CN115760893A - 一种基于核相关滤波算法的单雾滴粒径和速度测量方法 - Google Patents
一种基于核相关滤波算法的单雾滴粒径和速度测量方法 Download PDFInfo
- Publication number
- CN115760893A CN115760893A CN202211506061.6A CN202211506061A CN115760893A CN 115760893 A CN115760893 A CN 115760893A CN 202211506061 A CN202211506061 A CN 202211506061A CN 115760893 A CN115760893 A CN 115760893A
- Authority
- CN
- China
- Prior art keywords
- tracking
- particle size
- speed
- centroid
- coordinate
- 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
-
- 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
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种基于核相关滤波算法的单雾滴粒径和速度测量方法。包括以下步骤:搭建双目高速视觉采集系统、双目高速摄像机的标定、单雾滴运动图像的采集、视频图像的预处理、单雾滴形心坐标的提取、核相关滤波跟踪算法跟踪单雾滴、核相关滤波目标框中心点的提取与修正、单雾滴粒径的测量、坐标转换和速度测量,就可以得到单雾滴的粒径大小、运动轨迹和速度参量。本发明是利用双目摄像机对单雾滴的雾滴粒径进行测量,利用核相关滤波跟踪算法跟踪目标,利用其跟踪速度快等优点,进而得到其像素坐标点,再经过坐标点的转换获得其三维坐标,对单雾滴的运动轨迹进行三维重建。
Description
技术领域
本发明涉及视频图像处理及计算机跟踪领域,具体是一种基于核相关滤波算法的单雾滴粒径和速度测量方法。
背景技术
目前,利用高速摄像机对快速运动目标的检测与跟踪成为了许多行业解决问题的有效手段之一,如航空航天、智慧交通、力学分析和微流体等领域。目前,在植物保护领域高速视觉技术也有相当广泛的应用,如利用高速成像测量法对雾滴的粒径和速度进行测量计算,用以检测植保喷头的性能,进而对植保喷头的设计改进工作提出要求。
核相关滤波算法是针对高速运动的目标实施快速的检测和跟踪的一种算法,基于对目标周围区域的循环位移采集正负样本,再基于上述样本训练分类器。最后,通过上述样本训练分类器去计算目标区域和目标候选区域的相似性,即响应值,选取所有响应值中最大的那个作为新一轮的跟踪目标,以此过程不断迭代循环,直至跟踪结束。为了提高运算速度,利用循环矩阵在傅里叶空间可对角化的性质将矩阵的运算转化为向量的点乘,大大的降低了运算量,还通过核函数将线性空间的岭回归映射到非线性空间,也大大的简化了计算。
目前公开的雾滴粒径和速度的测量方法中,大多是对视频中的某一帧图像进行处理分析,得到雾滴的粒径大小,但在雾滴运动过程中的不同时刻利用椭圆拟合算法对雾滴进行拟合分析的结果是不同的,所以不能仅仅只对某一帧进行处理分析,要对连续的图像进行跟踪分析计算。在对雾滴的速度计算过程中大多是用帧差法去计算,速度和精度都较差,且并不能连续对每一帧的目标坐标进行连续跟踪,故本发明采用核相关滤波算法跟踪,通过对初始目标框进行修正,大大的提高了跟踪的速度和精度。
发明内容
针对上述的情况,本发明的目的旨在提出一种基于核相关滤波算法的单雾滴粒径和速度测量方法,从而达到对连续帧中的雾滴粒径和速度进行持续跟踪和测量。
为实现上述目的,本发明采用的技术方案为:
一种基于核相关滤波算法的单雾滴粒径和速度测量方法,包括如下步骤:
(1)搭建双目高速视觉采集系统:双目高速视觉采集系统包括双目摄像机、镜头、可视化控制面板、辅助光源;其中镜头安装在双目摄像机上,可视化控制面板和双目摄像机相连接,辅助光源摆放至双目相机的对面;
