基于河道自然示踪物的无人机自然河流表面流场测量

王媛媛 ,池佃东2

(1. 陕西地建土地勘测规划设计院有限责任公司,西安 710075;2. 韶关市水利水电勘测设计咨询有限公司,广东 韶关 512000)

0 前 言

河道流速是进行河流管理所必需的基础数据。对于解析河道复杂流态信息、表面流速和流场测量具有重要意义。表面流场数据可以提供支持数据,用于进行河道流场的数值模拟验证和河道中物质运输研究。

流速仪是一种常见的水流流速测量仪器,在江河湖泊等水域的河道管理和水文测验中应用广泛,还可以应用于渠道等小型水域和水库等水动力较弱的大型水域中。其中,转子式流速仪是流速仪中结构较为简单但是最常使用的流速仪[1],但在使用中也存在一些缺点和限制,例如对环境的要求高、精度相对较差等。相比之下,声学多普勒流速剖面仪(ADCP)是一种目前较为先进和精准的流速测量仪器,可用于测量各种规模的河道和湖泊中的二维或三维流速,其特点是在合适的测量环境下所得到的数据精度较高[2-3]。此外,与转子流速仪只能获取定点的流速值不同,声学及雷达式测流仪器获取到的是河道纵剖面上流速分布,但是在洪水期的流场监测中往往会出现稳定性差、测量结果易受影响、测量结果需要处理,不能直观体现等问题[4-5]。

粒子图像测速(PIV)是一种用于定量测量流动的技术,通常用于在实验室的水槽中进行水沙运动的捕捉运动和测量[6]。在20世纪90年代,Fujita等人[7]提出了将PIV技术改进,应用于野外等条件下尺度更大的流速测量中,称为大尺度粒子图像测速(LSPIV)。LSPIV不仅可以用于实验室条件下水槽中的水流紊动特性的研究,还可以应用于野外条件下不同尺度河道中的表面流场的测量。LSPIV的原理是使用天然水面漂浮物如植物碎片、泡沫等作为示踪物,使用自然光代替激光片光,使用普通数码相机或视频摄像机代替高帧频工业相机,从而简化硬件系统的配置。但是LSPIV的使用方法通常是固定好一个摄像机,以一个固定的倾斜角度对水面区域进行拍摄,且进行流场定标的标定过程较为复杂[8-9]。

无人机的发展为水利量测带来了新的解决方案。无人机遥感具有机动性强、不受现场条件制约等优势,可以针对应用中所关心的区域制定针对性的监测方案,目前已经广泛应用于复杂地形的测量[10-12]。根据以往文献研究,无人机与LSPIV仪器相结合,移动性更强,可进行垂直航拍,将成为未来河流流量监测的新兴技术。一些使用无人机的研究侧重于不同的方向,包括飞行高度[13]、示踪粒子放置[14-16]、查询窗口面积 (IA)、采样频率、图像稳定[13,17]和采集时间[13,17-18]。如Lewis等[13]显示图像之间的长间隔会影响从PIV得出的测量表面速度。当图像帧之间的时间增加时,粒子图案的位移更难以捕捉。他们还发现IA的尺寸低于64×64像素,导致测量精度下降。尽管无人机搭配LSPIV已经得到一定的应用,例如曹列凯[19]等利用合运动恢复结构方法在苏黎世利马特河进行了河流表面流场的测量,但是上述的研究大多需要预先在水中抛撒示踪粒子,而较为常用的塑料粒子会对当地水生态环境产生不利影响。利用河道中自然的物质,如波纹,气泡,水草等作为示踪粒子应用于河道表面流速测量的相关研究还较少。

流速数据是河流管理的基础数据。表面流场测量可为水沙运动基本理论研究和数值模拟验证提供数据支持,对于河道整治、防洪减灾和水环境治理等方面具有重要意义。本文针对基于河道中自然示踪物的无人机自然河流表面流场测量进行现场实验研究,基于多重网格迭代的PIV算法,计算得到河道表面流场,并与ADCP所测得的流速数据进行比较和误差分析,检验反演得到的流速准确性,为河流表面流场自动监测提供参考。

1 无人机图像系统和现场数据采集

本研究使用的无人机型号是PHANTOM 4 PRO,它由一个无人机机身、一个遥控器、一个云台摄像机和DJI GO 4程序组成。无人机重1 388 g,FOV为84°,最大飞行高度为500 m。此外较轻的机身只能在风速低于10 m/s的环境下飞行,悬停范围为0～10 m。本研究选择天气晴朗无风的时间进行图像采集以减少无人机偏移。无人机摄影图像尺寸为选择了1920×1080像素的无人机摄影图像,选择的帧率是24 fps进行10 s视频录制,无人机飞行高度设置为10 m。河道两侧布置标定板,实验选用水面漂浮物作为示踪粒子。

2 无人机图像配准

在实际操作中,无人机由于风场的影响和其他因素的影响,很难完全维持固定的位置。飘移所导致的无人机的相机拍摄位置发生变化,是测量误差的主要来源之一。无人机位置变化所引起的误差主要包括以下3个方面:

(1) 垂直移动,移动范围相对较小,所以垂直移动所造成误差一般也较小;

