测量液体的表面的制作方法

本发明涉及测量液体的表面的方法及有关设备。

背景技术：

US6782122描述了利用一套光源和相机来测量容器中的液体的表面的高度的设备，其中，一套光源和相机按照对于彼此以及容器的预定空间关系设置在液体表面之上。光源用光图案照射液体表面并且相机获取光图案的具有离散图像元素(像素)的形式的区域图像，所述像素在图像处理器中被处理以确定容器中液体的高度。在另一实施方式中，区域图像的像素被进一步处理以确定液体表面的状态，以使得处理器可以基于所确定的液体表面的高度和状态以及存储在处理器的存储器中的容器几何数据来确定容器中液体的量。

在US2010/0322462中描述了另一液位(liquid level)检测方法。该方法包括使用图像抓取装置来获取液体表面、结构表面和设置在结构表面上的刻度标记的图像以由此获得初始图像。随后，对初始图像进行处理以便生成经处理的图像，并且从经处理的图像中获得液体表面的液位参考值。就经处理的图像的固有特性而言，该液位参考值代表了液体表面的高度。最后，基于以下项目之间的相对比例关系来计算液体表面的液位：液位参考值；就经处理的图像的固有特性而言的经处理的图像的总高度；以及初始图像和经处理的图像中的任意一个图像相对于刻度标记的尺寸。

在US2008/0282817中描述了远程监测固定结构的方法。在一个实施方式中，将光学系统设计成在壳体的三个壁的内表面上投影刻度，并且获得在刻度的投影位置处的壁图像。使用该信息来得到在箱中的流体的液位。

技术实现要素：

本发明的第一方面提供了一种测量液体的表面的方法，该液体的表面具有接触固体结构的边缘和没有接触固体结构的内部区域，该方法包括：用图案照射液体的表面和固体结构，以使得图案的上部分投影到固体结构上以形成上投影图案并且使得图案的下部分投影到液体的表面的内部区域上以形成下投影图案；获取上投影图案的图像；分析上投影图案的图像以确定液体的表面的边缘的高度；获取下投影图案的图像；以及分析下投影图案的图像以确定液体的表面的内部区域的特征。

本发明的另一方面提供了一种用于测量液体的表面的设备，该液体的表面具有接触固体结构的边缘和没有接触固体结构的内部区域，该设备包括：照明器，该照明器被布置成用图案照射液体的表面和固体结构以使得图案的上部分投影到固体结构上以形成上投影图案并且使得图案的下部分投影到液体的表面的内部区域上以形成下投影图案；图像获取系统，该图像获取系统被布置成获取上投影图案的图像和下投影图案的图像；以及处理器，该处理器被编程为对上投影图案的图像进行分析以确定液体的表面的边缘的高度以及对下投影图案的图像进行分析以确定液体的表面的内部区域的特征。

在优选实施方式中，图案包括一组平行线，该一组平行线优选是等距离的。可替换地，图案可以包括点、圆、格栅或其他图案。

固体结构通常包括容纳液体的箱的壁。理想地，图案的上部分投影到箱的在拐角处相接的两个壁上。可替换地，固体结构可以包括内部结构，如箱内部的柱。

液体可以是水或其他任何液体，但是更优选地，液体是液态燃料。

可以对下投影图案的图像进行分析以确定液体的表面的内部区域的各种不同特征。例如，可以确定图像的空间频率特征，或者可以分析图像来检测液体的表面上漂浮的污染物。可替换地，可以对下投影图案的图像进行分析以确定一些其他特征，如液体的表面的 内部区域的高度。

