无人机巡航测量河流表面流场的方法与应用

发布时间：2021-12-10 00:18

　　建立了基于运动结构恢复方法和特征点匹配测速技术的无人机巡航测速系统,实现了对河流大范围表面流场的长距离巡航监测.首先建立地面控制点,并向水中投入示踪物体;利用无人机巡航俯视拍摄河流表面,连续采集照片;采用运动恢复结构方法估算各时刻相机的姿态参数,建立目标区域正射投影网格,转换得到正射影图像;再利用加速鲁棒特征算法识别和匹配连续粒子图像中的特征点,得到特征点坐标和位移;进行尺度转化,最终得到流场.该方法成功应用于瑞士苏黎世利马特河表面流场测量,结果表明该方法得到的正射投影图像质量高,流场计算结果合理,与PIV方法相比误差为3.4%,计算速度提升8倍;计算结果与水文站断面实测值吻合良好. 

【文章来源】：应用基础与工程科学学报. 2020,28(06)北大核心EICSCD

【文章页数】：10 页

【部分图文】：

正射投影网格

为增加粒子图像的对比度，并减小水面噪点对特征点识别的影响，本文剔除灰度值小于30的像素点，并将30～120范围的像素值均匀拉伸至0～255，突出示踪粒子，结果如图2(d).2.2 SURF特征点提取与匹配

本文采用2017年12月12日在瑞士苏黎世的利马特河(Limmat River,Zurich Switzerland)试验中拍摄的图像进行方法的说明．现有第660帧和第661帧的粒子图像的局部粒子区域(对应于图2 (d)中的红色框图部分，尺寸为136×153pixels)，如图3 (a);利用Matlab2017b中的detect SURFFeatures函数，提取SURF特征点，其坐标及尺度如图3 (a);采用match Features函数匹配特征点，并定义匹配特征点位移阈值为15pixels，进一步筛选出最优匹配点对，如图3(b);根据最佳匹配点，即可得到特征点的位移，如图3(c)，其中绿色和紫红色分别代表前后时刻的示踪粒子，黄色箭头代表特征点位移．2.3 特征点速度

【参考文献】：
期刊论文
[1]基于运动恢复结构算法的油菜NDVI三维分布[J]. 张艳超,庄载椿,肖宇钊,何勇.  农业工程学报. 2015(17)
[2]基于SfM方法的高密度点云数据生成及精度分析[J]. 魏占玉,Arrowsmith Ramon,何宏林,高伟.  地震地质. 2015(02)
[3]丁坝群间取水建筑物局部流场及其冲淤变形的试验研究[J]. 哈岸英,李国栋,杨兰,陈刚.  应用基础与工程科学学报. 2012(04)



本文编号：3531571