建立了基于運(yùn)動(dòng)結(jié)構(gòu)恢復(fù)方法和特征點(diǎn)匹配測(cè)速技術(shù)的無(wú)人機(jī)巡航測(cè)速系統(tǒng),實(shí)現(xiàn)了對(duì)河流大范圍表面流場(chǎng)的長(zhǎng)距離巡航監(jiān)測(cè).首先建立地面控制點(diǎn),并向水中投入示蹤物體;利用無(wú)人機(jī)巡航俯視拍攝河流表面,連續(xù)采集照片;采用運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)方法估算各時(shí)刻相機(jī)的姿態(tài)參數(shù),建立目標(biāo)區(qū)域正射投影網(wǎng)格,轉(zhuǎn)換得到正射影圖像;再利用加速魯棒特征算法識(shí)別和匹配連續(xù)粒子圖像中的特征點(diǎn),得到特征點(diǎn)坐標(biāo)和位移;進(jìn)行尺度轉(zhuǎn)化,最終得到流場(chǎng).該方法成功應(yīng)用于瑞士蘇黎世利馬特河表面流場(chǎng)測(cè)量,結(jié)果表明該方法得到的正射投影圖像質(zhì)量高,流場(chǎng)計(jì)算結(jié)果合理,與PIV方法相比誤差為3.4%,計(jì)算速度提升8倍;計(jì)算結(jié)果與水文站斷面實(shí)測(cè)值吻合良好. 

【文章來(lái)源】：應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào). 2020,28(06)北大核心EICSCD

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

正射投影網(wǎng)格

為增加粒子圖像的對(duì)比度，并減小水面噪點(diǎn)對(duì)特征點(diǎn)識(shí)別的影響，本文剔除灰度值小于30的像素點(diǎn)，并將30～120范圍的像素值均勻拉伸至0～255，突出示蹤粒子，結(jié)果如圖2(d).2.2 SURF特征點(diǎn)提取與匹配

本文采用2017年12月12日在瑞士蘇黎世的利馬特河(Limmat River,Zurich Switzerland)試驗(yàn)中拍攝的圖像進(jìn)行方法的說(shuō)明．現(xiàn)有第660幀和第661幀的粒子圖像的局部粒子區(qū)域(對(duì)應(yīng)于圖2 (d)中的紅色框圖部分，尺寸為136×153pixels)，如圖3 (a);利用Matlab2017b中的detect SURFFeatures函數(shù)，提取SURF特征點(diǎn)，其坐標(biāo)及尺度如圖3 (a);采用match Features函數(shù)匹配特征點(diǎn)，并定義匹配特征點(diǎn)位移閾值為15pixels，進(jìn)一步篩選出最優(yōu)匹配點(diǎn)對(duì)，如圖3(b);根據(jù)最佳匹配點(diǎn)，即可得到特征點(diǎn)的位移，如圖3(c)，其中綠色和紫紅色分別代表前后時(shí)刻的示蹤粒子，黃色箭頭代表特征點(diǎn)位移．2.3 特征點(diǎn)速度

【參考文獻(xiàn)】：
期刊論文
[1]基于運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)算法的油菜NDVI三維分布[J]. 張艷超,莊載椿,肖宇釗,何勇.  農(nóng)業(yè)工程學(xué)報(bào). 2015(17)
[2]基于SfM方法的高密度點(diǎn)云數(shù)據(jù)生成及精度分析[J]. 魏占玉,Arrowsmith Ramon,何宏林,高偉.  地震地質(zhì). 2015(02)
[3]丁壩群間取水建筑物局部流場(chǎng)及其沖淤變形的試驗(yàn)研究[J]. 哈岸英,李國(guó)棟,楊蘭,陳剛.  應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào). 2012(04)



本文編號(hào)：3531571