CN113536210A - 基于向量遍历线结构光条纹中心坐标的计算方法 - Google Patents

基于向量遍历线结构光条纹中心坐标的计算方法 Download PDF

Info

Publication number
CN113536210A
CN113536210A CN202110623537.3A CN202110623537A CN113536210A CN 113536210 A CN113536210 A CN 113536210A CN 202110623537 A CN202110623537 A CN 202110623537A CN 113536210 A CN113536210 A CN 113536210A
Authority
CN
China
Prior art keywords
vector
coordinates
coordinate
basic vector
basic
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
Application number
CN202110623537.3A
Other languages
English (en)
Other versions
CN113536210B (zh
Inventor
陈晓辉
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.)
Hubei University of Automotive Technology
Original Assignee
Huanghuai 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 Huanghuai University filed Critical Huanghuai University
Priority to CN202110623537.3A priority Critical patent/CN113536210B/zh
Publication of CN113536210A publication Critical patent/CN113536210A/zh
Application granted granted Critical
Publication of CN113536210B publication Critical patent/CN113536210B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/12—Simultaneous equations, e.g. systems of linear equations
    • 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
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于向量遍历线结构光条纹中心坐标的计算方法，包括下述步骤：定义线结构光条纹图像的坐标系；计算条纹主方向的条纹法向方向；分析条纹法向方向与图像x方向的夹角a；分析条纹法向方向与图像y方向的夹角b；比较a与b的大小，若a≤b，则基本向量方向为x方向；若a>b，则基本向量方向为y方向；遍历基本向量序列，计算每个基本向量中的基本向量的条纹中心点坐标；得到线结构光条纹中心坐标Pi。本发明通过二次线性回归分析每个基本向量，并计算极大值点作为线结构光条纹中心坐标点，从而实现的线结构光条纹中心的高精度，高实时性获取。

