计算机工程

作者：杜田田, 王晓龙, 何劲

单位：1. 上海交通大学电子信息与电气工程学院, 上海 200240;2. 上海华讯网络系统有限公司行业数智事业部, 上海 200127

关键词：河流表面流速,光流估计,循环全对场变换,光照条件,卷积块注意力模块,复合损失函数

基金：国家重点研发计划(2023YFC3006700)。

实时准确的河流表面流速数据是现代化水运调度和防洪的重要依据,但传统的仪器测速法大多需要人工实地参与,危险系数高且无法满足大规模系统部署的要求。相比之下,图像测速法不需要直接接触河流,可以依据摄相机获取的连续帧得到近乎实时的速度信息。然而,光流估计作为当前主流的图像测速法,是针对刚体运动提出的,没有考虑流体本身的性质,在河流表面等相似度高的场景中泛化能力较弱。为提高基于光流估计循环全对场变换(RAFT)模型的水流流速算法估算精度,提出一种改进的光流估计测速方法。在特征提取部分增加卷积块注意力模块(CBAM),增强其对河流表面波纹和示踪粒子运动的识别能力。通过优化光流迭代更新部分的损失函数,引入能体现流体运动特征的角误差损失和旋度散度平滑损失,并且为损失函数匹配随迭代次数呈指数增长的权重因子,突出高次迭代结果对于整体结果的显著影响。为验证改进方法的有效性,使用不同场景河流数据集对其进行性能评估,结果表明,该方法在复杂光学噪声场景下的平均相对误差为11.37%,具有较好的鲁棒性,能够生成更精准的表面速度空间分布图。

来源：2024年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第4期