張 帆， 靳曉妍

(湖南大學(xué)電氣與信息工程學(xué)院，湖南 長沙 410082)

0 引 言

水電站是實現(xiàn)水能到電能的水利樞紐工程，持續(xù)、穩(wěn)定的電能對人民的日常生活與生命安全具有重要作用。在水電站的安全調(diào)控和運(yùn)行優(yōu)化過程中，實時水位數(shù)據(jù)具有重大意義。在水位測量領(lǐng)域，現(xiàn)有水位檢測方法主要有接觸式與非接觸式兩種[1-2]：常用的接觸式[3-4]方法有電容式、壓力式水位檢測方法等，這種方式與水體直接接觸，故障率相對較高；非接觸式[5-9]包括超聲波、雷達(dá)、圖像處理等檢測水位方法。超聲波、雷達(dá)檢測方法是向水體表面發(fā)射脈沖波，根據(jù)反射波的接收時間來計算水位高度，但波動水體對檢測的精度有較大影響，不適用于小型水電站。圖像處理檢測水位[10-18]方法在很多場景得到了應(yīng)用，大多是通過模板匹配或圖像差分的方法辨識圖像中標(biāo)尺的刻度來確定水位高度，但標(biāo)尺很容易受水體污染腐蝕刻度，影響檢測精度，限制了這種方法的推廣應(yīng)用。

本文提出一種基于移動激光與視頻圖像處理技術(shù)的水位監(jiān)測方法，采用光斑提取與目標(biāo)跟蹤算法識別激光軌跡，從而得到水位信息來計算水位高度。該方法不需要背景標(biāo)尺，因此避免了水體污染標(biāo)尺而影響檢測精度的問題。

1 總體方案

所設(shè)計水位監(jiān)測系統(tǒng)的結(jié)構(gòu)示意圖如圖1所示。

圖1 系統(tǒng)結(jié)構(gòu)圖

系統(tǒng)主要由背板、支架、擋板、嵌入式設(shè)備、攝像機(jī)、激光模組與電機(jī)組成。背板采用磨砂表面，支架采用鋼構(gòu)支架，擋板安裝在支架上方，可以遮擋強(qiáng)光和雨水。嵌入式設(shè)備安裝在水平支架上，控制攝像機(jī)、激光模組與電機(jī)的開閉。攝像機(jī)固定在水平支架下沿，并斜向下面對背板，保證水位高低變化均處在攝像機(jī)拍攝范圍。電機(jī)帶動激光模組轉(zhuǎn)動，調(diào)整激光模組的角度，使激光模組照射在背板的激光點從上到下移動至水面。攝像機(jī)采集激光點移動期間的視頻圖像，檢測時根據(jù)圖像的顏色特征提取紅色激光點，根據(jù)激光點在視頻圖像中的移動軌跡確定水位線在圖像中的位置，依據(jù)幾何關(guān)系計算得到實際水位高度，并傳輸水位數(shù)據(jù)至服務(wù)器。系統(tǒng)結(jié)構(gòu)原理圖如圖2所示。

圖2 系統(tǒng)結(jié)構(gòu)原理圖

2 水位識別與計算

水位監(jiān)測系統(tǒng)主要包括光斑提取、圖像水位判別與實際水位高度計算三個部分。

2.1 光斑提取

2.1.1 紅色區(qū)域提取

激光模組照射出的激光點顏色為紅色，其在自然界極少出現(xiàn)，所以根據(jù)圖像顏色特征進(jìn)行光斑識別，從而提取目標(biāo)光斑。傳統(tǒng)的圖像色彩分析大多基于RGB顏色模型，將紅、綠、藍(lán)三色通過加色法配置出人眼看到的顏色，難以單獨得到紅色區(qū)域。為了得到完整的紅色區(qū)域，將RGB格式的圖像轉(zhuǎn)換到HSV色彩空間，計算公式如下：

