CN111260708A - 一种线结构光中心提取方法及系统 - Google Patents
一种线结构光中心提取方法及系统 Download PDFInfo
- Publication number
- CN111260708A CN111260708A CN202010034498.9A CN202010034498A CN111260708A CN 111260708 A CN111260708 A CN 111260708A CN 202010034498 A CN202010034498 A CN 202010034498A CN 111260708 A CN111260708 A CN 111260708A
- Authority
- CN
- China
- Prior art keywords
- pixel
- vector
- rough
- fringe
- pixels
- 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.)
- Pending
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 68
- 230000003287 optical effect Effects 0.000 title claims abstract description 6
- 238000000034 method Methods 0.000 claims abstract description 82
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 230000005484 gravity Effects 0.000 claims abstract description 21
- 239000013598 vector Substances 0.000 claims description 178
- 238000003709 image segmentation Methods 0.000 claims description 18
- 230000000877 morphologic effect Effects 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 238000005259 measurement Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Optics & Photonics (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种线结构光中心提取方法及系统。方法包括:(1)将包含激光线条的原始采集的图像进滤波处理并提取条纹区域;(2)对于感兴趣条纹区域图像的每一列像素,采用一维模板法提取粗略条纹中心像素;(3)对于中间列像素的粗略条纹中心像素,计算该粗略条纹中心像素的法线方向;(4)对于中间列像素的粗略条纹中心像素,在沿其法线方向两侧,采用灰度重心法确定亚像素级别的中心点坐标作为线结构光中心。系统包括:感兴趣条纹区域提取模块、粗略条纹中心像素提取模块、法线提取模块、以及结构光中心获取模块。本发明能适应复杂曲线且精度与Steger算法相当。
Description
技术领域
本发明属于图像处理领域,更具体地,涉及一种线结构光中心提取方法及系统。
背景技术
三维测量技术在逆向工程、医疗诊断、文物保护、机器人导航与自动驾驶等领域都有着广泛应用。而三维测量系统作为最主要的数据获取手段,其采集精度和采集效率在应用中至关重要。
目前基于结构光的非接触式3D测量系统精度高、应用范围广,但其昂贵的成本限制了它的普及,因此以线激光代替结构光的低成本测量系统有着更为广阔的市场和研究空间。
在一个基于激光的3D测量系统中,由于存在摄像头采集精度、激光条纹具有一定的宽度以及被测物体表面不平整导致反光散射等问题,如何准确地提取激光条纹中心像素将直接决定系统的采集精度。
目前,国内外研究中常用的线结构光光条的中心线提取方法有峰值法,灰度重心法,曲线拟合法和Steger法等。峰值法也称极值法,是最简单直观的方法,遍历条纹横截面中灰度值最高的像素点作为条纹中心像素;该方法运算速度快,但是当光条中存在多个极大值点时无法定位中心点,且易受到噪声干扰提取结果不稳定。灰度重心法通过计算条纹横截面灰度分布的质心,将质心作为所需确定的条纹中心像素;该方法速度快,但对于非行列平行的条纹,提取精度不高,易受噪声影响。曲线拟合法根据最小二乘法原理将光条拟合为高斯曲线,将拟合曲线中的最大灰度值点作为条纹中心像素点,该方法受非对称条纹影响严重,鲁棒性差,不适合矩形条纹和宽度较窄的条纹中心像素提取。基于Hessian矩阵的Steger法将图像看成二维函数,在光条的法线方向将光条灰度按泰勒多项式展开,多项式极大值即为所求中心点,该方法精度高,但运算量大,运行速度慢,在实时性要求高的系统中不适用。
现有的线结构光中心提取方法存在易受到噪声干扰或者运算量大的问题,不能应用于对准确性和实时性要求较高的测量系统。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种线结构光中心提取方法及系统,其目的在于在条纹的法线方向上采用灰度重心法,提取亚像素级别的线结构光中心,由此解决现有技术不能适应复杂曲线,精度不高或者运算速度慢的技术问题。
为实现上述目的,按照本发明的一个方面,提供了一种线结构光中心提取方法,其特征在于,包括以下步骤:
(1)感兴趣条纹区域提取:将包含激光线条的原始采集的图像进滤波处理并提取条纹区域;
(2)对于步骤(1)中获得的感兴趣条纹区域图像的每一列像素,采用一维模板法提取粗略条纹中心像素;
(3)对于步骤(2)中获得的中间列像素的粗略条纹中心像素,根据其相邻列的条纹中心像素与其连线方向,计算该粗略条纹中心像素的法线方向,粗略条纹中心像素的法线是粗略中心像素连成的中心线段在该粗略条纹中心像素处所对应的法线方向;
(4)对于中间列像素的粗略条纹中心像素,在沿其步骤(3)获得的法线方向两侧,采用灰度重心法确定亚像素级别的中心点坐标作为线结构光中心。
优选地,所述线结构光中心提取方法,其所述步骤(1)具体包括以下步骤:
(1-1)通过图像采集设备获取包含激光线条的原始灰度图像;
(1-2)对于步骤(1-1)中获取的包含激光线条的原始灰度图像,进行滤波获得消除噪声的图像;
(1-3)对于步骤(1-2)中获得的消除噪声的图像使用图像分割方法分割出条纹区域并采用形态学方法减少毛刺散点区域后作为感兴趣条纹区域,将消除噪声的图像的感兴趣条纹区域分割获取条纹区域图像。
优选地,所述线结构光中心提取方法,其所述步骤(2)具体为:
所述一维模板为在该列像素上的长度固定的滑动窗口,使用一维模板与在感兴趣条纹区域的每一列像素做卷积运算,获得该列卷积运算后各像素点的像素值,将像素值的最大的像素点作为粗略条纹中心像素。
优选地,所述线结构光中心提取方法,其步骤(2)具体为:
对于具有N列像素的条纹区域,第i行j列处的像素点的灰度值表示为I(i,j),当I(i,j)≠0时,可在j列使用长度为k的一维模板窗口在像素列上滑动进行卷积运算,G(i,j)表示与模板滑动卷积运算后的像素值;如下:
取卷积后像素值G(i,j)在该列中值最大的像素点作为该列上粗略条纹中心像素。
优选地,所述线结构光中心提取方法,其所述步骤(3)具体为:
(3-1)将该列像素的粗略条纹中心像素到其前列像素的粗略条纹中心像素向量作为第一向量;将其后列像素的粗略条纹中心像素到该列像素的粗略条纹中心像素向量作为第二向量;或
将前列像素的粗略条纹中心像素到其该列像素的粗略条纹中心像素向量作为第一向量;将该列像素的粗略条纹中心像素到其后列像素的粗略条纹中心像素向量作为第二向量;
(3-2)分别获取第一向量以及第二向量的单位法线向量,单位法向量即与该向量正交的单位向量,向量与其单位法线向量的内积为0;
(3-3)将第一向量以及第二向量的单位法向量进行向量相加获得的向量其方向作为该列像素的粗略条纹中心像素法线方向。
优选地,所述线结构光中心提取方法,其所述步骤(4)具体为:
沿步骤(3)提取的粗略条纹中心像素法线方向,沿着与水平方向夹角为θ的方向,在粗略条纹中心像素两侧各取m个点组成集合M,两侧2m个点的坐标的计算如下:
im=i±dm*cosθ
jm=j±dm*sinθ
(im,jm)为选取的两侧第m个点的横纵坐标,dm记为法线方向上两侧选取的第m个点到粗略中心点像素坐标的距离。
其中,I(i,j)为提取出的感兴趣区域中第i行,第j列图像像素值,M为法线上选取的2*m+1像素点所在坐标集合。
按照本发明的另一个方面,提供了一种线结构光中心提取系统,其包括:
感兴趣条纹区域提取模块,用于将包含激光线条的原始采集的图像进滤波处理并提取条纹区域,提交给粗略条纹中心像素提取模块;
所述粗略条纹中心像素提取模块,用于对条纹区域图像的每一列像素,采用一维模板法提取粗略条纹中心像素,提交给法线提取模块;
