CN106403844A - 一种用于投影测量的有效点云快速识别算法 - Google Patents

Abstract

本发明公开了一种用于投影测量的有效点云快速识别算法，按照如下步骤进行：基于原始相移图像和调制度计算公式，对像素点计算调制度，并且统计调制度分布；利用Otsu算法初步提取有效点云分割阈值t^*；利用改进的valley‑emphasis方法计算目标函数值随调制度的变化情况，并且在[1,t^*]范围内寻找最大目标函数值作为理想的有效点云分割阈值t_m ^*；所有调制度大于t_m ^*的像素点，其对应的三维坐标点都可以确定是有效点云。与现有识别技术相比，本方法可以自动识别有效三维点云，并且可以快速准确的获得识别结果。

Description

一种用于投影测量的有效点云快速识别算法

技术领域

本发明涉及有效三维点云识别方法领域，具体是一种用于投影测量的有效点云快速识别算法。

背景技术

投影测量技术属于光学测量方法，具有非接触性，扫描速度快及点云密集等优点，广泛用于逆向工程等应用中。由于投影测量系统中，相机与投影仪之间存在夹角，使得CCD相机采集的原始图像中存在阴影区域等无效像素点存在，并且最终转化为无效点云。无效点云的存在会大大降低三维扫描结果的成像质量或测量质量，需要对其进行识别和分离。

调制度，平方根差和单调性是现有的有效点云评判基准，其中调制度可以用来有效的识别和去除阴影区域和背景点云。利用调制度识别有效点云的基础是，当亮度不同的相移图像投射到有效点云时，其图像亮度变化大，从而具有较高的调制度，而背景区域和阴影区域的像素点则亮度变化不大或者无变化，导致调制度较低。选用合适的阈值即可识别和去除阴影区域及背景区域的无效点云。但是随着被扫描目标的颜色，材质和表面粗糙度等不同，目标点云的调制度变化很大，使得确定调制度阈值存在困难。目前的方法多是凭借经验或者手动确定区分阈值，既不精确，也不利于提高扫描效率。

发明内容

本发明的目的是提供一种用于投影测量的有效点云快速识别算法，以解决现有技术存在的问题。

为了达到上述目的，本发明所采用的技术方案为：

一种用于投影测量的有效点云快速识别算法，其特征在于：包括以下步骤：

(1)、基于调制度计算公式，计算原始相移图像的像素点调制度，并且统计调制度分布；

(2)、根据步骤(1)得到的原始相移图像的像素点调制度分布，利用Otsu算法初步提取原始相移图像像素点的有效点云分割阈值t^*；

(3)、利用改进的valley-emphasis方法计算目标函数值随调制度的变化情况，并且在[1,t^*]范围内寻找最大目标函数值作为理想的有效点云分割阈值t_m ^*，所有调制度大于t_m ^*的像素点，其对应的三维坐标点确定为有效点云。

所述的一种用于投影测量的有效点云快速识别算法，其特征在于：所述步骤(1)具体过程如下：

设投影测量过程中采用N步相移法，通过CCD相机采集得到投影条纹的亮度变化可以描述为：

I_k(x,y)＝I″(x,y)+I′(x,y)cos[φ(x,y)+2π×k/N]，

上式中k＝0，1，…，N，I″(x,y)是平均光强，I′(x,y)是调制光强，φ(x,y)是相位分布，可以通过多步相移法计算得到；

由原始相移图像，每个像素点的调制度可以通过下式计算：

上式中I_k(x,y)是CCD相机采集得到的投影条纹亮度，设所有像素点的调制度范围是0到L-1，L是理论最大调制度，其具体数值与采用的多步相移算法相关，m是原始图像中所有像素点的总数量，m_j是调制度在j位置的像素点数量，p_j是调制度j的出现概率，其计算公式为：

通过计算和统计各调制度的出现概率，可以得到原始相移图像的调制度分布。

所述的一种用于投影测量的有效点云快速识别算法，其特征在于：所述步骤(2)具体过程如下：

设原始图像的像素点可以由调制度阈值t分为两大类(C₀和C₁)，这里C₀包括所有调制度在[0,1,…,t]范围内的像素点，C₁的范围是[t+1,…,L-1]，ω₀(t)和ω₁(t)分别代表两类的累积概率，其计算公式分别为：

两类的平均调制度值为μ₀(t)和μ₁(t)，分别对应按下式计算：

所有像素点的平均调制度值μ_T可以计算为：

由调制度阈值t区分的两大类原始图像像素点C₀和C₁，其两类之间的类间方差可以计算为：

利用Otsu算法计算有效点云分割阈值t^*时，是通过寻找最大类间方差处的调制度得到，该过程可以表述为：

所述的一种用于投影测量的有效点云快速识别算法，其特征在于：所述步骤(3)具体过程如下：

改进的valley-emphasis方法，其目标函数是其中pm＝m/L，在[1,t^*]范围内寻找最大目标函数值作为理想的有效点云分割阈值t_m ^*，其寻优过程可以描述为：

最后根据确定的区分阈值识别有效三维点云，识别的标准是该点的调制度大于区分阈值：

与现有技术相比，本发明根据调制度分布计算有效点云区分阈值，可以自适应的确定理想分割阈值，实现了阈值确定的自动化。此外，在算法的计算过程中仅仅涉及和使用了零阶和一阶统计量，因此本算法具有速度快，效率高等优点。

附图说明

图1为本发明一种用于投影测量的有效点云快速识别算法的算法流程图。

具体实施方式

如图1所示，一种用于投影测量的有效点云快速识别算法，包括以下步骤：

(1)、基于调制度计算公式，计算原始相移图像的像素点调制度，并且统计调制度分布；

(2)、根据步骤(1)得到的原始相移图像的像素点调制度分布，利用Otsu算法初步提取原始相移图像像素点的有效点云分割阈值t^*；

(3)、利用改进的valley-emphasis方法计算目标函数值随调制度的变化情况，并且在[1,t^*]范围内寻找最大目标函数值作为理想的有效点云分割阈值t_m ^*，所有调制度大于t_m ^*的像素点，其对应的三维坐标点确定为有效点云。

步骤(1)具体过程如下：

设投影测量过程中采用N步相移法，通过CCD相机采集得到投影条纹的亮度变化可以描述为：

I_k(x,y)＝I″(x,y)+I′(x,y)cos[φ(x,y)+2π×k/N]，

上式中k＝0，1，…，N，I″(x,y)是平均光强，I′(x,y)是调制光强，φ(x,y)是相位分布，可以通过多步相移法计算得到；

由原始相移图像，每个像素点的调制度可以通过下式计算：

上式中I_k(x,y)是CCD相机采集得到的投影条纹亮度。设所有像素点的调制度范围是0到L-1，L是理论最大调制度，其具体数值与采用的多步相移算法相关，m是原始图像中所有像素点的总数量，m_j是调制度在j位置的像素点数量，p_j是调制度j的出现概率，其计算公式为：

通过计算和统计各调制度的出现概率，可以得到原始相移图像的调制度分布。

步骤(2)具体过程如下：

设原始图像的像素点可以由调制度阈值t分为两大类(C₀和C₁)，这里C₀包括所有调制度在[0,1,…,t]范围内的像素点，C₁的范围是[t+1,…,L-1]，ω₀(t)和ω₁(t)分别代表两类的累积概率，其计算公式分别为：

两类的平均调制度值为μ₀(t)和μ₁(t)，分别对应按下式计算：

所有像素点的平均调制度值μ_T可以计算为：

由调制度阈值t区分的两大类原始图像像素点C₀和C₁，其两类之间的类间方差可以计算为：

利用Otsu算法计算有效点云分割阈值t^*时，是通过寻找最大类间方差处的调制度得到，该过程可以表述为：

步骤(3)具体过程如下：

改进的valley-emphasis方法，其目标函数是其中p_m＝m/L，在[1,t^*]范围内寻找最大目标函数值作为理想的有效点云分割阈值t_m ^*，其寻优过程可以描述为：

最后根据确定的区分阈值识别有效三维点云，识别的标准是该点的调制度大于区分阈值：

Claims (4)

1.一种用于投影测量的有效点云快速识别算法，其特征在于：包括以下步骤：

(1)、基于调制度计算公式，计算原始相移图像的像素点调制度，并且统计调制度分布；

(2)、根据步骤(1)得到的原始相移图像的像素点调制度分布，利用Otsu算法初步提取原始相移图像像素点的有效点云分割阈值t^*；

(3)、利用改进的valley-emphasis方法计算目标函数值随调制度的变化情况，并且在[1,t^*]范围内寻找最大目标函数值作为理想的有效点云分割阈值t_m*，所有调制度大于t_m*的像素点，其对应的三维坐标点确定为有效点云。

2.根据权利要求1所述的一种用于投影测量的有效点云快速识别算法，其特征在于：所述步骤(1)具体过程如下：

设投影测量过程中采用N步相移法，通过CCD相机采集得到投影条纹的亮度变化可以描述为：

I_k(x,y)＝I″(x,y)+I′(x,y)cos[φ(x,y)+2π×k/N]，

上式中k＝0，1，…，N，I″(x,y)是平均光强，I′(x,y)是调制光强，φ(x,y)是相位分布，可以通过多步相移法计算得到；

由原始相移图像，每个像素点的调制度可以通过下式计算：

$M(x,y)=\frac{2}{N}\sqrt{{\left(\underset{k=0}{\overset{N-1}{\Σ}}{I}_k\right(x,y)\·sin\frac{2\mathrm{\π}*k}{N})}^2+{\left(\underset{k=0}{\overset{N-1}{\Σ}}{I}_k\right(x,y)\·cos\frac{2\mathrm{\π}*k}{N})}^2},$

上式中I_k(x,y)是CCD相机采集得到的投影条纹亮度，设所有像素点的调制度范围是0到L-1，L是理论最大调制度，其具体数值与采用的多步相移算法相关，m是原始图像中所有像素点的总数量，m_j是调制度在j位置的像素点数量，p_j是调制度j的出现概率，其计算公式为：

$p_j=\frac{m_j}{m},$

通过计算和统计各调制度的出现概率，可以得到原始相移图像的调制度分布。

3.根据权利要求1所述的一种用于投影测量的有效点云快速识别算法，其特征在于：所述步骤(2)具体过程如下：

设原始图像的像素点可以由调制度阈值t分为两大类(C₀和C₁)，这里C₀包括所有调制度在[0,1,…,t]范围内的像素点，C₁的范围是[t+1,…,L-1]，ω₀(t)和ω₁(t)分别代表两类的累积概率，其计算公式分别为：

${\mathrm{\ω}}_0\left(t\right)=\underset{j=0}{\overset{t}{\Σ}}{p}_j,$

${\mathrm{\ω}}_1\left(t\right)=\underset{j=t+1}{\overset{L-1}{\Σ}}{p}_j,$

两类的平均调制度值为μ₀(t)和μ₁(t)，分别对应按下式计算：

${\mathrm{\μ}}_0\left(t\right)=\underset{j=0}{\overset{t}{\Σ}}j*p_j/{\mathrm{\ω}}_0\left(t\right),$

${\mathrm{\μ}}_1\left(t\right)=\underset{j=t+1}{\overset{L-1}{\Σ}}j*p_j/{\mathrm{\ω}}_1\left(t\right),$

所有像素点的平均调制度值μ_T可以计算为：

${\mathrm{\μ}}_T=\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}j*p_j={\mathrm{\μ}}_0\left(t\right)*{\mathrm{\ω}}_0\left(t\right)+{\mathrm{\μ}}_1\left(t\right)*{\mathrm{\ω}}_1\left(t\right),$

由调制度阈值t区分的两大类原始图像像素点C₀和C₁，其两类之间的类间方差可以计算为：

${\mathrm{\σ}}_B^2\left(t\right)={\mathrm{\ω}}_0\left(t\right)*{\left({\mathrm{\μ}}_0\right(t)-{\mathrm{\μ}}_T)}^2+{\mathrm{\ω}}_1\left(t\right)*{\left({\mathrm{\μ}}_1\right(t)-{\mathrm{\μ}}_T)}^2,$

利用Otsu算法计算有效点云分割阈值t*时，是通过寻找最大类间方差处的调制度得到，该过程可以表述为：

$t*=Arg\underset{0\&le;t<L-1}{Max}\left\{{\mathrm{\&sigma;}}_B^2\left(t\right)\right\}.$

4.根据权利要求1所述的一种用于投影测量的有效点云快速识别算法，其特征在于：所述步骤(3)具体过程如下：

改进的valley-emphasis方法，其目标函数是其中p_m＝m/L，在[1,t^*]范围内寻找最大目标函数值作为理想的有效点云分割阈值t_m*，其寻优过程可以描述为：

$t_m*=Arg\underset{0\&le;t<t^{*}}{Max}\{\&lsqb;1/(m_j/p_m)\&rsqb;{\mathrm{\&sigma;}}_B^2\left(t\right)\},$

最后根据确定的区分阈值识别有效三维点云，识别的标准是该点的调制度大于区分阈值：

$M(x,y)\&GreaterEqual;t_m^{*}.$