CN111899297A - 线结构光条纹中心提取方法 - Google Patents
线结构光条纹中心提取方法 Download PDFInfo
- Publication number
- CN111899297A CN111899297A CN202010798227.0A CN202010798227A CN111899297A CN 111899297 A CN111899297 A CN 111899297A CN 202010798227 A CN202010798227 A CN 202010798227A CN 111899297 A CN111899297 A CN 111899297A
- Authority
- CN
- China
- Prior art keywords
- state
- pixel
- state machine
- finite
- signal intensity
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000010586 diagram Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000003287 optical effect Effects 0.000 claims abstract description 12
- 230000009191 jumping Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000002834 transmittance 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
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G01B11/2518—Projection by scanning of the object
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请公开了一种线结构光条纹中心提取方法,包括预先基于高斯曲线特性构建有限状态机,其用于检测拟合差分曲线中峰值最高的波峰、零点位置和峰值最低的波谷位置以得到与光条纹中心距离误差小于一个像素的像素点位置。对摄像机采集的原始光带图的每一列图像像素灰度值进行拟合差分处理,得到拟合差分曲线;依次将原始光带图每一列图像像素的拟合差分值输入至有限状态机中,根据有限状态机输出的像素点位置进行光条纹中心亚像素级定位,得到原始光带图的光条纹中心。本申请在提高线结构光条纹中心提取精度的同时,不增加条纹中心提取过程中的计算量,实现了简单、高效、精准地提取线结构光条纹中心。
Description
技术领域
本申请涉及机器视觉技术领域,特别是涉及一种线结构光条纹中心提取方法。
背景技术
在计算机视觉技术中,三维重建为根据单视图或者多视图的图像重建三维信息的过程。三维重建是指对三维物体建立适合计算机表示和处理的数学模型,在计算机环境下对其进行处理、操作和分析其性质,并建立表达客观世界的虚拟现实的关键技术。由于激光技术本身具有独特优势,基于线结构光进行三维重建被广泛应用。
基于线结构光的三维重建过程包括:通过线激光器扫描物体,同时用摄像机对其拍照得到带有结构光的图片,提取结构光上的点的三维坐标,激光器扫描整个物体就可求出所有点的三维坐标实现物体表面的三维重构。激光光条具有能量高、相干性好、抗干扰能力强等特点,使其较为适合在复杂工业环境下实现零件三维测量。线结构光条纹中心地快速准确提取是实现线结构光三维测量的关键任务,其既是激光面标定的前提,又是被测物体重建的基础,因而光条纹中心提取效果直接影响着整个测量系统的性能。
相关技术中,通常采用几何中心法、灰度重心法和Hession矩阵法提取结构光光条中心。传统几何中心法通过检测光条边缘来进一步提取光条中心,运动速度快,但精度低。灰度重心法假设光条纹在图像中的方向为水平方向,然后通过计算光条图像每一列的灰度重心作为光条中心,这种方法鲁棒性低,精度不高。而基于Hessian矩阵(海森矩阵)的亚像素精度结构光光条纹中心提取方法,尽管精度高、鲁棒性好,但由于图像中所有点均需参与大规模高斯卷积运算,计算量大。
鉴于此,如何在提高线结构光条纹中心提取精度的同时,不增加条纹中心提取过程中的计算量,简单、高效、精准地提取线结构光条纹中心,是所属领域技术人员需要解决的技术问题。
发明内容
本申请提供了一种线结构光条纹中心提取方法,实现了简单、高效、精准地提取线结构光条纹中心。
为解决上述技术问题,本发明实施例提供以下技术方案:
本发明实施例提供了一种线结构光条纹中心提取方法,包括:
对摄像机采集的原始光带图的每一列像素灰度值进行拟合差分处理,得到拟合差分曲线,每一列图像像素灰度值拟合曲线呈近似高斯分布;
依次将所述原始光带图每一列像素的拟合差分值输入至预先构建的有限状态机中;所述有限状态机基于高斯曲线特性构建,用于检测所述拟合差分曲线中峰值最高的波峰、零点位置和峰值最低的波谷位置以得到与光条纹中心距离误差小于一个像素的像素点位置;
