CN107833203A - 一种基于图像处理的水平面识别及水位实时测量方法 - Google Patents
一种基于图像处理的水平面识别及水位实时测量方法 Download PDFInfo
- Publication number
- CN107833203A CN107833203A CN201710975172.4A CN201710975172A CN107833203A CN 107833203 A CN107833203 A CN 107833203A CN 201710975172 A CN201710975172 A CN 201710975172A CN 107833203 A CN107833203 A CN 107833203A
- Authority
- CN
- China
- Prior art keywords
- image
- water level
- real
- horizontal plane
- overcasting staff
- 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
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
- G06T2207/30208—Marker matrix
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
Abstract
本发明公开一种基于图像处理的水平面识别及水位实时测量方法,其以检测水平面为目标,首先采用图像处理技术中的图像垂直边缘检测技术,检测出水位测量标尺,紧接着使用图像水平边缘检测技术检测出水面,根据水平面的像素值及标杆的实际长宽信息,计算获得实时的水深数据。本发明能够准确地判断出水位线的位置并测量出实时的水深,解决了传统方案中存在的水平面检测困难、易受自然环境影响、测量精度不高等问题,在水资源管理过程中具有应用价值。通过正确检测***水体的标尺确定水位高度,解决了传统的基于图像处理方法中由于天气,光线等原因造成的水平面辨识困难、操作不便、测量误差较大等问题。
Description
技术领域
本发明属于计算机视觉图像处理领域,尤其涉及一种基于图像处理的水平面识别及水位实时测量方法。
背景技术
由于水安全和水资源对社会和经济发展的重要性,当前,国内水利相关部门需要采取措施来监控地方的水位安全,目前的主要措施包括:在江河、湖泊、水库等地区建立视频监视***;采用水位传感器来自动化获取水位。但是由于光线以及环境等外在因素的影响,采用视频监控方法,大多只用了视频的实时浏览、录像及历史记录的回放功能,对于江河汛情,内涝灾害还是需要人工实时的去观察,仍需耗费一定人力物力,也没有把现有监控***的作用发挥到最大。水位传感器成本高,维护困难且易受周围环境干扰等缺点,不能满足当前需求。
使用传统的方法对水位进行测量时,往往通过人眼观察的方式来确定水平面的位置,在白天逆光或者傍晚光线不足的时候往往会存在着测量标杆与其水中倒影模糊不清难以区分的情况发生,从而造成水平面的位置难以确定。
近些年来,随着计算机视觉以及图像处理技术的飞快发展,高精度、高效率、低成本的水上测距得以实现。许多国内外的科研机构和科研人员将计算机视觉这一新兴技术引入到水位测量中去,并对该技术的可行性进行了严谨深刻的分析。
发明内容
本发明针对现有技术的不足提供一种基于图像处理的水平面识别及水位实时测量方法,本发明创造性引入先进的计算机视觉这一新兴学科,利用图像处理技术准确地确定水平面的具***置,并使用数学比例模型求出测量标杆露出水的真实长度,进而得到水位的深度。
本发明为解决上述技术问题采用以下技术方案
一种基于图像处理的水平面识别及水位实时测量方法,具体包括以下步骤:
步骤1,在待测量河流区域固定一根矩形测量标杆,通过摄像头实时采集该矩形测量标杆所在区域的图像A;
步骤2,采用Sobel垂直边缘检测算子对所采集图像A进行滤波,提取出矩形测量标杆垂直边缘线坐标,标记矩形测量标杆所在区域的图像;
步骤3,采用Sobel水平边缘检测算子对步骤2中提取到的区域图像进行滤波以及阈值分割,获得水位线坐标;
步骤4,根据经过滤波及阈值分割处理之后的图像中矩形测量标杆的宽度与水位线之上矩形测量标杆的长度的比值,计算实际水位线之上测量标杆的长度,进一步计算出实时的水位值。
