LiDAR與Canny結合的水電站導流洞來水量建模研究

0 引言

導流洞作為水電站施工階段的臨時建筑物，在水電站施工結束后部分進行上游封堵，用于導引廠房滲漏積水[1-2]。導流洞來水量會隨著氣候、降雨、山體開裂等因素發生變化，有必要動態檢測來水特征，以應對可能出現的極端來水情況。當來水較少時，通過末端集水池排水系統正常疏導；當來水急、流量大時，可以調整排水系統機組啟動臺數和運行效率，以及臨時部署便攜式排水泵車等進行強排。

導流洞來水檢測的關鍵包括以下兩點： ① 實時獲取導流洞積水水位； ② 通過當前水位獲取積水容積，再通過前后時間點的容積變化量計算來水流量。對于導流洞這種不規則空間指定高程的容積計算，較多采用三維激光掃描傳感設備獲取空間點云數據，再采用三維建模軟件搭建高程-容積模型。其中，激光雷達LiDAR（lightdetectionand ranging）在三維成像領域具有穿透性高、靈活性好、抗干擾能力強等優勢[3-4]，已廣泛應用于礦洞三維重建、河道治理等領域。例如，鄒勛等[5]采用三維激光掃描和BIM技術構建了錢塘江古海塘空間結構；孫晨曦等通過無人機搭載激光雷達獲取了露天礦井三維模型，進而計算了采礦區挖石方體積；高圣益等[提出利用機載激光雷達技術可以快速得到整個地面三維數據，進而獲取庫區地面數字高程模型;吳昊等[8]通過機載激光雷達快速采集長江中游流域河道地形和斷面數據，精度滿足相關規范要求。

在水位自動化測量方面，最常見的方案是通過水位傳感器采集，如壓阻式壓力式水位計測量、超聲波水位計測量[10]、分體式導波雷達水位計測量[]等，不同原理水位計在各行業均有成熟的應用。但在實際應用中，水位傳感器易受場景因素的干擾，且維護成本較高[12]。隨著計算機視覺技術的快速發展，在水位識別場景上涌現了很多成熟的算法和研究案例。如有學者采用圖像識別算法提取了視頻畫面中的水尺刻度信息，得到的水位識別誤差滿足精度要求[13-15];孫英豪等[16]采用U－net神經網絡對含水位線圖像樣本進行了訓練，得到水體與非水體區域的圖像語義分割模型，水位預測誤差小于 1cm 。

綜上所述，本文首先采用LiDAR技術和GlobalMapper17三維軟件構建導流洞的高程－可積水容積數學模型，再通過計算機視覺技術實時檢測導流洞水位，換算成實際高程，得到當前積水量。同時，為了避免水位檢測模型精度對訓練樣本質量的依賴，本文提出了一種基于Canny算法的實時水位檢測模型，直接識別采集圖像中的水位線邊緣像素，并采用坐標擬合的方式轉換為實際水位。

1 Canny邊緣檢測原理

Canny是一種多級邊緣檢測算法，該算法基于邊緣檢測的3個指標和3個準則，旨在找到圖像中的最優邊緣[17]。算法流程包括對原始圖像進行灰度化，對圖像進行高斯濾波，計算灰度圖像的梯度大小和方向，對梯度值進行非極大值抑制，用雙閾值算法檢測和連接邊緣。

1.1 圖像灰度處理

Canny算法通常處理的圖像為灰度圖，因此需要將攝像機拍攝的彩色圖像轉換為灰度圖。對圖像進行灰度化處理，即根據圖像各通道的采樣值進行加權平均。以RGB格式圖像為例，常用的灰度化方法有如下兩種：

I_gray=0.299×I_R+0.587×I_G+0.114×I_B （2）式中： I_gray 表示灰度化后的像素值； I_R，I_G，I_B 分別為原圖像對應像素的紅、綠、藍通道上的像素值。

公式（2）是根據人眼對不同顏色的敏感度來確定的，人眼對綠色的敏感度最高，對藍色的敏感度最低，因此公式中綠色通道的權重最大，藍色通道的權重最小。本文采用的方法是公式（2）。

1.2 高斯濾波

對圖像進行高斯濾波可以去除圖像中的噪聲。通常，濾波和邊緣檢測是矛盾的概念，抑制了噪聲會使得邊緣變得模糊，增加邊緣定位的不確定性。工程經驗表明，高斯函數確定的核可以在抗噪聲干擾和邊緣檢測精度之間取得較好的平衡。高斯濾波公式為

式中： G（x，y） 表示高斯函數； σ 表示濾波器的標準差。

1.3 計算圖像梯度

利用Sobel算子即可計算圖像梯度及方向[18]Sobel算子是2個 3×3 的矩陣，分別為 S_x 和 S_y 。前者用于計算圖像 x 方向梯度矩陣 G_x ，后者用于計算圖像y 方向梯度矩陣 。具體形式為

式中： 為灰度圖像矩陣，此處的 * 表示互相關運算（卷積運算可視為將卷積核旋轉 180^° 后的互相關運算）。圖像矩陣坐標系原點在左上角，且 x 正方向為從左到右， y 正方向為從上到下。則由式（6）可計算得到梯度強度矩陣 G_?xy ：

1.4 對梯度值進行非極大值抑制

非極大值抑制是指尋找像素局部最大值，這是因為Sobel算子檢測出的邊緣較粗，需要抑制梯度較小的像素點，只保留最大的梯度，從而達到瘦身的目的。沿著梯度的方向，比較它前后的梯度值，梯度非最大的像素點很可能只是邊緣的過渡點，排除非邊緣點后，最后得到的結果為較細的邊緣線。公式如下：

M^′（x，y）=

?M（x，y），M（x，y）??M_L 且 M（x，y）?M（x+δ_x，y+δ_y） l0，其他

式中： M_L 為梯度強度的低閾值； δ_x 和 δ_y 為梯度方向的偏移量，如 δ_x=cosθ（x，y） . δ_y=sinθ（x，y） 。

1.5 雙閾值算法檢測和連接邊緣

為減少假邊緣數，Canny算法采用了雙閾值法，具體為梯度低于下閾值的邊認為不是邊緣，梯度高于上閾值的邊認為是強邊緣，梯度介于上下閾值之間的邊認為是弱邊緣。強邊緣產生的圖像可能不閉合，此時會從輪廓端點的8鄰域中尋找滿足低閾值的點（即弱邊緣），再根據此點收集新的邊緣，直至整個圖像閉合。

式中： M_H 為梯度強度的高閾值；Strong，Weak，Non-edge分別表示強邊緣、弱邊緣和非邊緣。

2 實際水位標定擬合

通過現場測量各標定物的實際高度，并與攝像頭拍攝圖片的像素高度進行擬合，可以得到實物距離與像素距離的數學關系。后續實時檢測出導流洞水位線的像素高度后，可以基于該擬合關系，轉換為實際高度，進而得到實際水位。以某水電站導流洞為研究對象，導流洞現場如圖1（a）所示。布置攝像頭后，拍攝畫面如圖1（b）所示。

從工作臺面往下，在垂直墻面每隔 5cm 設置1個標定點，然后基于攝像頭拍攝的圖像，提取每個標定點到工作臺面的像素高度，共計得到23組實際高度與像素高度數據（以工作臺面為基準，下同）。通過水位-像素散點圖，以均方誤差最小為目標函數，進行實際高度與像素高度的多項式擬合，見式（9）和式（10）。

式中： M 是多項式階數； w_i 代表各階權重系數； x 為像素高度 ：f（x，w） 為擬合實際高度； y 為實際高度； E（w） 為擬合實際高度與實際高度的均方誤差； N 為樣本數量。

基于樣本數據進行擬合，結果如圖2所示。可以看出，實際高度與像素高度為一元二階多項式關系，且二階權重系數較低，整體接近線性。擬合結果均方誤差為 0.034cm² ，最大絕對誤差小于 0.5cm 。

3 導流洞LiDAR容積建模

采用三維激光雷達掃描儀獲取導流洞點云數據，繪制三維結構，如圖3所示。

采用GlobalMapper17軟件導入點云數據，繪制淹沒區等高線和縱剖面（圖4）。可以看出，導流洞地面形狀極不規則、高低不平。以圖1（b）所示的工作臺面為基準，往下每隔 1cm 獲取對應高程的可積水容積，結果如圖5所示。可以看出容積變化順滑，沒有突變，表明采用 1cm 高差采樣滿足要求。越靠近底部，容積變化越平緩，這是由于底部土石堆疊和其他建筑物占用，導致的高程可積水面積小。離基準 120cm 再往下，容積極小，且幾乎不隨高程變化，這些均為底部分布的 20～30cm 深度的小凹坑。

