CN116430069A - 机器视觉流体流速测量方法、装置、计算机设备及存储介质 - Google Patents
机器视觉流体流速测量方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116430069A CN116430069A CN202310085907.1A CN202310085907A CN116430069A CN 116430069 A CN116430069 A CN 116430069A CN 202310085907 A CN202310085907 A CN 202310085907A CN 116430069 A CN116430069 A CN 116430069A
- Authority
- CN
- China
- Prior art keywords
- camera
- matching
- matching result
- image
- feature
- 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
- 239000012530 fluid Substances 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000000605 extraction Methods 0.000 claims abstract description 28
- 238000006243 chemical reaction Methods 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 238000000691 measurement method Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 21
- 238000003384 imaging method Methods 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000009434 installation Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
- G01P5/26—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the direct influence of the streaming fluid on the properties of a detecting optical wave
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06V10/70—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
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- 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)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明实施例公开了机器视觉流体流速测量方法、装置、计算机设备及存储介质。方法包括:对至少两个相机进行内参标定以及联合标定,以得到相机参数;获取相机拍摄所得的若干帧图像,以得到第一图像;对第一图像进行特征提取和特征匹配,以得到第一匹配结果;获取相机拍摄所得的若干帧图像,以得到第二图像;对第二图像进行特征提取和特征匹配,以得到第二匹配结果;将第一匹配结果以及第二匹配结果进行特征匹配,以得到目标匹配结果;根据相机参数结合目标匹配结果进行像素坐标转换,以得到空间坐标;根据空间坐标计算流体流速。通过实施本发明实施例的方法可实现成本低、设备安装维护简单便捷,对环境要求低且准确率高地进行流体流速测量。
Description
技术领域
本发明涉及流体流速测量方法,更具体地说是指机器视觉流体流速测量方法、装置、计算机设备及存储介质。
背景技术
水流流速测量是防洪、水文计算、水资源评价等方面的重要内容。在水流流速测量方面,每年都耗费大量的人力物力。
目前主流的水流流速测量方法主要有接触时和非接触式测量两种方法,接触式水流测量主要将测量设备置入水中进行水流流速测量,非接触式水流流速测量主要利用雷达、相机等传感器对水流流速进行测量。但是接触式水流流速测量仪安装和维护要求严格,成本高;非接触式水流流速测量仪具有对环境要求低,设备安装维护简单便捷,成本低,但是准确率不高。
因此,有必要设计一种新的方法,实现成本低、设备安装维护简单便捷,对环境要求低且准确率高地进行流体流速测量。
