CN115619878B - 一种用于测量冰形的激光线提取融合及在线冰形测量方法 - Google Patents

一种用于测量冰形的激光线提取融合及在线冰形测量方法 Download PDF

Info

Publication number
CN115619878B
CN115619878B CN202211546531.1A CN202211546531A CN115619878B CN 115619878 B CN115619878 B CN 115619878B CN 202211546531 A CN202211546531 A CN 202211546531A CN 115619878 B CN115619878 B CN 115619878B
Authority
CN
China
Prior art keywords
laser
laser line
line
image
color
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
Application number
CN202211546531.1A
Other languages
English (en)
Other versions
CN115619878A (zh
Inventor
左承林
马军
刘森云
魏龙涛
赵荣
岳廷瑞
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.)
Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center
Original Assignee
Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center
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 Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center filed Critical Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center
Priority to CN202211546531.1A priority Critical patent/CN115619878B/zh
Publication of CN115619878A publication Critical patent/CN115619878A/zh
Application granted granted Critical
Publication of CN115619878B publication Critical patent/CN115619878B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • 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
    • G06T2207/10024—Color image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及冰形测量技术领域，提供了一种用于测量冰形的激光线提取融合及在线冰形测量方法。采用彩色偏振相机对结冰的三维外形进行在线测量，将拍摄的激光线图像分离成4H通道图像，分别对各个通道图像提取激光线，根据不同通道进行激光线提取时计算的Hessian矩阵的最大绝对特征值筛选得到最终的激光线二维图像坐标。本申请利用冰对不同颜色、不同偏振态光的反作用特性，分别提取特征信息进行处理，从而提高对冰的拍摄效果。

Description

一种用于测量冰形的激光线提取融合及在线冰形测量方法
技术领域
本发明涉及冰形测量技术领域，尤其是涉及一种用于测量冰形的激光线提取融合及在线冰形测量方法。
背景技术
为探索结冰机理、进行结冰气象条件下飞行器空气动力性能评估等研究，研究人员需要对飞行部件在不同气象环境下的结冰外形进行测量研究。获取结冰外形的途径主要有3种：软件仿真计算；飞行试验；地面模拟试验。地面模拟试验由于成本低、能够获得定量结果，是主要的获取结冰外形手段。地面模拟试验通常在结冰风洞中进行。精细化的冰块三维形状信息对提升结冰条件下飞机气动力CFD计算精度具有重要价值。因此，迫切需要可用于结冰生长过程冰形在线三维测量的方法。
国内外学者尝试了采用基于面结构光的三维扫描仪非接触测量方法进行冰横截面轮廓和三维形状半在线测量，但是，由于冰块表面反射系数低、透射系数高，需向冰块表面喷洒深色涂料，才能得到高对比度编码图案图像，极大地限制了该测量方法的应用范围，也无法用于在线测量。
与投影仪投射的编码条纹相比，激光器投射的线激光具有亮度集中、图像对比度高等优点，已被广泛应用于工业三维测量领域，无需向冰块喷洒深色涂料也可得到较好的观测图像。一系列研究工作以及后期学者们进行的一系列探索性实验，证实了激光三角测量法在结冰模型表面轮廓测量的可行性以及相对传统冰形测量方法的优势，也发展了很多关于激光线提取的相关先进技术，如专利CN202010707470.7公开了激光条纹中心的提取方法、装置，专利CN202010257133.2公开了一种基于平面靶标的激光线关键点提取方法，专利CN202011182180.1公开了一种激光图案提取方法，专利CN202110804080.6公开了一种基于深度学习的激光线提取方法及系统。然而这些激光线提取方法均不适用于在明冰表面的激光线提取。
这是由于，明冰的反射率在整个有记录的光谱范围内都极低，在可见光范围内，仅有不到2%的入射光在物面被反射。由于明冰的透明度高且表面光滑，线激光投射在冰体表面，多数光线投射冰体，只有小部分光线通过冰体表面进行反射，造成采集图像激光带区域严重扩散，表现在图像上则是一个亮斑区域，摄像机难以得到清晰的光条图案，导致测量精度偏低，无法准确获得冰形结构。
发明内容
为了解决现有技术存在的不足，本申请提供一种用于测量冰形的激光线提取融合及在线冰形测量方法，采用彩色偏振相机对结冰的三维外形进行在线测量，将拍摄的激光线图像分离成4H通道图像，分别对各个通道提取激光线，然后根据不同通道进行激光线提取时计算的Hessian矩阵的最大绝对特征值筛选得到最终的激光线二维图像坐标。本申请利用冰对不同颜色、不同偏振态光的反作用特性，分别提取特征信息进行处理，从而提高对冰的拍摄效果。
本申请一方面提供一种用于测量冰形的激光线提取融合方法，采用彩色偏振相机，所述彩色偏振相机的彩色滤光片阵列为Bayer格式，每个彩色滤光片叠加有H个不同方向的偏振滤光片阵列；包括如下步骤：
S10. 使用彩色偏振相机获取激光线图像；
S20. 将获取的激光线图像分离成4H通道图像，对每个通道图像进行插值去马赛克处理；
S30. 对各通道图像进行激光线提取，得到各个通道图像中激光线的二维图像坐标；
S40. 将所有通道图像中的激光线整合到一起；
S50. 对于整合后激光线的每一个像素位置，比较不同通道进行激光线提取时计算的Hessian矩阵的最大绝对特征值，以最大的最大绝对特征值所对应的通道的激光线二维图像坐标作为该像素位置最终的激光线二维图像坐标，记为该像素位置的激光线二维图像坐标。
本申请第二方面提供另一种用于测量冰形的激光线提取融合方法，采用彩色偏振相机，所述彩色偏振相机的彩色滤光片阵列为Bayer格式，每个彩色滤光片叠加有H个不同方向的偏振滤光片阵列；包括如下步骤：
S10. 使用彩色偏振相机获取激光线的彩色图像；
S20. 将获取的彩色图像分离成4H通道图像，对每个通道图像进行插值去马赛克处理；
S30. 对各通道图像进行激光线提取，得到各个通道图像中激光线的二维图像坐标；
S40’.将同一偏振态下的4个颜色通道激光线整合到一起；
S50’.对每一单一偏振态下整合的激光线的每一个像素位置，比较不同颜色通道进行激光线提取时计算的Hessian矩阵的最大绝对特征值，以最大的最大绝对特征值所对应的颜色通道的激光线二维图像坐标作为该像素位置在该偏振态下最终的激光线二维图像坐标，得到各个偏振态下的激光线的最终二维图像坐标；