根据所述有限状态机输出的像素点位置进行光条纹中心亚像素级定位,得到所述原始光带图的光条纹中心。
可选的,所述有限状态机包括初始状态、具有触发条件的第一状态、第二状态和第三状态;当输入像素的差分信号强度值满足触发条件后从当前所处状态自动跳转至所述第一状态或所述第二状态或所述第三状态,同时更新相应状态的参数值;
所述第一状态包括分别用于存储所述拟合差分曲线波峰的信号强度值和像素位置的第一波峰参数和第二波峰参数;所述第二状态包括分别用于存储所述拟合差分曲线的最大波峰和最大波谷之间的零点的差分信号强度值和像素位置的第一零点参数和第二零点参数、所述零点前一个点的差分信号强度值的第三零点参数;所述第三状态包括分别用于存储所述拟合差分曲线波谷的信号强度值和像素位置的第一波谷参数和第二波谷参数。
可选的,所述当输入像素的差分信号强度值满足触发条件后从当前所处状态自动跳转至所述第一状态或所述第二状态或所述第三状态包括:
将当前列像素的拟合差分信号未输入所述有限状态机,所述有限状态机处于所述初始状态;
将当前列像素的拟合差分信号输入所述有限状态机,若所述当前列像素的当前像素的差分信号强度大于最小有效差分信号强度和所述第一波峰参数,则自动跳转至所述第一状态;若所述有限状态机当前所处状态为所述第一状态,所述当前像素的差分信号强度值小于0但大于所述最小有效差分信号强度值负值、且所述当前像素的上一个像素的差分信号强度大于0,则自动跳转至所述第二状态;若所述有限状态机当前所处状态为所述第一状态,所述当前像素的差分信号强度值小于或等于最小有效差分信号强度值负值、且所述当前像素的上一个像素的差分信号强度大于0,则自动跳转至所述第三状态,并用所述当前像素的像素位置和差分信号强度及上一个像素的差分信号强度更新所述第二状态的参数值;若所述有限状态机当前所处状态为所述第二状态,所述当前像素的差分信号强度值小于或等于最小有效差分信号强度值负值,则自动跳转至所述第三状态;若所述有限状态机当前所处状态为所述第三状态,所述当前像素的差分信号强度值小于所述拟合差分曲线波谷的信号强度值,则所述第三状态的参数值自动更新。
可选的,所述对摄像机采集的原始光带图的每一列图像像素灰度值进行拟合差分处理,得到拟合差分曲线包括:
采用FIR滤波器的Savitzky-Golay方法对所述原始光带图的每一列像素进行平滑去噪,得到滤波灰度曲线;
对所述滤波灰度曲线进行拟合差分运算,得到所述拟合差分曲线。
可选的,所述根据所述有限状态机输出的像素点位置进行光条纹中心亚像素级定位,得到所述原始光带图的光条纹中心包括:
获取所述有限状态机处理完当前列像素后各状态的参数值,并通过所述有限状态机各状态参数值判断所述当前列像素中是否存在光条纹中心;
若是,则根据所述有限状态机的第二状态的所述第一零点参数、所述第二零点参数、所述第三零点参数和所述零点前一个点的像素位置构建像素位置-差分信号强度一次直线,并以所述一次直线差分灰度值为0的点作为所述光条纹中心。
可选的,所述有限状态机包括初始状态、具有触发条件的第一状态、第二状态和第三状态,所述通过所述有限状态机各状态参数值判断所述当前列像素中是否存在光条纹中心包括:
获取所述有限状态机输出的所述拟合差分曲线的波峰像素位置和波谷像素位置,以及所述当前列像素全部经过所述有限状态机以后,所述有限状态机所处状态;
若所述有限状态机的所述第一状态中的像素位置和所述第三状态中的像素位置介于预设有效光条纹横截面宽度值之间,且当前列像素全部经过所述有限状态机以后,所述有限状态机所处状态为所述第三状态,则判定所述当前列像素中存在光条纹中心;若所述有限状态机的所述第一状态中的像素位置和所述第三状态中的像素位置不介于预设有效光条纹横截面宽度值之间或所述有限状态机所处状态不为所述第三状态,则判定所述当前列像素中不存在光条纹中心。
可选的,所述根据所述有限状态机的第二状态的所述第一零点参数、所述第二零点参数、所述第三零点参数和所述零点前一个点的像素位置构建像素位置-差分信号强度一次直线,并以所述一次直线差分灰度值为0的点作为所述光条纹中心包括:
根据光条纹中心计算关系式确定所述原始光带图的光条纹中心Pos,所述光条纹中心计算关系式为:
式中,xd为从所述有限状态机中获取的所述拟合差分曲线的最大波峰和最大波谷之间的零点的差分信号强度值,xi为从所述有限状态机中获取的所述拟合差分曲线的最大波峰和最大波谷之间的零点的像素位置值,xd0为从所述有限状态机中获取的所述拟合差分曲线的最大波峰和最大波谷之间的零点的前一个点的差分信号强度值。
本申请提供的技术方案的优点在于,利用光条纹横截面呈高斯分布的特性构造了与这一特性相对应的有限状态机,有限状态机能够识别高斯曲线差分后所得曲线的最大波峰、最小波谷和零点位置从而可确定与光条纹中心距离误差小于一个像素的像素点位置,,对背景光和噪声不敏感,即使在光条强度分布不均的情况下,也能较准确的定位光条中心;在截面灰度值不严格服从高斯分布的情况下依旧能准确获取亚像素级的光条中心的有限状态机,可以抵消过曝溢出截断造成的误差,恢复发生畸变的峰形状;在处理的过程中列与列的像素相互独立,因此在光条纹存在断线的情况下也能提取出原始光带图的光条中心。整个光条纹提取中心过程中计算量很小,实现了简单、高效、精准地提取线结构光条纹中心。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