发明内容
本发明的目的在于克服现有技术的缺陷,提供机器视觉流体流速测量方法、装置、计算机设备及存储介质。
为实现上述目的,本发明采用以下技术方案:机器视觉流体流速测量方法,包括:
对至少两个相机进行内参标定以及联合标定,以得到相机参数;
获取所述相机拍摄所得的若干帧图像,以得到第一图像;
对所述第一图像进行特征提取和特征匹配,以得到第一匹配结果;
获取所述相机拍摄所得的若干帧图像,以得到第二图像;
对所述第二图像进行特征提取和特征匹配,以得到第二匹配结果;
将所述第一匹配结果以及所述第二匹配结果进行特征匹配,以得到目标匹配结果;
根据所述相机参数结合所述目标匹配结果进行像素坐标转换,以得到空间坐标;
根据所述空间坐标计算流体流速。
其进一步技术方案为:所述对至少两个相机进行内参标定以及联合标定,以得到相机参数,包括:
使用棋盘格利用张正友标定方法分别对至少两个相机进行内参标定,以得到相机内参;
标记两个相机,并利用棋盘格建立世界坐标系;
根据所述世界坐标系计算第二个相机相对于第一个相机的外参,以得到相机外参。
其进一步技术方案为:所述对所述第一图像进行特征提取和特征匹配,以得到第一匹配结果,包括:
提取所述第一图像的ORB特征点并进行匹配,以得到第一特征点;
计算所述第一特征点在所述相机成像中的像素位置,以得到第一匹配结果。
其进一步技术方案为:所述对所述第二图像进行特征提取和特征匹配,以得到第二匹配结果,包括;
提取所述第二图像的ORB特征点并进行匹配,以得到第二特征点;
计算所述第二特征点在所述相机成像中的像素位置,以得到第二匹配结果。
其进一步技术方案为:所述将所述第一匹配结果以及所述第二匹配结果进行特征匹配,以得到目标匹配结果,包括:
将所述第一特征点与所述第二特征点进行特征匹配,并选取置信度最高的特征点,以得到目标匹配结果。
其进一步技术方案为:所述根据所述相机参数结合所述目标匹配结果进行像素坐标转换,以得到空间坐标,包括:
根据所述相机内参以及所述相机外参将目标匹配结果的像素坐标转换为基于相机坐标系的三维坐标,以得到空间坐标。
其进一步技术方案为:所述根据所述空间坐标计算流体流速,包括:
根据模板图像监测点的三维坐标和所述空间坐标计算水流流速。
本发明还提供了机器视觉流体流速测量装置,包括:
标定单元,用于对至少两个相机进行内参标定以及联合标定,以得到相机参数;
第一图像获取单元,用于获取所述相机拍摄所得的若干帧图像,以得到第一图像;
第一匹配单元,用于对所述第一图像进行特征提取和特征匹配,以得到第一匹配结果;
第二图像获取单元,用于获取所述相机拍摄所得的若干帧图像,以得到第二图像;
第二匹配单元,用于对所述第二图像进行特征提取和特征匹配,以得到第二匹配结果;
特征匹配单元,用于将所述第一匹配结果以及所述第二匹配结果进行特征匹配,以得到目标匹配结果;
转换单元,用于根据所述相机参数结合所述目标匹配结果进行像素坐标转换,以得到空间坐标;
流速计算单元,用于根据所述空间坐标计算流体流速。
本发明还提供了一种计算机设备,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
本发明还提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法。
本发明与现有技术相比的有益效果是:本发明通过标定相机的内参和相对外参,首先获取若干帧第一图像,并进行特征提取和匹配,再获取若干帧第二图像,并进行特征提取和匹配,将两个匹配结果进行特征匹配,以此确定目标匹配结果,并进行坐标转换和流速计算,实现成本低、设备安装维护简单便捷,对环境要求低且准确率高地进行流体流速测量。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例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为本发明实施例提供的机器视觉流体流速测量方法的应用场景示意图;
图2为本发明实施例提供的机器视觉流体流速测量方法的流程示意图;
图3为本发明实施例提供的机器视觉流体流速测量方法的子流程示意图;
图4为本发明实施例提供的机器视觉流体流速测量方法的子流程示意图;
图5为本发明实施例提供的机器视觉流体流速测量方法的子流程示意图;
图6为本发明实施例提供的机器视觉流体流速测量装置的示意性框图;
图7为本发明实施例提供的机器视觉流体流速测量装置的标定单元的示意性框图;
图8为本发明实施例提供的机器视觉流体流速测量装置的第一匹配单元的示意性框图;
图9为本发明实施例提供的机器视觉流体流速测量装置的第二匹配单元的示意性框图;
图10为本发明实施例提供的计算机设备的示意性框图。