通常，分析上投影图案的图像来确定液体的表面的边缘的高度包括检测上投影图案的图像的不连续性。

图案通常是可见光辐射图案，即，在电磁光谱(其包括紫外辐射、可见光和红外辐射)的可见光部分中的辐射的图案。通常，辐射的波长在100nm至1mm的范围内。

可以分别获取下投影图案的图像和上投影图案的图像，但是更通常地，它们是由图像获取装置(如相机)从宽的视场中所获得的单个图像的子集。

液体可以是静止的(例如燃料储存筒中的燃料)或者更通常地，液体由交通工具(如卡车或飞行器)运载。在液体由交通工具运载的情况下，那么此方法通常在交通工具处于运动中(由于交通工具的振动和粗动而使得液体的表面变为非平面的)时被执行。

该方法可以作为确定液体的体积的方法的一部分来执行，所述确定液体的体积的方法包括：通过第一方面的方法来测量液体的表面；根据所确定的液体的表面的边缘的高度来确定液体的体积。

可选地，根据所确定的液体的表面的边缘的高度和所确定的下投影图案的图像的特征来确定液体的体积。换言之，使用该特征来获得体积的更准确的估算。

可选地，根据在三个或更多个测量点处确定的液体的表面的边缘的高度来确定液体的状态。

附图说明

现在将参照附图来描述本发明的实施方式，在附图中：

图1示出飞行器燃料箱和用于测量箱中的燃料的表面的基于相机的系统；

图2是箱的放大视图；

图2a示出在燃料表面上所投影的光图案中的四条线；

图3示出飞行器燃料箱和用于测量箱中的燃料的表面的基于光 纤的系统；

图4示出飞行器燃料箱和用于测量箱中的燃料的表面的包括两个纤维镜的基于光纤的系统；

图5示出进行一系列测量的过程；

图6示出具有用于监测燃料的集中式处理架构的飞行器；以及

图7示出具有用于监测燃料的分布式处理架构的飞行器。

具体实施方式

图1是包括燃料箱的飞行器燃料箱系统和用于测量燃料箱中的燃料的表面1的设备的示意图。相机2可以通过燃料箱的顶壁5中的光进入窗口3来观察燃料箱内部，光进入窗口3处于壁5的通常不被燃料覆盖的位置。窗口3具有疏水性涂层以使冷凝物、雾、霜和微生物滋生的问题最小化。相机2可以对相机的视场的图像进行获取和数字化。经由束线10将这些图像发送至图像获取和精细加工部9的获取和调节模块11。

用来自靠近相机2安装的结构辐射源8(如发光二极管)或其他照明器的结构辐射来照射燃料箱的内部。结构辐射通常是可见光辐射——即，在电磁光谱(其包括紫外辐射、可见光和红外辐射)的可见光部分中的辐射。通常，辐射的波长在100nm至1mm的范围内。在下面的描述中，假定辐射是可见光。

用具有前壁和后壁、左侧壁和右侧壁、底壁和顶壁的平行六面体结构示意性地示出燃料箱。相机2指向燃料箱的拐角，具有大视场。该宽的视场引起图像失真。为了校正该失真，图1中所示出的图像精细加工(校正)处理器12将预定的校正系数矩阵应用至图像中。

经校正的图像然后可以被输出至显示装置15，以便在飞行器飞行期间向飞行器的驾驶员显示或在补给燃料和地面作业期间向地勤人员显示。

相机2可以是光学相机或热感相机，热感相机可以用于检查燃料系统(比如燃料泵)的部件的温度分布以及用于提供确定燃料液位所用的图像(如本文中所描述的)。

由处理器14来确定燃料表面高度(连同燃料的状态、体积和质量)的估算结果。现在将参照图2描述处理器14所使用的算法。

如图2中所示，燃料的表面1具有边缘20和边缘21，燃料在边缘20处接触燃料箱的左壁，并且在边缘21处接触燃料箱的前壁。表面1还具有没有接触燃料箱的壁的任一个的内部区域4。结构光源用等距离的平行线样式的可见光图案照射液体的表面1以及燃料箱的左壁和前壁。图案的上部分被投影在燃料箱的壁上以形成上投影图案22而图案的下部分被投影在液体的表面1上以形成下投影图案23。在这个示例中，燃料箱的壁是竖直的且是平面的，所以上投影图案22中的线也是竖直的且是平面的。另一方面，燃料的表面1大致水平但具有由飞行器的运动引起的涟漪和晃动所导致的非平面形状。因此，下投影图案23中的线具有复杂的波浪形形状。

