一种智能水位监测方法及系统与流程

本发明涉及数字地形分析，尤其涉及一种智能水位监测方法及系统。

背景技术：

1、目前，随着水利信息化建设以及河长制的推广，视频监控设备成为了河流的标准配置，为水位图像识别方法的研究提供了数据基础。水位图像识别方法基本过程为：首先分割图像中水面与非水面部分，然后识别水位线，并结合水尺或其他参照物的高程信息进行水位值计算，其中包括：a、利用边缘检测算子定位水尺，使用形态学开运算获取水尺刻度线，建立像素高度查找表推算水位，b、将水尺图像与标准水尺模板控制点匹配进行水位识别，c、采取图像灰度差分法提取水面区域，根据相机标定结果进行曲线拟合识别水位。可见，水位值的计算依赖于水位线的识别，传统的图像处理方法对水尺定位来识别水位线时，通常针对图像中人工选取的单一灰度特征进行处理，但在应用时难以适应复杂多变的环境条件。以及深度学习算法可以在大量水面场景数据驱动下提取图像的泛化特征，相比于传统图像处理算法环境稳定性更强，已有通过训练ssd(single shotmultibox detector)目标检测模型得到水尺区域，根据像素高程关系计算水位值。以及引入深度语义分割网络进行水位线识别，无需定位识别水尺直接获取水位，但该类设备成本投入高且容易受环境影响。进而亟需提出一种成本低廉且准确度高的水位监测系统。

技术实现思路

1、本发明的主要目的在于提供一种智能水位监测方法及系统，旨在解决现有的水位监测系统性价比不高的技术问题。

2、为实现上述目的，本发明提供一种智能水位监测系统，所述系统包括图像采集端和图像处理端；

3、所述图像采集端包括用于实时采集目标区域的水域图像，并传输至图像处理端，所述水域图像包括水面及周围环境图像；

4、所述图像处理端用于分别对实时接收的图像进行图像分割处理、获取深度图像、水平面图像重建、水平面图像拟合出处理，以确定相应时刻下的目标区域的水平面图像，并根据相邻时刻的目标区域的水平面图像来确定目标区域的水面变化。

5、可选地，所述图像采集采用双目相机获取目标区域的水面及周围环境图像。

6、此外，为了实现上述目的，本发明还提供一种智能水位监测方法，所述智能水位监测方法应用于智能水位监测系统，所述智能水位监测方法包括以下步骤：

7、步骤1，图像采集端通过双目相机实时获取目标区域的水域图像并传输至图像处理端，其中同一时刻下双目相机采集的水域图像括左目图像和右目图像；

8、步骤2，图像处理端分别对实时接收的图像进行图像分割处理、获取深度图像、水平面图像重建、水平面图像拟合出处理，以确定相应时刻下的目标区域的水平面图像，并根据相邻时刻的目标区域的水平面图像来确定目标区域的水面变化。