Description

基于向量遍历线结构光条纹中心坐标的计算方法
技术领域
本发明涉及线结构光视觉二维或三维测量技术领域，特别涉及一种基于向量遍历线结构光条纹中心坐标的计算方法。
背景技术
线结构光视觉测量技术是一种主动视觉的二维或三维测量技术。它基于激光三角测量原理，具有高精度，测速快，非接触，成本低，体积小等优点，广泛应用于机器人智能引导，智能焊接，尺寸检测，逆向工程，遗产保护等方面。
线结构光视觉测量技术的测量原理是线结构光条纹投射到被测物体上，产生反映被测物体外形轮廓的线结构光条纹，视觉系统采集线结构光条纹图像后，通过线结构光条纹中心计算算法得到条纹中心在图像空间的坐标，通过标定将条纹中心在图像空间的坐标转换被侧物体表面的轮廓尺寸信息。进一步的，通过一维平移(工业机器臂，直线模组或者传送带等)，可实现被侧物体表面的三维测量。因此，线结构光条纹中心坐标的计算是线结构光视觉测量系统的重要环节，而快速、高精度、高鲁棒性的线结构光条纹中心坐标的计算是保证线结构光视觉测量系统实时性，高精度，高鲁棒性的关键。
Carsten Steger在期刊“IEEE Transactions on Pattern Analysis andMachine Intelligence，20(2):113-125，1998”发表的“An Unbiased Detector ofCurvilinear Structures”中提出了一种基于Hessian矩阵运算的方法，得到图像中光条纹的法线方向，计算每个法线方向的极值点得到光条纹中心的亚像素坐标。基于CarstenSteger的方法不但可以高精度的求得光条纹中心的亚像素坐标，还可以估计出光条纹的外边界和宽度，因而广泛应用到字符识别，道路边界识别，医学图像骨架与血管的提取。但是，该算法需要大量的卷积操作与矩阵运算等耗时的算法，很难实现光条纹中心坐标的快速提取，难以满足快速的二维轮廓测量以及实时性要求高的三维测量场合。
专利“一种结构光条纹中心快速高精度提取方法”(专利号:200510123724.6)通过利用高斯函数的可分离性，提出了卷积递归快速算法，优化了Carsten Steger 的基于Hessian算法，大大的减小了算法的运算量，满足了一定的实时性要求。该方法在主频Pentium2.4G的PC机上，处理768X576图像，处理时间为200ms，比Carsten Steger的基于Hessian算法速度提高了三倍多。但是，随着线结构光视觉测量的实时性与精度要求越来越高，尤其是三维测量场合，由于测量节拍的限制，要求在极短的时间内进行快速的光条纹中心坐标计算。因此，毫秒级的光条纹中心坐标计算仍然无法满足需求。
胡斌在期刊“计算机工程与应用，38(11):59-60，2002”发表的“基于方向模板的结构光条纹中心检测方法”中提出了基于方向模板遍历的光条纹中心坐标的计算方法，通过使用多个不同形态的方向模板矩阵来比对方向变化比较大情况，从而确定光条纹中心坐标的亚像素位置，该方法抗白噪声能力比较强，能够检测出比较精细的光条纹中心结构，同时，还具有一定的修补断线的能力。但是，由于需要多个不同形态的方向模板与图像进行卷积操作，耗时问题仍然没有很好的解决。
可以看出，随着对线结构光视觉测量的实时性与精度要求越来越高，光条纹中心坐标的亚像素计算的精度问题越来越完善，但是效率问题始终没有得到很好的解决。尤其在三维测量场合，单次线结构光视觉测量的精度可以确保某个轮廓测量准确性，而测量的实时性则可以确保在规定的测量节拍内得到更多的轮廓数，从而可以拟合为更为精细的三维点云。而目前的线结构光条纹中心坐标的计算方法主要是基于一维或二维卷积以及矩阵运算的处理方法，这些卷积运算和矩阵运算(滤波，二值化，形态学变换，二维模板遍历)往往比较耗时，无法满足线结构光视觉测量的实时性高的要求。
因此，需要一种新的线结构光条纹中心坐标的计算方法以解决以上问题。
发明内容
本发明提供一种基于向量遍历的线结构光条纹中心的快速\高精度计算方法，解决现有的计算方法实时性低的问题。
为解决上述技术问题，本发明提供的技术方案为：
一种基于向量遍历线结构光条纹中心坐标的计算方法，包括下述步骤：
1)定义线结构光条纹图像的坐标系
2)确定基本向量方向，包含下述步骤：
a)确定条纹主方向；
b)计算条纹主方向的条纹法向方向；
c)分析条纹法向方向与图像x方向的夹角a；
d)分析条纹法向方向与图像y方向的夹角b；
e)比较a与b的大小，若a≤b，则基本向量方向为x方向；若a>b，则基本向量为y方向；
3)获取基本向量序列，包含下述步骤：
a)沿着图像x方向，每一行为一个基本向量，由于图像x方向长度为W，所以每个基本向量是W维的；
b)沿着图像y方向遍历，由于图像y方向的长度为H，所以基本向量序列包含H个基本向量。
4)遍历基本向量序列，计算每个基本向量中的基础向量的条纹中心点坐标；
5)得到线结构光条纹中心坐标Pi(xp，i)(i＝1,2,3...H)或Pi(i，yp)；
其中，xp为第四步计算得到的Pi点的x坐标，具有亚像素精度；
yp为第四步计算得到的Pi点的y坐标，具有亚像素精度。
其中，优选地，所述坐标系为像左上角为坐标系原点，向右为x方向，向下为y方向。
其中，优选地，若a≤b，所述步骤4)中计算每个基本向量中的基础向量的条纹中心点坐标包括下述步骤：
a)设定灰度阈值Th，遍历基本向量i中W个灰度值，找出满足W>灰度阈值Th的向量取值区间。
b)假设取值区间起始点为C(xc，yc)，终止点为S(xs，ys)，找出基本向量i 中满足横坐标满足xc<x<xs的所有坐标点集合QQ为基本向量i在向量取值区间中的所有坐标点；
c)假设集合Q的个数为n(n为整数，n≥0)个，则：
ss1，假设n＝0，则该基本向量i没有效条纹中心点，该位置标记为NULL；
ss2，假设n＝1，则该基本向量i条纹中心点Pi的xp坐标为即为Q1的x1坐标，即xp＝x1；
ss3，假设n＝2，则该基本向量i条纹中心点Pi的x坐标为Q中两个点x坐标的中心，假设Q中两点的x坐标分别x1，x2即xp＝(x1+x2)/2；
ss3，假设n≥3，则构建二次线性回归方程：
yj＝m0+m1xj+m2xj 2
其中，xj和yj分别为Q中第j个元素的x坐标和y坐标；
可得：
Figure RE-GDA0003235901670000041
令：
Figure RE-GDA0003235901670000042
Figure RE-GDA0003235901670000043
可得：
Figure RE-GDA0003235901670000044
最终：
Figure RE-GDA0003235901670000051
Figure RE-GDA0003235901670000052
由于基本向量i1条纹中心点Pi的x坐标为以上二次线性回归方程的极值点，即xp＝-m1/(2m2)。
其中，优选地，若a>b，所述步骤4)中计算每个基本向量中的基础向量的条纹中心点坐标包括下述步骤：
a)设定灰度阈值Th，遍历基本向量i中H个灰度值，找出满足W>灰度阈值 Th的向量取值区间。
b)假设取值区间起始点为C(xc，yc)，终止点为S(xs，ys)，找出基本向量i 中满足横坐标满足yc<y<ys的所有坐标点集合QQ为基本向量i在向量取值区间中的所有坐标点；
c)假设集合Q的个数为n(n为整数，n≥0)个，则：
ss1，假设n＝0，则该基本向量i没有效条纹中心点，该位置标记为NULL；
ss2，假设n＝1，则该基本向量i条纹中心点Pi的yp坐标为即为Q1的y1坐标，即yp＝y1；
ss3，假设n＝2，则该基本向量i条纹中心点Pi的y坐标为Q中两个点y坐标的中心，假设Q中两点的y坐标分别y1，y2即yp＝(y1+y2)/2；
ss3，假设n≥3，则构建二次线性回归方程：
yj＝m0+m1xj+m2xj 2
其中，xj和yj分别为Q中第j个元素的x坐标和y坐标；
可得：
Figure RE-GDA0003235901670000061
令：
Figure RE-GDA0003235901670000062
Figure RE-GDA0003235901670000063
可得：
Figure RE-GDA0003235901670000064
最终：
Figure RE-GDA0003235901670000065
Figure RE-GDA0003235901670000071
由于基本向量i条纹中心点Pi的y坐标为以上二次线性回归方程的极值点，即yp＝-m1/(2m2)。
本发明的有益效果：
本发明提供的一种基于向量遍历的线结构光条纹中心的快速，高精度计算方法把线结构光条纹图像快速分解为基本向量序列，通过二次线性回归分析每个基本向量，并计算极大值点作为线结构光条纹中心坐标点，从而实现的线结构光条纹中心的高精度，高实时性获取。由于该方法无需进行复杂的图像运算和矩阵操作(滤波，二值化，形态学变换，二维模板遍历)等，因而兼具高实时性以及亚像素精度的高精度获取，具有很好的应用价值。
附图说明
图1本发明实施例1中的线结构光条纹图像；
图2本发明实施例1中计算每个基本向量中的基础向量的条纹中心点坐标的方法图。
图3本发明实施例2中线结构光条纹图像。
图中，1.线结构光条纹图像，2.条纹主方向，3.条纹法向方向，4.基本向量， 5.图像x方向，6.图像y方向，7.条纹中心点Pi，8.图像x方向，9.图像y方向， 10.坐标系原点，11.条纹法向方向与x方向夹角a，12.条纹法向方向与y方向夹角b
具体实施方式
下面将结合本发明具体实施例，对本发明的技术方案进行清楚、完整地描述，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。
实施例1
本实施例提供一种基于向量遍历的线结构光条纹中心坐标的快速，高精度计算方法，包括下述步骤：
1)定义线结构光条纹图像1的坐标系。
较佳实施例，图像左上角为坐标系原点10，向左为x方向，向下为y方向 9
2)确定基本向量方向(x向量或者y向量)，以图1为例说明，包含步骤：
a)确定条纹主方向2
b)计算条纹主方向2的条纹法向方向3
c)分析条纹法向方向与图像x方向的夹角a11
d)分析条纹法向方向与图像y方向的夹角b12
e)比较a与b的大小，这里a较小，则基本向量方向与x方向；
说明：由于系统是固定的，该步骤只需要执行一次。
3)获取基本向量序列
以图1为例说明，包含步骤：
沿着图像x方向8，每一行为一个基本向量，由于图像x方向8长度为W，所以每个基本向量包含W个基本向量4；
4)遍历基本向量序列，计算每个基本向量中的基础向量的条纹中心点坐标；
图一中的第i(i＝1,2,3...H)个基本向量i4，基本向量i4的条纹中心点Pi7的y 坐标为i，x坐标计算过程，如图2所示。
以图2为例，基本向量i1的条纹中心点Pi7的计算过程，包含以下子步骤：
a)设定灰度阈值Th，遍历基本向量i中W个灰度值，找出满足W>灰度阈值Th的向量取值区间。
b)假设取值区间起始点为C(xc,yc)，终止点为S(xs,ys)，找出基本向量i中满足横坐标满足xc<x<xs的所有坐标点集合Q。显而易见，Q为基本向量i1 在向量取值区间中的所有坐标点。
c)假设集合Q的个数为n(n为整数，n>＝0)个，并做以下讨论：
ss1，假设n＝0，则该基本向量i没有效条纹中心点，该位置标记为NULL；
ss2，假设n＝1，则该基本向量i条纹中心点Pi7的xp坐标为即为Q1的x1坐标,即xp＝x1；
ss3，假设n＝2，则该基本向量i条纹中心点Pi7的x坐标为Q中两个点x 坐标的中心，假设Q中两点的x坐标分别x1,x2即xp＝(x1+x2)/2；
ss3，假设n>＝3，则构建二次线性回归方程：
yj＝m0+m1xj+m2xj 2
其中，xj和yj分别为Q中第j个元素的x坐标和y坐标；
可得：
Figure RE-GDA0003235901670000091
令：
Figure RE-GDA0003235901670000092
Figure RE-GDA0003235901670000093
可得：
Figure RE-GDA0003235901670000101
最终：
Figure RE-GDA0003235901670000102
Figure RE-GDA0003235901670000103
由于基本向量i条纹中心点Pi7的x坐标为以上二次线性回归方程的极值点，即 xp＝-m1/(2m2)。
5)得到线结构光条纹中心坐标Pi(xp,i)(i＝1,2,3...H)。
其中，xp为第四步计算得到的Pi点的x坐标，具有亚像素精度。
实验结果表明，按照本发明的方法，采用AAEON的Pico-ITX工控板(处理器：
Figure RE-GDA0003235901670000104
N2807SoC up to 1.91GHz；系统内存：204-pin DDR3L 1333MHz SODIMM,8GB；芯片组：
Figure RE-GDA0003235901670000105
AtomTM SoC等)，处理分辨率为768X576的线结构光条纹图像，处理所需时间121微秒，平均条纹中心测量误差0.12个像素。可以看出，与卷积分离算法和卷积递归算法相比，本发明在保证了线结构光条纹中心提取精度的前提下，进一步的大大减小了计算量，提高了运行速度与效率。
实施例2
本实施例提供一种基于向量遍历线结构光条纹中心坐标的计算方法，包括下述步骤：
1)定义线结构光条纹图像1的坐标系
所述坐标系为像左上角为坐标系原点10，向右为x方向，向下为y方向。
2)确定基本向量4方向，包含下述步骤：
a)确定条纹主方向2；
b)计算条纹主方向2的条纹法向方向3；
c)分析条纹法向方向与图像x方向的夹角a11；
d)分析条纹法向方向与图像y方向9的夹角b12；
e)比较a与b的大小，若a≤b，则基本向量4方向为x方向；若a>b，则基本向量4为y方向；
3)获取基本向量4序列，以图3为例，包含下述步骤：
沿着图像y方向9遍历，由于图像y方向9的长度为H，所以基本向量4 序列包含H个基本向量4。
4)遍历基本向量4序列，计算每个基本向量4中的基础向量的条纹中心点坐标；包括下述步骤：
a)设定灰度阈值Th，遍历基本向量i中W个灰度值，找出满足W>灰度阈值Th的向量取值区间。
b)假设取值区间起始点为C(xc，yc)，终止点为S(xs，ys)，找出基本向量i 中满足横坐标满足xc<x<xs的所有坐标点集合QQ为基本向量i在向量取值区间中的所有坐标点；
c)假设集合Q的个数为n(n为整数，n≥0)个，则：
ss1，假设n＝0，则该基本向量i没有效条纹中心点，该位置标记为NULL；
ss2，假设n＝1，则该基本向量i条纹中心点Pi7的xp坐标为即为Q1的x1坐标，即xp＝x1；
ss3，假设n＝2，则该基本向量i条纹中心点Pi7的x坐标为Q中两个点x 坐标的中心，假设Q中两点的x坐标分别x1，x2即xp＝(x1+x2)/2；
ss3，假设n≥3，则构建二次线性回归方程：
yj＝m0+m1xj+m2xj 2
其中，xj和yj分别为Q中第j个元素的x坐标和y坐标；
可得：
Figure RE-GDA0003235901670000111
令：
Figure RE-GDA0003235901670000121
Figure RE-GDA0003235901670000122
可得：
Figure RE-GDA0003235901670000123
最终：
Figure RE-GDA0003235901670000124
Figure RE-GDA0003235901670000125
由于基本向量i1条纹中心点Pi7的x坐标为以上二次线性回归方程的极值点，即xp＝-m1/(2m2)。
5)得到线结构光条纹中心坐标Pi(i，yp)；
其中，yp为第四步计算得到的Pi点的y坐标，具有亚像素精度。
实验结果表明，按照本发明的方法，采用AAEON的Pico-ITX工控板(处理器：
Figure RE-GDA0003235901670000126
N2807SoC up to 1.91GHz；系统内存：204-pin DDR3L 1333MHz SODIMM,8GB；芯片组：
Figure RE-GDA0003235901670000131
AtomTM SoC等)，处理分辨率为768X576的线结构光条纹图像，处理所需时间119微秒，平均条纹中心测量误差0.11个像素。
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、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于向量遍历线结构光条纹中心坐标的计算方法，其特征在于，包括下述步骤：