60’：对各个偏振态下的激光线的最终二维图像坐标进行偏移补偿，将其还原到原始激光线图像中，从而得到原始激光线图像中激光线二维图像坐标。
本申请第三方面提供一种在线冰形测量方法，采用彩色偏振相机，所述彩色偏振相机的彩色滤光片阵列为Bayer格式，每个彩色滤光片叠加有H个不同方向的偏振滤光片阵列；包括以下步骤：
A10. 采用标定板进行标定，获得线激光器不同旋转位置的激光片光的平面方程系数
Figure 100002_DEST_PATH_IMAGE001
，l=1，2，…，L；l为线激光器旋转位置，L为旋转位置总数；
A20. 将线激光器恢复到标定的起始位置，控制所述线激光器旋转，使投射到结冰表面的激光线对结冰进行扫描，在标定的各个旋转位置同步触发彩色偏振相机获取结冰表面的激光线图像；
A30. 采用如前所述的一种用于测量冰形的激光线提取融合方法提取得到每一个旋转位置的激光线二维图像坐标；
A40. 解算得到相机坐标系下的激光线三维坐标：
Figure 875687DEST_PATH_IMAGE002
，
其中，
Figure 100002_DEST_PATH_IMAGE003
为第l个旋转位置的激光线上第k个点在相机坐标系下的三维坐标，
Figure 563151DEST_PATH_IMAGE004
为该点相应的激光线二维图像坐标，
Figure 100002_DEST_PATH_IMAGE005
为比例系数，A为标定得到的相机内参矩阵。
采用本申请的一种用于测量冰形的激光线提取融合及在线冰形测量方法，相对于现有技术，至少具有以下有益效果：
（1）本申请对彩色偏振相机所获取的图像进行了分离，分别进行处理后再合并，由此可以利用冰对不同颜色，不同偏振态光的反作用特性，分别提取特征信息进行处理，提高了对冰的拍摄效果，提高所拍摄图像的清晰度；
（2）本申请将图像进行多通道分离后，提取各个通道的特征信息进行融合，滤除过曝光和杂散光的影响，选取包含特征信息最多的位置作为提取到激光线信息的位置，从而提高了激光线提取的精度，保证了在线冰形测量的精度；
（3）本申请将同一偏振态下不同颜色通道提取到的激光线图像进行整合后最终确定的激光线二维图像坐标还原到原始图像中去，即进行了一个偏移补偿，由此进一步提高了图像处理的精度，提高了激光线提取的精度，为获得更准确的冰形提供基础。
（4）本申请的方法标定一次后可以完成多次测量，在线测量简单易行，并且速度快，精度高，非常适用于对明冰和混合冰的在线冰形测量。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面所描述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是实施例1的一种用于测量冰形的激光线提取融合方法的流程示意图；
图2是实施例1的彩色偏振相机图像格式示意图；
图3是实施例1中由图2按偏振态分离后的图像示意图；
图4由图3的90°偏振态的图像按颜色通道分离后的图像示意图；
图5是实施例1的一种用于测量冰形的激光线提取融合方法的流程的又一示意图；
图6是实施例2的一种用于测量冰形的激光线提取融合方法的流程示意图；
图7是实施例2的一种用于测量冰形的激光线提取融合方法的又一流程示意图；
图8是实施例3的在线冰形测量方法的流程示意图；
图9是实施例3的相机标定的流程示意图。
具体实施方式
以下的说明提供了许多不同的实施例、或是例子，用来实施本发明的不同特征。以下特定例子所描述的元件和排列方式，仅用来精简的表达本发明，其仅作为例子，而并非用以限制本发明。
实施例1
一种用于测量冰形的激光线提取融合方法，如图1所示，采用彩色偏振相机，所述彩色偏振相机的彩色滤光片阵列为Bayer格式，每个彩色滤光片叠加有H个不同方向的偏振滤光片阵列。Bayer格式为RGGB，R为红色，红色的滤镜透过红色的波长；G为绿色，绿色的滤镜透过绿色的波长；B为蓝色，蓝色的滤镜透过蓝色的波长。不同方向的偏振滤光片阵列按以下至少两个角度设置的滤光片：0°、45°、90°、135°。本实施例中，每个彩色滤光片叠加有4个不同方向的偏振滤光片阵列，分别为0°、45°、90°、135°的偏振滤光片，形成的彩色偏振相机图像格式如图2所示。
激光线提取融合方法包括如下步骤：
S10. 使用彩色偏振相机获取激光线图像；
S20. 将获取的激光线图像分离成4H通道图像，对每个通道图像进行插值去马赛克处理；具体地，如图2-图5所示：
首先，按偏振态进行分离，本实施例中采用了4个偏振态（即H=4），分别按0°、45°、90°、135°的偏振态分离出来四张图像，如图3，图5所示；
其次，按颜色通道分别对各偏振态的图像进一步分离，分别得到以下16个通道的图像：0°偏振态下的R通道图像，0°偏振态下的G1通道图像，0°偏振态下的G2通道图像，0°偏振态下的B通道图像；
45°偏振态下的R通道图像，45°偏振态下的G1通道图像，45°偏振态下的G2通道图像，45°偏振态下的B通道图像；
90°偏振态下的R通道图像，90°偏振态下的G1通道图像，90°偏振态下的G2通道图像，90°偏振态下的B通道图像，如图4所示；
135°偏振态下的R通道图像，135°偏振态下的G1通道图像，135°偏振态下的G2通道图像，135°偏振态下的B通道图像。
获得16个通道的图像后，对该16个图像分别进行插值去马赛克处理，提高图像的分辨率，具体的方法是本领域的现有技术，在此不作赘述，由此可得到16张各通道的完整图像。
该步骤将彩色偏振相机拍摄的一张激光线图像分离成16通道图像，每个通道为一个颜色一个偏振态，分别代表着冰对该颜色该偏振态的特征信息，接下来分别对这16张通道图像进行处理，分别提取这16张图像中的激光线信息。
S30. 对各通道图像进行激光线提取，得到各个通道图像中激光线的二维图像坐标；
S40. 将所有通道图像中的激光线整合到一起；
S50. 对于整合后激光线的每一个像素位置，比较不同通道进行激光线提取时计算的Hessian矩阵的最大绝对特征值，以最大的最大绝对特征值所对应的通道的激光线二维图像坐标作为该像素位置最终的激光线二维图像坐标。即将包含特征信息最多的位置作为最终的激光线二维图像坐标，记为该像素位置的激光线二维图像坐标，完成激光线的提取和融合。
值得说明的是，Hessian矩阵的最大绝对特征值为Hessian矩阵的最大特征值的绝对值。由于Hessian矩阵的最大特征值有正有负，因而采用Hessian矩阵的最大特征值的绝对值为比较对象，选取绝对值中最大的值对应的通道的激光线二维图像坐标作为该像素位置最终的激光线二维图像坐标。
作为优选，采用steger算法进行激光线提取。由于steger算法为本领域的常规技术手段，在此不作赘述。
值得注意的是，上述方法中，在进行各通道分离时，绝大多数被提取的像素点（除了左上角第一个像素点）在分离过程中均存在一定的位置偏移，例如135°偏振态图像中，左上角第一个R颜色像素点，在该分离的图像中的坐标为（1，1），但是在原始图像中（如图2所示），该像素点的坐标为（1，2）（y轴以向下方向为正）。从图5中也可以看出，假设原始图像的尺寸为长H，宽W，当进行偏振态分离时，分离出的图像的尺寸为1/2H和1/2W，采用本实施例1最后得到的整合后的激光线图像的尺寸依然为1/2H和1/2W，即在本实施例中，并不考虑在多通道分离时所造成的像素点的位置偏移，可以将其看作是一个降像素的过程。当然，优选的方式是需要将该位置偏移进行偏移补偿，如实施例2所示。
实施例2
本实施例与实施例1不同的是，本实施例对各通道分离时产生的位置偏移进行补偿，将同一偏振态中提取到的激光线的像素点的坐标还原到原始图像中，从而提高激光线的提取精度，如图6-图7所示，即从步骤S10-S30与实施例相同，将S40替换为S40’，还需要执行步骤50’-步骤70’：
一种用于测量冰形的激光线提取融合方法，采用彩色偏振相机，所述彩色偏振相机的彩色滤光片阵列为Bayer格式，每个彩色滤光片叠加有H个不同方向的偏振滤光片阵列；包括如下步骤：
S10. 使用彩色偏振相机获取激光线图像；
S20. 将获取的激光线图像分离成4H通道图像，对每个通道图像进行插值去马赛克处理；
S30. 对各通道图像进行激光线提取，得到各个通道图像中激光线的二维图像坐标；优选采用steger算法进行激光线提取；
S40’. 将同一偏振态下的4个颜色通道激光线整合到一起；
S50’.对每一单一偏振态下整合的激光线的每一个像素位置，比较不同颜色通道进行激光线提取时计算的Hessian矩阵的最大绝对特征值，以最大的最大绝对特征值所对应的颜色通道的激光线二维图像坐标作为该像素位置在该偏振态下最终的激光线二维图像坐标，得到各个偏振态下的激光线的最终二维图像坐标；
60’.对各个偏振态下的激光线的最终二维图像坐标进行偏移补偿，将其还原到原始激光线图像中，从而得到原始激光线图像中激光线的二维图像坐标；此时，提取到的激光线图像中的每一个像素点的坐标均为该像素点在原始图像中的二维图像坐标，记为该像素位置的激光线二维图像坐标。
本实施例2中，如图7所示，虽然在多通道分离时造成了像素点一定的位置偏移，但是在各偏振态的各颜色通道所提取出来的激光线整合之后，对各个偏振态所提取出的激光线的像素点进行了位置补偿，将其还原到原始图像中，形成了与原始图像尺寸相同的激光线图像，并且像素点的位置与其在原始图像中相同，这样就消除了多通道分离时造成的像素点的位置偏移，提高了激光线提取的精度。
以本实施例的四种偏振态为例，说明具体的偏移补偿方式。在原始图像中，各偏振态的排布方式如图2所示，则按照以下方式进行偏移补偿的计算：
对于90°偏振通道图像中的激光线二维图像坐标
Figure 939906DEST_PATH_IMAGE006
，偏移补偿后的该像素位置的激光线二维图像坐标
Figure 100002_DEST_PATH_IMAGE007
计算如下：
Figure 386806DEST_PATH_IMAGE008
Figure 100002_DEST_PATH_IMAGE009
，
其中，[ ]表示取整的运算符。
例如，90°偏振通道R颜色的图像中，第三行第一列的像素点在该通道图像中的坐标值为（1，3），其在原始图像中位于第五行第一列，坐标值为（1，5），采用上述公式进行计算：
Figure 823603DEST_PATH_IMAGE010
计算结果与实际值相同。
当然，在实际进行激光线提取过程中，可能提取到亚像素的情况，例如提取到的像素点在该通道图像中的坐标值为（1，2.5），也采用相同的计算方法计算：
Figure DEST_PATH_IMAGE011
对于135°偏振通道图像中的激光线二维图像坐标
Figure 998364DEST_PATH_IMAGE012
，偏移补偿后的该像素位置的激光线二维图像坐标
Figure 241126DEST_PATH_IMAGE007
计算如下：
Figure DEST_PATH_IMAGE013
Figure 808112DEST_PATH_IMAGE014
，
对于45°偏振通道图像中的激光线二维图像坐标
Figure DEST_PATH_IMAGE015
，偏移补偿后的该像素位置的激光线二维图像坐标
Figure 884652DEST_PATH_IMAGE007
计算如下：
Figure 874605DEST_PATH_IMAGE016
Figure DEST_PATH_IMAGE017
，
对于0°偏振通道图像中的激光线二维图像坐标
Figure 327583DEST_PATH_IMAGE018
，偏移补偿后的该像素位置的激光线二维图像坐标
Figure 578436DEST_PATH_IMAGE007
计算如下：
Figure DEST_PATH_IMAGE019
Figure 324412DEST_PATH_IMAGE020
。
本实施例只是列举了4种偏振态的偏移补偿方式，当然还可以采用其他的偏振态，补偿的原则即是将其还原到原始图像中，其补偿计算的公式与其偏振态的排布方式有关，在此不作展开介绍。
实施例3
一种在线冰形测量方法，如图8所示，首先进行相机标定，然后再在线测量，具体地：
采用彩色偏振相机，所述彩色偏振相机的彩色滤光片阵列为Bayer格式，每个彩色滤光片叠加有H个不同方向的偏振滤光片阵列。Bayer格式为RGGB，R为红色，红色的滤镜透过红色的波长；G为绿色，绿色的滤镜透过绿色的波长；B为蓝色，蓝色的滤镜透过蓝色的波长。不同方向的偏振滤光片阵列按以下至少两个角度设置的滤光片：0°、45°、90°、135°。本实施例中，每个彩色滤光片叠加有4个不同方向的偏振滤光片阵列，分别为0°、45°、90°、135°的偏振滤光片，形成的彩色偏振相机图像格式如图2所示。本实施例中，标定板的位姿大于等于2。
A10. 采用标定板进行标定，获得线激光器不同旋转位置的激光片光的平面方程系数
Figure 801661DEST_PATH_IMAGE001
，l=1，2，…，L；l为线激光器旋转位置，L为旋转位置总数；
A20. 将线激光器恢复到标定的起始位置，控制所述线激光器旋转，使投射到结冰表面的激光线对结冰进行扫描，在标定的各个旋转位置同步触发彩色偏振相机获取结冰表面的激光线图像；
A30. 采用如实施例1或实施例2所述的一种用于测量冰形的激光线提取融合方法提取得到每一个旋转位置的最终的激光线二维图像坐标；
A40. 解算得到相机坐标系下的激光线三维坐标：
Figure 386226DEST_PATH_IMAGE002
，
其中，
Figure 632531DEST_PATH_IMAGE003
为第l个旋转位置的激光线上第k个点在相机坐标系下的三维坐标，
Figure 644349DEST_PATH_IMAGE004
为该点相应的最终的激光线二维图像坐标，
Figure 343315DEST_PATH_IMAGE005
为比例系数，A为标定得到的相机内参矩阵。
作为优选，在冰形测量过程中所采用的图像处理方法与标定时的所采用的方法相同，进而保证测量的精度。
作为优选，本实施例的标定方法如图9所示：
A11. 将标定板置于第j位姿，线激光器投射激光片光至标定板表面形成激光线，使用彩色偏振相机获取第j位姿标定板图像；j=1，2，...，M；M为标定板位姿总数，获取所有位姿的标定板图像；
A12. 采用如实施例1或实施例2所述的一种用于测量冰形的激光线提取融合方法提取得到每一个位姿的最终的激光线二维图像坐标；若采用实施例1的方法，则执行步骤A13；若采用实施例2的方法，则执行A13’；
A13. 选择任一通道的所有位姿的标定板图像进行标定，得到相机内参矩阵A、相机坐标系与不同位姿标定板坐标系之间的旋转矩阵Rj和平移向量Tj；
步骤A13中，由于提取激光线的融合步骤中是直接将分离的各通道的激光线处理得到最终的激光线二维坐标，所以在标定时，也需要对通道图像进行标定。本实施例中，选取任一通道的所有位姿的标定板图像进行标定，将其作为标准，用于后续对所有位姿的标定板图像进行处理，此时忽略了不通通道之间细微的位置差异，从而简化了计算量。
A13’. 选择所有位姿的标定板图像进行标定，得到相机内参矩阵A、相机坐标系与不同位姿标定板坐标系之间的旋转矩阵Rj和平移向量Tj；
步骤A13’中，由于激光线提取的融合步骤中，将提取的激光线图像还原到了原始图像中，所以在标定时，也需要对原始图像（即标定板图像）进行标定，以保证精度。另外，将提取的激光线图像还原到原始图像中去，补偿了通道分离时产生的位置偏移，从而提高测量的精度。
A14. 采用下式解算得到各个位姿标定板表面激光线的三维坐标；
Figure DEST_PATH_IMAGE021
；
其中，
Figure 630772DEST_PATH_IMAGE022
为第j个位姿的标定板表面激光线上第k个点在相机坐标系下的三维坐标，
Figure DEST_PATH_IMAGE023
为该点在第j个位姿标定板所处标定板坐标系下的三维坐标，
Figure 262741DEST_PATH_IMAGE024
为该点在第j个位姿标定板图像中最终的激光线二维图像坐标，
Figure 445461DEST_PATH_IMAGE005
为比例系数，Rj和Tj为标定得到的相机坐标系与第j个位姿的标定板坐标系之间的旋转矩阵和平移向量。
A15. 对解算得到的所有激光线的三维坐标进行平面拟合，得到激光片光的平面方程系数(a，b，c)；优选地，采用最小二乘法进行平面拟合；由此得到激光片光的平面方程：
Figure DEST_PATH_IMAGE025
；
A16. 控制线激光器旋转扫描，在每一个旋转位置重复步骤A21-A25，得到不同旋转位置的激光片光的平面方程系数
Figure 428460DEST_PATH_IMAGE001
，l=1，2，…，L；l为线激光器旋转位置，L为旋转位置总数。
线激光器旋转过程中，可以设置初始位置，每次标定和/或测量时都从初始位置开始旋转，也可不设置初始位置，从任意旋转位置开始，直至完成所有旋转位置的标定和测量。
值得说明的是，本申请中所有对方法步骤中用数字进行的标记并不代表对该方法执行顺序的限定，例如，步骤A11和A12并不限定其执行的顺序，可以获取所有位姿的标定板图像后，再对每一个位姿的图像进行提取激光线；或者每获得一个位姿的标定板图像后，就对该位姿的图像进行激光线提取，直至获得所有位姿的标定板图像，及其提取的激光线。这样的顺序调换并不影响本发明执行的结果。因此，本申请中所有对方法步骤中用数字进行的标记并不能作为对该方法执行顺序的限定。
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 (9)

1.一种用于测量冰形的激光线提取融合方法，其特征在于，采用彩色偏振相机，所述彩色偏振相机的彩色滤光片阵列为Bayer格式，每个彩色滤光片叠加有H个不同方向的偏振滤光片阵列；包括如下步骤：
S10. 使用彩色偏振相机获取激光线图像；
S20. 将获取的激光线图像分离成4H通道图像，对每个通道图像进行插值去马赛克处理；
S30. 对各通道图像进行激光线提取，得到各个通道图像中激光线的二维图像坐标；
S40. 将所有通道图像中的激光线整合到一起；
S50. 对于整合后激光线的每一个像素位置，比较不同通道进行激光线提取时计算的Hessian矩阵的最大绝对特征值，以最大的最大绝对特征值所对应的通道的激光线二维图像坐标作为该像素位置最终的激光线二维图像坐标，记为该像素位置的激光线二维图像坐标。
2.根据权利要求1所述的一种用于测量冰形的激光线提取融合方法，其特征在于，步骤S40被替换为S40’：将同一偏振态下的4个颜色通道激光线整合到一起；还包括：S50’.对每一单一偏振态下整合的激光线的每一个像素位置，比较不同颜色通道进行激光线提取时计算的Hessian矩阵的最大绝对特征值，以最大的最大绝对特征值所对应的颜色通道的激光线二维图像坐标作为该像素位置在该偏振态下最终的激光线二维图像坐标，得到各个偏振态下的激光线的最终二维图像坐标；60’：对各个偏振态下的激光线的最终二维图像坐标进行偏移补偿，将其还原到原始激光线图像中，从而得到原始激光线图像中激光线的二维图像坐标。
3.根据权利要求1或2所述的一种用于测量冰形的激光线提取融合方法，其特征在于，步骤S20中，所述4H通道图像包括：R颜色第h偏振通道，G1颜色第h偏振通道，G2颜色第h偏振通道，B颜色第h偏振通道，h=1，...，H。
4.根据权利要求3所述的一种用于测量冰形的激光线提取融合方法，其特征在于，不同方向的偏振滤光片阵列按以下至少两个角度设置的滤光片：0°、45°、90°、135°。
5.根据权利要求4所述的一种用于测量冰形的激光线提取融合方法，其特征在于，采用steger算法进行激光线提取。
6.一种在线冰形测量方法，其特征在于，采用彩色偏振相机，所述彩色偏振相机的彩色滤光片阵列为Bayer格式，每个彩色滤光片叠加有H个不同方向的偏振滤光片阵列；包括以下步骤：
A10. 采用标定板进行标定，获得线激光器不同旋转位置的激光片光的平面方程系数
Figure DEST_PATH_IMAGE001
，l=1，2，…，L；l为线激光器旋转位置，L为旋转位置总数；
A20. 将线激光器恢复到标定的起始位置，控制所述线激光器旋转，使投射到结冰表面的激光线对结冰进行扫描，在标定的各个旋转位置同步触发彩色偏振相机获取结冰表面的激光线图像；
A30. 采用如权利要求1-5任一所述的一种用于测量冰形的激光线提取融合方法提取得到每一个旋转位置的激光线二维图像坐标；
A40. 解算得到相机坐标系下的激光线三维坐标：
Figure 154693DEST_PATH_IMAGE002
，
其中，
Figure DEST_PATH_IMAGE003
为第l个旋转位置的激光线上第k个点在相机坐标系下的三维坐标，
Figure 266874DEST_PATH_IMAGE004
为该点相应的激光线二维图像坐标，
Figure DEST_PATH_IMAGE005
为比例系数，A为标定得到的相机内参矩阵。
7.根据权利要求6所述的一种在线冰形测量方法，其特征在于，步骤A10包括：
A11. 将标定板置于第j位姿，线激光器投射激光片光至标定板表面形成激光线，使用彩色偏振相机获取第j位姿标定板图像；j=1，2，...，M；M为标定板位姿总数，获取所有位姿的标定板图像；
A12. 采用如权利要求1-4任一所述的一种用于测量冰形的激光线提取融合方法提取得到每一个位姿的最终的激光线二维图像坐标；若用到权利要求1所述的一种用于测量冰形的激光线提取融合方法，则执行步骤A13；若用到权利要求2所述的一种用于测量冰形的激光线提取融合方法，则执行步骤A13’；
A13. 选择任一通道的所有位姿的标定板图像进行标定，得到相机内参矩阵A、相机坐标系与不同位姿标定板坐标系之间的旋转矩阵Rj和平移向量Tj；
A13’. 选择所有位姿的标定板图像进行标定，得到相机内参矩阵A、相机坐标系与不同位姿标定板坐标系之间的旋转矩阵Rj和平移向量Tj；
A14. 解算得到各个位姿标定板表面激光线的三维坐标；
A15. 对解算得到的所有激光线的三维坐标进行平面拟合，得到激光片光的平面方程系数(a，b，c)；
A16. 控制线激光器旋转扫描，在每一个旋转位置重复步骤A11-A15，得到不同旋转位置的激光片光的平面方程系数
Figure 428865DEST_PATH_IMAGE001
，l=1，2，…，L；l为线激光器旋转位置，L为旋转位置总数。
8.根据权利要求7所述的一种在线冰形测量方法，其特征在于，步骤A14中，采用下式计算得到各个位姿标定板表面激光线的三维坐标：
Figure 490362DEST_PATH_IMAGE006
；
其中，
Figure DEST_PATH_IMAGE007
为第j个位姿的标定板表面激光线上第k个点在相机坐标系下的三维坐标，
Figure 961664DEST_PATH_IMAGE008
为该点在第j个位姿标定板所处标定板坐标系下的三维坐标，
Figure DEST_PATH_IMAGE009
为该点在第j个位姿标定板图像中最终的激光线二维图像坐标，
Figure 311874DEST_PATH_IMAGE005
为比例系数，Rj和Tj为标定得到的相机坐标系与第j个位姿的标定板坐标系之间的旋转矩阵和平移向量。
9.根据权利要求6-8任一所述的一种在线冰形测量方法，其特征在于，采用张正友标定法进行标定，和/或采用最小二乘法进行平面拟合。
CN202211546531.1A 2022-12-05 2022-12-05 一种用于测量冰形的激光线提取融合及在线冰形测量方法 Active CN115619878B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211546531.1A CN115619878B (zh) 2022-12-05 2022-12-05 一种用于测量冰形的激光线提取融合及在线冰形测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211546531.1A CN115619878B (zh) 2022-12-05 2022-12-05 一种用于测量冰形的激光线提取融合及在线冰形测量方法

Publications (2)

Publication Number Publication Date
CN115619878A CN115619878A (zh) 2023-01-17
CN115619878B true CN115619878B (zh) 2023-03-10

Family

ID=84879598

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211546531.1A Active CN115619878B (zh) 2022-12-05 2022-12-05 一种用于测量冰形的激光线提取融合及在线冰形测量方法

Country Status (1)

Country Link
CN (1) CN115619878B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109544576A (zh) * 2018-11-23 2019-03-29 中国空气动力研究与发展中心低速空气动力研究所 一种基于机器视觉的飞机模型冰形轮廓提取方法
CN110645921A (zh) * 2019-09-30 2020-01-03 武汉理工大学 一种基于偏振成像的冰形三维测量方法
CN112562086A (zh) * 2021-02-22 2021-03-26 中国空气动力研究与发展中心低速空气动力研究所 一种冰形-模型曲面重构方法
CN112991432A (zh) * 2021-04-15 2021-06-18 重庆大学 基于图像处理的覆冰冰形识别方法
CN114485483A (zh) * 2022-04-15 2022-05-13 中国空气动力研究与发展中心低速空气动力研究所 一种基于多相机组合成像的冰形在线测量方法及装置
CN114485477A (zh) * 2022-04-15 2022-05-13 中国空气动力研究与发展中心低速空气动力研究所 一种结冰三维外形在线测量方法及测量装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109544576A (zh) * 2018-11-23 2019-03-29 中国空气动力研究与发展中心低速空气动力研究所 一种基于机器视觉的飞机模型冰形轮廓提取方法
CN110645921A (zh) * 2019-09-30 2020-01-03 武汉理工大学 一种基于偏振成像的冰形三维测量方法
CN112562086A (zh) * 2021-02-22 2021-03-26 中国空气动力研究与发展中心低速空气动力研究所 一种冰形-模型曲面重构方法
CN112991432A (zh) * 2021-04-15 2021-06-18 重庆大学 基于图像处理的覆冰冰形识别方法
CN114485483A (zh) * 2022-04-15 2022-05-13 中国空气动力研究与发展中心低速空气动力研究所 一种基于多相机组合成像的冰形在线测量方法及装置
CN114485477A (zh) * 2022-04-15 2022-05-13 中国空气动力研究与发展中心低速空气动力研究所 一种结冰三维外形在线测量方法及测量装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
xiaoliang gong etc..laser scanning applied for ice shape measurements.2015,第第115卷卷全文. *
康含玉.风洞结冰模型3D冰形测量关键技术研究.2018,(第09期),全文. *
郭龙 ; 马军 ; 李明 ; 倪章松 ; .基于三维扫描技术的结冰风洞冰形非接触测量研究.(第09期),全文. *

Also Published As

Publication number Publication date
CN115619878A (zh) 2023-01-17

Similar Documents

Publication Publication Date Title
CN112669393B (zh) 一种激光雷达与相机联合标定方法
WO2022052313A1 (zh) 3d结构光系统的标定方法、电子设备及存储介质
CN115560700B (zh) 一种基于彩色偏振成像的结冰三维外形在线测量方法
Behmann et al. Calibration of hyperspectral close-range pushbroom cameras for plant phenotyping
CN101299270B (zh) 三维扫描系统中的多个摄像机同步快速标定方法
CN112819903B (zh) 基于l型标定板的相机和激光雷达联合标定的方法
CN107194972A (zh) 一种摄像机标定方法及系统
CN111486864B (zh) 基于立体正八边结构的多源传感器联合标定方法
CN108663043B (zh) 基于单个相机辅助的分布式pos主子节点相对位姿测量方法
CN108257187B (zh) 一种相机-投影仪系统标定方法
CN110146036A (zh) 一种基于光栅投影和双目偏振相机的三维测量方法与系统
Rüther et al. A comparison of close-range photogrammetry to terrestrial laser scanning for heritage documentation
CN110827360B (zh) 一种光度立体式测量系统及其标定光源方向的方法
CN114549746A (zh) 一种高精度真彩三维重建方法
CN111595791A (zh) 基于高光谱数据校正的内陆水体fui水色指数提取方法
CN112365545B (zh) 基于大平面复合靶标的激光雷达与可见光相机的标定方法
CN112815843A (zh) 一种3d打印过程中工件表面打印偏差的在线监测方法
CN208254424U (zh) 一种激光盲孔深度检测系统
CN115861448A (zh) 基于角点检测及特征点提取的系统标定方法及系统
CN105765630A (zh) 通过创建多个色度斑点图案测量受到应力的结构部件的形状、移动和/或变形的多尺度测量方法
CN115540775A (zh) 一种ccd单相机的3d视频引伸计
CN115619878B (zh) 一种用于测量冰形的激光线提取融合及在线冰形测量方法
CN112525161B (zh) 一种旋转轴标定方法
CN112634375B (zh) 一种ai智能检测中的平面标定和三维重建方法
CN115546320B (zh) 一种用于测量冰形的相机标定及在线冰形测量方法

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
GR01 Patent grant
GR01 Patent grant