CN116309531B - 一种风场测量方法、系统及存储介质 - Google Patents
一种风场测量方法、系统及存储介质 Download PDFInfo
- Publication number
- CN116309531B CN116309531B CN202310386602.4A CN202310386602A CN116309531B CN 116309531 B CN116309531 B CN 116309531B CN 202310386602 A CN202310386602 A CN 202310386602A CN 116309531 B CN116309531 B CN 116309531B
- Authority
- CN
- China
- Prior art keywords
- image acquisition
- acquisition end
- image
- shooting
- virtual
- 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.)
- Active
Links
- 238000000691 measurement method Methods 0.000 title claims abstract description 16
- 238000005259 measurement Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims description 14
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- SDIXRDNYIMOKSG-UHFFFAOYSA-L disodium methyl arsenate Chemical compound [Na+].[Na+].C[As]([O-])([O-])=O SDIXRDNYIMOKSG-UHFFFAOYSA-L 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种风场测量方法、系统及存储介质，本方案通过在天空区域具备用于风场测量的条件时，基于三个影像采集端在三个角度拍摄的天空图像进行建立虚拟坐标系和根据三个影像采集端的相对位置关系、其与目标元素上特征点的俯仰角、朝向关系，来获得目标元素上特征元素的实际位置，以此获得目标元素的位置信息，从而基于不同时间点目标元素的位置来获取其受风场作用而产生的轨迹反演风场和获取风场信息，本方案不仅实施灵活且数据参考性佳，为图像摄取技术和照片拟合技术在风场测量中提供新的思路。
Description
技术领域
本发明涉及风场监测技术领域，尤其涉及一种风场测量方法、系统及存储介质。
背景技术
大气风场测量在飞行器飞行条件评估、污染物扩散评估等领域中的具有重要的作用，目前大气风场测量的主要手段为通过声雷达、微波雷达和激光雷达进行测量，而这些测量设备往往需要耗费较大的资金、物资投入，其在使用时，虽然精度上较为理想，但是在灵活性、测量区域转移切换上和低成本方面还存在较大的局限性，因此，其常常被用于预算较为充裕的特殊操作场景事前评估。
随着图像摄取技术和照片拟合技术的日益成熟，目前已有大量研究人员发表了通过多张图片进行定位图片中相同元素的三维坐标，而具有高清图像摄取模块的手持设备目前已经广泛销售，例如，手机、平板电脑等，同时，现有手持终端亦有加载大量传感器以令手持终端持有人方便查阅其当前的地理位置、手持终端姿态等，若是能够利用图像摄取设备来获取天空偏振背景，根据多张图片结合去获取的时间差来估算大气风场，以实现风场信息估算，那么将会大大方便于大气风场的测量，提高检测人员的操作灵活性、数据获取效率和降低检测成本。
发明内容
有鉴于此，本发明的目的在于提出一种实施可靠、测量数据参考性佳且使用灵活的风场测量方法、系统及存储介质。
为了实现上述的技术目的，本发明所采用的技术方案为：
一种风场测量方法，其包括：
S01、第一影像采集端按预设条件对天空预设区域进行影像采集，生成影像数据；
S02、获取影像数据，对影像数据中的元素进行定位和提取，然后按预设条件对所提取的元素进行判断，再将符合预设判断要求的元素进行输出；
S03、响应所输出元素的选定反馈，将所选定的元素设为目标元素，然后启动第二影像采集端和第三影像采集端连同第一影像采集端以不同的摄取角度对目标元素进行拍摄画面捕捉；
S04、调整拍摄角度和拍摄焦距，令目标元素位于拍摄画面中部，然后按预设频率进行图像拍摄，同时，还同步记录拍摄时间节点，以及第一影像采集端、第二影像采集端和第三影像采集端在图像拍摄时的拍摄姿态数据和三者的相对位置信息，然后将其与生成的图像数据进行信息关联，生成图像数据组；
S05、获取图像数据组，建立虚拟三维坐标系，根据第一影像采集端、第二影像采集端和第三影像采集端的相对位置信息和拍摄图像数据时的姿态数据以及图像数据进行还原拍摄时间节点下目标元素在天空中的位置信息；
S06、重复步骤S04～S05预设次数，获得不同时间节点目标元素的位置信息；
S07、根据不同时间节点下，目标元素的位置信息三维坐标变化情况，获得目标元素的移动轨迹，然后根据目标元素的移动轨迹进行反演该目标元素所在区域的风场，进而获得风场信息和输出，完成风场测量。
作为一种可能的实施方式，进一步，本方案S01中，第一影像采集端以单点或多点对焦的方式对天空预设区域进行影像采集；且所采集的影像数据中加入有时间线标签，以令影像数据与其获取的时间对应。
