本發(fā)明涉及測(cè)量領(lǐng)域，尤其涉及一種雨量探測(cè)方法及裝置。

背景技術(shù)：

目前，用于測(cè)量降雨量及降雨強(qiáng)度的雨量計(jì)從原理上可分為翻斗式、虹吸式、容柵式、稱(chēng)重式、紅外式等，在汽車(chē)車(chē)載部件領(lǐng)域中，對(duì)雨量的測(cè)量主要通過(guò)安裝于汽車(chē)擋風(fēng)玻璃內(nèi)側(cè)的雨滴探測(cè)器，屬于紅外式雨量探測(cè)器，其原理如下：通過(guò)發(fā)光二級(jí)管發(fā)射遠(yuǎn)紅外線，紅外線經(jīng)前擋風(fēng)玻璃反射后再由一個(gè)光學(xué)傳感器接收，前擋風(fēng)玻璃上水珠面積越大，光學(xué)傳感器接收到的紅外線則越少，根據(jù)接收到的紅外線的多少得到雨量數(shù)據(jù)。

然而，發(fā)明人經(jīng)研究發(fā)現(xiàn)，以上紅外式測(cè)量方法為單點(diǎn)測(cè)量，且設(shè)備本身結(jié)構(gòu)分離，對(duì)安裝位置及角度要求很高，因此測(cè)量誤差和隨機(jī)性比較大，從而導(dǎo)致測(cè)量的雨量數(shù)據(jù)精確度較低。

技術(shù)實(shí)現(xiàn)要素：

基于此，為解決現(xiàn)有技術(shù)中采用單點(diǎn)測(cè)量、結(jié)構(gòu)分離的系統(tǒng)，利用紅外光的方法來(lái)進(jìn)行雨量測(cè)量精確度較低的技術(shù)問(wèn)題，特提出了一種雨量探測(cè)方法，可以提高測(cè)量的雨量數(shù)據(jù)的精確度。

一種雨量探測(cè)方法，包括：

通過(guò)攝像頭獲取圖像；

將所述圖像轉(zhuǎn)換為灰度圖像；

檢測(cè)所述灰度圖像中包含紋路類(lèi)型的目標(biāo)圖像區(qū)域；

通過(guò)邊緣檢測(cè)獲取所述目標(biāo)圖像區(qū)域的紋路輪廓信息，根據(jù)所述紋路輪廓信息計(jì)算目標(biāo)密集度；

根據(jù)所述目標(biāo)密集度確定雨量大小。

此外，為解決現(xiàn)有技術(shù)中采用單點(diǎn)測(cè)量、結(jié)構(gòu)分離的系統(tǒng)，利用紅外光的方法來(lái)進(jìn)行雨量測(cè)量精確度較低的技術(shù)問(wèn)題，特提出了一種雨量探測(cè)裝置，可以提高測(cè)量的雨量數(shù)據(jù)的精確度。

一種雨量探測(cè)裝置，包括：

圖像獲取模塊，用于通過(guò)攝像頭獲取圖像；

圖像轉(zhuǎn)換模塊，用于將所述圖像獲取模塊獲取的圖像轉(zhuǎn)換為灰度圖像；

目標(biāo)圖像區(qū)域檢測(cè)模塊，用于檢測(cè)所述圖像轉(zhuǎn)換模塊轉(zhuǎn)換的灰度圖像中包含紋路類(lèi)型的目標(biāo)圖像區(qū)域；

密集度獲取模塊，通過(guò)邊緣檢測(cè)獲取所述目標(biāo)圖像區(qū)域檢測(cè)模塊檢測(cè)的目標(biāo)圖像區(qū)域的紋路輪廓信息，根據(jù)所述紋路輪廓信息計(jì)算目標(biāo)密集度；

雨量大小確定模塊，用于根據(jù)所述密集度獲取模塊獲取的目標(biāo)密集度確定雨量大小。

實(shí)施本發(fā)明實(shí)施例，將具有如下有益效果：

通過(guò)攝像頭獲取紋路類(lèi)型的圖像區(qū)域，紋路類(lèi)型對(duì)應(yīng)為攝像頭識(shí)別的雨水圖像，統(tǒng)計(jì)圖像中全部的紋路類(lèi)型信息，通過(guò)整體統(tǒng)計(jì)增加了測(cè)量的對(duì)象，避免了單點(diǎn)測(cè)量帶來(lái)的隨機(jī)誤差，同時(shí)，通過(guò)攝像頭這一整體設(shè)備進(jìn)行雨量數(shù)據(jù)采集，避免了分離結(jié)構(gòu)帶來(lái)的測(cè)量誤差，從而可以提高測(cè)量的雨量數(shù)據(jù)精確度。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

其中：

圖1為本發(fā)明實(shí)施例提供的一種雨量探測(cè)方法的流程示意圖；

圖2為本發(fā)明實(shí)施例提供的一種雨量探測(cè)方法的圖像檢測(cè)示意圖；

圖3為本發(fā)明實(shí)施例提供的一種雨量探測(cè)裝置的結(jié)構(gòu)示意圖；

圖4為本發(fā)明實(shí)施例提供的運(yùn)行前述雨量探測(cè)方法的計(jì)算機(jī)設(shè)備的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

為解決傳統(tǒng)的雨量測(cè)量技術(shù)中由于測(cè)量系統(tǒng)單點(diǎn)測(cè)量、結(jié)構(gòu)分離導(dǎo)致雨量大小的精確度較低的技術(shù)問(wèn)題，特提出一種雨量探測(cè)方法，該方法的實(shí)現(xiàn)可依賴(lài)于計(jì)算機(jī)程序，該計(jì)算機(jī)程序可運(yùn)行于基于馮諾依曼體系的計(jì)算機(jī)系統(tǒng)之上，該計(jì)算機(jī)程序可運(yùn)行于與攝像設(shè)備連接的計(jì)算機(jī)主機(jī)之上。

具體的，如圖1所示，該雨量探測(cè)方法包括：

步驟S102：通過(guò)攝像頭獲取圖像。

在下雨天氣，某一時(shí)間段內(nèi)，通過(guò)攝像頭對(duì)下雨的狀態(tài)拍攝一個(gè)短視頻，并選取短視頻中的一幀圖像作為測(cè)量雨量大小的依據(jù)。

進(jìn)一步地，為提高測(cè)量雨量大小的準(zhǔn)確性，避免隨機(jī)性造成的誤差，可以在短視頻中選取至少兩幀圖像，并通過(guò)全部幀的圖像綜合評(píng)價(jià)雨量的大小，例如，可以在短視頻中選取5幀圖像，通過(guò)對(duì)5幀圖像中每幀圖像進(jìn)行統(tǒng)計(jì)并平均，得到最終的雨量大小。

進(jìn)一步地，為保證雨量大小的判斷不受攝像頭焦距的影響，統(tǒng)一標(biāo)準(zhǔn)，在通過(guò)攝像頭獲取圖像之前，需要將攝像頭的焦距調(diào)整為最大值。

步驟S104：將圖像轉(zhuǎn)換為灰度圖像。

在本實(shí)施例中，灰度圖像是指只含亮度信息，不含色彩信息的圖像，就像我們平時(shí)看到的黑白照片，亮度由暗到明的變化是連續(xù)的。在圖像的RGB顏色模型(R、G、B分別代表Red、Green、Blue，即紅、綠、藍(lán)三種顏色的色值，三種顏色相互之間的疊加可以得到各式各樣的顏色)中，如果三種顏色的顏色值相等，即R＝G＝B，則所得顏色為黑白色，此時(shí)R＝G＝B的值為灰度值，得到的圖像為灰度圖像。將圖像轉(zhuǎn)換為灰度圖像的過(guò)程就是使彩色圖像的R、G、B分量值相等的過(guò)程。通常的，R、G、B的取值范圍是0～255，所以灰度的級(jí)別有256級(jí)。將圖像轉(zhuǎn)換為灰度圖像的處理方法主要有三種：(a)最大值法：將R、G、B三個(gè)值置為三個(gè)值中最大的一個(gè)；(b)均值法：將R、G、B三個(gè)值置為三個(gè)值的平均值；(c)加權(quán)平均值法：根據(jù)重要性或其他指標(biāo)給R、G、B賦予不同的權(quán)值，并將R、G、B三個(gè)值置為三個(gè)值的加權(quán)平均值。例如，如圖2所示，在圖2中，L為灰度圖像。

步驟S106：檢測(cè)灰度圖像中包含紋路類(lèi)型的目標(biāo)圖像區(qū)域。

在本實(shí)施例中，紋路類(lèi)型對(duì)應(yīng)下雨時(shí)形成的雨水的線條，設(shè)備通過(guò)對(duì)紋路類(lèi)型的檢測(cè)來(lái)確定獲取雨量大小的目標(biāo)圖像區(qū)域。對(duì)于紋路類(lèi)型的檢測(cè)可以通過(guò)連續(xù)像素的灰度值關(guān)系來(lái)進(jìn)行。例如，如圖2所示，在圖2中，L1為確定的包含紋路類(lèi)型的目標(biāo)圖像區(qū)域。

進(jìn)一步地，可以限定目標(biāo)圖像區(qū)域的大小，即所得到的目標(biāo)圖像區(qū)域的像素大小為系統(tǒng)預(yù)先設(shè)定的固定值。通過(guò)檢測(cè)圖像中相鄰連續(xù)像素的灰度值變化，確定最佳的、固定大小的目標(biāo)圖像區(qū)域。

步驟S108：通過(guò)邊緣檢測(cè)獲取目標(biāo)圖像區(qū)域的紋路輪廓信息，根據(jù)紋路輪廓信息計(jì)算目標(biāo)密集度。

在本實(shí)施例中，輪廓是指界定表現(xiàn)對(duì)象形體范圍的邊緣線。輪廓是在亮度不同的區(qū)域之間有一個(gè)明顯的變化，即灰度差突然變化而形成的。輪廓是構(gòu)成任何一個(gè)形狀的邊界或外形線。得到目標(biāo)圖像區(qū)域中紋路類(lèi)型的輪廓信息，即獲得圖像中雨水線條的輪廓。邊緣是指其周?chē)袼鼗叶燃眲∽兓哪切┫笏氐募?，它是圖像最基本的特征。邊緣存在于目標(biāo)、背景和區(qū)域之間，所以，它是圖像分割所依賴(lài)的最重要的依據(jù)。紋路邊緣相鄰像素間灰度的變化率較大，利用這一特點(diǎn)，可得到紋路的邊緣，進(jìn)而獲得紋路的輪廓信息。通過(guò)紋路的輪廓信息得到紋路的密集度，即雨水線條的密集度。目標(biāo)密集度越大，說(shuō)明紋路越密集，即雨水線條越密集，則雨量大小就越大。例如，在前例中，如圖2所示，在圖2中，由目標(biāo)圖像區(qū)域L1得到該區(qū)域L1的紋路輪廓圖L2，并通過(guò)對(duì)紋路輪廓圖L2中紋路輪廓進(jìn)行統(tǒng)計(jì)，來(lái)得到紋路的目標(biāo)密集度，即雨水線條的密集度。

進(jìn)一步地，若在短視頻中選取了至少兩幀圖像，則目標(biāo)密集度由至少兩幀圖像對(duì)應(yīng)的至少兩個(gè)密集度數(shù)據(jù)平均得到。

例如，在前例中，在短視頻中選取了5幀圖像，則每幀圖像對(duì)應(yīng)得到一個(gè)密集度數(shù)據(jù)，目標(biāo)密集度為5幀圖像得到的5個(gè)對(duì)應(yīng)的密集度數(shù)據(jù)的平均值。

進(jìn)一步地，獲取紋路的目標(biāo)密集度的步驟還包括：

通過(guò)邊緣檢測(cè)獲取紋路的輪廓信息；計(jì)算輪廓信息占據(jù)的像素?cái)?shù)量與目標(biāo)圖像區(qū)域像素的比值，根據(jù)所述比值確定目標(biāo)密集度。

在本實(shí)施例中，通過(guò)邊緣檢測(cè)獲取紋路的輪廓信息，計(jì)算紋路輪廓信息所占據(jù)的像素的數(shù)量與目標(biāo)圖像區(qū)域占據(jù)的像素的數(shù)量的比值，來(lái)表征紋路的目標(biāo)密集度。

