一种基于热成像的火点测距方法

摘要

本发明涉及一种基于热成像的火点测距方法。提供一集成有可见光摄像头和热成像摄像头的双目摄像机，该方法实现方式为：首先，在双目摄像机的热成像摄像机内设置梯度区域，标识相同梯度区域的空间参数；当发现热源灰度对比异常时，在热成像视频上将标识出热点；根据热点在像素图片的位置，判断该热点所在梯度区域，结合相对应梯度区域的空间参数，计算出双目摄像头到目标的实际距离，从而实现火点测距。本发明方法在发现火灾的或火点时，根据参考坐标，大致计算出火点间距，并能够给运维抢修人员更直观的了解，从容安排抢修事项。

说明书

技术领域

本发明涉及一种基于热成像的火点测距方法。

背景技术

现有防山火监控报警系统均无火点测距功能，当发生山火时，只是通报存在火警，无法明确火点发生的距离，由于输电线路多在偏远地区，发生火灾时，需要紧急就近调用物资，如果能够给出距离杆塔的距离，能够给运维抢修人员更直观的了解，从容安排抢修事项。

发明内容

本发明的目的在于提供一种基于热成像的火点测距方法，在发现火灾的或火点时，根据参考坐标，大致计算出火点间距，并能够给运维抢修人员更直观的了解，从容安排抢修事项。

为实现上述目的，本发明的技术方案是：一种基于热成像的火点测距方法，提供一集成有可见光摄像头和热成像摄像头的双目摄像机，该方法实现方式为：首先，在双目摄像机的热成像摄像机内设置梯度区域，标识相同梯度区域的空间参数；当发现热源灰度对比异常时，在热成像视频上将标识出热点；根据热点在像素图片的位置，判断该热点所在梯度区域，结合相对应梯度区域的空间参数，计算出双目摄像头到目标的实际距离，从而实现火点测距。

在本发明一实施例中，所述热成像摄像机采用固定焦距的方式，像素采用640×480，并采用热源灰度定时的扫描预制方位。

在本发明一实施例中，所述梯度区域的设置方式如下：

依据地形等坡线，将热成像摄像机监控区域按照坡度大小近似划分为多个区域，每个区域用图像坐标系表达图像矩形位置；每个区域的定义为此区域的坐标范围和X轴、Y轴比例尺及倾斜度及倾斜度变化比率；

每个区域的X轴、Y轴比例尺及倾斜度，包括该区域的X轴梯度角度、X轴梯度比例、X轴梯度变比△XTd、Y轴梯度角度、Y轴梯度比例、Y轴梯度变比△YTd；

其中，X轴梯度变比△XTd、Y轴梯度变比△YTd均按照如下梯度变比△Ytd的确定方式确定：

设摄像机设置于摄像机视角中心与监控区域地面垂直高度为H处，在摄像机的视角监控范围设置基准参照点及第1至第n参照点，设摄像机视角中心与基准参照点的水平距离为S"，且各参照点间距距离为△S"则可得，

Jn_0＝arctg((S"+n×△S")/H)

J1_1"＝arctg(S"/H)

根据成像原理，图片上的图片像素与摄像头拍摄图片时的视线必然是垂直关系，因此

Jn_1＝90-J1_1"

Jn_2＝180-Jn_1-Jn_0

设成像图片上，摄像机视角和第1参照点连线与图片像素交点距基准参照点的图片像素长度为L1，摄像机视角和第n参照点连线与图片像素交点距基准参照点的图片像素长度为Ln，则存在以下计算公式

Ln＝n×△S"×Sin(Jn_0)/Sin(Jn_2)

L1＝△S"×Sin(J1_0)/Sin(J1_2)

其中，J1_1"为摄像机视角与基准参照点处地面的夹角，J1_0为摄像机视角与第1参照点处地面的夹角，Jn_0为摄像机视角与第n参照点处地面的夹角，Jn_1为图片像素与基准参照点处地面的锐角夹角，J1_2为图片像素与摄像机视角和第1参照点连线的钝角夹角，Jn_2为图片像素与摄像机视角和第n参照点连线的钝角夹角；

由此可得梯度变比△Td＝Ln/L1；同理，可得△Td＝Ln/Li，i＝1,2,……,n；

X轴梯度角度相当于针对已知参照点的左右方向上的高度的起伏、Y轴梯度角度相当于针对已知参照点的前后方向上高度的起伏，具体计算公式确定方式如下：

取与摄像机视角中心接近的一个点作为参照点S1，且点S1的横纵坐标值x1和y1为已知数值；

任意点N与基准参照点的像素距离

点N的相对水平方向的图片绝对角度

Xnt＝arctg(Yn/Xn)*180

点N与X轴的角度偏差

Tnx＝Xj-Tnx

点N在X轴上的投影距离

SnX＝cos(Tnx)×Sn

点N的相对垂直方向的图片绝对角度

Ynt＝arctg(Xn/Yn)*180

点N与Y轴的角度偏差

Tny＝Yj-Tny

点N在X轴上的投影距离

Sny＝cos(Tny)×Sn

由上述可得，

点N在X轴上的实际换算距离

SnX'＝SnX×Xz×△XTd

点N在Y轴上的实际换算距离

SnY'＝Sny×Yz×△YTd

由此可得，摄像机视角中心与点N的实际距离为

在本发明一实施例中，根据热点在像素图片的位置，根据已知点的测绘位置计算该热点所在梯度区域，结合相对应梯度区域的空间参数，计算出双目摄像头到目标的实际距离的计算流程如下：

1)首先针对每个区域计算最小外包矩形，将在最小外包矩形外的点，直接进行过滤，避免大量的重复运算；

2)针对最小外包矩形内部点，采用射线法获得每个点所在的区域，分别填入各区域的最小外包矩形中；

3)通过HaspMap建立索引，每个点最大定位18次即可获得指定点所在的区域；

4)估算任意热点Q到已知点的距离公式如下：

设点Q的坐标为Xq,Yq

已知点的坐标为X1,Y1

则存在着以下公式

Sq1²＝(Xq-X1)²+(Yq-Y1)²

其中，Sq1表示为两点之间的图片距离；

设梯度比例为Tz

则任意热点Q点到已知点的实际距离为：

SQ1＝Sq1*Tz。

相较于现有技术，本发明具有以下有益效果：本发明方法在发现火灾的或火点时，根据参考坐标，大致计算出火点间距，并能够给运维抢修人员更直观的了解，从容安排抢修事项。

附图说明

图1为从摄像机的视角查看场景示意图。

图2为梯度区域划分示意图。

图3为梯度变比计算原理示意图。

图4为梯度角度计算原理示意图。

图5为区域计算流程示意图。

图6为最小外包矩形示意图。

图7为距离计算流程示意图。

具体实施方式

下面结合附图，对本发明的技术方案进行具体说明。

本发明的一种基于热成像的火点测距方法，提供一集成有可见光摄像头和热成像摄像头的双目摄像机，该方法实现方式为：首先，在双目摄像机的热成像摄像机内设置梯度区域，标识相同梯度区域的空间参数；当发现热源灰度对比异常时，在热成像视频上将标识出热点；根据热点在像素图片的位置，判断该热点所在梯度区域，结合相对应梯度区域的空间参数，计算出双目摄像头到目标的实际距离，从而实现火点测距。

所述热成像摄像机采用固定焦距的方式，像素采用640×480，并采用热源灰度定时的扫描预制方位。

所述梯度区域的设置方式如下：

依据地形等坡线，将热成像摄像机监控区域按照坡度大小近似划分为多个区域，每个区域用图像坐标系表达图像矩形位置；每个区域的定义为此区域的坐标范围和X轴、Y轴比例尺及倾斜度及倾斜度变化比率；

每个区域的X轴、Y轴比例尺及倾斜度，包括该区域的X轴梯度角度、X轴梯度比例、X轴梯度变比△XTd、Y轴梯度角度、Y轴梯度比例、Y轴梯度变比△YTd；

其中，X轴梯度变比△XTd、Y轴梯度变比△Y Td均按照如下梯度变比△Ytd的确定方式确定：

设摄像机设置于摄像机视角中心与监控区域地面垂直高度为H处，在摄像机的视角监控范围设置基准参照点及第1至第n参照点，设摄像机视角中心与基准参照点的水平距离为S"，且各参照点间距距离为△S"则可得，

Jn_0＝arctg((S"+n×△S")/H)

J1_1"＝arctg(S"/H)

根据成像原理，图片上的图片像素与摄像头拍摄图片时的视线必然是垂直关系，因此

Jn_1＝90-J1_1"

Jn_2＝180-Jn_1-Jn_0

设成像图片上，摄像机视角和第1参照点连线与图片像素交点距基准参照点的图片像素长度为L1，摄像机视角和第n参照点连线与图片像素交点距基准参照点的图片像素长度为Ln，则存在以下计算公式

Ln＝n×△S"×Sin(Jn_0)/Sin(Jn_2)

L1＝△S"×Sin(J1_0)/Sin(J1_2)

其中，J1_1"为摄像机视角与基准参照点处地面的夹角，J1_0为摄像机视角与第1参照点处地面的夹角，Jn_0为摄像机视角与第n参照点处地面的夹角，Jn_1为图片像素与基准参照点处地面的锐角夹角，J1_2为图片像素与摄像机视角和第1参照点连线的钝角夹角，Jn_2为图片像素与摄像机视角和第n参照点连线的钝角夹角；

由此可得梯度变比△Td＝Ln/L1；同理，可得△Td＝Ln/Li，i＝1,2,……,n；

X轴梯度角度相当于针对已知参照点的左右方向上的高度的起伏、Y轴梯度角度相当于针对已知参照点的前后方向上高度的起伏，具体计算公式确定方式如下：

取与摄像机视角中心接近的一个点作为参照点S1，且点S1的横纵坐标值x1和y1为已知数值；

任意点N与基准参照点的像素距离

点N的相对水平方向的图片绝对角度

Xnt＝arctg(Yn/Xn)*180

点N与X轴的角度偏差

Tnx＝Xj-Tnx

点N在X轴上的投影距离

SnX＝cos(Tnx)×Sn

点N的相对垂直方向的图片绝对角度

Ynt＝arctg(Xn/Yn)*180

点N与Y轴的角度偏差

Tny＝Yj-Tny

点N在X轴上的投影距离

Sny＝cos(Tny)×Sn

由上述可得，

点N在X轴上的实际换算距离

SnX'＝SnX×Xz×△XTd

点N在Y轴上的实际换算距离

SnY'＝Sny×Yz×△YTd

由此可得，摄像机视角中心与点N的实际距离为

根据热点在像素图片的位置，判断该热点所在梯度区域，结合相对应梯度区域的空间参数，计算出双目摄像头到目标的实际距离的计算流程如下：

1)首先针对每个区域计算最小外包矩形，将在最小外包矩形外的点，直接进行过滤，避免大量的重复运算；

2)针对最小外包矩形内部点，采用射线法获得每个点所在的区域，分别填入各区域的最小外包矩形中；

3)通过HaspMap建立索引，每个点最大定位18次即可获得指定点所在的区域；

4)估算任意热点Q到已知点的距离公式如下：

设点Q的坐标为Xq,Yq

已知点的坐标为X1,Y1

则存在着以下公式

Sq1²＝(Xq-X1)²+(Yq-Y1)²

其中，Sq1表示为两点之间的图片距离；

设梯度比例为Tz

则任意热点Q点到已知点的实际距离为：

SQ1＝Sq1*Tz。

以下为本发明具体实施例。

双目摄像机存在一个可见光摄像头，和另一个热成像摄像头，热成像摄像机采用固定焦距的方式像素采用640×480，采用热源灰度定时的扫描预制方位的内容。

进行火点测距时，需要首先在热成像的摄像机内设置梯度区域，标识相同区域的空间参数。

当发现热源灰度对比异常时，在热成像视频上将标识出热点。根据热点在像素图片的位置，结合区域的空间参数。能够计算出摄像头到目标的实际的距离。识别精度根据空间参数的设定进行计算获得。

梯度区域的设置计算原理如下：

针对图像分析来说，由于从摄像机的视角查看场景如图1所示。

热成像摄像机的成像画面采用固定焦距的640×480像素，固定焦距。

在图片上必然形成一个自近而远的平面图片。图片上每个位置均对应着一组三维坐标，能够体现整个图片的层次关系。

但是对于前端设备来说，采用全三维坐标确定每个图素的坐标，从计算上来说是无法保障的。必须采用近似发进行估算。

本发明采用的近似法则，是根据地形等坡线，划定区域。在么每个区域设定一组计算参量。如图2所示。

由于存在地势起伏，将整个区域分为n(图中为4个)个区域，每个区域用图像坐标系表达图像矩形位置。

每个区域的定义为此区域的坐标范围和的X轴、Y轴的比例尺及倾斜度。

每个区域的X轴、Y轴比例尺及倾斜度，包括该区域的X轴梯度角度、X轴梯度比例、X轴梯度变比△XTd、Y梯度角度、Y轴梯度比例、Y轴梯度变比△YTd，具体设置方式如下：

梯度变比：根据图3进行三角计算

变比△Td计算公式如下：

Jn_0＝arctg((S"+n×△S")/H)

J1_1"＝arctg(S"/H)

根据成像原理，图片上的图片像素与摄像头拍摄图片时的视线必然是垂直关系，因此

Jn_1＝90-J1_1"

Jn_2＝180-Jn_1-Jn_0

设成像图片上，摄像机视角和第1参照点连线与图片像素交点距基准参照点的图片像素长度为L1，摄像机视角和第n参照点连线与图片像素交点距基准参照点的图片像素长度为Ln，则存在以下计算公式

Ln＝n×△S"×Sin(Jn_0)/Sin(Jn_2)

L1＝△S"×Sin(J1_0)/Sin(J1_2)

其中，J1_1"为摄像机视角与基准参照点处地面的夹角，J1_0为摄像机视角与第1参照点处地面的夹角，Jn_0为摄像机视角与第n参照点处地面的夹角，Jn_1为图片像素与基准参照点处地面的锐角夹角，J1_2为图片像素与摄像机视角和第1参照点连线的钝角夹角，Jn_2为图片像素与摄像机视角和第n参照点连线的钝角夹角；

由此可得梯度变比△Td＝Ln/L1；同理，可得△Td＝Ln/Li，i＝1,2,……,n；表示在知道高度和夹角的情况下，本区域内的长度估算比例可根据此计算公式形成统一的△Td计算值，并作为区域参数保存。

梯度参量：根据图4进行计算，具体如下：

任意点N与基准参照点的像素距离

点N的相对水平方向的图片绝对角度

Xnt＝arctg(Yn/Xn)*180

点N与X轴的角度偏差

Tnx＝Xj-Tnx

点N在X轴上的投影距离

SnX＝cos(Tnx)×Sn

点N的相对垂直方向的图片绝对角度

Ynt＝arctg(Xn/Yn)*180

点N与Y轴的角度偏差

Tny＝Yj-Tny

点N在X轴上的投影距离

Sny＝cos(Tny)×Sn

由上述可得，

点N在X轴上的实际换算距离

SnX'＝SnX×Xz×△XTd

点N在Y轴上的实际换算距离

SnY'＝Sny×Yz×△YTd

由此可得，摄像机视角中心与点N的实际距离为

依据上述设置参数，可知在图上任意点的区域可以用计算公式可以进行推导如下

1.首先判断当前点所在的区域：

2.根据当前区域的计算公式，获得当前点距离坐标比例起点的位置和距离。

3.根据当前起点的位置和距离，结合计算的起点位置和距离，计算图形点对于摄像机的距离。

(1)如图5-6所示，区域计算流程如下：

采用空间计算法，在内存中将每个点均标注出所在的位置，数据结构如下

1)首先针对每个区域计算最小外包矩形，将在矩形外的点，直接进行过滤，避免大量的重复运算。

图6中，外部的矩形框为最小外包矩形。

2)针对矩形内部点，不在红色封闭区域内的点，采用射线法获得每个点所在的区域。填入上述结构中。

3)结构的总数量为640×480＝307200个像素。所占的空间尺寸为3.5M的内存空间。此数据可保存至静态文件，使用时从文件进行加载。

4)通过HaspMap建立索引。每个点最大定位18次即可获得指定点所在的区域。

流程如图5所示：

(2)如图7所示，距离计算过程如下：

定义：区域参量如下

估算任意热点Q到已知点的距离公式如下：

设点Q的坐标为Xq,Yq

已知点的坐标为X1,Y1

则存在着以下公式

Sq1²＝(Xq-X1)²+(Yq-Y1)²

其中，Sq1表示为两点之间的图片距离；

设梯度比例为Tz

则任意热点Q点到已知点的实际距离为：

SQ1＝Sq1*Tz。

以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。