式中：R（Red）、G（Green）、B（Blue）——圖像的紅、綠、藍(lán)色彩分量；

H（Hue）——顏色的色調(diào)，如紅、黃、藍(lán)等，其度量范圍為 [0 180]；

S（Saturation）——顏色的飽和度，指的是顏色的深淺程度，其范圍為 [0 255]；

V（Value）——顏色的亮度，范圍為 [0 255]。

HSV顏色模型更加符合人眼能夠感知的顏色特性。轉(zhuǎn)換后的圖像如圖3（a）所示。根據(jù)OpenCV（open source computer vision library）提供的 HSV顏色模型標(biāo)準(zhǔn)，模糊紅色范圍為 H[0 10] &[156 180]，S[43 255]，V[46 255]。通過設(shè)定 HSV 三通道，特別是H通道的閾值對圖像進(jìn)行分割，從而得到包含全部紅色光斑區(qū)域的灰度圖，由于反射的紅色光斑較淺，為了準(zhǔn)確識別，將S通道的范圍適當(dāng)放寬，可得到如圖3（b）的圖像。

2.1.2 形態(tài)學(xué)處理

經(jīng)過閾值分割后的圖像光斑較小，形狀不規(guī)則，還可能存在一些噪點，影響目標(biāo)光斑的提取，對圖像進(jìn)行形態(tài)學(xué)處理可以去除光斑內(nèi)的孔洞與噪點，得到更清晰的光斑圖像。膨脹和腐蝕是最基本的圖像形態(tài)學(xué)處理，在消除圖像毛刺，使輪廓光滑等方面具有優(yōu)異效果。其中膨脹是求圖像的局部最大值，經(jīng)過膨脹后的圖像擁有更大的高亮區(qū)域，可對光斑內(nèi)部的區(qū)域進(jìn)行填充，消除孔洞，腐蝕是求圖像的局部最小值，圖像經(jīng)過腐蝕后高亮區(qū)域變小，還原圖像信息。對每幀圖像進(jìn)行先膨脹后腐蝕的閉運(yùn)算，填充光斑像素間斷，消除冗余像素。經(jīng)過形態(tài)學(xué)處理后的圖像如圖3（c）所示。

2.1.3 中值濾波

形態(tài)學(xué)處理后的圖像可能存在由于環(huán)境干擾產(chǎn)生的噪聲，如熱噪聲、椒鹽噪聲等，需要對其進(jìn)行低通濾波去噪，這里選用中值濾波，可以在保留圖像目標(biāo)光斑的前提下濾除孤立噪聲點。中值濾波將與周圍一定區(qū)域的像素值差距過大的點判斷為噪聲點，對其按照周圍像素點的中值重新設(shè)定，從而消除噪聲。經(jīng)過中值濾波后，小于設(shè)定大小區(qū)域的噪聲被濾除，期望的光斑會被保留，得到的圖像如圖3（d）所示。

圖3 圖像處理過程圖

2.2 圖像水位判別

2.2.1 靜止水體水位判別

為了得到光斑的移動軌跡，需要對檢測到的光斑進(jìn)行跟蹤，由于攝像機(jī)為斜上方拍攝，光斑的形狀在移動中會發(fā)生變化，采用基于ASMS的目標(biāo)跟蹤[19]算法跟蹤光斑位置?；贏SMS的目標(biāo)跟蹤算法基于mean-shift框架。在OpenCV中，基于mean-shift的目標(biāo)跟蹤算法主要過程為：1）對圖像中的目標(biāo)區(qū)域進(jìn)行直方圖描述；2）根據(jù)直方圖構(gòu)建下一幀的反向投影圖；3）在反向投影圖中迭代找出與目標(biāo)區(qū)域相似性最大處，即為目標(biāo)移動的位置。

基于ASMS的目標(biāo)跟蹤算法加入了先驗（尺度不劇變）作為正則項，提高目標(biāo)跟蹤正確率，算法基本流程如下：

1）選取視頻圖像第一幀，將圖像中的光斑區(qū)域手動框選，將此區(qū)域作為模板區(qū)域，對此區(qū)域以直方圖形式進(jìn)行描述。

2）設(shè)定相似性度量閾值，當(dāng)計算得到的相似性度量函數(shù)結(jié)果大于等于此定值時，認(rèn)為此處區(qū)域為跟蹤目標(biāo)。

