[发明专利]一种基于无人机的机器视觉涌潮流速测量方法

权利要求书

1.一种基于无人机的机器视觉涌潮流速测量方法，其特征在于，包括以下步骤：

步骤1：利用无人机搭载云台相机拍摄涌潮视频序列图像；

步骤2：将采集到的彩色图像每个像素点的R,G,B通道分别赋予不同的权重系数进行相加计算该像素点的灰度值，转化为灰度图像，并且计算图像中某一点的像素与其邻域像素点的灰度值的中值，用这个灰度值代替原来这个像素点的灰度值，去除相机摄像时自身产生的噪声和江面产生的部分水纹和光波进而提取出图像中的潮头线；

步骤3：对步骤2中的进行去噪处理后的图像利用Canny边缘检测来检测出图像中由于涌潮到来时，水位瞬间上升所产生特征明显的潮头线；

步骤4：对进行Canny边缘检测后的图像进行“膨胀”操作，目的是消除检测到的潮头线的边缘之间存在的空隙，得到一条连续平滑的潮头线；

步骤5：对图像由上到下，由右到左的顺序进行遍历，当像素值由0突变为255时，将这个点保存为point[0]，跳过本行的遍历，执行下一行的遍历，当再次检测到像素点突变的点时，比较这个点与上一行遍历得到点的横坐标的差值的绝对值，如果绝对值大于等于5，则判定该点与上一行检测到的点不连续，继续遍历这一行的点，直到找到与上一行点的横坐标的差值的绝对值小于5的点，并将其保存，循环这个过程，若遍历某行时无符合条件的点，即退出本次循环，统计本次循环结束后点的数量，如果本次循环得到的点的数量小于图像的行数减2，需要重新遍历图像，以上一次遍历得到的突变像素点point[0]的同一行的下一个突变点作为潮头线的起点开始遍历整幅图像，重复上述循环过程，直到得到一组点的数量等于图像的行数减2时，该组所有的点即为组成潮头线的点；

步骤6：基于步骤5提取出的潮头线，通过地面分辨率、像素点的位移、拍照的时间间隔信息计算出涌潮各点位的推进速度，无人机航测飞行高度与影像地面分辨率关系如下公式所示：

式中，f表示航测相机焦距，GSD表示地面分辨率，L表示相机感光器件长边或短边尺寸，a表示像片像素尺寸，H表示无人机飞行相对高度；

提取潮头线中任意一点(x1,y1)作为起点，在经过n帧后，其中，每帧的时间间隔为t，该点前进至点(x2,y1),因此，该点的速度如下公式所示：

。

2.根据权利要求1所述的一种基于无人机的机器视觉涌潮流速测量方法，其特征在于所述步骤1中涌潮视频序列图像的采集过程为：通过无人机搭载云台相机，设置相机的角度始终与地面保持垂直，悬停等待，当涌潮进入相机画面时进入拍摄模式，使得涌潮的传播方向垂直于相机的长边或者短边，以计算涌潮在图像中横轴方向或者纵轴方向上的传播速度。

3.根据权利要求1所述的一种基于无人机的机器视觉涌潮流速测量方法，其特征在于所述步骤3中Canny边缘检测的步骤为：

3-1：图像平滑并计算梯度值；

3-2：非极大值抑制；

3-3：利用双阈值进行检测和边缘连接。

4.根据权利要求3所述的一种基于无人机的机器视觉涌潮流速测量方法，其特征在于，所述步骤3-1中图像平滑具体步骤为：为了减少噪声对图像的影响，Canny算法对图像进行了高斯滤波处理，并且采用一阶有限差分计算偏导数的两个阵列P[i,j]与Q[i,j]，P[i,j]和Q[i,j]分别是经滤波处理后的垂直方向和水平方向的梯度，计算其幅值M[i,j]与方位角θ[i,j]。

5.根据权利要求3所述的一种基于无人机的机器视觉涌潮流速测量方法，其特征在于，所述步骤3-2中非极大值抑制具体步骤为：将中心像素点的梯度幅值与按梯度方向上搜索的相邻两个像素点的梯度幅值进行比较，若中心像素点的幅值均大于这两个相邻像素点的幅值，则保留，反之，则剔除，利用此方法遍历图像中所有的候选点，最终实现非极大值抑制。