1.本发明涉及智慧水利领域,特别涉及一种基于无人机的泵吸式涌潮潮头水质采样系统。
2.钱塘江河口涌潮以一线潮、交叉潮、回头潮等多种潮型闻名于世,最大涌潮高度超过3m,极具观赏性。涌潮作为稀缺的自然遗产,每年观潮节带来了巨大的旅游效益,有力促进了钱塘江两岸的经济发展。分析钱塘江河口涌潮的变化规律有利于水资源管理和城市发展。潮来时,会带来大量的溶解氧和卷起大量的营养物质,涌潮会对局部水文和生态环境产生很大改变,但涌潮监测往往过多关注于水位、流速、泥沙等水文参数,限于恶劣的采样环境,对涌潮潮头水质的水质采样和监测的相关工作开展的较少。因此,研究安全、可靠和智能化的涌潮潮头水样采集方法对于开展涌潮水质突变规律和局部生态环境等科学工作具有十分重要的实际意义。
3.涌潮到来时刻,水位骤然上涨2~3m,水流急速从落潮状态转为涨潮状态,并迅速达到极值,极值流速达6~10m/s,最高可达12m/s,其动力强劲,破坏力极大,无法实施水质采样行为。目前潮头的生态采样和监测方法不够成熟,一般等涌潮过去一段时间,流速变缓后,相关人员再使用采水器等工具进行水质采样。随着科学技术发展,无人化、智能化成为研究热点,可应用于各领域,无人机灵活性高,对恶劣环境适应性强,并且具有一定的载重能力,使用无人机进行水质采样有助于克服这些困难,减少采样时间和成本,提高样本研究可靠性。
4.通过查阅相关文献和专利,未见针对高流速下的涌潮潮头水质采样装置和系统。为了实现无人机对潮头的水质采样,需要知道涌潮的移动速度,目前相关专利仅有《一种基于机器视觉的涌潮监测方法》(申请(专利权)人:河海大学,公开号:cn111914695a),此专利提出了一种基于机器视觉的涌潮监测方法,但所采用的方法边缘检测时检测出的边缘位置会有一定范围的误差,从而影响到潮头线提取的准确性,而本文所提出的边缘检测方法相对比会检测出更多的细节,对边缘位置的检测更为准确,因此对潮头线的提取更加准确。相比于此专利使用的固定观测点观测方法,借助于无人机摄影测量的涌潮观测方法,可在大尺度范围内连续跟踪和观测涌潮传播过程中的形态变化,更好研究钱塘江涌潮的形态变化过程。同时,也并未见其将此方法用于涌潮潮头的水质采样。
5.本发明提出一种基于无人机的泵吸式涌潮潮头水质采样系统。该采样方式创新性地集成了基于涌潮图像处理的潮头推进速度解析模块、无人机与涌潮同步跟踪模块、泵吸式水质采样模块。通过保持无人机与涌潮潮头的相对静止飞行,减小了二者因速度差异而导致的对水质采样行为的动力破坏作用和影响。为适应恶劣的涌潮水质采样环境,系统采用阻力更小的泵吸式采样方式,仅将吸水管探头下放至潮头的不同深度,实现潮头定深采样。该系统解决了传统的采样方式无法满足高流速条件下的水质采样问题,实现了高流速和恶劣环境条件下的水质采样。
技术实现要素:
6.本发明目的在于克服现阶段高流速条件下水质采样存在的问题,提供了一种基于无人机的泵吸式涌潮潮头水质采样系统。
7.一种基于无人机的泵吸式涌潮潮头水质采样系统,包括多旋翼无人机飞行平台(1)、飞控模块、地面站模块、云台相机模块(3)、板载计算机模块(12)和水质采样模块(2)。
8.进一步的,所述云台相机模块(3)将实时拍摄的涌潮照片(视频)传输至板载计算机模块(12),板载计算机模块(12)运行涌潮跟踪算法计算出涌潮当前的行进速度;而后将该速度发送至飞控模块,经飞控算法处理后控制无人机实现涌潮同步跟踪;无人机与涌潮同步前进的过程中,采样手控端控制水质采样模块(2),实现对潮头的泵吸式水质采样;无人机与涌潮同步前进的过程中,会定距发送拍照指令给云台相机模块;地面站实时监控无人机飞行过程中的各种状态数据,用于保障飞行安全和发送控制命令。
9.一种基于无人机的泵吸式涌潮潮头水质采样系统,包括以下步骤:步骤1:首先进行各模块检验与校准,确认各组件与模块正常;步骤2:无人机搭载云台相机(20)拍摄涌潮视频序列图像;步骤3:对采集到的视频序列图像进行灰度化处理及滤波去噪处理;步骤4:对灰化处理后的图像进行校正处理,消除由于无人机的姿态、高度、速度以及地球自转等因素的影响,纠正所拍摄的涌潮图像发生的几何畸变;步骤5:对校正后的图像利用log边缘检测算法来检测,检测出图像中由于涌潮到来时,水位瞬间上升所产生的潮头线;步骤6:对边缘检测后的图像采用循环遍历法提取出潮头线;步骤7:通过分析前后两帧潮头线的位置变化,来计算出涌潮推进速度;步骤8:板载计算机模块运行上述算法计算出涌潮当前的行进速度,然后将该速度发送至飞控模块,经飞控算法处理后控制无人机实现潮头同步跟踪;步骤9:无人机与潮头同步前进的过程中,采样手控端控制水质采样模块,实现对潮头的泵吸式水质采样。
10.进一步的,所述步骤4对图像进行几何畸变误差校正的公式为:设f(x',y')为待校正的畸变图像,g(x,y)为校正后所得的图像,两坐标系关系为h1,h2,对g(x,y)中的每一点,根据上式找出在f(x',y')中的对应点,再由对应点的灰度级值按一定规则来表示g(x,y)中每一点的值,具体步骤如下:设(x0,y0)为g中任一点,在f中的对应点为(α,β)根据上式可以求出点(α,β)的坐标:若点(α,β)正好是f中数字化网格上的点,设为点(x'1,y'1),那么就用点(x'1,y'1)的灰度级值f(x'1,y'1)来表示g中点(x0,y0)灰度级值,即g(x0,y0)=f(x'1,y'1),但是一般情况下,(α,β)不一定是整数,即不一定是数字化网格点,此时通常需要找出最接近于(α,β)的数字化网格点,设为(x'1,y'1),则由(x'1,y'1)点灰度级值来表示g中(x0,y0)点值,即g(x0,
y0)=f(x'1,y'1)。
11.进一步的,所述步骤5对图像进行log边缘检测的方法为:第一步:对输入的图像进行一次高斯平滑处理,将图像中的高频信号噪声去掉,其计算公式为:g(x,y,σ)为对称函数,为得到一个相对平滑的图像,需要设置一个关键的参数σ,对参数σ设置好之后,对g(x,y,σ)和f(x,y)进行卷积,卷积之后方可得到一个相对平滑之后的图像,卷积表达式计算公式为:g(x,y)=f(x,y)*g(x,y,σ)第二步:图像增强,对图像的增强采用拉普拉斯运算,其计算公式为:增强图像g(x,y)与g(x,y,σ)相等效,这就是卷积核的结合性,故可将上式转化为:式中为log算子的滤波器,其展开式为:第三步:图像检测,判断二阶导数o(x,y)=0的点(零点交叉点),通过判断该点的一阶导数是否到达峰值确定此点是否为图像的边界。
12.进一步的,所述步骤7对涌潮前进速度的计算方法为:通过提取出的前后两帧潮头线的位置变化计算出涌潮前进速度,无人机航测飞行高度与影像地面分辨率关系如下式所示:式中gsd表示地面分辨率,f表示航测相机焦距,h表示飞行高度,r为静态综合分辨率,提取潮头线中任意一点(x1,y1)作为起点,在经过n帧后,其中,相机的帧率为fps,每帧的时间为t,该点前进至点(x2,y1),因此,该点的速度为:
13.进一步的,所述步骤8对无人机的控制方法为:板载计算机模块运行上述算法计算出涌潮当前的行进速度,然后将该速度发送至飞控模块,经飞控算法处理后控制无人机实现涌潮同步跟踪。
14.进一步的,所述水质采样模块:包括旋转滚筒(4),软管(5),旋转接头(6),旋转接头固定支架(7),蠕动泵(8),电池(9),采样瓶(10),金属过滤网罩(11),单片机(13),直流电机(14),直流电机固定支架(15),直流电机固定支架(16)。无人机与涌潮同步前进的过程中,单片机(13)控制直流电机(14)启动,直流电机(14)转动时带动旋转滚筒(4)转动,实现旋转滚筒(4)上软管(5)的下放,到达指定深度后,单片机(13)控制蠕动泵(8)启动,水质采样开始,采样瓶(10)达到要求容量后,单片机(13)控制蠕动泵(8)关闭,水质采样结束,单片
机(13)控制直流电机(14)反向转动将软管(5)收回,其中旋转接头(6)可以很好解决软管缠绕问题。通过此水质采样模块可实现潮头的泵吸式水质采样。
15.进一步的,所述云台相机模块:基于无人机的三轴云台和控制系统包括自稳云台、三轴云台机械结构、三轴云台控制系统和三轴云台算法,无人机三轴稳定云台是由转动自由度a(17)、转动自由度b(18)、转动自由度c(19)和动基座(21)组成的复杂系统,用来避免无人机姿态的变化以及机体震动、风阻力矩等扰动影响,保持无人机飞行中拍摄的稳定性。
附图说明
16.图1,本发明所述一种基于无人机的泵吸式涌潮潮头水质采样系统。其中1
‑
无人机飞行平台,2
‑
水质采样模块,3
‑
云台相机模块,4
‑
旋转滚筒,5
‑
软管,6
‑
旋转接头,7
‑
旋转接头固定支架,8
‑
蠕动泵,9
‑
电池,10
‑
采样瓶,11
‑
金属过滤网罩,12
‑
板载计算机模块,13
‑
单片机,14
‑
直流电机,15
‑
直流电机固定支架,16
‑
直流电机固定支架,17
‑
转动自由度a,18
‑
转动自由度b,19
‑
转动自由度c,20
‑
云台相机,21
‑
动基座。
17.图2,水质采样装置图。
18.图3,本发明流程图。
19.图4,本发明整体系统结构框图。
20.图5,灰度化及滤波处理图。
21.图6,几何畸变误差校正图。
22.图7,log边缘检测图。
23.图8,潮头线提取图。
24.图9,前一帧像素点位置图。
25.图10,后一帧像素点位置图。
具体实施方式
26.下面通过附图对本发明的实施例作详细说明,给出了详细的实施方式和具体的操作过程。所述实例为本发明的较佳实例,而不是全部实例。
27.本实施例以海宁盐官段钱塘江涌潮水质采样为例,对本发明方法进行应用,其具体过程如下:
28.如图3所示,步骤按流程图进行展开。
29.步骤1:一种基于无人机的泵吸式涌潮潮头水质采样系统,包括多旋翼无人机飞行平台(1)、飞控模块、地面站模块、云台相机模块(3)、板载计算机模块和水质采样模块(2),首先进行各模块检验与校准,确认各组件与模块正常。
30.步骤2:无人机搭载云台相机(20)拍摄涌潮视频序列图像。
31.步骤3:对采集到的视频序列图像进行灰度化处理及滤波去噪处理,处理结果如图5所示。
32.步骤4:对灰化处理后的图像进行校正处理,消除由于无人机的姿态、高度、速度以及地球自转等因素的影响,纠正所拍摄的涌潮图像发生的几何畸变,处理结果如图6所示。
33.步骤5:对校正后的图像利用log边缘检测算法来检测,检测出图像中由于涌潮到来时,水位瞬间上升所产生的潮头线。
第一步:对输入的图像进行一次高斯平滑处理,将图像中的高频信号噪声去掉,其计算公式为:g(x,y,σ)为对称函数,为得到一个相对平滑的图像,需要设置一个关键的参数σ,本实验σ取值为1,对g(x,y,σ)和f(x,y)进行卷积,卷积之后方可得到一个相对平滑之后的图像,卷积表达式计算公式如下:g(x,y)=f(x,y)*g(x,y,σ)第二步:图像增强,对图像的增强采用拉普拉斯运算,其计算公式为:增强图像g(x,y)与g(x,y,σ)相等效,这就是卷积核的结合性,故可将上式转化为:式中的为log算子的滤波器,其展开式为:第三步:图像检测,判断二阶导数o(x,y)=0的点(零点交叉点),通过判断该点的一阶导数是否到达峰值确定此点是否为图像的边界,最终处理结果如图7所示。
34.步骤6:对边缘检测后的图像采用循环遍历法提取出潮头线,提取结果如图8所示。
35.步骤7:通过分析前后两帧潮头线的位置变化,来计算出涌潮推进速度。无人机航测飞行高度与影像地面分辨率关系如下式所示:式中gsd表示地面分辨率,f表示航测相机焦距,h表示飞行高度,r为静态综合分辨率。提取潮头线中任意一点(x1,y1)作为起点,在经过n帧后,其中,相机的帧率为fps,每帧的时间为t,该点前进至点(x2,y1),因此,该点的速度为:在本次实验中,相机的焦距为16mm,飞行高度为10m,静态综合分辨率为72ppi,相机视频帧率为30fps,帧间时间间隔为33.33ms,图9和图10显示的是相邻前后两帧(即n=2)的涌潮选定像素点前进过程图,其中选择(x1,y1),(x2,y1)分别为(627,620)和(665,627),则可以计算出:从而计算出潮头线的瞬时移动速度为4.94m/s。
36.步骤8:板载计算机模块运行上述算法计算出涌潮当前的行进速度,然后将速度4.94m/s发送至飞控模块,经飞控算法处理后控制无人机实现涌潮同步跟踪。
37.步骤9:无人机与涌潮同步前进的过程中,单片机(13)控制直流电机(14)启动,直流电机(14)转动时带动旋转滚筒(4)转动,旋转滚筒(4)上软管(5)开始下放,到达指定深度后,直流电机(14)停止转动,单片机(13)控制蠕动泵(8)启动,水质采样开始,采样瓶(10)达到要求容量后,单片机(13)控制蠕动泵(8)关闭,水质采样结束,单片机(13)控制直流电机(14)反向转动将软管(5)收回,完成潮头的定深水质采样。
38.以上所述,仅为本发明较佳的具体实施方式,但本发明保护范围并不局限于此,凡在本发明的精神和原则之内所做的任何修改,等同替换和改进等,均应包含在本发明的保护范围之内。
再多了解一些
本文用于企业家、创业者技术爱好者查询,结果仅供参考。