CN109035213A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN109035213A CN109035213A CN201810727823.2A CN201810727823A CN109035213A CN 109035213 A CN109035213 A CN 109035213A CN 201810727823 A CN201810727823 A CN 201810727823A CN 109035213 A CN109035213 A CN 109035213A
- Authority
- CN
- China
- Prior art keywords
- striation
- section
- row
- gaussian
- cross
- 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.)
- Withdrawn
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 86
- 238000000605 extraction Methods 0.000 title claims abstract description 36
- 230000003287 optical effect Effects 0.000 title claims abstract description 33
- 238000005242 forging Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 18
- 239000000284 extract Substances 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims description 11
- 239000004065 semiconductor Substances 0.000 claims description 11
- 230000002902 bimodal effect Effects 0.000 claims description 7
- 230000001427 coherent effect Effects 0.000 claims description 7
- 239000006002 Pepper Substances 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 5
- 230000005855 radiation Effects 0.000 abstract description 3
- 238000012795 verification Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 description 9
- 238000011160 research Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Abstract
本发明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属于计算机视觉检测以及图像检测领域,涉及用于高温热辐射环境下的双目视觉测量系统中激光光条中心提取方法。该方法首先对含有特征光条的图像进行预处理,然后采用多阶高斯模型描述激光光条截面灰度分布形式,利用k阶高斯模型对起始行光条截面分布特征点进行参数拟合,利用光条截面分布规律具有不变性对各行截面中心点坐标进行提取。该方法利用光条截面能量分布具有唯一性这一特点,提出了以多阶高斯函数的期望值作为光条中心提取结果的判据,通过对不同类型热态锻件特征光条中心提取实验验证提取方法的精度与鲁棒性,实现了光条截面中心亚像素快速、精确提取。
Description
技术领域
本发明属于计算机视觉检测以及图像检测领域,特别涉及用于高温热辐射环境下的双目视觉测量系统中激光光条中心亚像素提取方法。
背景技术
双目视觉测量作为一种实时性强、测量精度高的非接触测量方法,被广泛应用于工业检测、目标识别等诸多领域,尤其在实时测量大型锻件锻压过程中热态几何尺寸方面具有无法比拟的优势。许多学者围绕如何获取高精度的测量结果开展了大量的研究,然而这些研究工作主要集中于提高摄像系统的标定精度和特征点的匹配精度,也对光条中心提取精度做了相关的研究工作,然而大多数现有的光条中心提取方法的研究都集中于提取方法的研究,而忽略了光条分布特征的分析。如燕山大学胡春海等人在论文《Research onDouble CCD Dimensional Metrology Applying in Large Forge Piece》.Journal ofPhysics:Conference Series.IOP Publishing,2006,48(1):715.中,针对高温锻件图像噪声严重的问题,采用全局自适应阈值预处理,用于消除大多数多余的鳞片区域,并且从复杂背景中将对象分割出来。通过环绕抑制的后期处理方法用于改善边缘检测性能,保证可以提取到真正的边缘特征。最终在实验室对980mm×780mm的样件进行测量,测量误差小于2mm,但是测量目标尺寸较小且缺少光条特征机理分析。
发明内容
本发明所要解决的技术问题是克服现有技术的不足,针对大型锻件加工时现场特征光条高温强辐射、随机振动、粉尘等干扰因素的影响,导致现有的光条中心提取方法其提取精度及鲁棒性无法满足锻件现场测量要求。发明一种适用于锻造现场强干扰环境下的光条中心提取方法。该方法首先从线激光器发光原理的角度分析了激光光条截面灰度呈现不同分布特性的产生机理,分别建立不同光条分布特征对应的拟合模型;并以光条截面分布特性为先验知识,进而提出了基于光条截面能量分布唯一性的光条中心提取方法,通过对不同类型热态锻件特征光条中心提取实验验证本发明提出中心提取方法的精度与鲁棒性;最后将左右两幅图像提取的特征中心点进行匹配与重建,实现锻件特征参数的测量。
本发明采取的技术方案是一种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,其特征在于,提取方法首先对含有特征光条的图像进行滤波,然后采用多阶高斯模型描述激光光条截面灰度分布形式,利用多阶高斯模型对起始行及各光条截面分布特征点进行参数拟合,利用光条截面分布规律具有不变性对各行截面中心点坐标进行提取;光条中心点坐标具体提取过程如下:
步骤1首先对含有特征光条的图像进行滤波,采用高斯滤波结合中值滤波对锻件图像进行预处理,去除特征光条光条中包含的椒盐噪声、高斯白噪声及随机噪声,还原图像中光条原始特征信息;
步骤2采用两个半导体激光管单元,当两个激光管发生干涉,形成光场强度叠加,即会产生新的光场分布形式;半导体激光的双光束干涉光强由下式表示:
其中,I1=|E1|2,I2=|E2|2,E1和E2是单点半导体发光元产生的光场,因此它们的光强I1、I2均服从高斯分布。γ(τ)为部分相干度,|γ(τ)|≤1,τ是光程差引起的时间差。|γ(τ)|=1时,两个光源完全相干;γ(τ)=0时,两个光源完全不相干;0<|γ(τ)|<1时,两个光源部分相干;
采用多阶高斯模型描述激光光条截面灰度分布形式,多阶高斯函数F(x):
其中,参数ai为函数峰值灰度,对应图像中实际代表的是每个高斯核函数峰值灰度的大小,bi为高斯核函数的期望,此处代表着每个独立高斯光源的中心坐标值,ci为标准差,此处代表对应高斯核函数所占宽度,k为高斯模型阶数,k=1,2,3;
步骤3将光条特征区域图像向像素坐标升序排列,确定出光条区域初始点坐标a和光条总行数m;
在滤波后的光条图像中均匀选择,其中m行截面灰度分布数据为初始量进行多阶高斯拟合,根据各截面参数拟合结果确定出多阶高斯模型的阶数k;首先通过截面参数拟合确定多阶高斯中心提取模型F(x)的阶数;用确定阶数后的F(x)函数对激光光条起始行的截面分布灰度点进行数据拟合,从而求得起始行光条截面中心点坐标;同时以光条截面分布规律唯一性为约束,且两行之间光条分布规律不会发生显著变化的特点,从第二行开始不再对每一行光条截面灰度分布点列一一进行数据拟合,而是利用下一行的截面分布特征点数据对第一行求得的光条截面函数进行修正,利用修正后的函数求得第二行的光条中心点坐标;以此类推求得整个光条中心点亚像素坐标;
步骤4利用公式(2)中k阶高斯模型对起始行光条截面分布特征点进行参数拟合,令k=1时,单峰光条的灰度分布特性等同于直接用高斯函数进行参数拟合,而对于双峰和三峰激光器的截面分布规律,其分别是由两个或三个高斯光束分别叠加而成,令公式(2)中高斯模型阶数k各取2和3,分别采用二阶高斯函数和三阶高斯函数对相应的光条分布特性曲线进行参数拟合;从而求得公式(2)中各参数和起始行的光条截面中心点坐标;
步骤5利用光条截面分布规律具有不变性对于除起始行之外的各行截面中心点坐标提取,由n+1行数据,n=1,2,3.....m求得函数各参数进行修正,利用修正后函数求得第n+1行的光条中心点坐标;利用光条截面能量分布具有唯一性,提出了以多阶高斯函数的期望值作为光条中心提取结果的判据,建立了基于能量分布唯一性的光条中心提取模型,该模型为:
其中,k为阶数,需要针对三种不同的光条截面类型事先确定好,δk代表每一个高斯核函数的权值因子,bk为模型中每个高斯核函数的期望,此处代表每一个独立的光源其中心坐标;
步骤6判断当前提取中心点是否为光条最后一行,如果不是,重复步骤5,直到整个光条中心点提取完成。
本发明的有益效果是利用光条截面能量分布具有唯一性这一特点,提出了以多阶高斯函数的期望值作为光条中心提取结果的判据,基于此建立了基于能量分布唯一性的光条中心提取模型,通过对不同类型热态锻件特征光条中心提取实验验证本发明提出中心提取方法的精度与鲁棒性;实现了光条截面中心亚像素快速、精确提取。
附图说明
图1为半导体点激光源横截面的光强分布图,其中,a)单峰分布,b)双峰分布,c)三峰分布。
图2激光条截面灰度分布拟合结果图,其中,a)单峰光条拟合结果,b)双峰光条拟合结果,c)三峰光条拟合结果。
图3为待提取光条中心的锻件图像。
图4为锻件特征光条中心线提取结果。
图5为光条中心线提取方法流程图。
具体实施方式
下面结合技术方案和附图详细说明本发明的具体实施方式:
通常实际使用中,常见的线激光器一般使用功率通常在5mW、10mW、60mW、100mW、150mW等不同级别的小功率LD激光管作为光源。本发明所需激光器功率需大于1000mw才能满足热态锻件图像采集需求,因此,为了提高半导体激光器的输出功率,通常采用激光器线阵技术将多个小功率LD激光光源分组并通过合束的方式调制为一个类高斯分布的大光斑。
本实施例中所采用的激光器是通过两个半导体光源分为两组单元光进而组成双光束合光的形式组成,通过双光场叠加形成类高斯分布之后通过棱镜散射的形式将点光源散射为扇面形成激光线条。不同激光器由于其LD激光管干涉状态的不同,导致投射激光光条的横截面光条存在不同的分布形式。不同激光器在不同功率激光光条截面灰度分布特性可分为:单峰分布、双峰分布和三峰分布三种分布形式,如图1所示。其中,图1a)为单峰分布形式,此时可认为是两组光斑正好相干叠加形成的,其分布形式近似于高斯分布。图1b)双峰分布、图1c)三峰分布,双峰分布和三峰分布为两个相干光部分相干叠加而形成的光斑形式。
分别将激光光条投射与KT板、木板、泡沫板等不同物体表面时,实验结果表明光条截面分布特性仅与激光器有关,光条截面分布规律完全一致,其截面分布特性仍满足上述三种分布形式,因此,光条截面分布特性与光条投射表面特性无关。
为了验证本发明提出的光条截面中心亚像素提取方法的适用性,对图3中待提取锻件特征图像中每一个光条所有截面均进行多阶高斯函数拟合求得截面多阶高斯分布函数后,再通过计算多阶高斯函数的期望值直接得出光条中心点坐标,而如果对每一行光条都单独进行多阶高斯函数拟合再求取中心会导致计算量过大,测量效率无法满足锻造现场测量要求。由对光条截面分布特性具有唯一性可知,虽然不同光条截面分布特性各不相同,然而同一个光条其任意截面分布特性是不变的。利用光条截面能量分布唯一性这一特性,形成的光条中心提取的总体思想如下:首先通过截面参数拟合确定多阶高斯中心提取模型F(x)的阶数;用确定阶数后的F(x)函数对激光光条起始行的截面分布灰度点进行数据拟合,从而可求得起始行光条截面中心点坐标;同时以光条截面分布规律唯一性为约束,且两行之间光条分布规律不会发生显著变化的特点,从第二行开始不再对每一行光条截面灰度分布点列一一进行数据拟合,而是利用下一行的截面分布特征点数据对第一行求得的光条截面函数进行修正,利用修正后的函数求得第二行的光条中心点坐标,以此类推求得整个光条中心点亚像素坐标。中心点提取流程如图5所示,光条中心点坐标具体提取过程如下:
步骤1首先对含有特征光条的图像进行滤波,采用高斯滤波结合中值滤波对锻件图像进行预处理,去除特征光条光条中包含的椒盐噪声、高斯白噪声及随机噪声,尽量还原图像中光条原始特征信息;
步骤2采用两个半导体激光管单元,当两个激光管发生干涉,形成光场强度叠加,即会产生新的光场分布形式;半导体激光的双光束干涉光强由公式(1)表示出。用多阶高斯模型描述激光光条截面灰度分布形式,多阶高斯函数F(x)由公式(2)给出。
将滤波后的光条图像中均匀选择其中m行截面灰度分布数据为初始量进行多阶高斯拟合,根据各截面参数拟合结果确定出多阶高斯模型的阶数k;首先通过截面参数拟合确定多阶高斯中心提取模型F(x)的阶数;用确定阶数后的F(x)函数对激光光条起始行的截面分布灰度点进行数据拟合,从而求得起始行光条截面中心点坐标;同时以光条截面分布规律唯一性为约束,且两行之间光条分布规律不会发生显著变化的特点,从第二行开始不再对每一行光条截面灰度分布点列一一进行数据拟合,而是利用下一行的截面分布特征点数据对第一行求得的光条截面函数进行修正,利用修正后的函数求得第二行的光条中心点坐标;以此类推求得整个光条中心点亚像素坐标。为了进一步分析不同类型光条截面分布特征与光条截面分布拟合结果之间的联系,采用公式(2)为拟合函数,对图2中三峰光条进行参数拟合,最终拟合结果如下式所示:
三阶高斯模型对应曲线几乎与光条截面灰度分布点重合,对拟合结果的拟合优度分析得知该截面拟合优度为0.9985。
步骤3将光条特征区域图像像素V坐标升序排列,从而确定出光条区域初始点坐标a和光条总行数m;
步骤4利用公式(2)中k阶高斯模型对起始行光条截面分布特征点进行参数拟合,令k=1时,单峰光条的灰度分布特性等同于直接用高斯函数进行参数拟合,而对于双峰和三峰激光器的截面分布规律,其分别是由两个或三个高斯光束分别叠加而成,令公式(2)中高斯模型阶数k各取2和3,分别采用二阶高斯函数和三阶高斯函数对相应的光条分布特性曲线进行参数拟合。从而求得公式(2)中各参数和起始行的光条截面中心点坐标;
步骤5利用光条截面分布规律具有不变性对于除起始行之外的各行截面中心点坐标提取,由n+1行数据,n=1,2,3.....m求得函数各参数进行修正,利用修正后函数求得第n+1行的光条中心点坐标;利用光条截面能量分布具有唯一性,提出了以多阶高斯函数的期望值作为光条中心提取结果的判据,建立了基于能量分布唯一性的光条中心提取模型,该模型为公式(3):
步骤6判断当前提取中心点是否为光条最后一行,如果不是,重复步骤5,直到整个光条中心点提取完成。
采用本发明基于光条截面能量分布唯一性的光条中心提取方法对图3中待提取光条中心的锻件图像进行中心提取,最终光条中心提取结果如图4所示,本方法实现了激光光条截面中心亚像素快速、精确提取。
Claims (1)
1.一种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,其特征在于,提取方法首先对含有特征光条的图像进行预处理,采用高斯滤波结合中值滤波对锻件图像进行滤波;然后采用多阶高斯模型描述激光光条截面灰度分布形式,利用多阶高斯模型对起始行及各光条截面分布特征点进行参数拟合,利用光条截面分布规律具有不变性对各行截面中心点坐标进行提取;光条中心点坐标具体提取流程如下:
步骤1对含有特征光条的图像进行预处理,
首先对含有特征光条的图像进行预处理,高斯滤波结合中值滤波对锻件图像进行滤波,去除特征光条光条中包含的椒盐噪声、高斯白噪声及随机噪声,还原图像中光条原始特征信息;
步骤2确定光条截面分布高斯函数和高斯模型阶数
采用两个半导体激光管发光,当两个激光管发生干涉时,形成光场强度叠加,即会产生新的光场分布形式;半导体激光的双光束干涉光强由下式表示:
其中,I1=|E1|2,I2=|E2|2,E1和E2是单点半导体发光元产生的光场,因此它们的光强I1、I2均服从高斯分布;γ(τ)为部分相干度,|γ(τ)|≤1,τ是光程差引起的时间差;|γ(τ)|=1时,两个光源完全相干;γ(τ)=0时,两个光源完全不相干;0<|γ(τ)|<1时,两个光源部分相干;
采用多阶高斯模型描述激光光条截面灰度分布形式,多阶高斯函数F(x):
其中,参数ai为函数峰值灰度,对应图像中实际代表的是每个高斯核函数峰值灰度的大小,bi为高斯核函数的期望,此处代表着每个独立高斯光源的中心坐标值,ci为标准差,此处代表对应高斯核函数所占宽度,k为高斯模型阶数,k=1,2,3;首先通过截面参数拟合确定多阶高斯中心提取模型F(x)的阶数;
步骤3确定出光条区域初始点坐标a和光条总行数m
将光条特征区域图像V向像素坐标升序排列,在滤波后的光条图像中均匀选择光条行数,确定出光条区域初始点坐标a和光条总行数m;
步骤4由函数F(x)对起始行灰度分布进行参数拟合,求取起始行光条中心点亚像素坐标
首先通过截面参数拟合确定多阶高斯中心提取模型F(x)的阶数;用确定阶数后的F(x)函数对激光光条起始行的截面分布灰度点进行数据拟合,从而求得起始行光条截面中心点坐标;
利用公式(2)中k阶高斯模型对起始行光条截面分布特征点进行参数拟合,令k=1时,单峰光条的灰度分布特性等同于直接用高斯函数进行参数拟合,而对于双峰和三峰激光器的截面分布规律,其分别是由两个或三个高斯光束分别叠加而成,令公式(2)中高斯模型阶数k各取2和3,分别采用二阶高斯函数和三阶高斯函数对相应的光条分布特性曲线进行参数拟合;从而求得公式(2)中各参数,和起始行的光条截面中心点坐标;
同时以光条截面分布规律唯一性为约束,且两行之间光条分布规律不会发生显著变化的特点,从第二行开始不再对每一行光条截面灰度分布点列一一进行数据拟合,而是利用下一行的截面分布特征点数据对第一行求得的光条截面函数进行修正,利用修正后的函数求得第二行的光条中心点坐标;以此类推求得整个光条中心点亚像素坐标;
步骤5利用光条截面分布规律具有不变性对于除起始行之外的各行截面中心点坐标提取,由n+1行数据,n=1,2,3.....m求得函数各参数进行修正,利用修正后函数求得第n+1行的光条中心点坐标;利用光条截面能量分布具有唯一性,提出了以多阶高斯函数的期望值作为光条中心提取结果的判据,建立了基于能量分布唯一性的光条中心提取模型,该模型为:
其中,k为阶数,需要针对三种不同的光条截面类型事先确定好,δk代表每一个高斯核函数的权值因子,bk为模型中每个高斯核函数的期望,此处代表每一个独立的光源其中心坐标;
步骤6判断当前提取中心点是否为光条最后一行,如果不是,重复步骤5,直到整个光条中心点提取完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810727823.2A CN109035213A (zh) | 2018-07-05 | 2018-07-05 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810727823.2A CN109035213A (zh) | 2018-07-05 | 2018-07-05 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109035213A true CN109035213A (zh) | 2018-12-18 |
Family
ID=65522351
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810727823.2A Withdrawn CN109035213A (zh) | 2018-07-05 | 2018-07-05 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109035213A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109901216A (zh) * | 2019-02-22 | 2019-06-18 | 山东省科学院海洋仪器仪表研究所 | 一种检测海水放射性核素的寻峰方法 |
CN110879080A (zh) * | 2019-11-15 | 2020-03-13 | 武汉华中天经通视科技有限公司 | 一种高温锻件高精度智能测量仪和测量方法 |
CN112241964A (zh) * | 2020-09-22 | 2021-01-19 | 天津大学 | 一种用于线结构光非接触测量的光条中心提取方法 |
CN112669379A (zh) * | 2020-12-22 | 2021-04-16 | 大连工业大学 | 一种基于辅助标记点的图像特征快速提取方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5908586A (en) * | 1997-08-26 | 1999-06-01 | International Business Machines Corporation | Method for addressing wavefront aberrations in an optical system |
CN101178812A (zh) * | 2007-12-10 | 2008-05-14 | 北京航空航天大学 | 一种结构光光条中心线提取的混合图像处理方法 |
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 |
CN105931232A (zh) * | 2016-04-18 | 2016-09-07 | 南京航空航天大学 | 结构光光条中心高精度亚像素提取方法 |
CN107687819A (zh) * | 2017-08-01 | 2018-02-13 | 大连理工大学 | 一种快速高精度的光条中心亚像素提取方法 |
-
2018
- 2018-07-05 CN CN201810727823.2A patent/CN109035213A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5908586A (en) * | 1997-08-26 | 1999-06-01 | International Business Machines Corporation | Method for addressing wavefront aberrations in an optical system |
CN101178812A (zh) * | 2007-12-10 | 2008-05-14 | 北京航空航天大学 | 一种结构光光条中心线提取的混合图像处理方法 |
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 |
CN105931232A (zh) * | 2016-04-18 | 2016-09-07 | 南京航空航天大学 | 结构光光条中心高精度亚像素提取方法 |
CN107687819A (zh) * | 2017-08-01 | 2018-02-13 | 大连理工大学 | 一种快速高精度的光条中心亚像素提取方法 |
Non-Patent Citations (4)
Title |
---|
A. MOLDER 等: "Laser Line Detection with Sub-Pixel Accuracy", 《ELEKTRONIKA IR ELEKTROTECHNIKA》 * |
YANG ZHANG 等: "Accuracy improvement in laser stripe extraction for large-scale triangulation scanning measurement system", 《OPTICAL ENGINEERING》 * |
刘巍 等: "结合分层处理的激光光条亚像素中心提取方法", 《红外与激光工程》 * |
张驰: "激光辅助热态锻件视觉测量中的光条提取方法", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109901216A (zh) * | 2019-02-22 | 2019-06-18 | 山东省科学院海洋仪器仪表研究所 | 一种检测海水放射性核素的寻峰方法 |
CN110879080A (zh) * | 2019-11-15 | 2020-03-13 | 武汉华中天经通视科技有限公司 | 一种高温锻件高精度智能测量仪和测量方法 |
CN112241964A (zh) * | 2020-09-22 | 2021-01-19 | 天津大学 | 一种用于线结构光非接触测量的光条中心提取方法 |
CN112241964B (zh) * | 2020-09-22 | 2022-12-27 | 天津大学 | 一种用于线结构光非接触测量的光条中心提取方法 |
CN112669379A (zh) * | 2020-12-22 | 2021-04-16 | 大连工业大学 | 一种基于辅助标记点的图像特征快速提取方法 |
CN112669379B (zh) * | 2020-12-22 | 2024-01-02 | 大连工业大学 | 一种基于辅助标记点的图像特征快速提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109035213A (zh) | 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 | |
CN108932475B (zh) | 一种基于激光雷达和单目视觉的三维目标识别系统及方法 | |
AU2010352828B2 (en) | Structured-light based measuring method and system. | |
CN104732553B (zh) | 一种基于多台激光辅助靶标的特征点提取方法 | |
US20180091798A1 (en) | System and Method for Generating a Depth Map Using Differential Patterns | |
CN107301648B (zh) | 基于重叠区域边界角度的冗余点云去除方法 | |
Li et al. | A novel 3-D palmprint acquisition system | |
CN102288613A (zh) | 一种灰度和深度信息融合的表面缺陷检测方法 | |
Agresti et al. | Deep learning for confidence information in stereo and tof data fusion | |
JP4568800B2 (ja) | 小滴の状態計測装置及び該装置におけるカメラの校正方法 | |
CN103900494A (zh) | 用于双目视觉三维测量的同源点快速匹配方法 | |
CN115330958A (zh) | 基于激光雷达的实时三维重建方法及装置 | |
CN110425996A (zh) | 基于双目立体视觉的工件尺寸测量方法 | |
CN104268880A (zh) | 基于特征和区域匹配相结合的深度信息获取方法 | |
CN103743750B (zh) | 一种大口径光学元件表面损伤分布图的生成方法 | |
CN104897174B (zh) | 基于置信度评价的图像光条噪声抑制方法 | |
CN104318566B (zh) | 可返回多个高程值的新型多视影像铅垂线轨迹匹配方法 | |
Jia et al. | A field measurement method for large objects based on a multi-view stereo vision system | |
CN101719287B (zh) | 利用控制点信息实现半球体三维表面形状的重建方法 | |
Wang et al. | The 3D narrow butt weld seam detection system based on the binocular consistency correction | |
CN112233104B (zh) | 实时位移场和应变场检测方法、系统、装置和存储介质 | |
CN104296681A (zh) | 基于激光点阵标识的三维地形传感装置及方法 | |
CN117496349A (zh) | 轨道扣件异常检测方法及系统 | |
CN104655041A (zh) | 一种附加约束条件的工业零件轮廓线多特征提取方法 | |
CN104134206A (zh) | 基于三维二值特征描述子的ct体数据快速匹配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181218 |