CN114034288B - 海底微地形激光线扫描三维探测方法及系统 - Google Patents
海底微地形激光线扫描三维探测方法及系统 Download PDFInfo
- Publication number
- CN114034288B CN114034288B CN202111072189.1A CN202111072189A CN114034288B CN 114034288 B CN114034288 B CN 114034288B CN 202111072189 A CN202111072189 A CN 202111072189A CN 114034288 B CN114034288 B CN 114034288B
- Authority
- CN
- China
- Prior art keywords
- laser
- image
- line scanning
- point cloud
- characteristic 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C7/00—Tracing profiles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Multimedia (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种海底微地形激光线扫描三维探测方法及系统,该方法包括:对激光条纹图像进行预处理,预处理包括利用阈值法筛选去除激光条纹图像的杂散光;对预处理图像采用灰度重心法提取激光条纹的中心;以预设光条长度的距离在激光线条进行采样并取平均,并逐帧在当前帧激光条纹图像上提取特征点并与上一帧激光条纹图像进行匹配,选取距离激光线条最相近的多组特征点并求其在像素上的位移平均数和相邻区域的深度;对激光线扫描三维成像系统中摄像机的移动速度和深度进行时间积分处理得到运动轨迹;依据运动轨迹提取三维点云信息,得到三维点云图像。解决了光条中心的提取存在干扰以及获取到的三维点云存在误差的问题。
Description
技术领域
本发明涉及海底探测技术领域,特别是涉及一种海底微地形激光线扫描三维探测方法及系统。
背景技术
在海洋探测与开发过程中,水下三维成像技术能够从更直观与准确的角度对海洋环境进行还原重现,有效的提高探测开发的效率。使用ROV进行海底巡航时,探测目标一般距离在1-10m内,此时三维成像可以比普通的二维成像提供更多的信息,辅助进行资源的探测、目标生物的高度测量等。
由于水中悬浮粒子存在、水体对光的吸收和散射、介质折射率变化等水下环境问题,水下的三维成像技术与陆上同等距离的应用有诸多差异。现已应用在水下的光学三维成像技术有结构光法、激光测量法、立体视觉法、SFM法等,各种技术都得到了研究与使用。其中,立体视觉法与SFM法更适合短距离的水下成像,激光测量法对器件有较高的要求,基于结构光原理的激光线扫描技术能够在水下15m距离进行工作,结构简明稳定,成本较低,非常适合搭载水下行进装置,对地形或目标物进行高精度的扫描三维成像。
激光线扫描技术是结构光三维成像中的一种,它一般由激光器与摄像机构成,通过三角测量法来测量目标的距离与形状,在陆地上各个行业都得到了广泛的应用与研究,发展已相对成熟。将其应用在水下时,由于光线传输介质不同,实现方式也有较大的差别与限制。基于这一点,很多实验室开展了相关的研究,国内例如中国海洋大学、哈尔滨工程大学、河海大学等高校与机构,都在各个方面做了较为深入的探讨并在实验室中取得了较好的结果。但深海环境与实验室测试环境在各个方面仍有一定的差异,在实际应用中在系统设计与算法上有进一步的不同。日本东京大学等多个科研机构都对激光线扫描系统在深海的实际调查探测,国内将激光线扫描技术实际应用在深海进行探测调查的工作还比较少。
激光线扫描系统应用于深海探测时,水体和其中的悬浮粒子对光线会产生吸收和散射效应,导致光线传输距离降低,并含有大量的散射粒子,对光条中心的正确提取造成较大的干扰。并且由于ROV在水下行进时运动轨迹很难保持匀速直线运动,会有一定幅度的方向与速度改变,会导致获取到的三维点云有一定的误差。
发明内容
本发明的目的是提供一种海底微地形激光线扫描三维点云获取方法及系统,以解决光条中心的提取存在干扰以及获取到的三维点云存在误差的问题。
为实现上述目的,本发明提供了如下方案:一种海底微地形激光线扫描三维点云获取方法,所述方法包括:
对激光线扫描三维成像系统生成的激光条纹图像进行预处理,得到预处理图像;所述预处理包括利用阈值法筛选去除所述激光条纹图像的杂散光;
对预处理图像采用灰度重心法提取激光条纹的中心,得到每帧激光条纹图像对应的激光线条;
以预设光条长度的距离在所述激光线条进行采样并取平均,并逐帧在当前帧所述激光条纹图像上提取特征点并与上一帧所述激光条纹图像进行匹配,选取距离激光线条最相近的多组特征点并求其在像素上的位移平均数和相邻区域的深度;
对激光线扫描三维成像系统中摄像机的移动速度和所述深度进行时间积分处理得到运动轨迹;
依据所述运动轨迹提取三维点云信息,得到三维点云图像。
可选的,所述激光线扫描三维成像系统包括防水舱、线状激光器、摄像机、透明窗和步进电机;所述线状激光器、摄像机设于所述防水舱内,所述线状激光器的发射端和所述摄像机的摄像头与所述透明窗对应设置,所述步进电机用于带动所述防水舱旋转运动;所述线状激光器为蓝绿色光线激光器。
可选的,在利用所述激光线扫描三维成像系统进行海底探测前,对所述激光线扫描三维成像系统采用基于单应矩阵与交比不变性设计标定方法进行标定。
可选的,所述基于单应矩阵与交比不变性设计标定方法具体包括:
通过标定板上特征点区域确定所述激光线扫描三维成像系统对应的单应性矩阵;
通过所述标定板上的直线区域结合交比不变定理确定所述激光线扫描三维成像系统中激光线与直线相交的坐标;
将多次移动标定板得到的多个单应性矩阵和多个坐标进行拟合得到激光平面;
依据激光线条在所述激光平面中的位置确定位置与实际深度的转换关系。
可选的,所述对激光线扫描三维成像系统生成的激光条纹图像进行预处理,得到预处理图像,具体包括:
对输入的激光条纹图像进行中值滤波,得到滤波图像;
采用预设大小的结构元对所述滤波图像进行形态学操作去除部分散射粒子,得到形态图像;
利用阈值法筛选去除所述形态图像中各个通道的杂散光,得到预处理图像;所述通道包括R通道、G通道和B通道中的一种或多种。
可选的,所述对预处理图像采用灰度重心法提取激光条纹的中心,得到每帧激光条纹图像对应的激光线条,具体包括:
分别提取所述预处理图像中与所述激光条纹图像中明亮区域对应的R、G、B三色通道中的该行像素,并绘制灰度值曲线;
利用极值法在R通道的灰度值曲线中取得各明亮区域的峰值;
在各区域的两侧求指定阈值的位置,计算获得各区域在G通道指定位置的峰宽;
取峰宽最大的极值点,在峰宽峰宽最大的极值点范围内以灰度重心法求得重心,所述重心为激光条纹的中心。
可选的,所述以预设光条长度的距离在所述激光线条进行采样并取平均,并逐帧在当前帧所述激光条纹图像上提取特征点并与上一帧所述激光条纹图像进行匹配,选取距离激光线条最相近的多组特征点并求其在像素上的位移平均数和相邻区域的深度,具体包括:
利用激光条纹上的点的深度信息粗略表示像平面到目标之间的距离,对每帧激光条纹图像提取激光线条后以1/10光条长度的距离进行采样并取平均,用来估计深度的变化;同时,逐帧在当前帧所述激光条纹图像右侧提取特征点并与上一帧所述激光条纹图像进行匹配,选取距离激光线条最相近的十组特征点并求其在像素上的位移平均数和相邻区域的深度。
可选的,所述对激光线扫描三维成像系统中摄像机的移动速度和所述深度进行时间积分处理得到运动轨迹,具体包括:
对连续25*30帧的图像序列进行识别计算,分别获取摄像机沿x轴、y轴方向的实际速度;
对所述x轴、y轴方向的实际速度分别做时间积分,以系统深度变化轨迹作为z轴坐标,得到系统在该时间段内相对海底的运动轨迹。
可选的,所述方法还包括:依据所述运动轨迹对提取的三维点云信息进行校正处理,得到校正后的三维点云图像。
本发明还提供了一种海底微地形激光线扫描三维点云获取系统,所述系统包括:
预处理单元,用于对激光线扫描三维成像系统生成的激光条纹图像进行预处理,得到预处理图像;所述预处理包括利用阈值法筛选去除所述激光条纹图像的杂散光;
激光线条提取单元,用于对预处理图像采用灰度重心法提取激光条纹的中心,得到每帧激光条纹图像对应的激光线条;
位移深度计算单元,用于以预设光条长度的距离在所述激光线条进行采样并取平均,并逐帧在当前帧所述激光条纹图像上提取特征点并与上一帧所述激光条纹图像进行匹配,选取距离激光线条最相近的多组特征点并求其在像素上的位移平均数和相邻区域的深度;
轨迹确定单元,用于对激光线扫描三维成像系统中摄像机的移动速度和所述深度进行时间积分处理得到运动轨迹;
三维点云图像生成单元,用于依据所述运动轨迹提取三维点云信息,得到三维点云图像。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
水下三维成像技术是海洋探测开发中重要的手段,基于线结构光原理的激光线扫描三维成像系统可以稳定高效的获取海底地形地貌及目标物的三维信息。本发明使用水下激光线扫描系统,在实验室完成了精度测试后,对深海海底进行了原位扫描探测,并根据海底成像的特点对图像携带的三维信息进行了有效提取与矫正,对比结果表明,在0.2m/s左右的扫描速度下,系统对于距离2-3m不同情况的海底地形能够进行准确的成像,形貌还原程度较高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,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。以下附图并未刻意按实际尺寸等比例缩放绘制,重点在于示出本发明的主旨。
图1示出了本发明的激光线扫描三维成像系统的结构示意图;
图2示出了标定板的示意图;
图3示出了激光平面的示意图;
图4示出了本发明的海底微地形激光线扫描三维点云获取方法的流程图;
图5示出了噪声行三通道灰度值曲线对比图;
图6示出了激光线条深度变化曲线;
图7示出了特征点水平方向的位移变化曲线;
图8示出了系统30s内水平速度变化曲线;
图9示出了系统30s内行进轨迹图;
图10示出了姿态校正前后对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中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的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。
虽然本发明对根据本发明的实施例的系统中的某些模块做出了各种引用,然而,任何数量的不同模块可以被使用并运行在用户终端和/或服务器上。所述模块仅是说明性的,并且所述系统和方法的不同方面可以使用不同模块。
本发明中使用了流程图用来说明根据本发明的实施例的系统所执行的操作。应当理解的是,前面或下面操作不一定按照顺序来精确地执行。相反,根据需要,可以按照倒序或同时处理各种步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
本发明的目的是提供一种海底微地形激光线扫描三维点云获取方法及系统,以解决光条中心的提取存在干扰以及获取到的三维点云存在误差的问题。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
需要说明的是在实现海底探测前需要搭建激光线扫描三维成像系统,并结合实验对激光线扫描三维成像系统进行标定操作,然后再对该系统的成像和三维点云数据进行处理和姿态矫正实验成功后,才将该系统投入使用。但在实验和实际使用过程中均包含海底微地形激光线扫描三维点云获取方法,因此本发明请求保护的海底微地形激光线扫描三维点云获取方法及系统不限于使用场景。
为了方便理解本文以实验过程为基础对本发明做详细描述。
激光线扫描三维成像系统一般由线状激光器与摄像机组成,激光器投射出光线,由摄像机接收。考虑到深海试验中的环境特点与耐水耐压、方便搭载,工作稳定的需求,在搭建系统时采用了耐工作水压的圆筒状铝合金防水舱与透明石英视窗,选取体积相对小巧的器件并以较为紧凑且稳固的方式固定在防水舱内,在降低系统体积重量的同时防止系统受水压影响产生故障。由于水体光线选择性吸收的特性,蓝绿色光线在水下具有较远的传输距离,本实施例选择了功率较大的蓝绿色激光器,使系统在深海中能够在15m内的距离进行工作。同时,在对水平方向的目标物进行成像时,在系统下方加装深水步进电机以带动系统整体旋转,以达到扫描的目的。
如图1所示,由此得到的激光线扫描三维成像系统包括防水舱1、线状激光器2、摄像机3、透明窗和步进电机4;所述线状激光器2、摄像机3设于所述防水舱1内,所述线状激光器2的发射端和所述摄像机3的摄像头与所述透明窗对应设置,所述步进电机4用于带动所述防水舱1旋转运动;所述线状激光器为蓝绿色光线激光器。
工作时,激光器与摄像机呈一定的角度,当对角度进行调整时,激光线条在像平面中的位置与实际深度有不同的转换关系。为了确定这一转换关系,需要在系统运行前进行摄像机的标定和激光平面的标定。在深海试验中,需要考虑到标定环境的限制,
实际应用中的标定过程主要考虑到两点:介质折射与标定环境限制。介质折射:系统放置在水下时由于水体和透明窗的折射率与空气不同,成像点会发生较大的改变。所以对摄像机在水下与空气中分别进行了标定,使用焦距与径向畸变的改变来控制产生的误差。标定环境限制:系统有一定的体积,整体放置在水下进行标定比较困难,而在进行海试的时候,由于探测范围的改变要求进行重复标定。要求标定过程可以在空气中进行,较于方便快速。但现有的直接标定法、靶标标定法不适用本发明,因此本发明采用基于单应矩阵与交比不变性设计标定方法。通过标定板左侧的特征点确定标定板相对系统的单应性矩阵,再通过交比不变定理确定激光线与四条直线相交的坐标,将标定板移动确定多点,拟合获取激光平面;依据激光线条在激光平面中的位置确定位置与实际深度的转换关系。其中标定板如图2所示,得到的激光平面如图3所示。
接下来详细说明本发明提供的海底微地形激光线扫描三维点云获取方法,如图4所示,所述方法包括:
步骤101:对激光线扫描三维成像系统生成的激光条纹图像进行预处理,得到预处理图像;所述预处理包括利用阈值法筛选去除所述激光条纹图像的杂散光;
海底环境复杂,海底水体中含有非常多的散射粒子,例如海雪、沙砾或水体中含有的其他粒子等,当位置处在激光器与摄像机连线垂面及附近的时候,会造成严重的后向散射。同时系统在海底进行工作时会持续遇到ROV其他设备杂散光及散射粒子的干扰,为尽量减少这些因素对后续光条提取工作的影响,需要对图像进行预处理。该预处理过程具体可以包括:
对输入的激光条纹图像进行中值滤波,得到滤波图像;
采用预设大小的结构元对所述滤波图像进行形态学操作去除部分散射粒子,得到形态图像;在实际应用中,散射粒子最大的特点是零散且不连续,针对该条特点,选择相对较小的结构元,对图像进行形态学处理,去除部分较小的散射粒子;
利用阈值法筛选去除所述形态图像中各个通道的杂散光,得到预处理图像;所述通道包括R通道、G通道和B通道中的一种或多种。实际应用中,ROV搭载的其他光源以LED照明灯为主,将图像分为RGB三色的单通道图像,对比得出,杂散光在R通道的灰度值显著大于激光线区域,或在B通道灰度显著小于激光线中心平均值,即可通过此特点,通过阈值筛选的方式筛选出可能造成线条提取失误的点。
步骤102:对预处理图像采用灰度重心法提取激光条纹的中心,得到每帧激光条纹图像对应的激光线条;
具体的,在有噪声存在的行像素中,一般存在两组或多组颜色类似的连续明亮点,其中一组为所求的光条区域,而其他组为噪声区域。为分辨光条区域与噪声区域,分别提取原图像的R、G、B三色通道中的该行像素并绘制曲线,即分别提取预处理图像中与激光条纹图像中明亮区域对应的R、G、B三色通道中的该行像素,并绘制灰度值曲线,曲线图见图5。
利用极值法在R通道的灰度值曲线中取得各明亮区域的峰值;
在各区域的两侧求指定阈值的位置,计算获得各区域在G通道指定位置的峰宽;
取峰宽最大的极值点,在峰宽峰宽最大的极值点范围内以灰度重心法求得重心,所述重心为激光条纹的中心。
当使用520nm的激光光源进行成像时,在与波长相近的G通道中,光条区域的峰宽明显大于噪声区域的峰宽。在R通道中,利用极值法取得各明亮区域的峰值为x1,x2,…,在各区域的两侧求指定阈值的位置,则可计算获得各区域在G通道指定位置的峰宽。取峰宽最大的极值点xmax,在峰宽范围内以灰度重心法求得重心,此重心即为激光条纹的中心。
传统的光条纹中心提取算法有灰度重心法、阈值法、极值法、Steger算法等,其中灰度重心法具有快速、简单、易实现等特点,但抗噪声能力差。考虑较大有色粒子的影响,本发明采用单通道阈值法与和灰度重心法相结合的方法对含有散射粒子图像中的激光线条进行提取,在针对每个环境情况设置光条提取参数时,该方法相比其他速度较快的传统光条提取方法,具有更强的鲁棒性,能高效的在散射粒子干扰存在的情况下对光条重心进行提取。
步骤103:以预设光条长度的距离在所述激光线条进行采样并取平均,并逐帧在当前帧所述激光条纹图像上提取特征点并与上一帧所述激光条纹图像进行匹配,选取距离激光线条最相近的多组特征点并求其在像素上的位移平均数和相邻区域的深度;
在实际深海工作中,水下航行器往往难以维持相对地形或海平面水平的姿态进行匀速平移,此时扫描到的地形地貌或目标物在这时会发生较大的变形。考虑到ROV在海底行进时以直线巡航为主,产生的俯仰姿态较少,而速度改变与水平方向改变较多。为尽量使获取点云更为精确,利用特征点匹配,在水平平面上对系统的运动方向与速度进行求解,模拟系统在航行时产生的水平姿态改变。
由于单目系统难以精确获得每个像素点的深度信息,因此本实施例利用激光条纹上的点的深度信息粗略表示像平面到目标之间的距离,对每帧激光条纹图像提取激光线条后以1/10光条长度的距离进行采样并取平均,用来估计深度的变化;同时,逐帧在当前帧所述激光条纹图像右侧提取特征点并与上一帧所述激光条纹图像进行匹配,选取距离激光线条最相近的十组特征点并求其在像素上的位移平均数和相邻区域的深度。
步骤104:对激光线扫描三维成像系统中摄像机的移动速度和所述深度进行时间积分处理得到运动轨迹;
获得特征点的像素位移与相邻区域的深度后,即可对此时的实际位移进行估测;图像深度变化图见图6,位移变化图见图7,移动速度变化图见图8。对连续25*30帧的图像序列进行识别计算,分别获取摄像机沿x轴、y轴方向的实际速度;对所述x轴、y轴方向的实际速度分别做时间积分,以系统深度变化轨迹作为z轴坐标,得到系统在该时间段内相对海底的运动轨迹,如图9所示。
步骤105:依据所述运动轨迹提取三维点云信息,得到三维点云图像。
由图9可见,系统在30s内沿行进方向位移为3.5m,横向偏移0.5m左右。因此在获取到系统的位移及速度信息后,即可在长距离成像时,根据轨迹对提取出的点云三维信息进行矫正。对以上的图像序列进行三维点云获取,经过矫正与未经矫正的沙坡区域地形扫描图如图10所示。对比可知,通过水平位姿的对三维点云进行矫正后,能够更准确的还原出目标区域的三维信息。
本发明还提供了一种海底微地形激光线扫描三维点云获取系统,用于实现上述海底微地形激光线扫描三维点云获取方法;所述系统包括:
预处理单元,用于对激光线扫描三维成像系统生成的激光条纹图像进行预处理,得到预处理图像;所述预处理包括利用阈值法筛选去除所述激光条纹图像的杂散光;
激光线条提取单元,用于对预处理图像采用灰度重心法提取激光条纹的中心,得到每帧激光条纹图像对应的激光线条;
位移深度计算单元,用于以预设光条长度的距离在所述激光线条进行采样并取平均,并逐帧在当前帧所述激光条纹图像上提取特征点并与上一帧所述激光条纹图像进行匹配,选取距离激光线条最相近的多组特征点并求其在像素上的位移平均数和相邻区域的深度;
轨迹确定单元,用于对激光线扫描三维成像系统中摄像机的移动速度和所述深度进行时间积分处理得到运动轨迹;
三维点云图像生成单元,用于依据所述运动轨迹提取三维点云信息,得到三维点云图像。
此外,本领域技术人员可以理解,本发明的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本发明的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本发明的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
除非另有定义,这里使用的所有术语(包括技术和科学术语)具有与本发明所属领域的普通技术人员共同理解的相同含义。还应当理解,诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义,而不应用理想化或极度形式化的意义来解释,除非这里明确地这样定义。
上面是对本发明的说明,而不应被认为是对其的限制。尽管描述了本发明的若干示例性实施例,但本领域技术人员将容易地理解,在不背离本发明的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此,所有这些修改都意图包含在权利要求书所限定的本发明范围内。应当理解,上面是对本发明的说明,而不应被认为是限于所公开的特定实施例,并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本发明由权利要求书及其等效物限定。
Claims (4)
1.一种海底微地形激光线扫描三维点云获取方法,其特征在于,
对激光线扫描三维成像系统采用基于单应性矩阵与交比不变性设计标定方法进行标定;所述基于单应性矩阵与交比不变性设计标定方法具体包括:通过标定板上特征点区域确定所述激光线扫描三维成像系统对应的单应性矩阵;通过所述标定板上的直线区域结合交比不变定理确定所述激光线扫描三维成像系统中激光线与直线相交的坐标;将多次移动所述标定板得到的多个单应性矩阵和多个坐标进行拟合得到激光平面;依据激光线条在所述激光平面中的位置确定位置与实际深度的转换关系;
对所述激光线扫描三维成像系统生成的激光条纹图像进行预处理,得到预处理图像,具体包括:对输入的激光条纹图像进行中值滤波,得到滤波图像;采用预设大小的结构元对所述滤波图像进行形态学操作去除部分散射粒子,得到形态图像;利用阈值法筛选去除所述形态图像中各个通道的杂散光,得到预处理图像;所述通道包括R通道、G通道和B通道中的一种或多种;所述预处理包括利用阈值法筛选去除所述激光条纹图像的杂散光;
对所述预处理图像采用灰度重心法提取激光条纹的中心,得到每帧激光条纹图像对应的激光线条,具体包括:分别提取所述预处理图像中与所述激光条纹图像中明亮区域对应的R、G、B三色通道中的行像素,并绘制灰度值曲线;利用极值法在R通道的灰度值曲线中取得各明亮区域的峰值;在各明亮区域的两侧求指定阈值的位置,计算获得各明亮区域在G通道指定位置的峰宽;取峰宽最大的极值点,在峰宽最大的极值点范围内以所述灰度重心法求得重心,所述重心为所述激光条纹的中心;
以预设光条长度的距离对所述激光线条进行采样并取平均,并逐帧在当前帧所述激光条纹图像上提取特征点并与上一帧所述激光条纹图像进行匹配,选取距离激光线条最相近的多组特征点并求其在像素上的位移平均数和相邻区域的深度,具体包括:利用所述激光条纹上的点的深度信息粗略表示像平面到目标之间的距离,对每帧激光条纹图像提取激光线条后以1/10光条长度的距离进行采样并取平均,用来估计深度的变化;同时,逐帧在当前帧所述激光条纹图像右侧提取特征点并与上一帧所述激光条纹图像进行匹配,选取距离激光线条最相近的十组特征点并求其在像素上的位移平均数和相邻区域的深度;
对连续25*30帧的图像序列进行识别计算,分别获取摄像机沿x轴、y轴方向的实际速度;对所述x轴、y轴方向的实际速度分别做时间积分,以系统深度变化轨迹作为z轴坐标,得到系统在该时间段内相对海底的运动轨迹;
依据所述运动轨迹提取三维点云信息,得到三维点云图像。
2.根据权利要求1所述的海底微地形激光线扫描三维点云获取方法,其特征在于,所述激光线扫描三维成像系统包括防水舱、线状激光器、摄像机、透明窗和步进电机;所述线状激光器、所述摄像机设于所述防水舱内,所述线状激光器的发射端和所述摄像机的摄像头与所述透明窗对应设置,所述步进电机用于带动所述防水舱旋转运动;所述线状激光器为蓝绿色光线激光器。
3.根据权利要求1所述的海底微地形激光线扫描三维点云获取方法,其特征在于,所述方法还包括:依据所述运动轨迹对提取的三维点云信息进行校正处理,得到校正后的三维点云图像。
4.一种海底微地形激光线扫描三维点云获取系统,用于实现权利要求1-3任一项所述的一种海底微地形激光线扫描三维点云获取方法,其特征在于,所述系统包括:
预处理单元,用于对激光线扫描三维成像系统生成的激光条纹图像进行预处理,得到预处理图像;所述预处理包括利用阈值法筛选去除所述激光条纹图像的杂散光;
激光线条提取单元,用于对所述预处理图像采用灰度重心法提取激光条纹的中心,得到每帧激光条纹图像对应的激光线条;
位移深度计算单元,用于以预设光条长度的距离对所述激光线条进行采样并取平均,并逐帧在当前帧所述激光条纹图像上提取特征点并与上一帧所述激光条纹图像进行匹配,选取距离激光线条最相近的多组特征点并求其在像素上的位移平均数和相邻区域的深度;
轨迹确定单元,用于对连续25*30帧的图像序列进行识别计算,分别获取摄像机沿x轴、y轴方向的实际速度;对所述x轴、y轴方向的实际速度分别做时间积分,以系统深度变化轨迹作为z轴坐标,得到系统在该时间段内相对海底的运动轨迹;
三维点云图像生成单元,用于依据所述运动轨迹提取三维点云信息,得到三维点云图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111072189.1A CN114034288B (zh) | 2021-09-14 | 2021-09-14 | 海底微地形激光线扫描三维探测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111072189.1A CN114034288B (zh) | 2021-09-14 | 2021-09-14 | 海底微地形激光线扫描三维探测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114034288A CN114034288A (zh) | 2022-02-11 |
CN114034288B true CN114034288B (zh) | 2022-11-08 |
Family
ID=80134388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111072189.1A Active CN114034288B (zh) | 2021-09-14 | 2021-09-14 | 海底微地形激光线扫描三维探测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114034288B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115128617B (zh) * | 2022-05-31 | 2024-04-05 | 青岛海洋地质研究所 | 适用于深海矿产资源勘查区的高精度海底成像方法 |
CN114877813B (zh) * | 2022-06-02 | 2023-07-04 | 福建新大陆自动识别技术有限公司 | 一种基于图像识别的激光测距方法 |
CN116839496A (zh) * | 2023-06-26 | 2023-10-03 | 深圳市海塞姆科技有限公司 | 材料水中形变的测量方法、装置、系统及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226638B (zh) * | 2007-01-18 | 2010-05-19 | 中国科学院自动化研究所 | 一种对多相机系统的标定方法及装置 |
FR3013487B1 (fr) * | 2013-11-18 | 2017-04-21 | Univ De Nice (Uns) | Procede d'estimation de la vitesse de deplacement d'une camera |
CN110838146A (zh) * | 2019-10-14 | 2020-02-25 | 武汉中观自动化科技有限公司 | 一种共面交比约束的同名点匹配方法、系统、装置及介质 |
-
2021
- 2021-09-14 CN CN202111072189.1A patent/CN114034288B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114034288A (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114034288B (zh) | 海底微地形激光线扫描三维探测方法及系统 | |
CN110569704B (zh) | 一种基于立体视觉的多策略自适应车道线检测方法 | |
CN111090103B (zh) | 水下小目标动态精细检测三维成像装置及方法 | |
Roman et al. | Application of structured light imaging for high resolution mapping of underwater archaeological sites | |
CN104318561B (zh) | 基于双目立体视觉与光流融合的车辆运动信息检测方法 | |
CN111046776B (zh) | 基于深度相机的移动机器人行进路径障碍物检测的方法 | |
CN107462223B (zh) | 一种公路转弯前行车视距自动测量装置及测量方法 | |
CN111340797A (zh) | 一种激光雷达与双目相机数据融合检测方法及系统 | |
CN110031829B (zh) | 一种基于单目视觉的目标精准测距方法 | |
CN108597009B (zh) | 一种基于方向角信息进行三维目标检测的方法 | |
CN112037159B (zh) | 一种跨相机道路空间融合及车辆目标检测跟踪方法及系统 | |
CN110766669B (zh) | 一种基于多目视觉的管线测量方法 | |
CN110246151B (zh) | 一种基于深度学习和单目视觉的水下机器人目标跟踪方法 | |
CN103971406A (zh) | 基于线结构光的水下目标三维重建方法 | |
Perrollaz et al. | A visibility-based approach for occupancy grid computation in disparity space | |
CN114488164B (zh) | 水下航行器同步定位与建图方法及水下航行器 | |
CN114332348B (zh) | 一种融合激光雷达与图像数据的轨道三维重建方法 | |
CN104121902A (zh) | 基于Xtion摄像机的室内机器人视觉里程计实现方法 | |
CN113327297B (zh) | 基于深度学习的深海海底障碍物测量系统与识别方法 | |
CN103700082B (zh) | 基于对偶四元数相对定向的图像拼接方法 | |
CN106153041B (zh) | 一种基于多景深信息的视觉里程计测速方法 | |
CN103226828A (zh) | 一种水下机器人声视觉三维成像的图像配准方法 | |
CN112800938A (zh) | 无人驾驶车辆检测侧面落石发生的方法及装置 | |
CN115187666A (zh) | 深度学习和图像处理结合的侧扫声呐海底高程探测方法 | |
CN115239822A (zh) | 分体式飞行车辆多模块间实时视觉识别定位方法及系统 |
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 |