進(jìn)一步地，在本實(shí)施例中，可以在目標(biāo)圖像區(qū)域中選取雨水線條更清晰的截圖，該截圖的像素大小可以是預(yù)先設(shè)置的，該截圖中雨水線條的背景相對(duì)比較均勻，可通過(guò)灰度值限定來(lái)實(shí)現(xiàn)對(duì)截圖的選取。

步驟S110：根據(jù)目標(biāo)密集度確定雨量大小。

在本實(shí)施例中，目標(biāo)密集度與雨量大小是一一對(duì)應(yīng)的關(guān)系，可以通過(guò)查詢預(yù)設(shè)的密集度與雨量大小的映射表確定目標(biāo)密集度對(duì)應(yīng)的雨量大小。

此外，為解決傳統(tǒng)的雨量測(cè)量技術(shù)中由于測(cè)量系統(tǒng)單點(diǎn)測(cè)量、結(jié)構(gòu)分離導(dǎo)致雨量大小的精確度較低的技術(shù)問(wèn)題，在一個(gè)實(shí)施例中，如圖3所示，特提出一種雨量探測(cè)裝置，該裝置包括：圖像獲取模塊102、圖像轉(zhuǎn)換模塊104、目標(biāo)圖像區(qū)域檢測(cè)模塊106、密集度獲取模塊108和雨量大小110確定模塊，其中：

圖像獲取模塊102，用于通過(guò)攝像頭獲取圖像。

圖像轉(zhuǎn)換模塊104，用于將圖像獲取模塊102獲取的圖像轉(zhuǎn)換為灰度圖像。

目標(biāo)圖像區(qū)域檢測(cè)模塊106，用于檢測(cè)圖像轉(zhuǎn)換模塊104轉(zhuǎn)換的灰度圖像中包含紋路類(lèi)型的目標(biāo)圖像區(qū)域。

密集度獲取模塊108，用于通過(guò)邊緣檢測(cè)獲取目標(biāo)圖像區(qū)域檢測(cè)模塊106檢測(cè)的目標(biāo)圖像區(qū)域的紋路輪廓信息，根據(jù)紋路輪廓信息計(jì)算目標(biāo)密集度。

雨量大小確定模塊110，用于根據(jù)所述密集度獲取模塊108獲取的目標(biāo)密集度確定雨量大小。

在本實(shí)施例中，雨量大小確定模塊110還用于，通過(guò)查詢預(yù)設(shè)的密集度與雨量大小的映射表確定密集度獲取模塊108獲取的目標(biāo)密集度對(duì)應(yīng)的雨量大小。

在本實(shí)施例中，圖像獲取模塊102獲取的圖像可以包括至少兩幀圖像；密集度獲取模塊108獲取的目標(biāo)密集度由所述至少兩幀圖像對(duì)應(yīng)的至少兩個(gè)密集度數(shù)據(jù)平均得到。

在本實(shí)施例中，如圖3所示，該裝置還可以包括焦距調(diào)整模塊112，用于將攝像頭的焦距調(diào)整為最大值。

在本實(shí)施例中，密集度獲取模塊108還用于通過(guò)邊緣檢測(cè)獲取紋路的輪廓信息；計(jì)算輪廓信息占據(jù)的像素?cái)?shù)量與目標(biāo)圖像區(qū)域檢測(cè)模塊106檢測(cè)的目標(biāo)圖像區(qū)域像素的比值，根據(jù)所述比值確定目標(biāo)密集度。

實(shí)施本發(fā)明實(shí)施例，將具有如下有益效果：

通過(guò)攝像頭獲取紋路類(lèi)型的圖像區(qū)域，紋路類(lèi)型對(duì)應(yīng)為攝像頭識(shí)別的雨水圖像，統(tǒng)計(jì)圖像中全部的紋路類(lèi)型信息，通過(guò)整體統(tǒng)計(jì)增加了測(cè)量的對(duì)象，避免了單點(diǎn)測(cè)量帶來(lái)的隨機(jī)誤差，同時(shí)，通過(guò)攝像頭這一整體設(shè)備進(jìn)行雨量數(shù)據(jù)采集，避免了分離結(jié)構(gòu)帶來(lái)的測(cè)量誤差，從而可以提高測(cè)量的雨量數(shù)據(jù)精確度。

在一個(gè)實(shí)施例中，如圖4所示，圖4展示了一種運(yùn)行上述雨量探測(cè)方法的基于馮諾依曼體系的計(jì)算機(jī)系統(tǒng)的終端10。具體的，可包括通過(guò)系統(tǒng)總線連接的外部輸入接口1001、處理器1002、存儲(chǔ)器1003和輸出接口1004。其中，外部輸入接口1001可選的可至少包括網(wǎng)絡(luò)接口10012和攝像頭10014。存儲(chǔ)器1003可包括外存儲(chǔ)器10032(例如硬盤(pán)、光盤(pán)或軟盤(pán)等)和內(nèi)存儲(chǔ)器10034。輸出接口1004可至少包括顯示屏10042等設(shè)備。

在本實(shí)施例中，本方法的運(yùn)行基于計(jì)算機(jī)程序，該計(jì)算機(jī)程序的程序文件存儲(chǔ)于前述基于馮諾依曼體系的計(jì)算機(jī)系統(tǒng)10的外存儲(chǔ)器10032中，在運(yùn)行時(shí)被加載到內(nèi)存儲(chǔ)器10034中，然后被編譯為機(jī)器碼之后傳遞至處理器1002中執(zhí)行，從而使得基于馮諾依曼體系的計(jì)算機(jī)系統(tǒng)10中形成邏輯上的圖像獲取模塊102、圖像轉(zhuǎn)換模塊104、目標(biāo)圖像區(qū)域檢測(cè)模塊106、密集度獲取模塊108和雨量大小110確定模塊以及焦距調(diào)整模塊112。且在上述雨量探測(cè)方法執(zhí)行過(guò)程中，輸入的參數(shù)均通過(guò)外部輸入接口1001接收，并傳遞至存儲(chǔ)器1003中緩存，然后輸入到處理器1002中進(jìn)行處理，處理的結(jié)果數(shù)據(jù)或緩存于存儲(chǔ)器1003中進(jìn)行后續(xù)地處理，或被傳遞至輸出接口1004進(jìn)行輸出。

具體的，上述處理器1002用于執(zhí)行如下步驟：通過(guò)攝像頭獲取圖像；

將圖像轉(zhuǎn)換為灰度圖像；

檢測(cè)灰度圖像中包含紋路類(lèi)型的目標(biāo)圖像區(qū)域；

通過(guò)邊緣檢測(cè)獲取目標(biāo)圖像區(qū)域的紋路輪廓信息，根據(jù)紋路輪廓信息計(jì)算目標(biāo)密集度；

根據(jù)目標(biāo)密集度確定雨量大小。

在一個(gè)實(shí)施例中，上述處理器1002還用于執(zhí)行通過(guò)查詢預(yù)設(shè)的密集度與雨量大小的映射表確定目標(biāo)密集度對(duì)應(yīng)的雨量大小。

在一個(gè)實(shí)施例中，上述處理器1002還用于執(zhí)行由至少兩幀圖像對(duì)應(yīng)的至少兩個(gè)密集度數(shù)據(jù)平均得到目標(biāo)密集度。

在一個(gè)實(shí)施例中，上述處理器1002還用于執(zhí)行將攝像頭的焦距調(diào)整為最大值。

在一個(gè)實(shí)施例中，上述處理器1002還用于執(zhí)行通過(guò)邊緣檢測(cè)獲取紋路的輪廓信息；計(jì)算輪廓信息占據(jù)的像素?cái)?shù)量與目標(biāo)圖像區(qū)域像素的比值，根據(jù)所述比值確定目標(biāo)密集度。

以上所揭露的僅為本發(fā)明較佳實(shí)施例而已，當(dāng)然不能以此來(lái)限定本發(fā)明之權(quán)利范圍，因此依本發(fā)明權(quán)利要求所作的等同變化，仍屬本發(fā)明所涵蓋的范圍。