(2)双目摄像机的标定:使用张氏标定法对双目高速摄像机的参数进行标定,通过MATLAB可以得到双目相机的内外参数,最后通过像素坐标系和空间坐标系之间的转换关系得到单雾滴的空间坐标,即可得到单雾滴的三维运动轨迹和速度;
(3)单雾滴运动图像的采集:双目摄像机标定后,将喷头及雾滴狭缝过滤板分别固定,使得喷头喷出的多雾滴经狭缝板过滤后只留下单个雾滴,且单个雾滴的飞行轨迹可以完整的呈现在可视化面板中心,通过双目高速摄像机记录雾滴运动过程;
(4)视频图像的预处理:首先选取要处理的区域,通过运用高斯滤波对区域内的视频图像进行降噪处理,以优化视频图像质量,再对其灰度化处理,再利用背景差分法减小背景参考的影响;
(5)单雾滴形心坐标的提取:对预处理后的左右目双目摄像机采集的视频图像截取某一帧照片进行,执行边缘检测、轮廓提取和轮廓跟踪,以对不同拍摄角度下(两个相机的拍摄方向的夹角)单个雾滴的轮廓数据进行拟合,再根据椭圆拟合的形心提取算法,即可获得当前帧单雾滴的形心坐标C1(x1,y1);
(6)核相关滤波跟踪算法跟踪单雾滴:框选左右目双目摄像机中的雾滴作为核相关滤波跟踪算法的初始化目标追踪框即初始模板,以目标框的中心点作为目标的形心,得到形心坐标C2(x2,y2)。
(7)核相关滤波目标框中心点的提取与修正:步骤(6)中通过利用核相关滤波算法得到形心坐标C2(x2,y2),利用步骤(5)中得到的形心坐标C1(x1,y1),去修正步骤(6)中的目标框框选范围,以不断的减小形心坐标之间的误差,获得合适的目标框,从而达到快速的获得目标框中单雾滴点的坐标,并以TXT文本的方式记录并导出;
(8)单雾滴粒径的测量:在步骤(5)中,经过边缘检测和椭圆拟合,即可获得上下、左右雾滴轮廓上距离最远的4个点,分别连接上下、左右距离最远的2点,求出椭圆面积S1,令S1与圆的面积相等,即可获得雾滴的直径;
(9)坐标转换和速度测量:通过对双目摄像机的标定,可以获取双目摄像机的内外参数,再经过坐标系转化,即可计算出单雾滴点在三维坐标系中的坐标,最后经过数据拟合可以对其运动轨迹重建及相关速度、加速度参数的计算。
优选地,所述步骤(1)中,双目高速视觉采集系统包括双目摄像机、三角形支架、两个镜头、可视化控制面板;辅助光源包括欧司朗卤钨灯和50cm×50cm的散光板;计算机图像处理系统主要是对采集的图像进行数据分析。
优选地,所述步骤(2)中,标定步骤如下,首先打开固定好的双目摄像机,调整镜头焦距和光圈大小至可以看清物体或雾滴点,再拿出事先准备好的棋盘格标定板(每个格子大小为10mm×10mm)以不同的角度采集10张图片,并将图片导入到MATLAB软件中,保留以相同坐标系的照片并计算,即可获得坐标系之间的转换参数。
优选地,所述步骤(3)中,狭缝的长度为1.5mm×1.5mm,以保证过滤后剩余单个雾滴进入双目相机视场内,此时单个雾滴的飞行轨迹可以完整的呈现在可视化面板中心。
优选地,所述步骤(4)中,背景差分法的步骤如下:
(1)对经过高斯滤波处理的图像运用背景差分法,由于视频中背景像素值占主要部分,所以运用统计中值法获取图像背景帧B,并记录当前视频图像帧为Fn,背景帧和当前帧的像素点的灰度值分别记为B(x,y)和Fn(x,y);
(2)将两帧图像对应的像素点的灰度值相减,取其绝对值,可得到差分图像Dn(x,y);
(3)设定阈值T,对像素点一一进行二值化处理,取其灰度值为255的为前景点,灰度值为0的为背景点,最后再进行连通性分析即可得到完整的运动图像。
优选地,所述步骤(5)中,形心坐标的提取如下:
(1)首先利用Canny算子进行边缘检测,在采集到的图像区域中的左上角开始遍历图像;
(2)直到找到前景像素点P(i,j)(灰度值为255)作为初始点,并标记;
(3)对这个初始点A(i,j)周围8邻域逆时针搜索,如果搜索到周围存在前景像素,即更新坐标(i,j)为(i’,j’),并标记;
(4)不断执行步骤(3),直到再次遇到前景像素P(i,j),停止搜索,否则继续执行步骤(3);
