CN115165027A - 基于无人机的水位尺监测方法、系统、电子设备、介质 - Google Patents

基于无人机的水位尺监测方法、系统、电子设备、介质 Download PDF

Info

Publication number
CN115165027A
CN115165027A CN202211090670.8A CN202211090670A CN115165027A CN 115165027 A CN115165027 A CN 115165027A CN 202211090670 A CN202211090670 A CN 202211090670A CN 115165027 A CN115165027 A CN 115165027A
Authority
CN
China
Prior art keywords
ship
water level
water
aerial vehicle
unmanned aerial
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
CN202211090670.8A
Other languages
English (en)
Other versions
CN115165027B (zh
Inventor
严如灏
邓超河
邹晟
汤智彬
植挺生
赵尚谦
庄广壬
邓永俊
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.)
Guangdong Guangyu Technology Development Co Ltd
Original Assignee
Guangdong Guangyu Technology Development 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 Guangdong Guangyu Technology Development Co Ltd filed Critical Guangdong Guangyu Technology Development Co Ltd
Priority to CN202211090670.8A priority Critical patent/CN115165027B/zh
Publication of CN115165027A publication Critical patent/CN115165027A/zh
Application granted granted Critical
Publication of CN115165027B publication Critical patent/CN115165027B/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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/96—Management of image or video recognition tasks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/26—Techniques for post-processing, e.g. correcting the recognition result
    • 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)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • Thermal Sciences (AREA)
  • Fluid Mechanics (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于无人机的水位尺监测方法、系统、电子设备、介质，属于水位尺监测技术领域，包括获取河道基准水平面；无人机在河道基准水平面上方固定高度获取第一时间间隔内的船舶水平图像组；无人机在与河道基准水平面相垂直的方向采集第二时间间隔内的船舶侧边图像组；依据船舶水平图像组和船舶侧边图像组构建船舶水上模型。本发明通过获取动态时间间隔内的多个船舶图像组并建立船舶水上模型，依据船舶水上模型设定最优拍摄角度，保证最优的拍摄效果，减少了计算量；同时根据船舶水上模型计算船舶初步入水深度，并依据船舶初步入水深度对识别换算的水位值进行校验，克服船身晃动导致的水位值测量不精准的问题。

