(19)國家知識產(chǎn)權局地址210000江蘇省南京市南京經(jīng)濟技術開發(fā)區(qū)恒園路龍港科技園A1棟501室申請人南京邁杰科信息技術有限公司(普通合伙)441045(57)摘要人機采集目標測流區(qū)域的河床數(shù)據(jù)以及水面波流模型進行修正，輸出水文測流測速結(jié)果。本申請具有提升測流測速的測量精度以及面對復雜獲取被檢測的水域的目標測流區(qū)域，調(diào)用無人機前往所述在所述目標測速區(qū)域中選定動態(tài)錨點，并根據(jù)所述動態(tài)錨點對所述無人機采集自身的周邊畫面，根據(jù)所述周邊畫面得到障礙物數(shù)據(jù)，根據(jù)所述障礙物數(shù)據(jù)以及所述動態(tài)錨點實時生成運動路線所述無人機對所述目標測速區(qū)域進行視頻采集，得到可見光外光水面視頻以及偏振光水面視頻進行融合生成三波段水面視頻，對所述所述無人機采集所述目標測流區(qū)域的河床數(shù)據(jù)以及水面波動述河床數(shù)據(jù)得到河床地形，根據(jù)所述河床地形以及所述水面波動數(shù)據(jù)得到水深數(shù)據(jù)以及斷面平均流速基于所述河床地形、所述水深數(shù)據(jù)以及所述初始流速分布圖流模型，并調(diào)用無人機釋放浮標群，采集所述浮標群的運動軌跡以及陀螺儀數(shù)據(jù)，根據(jù)所述運動軌跡、所述陀螺儀數(shù)據(jù)以及所述斷面21.一種無人機水文測流測速方法，其特征在于，包獲取被檢測的水域的目標測流區(qū)域，調(diào)用無人機前往所述目標測流區(qū)域，在所述目標測速區(qū)域中選定動態(tài)錨點，并根據(jù)所述動態(tài)錨點對所述無人機進行錨點懸停；所述無人機采集自身的周邊畫面，根據(jù)所述周邊畫面得到障礙物數(shù)據(jù)，根據(jù)所述障礙物數(shù)據(jù)以及所述動態(tài)錨點實時生成運動路線；所述無人機對所述目標測速區(qū)域進行視頻采集，得到可見光水面視頻、紅外光水面視頻以及偏振光水面視頻進行融合生成三波段水面視頻，對所述三波段水面視頻進行分析生成初始流速分布圖；所述無人機采集所述目標測流區(qū)域的河床數(shù)據(jù)以及水面波動數(shù)據(jù)，根據(jù)所述河床數(shù)據(jù)得到河床地形，根據(jù)所述河床地形以及所述水面波動數(shù)據(jù)得到水深數(shù)據(jù)以及斷面平均流基于所述河床地形、所述水深數(shù)據(jù)以及所述初始流速分布圖，構(gòu)建三維水流模型，并調(diào)用無人機釋放浮標群，采集所述浮標群的運動軌跡以及陀螺儀數(shù)據(jù)，根據(jù)所述運動軌跡、所述陀螺儀數(shù)據(jù)以及所述斷面平均流速對所述三維水流模型進行修正，輸出水文測流測速結(jié)2.根據(jù)權利要求1所述的一種無人機水文測流測速方法，其特征在于，在所述目標測速區(qū)域中選定動態(tài)錨點，并根據(jù)所述動態(tài)錨點對所述無人機進行錨點懸停的步驟，具體為：調(diào)用所述無人機對所述目標測速區(qū)域進行圖像采集，得到流域圖像，對所述流域圖像進行水流信息提取，得到水流圖像，并對所述水流圖像進行粒子化，得到水流圖像粒子基于所述水流圖像粒子，提取所述水流圖像粒子中的多個粒子特征，并記錄每個所述粒子特征的明顯程度值；選取所述明顯程度值最高的所述粒子特征作為目標粒子特征，并根據(jù)所述目標粒子特征對所述水流圖像粒子進行錨點選擇，得到動態(tài)錨點；對所述動態(tài)錨點按照預設的時間間隔進行拍照，并記錄兩張照片中的所述動態(tài)錨點的位移量，根據(jù)所述位移量以及所述時間間隔得到懸停速度；根據(jù)所述懸停速度調(diào)整所述無人機的螺旋槳功率分配，使得所述無人機與所述動態(tài)錨點保持相對靜止。3.根據(jù)權利要求2所述的一種無人機水文測流測速方法，其特征在于，所述無人機采集自身的周邊畫面，根據(jù)所述周邊畫面得到障礙物數(shù)據(jù)，根據(jù)所述障礙物數(shù)據(jù)以及所述動態(tài)錨點實時生成運動路線的步驟，具體為：所述無人機對自身周邊的環(huán)境進行畫面采集，得到周邊畫面，并對所述周邊畫面進行提取所述障礙物圖像的視覺距離特征和外在形狀特征，基于所述視覺距離特征得到障礙物距離，基于所述外在形狀特征得到障礙物空間位置，結(jié)合所述障礙物距離以及所述障礙物空間位置生成初始障礙物數(shù)據(jù)；根據(jù)所述初始障礙物數(shù)據(jù)以及所述外在形狀特征，對所述周邊畫面之外或之后的障礙物進行預測，得到預測障礙物數(shù)據(jù)，將所述預測障礙物數(shù)據(jù)添加到所述初始障礙物數(shù)據(jù)中生成障礙物數(shù)據(jù)；獲取所述無人機當前的無人機空間位置以及所述動態(tài)錨點當前的錨點空間位置，結(jié)合3所述障礙物數(shù)據(jù)、所述無人機空間位置以及所述錨點空間位置實時生成所述無人機的運動路線。