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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1和图2,图1为本发明实施例提供的机器视觉流体流速测量方法的应用场景示意图。图2为本发明实施例提供的机器视觉流体流速测量方法的示意性流程图。该机器视觉流体流速测量方法应用于服务器中。该服务器与相机进行数据交互,通过对相机进行内参和外参的标定后,对获取的两次图像进行特征点提取和匹配,再对两次匹配结果进行特征匹配,以该匹配结果进行流速计算。
图2是本发明实施例提供的机器视觉流体流速测量方法的流程示意图。如图2所示,该方法包括以下步骤S110至S180。
S110、对至少两个相机进行内参标定以及联合标定,以得到相机参数。
在本实施例中,相机参数是指相机标定后的内参以及相对外参。
在一实施例中,请参阅图3,上述的步骤S110可包括步骤S111~S113。
S111、使用棋盘格利用张正友标定方法分别对至少两个相机进行内参标定,以得到相机内参。
在本实施例中,相机内参是指相机的内部参数。
具体地,根据相机的焦距选择合适的棋盘格,棋盘格成像占图幅的一半以上,收集棋盘格在图像不同位置下的图像20-30张进行内参计算。
S112、标记两个相机,并利用棋盘格建立世界坐标系。
在本实施例中,标记双目相机的左相机为相机1,右相机为相机2。选择合适的环境利用棋盘格建立世界坐标系,利用双目相机的内参和棋盘格建立的世界坐标系。
S113、根据所述世界坐标系计算第二个相机相对于第一个相机的外参,以得到相机外参。
在本实施例中,相机外参是指相机2相对相机1的外参。具体地,利用棋盘格计算相机2相对相机1建立的坐标系的相对外参数。
S120、获取所述相机拍摄所得的若干帧图像,以得到第一图像。
在本实施例中,第一图像是指t帧双目相机水流观测区域图像。
S130、对所述第一图像进行特征提取和特征匹配,以得到第一匹配结果。
在本实施例中,第一匹配结果是指第一图像的ORB(Oriented FAST and RotatedBRIEF)特征点在相机成像中的像素位置。
在一实施例中,请参阅图4,上述的步骤S130可包括步骤S131~S132。
S131、提取所述第一图像的ORB特征点并进行匹配,以得到第一特征点。
在本实施例中,第一特征点是指第一图像的ORB特征点并进行特征匹配后形成的特征点。
S132、计算所述第一特征点在所述相机成像中的像素位置,以得到第一匹配结果。
具体地,分别提取相机1和相机2的t帧图像ORB特征点并进行匹配,匹配得到的特征点记为t帧图像特征点,分别计算特征点在相机1和相机2成像中的像素位置。
S140、获取所述相机拍摄所得的若干帧图像,以得到第二图像。
在本实施例中,第二图像是指t+1帧双目相机水流观测区域图像。
S150、对所述第二图像进行特征提取和特征匹配,以得到第二匹配结果。
在本实施例中,第二匹配结果是指第二图像的ORB特征点在相机成像中的像素位置。
在一实施例中,请参阅图5,上述的步骤S150可包括步骤S151~S152。
S151、提取所述第二图像的ORB特征点并进行匹配,以得到第二特征点。
在本实施例中,第二特征点是指第二图像的ORB特征点并进行特征匹配后形成的特征点。
S152、计算所述第二特征点在所述相机成像中的像素位置,以得到第二匹配结果。
具体地,分别提取相机1与相机2的t+1帧图像ORB特征点并进行匹配,匹配得到的特征点记为t+1帧图像特征点,分别计算特征点在相机1和相机2成像中的像素位置。
S160、将所述第一匹配结果以及所述第二匹配结果进行特征匹配,以得到目标匹配结果。
在本实施例中,目标匹配结果是指将所述第一特征点与所述第二特征点进行特征匹配,并从中选取置信度最高的特征点。
具体地,将所述第一特征点与所述第二特征点进行特征匹配,并选取置信度最高的特征点,以得到目标匹配结果。对t帧图像特征点与t+1帧图像特征点进行特征匹配,选取置信度最高的特征点记为监测点。
对模板图像特征点即第一特征点与匹配图像特征点即第二特征点进行特征匹配,选取置信度最高的特征点记为监测点,分别计算监测点在相机1和相机2在模板图像中的像素位置坐标和监测点在相机1和相机2在匹配图像中的像素位置。
S170、根据所述相机参数结合所述目标匹配结果进行像素坐标转换,以得到空间坐标。
在本实施例中,空间坐标是指目标匹配结果基于相机坐标系的三维坐标。
具体地,根据所述相机内参以及所述相机外参将目标匹配结果的像素坐标转换为基于相机坐标系的三维坐标,以得到空间坐标。
则相机1的投影矩阵可表示为
相机2的投影矩阵可表示为:
设相机1和相机2监测点的像素坐标分别为(ul,vl)和(ur,vr),则满足:
计算可得到监测点的三维坐标(Xw,Yw,Zw)。
S180、根据所述空间坐标计算流体流速。
具体地,根据模板图像监测点的三维坐标和所述空间坐标计算水流流速。
其中,模板图像监测点是指第一图像对应的监测点。
具体地,分别计算t帧图像监测点和t+1帧图像监测点的三维空间坐标,分别记为(XT,YT,ZT)和(XM,YM,ZM),则t帧和t+1水流位移为(XM-XT,YM-YT,ZM-ZT),记相机帧率为25FPS,则t帧图像和t+1帧图像时间间隔为40ms,则水流流速为
上述的机器视觉流体流速测量方法,通过标定相机的内参和相对外参,首先获取若干帧第一图像,并进行特征提取和匹配,再获取若干帧第二图像,并进行特征提取和匹配,将两个匹配结果进行特征匹配,以此确定目标匹配结果,并进行坐标转换和流速计算,实现成本低、设备安装维护简单便捷,对环境要求低且准确率高地进行流体流速测量。
图6是本发明实施例提供的一种机器视觉流体流速测量装置300的示意性框图。如图6所示,对应于以上机器视觉流体流速测量方法,本发明还提供一种机器视觉流体流速测量装置300。该机器视觉流体流速测量装置300包括用于执行上述机器视觉流体流速测量方法的单元,该装置可以被配置于服务器中。具体地,请参阅图6,该机器视觉流体流速测量装置300包括标定单元301、第一图像获取单元302、第一匹配单元303、第二图像获取单元304、第二匹配单元305、特征匹配单元306、转换单元307以及流速计算单元308。
标定单元301,用于对至少两个相机进行内参标定以及联合标定,以得到相机参数;第一图像获取单元302,用于获取所述相机拍摄所得的若干帧图像,以得到第一图像;第一匹配单元303,用于对所述第一图像进行特征提取和特征匹配,以得到第一匹配结果;第二图像获取单元304,用于获取所述相机拍摄所得的若干帧图像,以得到第二图像;第二匹配单元305,用于对所述第二图像进行特征提取和特征匹配,以得到第二匹配结果;特征匹配单元306,用于将所述第一匹配结果以及所述第二匹配结果进行特征匹配,以得到目标匹配结果;转换单元307,用于根据所述相机参数结合所述目标匹配结果进行像素坐标转换,以得到空间坐标;流速计算单元308,用于根据所述空间坐标计算流体流速。
在一实施例中,如图7所示,所述标定单元301包括内参标定子单元3011、相机标记子单元3012以及外参标定子单元3013。
内参标定子单元3011,用于使用棋盘格利用张正友标定方法分别对至少两个相机进行内参标定,以得到相机内参;相机标记子单元3012,用于标记两个相机,并利用棋盘格建立世界坐标系;外参标定子单元3013,用于根据所述世界坐标系计算第二个相机相对于第一个相机的外参,以得到相机外参。
在一实施例中,如图8所示,所述第一匹配单元303包括第一特征点确定子单元3031以及第一位置计算子单元3032。
第一特征点确定子单元3031,用于提取所述第一图像的ORB特征点并进行匹配,以得到第一特征点;第一位置计算子单元3032,用于计算所述第一特征点在所述相机成像中的像素位置,以得到第一匹配结果。
在一实施例中,如图9所示,所述第二匹配单元305包括第二特征点确定子单元3051以及第二位置计算子单元3052。
第二特征点确定子单元3051,用于提取所述第二图像的ORB特征点并进行匹配,以得到第二特征点;第二位置计算子单元3052,用于计算所述第二特征点在所述相机成像中的像素位置,以得到第二匹配结果。
在一实施例中,所述特征匹配单元306,用于将所述第一特征点与所述第二特征点进行特征匹配,并选取置信度最高的特征点,以得到目标匹配结果。
在一实施例中,所述转换单元307,用于根据所述相机内参以及所述相机外参将目标匹配结果的像素坐标转换为基于相机坐标系的三维坐标,以得到空间坐标。
在一实施例中,所述流速计算单元308,用于根据模板图像监测点的三维坐标和所述空间坐标计算水流流速。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述机器视觉流体流速测量装置300和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述机器视觉流体流速测量装置300可以实现为一种计算机程序的形式,该计算机程序可以在如图10所示的计算机设备上运行。
请参阅图10,图10是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器,其中,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图10,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种机器视觉流体流速测量方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种机器视觉流体流速测量方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下步骤:
