CN109186706A - 一种用于城市雨洪淹没区预警的方法 - Google Patents

一种用于城市雨洪淹没区预警的方法 Download PDF

Info

Publication number
CN109186706A
CN109186706A CN201810974111.0A CN201810974111A CN109186706A CN 109186706 A CN109186706 A CN 109186706A CN 201810974111 A CN201810974111 A CN 201810974111A CN 109186706 A CN109186706 A CN 109186706A
Authority
CN
China
Prior art keywords
module
water
water gauge
urban storm
flood
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
Application number
CN201810974111.0A
Other languages
English (en)
Other versions
CN109186706B (zh
Inventor
阮哲伟
王建慧
姜宏亮
刘中奎
曹淼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NANJING HAWKSOFT TECHNOLOGY Co Ltd
Beijing Water Science and Technology Institute
Original Assignee
NANJING HAWKSOFT TECHNOLOGY Co Ltd
Beijing Water Science and Technology Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NANJING HAWKSOFT TECHNOLOGY Co Ltd, Beijing Water Science and Technology Institute filed Critical NANJING HAWKSOFT TECHNOLOGY Co Ltd
Priority to CN201810974111.0A priority Critical patent/CN109186706B/zh
Publication of CN109186706A publication Critical patent/CN109186706A/zh
Application granted granted Critical
Publication of CN109186706B publication Critical patent/CN109186706B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01F23/02—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 gauge glasses or other apparatus involving a window or transparent tube for directly observing the level to be measured or the level of a liquid column in free communication with the main body of the liquid
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L11/00—Measuring steady or quasi-steady pressure of a fluid or a fluent solid material by means not provided for in group G01L7/00 or G01L9/00
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Fluid Mechanics (AREA)
  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Image Processing (AREA)
  • Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)

Abstract

一种用于城市雨洪淹没区预警的方法，其特征在于：包括四个功能模块：(M1)城市雨洪淹没区域水位实时观测模块；(M2)城市雨洪淹没区域市政管道的传感器布设模块；(M3)预警指标计算模块；(M4)实况和预警平面域输出模块。本发明的有益效果在于：1、在雨洪期间，城市管理者能够将雨洪淹没区水位数据与水面图像相互印证，使得测得数据更加有说服力和有效；2、提供了一种新的城市雨洪淹没区水位测量装置和方法；3、能够比较准确地预测雨洪淹没区的退水过程线。

