基于移動攝影設備的大尺度粒子圖像測速研究

阮哲偉 吳俊 姜宏亮

摘 要：大尺度粒子圖像測速技術在復雜地形流域的原型觀測實驗中存在安裝難等問題。本文提出了采用移動攝影設備進行原型觀測實驗數據采集的方法，通過對采集的視頻進行去抖動處理，得到了無抖動的視頻圖像。讀取無抖動視頻的幀圖像，進行LSPIV流場分析，印證了去抖動處理方法的可行性。該方法的成功應用，大大降低了復雜地形流域的原型觀測實驗的難度，具有良好的應用前景。

關鍵詞：移動攝影設備 LSPIV 去抖動 原型觀測 復雜地形

中圖分類號：TV122 文獻標識碼：A 文章編號：1672-3791（2018）02（a）-0014-02

大尺度粒子圖像測速（Large Scale Particle Image Velocimetry，LSPIV）是一種基于圖像的河流水面成像測速技術，是實驗室環境下的粒子圖像測速（Particle Image Velocimetry，PIV）技術在大尺度現場環境下的擴展。

相比聲學法和雷達法等非接觸式測流技術，LSPIV具有瞬時全場流速測量的特點，在快速獲取瞬時流場、湍流特征、流動模式等方面具有明顯優勢。能夠以可視性和穩定性較差、但分布更均勻的天然漂浮物以及水面模式作為水流示蹤物（例如植物碎片、泡沫、細小波紋等天然水面漂浮物及水面模式為水流示蹤物），不僅可用于實驗室環境下明渠水流紊動特性的研究，更具有野外天然河道表面流場監測的潛力。

20世紀90年代，Hasheminejad等人首先提出了將PIV技術改進用于大尺度水面流場觀測的設想，并成功將其用于Yodo河的洪水流量測量，該技術被稱為大尺度粒子圖像測速（large-scale PIV，LSPIV）。在河流現場應用中，LSPIV能夠以植物碎片、泡沫、細小波紋等天然水面漂浮物及水面模式為水流示蹤物，以自然光代替激光片光，以普通數碼相機或視頻攝像機代替高幀頻相機，大大簡化了硬件系統的配置，加速了實驗室研究向工程野外測量領域的成果轉化。為了克服野外測量視場小的問題，Fujita等人利用直升機拍攝的視頻來計算Yodo河流在2002年的洪水數據。河海大學的王鑫等使用熱氣球對大型河流表面垂直拍攝，獲取大范圍的流場測量結果。愛荷華大學的M.Muste等人使用攝像頭代替高幀頻工業相機，大大降低了硬件成本。美國海軍研究實驗室的David W. Dobson等人在提高LSPIV的迭代效率和計算質量上做深入研究。自LSPIV技術提出以來，以日本神戶大學、美國愛荷華大學、法國格勒諾布爾國立理工學院、美國威斯康辛大學等為代表的國外研究團隊，在原型系統開發、圖像處理算法研究和測量不確定度評估等方面持續開展了大量研究工作。國內的研究團隊多有實驗室條件下單相流、多相流以及物理河工模型的研究成果，但系統化的探索還處于起步階段。

針對水力學方向的大尺度粒子圖像測速技術，在實驗室水工模型流場測量方面已經得到較為廣泛的應用。在實驗室內使用大尺度粒子圖像測速技術，借助實驗大廳內的安裝支架、大廳頂部橫梁等，很容易實現采集設備的定位、安裝和調試。然而，針對自然河流的原型觀測實驗，由于河流范圍寬廣、周邊地形復雜等不利因素，存在著測量設備難以固定安裝、采集控制操作風險大等技術難點。本文針對這一技術難點，創新性地采用了移動攝影設備對天然流域河道的表面流場進行了原型觀測實驗，并借助視頻去抖動算法，還原出了穩定的視覺場景用于LSPIV的計算分析，并取得了很好的流場結果。