对至少两个相机进行内参标定以及联合标定,以得到相机参数;获取所述相机拍摄所得的若干帧图像,以得到第一图像;对所述第一图像进行特征提取和特征匹配,以得到第一匹配结果;获取所述相机拍摄所得的若干帧图像,以得到第二图像;对所述第二图像进行特征提取和特征匹配,以得到第二匹配结果;将所述第一匹配结果以及所述第二匹配结果进行特征匹配,以得到目标匹配结果;根据所述相机参数结合所述目标匹配结果进行像素坐标转换,以得到空间坐标;根据所述空间坐标计算流体流速。
在一实施例中,处理器502在实现所述对至少两个相机进行内参标定以及联合标定,以得到相机参数步骤时,具体实现如下步骤:
使用棋盘格利用张正友标定方法分别对至少两个相机进行内参标定,以得到相机内参;标记两个相机,并利用棋盘格建立世界坐标系;根据所述世界坐标系计算第二个相机相对于第一个相机的外参,以得到相机外参。
在一实施例中,处理器502在实现所述对所述第一图像进行特征提取和特征匹配,以得到第一匹配结果步骤时,具体实现如下步骤:
提取所述第一图像的ORB特征点并进行匹配,以得到第一特征点;计算所述第一特征点在所述相机成像中的像素位置,以得到第一匹配结果。
在一实施例中,处理器502在实现所述对所述第二图像进行特征提取和特征匹配,以得到第二匹配结果步骤时,具体实现如下步骤:
提取所述第二图像的ORB特征点并进行匹配,以得到第二特征点;计算所述第二特征点在所述相机成像中的像素位置,以得到第二匹配结果。
在一实施例中,处理器502在实现所述将所述第一匹配结果以及所述第二匹配结果进行特征匹配,以得到目标匹配结果步骤时,具体实现如下步骤:
将所述第一特征点与所述第二特征点进行特征匹配,并选取置信度最高的特征点,以得到目标匹配结果。
在一实施例中,处理器502在实现所述根据所述相机参数结合所述目标匹配结果进行像素坐标转换,以得到空间坐标步骤时,具体实现如下步骤:
根据所述相机内参以及所述相机外参将目标匹配结果的像素坐标转换为基于相机坐标系的三维坐标,以得到空间坐标。
在一实施例中,处理器502在实现所述根据所述空间坐标计算流体流速步骤时,具体实现如下步骤:
根据模板图像监测点的三维坐标和所述空间坐标计算水流流速。
应当理解,在本申请实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中该计算机程序被处理器执行时使处理器执行如下步骤:
对至少两个相机进行内参标定以及联合标定,以得到相机参数;获取所述相机拍摄所得的若干帧图像,以得到第一图像;对所述第一图像进行特征提取和特征匹配,以得到第一匹配结果;获取所述相机拍摄所得的若干帧图像,以得到第二图像;对所述第二图像进行特征提取和特征匹配,以得到第二匹配结果;将所述第一匹配结果以及所述第二匹配结果进行特征匹配,以得到目标匹配结果;根据所述相机参数结合所述目标匹配结果进行像素坐标转换,以得到空间坐标;根据所述空间坐标计算流体流速。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对至少两个相机进行内参标定以及联合标定,以得到相机参数步骤时,具体实现如下步骤:
使用棋盘格利用张正友标定方法分别对至少两个相机进行内参标定,以得到相机内参;标记两个相机,并利用棋盘格建立世界坐标系;根据所述世界坐标系计算第二个相机相对于第一个相机的外参,以得到相机外参。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所述第一图像进行特征提取和特征匹配,以得到第一匹配结果步骤时,具体实现如下步骤:
提取所述第一图像的ORB特征点并进行匹配,以得到第一特征点;计算所述第一特征点在所述相机成像中的像素位置,以得到第一匹配结果。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所述第二图像进行特征提取和特征匹配,以得到第二匹配结果步骤时,具体实现如下步骤:
提取所述第二图像的ORB特征点并进行匹配,以得到第二特征点;计算所述第二特征点在所述相机成像中的像素位置,以得到第二匹配结果。
在一实施例中,所述处理器在执行所述计算机程序而实现所述将所述第一匹配结果以及所述第二匹配结果进行特征匹配,以得到目标匹配结果步骤时,具体实现如下步骤:
将所述第一特征点与所述第二特征点进行特征匹配,并选取置信度最高的特征点,以得到目标匹配结果。
在一实施例中,所述处理器在执行所述计算机程序而实现所述根据所述相机参数结合所述目标匹配结果进行像素坐标转换,以得到空间坐标步骤时,具体实现如下步骤:
根据所述相机内参以及所述相机外参将目标匹配结果的像素坐标转换为基于相机坐标系的三维坐标,以得到空间坐标。