Description

一种用于城市雨洪淹没区预警的方法
技术领域
本发明涉及城市雨洪的预警方法，特别是一种用于在城市中进行雨洪淹没区预警的方法。
背景技术
由于城市低洼地区在暴雨时排水不畅，经常会形成城市雨洪淹没区。淹没区车辆人员通行都有较大的安全隐患。因此需要在暴雨时对雨洪淹没区的雨水水位和水深进行测量，并将实时的水深情况发布在专业网站和公众网站上。
传统的水文测量和预报方式主要是针对河流中的水位和流量过程进行测量和预报，对城市雨洪淹没去的测量和预报不适用。主要表现在以下几方面：
1，传统的水位测量方法一般采取传统水尺人工读取，或者浮子式自记水位计，水位能够迅速传递到防汛中心；但是在城市雨洪区一般无法通过人工读取数据，也无法设置自记水位计，测得的数据也无专线传递到防汛中心；因此传统的水位测量方法无法满足城市雨洪区的水位测量。另外城市雨洪淹没区域有其特殊性。雨洪淹没区域在大多数情况下是干燥的，只有在雨洪发生时才会有水位，并且该水位值对城市淹没区的预警预报和覆盖范围判断影响很大。采用以上传统的测量方法，无法实时了解现场情况。在无水情况下，以上各装置均不能获得任何水位数据。在雨洪期间，城市管理者无法了解到底现场是否有淹没发生。因此需要一种水位和水面图像相互印证的装置。为了将水位数据和现场实际情况相互印证，需要一种城市雨洪淹没区域水位实时观测的装置。
2，传统的河道水位测量关注的是水位和流量，尤其是水位是与堤防高程间关系最为密切的，因此水位主要体现的是高程值；而在城市雨洪淹没区更关心的是淹没区的水深有多深，是否能通车，是否能行走等，现有的水位测量无法提供此类信息。
3，雨洪淹没区的预警与洪水的预警完全不同。城市中的雨洪淹没区都会布满市政管网，在暴雨发生时，所有的市政管网都会进水，很多时候雨洪淹没区处于城市中较为低洼的地区，雨水不能从排水管网中排出，很多时候甚至会从高地的管网向低地的管网倒灌，造成排水管变成进水管，而在暴雨减小时，排水管才开始发挥作用，但由于杂物的堵塞流道往往不畅。在暴雨发生时，通过传统的数学模拟计算管道的水流方向在退水时也无法准确获得排水速度，因此预报预警时间不准确。
发明内容
一种用于城市雨洪淹没区预警的方法，就是提供一种能够在暴雨发生时，实测并对城市雨洪淹没区进行预警的方法。
具体而言，本发明一种用于城市雨洪淹没区预警的方法，包括四个功能模块：
(M1)城市雨洪淹没区域水位实时观测模块；
(M2)城市雨洪淹没区域市政管道的传感器布设模块；
(M3)预警指标计算模块；
(M4)实况和预警平面域输出模块。
上述的：(M1)城市雨洪淹没区域水位实时观测模块，包括：(M1-1)城市雨洪淹没区域水位实时观测的装置和(M1-2)一种水位测量方法；
(M1-1)城市雨洪淹没区域水位实时观测的装置，通过视频处理的方式全天候自动观测水尺获取实时水位，包括：图像采集模块；水尺模块；处理传输模块；供电模块；机械支架；机箱；其中，
所述图像采集模块，包括：时钟触发器、8mm摄像头、照明单元，用于各种环境下全天候采集现场水尺图像；
所述的照明单元包括：红外光源、LED光源；
所述水尺模块，包括：水尺用于显示水位；水尺高程基准库、水尺二维码，用于将水尺与水尺高程基准库中的高程基准一一对应；
所述处理传输模块，包括：传输部分和处理部分，所述的传输部分是4G适配器，通过4G网络与处理部分相连，所述的处理部分是运算服务器和数据备份云；
所述的机械支架为直径5cm壁厚3mm的不锈钢管，设置有不锈钢托盘和横梁；
所述的图像采集模块架设在机械支架上，8mm摄像头和照明单元朝向距离支架5～25m距离处的水尺模块；水尺模块中的水尺固定在稳定基面上，水尺二维码展示在水尺的最高水位旁边，水尺高程基准库存储在运算服务器中，所述的处理传输模块安装在机箱中，机箱固定在机械支架上，供电模块也固定在机械支架上，并给处理传输模块和图像采集模块供电。机箱和图像采集模块均安装在历史最高水位以上1m处，并均具有IP68防护等级。
一种用于城市雨洪淹没区域水位实时观测的装置，包括以下步骤：
步骤1：根据时钟触发器设定采集现场水尺图像；
步骤2：传输图像数据到运算服务器和数据备份云；
步骤3：自动寻找图像中水尺位置；
步骤4：处理图像数据，计算水位数值；
步骤5：数据展示以及用户交互。
