本發(fā)明涉及測量領(lǐng)域，尤其涉及一種雨量探測方法及裝置。

背景技術(shù)：

目前，用于測量降雨量及降雨強度的雨量計從原理上可分為翻斗式、虹吸式、容柵式、稱重式、紅外式等，在汽車車載部件領(lǐng)域中，對雨量的測量主要通過安裝于汽車擋風(fēng)玻璃內(nèi)側(cè)的雨滴探測器，屬于紅外式雨量探測器，其原理如下：通過發(fā)光二級管發(fā)射遠紅外線，紅外線經(jīng)前擋風(fēng)玻璃反射后再由一個光學(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)，以上紅外式測量方法為單點測量，且設(shè)備本身結(jié)構(gòu)分離，對安裝位置及角度要求很高，因此測量誤差和隨機性比較大，從而導(dǎo)致測量的雨量數(shù)據(jù)精確度較低。

技術(shù)實現(xiàn)要素：

基于此，為解決現(xiàn)有技術(shù)中采用單點測量、結(jié)構(gòu)分離的系統(tǒng)，利用紅外光的方法來進行雨量測量精確度較低的技術(shù)問題，特提出了一種雨量探測方法，可以提高測量的雨量數(shù)據(jù)的精確度。

一種雨量探測方法，包括：

通過攝像頭獲取圖像；

將所述圖像轉(zhuǎn)換為灰度圖像；

檢測所述灰度圖像中包含紋路類型的目標(biāo)圖像區(qū)域；

通過邊緣檢測獲取所述目標(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)中采用單點測量、結(jié)構(gòu)分離的系統(tǒng)，利用紅外光的方法來進行雨量測量精確度較低的技術(shù)問題，特提出了一種雨量探測裝置，可以提高測量的雨量數(shù)據(jù)的精確度。

一種雨量探測裝置，包括：

圖像獲取模塊，用于通過攝像頭獲取圖像；

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

密集度獲取模塊，通過邊緣檢測獲取所述目標(biāo)圖像區(qū)域檢測模塊檢測的目標(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。

實施本發(fā)明實施例，將具有如下有益效果：

通過攝像頭獲取紋路類型的圖像區(qū)域，紋路類型對應(yīng)為攝像頭識別的雨水圖像，統(tǒng)計圖像中全部的紋路類型信息，通過整體統(tǒng)計增加了測量的對象，避免了單點測量帶來的隨機誤差，同時，通過攝像頭這一整體設(shè)備進行雨量數(shù)據(jù)采集，避免了分離結(jié)構(gòu)帶來的測量誤差，從而可以提高測量的雨量數(shù)據(jù)精確度。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，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)明實施例提供的一種雨量探測方法的流程示意圖；

圖2為本發(fā)明實施例提供的一種雨量探測方法的圖像檢測示意圖；

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

圖4為本發(fā)明實施例提供的運行前述雨量探測方法的計算機設(shè)備的結(jié)構(gòu)示意圖。

具體實施方式

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

為解決傳統(tǒng)的雨量測量技術(shù)中由于測量系統(tǒng)單點測量、結(jié)構(gòu)分離導(dǎo)致雨量大小的精確度較低的技術(shù)問題，特提出一種雨量探測方法，該方法的實現(xiàn)可依賴于計算機程序，該計算機程序可運行于基于馮諾依曼體系的計算機系統(tǒng)之上，該計算機程序可運行于與攝像設(shè)備連接的計算機主機之上。

具體的，如圖1所示，該雨量探測方法包括：

步驟S102：通過攝像頭獲取圖像。

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

進一步地，為提高測量雨量大小的準(zhǔn)確性，避免隨機性造成的誤差，可以在短視頻中選取至少兩幀圖像，并通過全部幀的圖像綜合評價雨量的大小，例如，可以在短視頻中選取5幀圖像，通過對5幀圖像中每幀圖像進行統(tǒng)計并平均，得到最終的雨量大小。

進一步地，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)換為灰度圖像的過程就是使彩色圖像的R、G、B分量值相等的過程。通常的，R、G、B的取值范圍是0～255，所以灰度的級別有256級。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三個值置為三個值中最大的一個；(b)均值法：將R、G、B三個值置為三個值的平均值；(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三個值置為三個值的加權(quán)平均值。例如，如圖2所示，在圖2中，L為灰度圖像。

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

在本實施例中，紋路類型對應(yīng)下雨時形成的雨水的線條，設(shè)備通過對紋路類型的檢測來確定獲取雨量大小的目標(biāo)圖像區(qū)域。對于紋路類型的檢測可以通過連續(xù)像素的灰度值關(guān)系來進行。例如，如圖2所示，在圖2中，L1為確定的包含紋路類型的目標(biāo)圖像區(qū)域。

進一步地，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。通過檢測圖像中相鄰連續(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：通過邊緣檢測獲取目標(biāo)圖像區(qū)域的紋路輪廓信息，根據(jù)紋路輪廓信息計算目標(biāo)密集度。

在本實施例中，輪廓是指界定表現(xiàn)對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)成任何一個形狀的邊界或外形線。得到目標(biāo)圖像區(qū)域中紋路類型的輪廓信息，即獲得圖像中雨水線條的輪廓。邊緣是指其周圍像素灰度急劇變化的那些象素的集合，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，可得到紋路的邊緣，進而獲得紋路的輪廓信息。通過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，并通過對紋路輪廓圖L2中紋路輪廓進行統(tǒng)計，來得到紋路的目標(biāo)密集度，即雨水線條的密集度。

進一步地，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應(yīng)的至少兩個密集度數(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，則每幀圖像對應(yīng)得到一個密集度數(shù)據(jù)，目標(biāo)密集度為5幀圖像得到的5個對應(yīng)的密集度數(shù)據(jù)的平均值。

進一步地，獲取紋路的目標(biāo)密集度的步驟還包括：

通過邊緣檢測獲取紋路的輪廓信息；計算輪廓信息占據(jù)的像素數(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。

在本實施例中，通過邊緣檢測獲取紋路的輪廓信息，計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，來表征紋路的目標(biāo)密集度。

進一步地，在本實施例中，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比較均勻，可通過灰度值限定來實現(xiàn)對截圖的選取。

步驟S110：根據(jù)目標(biāo)密集度確定雨量大小。

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

此外，為解決傳統(tǒng)的雨量測量技術(shù)中由于測量系統(tǒng)單點測量、結(jié)構(gòu)分離導(dǎo)致雨量大小的精確度較低的技術(shù)問題，在一個實施例中，如圖3所示，特提出一種雨量探測裝置，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)域檢測模塊106，用于檢測圖像轉(zhuǎn)換模塊104轉(zhuǎn)換的灰度圖像中包含紋路類型的目標(biāo)圖像區(qū)域。

密集度獲取模塊108，用于通過邊緣檢測獲取目標(biāo)圖像區(qū)域檢測模塊106檢測的目標(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。

在本實施例中，雨量大小確定模塊110還用于，通過查詢預(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)密集度對應(yīng)的雨量大小。

在本實施例中，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應(yīng)的至少兩個密集度數(shù)據(jù)平均得到。

在本實施例中，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。

在本實施例中，密集度獲取模塊108還用于通過邊緣檢測獲取紋路的輪廓信息；計算輪廓信息占據(jù)的像素數(shù)量與目標(biāo)圖像區(qū)域檢測模塊106檢測的目標(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。

實施本發(fā)明實施例，將具有如下有益效果：

通過攝像頭獲取紋路類型的圖像區(qū)域，紋路類型對應(yīng)為攝像頭識別的雨水圖像，統(tǒng)計圖像中全部的紋路類型信息，通過整體統(tǒng)計增加了測量的對象，避免了單點測量帶來的隨機誤差，同時，通過攝像頭這一整體設(shè)備進行雨量數(shù)據(jù)采集，避免了分離結(jié)構(gòu)帶來的測量誤差，從而可以提高測量的雨量數(shù)據(jù)精確度。

在一個實施例中，如圖4所示，圖4展示了一種運行上述雨量探測方法的基于馮諾依曼體系的計算機系統(tǒng)的終端10。具體的，可包括通過系統(tǒng)總線連接的外部輸入接口1001、處理器1002、存儲器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。存儲器1003可包括外存儲器10032(例如硬盤、光盤或軟盤等)和內(nèi)存儲器10034。輸出接口1004可至少包括顯示屏10042等設(shè)備。

在本實施例中，本方法的運行基于計算機程序，該計算機程序的程序文件存儲于前述基于馮諾依曼體系的計算機系統(tǒng)10的外存儲器10032中，在運行時被加載到內(nèi)存儲器10034中，然后被編譯為機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算機系統(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。且在上述雨量探測方法執(zhí)行過程中，輸入的參數(shù)均通過外部輸入接口1001接收，并傳遞至存儲器1003中緩存，然后輸入到處理器1002中進行處理，處理的結(jié)果數(shù)據(jù)或緩存于存儲器1003中進行后續(xù)地處理，或被傳遞至輸出接口1004進行輸出。

具體的，上述處理器1002用于執(zhí)行如下步驟：通過攝像頭獲取圖像；

將圖像轉(zhuǎn)換為灰度圖像；

檢測灰度圖像中包含紋路類型的目標(biāo)圖像區(qū)域；

通過邊緣檢測獲取目標(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。

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

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

在一個實施例中，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。

在一個實施例中，上述處理器1002還用于執(zhí)行通過邊緣檢測獲取紋路的輪廓信息；計算輪廓信息占據(jù)的像素數(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)明較佳實施例而已，當(dāng)然不能以此來限定本發(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。