4導流洞水位檢測及來水量模型搭建

4.1 Canny邊緣檢測

首先，對圖片進行灰度處理后采用Canny算法進行圖片邊緣檢測。由第1節可知，圖片高斯濾波、梯度計算均為固定參數與算法處理，邊緣檢測結果優劣主要取決于雙閾值選取。本次研究通過OpenCVtrack-bar動態調整雙閾值，選擇適合的閾值組合。從圖6可以看出，不同雙閾值組合下邊緣檢出敏感度區別明顯。最終選取下閾值為200、上閾值為100的參數組合。

4.2 掩碼區域選擇

從圖1（b）圖6可以看出，畫面中存在很多與水位線不相干的邊緣線，如護欄邊緣、電路管線邊緣、臺階邊緣等，會對水位邊緣的識別造成極大干擾。本次研究僅關注工作臺面邊緣和水位邊緣，因此，采用掩碼（Mask）提取圖像中合適的區域，如圖7所示。

4.3 異常邊緣過濾和水位提取

從圖7可以看出，結果中會包含異常邊緣，包括電路管線上下邊緣，以及墻面痕跡檢出的邊緣等。為提高魯棒性，對掩膜區域中的異常邊緣預先過濾。過濾規則如下：

（1）由于水位線是水平邊緣，因此可以直接過濾傾斜角過大和垂直的邊緣。（2）因攝像頭固定，對于圖中固定的干擾邊緣直接過濾，如電路管線上下邊緣、墻面固定劃痕邊緣等。

（3）計算邊緣線像素寬度，低于閾值的直接過濾掉。本研究閾值選取為掩膜區域像素寬的1/3。

進行異常邊緣過濾后，滿足要求的邊緣僅剩2條，見圖8中的工作臺面邊緣和水位邊緣。

4.4 來水量模型搭建

圖8中工作臺面邊緣和水位邊緣之間的像素高度為 264cm ，代人第2節的實際水位擬合公式中，得到實際水位離工作臺面的距離 81.3cm ，與實測結果（ 81.7cm 誤差在 1% 以內。再將該距離代入第3節中的高程－可積水容積模型中，得到當前積水容積為628m³ 。通過計算兩次檢測時間點的容積差，即可得到來水變化。

5結論

本次研究采用三維空間建模技術，結合計算機視覺算法進行水位檢測，搭建了導流洞來水量檢測模型，并在水電站進行了實踐落地應用，具有一定的工程應用實踐價值。主要結論如下：

（1）通過LiDAR技術，得到導流洞三維空間點云數據。采用GlobalMapper17軟件，建立了導流洞高程－可積水容積數學模型。該方法克服了導流洞空間不規則、無法精準計算可積水容積的難點。

（2）采用Canny邊緣檢測算法快速提取監控畫面中的水位線，并提取其與基準線的像素高度，再基于像素高度與實際高度的多項式擬合關系，將像素高度轉換為實際高度。相比傳統水位計測量，本方案對環境適應性更強，同時克服了ORC水位標尺刻度識別對水質要求較高的局限性。

參考文獻：

[1］高涵，汪碧飛，韓爭光.西藏扎拉水電站金屬結構設計[J].水利水電快報，2024，45（6）：76-82.

［2]曹登榮，孫文召，李劍萍.南歐江七級水電站導流調封堵體設計及穩定性分析[J].水利水電快報，2023，44（12）：42-47.

[3]韓斌，曹杰，史牟丹，等.激光雷達三維成像研究進展[J].激光與光電子學進展，2024，61（2）：46-63.

[4]王書偉，舒清態，馬旭，等.激光雷達與高光譜成像技術數據融合研究進展[J].遙感技術與應用，2024，39（1）：11-23.

[5]鄒勛，劉學應.基于激光雷達點云的錢塘江古海塘建模研究［J].佳木斯大學學報（自然科學版），2024，42（6）：83-86.

