CN116222693A - 一种基于水尺倒影的天然河道水位自动监测方法 - Google Patents
一种基于水尺倒影的天然河道水位自动监测方法 Download PDFInfo
- Publication number
- CN116222693A CN116222693A CN202310520293.5A CN202310520293A CN116222693A CN 116222693 A CN116222693 A CN 116222693A CN 202310520293 A CN202310520293 A CN 202310520293A CN 116222693 A CN116222693 A CN 116222693A
- Authority
- CN
- China
- Prior art keywords
- water
- water gauge
- gauge
- reflection
- image
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 226
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 title claims abstract description 37
- 238000012937 correction Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000009467 reduction Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/12—Simultaneous equations, e.g. systems of linear equations
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Fluid Mechanics (AREA)
- Multimedia (AREA)
- Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
Abstract
本发明公开了一种基于水尺倒影的天然河道水位自动监测方法,涉及水文水资源技术领域,步骤如下:1)在对摄像头和水尺定高、定位,摄像头拍摄水尺完整图像,并完成畸变校正、二值化;2)实时拍摄水尺区域RGB彩色图像,经过畸变校正和二值化处理后,分别定位水尺与倒影顶端;3)配准步骤1)2)中水尺完整图像和“水尺及倒影”实时图像,依两者像素比及水尺长度推算“水尺及倒影”长度;4)依据“水‑空气”界面折射原理、正切公式等,计算水尺水面以上高度及河道实时水位。本发明可以广泛应用于单一水尺、多水尺的明渠和天然河道水位自动监测,可提升水位站数字化水平,提高水位高频次、精准监测能力,可为防洪抗旱减灾工作提供技术支撑。
Description
技术领域
本发明涉及水文水资源技术领域,尤其涉及一种综合利用“水尺及倒影”图像计算河道水位的方法。
背景技术
随着数字孪生流域、智慧水利等水利信息化概念先后提出,国家及各级水行政主管部门和水文部门,对于基础性的河道、水库、明渠水位的自动化监测技术有更加强烈的需求。目前水位自动化监测技术大致分为两类,一类主要依托于雷达测流仪、虹吸自记式水位井等设备设施直接监测,一类则主要利用摄像头、遥感卫星、无人机等设备拍摄的视频或图像等间接监测。直接监测方法技术相对成熟,但是设备采购或仪器设备的造价较高、且往往破坏耕地、征地面积大,设备设施的调试、运维等会给水利信息化建设带来新的巨大经费压力,对环境、农业的带来新的负面影响。间接监测方法是随着传感器技术进步而逐渐发展起来,其中摄像头或红外摄像头等设备在水库、水文站、取水口等工程建设非常广泛。此类工程所采用摄像头一般由太阳能电池供电、由物联网卡远传信号。
利用摄像头视频、图像进行水位识别的相关技术,大多侧重于以CTPN(ConnectionText Proposal Network)、YOLO(You OnlyLook Once)等成熟算法为基础,通过解析水面线附近的水尺读数以识别所标示水位。然而,上述技术存在诸多问题,1)无论是CTPN或YOLO等算法都属于机器学习或黑箱子算法,对刻度的识别能力极大依赖于算法优化程度,且此类算法对计算机的数值计算能力要求较高;2)水面线的识别本身就是个巨大的难题,受水流紊动、光斑等因素影响,水面线并不平坦、而是在时刻波动变化中,依据水面线判读水位刻度的方法往往误差较大。近年来直接依据河道水面图像,套用深度学习等方法识别水面线,进而依据经验公式计算河道水位的方法也取得了一些研究成果,但水面与堤岸交界处的辨识误差大,尤其高水、低水情况下训练样本偏少,深度学习方法的辨识能力严重受限。
通过对国内外相关技术与进展研究,本发明从物体投影、“水-空气”界面光折射等物理现象出发,充分考虑水位监测断面一般设置多组水尺、且配有摄像头的现状条件,提出了一种具有显著物理基础的天然河道水位自动监测方法,以弥补现有水位监测技术手段造价偏高、环境干扰大,或物理机制不明、精度及可靠性不足等缺陷。
发明内容
本发明针对现有基于视频图像的水位监测技术物理基础薄弱、精度和可靠性不足的问题,提出综合利用“水尺和水尺投影”图像实时监测河道水位的方法。本发明的目的在于,充分利用水位监测断面的摄像头、水尺等硬件条件,强化基于视频图像的水位监测技术物理基础,提升水位监测精度和可靠性,提出一套具备较好物理基础的解决方案。
为了实现上述目的,本发明提供如下技术方案:
一种基于水尺倒影的天然河道水位自动监测方法,包括如下步骤:
1)确定摄像头和水尺特征参数,摄像头拍摄水尺完整图像,并完成畸变校正、二值化;
2)实时拍摄水尺区域RGB彩色图像,经过畸变校正和二值化处理后,分别定位水尺与倒影顶端;
3)配准步骤1)、步骤2)水尺完整图像和“水尺及倒影”实时图像,依两者像素比及水尺长度推算“水尺及倒影”长度;
4)依据“水-空气”界面折射原理、正切公式,计算水尺水面以上高度及河道实时水位。
本发明的进一步技术:
优选的,步骤1)中确定摄像头和水尺特征参数包括,利用直尺、测高仪设备测定水尺的顶部高程、水尺完整长度,利用水平测距离测定摄像头与水尺之间的水平距离;
水尺的顶部高程记为H;
水尺完整长度R;
摄像头高程与水尺顶部高程差记为h0;
摄像头与水尺之间水平距离记为L。
优选的,步骤1)摄像头拍摄水尺完整图像,水尺的地上部分全部置于拍摄区域的上部分拍摄。
优选的,所述步骤3)中“水尺及倒影”长度推算为:利用k-最近法对二值化后的水尺图像进行缩放、像素对齐,进而依据对齐后两幅图的像素比例d和水尺完整长度R,获取水尺及倒影的长度P:
优选的,所述步骤4)中水尺水面以上高度依据“水-空气”界面光折射原理、三角形正切公式原理建立了含四参数的方程组,与水尺及倒影的长度联立,即可求得目标水尺水面以上高度参数;
式中:h1为目标水尺水面以上高度、h2为水面投影长度、 为投影的水下入射角、α为投影折射角,n 为“水-空气”界面折射率记;其中,h1,h2有如下关系:h1+h2=P,代入公式(2)即可求得所有四参数(h1、h2、 />、α)。
优选的,以目标水尺的顶部高程减去目标水尺水面以上高度,间接推算河道实时水位Z=H-h1。
本发明的有益效果是:
本发明是在大量的水位站建设经验、图像处理研究积累的基础上,全面考虑水位站测验环境和计算能力、图像处理技术发展水平、天然河道水流特征等条件,通过图像监测信息优化和数理公式推导得到的,具备较好的物理基础、方法可靠。本发明可以广泛应用于单一水尺、多水尺的明渠和天然河道水位自动监测,可提升水位监测无人化、自动化水平,提高水位高频次,可为防洪抗旱减灾工作提供技术支撑。
附图说明
图1为本发明基于水尺倒影的天然河道水位自动监测方法的技术原理图;
图2为摄像头-水尺相对方位示意图;
图3为倒影折射示意图;
图4为直角三角形方位示意图;
图5为折射角、入射角所在水下三角形示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明针对现有基于视频图像的水位监测技术物理基础薄弱、精度和可靠性不足的问题,提出综合利用“水尺和水尺投影”图像实时监测河道水位的方法。本发明的目的在于,充分利用水位监测断面的摄像头、水尺等硬件条件,强化基于视频图像的水位监测技术物理基础,提升水位监测精度和可靠性,提出一套具备较好物理基础的解决方案。
参照附图1-5,该方法首先需要获取水尺顶端的形状和尺寸、最小和最大刻度、水尺高度;室外温度。具体实现步骤如下:
步骤1:确定摄像头和各个水尺标高、水平距离等基本信息;摄像头拍摄水尺完整图像,作畸变校正、二值化。
步骤2:实时拍摄水尺区域RGB彩色图像,经过畸变校正和二值化处理后,分别定位水尺与倒影顶端。
步骤3:配准水尺完整图像和“水尺及倒影”实时图像,依两者像素比及水尺长度推算“水尺及倒影”长度。
步骤4:依据“水-空气”界面折射原理、正切公式等,计算水尺水面以上高度及河道实时水位。
前述步骤1应该在执行水位监测之前完成。前述步骤1中,利用直尺、测高仪等设备测定摄像头和水尺的离地高度、高程信息,利用水平测距离测定摄像头与水尺之间的水平距离。摄像头高程与水尺顶端高程差记为h0;摄像头与水尺之间水平距离记为L。
摄像头拍摄水尺的RGB图像,记录拍摄各水尺时摄像头的水平与垂向角度。为方便处理淹没状态下“水尺+倒影”图像,选择非汛期执行拍摄、在拍摄时把水尺全部置于拍摄区域的上半部分。分割水尺的主体图像、并对水尺的RGB图像进行畸变校正、去雾、灰度化、二值化、去噪与模糊处理。其中“去雾”操作主要是提升图像色彩饱和度、提高对比度,以利于辨认图像主体特征;“灰度化”是根据图像各像素点红绿蓝颜色数值,将各像素点转化为白色为255、黑色为0的灰度像素点,将彩色图像三维颜色特征转变为一维,降低图形运算量与系统资源占用;“二值化”是进一步将灰度图片的各像素点灰度值转化为255或0,以进一步提升主体轮廓清晰度,一般可采用日本学者大津提出的OTSU算法;“去噪与模糊”是去除图片二值化后所出现的噪声点、提升主体轮廓平滑性和清晰度。本发明对图像处理的具体方法不做要求。
从步骤2开始进行水位实时测量。前述步骤2中,拍摄目标水尺及倒影区域图像,经畸变校正、去雾、灰度化、二值化、去噪与模糊处理后,识别水尺和倒影顶端端点。当因水质偏差、大风等问题影响,投影不清晰不完整时,以固定角度 重复拍摄5张目标水尺及其倒影的RGB图像,各图像按照20%透明度叠加后一般即可获得相对清晰的水尺及倒影图像。
前述步骤3)中,统计水尺及倒影和目标水尺完整图像的像素,利用图像灰度统计特性配准算法对目标水尺的完整图像进行缩放、水尺顶端像素对齐。进而依据对齐后两幅图的水尺与“水尺及投影”图像的像素比例d和目标水尺完整长度R,获取水尺及倒影的长度P。
前述步骤4中,分别依据“水-空气”界面光折射原理、三角形正切公式建立了含四参数的方程组。
直角三角形正切方程:在图4绿色部分的直角三角形里,可以用其对角边长与摄像头距离投影端点的垂向距离,计算折射角α的正切函数。
式中,h0、h1、h2分别为摄像头距离水尺顶端高度、水尺水上部分高度、水尺水下倒影高度,L为摄像头到目标水尺之间的水平距离。其中h0、L已知,h1、h2未知。
直角边相等:如图5所示,折射角、入射角在水下所构成两三角形共用同一个直角边,于是可建立下述方程(式中所有变量均未知)。
由此建立了含有四个未知数的三个方程,与水尺及倒影的长度(h1+h2=P)联立,即可求得水尺水面以上高度等参数。
式中:h1为目标水尺水面以上高度、h2为投影长度、 为投影的水下入射角、α为投影折射角。其中,h1,h2有如下关系:h1+h2=P,代入方程组(6)即可求得所有四参数(h1、h2、、α)。以水尺顶端高程减去其水面以上高度,即可间接推算河道实时水位Z=H-h1。
以上所述,仅是本发明的较佳实施例,任何熟悉本领域的技术人员均可能利用上述阐述的技术方案对本发明加以修改或将其修改为等同的技术方案。因此,依据本发明的技术方案所进行的任何简单修改或等同置换,尽属于本发明要求保护的范围。
Claims (7)
1.一种基于水尺倒影的天然河道水位自动监测方法,其特征在于,包括如下步骤:
1)确定摄像头和水尺特征参数,摄像头拍摄水尺完整图像,并完成畸变校正、二值化;
2)实时拍摄水尺及倒影的RGB彩色图像,经过畸变校正和二值化处理后,分别定位水尺与倒影顶端;
3)配准步骤1)、步骤2)水尺完整图像和“水尺及倒影”实时图像,依两者像素比及水尺完整长度推算“水尺及倒影”长度;
4)依据“水-空气”界面折射原理、正切公式,计算水尺的水面以上高度及河道实时水位。
2.根据权利要求1所述的一种基于水尺倒影的天然河道水位自动监测方法,其特征在于:步骤1)中确定摄像头和水尺特征参数包括,利用直尺、测高仪设备测定水尺的顶部高程、水尺完整长度,利用水平测距离测定摄像头与水尺之间的水平距离;
水尺的顶部高程记为H;
水尺完整长度R;
摄像头高程与水尺顶部高程差记为h0;
摄像头与水尺之间水平距离记为L。
3.根据权利要求1所述的基于水尺倒影的天然河道水位自动监测方法,其特征在于:步骤1)摄像头拍摄水尺完整图像,水尺的地上部分全部置于拍摄区域的上部分拍摄。
4.根据权利要求1所述的基于水尺倒影的天然河道水位自动监测方法,其特征在于:步骤2)实时拍摄水尺及倒影的RGB彩色图像,其中,水尺水面以上部分全部置于拍摄区域的上部分拍摄。
7.根据权利要求6所述的基于水尺倒影的天然河道水位自动监测方法,其特征在于:以目标水尺的顶部高程减去目标水尺水面以上高度,间接推算河道实时水位Z=H- h1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310520293.5A CN116222693B (zh) | 2023-05-10 | 2023-05-10 | 一种基于水尺倒影的天然河道水位自动监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310520293.5A CN116222693B (zh) | 2023-05-10 | 2023-05-10 | 一种基于水尺倒影的天然河道水位自动监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116222693A true CN116222693A (zh) | 2023-06-06 |
CN116222693B CN116222693B (zh) | 2023-07-25 |
Family
ID=86570072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310520293.5A Active CN116222693B (zh) | 2023-05-10 | 2023-05-10 | 一种基于水尺倒影的天然河道水位自动监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116222693B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100661487B1 (ko) * | 2006-06-30 | 2006-12-27 | 제아정보통신(주) | 영상정보를 이용한 수위 계측 장치 및 방법 |
CN101806865A (zh) * | 2010-03-29 | 2010-08-18 | 深圳睿立方智能科技有限公司 | 一种电池内阻检测装置及其检测方法 |
WO2013077349A1 (ja) * | 2011-11-22 | 2013-05-30 | 株式会社東芝 | 原子炉水位計測システム |
CN108764229A (zh) * | 2018-05-29 | 2018-11-06 | 广东技术师范学院 | 一种基于计算机视觉技术的水尺图像自动识别方法 |
CN208888353U (zh) * | 2018-08-17 | 2019-05-21 | 杭州固恒能源科技有限公司 | 一种电池组直流内阻的测量电路 |
CN114459564A (zh) * | 2021-12-31 | 2022-05-10 | 神思电子技术股份有限公司 | 一种基于机器视觉的河道水位测量装置及方法 |
CN114663811A (zh) * | 2022-03-24 | 2022-06-24 | 中国水利水电科学研究院 | 一种利用水尺倒影的水面线提取方法 |
CN115953454A (zh) * | 2023-03-10 | 2023-04-11 | 武汉大水云科技有限公司 | 基于图像复原的水位获取方法、装置、设备及存储介质 |
-
2023
- 2023-05-10 CN CN202310520293.5A patent/CN116222693B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100661487B1 (ko) * | 2006-06-30 | 2006-12-27 | 제아정보통신(주) | 영상정보를 이용한 수위 계측 장치 및 방법 |
CN101806865A (zh) * | 2010-03-29 | 2010-08-18 | 深圳睿立方智能科技有限公司 | 一种电池内阻检测装置及其检测方法 |
WO2013077349A1 (ja) * | 2011-11-22 | 2013-05-30 | 株式会社東芝 | 原子炉水位計測システム |
CN108764229A (zh) * | 2018-05-29 | 2018-11-06 | 广东技术师范学院 | 一种基于计算机视觉技术的水尺图像自动识别方法 |
CN208888353U (zh) * | 2018-08-17 | 2019-05-21 | 杭州固恒能源科技有限公司 | 一种电池组直流内阻的测量电路 |