(5)在雾滴运动过程中雾滴的轮廓会变成椭圆状或者柱状,因此采用椭圆拟合的形心提取算法提取雾滴中心,即可得到雾滴形心C1(x1,y1)。
优选地,所述步骤(6)中,核相关滤波跟踪算法跟踪步骤如下:
(1)给定左右目图像和初始的目标边框,即给定模板图像;
(2)利用核相关滤波算法分别跟踪左右目摄像机采集到的下一帧中的雾滴位置,并持续跟踪后续相邻帧,直至跟踪结束。
优选地,所述步骤(7)中,核相关滤波跟踪算法目标框的修正步骤如下:
(1)计算步骤(5)中得到的形心坐标C1(x1,y1),与步骤(6)中得到的形心坐标C2(x2,y2)之间的距离;
(2)若计算结果大于1则对跟踪目标框的框选范围进行修正,若小于1,则判定为同一个形心,即形心坐标为C2(x2,y2),再利用跟踪算法对目标进行跟踪。
优选地,所述步骤(8)中,单雾滴粒径的测量步骤如下:
(1)经过Canny算子边缘检测后,即可找到轮廓上上下距离最远的点A1(x1,y1)、A2(x2,y2)和左右距离最远的点B1(x1,y1)、B2(x2,y2)
(2)分别连接A1、A2和B1、B2,求出椭圆面积S1,令S1与圆的面积相等,即可获得雾滴的直径。
与现有技术相比,本发明的有益效果如下:
(1)本发明采用边缘检测、轮廓提取和椭圆拟合形心提取算法等技术对图像进行处理分析,不仅提高了数据提取的准确度,也能够快速的得到图像中雾滴大小尺寸。
(2)本发明采用高速视觉和核相关滤波目标跟踪技术,根据图像处理所得到的形心坐标对跟踪目标的目标框框选范围进行了修正,提高了对雾滴跟踪的准确度。
(3)本发明采用等效面积的方法计算雾滴直径,流程相对简单,误差相对较小。
(4)本发明采用形态学的方法对雾滴图像进行滤波预处理,提高了后续对雾滴轮廓提取的准确性。
(5)本发明采用视觉测量的方法,可以对单雾滴的运动过程实现高帧率拍摄和动态实时跟踪,系统组成相对简单,测量过程耗时短,成本较低。
附图说明
图1为本实施例中一种基于高速视觉和核相关滤波算法的单雾滴粒径和速度测量方法的流程图;
图2为本实施例中双目高速视觉测量系统示意图;
图3为本实施例中图像预处理流程图;
图4为本实施例中形心坐标提取流程图;
图5为本实施例中轮廓提取计算示意图;
具体实施方式
为了使本发明本的目的、技术方案和优点更加清楚明白,以下将结合实施例中的附图,对本发明进行详细的描述。
一种基于核相关滤波算法的单雾滴粒径和速度测量方法,其特征在于,该方法包括以下步骤:
(1)搭建双目高速视觉采集系统:双目摄像机、三角形支架、镜头(两个)、可视化控制面板;辅助光源包括欧司朗卤钨灯和50cm×50cm的灯光扩散板;计算机图像处理系统主要是对采集的图像进行数据分析。在拍摄开始前,先调整好双目高速摄像机、喷头以及辅助光源三者之间的相对位置,调整好摄像机的焦距与光圈大小,将灯光扩散板放置在卤钨灯的正前方,以保证进光量充足且光照均匀,狭缝板也固定在喷头的正下方,使视场中可以清晰的观察到单雾滴的轮廓。
(2)双目高速摄像机的标定:使用张氏标定法对双目高速摄像机的参数进行标定,通过MATLAB可以得到双目相机的内外参数,最后可以通过像素坐标系和空间坐标系之间的转换关系得到单雾滴的空间坐标,即可得到单雾滴的三维运动轨迹和速度;
标定过程如下:首先打开固定好的双目摄像机,调整镜头焦距和光圈大小至可以看清物体或雾滴点,再拿出事先准备好的棋盘格标定板(每个格子大小为10mm×10mm)以不同的角度采集10张图片,打开MATLAB软件中的Stereo Camera Calibrator工具箱,并将图片导入,保留同一坐标系下的照片并计算,即可获得双目相机的内外参矩阵。
(3)单雾滴运动图像的采集:双目高速摄像机标定后,将喷头及雾滴狭缝过滤板分别固定,使得喷头喷出的多雾滴经狭缝板过滤后只留下单个雾滴,且单个雾滴的飞行轨迹可以完整的呈现在可视化面板中心,通过双目高速摄像机记录雾滴运动过程。