作为一种较优的实施选择，优选的，本方案所述第一影像采集端的镜头上还设置有偏振镜，所述偏振镜用于过滤拍摄环境中的杂散光。
作为一种较优的实施选择，优选的，本方案S02包括：
S021、获取影像数据，将其按预设时间间隔分割为多个图像帧，然后对图像帧中的元素进行定位和提取；
S022、通过经训练的检测神经网络对所提取的元素进行判断，输出判断结果，将符合预设要求的元素输出。
作为一种较优的实施选择，优选的，本方案S022中，符合预设要求范围的元素包括云朵和树叶；
S022中，当判断结果指向为天空区域具有符合预设要求范围的元素时，对第一影像采集端输出第一指令，以令其以第一帧率和/或第一清晰度参数进行影像采集，同时将符合预设要求的元素输出；
当判断结果指向为天空区域中无符合预设要求范围的元素时，对第一影像采集端输出第二指令，以令其以第二帧率和/或第二清晰度参数进行影像采集；
其中，第一帧率对应的采集帧率大于第二帧率的采集帧率；
以第一清晰度参数所采集的影像对应的分辨率大于第二清晰度参数所采集的影像对应的分辨率。
除此之外，S021中，所提取的元素对应的定位轮廓不与图像帧的边缘相交，且所提取元素的面积为图像帧面积的15%～30%。
作为一种较优的实施选择，优选的，本方案S04包括：
S041、实时获取第一影像采集端、第二影像采集端和第三影像采集端所捕捉拍摄的天空画面；
S042、在第一影像采集端、第二影像采集端和第三影像采集端所捕捉拍摄的天空画面中对目标元素进行定位，然后进行择一且按预设条件在目标元素上选取一个以上特征点，并对特征点进行编号，继而在另外两个影像采集端的天空画面中进行对应标识特征点和编号；
S043、将其中一特征点设为主参考点，实时调整拍摄角度和拍摄焦距，令目标元素位于拍摄画面中部区域且维持作为主参考点的特征点位于拍摄画面中心，然后按预设频率进行图像拍摄，同时，还同步记录拍摄时间节点，以及第一影像采集端、第二影像采集端和第三影像采集端在图像拍摄时的拍摄姿态数据和三者的相对位置信息，然后将其与生成的图像数据进行信息关联，生成图像数据组。
作为一种较优的实施选择，优选的，本方案S05中，第一影像采集端、第二影像采集端和第三影像采集端拍摄图像数据时的姿态数据包括第一影像采集端、第二影像采集端和第三影像采集端在拍摄图像数据时的朝向、镜头俯仰角。
作为一种较优的实施选择，优选的，本方案S05包括：
S051、获取图像数据组；
S052、建立虚拟三维坐标系，根据第一影像采集端、第二影像采集端和第三影像采集端的相对位置信息在虚拟三维坐标系中建立与其一一对应的虚拟点位；
S053、以第一影像采集端、第二影像采集端和第三影像采集端对应的虚拟点位为起始点，再根据第一影像采集端、第二影像采集端和第三影像采集端拍摄图像数据时的朝向、镜头俯仰角，建立三条虚拟射线，该三条虚拟射线交于一点，完成主参考点在虚拟三维坐标系中的位置确定，当拍摄图像中特征点的数量大于1个时，进入S54，否则进入S55；
S054、在第一影像采集端、第二影像采集端和第三影像采集端对应的拍摄图像中，分别建立主参考点至其他特征点的位移向量，且根据位移向量获取第一影像采集端、第二影像采集端和第三影像采集端在主参考点位于其拍摄图像中心时，仅改变拍摄俯仰角和朝向，将其他特征点移动至拍摄图像中心所需的参数，并基于该参数在虚拟三维坐标系中建立虚拟射线，完成其他特征点在虚拟三维坐标系中的位置确定；其中，不同影像采集端针对同一特征点在虚拟三维坐标系中所建立的虚拟射线交于一点；
S055、根据特征点在虚拟三维坐标系中的位置确定信息，获得特征点与第一影像采集端、第二影像采集端和第三影像采集端在虚拟三维坐标系中的位置关系，进而根据第一影像采集端、第二影像采集端和第三影像采集端在布设场地的相对位置信息，获得目标元素在天空中的位置信息。
作为一种较优的实施选择，优选的，本方案S07包括：
根据不同时间节点下，目标元素中各特征点位置信息的三维坐标变化情况，获得目标元素的移动轨迹，然后根据目标元素的移动轨迹进行反演该目标元素所在区域的风场，进而获得风场信息和输出，完成风场测量。
基于上述，本发明还提供一种风场测量系统，其包括：
影像摄取端，包括布设在地面且用于对天空预设区域进行影像或图像采集，生成影像数据或图像数据的第一影像采集端、第二影像采集端和第三影像采集端；
姿态传感器，数量与第一影像采集端、第二影像采集端和第三影像采集端一一对应且设置在第一影像采集端、第二影像采集端和第三影像采集端上，所述姿态传感器用于获取第一影像采集端、第二影像采集端和第三影像采集端的朝向和俯仰角；
定位传感器，数量与第一影像采集端、第二影像采集端和第三影像采集端一一对应且设置在第一影像采集端、第二影像采集端和第三影像采集端上，所述定位传感器用于获取第一影像采集端、第二影像采集端和第三影像采集端的位置坐标，以获取三者的相对位置信息；
影像处理单元，用于获取影像数据，对影像数据中的元素进行定位和提取，然后按预设条件对所提取的元素进行判断，再将符合预设判断要求的元素进行输出；
数据交互单元，用于响应所输出元素的选定反馈，将所选定的元素设为目标元素，然后启动第二影像采集端和第三影像采集端连同第一影像采集端以不同的摄取角度对天空中的目标元素进行拍摄画面捕捉；
设备控制单元，用于调整第一影像采集端、第二影像采集端和第三影像采集端的拍摄角度和拍摄焦距，令目标元素位于拍摄画面中部，然后按预设频率进行图像拍摄；
数据记录单元，用于在第一影像采集端、第二影像采集端和第三影像采集端进行图像拍摄时，同步记录拍摄时间节点，以及第一影像采集端、第二影像采集端和第三影像采集端在图像拍摄时的拍摄姿态数据和三者的相对位置信息，然后将其与生成的图像数据进行信息关联，生成图像数据组；
