CN110458881B - 一种无需阈值的斜射入激光光斑中心定位方法 - Google Patents

一种无需阈值的斜射入激光光斑中心定位方法 Download PDF

Info

Publication number
CN110458881B
CN110458881B CN201910700250.9A CN201910700250A CN110458881B CN 110458881 B CN110458881 B CN 110458881B CN 201910700250 A CN201910700250 A CN 201910700250A CN 110458881 B CN110458881 B CN 110458881B
Authority
CN
China
Prior art keywords
point
center
spot
gray value
points
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
Application number
CN201910700250.9A
Other languages
English (en)
Other versions
CN110458881A (zh
Inventor
黄施羽
江金芳
韩光洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changzhou Campus of Hohai University
Original Assignee
Changzhou Campus of Hohai University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changzhou Campus of Hohai University filed Critical Changzhou Campus of Hohai University
Priority to CN201910700250.9A priority Critical patent/CN110458881B/zh
Publication of CN110458881A publication Critical patent/CN110458881A/zh
Application granted granted Critical
Publication of CN110458881B publication Critical patent/CN110458881B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • G06T7/77Determining position or orientation of objects or cameras using statistical methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20024Filtering details
    • G06T2207/20032Median filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及图像处理领域,公开了一种无需阈值的斜射入激光光斑中心定位方法。针对从某方向斜射入的非正圆激光光斑,首先对其进行平滑处理,确定入射点以及入射方向;在入射方向所在直线上,提取与光圈相交点的位置坐标求平均值,以获得不同光圈中心位置;最后统计所有光圈中心位置,通过求平均获得光斑中心。本方法无需设置阈值,适用于从任一方向斜射入的激光照射所得光斑的定位问题,具有较高的精度且容易实现。

Description

一种无需阈值的斜射入激光光斑中心定位方法
技术领域
本发明涉及一种无需阈值的斜射入激光光斑中心定位方法,属于图像处理领域。
背景技术
光斑中心定位问题在光学相关领域有着非常重要的应用。近年来,光斑中心定位方法在精度方面有了很大的提高。然而传统的光斑中心定位算法大多针对对称分布的正圆光斑图像,其要求光源垂直物体表面射出,对于从一个方向斜射入光源产生的非均匀非正圆光斑,其中心定位方法较少,但此等光斑的中心定位在斜射入漫反射实验中的应用却非常多。
此外,传统的光斑中心定位方法大多都需要设置阈值,选取不同梯度的阈值对光斑进行光圈剖分,从而找到不同光圈的光斑中心,再经过不同计算方法得到光斑最终的中心位置。然而,在实际应用中,寻求适合的切分阈值并非易事,不同的光斑定位所需要的阈值也未必相同。同时,由于噪声干扰的影响,给阈值的精确估计带来了更多挑战。
发明内容
基于以上考虑,本发明提出了一种无需阈值的斜射入激光光斑中心定位方法,可以通过不需要设置阈值的方法,对斜射入激光形成的非正圆光斑中心进行较为准确的定位。
本发明针对从任一方向斜射入非正圆激光光斑,提出一种无需阈值的斜射入激光光斑中心定位方法,它能利用最大灰度值点找到光源入射方向,并且运用无需阈值的方法,在此方向上找到光斑中心。算法简单易懂,较为准确,便于实现。
本发明提出的一种无需阈值的斜射入激光光斑中心定位方法,包括下述步骤:
步骤1:平滑去噪;
步骤2:确定入射点;
步骤3:寻找入射方向;
步骤4:确定光斑中心。
具体的,在步骤1中,平滑去噪通过中值滤波完成,通过过滤图像椒盐噪声、去除毛刺,以平滑光斑灰度值分布曲线。
其原理在于按用户设置的大小取每个像素邻居矩阵,通过将此像素灰度值替换成邻居矩阵像素平均灰度值,以实现去除椒盐噪声、剔除毛刺、平滑曲线的作用。
具体的,步骤2所述的确定入射点,包括以下步骤:
步骤2-1:通过测量获得光斑图像的灰度值分布I(x,y)。
步骤2-2:找到图像中灰度值最大的点的集合,其集合包含所有点的位置坐标,通过求取位置平均值,得到位置坐标为(x0,y0)的点A,则认为A为入射点。
具体的,步骤3所述的寻找入射方向,包括以下步骤:
步骤3-1:在入射点之外,光斑之内随机选取一点,取此点所在横、竖直线上所有点灰度值,找出最大灰度值所在位置集合,取其平均值,得到点B1(x2,y2)、点C1(x3,y3)。B1、C1相连,取连线中位点D(x4,y4)。
步骤3-2:重复步骤3-1N次,得到N个点集合B={B1,B2,……,Bn}、C={C1,C2,……,Cn}与D={D1,D2,……,Dn}
步骤3-3:将步骤3-2所得的点集D中的所有点,分别与入射点A(x0,y0)连线,计算连线所在直线方程斜率,得其斜率集合K={k1,k2,……,k2n},统计集合K,得到集合K的众数,设此众数为斜率kl,则斜率kl所在直线l方向即为入射方向。
其中,斜率ki为:
Figure GDA0003762745190000021
这里的ki是一个总体的公式,表示集合K里每一个ki都可以用这个公式计算,kl是ki中的某一个值。
在通常情况下,若无噪声干扰,入射点A与点集B、C中所有点应位于同一条直线上,即入射方向所在直线l上。
具体的,在步骤4中,确定光斑中心包括以下步骤:
步骤4-1:取入射方向所在直线l上所有灰度值,按像素位置绘制灰度值分布曲线。并统计灰度值分布,找到只对应两个不同位置点的灰度值集合I={i1,i2,……,im}。
需要说明的是,在所述的灰度值分布曲线中,灰度值最大点应为入射点A(x0,y0);曲线上同一灰度值所对应的两点可确定一个光圈,其二点坐标平均值为光圈中心位置。
步骤4-2:通过循环计算,找到直线l上I所对应的灰度值的点的横、纵坐标集合,分别为row={x1,x2,……,x2m}、col={y1,y2,……,y2m}。
步骤4-3:分别累加集合row、col,计算集合row、col平均值avg_row、avg_col,则可找到光斑中心O(xo,yo),其中:
Figure GDA0003762745190000031
Figure GDA0003762745190000032
进一步的,本发明在定位光斑中心时,所计算距离均以像素为单位,在具体应用时可将所得结果乘上图像放大或缩小后所得的像素大小系数,而得到真实的光斑中心位置。
附图说明
图1所示为斜射入激光光斑灰度值图像;
图2所示为平滑后光斑灰度值图像;
图3所示为寻找入射方向示意图;
图4所示为斜射入激光光斑图像入射方向所在直线灰度值位置分布图;
图5所示为光斑中心定位仿真结果;
图6所示为系统流程图;
图7所示为实施方法步骤流程图;
附图中标记含义:
(1)入射方向所在直线灰度值位置分布(图3曲线)上最大灰度值点,即图5中(5)所标记点。
(2)入射方向所在直线灰度值位置分布(图3曲线)上同一灰度值(I=120)所对应的两个不同点,即图5中(6)所标记的两点。
(3)入射方向所在直线灰度值位置分布(图3曲线)上同一灰度值(I=100)所对应的两个不同点,即图5中(7)所标记的两点。
(4)根据本定位方法计算所得激光光斑中心,位置为(324,442),即图5中(4)所标记点。
(5)入射点,位置为(328,444)。即图4中(1)所标记点。
(6)光斑上灰度值I=120的光圈与入射方向所在直线相交所得两点,即图4中(2)所标记两点。
(7)光斑上灰度值I=100的光圈与入射方向所在直线相交所得两点,即图4中(3)所标记两点。
具体实施方式
为了使本发明目的、技术方案及优点更加清晰,结合以下实施例对本发明作进一步阐述。以下实施例仅用于更加清晰地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图6、7所示,一种无需阈值的斜射入激光光斑中心定位方法,包括下述步骤:
步骤1:平滑去噪。通过中值滤波完成。中值滤波过滤图像椒盐噪声、去除毛刺,以平滑光斑灰度值曲线。
步骤2:确定入射点。通过测量,获得光斑图像的灰度值分布矩阵I(x,y);从中找到最大灰度值的点的集合,其集合包含所有点的位置坐标,通过求取位置平均值,得到位置坐标为(x0,y0)的点A,则认为A为入射点。
步骤3:寻找入射方向。在入射点A(x0,y0)之外,光斑之内随机寻找一点,取此点所在横、竖直线上所有点灰度值,找出最大灰度值所在位置集合,取其平均值,得到点B1(x2,y2)、C1(x3,y3)。连接B1、C1,取连线中位点D(x4,y4)。分别重复上述步骤N次,得到两个N点集合B={B1,B2,……,Bn}、C={C1,C2,……,Cn}与D={D1,D2,……,Dn};利用两点一线原则,将点集D中的所有点分别与入射点A(x0,y0)连线,计算连线所在直线斜率,得其斜率集合K={k1,k2,……,k2n},统计集合K,获得集合K的众数k,则斜率k所在直线l方向即为入射方向(见附图3)。
步骤4:确定光斑中心。取入射方向所在直线l上所有灰度值,按像素位置绘制灰度值分布曲线(见图4)。统计灰度值分布,找到只对应两个不同位置点的灰度值集合I={i1,i2,……,im}(如图4中(2)、(3)所对应灰度值,其中i1=120、i2=100)。通过循环,在直线l中找灰度值与集合I相同的点的横、纵坐标集合,分别为row={x1,x2,……,x2m}、col={y1,y2,……,y2m};分别累加集合row、col,计算集合row、col平均值avg_row、avg_col。则可找到光斑中心O(xo,yo),其中:
Figure GDA0003762745190000051
Figure GDA0003762745190000052
需要说明得是,在所述的灰度值分布曲线中,灰度值最大点应为入射点A(如图4中点(1));曲线上同一灰度值所对应的两点(如图4(2)、(3))可确定一个光圈(见图5中(6)、(7)),其二点坐标所在平均值为光圈中心位置。
下面结合附图和实施例对本发明做进一步详细说明。
实施例:
获取光斑图像为从一个方向斜射入非正圆激光光斑,如图1所示,其外白色亮点为椒盐噪声。本实施例中利用9*9的中值滤波去除噪声、平滑曲线。下式为位置为(7,32)所在9*9矩阵中值滤波前后灰度值矩阵:
滤波前:
Figure GDA0003762745190000053
滤波后:
Figure GDA0003762745190000061
平滑后所得图像如图2所示。
通过步骤2,获得入射点所在区域最大灰度值点的位置集合,求取位置平均值,得到入射点A坐标(328,444)。
通过步骤3得到点集B={B1,B2,……,Bn}、C={C1,C2,……,Cn}与D={D1,D2,……,Dn}。通过公式计算集合D中所有点与入射点A连线斜率,得斜率集合K={k1,k2,……,k2n},统计集合K,得到集合K的众数k,则斜率k所在直线l方向即为入射方向。(见图3)
其中,斜率ki为:
Figure GDA0003762745190000062
得到入射方向后,根据步骤4,取入射方向所在直线l上灰度值位置分布图(见图4),统计灰度值位置分布,找到分布中只对应两个不同位置点的灰度值I={i1,i2,……,im}(见图4中(2)、(3)所对应灰度值i1=120、i2=100)。通过循环,得到直线l上与I灰度值相同的点的横、纵坐标集合,分别为row={x1,x2,……,x2m}、col={y1,y2,……,y2m}。