作为本发明一种基于图像处理的水平面识别及水位实时测量方法的进一步优选方案,在步骤1中,所述矩形测量标杆为无刻度矩形测量标杆。
作为本发明一种基于图像处理的水平面识别及水位实时测量方法的进一步优选方案,所述步骤2具体包含如下步骤为:
步骤2.1,采用Sobel垂直边缘检测算子对所采集图像A进行滤波,得到竖直方向上的梯度图像Gx;
步骤2.2,遍历梯度图像Gx,对灰度值按列求和,则在矩形测量标杆两垂直边缘线处出现两个峰值,自定义两个峰值的阈值,进而提取出两条垂直边缘线的坐标,分别为X1,X2;
步骤2.3,标记出矩形测量标杆所在区域X1-X2内的的图像;
作为本发明一种基于图像处理的水平面识别及水位实时测量方法的进一步优选方案,所述步骤3具体包含如下步骤:
步骤3.1,对2.3中的X1-X2区域内的水位测量装置图像采用Sobel水平边缘检测算子进行滤波;
步骤3.2,遍历梯度图像,对灰度值按行求和,则在矩形测量标杆顶部以及水位线处出现峰值,采取阈值分割提取出标杆顶部以及水位线的坐标分别为L1,L2;
作为本发明一种基于图像处理的水平面识别及水位实时测量方法的进一步优选方案,在步骤4中:实时的水位值的具体计算如下:
Y=H-L
其中,L′为几何数学模型中水平面以上测量标杆的长度,L为水平面以上测量标杆的实际长度,X为测量标杆的总宽,H为测量标杆的总长,Y为测量出的水位值。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1、本发明将计算机视觉中的图像处理技术引入到传统的标杆法测量水深方案中去,安装简易水尺即可实现,采用对象检测和直线检测技术提取出图像中的关注区域并转化为数学模型,再使用阈值提取法找出水平面的位置,最后通过计算模型中水平面之上矩形测量标杆的宽与露出水平面的测量标杆的长度来求得测量标杆实际露出水平面的高度,再用测量标高总长减去其露出水平面的实际长度便得到了水深;
2、本发明解决了传统的使用图像处理的方案中存在的诸多问题,具有更高的数值鲁棒性和实时交互性;
3、本发明克服了传统测量方法中水平面位置难以确定的缺点,提供一种基于计算机视觉技术的水平面检测及水位实时测量方案。本发明创造性引入先进的计算机视觉这一新兴学科,利用图像处理技术准确地确定水平面的具***置,并使用数学比例模型求出测量标杆露出水的真实长度,进而得到水位的深度。
附图说明
图1是本发明基于sobel滤波的水平面检测流程图;
图2是本发明基于sobel滤波的水平面检测布置示意图;
图3是本发明中实时采集的图像;
图4是本发明竖直边缘检测示意图;
图5本发明水平边缘检测示意图。
具体实施方式
本发明公开了一种基于计算机视觉与图像处理技术的水平面检测方法,下面结合附图,进一步阐述本发明。如图1所示主要包括几个步骤:
步骤一:
如图2所示,在待测水域固定一根无刻度矩形标杆,通过摄像头实时采集该标杆所在区域的图像A,如图3所示;
步骤二:
采用Sobel横向边缘检测算子对所采集图像A进行滤波,提取出测量标杆垂直边缘线坐标,标记测量标杆所在区域的图像;如图4所示,
2.1:采用Sobel垂直边缘检测算子对所采集图像A进行滤波,得到竖直方向上的梯度图像Gx:
2.2:遍历梯度图像,测量标杆的两条竖直边缘的梯度值要比左边和右边的点都大,对梯度值按列求和,在测量标杆垂直边缘线处出现两个峰值,自定义阈值,提取出两条垂直边缘线的坐标,分别为X1,X2;
2.3标记出X1-X2内的水位测量装置图像B;
步骤三:
采用Sobel纵向边缘检测算子对步骤2中提取出的图像进行滤波以及阈值分割,获得水位线坐标:如图5所示,
3.1:对2.3中的X1-X2区域内的水位测量装置图像采用Sobel水平边缘检测算子进行滤波,得到水平方向上的梯度图像Gy:
3.2:遍历梯度图像Gy,对梯度值按行求和,在标杆顶部以及水位线处出现峰值,采取阈值分割提取出标杆顶部以及水位线的坐标分别为L1,L2;
步骤四:
根据图像中矩形测量标杆的宽度与水平面之上测量标杆的长度的比值,计算实际水位线之上测量标杆的长度,进一步计算出实时的水位值,具体为:
Y=H-L
其中,L′为几何数学模型中水平面以上测量标杆的长度,L为水平面以上测量标杆的实际长度,X为测量标杆的总宽,H为测量标杆的总长,Y为测量出的水位值。
Claims (5)
1.一种基于图像处理的水平面识别及水位实时测量方法,其特征在于,具体包括以下步骤:
步骤1,在待测量河流区域固定一根矩形测量标杆,通过摄像头实时采集该矩形测量标杆所在区域的图像A;
步骤2,采用Sobel垂直边缘检测算子对所采集图像A进行滤波,提取出矩形测量标杆垂直边缘线坐标,标记矩形测量标杆所在区域的图像;
步骤3,采用Sobel水平边缘检测算子对步骤2中提取到的区域图像进行滤波以及阈值分割,获得水位线坐标;
步骤4,根据经过滤波及阈值分割处理之后的图像中矩形测量标杆的宽度与水位线之上矩形测量标杆的长度的比值,计算实际水位线之上测量标杆的长度,进一步计算出实时的水位值。
2.根据权利要求1所述的一种基于图像处理的水平面识别及水位实时测量方法,其特征在于,在步骤1中,所述矩形测量标杆为无刻度矩形测量标杆。
3.根据权利要求1所述的一种基于图像处理的水平面识别及水位实时测量方法,其特征在于,所述步骤2具体包含如下步骤为:
步骤2.1,采用Sobel垂直边缘检测算子对所采集图像A进行滤波,得到竖直方向上的梯度图像Gx;
步骤2.2,遍历梯度图像Gx,对灰度值按列求和,则在矩形测量标杆两垂直边缘线处出现两个峰值,自定义两个峰值的阈值,进而提取出两条垂直边缘线的坐标,分别为X1,X2;
步骤2.3,标记出矩形测量标杆所在区域X1-X2内的的图像。
4.根据权利要求1所述的一种基于图像处理的水平面识别及水位实时测量方法,其特征在于,所述步骤3具体包含如下步骤:
步骤3.1,对2.3中的X1-X2区域内的水位测量装置图像采用Sobel水平边缘检测算子进行滤波;
步骤3.2,遍历梯度图像,对灰度值按行求和,则在矩形测量标杆顶部以及水位线处出现峰值,采取阈值分割提取出标杆顶部以及水位线的坐标分别为L1,L2。
5.根据权利要求1所述的一种基于图像处理的水平面识别及水位实时测量方法,其特征在于,在步骤4中:实时的水位值的具体计算如下:
Y=H-L
其中,L′为几何数学模型中水平面以上测量标杆的长度,L为水平面以上测量标杆的实际长度,X为测量标杆的总宽,H为测量标杆的总长,Y为测量出的水位值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710975172.4A CN107833203A (zh) | 2017-10-19 | 2017-10-19 | 一种基于图像处理的水平面识别及水位实时测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710975172.4A CN107833203A (zh) | 2017-10-19 | 2017-10-19 | 一种基于图像处理的水平面识别及水位实时测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107833203A true CN107833203A (zh) | 2018-03-23 |
Family
ID=61648525
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710975172.4A Pending CN107833203A (zh) | 2017-10-19 | 2017-10-19 | 一种基于图像处理的水平面识别及水位实时测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107833203A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108844594A (zh) * | 2018-04-17 | 2018-11-20 | 广州博通信息技术有限公司 | 空调压缩机液位识别的报警方法与*** |
CN108871226A (zh) * | 2018-06-26 | 2018-11-23 | 北京佳讯飞鸿电气股份有限公司 | 一种积雪深度的测量方法、装置及*** |
CN109443480A (zh) * | 2018-11-02 | 2019-03-08 | 南京邮电大学 | 基于图像处理的水位标尺定位及水位测量方法 |
CN110211142A (zh) * | 2019-05-31 | 2019-09-06 | 南京深地智能建造技术研究院有限公司 | 一种基于视频图像处理的深基坑的坑外水位在线检测方法 |
CN110287953A (zh) * | 2019-05-20 | 2019-09-27 | 湖北九感科技有限公司 | 水位自动识别方法及装置 |
CN110310459A (zh) * | 2019-04-04 | 2019-10-08 | 桑尼环保(江苏)有限公司 | 多参数实时提取*** |
CN110966984A (zh) * | 2018-09-29 | 2020-04-07 | 宝钢新日铁汽车板有限公司 | 一种基于视觉图像的炉鼻子水平监测***及方法 |
CN112203055A (zh) * | 2020-10-09 | 2021-01-08 | 珠海格力电器股份有限公司 | 电饭煲的烹饪方法、存储介质和电饭煲 |
CN112329644A (zh) * | 2020-11-06 | 2021-02-05 | 中冶赛迪重庆信息技术有限公司 | 一种蓄水池水位监测方法、***、介质及电子终端 |
CN113167628A (zh) * | 2018-12-03 | 2021-07-23 | 比奥-拉德实验室公司 | 液位确定 |
CN113847906A (zh) * | 2021-09-10 | 2021-12-28 | 交通运输部天津水运工程科学研究所 | 一种基于视觉边缘检测的实验室空间波浪实时测量方法 |
CN115345854A (zh) * | 2022-08-16 | 2022-11-15 | 中国水利水电科学研究院 | 一种基于多区域搜索的水位识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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***及方法 |
CN204758083U (zh) * | 2015-05-28 | 2015-11-11 | 新疆水利水电科学研究院 | 一种基于图像处理的河道水位报警装置 |
CN107131925A (zh) * | 2017-04-28 | 2017-09-05 | 南京邮电大学 | 一种基于图像处理的水位实时监测方法 |
-
2017
- 2017-10-19 CN CN201710975172.4A patent/CN107833203A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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***及方法 |
CN204758083U (zh) * | 2015-05-28 | 2015-11-11 | 新疆水利水电科学研究院 | 一种基于图像处理的河道水位报警装置 |
CN107131925A (zh) * | 2017-04-28 | 2017-09-05 | 南京邮电大学 | 一种基于图像处理的水位实时监测方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108844594A (zh) * | 2018-04-17 | 2018-11-20 | 广州博通信息技术有限公司 | 空调压缩机液位识别的报警方法与*** |
CN108871226A (zh) * | 2018-06-26 | 2018-11-23 | 北京佳讯飞鸿电气股份有限公司 | 一种积雪深度的测量方法、装置及*** |
CN108871226B (zh) * | 2018-06-26 | 2020-12-15 | 北京佳讯飞鸿电气股份有限公司 | 一种积雪深度的测量方法、装置及*** |
CN110966984A (zh) * | 2018-09-29 | 2020-04-07 | 宝钢新日铁汽车板有限公司 | 一种基于视觉图像的炉鼻子水平监测***及方法 |
CN110966984B (zh) * | 2018-09-29 | 2023-01-20 | 宝钢新日铁汽车板有限公司 | 一种基于视觉图像的炉鼻子水平监测***及方法 |
CN109443480A (zh) * | 2018-11-02 | 2019-03-08 | 南京邮电大学 | 基于图像处理的水位标尺定位及水位测量方法 |
CN113167628A (zh) * | 2018-12-03 | 2021-07-23 | 比奥-拉德实验室公司 | 液位确定 |
CN110310459A (zh) * | 2019-04-04 | 2019-10-08 | 桑尼环保(江苏)有限公司 | 多参数实时提取*** |