(2) 水平平移,水平平移所造成的拍摄误差一般较大,是测量过程中误差最大的原因;

(3) 绕垂直轴旋转,会导致图像上测量误差的均匀分布,由于缺少参照难以判别误差方向和大小,因此难以进行校正。

此外无人机在飞行时会震动,对于由风速引起的图像抖动,可以用附加程序RIVeR可以用来纠正图像抖动问题。在运行PIVlab之前,RIVeR程序将无人机拍摄的视频转换为连续图像并解决图像抖动问题。

对无人机拍摄到的图像进行处理之前,首先要消除飘移所造成的误差,也就是对无人机的位置进行配准,将无人机位置调整到同样的位置。本研究采用Agisoft PhotoScan Professional软件平台,所采用的算法为SfM和MVS算法,通过多视角图像恢复相机的运动参数和目标的结构信息[19-20],从而实现对无人机视频中图像的批量正射校正。

3 表面流场计算

为了绘制河道表面流场图,本研究采用开源代码PIVlab[21]进行数据的后处理。基于图像匹配的原则,PIVlab可以确定前一幅图像和后一幅图像之间颗粒组的最高相似度,并计算出流体颗粒的坐标。计算结果是粒子的最可能的矢量,将其除以时间间隔,得到速度。PIVlab已被许多研究人员广泛用于图像测绘。

粒子图像测速的相关计算中主要步骤:图像预处理、图像评估和后处理。PIVlab中实现的图像预处理技术包括直方图均衡化、强度高通滤波。本研究中,快速傅里叶变换(FFT)与多通道分析被用于图像评估。后处理包括数据验证、插值、平滑,用来显示表面速度的测量结果[20-21],详细的描述可以在代码的说明书中找到。在图像预处理中,主要步骤是增强图像中示踪剂的特征,减少背景信息的干扰,以提高流场计算的准确性和精确程度,具体过程:① 使用二维Gauss滤波器对原始图像矩阵Iuj进行卷积,生成背景图像矩阵Ibj;② 原始图像矩阵减去背景图像矩阵得到前景图像矩阵Ifj;③ 前景图像进行灰度拉伸,得到增强图像矩阵Ipj。原始图像和增强后的图像如图2所示。在对图像进行预处理后,捕捉到的河面示踪物显得更加清晰,河流表面的示踪物看起来是白色的,没有示踪物或者示踪物不明显的区域是黑色的。

图2 原始图像和预处理后图像对比

图3 PIV计算后的流场

PIV算法的原理是将所拍摄得到的连续帧粒子图像先分成尺度较小的均匀矩形窗口用于判别,然后选取某个位置的判别窗口,接着与下一帧中此判别窗口所对应的附近位置的判别窗口逐一进行关联计算,并利用相关系数,寻找窗口中相关系数最大所对应的窗口。该位置相对于窗口中心点的距离和方向即代表该判读窗口内流体微团位移的大小和方向[22-23]。

假设连续2帧图像中某一位置的判读窗口尺寸为M×N,对应的窗口灰度函数为g1(i,j)和g2(i,j),定义(ε,η)为判读窗口内流体微团运动可能产生的位移量( -M≤ε≤M,-N≤η≤N),通过下列公式计算所有可能的位移量对应的互相关系数,最大互相关系数对应的位移量即为判读窗口中心点的位移。

(1)

本文所采用的软件为PIVLab,其算法为基于连续帧增强图像矩阵Ip2k-1和Ip2k,采用多重网格迭代的PIV算法计算像素尺度下的第k帧位移场Uk(x,y,Δx,Δy)。

4 实地应用与结果比测

秦淮河水系全长约110 km,是长江下游的重要支流,分为内秦淮河和外秦淮河两部分。其中外秦淮河上游段东起中和桥,西至三汊河入江口,途径秦淮区、建邺区、鼓楼区等南京主城区,全长约13 km。基于上述操作步骤,本研究选取秦淮河石头城河段作为研究区域,将LSPIV技术结合无人机技术应用于该河道表面流场测量。

为了进行结果比测,本研究同时利用ADCP获取了表面流速(换能器如水深度5 cm),比测断面如图4所示。比较结果表明,无人机遥感反演得到的河道表面流速值与ADCP所测得的实际流速趋势相吻合,结果较为准确。由于水中示踪物不均匀,在缺少示踪物的区域剔除掉错误矢量后进行空间插值补充数据,因此某些点的结果与实测值略有偏差。但是无人机反演得到的流速值相对于ADCP实测值的误差大致在10%范围内。

图4 反演结果与ADCP实测数据结果对比

5 结 论

本文针对基于自然示踪物的无人机河流表面流场测量进行了现场实验研究,并应用于秦淮河的石头城河段,反演得到河道表面流场数据及分布,并与ADCP实测数据进行对比分析结果表明:

(1) 通过无人机遥感反演得到的流速数据与ADCP实测值进行对比,相对误差在10%的范围以内,精确度可以满足野外应用的需求。

(2) 部分测点误差相对较大,可能是因为本研究是基于河道中天然稀疏并且分布不均匀的示踪物。在实际操作过程中,选择合适的试验时间,可以在一定程度上减少水面反射的影响,从而提高流场反演的精确程度。