Claims (5)

1.一种无需阈值的斜射入激光光斑中心定位方法,用于从任一方向斜射入非正圆激光光斑上找到光斑中心,其特征在于包括下述步骤:
步骤1:平滑去噪;
步骤2:确定入射点;
步骤2所述的确定入射点,包括以下步骤:
步骤(2-1):通过测量获得光斑图像的灰度值分布I(x,y);
步骤(2-2):找到图像中灰度值最大的点的集合,求取位置平均值,作为光斑入射点A(x0,y0);
步骤3:寻找入射方向;
步骤3所述的寻找入射方向,包括以下步骤:
步骤(3-1):在入射点之外,光斑之内随机选取一点,取此点所在横、竖直线上所有点灰度值,找出最大灰度值所在位置集合,取其平均值,得到点B1(x2,y2)、点C1(x3,y3),B1、C1相连,取连线中位点D(x4,y4);
步骤(3-2):重复步骤(3-1)N次,得到N个点集合B={B1,B2,……,Bn}、C={C1,C2,……,Cn}与D={D1,D2,……,Dn};
步骤(3-3):将步骤(3-2)所得的点集合D中的所有点,分别与入射点A(x0,y0)连线,计算连线所在直线方程斜率,得其斜率集合K={k1,k2,……,k2n},统计集合K,得到集合K的众数,设此众数为斜率kl,则斜率kl所在直线l方向即为入射方向;
步骤4:确定光斑中心;
步骤4所述的确定光斑中心,包括以下步骤:
步骤(4-1):取入射方向所在直线l上所有灰度值,按像素位置绘制灰度值分布曲线,并统计灰度值分布,找到只对应两个不同位置点的灰度值I={i1,i2,……,im};
步骤(4-2):通过循环,找到直线l上I所对应的灰度值的点的横、纵坐标集合,分别为row={x1,x2,……,x2m}、col={y1,y2,……,y2m};
步骤(4-3):分别累加集合row、col,计算集合row、col平均值avgrow、avgcol;则能够找到光斑中心O(xo,yo),其中:
xo=avg_row
yo=avg_col。
2.根据权利要求1所述的一种无需阈值的斜射入激光光斑中心定位方法,其特征在于:步骤1所述的平滑去噪,通过中值滤波过滤图像椒盐噪声,并且平滑灰度值曲线,去除毛刺。
3.根据权利要求1所述的一种无需阈值的斜射入激光光斑中心定位方法,其特征在于:若无噪声干扰,则入射点A与点集B、C中所在点应位于同一条直线上,即入射方向所在直线上。
4.根据权利要求1所述的一种无需阈值的斜射入激光光斑中心定位方法,其特征在于:在步骤(4-1)所述的灰度值分布曲线中,灰度值最大点应为入射点A;曲线上同一灰度值所对应的两点确定一个光圈,其两点坐标所在平均值为光圈中心位置。
5.一种无需阈值的斜射入激光光斑中心定位方法,针对图像放大或缩小后的激光光斑中心定位,其特征在于:利用权利要求1所述的方法,以像素为单位进行坐标计算,将所得结果乘上图像放大或缩小后的像素大小系数,而得到真实的光斑中心位置。
CN201910700250.9A 2019-07-31 2019-07-31 一种无需阈值的斜射入激光光斑中心定位方法 Active CN110458881B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910700250.9A CN110458881B (zh) 2019-07-31 2019-07-31 一种无需阈值的斜射入激光光斑中心定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910700250.9A CN110458881B (zh) 2019-07-31 2019-07-31 一种无需阈值的斜射入激光光斑中心定位方法

Publications (2)

Publication Number Publication Date
CN110458881A CN110458881A (zh) 2019-11-15
CN110458881B true CN110458881B (zh) 2022-09-16

Family

ID=68484184

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910700250.9A Active CN110458881B (zh) 2019-07-31 2019-07-31 一种无需阈值的斜射入激光光斑中心定位方法

Country Status (1)

Country Link
CN (1) CN110458881B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111811784A (zh) * 2020-07-02 2020-10-23 中航华东光电(上海)有限公司 激光光斑中心坐标确定方法、装置及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016197477A1 (zh) * 2015-06-12 2016-12-15 深圳大学 一种计算激光光束光斑大小的方法
CN107784669A (zh) * 2017-10-27 2018-03-09 东南大学 一种光斑提取及其质心确定的方法
CN108844463A (zh) * 2018-06-12 2018-11-20 南京理工大学 基于激光光斑位置的地下管道空间方位测量系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016197477A1 (zh) * 2015-06-12 2016-12-15 深圳大学 一种计算激光光束光斑大小的方法
CN107784669A (zh) * 2017-10-27 2018-03-09 东南大学 一种光斑提取及其质心确定的方法
CN108844463A (zh) * 2018-06-12 2018-11-20 南京理工大学 基于激光光斑位置的地下管道空间方位测量系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
激光光斑整形算法;王锋等;《红外与激光工程》;20141225(第12期);第83-86页 *

Also Published As

Publication number Publication date
CN110458881A (zh) 2019-11-15

Similar Documents

Publication Publication Date Title
CN109035276B (zh) 一种图像边缘提取方法、装置及自动驾驶系统
JP5132832B1 (ja) 計測装置および情報処理装置
US9031315B2 (en) Information extraction method, information extraction device, program, registration device, and verification device
CN105931232B (zh) 结构光光条中心高精度亚像素提取方法
Zhang et al. A novel calibration approach to structured light 3D vision inspection
CN108898147B (zh) 一种基于角点检测的二维图像边缘平直化方法、装置
CN109447908A (zh) 一种基于立体视觉的钢卷识别定位方法
KR102073468B1 (ko) 비전 시스템에서 컬러 이미지에 대해 컬러 후보 포즈들의 점수화를 위한 시스템 및 방법
CN105894521A (zh) 基于高斯拟合的亚像素边缘检测方法
CN111105452B (zh) 基于双目视觉的高低分辨率融合立体匹配方法
CN104574312A (zh) 标靶图像求圆心的方法和装置
CN113808121A (zh) 一种纱线亚像素级直径测量方法及系统
CN104751458A (zh) 一种基于180°旋转算子的标定角点检测方法
CN110458881B (zh) 一种无需阈值的斜射入激光光斑中心定位方法
CN110163894B (zh) 基于特征匹配的亚像素级目标跟踪方法
CN112991327B (zh) 基于机器视觉的钢格网焊接系统、方法和终端设备
CN114387353A (zh) 一种相机标定方法、标定装置及计算机可读存储介质
CN111462216A (zh) 一种圆形阵列标定板中圆心像素坐标确定方法
Wu et al. Lens distortion correction based on one chessboard pattern image
CN115018735A (zh) 基于霍夫变换校正二维码图像的裂缝宽度识别方法及系统
CN114648544A (zh) 一种亚像素椭圆提取方法
Zhou et al. Camera calibration approach using circle-square-combined target
JP6061631B2 (ja) 計測装置、情報処理装置、計測方法、情報処理方法、および、プログラム
Zha et al. Research on non-contact measurement based on machine vision
CN110728285B (zh) 一种基于动态变频的快速角点检测方法

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
GR01 Patent grant
GR01 Patent grant