Description

基于无人机的水位尺监测方法、系统、电子设备、介质
技术领域
本发明涉及水位尺监测技术领域，具体为一种基于无人机的水位尺监测方法、系统、电子设备、介质。
背景技术
水尺计重是目前海运大宗散货运用最多，最频繁的一种计量方式，主要适用于一些价值不高或不易用衡器计量的海运散装固态商品计重，如煤炭，矿石等。水尺计重是通过在装船或卸船前后两次测定船舶水尺，船上淡水，压舱水，以及燃油量，同时前后两次测定船边水的密度，然后根据排水量表，静水力曲线图表，水油舱计量表和矫正表等计算出船舶载运货物的重量。
现有水尺值检测方法有多种，最具代表性的是人工观测、压力传感器检测、声呐检测。由于人工观测受人的主观和客观因素多方面干扰，即使是多人对水尺进行观测，最后的结果也不太科学，而当水面波动比较大时，不仅检测误差还会再次增大，同时也可能导致检测人员的生命遭到威胁，除此，一般检测需要租赁小艇，靠近船舶进行检测，不仅在经济上不划算，而且有较大的人力以及时间浪费。压力传感器检测主要是利用轮船船体外侧提前装好的压力传感器，通过对载货前后的压力去获得水深变化，精准度较高，但是由于仪器精密度高，安装不便，后期需要维护，且与海水密度有关，不易推广，实际价值不大。声呐检测是利用超声波的声能在水中衰减小的特性实现的，但是也存在和压力传感器检测一样的缺点。因此，基于图像视频算法的自动读取水尺读数的方法及应用很有必要。但是，船舶水尺图像中的数字由于长期浸泡在水中，船体与拖船碰撞也会在数字上留下划痕，会影响数字识别的准确度。
另一方面，现场光线，船体颜色，水质浑浊度等条件纷繁复杂，水体颜色也各不相同；因此船舶水尺图像中船体与水体交界处的水线识别更加困难。除此之外，摄像机视线与船体数字表面垂线有水平方向或垂直方向较大角度时，图像中数字会产生较大畸变，这会对数字的准确识别造成影响，也会对水尺读数计算带来困难。公开号为CN108549894A的发明专利申请公开了一种基于深度学习算法的船舶水尺图像自动读数方法，其通过长度基准计算和倾斜数字与水线间距修正算法在提取数字边框基础上设计了一种长度与像素换算基准的计算方法和精确计算水尺读数的计算方法，消除了数字外竖直边框坐标直接计算水尺读数带来的计算误差，保证了水尺读数的准确性，但是倾斜数字的计算增加了图像处理的运算量。
并且由于船身在水面上的起伏晃动也会导致具体水位值的测量不精准。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明提供了一种基于无人机的水位尺监测方法、系统、电子设备、介质，通过获取动态时间间隔内的多个船舶图像组并建立船舶水上模型，依据船舶水上模型设定最优拍摄角度，保证最优的拍摄效果，减少了计算量；同时根据船舶水上模型计算船舶初步入水深度，并依据船舶初步入水深度对识别换算的水位值进行校验，克服船身晃动导致的水位值测量不精准的问题。
为实现上述目的，第一方面，本申请提供了一种基于无人机的水位尺监测方法，包括：
获取河道基准水平面；
所述无人机在河道基准水平面上方固定高度的两个不同拍摄位置分别获取第一时间间隔内的船舶水平图像组；
无人机在与河道基准水平面相垂直的方向的两个不同拍摄位置分别采集第二时间间隔内的船舶侧边图像组；
依据船舶水平图像组和船舶侧边图像组构建船舶水上模型；
依据船舶尺寸参数和船舶水上模型计算船舶初步入水深度；
依据水位尺安装位置以及船舶水上模型位于河道基准水平面上方的姿态设定最优拍摄位置和最优拍摄角度；
无人机在最优拍摄位置和最优拍摄角度下拍摄相应水位尺图像，并对水位尺图像中的水位值进行识别，若识别换算的水位值与船舶初步入水深度的差值小于第一阈值，则以识别的水位值作为水位监测值，若识别的水位值与船舶初步入水深度的差值大于等于第一阈值，则在最优拍摄位置重新拍摄水位尺图像。
优选的，所述船舶水平图像组包括若干水平船舶图像，所述船舶侧边图像组包括若干侧面船舶图像；
所述无人机在河道基准水平面上方固定高度的两个不同拍摄位置分别获取第一时间间隔内的船舶水平图像组中的两个不同拍摄位置为船舶两侧边沿的对应位置；