为了更清楚的说明本发明实施例或相关技术的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1为本发明实施例提供的一种线结构光条纹中心提取方法的流程示意图;
图2为本发明实施例提供的一个示例性应用场景的原始光带图;
图3为本发明实施例提供的图2原始光带图对应的灰度值曲线示意图;
图4为本发明实施例提供的图3经光滑去噪后得到的灰度值曲线示意图;
图5为本发明实施例提供的图4经拟合差分处理后得到的拟合差分曲线示意图;
图6为本发明实施例提供的一个示例性应用场景的有限状态机的工作原理示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象,而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
在介绍了本发明实施例的技术方案后,下面详细的说明本申请的各种非限制性实施方式。
首先参见图1,图1为本发明实施例提供的一种线结构光条纹中心提取方法的流程示意图,本发明实施例可包括以下内容:
S101:对摄像机采集的原始光带图的每一列图像像素灰度值进行拟合差分处理,得到拟合差分曲线。
在本申请中,先从摄像机获取其采集的待重构物的原始光带图,原始光带图可如图2所示。可采用任何一种能减少噪声干扰且能较准确跟踪原图像真实灰度值的拟合方法对原始光带图的每一列像素进行拟合,具体拟合差分处理过程可参阅所采用的拟合差分方法在现有文献中记载的实现过程,此处,便不再赘述。
S102:依次将原始光带图每一列像素的拟合差分值输入至预先构建的有限状态机中。
在本申请中,可通过寻找S101得到的拟合差分曲线的变号零点确定原灰度的极大值点,所谓变号零点,就是该点为相应纵坐标正负值发生变化的点,通过变号零点就可以找到原灰度的极大值点。由于受到噪声和光照不均匀等因素的影响,每列图像滤波后的灰度曲线可能有多个极大值点。为了在众多极值点中找出光条纹中心点所代表的那一个极大值点,本申请可预先构建有限状态机,利用有限状态机从多个极大值点中确定光条纹中心点所代表的那一个极大值点。有限状态机为一种用来进行对象行为建模的工具,其描述对象在它的生命周期内所经历的状态序列,以及如何响应来自外界的各种事件。由于激光光束光照强度在横截面上呈高斯分布的特性,本申请的光条纹截面灰度曲线近似于高斯曲线,根据这一特性设计相应的有限状态机并让每一个拟合差分值经过有限状态机,即可得到距离条纹中心距离误差小于一个像素的像素点的位置。每列像素的差分信号的波峰,波谷和零点的位置是未知的,该列所有像素的差分信号强度值都依次经过有限状态机的判断后,通过各状态存储的参数信息进行光条纹中心亚像素级定位,如第一状态保存的是波峰位置和波峰强度,第二状态保存的是零点位置和零点差分信号强度,第三状态保存的是波谷位置和波谷强度。
原始光带图的每一列图像像素灰度值拟合曲线呈近似高斯分布,由于本申请利用光条纹横截面呈高斯分布的特性构造了与这一特性相对应的有限状态机,即使在截面灰度值不严格服从高斯分布的情况下依旧能准确获取亚像素级的光条中心的有限状态机。有限状态机根据输入的各列像素拟合差分值来获取光条中心,在处理的过程中列与列的像素相互独立,因此在光条纹存在断线的情况下也能提取出光条中心,此外,原始光带图像上的光条纹边缘点的梯度方向不完全在垂直方向上,本申请采用有限状态机辅助进行光条纹中心定位,可有效克服光条纹截面光照在垂直方向上并不严格呈高斯分布这一特点,能较准确获取光条中心。
S103:根据有限状态机输出的像素点位置进行光条纹中心亚像素级定位,得到原始光带图的光条纹中心。
本申请的有限状态机用于检测拟合差分曲线中峰值最高的波峰、零点位置和峰值最低的波谷位置以得到与光条纹中心距离误差小于一个像素的像素点位置,也即有限状态机可定位出光条纹中心点像素级位置,可通过诸如直线拟合等方法获得亚像素级的条纹中心坐标。举例来说,对原始图像的每一行像素点,通过有限状态机获得相邻的两个点,这两个点分别位于光条横截面灰度峰值的两侧,根据两点的差分灰度值和位置拟合一次直线,一次直线差分灰度值为0的点为亚像素级的条纹中心。只要像素的拟合差分曲线的波峰大于最小有效光照强度且波谷小于最小有效光照强度的负值,即使在光条强度分布不均的情况下,也能较准确的定位光条中心。
在本发明实施例提供的技术方案中,利用光条纹横截面呈高斯分布的特性构造了与这一特性相对应的有限状态机,有限状态机能够识别高斯曲线差分后所得曲线的最大波峰、最小波谷和零点位置从而可确定与光条纹中心距离误差小于一个像素的像素点位置,,对背景光和噪声不敏感,即使在光条强度分布不均的情况下,也能较准确的定位光条中心;在截面灰度值不严格服从高斯分布的情况下依旧能准确获取亚像素级的光条中心的有限状态机,可以抵消过曝溢出截断造成的误差,恢复发生畸变的峰形状;在处理的过程中列与列的像素相互独立,因此在光条纹存在断线的情况下也能提取出原始光带图的光条中心。整个光条纹提取中心过程中计算量很小,实现了简单、高效、精准地提取线结构光条纹中心。
需要说明的是,本申请中各步骤之间没有严格的先后执行顺序,只要符合逻辑上的顺序,则这些步骤可以同时执行,也可按照某种预设顺序执行,图1只是一种示意方式,并不代表只能是这样的执行顺序。
可以理解的是,由线状激光束射到物体表面所形成的激光光带,如图2所示,在理想情况下,其截面上的光强能量呈对称的高斯分布,但是,由于待重构物本身的材质均匀性、透光性、颜色、形状,表面粗糙度以及工作环境中光照的不均匀和噪声等的影响,图像上光带截面的灰度呈不对称,不光滑的非高斯分布,也即从摄像机直接获取的原始光带图含有噪声干扰,如图3中像素25左右的灰度值以及像素32左右的像素灰度值,为改进图2所示的光带截面不光滑,非高斯分布的问题,避免图像自身噪声干扰后续图像处理精度,在获取原始光带图之后,还可对原始光带图先进行滤波,去除噪声干扰,平滑图像,如图4所示,然后再进行拟合差分处理得到拟合差分曲线,如图5所示,即S101的一种实施方式可包括:
可采用FIR(Finite Impulse Response,有限长单位冲激响应滤波器)滤波器的Savitzky-Golay方法对原始光带图的每一列像素进行平滑去噪,得到滤波灰度曲线;
对滤波灰度曲线进行拟合差分运算,得到拟合差分曲线。
其中,图4和图3的横坐标均为像素,纵坐标为相应像素的灰度值,图5的横坐标为像素,纵坐标为微分值。
在上述实施例中,对于如何构建有限状态机并不做限定,本实施例中给出了有限状态机的一种实现方式,如图6所示,可包括如下步骤:
有限状态机包括初始状态、具有触发条件的第一状态、第二状态和第三状态;当输入像素的差分信号强度值满足触发条件后从当前所处状态自动跳转至第一状态或第二状态或第三状态,同时更新相应状态的参数值。也就是说,有限状态机在满足触发条件时跳转到相应状态,同时更新相应状态下的所有参数值。
其中,第一状态包括第一波峰参数Pd和第二波峰参数Pi,第一波峰参数Pd用于存储拟合差分曲线波峰的信号强度值,第二波峰参数Pi用于存储拟合差分曲线波峰的像素位置。第二状态包括第一零点参数Xd、第二零点参数Xi和第三零点参数Xd0。第一零点参数Xd用于存储拟合差分曲线的最大波峰和最大波谷之间的零点的差分信号强度值,二零点参数Xi用于存储拟合差分曲线的最大波峰和最大波谷之间的零点的像素位置,第三零点参数Xd0用于存储拟合差分曲线的最大波峰和最大波谷之间的零点的前一个点的差分信号强度值。第三状态包括第一波谷参数Ed和第二波谷参数Ei,第一波谷参数Ed用于存储拟合差分曲线波谷的信号强度值,第二波谷参数Ei用于存储拟合差分曲线波谷的像素位置。
结合图6,有限状态机的工作原理为,每一列像素在未处理之前,可以是进入有限状态机还没处理,或者是还没输入有限状态机即将当前列像素的拟合差分信号未输入有限状态机,有限状态机的所有状态参数都初始化为0,也即有限状态机处于初始状态。将当前列像素的拟合差分信号输入有限状态机,对每个像素,若当前列像素的当前像素的差分信号强度大于最小有效差分信号强度和第一波峰参数,则自动跳转至第一状态,也即第一状态的触发条件为当前像素的差分信号强度大于最小有效差分信号强度和第一波峰参数。若有限状态机当前所处状态为第一状态,当前像素的差分信号强度值小于0但大于最小有效差分信号强度值负值、且当前像素的上一个像素的差分信号强度大于0,则自动跳转至第二状态,也即从第一状态跳转至第二状态的触发条件为当前像素的差分信号强度值小于0但大于最小有效差分信号强度值负值、且当前像素的上一个像素的差分信号强度大于0。若有限状态机当前所处状态为第一状态,当前像素的差分信号强度值小于或等于最小有效差分信号强度值负值、且当前像素的上一个像素的差分信号强度大于0,则自动跳转至第三状态,并用当前像素的像素位置和差分信号强度及上一个像素的差分信号强度更新第二状态的参数值。也即从第一状态跳转至第三状态的触发条件为当前像素的差分信号强度值小于或等于最小有效差分信号强度值负值、且当前像素的上一个像素的差分信号强度大于0。若有限状态机当前所处状态为第二状态,当前像素的差分信号强度值小于或等于最小有效差分信号强度值负值,则自动跳转至第三状态。也即从第二状态跳转至第三状态的触发条件为当前像素的差分信号强度值小于或等于最小有效差分信号强度值负值。若有限状态机当前所处状态为第三状态,当前像素的差分信号强度值小于拟合差分曲线波谷的信号强度值,则第三状态的参数值自动更新。最小有效差分信号强度为D,当前像素的差分信号强度为d,当前像素的上一个像素的差分信号强度为d0,当一个像素到来后,若该像素满足d>D&d>Pd,则有限状态机就从当前状态跳转到第一状态。若当前状态为第一状态,当d≤-D&d0>0,则由第一状态转到第三状态;若当前状态为第一状态,当-D<d<0&d0>0时,由第一状态转到第二状态。若当前状态为第二状态,当d≤-D时,由第二状态跳转到第三状态。若当前状态为第三状态,当d<Ed时,第三状态参数更新。
为了提高条纹中心的定位效率,有限状态机在对一列像素处理完之后,会判断该列像素是否具有条纹中心,作为一种可选的实施方式,S103可包括:
获取有限状态机处理完当前列像素后各状态的参数值,并通过有限状态机各状态参数值判断当前列像素中是否存在光条纹中心;
若是,则根据有限状态机中两个像素点的差分灰度值和位置值拟合得到一次直线,并以一次直线差分灰度值为0的点作为光条纹中心。
其中,在本发明实施例中,当前列像素中是否存在光条纹中心的判断过程可包括:
获取有限状态机输出的拟合差分曲线的波峰像素位置和波谷像素位置,以及当前列像素全部经过有限状态机以后,有限状态机所处状态;若有限状态机的第一状态中的像素位置和第三状态中的像素位置介于预设有效光条纹横截面宽度值之间,且当前列像素全部经过所述有限状态机以后,有限状态机所处状态为第三状态,则判定当前列像素中存在光条纹中心;若有限状态机的第一状态中的像素位置和第三状态中的像素位置不介于预设有效光条纹横截面宽度值之间或当前列像素全部经过所述有限状态机以后,有限状态机所处状态不为第三状态,则判定当前列像素中不存在光条纹中心。
对于该列像素存在光条纹中心,通过有限状态机获取到的条纹中心的精度是像素级的,为了提高精度,根据有限状态机第二状态输出的条纹中心,条纹中心信号差分强度,条纹中心前一个像素的信号差分强度,用一次函数拟合位置和差分强度的关系,一次函数差分强度为0的点即为亚像素级的光条中心。也即可直接调用光条纹中心计算关系式确定原始光带图的光条纹中心Pos,光条纹中心计算关系式为:
式中,xd为从有限状态机中获取的拟合差分曲线的最大波峰和最大波谷之间的零点的差分信号强度值,xi为从有限状态机中获取的拟合差分曲线的最大波峰和最大波谷之间的零点的像素位置值,xd0为从有限状态机中获取的拟合差分曲线的最大波峰和最大波谷之间的零点的前一个点的差分信号强度值。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
以上对本申请所提供的一种线结构光条纹中心提取方法、装置及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
Claims (7)
1.一种线结构光条纹中心提取方法,其特征在于,包括:
对摄像机采集的原始光带图的每一列像素灰度值进行拟合差分处理,得到拟合差分曲线;每一列图像像素灰度值拟合曲线呈近似高斯分布;
依次将所述原始光带图每一列像素的拟合差分值输入至预先构建的有限状态机中;所述有限状态机基于高斯曲线特性构建,用于检测所述拟合差分曲线中峰值最高的波峰、零点位置和峰值最低的波谷位置以得到与光条纹中心距离误差小于一个像素的像素点位置;
根据所述有限状态机输出的像素点位置进行光条纹中心亚像素级定位,得到所述原始光带图的光条纹中心。
2.根据权利要求1所述的线结构光条纹中心提取方法,其特征在于,所述有限状态机包括初始状态、具有触发条件的第一状态、第二状态和第三状态;当输入像素的差分信号强度值满足触发条件后从当前所处状态自动跳转至所述第一状态或所述第二状态或所述第三状态,同时更新相应状态的参数值;
所述第一状态包括分别用于存储所述拟合差分曲线波峰的信号强度值和像素位置的第一波峰参数和第二波峰参数;所述第二状态包括分别用于存储所述拟合差分曲线的最大波峰和最大波谷之间的零点的差分信号强度值和像素位置的第一零点参数和第二零点参数、所述零点前一个点的差分信号强度值的第三零点参数;所述第三状态包括分别用于存储所述拟合差分曲线波谷的信号强度值和像素位置的第一波谷参数和第二波谷参数。
3.根据权利要求2所述的线结构光条纹中心提取方法,其特征在于,所述当输入像素的差分信号强度值满足触发条件后从当前所处状态自动跳转至所述第一状态或所述第二状态或所述第三状态包括:
将当前列像素的拟合差分信号未输入所述有限状态机,所述有限状态机处于所述初始状态;
将当前列像素的拟合差分信号输入所述有限状态机,若所述当前列像素的当前像素的差分信号强度大于最小有效差分信号强度和所述第一波峰参数,则自动跳转至所述第一状态;若所述有限状态机当前所处状态为所述第一状态,所述当前像素的差分信号强度值小于0但大于所述最小有效差分信号强度值负值、且所述当前像素的上一个像素的差分信号强度大于0,则自动跳转至所述第二状态;若所述有限状态机当前所处状态为所述第一状态,所述当前像素的差分信号强度值小于或等于最小有效差分信号强度值负值、且所述当前像素的上一个像素的差分信号强度大于0,则自动跳转至所述第三状态,并用所述当前像素的像素位置和差分信号强度及上一个像素的差分信号强度更新所述第二状态的参数值;若所述有限状态机当前所处状态为所述第二状态,所述当前像素的差分信号强度值小于或等于最小有效差分信号强度值负值,则自动跳转至所述第三状态;若所述有限状态机当前所处状态为所述第三状态,所述当前像素的差分信号强度值小于所述拟合差分曲线波谷的信号强度值,则所述第三状态的参数值自动更新。
4.根据权利要求1所述的线结构光条纹中心提取方法,其特征在于,所述对摄像机采集的原始光带图的每一列像素灰度值进行拟合差分处理,得到拟合差分曲线包括:
采用FIR滤波器的Savitzky-Golay方法对所述原始光带图的每一列像素进行平滑去噪,得到滤波灰度曲线;
对所述滤波灰度曲线进行拟合差分运算,得到所述拟合差分曲线。
5.根据权利要求2所述的线结构光条纹中心提取方法,其特征在于,所述根据所述有限状态机输出的像素点位置进行光条纹中心亚像素级定位,得到所述原始光带图的光条纹中心包括:
获取所述有限状态机处理完当前列像素后各状态的参数值,并通过所述有限状态机各状态参数值判断所述当前列像素中是否存在光条纹中心;
若是,则根据所述有限状态机的第二状态的所述第一零点参数、所述第二零点参数、所述第三零点参数和所述零点前一个点的像素位置构建像素位置-差分信号强度一次直线,并以所述一次直线差分灰度值为0的点作为所述光条纹中心。
6.根据权利要求5所述的线结构光条纹中心提取方法,其特征在于,所述通过所述有限状态机各状态参数值判断所述当前列像素中是否存在光条纹中心包括:
获取所述有限状态机输出的所述拟合差分曲线的波峰像素位置和波谷像素位置,以及所述当前列像素全部经过所述有限状态机以后,所述有限状态机所处状态;
若所述有限状态机的所述第一状态中的像素位置和所述第三状态中的像素位置介于预设有效光条纹横截面宽度值之间,且所述当前列像素全部经过所述有限状态机以后,所述有限状态机所处状态为所述第三状态,则判定所述当前列像素中存在光条纹中心;若所述有限状态机的所述第一状态中的像素位置和所述第三状态中的像素位置不介于预设有效光条纹横截面宽度值之间或所述有限状态机所处状态不为所述第三状态,则判定所述当前列像素中不存在光条纹中心。
7.根据权利要求5所述的线结构光条纹中心提取方法,其特征在于,所述根据所述有限状态机的第二状态的所述第一零点参数、所述第二零点参数、所述第三零点参数和所述零点前一个点的像素位置构建像素位置-差分信号强度一次直线,并以所述一次直线差分灰度值为0的点作为所述光条纹中心包括:
根据光条纹中心计算关系式确定所述原始光带图的光条纹中心Pos,所述光条纹中心计算关系式为:
式中,xd为从所述有限状态机中获取的所述拟合差分曲线的最大波峰和最大波谷之间的零点的差分信号强度值,xi为从所述有限状态机中获取的所述拟合差分曲线的最大波峰和最大波谷之间的零点的像素位置值,xd0为从所述有限状态机中获取的所述拟合差分曲线的最大波峰和最大波谷之间的零点的前一个点的差分信号强度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010798227.0A CN111899297B (zh) | 2020-08-06 | 2020-08-06 | 线结构光条纹中心提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010798227.0A CN111899297B (zh) | 2020-08-06 | 2020-08-06 | 线结构光条纹中心提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111899297A true CN111899297A (zh) | 2020-11-06 |
CN111899297B CN111899297B (zh) | 2024-01-23 |
Family
ID=73246425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010798227.0A Active CN111899297B (zh) | 2020-08-06 | 2020-08-06 | 线结构光条纹中心提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111899297B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116862919A (zh) * | 2023-09-05 | 2023-10-10 | 武汉工程大学 | 基于高斯超拉普拉斯分布的线结构光中心提取方法及装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002277349A (ja) * | 2001-03-21 | 2002-09-25 | Ricoh Co Ltd | コリメータ評価方法およびコリメータ評価装置 |
JP2006284193A (ja) * | 2005-03-31 | 2006-10-19 | Alps Electric Co Ltd | 三次元形状測定装置及び三次元形状測定方法 |
US20130100294A1 (en) * | 2011-10-25 | 2013-04-25 | Guangzhou Sat Infrared Technology Co. Ltd. | System and method for processing digital signals of an infrared image |
CN104268837A (zh) * | 2014-09-26 | 2015-01-07 | 天津工业大学 | 电子散斑干涉条纹图相位信息提取的方法 |
CN105723179A (zh) * | 2013-10-18 | 2016-06-29 | 上海交通大学 | 主动式位置编码器及其操作方法 |
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 |
WO2017045304A1 (zh) * | 2015-09-15 | 2017-03-23 | 苏州中启维盛机器人科技有限公司 | 采用ccd光敏器件的成像光斑计算方法 |
JP2017079243A (ja) * | 2015-10-19 | 2017-04-27 | キヤノン株式会社 | 固体撮像装置及びカメラ |
CN107402903A (zh) * | 2017-07-07 | 2017-11-28 | 中国人民解放军国防科学技术大学 | 基于微分代数与高斯和的非线性系统状态偏差演化方法 |
CN108399614A (zh) * | 2018-01-17 | 2018-08-14 | 华南理工大学 | 一种基于无抽样小波与Gumbel分布的织物缺陷检测方法 |
CN108981991A (zh) * | 2018-08-29 | 2018-12-11 | 上海海事大学 | 光纤式光电传感器船舶轴功率测量仪和测量方法 |
WO2018233278A1 (zh) * | 2017-06-20 | 2018-12-27 | 福州大学 | 一种转轴三维振动同步测量的装置及方法 |
US20190056270A1 (en) * | 2016-03-03 | 2019-02-21 | Ci Systems (Israel) Ltd. | System and method for interferometric based spectrometry and compact spectrometer using same |
CN111260708A (zh) * | 2020-01-14 | 2020-06-09 | 华中科技大学鄂州工业技术研究院 | 一种线结构光中心提取方法及系统 |
-
2020
- 2020-08-06 CN CN202010798227.0A patent/CN111899297B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002277349A (ja) * | 2001-03-21 | 2002-09-25 | Ricoh Co Ltd | コリメータ評価方法およびコリメータ評価装置 |
JP2006284193A (ja) * | 2005-03-31 | 2006-10-19 | Alps Electric Co Ltd | 三次元形状測定装置及び三次元形状測定方法 |
US20130100294A1 (en) * | 2011-10-25 | 2013-04-25 | Guangzhou Sat Infrared Technology Co. Ltd. | System and method for processing digital signals of an infrared image |
CN105723179A (zh) * | 2013-10-18 | 2016-06-29 | 上海交通大学 | 主动式位置编码器及其操作方法 |
CN104268837A (zh) * | 2014-09-26 | 2015-01-07 | 天津工业大学 | 电子散斑干涉条纹图相位信息提取的方法 |
WO2017045304A1 (zh) * | 2015-09-15 | 2017-03-23 | 苏州中启维盛机器人科技有限公司 | 采用ccd光敏器件的成像光斑计算方法 |
JP2017079243A (ja) * | 2015-10-19 | 2017-04-27 | キヤノン株式会社 | 固体撮像装置及びカメラ |
US20190056270A1 (en) * | 2016-03-03 | 2019-02-21 | Ci Systems (Israel) Ltd. | System and method for interferometric based spectrometry and compact spectrometer using same |
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 |
WO2018233278A1 (zh) * | 2017-06-20 | 2018-12-27 | 福州大学 | 一种转轴三维振动同步测量的装置及方法 |
CN107402903A (zh) * | 2017-07-07 | 2017-11-28 | 中国人民解放军国防科学技术大学 | 基于微分代数与高斯和的非线性系统状态偏差演化方法 |
CN108399614A (zh) * | 2018-01-17 | 2018-08-14 | 华南理工大学 | 一种基于无抽样小波与Gumbel分布的织物缺陷检测方法 |
CN108981991A (zh) * | 2018-08-29 | 2018-12-11 | 上海海事大学 | 光纤式光电传感器船舶轴功率测量仪和测量方法 |
CN111260708A (zh) * | 2020-01-14 | 2020-06-09 | 华中科技大学鄂州工业技术研究院 | 一种线结构光中心提取方法及系统 |
Non-Patent Citations (6)
Title |
---|
HONG-YAN YU: "Four-Channel Hybrid Silicon Laser Array with low power consumption for on-chip optical interconnects", 《2019 CONFERENCE ON LASERS AND ELECTRO-OPTICS (CLEO)》, pages 1 - 7 * |
LI QI: "Statistical behavior analysis and precision optimization for the laser stripe center detector based on Steger\'s algorithm", 《OPTICS EXPRESS》, pages 13442 - 13449 * |
佚名: "结构光直光条中心线的鲁棒性自动提取方法", pages 1 - 5, Retrieved from the Internet <URL:《https://www.doc88.com/p-78341965157.html》> * |
刘贺: "基于线结构光的轻轨接触网缺陷三维检测方法研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, pages 138 - 1541 * |
江洁;邓珏琼;张广军;周富强;: "光条纹中心的实时快速提取", 光学技术, no. 02, pages 1 - 4 * |
邱葭华: "高速光栅电学系统设计及细分技术的研究", 《万方》, pages 1 - 57 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116862919A (zh) * | 2023-09-05 | 2023-10-10 | 武汉工程大学 | 基于高斯超拉普拉斯分布的线结构光中心提取方法及装置 |
CN116862919B (zh) * | 2023-09-05 | 2023-12-05 | 武汉工程大学 | 基于高斯超拉普拉斯分布的线结构光中心提取方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111899297B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105931232B (zh) | 结构光光条中心高精度亚像素提取方法 | |
CN111210477B (zh) | 一种运动目标的定位方法及系统 | |
CN104732207A (zh) | 高精度与高抗干扰性定位PCB板Mark点的方法及装置 | |
CN104599286B (zh) | 一种基于光流的特征跟踪方法及装置 | |
CN111710000B (zh) | 一种相机行偏差自检方法及系统 | |
CN116309757B (zh) | 基于机器视觉的双目立体匹配方法 | |
CN111784725B (zh) | 光条中心提取方法 | |
CN103743750B (zh) | 一种大口径光学元件表面损伤分布图的生成方法 | |
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 | |
CN109986201A (zh) | 焊缝的跟踪检测方法、装置、存储介质以及激光焊接设备 | |
CN111462214A (zh) | 一种基于Hough变换的线结构光条纹中心线提取方法 | |
CN111899297A (zh) | 线结构光条纹中心提取方法 | |
CN114066752B (zh) | 面向焊缝跟踪的线结构光骨架提取及毛刺去除方法 | |
CN112950650B (zh) | 适用于高精度形貌测量的深度学习畸变光斑中心提取方法 | |
CN113223074A (zh) | 一种水下激光条纹中心提取方法 | |
CN104502992A (zh) | 一种基于空时过采样扫描的弱小点目标精确定位方法及系统 | |
CN112149495A (zh) | 一种基于视差追踪的视频关键帧提取方法 | |
CN111508022B (zh) | 一种基于随机采样一致性的线激光条纹定位方法 | |
CN112991327B (zh) | 基于机器视觉的钢格网焊接系统、方法和终端设备 | |
CN114943761A (zh) | 一种fpga中线结构光条纹中心提取方法及装置 | |
CN114913194A (zh) | 一种基于cuda的并行光流法运动目标检测方法及系统 | |
CN111553874B (zh) | 一种反光核燃料棒表面线结构光中心提取方法 | |
CN110264531A (zh) | 一种棋盘格角点的捉取方法、装置、系统及可读存储介质 | |
CN113283442B (zh) | 特征点的提取方法和装置 | |
CN109767394B (zh) | 一种非匀速直线运动的模糊图像复原方法 |
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 |