3）從下一幀圖像的上一幀圖像目標(biāo)區(qū)域中心點開始迭代，與模板區(qū)域進(jìn)行相似性對比，使用的相似性度量函數(shù)為：式中：u——區(qū)域直方圖的索引；因子矯正相似性的計算。

4）計算光斑區(qū)域的尺寸參數(shù)，將其作為正則項

5）對比同一圖像的所有待匹配區(qū)域與模板區(qū)域的相似性，選擇大于等于相似性度量閾值的區(qū)域作為本幀圖像的匹配結(jié)果，記錄此區(qū)域的中心點坐標(biāo)。

6）重復(fù)步驟 3）、4）、5），對所有圖像進(jìn)行處理，直至視頻所有圖像檢測結(jié)束。

經(jīng)過以上步驟處理后可以得到直射光斑與反射光斑的移動軌跡坐標(biāo)，觀察光斑軌跡發(fā)現(xiàn)，激光點移動過程主要分為以下四個階段：

1）系統(tǒng)開始運(yùn)行后激光亮起，背板上端出現(xiàn)激光模組直射的激光點，由于光的反射，水面上出現(xiàn)反射激光點。

2）隨著直射激光點向下移動至接近水位線，水面上的反射激光點也接近水位線并向上移動。

3）直射激光點與反射激光點在水位線位置重合。

4）直射激光點繼續(xù)向下移動，反射激光點繼續(xù)向上移動，遠(yuǎn)離水位線一定位置后熄滅。

激光軌跡示意圖如圖4所示。

故判斷，直射光斑與反射光斑的坐標(biāo)差值為0或小于設(shè)定閾值時光斑坐標(biāo)為水位線位置坐標(biāo)，即圖4中c圖的位置。

2.2.2 波動水體水位判別

水體靜止只存在于少數(shù)情況，在實際生產(chǎn)中大多數(shù)情況下水體呈現(xiàn)波動狀態(tài)，水體波動情況下視頻圖像中的光斑狀態(tài)可能不同：當(dāng)直射激光打在背板時，水面上可能出現(xiàn)復(fù)數(shù)反射光斑，且形狀不規(guī)則，面積變化較大，當(dāng)直射激光打在水面時，水面可能由于水體波動出現(xiàn)多個光斑，背板上的反射光斑也可能為復(fù)數(shù)，或互相粘連。

為了將水位線以上和水位線以下的光斑進(jìn)行區(qū)分，采取靜態(tài)數(shù)據(jù)分析中的數(shù)據(jù)聚類技術(shù)對濾波后的光斑圖像進(jìn)行分析。

K-means算法[20]是最常用的聚類分析算法之一，它將距離越近的對象判定為相似性越大，以此為根據(jù)對多個對象進(jìn)行分類，基本流程如下：

1）在整幅圖像中隨機(jī)選取K個對象作為聚類質(zhì)心，本方法為了將圖像光斑依據(jù)水位線以上和水位線以下進(jìn)行分類，取K=2。

2）假設(shè)光斑對象共有N個，對于每一個對象，找到距離它最近的質(zhì)心作為標(biāo)簽，若N=1，則直接分為一類，分類結(jié)束。計算方式如下：

式中：c——類標(biāo)簽；

x——各個光斑對象；

3）對于同樣標(biāo)簽的類，更新其質(zhì)心，公式如下：

4）重復(fù)步驟2）和3），不斷劃分新的聚類，計算新的質(zhì)心，直至新的質(zhì)心和上一次計算的質(zhì)心相同或差距小于設(shè)定的閾值，判斷此時聚類收斂，分類結(jié)束，記錄此時兩類光斑的質(zhì)心位置。