(M1-2)一种水位测量方法，用于对带有“E”字符图案的水尺照片进行识别，以测量获得水位值，所述方法包括如下步骤：
步骤A：图像预处理步骤：对所述水尺照片中的图像进行中值滤波和图像均衡化处理，去除所述图像中的局部噪声和增强对比度，以获得预检测图像；
步骤B：对所述预检测图像先进行颜色提取，将其转化成二值化图像；检测所述二值化图像中“E”字符图案，记录所述“E”字符图案在水尺上的位置；
步骤C：根据所述“E”字符图案在水尺上的位置，获取最上端“E”字符中心点的位置。对该位置的X坐标向左扩展30个像素距离，向上扩展60个像素，从而确定水尺区域的原点位置；再根据水尺在图像上所占的像素尺寸，最终提取出水尺局部图像；
步骤D：采用霍夫直线检测算法对所述水尺局部图像进行直线检测，得到区域内所有的直线集合；根据“E”字符的检测结果，对直线进行筛选，仅保留所有“E”字符范围内的直线；根据斜率对直线进行筛选，仅保留接近竖直的直线；获取筛选后所有直线上Y坐标最大值和最小值，并以“E”字符范围内任意一X坐标位置做竖直直线，得到最终水面以上的水尺线，从而得到水面与水尺的交界处的Y坐标像素值；
步骤E：在摄像头和水尺都固定后拍摄一张水尺图像，获取水尺像素值及其对应的实际值并保存；采用多项式拟合的方式对保存的数据进行拟合，得到水尺像素值和实际值之间的关系公式；
步骤F：将步骤D中所述Y坐标像素值代入步骤E中标定得到的关系公式中，计算得到最终的水位值。
优选地，所述的水位测量方法可以进一步包括如下步骤：
事先将多个经过步骤A获得的预检测图像，先进行颜色提取，将其转化成二值化图像；
在所述二值化图像上截取100张完整的“E”字符图像，作为机器学习训练的正样本，同时在所述二值化图像上随机截取2000张不包含“E”字符的背景图像作为负样本；
对所述正、负样本进行尺寸归一化处理，并对所有样本提取各自的Haar-like特征并保存；
将所述正、负样本的Haar-like特征输入到构造好的Adaboost分类器中进行训练，得到训练数据；
在所述步骤B中，检测所述二值化图像中“E”字符图案时，读入所述训练好的数据，遍历整个图像中符合所述训练好的数据中“E”字符特征的位置，即为所述“E”字符图案在水尺上的位置。
上述的(M2)城市雨洪淹没区域市政管道的传感器布设模块，包括：(M2-1)城市雨洪淹没区域传感器类型和(M2-2)传感器布设方法；
(M2-1)淹没区域传感器类型为压力传感器和流速传感器；
(M2-2)传感器布设方法为在所有的市政垂向井的底部设置压力传感器；在所有的市政水平井与垂向井的接口处设置流速传感器；流速传感器的桨叶直径为1.5cm，以避免污物缠绕，发明人发现只有直径为1.5cm的传感器才能避免市政管网中的污物缠绕。
上述的(M3)预警指标计算模块，采用如下步骤实现：
对城市内历史上发生2年一遇暴雨时被淹没的区域进行高精度高程测量，获取精度为10cm的三维地形图；以此地形图为基础，周边结合1：200的城市地图作为数值建模的底图；结合1：1管网情况建立城市的洪涝模型。将(M2-2)实测的数据传入洪涝模型进行预测值实时校正，将计算得出的预测退水过程线公布在公开网站上。
上述的(M4)实况和预警平面域输出模块包括：(M4-1)实况模块；(M4-2)预警模块；
(M4-1)实况模块将(M1-1)获得的数据和照片直接传到公开网站上；
(M4-2)预警模块将(M3)获得的预测退水过程线公布在网站上。
本发明的有益效果是：
1、在雨洪期间，城市管理者能够将雨洪淹没区水位数据与水面图像相互印证，使得测得数据更加有说服力和有效；
2、提供了一种新的城市雨洪淹没区水位测量装置和方法；
3、能够比较准确地预测雨洪淹没区的退水过程线。
附图说明
图1是本发明城市雨洪淹没区水位测量装置安装示意图；
图2是本发明数据处理保存示意图；
图3是本发明实时校正和非实时校正的退水过程线对比。
具体实施方式
下面结合附图对本发明的实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
一种用于城市雨洪淹没区预警的方法，就是提供一种能够在暴雨发生时，实测并对城市雨洪淹没区进行预警的方法。
具体而言，本发明一种用于城市雨洪淹没区预警的方法，包括四个功能模块：
(M1)城市雨洪淹没区域水位实时观测模块；
(M2)城市雨洪淹没区域市政管道的传感器布设模块；
(M3)预警指标计算模块；
(M4)实况和预警平面域输出模块。
上述的：(M1)城市雨洪淹没区域水位实时观测模块，包括：(M1-1)城市雨洪淹没区域水位实时观测的装置和(M1-2)一种水位测量方法；
通过视频处理的方式全天候自动观测水尺获取实时水位，包括：图像采集模块；水尺模块；处理传输模块；供电模块；机械支架4；机箱5；其中，
所述图像采集模块，包括：时钟触发器、8mm摄像头1、照明单元2，用于各种环境下全天候采集现场水尺图像；
所述的照明单元包括：红外光源、LED光源；
所述水尺模块，包括：水尺3，用于显示水位；水尺高程基准库、水尺二维码，用于将水尺与水尺高程基准库中的高程基准一一对应；
所述处理传输模块，包括：传输部分和处理部分，所述的传输部分是4G适配器，通过4G网络与处理部分相连，所述的处理部分是运算服务器和数据备份云；
所述的机械支架4为直径5cm壁厚3mm的不锈钢管41，设置有不锈钢托盘42和横梁43；
所述的图像采集模块架设在机械支架4上，8mm摄像头1和照明单元2朝向距离支架5～25m距离处的水尺3；水尺3固定在稳定基面上，水尺二维码展示在水尺3的最高水位旁边，水尺高程基准库存储在运算服务器中，所述的处理传输模块安装在机箱5中，机箱5固定在机械支架4上，供电模块也固定在机械支架4上，并给处理传输模块和图像采集模块供电。机箱5和图像采集模块均安装在历史最高水位以上1m处，并均具有IP68防护等级。
一种用于城市雨洪淹没区域水位实时观测的装置，包括以下步骤：
步骤1：根据时钟触发器设定采集现场水尺图像；
步骤2：传输图像数据到运算服务器和数据备份云；
步骤3：自动寻找图像中水尺位置；
步骤4：处理图像数据，计算水位数值；
步骤5：数据展示以及用户交互。
本发明的水位测量方法同样是一种基于图像识别技术的测量方法，其专用于用对带有“E”字符图案的水尺照片进行识别，以测量获得水位值，如图1所示显示的是根据本发明的一个具体实施例的水位测量方法的示意图。
如图，带有“E”字符图案的水尺为长圆柱形，其通常设置于野外湖泊、河流、城市暴雨等水位监控位置，水尺上的“E”字符图案的横线水平设置，竖线垂直于水面，相邻“E”字符图案之间标记了刻度数字，用以表示水位值。即，本发明的水位测量方法中，其设定的使用环境中，水尺上带有“E”字符图案，其具有标准的横线和竖线，可用以作为识别的标记，无需设定特定标识。并且在设立水尺的时候，水尺上的“E”字符图案对应的水位高度已经由刻度数字表示出来了，拍摄的照片直接识别出“E”字符图案即可获知相应的刻度数字，水位值就一目了然了。
当然，实际测量的时候，仍然有一些技术问题需要克服，下面将对此进一步详细说明。如图所示，本发明的水位测量方法包括如下步骤：
步骤A：图像预处理步骤：对所述水尺照片中的图像进行中值滤波和图像均衡化处理，去除所述图像中的局部噪声和增强对比度，以获得预检测图像。即，考虑到输入的水尺图像的拍摄环境为野外河流、湖泊，城市内涝监测处(立交桥下)等场景，天气环境为不可控因素，晴天、阴天、雨天等。因此，先对图像进行中值滤波和图像均衡化处理，去除图像局部噪声和增强对比度，达到放大水尺特征的效果。
步骤B：对所述预检测图像先进行颜色提取，将其转化成二值化图像；检测所述二值化图像中“E”字符图案，记录所述“E”字符图案在水尺上的位置。由于水尺上的“E”字符图案通常与水尺的底色差异明显，为避免阴影、污垢、水草等造成图像干扰，将水尺图像转换成二值化图像，以利于差别较大的“E”字符图案可以通过数字化的方式进行数值比对。例如，在转化后的二值化图像中，理论上来说，底色的数值近似相同，“E”字符图案的数值也近似相同，但是底色数值和“E”字符图案具有较大的数值差，通过将二值化图像中每个像素的数值进行比对，可以将相对底色数值差异明显的“E”字符图案检测出来，图案中的水尺上，每个“E”字符图案都可以通过遍历每个像素的方式检测出来，得到“E”字符图案在水尺上的位置。
当然，简单的二值化图像的数值比对可能在光线条件较差、污渍和水草较多的情况下，形成相当大的检测误差，为了排除干扰，提高检测精度，本发明还提出了通过机器学习的方式，形成用于比对的训练数据的方法。具体的，本发明还可以进一步包括如下步骤：
事先将多个经过步骤A获得的预检测图像，先进行颜色提取，将其转化成二值化图像；在所述二值化图像上截取100张完整的“E”字符图像，作为机器学习训练的正样本，同时在所述二值化图像上随机截取2000张不包含“E”字符的背景图像作为负样本；对所述正、负样本进行尺寸归一化处理，并对所有样本提取各自的Haar-like特征并保存；将所述正、负样本的Haar-like特征输入到构造好的Adaboost分类器中进行训练，得到训练数据。以上即为本发明的形成用于比对的训练数据的方法步骤，该方法步骤主要采用Adaboost分类结合Haar-like特征的机器学习方式对水尺图像上所有可见的“E”字符进行检测。
在本发明的上述训练数据的形成过程中，用于训练的预检测图像可以采集于不同的水尺设立位置，其用于对比的采集样品越多、来源越广泛，其形成的训练数据的精度越高，代表性越好，可以广泛用于各种带有“E”字符图案的水尺的“E”字符图案的检测。也就是本发明用于训练的样品，并不局限于特定的水尺位置，也不局限于特定的时间，只要将各种“E”字符图案的水尺的图像进行二值化后，采用上述同样的训练方法即可形成可用于本发明或者其它检测技术的训练数据，该训练数据应用范围广，精度高，可用以获得更加精确的检测结果。
得到训练数据之后，需要识别的图像先进行二值化，之后进入步骤B进行检测，检测所述二值化图像中“E”字符图案时，读入所述训练好的数据，遍历整个图像中符合所述训练好的数据中“E”字符特征的位置，即为所述“E”字符图案在水尺上的位置。
步骤C：根据所述“E”字符图案在水尺上的位置，获取最上端“E”字符中心点的位置。对该位置的X坐标(水平方向的横坐标)向左扩展30个像素距离，向上扩展60个像素，从而确定水尺区域的原点位置；再根据水尺在图像上所占的像素尺寸，最终提取出水尺局部图像。本步骤的关键是获取整个水尺的顶部图像，用以获得水尺的顶部终点，用以作为水尺的识别原点，用以避免水尺顶部遮挡造成识别误差。
步骤D：采用霍夫直线检测算法对所述水尺局部图像进行直线检测，得到区域内所有的直线集合；根据“E”字符的检测结果，对直线进行筛选，仅保留所有“E”字符范围内的直线；根据斜率对直线进行筛选，仅保留接近竖直的直线；获取筛选后所有直线上Y坐标(竖直方向的纵坐标)最大值和最小值，并以“E”字符范围内任意一X坐标位置做竖直直线，得到最终水面以上的水尺线，从而得到水面与水尺的交界处的Y坐标像素值。
步骤E：在摄像头和水尺都固定后拍摄一张水尺图像，获取水尺像素值及其对应的实际值并保存；采用多项式拟合的方式对保存的数据进行拟合，得到水尺像素值和实际值之间的关系公式。
该步骤其实是通过手动的方式获取水尺像素值与实际值的关系公式的参数标定过程。正如前述，由于在设立水尺的时候，水尺上的“E”字符图案对应的水位高度已经由刻度数字表示出来了，拍摄的照片直接识别出“E”字符图案是可以获知相应的刻度数字的，然而，通过照片识别出刻度数字需要人工进行判断，没法做到图像自动识别过程。因此，本步骤提供了一个参数标定步骤，即对于每个水尺位置，在摄像头和水尺固定后，拍摄一张水尺图像，可以通过计算机或者人工方式事先识别出水尺上的每个像素值与其对应的真实水位值，将这些对应数值保存起来进行多项式拟合，可以得到水尺像素值和实际值之间的关系公式，也就是一个可以通过机器自动比对的参数标定公式。
步骤F：将步骤D中所述Y坐标像素值代入步骤E中标定得到的关系公式中，计算得到最终的水位值。
(M3)预警指标计算模块，采用如下步骤实现：
对城市内历史上发生2年一遇暴雨时被淹没的区域进行高精度高程测量，获取精度为10cm的三维地形图；以此地形图为基础，周边结合1：200的城市地图作为数值建模的底图；结合1：1管网情况建立城市的洪涝模型。将(M2-2)实测的数据传入洪涝模型进行预测值实时校正，将计算得出的预测退水过程线公布在公开网站上。
上述的(M4)实况和预警平面域输出模块包括：(M4-1)实况模块；(M4-2)预警模块；
(M4-1)实况模块将(M1-1)获得的数据和照片直接传到公开网站上；
(M4-2)预警模块将(M3)获得的预测退水过程线公布在网站上。

Claims (2)

1.一种用于城市雨洪淹没区预警的方法，其特征在于：包括四个功能模块：
(M1)城市雨洪淹没区域水位实时观测模块；
(M2)城市雨洪淹没区域市政管道的传感器布设模块；
(M3)预警指标计算模块；
(M4)实况和预警平面域输出模块。
所述的：(M1)城市雨洪淹没区域水位实时观测模块，包括：(M1-1)城市雨洪淹没区域水位实时观测的装置和(M1-2)一种水位测量方法；用于对带有“E”字符图案的水尺照片进行识别，以测量获得水位值；
所述的(M2)城市雨洪淹没区域市政管道的传感器布设模块，包括：(M2-1)城市雨洪淹没区域传感器类型和(M2-2)传感器布设方法；
所述的(M3)预警指标计算模块，采用如下步骤实现：
对城市内历史上发生2年一遇暴雨时被淹没的区域进行高精度高程测量，获取精度为10cm的三维地形图；以此地形图为基础，周边结合1：200的城市地图作为数值建模的底图；结合1：1管网情况建立城市的洪涝模型。将(M2-2)实测的数据传入洪涝模型进行预测值实时校正，将计算得出的预测退水过程线公布在公开网站上。
所述的(M4)实况和预警平面域输出模块包括：(M4-1)实况模块；(M4-2)预警模块；
(M4-1)实况模块将(M1-1)获得的数据和照片直接传到公开网站上；
(M4-2)预警模块将(M3)获得的预测退水过程线公布在网站上。
2.根据权利要求1所述的一种用于城市雨洪淹没区预警的方法，其特征在于：所述的(M1-1)城市雨洪淹没区域水位实时观测的装置包括：图像采集模块；水尺模块；处理传输模块；供电模块；机械支架；机箱；其中，所述图像采集模块，包括：时钟触发器、8mm摄像头、照明单元，用于各种环境下全天候采集现场水尺图像；
所述的照明单元包括：红外光源、LED光源；
所述水尺模块，包括：水尺用于显示水位；水尺高程基准库、水尺二维码，用于将水尺与水尺高程基准库中的高程基准一一对应；
所述处理传输模块，包括：传输部分和处理部分，所述的传输部分是4G适配器，通过4G网络与处理部分相连，所述的处理部分是运算服务器和数据备份云；
所述的机械支架为直径5cm壁厚3mm的不锈钢管，设置有不锈钢托盘和横梁；
所述的图像采集模块架设在机械支架上，8mm摄像头和照明单元朝向距离支架5～25m距离处的水尺模块；水尺模块中的水尺固定在稳定基面上，水尺二维码展示在水尺的最高水位旁边，水尺高程基准库存储在运算服务器中，所述的处理传输模块安装在机箱中，机箱固定在机械支架上，供电模块也固定在机械支架上，并给处理传输模块和图像采集模块供电；机箱和图像采集模块均安装在历史最高水位以上1m处，并均具有IP68防护等级。
CN201810974111.0A 2018-08-24 2018-08-24 一种用于城市雨洪淹没区预警的方法 Active CN109186706B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810974111.0A CN109186706B (zh) 2018-08-24 2018-08-24 一种用于城市雨洪淹没区预警的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810974111.0A CN109186706B (zh) 2018-08-24 2018-08-24 一种用于城市雨洪淹没区预警的方法

Publications (2)

Publication Number Publication Date
CN109186706A true CN109186706A (zh) 2019-01-11
CN109186706B CN109186706B (zh) 2020-12-15

Family

ID=64919792

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810974111.0A Active CN109186706B (zh) 2018-08-24 2018-08-24 一种用于城市雨洪淹没区预警的方法

Country Status (1)

Country Link
CN (1) CN109186706B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109754573A (zh) * 2019-01-21 2019-05-14 北京理工大学 一种中小河流洪水预报预警设施及其运行方法
CN110196088A (zh) * 2019-06-14 2019-09-03 武汉世纪水元科技股份有限公司 一种水位识别监测***
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
CN110399638A (zh) * 2019-06-15 2019-11-01 湖南闲暇科技有限公司 一种根据气象数据推算洪涝及溢流发生时间的方法
CN110715705A (zh) * 2019-10-29 2020-01-21 上海交通大学 一种基于图像采集的稻田水位监测***及方法
CN111947733A (zh) * 2020-08-13 2020-11-17 水利部交通运输部国家能源局南京水利科学研究院 一种智能数码水位标尺及其使用方法
CN116311796A (zh) * 2022-12-16 2023-06-23 华南农业大学 一种基于计算机视觉识别的河道防洪预警***
RU222636U1 (ru) * 2023-04-25 2024-01-16 Федеральное государственное бюджетное образовательное учреждение высшего образования Иркутский государственный университет путей сообщения (ФГБОУ ВО ИрГУПС) Устройство для определения уровня воды в дренажных лотках транспортного тоннеля
CN117953666A (zh) * 2024-03-27 2024-04-30 南京金固智慧市政研究院有限公司 一种对易淹易涝片区基于图像识别的积淹预警监测***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060099496A (ko) * 2006-08-25 2006-09-19 한국유지관리 주식회사 영상 인식 기법을 이용한 실시간 원격 수위 감시 및모니터링 시스템
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
CN206891525U (zh) * 2017-07-05 2018-01-16 河海大学 一种城市内涝预警***
CN108009753A (zh) * 2017-12-26 2018-05-08 广东工业大学 城市内涝预测方法、装置、终端及计算机可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060099496A (ko) * 2006-08-25 2006-09-19 한국유지관리 주식회사 영상 인식 기법을 이용한 실시간 원격 수위 감시 및모니터링 시스템
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
CN206891525U (zh) * 2017-07-05 2018-01-16 河海大学 一种城市内涝预警***
CN108009753A (zh) * 2017-12-26 2018-05-08 广东工业大学 城市内涝预测方法、装置、终端及计算机可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘勇 等: "智慧城市视角下城市洪涝模拟研究综述", 《地理科学进展》 *
林占东，张奕虹: "基于物联网的城市内涝监测预警***建设思路初探", 《数字技术与应用》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109754573A (zh) * 2019-01-21 2019-05-14 北京理工大学 一种中小河流洪水预报预警设施及其运行方法
CN109754573B (zh) * 2019-01-21 2023-10-27 北京理工大学 一种中小河流洪水预报预警设施及其运行方法
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
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
CN110196088A (zh) * 2019-06-14 2019-09-03 武汉世纪水元科技股份有限公司 一种水位识别监测***
CN110399638A (zh) * 2019-06-15 2019-11-01 湖南闲暇科技有限公司 一种根据气象数据推算洪涝及溢流发生时间的方法
CN110715705A (zh) * 2019-10-29 2020-01-21 上海交通大学 一种基于图像采集的稻田水位监测***及方法
CN111947733A (zh) * 2020-08-13 2020-11-17 水利部交通运输部国家能源局南京水利科学研究院 一种智能数码水位标尺及其使用方法
CN116311796A (zh) * 2022-12-16 2023-06-23 华南农业大学 一种基于计算机视觉识别的河道防洪预警***
CN116311796B (zh) * 2022-12-16 2023-08-25 华南农业大学 一种基于计算机视觉识别的河道防洪预警***
RU222636U1 (ru) * 2023-04-25 2024-01-16 Федеральное государственное бюджетное образовательное учреждение высшего образования Иркутский государственный университет путей сообщения (ФГБОУ ВО ИрГУПС) Устройство для определения уровня воды в дренажных лотках транспортного тоннеля
CN117953666A (zh) * 2024-03-27 2024-04-30 南京金固智慧市政研究院有限公司 一种对易淹易涝片区基于图像识别的积淹预警监测***

