CN215867184U - 一种利用光学探测自动识别降水现象的装置 - Google Patents
一种利用光学探测自动识别降水现象的装置 Download PDFInfo
- Publication number
- CN215867184U CN215867184U CN202122408325.1U CN202122408325U CN215867184U CN 215867184 U CN215867184 U CN 215867184U CN 202122408325 U CN202122408325 U CN 202122408325U CN 215867184 U CN215867184 U CN 215867184U
- Authority
- CN
- China
- Prior art keywords
- module
- image data
- support
- precipitation
- ccd camera
- 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
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本实用新型公开了一种利用光学探测自动识别降水现象的装置,包括:支撑架体,支撑架体的顶部为构造为U形结构的第一支架和第二支架,第一支架和第二支架的上部相互平行且长度相等,支撑架体的底部为竖直设置的第三支架;发射端,其固定设置在第一支架上,发射端内设置有光学模块;接收端,其固定设置在第二支架上,且与发射端位于同一水平线上,接收端内设置有CCD摄像头;图像数据处理器,其固定在第三支架上,并且图像数据处理器与CCD摄像头相连接;上位机,其与图像数据处理器相连接。本实用新型利用高速CCD摄像头通过对降水粒子拍摄照片的方式,对拍摄得到的图像数据进行分析计算,从而能够自动识别出降水现象。
Description
技术领域
本实用新型涉及气象观测技术领域,具体涉及一种利用光学探测自动识别降水现象的装置。
背景技术
我国东部沿海地区每年夏季都会因为台风引起强降水天气,甚至引起洪涝灾害,因为洪涝持续时间长、影响范围最广,由此导致的灾情也非常严重。洪涝灾害的发生与降水息息相关,因此降水及其相关微物理量(如降水粒子的粒径、末速度、形状、体积等)成为了地面气象观测要素中最重要的要素,观测员如何在第一时间内获取到准确的降水粒子信息,并识别出降水现象就变得尤为重要。
目前利用光学探测方法捕捉降水粒子信息主要有以下方案:光强衰减法、光散射法和图像数据采集方法。前两种方法均采用的间接测量,通过光信号转换位电信号的方式得到降水粒子的速度以及粒径大小。然而目前传统的翻斗式雨量传感器只能用于观测液态降水,还需要人员定点定期进行排水、清污、校准等问题。
国内外就降水现象识别提出了很多模型,而目前应用最为广泛的是MartinLoffler-Mang等人在经过理论和大量外场试验得出的降水现象识别图,如图1所示。通过得到降水粒子的尺寸和降水粒子的下降速度,进而得到两者之间关系的二维矩阵,通过模型即可识别出降水现象。
公开于该背景技术部分的信息仅仅旨在增加对本实用新型的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
实用新型内容
本实用新型的目的在于提供一种利用光学探测自动识别降水现象的装置,以解决上述背景技术中提出的问题。
为实现上述目的,本实用新型提供了一种利用光学探测自动识别降水现象的装置,包括:支撑架体,支撑架体的顶部为构造为U形结构的第一支架和第二支架,第一支架和第二支架的上部相互平行且长度相等,支撑架体的底部为竖直设置的第三支架;发射端,其固定设置在第一支架上,发射端内设置有光学模块;接收端,其固定设置在第二支架上,且与发射端位于同一水平线上,接收端内设置有CCD摄像头;图像数据处理器,其固定在第三支架上,并且图像数据处理器与CCD摄像头相连接;上位机,其与图像数据处理器相连接。
在一优选实施方式中,发射端内还设置有平凹柱面镜,且平凹柱面镜设置在光学模块和CCD摄像头之间。
在一优选实施方式中,光学模块为激光点光源,激光点光源发出的光经过平凹柱面镜后形成平行光,平凹柱面镜与CCD摄像头之间的区域为测量区域,CCD摄像头用于采集测量区域内降水粒子的图像数据。
在一优选实施方式中,图像数据处理器包括LVDS解码模块、FPGA和DDR2芯片,其中,LVDS解码模块的输入端与CCD摄像头相连接,LVDS解码模块的输出端与FPGA相连接,LVDS解码模块用于将LVDS信号转换为TTL电平信号后直接传输给FPGA。
在一优选实施方式中,LVDS解码模块包括三个DS90C288芯片,其中两个DS90C288芯片的输入端分别与第一LVDS接口连接,另一个DS90C288芯片的输入端与第二LVDS接口连接,三个DS90C288芯片的输出端分别与FPGA连接。