所述法线提取模块,对特定中间列像素的粗略条纹中心像素根据其相邻列的条纹中心像素与其连线方向,计算该粗略条纹中心像素的法线方向,提交给线结构光中心获取模块;
结构光中心获取模块,用于对中间列像素的粗略条纹中心像素,在沿其法线方向两侧,采用灰度重心法确定亚像素级别的中心点坐标作为线结构光中心。
优选地,所述线结构光中心提取系统,其所述感兴趣条纹区域提取模块包括图像获取子模块、图像降噪子模块和图像分割子模块;
所述图像获取子模块,用于通过图像采集设备获取包含激光线条的原始灰度图像,提交给图像降噪子模块;
所述图像降噪子模块,用于对于图像获取子模块获取的包含激光线条的原始灰度图像,进行滤波获得消除噪声的图像,提交给图像分割子模块;
所述图像分割子模块,用于对于图像降噪子模块获得的消除噪声的图像使用图像分割方法分割出条纹区域并采用形态学方法减少毛刺散点区域后作为感兴趣条纹区域,将消除噪声的图像的感兴趣条纹区域分割获取条纹区域图像,提交给粗略条纹中心像素提取模块。
优选地,所述线结构光中心提取系统,其所述粗略条纹中心像素提取模块,按照以下方法提取粗滤条纹中心像素:
所述一维模板为在该列像素上的长度固定的滑动窗口,使用一维模板与在感兴趣条纹区域的每一列像素做卷积运算,获得该列卷积运算后各像素点的像素值,将像素值的最大的像素点作为粗略条纹中心像素。
优选地,所述线结构光中心提取系统,其所述法线提取模块,包括向量获取模块、单位法线向量获取模块、以及法线方向获取模块;
所述向量获取模块,用于获取该列像素的粗略条纹中心像素到其前列像素的粗略条纹中心像素向量作为第一向量、以及其后列像素的粗略条纹中心像素到该列像素的粗略条纹中心像素向量作为第二向量,并将第一向量和第一向量,提交给单位法线向量获取模块;或
用于获取前列像素的粗略条纹中心像素到其该列像素的粗略条纹中心像素向量作为第一向量;将该列像素的粗略条纹中心像素到其后列像素的粗略条纹中心像素向量作为第二向量;
所述单位法线向量获取模块,用于计算特定列像素的粗略条纹中心像素的第一向量的单位法线向量和其第二向量的单位法线向量,并提交给法线方向获取模块。
所述法线方向获取模块,用于将第一向量以及第二向量的单位法向量进行向量相加获得的向量其方向作为该列像素的粗略条纹中心像素法线方向。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
本发明提供的先结构光中心提取方法,在条纹的图像的法向方向上利用灰度重心法提取光中心,运行速度快,满足高实时性要求的先结构光中心提取方法。相对于灰度重心法而言,本方法在条纹形状弯曲不规则的情况下,能够提取较为精确的条纹中心,进而提高了测量系统的测量精度。
附图说明
图1是本发明提供的线结构光中心法流程示意图;
图2是实施例获取的包含激光线条的原始图像;
图3是实施例局部放大区域中值滤波前后示意图;
图4是实施例进行阈值分割结果图;
图5是实施例形态学处理结果图;
图6是实施例感兴趣条纹区域图像;
图7是实施例的条纹粗略中心像素提取示意图;
图8是实施例条纹粗略中心法线向量求解示意图;
图9是实施例提供的线结构光中心提取方法结果对比。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供的线结构光中心提取方法,如图1所示,包括以下步骤:
(1)感兴趣条纹区域提取:将包含激光线条的原始采集的图像进滤波处理并提取条纹区域;具体包括以下步骤:
(1-1)通过图像采集设备获取包含激光线条的原始灰度图像;
(1-2)对于步骤(1-1)中获取的包含激光线条的原始灰度图像,进行滤波获得消除噪声的图像;所述滤波可采用中值滤波、和/或高斯滤波,优选采用中值滤波以去除光条中心领域内孤立的亮点或者暗点;
(1-3)对于步骤(1-2)中获得的消除噪声的图像使用图像分割方法分割出条纹区域并采用形态学方法减少毛刺散点区域后作为感兴趣条纹区域,将消除噪声的图像的感兴趣条纹区域分割获取条纹区域图像;所述使用图像分割方法分割出条纹区域,优选为使用阈值分割算法分割出条纹区域;所述采用形态学方法减少毛刺散点区域,优选为采用腐蚀-膨胀算法减少毛刺散点区域。
(2)对于步骤(1)中获得的感兴趣条纹区域图像的每一列像素,采用一维模板法提取粗略条纹中心像素;具体地:
所述一维模板为在该列像素上的长度固定的滑动窗口,使用一维模板与在感兴趣条纹区域的每一列像素做卷积运算,获得该列卷积运算后各像素点的像素值,将像素值的最大的像素点作为粗略条纹中心像素。所述滑动窗口的长度优选7。
(3)对于步骤(2)中获得的中间列(即不包含首尾列)像素的粗略条纹中心像素,根据其相邻列的条纹中心像素与其连线方向,计算该粗略条纹中心像素的法线方向,粗略条纹中心像素的法线是粗略中心像素连成的中心线段在该粗略条纹中心像素处所对应的法线方向;具体如下:
(3-1)将该列像素的粗略条纹中心像素到其前列像素的粗略条纹中心像素向量作为第一向量;将其后列像素的粗略条纹中心像素到该列像素的粗略条纹中心像素向量作为第二向量;或
将前列像素的粗略条纹中心像素到其该列像素的粗略条纹中心像素向量作为第一向量;将该列像素的粗略条纹中心像素到其后列像素的粗略条纹中心像素向量作为第二向量;
(3-2)分别获取第一向量以及第二向量的单位法线向量,单位法向量即与该向量正交的单位向量,向量与其单位法线向量的内积为0;
(3-3)将第一向量以及第二向量的单位法向量进行向量相加获得的向量其方向作为该列像素的粗略条纹中心像素法线方向;
(4)对于中间列像素的粗略条纹中心像素,在沿其步骤(3)获得的法线方向两侧,采用灰度重心法确定亚像素级别的中心点坐标作为线结构光中心。
不同于steger算法的采用灰度梯度变化最快的方向作为条纹的法线方向,本发明采用相邻列的条纹中心像素与特定条纹中心像素连线方向作为法线方向,运算速度远快于stegar算法,采用这种法线求解方法虽然速度很快,但是精度有亏,由于灰度重心法可以达到亚像素级别提取精度,故需配合线性方向上性能稳定、精度高且运行速度快的灰度重心法。本发明提供的线结构光中心提取方法能适应复杂曲线且精度与steger算法相当。
本发明提供的线结构光中心提取系统,包括:
感兴趣条纹区域提取模块,用于将包含激光线条的原始采集的图像进滤波处理并提取条纹区域,提交给粗略条纹中心像素提取模块,包括图像获取子模块、图像降噪子模块和图像分割子模块;
所述图像获取子模块,用于通过图像采集设备获取包含激光线条的原始灰度图像,提交给图像降噪子模块;
所述图像降噪子模块,用于对于图像获取子模块获取的包含激光线条的原始灰度图像,进行滤波获得消除噪声的图像,提交给图像分割子模块;所述滤波可采用中值滤波、和/或高斯滤波,优选采用中值滤波以去除光条中心领域内孤立的亮点或者暗点;
所述图像分割子模块,用于对于图像降噪子模块获得的消除噪声的图像使用图像分割方法分割出条纹区域并采用形态学方法减少毛刺散点区域后作为感兴趣条纹区域,将消除噪声的图像的感兴趣条纹区域分割获取条纹区域图像,提交给粗略条纹中心像素提取模块;所述使用图像分割方法分割出条纹区域,使用阈值分割算法分割出条纹区域;所述采用形态学方法减少毛刺散点区域,优选为采用腐蚀-膨胀算法减少毛刺散点区域。
所述粗略条纹中心像素提取模块,用于对条纹区域图像的每一列像素,采用一维模板法提取粗略条纹中心像素,提交给法线提取模块;具体的按照以下方法提取粗滤条纹中心像素:
所述一维模板为在该列像素上的长度固定的滑动窗口,使用一维模板与在感兴趣条纹区域的每一列像素做卷积运算,获得该列卷积运算后各像素点的像素值,将像素值的最大的像素点作为粗略条纹中心像素。
所述法线提取模块,对特定中间列像素的粗略条纹中心像素根据其相邻列的条纹中心像素与其连线方向,计算该粗略条纹中心像素的法线方向,提交给线结构光中心获取模块,包括向量获取模块、单位法线向量获取模块、以及法线方向获取模块;
所述向量获取模块,用于获取该列像素的粗略条纹中心像素到其前列像素的粗略条纹中心像素向量作为第一向量、以及其后列像素的粗略条纹中心像素到该列像素的粗略条纹中心像素向量作为第二向量,并将第一向量和第一向量,提交给单位法线向量获取模块;或
用于获取前列像素的粗略条纹中心像素到其该列像素的粗略条纹中心像素向量作为第一向量;将该列像素的粗略条纹中心像素到其后列像素的粗略条纹中心像素向量作为第二向量;
所述单位法线向量获取模块,用于计算特定列像素的粗略条纹中心像素的第一向量的单位法线向量和其第二向量的单位法线向量,并提交给法线方向获取模块。
所述法线方向获取模块,用于将第一向量以及第二向量的单位法向量进行向量相加获得的向量其方向作为该列像素的粗略条纹中心像素法线方向。
结构光中心获取模块,用于对中间列像素的粗略条纹中心像素,在沿其法线方向两侧,采用灰度重心法确定亚像素级别的中心点坐标作为线结构光中心。
以下为实施例:
一种线结构光中心提取方法,包括以下步骤:
(1)感兴趣条纹区域提取:将包含激光线条的原始采集的图像进滤波处理并提取条纹区域;具体包括以下步骤:
(1-1)通过图像采集设备获取包含激光线条的原始图像,如图2所示;
(1-2)对于步骤(1-1)中获取的包含激光线条的原始图像,进行滤波获得消除噪声的图像;所述滤波采用中值滤波结果如图3所示。
(1-3)对于步骤(1-2)中获得的消除噪声的图像使用图像分割方法分割出条纹区域并采用形态学方法减少毛刺散点区域后作为感兴趣条纹区域,使用得到的掩码来与步骤(1-2)获得的消除噪声的图像做与运算,得到条纹区域图像,如图6所示;
本实施例使用阈值分割算法分割出条纹区域;
通过全局自适应阈值分割算法来对图像进行二值化处理,原理是通过计算需要处理图像的像素值灰度分布来计算出较好的阈值T,将原图中像素值与T比较,小于T的置为0,大于T的保留。处理的结果如图4所示。
本实施例采用腐蚀-膨胀算法减少毛刺散点区域;
对阈值分割后的图片进行膨胀处理,然后再对其进行腐蚀处理,连接断裂处,消除离散的区域,处理的结果如图5所示。
(2)对于步骤(1)中获得的感兴趣条纹区域的每一列像素,采用一维模板法提取粗略条纹中心像素;具体地:
对于具有N列像素的条纹区域,第i行j列处的像素点的灰度值表示为I(i,j),当I(i,j)≠0,可在j列使用长度为k的一维模板窗口在像素列上滑动进行卷积运算,G(i,j)表示与模板滑动卷积运算后的像素值。如下:
取卷积后像素值G(x,y)在该列中值最大的像素点作为该列上粗略条纹中心像素。本实施例k取值为3,卷积运算示例如图7所示。
j=1,2,...,N,获得每一列的粗略条纹中心像素(i,j)。
(3)对于步骤(2)中获得的中间列像素的粗略条纹中心像素,根据其相邻列的条纹中心像素与其连线方向,计算该粗略条纹中心像素的法线方向,粗略条纹中心像素的法线是粗略中心像素连成的中心线段在该粗略条纹中心像素处所对应的法线方向;具体如下:
(3-1)将其前列像素的粗略前列条纹中心像素到该列像素的粗略条纹中心像素向量作为第一向量;将该列像素的粗略条纹中心像素到其后列像素的粗略条纹中心像素向量作为第二向量;
(3-2)分别获取第一向量以及第二向量的单位法向量;具体地:
如图2所示,第一向量的单位法向量为n1向量,求解方法如下:将B点的横纵坐标减去A点的横纵坐标,然后求得A点到B点的向量然后根据向量正交内积为零,求得向量的法向量,第二向量的单位法向量为n2向量,求解方法同上。
(3-3)将第一向量以及第二向量的单位法向量进行向量相加获得的向量其方向作为该列像素的粗略条纹中心像素法线方向;
如图2所示,对n1向量和n2向量求和,获得求出n1向量和n2向量的和向量方向上的单位向量为n3,作为B点的法线方向,其相对于水平方向的夹角,记为θ。
(4)对于中间列像素的粗略条纹中心像素,在沿其步骤(3)获得的法线方向两侧,采用灰度重心法确定亚像素级别的中心点坐标作为线结构光中心。具体步骤如下:
沿步骤(3)提取的粗略条纹中心像素法线方向,沿着法线方向,在粗略条纹中心像素两侧各取m个点与粗略条纹中心像素点共2*m+1个像素点组成集合M,两侧2m个点的坐标的计算如下:
im=i±dm*cosθ
jm=j±dm*sinθ
(im,jm)为选取的两侧第m个点的横纵坐标,dm记为法线方向上两侧选取的第m个点到粗略中心点像素坐标的距离。
其中,I(i,j)为提取出的感兴趣区域中第i行,第j列图像像素值,M为法线上选取的2*m+1像素点所在坐标集合。本实施例m的取值为7。
与现有技术性能比较测试:
1、测量精度测试。分别使用三种算法对标准量块的高度进行测量,然后将各算法的测量值与标准值做差,得到测量误差,见下表:
从上表中可看出,本实施例提供的线结构光中心提取方法,在测量精度上明显由于广泛应用的极值法和灰度重心法,与目前精度最高的Steger算法相当。
2、运行速度测试。Steger算法是目前来说,公认的提取精度比较好的一种条纹中心像素提取算法,图8是使用目前提取效果较好的Steger算法提取的中心点为基准来比较灰度重心法和本文算法的提取精度。三者的算法时间如下表所示:
算法 | 平均运行时间/s |
Steger | 1.13 |
灰度重心法 | 0.28 |
本实施例改进算法 | 0.33 |
从上表中科开出,本实施例提供的线结构光中心提取方法,再运行速度上与与灰度重心法相当,而平均运行时间仅为Steger算法的1/4。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种线结构光中心提取方法,其特征在于,包括以下步骤:
(1)感兴趣条纹区域提取:将包含激光线条的原始采集的图像进滤波处理并提取条纹区域;
(2)对于步骤(1)中获得的感兴趣条纹区域图像的每一列像素,采用一维模板法提取粗略条纹中心像素;
(3)对于步骤(2)中获得的中间列像素的粗略条纹中心像素,根据其相邻列的条纹中心像素与其连线方向,计算该粗略条纹中心像素的法线方向,粗略条纹中心像素的法线是粗略中心像素连成的中心线段在该粗略条纹中心像素处所对应的法线方向;
(4)对于中间列像素的粗略条纹中心像素,在沿其步骤(3)获得的法线方向两侧,采用灰度重心法确定亚像素级别的中心点坐标作为线结构光中心。
2.如权利要求1所述的线结构光中心提取方法,其特征在于,所述步骤(1)具体包括以下步骤:
(1-1)通过图像采集设备获取包含激光线条的原始灰度图像;
(1-2)对于步骤(1-1)中获取的包含激光线条的原始灰度图像,进行滤波获得消除噪声的图像;
(1-3)对于步骤(1-2)中获得的消除噪声的图像使用图像分割方法分割出条纹区域并采用形态学方法减少毛刺散点区域后作为感兴趣条纹区域,将消除噪声的图像的感兴趣条纹区域分割获取条纹区域图像。
3.如权利要求1所述的线结构光中心提取方法,其特征在于,所述步骤(2)具体为:
所述一维模板为在该列像素上的长度固定的滑动窗口,使用一维模板与在感兴趣条纹区域的每一列像素做卷积运算,获得该列卷积运算后各像素点的像素值,将像素值的最大的像素点作为粗略条纹中心像素。
5.如权利要求1所述的线结构光中心提取方法,其特征在于,所述步骤(3)具体为:
(3-1)将该列像素的粗略条纹中心像素到其前列像素的粗略条纹中心像素向量作为第一向量;将其后列像素的粗略条纹中心像素到该列像素的粗略条纹中心像素向量作为第二向量;或
将前列像素的粗略条纹中心像素到其该列像素的粗略条纹中心像素向量作为第一向量;将该列像素的粗略条纹中心像素到其后列像素的粗略条纹中心像素向量作为第二向量;
(3-2)分别获取第一向量以及第二向量的单位法线向量,单位法向量即与该向量正交的单位向量,向量与其单位法线向量的内积为0;
(3-3)将第一向量以及第二向量的单位法向量进行向量相加获得的向量其方向作为该列像素的粗略条纹中心像素法线方向。
7.一种线结构光中心提取系统,其特征在于,包括:
感兴趣条纹区域提取模块,用于将包含激光线条的原始采集的图像进滤波处理并提取条纹区域,提交给粗略条纹中心像素提取模块;
所述粗略条纹中心像素提取模块,用于对条纹区域图像的每一列像素,采用一维模板法提取粗略条纹中心像素,提交给法线提取模块;
所述法线提取模块,对特定中间列像素的粗略条纹中心像素根据其相邻列的条纹中心像素与其连线方向,计算该粗略条纹中心像素的法线方向,提交给线结构光中心获取模块;
所述结构光中心获取模块,用于对中间列像素的粗略条纹中心像素,在沿其法线方向两侧,采用灰度重心法确定亚像素级别的中心点坐标作为线结构光中心。
8.如权利要求7所述的线结构光中心提取系统,其特征在于,所述感兴趣条纹区域提取模块包括图像获取子模块、图像降噪子模块和图像分割子模块;
所述图像获取子模块,用于通过图像采集设备获取包含激光线条的原始灰度图像,提交给图像降噪子模块;
所述图像降噪子模块,用于对于图像获取子模块获取的包含激光线条的原始灰度图像,进行滤波获得消除噪声的图像,提交给图像分割子模块;
所述图像分割子模块,用于对于图像降噪子模块获得的消除噪声的图像使用图像分割方法分割出条纹区域并采用形态学方法减少毛刺散点区域后作为感兴趣条纹区域,将消除噪声的图像的感兴趣条纹区域分割获取条纹区域图像,提交给粗略条纹中心像素提取模块。
9.如权利要求7所述的线结构光中心提取系统,其特征在于,所述粗略条纹中心像素提取模块,按照以下方法提取粗滤条纹中心像素:
所述一维模板为在该列像素上的长度固定的滑动窗口,使用一维模板与在感兴趣条纹区域的每一列像素做卷积运算,获得该列卷积运算后各像素点的像素值,将像素值的最大的像素点作为粗略条纹中心像素。
10.如权利要求7所述的线结构光中心提取系统,其特征在于,所述法线提取模块,包括向量获取模块、单位法线向量获取模块、以及法线方向获取模块;
所述向量获取模块,用于获取该列像素的粗略条纹中心像素到其前列像素的粗略条纹中心像素向量作为第一向量、以及其后列像素的粗略条纹中心像素到该列像素的粗略条纹中心像素向量作为第二向量,并将第一向量和第一向量,提交给单位法线向量获取模块;或
用于获取前列像素的粗略条纹中心像素到其该列像素的粗略条纹中心像素向量作为第一向量;将该列像素的粗略条纹中心像素到其后列像素的粗略条纹中心像素向量作为第二向量;
所述单位法线向量获取模块,用于计算特定列像素的粗略条纹中心像素的第一向量的单位法线向量和其第二向量的单位法线向量,并提交给法线方向获取模块;
所述法线方向获取模块,用于将第一向量以及第二向量的单位法向量进行向量相加获得的向量其方向作为该列像素的粗略条纹中心像素法线方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010034498.9A CN111260708A (zh) | 2020-01-14 | 2020-01-14 | 一种线结构光中心提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010034498.9A CN111260708A (zh) | 2020-01-14 | 2020-01-14 | 一种线结构光中心提取方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111260708A true CN111260708A (zh) | 2020-06-09 |
Family
ID=70950437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010034498.9A Pending CN111260708A (zh) | 2020-01-14 | 2020-01-14 | 一种线结构光中心提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111260708A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111833341A (zh) * | 2020-07-22 | 2020-10-27 | 浙江大华技术股份有限公司 | 确定图像中条纹噪声的方法及装置 |
CN111899297A (zh) * | 2020-08-06 | 2020-11-06 | 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 |
CN112113511A (zh) * | 2020-08-17 | 2020-12-22 | 上海交通大学 | 一种半透明物体表面轮廓线提取方法、系统及终端 |
CN112950633A (zh) * | 2021-04-19 | 2021-06-11 | 上海电机学院 | 一种基于线结构光的铝合金焊缝表面缺陷检测方法 |
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 |
CN114001671A (zh) * | 2021-12-31 | 2022-02-01 | 杭州思看科技有限公司 | 激光数据提取方法、数据处理方法、和三维扫描系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101499168A (zh) * | 2009-03-19 | 2009-08-05 | 哈尔滨工业大学 | 基于脊线跟踪与海森矩阵的结构光光条中心提取方法 |
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 |
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 |
-
2020
- 2020-01-14 CN CN202010034498.9A patent/CN111260708A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101499168A (zh) * | 2009-03-19 | 2009-08-05 | 哈尔滨工业大学 | 基于脊线跟踪与海森矩阵的结构光光条中心提取方法 |
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 |
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 |
---|
WUJPBB7: "已知曲线上三点,如何求中间一点的法向量", 《CSDN:HTTPS://BLOG.CSDN.NET/BLUEBLOOD7/ARTICLE/DETAILS/8019846》 * |
吴家勇等: "基于梯度重心法的线结构光中心亚像素提取方法", 《中国图象图形学报》 * |
席剑辉等: "激光条纹法向中心的快速提取算法研究", 《科技与创新》 * |
李春明等: "精确的线结构光中心提取算法研究", 《机械与电子》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111833341A (zh) * | 2020-07-22 | 2020-10-27 | 浙江大华技术股份有限公司 | 确定图像中条纹噪声的方法及装置 |
CN111899297A (zh) * | 2020-08-06 | 2020-11-06 | 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 |
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 |
CN112113511A (zh) * | 2020-08-17 | 2020-12-22 | 上海交通大学 | 一种半透明物体表面轮廓线提取方法、系统及终端 |
CN112950633A (zh) * | 2021-04-19 | 2021-06-11 | 上海电机学院 | 一种基于线结构光的铝合金焊缝表面缺陷检测方法 |
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 |
CN114001671A (zh) * | 2021-12-31 | 2022-02-01 | 杭州思看科技有限公司 | 激光数据提取方法、数据处理方法、和三维扫描系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111260708A (zh) | 一种线结构光中心提取方法及系统 | |
CN107798330B (zh) | 一种焊缝图像特征信息提取方法 | |
CN110866924B (zh) | 一种线结构光中心线提取方法及存储介质 | |
Chen et al. | Light field stereo matching using bilateral statistics of surface cameras | |
CN112116619B (zh) | 一种基于结构约束的多线结构光系统条纹中心线提取方法 | |
CN104697476B (zh) | 粗糙度光切轮廓曲线的自动检测方法及装置 | |
CN103714541B (zh) | 一种利用山体轮廓区域约束识别定位建筑物的方法 | |
CN111207695A (zh) | 一种基于双线结构光的热轧带钢端部三维轮廓测量方法 | |
CN109559324B (zh) | 一种线阵图像中的目标轮廓检测方法 | |
CN113436207B (zh) | 一种对于规则表面的线结构光条纹中心快速精确提取方法 | |
CN115482195B (zh) | 一种基于三维点云的列车部件变形检测方法 | |
CN112629409A (zh) | 一种线结构光条纹中心提取方法 | |
CN111968079B (zh) | 基于断面局部极值及分段稀疏的三维路面裂缝提取方法 | |
CN108510544B (zh) | 一种基于特征聚类的光条定位方法 | |
Zhang et al. | Research on the size of mechanical parts based on image recognition | |
CN111462214A (zh) | 一种基于Hough变换的线结构光条纹中心线提取方法 | |
CN112991327B (zh) | 基于机器视觉的钢格网焊接系统、方法和终端设备 | |
CN112330667B (zh) | 一种基于形态学的激光条纹中心线提取方法 | |
CN114119957A (zh) | 高速铁路钢轨廓形检测方法及装置 | |
CN113223074A (zh) | 一种水下激光条纹中心提取方法 | |
CN111243006A (zh) | 一种基于图像处理的液滴接触角及尺寸的测量方法 | |
CN113409334B (zh) | 一种基于质心的结构光角点检测方法 | |
CN115471537A (zh) | 一种基于单目摄像头的移动目标距离与高度的测量方法 | |
CN116052120A (zh) | 基于图像增强和多传感器融合的挖掘机夜间物体检测方法 | |
CN114494165A (zh) | 一种基于聚类的光条提取方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200609 |