1)定义线结构光条纹图像的坐标系
2)确定基本向量方向，包含下述步骤：
a)确定条纹主方向；
b)计算条纹主方向的条纹法向方向；
c)分析条纹法向方向与图像x方向的夹角a；
d)分析条纹法向方向与图像y方向的夹角b；
e)比较a与b的大小，若a≤b，则基本向量方向为x方向；若a>b，则基本向量方向为y方向；
3)获取基本向量序列，包含下述步骤：
a)若基本向量方向为图像x方向，每一行为一个基本向量，由于图像x方向长度为W，所以每个基本向量是W维的；
b)若基本向量方向为图像y方向，由于图像y方向的长度为H，所以基本向量序列包含H个基本向量；
4)遍历基本向量序列，计算每个基本向量中的基本向量的条纹中心点坐标；
5)得到线结构光条纹中心坐标Pi(xp，i)(i＝1,2,3...W)或Pi(i，yp)(i＝1,2,3...H)；
其中，xp为第四步计算得到的基本向量的条纹中心点坐标，具有亚像素精度，i为第i个基本向量；
yp为第四步计算得到的Pi点的y坐标，具有亚像素精度。
2.根据权利要求1所述的一种基于向量遍历线结构光条纹中心坐标的计算方法，其特征在于：所述坐标系为像左上角为坐标系原点，向右为x方向，向下为y方向。
3.根据权利要求1所述的一种基于向量遍历线结构光条纹中心坐标的计算方法，其特征在于：若a≤b，所述步骤4)中计算每个基本向量中的基础向量的条纹中心点坐标包括下述步骤：
a)设定灰度阈值Th，遍历基本向量i中W个灰度值，找出满足灰度值>灰度阈值Th的向量取值区间；
b)假设取值区间起始点为C(xc，hc)，终止点为S(xs，hs)，找出基本向量i中满足横坐标满足xc<x<xs的所有坐标点集合QQ为基本向量i在向量取值区间中的所有坐标点；
c)假设集合Q的个数为n(n为整数，n≥0)个，则：
ss1，假设n＝0，则该基本向量i没有效条纹中心点，该位置标记为NULL；
ss2，假设n＝1，则该基本向量i条纹中心点Pi的xp坐标为即为Q1的x1坐标，即xp＝x1；
ss3，假设n＝2，则该基本向量i条纹中心点Pi的x坐标为Q中两个点x坐标的中心，假设Q中两点的x坐标分别x1，x2即xp＝(x1+x2)/2；
ss3，假设n≥3，则构建二次线性回归方程：
hj＝m0+m1xj+m2xj 2
其中，xj和hj分别为Q中第j个元素的x坐标和灰度值；
可得：
Figure FDA0003101076490000021
令：
Figure FDA0003101076490000022
Figure FDA0003101076490000031
可得：
Figure FDA0003101076490000032
最终：
Figure FDA0003101076490000033
Figure FDA0003101076490000034
由于基本向量i条纹中心点Pi的x坐标为以上二次线性回归方程的极值点，即xp＝-m1/(2m2)。
4.根据权利要求1所述的一种基于向量遍历线结构光条纹中心坐标的快速高精度计算方法，其特征在于：若a>b，所述步骤4)中计算每个基本向量中的基础向量的条纹中心点坐标包括下述步骤：
a)设定灰度阈值Th，遍历基本向量i中H个灰度值，找出满足灰度值>灰度阈值Th的向量取值区间。
b)假设取值区间起始点为C(yc，hc)，终止点为S(ys，hs)，找出基本向量i中满足横坐标满足yc<y<ys的所有坐标点集合QQ为基本向量i在向量取值区间中的所有坐标点；
c)假设集合Q的个数为n(n为整数，n≥0)个，则：
ss1，假设n＝0，则该基本向量i没有效条纹中心点，该位置标记为NULL；
ss2，假设n＝1，则该基本向量i条纹中心点Pi的yp坐标为即为Q1的y1坐标，即yp＝y1；
ss3，假设n＝2，则该基本向量i条纹中心点Pi的y坐标为Q中两个点y坐标的中心，假设Q中两点的y坐标分别y1，y2即yp＝(y1+y2)/2；
ss3，假设n≥3，则构建二次线性回归方程：
hj＝m0+m1yj+m2yj 2
其中，xj和yj分别为Q中第j个元素的x坐标和y坐标；
可得：
Figure FDA0003101076490000041
令：
Figure FDA0003101076490000042
Figure FDA0003101076490000043
可得：
Figure FDA0003101076490000051
最终：
Figure FDA0003101076490000052
Figure FDA0003101076490000053
由于基本向量i条纹中心点Pi的y坐标为以上二次线性回归方程的极值点，即yp＝-m1/(2m2)。
CN202110623537.3A 2021-06-04 2021-06-04 基于向量遍历线结构光条纹中心坐标的计算方法 Active CN113536210B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110623537.3A CN113536210B (zh) 2021-06-04 2021-06-04 基于向量遍历线结构光条纹中心坐标的计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110623537.3A CN113536210B (zh) 2021-06-04 2021-06-04 基于向量遍历线结构光条纹中心坐标的计算方法

Publications (2)

Publication Number Publication Date
CN113536210A true CN113536210A (zh) 2021-10-22
CN113536210B CN113536210B (zh) 2024-08-30

Family

ID=78095620

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110623537.3A Active CN113536210B (zh) 2021-06-04 2021-06-04 基于向量遍历线结构光条纹中心坐标的计算方法

Country Status (1)

Country Link
CN (1) CN113536210B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050063582A1 (en) * 2003-08-29 2005-03-24 Samsung Electronics Co., Ltd. Method and apparatus for image-based photorealistic 3D face modeling
CN104050689A (zh) * 2014-06-10 2014-09-17 黄淮学院 一种虚拟场景中可视物体的二维裁剪生成方法
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
CN106091984A (zh) * 2016-06-06 2016-11-09 中国人民解放军信息工程大学 一种基于线激光的三维点云数据获取方法
CN106524945A (zh) * 2016-10-13 2017-03-22 无锡科技职业学院 一种基于机械臂和结构光视觉的平面夹角在线测量方法
CN109827521A (zh) * 2019-03-11 2019-05-31 烟台大学 一种快速多线结构光视觉测量系统标定方法
CN110599539A (zh) * 2019-09-17 2019-12-20 广东奥普特科技股份有限公司 一种结构光条纹图像的条纹中心提取方法
US20200132451A1 (en) * 2017-06-12 2020-04-30 Beihang University Structural Light Parameter Calibration Device and Method Based on Front-Coating Plane Mirror
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
CN112116619A (zh) * 2020-09-16 2020-12-22 昆明理工大学 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

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050063582A1 (en) * 2003-08-29 2005-03-24 Samsung Electronics Co., Ltd. Method and apparatus for image-based photorealistic 3D face modeling
CN104050689A (zh) * 2014-06-10 2014-09-17 黄淮学院 一种虚拟场景中可视物体的二维裁剪生成方法
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
CN106091984A (zh) * 2016-06-06 2016-11-09 中国人民解放军信息工程大学 一种基于线激光的三维点云数据获取方法
CN106524945A (zh) * 2016-10-13 2017-03-22 无锡科技职业学院 一种基于机械臂和结构光视觉的平面夹角在线测量方法
US20200132451A1 (en) * 2017-06-12 2020-04-30 Beihang University Structural Light Parameter Calibration Device and Method Based on Front-Coating Plane Mirror
CN109827521A (zh) * 2019-03-11 2019-05-31 烟台大学 一种快速多线结构光视觉测量系统标定方法
CN110599539A (zh) * 2019-09-17 2019-12-20 广东奥普特科技股份有限公司 一种结构光条纹图像的条纹中心提取方法
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
CN112116619A (zh) * 2020-09-16 2020-12-22 昆明理工大学 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

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
PETER A. IANNUCCI等: "Cross-Modal Localization: Using automotive radar for absolute geolocation within a map produced with visible-light imagery", IEEE, pages 285 *
庞兆智等: "基于线结构光的大型螺纹在线测量与重构方法研究", 工具技术, vol. 55, no. 3, pages 81 *
李涛涛等: "基于多视觉线结构光传感器的大尺度测量方法", 中国激光, vol. 44, no. 11, pages 136 *
王福斌等: "线结构光条纹中心亚像素自适应提取算法", 激光技术, vol. 45, no. 3, pages 350 *
胡坤;周富强;张广军;: "一种快速结构光条纹中心亚像素精度提取方法", 仪器仪表学报, vol. 27, no. 10, pages 1326 *
陈晓辉等: "基于线结构光单平面标定的3D成像方法研究", 仪器仪表学报, vol. 42, no. 10, pages 179 *

Also Published As

Publication number Publication date
CN113536210B (zh) 2024-08-30

Similar Documents

Publication Publication Date Title
CN110230998B (zh) 基于线激光和双目相机的快速精密三维测量方法和装置
CN111609811A (zh) 一种基于机器视觉的大尺寸板材成形在线测量系统与方法
WO2021082380A1 (zh) 一种基于激光雷达的托盘识别方法、系统和电子设备
CN108381549A (zh) 一种双目视觉引导机器人快速抓取方法、装置及存储介质
CN115096206B (zh) 一种基于机器视觉的零件尺寸高精度测量方法
CN113324478A (zh) 一种线结构光的中心提取方法及锻件三维测量方法
Steger On the calculation of arbitrary moments of polygons
CN112017232A (zh) 图像内圆形图案的定位方法、装置及设备
CN112880562A (zh) 一种机械臂末端位姿误差测量方法及系统
CN107957246A (zh) 基于双目视觉的传送带上物体几何尺寸测量方法
CN110260818A (zh) 一种基于双目视觉的电子连接器鲁棒检测方法
CN114742853B (zh) 一种基于特征拟合的钣金件矩形轮廓三维测量方法及系统
CN113536210A (zh) 基于向量遍历线结构光条纹中心坐标的计算方法
CN112508932B (zh) 基于仿真模板匹配的焊缝定位方法、系统及存储介质
Li et al. Research on three-dimensional reconstruction technology of line laser scanning scene based on Otsu method
CN113758422B (zh) 一种发散型多线激光条纹的编号及识别方法
CN110458822B (zh) 一种复杂曲面零件非接触式三维匹配检测方法
Li et al. Structured light based high precision 3D measurement and workpiece pose estimation
JPH05280941A (ja) ３次元形状入力装置
CN116523984B (zh) 一种3d点云定位及配准方法、设备和介质
US11893768B2 (en) Method and system for recognizing geometric regularity image of honeycomb structure
JPH04295973A (ja) ハフ変換によるパターン曲線当てはめ方法
Gong et al. Improved Internal Propulsion Algorithm for Laser Centerline Extraction
CN113418926B (zh) 基于激光条中心线定位提取算法的轮对踏面损伤检测方法
CN118365593A (zh) 一种基于椭圆轮廓公切线的多孔零件位姿快速测量方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240802

Address after: 442000 No. 167 Checheng West Road, Hongwei Educational Pass, Shiyan City, Hubei Province

Applicant after: Hubei University of Automobile Technology

Country or region after: China

Address before: No.76, Kaiyuan Avenue, Zhumadian City, Henan Province

Applicant before: HUANGHUAI University

Country or region before: China

GR01 Patent grant
GR01 Patent grant