CN106403844A - 一种用于投影测量的有效点云快速识别算法 - Google Patents
一种用于投影测量的有效点云快速识别算法 Download PDFInfo
- Publication number
- CN106403844A CN106403844A CN201610737333.1A CN201610737333A CN106403844A CN 106403844 A CN106403844 A CN 106403844A CN 201610737333 A CN201610737333 A CN 201610737333A CN 106403844 A CN106403844 A CN 106403844A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- modulation degree
- modulation
- pixel
- sigma
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
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tm *;所有调制度大于tm *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
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tm *,所有调制度大于tm *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:
Ik(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Ik(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,mj是调制度在j位置的像素点数量,pj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μT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tm *,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tm *,所有调制度大于tm *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:
Ik(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Ik(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,mj是调制度在j位置的像素点数量,pj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μT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tm *,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tm*,所有调制度大于tm*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:
Ik(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Ik(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,mj是调制度在j位置的像素点数量,pj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。
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:
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μT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:
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tm*,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:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610737333.1A CN106403844B (zh) | 2016-08-26 | 2016-08-26 | 一种用于投影测量的有效点云快速识别算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610737333.1A CN106403844B (zh) | 2016-08-26 | 2016-08-26 | 一种用于投影测量的有效点云快速识别算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106403844A true CN106403844A (zh) | 2017-02-15 |
CN106403844B CN106403844B (zh) | 2018-10-23 |
Family
ID=58004613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610737333.1A Active CN106403844B (zh) | 2016-08-26 | 2016-08-26 | 一种用于投影测量的有效点云快速识别算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106403844B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109978800A (zh) * | 2019-04-23 | 2019-07-05 | 武汉惟景三维科技有限公司 | 一种基于阈值的点云阴影数据去除方法 |
CN110672036A (zh) * | 2018-07-03 | 2020-01-10 | 杭州海康机器人技术有限公司 | 确定投影区域的方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6519362B1 (en) * | 2000-02-15 | 2003-02-11 | The United States Of America As Represented By The National Security Agency | Method of extracting text present in a color image |
US20030161534A1 (en) * | 2000-02-17 | 2003-08-28 | Xerox Corporation | Feature recognition using loose gray scale template matching |
CN103697834A (zh) * | 2013-12-26 | 2014-04-02 | 南京理工大学 | 实时光学三维测量中动态场景无效点的自动识别与排除方法 |
CN105551016A (zh) * | 2015-12-02 | 2016-05-04 | 百度在线网络技术(北京)有限公司 | 一种基于激光点云的路沿识别方法及装置 |
-
2016
- 2016-08-26 CN CN201610737333.1A patent/CN106403844B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6519362B1 (en) * | 2000-02-15 | 2003-02-11 | The United States Of America As Represented By The National Security Agency | Method of extracting text present in a color image |
US20030161534A1 (en) * | 2000-02-17 | 2003-08-28 | Xerox Corporation | Feature recognition using loose gray scale template matching |
CN103697834A (zh) * | 2013-12-26 | 2014-04-02 | 南京理工大学 | 实时光学三维测量中动态场景无效点的自动识别与排除方法 |
CN105551016A (zh) * | 2015-12-02 | 2016-05-04 | 百度在线网络技术(北京)有限公司 | 一种基于激光点云的路沿识别方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110672036A (zh) * | 2018-07-03 | 2020-01-10 | 杭州海康机器人技术有限公司 | 确定投影区域的方法及装置 |
CN109978800A (zh) * | 2019-04-23 | 2019-07-05 | 武汉惟景三维科技有限公司 | 一种基于阈值的点云阴影数据去除方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106403844B (zh) | 2018-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10970566B2 (en) | Lane line detection method and apparatus | |
JP5699788B2 (ja) | スクリーン領域検知方法及びシステム | |
CN102184550B (zh) | 一种动平台地面运动目标检测方法 | |
CN107203973B (zh) | 一种三维激光扫描系统中线激光中心的亚像素定位方法 | |
CN108613637B (zh) | 一种基于参考图像的结构光系统解相方法及系统 | |
JP6453488B2 (ja) | 人体頭頂部の識別に基づく通行人の統計方法及び装置 | |
CN104751465A (zh) | 一种基于lk光流约束的orb图像特征配准方法 | |
KR20170041168A (ko) | 차선 데이터의 처리 방법, 장치, 저장매체 및 기기 | |
CN107862735B (zh) | 一种基于结构信息的rgbd三维场景重建方法 | |
CN104966270A (zh) | 一种多图像拼接方法 | |
CN109685827B (zh) | 一种基于dsp的目标检测与跟踪方法 | |
CN111160291B (zh) | 基于深度信息与cnn的人眼检测方法 | |
Börcs et al. | Fast 3-D urban object detection on streaming point clouds | |
CN110516639B (zh) | 一种基于视频流自然场景的人物三维位置实时计算方法 | |
CN105787912B (zh) | 一种基于分类的阶跃型边缘亚像素定位方法 | |
CN105809673A (zh) | 基于surf算法和合并最大相似区域的视频前景分割方法 | |
TW202121331A (zh) | 基於機器學習的物件辨識系統及其方法 | |
CN105447489A (zh) | 一种图片ocr识别系统的字符与背景粘连噪声消除方法 | |
CN106403844A (zh) | 一种用于投影测量的有效点云快速识别算法 | |
WO2018150921A1 (ja) | 車載環境認識装置 | |
WO2022111682A1 (zh) | 移动行人检测方法、电子设备及机器人 | |
TW201917635A (zh) | 可適用多重追蹤的目標追蹤方法與系統 | |
JP5460479B2 (ja) | パターン寸法測定装置及び輪郭線形成装置 | |
JP2018092354A (ja) | 物体検出装置および物体検出方法 | |
CN103996199A (zh) | 一种基于深度信息的运动检测方法 |
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 |