1.一种免水尺的河流水位视觉测量方法,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完整断面的图像并做非线性畸变校正;
S2:在校正后的图像中的测量断面上选取水边线区域,其大小覆盖水位变幅;
S3:采用基于深度学习的PSPnet网络对选取的水边线区域进行图像分割,获得河岸为前景、水面为背景的二值图像;
S4:对二值图像进行水平投影并搜索梯度最大值得到水边线像点纵坐标的观测值;
S5:基于变高水面摄影测量模型迭代水位值计算水边线像点纵坐标,将其与观测值之差小于测量精度作为迭代停止条件得到水位近似值;
所述步骤S5中水边线像点纵坐标的计算方法为:
A1:求解左岸起点距,设当前河流的待测水位值为Hs,Hs初始值设为水位最低点,设置迭代步进,通过测量得到相机的高程h,进而求出相机距水面的高程H:H=h‑Hs (8)
A2:通过遍历左岸的断面高程信息来寻找每次迭代对应的左岸水边线的起点距,在进行遍历之前对所测断面地形高程数据点进行扩充,每隔b米进行一次断面高程测量,以采样间隔为m米利用线性插值函数对断面高程数据进行插值,插值点的高程公式如下:其中,xj为第j个点对应的起点距,pj为xj处对应的起点距高程,xj+1为第j+1个起点距,pj+1为xj+1处对应的起点距高程,x(j,j+1)为插值点的起点距,p(j,j+1)为插值点的x(j,j+1)对应的高程;
A3:根据扩充后的断面高程数据绘制出完整的河流断面地形图;从断面所测高程起点距最大值点开始由大到小遍历求取左岸水边线的起点距,比较当前起点距对应的断面高程值与当前迭代得到的水位值的大小,通过遍历水下地形高程插值直至小于等于当前迭代得到的水位值,获得河流左岸水边线起点距为A米;
A4:由物方坐标系下断面处左岸坐标反求像点坐标,测量得到相机的起点距为C,物理坐标系原点定义为相机光心在水位最低点水平面上的垂足点,所在的Y轴与所测断面高程区域重合,图像中断面处左岸水边线的横坐标看作为0,根据变高水面摄影测量模型结合断面处左岸水边线起点距A,求得左岸水边线在变高水面摄影测量模型中的物理纵坐标Yleft:Yleft=|A‑C| (10)
反求出在像素坐标系下的纵坐标y'left:
其中,m*n表示图像分辨率,s表示图像传感器的像元尺寸。
2.根据权利要求1所述的一种免水尺的河流水位视觉测量方法,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=[k1 k2 p1 p2] (2)
其中,Cx表示像主点的横坐标,Cy表示像主点的纵坐标,fx表示摄像机在像平面x轴上的等效焦距,fy表示摄像机在像平面y轴上的等效焦距,k1表示第一径向畸变参数,p1表示第一切向畸变参数,k2表示第二径向畸变参数,p2表示第二切向畸变参数;
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
3.根据权利要求2所述的一种免水尺的河流水位视觉测量方法,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(4)~公式(6)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1所述的一种免水尺的河流水位视觉测量方法,其特征在于,所述步骤S3具体为:采用基于深度学习的PSPnet网络对水边线区域进行图像分割,构建水体目标检测模型,获取不同光照、水流条件下的水边线区域图像,并进行人工标注,将水体和水岸用不同类别区分,获得样本训练集,然后构建基于图像语义分割的深度网络模型,深度网络模型输出为与输入图像分辨率相同的二值图像,通过深度网络模型获得河岸为前景、水面为背景的二值图像。
5.根据权利要求1所述的一种免水尺的河流水位视觉测量方法,其特征在于,所述步骤S3中PSPnet网络的网络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。
6.根据权利要求4所述的一种免水尺的河流水位视觉测量方法,其特征在于,所述步骤S3中深度网络模型获得河岸为前景、水面为背景的二值图像的过程为:输入图像InputImg;
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,深度可分离卷积需要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,最终经过下采样操作后得到Img_dw为原始图像大小的1/16;
之后对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;
“softmax分类器”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;分类得到水岸与水体的二值图像,输出为与输入图像分辨率相同的二值图像。
7.根据权利要求1所述的一种免水尺的河流水位视觉测量方法,其特征在于,所述步骤S4具体为:对二值图像以图片左下角端点为原点进行水平投影并搜索梯度最大值得到水边线像点纵坐标的观测值yleft,通过从左下角原点处开始,水平方向为横轴,竖直方向为纵轴,自下而上遍历每一行总的像素灰度值Gi,i=1、2、3···M,i为图像的纵坐标,当Gi+1‑Gi取最大值时得到yleft:
8.根据权利要求1所述的一种免水尺的河流水位视觉测量方法,其特征在于,所述步骤S5中水位近似值的求解方法为:根据左岸检测获取的水边线像点纵坐标yleft与每一次迭代得到的水边线像点坐标y'left的差值作为迭代停止条件,设置停止条件为w像素:|y'left‑yleft|<w (12)
取迭代停止时的水位值Hs作为实际水位的最佳近似值,在求解Hs时,先根据迭代停止时的水边线像素坐标求解图像坐标vleft:随后根据图像坐标带入变高水面摄影测量模型中求解高程差H:
最后根据公式(8)求得实际水位值的最佳近似值Hs。
9.根据权利要求1所述的一种免水尺的河流水位视觉测量方法,其特征在于,所述步骤S5中变高水面摄影测量模型具体为以相机光心在水位最低点处的水平面上的垂足点为原点,断面方向为Y轴,水流方向为X轴建立坐标系,将水位的高程信息引入物像尺度变换的转换过程的一种测量模型。