在一实施例中,所述处理器在执行所述计算机程序而实现所述根据所述空间坐标计算流体流速步骤时,具体实现如下步骤:
根据模板图像监测点的三维坐标和所述空间坐标计算水流流速。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,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。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。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例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,也可以是两个或两个以上单元集成在一个单元中。
该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,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.机器视觉流体流速测量方法,其特征在于,包括:
对至少两个相机进行内参标定以及联合标定,以得到相机参数;
获取所述相机拍摄所得的若干帧图像,以得到第一图像;
对所述第一图像进行特征提取和特征匹配,以得到第一匹配结果;
获取所述相机拍摄所得的若干帧图像,以得到第二图像;
对所述第二图像进行特征提取和特征匹配,以得到第二匹配结果;
将所述第一匹配结果以及所述第二匹配结果进行特征匹配,以得到目标匹配结果;
根据所述相机参数结合所述目标匹配结果进行像素坐标转换,以得到空间坐标;
根据所述空间坐标计算流体流速。
2.根据权利要求1所述的机器视觉流体流速测量方法,其特征在于,所述对至少两个相机进行内参标定以及联合标定,以得到相机参数,包括:
使用棋盘格利用张正友标定方法分别对至少两个相机进行内参标定,以得到相机内参;
标记两个相机,并利用棋盘格建立世界坐标系;
根据所述世界坐标系计算第二个相机相对于第一个相机的外参,以得到相机外参。
3.根据权利要求2所述的机器视觉流体流速测量方法,其特征在于,所述对所述第一图像进行特征提取和特征匹配,以得到第一匹配结果,包括:
提取所述第一图像的ORB特征点并进行匹配,以得到第一特征点;
计算所述第一特征点在所述相机成像中的像素位置,以得到第一匹配结果。
4.根据权利要求3所述的机器视觉流体流速测量方法,其特征在于,所述对所述第二图像进行特征提取和特征匹配,以得到第二匹配结果,包括;
提取所述第二图像的ORB特征点并进行匹配,以得到第二特征点;
计算所述第二特征点在所述相机成像中的像素位置,以得到第二匹配结果。
5.根据权利要求4所述的机器视觉流体流速测量方法,其特征在于,所述将所述第一匹配结果以及所述第二匹配结果进行特征匹配,以得到目标匹配结果,包括:
将所述第一特征点与所述第二特征点进行特征匹配,并选取置信度最高的特征点,以得到目标匹配结果。
6.根据权利要求2所述的机器视觉流体流速测量方法,其特征在于,所述根据所述相机参数结合所述目标匹配结果进行像素坐标转换,以得到空间坐标,包括:
根据所述相机内参以及所述相机外参将目标匹配结果的像素坐标转换为基于相机坐标系的三维坐标,以得到空间坐标。
7.根据权利要求1所述的机器视觉流体流速测量方法,其特征在于,所述根据所述空间坐标计算流体流速,包括:
根据模板图像监测点的三维坐标和所述空间坐标计算水流流速。
8.机器视觉流体流速测量装置,其特征在于,包括:
标定单元,用于对至少两个相机进行内参标定以及联合标定,以得到相机参数;
第一图像获取单元,用于获取所述相机拍摄所得的若干帧图像,以得到第一图像;
第一匹配单元,用于对所述第一图像进行特征提取和特征匹配,以得到第一匹配结果;
第二图像获取单元,用于获取所述相机拍摄所得的若干帧图像,以得到第二图像;
第二匹配单元,用于对所述第二图像进行特征提取和特征匹配,以得到第二匹配结果;
特征匹配单元,用于将所述第一匹配结果以及所述第二匹配结果进行特征匹配,以得到目标匹配结果;
转换单元,用于根据所述相机参数结合所述目标匹配结果进行像素坐标转换,以得到空间坐标;
流速计算单元,用于根据所述空间坐标计算流体流速。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310085907.1A CN116430069A (zh) | 2023-02-09 | 2023-02-09 | 机器视觉流体流速测量方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310085907.1A CN116430069A (zh) | 2023-02-09 | 2023-02-09 | 机器视觉流体流速测量方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116430069A true CN116430069A (zh) | 2023-07-14 |