光斑圖像經(jīng)過分類后可得到直射激光點類與反射激光點類的移動軌跡，將兩類質(zhì)心的移動軌跡作為直射與反射光斑的移動軌跡坐標(biāo)。

由于水體波動、光照強(qiáng)等原因，水面上的激光點可能由于不清晰而導(dǎo)致誤檢，或由于光的反射呈現(xiàn)復(fù)數(shù)激光點，不能簡單地將兩個激光點重合時判斷為水位位置。觀察發(fā)現(xiàn)，當(dāng)直射激光點到達(dá)水位線之前，較上端的光斑為直射激光點，且向下移動；當(dāng)直射激光點到達(dá)水位線之后，較上端的激光為反射激光點，且向上移動。因此，判斷圖像上端首個激光點類的移動軌跡最下方為水位線位置。

2.3 水位高度計算

構(gòu)建系統(tǒng)幾何關(guān)系圖，如圖5所示。經(jīng)過圖像水位判別方法后得到的水位在圖像中的位置為C，此處像素值即為AC的長度。攝像機(jī)采集圖像為640×480像素大小，圖像縱向長度AD為480像素，攝像機(jī)的廣角為41.41°，圖像中水位以上部分的角度∠AOC即α的大小可由下式計算：

圖5 系統(tǒng)幾何關(guān)系圖

攝像機(jī)在支架上的位置為O，圖5中虛線部分OA，OD為攝像機(jī)的廣角，其視野最高點為A，支架拐角處為Q。標(biāo)尺測量得到AQ與OQ的長度，則∠AOQ即β的計算式為：

在 △OQC′′中，根據(jù)正切定理，可以得到水面以上背板的高度的計算式：

背板固定在墻壁上，已知背板長度QX，可得到水位線距離背板底端的高度的計算式：

通過以上計算得到實際水位高度，若計算水位線距離水底的高度，可在公式（8）中增加背板底端到水底的距離。系統(tǒng)事先設(shè)定一個固定值作為安全水位閾值，一旦實際水位等于或超過安全水位閾值，系統(tǒng)會發(fā)送警報至管理人員。

3 實驗結(jié)果與分析

3.1 裝置組成

選用 Raspberry Pi基金會的 Raspberry Pi 4B 開發(fā)板作為嵌入式設(shè)備，支持4 GB運(yùn)行內(nèi)存，體積小，性能強(qiáng)。垂直水面的支架長度為1.8 m，水平支架長度為1.6 m，可以使攝像機(jī)廣角覆蓋水位高低變化極限。攝像機(jī)內(nèi)置5 000萬像素，通過HDMI線與樹莓派進(jìn)行數(shù)據(jù)傳輸。電機(jī)選用可240°旋轉(zhuǎn)的舵機(jī)，由樹莓派供電并工作在5 V電壓下。電機(jī)通過機(jī)械結(jié)構(gòu)帶動激光模組勻速轉(zhuǎn)動，調(diào)整激光模組的角度，使激光模組照射在背板的紅色激光點從上到下移動至水面。多次試驗發(fā)現(xiàn)激光模組直接全壓（5 V）啟動會對其產(chǎn)生電流沖擊現(xiàn)象，縮短使用壽命，故選用PWM調(diào)壓啟動來保護(hù)激光模組。

系統(tǒng)安裝的實物圖如圖6所示。

圖6 實物安裝圖

3.2 實驗結(jié)果

分別在水位變化明顯的14:00-17:00與23:00-01:00時間段依據(jù)以下步驟進(jìn)行實驗：

1）關(guān)閉水電站的發(fā)電機(jī)，將水體靜止時人工觀測水尺得到的水位數(shù)據(jù)作為水位高度依據(jù)。

2）記錄同一時間該水位檢測系統(tǒng)檢測的水位高度作為靜止水體測量水位方法的結(jié)果。

3）開啟水電站的發(fā)電機(jī)后，水體開始波動，系統(tǒng)重新檢測此時的水位高度，將此高度作為波動水體測量水位方法的結(jié)果。

4）使用基于模板匹配的圖像處理檢測水位方法測量此時的水位值。

選取時段的水位從51.48～177.84 cm，變化幅度為126.36 cm，白天進(jìn)行48組對比實驗，夜晚進(jìn)行34組對比實驗，該水位監(jiān)測系統(tǒng)拍攝的每段視頻包含激光點從上到下移動一次的時間，均為23.74 s，每秒拍攝32幀，視頻處理所需時間在25～60 s之間，造成這種差距的原因是夜晚的視頻圖像基本為黑色，圖像信息較少，處理較快。模板匹配法在夜晚測量時進(jìn)行人工補(bǔ)光。

計算得到的數(shù)據(jù)如表1所示，E為與人工測量水位相比的絕對誤差，系統(tǒng)靜止水體測量方法的數(shù)據(jù)量為N1，占比為σ1，系統(tǒng)波動水體測量方法的數(shù)據(jù)量為N2，占比為σ2，基于模板匹配的圖像處理檢測水位方法的數(shù)據(jù)量為N3，占比為σ3。

條件 樣本數(shù)E/cmN1σ1/%N2σ2/%N3σ3/%

白天 48＜0.1 21 43.75 9 18.75 3 6.25 0.1～0.3 15 31.25 11 22.92 7 14.58 0.3～0.6 12 25.00 16 33.33 11 22.92 0.6～2 0 0 12 25.00 22 45.83＞2 0 0 0 0 5 10.42

夜晚 34＜0.1 18 52.94 6 17.65 3 8.82 0.1～0.3 12 35.29 7 20.59 4 11.76 0.3～0.6 4 11.76 12 35.29 7 20.59 0.6～2 0 0 9 26.47 16 47.06＞2 0 0 0 0 4 11.76

以GB/T 50138—2010《水位觀測標(biāo)準(zhǔn)》為依據(jù)，采用自動監(jiān)測設(shè)備檢測水位時，其系統(tǒng)平均誤差的計算方式為：

式中：Px——系統(tǒng)測量水位高度；

Pr——人工測量水位高度；

N——測量次數(shù)。

分別計算系統(tǒng)靜止水位檢測方法的平均誤差X1，系統(tǒng)波動水位檢測方法的平均誤差X2，模板匹配檢測水位方法的平均誤差X3，得到表2。

表2 不同條件下平均誤差表

根據(jù)統(tǒng)計數(shù)據(jù)，在水體靜止時任何光線條件下，該監(jiān)測水位方法的測量誤差均小于0.6 cm，其中，在白天測量的平均誤差為0.24 cm，夜晚測量的平均誤差為0.15 cm，在水體波動時，該檢測水位方法的測量誤差均小于2.0 cm，其中，在白天測量的平均誤差為0.49 cm，夜晚測量的平均誤差為0.48 cm，可見該系統(tǒng)在任何光線條件、水體狀態(tài)下均可以滿足測量精度要求，且夜晚的測量精度略高于白天。

實驗結(jié)果表明，該系統(tǒng)檢測水位方法在不同光線、水體情況下均可正確檢測，測量誤差小于2.00 cm，滿足水位檢測精度要求，系統(tǒng)水位計算方法簡單，速度較快，證明了該水位檢測方法穩(wěn)定有效。

4 結(jié)束語

本文提出了一種基于可見激光與視頻圖像處理技術(shù)的嵌入式水位監(jiān)測方法，該方法不通過辨識水尺的刻度得到水位，而是通過識別可見激光從背板到水面的移動軌跡得到水位位置，避免水體污染標(biāo)尺對檢測精度的影響，在波動水位檢測方面表現(xiàn)優(yōu)異。另外，水位線識別只關(guān)注背板部分圖像，大多背景區(qū)域無需考慮，對圖像進(jìn)行目標(biāo)區(qū)域提取，提高了工作效率與檢測精度。

優(yōu)化方向：由于支架的安裝只能在豎直墻壁上，使用場景具有一定的局限性，后續(xù)準(zhǔn)備取消支架，將嵌入式設(shè)備、激光模組、電機(jī)和攝像機(jī)等硬件設(shè)備做成一個整體，可安裝在待測量水位對面的任意墻壁上，進(jìn)一步擴(kuò)大應(yīng)用范圍。