基于热力学测图和深度学习的非接触波测量技术
计算机视觉与模式识别
2024-08-21 v1 图像与视频处理
摘要
波场及其时空演化的精确测量是许多水动力实验和工程应用中的关键。虽然双目立体成像技术广泛用于测量波浪，但室内水面存在透明度、镜面反射和纹理缺失等光学特性，给图像处理和立体重建带来挑战。本研究提出了一种结合热力学测图和深度学习的新方法，实现完全非接触式波浪测量。发现长波红外光谱中水体的光学特性适合立体配准，有效避免了可见光谱中的问题。通过热力学双目摄像机捕获波浪图像后，提出一种包含深度学习技术的重建策略以提高立体配准性能。采用生成方法从未标注的红外图像合成带有真实视差的数据集，然后喂入预训练的立体神经网络进行微调以实现领域适应。波浪槽实验验证了所提技术的可行性和准确性。最终重建结果显示，与使用波浪探头测量的结果一致，准确率高，平均偏差小于 2.1%，表明该新技术在水动力实验中有效测量了波浪表面的时空分布。
引用
@article{arxiv.2408.10670,
title = {A Noncontact Technique for Wave Measurement Based on Thermal Stereography and Deep Learning},
author = {Deyu Li and Longfei Xiao and Handi Wei and Yan Li and Binghua Zhang},
journal= {arXiv preprint arXiv:2408.10670},
year = {2024}
}