在一优选实施方式中,FPGA选用EP4CE115F23I7主控芯片,FPGA42包括背景噪声模块、图像数据解析模块、DDR2仲裁模块、DDR2顶层模块和显示模块,其中,背景噪声模块与LVDS解码模块的输出端相连接,图像数据解析模块的输入端分别与LVDS解码模块、背景噪声模块的输出端相连接,图像数据解析模块的输出端与DDR2仲裁模块的输入端相连接,DDR2仲裁模块的输出端与DDR2顶层模块的输入端相连接,DDR2顶层模块的输出端与DDR2芯片相连接,用于驱动DDR2芯片,显示模块通过串口与上位机相连接。
在一优选实施方式中,CCD摄像头的有效像素点为2048个,单元像素尺寸为10.56μm *10.56μm,CCD摄像头的行频设置为80 kHz,每帧图像之间的间隔时间为0.00000125s。
与现有技术相比,本实用新型的有益效果是:本实用新型的装置利用高速CCD相机通过对降水粒子拍摄照片的方式,对拍摄得到的图像数据进行分析计算,利用现有的降水现象识别模型可以得出降水粒子的粒径、速度、滴谱数据等,从而识别出降水现象。本实用新型的装置的免维护周期长,而且可以用于观测固态和液态的降水现象,同时还具有识别降水类型的能力。
附图说明
图1为现有技术的降水现象识别模型示意图。
图2为本实用新型的利用光学探测自动识别降水现象的装置的结构示意图。
图3为本实用新型的装置的硬件总框图。
图4为本实用新型的发射端和接收端设置示意图。
图5为本实用新型的LVDS解码模块的结构框图。
图6为本实用新型的FPGA内部结构框图。
图7为本实用新型的FPGA实现部分各个模块的***框图。
图8为腐蚀过程示意图。
图9为膨胀过程的示意图。
主要附图标记说明:
1-支撑架体,11-第一支架,12-第二支架,13-第三支架,2-发射端,21-光学模块,22-平凹柱面镜,3-接收端,31- CCD摄像头,4-图像数据处理器,41-LVDS解码模块,42-FPGA,43-DDR2芯片,5-上位机。
具体实施方式
下面将对本实用新型实施例中的技术方案进行清楚、完整地描述。本实用新型中的实施例,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,都属于本实用新型保护的范围。
如图2-7所示,本实用新型优选实施方式的利用光学探测自动识别降水现象的装置,包括:支撑架体1、发射端2、接收端3、图像数据处理器4和上位机5。支撑架体1的顶部为构造为U形结构的第一支架11和第二支架12,第一支架11和第二支架12的上部相互平行且长度相等,支撑架体1的底部为竖直设置的第三支架13。发射端2固定设置在第一支架11上,发射端2内设置有光学模块21。接收端3固定设置在第二支架12上,且与发射端2位于同一水平线上,接收端3内设置有CCD摄像头31。图像数据处理器4固定在第三支架13上,并且图像数据处理器4与CCD摄像头31相连接。上位机5与图像数据处理器4相连接,上位机5为PC端。
进一步的,光学模块21为激光点光源,发射端2内还设置有平凹柱面镜22,且平凹柱面镜22设置在光学模块21和CCD摄像头31之间,这样使得激光点光源发出的光经过平凹柱面镜之后变成了平行光,从而降低了光源分布不均造成测量结果不准确的影响。平凹柱面镜22与CCD摄像头31之间的区域为测量区域,CCD摄像头31用于采集测量区域内降水粒子的图像数据。当降水粒子经过测量区域时,有降水粒子经过的地方会造成遮挡形成阴影部分,这时候就可以通过测量阴影部分的像素点和阴影出现到消失的时间,从而得到降水粒子的粒径、速度大小。
进一步的,图像数据处理器4包括LVDS解码模块41、FPGA 42和DDR2芯片43,其中,LVDS解码模块41的输入端与CCD摄像头31相连接,LVDS解码模块41的输出端与FPGA42相连接,LVDS解码模块41用于将LVDS信号转换为TTL电平信号后直接传输给FPGA42。
进一步的,LVDS解码模块41包括三个DS90C288芯片,其中两个DS90C288芯片的输入端分别与第一LVDS接口连接,另一个DS90C288芯片的输入端与第二LVDS接口连接,三个DS90C288芯片的输出端分别与FPGA42连接。
进一步的,CCD摄像头31选用的是Dalsa公司的P4-CM-02K100-00-R(2048像素点)摄像头,其有效像素点为2048个,单元像素尺寸为10.56μm *10.56μm,当降水粒子下落穿过采样区域时会对CCD摄像头造成一定数量的像素遮挡,降水粒子下落的过程不断被CCD摄像头扫描到,当一个降水粒子完全经过后,一个降水粒子被扫描结束。相机行频设置为80kHz,这样每帧图像之间的间隔时间为0.00000125s,完全满足降水粒子测量的要求,不会出现遗漏图像的情况。