数据存储单元，用于存储影像摄取端所采集的影像数据和图像数据，以及经信息关联处理后的图像数据组；
数据处理单元，用于获取图像数据组，建立虚拟三维坐标系，根据第一影像采集端、第二影像采集端和第三影像采集端的相对位置信息和拍摄图像数据时的姿态数据以及图像数据进行还原拍摄时间节点下目标元素在天空中的位置信息；其还用于根据不同时间节点下，目标元素的位置信息三维坐标变化情况，获得目标元素的移动轨迹，然后根据目标元素的移动轨迹进行反演该目标元素所在区域的风场，进而获得风场信息和输出，完成风场测量。
基于上述，本发明还提供一种计算机可读的存储介质，所述的存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述的至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行实现上述所述的风场测量方法。
采用上述的技术方案，本发明与现有技术相比，其具有的有益效果为：本方案巧妙性通过第一影像采集端进行采集预设区域的天空影像，在天空区域具有符合要求且可用于风场测量的目标元素时，再启动第二影像采集端和第三影像采集端进行采集该目标元素其他方位角的图像，该方式能够在天空预设区域不具有风场测量条件时，降低硬件的占用，而在具备测量条件时，基于三个影像采集端在三个角度拍摄的天空图像进行建立虚拟坐标系和根据第一影像采集端、第二影像采集端和第三影像采集端的相对位置关系、其与目标元素上特征点的俯仰角、朝向关系，来获得目标元素上特征元素的实际位置，以此获得目标元素在天空中的位置信息，从而基于不同时间点目标元素的位置来获取其受风场作用而产生的轨迹，最后基于目标元素在天空中的轨迹反演风场和获取风场信息；本方案方法能够有效降低风场估算中硬件设施的要求，使其在采集端上的硬件要求上可以直接基于带有姿态传感器、定位单元和摄像模块的相机、手机等常见消费产品即可辅助完成，而在精度要求高时，亦可采用图像摄取精度、清晰度更高的设备进行辅助完成采集端的工作，该方案不仅实施灵活且数据参考性佳，为图像摄取技术和照片拟合技术在风场测量中提供新的思路。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明风场测量方法的简要实施流程示意图；
图2是本发明风场测量方法中，在天空画面所定位的目标元素上进行特征点选取的简要实施示意图之一，其主要示出了只有一朵云朵的情况进行特征点选取的简要实施示意图；
图3是本发明风场测量方法中，在天空画面所定位的目标元素上进行特征点选取的简要实施示意图之二，其主要示出了具有多朵云朵时，仅在其中一完整和画幅占据适中的云朵上进行特征点选取的简要实施示意图；
图4是本发明风场测量方法中，在虚拟三维坐标系上通过建立射线来确定云朵上一定位点坐标位置的示意图；
图5是本发明风场测量方法中，在虚拟三维坐标系上通过建立射线来确定云朵上多定位点坐标位置的示意图；
图6是本发明风场测量系统的单元模块简要实施示意图。
实施方式
下面结合附图和实施例，对本发明作进一步的详细描述。特别指出的是，以下实施例仅用于说明本发明，但不对本发明的范围进行限定。同样的，以下实施例仅为本发明的部分实施例而非全部实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，本实施例方案一种风场测量方法，其包括：
S01、第一影像采集端按预设条件对天空预设区域进行影像采集，生成影像数据；
S02、获取影像数据，对影像数据中的元素进行定位和提取，然后按预设条件对所提取的元素进行判断，再将符合预设判断要求的元素进行输出；
S03、响应所输出元素的选定反馈，将所选定的元素设为目标元素，然后启动第二影像采集端和第三影像采集端连同第一影像采集端以不同的摄取角度对目标元素进行拍摄画面捕捉；
S04、调整拍摄角度和拍摄焦距，令目标元素位于拍摄画面中部，然后按预设频率进行图像拍摄，同时，还同步记录拍摄时间节点，以及第一影像采集端、第二影像采集端和第三影像采集端在图像拍摄时的拍摄姿态数据和三者的相对位置信息，然后将其与生成的图像数据进行信息关联，生成图像数据组；
S05、获取图像数据组，建立虚拟三维坐标系，根据第一影像采集端、第二影像采集端和第三影像采集端的相对位置信息和拍摄图像数据时的姿态数据以及图像数据进行还原拍摄时间节点下目标元素在天空中的位置信息；
S06、重复步骤S04～S05预设次数，获得不同时间节点目标元素的位置信息；
S07、根据不同时间节点下，目标元素的位置信息三维坐标变化情况，获得目标元素的移动轨迹，然后根据目标元素的移动轨迹进行反演该目标元素所在区域的风场，进而获得风场信息和输出，完成风场测量。
为了方便进行后期溯源，以追溯历史时间点的天空影像，本方案S01中，第一影像采集端以单点或多点对焦的方式对天空预设区域进行影像采集；且所采集的影像数据中加入有时间线标签，以令影像数据与其获取的时间对应。
由于不同天气情况下，外部环境的曝光影响因素不同，而杂散光作为影像拍摄的重要干扰因素之一，作为一种较优的实施选择，优选的，本方案所述第一影像采集端的镜头上还设置有偏振镜，所述偏振镜用于过滤拍摄环境中的杂散光。
在元素定位和获取方面，作为一种较优的实施选择，优选的，本方案S02包括：
S021、获取影像数据，将其按预设时间间隔分割为多个图像帧，然后对图像帧中的元素进行定位和提取；
S022、通过经训练的检测神经网络对所提取的元素进行判断，输出判断结果，将符合预设要求的元素输出。
由于天空中可能会存在飞鸟、风筝、飞机等受除风场之外其他第三方作用力的物体，而这些由于具有第三方作用力的情况，因此，用于评估风场信息存在较大的干扰影响。作为一种较优的实施选择，优选的，本方案S022中，符合预设要求范围的元素包括云朵和树叶；其中，云朵由于只受大气中风场的影响而位移，因此，天空中体积适中的厚云朵是较好的参照对象，厚云朵的边缘轮廓清晰也不易受到风场影响（尤其是空气乱流）而快速逸散。而淡薄的云层由于稳定性差，容易因为空气乱流而改变形态，跨度较大的云朵（超出拍摄画面），则会因为体积大，在拍摄画面中的完整性差，因此亦不适合作为目标元素；而飘在空中的树叶由于没有第三方牵引力，因此，可以作为本方案的目标元素，但是，由于树叶本身体积小，因此，一旦在风速较大或存在乱流时，树叶会快速跟随风场进行飘动，此时则对摄像采集端的采集能力具有较高要求，例如拍摄速度，对焦速度等，因此，在风速较大时，则不适合将树叶作为目标元素，而在微风和煦且无明显乱流时，则可以作为目标元素。
除此之外，S021中，所提取的元素对应的定位轮廓不与图像帧的边缘相交，且所提取元素的面积为图像帧面积的15%～30%；即本方案中，所以提及的目标对象均为具有独立边缘轮廓的目标对象，其不属于一个整体对象的局部分割，例如图2、图3所示，因为将一个整体对象进行局部分割的方式会增大参考的误差，以云朵或飞机产生的尾迹为例，若是对云朵或尾迹进行分割，令其形成多个子目标对象，则会因为同一云朵，不同区域的云朵相互之间的受力不同而导致在轨迹判断时，发生干扰，例如大气中的局部乱流对云朵局部进行作用成为干扰因素，除此之外，例如飞机尾迹或其他细长的目标对象容易因为跨幅较大，而使得其局部受到风场乱流的影响造成测量干扰，也不适合作为目标对象。
为了在预设天空区域无可参考元素时，能够让部分设备保持休眠以降低方案的能耗支出，本方案中，S022中，当判断结果指向为天空区域具有符合预设要求范围的元素时，对第一影像采集端输出第一指令，以令其以第一帧率和/或第一清晰度参数进行影像采集，同时将符合预设要求的元素输出；
当判断结果指向为天空区域中无符合预设要求范围的元素时，对第一影像采集端输出第二指令，以令其以第二帧率和/或第二清晰度参数进行影像采集；
其中，第一帧率对应的采集帧率大于第二帧率的采集帧率；
以第一清晰度参数所采集的影像对应的分辨率大于第二清晰度参数所采集的影像对应的分辨率。
对于云朵而言，由于符合要求的不同云朵具有不同的形态，因此，在目标元素的定位上，为了提高目标对象的实际位置和轨迹记录可靠性，作为一种较优的实施选择，优选的，本方案S04包括：
S041、实时获取第一影像采集端、第二影像采集端和第三影像采集端所捕捉拍摄的天空画面；
S042、在第一影像采集端、第二影像采集端和第三影像采集端所捕捉拍摄的天空画面中对目标元素进行定位，然后进行择一且按预设条件在目标元素上选取一个以上特征点，并对特征点进行编号，继而在另外两个影像采集端的天空画面中进行对应标识特征点和编号；
S043、将其中一特征点设为主参考点，实时调整拍摄角度和拍摄焦距，令目标元素位于拍摄画面中部区域且维持作为主参考点的特征点位于拍摄画面中心，然后按预设频率进行图像拍摄，同时，还同步记录拍摄时间节点，以及第一影像采集端、第二影像采集端和第三影像采集端在图像拍摄时的拍摄姿态数据和三者的相对位置信息，然后将其与生成的图像数据进行信息关联，生成图像数据组。
作为一种较优的实施选择，优选的，本方案S05中，第一影像采集端、第二影像采集端和第三影像采集端拍摄图像数据时的姿态数据包括第一影像采集端、第二影像采集端和第三影像采集端在拍摄图像数据时的朝向、镜头俯仰角。
在S042中，在第一影像采集端、第二影像采集端和第三影像采集端所捕捉拍摄的天空画面中进行择一选择天空画面进行选取特征点的方式可以为通过云朵的特征，例如，云朵不同厚度的区域会显示亮暗差异，而较暗的区域亦可作为较好的特征点，例如图2、图3所示，当较暗的区域为不规则的一大片时，可以进一步通过选择第二、第三参照点来确定特征点，例如特征点附近的云朵边缘形状，特征点所在云朵区域的独特形状，由于云朵位置较高，因此，第一影像采集端、第二影像采集端和第三影像采集端均可以在拍摄图像中捕捉到这些特征，在此情况下，以特征点来确定第一影像采集端、第二影像采集端和第三影像采集端画面捕捉的直接参照，有助于提高图像数据的一致性，即第一影像采集端、第二影像采集端和第三影像采集端将主参考点（其中一特征点）移动至画面中心时，有助于后续对主参考点及其它特征点的相对位置确定。而作为特征点的确定方式，本方案还可以通过对天空画面对应的图像数据进行RGB色值获取，然后对应判断出符合要求特征的暗点来作为特征点，但本方案并不局限于此，亦可以通过其他现有技术方式来确定图像数据中云朵的暗点或其他特征作为特征点，除此之外，在特征点的确定方式上，亦可以通过对云朵的形状来结合现有几何方法进行确定特征点，例如中心点，与边缘距离预设距离的点或其他与云朵形状具有数学关系的点位。
结合图4或图5所示，本实施例方案在目标元素的实际位置定位上，作为一种较优的实施选择，优选的，本方案S05包括：
S051、获取图像数据组；
S052、建立虚拟三维坐标系，根据第一影像采集端、第二影像采集端和第三影像采集端的相对位置信息在虚拟三维坐标系中建立与其一一对应的虚拟点位；
S053、以第一影像采集端、第二影像采集端和第三影像采集端对应的虚拟点位为起始点，再根据第一影像采集端、第二影像采集端和第三影像采集端拍摄图像数据时的朝向、镜头俯仰角，建立三条虚拟射线，该三条虚拟射线交于一点，完成主参考点在虚拟三维坐标系中的位置确定，其中，图4示出了仅有一个特征参考点时的情况，而当拍摄图像中特征点的数量大于1个时（例如图5），进入S54，否则进入S55；
S054、在第一影像采集端、第二影像采集端和第三影像采集端对应的拍摄图像中，分别建立主参考点至其他特征点的位移向量，且根据位移向量获取第一影像采集端、第二影像采集端和第三影像采集端在主参考点位于其拍摄图像中心时，仅改变拍摄俯仰角和朝向，将其他特征点移动至拍摄图像中心所需的参数，并基于该参数在虚拟三维坐标系中建立虚拟射线，完成其他特征点在虚拟三维坐标系中的位置确定；其中，不同影像采集端针对同一特征点在虚拟三维坐标系中所建立的虚拟射线交于一点；
S055、根据特征点在虚拟三维坐标系中的位置确定信息，获得特征点与第一影像采集端、第二影像采集端和第三影像采集端在虚拟三维坐标系中的位置关系，进而根据第一影像采集端、第二影像采集端和第三影像采集端在布设场地的相对位置信息，获得目标元素在天空中的位置信息。
本方案S053中，由于第一影像采集端、第二影像采集端和第三影像采集端的相对位置为可知参数，同时，影像采集端与主参考点的俯仰角、朝向位置关系可知，即在将主参考点移动至拍摄画面中心时，此时影像采集端的朝向、俯仰角刚好可以建立一个轨迹覆盖主参考点的射线，而由于主参考点仅有一个，因此，其会相交于两个影像采集端所形成射线上，但由于两条线仅能确立一个二维平面，因此，为了更为可靠地建立坐标系，同时，对主参考点的位置做进一步的确认，引入第三个影像摄取端建立射线，由于特征点的唯一对应性，因此，三条射线会交于一点，因此，在第一影像采集端、第二影像采集端和第三影像采集端的相对位置为可知参数的情况下，进一步建立虚拟三维坐标系，再通过影像采集端与主参考点的俯仰角、朝向位置关系来建立射线和确立主参考点的位置的情况下，可以在虚拟三维坐标系中建立出一个虚拟三角体（例如图4），而该虚拟三角体的底边长度及各边角点（1、2、3）坐标值均为可知的情况，还进一步已知三条斜边与底面（1、2、3所形成的面）的夹角的情况下，可通过几何关系计算来获取主参考点在虚拟三维坐标系中的位置。
除了通过几何关系计算的方式，本方案还可以通过引入当前已知的三维制图软件（例如AUTOcad、solidworks等）来更为简单便利的获取主参考点的位置，即，将对应第一影像采集端、第二影像采集端和第三影像采集端的边角点1、2、3以实际尺寸或比例尺寸的方式直接建模与软件中，然后再通过影像采集端与主参考点的俯仰角、朝向位置关系来建立射线，最后直接通过投影法在软件中直接量取主参考点（其他特征点亦同）距离X0Z面、XOY面、YOZ面的距离，即可获取得到主参考点（其他特征点亦同）在三维坐标系的三维坐标值，从而完成主参考点在虚拟三维坐标系中的位置确定。
对于除主参考点之外的其他参考点而言，本方案S054中通过分别建立主参考点至其他特征点的位移向量，是为了直接利用参数关系来间接获取出其他参考点移动至拍摄图像中心时第一影像采集端、第二影像采集端和第三影像采集端的俯仰角和朝向，以便于进一步较为准确地将其他特征点确定在三维虚拟坐标系中，而无需实际对第一影像采集端、第二影像采集端和第三影像采集端进行硬件移动来获取该参数，提高了测量方法实施的效率。
在风场反演方面，由于目前通过目标元素在不同时间点的移动轨迹来反演风场已是非常常见的手段，而本方案主要是提出了利用影像摄取的形式来获取目标元素的实际坐标位置，结合其在不同时间点（例如10个时间点，每个时间点的间隔为30秒、60秒、120秒或150秒）下的位置获取飘浮轨迹，以此进行风场反演，因此，在已知轨迹进行反演风场方面，本方案采用现有技术的手段进行确定即可，本方案S07包括：
根据不同时间节点下，目标元素中各特征点位置信息的三维坐标变化情况，获得目标元素的移动轨迹，然后根据目标元素的移动轨迹进行反演该目标元素所在区域的风场，进而获得风场信息和输出，完成风场测量，该风场测量的参数至少包括风向。
本实施例方案可以作为大气风场信息的粗略确定，对于一些精度要求不高的情况下，可以通过带有姿态传感器、定位单元（北斗定位、基站定位或蓝牙定位）和摄影镜头的智能手机或相机进行充当第一影像采集端、第二影像采集端和第三影像采集端的角色来获取天空图像数据，而数据处理方面，可以在云端服务器中建立相关的单元模块进行处理，以此实现高效便利地风场测量，为无人机表演、无人机农药、化肥喷施提供有效便利的场地环境反馈。
结合图6所示，基于上述，本实施例方案还提供一种风场测量系统，其包括：
影像摄取端，包括布设在地面且用于对天空预设区域进行影像或图像采集，生成影像数据或图像数据的第一影像采集端、第二影像采集端和第三影像采集端；
姿态传感器，数量与第一影像采集端、第二影像采集端和第三影像采集端一一对应且设置在第一影像采集端、第二影像采集端和第三影像采集端上，所述姿态传感器用于获取第一影像采集端、第二影像采集端和第三影像采集端的朝向和俯仰角；
定位传感器，数量与第一影像采集端、第二影像采集端和第三影像采集端一一对应且设置在第一影像采集端、第二影像采集端和第三影像采集端上，所述定位传感器用于获取第一影像采集端、第二影像采集端和第三影像采集端的位置坐标，以获取三者的相对位置信息；
影像处理单元，用于获取影像数据，对影像数据中的元素进行定位和提取，然后按预设条件对所提取的元素进行判断，再将符合预设判断要求的元素进行输出；
数据交互单元，用于响应所输出元素的选定反馈，将所选定的元素设为目标元素，然后启动第二影像采集端和第三影像采集端连同第一影像采集端以不同的摄取角度对天空中的目标元素进行拍摄画面捕捉；
设备控制单元，用于调整第一影像采集端、第二影像采集端和第三影像采集端的拍摄角度和拍摄焦距，令目标元素位于拍摄画面中部，然后按预设频率进行图像拍摄；
数据记录单元，用于在第一影像采集端、第二影像采集端和第三影像采集端进行图像拍摄时，同步记录拍摄时间节点，以及第一影像采集端、第二影像采集端和第三影像采集端在图像拍摄时的拍摄姿态数据和三者的相对位置信息，然后将其与生成的图像数据进行信息关联，生成图像数据组；
数据存储单元，用于存储影像摄取端所采集的影像数据和图像数据，以及经信息关联处理后的图像数据组；
数据处理单元，用于获取图像数据组，建立虚拟三维坐标系，根据第一影像采集端、第二影像采集端和第三影像采集端的相对位置信息和拍摄图像数据时的姿态数据以及图像数据进行还原拍摄时间节点下目标元素在天空中的位置信息；其还用于根据不同时间节点下，目标元素的位置信息三维坐标变化情况，获得目标元素的移动轨迹，然后根据目标元素的移动轨迹进行反演该目标元素所在区域的风场，进而获得风场信息和输出，完成风场测量。
其中，除影像摄取端以外，其他处理单元均可以建立在云端服务器中，而在本发明实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
其中，存储单元、信息标注单元、目标确定单元、数据匹配单元、目标定位单元和数据处理单元均可以集成于服务器中进行使用，而集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的部分实施例，并非因此限制本发明的保护范围，凡是利用本发明说明书及附图内容所作的等效装置或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种风场测量方法，其特征在于，其包括：
S01、第一影像采集端按单点或多点对焦的方式对天空预设区域进行影像采集，生成影像数据；
S02、获取影像数据，对影像数据中的元素进行定位和提取，然后通过经训练的检测神经网络对所提取的元素进行判断，再将符合预设判断要求的元素进行输出；
S03、响应所输出元素的选定反馈，将所选定的元素设为目标元素，然后启动第二影像采集端和第三影像采集端连同第一影像采集端以不同的摄取角度对目标元素进行拍摄画面捕捉；
S04、调整拍摄角度和拍摄焦距，令目标元素位于拍摄画面中部，然后按预设频率进行图像拍摄，同时，还同步记录拍摄时间节点，以及第一影像采集端、第二影像采集端和第三影像采集端在图像拍摄时的拍摄姿态数据和三者的相对位置信息，然后将其与生成的图像数据进行信息关联，生成图像数据组；
S05、获取图像数据组，建立虚拟三维坐标系，根据第一影像采集端、第二影像采集端和第三影像采集端的相对位置信息和拍摄图像数据时的姿态数据以及图像数据进行还原拍摄时间节点下目标元素在天空中的位置信息；
S06、重复步骤S04～S05预设次数，获得不同时间节点目标元素的位置信息；
S07、根据不同时间节点下，目标元素的位置信息三维坐标变化情况，获得目标元素的移动轨迹，然后根据目标元素的移动轨迹进行反演该目标元素所在区域的风场，进而获得风场信息和输出，完成风场测量；
其中，S05中，第一影像采集端、第二影像采集端和第三影像采集端拍摄图像数据时的姿态数据包括第一影像采集端、第二影像采集端和第三影像采集端在拍摄图像数据时的朝向、镜头俯仰角；
另外，S05包括：
S051、获取图像数据组；
S052、建立虚拟三维坐标系，根据第一影像采集端、第二影像采集端和第三影像采集端的相对位置信息在虚拟三维坐标系中建立与其一一对应的虚拟点位；
S053、以第一影像采集端、第二影像采集端和第三影像采集端对应的虚拟点位为起始点，再根据第一影像采集端、第二影像采集端和第三影像采集端拍摄图像数据时的朝向、镜头俯仰角，建立三条虚拟射线，该三条虚拟射线交于一点，完成主参考点在虚拟三维坐标系中的位置确定，当拍摄图像中特征点的数量大于1个时，进入S054，否则进入S055；
S054、在第一影像采集端、第二影像采集端和第三影像采集端对应的拍摄图像中，分别建立主参考点至其他特征点的位移向量，且根据位移向量获取第一影像采集端、第二影像采集端和第三影像采集端在主参考点位于其拍摄图像中心时，仅改变拍摄俯仰角和朝向，将其他特征点移动至拍摄图像中心所需的参数，并基于该参数在虚拟三维坐标系中建立虚拟射线，完成其他特征点在虚拟三维坐标系中的位置确定；其中，不同影像采集端针对同一特征点在虚拟三维坐标系中所建立的虚拟射线交于一点；
S055、根据特征点在虚拟三维坐标系中的位置确定信息，获得特征点与第一影像采集端、第二影像采集端和第三影像采集端在虚拟三维坐标系中的位置关系，进而根据第一影像采集端、第二影像采集端和第三影像采集端在布设场地的相对位置信息，获得目标元素在天空中的位置信息。
2.如权利要求1所述的风场测量方法，其特征在于，S01中，所采集的影像数据中加入有时间线标签，以令影像数据与其获取的时间对应；
所述第一影像采集端的镜头上还设置有偏振镜，所述偏振镜用于过滤拍摄环境中的杂散光。
3.如权利要求1或2所述的风场测量方法，其特征在于，S02包括：
S021、获取影像数据，将其按预设时间间隔分割为多个图像帧，然后对图像帧中的元素进行定位和提取；
S022、通过经训练的检测神经网络对所提取的元素进行判断，输出判断结果，当判断结果指向为天空区域具有符合预设要求范围的元素时，对第一影像采集端输出第一指令，以令其以第一帧率和/或第一清晰度参数进行影像采集，同时将符合预设要求的元素输出；
当判断结果指向为天空区域中无符合预设要求范围的元素时，对第一影像采集端输出第二指令，以令其以第二帧率和/或第二清晰度参数进行影像采集；
其中，第一帧率对应的采集帧率大于第二帧率的采集帧率；
以第一清晰度参数所采集的影像对应的分辨率大于第二清晰度参数所采集的影像对应的分辨率。
4.如权利要求3所述的风场测量方法，其特征在于，