所述无人机在与河道基准水平面相垂直的方向的两个不同拍摄位置分别采集第二时间间隔内的船舶侧边图像组中的两个不同拍摄位置为船舶两侧边沿的对应位置，且其中两个拍摄位置的拍摄方向相互垂直。
优选的，所述依据船舶水平图像组和船舶侧边图像组构建船舶水上模型包括：
识别若干水平船舶图像和侧面船舶图像中的船舶边缘轮廓线；
计算每组船舶水平图像组和船舶侧边图像组中的船舶边缘轮廓线的线性方向平均值曲线；
根据四组船舶边缘轮廓线的线性方向平均值曲线生成船舶水上模型。
优选的，所述根据四组船舶边缘轮廓线的线性方向平均值曲线生成船舶水上模型包括：
依据船舶尺寸参数对四个线性方向平均值曲线进行线性拟合生成封闭型船身轮廓作为船舶水上模型，所述船舶尺寸参数包括船舶长度、宽度、各处弧度。
优选的，所述船舶尺寸参数还包括船舶高度，所述依据船舶尺寸参数和船舶水上模型计算船舶初步入水深度包括：
依据船舶水上模型的计算高度和实际测得的船舶位于河道基准水平面上方部分的平均高度，计算船舶位于河道基准水平面下方部分的初步入水深度。
优选的，所述依据水位尺安装位置以及船舶水上模型位于河道基准水平面上方的姿态设定最优拍摄位置和最优拍摄角度包括：
依据水位尺的安装位置确定水平拍摄位置，以第一高度值作为拍摄高度，并根据船舶水上模型位于河道基准水平面上方的姿态设定无人机拍摄相机的倾斜角度以使其与水位尺安装位置正相对。
优选的，所述对水位尺图像中的水位值进行识别包括将水位尺图像中的识别的水位值数值与标准数据库中数字的匹配度作为可信度值，若最优拍摄位置拍摄到的水位尺图像对应的数字识别的可信度大于第二阈值，则将水位尺图像中的识别的水位值数值与最优拍摄位置与河道基准水平面的竖直距离的差值作为识别换算的水位值；
若最优拍摄位置拍摄到的水位尺图像对应的数字识别的可信度小于等于第二阈值，则沿最优拍摄位置竖直向上或向下运动第二距离重新拍摄水位尺图像。
第二方面，本申请提供一种基于无人机的水位尺监测系统，包括：
无人机，用于利用超声模块进行检测获取河道基准水平面以及距离所述河道基准水平面的竖直距离；
摄像模块，所述摄像模块搭载在所述无人机上，用于在河道基准水平面上方固定高度获取第一时间间隔内的船舶水平图像组，以及，在与河道基准水平面相垂直的方向采集第二时间间隔内的船舶侧边图像组；
建模模块，用于根据船舶水平图像组和船舶侧边图像组构建船舶水上模型；
计算模块，用于依据船舶尺寸参数和船舶水上模型计算船舶初步入水深度；
控制模块，用于依据水位尺安装位置以及船舶水上模型位于河道基准水平面上方的姿态设定最优拍摄位置和最优拍摄角度；
并控制所述无人机在最优拍摄位置和最优拍摄角度下拍摄相应水位尺图像，对水位尺图像中的水位值进行识别，若识别换算的水位值与船舶初步入水深度的差值小于第一阈值，则以识别的水位值作为水位监测值，若识别的水位值与船舶初步入水深度的差值大于等于第一阈值，则在最优拍摄位置重新拍摄水位尺图像。
第三方面，本申请提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上任一项所述方法中的步骤。
第四方面，本申请提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，运行如上任一项所述方法中的步骤。
与现有技术相比，本发明的有益效果是：
本发明提供的基于无人机的水位尺监测方法，通过获取动态时间间隔内的多个船舶图像组并建立船舶水上模型，依据船舶水上模型设定最优拍摄角度，保证最优的拍摄效果，减少了计算量；同时根据船舶水上模型计算船舶初步入水深度，并依据船舶初步入水深度对识别换算的水位值进行校验，克服船身晃动导致的水位值测量不精准的问题。
另外，由于某个水位的数字可能会存在划痕、被异物遮挡或磨损的情况，导致数字识别可信度很低不能进行准确辨认的时候，无人机会沿最优拍摄位置竖直向上或向下运动第二距离重新拍摄水位尺图像，重新进行可信度判别，进一步保证了水位尺识别的准确性。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请了解本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
图1为本发明一种基于无人机的水位尺监测方法的流程框图；
图2为本发明一种基于无人机的水位尺监测方法中水平船舶图像的轮廓结构示意图；
图3为本发明一种基于无人机的水位尺监测方法中两个拍摄方向相互垂直的侧面船舶图像的轮廓结构示意图；
图4为本发明一种基于无人机的水位尺监测系统的连接框图；
图5为本发明一种电子设备的连接框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明提供的第一种实施例，一种基于无人机的水位尺监测方法，包括：
S1、获取河道基准水平面；具体的，无人机利用超声检测获取河道基准水平面。
S2、无人机在河道基准水平面上方固定高度的两个不同拍摄位置分别获取第一时间间隔内的船舶水平图像组；S3、无人机在与河道基准水平面相垂直的方向的两个不同拍摄位置分别采集第二时间间隔内的船舶侧边图像组；其中，所述船舶水平图像组包括若干水平船舶图像，所述船舶侧边图像组包括若干侧面船舶图像，第一时间间隔和第二时间间隔均可根据水面实际波动情况进行设定，目的是为了获取船舶在一定动态时间内的不同轮廓姿态，由此提高船舶水上模型构建的准确度。
具体的，无人机在河道基准水平面上方固定高度的两个不同拍摄位置分别获取第一时间间隔内的船舶水平图像组中的两个不同拍摄位置为船舶两侧边沿的对应位置；所述无人机在与河道基准水平面相垂直的方向的两个不同拍摄位置分别采集第二时间间隔内的船舶侧边图像组中的两个不同拍摄位置为船舶两侧边沿的对应位置，且其中两个拍摄位置的拍摄方向相互垂直。无人机内设有当前船舶的各个侧面正投影的图像数据库，将拍摄到的图像与图像数据库内图像进行对比可以判断是否获取到了相应位置的图像。
S4、依据船舶水平图像组和船舶侧边图像组构建船舶水上模型；
如图2-图3所示，具体包括，识别若干水平船舶图像和侧面船舶图像中的船舶边缘轮廓线；
计算每组船舶水平图像组和船舶侧边图像组中的船舶边缘轮廓线的线性方向平均值曲线；
根据四组船舶边缘轮廓线的线性方向平均值曲线和船舶尺寸参数进行线性拟合生成封闭型船身轮廓作为船舶水上模型，所述船舶尺寸参数包括船舶长度、宽度以及各处弧度；
S5、依据船舶尺寸参数和船舶水上模型计算船舶初步入水深度；
所述船舶尺寸参数还包括船舶高度，所述依据船舶尺寸参数和船舶水上模型计算船舶初步入水深度包括：
依据船舶水上模型的计算高度和实际测得的船舶位于河道基准水平面上方部分的平均高度，计算船舶位于河道基准水平面下方部分的初步入水深度，具体计算可以按照船舶高度减去船舶位于河道基准水平面上方部分的平均高度作为船舶初步入水深度，其中船舶高度代表船舶平均高度。
S6、依据水位尺安装位置以及船舶水上模型位于河道基准水平面上方的姿态设定最优拍摄位置和最优拍摄角度；
具体的，依据水位尺在船舶上的安装位置确定水平拍摄位置，具体水位尺的位置可以根据边缘轮廓相对尺寸进行计算，以第一高度值作为拍摄高度，并根据船舶水上模型位于河道基准水平面上方的姿态设定无人机拍摄相机的倾斜角度以使其与水位尺安装位置正相对，由此可以保证拍摄图像中数字的倾斜畸变最小，有利于水位尺数字识别的准确度提升，其中，第一高度值可以按照无人机本身拍摄参数或水面实际环境情况进行选取，以保证无人机正常飞行的同时能拍摄到最清楚的水位尺数字为准。
S7、无人机在最优拍摄位置和最优拍摄角度下拍摄相应水位尺图像，并对水位尺图像中的水位值进行识别，若识别换算的水位值与船舶初步入水深度的差值小于第一阈值，则以识别的水位值作为水位监测值，若识别的水位值与船舶初步入水深度的差值大于等于第一阈值，表明此时拍摄的水位尺图像并不准确，可能是恰好处于船身晃动波动值偏大的情况，则在最优拍摄位置重新拍摄水位尺图像，直至在该最优拍摄位置拍摄的图像识别换算的水位值与船舶初步入水深度的差值小于第一阈值。由此可以克服船身在水面上的起伏晃动导致的具体水位值的测量不精准的问题，其中，第一阈值可以根据具体测量精度要求进行选取。
进一步的，所述对水位尺图像中的水位值进行识别包括将水位尺图像中的识别的水位值数值与标准数据库中数字的匹配度作为可信度值，若最优拍摄位置拍摄到的水位尺图像对应的数字识别的可信度大于第二阈值，则将水位尺图像中的识别的水位值数值与最优拍摄位置与河道基准水平面的竖直距离的差值作为识别换算的水位值，其中，第二阈值可以按照实际水位数字识别所要求的测量精度进行确定；
若最优拍摄位置拍摄到的水位尺图像对应的数字识别的可信度小于等于第二阈值，则沿最优拍摄位置竖直向上或向下运动第二距离重新拍摄水位尺图像并重新计算可信度，直至可信度满足要求，其中第二距离设定为计重水位尺相邻两个数字之间间距的大小。由此可以避免某个水位的数字可能会存在划痕、被异物遮挡或磨损的情况，降低水位尺识别的准确性的问题。
如图4所示，第二方面，本申请提供一种基于无人机的水位尺监测系统，包括：
无人机，用于利用超声模块进行检测获取河道基准水平面以及距离所述河道基准水平面的竖直距离；
摄像模块，所述摄像模块搭载在所述无人机上，用于在河道基准水平面上方固定高度获取第一时间间隔内的船舶水平图像组，以及，在与河道基准水平面相垂直的方向采集第二时间间隔内的船舶侧边图像组；
建模模块，用于根据船舶水平图像组和船舶侧边图像组构建船舶水上模型；
计算模块，用于依据船舶尺寸参数和船舶水上模型计算船舶初步入水深度；
控制模块，用于依据水位尺安装位置以及船舶水上模型位于河道基准水平面上方的姿态设定最优拍摄位置和最优拍摄角度；
并控制所述无人机在最优拍摄位置和最优拍摄角度下拍摄相应水位尺图像，对水位尺图像中的水位值进行识别，若识别换算的水位值与船舶初步入水深度的差值小于第一阈值，则以识别的水位值作为水位监测值，若识别的水位值与船舶初步入水深度的差值大于等于第一阈值，则在最优拍摄位置重新拍摄水位尺图像。
如图5所示，第三方面，本申请提供一种电子设备，包括处理器202以及存储器201，存储器201存储有计算机可读取指令，当计算机可读取指令由处理器202执行时，运行上述方法中的步骤。通过上述技术方案，处理器202和存储器201通过通信总线和/或其他形式的连接机构（未标出）互连并相互通讯，存储器201存储有处理器可执行的计算机程序，当电子设备运行时，处理器202执行该计算机程序，以执行时执行上述实施例的任一可选的实现方式中的方法，以实现以下功能：通过获取动态时间间隔内的多个船舶图像组并建立船舶水上模型，依据船舶水上模型设定最优拍摄角度，保证最优的拍摄效果，减少了计算量；同时根据船舶水上模型计算船舶初步入水深度，并依据船舶初步入水深度对识别换算的水位值进行校验，克服船身晃动导致的水位值测量不精准的问题。
第四方面，本申请提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，运行如上任一项所述方法中的步骤。
通过上述技术方案，计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的方法，以实现以下功能：通过获取动态时间间隔内的多个船舶图像组并建立船舶水上模型，依据船舶水上模型设定最优拍摄角度，保证最优的拍摄效果，减少了计算量；同时根据船舶水上模型计算船舶初步入水深度，并依据船舶初步入水深度对识别换算的水位值进行校验，克服船身晃动导致的水位值测量不精准的问题。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static RandomAccess Memory, 简称SRAM），电可擦除可编程只读存储器（Electrically ErasableProgrammable Read-Only Memory, 简称EEPROM），可擦除可编程只读存储器（ErasableProgrammable Read Only Memory, 简称EPROM），可编程只读存储器（Programmable Red-Only Memory, 简称PROM），只读存储器（Read-OnlyMemory, 简称ROM），磁存储器，快闪存储器，磁盘或光盘。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

Claims (10)

1.一种基于无人机的水位尺监测方法，其特征在于，包括：
获取河道基准水平面；
无人机在河道基准水平面上方固定高度的两个不同拍摄位置分别获取第一时间间隔内的船舶水平图像组；
无人机在与河道基准水平面相垂直的方向的两个不同拍摄位置分别采集第二时间间隔内的船舶侧边图像组；
依据船舶水平图像组和船舶侧边图像组构建船舶水上模型；
依据船舶尺寸参数和船舶水上模型计算船舶初步入水深度；
依据水位尺安装位置以及船舶水上模型位于河道基准水平面上方的姿态设定最优拍摄位置和最优拍摄角度；
无人机在最优拍摄位置和最优拍摄角度下拍摄相应水位尺图像，并对水位尺图像中的水位值进行识别，若识别换算的水位值与船舶初步入水深度的差值小于第一阈值，则以识别的水位值作为水位监测值，若识别的水位值与船舶初步入水深度的差值大于等于第一阈值，则在最优拍摄位置重新拍摄水位尺图像。
2.根据权利要求1所述的基于无人机的水位尺监测方法，其特征在于，所述船舶水平图像组包括若干水平船舶图像，所述船舶侧边图像组包括若干侧面船舶图像；
所述无人机在河道基准水平面上方固定高度的两个不同拍摄位置分别获取第一时间间隔内的船舶水平图像组中的两个不同拍摄位置为船舶两侧边沿的对应位置；
所述无人机在与河道基准水平面相垂直的方向的两个不同拍摄位置分别采集第二时间间隔内的船舶侧边图像组中的两个不同拍摄位置为船舶两侧边沿的对应位置，且其中两个拍摄位置的拍摄方向相互垂直。
3.根据权利要求2所述的基于无人机的水位尺监测方法，其特征在于，所述依据船舶水平图像组和船舶侧边图像组构建船舶水上模型包括：
识别若干水平船舶图像和侧面船舶图像中的船舶边缘轮廓线；
计算每组船舶水平图像组和船舶侧边图像组中的船舶边缘轮廓线的线性方向平均值曲线；
根据四组船舶边缘轮廓线的线性方向平均值曲线生成船舶水上模型。
4.根据权利要求3所述的基于无人机的水位尺监测方法，其特征在于，所述根据四组船舶边缘轮廓线的线性方向平均值曲线生成船舶水上模型包括：
依据船舶尺寸参数对四个线性方向平均值曲线进行线性拟合生成封闭型船身轮廓作为船舶水上模型，所述船舶尺寸参数包括船舶长度、宽度、各处弧度。
5.根据权利要求4所述的基于无人机的水位尺监测方法，其特征在于，所述船舶尺寸参数还包括船舶高度，所述依据船舶尺寸参数和船舶水上模型计算船舶初步入水深度包括：
依据船舶水上模型的计算高度和实际测得的船舶位于河道基准水平面上方部分的平均高度，计算船舶位于河道基准水平面下方部分的初步入水深度。
6.根据权利要求5所述的基于无人机的水位尺监测方法，其特征在于，所述依据水位尺安装位置以及船舶水上模型位于河道基准水平面上方的姿态设定最优拍摄位置和最优拍摄角度包括：
依据水位尺的安装位置确定水平拍摄位置，以第一高度值作为拍摄高度，并根据船舶水上模型位于河道基准水平面上方的姿态设定无人机拍摄相机的倾斜角度以使其与水位尺安装位置正相对。
7.根据权利要求6所述的基于无人机的水位尺监测方法，其特征在于，所述对水位尺图像中的水位值进行识别包括将水位尺图像中的识别的水位值数值与标准数据库中数字的匹配度作为可信度值，若最优拍摄位置拍摄到的水位尺图像对应的数字识别的可信度大于第二阈值，则将水位尺图像中的识别的水位值数值与最优拍摄位置与河道基准水平面的竖直距离的差值作为识别换算的水位值；
若最优拍摄位置拍摄到的水位尺图像对应的数字识别的可信度小于等于第二阈值，则沿最优拍摄位置竖直向上或向下运动第二距离重新拍摄水位尺图像。
8.一种基于无人机的水位尺监测系统，其特征在于，包括：
无人机，用于利用超声模块进行检测获取河道基准水平面以及距离所述河道基准水平面的竖直距离；
摄像模块，所述摄像模块搭载在所述无人机上，用于在河道基准水平面上方固定高度获取第一时间间隔内的船舶水平图像组，以及，在与河道基准水平面相垂直的方向采集第二时间间隔内的船舶侧边图像组；
建模模块，用于根据船舶水平图像组和船舶侧边图像组构建船舶水上模型；
计算模块，用于依据船舶尺寸参数和船舶水上模型计算船舶初步入水深度；
控制模块，用于依据水位尺安装位置以及船舶水上模型位于河道基准水平面上方的姿态设定最优拍摄位置和最优拍摄角度；
并控制所述无人机在最优拍摄位置和最优拍摄角度下拍摄相应水位尺图像，对水位尺图像中的水位值进行识别，若识别换算的水位值与船舶初步入水深度的差值小于第一阈值，则以识别的水位值作为水位监测值，若识别的水位值与船舶初步入水深度的差值大于等于第一阈值，则在最优拍摄位置重新拍摄水位尺图像。
9.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1-7任一项所述方法中的步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，运行如权利要求1-7任一项所述方法中的步骤。
CN202211090670.8A 2022-09-07 2022-09-07 基于无人机的水位尺监测方法、系统、电子设备、介质 Active CN115165027B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211090670.8A CN115165027B (zh) 2022-09-07 2022-09-07 基于无人机的水位尺监测方法、系统、电子设备、介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211090670.8A CN115165027B (zh) 2022-09-07 2022-09-07 基于无人机的水位尺监测方法、系统、电子设备、介质