进一步的,硬件处理部分采用的是FPGA+DDR2芯片,FPGA芯片选用EP4CE115F23I7主控芯片,FPGA 42包括背景噪声模块421、图像数据解析模块422、DDR2仲裁模块423、DDR2顶层模块424和显示模块425,其中,背景噪声模块421与LVDS解码模块41的输出端相连接,图像数据解析模块422的输入端分别与LVDS解码模块41、背景噪声模块421的输出端相连接,图像数据解析模块422的输出端与DDR2仲裁模块423的输入端相连接,DDR2仲裁模块423的输出端与DDR2顶层模块424的输入端相连接,显示模块通过串口426与上位机5相连接。DDR2芯片43选用的是MT47H64M16HR芯片,容量为1 Gbit,且采用了两片DDR2芯片构建了32bit的总线模式,带宽达到了了10 Gbit,完全可以适应2路LVDS视频处理需求。本实用新型的装置的CCD摄像头传输过来的数据经过LVDS解码模块后,完成数据的拼接发送给图像数据解析模块422,图像数据解析模块422主要负责后端图像处理算法的FPGA实现和原始图像数据转存等操作,将原始图像发送给DDR2仲裁模块423后,DDR2仲裁模块423来判别数据的读取、写入功能,在判断数据需要写入后发送到DDR2的顶层模块424,DDR2顶层模块424的输出端与DDR2芯片43相连接,用于驱动DDR2芯片43,完成图像数据的存储功能。原始图像拼接完成后,发送给背景噪声模块421进行噪声判定和判别是否发生降水现象。图像数据解析模块422对原始图像进行图像解析包括滤波处理、图像二值化、降水粒子特征提取、降水现象识别等。在完成了降水现象识别后,将处理好的数据发送给显示模块425,显示模块425再通过串口发送到上位机PC端。FPGA内部结构框图如图6所示。
下面简要介绍一下图像解析过程,由于均采用现有的方法,不再详述:
高斯滤波算法选用3*3的滤波器模板,在FPGA内部建立一个3*3的矩阵来进行滤波处理。通过调用Quartus II中的MegaWizard Plug-In Manager里现成的Shift register来实现滤波器模板,通过对模块中各个信号进行定义从而实现IP核的调用。
FPGA中实现OTSU法需要借助外部的存储器,如DDR2等。经过高斯滤波后的图像数据先存储在外部存储器一定范围的地址中,用图像遍历的思想来对一帧图像即512行的图像数据进行遍历,主要是用来统计灰度值相同的像素点的个数。为查找出一帧图像的最优化阈值做准备。具体的步骤如下:灰度图像的灰度值范围在0~255之间,0表示全黑,255表示全白。在FPGA内设计256个计时器分别对每一行图像的每一个像素点的灰度值进行计数,因为图像数据存储在外部存储器的制定地址范围内,通过读取每一个地址中的灰度值,每访问一次地址,就对地址中的灰度值对应的计数器进行加1操作,最后将统计出来的图像灰度数据做成直方图。利用外部存储器和计数器对一帧图像中每一行灰度值相同的像素点进行统计工作,再对0~255之间的每个灰度值进行遍历查找求出类间方差,利用matlab软件计算比较出最大的类间方差,此时求出的最大类间方差对应的灰度值即为最优化的阈值。然后将大于阈值的像素点的灰度值输出为1,小于阈值的像素点的灰度值输出为0,完成数字图像的二值化。
形态学开运算对二值图像有着较好的边缘的圆滑效果,开运算实际上分为两个步骤,首先是腐蚀操作,然后再进行膨胀操作。而腐蚀是一种消除边界点,并且使图像边界向内部收缩的过程。与高斯滤波的操作相同,一样是利用3*3的结构元素矩阵,来扫描数字图像中的每一个像素点,并且用结构元素与其覆盖的二值图像做“与”操作,假若图像中的所有元素点数值是1,则图像的该像素点为1,否则为0。结构元素是一帧图像中每个像素点和其周围的8个点组成的。图8为腐蚀过程的示意图。
膨胀是一种图像边界扩张的过程,它将与物体接触的所有的背景点合并到该物体中,使边界向内部扩张的过程。在FPGA内部通过调用3*3的结构元素矩阵,然后扫描图像中的每一个像素点,再用结构元素与其覆盖的二值图像做“或”操作,如果有一个像素点的值是1,则图像的该像素点为1,若像素点全部是0,则图像的该像素点就为0。结构元素是一帧图像中每个像素点和其周围的8个点组成的。图9为膨胀过程的示意图。
采用本实用新型的装置对粒径的测量是识别出降水现象的关键所在,主要是通过测量粒子在横轴上被遮挡的最多的像素点来测量出粒子的粒径大小。每个像素点的大小是固定不变的,为10.56μm *10.56μm,通过测量得到有多少个像素点被粒子遮挡就能计算粒子粒径的大小。先对整幅图像进行循环扫描,通过计数器来找出图像像素值为0的横轴中最长的线,再求出线在整行图像(2048个像素点)中所占的比值,最终让比值乘以一行的实际长度(21.627 mm)即可得到粒子的粒径大小。粒径=(最长线段长度/总长度)*实际长度。由于采样面积是固定的m*n,每帧图像之间的时间间隔是固定的t=0.0000125s,降水粒子完全经过采样面积一共拍摄了k张图像,相当于匀速运动的降水粒子走完固定的距离n,一共用了kt的时间,从而得出。
