CN103413318B - 靶标球镜面中心定位方法 - Google Patents

Abstract

靶标球镜面中心定位方法，首先对采集到的靶标球图像进行基于图像分割法的靶标球区域定位，然后使用基于Mean？Shift算法和图像颜色信息实现定位区域的靶标球分割和强反光区域去除，之后再通过形态学处理方法提取出靶标球镜面区域像素点，最后对该区域的像素坐标统计计算得出镜面中心定位坐标解析形式。本发明可以有效抑制光照变化和靶标球拍摄角度变化对靶标球镜面中心定位的影响，获得了较高的镜面中心定位精度，算法稳定、可靠。

Description

靶标球镜面中心定位方法

所属技术领域

本发明涉及一种工业现场高精度不规则光斑中心定位方法，特别是激光跟踪仪的靶标球镜面中心定位方法。

背景技术

激光跟踪仪以其测量精度高、工作范围大、操作简单和便携等特点，广泛应用于多传感器三维视觉测量系统的全局标定。在全局标定时，激光跟踪仪首先建立世界坐标系，而后将靶标球放置在实验场中的不同位置，并读取靶标球的镜面中心在世界坐标系下的三维坐标，建立多个标定点。同时，多传感器三维视觉测量系统对不同位置处的靶标球进行拍摄，通过定位算法获取镜面中心的图像坐标，进而求取标定点在系统中的三维坐标，实现全局标定。然而，多传感器三维视觉测量系统的全局标定现场环境比较复杂，在求取不同位置处的靶标球镜面中心图像坐标时，经常面临以下挑战：

(1)环境光照连续变化，靶标球镜面区域所成光斑不仅来自于激光本身，而且不可避免的掺杂了环境光，导致不同拍摄角度下光斑的成像形状极不规则，复杂多样；

(2)靶标球表面为不锈钢抛光材质，反光强烈，易使靶标球的壳体和镜面区域所成图像出现过饱和，导致镜面区域成像范围模糊；

(3)拍摄图像尺寸较大时，靶标球所在背景复杂，并且靶标球成像区域过小，人眼难以准确定位其镜面中心；

因此，靶标球镜面中心的精确定位设计是激光跟踪仪用于多传感器三维视觉测量系统全局标定时的一个非常关键的问题。目前比较常用的激光光斑中心定位方法有重心法、霍夫变换法、空间矩法。其中重心法要求光斑形状规则，亮度变化均匀；霍夫变换法需要对参数空间离散化，测量精度不高；空间矩法定位精度虽然高，但要求光斑边缘为理想的二阶边缘。并且，上述这些定位算法应用的前提是实验现场光照恒定，激光光斑的成像效果理想，否则会产生很大的定位误差。为提高定位精度，上述定位算法要求在光照较暗的情况下拍摄靶标球图像，并调整摄像机光圈和曝光时间，获得较暗的规则光斑图像。这些条件无疑增加了全局标定的难度和复杂度，极大地限制了激光跟踪仪的实际应用范围。

发明内容

本发明的技术解决问题：为了解决现有靶标球镜面中心定位方法中精确度低、稳定性差等缺点，本发明提供一种靶标球镜面中心定位方法，用于在光照条件复杂的情况下多传感器三维视觉测量系统的全局标定。该方法不仅定位精度高，而且对光照变化不敏感、对激光点形状和光强分布无要求，具有较强的抗干扰能力。

本发明的技术方案是：靶标球镜面中心定位方法，其特征在于：首先对采集到的靶标球图像进行基于图像分割法对靶标球区域定位，而后基于MeanShift算法和图像颜色信息实现定位区域的靶标球分割和强反光区域去除，然后再通过形态学处理方法提取出靶标球镜面区域像素点，最后对该区域的像素坐标统计计算得出镜面中心定位坐标解析形式：

$\left\{\begin{array}{c}{x}_{\mathrm{center}}=\frac{{\mathrm{\Σ}}_{i=1}^n{x}_i}{n}+x_{\mathrm{rect}}\\ y_{\mathrm{center}}=\frac{{\mathrm{\Σ}}_{i=1}^n{y}_i}{n}+y_{\mathrm{rect}}\end{array}\right.$

式中n表示提取的镜面区域的总像素数量，(x_i,y_i)表示镜面区域灰度值非零的像素坐标，(x_rect,y_rect)表示定位的靶标球区域图像左上角像素点在原图像坐标系下的坐标，(x_center,y_center)镜面中心定位坐标。

上述的基于图像分割法的靶标球区域定位方法实现步骤：首先使用图像分割的方法将靶标球所在标定板从复杂的背景中分割出来,而后采用3×3的黑色方形模板对分割出来的标定板灰度图像进行模板匹配，确定图像中的最亮点像素坐标，最后根据该坐标信息定位靶标球所在区域。

上述的基于MeanShift算法和图像颜色信息实现定位区域的靶标球分割和强反光区域去除方法实现步骤：首先使用MeanShift算法对定位区域进行滤波，而后对滤波后的区域图像进行RGB颜色通道分离，之后对R通道图像进行直方图统计运算，并根据直方图最大峰值所在灰度级设定背景像素点的亮度均值，将该均值作为阈值将靶标球从滤波后的图像分割出来。最后，根据B通道图像的高亮区域像素坐标信息去除分割出的靶标球图像中的强反光区域。

本发明与现有技术相比的优点在于：本发明几乎可以完全抑制光照变化和靶标球拍摄角度变化对靶标球镜面中心定位的影响，获得了较高的镜面中心定位精度，算法稳定、可靠。

附图说明

图1为本发明的流程图；

图2为激光跟踪仪靶标球原始采集图像；

图3为本发明中的标定板图像分割结果；

图4为本发明中的基于模板匹配的靶标球区域定位结果；

图5为本发明中的基于MeanShift的靶标球区域滤波结果；

图6为本发明中的定位区域R通道图像

图7为本发明中的定位区域B通道图像；

图8为本发明中的定位区域R通道图像直方图；

图9为本发明中的定位区域靶标球分割结果；

图10为本发明中的靶标球强反光区域去除结果；

图11为本发明中的靶标球图像形态学处理结果；

图12为本发明中的靶标球镜面中心定位结果。

具体实施方式

如图1所示，本发明的方法过程是，首先对采集到的靶标球图像进行标定板分割及模板匹配，定位靶标球所在区域，而后基于MeanShift算法和图像颜色信息实现定位区域的靶标球分割和强反光区域去除，然后对强反光区域去除后的图像进行二次八邻域的形态学腐蚀运算和二次八邻域的形态学膨胀运算，得到内部连通、边界光滑的靶标球镜面目标区域，最后对该目标区域像素点坐标统计计算得出镜面中心定位坐标解析形式：

$\left\{\begin{array}{c}{x}_{\mathrm{center}}=\frac{{\mathrm{\Σ}}_{i=1}^n{x}_i}{n}+x_{\mathrm{rect}}\\ y_{\mathrm{center}}=\frac{{\mathrm{\Σ}}_{i=1}^n{y}_i}{n}+y_{\mathrm{rect}}\end{array}\right.$

式中n表示提取的镜面区域的总像素数量，(x_i,y_i)表示镜面区域灰度值非零的像素坐标，(x_rect,y_rect)表示定位的靶标球区域图像左上角像素点在原图像坐标系下的坐标，(x_center,y_center)镜面中心定位坐标。

激光跟踪仪靶标球原始采集图像如图2所示，从图中可以看出，图像中包含复杂的环境背景；图像拍摄现场光照复杂，不同拍摄角度下靶标球镜面中心成像光斑极不规则；靶标球表面为不锈钢抛光材质，反光强烈；靶标球成像面积远小于图像尺寸，人眼很难精确定位。基于以上分析，本发明的总体思路为：首先将靶标球从复杂的背景中分割出来，提高定位速度和精度，而后对分割出的靶标球图像进行强反光区域去除和形态学处理，最后计算镜面中心图像坐标。

图3是本发明所阐述的标定板图像分割效果。从图中可以看出，本发明的图像分割去除了复杂的环境背景，只保留了标定板。观察标定板可以看出，若不考虑图像噪声，图像中的最亮点应该处于靶标球上。基于这一图像特点，本发明采用3×3的黑色方形模板对分割出来的标定板的灰度图像进行模板匹配。设I(x,y)表示原始图像坐标为(x,y)的像素灰度，T(x′,y′)表示模板图像坐标为(x′,y′)的灰度，R(x,y)表示模板匹配后像素点(x,y)处的灰度值，则上述模板匹配公式可写为：

$R(x,y)={\mathrm{\Σ}}_{x^{\′},y^{\′}}{(T(x^{\′},y^{\′})-I(x+x^{\′},y+y^{\′}))}^2$

通过寻找模板匹配后图像中的最亮点坐标，可以克服图像噪声，定位靶标球所在区域。为了进一步缩小图像处理尺寸，提高定位精度，本发明将定位区域从标定板图像中分割出来，得到一幅小的定位区域图像，如图4所示。

从图4可以看出，虽然靶标球所在区域颜色变化剧烈，与周围区域的亮度有较大差别，但周围区域像素亮度不够均匀，不利于将靶标球从感兴趣区域中分割出来。此外，图像有可能存在较多的噪声，不利于镜面中心定位。为了解决这两个问题，同时保证图像的结果不发生改变，本发明使用具有较好边缘保持性的MeanShift算法对定位区域进行滤波，得到低噪声，背景颜色基本相同的定位区域图像，如图5所示。

图6和图7分别为对图5进行RGB颜色通道分离处理得到的R通道图像和B通道图像。对比图5和图6可以发现，R通道图像中靶标球所在区域像素亮度与周围背景区域像素亮度有很明显的差异，并且背景区域亮度基本一致。基于这一特点，为了能够将靶标球从定位区域中分割出来，本发明对R通道图像进行灰度直方图统计运算。设R通道图像在灰度范围[0,255]内共有256个灰度级，那么将其直方图定义为离散函数：

H(I_k)＝N_k

其中，k＝0,1,2...255，I_k表示灰度范围[0,255]内的第k级灰度值，N_k表示灰度级为I_k的图像中的像素个数。为了能够将直方图显示出来便于视觉分析，算法将上述公式计算的直方图进行归一化处理：

$p\left(I_k\right)=\frac{h\left(I_k\right)}{N}$

图8为直方图统计效果。从图中可以看出，峰值所在像素等级能够很好的反映大部分背景区域的灰度值。根据直方图最大峰值所在灰度级设定背景像素点的亮度均值(一般大于最大峰值所在灰度15个等级)，将靶标球从定位区域中分离出来，分离结果如图9所示。

此外，对比图5和图7可以发现，B通道图像中的较亮区域，正是靶标球表面的强反光区域，该区域与镜面中心区域共同组成了靶标球区域。基于这一特点，本发明利于B通道图像中的高亮区域的像素坐标信息将靶标球图像9中的强反光区域去除，初步得到靶标球镜面区域图像。

图10为经过强反光区域去除后的靶标球镜面区域图像。从图像中可以看出，靶标球的镜面区域得到了很好的保留，但存在较多的远离镜面中心的非镜面区域像素点。为得到最终的镜面区域图像，需要通过图像形态学处理的方式去除这些点。

图像形态学处理步骤如下：首先对强反光区域去除后的图像进行二次八邻域的形态学腐蚀运算，去除图像中的噪声和孤立点，而后对腐蚀后的图像进行二次八邻域的形态学膨胀运算，得到内部连通、边界光滑的靶标球镜面目标区域。

图11为经过图像形态学处理后的结果。从图中可以看出本发明可以有效的提出靶标球镜面中心区域，通过对该区域像素点坐标统计计算得出镜面中心定位坐标值。图12为靶标球镜面中心的定位结果局部放大图像。其中图像中的圆环中心表示本发明所定位的镜面中心点。从图中可以看出该发明有效地克服了图像背景复杂、噪声点多、光照变化复杂、镜面光斑提取困难的问题，而且运算量低，满足工业现场的多传感器三维视觉测量系统全局标定的需求。

Claims (2)

1.靶标球镜面中心定位方法，其特征在于：首先对采集到的靶标球图像进行基于图像分割法的靶标球区域定位，然后使用MeanShift算法对定位区域进行滤波，而后对滤波后的区域图像进行RGB颜色通道分离；之后对R通道图像进行直方图统计运算，并根据直方图最大峰值所在灰度级设定背景像素点的亮度均值，将该均值作为阈值将靶标球从滤波后的图像分割出来；再根据B通道图像的高亮区域像素坐标信息去除分割出的靶标球图像中的强反光区域；然后再通过形态学处理方法提取出靶标球镜面区域像素点，最后对靶标球镜面区域的像素坐标统计计算得出镜面中心定位坐标解析形式：

$\left\{\begin{array}{c}{x}_{center}=\frac{{\Σ}_{i=1}^n{x}_i}{n}+x_{rect}\\ y_{center}=\frac{{\Σ}_{i=1}^n{y}_i}{n}+y_{rect}\end{array}\right.$

式中n表示提取的镜面区域的总像素数量，(x_i,y_i)表示镜面区域灰度值非零的像素坐标，(x_rect,y_rect)表示定位的靶标球区域图像左上角像素点在原图像坐标系下的坐标，(x_center,y_center)表示镜面中心定位坐标。

2.根据权利要求1所述的靶标球镜面中心定位方法，其特征在于：所述的基于图像分割法的靶标球区域定位方法实现步骤:首先使用图像分割的方法将靶标球所在标定板从复杂的背景中分割出来,而后采用3×3的黑色方形模板对分割出来的标定板灰度图像进行模板匹配，确定图像中的最亮点像素坐标，最后根据该最亮点像素坐标的信息定位靶标球所在区域。