无人机图像矫正方法在河流表面流速测量中的应用

使用无人机影像作为分析对象进行河流表面流速测量时,无人机的晃动会造成拍摄画面的晃动,导致测量结果出现较大误差。针对这一问题,利用无人机记录的飞行信息,通过开发使用参照点和不使用参照点的两种无人机影像矫正方法,便捷快速地实现了无人机影像的正射矫正,有效解决了无人机晃动对流速测量结果的影响,并结合优化后的图像测速分析手段,在试验河道和自然河流两种不同的环境中进行了现场流速测定,均获得了比较准确的河流表面流速测量结果。

复杂光照条件下基于光流的水运航道流速检测算法

实时准确的河流表面流速数据是现代化水运调度和防洪的重要依据,但传统的仪器测速法大多需要人工实地参与,危险系数高且无法满足大规模系统部署的要求。相比之下,图像测速法不需要直接接触河流,可以依据摄相机获取的连续帧得到近乎实时的速度信息。然而,光流估计作为当前主流的图像测速法,是针对刚体运动提出的,没有考虑流体本身的性质,在河流表面等相似度高的场景中泛化能力较弱。为提高基于光流估计循环全对场变换(RAFT)模型的水流流速算法估算精度,提出一种改进的光流估计测速方法。在特征提取部分增加卷积块注意力模块(CBAM),增强其对河流表面波纹和示踪粒子运动的识别能力。通过优化光流迭代更新部分的损失函数,引入能体现流体运动特征的角误差损失和旋度散度平滑损失,并且为损失函数匹配随迭代次数呈指数增长的权重因子,突出高次迭代结果对于整体结果的显著影响。为验证改进方法的有效性,使用不同场景河流数据集对其进行性能评估,结果表明,该方法在复杂光学噪声场景下的平均相对误差为11.37%,具有较好的鲁棒性,能够生成更精准的表面速度空间分布图。

基于图像的河流表面测速研究综述

为了解决洪涝灾害环境下设备难布设、流速难测量、河流难监控等问题,结合河流管控领域近10年研究情况,基于非侵入式、低成本、高效的测量手段,概述从粒子图像测速技术(PIV)到深度学习方法的一系列图像测速技术.从图像采集、图像分析、图像后处理等方面探讨河流表面测速机理及存在的问题.通过比对与总结各方法差异性,提出对现有方法的改进需求,旨在提升河流流速的测量效率.

近红外成像的便携式大尺度粒子图像测速仪

开发了一种用于河流表面流速场测量的便携式大尺度粒子图像测速仪(large-scale particle image velocimeter,LSPIV)。该仪器基于一台以图像处理专用DSP为核心的智能相机,代替PC高效地完成图像采集和处理的任务。首先利用近红外波段下水流示踪物(弱小目标)和水体光强反射率的差异,在单色CMOS传感器前加装红外滤镜抑制水面光学噪声,增强弱小目标与背景间的对比度,提高了后续运动矢量估计中相关曲面的峰值信噪比。其次,提出了一种基于时空联合滤波的时均流场重建方法,利用河流流场中的先验和冗余信息识别并修正错误矢量,改善了天然河流中由于示踪物密度过低或分布不均造成的表面流速估值过低问题。最后,通过静水和动水条件下的2组现场实测验证了近红外成像系统及图像处理算法的有效性。