CN111798519A - 激光条纹中心的提取方法、装置、电子设备及存储介质 - Google Patents
激光条纹中心的提取方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111798519A CN111798519A CN202010707470.7A CN202010707470A CN111798519A CN 111798519 A CN111798519 A CN 111798519A CN 202010707470 A CN202010707470 A CN 202010707470A CN 111798519 A CN111798519 A CN 111798519A
- Authority
- CN
- China
- Prior art keywords
- laser
- boundary
- center
- image
- laser stripe
- 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- Withdrawn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
- 238000000034 method Methods 0.000 title claims abstract description 93
- 238000000605 extraction Methods 0.000 claims abstract description 75
- 230000004927 fusion Effects 0.000 claims abstract description 50
- 230000005484 gravity Effects 0.000 claims abstract description 38
- 238000001914 filtration Methods 0.000 claims description 32
- 230000008602 contraction Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 230000004807 localization Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 abstract description 5
- 238000013461 design Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000007499 fusion processing Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012360 testing method Methods 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种激光条纹中心的提取方法、装置、电子设备及存储介质，包括：获取同一激光条纹在不同曝光度下的多张激光条纹图像，其中，所述多张激光条纹图像的曝光度互不相同；对每张所述激光条纹图像进行激光边界搜索，确定每张所述激光条纹图像中激光的边界；根据每张所述激光条纹图像中激光的边界，对多张激光条纹图像进行融合，得到激光条纹融合图像；根据灰度重心法，从所述激光条纹融合图像中提取激光条纹的中心。由于是先对不同曝光度下的多张图像进行融合，再提取激光条纹的中心，因此，较好地改善了复杂环境因素对激光图像质量带来的影响，使激光轮廓线中心的提取更加准确高效。
Description
技术领域
本申请涉及机器视觉领域，具体而言，涉及一种激光条纹中心的提取方法、装置、电子设备及存储介质。
背景技术
线激光立体相机是基于激光三角测量原理，向被测物发射单线激光，利用高速图像采集系统获取被测物表面漫反射的激光轮廓线，并通过内置的图像处理算法实时计算并输出被测物三维信息的设备。在内置的图像处理算法中，其核心是如何准确高效的将激光轮廓线的中心提取出来。
在建筑环境中，由于被测物体表面的材质各异，同时环境光变化较大，因此采集到的激光图像质量良莠不齐，复杂的环境因素对激光图像质量带来较大的影响。
发明内容
本申请实施例的目的在于提供一种激光条纹中心的提取方法、装置、电子设备及存储介质，用以改善现有技术中复杂环境因素对激光图像质量带来的影响的问题。
第一方面，本申请实施例提供了一种激光条纹中心的提取方法，所述方法包括：获取同一激光条纹在不同曝光度下的多张激光条纹图像，其中，所述多张激光条纹图像的曝光度互不相同；对每张所述激光条纹图像进行激光边界搜索，确定每张所述激光条纹图像中激光的边界；根据每张所述激光条纹图像中激光的边界，对多张激光条纹图像进行融合，得到激光条纹融合图像；根据灰度重心法，从所述激光条纹融合图像中提取激光条纹的中心。
在上述的实施方式中，可以先获取同一激光条纹在不同曝光度下的多张图像，然后通过激光边界搜索，确定出激光的边界；随后对确定出边界的多张激光条纹图像进行融合，得到激光条纹融合图像；再利用灰度重心法从激光条纹融合图像中提取激光条纹的中心。由于是先对不同曝光度下的多张图像进行融合，再提取激光条纹的中心，因此，较好地改善了复杂环境因素对激光图像质量带来的影响，使激光轮廓线中心的提取更加准确高效。
在一个可能的设计中，所述对每张所述激光条纹图像进行激光边界搜索，确定每张所述激光条纹图像中激光的边界，包括：对每张所述激光条纹图像的至少一段激光条纹：若激光点为对应的激光条纹在激光的延伸方向的起点，在激光的宽度方向搜索灰度值大于或等于灰度阈值的至少一个激光段；计算所述至少一个激光段中每个激光段的激光强度，将所述激光强度最大的激光段作为所述激光点的边界；若激光点不为对应的激光条纹在激光的延伸方向的起点，在所述激光点所在的激光的宽度方向上获取前一激光点的边界对应的位置点；判断前一激光点的边界对应的位置点的灰度值是否大于或等于边界灰度阈值；若是，则沿边界扩张的方向查找位置点，直至查找到灰度值小于所述边界灰度阈值的位置点，所述位置点为所述激光点的边界；若否，则沿边界收缩的方向查找位置点，直至查找到灰度值大于或等于所述边界灰度阈值的位置点，所述位置点为所述激光点的边界。
在上述的实施方式中，若激光点是激光条纹中在激光延伸方向的起点，则意味着该激光点在确定激光边界时，无前一激光点作为参考，因此，在该激光点所在的宽度方向上搜索灰度值大于或等于灰度阈值的多个激光段，然后从中选择激光强度最大的激光段作为该激光点的边界；若激光点有前一激光点作为参考，则可以在与前一激光点的边界相同的位置判断灰度值是否大于或等于边界灰度阈值，若是，则沿边界扩张的方向查找位置点，直到查找到灰度值小于边界灰度阈值的点，并将该点作为边界；若否，则沿边界收缩的方向查找位置点，直至查找到灰度值大于或等于灰度阈值的位置点，并将该点作为边界。对于有前一激光点可以参考的激光点来说，较大程度的减少了边界搜索所要花费的时间，提高了边界搜索的效率。
在一个可能的设计中，在前一激光点的边界对应的位置点的灰度值小于边界灰度阈值的情况下，所述方法还包括：若沿边界收缩的方向查找位置点，未查找到灰度值大于或等于所述边界灰度阈值的位置点，则判断激光的宽度方向上是否有灰度值大于或等于灰度阈值的至少一个激光段；若是，计算所述至少一个激光段中每个激光段的激光强度，将所述激光强度最大的激光段作为所述激光点的边界；若否，确定所述激光条纹在此位置断裂。
在上述的实施方式中，若沿边界收缩的方向查找位置点时，未查找到满足灰度阈值条件的位置点，则进行判断：激光的宽度方向上是否有灰度值大于或等于灰度阈值的至少一个激光段。若有，则计算每个激光段的激光强度，将激光强度最大的激光段作为激光点的边界；否则可以判定激光条纹在此位置断裂。激光条纹通常会同时出现在相邻的两种不同的介质上，因此可以通过上述方法来判断激光条纹是否断裂。
在一个可能的设计中，所述根据每张所述激光条纹图像中激光的边界，对多张激光条纹图像进行融合，得到激光条纹融合图像，包括：对激光的延伸方向上的每个像素段，所述每个像素段均在激光的宽度方向延伸，每个像素段沿所述激光的延伸方向排列：计算像素段在不同曝光度下的每张所述激光条纹图像的激光的边界的边界宽度；筛选出像素段的边界宽度大于0的至少一张激光条纹图像，其中，所述边界宽度大于0的激光条纹图像为第一图像；计算每张第一图像中像素段对应的边界宽度范围内的平均灰度值；判断平均灰度值是否大于平均灰度阈值；若是，将所述像素段在最低曝光度下的激光条纹图像的激光的边界作为激光条纹融合图像的激光的边界；若否，将所述像素段在最高曝光度下的激光条纹图像的激光的边界作为激光条纹融合图像的激光的边界。
在上述的实施方式中，先筛选出像素段的边界宽度大于0的激光条纹图像，将该图像记作第一图像，然后判断每张第一图像中的像素段的边界宽度范围内的平均灰度值是否大于平均灰度阈值，若是，则表示该像素段为亮度较高的像素段，因此可以选择最低曝光度下的激光条纹图像的边界作为融合图像的边界，从而可以减少高曝光带来的误差；若否，则表示该像素段为亮度较低的像素段，因此为了可以得到清晰的激光边界，便选择最高曝光度下的激光条纹图像的边界作为融合图像的边界。通过上述的图像融合过程可以对激光条纹的质量进行适应性调整，从而提高激光条纹的成像质量，使激光轮廓线中心的提取更加准确高效。
在一个可能的设计中，所述根据灰度重心法，从所述激光条纹融合图像中提取激光条纹的中心，包括：计算所述激光条纹融合图像中，激光的延伸方向上的每个像素段的边界范围，其中，每个像素段均在激光的宽度方向延伸，每个像素段沿所述激光的延伸方向排列；根据每个像素段的边界范围，确定每个像素段的粗定位中心；对一像素段，判断所述像素段的粗定位中心对应的邻域中的其他粗定位中心与所述像素段的粗定位中心是否满足预设关系，其中，每个像素段均有对应的邻域，所述邻域为包含所述像素段的粗定位中心在内的沿激光的延伸方向延展的区间；若是，则根据邻域中的其他粗定位中心与所述像素段的粗定位中心的位置关系以及灰度重心法，计算所述像素段的中心。
在上述的实施方式中，先判断像素段的粗定位中心对应的邻域内的其他粗定位中心与该像素段的粗定位中心是否满足预设关系，若满足，则表示该像素段距离激光条纹的端点有一定的距离，因此，可以结合邻域内的其他粗定位中心与该像素段的粗定位中心之间的位置关系以及灰度重心法，得到像素段的中心。由于在计算像素段的中心的过程中结合了位置关系，使得提取出的像素段的中心更加的平滑。
在一个可能的设计中，在判断所述像素段的粗定位中心对应的邻域中的其他粗定位中心与所述像素段的粗定位中心是否满足预设关系之后，所述方法还包括：若不满足预设关系，根据灰度重心法计算所述像素段的中心。
在上述的实施方式中，若不满足，则表示该像素段位于激光条纹的端点附近，因此，可以直接依据灰度重心法计算该像素段的中心。
在一个可能的设计中，所述根据邻域中的其他粗定位中心与所述像素段的粗定位中心的位置关系以及灰度重心法，计算所述像素段的中心，包括：根据公式
计算所述像素段的中心y，其中，
为权值，x为所述像素段的列数，j为其他粗定位中心的列数，g(j,i)为像素点(j,i)的灰度值，i为其他粗定位中心的行数，s为邻域半径，邻域为[x-s,x+s]，Bu为像素段的边界范围的上边界，Bd为像素段的边界范围的下边界。
在上述的实施方式中，将邻域内的其他粗定位中心与该像素段的粗定位中心之间的位置关系w作为灰度重心法的权重，从而对灰度重心法做出了改进，，使得提取出的像素段的中心更加的平滑。
在一个可能的设计中，所述根据灰度重心法，从所述激光条纹融合图像中提取激光条纹的中心，包括：利用高斯核K1、K2，分别对所述激光条纹融合图像进行高斯滤波，得到高斯核K1对应的滤波结果以及高斯核K2对应的滤波结果，其中，K1大于K2；利用灰度重心法对上述两个滤波结果进行中心提取，得到高斯核K1对应的中心提取结果G1以及高斯核K2对应的中心提取结果G2；计算中心提取结果G1与中心提取结果G2做差后的差值的平均值
若offset<＝ofTH，将中心提取结果G1作为激光条纹的中心的最终结果，其中，ofTH为中心结果阈值；若offset>ofTH，将中心提取结果G2作为激光条纹的中心的最终结果。
在上述的实施方式中，可以利用两个不同的高斯核分别对融合后的激光条纹融合图像进行滤波，得到两个滤波结果，然后利用灰度重心法对上述两个滤波结果进行中心提取，根据两个中心提取结果的差值的平均值与中心结果阈值的关系，从两个滤波结果中选出适合的滤波结果，当激光线较为平滑时，为了减少高频噪声，提高精度，可采用较大的高斯核对应的滤波结果。当激光线的轮廓特征较为复杂时，为了能够捕获物体的细节特征，可采用较小的高斯核对应的滤波结果。
第二方面，本申请实施例提供了一种激光条纹中心的提取装置，所述装置包括：
图像获取模块，用于获取同一激光条纹在不同曝光度下的多张激光条纹图像，其中，所述多张激光条纹图像的曝光度互不相同；
边界确定模块，用于对每张所述激光条纹图像进行激光边界搜索，确定每张所述激光条纹图像中激光的边界；
图像融合模块，用于根据每张所述激光条纹图像中激光的边界，对多张激光条纹图像进行融合，得到激光条纹融合图像；
中心提取模块，用于根据灰度重心法，从所述激光条纹融合图像中提取激光条纹的中心。
在一个可能的设计中，边界确定模块，具体用于对每张所述激光条纹图像的至少一段激光条纹：若激光点为对应的激光条纹在激光的延伸方向的起点，在激光的宽度方向搜索灰度值大于或等于灰度阈值的至少一个激光段；计算所述至少一个激光段中每个激光段的激光强度，将所述激光强度最大的激光段作为所述激光点的边界；若激光点不为对应的激光条纹在激光的延伸方向的起点，在所述激光点所在的激光的宽度方向上获取前一激光点的边界对应的位置点；判断前一激光点的边界对应的位置点的灰度值是否大于或等于边界灰度阈值；若是，则沿边界扩张的方向查找位置点，直至查找到灰度值小于所述边界灰度阈值的位置点，所述位置点为所述激光点的边界；若否，则沿边界收缩的方向查找位置点，直至查找到灰度值大于或等于所述边界灰度阈值的位置点，所述位置点为所述激光点的边界。
在一个可能的设计中，所述装置还包括：激光段判断模块，用于当沿边界收缩的方向查找位置点，未查找到灰度值大于或等于所述边界灰度阈值的位置点时，判断激光的宽度方向上是否有灰度值大于或等于灰度阈值的至少一个激光段；边界判定模块，用于计算所述至少一个激光段中每个激光段的激光强度，将所述激光强度最大的激光段作为所述激光点的边界；激光断裂判定模块，用于确定所述激光条纹在此位置断裂。
在一个可能的设计中，图像融合模块，具体用于对激光的延伸方向上的每个像素段，所述每个像素段均在激光的宽度方向延伸，每个像素段沿所述激光的延伸方向排列：计算像素段在不同曝光度下的每张所述激光条纹图像的激光的边界的边界宽度；筛选出像素段的边界宽度大于0的至少一张激光条纹图像，其中，所述边界宽度大于0的激光条纹图像为第一图像；计算每张第一图像中像素段对应的边界宽度范围内的平均灰度值；判断平均灰度值是否大于平均灰度阈值；若是，将所述像素段在最低曝光度下的激光条纹图像的激光的边界作为激光条纹融合图像的激光的边界；若否，将所述像素段在最高曝光度下的激光条纹图像的激光的边界作为激光条纹融合图像的激光的边界。
在一个可能的设计中，中心提取模块，具体用于计算所述激光条纹融合图像中，激光的延伸方向上的每个像素段的边界范围，其中，每个像素段均在激光的宽度方向延伸，每个像素段沿所述激光的延伸方向排列；根据每个像素段的边界范围，确定每个像素段的粗定位中心；对一像素段，判断所述像素段的粗定位中心对应的邻域中的其他粗定位中心与所述像素段的粗定位中心是否满足预设关系，其中，每个像素段均有对应的邻域，所述邻域为包含所述像素段的粗定位中心在内的沿激光的延伸方向延展的区间；若是，则根据邻域中的其他粗定位中心与所述像素段的粗定位中心的位置关系以及灰度重心法，计算所述像素段的中心。
在一个可能的设计中，中心提取模块，具体用于当所述像素段的粗定位中心对应的邻域中的其他粗定位中心与所述像素段的粗定位中心不满足预设关系，根据灰度重心法计算所述像素段的中心。
在一个可能的设计中，中心提取模块，具体用于根据公式
计算所述像素段的中心y，其中，
为权值，x为所述像素段的列数，j为其他粗定位中心的列数，g(j,i)为像素点(j,i)的灰度值，i为其他粗定位中心的行数，s为邻域半径，邻域为[x-s,x+s]，Bu为像素段的边界范围的上边界，Bd为像素段的边界范围的下边界。
在一个可能的设计中，中心提取模块，具体用于利用高斯核K1、K2，分别对所述激光条纹融合图像进行高斯滤波，得到高斯核K1对应的滤波结果以及高斯核K2对应的滤波结果，其中，K1大于K2；利用灰度重心法对上述两个滤波结果进行中心提取，得到高斯核K1对应的中心提取结果G1以及高斯核K2对应的中心提取结果G2；计算中心提取结果G1与中心提取结果G2做差后的差值的平均值
若offset<＝ofTH，将中心提取结果G1作为激光条纹的中心的最终结果，其中，ofTH为中心结果阈值；若offset>ofTH，将中心提取结果G2作为激光条纹的中心的最终结果。
第三方面，本申请提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行第一方面或第一方面的任一可选的实现方式所述的方法。
第四方面，本申请提供一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行第一方面或第一方面的任一可选的实现方式所述的方法。
第五方面，本申请提供一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行第一方面或第一方面的任意可能的实现方式中的方法。
为使本申请实施例所要实现的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的激光条纹中心的提取方法的流程示意图；
图2为图1中步骤S120的具体步骤的流程示意图；
图3为图1中步骤S130的具体步骤的流程示意图；
图4为图1中步骤S140的具体步骤的流程示意图；
图5为本申请实施例提供的激光条纹中心的提取装置的结构框图；
图6a示出了确定激光的边界的一种结果的示意图；
图6b示出了确定激光的边界的另一种结果的示意图；
图7示出了激光条纹图像融合的结果示意图；
图8示出了|L'm-Lm|<|Δx|+2所反映的状态的示意图；
图9a示出了利用原有灰度重心法提取中心线的结果示意图；
图9b示出了利用改进后的灰度重心法提取中心线的结果示意图；
图10a示出了激光条纹的某一位置的提取效果图；
图10b示出了激光条纹的另一位置的提取效果图；
图11示出了将激光条纹图像分为多张子图像的示意图。
具体实施方式
传统的激光条纹中心线提取算法有极值法、阈值法、几何中心法、边缘法等，这些算法处理速度快，算法简单，但精度仅能达到像素级别；激光条纹中心线提取算法还有模板法、灰度重心法和Steger算法，它们能够达到亚像素的检测精度，抗干扰能力强，但处理速率欠佳。线激光立体相机帧率需达到几千帧甚至上万帧，为此在保证精度的前提下需尽可能的提高算法处理速度。在建筑环境中，由于被测物体表面的材质各异，同时环境光变化较大，因此采集到的激光图像质量良莠不齐。
在本申请实施例中，由于是先对不同曝光度下的多张图像进行融合，再提取激光条纹的中心，因此，较好地改善了复杂环境因素对激光图像质量带来的影响，使激光轮廓线中心的提取更加准确高效。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
图1为本申请实施例提供的激光条纹中心的提取方法的一种具体实施方式的流程示意图，被申请实施例提供的方法可以应用在建筑行业例如墙板安装、地砖铺贴等典型应用场景，被测物体可以为相邻的墙板或相邻的地砖。该方法可以由电子设备来执行，该电子设备可以是服务器，也可以是用户终端，该方法具体包括如下步骤S110至步骤S140：
步骤S110，获取同一激光条纹在不同曝光度下的多张激光条纹图像，其中，所述多张激光条纹图像的曝光度互不相同。
可选地，可以通过相机在不同曝光度下获取一组图像，不妨设曝光度的种类为a种，同一激光条纹在a种曝光度下对应有a张激光条纹图像。
步骤S120，对每张所述激光条纹图像进行激光边界搜索，确定每张所述激光条纹图像中激光的边界。
由于被测物体可以为相邻的介质，例如相邻的墙板或相邻的地砖等。因此激光条纹照射在被测物体上通常会被相邻的介质分为多个激光段。
可选地，请参见图2，在一种具体实施方式中，对每张所述激光条纹图像的多段激光条纹，步骤S120可以执行如下步骤S121至步骤S126：
步骤S121，若激光点为对应的激光条纹在激光的延伸方向的起点，在激光的宽度方向搜索灰度值大于或等于灰度阈值的至少一个激光段。
激光的延伸方向可以指激光的发射方向，激光的宽度方向为与激光的延伸方向垂直的方向，可选地，激光可以按照从左往右的方向延伸，对应的，激光的宽度方向为激光的上下方向；激光也可以按照从上往下的方向延伸，对应的，激光的宽度方向为激光的左右方向。为了便于说明，请参见图6a，不妨设激光的延伸方向为图6a示出的从左向右延伸的方向，激光的宽度方向为图6a示出的上下方向，则激光条纹在激光的延伸方向的起点便是该激光条纹的最左端的端点。
对于激光条纹在激光的延伸方向的起点，可以在起点位置沿激光的宽度方向搜索激光段，例如，请参见图6a，可以沿着图6a的第一列像素从上到下的顺序搜索灰度值大于或等于灰度阈值的激光段，得到多组边界坐标[Bn u,Bn d]，其中n表示边界坐标的组数，u表示该组的上边界，d表示该组的下边界。图6a中第一列像素共搜索出3组，分别设为[B1 u,B1 d]，[B2 u,B2 d]和[B3 u,B3 d]。
步骤S122，计算所述至少一个激光段中每个激光段的激光强度，将所述激光强度最大的激光段作为所述激光点的边界。
可以计算每个激光段的激光强度，并从中选出激光强度最大的激光段，将其作为激光点的边界。
在计算每个激光段的激光强度时，可以计算每个激光段中的全部像素点的灰度值的平均值，并将灰度值的平均值作为上述的激光强度；在一些实施方式中，也可以计算每个激光段中的全部像素点的灰度值的总和，并将灰度值的总和作为上述的激光强度。激光强度的具体计算方法不应该理解为是对本申请的限制。
接上文的举例继续进行说明：
分别计算[B1 u,B1 d]对应的激光强度，[B2 u,B2 d]对应的激光强度和[B3 u,B3 d]对应的激光强度，并从中选出激光强度最大的激光段，例如，不妨设第二组[B2 u,B2 d]为激光强度最大的激光段，选取第二组[B2 u,B2 d]作为第一列像素点的激光边界[Bu,Bd]。
步骤S123，若激光点不为对应的激光条纹在激光的延伸方向的起点，在所述激光点所在的激光的宽度方向上获取前一激光点的边界对应的位置点。
激光点不为对应的激光条纹在激光延伸方向的起点，即表示该激光点有前一激光点的边界可以参考。
接上文的举例继续进行说明：
不妨以图6a的第二列像素点为例，可以在第二列像素点上找出第一列像素点的边界对应的位置点，边界包括上边界和下边界，因此可以在第二列像素点上找出第一列的上边界对应的位置点和下边界对应的位置点。
步骤S124，判断前一激光点的边界对应的位置点的灰度值是否大于或等于边界灰度阈值，若是，执行步骤S125；若否，执行步骤S126。
将前一激光点的边界对应的位置点的灰度值与边界灰度阈值进行比较，若大于或等于边界灰度阈值，则表征当前位置处于激光条纹的较为靠近中心的位置，因此，可以执行步骤S125；若小于边界灰度阈值，则表征当前位置距离激光条纹较远，执行步骤S126。
步骤S125，沿边界扩张的方向查找位置点，直至查找到灰度值小于所述边界灰度阈值的位置点，所述位置点为所述激光点的边界。
可以向边界扩张的方向查找位置点，且查找的方法是沿边界扩张的方向，每扩张一个像素点，便将其的灰度值与边界灰度阈值进行比较，直到找到灰度值小于边界灰度阈值的位置点。应当理解，边界扩张方向对于不同的边界是不同的，对于上边界，其边界扩张方向为向上；对于下边界，其边界扩张方向为向下。
步骤S126，沿边界收缩的方向查找位置点，直至查找到灰度值大于或等于所述边界灰度阈值的位置点，所述位置点为所述激光点的边界。
可以向边界收缩的方向查找位置点，且查找的方法是沿边界收缩的方向，每收缩一个像素点，便将其的灰度值与边界灰度阈值进行比较，直到找到灰度值大于或等于边界灰度阈值的位置点。应当理解，边界收缩方向对于不同的边界是不同的，对于上边界，其边界收缩方向为向下；对于下边界，其边界收缩方向为向上。
接上文的举例继续说明，对图6a的第二列像素点至第十列像素点，均可以按照步骤S123至步骤S126的流程确定激光边界。
可选地，若沿边界收缩的方向查找位置点，未查找到灰度值大于或等于所述边界灰度阈值的位置点，则判断激光的宽度方向上是否有灰度值大于或等于灰度阈值的至少一个激光段；若是，计算所述至少一个激光段中每个激光段的激光强度，将所述激光强度最大的激光段作为所述激光点的边界；若否，确定所述激光条纹在此位置断裂。
若沿激光的收缩方向查找位置点，始终未查找到灰度值大于或等于边界灰度阈值的位置点，请参见图6b的第六列像素点，则至少可以确定激光边界在该列像素点不连续；则判断该列像素点的上下方向上是否有灰度值大于或等于灰度阈值的激光段，若有，则可以按照步骤S121至步骤S122的方式确定激光边界；若无，则判定该列像素点中无任一像素点被激光照射，即激光条纹在此位置断裂。对于该列像素点的后一列，可以继续执行：判断该列像素点的上下方向上是否有灰度值大于或等于灰度阈值的激光段的步骤。
若激光点是激光条纹中在激光延伸方向的起点，则意味着该激光点在确定激光边界时，无前一激光点作为参考，因此，在该激光点所在的宽度方向上搜索灰度值大于或等于灰度阈值的多个激光段，然后从中选择激光强度最大的激光段作为该激光点的边界；若激光点有前一激光点作为参考，则可以在与前一激光点的边界相同的位置判断灰度值是否大于或等于边界灰度阈值，若是，则沿边界扩张的方向查找位置点，直到查找到灰度值小于边界灰度阈值的点，并将该点作为边界；若否，则沿边界收缩的方向查找位置点，直至查找到灰度值大于或等于灰度阈值的位置点，并将该点作为边界。对于有前一激光点可以参考的激光点来说，较大程度的减少了边界搜索所要花费的时间，提高了边界搜索的效率。
可选地，对于激光从左向右延伸的每张所述激光条纹图像，可以从第一列开始，按照从上到下的顺序查找至少一段激光段，若查找到，则按照步骤S121至步骤S122的方式确定激光边界；若未查找到，则判定该列未被激光照射，对下一列继续按照从上到下的顺序查找至少一段激光段，直到找到有至少一段激光段的像素点所在的列，并确定出有至少一段激光段的像素点所在的列的激光边界，在有某一列确定出激光边界后，该列的后一列可以按照步骤S123至步骤S126的流程确定激光边界。即：若无法按照步骤S123至步骤S126的流程确定激光边界，便按照从上到下的顺序查找至少一段激光段，若从上到下的顺序依然无法查找到激光段，则判定该列无激光，对下一列依然按照从上到下的顺序查找至少一段激光段，直到结束所有列的搜索。
可选地，在一种具体实施方式中，对于激光条纹图像的每一列，均可以按照步骤S121至步骤S122的方式确定激光边界。对激光条纹图像确定激光边界的具体方式不应该理解为是对本申请的限制。
步骤S130，根据每张所述激光条纹图像中激光的边界，对多张激光条纹图像进行融合，得到激光条纹融合图像。
可选地，请参见图3，在一种具体实施方式中，对激光的延伸方向上的每个像素段，步骤S130可以执行如下步骤S131至步骤S136。其中，所述每个像素段均在激光的宽度方向延伸，每个像素段沿所述激光的延伸方向排列。
步骤S131，计算像素段在不同曝光度下的每张所述激光条纹图像的激光的边界的边界宽度。
接上文的举例继续进行说明：上述的像素段为图6a和图6b中某一列中的被激光照射的连续多个像素点组成的像素段。上述多个像素点中的最上面的像素点为该列的激光的上边界，多个像素点中最下面的像素段为该列的激光的下边界。
在进行完激光边界搜索后，可以得到同一像素段在不同曝光度下对应的上边界Bu和下边界Bd。然后利用公式|Bu-Bd|+1，便可以计算出同一像素段在不同曝光度下的边界宽度。
步骤S132，筛选出像素段的边界宽度大于0的至少一张激光条纹图像，其中，所述边界宽度大于0的激光条纹图像为第一图像。
从多个曝光度下的激光条纹图像中筛选出同一像素段的边界宽度大于0的至少一张激光条纹图像，为便于描述，不妨将筛选出的同一像素段的边界宽度大于0的激光条纹图像记为第一图像。
步骤S133，计算每张第一图像中像素段对应的边界宽度范围内的平均灰度值。
在筛选出对于同一像素段的第一图像后，可以计算该像素段在边界宽度范围内的平均灰度值，例如，计算该像素段的多个像素点的灰度值之和，然后用灰度值之和除以该像素段的像素点的总个数，得到平均灰度值。
步骤S134，判断平均灰度值是否大于平均灰度阈值，若是，执行步骤S135；若否，执行步骤S136。
平均灰度阈值可以为用户设置的一个阈值。将平均灰度值与平均灰度阈值进行比较，若平均灰度值大于平均灰度阈值，则表征该曝光度下的第一图像中的像素段为亮度较高的像素段，执行步骤S135；表征该曝光度下的第一图像中的像素段为亮度较低的像素段，执行步骤S136。
步骤S135，将所述像素段在最低曝光度下的激光条纹图像的激光的边界作为激光条纹融合图像的激光的边界。
若像素段的亮度较高，可以选择最低曝光度下的激光条纹图像的边界作为融合图像的边界，从而可以减少高曝光带来的误差。
步骤S136，将所述像素段在最高曝光度下的激光条纹图像的激光的边界作为激光条纹融合图像的激光的边界。
若像素段的亮度较低，为了可以得到清晰的激光边界，便选择最高曝光度下的激光条纹图像的边界作为融合图像的边界。
在进行过该像素段的不同曝光度的激光条纹图像的选择后，对下一像素段，依然可以按照步骤S131至步骤S136的方式选择其对应的激光条纹图像，从而实现每一像素段的激光条纹图像的曝光度的选择，完成图像的融合，请参见图7，图7示出了将四张不同曝光度的激光条纹图像(l1、l2、l3、l4)进行图像融合，得到激光条纹融合图像l’的示意图。
先筛选出像素段的边界宽度大于0的激光条纹图像，将该图像记作第一图像，然后判断每张第一图像中的像素段的边界宽度范围内的平均灰度值是否大于平均灰度阈值，若是，则表示该像素段为亮度较高的像素段，因此可以选择最低曝光度下的激光条纹图像的边界作为融合图像的边界，从而可以减少高曝光带来的误差；若否，则表示该像素段为亮度较低的像素段，因此为了可以得到清晰的激光边界，便选择最高曝光度下的激光条纹图像的边界作为融合图像的边界。在满足亮度要求的前提下选择曝光最低的图像的像素段作为该列的融合结果；若该像素段全部曝光度下的激光条纹图像的平均亮度都低于亮度要求，则选择曝光最强的图像的像素段作为该列的融合结果，从而能把亮度不足的地方通过大曝光的图像进行补足，把过度曝光的区域通过小曝光图像进行替换，得到较为合理的图像，解决反光吸光问题，同时对不同材质的目标进行重建。通过上述的图像融合过程可以对激光条纹的质量进行适应性调整，从而提高激光条纹的成像质量，使激光轮廓线中心的提取更加准确高效。
可选地，在另一种具体实施方式中，可以分别对不同曝光下的多张激光条纹图像进行中心线提取，并对不同图像对应相同位置的像素段的中心线提取结果进行平均，如果该平均值与曝光值最小且该位置像素段长度不为0的图像的同一像素段的中心线提取结果接近时，将该平均值作为激光条纹融合图像中该像素段的中心线提取结果，否则将曝光值最小且该位置像素段长度不为0的图像的中心线提取结果作为激光条纹融合图像中该像素段的中心线提取结果。
步骤S140，根据灰度重心法，从所述激光条纹融合图像中提取激光条纹的中心。
可选地，请参见图4，在一种具体实施方式中，步骤S140可以执行如下步骤S141至步骤S145：
步骤S141，计算所述激光条纹融合图像中，激光的延伸方向上的每个像素段的边界范围，其中，每个像素段均在激光的宽度方向延伸，每个像素段沿所述激光的延伸方向排列。
像素段的边界范围便是像素段在激光的宽度方向的两个边界。为了便于描述，接上文的举例继续说明。可以得到激光条纹融合图像中每个像素段的上边界Bu和下边界Bd。其中，每个像素段被包含在激光条纹融合图像的对应每列像素点中。
步骤S142，根据每个像素段的边界范围，确定每个像素段的粗定位中心。
粗定位中心可以为上边界Bu和下边界Bd的中心位置，即可以根据公式
确定每个像素段的粗定位中心。
步骤S143，对一像素段，判断所述像素段的粗定位中心对应的邻域中的其他粗定位中心与所述像素段的粗定位中心是否满足预设关系，若是，执行步骤S144；若否，执行步骤S145。
其中，每个像素段均有对应的邻域，所述邻域为包含所述像素段的粗定位中心在内的沿激光的延伸方向延展的区间，区间的半径可以由人为设定，不妨设区间的半径为s，当前像素段所在的列为第x列，则邻域为[x-s,x+s]，设该邻域内其他粗定位中心为L'm。
上述的预设关系可以为：判断邻域内的其他像素段的粗定位中心L'm与像素段的粗定位中心Lm是否均满足|L'm-Lm|<|Δx|+2，其中，|Δx|为当前像素段所在的列与邻域内的某一其他像素段所在的列之间的距离，例如，当前像素段所在的列为第x列，某一其他像素段所在的列为第p列，则两者的列距便为|x-p|。请参见图8，图8示出了|L'm-Lm|<|Δx|+2所反映的状态。
若邻域内的其他像素段中任一像素段的粗定位中心与当前像素段的粗定位中心均满足|L'm-Lm|<|Δx|+2，则可以执行步骤S144；若邻域内的其他像素段中有任一像素段不满足|L'm-Lm|<|Δx|+2，则执行步骤S145。
可选地，在一种具体实施方式中，预设关系可以为判断邻域内的其他像素段的粗定位中心L'm与像素段的粗定位中心Lm是否均满足|L'm-Lm|<|Δx|+4。
步骤S144，根据邻域中的其他粗定位中心与所述像素段的粗定位中心的位置关系以及灰度重心法，计算所述像素段的中心。
可选地，步骤S144具体包括：根据公式
计算所述像素段的中心y，其中，
为权值，x为所述像素段所在的列的列数，j为其他粗定位中心所在的列的列数，g(j,i)为像素点(j,i)的灰度值，i为其他粗定位中心的行数，s为邻域半径，邻域为[x-s,x+s]，Bu为像素段的边界范围的上边界，Bd为像素段的边界范围的下边界。
步骤S145，根据灰度重心法计算所述像素段的中心。
根据公式
计算像素段的中心y，其中，g(x,i)为像素点(x,i)的灰度值，x表示图像中的第x列，即当前像素段所在的列，i表示图像中的第i行，n表示图像的行数，则y为所求激光条纹在第x列时y方向的亚像素值，点(x,y)为所求点。
由于当前列的像素段的邻域的存在，使得激光条纹的端点附近邻域会变成0，即激光条纹的端点附近仅根据灰度重心法进行计算。同时，上述方法在计算时，选取的数据为激光边界，因此，不会受到图像中其他激光条纹的影响。上述方法在计算时，增加了权重信息w，且其他列越靠近当前列的粗定位中心，w越高；其他列越远离当前列的粗定位中心，w越低。请参见图9a和图9b，图9a示出了利用原有灰度重心法提取中心线的结果示意图，图9b示出了利用步骤S141至步骤S145示出的改进后的灰度重心法提取中心线的结果示意图，可见图9b示出的改进后的灰度重心法提取的中心线的结果更加平滑。
可选地，在另一种具体实施方式中，也可以仅使用步骤S145的方法从激光条纹融合图像中提取激光条纹的中心。
在一种具体实施方式中，步骤S140具体可以包括：
利用高斯核K1、K2，分别对所述激光条纹融合图像进行高斯滤波，得到高斯核K1对应的滤波结果以及高斯核K2对应的滤波结果，其中，K1大于K2；利用灰度重心法对上述两个滤波结果进行中心提取，得到高斯核K1对应的中心提取结果G1以及高斯核K2对应的中心提取结果G2；计算中心提取结果G1与中心提取结果G2做差后的差值的平均值
其中，n为该激光条纹图像中该段激光条纹的总列数；若offset<＝ofTH，将中心提取结果G1作为激光条纹的中心的最终结果，其中，ofTH为中心结果阈值；若offset>ofTH，将中心提取结果G2作为激光条纹的中心的最终结果。
K1大小为(La,La)，K2大小为(Lb,Lb)，其中La大于Lb，La与Lb的具体数值可以由用户设置。利用灰度重心法对上述两个滤波结果进行中心提取时，可以利用步骤S141至步骤S145示出的改进后的灰度重心法进行中心提取，也可以利用步骤S145示出的灰度重心法进行中心提取，中心提取的具体过程不应理解为是对本申请的限制。
当激光线较为平滑时，为了减少高频噪声，提高精度，可采用较大的高斯核K1进行高斯滤波；当激光线的轮廓特征较为复杂时，为了能够捕获物体的细节特征，可采用较小的高斯核K2进行高斯滤波。
若offset>ofTH，则认为两次高斯滤波后中心线提取的差异较大，此时认为激光线抖动程度较高，则选取高斯核较小的高斯滤波图像提取的结果G2作为该段激光条纹中心线提取的最终结果G，此时能不丢失目标的细节特征，尽可能的还原物体的真实三维结构。
若offset<＝ofTH，则认为两次高斯滤波后中心线提取的差异较小，此时认为激光线抖动程度较低，则选取高斯核较大的高斯滤波图像提取的结果G1作为该段激光条纹中心线提取的最终结果G，此时能滤除高频噪声，使目标更加平滑。
图10a和图10b是同一张激光条纹的不同位置的提取效果，可以看到采用上述方式后，图10a中轮廓特征较单一的激光线提取结果更平滑，图10b中轮廓抖动剧烈的激光线细节能够更好的保留。
可选地，在一种具体实施方式中，对于本申请实施例提供的激光条纹中心的提取方法，可以对每张不同曝光度下的激光条纹图像按照相同的方式分成多张激光条纹子图像。子图像的数量可以与开辟的线程数量一致，设开辟的线程数量为Nthreads。
例如，不妨设开辟的线程数量为4，则可以将每张不同曝光度下的激光条纹图像都分成4张子图像，激光条纹图像中的激光条纹也随之被分成4段激光线，详情请参见图11，4张子图像可以分别标记为①、②、③、④，其中同一编号表示同一段激光线在不同曝光下的效果。其中，相同编号的图像可以作为一组，在同一线程下进行计算，因此，Nthreads个编号的图像可以在Nthreads个独立线程下完成，然后再将结果进行组合，上述并行处理过程可以在保证结果准确的同时，有效提高计算效率。
请参见图5，图5示出了本申请实施例提供的激光条纹中心的提取装置，所述装置500包括：
图像获取模块510，用于获取同一激光条纹在不同曝光度下的多张激光条纹图像，其中，所述多张激光条纹图像的曝光度互不相同。
边界确定模块520，用于对每张所述激光条纹图像进行激光边界搜索，确定每张所述激光条纹图像中激光的边界。
图像融合模块530，用于根据每张所述激光条纹图像中激光的边界，对多张激光条纹图像进行融合，得到激光条纹融合图像。
中心提取模块540，用于根据灰度重心法，从所述激光条纹融合图像中提取激光条纹的中心。
边界确定模块520，具体用于对每张所述激光条纹图像的至少一段激光条纹：若激光点为对应的激光条纹在激光的延伸方向的起点，在激光的宽度方向搜索灰度值大于或等于灰度阈值的至少一个激光段；计算所述至少一个激光段中每个激光段的激光强度，将所述激光强度最大的激光段作为所述激光点的边界；若激光点不为对应的激光条纹在激光的延伸方向的起点，在所述激光点所在的激光的宽度方向上获取前一激光点的边界对应的位置点；判断前一激光点的边界对应的位置点的灰度值是否大于或等于边界灰度阈值；若是，则沿边界扩张的方向查找位置点，直至查找到灰度值小于所述边界灰度阈值的位置点，所述位置点为所述激光点的边界；若否，则沿边界收缩的方向查找位置点，直至查找到灰度值大于或等于所述边界灰度阈值的位置点，所述位置点为所述激光点的边界。
图像融合模块530，具体用于对激光的延伸方向上的每个像素段，所述每个像素段均在激光的宽度方向延伸，每个像素段沿所述激光的延伸方向排列：计算像素段在不同曝光度下的每张所述激光条纹图像的激光的边界的边界宽度；筛选出像素段的边界宽度大于0的至少一张激光条纹图像，其中，所述边界宽度大于0的激光条纹图像为第一图像；计算每张第一图像中像素段对应的边界宽度范围内的平均灰度值；判断平均灰度值是否大于平均灰度阈值；若是，将所述像素段在最低曝光度下的激光条纹图像的激光的边界作为激光条纹融合图像的激光的边界；若否，将所述像素段在最高曝光度下的激光条纹图像的激光的边界作为激光条纹融合图像的激光的边界。
中心提取模块540，具体用于计算所述激光条纹融合图像中，激光的延伸方向上的每个像素段的边界范围，其中，每个像素段均在激光的宽度方向延伸，每个像素段沿所述激光的延伸方向排列；根据每个像素段的边界范围，确定每个像素段的粗定位中心；对一像素段，判断所述像素段的粗定位中心对应的邻域中的其他粗定位中心与所述像素段的粗定位中心是否满足预设关系，其中，每个像素段均有对应的邻域，所述邻域为包含所述像素段的粗定位中心在内的沿激光的延伸方向延展的区间；若是，则根据邻域中的其他粗定位中心与所述像素段的粗定位中心的位置关系以及灰度重心法，计算所述像素段的中心。
中心提取模块540，具体用于当所述像素段的粗定位中心对应的邻域中的其他粗定位中心与所述像素段的粗定位中心不满足预设关系，根据灰度重心法计算所述像素段的中心。
中心提取模块540，具体用于根据公式
计算所述像素段的中心y，其中，
为权值，x为所述像素段的列数，j为其他粗定位中心的列数，g(j,i)为像素点(j,i)的灰度值，i为其他粗定位中心的行数，s为邻域半径，邻域为[x-s,x+s]，Bu为像素段的边界范围的上边界，Bd为像素段的边界范围的下边界。
中心提取模块540，具体用于利用高斯核K1、K2，分别对所述激光条纹融合图像进行高斯滤波，得到高斯核K1对应的滤波结果以及高斯核K2对应的滤波结果，其中，K1大于K2；利用灰度重心法对上述两个滤波结果进行中心提取，得到高斯核K1对应的中心提取结果G1以及高斯核K2对应的中心提取结果G2；计算中心提取结果G1与中心提取结果G2做差后的差值的平均值
若offset<＝ofTH，将中心提取结果G1作为激光条纹的中心的最终结果，其中，ofTH为中心结果阈值；若offset>ofTH，将中心提取结果G2作为激光条纹的中心的最终结果。
所述装置还包括：
激光段判断模块，用于当沿边界收缩的方向查找位置点，未查找到灰度值大于或等于所述边界灰度阈值的位置点时，判断激光的宽度方向上是否有灰度值大于或等于灰度阈值的至少一个激光段。
边界判定模块，用于计算所述至少一个激光段中每个激光段的激光强度，将所述激光强度最大的激光段作为所述激光点的边界。
激光断裂判定模块，用于确定所述激光条纹在此位置断裂。
本申请实施例提供的激光条纹中心的提取装置与上文中激光条纹中心的提取方法对应相同，在此便不做赘述。
本申请还提供一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行方法实施例所述的方法。
本申请还提供一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行方法实施例所述的方法。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (11)
1.一种激光条纹中心的提取方法，其特征在于，所述方法包括：
获取同一激光条纹在不同曝光度下的多张激光条纹图像，其中，所述多张激光条纹图像的曝光度互不相同；
对每张所述激光条纹图像进行激光边界搜索，确定每张所述激光条纹图像中激光的边界；
根据每张所述激光条纹图像中激光的边界，对多张激光条纹图像进行融合，得到激光条纹融合图像；
根据灰度重心法，从所述激光条纹融合图像中提取激光条纹的中心。
2.根据权利要求1所述的方法，其特征在于，所述对每张所述激光条纹图像进行激光边界搜索，确定每张所述激光条纹图像中激光的边界，包括：
对每张所述激光条纹图像的至少一段激光条纹：
若激光点为对应的激光条纹在激光的延伸方向的起点，在激光的宽度方向搜索灰度值大于或等于灰度阈值的至少一个激光段；
计算所述至少一个激光段中每个激光段的激光强度，将所述激光强度最大的激光段作为所述激光点的边界；
若激光点不为对应的激光条纹在激光的延伸方向的起点，在所述激光点所在的激光的宽度方向上获取前一激光点的边界对应的位置点；
判断前一激光点的边界对应的位置点的灰度值是否大于或等于边界灰度阈值；
若是，则沿边界扩张的方向查找位置点，直至查找到灰度值小于所述边界灰度阈值的位置点，所述位置点为所述激光点的边界；
若否，则沿边界收缩的方向查找位置点，直至查找到灰度值大于或等于所述边界灰度阈值的位置点，所述位置点为所述激光点的边界。
3.根据权利要求2所述的方法，其特征在于，在前一激光点的边界对应的位置点的灰度值小于边界灰度阈值的情况下，所述方法还包括：
若沿边界收缩的方向查找位置点，未查找到灰度值大于或等于所述边界灰度阈值的位置点，则判断激光的宽度方向上是否有灰度值大于或等于灰度阈值的至少一个激光段；
若是，计算所述至少一个激光段中每个激光段的激光强度，将所述激光强度最大的激光段作为所述激光点的边界；
若否，确定所述激光条纹在此位置断裂。
4.根据权利要求1所述的方法，其特征在于，所述根据每张所述激光条纹图像中激光的边界，对多张激光条纹图像进行融合，得到激光条纹融合图像，包括：
对激光的延伸方向上的每个像素段，其中，所述每个像素段均在激光的宽度方向延伸，每个像素段沿所述激光的延伸方向排列：
计算像素段在不同曝光度下的每张所述激光条纹图像的激光的边界的边界宽度；
筛选出像素段的边界宽度大于0的至少一张激光条纹图像，其中，所述边界宽度大于0的激光条纹图像为第一图像；
计算每张第一图像中像素段对应的边界宽度范围内的平均灰度值；
判断平均灰度值是否大于平均灰度阈值；
若是，将所述像素段在最低曝光度下的激光条纹图像的激光的边界作为激光条纹融合图像的激光的边界；
若否，将所述像素段在最高曝光度下的激光条纹图像的激光的边界作为激光条纹融合图像的激光的边界。
5.根据权利要求1所述的方法，其特征在于，所述根据灰度重心法，从所述激光条纹融合图像中提取激光条纹的中心，包括：
计算所述激光条纹融合图像中，激光的延伸方向上的每个像素段的边界范围，其中，每个像素段均在激光的宽度方向延伸，每个像素段沿所述激光的延伸方向排列；
根据每个像素段的边界范围，确定每个像素段的粗定位中心；
对一像素段，判断所述像素段的粗定位中心对应的邻域中的其他粗定位中心与所述像素段的粗定位中心是否满足预设关系，其中，每个像素段均有对应的邻域，所述邻域为包含所述像素段的粗定位中心在内的沿激光的延伸方向延展的区间；
若是，则根据邻域中的其他粗定位中心与所述像素段的粗定位中心的位置关系以及灰度重心法，计算所述像素段的中心。
6.根据权利要求5所述的方法，其特征在于，在判断所述像素段的粗定位中心对应的邻域中的其他粗定位中心与所述像素段的粗定位中心是否满足预设关系之后，所述方法还包括：
若不满足预设关系，根据灰度重心法计算所述像素段的中心。
7.根据权利要求5所述的方法，其特征在于，所述根据邻域中的其他粗定位中心与所述像素段的粗定位中心的位置关系以及灰度重心法，计算所述像素段的中心，包括：
根据公式
计算所述像素段的中心y，其中，
为权值，x为所述像素段的列数，j为其他粗定位中心的列数，g(j,i)为像素点(j,i)的灰度值，i为其他粗定位中心的行数，s为邻域半径，邻域为[x-s,x+s]，Bu为像素段的边界范围的上边界，Bd为像素段的边界范围的下边界。
8.根据权利要求1所述的方法，其特征在于，所述根据灰度重心法，从所述激光条纹融合图像中提取激光条纹的中心，包括：
利用高斯核K1、K2，分别对所述激光条纹融合图像进行高斯滤波，得到高斯核K1对应的滤波结果以及高斯核K2对应的滤波结果，其中，K1大于K2；
利用灰度重心法对上述两个滤波结果进行中心提取，得到高斯核K1对应的中心提取结果G1以及高斯核K2对应的中心提取结果G2；
计算中心提取结果G1与中心提取结果G2做差后的差值的平均值
若offset<＝ofTH，将中心提取结果G1作为激光条纹的中心的最终结果，其中，ofTH为中心结果阈值；
若offset>ofTH，将中心提取结果G2作为激光条纹的中心的最终结果。
9.一种激光条纹中心的提取装置，其特征在于，所述装置包括：
图像获取模块，用于获取同一激光条纹在不同曝光度下的多张激光条纹图像，其中，所述多张激光条纹图像的曝光度互不相同；
边界确定模块，用于对每张所述激光条纹图像进行激光边界搜索，确定每张所述激光条纹图像中激光的边界；
图像融合模块，用于根据每张所述激光条纹图像中激光的边界，对多张激光条纹图像进行融合，得到激光条纹融合图像；
中心提取模块，用于根据灰度重心法，从所述激光条纹融合图像中提取激光条纹的中心。
10.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行时执行如权利要求1-8任一项所述的方法。
11.一种存储介质，其特征在于，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1-8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010707470.7A CN111798519A (zh) | 2020-07-21 | 2020-07-21 | 激光条纹中心的提取方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010707470.7A CN111798519A (zh) | 2020-07-21 | 2020-07-21 | 激光条纹中心的提取方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111798519A true CN111798519A (zh) | 2020-10-20 |
Family
ID=72827258
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010707470.7A Withdrawn CN111798519A (zh) | 2020-07-21 | 2020-07-21 | 激光条纹中心的提取方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111798519A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024055788A1 (zh) * | 2022-09-15 | 2024-03-21 | 珠海一微半导体股份有限公司 | 基于图像信息的激光定位方法及机器人 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB9127548D0 (en) * | 1991-12-31 | 1992-02-19 | 3D Scanners Ltd | Scanning sensor |
| WO2005076214A1 (en) * | 2004-02-05 | 2005-08-18 | Sheffield Hallam University | Method and system for image processing for profiling with uncoded structured light |
| JP2006118990A (ja) * | 2004-10-21 | 2006-05-11 | Matsushita Electric Works Ltd | 輝度分布測定方法 |
| JP2008294524A (ja) * | 2007-05-22 | 2008-12-04 | Nikon Corp | 画像処理装置および画像処理方法 |
| JP2011199785A (ja) * | 2010-03-23 | 2011-10-06 | Olympus Corp | 撮像装置及び方法 |
| CN103234475A (zh) * | 2012-11-27 | 2013-08-07 | 深圳华用科技有限公司 | 一种基于激光三角测量法的亚像素表面形态检测方法 |
| WO2018103693A1 (zh) * | 2016-12-07 | 2018-06-14 | 西安知象光电科技有限公司 | 一种三维轮廓的光学混合检测方法 |
| CN110706229A (zh) * | 2019-10-17 | 2020-01-17 | 广东博智林机器人有限公司 | 激光条纹中心的确定方法、装置、电子设备及存储介质 |
| CN111243009A (zh) * | 2020-01-08 | 2020-06-05 | 知鱼科技丹阳有限公司 | 一种基于决策的激光条纹的中心提取方法 |
-
2020
- 2020-07-21 CN CN202010707470.7A patent/CN111798519A/zh not_active Withdrawn
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB9127548D0 (en) * | 1991-12-31 | 1992-02-19 | 3D Scanners Ltd | Scanning sensor |
| WO2005076214A1 (en) * | 2004-02-05 | 2005-08-18 | Sheffield Hallam University | Method and system for image processing for profiling with uncoded structured light |
| JP2006118990A (ja) * | 2004-10-21 | 2006-05-11 | Matsushita Electric Works Ltd | 輝度分布測定方法 |
| JP2008294524A (ja) * | 2007-05-22 | 2008-12-04 | Nikon Corp | 画像処理装置および画像処理方法 |
| JP2011199785A (ja) * | 2010-03-23 | 2011-10-06 | Olympus Corp | 撮像装置及び方法 |
| CN103234475A (zh) * | 2012-11-27 | 2013-08-07 | 深圳华用科技有限公司 | 一种基于激光三角测量法的亚像素表面形态检测方法 |
| WO2018103693A1 (zh) * | 2016-12-07 | 2018-06-14 | 西安知象光电科技有限公司 | 一种三维轮廓的光学混合检测方法 |
| CN110706229A (zh) * | 2019-10-17 | 2020-01-17 | 广东博智林机器人有限公司 | 激光条纹中心的确定方法、装置、电子设备及存储介质 |
| CN111243009A (zh) * | 2020-01-08 | 2020-06-05 | 知鱼科技丹阳有限公司 | 一种基于决策的激光条纹的中心提取方法 |
Non-Patent Citations (1)
| Title |
|---|
| 吴家勇;王平江;陈吉红;巫孟良;: "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, no. 07 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024055788A1 (zh) * | 2022-09-15 | 2024-03-21 | 珠海一微半导体股份有限公司 | 基于图像信息的激光定位方法及机器人 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10659773B2 (en) | Panoramic camera systems | |
| US10643347B2 (en) | Device for measuring position and orientation of imaging apparatus and method therefor | |
| CN103814306B (zh) | 深度测量质量增强 | |
| US8385630B2 (en) | System and method of processing stereo images | |
| CN110866924A (zh) | 一种线结构光中心线提取方法及存储介质 | |
| CN102804231B (zh) | 三维场景的分段平面重建 | |
| CN107845073B (zh) | 一种基于深度图的局部自适应三维点云去噪方法 | |
| KR101032446B1 (ko) | 영상의 정점 검출 장치 및 방법 | |
| US20100315419A1 (en) | Systems and Methods for Estimating a Parameter for a 3D model | |
| CN106650640A (zh) | 一种基于激光雷达点云局部结构特征的负障碍物检测方法 | |
| CN109978911B (zh) | 一种图像特征点跟踪方法和相机 | |
| US20220365186A1 (en) | Automatic detection of a calibration standard in unstructured lidar point clouds | |
| CN1820282A (zh) | 图像处理装置 | |
| CN110634137A (zh) | 一种基于视觉感知的桥梁变形的监测方法、装置及设备 | |
| CN112752028A (zh) | 移动平台的位姿确定方法、装置、设备和存储介质 | |
| CN113192174B (zh) | 建图方法、装置及计算机存储介质 | |
| CN116503388A (zh) | 缺陷检测方法、装置及存储介质 | |
| CN106327558A (zh) | 点云立面提取方法和装置 | |
| JP4296617B2 (ja) | 画像処理装置および画像処理方法、並びに記録媒体 | |
| CN114820580A (zh) | 基于并行注意力补偿机制的fpn晶圆表面缺陷检测方法 | |
| CN114674826A (zh) | 基于布匹的视觉检测方法及检测系统 | |
| CN111798519A (zh) | 激光条纹中心的提取方法、装置、电子设备及存储介质 | |
| KR20230030501A (ko) | 기하학적 패턴 매칭 방법 및 이러한 방법을 수행하는 장치 | |
| CN116740099B (zh) | 一种oct图像分割方法及装置 | |
| CN103714528B (zh) | 物体分割装置和方法 |
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 |
Application publication date: 20201020 |
|
| WW01 | Invention patent application withdrawn after publication |