无论燃料的高度是多少，相机的视场足够宽以获取上投影图案22和下投影图案23二者的图像。处理器14被编程为如下所述的那样对上投影图案22的图像进行分析以确定液体的表面的边缘的高度。首先，对上投影图案22的图像中的每条线进行分析以检测燃料表面的边缘20、21处的不连续性。将图案中的第三条线作为示例，该线在上投影图案22中具有直线部分25，在下投影图案23中具有波浪形部分26，以及在直线部分25与波浪形部分26相接的边缘20处具有不连续性。这种不连续性可以以很多方式进行检测，但是作为示例，该处理器可以分析沿竖直线的点之间的角度，并且检测何时该角度指示该线不再为直线(即，处于不连续处)。如果箱的壁具有更复杂的非平面几何形状，则处理器14可以存储所期望的上投影图案22的模型(其对于给定的箱壁几何形状是已知的)并且将图案的图像与所存储的模型进行比较。图像与所存储模型的偏差指示液体的表面的边缘。可替换地，可以使用神经网络。

一旦已知不连续的位置，则可以通过计算从投影线的顶部至不连续处的像素的数目来确定距离燃料箱的顶部的缺量高度。针对第一条线的缺量高度被标记为H_{u 1}，以及针对第k条线的缺量高度被标记为H_{u k}。已知箱的高度H_Tank，则燃料的高度由以下给出:H_{uFuel 1}＝H_Tank-H_{u 1}以及H_{uFuel k}＝H_Tank-H_{u k}，其中，H_{uFuel k}是与第k条线有关的距箱底部的燃料高度。

可以根据在表面的边缘处的这些高度H_{uFuel 1}至H_{uFuel k}连同关于表面的形状的一定量的信息(在表面的边缘处可以观察到的表面中的涟漪)来确定燃料表面1的高度和状态。然而，在表面的边缘处的燃料高度H_{uFuel 1}至H_{uFuel k}没有给出关于表面1的内部区域4(即燃料表面1中没有接触箱的壁的那些部分)的形状的信息。因此，处理器14还对下投影图案23的图像进行分析以确定液体的表面1的内部区域的非平面形状。

首先，处理器14分析图像以确定沿着图像中的每个波浪形线26的若干点。其次，处理器14执行一维插补以给出波浪形线26的微细结构。针对投影到表面1上的所有其他的波浪形线重复相同的处理。处理器14然后对所有的波浪形线执行二维插补以获得通过下投影图案23(在相机2的视场内)所识别的二维表面的微细结构的模型。接着，处理器14执行二维傅里叶变换(例如应用快速傅里叶变换算法-FFT)以确定通过下投影图案23所识别的表面的空间频率特征。然后，假设该空间频率特征适用于整个表面1(不仅是表面在相机2的视场内的部分)并且处理器14使用该空间频率特征以对表面1的内部区域4的非平面形状进行准确的建模。根据该建模的非平面形状，假定已知箱的几何结构，处理器14然后可以获得燃料体积的改进的估算。只要可以重建二维表面的微细结构并且可以应用二维傅里叶变换，则可以使用不同的投影图案(如点、圆、格栅或其他图案)来应用相同的图像分析处理。

所以，不仅根据在表面的边缘处的燃料高度H_{uFuel 1}至H_{uFuel k}，而且还根据下投影图案23的图像的空间频率特征，来确定液体的体积。

如果仅使用在表面的边缘处的燃料高度H_{uFuel 1}至H_{uFuel k}来估算体积，则有必要假定液体表面是平面。当测得液体表面的微细二维结构时，则可以应用二维傅里叶变换并且这给出了在相机2的视场中的特征空间频率，即主频率。假定在整个液体表面中的特征空间频率和相机2的视场中的特征空间频率是相同的。因此，处理器14可以对具有相同的空间“图案”的整个液体表面(基于所测量的特征空间频率)进行建模。这给了液体表面其本身(不只是平面)的更准确的表达。

