CN103411562A - 一种基于动态规划和均值漂移的结构光光条中心提取方法 - Google Patents

Abstract

本发明提供一种基于动态规划和均值漂移的结构光光条中心提取方法，其属于机器视觉技术领域，包括以下步骤：首先对光条图像进行图像增强；然后对线状光条增强图像进行动态规划处理，获得光条中心点的初始位置向量；最后使用一维均值漂移算法进行迭代，计算出光条中心的精确位置，获得光条中心点的最终位置向量。本发明运算量小、计算速度快且精度上也能达到较高的要求；另外，本发明由于采用动态规划算法时，寻找的是全局最优的光条中心点路径，且迭代时只在光条的像素点中进行，可以在一定程度上避免噪声的影响，抗干扰性强，通用性良好。

Description

一种基于动态规划和均值漂移的结构光光条中心提取方法

技术领域

本发明涉及一种基于动态规划和均值漂移的方法，提取图像中单一结构光光条的中心位置，属于机器视觉技术领域。

背景技术

基于线结构光的三角距离测量法具有大量程、大视场、高精度、光条图像信息易于提取、实时性强及主动受控等特点，在工业检测中得到了广泛的应用。基于结构光的三维测量技术通过向被测物体投射相应模式的结构光，光条在被测物体表面形成一条变形光条，通过摄像机拍摄物体表面光条图案，使用三角测距原理获取物体表面三维信息。若要获得被测物体表面的精确三维信息，必须从被测物体的光条图像中提取光条中心精确位置信息，故结构光光条中心的提取的速度和精度直接影响了整个结构光检测系统的性能。

目前，常见的结构光光条中心提取算法主要有阈值法（参见《基于图像的精密测量与运动测量》：于起峰，陆宏伟，刘肖琳，科学出版社，2002）、拟合曲线求极值法（参见《结构光三维视觉检测中光条图像处理方法研究》：贺俊吉，张广军，北京航空航天大学学报，2003，29（7）：593-597）、多方向模板法（参见《一种结构光条纹中心快速检测方法》：雷海军，李德华，王建永等，华中科技大学学报（自然科学版），2003，31（1）：74-76）、灰度重心法（参见《一种新的线结构光光带中心提取算法》：吴庆阳，苏显渝，李景镇等，四川大学学报（工程科学版），2007，39（4）：151-155）和Hessian矩阵(海森矩阵)法（参见《An Unbiased Detector of Curvilinear Structures[J]》:Carsten Steger,IEEE Transactions on Pattern Analysis and MachineIntelligence.1998,20(2):113-125）等。

阈值法受单个像素点像素值的影响，尤其是光条上噪声的影响非常大，精度不高，提取误差通常大于一个像素。由于光条上像素点的像素值分布在实际情况下一般不是严格对称的，拟合曲线求极值法求出的极值点会偏离实际光条中心位置。多方向模板法和灰度重心法，虽然检测精度较高，但计算量较大，难以实现快递检测。Hessian矩阵法精度高、鲁棒性好，且具有较好的通用性，但图像中的点需要多次进行大规模的高斯卷积运算，计算量大，处理速度慢，很难实现实时检测。

发明内容

本发明的主要目的在于如何提供一种检测图像中单一结构光光条中心的提取方法，其能够高精度检测结构光光条中心，同时有着计算速度快、通用性良好、抗干扰能力强的优点。本发明假设图像中光条大致垂直或者水平，下面描述均以光条大致垂直为例。

为实现上述目的，本发明采用如下技术方案：

一种基于动态规划和均值漂移的结构光光条中心提取方法，其特征在于，该方法包括以下步骤：

步骤1：对原始图像进行一维水平高斯滤波，得到线状光条增强图像；

步骤2：对步骤1所获得的线状光条增强图像使用动态规划算法求出初始光条中心点的最优像素级位置；

步骤3：在步骤2所得的像素级位置基础上，使用一维均值漂移迭代方法计算出最终光条中心点的最优亚像素级位置。

所述步骤2具体包括如下步骤：

步骤2.1：对于图像第一行，累积能量值E(1,j)为第一行每个点在线状光条增强图像中对应点的像素值；

步骤2.2：从第二行起，直到图像的最后一行，逐行计算光条增强图像上以每个像素点(i,j)为终点的最优路径的累积能量值E(i,j),并记录该最优路径在上一行的列坐标，将其记录至S(i,j)；

步骤2.3：提取最后一行最大的累积能量值E(i_r,j_r)及累积能量值最大的像素点位置(i_r,j_r)，从最后一行的点(i_r,j_r)起，使用最优路径表S按行追溯出其所在最优路径上的所有像素点，这些像素点位置即构成初始位置集合D＝{(i₁,j₁),(i₂,j₂),...,(i_c,j_c)}，设追溯得到的光条中心点个数为c。

所述步骤3具体包括如下步骤：

步骤3.1：对每一行上初始光条中心位置的点，通过判断该点左右两个方向点的像素值及连续性，估算该行的光条宽度；

步骤3.2：使用光条初始中心位置作为漂移算法的初始值，应用一维均值漂移算法进行迭代，得出符合停止迭代条件的最优解，即为该行最终的亚像素级光条中心点位置；

步骤3.3：对图像中每一行重复步骤3.1～3.2，得到亚像素级光条中心点位置。

与现有技术相比，本发明的有益效果以下两方面：

一、本发明采用动态规划的方法确定初始位置集合，然后在此基础上，使用一维均值漂移算法计算高精度的最终中心点坐标，运算量小，计算速度快，且精度上也能达到较高的要求。

二、本发明采用动态规划算法，能够求解光条中心点路径的全局最优解，且迭代时只在光条的像素点中进行，可以在一定程度上避免噪声的影响，抗干扰性强，通用性良好。

附图说明

图1为本发明的流程框图；

图2为理想情况下，光条像素分布函数图；

图3为对图像进行一维水平高斯滤波示意图；

图4为以光条大体方向垂直为例的动态规划算法示意图。

具体实施方式

为说明本发明的技术方案和所实现目的，以下结合实施例并配合附图予以详细说明。

图1为本发明提供的结构光光条中心提取方法流程框图，假设图像中光条大致垂直或者水平，下面描述均以光条大致垂直为例。本实施方式实现基于动态规划的结构光光条中心提取方法的步骤包括：

步骤1：对结构光光条图像进行一维水平高斯滤波，得到线状光条增强图像。

如图2所示，在理想情况下，一维结构光光条图像的像素值沿光条中心线垂直方向成高斯分布。设一维光条中心点为x₀，像素值沿该点光条中心线垂直方向的高斯分布的一维数学模型可以表示为：

$I\left(x\right)=I_0{e}^{-{(x-x_0)}^2/{2\mathrm{\δ}}^2}$

其中最高像素值为I₀，即为光条的中心点像素值;x₀为光条中心点位置，δ为高斯分布函数的标准差。使用一维水平的高斯滤波器对图像进行滤波处理，可以得到增强垂直结构光条的图像。根据光条宽度的不同，可以选择不同窗宽的滤波器。一维水平高斯滤波示意图如图3所示。

步骤2：对步骤1所获得的线状光条增强图像使用动态规划算法进行能量统计，求出图像中每一行光条中心点的初始像素级位置。

由于在光条增强图像中光条中心点的图像像素点具有较高的像素值，故沿光条中心上的所有点的像素值累加较大，采用动态规划的方法，可以求出光条中心点的初始路径。由于被测物体表面的凹凸不平，光条在整个图像中可能不是连续的一整条线，在竖直或水平方向上，可以大体表现为两条或几条光条线。对于大小为M×N的图像，我们在图像矩阵旁边增加一列，用以代表某行中未检测到光条图案，故定义3个大小为M×(N+1)的矩阵，矩阵e(i,j)、E(i,j)、S(i,j)中的元素分别存储光条增强图像中像素点(i,j)的像素值、(i,j)的累加能量值和(i,j)所在路径的前一个像素点的列坐标。我们设定增加列所有像素点的能量值为e(i,N+1)＝e_null，其中e_null的值需小于光条增强图像中真实光条中心点的像素值，大于非光条点的像素值。以按行计算为例，图4为该算法示意图。整个计算的具体步骤如下：

步骤2.1：对于光条增强图像第一行，累积能量值为E(1,j)＝e(1,j)（其中j＝1,2,...,N+1），即为光条增强图像第一行每个点的像素值。

步骤2.2：从第二行起，直到图像的最后一行，逐行计算以光条增强图像上每个像素点(i,j)为终点的最优路径的累积能量值。对于像素点(i,j)，遍历其上一行的每个像素点，计算其最大累积能量值为：

E(i,j)＝e(i,j)+E(i-1,j_max)+f[p(i,j),p(i-1,j_max)]

其中e(i,j)为像素点(i,j)在光条增强图像中的像素值，E(i-1,j_max)为第i-1行中所有像素点的最大累积能量值，f[p(i,j),p(i-1,j_max)]约束上下两行之间光条点位置的几何关系，其中j_max为第i-1行取最大累积能量路径终点的列坐标：

j_max＝argmax{E(i-1,j′)+f[p(i,j),p(i-1,j′)]},j′＝1,2,...,N,N+1其中argmax{·}表示E(i-1,j′)+f[p(i,j),p(i-1,j′)取极大时的对应列坐标j′。f[p(i,j),p(i-1,j′)]约束像素点p(i,j)与p(i-1,j′)之间的几何关系，定义为：

其中T为阈值，通常可取5～10，当上下两行光条位置在较接近时，f函数的值大，反之f函数的值较小，因此算法倾向于赋予相邻行光条位置较接近的路径较大能量值。计算点(i,j)的最大累积能量值E(i,j)以后，将j_max存入追溯路径矩阵S(i,j)，其保存E(i,j)取极大时的路径在第i-1行的对应列号。

步骤2.3：提取最后一行最大的累积能量值E(i_r,j_r)累积能量值最大的像素点位置(i_r,j_r)。从最后一行的点(i_r,j_r)起，使用路径矩阵S按行追溯出最优路径上的所有像素点，这些像素点位置即构成初始位置集合D＝{(i₁,j₁),(i₂,j₂),...,(i_c,j_c)}，设追溯得到的光条中心点个数为c。

从最后一行向前M-1行进行追溯时，对于追溯到的点p(i,j)，若其所对应的S(i,j)的值为N+1，则表示在第i-1行中未检测到光条图案，在i-1行中不存在光条的中心点；否则第i-1行初始光条中心点位置为(i-1,S(i,j))。

步骤3：由所得到光条中心点初始位置，使用一维均值漂移迭代计算出光条中心点的最终位置。

步骤3.1：对于初始位置集合中的每个点，通过判断该点及该点左右两个方向点的像素值及连续性，计算出该行的光条宽度d。

设该行光条初始中心点的像素值为p₀，以它为中心，计算它左右两个方向的像素点（设其灰度值为p）与它的差的绝对值，判断这些点是否为光条上的点，判断条件如下：

|p-p₀|＜H

其中H为阈值，在像素值归一化的图像中通常取0～0.1的任意值。则光条在该行的宽度d＝j_R-j_L，其中j_R为符合上述条件的最右边点的列坐标，j_L为最左边点的列坐标。

步骤3.2：使用光条初始中心位置作为漂移算法的初始值，应用一维均值漂移算法进行迭代，得出符合停止迭代条件的最优解，即为该行最终的光条中心点位置。

由于光条像素点以光条中心点为中心呈高斯分布，故采用高斯核函数作为一维均值漂移算法的核函数，其具体数学形式为：

G(x)＝g(||x||²)

$g\left(x\right)=e^{-x/{2\mathrm{\δ}}^2}$

对于第i行，设该行初始光条中心点列坐标为j₀，该行一维均值漂移向量定义如下：

$M_h\left(j\right)=\frac{\underset{j_k=j_0-d/2}{\overset{j_0+d/2}{\mathrm{\Σ}}}G\left(\frac{j_k-j}{h}\right)\mathrm{\ω}\left(j_k\right)j_k}{\underset{j_k=j_0-d/2}{\overset{j_0+d/2}{\mathrm{\Σ}}}G\left(\frac{j_k-j}{h}\right)\mathrm{\ω}\left(j_k\right)}-j$

其中h为高斯核函数的窗宽，可设为该行光条的宽度d/2。ω(j_k)为点j_k的权重函数，设为该点在光条增强图像中的像素值e(i,j_k)。

记录上述等式右边的第一项为m_h(j)，即：

$m_h\left(j\right)=\frac{\underset{j_k=j_0-d/2}{\overset{j_0+d/2}{\mathrm{\Σ}}}G\left(\frac{j_k-j}{h}\right)\mathrm{\ω}\left(j_k\right)j_k}{\underset{j_k=j_0-d/2}{\overset{j_0+d/2}{\mathrm{\Σ}}}G\left(\frac{j_k-j}{h}\right)\mathrm{\ω}\left(j_k\right)}$

计算光条中心点的亚像素级位置，令初始点为步骤2求得的初始光条中心位置j₀，使用一维均值漂移算法的具体迭代步骤如下：

步骤3.2.1：计算当前点j所对应的m_h(j)值。

步骤3.2.2：将m_h(j)赋值给j。

步骤3.2.3：如果||m_h(j)-j||＜ε，则停止该行迭代。其中ε为一个小的正数，一般可取小于1的正值。

步骤3.3：进入下一行，重复步骤3.1～3.2，直至计算完有初始光条中心点位置的所有行，得到最终光条中心点位置。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (3)

1.一种基于动态规划和均值漂移的结构光光条中心提取方法，其特征在于，包括以下步骤：

步骤1：对原始图像进行一维水平高斯滤波，得到线状光条增强图像；

步骤2：对步骤1所获得的线状光条增强图像使用动态规划算法求出初始光条中心点的最优像素级位置；

步骤3：在步骤2所得的像素级位置基础上，使用一维均值漂移迭代方法计算出最终光条中心点的最优亚像素级位置。

2.根据权利要求1所述的基于动态规划和均值漂移的结构光光条中心提取方法，其特征在于，所述步骤2具体包括如下步骤：

步骤2.1：对于图像第一行，累积能量值E(1,j)为第一行每个点在线状光条增强图像中对应点的像素值；

步骤2.2：从第二行起，直到图像的最后一行，逐行计算光条增强图像上以每个像素点(i,j)为终点的最优路径的累积能量值E(i,j),并记录该最优路径在上一行的列坐标，将其记录至S(i,j)；

步骤2.3：提取最后一行最大的累积能量值E(i_r,j_r)及累积能量值最大的像素点位置(i_r,j_r)。从最后一行的点(i_r,j_r)起，使用最优路径表S按行追溯出其所在最优路径上的所有像素点，这些像素点位置即构成初始位置集合

D＝{(i₁,j₁),(i₂,j₂),...，(i_c,j_c)}，设追溯得到的光条中心点个数为c。

3.根据权利要求1所述的基于动态规划和均值漂移的结构光光条中心提取方法，其特征在于，所述步骤3具体包括如下步骤：

步骤3.1：对每一行上初始光条中心位置的点，通过判断该点左右两个方向点的像素值及连续性，估算该行的光条宽度；

步骤3.2：使用光条初始中心位置作为漂移算法的初始值，应用一维均值漂移算法进行迭代，得出符合停止迭代条件的最优解，即为该行最终的亚像素级光条中心点位置；

步骤3.3：对图像中每一行重复步骤3.1～3.2，得到亚像素级光条中心点位置。

Images