4.根據(jù)權利要求3所述的一種無人機水文測流測速方法，其特征在于，結(jié)合所述障礙物數(shù)據(jù)、所述無人機空間位置以及所述錨點空間位置實時生成所述無人機的運動路線的步驟所述無人機在所述運動路線上運動時，實時更新所述周邊畫面，并對所述障礙物圖像進行實時更新，得到更新障礙物圖像；基于所述更新障礙物圖像得到更新障礙物數(shù)據(jù)，基于所述更新障礙物數(shù)據(jù)判斷所述運動路線是否被所述障礙物攔截；若判斷為所述運動路線被所述障礙物攔截，則提取所述運動路線中被攔截的路線段；基于所述路線段以及所述更新障礙物數(shù)據(jù)，對所述路線段進行重構(gòu)，得到更新路線段，并將所述更新路線段添加到所述運動路線中。5.根據(jù)權利要求1所述的一種無人機水文測流測速方法，其特征在于，可見光水面視頻、紅外光水面視頻以及偏振光水面視頻進行融合生成三波段水面視頻的步驟之前，還包提取所述可見光水面視頻中的光線反射區(qū)域，并提取所述光線反射區(qū)域的光線量，根據(jù)所述光線量對所述光線反射區(qū)域進行降曝處理，得到目標光線反射區(qū)域；將所述目標光線反射區(qū)域添加到所述可見光水面視頻中，得到目標可見光水面視頻；基于所述紅外光水面視頻，提取水面的溫度分布區(qū)域以及紅外光散射量，基于所述溫度分布區(qū)域以及所述紅外光散射量對所述紅外光水面視頻進行清晰化處理，得到目標紅外光水面視頻；基于所述偏振光水面視頻，提取水面的偏振狀態(tài)變換，并根據(jù)所述偏振狀態(tài)變化生成偏振補償參數(shù)，根據(jù)所述偏振補償參數(shù)對所述偏振光水面視頻進行參數(shù)補償，得到目標偏振光水面視頻。6.根據(jù)權利要求5所述的一種無人機水文測流測速方法，其特征在于，可見光水面視頻、紅外光水面視頻以及偏振光水面視頻進行融合生成三波段水面視頻，對所述三波段水面視頻進行分析生成初始流速分布圖的步驟，具體為：將所述目標可見光水面視頻、所述目標紅外光水面視頻以及所述目標偏振光水面視頻進行融合生成三波段水面視頻；基于所述目標紅外光水面視頻，對所述三波段水面視頻中的出現(xiàn)的水霧影響和溫度影響進行消除；基于所述目標偏振光水面視頻，增強所述三波段水面視頻中的水下畫面的內(nèi)容清晰對所述三波段水面視頻進行水面幀識別，得到水面視頻幀，并記錄所述水面視頻幀之間的可見光水面差異和紅外光水面差異；將所述可見光水面差異和所述紅外光水面差異進行相互驗證識別，得到初始水面流速對所述三波段水面視頻進行水下幀識別，得到水下視頻幀，并記錄所述水下視頻幀之間的水紋形狀差異和水紋顏色差異；4基于所述水紋形狀差異和水紋顏色差異，得到水下水流變化特征，根據(jù)所述水下水流變化特征，得到初始水下流速分布；根據(jù)所述初始水面流速分布以及所述初始水下流速分布，生成目標測流區(qū)域的初始流速分布圖。7.根據(jù)權利要求6所述的一種無人機水文測流測速方法，其特征在于，基于所述目標紅外光水面視頻，對所述三波段水面視頻中的出現(xiàn)的水霧影響和溫度影響進行消除的步驟，具體為：提取所述目標紅外光水面視頻中的紅外幀畫面，基于所述紅外幀畫面得到紅外溫度分布以及水面紅外特征；基于所述水面紅外特征對水面邊界進行定位，得到水面邊界數(shù)據(jù)；根據(jù)所述水面邊界數(shù)據(jù)對所述紅外溫度分布進行布局分割，分別得到水面溫度分布以及水上溫度分布；基于所述水上溫度分布，得到所述目標測流區(qū)域中的水霧影響，基于所述水面溫度分布，得到所述目標測流區(qū)域中的溫度影響；基于所述水霧影響生成水霧畫面補償，基于所述溫度影響生成溫度畫面補償，根據(jù)所述水霧畫面補償以及所述溫度畫面補償對所述三波段水面視頻中的所述水霧影響以及所述溫度影響進行消除。8.