1.一种河道水面漂浮物面积的视觉测量方法,其特征在于,包括如下步骤:S1:利用标定好内参和外参的相机拍摄河流水面图像并做非线性畸变校正;
S2:根据水位与断面地形计算两岸水边线的起点距,并基于变高水面摄影测量模型反求水边线的像点坐标,确定水面区域的图像位置;
S3:基于中央周边模型的多尺度Retinex算法对水面区域进行非均匀光照校正;
S4:采用基于深度学习的PSPnet网络对步骤S3校正后的图像进行分割,获得漂浮物为前景、水面为背景的二值图像;
S5:遍历二值图像中的前景像素,根据物像尺度因子计算单个前景像素所对应的物理面积,累加后得到漂浮物总面积。
2.根据权利要求1所述的一种河道水面漂浮物面积的视觉测量方法,其特征在于,所述步骤S1中相机的内参标定方法为:
在实验室中标定相机内参矩阵K和畸变参数矩阵D如下:D=[k1k2p1p2] (2)其中(Cx,Cy)表示畸变图像的像主点坐标,Cy表示像主点的纵坐标,fx、fy分别表示摄像机在像平面x轴和y轴方向上的等效焦距,k1、k2表示径向畸变参数,p1、p2表示切向畸变参数,根据图像传感器的像元尺寸s得到相机焦距f:f=(fx+fy)·s/2 (3)相机的外参标定方法为:
在河岸边架设相机,使其视场覆盖最高水位时的完整端面且光轴与断面方向平行,利用倾角传感器测量相机相对于水平面的俯仰角ω和横滚角 利用水准仪和水位计测量相机距水面的高程H:
H=h‑l (4)其中,h表示水准仪测得的相机距水位基准点的高程,l表示水位计读取的水位值;利用激光测距仪测量相机相对于断面零点桩的起点距D。
3.根据权利要求2所述的一种河道水面漂浮物面积的视觉测量方法,其特征在于,所述步骤S1中非线性畸变校正的具体方法:
其中,(x',y')和(x,y)分别为畸变和无畸变的相机坐标,它们与对应的图像坐标(u',v')和(u,v)间满足:
公式(5)~公式(7)建立了无畸变图像坐标到畸变图像坐标的变换关系。
4.根据权利要求2所述的一种河道水面漂浮物面积的视觉测量方法,其特征在于,所述步骤S2中两岸水边线的起点距的计算包括如下步骤:A1:以零点桩为原点,断面方向为Y轴,水流方向为X轴建立坐标系;
A2:根据现有的河流断面地形数据,利用线性插值函数每间隔dm对水深数据进行补充,绘制出完整的河流断面地形图,插值公式如下:p(i,i+1)=pi+(x(i,i+1)‑xi)/(xi+1‑xi)·(pi+1‑pi) (8)其中xi为第i个点对应的起点距,pi为xi处对应的起点距高程,xi+1为第i+1个起点距,pi+1为xi+1处对应的起点距高程,x(i,j+1)为扩充的起点距,p(i,j+1)为扩充的x(i,j+1)对应的高程;
A3:搜索右水边界,从起点距为0的点开始,比较当前起点距对应的水位值与实际水位值的大小,遍历水下地形直至小于等于水位,得到河流右岸起点距a;同理,搜索左水边界,得到河流左岸起点距b,便可得到物方坐标系下断面处左右两岸的Y轴坐标值:
5.根据权利要求4所述的一种河道水面漂浮物面积的视觉测量方法,其特征在于,所述步骤S2中水面区域的图像位置的确定方法为:将图像中断面处左右两岸水边线的横坐标值Xleft与Xright看作为0,根据变高水面摄影测量模型结合断面处左右两岸边界点的Y轴坐标值便可反求出像点坐标:其中,m·n表示图像分辨率,s表示图像传感器的像元尺寸;由此便可计算出用以确定图像中水面区域的四个变量分别为0,yleft,m,L,水面区域是以0,yleft为左上角顶点,长为m,宽为L的矩形区域,其中:
L=|yleft‑yright| (11)。
6.根据权利要求1所述的一种河道水面漂浮物面积的视觉测量方法,其特征在于,所述步骤S3中非均匀光照校正的具体方法为:将确定的水面区域图像I(i,j)作为多尺度Retinex算法的输入,将高斯函数作为环绕函数与水面区域图像I(i,j)进行卷积,得到反应物体本质的校正后图像R(i,j):
其中, 代表卷积操作,k表示高斯环绕函数的个数,c为高斯环绕函数的尺度常数,Wk表示k个高斯环绕函数时的相关权值;Gk(i,j)表示高斯环绕函数,其表达式为:
7.根据权利要求1所述的一种河道水面漂浮物面积的视觉测量方法,其特征在于,所述步骤S4中PSPnet网络的结构包括依次连接的多组卷积层、多组反卷积层和softmax分类器。
8.根据权利要求7所述的一种河道水面漂浮物面积的视觉测量方法,其特征在于,所述步骤S4中二值图像的获取方法具体为:
B1:将校正后图像R(i,j)输入到PSPnet网络:CONV1(3*3*3*32)→DW_CONV(3*3*1*32+1*1*32*64)→DW_CONV(3*3*1*64+1*1*64*
128)→DW_CONV(3*3*1*128+1*1*128*128)→DW_CONV(3*3*1*128+1*1*128*256)→DW_CONV(3*3*1*256+1*1*256*256)→DW_CONV(3*3*1*256+1*1*256*512)→DW_CONV(3*3*1*512+1*
1*512*512)→DW_CONV(3*3*1*512+1*1*512*512)→DW_CONV(3*3*1*512+1*1*512*512)→DW_CONV(3*3*1*512+1*1*512*512)→DW_CONV(3*3*1*512+1*1*512*512);
其中“CONV1”代表卷积层,包括卷积、BatchNormalization和ReLU操作,括号内部为该层所使用的卷积核的参数即宽度*长度*通道数*卷积核个数;“DW_CONV”代表深度可分离卷积层,包括分离卷积、BatchNormalization和ReLU操作,深度可分离卷积用到两个卷积核先后对输入图像进行卷积操作,括号内部为该层所使用的两个卷积核的参数即宽度*长度*通道数*卷积核个数,最终经过一系列下采样操作后得到Img_dw为原始图像大小的1/16;
B2:对Img_dw进行上采样操作,使其恢复到原始图像大小:CONV2(3*3*512*512)→Up_Sampling(2,2)→CONV2(3*3*512*256)→Up_Sampling(2,
2)→CONV2(3*3*256*128)→Up_Sampling(2,2)→CONV2(3*3*128*64)→Up_Sampling(2,2)→CONV2(3*3*64*32)→CONV3(3*3*32*2)其中,“CONV2”代表卷积层,包括卷积和BatchNormalization操作;“CONV3”也代表卷积层,但只有卷积操作,括号内部为该层卷积核参数即宽度*长度*通道数*卷积核个数;“Up_Sampling”代表上采样操作,括号内部为宽度方向上采样倍数和长度方向上采样倍数;对各个输入分类器的概率值做指数计算,经归一化后,最大值所代表的类别即为分类结果;分类得到漂浮物与水面的二值图像,输入为非均匀光照校正后的图像,输出为与输入图像分辨率相同的二值图像,输出图像为Q(i,j),将漂浮物标为前景,对应像素值PX为255,无漂浮物的水面区域标为背景。
9.根据权利要求1所述的一种河道水面漂浮物面积的视觉测量方法,其特征在于,所述步骤S5中漂浮物总面积的计算包括如下步骤:C1:计算图像Q(i,j)中单个像素点对应的物像尺度因子,相平面上的任意一个像素点p(i,j),其对应物平面的点为P(i,j),将该像素点p在x,y方向上的二维物像尺度因子用其物点P和相邻像素对应物点间的距离来描述:C2:求出x,y方向上的二维物像尺度因子后相乘,得到图像中某一像素点所对应的物理面积ΔA(i,j)即:
ΔA(i,j)=ΔSx(i,j)·ΔSy(i,j) (15)C3:遍历二值图像中PX=255的像素点,累加后便可得到漂浮物的总物理面积A: