CN105931232B - 结构光光条中心高精度亚像素提取方法 - Google Patents
结构光光条中心高精度亚像素提取方法 Download PDFInfo
- Publication number
- CN105931232B CN105931232B CN201610240776.XA CN201610240776A CN105931232B CN 105931232 B CN105931232 B CN 105931232B CN 201610240776 A CN201610240776 A CN 201610240776A CN 105931232 B CN105931232 B CN 105931232B
- Authority
- CN
- China
- Prior art keywords
- point
- striation
- optical
- normal direction
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
Abstract
一种结构光光条中心高精度亚像素提取方法,属于机器视觉技术领域,其特征是它采用骨架细化法获得条纹中心初始位置,通过均方灰度梯度求取骨架上每一点的法线方向,然后采用自适应阈值法提取出条纹各列法向宽度值,最后通过条纹法向宽度值内的灰度值数据进行傅里叶拟合,求取拟合曲线的峰值,得到光条中心点的亚像素坐标,连接各光条中心点形成光条中心。采用本发明提取的光条中心具有较高的精度,同时在光条灰度和宽度不均匀的情况下,也能准确的提取出光条的中心位置。
Description
技术领域
本发明涉及一种图像处理技术,尤其是一种机器视觉技术,具体地说是一种结构光光条中心高精度亚像素提取方法。
背景技术
目前,结构光主动视觉主要基于光学三角法测量原理,由激光发生器和摄像机共同作为结构光图像传感器组成视觉系统。因物体表面形状不规则和反射特性不一致,图像传感器拍摄到的含有结构光条的图像,其光条灰度和宽度也不均匀。这些给光条图像的条纹中心提取带来很大困难,因此结构光视觉技术图像处理关键的一步是精确提取激光条纹的中心线。
从实现方法上分析,可将现有的光条纹提取技术归结为两大类:一类是以几何中心作为光条纹中心的提取方法,如阈值法,边缘取中法、骨架细化法等,这类方法算法简单,运行速度快,但精度低,受阈值与噪声影响较大。另一类是以能量中心作为光条纹中心的提取方法,如极值法,重心法,高斯拟合法等。极值法算法原理简单、运算速度快,缺点是激光条纹光强较大时会存在多个极大值现象,提取出的中心线不是单像素的。灰度重心法是把一定区域内的光带灰度重心作为光带中心,在灰度重心法的基础上,吴家勇等在“基于梯度重心法的线结构光中心亚像素提取方法”一文中提出了一种基于梯度重心法的线结构光光带中心快速亚像素提取算法,当光带灰度极大值位置与真实光带中心有较大偏离时,该方法求出的中心能获得偏离灰度极大值的真实光带中心。熊会元等在“线结构光条纹中心的全分辨率精确提取”一文中提出了应用灰度梯度计算光条法线方向,在法线方向上应用灰度重心法来精确提取光条中心的方法。该方法有效地弥补了传统重心法不能处理光条法线方向和方向模板法只能获得光条近似法线方向的不足,提取精度较高。高斯拟合法的原理是根据激光条纹法向灰度值近似服从高斯分布,利用条纹的灰度数据拟合出高斯曲线并把其极值作为激光条纹的中心,Lukas等在“Detecting digital image forgeries usingsensor pattern noise”一文中提出了先确定条纹中心的大致位置,然后以该位置附近的5个像素为高斯拟合数据,求取激光条纹的中心位置。该法仅适用直线度较好、粗细均匀的激光条纹。
但上述这些方法均存在精度不高,同时在光条灰度和宽度不均匀的情况下,难以准确提取出光条中心位置的问题。
发明内容
本发明的目的是针对结构光条纹存在光条粗细不均、曲率变化,而现有的方法均存在精度不高,同时在光条灰度和宽度不均匀的情况下,难以准确提取出光条中心位置的问题,在考虑光条法线方向的基础上,发明一种基于自适应阈值和傅里叶拟合的结构光光条中心高精度亚像素提取方法。该方法自适应确定条纹法向宽度,利用光带边界内的大量像素的灰度信息,在法线方向上基于傅里叶拟合来进行光带中心位置的精确提取。
本发明的技术方案是:
一种结构光光条中心高精度亚像素提取方法,其特征在于,该方法包括如下步骤:
步骤一:对获取的光条图像进行去噪处理,获取去噪后的光条图像;
步骤二:采用骨架细化的方法,对经步骤一获得的去噪后的光条图像层层剥离获得光条中心的粗略位置,并计算每一个骨架中心点对应的法线方向;
步骤三:在得到光带中心粗略位置Ci后,在Ci处的法线方向上取左右各nw个像素之间的范围作为条纹的粗略宽度,在粗略宽度内还还必须再精确地确定光带的边界,以提高后续傅里叶拟合法计算光带中心位置的准确度;
步骤四:对经步骤三获得的条纹法向宽度值内的灰度值数据进行傅里叶拟合,求取拟合曲线的峰值,得到光条中心点的亚像素坐标;
步骤五:连接经步骤四获得的所述光条的亚像素坐标点形成光条中心。
所述的对获取的光条图像进行去噪处理,获取去噪后的光条图像的步骤如下:
步骤1.1:采用有光条图像与无光条图像相减的方法去除光条图像中的非随机噪声,获得初步去噪后的图像;
步骤1.2:采用小波阈值去噪的方法对所述初步去噪后的光条图像进行去噪,去除光条图像中的随机噪声,从而获得去噪后的光条图像。
所述的采用骨架细化的方法获得光条中心的粗略位置,并计算每一个骨架中心点对应的法线方向包括以下步骤:
步骤2.1:根据光条图像的灰度直方图,选择合适的阈值,对光条图像进行二值化处理,获取光条图像第一行与最后一行的像素点坐标,计算光条的斜率,斜率的绝对值大于1,则光条为垂直走向,反之则为水平走向;本发明中分析光条走向为垂直方向的情况,即在水平方向上求取光条中心的粗略位置;
步骤2.2:对二值化的光条图像而言,0为背景,1为目标。依据步骤2.1获得的光条走向,针对图像中的任意像素P0,构造它的八邻域如图2所示。图3为P0的左右各两个邻点。先对整个图像逐点作点运算,若该点为背景点数时(即P0=0),则不作任何动作;若该点为光条上的点时(即P0=1),则依据算法判断该点是否应删除,其步骤如下:
4)若满足如下条件,则标记下该点;
d)P0=1
e)(Pn-1=0&&Pn+1=1&&Pn+2=1)||(Pn-2=1&&Pn-1=1&&Pn+1=0)
f)erasetable[num]=1
(num=P1+2*P2+4*P3+8*P4+16*P5+32*P6+64*P7+128*P8)
erasetable[256]={
0,0,1,1,0,0,1,1 1,1,0,1,1,1,0,1 1,1,0,0,1,1,1,1 0,0,0,0,0,0,0,1
0,0,1,1,0,0,1,1 1,1,0,1,1,1,0,1 1,1,0,0,1,1,1,1 0,0,0,0,0,0,0,1
1,1,0,0,1,1,0,0 0,0,0,0,0,0,0,0 0,0,0,0,0,0,0,0 0,0,0,0,0,0,0,0
1,1,0,0,1,1,0,0 1,1,0,1,1,1,0,1 0,0,0,0,0,0,0,0 0,0,0,0,0,0,0,0
0,0,1,1,0,0,1,1 1,1,0,1,1,1,0,1 1,1,0,0,1,1,1,1 0,0,0,0,0,0,0,1
0,0,1,1,0,0,1,1 1,1,0,1,1,1,0,1 1,1,0,0,1,1,1,1 0,0,0,0,0,0,0,0
1,1,0,0,1,1,0,0 0,0,0,0,0,0,0,0 1,1,0,0,1,1,1,1 0,0,0,0,0,0,0,0
1,1,0,0,1,1,0,0 1,1,0,1,1,1,0,0 1,1,0,0,1,1,1,0 1,1,0,0,1,0,0,0
}
5)逐行遍历整幅图片,删除步骤1中标记的点;
6)重复步骤1和2直到没有点被删除为止,获得光条图像的粗略中心位置。
步骤2.3:采用均方灰度梯度的方法获得骨架上每一点的法线方向。
所述的在Ci处的法线方向上取左右各nw个像素之间的范围作为条纹的粗略宽度,在粗略宽度内还还必须再精确地确定光带的边界的算法如下:
1)计算出Ci处法向上Ci-nw列至Ci+nw列范围内灰度值的平均值IM
2)求出Ci-nw列至Ci+nw列范围内灰度值小于IM的像素灰度值的平均值Ih
3)把Ih作为光带边界的灰度阈值可以自适应地将光带区域与背景分割开来。
所述的傅里叶拟合时的傅里叶函数的数学表达式如下:
f(xi)=a0+a1*cos(xi*w)+b1*sin(xi*w) (1)
式中,a0,a1,b1是傅里叶函数的参数,w是数据的频率信息;拟合不同的灰度值点会得到相应的参数和频域信息;
对式(1)左右两边求导得:
f'(xi)=-a1*w*sin(xi*w)+b1*w*cos(xi*w) (2)
光条中心位置即为傅里叶拟合曲线的峰值点,令f'(xi)=0,则
a1*w*sin(xi*w)=b1*w*cos(xi*w) (3)
可得光条的中心位置为
本发明的有益效果:
本发明根据光带截面灰度非正态分布的特点,提出的结构光光条中心高精度亚像素提取方法,采用骨架细化的方法获取光条图像的初始中心,再以获取的光条骨架为基础,求取每一个初始中心点处的法向,在法线方向上基于自适应阈值获得光条在法向的宽度值,最后采取傅里叶拟合来求取光条中心点的亚像素坐标。它具有较高的光带中心提取精度,同时在光条灰度和宽度不均匀的情况下,也能准确的提取出光条的中心位置。
附图说明
图1是本发明的结构光光条中心高精度亚像素提取方法的流程图。
图2为P0的八领域示意图。
图3为P0的邻点示意图。
图4为本发明实施例中的光条纹图像经去噪与二值化后的光条图像示意图。
图5为本发明实施例中采用的模拟件示意图。
图6为本发明实施例中获得的光条中心线局部放大图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
如图1-6所示。
本发明实施例中,采用相机拍摄获得光条纹图像,图像采集相机选择大恒CCD相机F-504B/C,分辨率为2452*2056,镜头选择大恒Computar定焦镜头M0814-MP2,焦距为8mm,激光条纹采用鲍威尔激光器3D扫描仪产生,输出的波长为650nm,输出功率可调,最大输出功率为100mW。
一种结构光光条中心高精度亚像素提取方法流程如图1所示,它包括如下步骤:
步骤一:对获取的光条图像进行去噪处理,获取去噪后的光条图像,其包括如下子步骤:
步骤1.1:采用有光条图像与无光条图像相减的方法去除光条图像中的非随机噪声,获得初步去噪后的图像;
步骤1.2:采用小波阈值去噪的方法对所述初步去噪后的光条图像进行去噪,去除光条图像中的随机噪声,从而获得去噪后的光条图像。
通过实验验证与分析,针对光条图像,采用sym4小波基作为小波基函数,对小波分解层选择三层分解,阈值的选择采用的是Donoho的统一阈值其中N为信号的长度或尺寸,σ为噪声方差,由第一层小波分解系数进行估算:
针对光条图像,采用软硬折中阈值处理函数,既可以平滑去噪,又能很好的保留图像边缘等局部特征,其表达式如下:
式(1)中,w是原始小波系数,η(w)表示阈值化后的小波系数,T是给定的阈值,针对本例中获取的光条图像,α取2.5,β取6。
步骤二:采用骨架细化的方法,对经步骤一获得的去噪后的光条图像层层剥离获得光条中心的粗略位置,并计算每一个骨架中心点对应的法线方向,其具体包括如下子步骤:
步骤2.1:根据光条图像的灰度直方图,选择合适的阈值,对光条图像进行二值化处理,获取光条图像第一行与最后一行的像素点坐标为A(x1,y1),B(x2,y2),如图4所示。计算光条的斜率k,斜率k的绝对值大于1,则光条为垂直走向,反之则为水平走向;本发明中分析光条走向为垂直方向的情况,即在水平方向上求取光条中心的粗略位置;
步骤2.2:对二值化的光条图像而言,0为背景,1为目标。依据步骤2.1获得的光条走向,针对图像中的任意像素P0,构造它的八邻域,如图2所示。图3为P0的左右各两个邻点。先对整个图像逐点作点运算,若该点为背景点数时(即P0=0),则不作任何动作;若该点为光条上的点时(即P0=1),则依据算法判断该点是否应删除,其步骤如下:
1)若满足如下条件,则标记下该点;
a)P0=1
b)(Pn-1=0&&Pn+1=1&&Pn+2=1)||(Pn-2=1&&Pn-1=1&&Pn+1=0)
c)erasetable[num]=1
(num=P1+2*P2+4*P3+8*P4+16*P5+32*P6+64*P7+128*P8)
erasetable[256]={
0,0,1,1,0,0,1,1 1,1,0,1,1,1,0,1 1,1,0,0,1,1,1,1 0,0,0,0,0,0,0,1
0,0,1,1,0,0,1,1 1,1,0,1,1,1,0,1 1,1,0,0,1,1,1,1 0,0,0,0,0,0,0,1
1,1,0,0,1,1,0,0 0,0,0,0,0,0,0,0 0,0,0,0,0,0,0,0 0,0,0,0,0,0,0,0
1,1,0,0,1,1,0,0 1,1,0,1,1,1,0,1 0,0,0,0,0,0,0,0 0,0,0,0,0,0,0,0
0,0,1,1,0,0,1,1 1,1,0,1,1,1,0,1 1,1,0,0,1,1,1,1 0,0,0,0,0,0,0,1
0,0,1,1,0,0,1,1 1,1,0,1,1,1,0,1 1,1,0,0,1,1,1,1 0,0,0,0,0,0,0,0
1,1,0,0,1,1,0,0 0,0,0,0,0,0,0,0 1,1,0,0,1,1,1,1 0,0,0,0,0,0,0,0
1,1,0,0,1,1,0,0 1,1,0,1,1,1,0,0 1,1,0,0,1,1,1,0 1,1,0,0,1,0,0,0
}
2)逐行遍历整幅图片,删除步骤1中标记的点;
3)重复步骤1和2直到没有点被删除为止,获得光条图像的粗略中心位置。
步骤2.3:采用均方灰度梯度的方法获得骨架上每一点的法线方向;
设骨架上任意一点(x,y)处的灰度值记为f(x,y),则点(x,y)处的方向角θ(x,y)计算如下:
在复平面上任意向量取平方后,该向量与x轴正方向的夹角将增加一倍,根据这一特质,用复平面上的向量f=(fx,fy)来表示灰度梯度,取其平方得:
fx与fy分别为采用Sobel梯度算子计算点(x,y)在x方向与y方向的偏导数。
为了提高光条骨架法线方向求解的精度,以点(x,y)为中心,取5×5区域内的平方灰度梯度的平均值来计算该点法向,则法向角θ(x,y)计算公式为:
式(3)中vx(x,y)和vy(x,y)分别为均方灰度梯度向量的实部和虚部。则
依照上述步骤即可获得骨架上每一点的法线方向。
步骤三:在得到光带中心粗略位置Ci后,在Ci处的法线方向上取左右各nw个像素之间的范围作为条纹的粗略宽度,在粗略宽度内还还必须再精确地确定光带的边界,以提高后续傅里叶拟合法计算光带中心位置的准确度。具体算法如下:
1.计算出Ci处法向上Ci-nw列至Ci+nw列范围内灰度值的平均值IM;
2.求出Ci-nw列至Ci+nw列范围内灰度值小于IM的像素灰度值的平均值Ih;
3.把Ih作为光带边界的灰度阈值可以自适应地将光带区域与背景分割开来。
步骤四:对经步骤三获得的条纹法向宽度值内的灰度值数据进行傅里叶拟合,求取拟合曲线的峰值,得到光条中心点的亚像素坐标;
傅里叶函数的数学表达式如下:
f(xi)=a0+a1*cos(xi*w)+b1*sin(xi*w) (5)
式中,a0,a1,b1是傅里叶函数的参数,w是条纹法向宽度值内的灰度值数据的频率信息。
拟合不同的灰度值点会得到相应的参数a0,a1,b1和频率信息w。
对式(1)左右两边求导得:
f'(xi)=-a1*w*sin(xi*w)+b1*w*cos(xi*w) (6)
光条中心位置即为傅里叶拟合曲线的峰值点,令f'(xi)=0,则
a1*w*sin(xi*w)=b1*w*cos(xi*w) (7)
可得光条的中心位置为
步骤五:连接经步骤四获得的所述光条的亚像素坐标点形成光条中心。
本发明的工作原理是:
本发明首先通过有无光条图像的相减与小波阈值去噪,消除光条图像中的非随机噪声与随机噪声,然后基于去噪后光条图像的灰度直方图,选择合适的阈值对光条图像进行二值化处理,采用获取光条首尾像素坐标点计算光条斜率的方法获得光条的走向,并对光条进行骨架细化,获取粗略的中心位置,通过均方灰度梯度的方法获取每一个初始中心点处的法线方向,并在法线方向上采用自适应阈值求取光条每一处的法向宽度值,最后在光条发现方向上,利用傅里叶函数拟合条纹法向宽度值内灰度值数据来计算光条中心,实现光条的亚像素中心提取。该方法测量精度高,在光条灰度和宽度不均匀的情况下,也能准确的提取出光条的中心位置。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
Claims (5)
1.一种结构光光条中心高精度亚像素提取方法,其特征在于,该方法包括如下步骤:
步骤一:对获取的光条图像进行去噪处理,获取去噪后的光条图像;
步骤二:采用骨架细化的方法,对经步骤一获得的去噪后的光条图像层层剥离获得光条中心的粗略位置,并计算每一个骨架中心点对应的法线方向;
步骤三:在得到光条中心的粗略位置Ci后,在Ci处的法线方向上取左右各nw个像素之间的范围作为条纹的粗略宽度,在粗略宽度内还必须再精确地确定光条的边界,获得条纹法向宽度值内的灰度值数据,以提高后续傅里叶拟合法计算光条中心位置的准确度;
步骤四:对经步骤三获得的条纹法向宽度值内的灰度值数据进行傅里叶拟合,求取拟合曲线的峰值,得到光条中心点的亚像素坐标;
步骤五:连接经步骤四获得的所述光条中心点的亚像素坐标形成光条中心。
2.根据权利要求1所述的方法,其特征是所述的对获取的光条图像进行去噪处理,获取去噪后的光条图像的步骤如下:
步骤1.1:采用有光条图像与无光条图像相减的方法去除光条图像中的非随机噪声,获得初步去噪后的图像;
步骤1.2:采用小波阈值去噪的方法对所述初步去噪后的图像进行去噪,去除光条图像中的随机噪声,从而获得去噪后的光条图像。
3.根据权利要求1所述的方法,其特征是所述的采用骨架细化的方法获得光条中心的粗略位置,并计算每一个骨架中心点对应的法线方向包括以下步骤:
步骤2.1:根据光条图像的灰度直方图,选择合适的阈值,对光条图像进行二值化处理,获取光条图像第一行与最后一行的像素点坐标,计算光条的斜率,斜率的绝对值大于1,则光条为垂直走向,反之则为水平走向;分析光条走向为垂直方向的情况,即在水平方向上求取光条中心的粗略位置;
步骤2.2:对二值化的光条图像而言,0为背景,1为目标;依据步骤2.1获得的光条走向,针对图像中的任意像素P0,构造它的八邻域;先对整个图像逐点作点运算,若该点为背景点数时P0=0,则不作任何动作;若该点为光条上的点时P0=1,则依据算法判断该点是否应删除,其步骤如下:
1)若满足如下条件,则标记下该点;
a)P0=1
b)(Pn-1=0&&Pn+1=1&&Pn+2=1)||(Pn-2=1&&Pn-1=1&&Pn+1=0)
c)erasetable[num]=1
(num=P1+2*P2+4*P3+8*P4+16*P5+32*P6+64*P7+128*P8)
2)逐行遍历整幅图片,删除步骤1)中标记的点;
3)重复步骤1)和2)直到没有点被删除为止,获得光条图像的粗略中心位置;
步骤2.3:采用均方灰度梯度的方法获得骨架上每一点的法线方向。
4.根据权利要求1所述的方法,其特征是所述的在Ci处的法线方向上取左右各nw个像素之间的范围作为条纹的粗略宽度,在粗略宽度内还必须再精确地确定光条的边界,获得条纹法向宽度值内的灰度值数据的算法如下:
1)计算出Ci处法向上Ci-nw列至Ci+nw列范围内灰度值的平均值IM
2)求出Ci-nw列至Ci+nw列范围内灰度值小于IM的像素灰度值的平均值Ih
3)把Ih作为光带边界的灰度阈值可以自适应地将光带区域与背景分割开来。
5.根据权利要求1所述的方法,其特征是所述的傅里叶拟合时的傅里叶函数的数学表达式如下:
f(xi)=a0+a1*cos(xi*w)+b1*sin(xi*w) (1)
式中,a0,a1,b1是傅里叶函数的参数,w是数据的频率信息;拟合不同的灰度值点会得到相应的参数和频域信息;
对式(1)左右两边求导得:
f'(xi)=-a1*w*sin(xi*w)+b1*w*cos(xi*w) (2)
光条中心位置即为傅里叶拟合曲线的峰值点,令f'(xi)=0,则
a1*w*sin(xi*w)=b1*w*cos(xi*w) (3)
可得光条的中心位置为
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610240776.XA CN105931232B (zh) | 2016-04-18 | 2016-04-18 | 结构光光条中心高精度亚像素提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610240776.XA CN105931232B (zh) | 2016-04-18 | 2016-04-18 | 结构光光条中心高精度亚像素提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105931232A CN105931232A (zh) | 2016-09-07 |
CN105931232B true CN105931232B (zh) | 2019-02-19 |
Family
ID=56838330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610240776.XA Active CN105931232B (zh) | 2016-04-18 | 2016-04-18 | 结构光光条中心高精度亚像素提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105931232B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109658491A (zh) * | 2017-10-11 | 2019-04-19 | 中国石油化工股份有限公司 | 一种交互式转换函数的生成方法及装置 |
CN108534716A (zh) * | 2018-04-19 | 2018-09-14 | 中国人民解放军陆军工程大学 | 针对圆筒内壁检测的结构光光栅 |
CN108921864B (zh) * | 2018-06-22 | 2022-02-15 | 广东工业大学 | 一种光条中心提取方法及装置 |
CN109035213A (zh) * | 2018-07-05 | 2018-12-18 | 大连理工大学 | 基于光条截面能量分布唯一性的光条中心亚像素提取方法 |
CN109389639B (zh) * | 2018-07-16 | 2021-06-25 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 动态行车环境下钢轨轮廓激光条纹中心提取方法及装置 |
CN109544679B (zh) * | 2018-11-09 | 2023-04-18 | 深圳先进技术研究院 | 管道内壁的三维重建方法 |
CN110443846A (zh) * | 2019-07-02 | 2019-11-12 | 苏州全视智能光电有限公司 | 一种基于方向模板高精度快速生成点云的方法 |
CN112581904B (zh) * | 2019-09-30 | 2021-10-08 | 华中科技大学 | 一种oled屏亮度灰阶图像的摩尔纹补偿方法 |
CN110567963B (zh) * | 2019-11-06 | 2020-02-04 | 江苏金恒信息科技股份有限公司 | 合金分析视觉定位方法、装置及合金分析系统 |
CN111553874B (zh) * | 2020-02-28 | 2022-12-06 | 东华大学 | 一种反光核燃料棒表面线结构光中心提取方法 |
CN111899297B (zh) * | 2020-08-06 | 2024-01-23 | 中国铁建重工集团股份有限公司 | 线结构光条纹中心提取方法 |
CN112672073B (zh) * | 2021-03-18 | 2021-05-28 | 北京小鸟科技股份有限公司 | 视频图像传输中亚像素文字的放大方法、系统及设备 |
CN113223074A (zh) * | 2021-05-06 | 2021-08-06 | 哈尔滨工程大学 | 一种水下激光条纹中心提取方法 |
CN113536210A (zh) * | 2021-06-04 | 2021-10-22 | 黄淮学院 | 基于向量遍历线结构光条纹中心坐标的计算方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1065628A1 (de) * | 1999-06-21 | 2001-01-03 | Institut für Neurosimulation und Bildtechnologien GmbH | Optische 3-D Messung mit mehreren Näherungspunkten |
CN101504770A (zh) * | 2009-03-19 | 2009-08-12 | 北京航空航天大学 | 一种结构光光条中心的提取方法 |
CN103400399A (zh) * | 2013-08-07 | 2013-11-20 | 长春工业大学 | 一种基于空间矩的线结构光中心提取方法 |
CN104616325A (zh) * | 2015-01-21 | 2015-05-13 | 大连理工大学 | 一种快速高精度的大型表面光条中心提取方法 |
CN105300316A (zh) * | 2015-09-22 | 2016-02-03 | 大连理工大学 | 基于灰度重心法的光条中心快速提取方法 |
-
2016
- 2016-04-18 CN CN201610240776.XA patent/CN105931232B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1065628A1 (de) * | 1999-06-21 | 2001-01-03 | Institut für Neurosimulation und Bildtechnologien GmbH | Optische 3-D Messung mit mehreren Näherungspunkten |
CN101504770A (zh) * | 2009-03-19 | 2009-08-12 | 北京航空航天大学 | 一种结构光光条中心的提取方法 |
CN103400399A (zh) * | 2013-08-07 | 2013-11-20 | 长春工业大学 | 一种基于空间矩的线结构光中心提取方法 |
CN104616325A (zh) * | 2015-01-21 | 2015-05-13 | 大连理工大学 | 一种快速高精度的大型表面光条中心提取方法 |
CN105300316A (zh) * | 2015-09-22 | 2016-02-03 | 大连理工大学 | 基于灰度重心法的光条中心快速提取方法 |
Non-Patent Citations (4)
Title |
---|
《复杂背景下光条中心提取算法研究》;李丹 等;《计算机应用与软件》;20130331;第30卷(第3期);第271-272,314页 |
《线结构光光条中心亚像素精确提取方法》;江永付 等;《激光与光电子学进展》;20150624;第1-7页 |
《结构光三维测量系统标定的关键算法研究》;朱统晶 等;《应用光学》;20140930;第35卷(第5期);第848-852页 |
《结构光光条中心的提取算法》;赵广杰 等;《沈阳航空工业学院学报》;20100831;第27卷(第4期);第67-70页 |
Also Published As
Publication number | Publication date |
---|---|
CN105931232A (zh) | 2016-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105931232B (zh) | 结构光光条中心高精度亚像素提取方法 | |
CN109636732B (zh) | 一种深度图像的空洞修复方法以及图像处理装置 | |
Liu et al. | Guided inpainting and filtering for kinect depth maps | |
CN103063159B (zh) | 一种基于ccd的零件尺寸测量方法 | |
CN101408985B (zh) | 一种圆形光斑亚像素中心提取方法及装置 | |
CN105574533B (zh) | 一种图像特征提取方法和装置 | |
CN105894521A (zh) | 基于高斯拟合的亚像素边缘检测方法 | |
CN108921813A (zh) | 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法 | |
CN115330958A (zh) | 基于激光雷达的实时三维重建方法及装置 | |
Flesia et al. | Sub-pixel straight lines detection for measuring through machine vision | |
CN111028221A (zh) | 基于直线特征检测的飞机蒙皮对缝测量方法 | |
CN111127384A (zh) | 基于偏振成像的强反射工件视觉测量方法 | |
CN109671084B (zh) | 一种工件形状的测量方法 | |
CN108205821A (zh) | 基于计算机视觉的工件表面三维重构方法 | |
Haider et al. | A hybrid method for edge continuity based on Pixel Neighbors Pattern Analysis (PNPA) for remote sensing satellite images | |
KR101733028B1 (ko) | 영상대조에 따른 에지 변위량 예측 방법 | |
Fabijańska | Subpixel edge detection in blurry and noisy images | |
RU2580466C1 (ru) | Устройство восстановления карты глубины сцены | |
Liu et al. | Extreme learning machine and moving least square regression based solar panel vision inspection | |
Xi et al. | Research on the algorithm of noisy laser stripe center extraction | |
CN113409334B (zh) | 一种基于质心的结构光角点检测方法 | |
Fernandez et al. | One-shot absolute pattern for dense reconstruction using DeBruijn coding and windowed Fourier transform | |
CN112330667B (zh) | 一种基于形态学的激光条纹中心线提取方法 | |
Zheng et al. | Measurement of laser welding pool geometry using a closed convex active contour model | |
CN114419317A (zh) | 一种用于复杂环境线结构光的光条中心提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |