息和待检测区域图像：利用无人机对待检测场景区域进行三维点云信息采集，获得待检测场景区域的三维点云数据；通过待检测区域水位检测摄像头获取检测区域场景图像；
S2：建立二维坐标到三维点云坐标的映射关系：利用AnnotationTools工具分别对步骤S1的三维点云信息和待检测区域图像进行信息匹配标注，建立待检测区域图像和点云数据的二维坐标到三维点云坐标的映射关系；
S3：建立水面区域掩膜模型，并识别待检测区域图像中的水面区域掩膜：
S301：利用Labelme工具对网络搜集的河流湖泊图片进行标注，获得水面分割数据集；
S302：利用步骤S301中获得的数据集对HRNet分割算法进行训练，当网络损失收敛时停止训练，获得模型权重，建立水面区域掩膜模型；
S303：将摄像头获取的场景图像输入所述水面区域掩膜模型中，得到水面区域掩膜；
S4：测试点分析：
S401：在场景图像中设定测试线；
S402：通过opencv算法将所述测试线进行二值化处理，形成背景掩膜；
将所述背景掩膜与水面区域掩膜进行“与”操作，生成第一张融合掩膜，即第一求交点掩膜；
将水面区域掩膜进行“取反”操作，在与背景掩膜进行“与”操作，生成第二张融合掩膜，即第二求交点掩膜；
S403：利用概率霍夫变换算法对所述第一张融合掩膜和第二张融合掩膜进行线段检测：检测线段的数量，并得到对应线段的端点；通过遍历计算第一张融合掩膜和第二张融合掩膜中所述端点的欧式距离，以获取到欧式距离为1的两个端点，并将所述两个端点中的任意一个端点的二维坐标传入水位分析模块；
当两个端点距离d为1时，则在两个所述端点中任意一个端点的二维坐标即为水面边缘在待检测区域图像上的二维坐标，其中，所述欧式距离d计算公式如下：
Figure FDA0003683300460000031
在公式(I)中，(x1，y1)为第一张融合掩膜与所述测试线的下端点；(x2，y2)为第二张融合掩膜与所述测试线的上端点；
S5：水位分析：将测试点分析模块得到的步骤S403获取得到的二维坐标通过步骤S2得到的映射关系求得待检测区域内河流的实际水位高度。
6.一种加载有如权利要求5所述检测方法的程序产品，其特征在于，所述程序产品被有形地存储在非瞬态计算机可读介质上并且包括机器可执行指令，所述机器可执行指令用于执行上述的方法。
CN202210643875.8A 2022-06-08 2022-06-08 一种基于点云的河流水位检测系统、检测方法 Active CN115060343B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210643875.8A CN115060343B (zh) 2022-06-08 2022-06-08 一种基于点云的河流水位检测系统、检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210643875.8A CN115060343B (zh) 2022-06-08 2022-06-08 一种基于点云的河流水位检测系统、检测方法

Publications (2)

Publication Number Publication Date
CN115060343A true CN115060343A (zh) 2022-09-16
CN115060343B CN115060343B (zh) 2023-03-14

Family

ID=83199449

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210643875.8A Active CN115060343B (zh) 2022-06-08 2022-06-08 一种基于点云的河流水位检测系统、检测方法

Country Status (1)