[6]孫晨曦，魏建新，巴比爾江·迪力夏提，等.基于多源低空遙感融合技術的露天礦實景三維重建及應用研究[J].能源與環保，2024，46（6） ：160-165.

[7]高圣益，李成國.水庫庫容測量技術研究[J].人民長江，2007，38（10） ：98 -99.

[8］吳昊，張曉萌.機載LiDAR在長江中游河道測繪中的應用[J].人民長江，2022，53（9）：109-114.

[9]彭勤文，黃忠新，張辰亮.壓阻式壓力水位計在感潮河段及海洋測量中的應用[J].長江工程職業技術學院學報，2007（3）：31-33.

[10］陳永龍.黑河三道營水文站超聲波水位計的應用分析[J].內蒙古水利，2023（10）：60-61.

[11］李亮，范瑾，張曙光，等.分體式導波雷達液位計測量組件抗震方法研究[J].核科學與工程，2024，44（1）：121-128.

[12］陳金水.基于視頻圖像識別的水位數據獲取方法[J].水利信息化，2013（1） ：48-51，60.

[13］徐志，高凱，高希超，等.基于MaskRCNN的河湖水位識別方法[J].水電能源科學，2023，41（7）：23-26.

[14］杜成波.基于視頻圖像識別的水電站現場安全管理[J].人民長江，2024，55（增1）：226-231.

[15］朱蕾，徐凌，王冬梅，等.視頻測流技術在都江堰灌區的應用研究[J].人民長江，2023，54（10）：235-242.

[16]孫英豪，丁勇，李登華，等.基于圖像識別的無標尺水位測量技術研究[J].水利水運工程學報，2023（4）：91-97.

[17]CANNYJF.A computational approach to edge detection[J].IEEETransactions on Pattern Analysis and Machine Intelligence，1987，8（6） ：679 -698.

[18］尹雪松.基于Sobel算子的飛機艙門邊緣檢測[J].自動化應用，

（編輯：鄭毅）

Modeling of water inflow from diversion tunnel of hydropower stations based on LiDAR and Canny algorithm

XIAO Jiangtao1，REN Gang1 ，WANG Dengxian1，DIAO Hejun1，ZHANG Haichuan2，CHEN Hui3 （1.XiluoduPowerPlant，hree GorgesJinshajiang Chuanyun HydropowerDevelopment Co.，Ltd.，Zhaotong 65730o，hina; 2.UniversityofSienceandTechnologyofChina，Hefei23oo，China;3.ShoolofEnergyandPowerEnginering，Xihua University，Chengdu 610039，China）

Abstract：Formanyhydropowerstationsinrunning，diversiontunnels playaroleof drainingaccumulated waterinunderground space，soitisnecessarytodynamicallmontorthevariationtrendoftheaccumulatedwater.Throughfullystudying theeypoints anddiffcultiesofmonitoringthewaterinflowfromdiversiontunnels，ndcombiningwiththeadvantagesanddisadvantagesofexistingresearchresultsandtechnologies，arealtimecomputing methodbasedonLiDARtechnologyandCanny waterlevelmonito ring wasproposed tocalculatetheaccumulated watervolumeindiversiontunels.Firstly，thethree-dimensionalspatialpoint cloud data of thediversion tunnel wasobtainedbyLiDAR scanning.Then Global Mapper17software wasusedtocalculate the posible watervolumeatdiferentelevations，andamathematicalrelationship betweenthewaterlevelandthewatervolumewas obtained.Finaly，theCannyalgorithmwasusedtoidentifytheedgeofthewaterlevelinthemonitoringscreenofthediversion tunnel，andthepieldistancewasconvertedintotheactualheighthichwassubstitutedintothewaterlevel-availableaterolumerelationshiptoobtainthecurrnt watervolume.Throughpracticalaplication，thepresentedmethodovercomestheproblemof iregularspatialstructureofdiversiontunnels，andcanacuratelyestablishtherelationshipbetweenthewaterlevelofthediversion tunnelandthevolumeofavailablewater.Atthesametime，theerorbetweenCannywaterlevelmonitoringandtheactualresult was controlled within 1% . The results have clear application values and practical guiding significance.

Key words：hydropower stations;diversion tunnel;water level monitoring;change of accumulated water;LiDAR；Canny