如果在箱中液体的晃动增大，则仅基于在表面的边缘处的燃料高 度H_{uFuel 1}至H_{uFuel k}(以及平整表面模型)的方法可能会引起显著的体积测量误差。

只要已知箱的几何结构，则可以由处理器14使用该处理来估算非平行六面体的燃料箱中的燃料的体积/质量。在这样的情况下，可以基于查找表、神经网络或燃料箱几何结构的计算机模型根据燃料表面的高度来估算燃料的体积。

驾驶员或地勤人员可以使用显示装置15来观察上投影图案22和下投影图案23的图像。这将(通过投影图案中的不连续性的目测识别)给出燃料高度的粗略指示并且进而给出箱中的燃料体积的粗略指示。下投影图案23的可视化也将给出燃料表面中的涟漪或晃动的量的粗略指示。而且在所显示图像的波浪形线中的任何高幅度、低空间频率、持久的偏差都可以指示在液体的表面上存在漂浮的污染物。

可选地，处理器14被编程为对下投影图案23的图像进行分析并且如果处理器14检测到在液体的表面上漂浮的污染物则在显示装置15上生成自动警报。检测到这样的污染物还将使得处理器在计算燃料体积时忽略来自图像的这部分的数据，从而使燃料体积的估算更准确。

该原理在图2a中示出，图2a示出在下投影图案23的图像中的四条相邻的线。每条线具有持续经过长时间段的大幅度低空间频率偏差30，这指示在液体的表面上存在有漂浮的污染物。在污染物的每侧，线具有小幅度的偏差31，所述偏差31具有高空间频率并且其(由于涟漪)随着时间而迅速改变。因此，在对表面1建模时处理器14忽略来自图像的这些部分30的数据，并且可选地生成警报。

图3是具有基于光纤的图像获取系统的替换实施方式。结构光源8a将结构光经由目镜光学装置16引入光纤束10a。结构光然后由纤维镜17引入燃料箱。经反射的光由组件17接收并且组件17将反射的光经由光纤束10a和目镜光学装置16传送至相机2a。图4给出了相似的示例：在这种情况下用两个纤维镜17、17a照射燃料箱的相对拐角来提供表面1的微细结构的更准确的表达。

图像获取和精细加工必须实时进行以允许燃料量指示的刷新时间为如在图5中所示的最小值1s(1Hz刷新率)。为了使这种情况能够发生，可以针对图1中的元件11、元件12和元件14来使用数字信号 处理器(DSP)或相似的高性能处理器。

图5示出间隔1s的两个测量结果。可选地，两个纤维镜17、17a可以交替地(而非同时)操作，因此它们不会被来自另一组件的光所“遮蔽”。

图6是包括图1的系统的飞行器50的俯视图。该飞行器在每个机翼中具有机翼燃料箱，并且具有在机身下方的中央燃料箱。每个燃料箱被划分为若干隔室(bay)，每个隔室与相邻隔室通过翼肋隔开，翼肋具有使燃料能够在相邻隔室之间移动的孔。图6示出每个机翼燃料箱的两个隔室51以及中央燃料箱的单个隔室52。五个隔室的每一个具有如图4所示那样安装的一对纤维镜。在图6的架构中，每个光纤束引向加压和调节区域中的单个集中式图像获取和精细加工部9。

图7示出了替换的局部性架构，其中，在接近隔室处设置有三个图像获取和精细加工部9，从而减小了所需的光纤束的长度。可以将经精细加工的数据经由电气或光学通信网络53传递至部分9中的一个中央部分。

尽管上面已经参照一个或更多个优选实施方式描述了本发明，但是将理解的是，在不脱离如所附权利要求所限定的本发明的范围的情况下，可以进行各种改变或修改。