1 研究方法

1.1 LSPIV技術

完整的測算流程包括圖像定標、水面模式識別、水面特征提取、速度場計算提取等過程。這里所謂的測速算法即完整的流場采集計算流程中所用多種算法的統稱。考慮到工程實際，水位變化和水面覆蓋面積的變化不可忽視，同時天氣情況和水體水質同樣會引起圖像背景中光場條件及顏色的巨大變化。在這些環境干擾的條件下，自動測量的算法必須準確無誤地勾勒出水面的邊界，并動態調整算法測量的網格。在前期工作中我們已驗證了通過顏色向量的方向來自動區分水面與陸面的算法。然而此算法存在一定的誤差，有時需要人工修正來去除誤差。我們將嘗試改進此算法，通過在圖像上疊加流場的方法來自動訓練圖像分類算法的參數調整。即在圖像分類之前先通過流場算法計算整個圖像的流動，將平均流速一定閾值的區域視為水面區域。通過這樣的預處理，將會提供圖像分類算法的可靠性。

圖像測速算法的主要目的為從圖像中獲取對應特征的變化情況，通過對應特征的運動或結構變化來描述相對應的物理現象。這里是從圖像中提取具備良好示蹤效果的水面模式特征或示蹤物特征，用來計算流場的流速分布，推斷其水動力特征分布。為了實現更好的特征識別和結構識別，我們嘗試使用多種算法獲取其合理的識別結果。

1.2 視頻去抖動處理

手持式移動攝影設備拍攝的視頻通常會受到抖動的影響，通過后期去抖動處理，可以得到穩定視野的視頻畫面。去抖動的原理主要包括兩個部分：（1）運動估計；（2）運動補償。

運動估計的基本思想是將視頻的每一幀圖像分割成若干個互不重疊的宏塊，并以宏塊為單位認為宏塊內的所有像素位移量統一的，設法求出這些宏塊在相鄰幀間的運動偏移量參數得到運動矢量。

運動補償是通過先前的局部圖像來預測、補償當前的局部圖像，它是減少幀序列冗余信息的有效方法。

2 應用實例分析

應用手持設備（手機），在黃河岸邊拍攝了一組黃河某流域的流動視頻。

不進行任何去抖動處理，計算出相鄰幀間的流場，如圖1所示。原始圖像上部為河對岸的山體，中間為黃河流道，下部為拍攝者站立的河岸。從圖1中可以看出，由于視頻的抖動，LSPIV計算結果算出山體和河岸都具有一定的運動速度，這和實際情況顯然是矛盾的。

圖1（a）給出了一個具有平移抖動特征的流場矢量圖，平移抖動一般是拍攝者的手進行上下俯仰或者左右偏轉運動造成的。其主要的特點是，全局速度矢量在統一方向上出現統一大小的增量。

圖2（a）給出了一個具有扭轉抖動特征的流場矢量圖，扭轉抖動一般是拍攝者單手持移動設備，由于手機重心位于手之外，手根據重力感應進行閉環反饋調節設備位置造成的。

應用去抖動處理之后，可以顯著消除視頻抖動效果，獲取平穩的視頻圖像。讀取視頻的每一幀進行流場分析，結果見如圖3所示。

由圖3可見，河對岸的山體和河此岸的石頭地部分，由于去抖動處理，已經基本不存在運動速度。主流速度方向從左至右（從上游至下游）分布合理。

視頻的拍攝幀率為30fps，從視頻中連續截取200幀圖像，通過LSPIV計算得到100張速度矢量圖，圖4給出了100張結果的平均流場。

3 結論

針對自然流域的大尺度粒子圖像測速技術的難點問題，本文開創式的驗證了手持移動攝影設備進行大尺度粒子圖像測速測量的可行性，并取得了很好的實驗結果。本文主要完成了一下工作。

（1）應用移動攝影設備實地獲取黃河某流域的流動視頻。

（2）對具有不規則抖動規律的視頻進行去抖動處理。

（3）應用LSPIV算法計算流域流場特性。

（4）采用邊界識別剔除不相關速度矢量，保留水動力速度矢量數據。