(4)视频图像的预处理:首先选取要处理的区域,通过运用高斯滤波对区域内的视频图像进行降噪处理,以优化视频图像质量,再对其灰度化处理,再利用背景差分法减小背景参考的影响。背景差分法的步骤如下:(1)对经过高斯滤波处理的图像运用背景差分法,由于视频中背景像素值占主要部分,所以运用统计中值法获取图像背景帧B,并记录当前视频图像帧为Fn,背景帧和当前帧的像素点的灰度值分别记为B(x,y)和Fn(x,y);(2)将两帧图像对应的像素点的灰度值相减,取其绝对值,可得到差分图像Dn(x,y);(3)设定阈值T,对像素点一一进行二值化处理,取其灰度值为255的为前景点,灰度值为0的为背景点,最后再进行连通性分析即可得到完整的运动图像。
(5)单雾滴形心坐标的提取:对预处理后的左右目相机采集的视频图像截取某一帧照片进行,执行边缘检测、轮廓提取和轮廓跟踪,以对不同角度下单个雾滴的轮廓数据进行拟合,再根据椭圆拟合的形心提取算法,即可获得当前帧单雾滴的形心坐标C1(x1,y1)。形心坐标的提取步骤如下:1)首先利用Canny算子进行边缘检测,在采集到的图像区域中的左上角开始遍历图像;2)直到找到前景像素点P(i,j)(灰度值为255)作为初始点,并标记;3)对这个初始点A(i,j)周围8邻域逆时针搜索,如果搜索到周围存在前景像素,即更新坐标(i,j)为(i’,j’),并标记;4)不断执行步骤(3),直到再次遇到前景像素P(i,j),停止搜索,否则继续执行步骤(3);5)在雾滴运动过程中雾滴的轮廓会变成椭圆状或者柱状,因此采用椭圆拟合的形心提取算法提取雾滴中心,即可得到雾滴形心C1(x1,y1)。
(6)核相关滤波跟踪算法跟踪单雾滴:框选左右目摄像头中的雾滴作为核相关滤波跟踪算法的初始化目标追踪框(初始模板),以目标框的中心点作为目标的形心,得到形心坐标C2(x2,y2)。核相关滤波跟踪算法跟踪步骤如下:1)给定左右目图像和初始的目标边框,即给定模板图像;2)利用核相关滤波算法分别跟踪左右目摄像机采集到的下一帧中的雾滴位置,并持续跟踪后续相邻帧,直至跟踪结束。
(7)核相关滤波跟踪算法目标框的修正与连续跟踪记录:步骤(6)中通过利用核相关滤波算法得到形心坐标C2(x2,y2),利用步骤(5)中得到的形心坐标C1(x1,y1),去修正步骤(6)中的目标框框选范围,以不断的减小形心坐标之间的误差,获得合适的目标框,从而达到快速的获得目标框中单雾滴点的坐标,并以TXT文本的方式记录并导出。核相关滤波跟踪算法目标框的修正步骤如下:1)计算步骤(5)中得到的形心坐标C1(x1,y1),与步骤(6)中得到的形心坐标C2(x2,y2)之间的距离;2)若计算结果大于1则对跟踪目标框的框选范围进行修正,若小于1,则判定为同一个形心,即形心坐标为C2(x2,y2),目标框修正结束。
(8)单雾滴粒径的测量:在步骤(5)中,经过边缘检测和椭圆拟合,即可获得上下、左右雾滴轮廓上距离最远的4个点,分别连接上下、左右距离最远的2点,求出椭圆面积S1,令S1与圆的面积相等,即可获得雾滴的直径。单雾滴粒径的测量步骤如下:1)经过Canny算子边缘检测后,即可找到轮廓上上下距离最远的点A1(x1,y1)、A2(x2,y2)和左右距离最远的点B1(x1,y1)、B2(x2,y2)2)分别连接A1、A2和B1、B2,求出椭圆面积S1,令S1与圆的面积相等,即可获得雾滴的直径
(9)坐标转换和速度测量:通过对双目摄像机的标定,可以获取双目相机的内外参数,再经过坐标系转化,即可计算出单雾滴点在三维坐标系中的坐标,最后经过数据拟合可以对其运动轨迹重建及相关速度、加速度参数的计算。速度测量步骤如下:
1)根据核相关滤波算法跟踪左右目相机拍摄的视频可以得到真实世界中的雾滴形心点P(Xw,Yw,Zw)在两个相机中的投影点为P1(u1,v1)、P2(u2,v2);
2)三维坐标到像素坐标的转换矩阵关系如下:
联立式(1)(2),消去Zc,即可得到P(Xw,Yw,Zw),其中(u0,v0)为像素坐标系的成像原点,dx和dy代表一个像素的长度多少,f为相机的焦距,R和T分别代表旋转矩阵和平移矩阵,可由标定得出。
3)根据坐标转换可得出点P(Xw,Yw,Zw),即三维空间坐标,将转换得到的一系列点的三维空间坐标进行数据拟合(也可采用简单的空间描点法)即可完成三维运动轨迹的重建,还可得到三维空间中形心坐标的变化量,进而计算出雾滴在一定时间内的位移量ΔS,即可得到速度加速度
通过双目相机对点P空间坐标的还原等方法,可将一系列的像素坐标点转化为空间坐标点,再将空间坐标点进行数据拟合,即可完成三维运动轨迹的重建。
Claims (10)
1.一种基于核相关滤波算法的单雾滴粒径和速度测量方法,其特征在于,采用双目摄像机采集单雾滴运动图像,通过图像处理和三维重建分别得到单雾滴的粒径大小和速度,包括以下步骤:
(1)搭建双目高速视觉采集系统:双目高速视觉采集系统包括双目摄像机、镜头、可视化控制面板、辅助光源;其中镜头安装在双目摄像机上,可视化控制面板和双目高速摄像机相连接,辅助光源摆放至双目相机的对面;
(2)双目摄像机的标定:使用张氏标定法对双目高速摄像机的参数进行标定,通过MATLAB可以得到双目相机的内外参数,最后通过像素坐标系和空间坐标系之间的转换关系得到单雾滴的空间坐标,即可得到单雾滴的速度和三维运动轨迹;
(3)单雾滴运动图像的采集:双目摄像机标定后,将喷头及雾滴狭缝过滤板分别固定,使得喷头喷出的多雾滴经狭缝板过滤后只留下单个雾滴,且单个雾滴的飞行轨迹可以完整的呈现在可视化面板中心,通过双目高速摄像机记录雾滴运动过程;
(4)视频图像的预处理:首先选取要处理的区域,通过运用高斯滤波对区域内的视频图像进行降噪处理,以优化视频图像质量,再对其灰度化处理,再利用背景差分法减小背景参考的影响;
(5)单雾滴形心坐标的提取:对预处理后的左右目双目摄像机采集的视频图像截取某一帧照片进行,执行边缘检测、轮廓提取和轮廓跟踪,以对不同角度下单个雾滴的轮廓数据进行拟合,再根据椭圆拟合的形心提取算法,即可获得当前帧单雾滴的形心坐标C1(x1,y1);
(6)核相关滤波跟踪算法跟踪单雾滴:框选左右目双目摄像机中的雾滴作为核相关滤波跟踪算法的初始化目标追踪框即初始模板,以目标框的中心点作为目标的形心,得到形心坐标C2(x2,y2);
(7)核相关滤波目标框中心点的提取与修正:步骤(6)中通过利用核相关滤波算法得到形心坐标C2(x2,y2),利用步骤(5)中得到的形心坐标C1(x1,y1),去修正步骤(6)中的目标框框选范围,以不断的减小形心坐标之间的误差,获得合适的目标框,从而达到快速的获得目标框中单雾滴点的坐标,并以TXT文本的方式记录并导出;
(8)单雾滴粒径的测量:在步骤(5)中,经过边缘检测和椭圆拟合,即可获得上下、左右雾滴轮廓上距离最远的4个点,分别连接上下、左右距离最远的2点,求出椭圆面积S1,令S1与圆的面积相等,即可获得雾滴的直径;
(9)坐标转换和速度测量:通过对双目摄像机的标定,可以获取双目摄像机的内外参数,再经过坐标系转化,即可计算出单雾滴点在三维坐标系中的坐标,最后经过数据拟合可以对其运动轨迹重建及相关速度、加速度参数的计算。
2.如权利要求1所述的一种基于核相关滤波算法的单雾滴粒径和速度测量方法,其特征在于,步骤(1)中,双目高速视觉采集系统包括双目摄像机、三角形支架、两个镜头()、可视化控制面板;辅助光源包括欧司朗卤钨灯和50cm×50cm的散光板;计算机图像处理系统主要是对采集的图像进行数据分析。
3.如权利要求1所述的一种基于核相关滤波算法的单雾滴粒径和速度测量方法,其特征在于,步骤(2)中,使用张氏标定法对双目高速摄像机的参数进行标定步骤如下,首先打开固定好的双目摄像机,调整镜头焦距和光圈大小至可以看清物体或雾滴点,再拿出事先准备好的棋盘格标定板,每个格子大小为10mm×10mm,以不同的角度采集10张图片,并将图片导入到MATLAB软件中,保留以相同坐标系的照片并计算,即可获得坐标系之间的转换参数。
4.如权利要求1所述的一种基于核相关滤波算法的单雾滴粒径和速度测量方法,其特征在于,步骤(3)中,狭缝的长度为1.5mm×1.5mm,以保证过滤后剩余单个雾滴进入双目相机视场内,此时单个雾滴的飞行轨迹可以完整的呈现在可视化面板中心。
5.如权利要求1所述的一种基于核相关滤波算法的单雾滴粒径和速度测量方法,其特征在于,步骤(4)中,背景差分法的步骤为:首先运用高斯滤波对所采集到的视频图像进行降噪,再利用背景差分法去除背景光照变化的影响,其具体步骤如下:
(1)对经过高斯滤波处理的图像运用背景差分法,由于视频中背景像素值占主要部分,所以运用统计中值法获取图像背景帧B,并记录当前视频图像帧为Fn,背景帧和当前帧的像素点的灰度值分别记为B(x,y)和Fn(x,y);
(2)将两帧图像对应的像素点的灰度值相减,取其绝对值,可得到差分图像Dn(x,y);
(3)设定阈值T,对像素点一一进行二值化处理,取其灰度值为255的为前景点,灰度值为0的为背景点,最后进行连通性分析即可得到完整的运动图像。
6.如权利要求1所述的一种基于核相关滤波算法的单雾滴粒径和速度测量方法,其特征在于,步骤(5)中,
形心坐标的提取如下:
(1)首先利用Canny算子进行边缘检测,在采集到的图像区域中的左上角开始遍历图像;
(2)直到找到前景像素点P(i,j)(灰度值为255)作为初始点,并标记;
(3)对这个初始点A(i,j)周围8邻域逆时针搜索,如果搜索到周围存在前景像素,即更新坐标(i,j)为(i’,j’),并标记;
(4)不断执行步骤(3),直到再次遇到前景像素P(i,j),停止搜索,否则继续执行步骤(3);
(5)在雾滴运动过程中雾滴的轮廓会变成椭圆状或者柱状,因此采用椭圆拟合的形心提取算法提取雾滴中心,即可得到雾滴形心C1(x1,y1)。
7.如权利要求1所述的一种基于核相关滤波算法的单雾滴粒径和速度测量方法,其特征在于,步骤(6)中,核相关滤波跟踪算法跟踪步骤如下:(1)给定左右目图像和初始的目标边框,即给定模板图像;
(2)利用核相关滤波算法分别跟踪左右目双目摄像机采集到的下一帧中的雾滴位置,并持续跟踪后续相邻帧,直至跟踪结束。
8.如权利要求1所述的一种基于核相关滤波算法的单雾滴粒径和速度测量方法,其特征在于,步骤7中,,核相关滤波跟踪算法目标框的修正步骤如下:
(1)计算步骤(5)中得到的形心坐标C1(x1,y1),与步骤(6)中得到的形心坐标C2(x2,y2)之间的距离;
(2)若计算结果大于1则对跟踪目标框的框选范围进行修正,若小于1,则判定为同一个形心,即形心坐标为C2(x2,y2),再利用跟踪算法对目标进行跟踪。
9.如权利要求1所述的一种基于核相关滤波算法的单雾滴粒径和速度测量方法,其特征在于,
步骤(8)中,单雾滴粒径的测量步骤如下:
(1)经过Canny算子边缘检测后,即可找到轮廓上上下距离最远的点A1(x1,y1)、A2(x2,y2)和左右距离最远的点B1(x1,y1)、B2(x2,y2)
(2)分别连接A1、A2和B1、B2,求出椭圆面积S1,令S1与圆的面积相等,即可获得雾滴的直径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211506061.6A CN115760893A (zh) | 2022-11-29 | 2022-11-29 | 一种基于核相关滤波算法的单雾滴粒径和速度测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211506061.6A CN115760893A (zh) | 2022-11-29 | 2022-11-29 | 一种基于核相关滤波算法的单雾滴粒径和速度测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115760893A true CN115760893A (zh) | 2023-03-07 |
Family
ID=85339936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211506061.6A Pending CN115760893A (zh) | 2022-11-29 | 2022-11-29 | 一种基于核相关滤波算法的单雾滴粒径和速度测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115760893A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115984335A (zh) * | 2023-03-20 | 2023-04-18 | 华南农业大学 | 基于图像处理的获取雾滴特征参数方法 |
CN117420322A (zh) * | 2023-10-16 | 2024-01-19 | 北京科技大学 | 一种基于流向的固液两相流跟踪测速方法及装置 |
-
2022
- 2022-11-29 CN CN202211506061.6A patent/CN115760893A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115984335A (zh) * | 2023-03-20 | 2023-04-18 | 华南农业大学 | 基于图像处理的获取雾滴特征参数方法 |
CN117420322A (zh) * | 2023-10-16 | 2024-01-19 | 北京科技大学 | 一种基于流向的固液两相流跟踪测速方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106780620B (zh) | 一种乒乓球运动轨迹识别定位与跟踪系统及方法 | |
CN105894499B (zh) | 一种基于双目视觉的空间物体三维信息快速检测方法 | |
CN115760893A (zh) | 一种基于核相关滤波算法的单雾滴粒径和速度测量方法 | |
CN111462135A (zh) | 基于视觉slam与二维语义分割的语义建图方法 | |
CN106709950B (zh) | 一种基于双目视觉的巡线机器人跨越障碍导线定位方法 | |
CN105716539B (zh) | 一种快速高精度的三维形面测量方法 | |
CN110569704A (zh) | 一种基于立体视觉的多策略自适应车道线检测方法 | |
WO2018023916A1 (zh) | 一种彩色图像去阴影方法和应用 | |
CN106875415A (zh) | 一种动态背景中弱小动目标的连续稳定跟踪方法 | |
CN108731587A (zh) | 一种基于视觉的无人机动态目标跟踪与定位方法 | |
CN105404857A (zh) | 一种基于红外的夜间智能车前方行人检测方法 | |
JP6899189B2 (ja) | ビジョンシステムで画像内のプローブを効率的に採点するためのシステム及び方法 | |
CN106127145A (zh) | 瞳孔定位及跟踪方法 | |
CN104268853A (zh) | 一种红外图像与可见光图像配准方法 | |
CN108921813A (zh) | 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法 | |
CN112801074A (zh) | 一种基于交通摄像头的深度图估计方法 | |
CN115482195B (zh) | 一种基于三维点云的列车部件变形检测方法 | |
CN110827321B (zh) | 一种基于三维信息的多相机协同的主动目标跟踪方法 | |
CN108510544B (zh) | 一种基于特征聚类的光条定位方法 | |
Li et al. | Road markings extraction based on threshold segmentation | |
CN115830018B (zh) | 基于深度学习与双目视觉的碳素块检测方法及系统 | |
CN111709982B (zh) | 一种动态环境三维重建方法 | |
CN111127384A (zh) | 基于偏振成像的强反射工件视觉测量方法 | |
CN105488780A (zh) | 一种用于工业生产线的单目视觉测距追踪装置及其追踪方法 | |
CN114820474A (zh) | 一种基于三维信息的列车车轮缺陷检测方法 |
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 |