CN110287953B (zh) * | 2019-05-20 | 2021-02-26 | 湖北九感科技有限公司 | 水位自动识别方法及装置 |
CN110287953A (zh) * | 2019-05-20 | 2019-09-27 | 湖北九感科技有限公司 | 水位自动识别方法及装置 |
CN110211142A (zh) * | 2019-05-31 | 2019-09-06 | 南京深地智能建造技术研究院有限公司 | 一种基于视频图像处理的深基坑的坑外水位在线检测方法 |
CN112203055A (zh) * | 2020-10-09 | 2021-01-08 | 珠海格力电器股份有限公司 | 电饭煲的烹饪方法、存储介质和电饭煲 |
CN112329644A (zh) * | 2020-11-06 | 2021-02-05 | 中冶赛迪重庆信息技术有限公司 | 一种蓄水池水位监测方法、***、介质及电子终端 |
CN113847906A (zh) * | 2021-09-10 | 2021-12-28 | 交通运输部天津水运工程科学研究所 | 一种基于视觉边缘检测的实验室空间波浪实时测量方法 |
CN115345854A (zh) * | 2022-08-16 | 2022-11-15 | 中国水利水电科学研究院 | 一种基于多区域搜索的水位识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107833203A (zh) | 一种基于图像处理的水平面识别及水位实时测量方法 | |
CN108759973B (zh) | 一种水位测量方法 | |
CN109764930B (zh) | 一种适用于复杂光照条件的水尺水位线视觉检测方法 | |
CN202209973U (zh) | 基于数字图像处理的水位测量仪 | |
CN108921165B (zh) | 基于水尺图像的水位识别方法 | |
CN107631782A (zh) | 一种基于Harris角点检测的水位检测方法 | |
CN101762832B (zh) | 雪深测量方法及装置 | |
CN107131925A (zh) | 一种基于图像处理的水位实时监测方法 | |
CN110211142A (zh) | 一种基于视频图像处理的深基坑的坑外水位在线检测方法 | |
CN115060343B (zh) | 一种基于点云的河流水位检测***、检测方法 | |
CN110646434A (zh) | 视频自动实时监控水坝破损变形的装置和方法 | |
CN111008614A (zh) | 一种基于视频的无水尺水位读数方法 | |
CN111879292B (zh) | 一种海岸线动态监控方法、监控设备及存储介质 | |
CN109186706A (zh) | 一种用于城市雨洪淹没区预警的方法 | |
CN107316288B (zh) | 一种悬臂式掘进机截割头位姿视觉测量方法 | |
CN111721361A (zh) | 一种堤防监测***、方法及设备 | |
CN113469178B (zh) | 一种基于深度学习的电力表计识别方法 | |
CN108846402A (zh) | 基于多源数据的梯田田坎自动化提取方法 | |
CN112907506B (zh) | 一种基于水尺颜色信息的不定长水尺水位检测方法、装置及存储介质 | |
CN103389041B (zh) | 一种测量栅线宽度的方法 | |
CN114639064B (zh) | 一种水位识别方法及装置 | |
CN113823088B (zh) | 基于视觉识别技术的城市道路积水深度预测及预警方法 | |
CN115588043A (zh) | 一种基于视觉的挖掘机作业位姿的监测方法 | |
CN101718527A (zh) | 一种基于图像识别计算尾矿库干滩长度的方法 | |
CN114627461A (zh) | 一种基于人工智能高精度识别水尺数据的方法及*** |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180323 |
|
RJ01 | Rejection of invention patent application after publication |