Also Published As

Publication number Publication date
CN109186706B (zh) 2020-12-15

Similar Documents

Publication Publication Date Title
CN109186706A (zh) 一种用于城市雨洪淹没区预警的方法
CN107506798B (zh) 一种基于图像识别的水位监测方法
CN108759973B (zh) 一种水位测量方法
CN110223341B (zh) 一种基于图像识别的智能水位监测方法
Sofia et al. High‐resolution topography and anthropogenic feature extraction: Testing geomorphometric parameters in floodplains
CN101957309B (zh) 一种能见度的全天候视频测量方法
Eltner et al. Automatic image‐based water stage measurement for long‐term observations in ungauged catchments
Chen et al. Hydraulic correction method (HCM) to enhance the efficiency of SRTM DEM in flood modeling
CN111507375B (zh) 一种城市内涝风险快速评估方法及***
Tarpanelli et al. Hydraulic modelling calibration in small rivers by using coarse resolution synthetic aperture radar imagery
CN111721361A (zh) 一种堤防监测***、方法及设备
Huisman et al. The use of video imagery to analyse groundwater and shoreline dynamics on a dissipative beach
Kopp et al. Fully automated snow depth measurements from time-lapse images applying a convolutional neural network
KR20230132686A (ko) PointNet++ 신경망 기반 콘크리트배관 손상 인식 및 체적 디스플레이 방법
CN114639064B (zh) 一种水位识别方法及装置
CN117953445B (zh) 基于交通监控相机雨天道路能见度测定方法、***及介质
CN112419272B (zh) 一种雾天高速公路能见度快速估计方法及***
CN115578695B (zh) 一种自由拍摄视角的水尺水位机器视觉检测方法及装置
CN117152617A (zh) 一种城市洪涝识别方法及***
Birgand et al. Field performance of the GaugeCam image-based water level measurement system
Zeng et al. Urban water body detection from the combination of high-resolution optical and SAR images
Zhen et al. Visual detection algorithm of water line based on feature fusion
CN108198422A (zh) 一种基于视频影像的道路积水提取***和方法
Liu et al. A novel depth measurement method for urban flooding based on surveillance video images and a floating ruler
Cho et al. Extraction of stream channels in high-resolution digital terrain images using morphology

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