Publications (2)

Publication Number Publication Date
CN115165027A true CN115165027A (zh) 2022-10-11
CN115165027B CN115165027B (zh) 2022-11-29

Family

ID=83480953

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211090670.8A Active CN115165027B (zh) 2022-09-07 2022-09-07 基于无人机的水位尺监测方法、系统、电子设备、介质

Country Status (1)

Country Link
CN (1) CN115165027B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116303523A (zh) * 2022-11-30 2023-06-23 杭州数聚链科技有限公司 一种货船自动识别采样方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101038204A (zh) * 2006-03-17 2007-09-19 河海大学常州校区 船舶吨位智能测量系统及测量方法
CN102494733A (zh) * 2011-12-12 2012-06-13 西安电子科技大学 基于图像处理的水位监测系统及方法
CN107203222A (zh) * 2017-07-03 2017-09-26 中华人民共和国辽宁出入境检验检疫局 无人机实现船舶水尺图像及视频拍摄的方法
CN108769617A (zh) * 2018-06-25 2018-11-06 浙江大学 基于无人机的船舶水尺读数智能识别系统
CN109711353A (zh) * 2018-12-28 2019-05-03 中国矿业大学 一种基于机器视觉的船舶吃水线区域识别方法
US20190272442A1 (en) * 2016-11-14 2019-09-05 Nederlandse Organisatie Voor Toegepast-Natuurwetenschappelijk Onderzoek Tno Ship identification system and method
CN111361700A (zh) * 2020-03-23 2020-07-03 南京畅淼科技有限责任公司 基于机器视觉的船舶空重载识别方法
CN112347827A (zh) * 2019-08-06 2021-02-09 东北大学秦皇岛分校 一种船舶水尺自动检测方法及系统
US20210319221A1 (en) * 2018-06-28 2021-10-14 Ncs Pte. Ltd. Vessel Height Detection Through Video Analysis
CN114677596A (zh) * 2022-05-26 2022-06-28 之江实验室 一种基于注意力模型的遥感图像船舶检测方法和装置
CN114782905A (zh) * 2022-06-17 2022-07-22 长江信达软件技术（武汉）有限责任公司 一种基于视频监控的船舶吃水深度检测方法
CN114926786A (zh) * 2022-06-22 2022-08-19 国能黄骅港务有限责任公司 船舶水尺跟踪方法、装置、存储介质和电子设备

