基于机器视觉的水域远程监测应用系统方案设计

严 成，何 宁，庞维庆，邓德迎

(1. 桂林电子科技大学信息与通信学院，广西 桂林 541004; 2. 广西高校无人机遥测重点实验室，广西 桂林 541004)

近年来，为维持港口和沿海水域秩序，保证航行安全，防止水域污染，我国特制定了相应的船舶管理规则[1- 2]。现阶段，国内对于早期的航道污染监测，主要借助人力地面瞭望台观测和飞机巡航监视。目前，普遍采用两种方法：一种是利用光学探测仪主动搜索污染区域；另一种是定时接收卫星向地面传送的图像信息，分辨污染区域的存在与否[3]。这些方法耗时耗力，过程烦琐，尤其是对于一些无人问津的海域和监测盲点精度更低。利用无人机进行水域监测，并迅速界定水污染区域，可为海事部门提供有效的处置依据，为事故处理争取时间，其中，快速准确地获取和测量污染区域就尤为重要。

文献[4]提出了一种精确的目标实际面积测量方法，克服了双目视觉对应点匹配和面积计算所利用的像素当量产生的误差，但算法没有包含拍摄角度参数，缺少对角度变化测量结果的正确性评估。文献[5]提出了一种基于航拍图像的森林火灾面积计算方法，可满足对森林火场面积计算的要求，但该方法通过彩色和灰度信息提取航拍图像中的森林火场区域，图像中的色差直接影响图像分割的误差，并且该方法没有通过软件实现，无法实时、高效地提供面积测量结果。文献[6]开发了一套无人机地理信息视频系统，基于GPS数据实现无人机航迹坐标的实时展示、视频影像定位和距离面积量测等功能，但无法实现无人机定点测量小范围面积的功能。

本文通过电子自动测量手段，提出一种高精度的水面污染面积测量方案，通过无人机飞控将视频图像与字符信息叠加传输[7]，为该测量方案提供评估参数。在此基础上，利用适用于该面积测量的机器视觉图像处理方法，设计了水面污染面积测量软件，实时进行水面污染区域检测。根据面积测量方案，计算出视觉图像中单个像素点所代表的实际面积，采用图像处理方法，提取出图像中污染区域的像素总值，实现快速获取污染区域面积。通过无人机在几十米到几百米的高空飞行，可实现城市、海域、陆地、森林等环境态势的远程监测和信息获取，为执法和救援提供帮助。

1 系统整体设计方案与测量原理

1.1 系统整体设计方案

基于机器视觉的水域远程监测系统由无人机载具端与地面监测端组成。无人机飞控为测量系统提供采集的环境及物理参数，地面监测端用于接收分析监控图像和数据，以便快速测量和记录特征区域的面积。系统结构如图1所示。

1.2 图像采集与处理

通过无人机航拍进行图像采集，图像处理过程包括对摄取图像进行微元化，然后将提取的特征区域像素点总数与每个像素点的实际面积相乘，即可计算出特征区域的面积。

1.2.1 经典的阈值分割方法

图像分割(segmentation)是指将数字图像细分为多个图像子区域(像素的集合)[8]。其中阈值分割方法的步骤为：①确定合适的阈值Th；②将图像中的每个像素分别与该阈值作比较，将像素分为几个不同的区域[9- 10]。在阈值分割算法中，较经典的有最大熵阈值分割和最大类间方差(Otsu)阈值分割等。图2为经典的阈值分割方法处理结果，采用阈值分割对原始拍摄图像(如图2(a)所示)中的污染区域进行提取，通过最大熵阈值分割得到图2(b)，经Otsu阈值分割得到图2(c)。

由图2可知，分割效果图中特征区域边界模糊不分明，故传统的阈值分割方法无法满足污染区域提取的要求，需要对分割方法进行改进以适应复杂的污染区域提取。

1.2.2 改进分割方法

为了达到图像复杂色差区域分割目的，提高特征区域分割的精度，设计系统在传统阈值分割方法的基础上增加前后面板图像堆叠形式。具体算法实现过程如下：

(1) 将原始图像(设置为变量image_mask)像素值RGB均设置为(0，0，0)并作为掩膜，放置在底板；将采集到的图像(设置为变量image)放置在前面板。通过鼠标响应函数在前面板上绘制出目标区域，底板也将记载该区域，区域边界线RGB分量为(0，255，255)。

(2) 对原始图像通过漫水填充算法[11]进行处理，经式(1)将目标区域内像素颜色RGB分量设置为(255，255，255)。算法以目标区域内的像素点(x0，y0)为中心(种子)，如果像素点(x，y)属于绘制的目标区域Sxy，将(x，y)与(x0，y0)合并在同一个区域内。

(1)

(3) 统计目标区域的像素点总数。首先将步骤(2)中经漫水填充算法处理后的图像转换为256个灰度等级的灰度图像[12]，得到像素点值Gray(x,y)

Gray(x,y)=0.299×R+0.587×G+0.114×B

(2)

之后通过单阈值分割方法将灰度图像转换为二值化图像[13]，单阈值设置为254，由下式计算像素点值g(x,y)

(3)

通过迭代器访问二值化图像中的像素点，统计非零像素值的点。

(4) 将二值化图像与采集到的图像进行乘运算，前者像素点值为1的区域将保留后者对应的区域，像素点值为0的区域将抑制后者对应的区域，达到同时分割处理多个区域目的。

通过此方法达到图像分割的目的，并统计特征区域像素点总数，最终结果如图3所示。相比于传统阈值分割方法,本文改进的阈值分割方法特征区域边界清晰分明，更适用于水域污染区域的提取，实现计算特征区域像素点总数的功能。

1.3 基于单目视觉的面积测量方案

在机器视觉的单目视觉测距系统中，摄像机以一定的俯仰角对地面物体进行拍摄，将所拍摄图像上某点的坐标转换为世界坐标系下的坐标，并找出图像与对应坐标的映射关系，为面积测量方案提供理论依据[14]。

基于单目视觉测距原理建立一种适应于水面目标的面积测量方案。该处理过程获取计算图像对应的实际平面高度、求取单个像素点所代表的实际面积、计算区域像素点总数并求和得到被监测区域面积。

图4所示为采用三角法测量图像对应的实际平面原理。图中阴影部分为摄像机拍摄区域，闭合区域为特征区域，其面积S是整个测量方案求取的最终值。AB和DE分别为图像对应的实际平面高度和宽度，其中AB为测量系统的待测目标值。

由图4的几何关系可知，垂直视场半角度θ与图像平面高度AB可分别用下式求出

(4)

AB=AM-BM=h[tan(φ+θ)-tan(φ-θ)]

(5)

式中，t=GJ，为底片高度的一半；f=OJ，为焦距；h=OM，为相机的离地高度；φ为相机拍摄角度，相机垂直地面拍摄时φ为0°。

图5所示为相机拍摄的单幅图像，其中特征区域为待计算目标值。

利用式(5)求得的AB，得到图5中单个像素点的实际面积为

(6)

式中，Sx和Sy分别为图像宽度和高度的像素总量。

2 特征区域面积测量处理与软件设计

2.1 面积测量处理

依据图像分割处理所获取特征区域的像素点总数，求取特征区域的实际面积；将面积数据与原始拍摄图像进行叠加，结果如图6所示。

为了适应不同拍照设备，软件将不同像素图像统一处理为800×600像素图像，根据改进的分割方法统计特征区域的像素点总数为15 006个。

使用的摄像头靶面高度为6.6 mm，焦距为25 mm，拍摄高度为11 m。读取角度显示数据为35.7°，则互余角为54.3°，再加上器件放置的补偿角0.53°，最终得到相机对目标的拍摄角度为54.83°。

由下式求解角度

(7)

求图像对应的实际平面高度

AB=11 m×[tan(54.83°+7.519 6°)-tan(54.83°-7.519 6°)]≈9.071 m

(8)

由上面给出的像素参数，得到面积(结果截取小数点后三位)为

(9)

2.2 水域远程监测软件设计

为了对水面污染区域进行实时监控和测量，系统使用C++编程语言在VS2013中调用OpenCv库编写上位机交互软件[15]。将无人机飞控、视频图像处理、面积测量模块集成在一起，以实现实时快速的面积测量和调用拍摄图像后期测量的功能。

测量软件分为参数设置功能区和吊舱控制功能区。其中参数设置区可进行拍摄高度、拍摄角度(俯仰角)、靶面高度和焦距等参数设置；吊舱控制区用于转向控制、视频切换和变焦等操作。通过设计的人机交互界面可对视频及图像进行操控，包括打开与关闭摄像头、存取与打开图片、拍照，并可对实时拍下的图像进行区域选择及面积测量，具体界面控件区域分布参见系统测试验证部分展示。

3 系统实操评估与验证

3.1 系统实操

基于机器视觉的水域远程监测系统如图7所示。其中图7(a)为系统无人机巡视场景,图7(b)为系统软件测量界面。通过无人机搭载图像采集和无线数据收发的吊舱装置，采集图像和数据并实时向地面监测基站发送，以便监察管理者对水面态势进行判断识别和分析处理，并根据图像特征场景快速获得第一手资料。

地面端操作人员控制无人机抵达污染区域上空，并在软件的视频显示区发现待测目标区域之后，根据无人机相机提供的焦距、靶面高度及回传的拍摄高度VPS数据，对图7(b)中相应的控件拍摄高度(3 m)、拍摄角度(0°)、靶面高度(4.17 mm)、焦距(3.6 mm)进行设置。经手动在拍摄的图像上描绘污染区域、上位机处理计算得到污染区域的面积为4.491 m2。根据无人机在拍摄区域位置所处的经纬度及高度数据，可得到试验中被拍区域的方位为25.313°N、110.421°E。无人机飞控一般是在被测点的上方，根据捕获目标范围，通过变化拍摄高度，以垂直或小于一定角度进行获取目标图像，达到减小误差目的。

3.2 系统软件评估与对比试验

为了验证此系统软件测量面积的正确性与误差，按特征区域图像分割到面积测量的算法流程进行试验并分析数据。表1是矩形规则样本的实际测量和图像处理计算所得面积结果的对比。

表1 面积测量数据对比

对比结果表明，随着无人机的拍摄高度和角度变化，其误差大小有所变化，当测量角度小于90°时相对误差不大于5%，小角度(±5°范围内)和垂直拍摄平均相对误差低于1.3%,优于文献[4]中的平均相对误差1.48%，满足对污染面积测量工作的需求。本文测量软件运行顺畅，很好地完成污染区域面积测量工作，弥补了文献[6]无法实现无人机定点测量小范围面积的不足。

4 结 语

本文根据机器视觉的单目视觉测距原理，提出了一种高精度水面污染面积测量方案，采用图像分割技术提取视觉图像中污染区域的像素点总数，在图像处理与面积测量的基础上设计水面污染面积测量软件，建立了一套基于机器视觉的水域远程监测应用系统。依据面积测量评估试验统计和外场实操分析的数据结果：模拟水面污染面积测量精度为10-3m2，测量相对误差低于5%，垂直拍摄平均相对误差低于1.3%，表明系统满足水域远程监测需求。