S021中，所提取的元素对应的定位轮廓不与图像帧的边缘相交，且所提取元素的面积为图像帧面积的15%～30%；
S022中，符合预设要求范围的元素包括云朵和树叶。
5.如权利要求4所述的风场测量方法，其特征在于，S04包括：
S041、实时获取第一影像采集端、第二影像采集端和第三影像采集端所捕捉拍摄的天空画面；
S042、在第一影像采集端、第二影像采集端和第三影像采集端所捕捉拍摄的天空画面中对目标元素进行定位，然后进行择一且按预设条件在目标元素上选取一个以上特征点，并对特征点进行编号，继而在另外两个影像采集端的天空画面中进行对应标识特征点和编号；
S043、将其中一特征点设为主参考点，实时调整拍摄角度和拍摄焦距，令目标元素位于拍摄画面中部区域且维持作为主参考点的特征点位于拍摄画面中心，然后按预设频率进行图像拍摄，同时，还同步记录拍摄时间节点，以及第一影像采集端、第二影像采集端和第三影像采集端在图像拍摄时的拍摄姿态数据和三者的相对位置信息，然后将其与生成的图像数据进行信息关联，生成图像数据组。
6.如权利要求5所述的风场测量方法，其特征在于，S07包括：
根据不同时间节点下，目标元素中各特征点位置信息的三维坐标变化情况，获得目标元素的移动轨迹，然后根据目标元素的移动轨迹进行反演该目标元素所在区域的风场，进而获得风场信息和输出，完成风场测量。
7.一种计算机可读的存储介质，其特征在于：所述的存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述的至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行实现如权利要求1至6之一所述的风场测量方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310386602.4A CN116309531B (zh) | 2023-04-12 | 2023-04-12 | 一种风场测量方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310386602.4A CN116309531B (zh) | 2023-04-12 | 2023-04-12 | 一种风场测量方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116309531A CN116309531A (zh) | 2023-06-23 |
| CN116309531B true CN116309531B (zh) | 2023-10-03 |
Family
ID=86813314
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310386602.4A Active CN116309531B (zh) | 2023-04-12 | 2023-04-12 | 一种风场测量方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116309531B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117367308A (zh) * | 2023-11-24 | 2024-01-09 | 江苏省特种设备安全监督检验研究院 | 三维全场应变测量方法及其在机械设备中的应用 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101515036A (zh) * | 2008-02-20 | 2009-08-26 | 中国科学院电子学研究所 | 消除海面合成孔径雷达成像中时变模糊效应的方法 |
| CN103226838A (zh) * | 2013-04-10 | 2013-07-31 | 福州林景行信息技术有限公司 | 地理场景中移动监控目标的实时空间定位方法 |
| CN105890840A (zh) * | 2016-03-31 | 2016-08-24 | 江苏省特种设备安全监督检验研究院 | 一种移动式设备风压检测装置及方法 |
| CN110426178A (zh) * | 2019-07-23 | 2019-11-08 | 中国科学院软件研究所 | 一种基于尾流示踪的风场测量方法及系统 |
| CN112347956A (zh) * | 2020-11-12 | 2021-02-09 | 上海交通大学 | 基于多无人机和机器视觉的云观测系统及方法 |
| CN115861963A (zh) * | 2022-11-28 | 2023-03-28 | 江苏省特种设备安全监督检验研究院 | 一种基于深度学习与数字孪生的叉车作业安全预警系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2574490A (en) * | 2017-11-22 | 2019-12-11 | Foster Miller Inc | Airborne wind profiling portable radar system and method |
-
2023
- 2023-04-12 CN CN202310386602.4A patent/CN116309531B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101515036A (zh) * | 2008-02-20 | 2009-08-26 | 中国科学院电子学研究所 | 消除海面合成孔径雷达成像中时变模糊效应的方法 |
| CN103226838A (zh) * | 2013-04-10 | 2013-07-31 | 福州林景行信息技术有限公司 | 地理场景中移动监控目标的实时空间定位方法 |
| CN105890840A (zh) * | 2016-03-31 | 2016-08-24 | 江苏省特种设备安全监督检验研究院 | 一种移动式设备风压检测装置及方法 |
| CN110426178A (zh) * | 2019-07-23 | 2019-11-08 | 中国科学院软件研究所 | 一种基于尾流示踪的风场测量方法及系统 |
| CN112347956A (zh) * | 2020-11-12 | 2021-02-09 | 上海交通大学 | 基于多无人机和机器视觉的云观测系统及方法 |
| CN115861963A (zh) * | 2022-11-28 | 2023-03-28 | 江苏省特种设备安全监督检验研究院 | 一种基于深度学习与数字孪生的叉车作业安全预警系统 |
Non-Patent Citations (3)
| Title |
|---|
| A Hybrid Genetic/Powell Algorithm for Wind Measurement in Doppler Lidar;Jiang Shan;《Photonics》;论文全文 * |
| 基于等效风载模型的门式起重机整体抗风性能检测技术研究;蔡福海;《中国工程机械学报》;论文全文 * |
| 应用于区域三维风场测量的船载激光测风雷达;周杰;《红外与激光工程》;论文全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116309531A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110221603B (zh) | 一种基于激光雷达多帧点云融合的远距离障碍物检测方法 | |
| US11003956B2 (en) | System and method for training a neural network for visual localization based upon learning objects-of-interest dense match regression | |
| US20210390329A1 (en) | Image processing method, device, movable platform, unmanned aerial vehicle, and storage medium | |
| Daftry et al. | Building with drones: Accurate 3D facade reconstruction using MAVs | |
| CN109598765B (zh) | 基于球形标定物的单目相机与毫米波雷达外参联合标定方法 | |
| CN110415342A (zh) | 一种基于多融合传感器的三维点云重建装置与方法 | |
| WO2021208442A1 (zh) | 一种三维场景的重建系统、方法、设备及存储介质 | |
| CN108875730B (zh) | 一种深度学习样本收集方法、装置、设备及存储介质 | |
| CN109934131A (zh) | 一种基于无人机的小目标检测方法 | |
| CN106971408B (zh) | 一种基于时空转换思想的摄像机标定方法 | |
| GB2520338A (en) | Automatic scene parsing | |
| CN110889829A (zh) | 一种基于鱼眼镜头的单目测距方法 | |
| CN104408725A (zh) | 一种基于tld优化算法的目标重捕获系统及方法 | |
| CN116309531B (zh) | 一种风场测量方法、系统及存储介质 | |
| CN109900274B (zh) | 一种图像匹配方法及系统 | |
| CN109063549A (zh) | 基于深度神经网络的高分辨率航拍视频运动目标检测方法 | |
| CN114004977A (zh) | 一种基于深度学习的航拍数据目标定位方法及系统 | |
| CN114413958A (zh) | 无人物流车的单目视觉测距测速方法 | |
| CN109752004B (zh) | 室内无人机导航方法、装置及室内无人机 | |
| CN116385420A (zh) | 区域尺寸的确定方法、系统、设备及存储介质 | |
| CN111402324A (zh) | 一种目标测量方法、电子设备以及计算机存储介质 | |
| An et al. | Image-based positioning system using LED Beacon based on IoT central management | |
| CN115761684B (zh) | 基于机器视觉的agv目标识别与姿态角解算方法及系统 | |
| CN109978779A (zh) | 一种基于核化相关滤波方法的多目标跟踪装置 | |
| Ahmad et al. | Model and placement optimization of a sky surveillance visual sensor network |
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 |