9、可选地，在步骤2中，图像处理端分别对实时接收的图像进行图像分割处理、获取深度图像、水面图像重建、水平面图像拟合出处理的步骤具体包括：

10、步骤21，将同一时刻的左右目图像分别采用开放语言分割-ovseg模型进行语义分割处理，得到同一时刻的左右语义图像；

11、步骤22，将同一时刻的左右目图像分别根据crestereo模型、三角测量原理和双目相机的参数确定对应时刻的水平面深度图像；

12、步骤23，将步骤22得到的水平面深度图像以及步骤21中得到的左右语义图像采用小孔相机模型确定对应时刻的水平面三维重建图；

13、步骤24，将步骤23中获取的水平面三维重建图进行最小二乘法拟合，得到对应时刻的水平面图像。

14、可选地，所述步骤22具体包括：

15、采用crestereo模型获取同一时刻的左右目图像的视差值；

16、根据左右目图像的视差值、双目相机的参数以及基于三角测量原理获取对应时刻下对应的水平面深度值，水平面深度值包括所有像素点所对应的深度值；

17、将每个像素点的深度值映射到图像中的对应位置，得到对应时刻的水平面深度图像。

18、可选地，在步骤23中，

19、小孔相机模型的公式为

20、

21、其中，(u,v)表示图像平面上的像素坐标，(x,y,z)表示物体在相机坐标系中的三维坐标，zc为像素深度，右边3阶矩阵为相机内参。

22、可选地，在步骤24具体包括：

23、将水平面三维重建图以平面方程为ax+by+cz+d＝0表示，其中(x,y,z)是平面上的任意一点；

24、并计算ax+by+cz+d＝0中的系数a、b、c和d。

25、可选地，所述计算ax+by+cz+d＝0中的系数a、b、c和d的步骤包括：

26、计算给定n个点的均值(x_mean,y_mean,z_mean)；

27、计算每个点(x_i,y_i,z_i)相对于均值的偏差，即dx_i＝x_i-x_mean，dy_i＝y_i-y_mean，dz_i＝z_i-z_mean。

28、构建一个nx3的矩阵a，其中每行是一个偏差向量[dx_i,dy_i,dz_i]。

29、对矩阵a进行奇异值分解(svd)得到u、s、v矩阵，其中，平面法向量的系数为[a,b,c]是v矩阵的最后一列对应的右奇异向量，平面的d系数可以通过将法向量代入平面方程中，使用任意一个点的坐标得到。

30、可选地，在步骤2中，根据相邻时刻的目标区域的水平面图像来确定目标区域的水面变化的步骤，包括：

31、采用下述公式来获取实际的水面变化距离是

32、其中dt为t时刻所对应的水平面系数，dt+1为t+1时刻所对应的水平面系数，a，b，c的平均值为t时刻、t+1时刻对应的水平面方程系数的均值。

33、可选地，在步骤1中还包括：

34、将双目相机实时获取的目标区域的水面图像进行图像压缩后传输至图像处理端

35、有益效果：

36、本发明的智能水位监测系统通过非接触性测量即通过采用双目相机进行水位监测，消除了传统方法中的接触限制和安全隐患。以及仅需一个双目相机和一个4g通信模块，具有较低的硬件成本和安装复杂性。此外，通过将图像上传至云端进行计算，可以大规模部署且显著降低计算成本。这与智能化数字化管理的理念相契合。同时，利用深度神经网络，即通过语义分割、深度估计和三维重建步骤实现水位的实时监测，进而能够实时测量水位变化并提供高精度的测量结果。此外，通过双目相机实现了自动化监测，减少了人工操作需求，提高了监测效率和准确性。因此，本发明提供了通用的水位监测解决方案，适用于各种场景和应用领域，从水资源管理到环境监测，都具备广泛的应用潜力。

技术特征：

1.一种智能水位监测系统，其特征在于，所述系统包括图像采集端和图像处理端；

2.如权利要求1所述的智能水位监测系统，其特征在于，所述图像采集端采用双目相机获取目标区域的水域图像，所述水域图像括左目图像和右目图像。

3.一种智能水位监测方法，其特征在于，所述智能水位监测方法应用于智能水位监测系统，所述智能水位监测方法包括以下步骤：

4.如权利要求3所述的智能水位监测方法，其特征在于，在步骤2中，图像处理端分别对实时接收的图像进行图像分割处理、获取深度图像、水面图像重建、水平面图像拟合出处理的步骤具体包括：

5.如权利要求4所述的智能水位监测方法，其特征在于，所述步骤22具体包括：

6.如权利要求4所述的智能水位监测方法，其特征在于，在步骤23中，小孔相机模型的公式为

7.如权利要求4所述的智能水位监测方法，其特征在于，在步骤24具体包括：

8.如权利要求7所述的智能水位监测方法，其特征在于，所述计算ax+by+cz+d＝0中的系数a、b、c和d的步骤包括：

9.如权利要求8中所述的智能水位监测方法，其特征在于，在步骤2中，根据相邻时刻的目标区域的水平面图像来确定目标区域的水面变化的步骤，包括：

10.如权利要求3至7中任一项所述的智能水位监测方法，其特征在于，在步骤1中还包括：

技术总结本发明公开了一种智能水位监测方法及系统，其中所述系统包括图像采集端和图像处理端；所述图像采集端包括用于实时采集目标区域的水域图像，并传输至图像处理端，所述水域图像包括水面及周围环境图像；所述图像处理端用于分别对实时接收的图像进行图像分割处理、获取深度图像、水平面图像重建、水平面图像拟合出处理，以确定相应时刻下的目标区域的水平面图像，并根据相邻时刻的目标区域的水平面图像来确定目标区域的水面变化。本发明旨在获取成本低廉且准确度高的水位监测系统。技术研发人员：朱慧颖,朱红桥受保护的技术使用者：湖南正源金山水务有限公司技术研发日：技术公布日：2024/8/1