由图1可知,当得到降水粒子的速度和粒径后,通过两者落入的范围即可识别出对应的降水现象。对降水现象识别示意图研究发现,在识别降水现象时,通过计算得到降水粒子的速度和直径,根据其具体数值在哪个范围内即可判别出降水现象。当降水粒子的速度>2.8m/s,粒子速度<10m/s,且粒径小于5mm时为雨;当降水粒子的速度<2.8m/s,且粒子直径>0.2mm时,为雪;当降水粒子的速度>2.8m/s,且粒子直径>0.6mm时,为混合降水;当降水粒子的速度<2.8m/s,且粒子直径<0.6mm时,为毛毛雨;当降水粒子的速度>10m/s,且粒子直径>5mm时,为冰雹。
尽管已经示出和描述了本实用新型的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本实用新型的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本实用新型的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种利用光学探测自动识别降水现象的装置,其特征在于:所述利用光学探测自动识别降水现象的装置包括:
支撑架体(1),所述支撑架体(1)的顶部为构造为U形结构的第一支架(11)和第二支架(12),所述第一支架(11)和第二支架(12)的上部相互平行且长度相等,所述支撑架体(1)的底部为竖直设置的第三支架(13);
发射端(2),其固定设置在所述第一支架(11)上,发射端(2)内设置有光学模块(21);
接收端(3),其固定设置在所述第二支架(12)上,且与所述发射端(2)位于同一水平线上,所述接收端(3)内设置有CCD摄像头(31);
图像数据处理器(4),其固定在所述第三支架(13)上,并且所述图像数据处理器(4)与所述CCD摄像头(31)相连接;
上位机(5),其与所述图像数据处理器(4)相连接。
2.根据权利要求1所述的利用光学探测自动识别降水现象的装置,其特征在于:所述发射端(2)内还设置有平凹柱面镜(22),且所述平凹柱面镜(22)设置在光学模块(21)和CCD摄像头(31)之间。
3.根据权利要求2所述的利用光学探测自动识别降水现象的装置,其特征在于:所述光学模块(21)为激光点光源,激光点光源发出的光经过所述平凹柱面镜(22)后形成平行光,所述平凹柱面镜(22)与所述CCD摄像头(31)之间的区域为测量区域,所述CCD摄像头(31)用于采集测量区域内降水粒子的图像数据。
4.根据权利要求3所述的利用光学探测自动识别降水现象的装置,其特征在于:所述图像数据处理器(4)包括LVDS解码模块(41)、FPGA(42)和DDR2芯片(43),其中,所述LVDS解码模块(41)的输入端与CCD摄像头(31)相连接,所述LVDS解码模块(41)的输出端与FPGA(42)相连接,所述LVDS解码模块(41)用于将LVDS信号转换为TTL电平信号后直接传输给FPGA(42)。
5.根据权利要求4所述的利用光学探测自动识别降水现象的装置,其特征在于:所述LVDS解码模块(41)包括三个DS90C288芯片,其中两个DS90C288芯片的输入端分别与第一LVDS接口连接,另一个DS90C288芯片的输入端与第二LVDS接口连接,三个DS90C288芯片的输出端分别与FPGA(42)连接。
6.根据权利要求5所述的利用光学探测自动识别降水现象的装置,其特征在于:所述FPGA(42)选用EP4CE115F23I7主控芯片,所述FPGA(42)包括背景噪声模块(421)、图像数据解析模块(422)、DDR2仲裁模块(423)、DDR2顶层模块(424)和显示模块(425),其中,所述背景噪声模块(421)与LVDS解码模块(41)的输出端相连接,所述图像数据解析模块(422)的输入端分别与所述LVDS解码模块(41)、背景噪声模块(421)的输出端相连接,所述图像数据解析模块(422)的输出端与DDR2仲裁模块(423)的输入端相连接,DDR2仲裁模块(423)的输出端与DDR2顶层模块(424)的输入端相连接,DDR2顶层模块(424)的输出端与DDR2芯片(43)相连接,用于驱动所述DDR2芯片(43),所述显示模块通过串口与所述上位机(5)相连接。
7.根据权利要求6所述的利用光学探测自动识别降水现象的装置,其特征在于:所述CCD摄像头(31)的有效像素点为2048个,单元像素尺寸为10.56μm *10.56μm,CCD摄像头(31)的行频设置为80 kHz,每帧图像之间的间隔时间为0.00000125s。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202122408325.1U CN215867184U (zh) | 2021-10-08 | 2021-10-08 | 一种利用光学探测自动识别降水现象的装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202122408325.1U CN215867184U (zh) | 2021-10-08 | 2021-10-08 | 一种利用光学探测自动识别降水现象的装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN215867184U true CN215867184U (zh) | 2022-02-18 |