根據(jù)權利要求7所述的一種無人機水文測流測速方法，其特征在于，根據(jù)所述河床數(shù)據(jù)得到河床地形，根據(jù)所述河床地形以及所述水面波動數(shù)據(jù)得到水深數(shù)據(jù)以及斷面平均流根據(jù)所述河床數(shù)據(jù)對所述目標測流區(qū)域的河床進行建模，得到河床地形；根據(jù)所述水面波動數(shù)據(jù)，得到所述目標測流區(qū)域的平均水面空間位置，并根據(jù)所述河床地形以及所述平均水面空間位置得到水深數(shù)據(jù)；根據(jù)所述河床地形，得到河床的斷面空間曲線，基于所述斷面空間曲線以及所述水深數(shù)據(jù)，構(gòu)建所述目標測流區(qū)域的流域斷面圖像；基于所述水面波動數(shù)據(jù)以及所述水深數(shù)據(jù)，在所述流域斷面圖像上劃分得到多個深層流速關系圖；根據(jù)所述初始流速分布圖以及所述深層流速關系圖，構(gòu)建所述流域斷面圖像上的斷面流速數(shù)據(jù)，并根據(jù)所述斷面流速數(shù)據(jù)得到斷面平均流速。9.根據(jù)權利要求8所述的一種無人機水文測流測速方法，其特征在于，調(diào)用無人機釋放浮標群，采集所述浮標群的運動軌跡以及陀螺儀數(shù)據(jù)，根據(jù)所述運動軌跡、所述陀螺儀數(shù)據(jù)以及所述斷面平均流速對所述三維水流模型進行修正的步驟，具體為：調(diào)用無人機釋放浮標群，所述浮標群在所述目標測流區(qū)域的水面上進行運動，采集所述浮標群的運動軌跡以及陀螺儀數(shù)據(jù)；基于所述運動軌跡，得到所述目標測流區(qū)域的基礎水流走向，根據(jù)所述陀螺儀數(shù)據(jù)，得到所述目標測流區(qū)域的水流對抗數(shù)據(jù)；基于所述斷面平均流速構(gòu)建所述三維水流模型中的水下水流模型；基于所述基礎水流走向以及所述水流對抗數(shù)據(jù)，對所述三維水流模型中的水面水流進行細化修正。5一種無人機水文測流測速方法技術領域[0001]本申請涉及水文測量的技術領域，尤其是涉及一種無人機水文測流測速方法。背景技術[0002]我國是一個江河流域眾多的國家，尤其是南方地區(qū)，水網(wǎng)分布密集，大江大河眾多，隨之而來的就是對這些河流的水流檢測監(jiān)控成為了非常重要的工作內(nèi)容，尤其是對河流的水文的流速監(jiān)控，對河流的防洪預警具有重要意義。[0003]現(xiàn)有技術中，在對河流的水流速度進行檢測時候，傳統(tǒng)方式依舊是采用定點監(jiān)測的方式，在河流的岸邊設置檢測裝置，或者在河流中投放流速儀等，需要消耗大量的時間和用于具有一定寬度和水深的河流，在面對環(huán)境較為復雜的水域時，安裝設備以及設備測量發(fā)明內(nèi)容[0004]本發(fā)明的目的在于提供一種無人機水文測流測速方法，以解決上述背景技術中提出的問題。[0005]本申請?zhí)峁┝艘环N無人機水文測流測速方法，所述方法包括：獲取被檢測的水域的目標測流區(qū)域，調(diào)用無人機前往所述目標測流區(qū)域，在所述目標測速區(qū)域中選定動態(tài)錨點，并根據(jù)所述動態(tài)錨點對所述無人機進行錨點懸停；所述無人機采集自身的周邊畫面，根據(jù)所述周邊畫面得到障礙物數(shù)據(jù)，根據(jù)所述障礙物數(shù)據(jù)以及所述動態(tài)錨點實時生成運動路線；所述無人機對所述目標測速區(qū)域進行視頻采集，得到可見光水面視頻、紅外光水面視頻以及偏振光水面視頻進行融合生成三波段水面視頻，對所述三波段水面視頻進行分析生成初始流速分布圖；所述無人機采集所述目標測流區(qū)域的河床數(shù)據(jù)以及水面波動數(shù)據(jù)，根據(jù)所述河床數(shù)據(jù)得到河床地形，根據(jù)所述河床地形以及所述水面波動數(shù)據(jù)得到水深數(shù)據(jù)以及斷面平均基于所述河床地形、所述水深數(shù)據(jù)以及所述初始流速分布圖，構(gòu)建三維水流模型，并調(diào)用無人機釋放浮標群，采集所述浮標群的運動軌跡以及陀螺儀數(shù)據(jù)，根據(jù)所述運動軌跡、所述陀螺儀數(shù)據(jù)以及所述斷面平均流速對所述三維水流模型進行修正，輸出水文測流測速結(jié)果。[0006]優(yōu)選的，在所述目標測速區(qū)域中選定動態(tài)錨點，并根據(jù)所述動態(tài)錨點對所述無人調(diào)用所述無人機對所述目標測速區(qū)域進行圖像采集，得到流域圖像，對所述流域圖像進行水流信息提取，得到水流圖像，并對所述水流圖像進行粒子化，得到水流圖像粒子6基于所述水流圖像粒子，提取所述水流圖像粒子中的多個粒子特征，并記錄每個所述粒子特征的明顯程度值；選取所述明顯程度值最高的所述粒子特征作為目標粒子特征，并根據(jù)所述目標粒子特征對所述水流圖像粒子進行錨點選擇，得到動態(tài)錨點；對所述動態(tài)錨點按照預設的時間間隔進行拍照，并記錄兩張照片中的所述動態(tài)錨點的位移量，根據(jù)所述位移量以及所述時間間隔得到懸停速度；根據(jù)所述懸停速度調(diào)整所述無人機的螺旋槳功率分配，使得所述無人機與所述動態(tài)錨點保持相對靜止。[0007]優(yōu)選的，所述無人機采集自身的周邊畫面，根據(jù)所述周邊畫面得到障礙物數(shù)據(jù)，根據(jù)所述障礙物數(shù)據(jù)以及所述動態(tài)錨點實時生成運動路線的步驟，具體為：所述無人機對自身周邊的環(huán)境進行畫面采集，得到周邊畫面，并對所述周邊畫面提取所述障礙物圖像的視覺距離特征和外在形狀特征，基于所述視覺距離特征得到障礙物距離，基于所述外在形狀特征得到障礙物空間位置，結(jié)合所述障礙物距離以及所述障礙物空間位置生成初始障礙物數(shù)據(jù)；根據(jù)所述初始障礙物數(shù)據(jù)以及所述外在形狀特征，對所述周邊畫面之外或之后的障礙物進行預測，得到預測障礙物數(shù)據(jù)，將所述預測障礙物數(shù)據(jù)添加到所述初始障礙物數(shù)據(jù)中生成障礙物數(shù)據(jù)；獲取所述無人機當前的無人機空間位置以及所述動態(tài)錨點當前的錨點空間位置，結(jié)合所述障礙物數(shù)據(jù)、所述無人機空間位置以及所述錨點空間位置實時生成所述無人機的運動路線。[0008]優(yōu)選的，結(jié)合所述障礙物數(shù)據(jù)、所述無人機空間位置以及所述錨點空間位置實時生成所述無人機的運動路線的步驟之后，還包括：所述無人機在所述運動路線上運動時，實時更新所述周邊畫面，并對所述障礙物圖像進行實時更新，得到更新障礙物圖像；基于所述更新障礙物圖像得到更新障礙物數(shù)據(jù)，基于所述更新障礙物數(shù)據(jù)判斷所述運動路線是否被所述障礙物攔截；若判斷為所述運動路線被所述障礙物攔截，則提取所述運動路線中被攔截的路線基于所述路線段以及所述更新障礙物數(shù)據(jù)，對所述路線段進行重構(gòu)，得到更新路線段，并將所述更新路線段添加到所述運動路線中。[0009]優(yōu)選的，可見光水面視頻、紅外光水面視頻以及偏振光水面視頻進行融合生成三波段水面視頻的步驟之前，還包括：提取所述可見光水面視頻中的光線反射區(qū)域，并提取所述光線反射區(qū)域的光線量，根據(jù)所述光線量對所述光線反射區(qū)域進行降曝處理，得到目標光線反射區(qū)域；將所述目標光線反射區(qū)域添加到所述可見光水面視頻中，得到目標可見光水面視基于所述紅外光水面視頻，提取水面的溫度分布區(qū)域以及紅外光散射量，基于所述溫度分布區(qū)域以及所述紅外光散射量對所述紅外光水面視頻進行清晰化處理，得到目標7紅外光水面視頻；基于所述偏振光水面視頻，提取水面的偏振狀態(tài)變換，并根據(jù)所述偏振狀態(tài)變化生成偏振補償參數(shù)，根據(jù)所述偏振補償參數(shù)對所述偏振光水面視頻進行參數(shù)補償，得到目標偏振光水面視頻。[0010]優(yōu)選的，可見光水面視頻、紅外光水面視頻以及偏振光水面視頻進行融合生成三波段水面視頻，對所述三波段水面視頻進行分析生成初始流速分布圖的步驟，具體為：將所述目標可見光水面視頻、所述目標紅外光水面視頻以及所述目標偏振光水面視頻進行融合生成三波段水面視頻；基于所述目標紅外光水面視頻，對所述三波段水面視頻中的出現(xiàn)的水霧影響和溫度影響進行消除；基于所述目標偏振光水面視頻，增強所述三波段水面視頻中的水下畫面的內(nèi)容清晰度；對所述三波段水面視頻進行水面幀識別，得到水面視頻幀，并記錄所述水面視頻幀之間的可見光水面差異和紅外光水面差異；將所述可見光水面差異和所述紅外光水面差異進行相互驗證識別，得到初始水面流速分布；對所述三波段水面視頻進行水下幀識別，得到水下視頻幀，并記錄所述水下視頻幀之間的水紋形狀差異和水紋顏色差異；基于所述水紋形狀差異和水紋顏色差異，得到水下水流變化特征，根據(jù)所述水下水流變化特征，得到初始水下流速分布；根據(jù)所述初始水面流速分布以及所述初始水下流速分布，生成目標測流區(qū)域的初始流速分布圖。[0011]優(yōu)選的，基于所述目標紅外光水面視頻，對所述三波段水面視頻中的出現(xiàn)的水霧影響和溫度影響進行消除的步驟，具體為：提取所述目標紅外光水面視頻中的紅外幀畫面，基于所述紅外幀畫面得到紅外溫度分布以及水面紅外特征；基于所述水面紅外特征對水面邊界進行定位，得到水面邊界數(shù)據(jù)；根據(jù)所述水面邊界數(shù)據(jù)對所述紅外溫度分布進行布局分割，分別得到水面溫度分布以及水上溫度分布；基于所述水上溫度分布，得到所述目標測流區(qū)域中的水霧影響，基于所述水面溫度分布，得到所述目標測流區(qū)域中的溫度影響；基于所述水霧影響生成水霧畫面補償，基于所述溫度影響生成溫度畫面補償，根據(jù)所述水霧畫面補償以及所述溫度畫面補償對所述三波段水面視頻中的所述水霧影響以及所述溫度影響進行消除。[0012]優(yōu)選的，根據(jù)所述河床數(shù)據(jù)得到河床地形，根據(jù)所述河床地形以及所述水面波動數(shù)據(jù)得到水深數(shù)據(jù)以及斷面平均流速的步驟，具體為：根據(jù)所述河床數(shù)據(jù)對所述目標測流區(qū)域的河床進行建模，得到河床地形；根據(jù)所述水面波動數(shù)據(jù)，得到所述目標測流區(qū)域的平均水面空間位置，并根據(jù)所述河床地形以及所述平均水面空間位置得到水深數(shù)據(jù)；8根據(jù)所述河床地形，得到河床的斷面空間曲線，基于所述斷面空間曲線以及所述水深數(shù)據(jù)，構(gòu)建所述目標測流區(qū)域的流域斷面圖像；基于所述水面波動數(shù)據(jù)以及所述水深數(shù)據(jù)，在所述流域斷面圖像上劃分得到多個深層流速關系圖；根據(jù)所述初始流速分布圖以及所述深層流速關系圖，構(gòu)建所述流域斷面圖像上的斷面流速數(shù)據(jù)，并根據(jù)所述斷面流速數(shù)據(jù)得到斷面平均流速。[0013]優(yōu)選的，調(diào)用無人機釋放浮標群，采集所述浮標群的運動軌跡以據(jù)所述運動軌跡、所述陀螺儀數(shù)據(jù)以及所述斷面平均流速對所述三維水流模型進行修正的調(diào)用無人機釋放浮標群，所述浮標群在所述目標測流區(qū)域的水面上進行運動，采集所述浮標群的運動軌跡以及陀螺儀數(shù)據(jù)；基于所述運動軌跡，得到所述目標測流區(qū)域的基礎水流走向，根據(jù)所述陀螺儀數(shù)據(jù)，得到所述目標測流區(qū)域的水流對抗數(shù)據(jù)；基于所述斷面平均流速構(gòu)建所述三維水流模型中的水下水流模型；基于所述基礎水流走向以及所述水流對抗數(shù)據(jù)，對所述三維水流模型中的水面水流進行細化修正。[0014]綜上所述，本申請包括以下至少一種有益技術通過無人機對目標測流區(qū)域進行檢查，首先在目標測流區(qū)域的水流中選定動態(tài)錨點，然后無人機與所述動態(tài)錨點保持在一條垂直線上，使其平面上保持相對靜止。無人機在跟隨動態(tài)錨點進行運動的過程中，采集自身的周邊畫面，然后根據(jù)周邊畫面得到周邊的障礙物數(shù)據(jù)，根據(jù)障礙物數(shù)據(jù)實時設定自身的運動路線。接著無人機對目標測速區(qū)域中的水面分別進行可見光、紅外光和偏振光的視頻采集，然后分別對這三段視頻進行預處理后進行融合，生成三波段水面視頻。根據(jù)三波段水面視頻消除對流速分析的水霧影響和溫度影響，得到水面的初始流速分布圖。然后再采集目標測流區(qū)域的河床數(shù)據(jù)和水面波動數(shù)據(jù)，得到水深數(shù)據(jù)，再根據(jù)水深數(shù)據(jù)和初始流速分布得到斷面平均流速。根據(jù)河床地形、水深數(shù)據(jù)和初始流速分布圖構(gòu)建三維水流模型，然后調(diào)用無人機釋放浮標群，無人機采集浮標群的運動軌跡和陀螺儀數(shù)據(jù)，分別得到基礎水流走向和水流對抗數(shù)據(jù)，根據(jù)這兩個數(shù)據(jù)對三維水流模型中的水面水流進行細化或修正，然后再根據(jù)斷面平均流速構(gòu)建三維水流模型中的水下水流模型，最終根據(jù)修正后的三維水流模型輸出水文測流測速報告。提升了測流測速的測量精度以及面對復雜水域時的靈活性和普適性。附圖說明[0015]圖1是本申請實施例提供的一種無人機水文測流測速方法的步驟流程圖。具體實施方式[0016]以下結(jié)合圖1對本申請作進一步詳細說明，但本發(fā)明的事實方式不僅限于此。[0017]本申請實施例公開了一種無人機水文測流測速方法。S100:獲取被檢測的水域的目標測流區(qū)域，調(diào)用無人機前往目標測流區(qū)域，在目標9測速區(qū)域中選定動態(tài)錨點，并根據(jù)動態(tài)錨點對無人機進行錨點懸停；S200:無人機采集自身的周邊畫面，根據(jù)周邊畫面得到障礙物數(shù)據(jù)，根據(jù)障礙物數(shù)據(jù)以及動態(tài)錨點實時生成運動路線；S300:無人機對目標測速區(qū)域進行視頻采集，得到可見光水面視頻、紅外光水面視頻以及偏振光水面視頻進行融合生成三波段水面視頻，對三波段水面視頻進行分析生成初始流速分布圖；S400:無人機采集目標測流區(qū)域的河床數(shù)據(jù)以及水面波動數(shù)據(jù)，根據(jù)河床數(shù)據(jù)得到河床地形，根據(jù)河床地形以及水面波動數(shù)據(jù)得到水深數(shù)據(jù)以及斷面平均流速；S500:基于河床地形、水深數(shù)據(jù)以及初始流速分布圖，構(gòu)建三維水流模型，并調(diào)用無人機釋放浮標群，采集浮標群的運動軌跡以及陀螺儀數(shù)據(jù)，根據(jù)運動軌跡、陀螺儀數(shù)據(jù)以及斷面平均流速對三維水流模型進行修正，輸出水文測流測速結(jié)果。[0019]應當指出的是，上述流程僅是本實施例的基礎步驟，在具體實施過程中，在不影響整體實施效果的前提下，可以適當添加、減少或修改部分步驟。[0020]在目標測速區(qū)域中選定動態(tài)錨點，并根據(jù)動態(tài)錨點對無人機進行錨點懸停的步調(diào)用無人機對目標測速區(qū)域進行圖像采集，得到流域圖像，對流域圖像進行水流基于水流圖像粒子，提取水流圖像粒子中的多個粒子特征，并記錄每個粒子特征的明顯程度值；選取明顯程度值最高的粒子特征作為目標粒子特征，并根據(jù)目標粒子特征對水流圖像粒子進行錨點選擇，得到動態(tài)錨點；對動態(tài)錨點按照預設的時間間隔進行拍照，并記錄兩張照片中的動態(tài)錨點的位移量，根據(jù)位移量以及時間間隔得到懸停速度；根據(jù)懸停速度調(diào)整無人機的螺旋槳功率分配，使得無人機與動態(tài)錨點保持相對靜[0021]運用中，以某河流的目標測流區(qū)域為例，調(diào)用無人機對河流進行圖像采集，得到流域圖像。流域圖像顯示水面有多個漩渦和波浪。對圖像進行水流信息提取，得到水流圖像，水流圖像顯示主要水流方向為東南向。將水流圖像進行粒子化處理，每個水分子顯示為獨特征的明顯程度值，粒子運動速度特征明顯程度值最高(數(shù)值為95%)。選擇該特征對應的粒子區(qū)域作為動態(tài)錨點，錨點位置為河流中心區(qū)域。每隔5秒對動態(tài)錨點拍照，發(fā)現(xiàn)兩次拍照中錨點位移量為2米。根據(jù)位移量2米和時間間隔5秒，計算懸停速度為0.4米/秒。調(diào)整無人機四個螺旋槳的功率分配：前側(cè)兩個螺旋槳功率降低至70%,后側(cè)兩個螺旋槳功率提高至120%,使無人機與動態(tài)錨點保持相對靜止。[0022]無人機采集自身的周邊畫面，根據(jù)周邊畫面得到障礙物數(shù)據(jù)，根據(jù)障礙物數(shù)據(jù)以及動態(tài)錨點實時生成運動路線的步驟，具體為：無人機對自身周邊的環(huán)境進行畫面采集，得到周邊畫面，并對周邊畫面進行內(nèi)容提取障礙物圖像的視覺距離特征和外在形狀特征，基于視覺距離特征得到障礙物距離，基于外在形狀特征得到障礙物空間位置，結(jié)合障礙物距離以及障礙物空間位置生成初始障礙物數(shù)據(jù)；根據(jù)初始障礙物數(shù)據(jù)以及外在形狀特征，對周邊畫面之外或之后的障礙物進行預測，得到預測障礙物數(shù)據(jù)，將預測障礙物數(shù)據(jù)添加到初始障礙物數(shù)據(jù)中生成障礙物數(shù)據(jù)；獲取無人機當前的無人機空間位置以及動態(tài)錨點當前的錨點空間位置，結(jié)合障礙物數(shù)據(jù)、無人機空間位置以及錨點空間位置實時生成無人機的運動路線。[0023]運用中，以某河流的目標測流區(qū)域為例，無人機采集周邊畫面。畫面顯示左側(cè)有樹枝障礙物，右側(cè)有巖石。提取樹枝障礙物的視覺距離特征(通過鏡頭焦距計算距離為15米),形狀特征為細長條狀；巖石的視覺距離為20米，形狀特征為不規(guī)則塊狀。生成初始障礙物數(shù)后方可能存在隱藏障礙物(如淹沒在水中的石塊),添加預測障礙物數(shù)據(jù)坐標為X=32,Y=10。獲取無人機當前位置(X=50,Y=0,Z=100)和動態(tài)錨點位置(X=55,Y=5,Z=0)。