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101038204A (zh) * 2006-03-17 2007-09-19 河海大学常州校区 船舶吨位智能测量系统及测量方法
CN102494733A (zh) * 2011-12-12 2012-06-13 西安电子科技大学 基于图像处理的水位监测系统及方法
US20190272442A1 (en) * 2016-11-14 2019-09-05 Nederlandse Organisatie Voor Toegepast-Natuurwetenschappelijk Onderzoek Tno Ship identification system and method
CN107203222A (zh) * 2017-07-03 2017-09-26 中华人民共和国辽宁出入境检验检疫局 无人机实现船舶水尺图像及视频拍摄的方法
CN108769617A (zh) * 2018-06-25 2018-11-06 浙江大学 基于无人机的船舶水尺读数智能识别系统
US20210319221A1 (en) * 2018-06-28 2021-10-14 Ncs Pte. Ltd. Vessel Height Detection Through Video Analysis
CN109711353A (zh) * 2018-12-28 2019-05-03 中国矿业大学 一种基于机器视觉的船舶吃水线区域识别方法
CN112347827A (zh) * 2019-08-06 2021-02-09 东北大学秦皇岛分校 一种船舶水尺自动检测方法及系统
CN111361700A (zh) * 2020-03-23 2020-07-03 南京畅淼科技有限责任公司 基于机器视觉的船舶空重载识别方法
CN114677596A (zh) * 2022-05-26 2022-06-28 之江实验室 一种基于注意力模型的遥感图像船舶检测方法和装置
CN114782905A (zh) * 2022-06-17 2022-07-22 长江信达软件技术（武汉）有限责任公司 一种基于视频监控的船舶吃水深度检测方法
CN114926786A (zh) * 2022-06-22 2022-08-19 国能黄骅港务有限责任公司 船舶水尺跟踪方法、装置、存储介质和电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116303523A (zh) * 2022-11-30 2023-06-23 杭州数聚链科技有限公司 一种货船自动识别采样方法及系统
CN116303523B (zh) * 2022-11-30 2023-10-17 杭州数聚链科技有限公司 一种货船自动识别采样方法及系统

Also Published As

Publication number Publication date
CN115165027B (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
RU2751383C2 (ru) Автоматизированное определение веса по осадке судна
CN107203222B (zh) 无人机实现船舶水尺图像及视频拍摄的方法
CN108549894B (zh) 一种基于深度学习算法的船舶水尺图像自动读数方法
CN102975826A (zh) 基于机器视觉的便携式船舶水尺自动检测和识别方法
CN103697855B (zh) 一种基于海天线检测的船体水平姿态测量方法
CN115165027B (zh) 基于无人机的水位尺监测方法、系统、电子设备、介质
CN107219529A (zh) 一种高精度海底地形地貌图的获取方法及系统
WO2020049702A1 (ja) 喫水推定システム、喫水推定装置、情報送信装置、及び荷役シミュレーション装置
CN111476120B (zh) 一种无人机智能船舶水尺识别方法及装置
CN111723632B (zh) 一种基于孪生网络的船舶跟踪方法及系统
CN112183470B (zh) 一种船舶水尺识别方法、设备及存储介质
CN110619328A (zh) 基于图像处理和深度学习的船舶水尺读数智能识别方法
CN116148878B (zh) 船舶干舷高度识别方法及系统
CN110717924A (zh) 船舶水尺标线识别方法、装置、计算机设备和存储介质
CN108502109A (zh) 一种船舶货物计重方法及系统
CN108681702B (zh) 一种集装箱装卸积载贝位信息确定方法及系统
CN113822518B (zh) 一种ais大数据驱动的集装箱港口装卸效率计算方法
CN112829891A (zh) 一种基于惯性传感技术的高精度船舶吃水实时测量系统
CN116935369A (zh) 基于计算机视觉的船舶水尺读数方法及系统
WO2023081978A1 (en) Systems and methods for draft calculation
CN115830140A (zh) 一种海上近程光电监控方法、系统、介质、设备及终端
Wang Deep Drainage Detection System for Inland Vessels Based on Machine Vision.
CN109917414B (zh) 一种基于激光技术的船舶干舷测定方法及系统
CN104215967B (zh) 双船间空间位置的精确测量系统及其测量方法
CN108592862B (zh) Ahrs安装偏角测量方法

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
GR01 Patent grant
GR01 Patent grant