Country Link
CN (1) CN115060343B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115628724A (zh) * 2022-10-20 2023-01-20 四川大学 一种基于光学雷达的波动三维水面的全域实时测量方法
CN116543182A (zh) * 2023-07-04 2023-08-04 浙江华是科技股份有限公司 水位识别方法及系统
CN117367544A (zh) * 2023-09-05 2024-01-09 广东省水利水电科学研究院 一种水位监测方法、系统、设备及介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6263731B1 (en) * 1997-05-05 2001-07-24 Endress + Hauser Gmbh + Co. Method and assembly for monitoring a predetermined level in a container
US20080049078A1 (en) * 2006-07-28 2008-02-28 Seiko Epson Corporation Liquid container
CN108917860A (zh) * 2018-05-22 2018-11-30 赵彦增 基于航拍激光点云的河道流量测验方法
CN109655019A (zh) * 2018-10-29 2019-04-19 北方工业大学 一种基于深度学习和三维重建的货物体积测量方法
US20190197311A1 (en) * 2017-12-26 2019-06-27 Harbin Institute Of Technology Evaluation Method of Solar Energy Utilization Potential in Urban High-density Areas Based on Low-altitude Photogrammetry
CN112633256A (zh) * 2021-01-27 2021-04-09 河南浩宇空间数据科技有限责任公司 一种基于激光雷达点云技术的水文测验系统
US20210224512A1 (en) * 2020-01-17 2021-07-22 Wuyi University Danet-based drone patrol and inspection system for coastline floating garbage
CN113869605A (zh) * 2021-10-27 2021-12-31 天津云圣智能科技有限责任公司 水电站下游水位的预测方法、装置及终端设备
CN216385893U (zh) * 2021-11-30 2022-04-26 陈霞 地下水情远程监控系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6263731B1 (en) * 1997-05-05 2001-07-24 Endress + Hauser Gmbh + Co. Method and assembly for monitoring a predetermined level in a container
US20080049078A1 (en) * 2006-07-28 2008-02-28 Seiko Epson Corporation Liquid container
US20190197311A1 (en) * 2017-12-26 2019-06-27 Harbin Institute Of Technology Evaluation Method of Solar Energy Utilization Potential in Urban High-density Areas Based on Low-altitude Photogrammetry
CN108917860A (zh) * 2018-05-22 2018-11-30 赵彦增 基于航拍激光点云的河道流量测验方法
CN109655019A (zh) * 2018-10-29 2019-04-19 北方工业大学 一种基于深度学习和三维重建的货物体积测量方法
US20210224512A1 (en) * 2020-01-17 2021-07-22 Wuyi University Danet-based drone patrol and inspection system for coastline floating garbage
CN112633256A (zh) * 2021-01-27 2021-04-09 河南浩宇空间数据科技有限责任公司 一种基于激光雷达点云技术的水文测验系统
CN113869605A (zh) * 2021-10-27 2021-12-31 天津云圣智能科技有限责任公司 水电站下游水位的预测方法、装置及终端设备
CN216385893U (zh) * 2021-11-30 2022-04-26 陈霞 地下水情远程监控系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115628724A (zh) * 2022-10-20 2023-01-20 四川大学 一种基于光学雷达的波动三维水面的全域实时测量方法
CN116543182A (zh) * 2023-07-04 2023-08-04 浙江华是科技股份有限公司 水位识别方法及系统
CN116543182B (zh) * 2023-07-04 2023-08-25 浙江华是科技股份有限公司 水位识别方法及系统
CN117367544A (zh) * 2023-09-05 2024-01-09 广东省水利水电科学研究院 一种水位监测方法、系统、设备及介质

Also Published As

Publication number Publication date
CN115060343B (zh) 2023-03-14

Similar Documents

Publication Publication Date Title
CN115060343B (zh) 一种基于点云的河流水位检测系统、检测方法
CN112766274B (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
CN109670411B (zh) 基于生成对抗网络的船舶点云深度图像处理方法和系统
WO2021093283A1 (zh) 基于多传感融合的海面小面积溢油区域检测系统及检测方法
CN115439424B (zh) 一种无人机航拍视频图像智能检测方法
CN104502990A (zh) 一种基于数码图像的隧道掌子面地质调查方法
WO2018028103A1 (zh) 一种基于人眼视觉特性的电力线路无人机巡检方法
CN108230344B (zh) 一种隧道渗漏水病害自动识别方法
Rau et al. Bridge crack detection using multi-rotary UAV and object-base image analysis
KR102156936B1 (ko) 해양 환경 모니터링을 위한 이미지 분석 기반 수면 관측 시스템 및 방법
Osorio et al. An algorithm for the measurement of shoreline and intertidal beach profiles using video imagery: PSDM
CN109613559B (zh) 基于视觉和激光雷达的水陆边界漂浮物判别装置与方法
CN111126183A (zh) 一种基于近地面影像数据的震后建筑物损毁检测方法
CN108921165A (zh) 基于水尺图像的水位识别方法
CN113313107B (zh) 一种斜拉桥缆索表面多类型病害智能检测和识别方法
CN107221006A (zh) 一种基于无人机成像平台的通信单管塔倾斜检测方法
CN112927233A (zh) 一种船用激光雷达与视频联合目标捕捉方法
WO2020093631A1 (zh) 一种基于深度实例分割网络的天线下倾角测量方法
CN116110081B (zh) 基于深度学习的安全帽佩戴的检测方法及系统
CN114812403A (zh) 基于无人机及机器视觉的大跨度钢结构吊装变形监测方法
CN115588043A (zh) 一种基于视觉的挖掘机作业位姿的监测方法
CN115854912A (zh) 基于三维激光扫描技术的大坝渗水面积识别装置及方法
CN113763484A (zh) 基于视频图像分析技术的船舶目标定位及速度估算方法
CN117237597A (zh) 一种基于北斗卫星数据与ai图形融合的数据处理终端
CN106709432A (zh) 基于双目立体视觉的人头检测计数方法

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
GR01 Patent grant
GR01 Patent grant