生成運動路線：從當前位置向東南方向繞開樹枝和巖石，路徑點為(X=52,Y=3)→(X=58,Y=7)→動態(tài)錨點。[0024]結(jié)合障礙物數(shù)據(jù)、無人機空間位置以及錨點空間位置實時生成無人機的運動路線無人機在運動路線上運動時，實時更新周邊畫面，并對障礙物圖像進行實時更新，得到更新障礙物圖像；基于更新障礙物圖像得到更新障礙物數(shù)據(jù)，基于更新障礙物數(shù)據(jù)判斷運動路線是否被障礙物攔截；若判斷為運動路線被障礙物攔截，則提取運動路線中被攔截的路線段；基于路線段以及更新障礙物數(shù)據(jù)，對路線段進行重構(gòu)，得到更新路線段，并將更新路線段添加到運動路線中。[0025]運用中，以某河流的目標測流區(qū)域為例，無人機按照初始規(guī)劃的路線飛行時，發(fā)現(xiàn)新的障礙物。無人機持續(xù)拍攝周邊畫面，發(fā)現(xiàn)原本規(guī)劃的路徑點(X=58,Y=7)附近出現(xiàn)一根紅外傳感器檢測到右側(cè)(X=60,Y=5)位置有一處水下暗礁，距離水面僅0.8米。系統(tǒng)立即更新障礙物數(shù)據(jù)，標記樹干和暗礁的坐標。無人機當前位于(X=52,Y=3),動態(tài)錨點位置在(X=55,Y=5)。系統(tǒng)重新計算路線，發(fā)現(xiàn)原路徑的(X=58,Y-7)到(X=成三條新路線：第一條路線向右繞行，經(jīng)過(X=60,Y=10)和(X=62,Y=6),增加飛行距離13米；第二條路線向左爬升到120米高度，但會多消耗18%電量；第三條路線從樹干下方2米處穿過，但有碰撞風險。根據(jù)剩余電量75%和任務緊急程度，選擇第一條旋槳功率，左側(cè)螺旋槳功率提升到130%,右側(cè)降低到80%,開始轉(zhuǎn)向新路徑點。飛行過程中，每秒更新一次樹干位置，發(fā)現(xiàn)樹干漂移到X=59,Y=8后，系統(tǒng)再次微調(diào)路徑，最終在1分20秒后安全抵達動態(tài)錨點上方。[0026]可見光水面視頻、紅外光水面視頻以及偏振光水面視頻進行融合生成三波段水面提取可見光水面視頻中的光線反射區(qū)域，并提取光線反射區(qū)域的光線量，根據(jù)光線量對光線反射區(qū)域進行降曝處理，得到目標光線反射區(qū)域；將目標光線反射區(qū)域添加到可見光水面視頻中，得到目標可見光水面視頻；11基于紅外光水面視頻，提取水面的溫度分布區(qū)域以及紅外光散射量，基于溫度分布區(qū)域以及紅外光散射量對紅外光水面視頻進行清晰化處理，得到目標紅外光水面視頻；基于偏振光水面視頻，提取水面的偏振狀態(tài)變換，并根據(jù)偏振狀態(tài)變化生成偏振補償參數(shù)，根據(jù)偏振補償參數(shù)對偏振光水面視頻進行參數(shù)補償，得到目標偏振光水面視頻。[0027]運用中，以某河流的目標測流區(qū)域為例，無人機拍攝的可見光視頻中，(X=15-20,Y=30-35)區(qū)域出現(xiàn)強烈反光，光線量達到2500流明。系統(tǒng)對該區(qū)域進行降曝處理，將光線量調(diào)整到800流明，使水面波紋清晰可見。紅外光視頻顯示水面中心溫度25℃,邊緣區(qū)域28℃,中心區(qū)域的紅外散射量比邊緣高45%。系統(tǒng)對中心區(qū)域進行清晰化處理，將溫度差異放大3償參數(shù)為+5°。處理后的三波段視頻融合顯示，原反光區(qū)域的水面氣泡直徑0.5毫米的細節(jié)可辨識，水下1.2米處的石塊輪廓清晰度提升85%。接著，系統(tǒng)對紅外光視頻中的水霧影響進行分析，發(fā)現(xiàn)水霧導致水面邊界模糊約20%。通過溫度分布數(shù)據(jù)，在視頻中標記出水霧區(qū)域(溫度22-24℃),并對該區(qū)域的對比度提升50%。最終生成的三波段視頻中，水面流速測算誤差從原來的12%降低到3%。[0028]可見光水面視頻、紅外光水面視頻以及偏振光水面視頻進行融合生成三波段水面視頻，對三波段水面視頻進行分析生成初始流速分布圖的步驟，具體為：將目標可見光水面視頻、目標紅外光水面視頻以及目標偏振光水面視頻進行融合生成三波段水面視頻；基于目標紅外光水面視頻，對三波段水面視頻中的出現(xiàn)的水霧影響和溫度影響進行消除；基于目標偏振光水面視頻，增強三波段水面視頻中的水下畫面的內(nèi)容清晰度；對三波段水面視頻進行水面幀識別，得到水面視頻幀，并記錄水面視頻幀之間的可見光水面差異和紅外光水面差異；將可見光水面差異和紅外光水面差異進行相互驗證識別，得到初始水面流速分對三波段水面視頻進行水下幀識別，得到水下視頻幀，并記錄水下視頻幀之間的水紋形狀差異和水紋顏色差異；基于水紋形狀差異和水紋顏色差異，得到水下水流變化特征，根據(jù)水下水流變化根據(jù)初始水面流速分布以及初始水下流速分布，生成目標測流區(qū)域的初始流速分[0029]運用中，以某河流的目標測流區(qū)域為例，融合后的三波段視頻被拆分為每秒30幀分析。水面幀顯示，(X=40,Y=50)位置的波浪高度在0.3秒內(nèi)從0.2米上升到0.5米，紅外差異顯示該區(qū)域溫度每秒下降0.6℃。系統(tǒng)通過對比可見光與紅外數(shù)據(jù)，確認此處存在漩渦，計算水面流速為1.4米/秒。水下幀分析中，(X=38,Y=55)位置的水紋顏色從深藍變?yōu)闇\藍耗時2秒，形狀拉伸量達18%。根據(jù)這些數(shù)據(jù)，系統(tǒng)計算出水下0.8米深度流速為0.9米/秒。接著，系統(tǒng)將水面與水下數(shù)據(jù)疊加，生成初始流速分布圖。圖中顯示：水面0-0.5米層流速1.2-1.6米/秒，中層0.5-1.5米流速0.8-1.2米/秒，底層1.5-3米流速0.5-0.8米到(X=50,Y=60)區(qū)域存在異常低速區(qū)(流速0.3米/秒),結(jié)合偏振光數(shù)據(jù)發(fā)現(xiàn)該處有水草堆積，標記為特殊觀測點。所有數(shù)據(jù)整合后，系統(tǒng)生成包含12個流速分區(qū)的初始分布圖，用于后續(xù)三維建模。[0030]基于目標紅外光水面視頻，對三波段水面視頻中的出現(xiàn)的水霧影響和溫度影響進提取目標紅外光水面視頻中的紅外幀畫面，基于紅外幀畫面得到紅外溫度分布以及水面紅外特征；基于水面紅外特征對水面邊界進行定位，得到水面邊界數(shù)據(jù)；根據(jù)水面邊界數(shù)據(jù)對紅外溫度分布進行布局分割，分別得到水面溫度分布以及水上溫度分布；基于水上溫度分布，得到目標測流區(qū)域中的水霧影響，基于水面溫度分布，得到目標測流區(qū)域中的溫度影響；基于水霧影響生成水霧畫面補償，基于溫度影響生成溫度畫面補償，根據(jù)水霧畫面補償以及溫度畫面補償對三波段水面視頻中的水霧影響以及溫度影響進行消除。[0031]運用中，以某河流的目標測流區(qū)域為例，系統(tǒng)從紅外視頻中提取一幀畫面，分析得到水面邊界線位于(Y=50-70)坐標帶。根據(jù)該邊界將溫度分布分割為水面區(qū)域(25-28℃)和空中水霧區(qū)域(22-24℃)。檢測到水霧使水面視頻的模糊度增加25%,系統(tǒng)對該區(qū)域應用對比度增強算法，將邊緣銳化參數(shù)提高60%。同時，水面溫度分布顯示(X=45,Y=55)區(qū)域存在異常高溫點(29℃),經(jīng)查為陽光直射導致的誤判。系統(tǒng)生成溫度補償公式，將該區(qū)域流速數(shù)據(jù)修正為原始值的85%。處理后的視頻中，(X=45,Y=55)的流速從1.5米/秒修正為1.28米/秒。此外，系統(tǒng)檢測到水面邊緣區(qū)域(Y=50-55)因低溫導致紅外測速偏差，對該區(qū)域增加權重系數(shù)0.7重新計算，最終將整體測速誤差控制在±2%以內(nèi)。[0032]根據(jù)河床數(shù)據(jù)得到河床地形，根據(jù)河床地形以及水面波動數(shù)據(jù)得到水深數(shù)據(jù)以及根據(jù)河床數(shù)據(jù)對目標測流區(qū)域的河床進行建模，得到河床地形；根據(jù)水面波動數(shù)據(jù)，得到目標測流區(qū)域的平均水面空間位置，并根據(jù)河床地形以及平均水面空間位置得到水深數(shù)據(jù)；根據(jù)河床地形，得到河床的斷面空間曲線，基于斷面空間曲線以及水深數(shù)據(jù)，構(gòu)建目標測流區(qū)域的流域斷面圖像；基于水面波動數(shù)據(jù)以及水深數(shù)據(jù)，在流域斷面圖像上劃分得到多個深層流速關系根據(jù)初始流速分布圖以及深層流速關系圖，構(gòu)建流域斷面圖像上的斷面流速數(shù)據(jù)，并根據(jù)斷面流速數(shù)據(jù)得到斷面平均流速。[0033]運用中，以某河流的目標測流區(qū)域為例，無人機通過聲吶獲取河床數(shù)據(jù)，顯示最深點位于(X=40,Y=60),深度3.2米。水面波動數(shù)據(jù)分析得出平均波高0.25米，系統(tǒng)據(jù)此計算平均水面高度為海拔100.3米