CN114459564A (zh) * | 2021-12-31 | 2022-05-10 | 神思电子技术股份有限公司 | 一种基于机器视觉的河道水位测量装置及方法 |
CN114663811A (zh) * | 2022-03-24 | 2022-06-24 | 中国水利水电科学研究院 | 一种利用水尺倒影的水面线提取方法 |
CN115953454A (zh) * | 2023-03-10 | 2023-04-11 | 武汉大水云科技有限公司 | 基于图像复原的水位获取方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
ZHANG, Z: "Visual Measurement of Water Level under Complex Illumination Conditions", SENSORS, vol. 19, no. 19 * |
刘铭辉 等: "一种不定长水尺图像水位测量方法", 《仪器仪表学报》, vol. 42, no. 7, pages 250 - 258 * |
张振;周扬;王慧斌;高红民;刘海韵;: "标准双色水尺的图像法水位测量", 仪器仪表学报, no. 09 * |
Also Published As
Publication number | Publication date |
---|---|
CN116222693B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN103017869B (zh) | 一种基于数字图像处理的水位测定系统及方法 | |
US11900634B2 (en) | Method for adaptively detecting chessboard sub-pixel level corner points | |
CN107588823A (zh) | 基于双波段成像的水尺水位测量方法 | |
CN103400373B (zh) | 相机检校控制场人工标志像点坐标自动识别定位方法 | |
CN112651968A (zh) | 一种基于深度信息的木板形变与凹坑检测方法 | |
CN109186706A (zh) | 一种用于城市雨洪淹没区预警的方法 | |
CN115060343B (zh) | 一种基于点云的河流水位检测系统、检测方法 | |
WO2020093631A1 (zh) | 一种基于深度实例分割网络的天线下倾角测量方法 | |
CN108921165A (zh) | 基于水尺图像的水位识别方法 | |
CN113469178B (zh) | 一种基于深度学习的电力表计识别方法 | |
CN116878748A (zh) | 一种激光与图像融合的智能气体泄漏定位方法及装置 | |
CN117451000B (zh) | 一种智轨列车道路路基沉降机器视觉检测方法及系统 | |
CN114639064A (zh) | 一种水位识别方法及装置 | |
CN115393700A (zh) | 水位高度识别方法、装置、电子设备以及存储介质 | |
CN112884731B (zh) | 一种基于机器视觉的水位检测方法及河道监测方法 | |
CN104596484A (zh) | 一种黄河凌汛期流凌密度测量方法 | |
CN116222693B (zh) | 一种基于水尺倒影的天然河道水位自动监测方法 | |
CN113902792A (zh) | 基于改进RetinaNet网络的建筑物高度检测方法、系统和电子设备 | |
CN113822104B (zh) | 基于多候选虚拟标尺的人工智能水面检测系统 | |
CN111398625B (zh) | 一种物理模型试验中的测速方法 | |
CN110081828B (zh) | 机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法 | |
Zhen et al. | Visual detection algorithm of water line based on feature fusion | |
CN113592877B (zh) | 一种抽水蓄能电站红线超标识别方法及装置 | |
CN112862820B (zh) | 一种基于图像识别技术的测压管群水深智能获取装置及其水深获取方法 |
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 |