基于双目视觉的林草火灾检测与测距方法

doi:10.13474/j.cnki.11-2246.2025.0905

测绘通报 ›› 2025, Vol. 0 ›› Issue (9): 26-33.doi: 10.13474/j.cnki.11-2246.2025.0905

基于双目视觉的林草火灾检测与测距方法

朱元彩^1,2, 孙立瑛³, 张凡³, 吴兆立^1,4, 高向东³, 金雷¹, 李晓东⁵, 李若瑜^1,2

1. 江苏建筑职业技术学院, 江苏徐州 221116;
2. 徐州市水资源高效利用与生态安全应用技术工程研究中心, 江苏徐州 221116;
3. 天津城建大学控制与机械工程学院, 天津 300384;
4. 江苏省智能视觉识别与数据挖掘工程研究中心, 江苏徐州 221116;
5. 新疆应用职业技术学院, 新疆奎屯 833200

收稿日期:2025-02-05 发布日期:2025-09-29
作者简介:朱元彩(1972—),男,硕士,正高级工程师,研究方向为计算机技术应用、视觉识别。E-mail:zxcvpoiu@126.com
基金资助:
江苏省电子信息职业教育研究重点课题(JSDX2021-I09);新疆维吾尔自治区产学合作协同育人项目(258);江苏省建设系统科技项目(2022ZD048);徐州市2023年度产学研专题对接活动落地项目(B类)(KC23403)

Fire detection and ranging method based on binocular vision

ZHU Yuancai^1,2, SUN Liying³, ZHANG Fan³, WU Zhaoli^1,4, GAO Xiangdong³, JIN Lei¹, LI Xiaodong⁵, LI Ruoyu^1,2

1. School of Electronics and Information Engineering, Jiangsu Vocational Institute of Architectural Technology, Xuzhou 221116, China;
2. Xuzhou Water Resources Efficient Utilization and Ecological Security Engineering Research Center, Xuzhou 221116, China;
3. School of Control and Mechanical Engineering, Tianjin Chengjian University, Tianjin 300384, China;
4. Jiangsu Province Engineering Research Center of Intelligent Visual Recognition and Data Mining, Xuzhou 221116, China;
5. Xinjiang Career Technical College, Kuitun 833200, China

Received:2025-02-05 Published:2025-09-29

摘要/Abstract

摘要： 林草火灾已成为严重的公共安全问题,经常导致重大人员伤亡和财产损失。本文提出了一种目标检测与立体匹配相结合的火灾目标测距方法,实现对火灾目标的识别和定位。采用3层SGBM算法与YOLOv5目标检测相结合,进行WLS滤波;通过改进3层SGBM算法,对目标深度信息进行不同尺度的优化,提高了大尺度深度图像的准确性和稳定性,提出了一种基于正三角形的火灾目标检测框中心点距离计算方法,剔除无效点,提高测距精度。试验结果表明,测试距离中检测目标占比在4%以内时,改进的SGBM算法能够达到较高的精度,相对定位误差在2%以内。本文方法具有较高的精度和可靠性,可以应用于林草火灾监测预警和灭火救援等领域。

关键词: 林草火灾, 火灾测距, 双目视觉, 目标检测, 立体匹配

Abstract: Forest and grassland fires have become a serious public safety issue in today's society,often leading to significant casualties and property losses.This paper proposes a fire target ranging method that combines object detection with stereo matching to achieve the identification and localization of fire targets.The method utilizes a three-layer SGBM algorithm in conjunction with YOLOv5 object detection,applying WLS filtering and optimizing the depth information of targets at different scales to enhance the accuracy and stability of large-scale depth images.Experimental results show the system has high accuracy.When the detected target proportion in testing distance is within 4%,the improved SGBM algorithm achieves high precision,with the relative positioning error kept within 2%.The proposed method exhibits high accuracy and reliability,making it applicable to fire monitoring,early warning,firefighting,and rescue operations in forest and grassland areas.

Key words: forest and grassland fires, fire ranging, binocular vision, object detection, stereo matching

中图分类号:

P237

朱元彩, 孙立瑛, 张凡, 吴兆立, 高向东, 金雷, 李晓东, 李若瑜. 基于双目视觉的林草火灾检测与测距方法[J]. 测绘通报, 2025, 0(9): 26-33.

ZHU Yuancai, SUN Liying, ZHANG Fan, WU Zhaoli, GAO Xiangdong, JIN Lei, LI Xiaodong, LI Ruoyu. Fire detection and ranging method based on binocular vision[J]. Bulletin of Surveying and Mapping, 2025, 0(9): 26-33.

参考文献

[1] MUGGLI J, MVLLER P.Fire indicator with a temperature-sensitive element:德国, EP19800200327 EP0019310A1[P].[2024-04-10].
[2] NESSE R M .The smoke detector principle[J].Annals of the New York Academy of Sciences, 2001, 935(1):75-85.
[3] WANG Y, YU C Y, TU R, et al.Fire detection model in Tibet based on grey-fuzzy neural network algorithm[J].Expert Systems with Applications, 2011, 38(8): 9580-9586.
[4] MAJID S, ALENEZI F, MASOOD S, et al.Attention based CNN model for fire detection and localization in real-world images[J].Expert Systems with Applications, 2022, 189: 116114.
[5] LI Z Z, GUY S, TANG L, et al.Fire hazard location algorithm for large place based on wireless sensor network[J].Journal of Computers, 2014, 9(3):711-716.
[6] SARAIVA E A, SOARES R V, BATISTA A C, et al.Monitoring forest fires and burnings with weather radar[M]//Advances in forest fire research.[S.l]: Imprensa da Universidade de Coimbra, 2014: 1436-1443.
[7] MERINO L, CABALLERO F, MARTÍNEZ-DE DIOS J R, et al.A cooperative perception system for multiple UAVs: application to automatic detection of forest fires[J].Journal of Field Robotics, 2006, 23(3-4): 165-184.
[8] 何君尧, 王文胜, 韩宜航.结合YOLOv8与双目测距算法的水面漂浮垃圾检测定位系统设计[J].现代电子技术, 2024, 47(20):1-7.
[9] 李红伯, 张明.基于视觉的水上目标测距技术及应用[J].计算机与数字工程, 2024, 52(7): 2072-2075.
[10] 孙旭东.基于YOLOv5s的环卫机器人双目视觉系统设计及实现[D].西安:西安理工大学, 2024.
[11] 谭斌.基于Yolov5与双目相机的施工现场目标检测与测距研究[D].南昌:南昌航空大学, 2024.
[12] 张硕.基于双目视觉的机器人目标指引方法研究[D].西安:西安理工大学, 2024.
[13] 卫彪彪.基于双目视觉的目标识别与测距技术研究[D].太原:中北大学, 2024.
[14] 王慧琳.双目识别火灾检测研究[D].芜湖:安徽工程大学, 2023.
[15] 汪子健.基于深度学习的火焰检测与定位技术研究[D].济南:山东建筑大学, 2023.
[16] 田倩.基于双目视觉的高校实验室火灾定位系统[D].成都:成都理工大学, 2022.

基于双目视觉的林草火灾检测与测距方法

Fire detection and ranging method based on binocular vision

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	殷俊婕, 关戴婉静, 李浩, 张晓阳, 马于杰, 邢汉发. 面向海岸线排污口的无人机目标识别数据集[J]. 测绘通报, 2025, 0(8): 112-117.
[2]	胡耀锋, 程相兵, 陈嘉琦. 城市立体感知网建设关键技术与监测应用——以广州市历史文化街区为例[J]. 测绘通报, 2025, 0(8): 174-178.
[3]	孙基源, 纪松, 高定, 李凯, 张芮莹. SFR-YOLO:改进YOLOv8的无人机图像小目标检测算法[J]. 测绘通报, 2025, 0(7): 32-39.
[4]	涂梨平, 陈美球, 冷鹏. 基于目标检测算法YOLOv 9的滑坡隐患识别——以永新县为例[J]. 测绘通报, 2025, 0(6): 37-42,102.
[5]	季辰, 刘磊, 蔡栋, 程亮. 街景影像交通标志牌限速限高信息提取[J]. 测绘通报, 2025, 0(4): 39-44.
[6]	杨国柱, 孙诗睿, 田茂杰, 孙华敏, 胡伟, 李俊磊. 基于高分影像和改进YOLOv7模型在输电线路走廊的建筑物识别[J]. 测绘通报, 2025, 0(4): 82-89.
[7]	郝佳, 姚国英, 周剑, 王斯远, 肖进胜. 基于图像和点云融合的三维小目标检测方法[J]. 测绘通报, 2025, 0(3): 33-38.
[8]	乌萌, 熊超. 利用激光点云测距影像的城市环境动态目标检测优化方法[J]. 测绘通报, 2025, 0(2): 35-40.
[9]	蓝贵文, 徐梓睿, 任新月, 钟展, 郭瑞东, 范冬林. 基于YOLOv8n改进的航拍输电线路图像多类电力部件检测算法[J]. 测绘通报, 2024, 0(9): 38-43,49.
[10]	石一剑, 谭海, 钟旭辉. 改进YOLOv5的国产光学影像辐射异常检测方法[J]. 测绘通报, 2024, 0(8): 60-65,72.
[11]	黄子恒, 芮杰, 林雨准, 王淑香, 刘相云. 基于改进的YOLOv5遥感影像飞机目标检测[J]. 测绘通报, 2024, 0(8): 73-78,89.
[12]	刘兵, 刘宇, 金凤学, 邹一波, 葛艳, 赵林林. 针对浒苔目标检测的全局背景强化的位置蒸馏方法[J]. 测绘通报, 2024, 0(6): 19-23.
[13]	钟雷声, 夏辉, 陈佳林. 基于双目视觉和单线激光雷达的三维场景重建系统和算法[J]. 测绘通报, 2024, 0(5): 48-52,59.
[14]	姚楚羡, 蔡皓楠, 张远波, 唐可懿, 詹璐, 周宝定. 基于轻量化车载设备的道路病害检测方法[J]. 测绘通报, 2024, 0(5): 147-150.
[15]	杨明秋, 陈国坤, 左小清, 董燕. 改进YOLOv8的SAR影像船舰目标检测模型[J]. 测绘通报, 2024, 0(12): 18-23.