基于视觉的水位与流速估计
计算机视觉与模式识别
2026-05-15 v1 人工智能
摘要
随着计算机视觉的快速发展，基于视觉的水位与河面流速估计方法已达到显著的成熟度。与传统能感测技术相比，这些技术具有出色的可解释性、自动数据归档能力以及更强的系统鲁棒性。然而，环境敏感性、精度有限以及复杂的现场标定等挑战依然存在。本研究提出了一种将最先进（SOTA）视觉模型与统计建模相结合的集成框架。通过利用物理先验和鲁棒滤波策略，我们提高了水位检测和流速估计的准确性。代码将发布于 https://github.com/sunzx97/Vision_Based_Water_Level_and_Flow_Estimation.git
引用
@article{arxiv.2605.14645,
title = {Vision-Based Water Level and Flow Estimation},
author = {ZhiXin Sun},
journal= {arXiv preprint arXiv:2605.14645},
year = {2026}
}