Family
ID=80260242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202122408325.1U Active CN215867184U (zh) | 2021-10-08 | 2021-10-08 | 一种利用光学探测自动识别降水现象的装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN215867184U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117148477A (zh) * | 2023-09-05 | 2023-12-01 | 中国人民解放军国防科技大学 | 降水粒子多角度立体成像测量装置及方法 |
-
2021
- 2021-10-08 CN CN202122408325.1U patent/CN215867184U/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117148477A (zh) * | 2023-09-05 | 2023-12-01 | 中国人民解放军国防科技大学 | 降水粒子多角度立体成像测量装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111855664B (zh) | 一种可调节隧道病害三维检测*** | |
CN103984979B (zh) | 无透镜衍射成像的藻类自动检测计数装置及方法 | |
CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别***与方法 | |
CN103454285A (zh) | 基于机器视觉的传动链条质量检测*** | |
CN111402280B (zh) | 基于对数图像处理模型的图像边缘检测***及方法 | |
CN103499303A (zh) | 一种羊毛细度自动测量方法 | |
CN215867184U (zh) | 一种利用光学探测自动识别降水现象的装置 | |
CN104111413A (zh) | 一种用于评估输变电设备电晕放电的装置和方法 | |
CN116433666A (zh) | 板卡线路缺陷在线识别方法、***、电子设备及存储介质 | |
CN114387235B (zh) | 一种水环境监测方法及*** | |
CN114442200B (zh) | 一种基于图像分析的降水测量装置及测量方法 | |
CN103177244B (zh) | 水下显微图像中快速检测目标生物的方法 | |
CN109815784A (zh) | 一种基于红外热像仪的智能分类方法、***及存储介质 | |
Li et al. | Research on glass surface quality inspection based on machine vision | |
CN112699824A (zh) | 电能表仪表常数检测方法、设备及存储介质 | |
CN103996266A (zh) | 基于视频分析的尾矿库安全监测装置 | |
CN109166081B (zh) | 一种视频能见度检测过程中目标亮度调节方法 | |
CN115511751A (zh) | 一种事件流异常事件滤除效果的评估方法 | |
CN115578695A (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 | |
CN114266837A (zh) | 一种道路标识检测方法、装置、设备及计算机存储介质 | |
CN112213244A (zh) | 基于机器学习的机动车尾气林格曼黑度测量装置及方法 | |
CN108956395B (zh) | 一种空气微粒浓度检测的方法及终端 | |
CN109345511A (zh) | 一种高速公路无人机自检*** | |
CN111428067B (zh) | 公文图片获取方法、装置及电子设备 | |
CN114913316B (zh) | 工业设备表计识别的图像分类方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |