基于河道自然示蹤物的無人機自然河流表面流場測量

王媛媛 ,池佃東2

(1. 陜西地建土地勘測規劃設計院有限責任公司,西安 710075;2. 韶關市水利水電勘測設計咨詢有限公司,廣東 韶關 512000)

0 前 言

河道流速是進行河流管理所必需的基礎數據。對于解析河道復雜流態信息、表面流速和流場測量具有重要意義。表面流場數據可以提供支持數據,用于進行河道流場的數值模擬驗證和河道中物質運輸研究。

流速儀是一種常見的水流流速測量儀器,在江河湖泊等水域的河道管理和水文測驗中應用廣泛,還可以應用于渠道等小型水域和水庫等水動力較弱的大型水域中。其中,轉子式流速儀是流速儀中結構較為簡單但是最常使用的流速儀[1],但在使用中也存在一些缺點和限制,例如對環境的要求高、精度相對較差等。相比之下,聲學多普勒流速剖面儀(ADCP)是一種目前較為先進和精準的流速測量儀器,可用于測量各種規模的河道和湖泊中的二維或三維流速,其特點是在合適的測量環境下所得到的數據精度較高[2-3]。此外,與轉子流速儀只能獲取定點的流速值不同,聲學及雷達式測流儀器獲取到的是河道縱剖面上流速分布,但是在洪水期的流場監測中往往會出現穩定性差、測量結果易受影響、測量結果需要處理,不能直觀體現等問題[4-5]。

粒子圖像測速(PIV)是一種用于定量測量流動的技術,通常用于在實驗室的水槽中進行水沙運動的捕捉運動和測量[6]。在20世紀90年代,Fujita等人[7]提出了將PIV技術改進,應用于野外等條件下尺度更大的流速測量中,稱為大尺度粒子圖像測速(LSPIV)。LSPIV不僅可以用于實驗室條件下水槽中的水流紊動特性的研究,還可以應用于野外條件下不同尺度河道中的表面流場的測量。LSPIV的原理是使用天然水面漂浮物如植物碎片、泡沫等作為示蹤物,使用自然光代替激光片光,使用普通數碼相機或視頻攝像機代替高幀頻工業相機,從而簡化硬件系統的配置。但是LSPIV的使用方法通常是固定好一個攝像機,以一個固定的傾斜角度對水面區域進行拍攝,且進行流場定標的標定過程較為復雜[8-9]。

無人機的發展為水利量測帶來了新的解決方案。無人機遙感具有機動性強、不受現場條件制約等優勢,可以針對應用中所關心的區域制定針對性的監測方案,目前已經廣泛應用于復雜地形的測量[10-12]。根據以往文獻研究,無人機與LSPIV儀器相結合,移動性更強,可進行垂直航拍,將成為未來河流流量監測的新興技術。一些使用無人機的研究側重于不同的方向,包括飛行高度[13]、示蹤粒子放置[14-16]、查詢窗口面積 (IA)、采樣頻率、圖像穩定[13,17]和采集時間[13,17-18]。如Lewis等[13]顯示圖像之間的長間隔會影響從PIV得出的測量表面速度。當圖像幀之間的時間增加時,粒子圖案的位移更難以捕捉。他們還發現IA的尺寸低于64×64像素,導致測量精度下降。盡管無人機搭配LSPIV已經得到一定的應用,例如曹列凱[19]等利用合運動恢復結構方法在蘇黎世利馬特河進行了河流表面流場的測量,但是上述的研究大多需要預先在水中拋撒示蹤粒子,而較為常用的塑料粒子會對當地水生態環境產生不利影響。利用河道中自然的物質,如波紋,氣泡,水草等作為示蹤粒子應用于河道表面流速測量的相關研究還較少。

流速數據是河流管理的基礎數據。表面流場測量可為水沙運動基本理論研究和數值模擬驗證提供數據支持,對于河道整治、防洪減災和水環境治理等方面具有重要意義。本文針對基于河道中自然示蹤物的無人機自然河流表面流場測量進行現場實驗研究,基于多重網格迭代的PIV算法,計算得到河道表面流場,并與ADCP所測得的流速數據進行比較和誤差分析,檢驗反演得到的流速準確性,為河流表面流場自動監測提供參考。

1 無人機圖像系統和現場數據采集

本研究使用的無人機型號是PHANTOM 4 PRO,它由一個無人機機身、一個遙控器、一個云臺攝像機和DJI GO 4程序組成。無人機重1 388 g,FOV為84°,最大飛行高度為500 m。此外較輕的機身只能在風速低于10 m/s的環境下飛行,懸停范圍為0～10 m。本研究選擇天氣晴朗無風的時間進行圖像采集以減少無人機偏移。無人機攝影圖像尺寸為選擇了1920×1080像素的無人機攝影圖像,選擇的幀率是24 fps進行10 s視頻錄制,無人機飛行高度設置為10 m。河道兩側布置標定板,實驗選用水面漂浮物作為示蹤粒子。

2 無人機圖像配準

在實際操作中,無人機由于風場的影響和其他因素的影響,很難完全維持固定的位置。飄移所導致的無人機的相機拍攝位置發生變化,是測量誤差的主要來源之一。無人機位置變化所引起的誤差主要包括以下3個方面:

(1) 垂直移動,移動范圍相對較小,所以垂直移動所造成誤差一般也較小;

(2) 水平平移,水平平移所造成的拍攝誤差一般較大,是測量過程中誤差最大的原因;

(3) 繞垂直軸旋轉,會導致圖像上測量誤差的均勻分布,由于缺少參照難以判別誤差方向和大小,因此難以進行校正。

此外無人機在飛行時會震動,對于由風速引起的圖像抖動,可以用附加程序RIVeR可以用來糾正圖像抖動問題。在運行PIVlab之前,RIVeR程序將無人機拍攝的視頻轉換為連續圖像并解決圖像抖動問題。

對無人機拍攝到的圖像進行處理之前,首先要消除飄移所造成的誤差,也就是對無人機的位置進行配準,將無人機位置調整到同樣的位置。本研究采用Agisoft PhotoScan Professional軟件平臺,所采用的算法為SfM和MVS算法,通過多視角圖像恢復相機的運動參數和目標的結構信息[19-20],從而實現對無人機視頻中圖像的批量正射校正。

3 表面流場計算

為了繪制河道表面流場圖,本研究采用開源代碼PIVlab[21]進行數據的后處理?；趫D像匹配的原則,PIVlab可以確定前一幅圖像和后一幅圖像之間顆粒組的最高相似度,并計算出流體顆粒的坐標。計算結果是粒子的最可能的矢量,將其除以時間間隔,得到速度。PIVlab已被許多研究人員廣泛用于圖像測繪。

粒子圖像測速的相關計算中主要步驟:圖像預處理、圖像評估和后處理。PIVlab中實現的圖像預處理技術包括直方圖均衡化、強度高通濾波。本研究中,快速傅里葉變換(FFT)與多通道分析被用于圖像評估。后處理包括數據驗證、插值、平滑,用來顯示表面速度的測量結果[20-21],詳細的描述可以在代碼的說明書中找到。在圖像預處理中,主要步驟是增強圖像中示蹤劑的特征,減少背景信息的干擾,以提高流場計算的準確性和精確程度,具體過程:① 使用二維Gauss濾波器對原始圖像矩陣Iuj進行卷積,生成背景圖像矩陣Ibj;② 原始圖像矩陣減去背景圖像矩陣得到前景圖像矩陣Ifj;③ 前景圖像進行灰度拉伸,得到增強圖像矩陣Ipj。原始圖像和增強后的圖像如圖2所示。在對圖像進行預處理后,捕捉到的河面示蹤物顯得更加清晰,河流表面的示蹤物看起來是白色的,沒有示蹤物或者示蹤物不明顯的區域是黑色的。

圖2 原始圖像和預處理后圖像對比

圖3 PIV計算后的流場

PIV算法的原理是將所拍攝得到的連續幀粒子圖像先分成尺度較小的均勻矩形窗口用于判別,然后選取某個位置的判別窗口,接著與下一幀中此判別窗口所對應的附近位置的判別窗口逐一進行關聯計算,并利用相關系數,尋找窗口中相關系數最大所對應的窗口。該位置相對于窗口中心點的距離和方向即代表該判讀窗口內流體微團位移的大小和方向[22-23]。

假設連續2幀圖像中某一位置的判讀窗口尺寸為M×N,對應的窗口灰度函數為g1(i,j)和g2(i,j),定義(ε,η)為判讀窗口內流體微團運動可能產生的位移量( -M≤ε≤M,-N≤η≤N),通過下列公式計算所有可能的位移量對應的互相關系數,最大互相關系數對應的位移量即為判讀窗口中心點的位移。

(1)

本文所采用的軟件為PIVLab,其算法為基于連續幀增強圖像矩陣Ip2k-1和Ip2k,采用多重網格迭代的PIV算法計算像素尺度下的第k幀位移場Uk(x,y,Δx,Δy)。

4 實地應用與結果比測

秦淮河水系全長約110 km,是長江下游的重要支流,分為內秦淮河和外秦淮河兩部分。其中外秦淮河上游段東起中和橋,西至三汊河入江口,途徑秦淮區、建鄴區、鼓樓區等南京主城區,全長約13 km?；谏鲜霾僮鞑襟E,本研究選取秦淮河石頭城河段作為研究區域,將LSPIV技術結合無人機技術應用于該河道表面流場測量。

為了進行結果比測,本研究同時利用ADCP獲取了表面流速(換能器如水深度5 cm),比測斷面如圖4所示。比較結果表明,無人機遙感反演得到的河道表面流速值與ADCP所測得的實際流速趨勢相吻合,結果較為準確。由于水中示蹤物不均勻,在缺少示蹤物的區域剔除掉錯誤矢量后進行空間插值補充數據,因此某些點的結果與實測值略有偏差。但是無人機反演得到的流速值相對于ADCP實測值的誤差大致在10%范圍內。

圖4 反演結果與ADCP實測數據結果對比

5 結 論

本文針對基于自然示蹤物的無人機河流表面流場測量進行了現場實驗研究,并應用于秦淮河的石頭城河段,反演得到河道表面流場數據及分布,并與ADCP實測數據進行對比分析結果表明:

(1) 通過無人機遙感反演得到的流速數據與ADCP實測值進行對比,相對誤差在10%的范圍以內,精確度可以滿足野外應用的需求。

(2) 部分測點誤差相對較大,可能是因為本研究是基于河道中天然稀疏并且分布不均勻的示蹤物。在實際操作過程中,選擇合適的試驗時間,可以在一定程度上減少水面反射的影響,從而提高流場反演的精確程度。