Family
ID=87084389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310085907.1A Pending CN116430069A (zh) | 2023-02-09 | 2023-02-09 | 机器视觉流体流速测量方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116430069A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117218212A (zh) * | 2023-11-09 | 2023-12-12 | 杭州巨岩欣成科技有限公司 | 相机标定自适应调整方法、装置、计算机设备及存储介质 |
-
2023
- 2023-02-09 CN CN202310085907.1A patent/CN116430069A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117218212A (zh) * | 2023-11-09 | 2023-12-12 | 杭州巨岩欣成科技有限公司 | 相机标定自适应调整方法、装置、计算机设备及存储介质 |
CN117218212B (zh) * | 2023-11-09 | 2024-02-13 | 杭州巨岩欣成科技有限公司 | 相机标定自适应调整方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107316326B (zh) | 应用于双目立体视觉的基于边的视差图计算方法和装置 | |
CN112270719B (zh) | 相机标定方法、装置及系统 | |
CN110345875B (zh) | 标定及测距方法、装置、电子设备及计算机可读存储介质 | |
CN112927279A (zh) | 一种图像深度信息生成方法、设备及存储介质 | |
JP2011182397A (ja) | ずれ量算出方法およびずれ量算出装置 | |
CN112489140A (zh) | 姿态测量方法 | |
CN116430069A (zh) | 机器视觉流体流速测量方法、装置、计算机设备及存储介质 | |
CN112132925A (zh) | 用于重建水下图像颜色的方法和装置 | |
CN111316135B (zh) | 根据正在发生大气降水的环境的数字图像实时计算大气降水速率的系统 | |
US10067029B2 (en) | Systems and methods for estimating modulation transfer function in an optical system | |
CN116597246A (zh) | 模型训练方法、目标检测方法、电子设备及存储介质 | |
CN110533663B (zh) | 一种图像视差确定方法、装置、设备及系统 | |
CN116152532A (zh) | 一种遥感影像特征提取与匹配方法、装置及电子设备 | |
CN110706257A (zh) | 有效特征点对的识别方法、相机状态的确定方法及装置 | |
CN113470103B (zh) | 车路协同中相机作用距离确定方法、装置和路侧设备 | |
CN113884188B (zh) | 一种温度检测方法、装置及电子设备 | |
CN116012242A (zh) | 一种相机畸变矫正效果评价方法、装置、介质及设备 | |
JP7475959B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN110555804A (zh) | 高分遥感数据的纠正方法、装置、计算机设备及可读存储介质 | |
CN111259703B (zh) | 人脸倾斜角度检测方法和装置 | |
CN114387353A (zh) | 一种相机标定方法、标定装置及计算机可读存储介质 | |
CN115484860A (zh) | 超光谱视网膜图像中的阴影的实时检测和校正 | |
CN114463393A (zh) | 图像配准方法、计算机设备及存储装置 | |
CN110930344B (zh) | 一种目标的质量确定方法、装置、系统及电子设备 | |
CN112146834A (zh) | 结构振动位移测量方法及装置 |
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 |