CN115880318A - 激光测距方法、介质、设备及装置 - Google Patents

Abstract

本发明公开了一种激光测距方法、介质、设备及装置，其中方法包括：获取激光系统采集的场景图像，并对所述场景图像进行预处理，以得到预处理图像；对所述预处理图像进行预分割处理，以得到预分割图像；基于分水岭算法对所述预分割图像进行精细分割，以得到多个分割区域；计算每个分割区域对应的中心线，并基于每个分割区域对应的中心线进行组合得到场景图像中激光线对应的中心线。能够有效提高激光中心线确定结果的准确性，进而提高最终激光测距结果精度。

Description

激光测距方法、介质、设备及装置

技术领域

本申请涉及激光测距技术领域，特别涉及一种激光测距方法、介质、设备及装置。

背景技术

激光测距技术是一种系统结构简单、测量精度较高的测量技术。在高精度工业测量中得到广泛的应用。

相关技术中，在基于激光系统进行距离测量时，需要计算激光中心线的位置以确定最终测量结果。可以理解，激光中心线位置的准确性将直接影响最终距离测量结果的精度。然而，由于激光器存在较大的工艺误差，其发射的激光经常会存在亮度不均匀的情况，这种亮度不均匀的情况会使得激光中心线的位置确定结果出现误差，进而影响最终测量结果精度。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种激光测距方法，能够有效提高激光中心线确定结果的准确性，进而提高最终激光测距结果精度。

根据本发明实施例的激光测距方法，包括：获取激光系统采集的场景图像，并对所述场景图像进行预处理，以得到预处理图像；对所述预处理图像进行预分割处理，以得到预分割图像；基于分水岭算法对所述预分割图像进行精细分割，以得到多个分割区域；计算每个分割区域对应的中心线，并基于每个分割区域对应的中心线进行组合得到场景图像中激光线对应的中心线。

根据本发明实施例的激光测距方法，首先，获取激光系统采集的场景图像，并对所述场景图像进行预处理，以得到预处理图像；接着，对所述预处理图像进行预分割处理，以得到预分割图像；然后，基于分水岭算法对所述预分割图像进行精细分割，以得到多个分割区域；接着，计算每个分割区域对应的中心线，并基于每个分割区域对应的中心线进行组合得到场景图像中激光线对应的中心线；从而实现有效提高激光中心线确定结果的准确性，进而提高最终激光测距结果精度。

在一些实施例中，对所述场景图像进行预处理包括：对所述场景图像进行转化，以得到对应的灰度图像；基于预设结构核对所述灰度图像进行膨胀处理，以得到膨胀图像；对所述膨胀图像进行二值化，并对二值化后的膨胀图像进行滤波，以得到所述预处理图像。

在一些实施例中，通过以下公式对所述灰度图像进行膨胀处理：

/>

其中，

表示膨胀处理后的图像，/>

表示灰度图像，/>

表示膨胀函数，/>

表示结构核。

在一些实施例中，对所述预处理图像进行预分割处理，以得到预分割图像，包括：计算所述预处理图像对应的外接凸包边缘；获取所述预处理图像的边缘点，并计算每个所述边缘点到所述外接凸包边缘的欧氏距离，以及根据所述欧氏距离对所述边缘点进行降序排列；获取每个边缘点所对应的预处理图像中的像素点，并根据所述降序排列生成边缘点对，以及根据所述边缘点对连接相应的预处理图像中的像素点，以生成预分割图像。

在一些实施例中，计算每个分割区域对应的中心线，包括：提取所述分割区域对应的边缘，并基于最小二乘法对所述边缘进行拟合，以得到所述分割区域对应的中心线。

第二方面，本发明实施例提出了一种计算机可读存储介质，其上存储有激光测距程序，该激光测距程序被处理器执行时实现如上所述的激光测距方法。

根据本发明实施例的计算机可读存储介质，通过存储激光测距程序，以使得处理器在执行该激光测距程序时，实现如上述的激光测距方法，从而实现有效提高激光中心线确定结果的准确性，进而提高最终激光测距结果精度。

第三方面，本发明实施例提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如上所述的激光测距方法。

根据本发明实施例的计算机设备，通过存储器对激光测距程序进行存储，以使得处理器在执行该激光测距程序时，实现如上述的激光测距方法，从而实现有效提高激光中心线确定结果的准确性，进而提高最终激光测距结果精度。

第四方面，本发明实施例提出了一种激光测距装置，包括：预处理模块，所述预处理模块用于获取激光系统采集的场景图像，并对所述场景图像进行预处理，以得到预处理图像；预分割模块，所述预分割模块用于对所述预处理图像进行预分割处理，以得到预分割图像；精细分割模块，所述精细分割模块用于基于分水岭算法对所述预分割图像进行精细分割，以得到多个分割区域；计算模块，所述计算模块用于计算每个分割区域对应的中心线，并基于每个分割区域对应的中心线进行组合得到场景图像中激光线对应的中心线。

根据本发明实施例的激光测距装置，通过设置预处理模块用于获取激光系统采集的场景图像，并对所述场景图像进行预处理，以得到预处理图像；预分割模块用于对所述预处理图像进行预分割处理，以得到预分割图像；精细分割模块用于基于分水岭算法对所述预分割图像进行精细分割，以得到多个分割区域；计算模块用于计算每个分割区域对应的中心线，并基于每个分割区域对应的中心线进行组合得到场景图像中激光线对应的中心线；从而实现有效提高激光中心线确定结果的准确性，进而提高最终激光测距结果精度。

在一些实施例中，所述预处理模块用于对所述场景图像进行转化，以得到对应的灰度图像；基于预设结构核对所述灰度图像进行膨胀处理，以得到膨胀图像；对所述膨胀图像进行二值化，并对二值化后的膨胀图像进行滤波，以得到所述预处理图像。

在一些实施例中，通过以下公式对所述灰度图像进行膨胀处理：

其中，

表示膨胀处理后的图像，/>

表示灰度图像，/>

表示膨胀函数，/>

表示结构核。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1是根据本发明实施例的激光测距方法的流程示意图；

图2是场景图像中交叠区域示意图；

图3是传统激光线中心位置提取结果示意图；

图4是根据本发明实施例的预分割结果示意图；

图5是根据本发明实施例的激光线中心位置提取结果示意图；

图6是根据本发明实施例的激光线提取结果与传统方式的激光线提取结果对比图；

图7是根据本发明实施例的计算机设备的结构示意图；

图8是根据本发明实施例的激光测距装置的方框示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的激光测距方法。

请参阅图1，图1为根据本发明实施例的激光测距方法的流程示意图；如图1所示，该激光测距方法包括以下步骤：

S101，获取激光系统采集的场景图像，并对场景图像进行预处理，以得到预处理图像。

其中，对场景图像进行预处理的方式可以有多种。

在一些实施例中，对场景图像进行预处理包括：对场景图像进行转化，以得到对应的灰度图像；基于预设结构核对灰度图像进行膨胀处理，以得到膨胀图像；对膨胀图像进行二值化，并对二值化后的膨胀图像进行滤波，以得到预处理图像。

作为一种示例，首先，在获取到激光系统采集到的彩色图像（场景图像）之后，使用opencv的cv2.cvtColor()函数将其转化为单通道的灰度图像，该过程可以通过以下公式表达：

/>

其中，

表示灰度图像，/>

表示转化函数，/>

表示输入的彩色图像。

接着，设置结构核为：[[0,1,0],[1,1,1],[1,1,0]]，然后，使用opencv的膨胀函数cv2.dilate()，对灰度图像进行膨胀处理，该过程可以通过以下公式表述：

其中，

表示膨胀处理后的图像，/>

表示灰度图像，/>

表示膨胀函数，/>

表示结构核。

然而，对膨胀图像进行二值化，具体地，使用opencv的二值化函数cv2.threshold并基于最大类间方差对膨胀图像进行二值化操作：

其中，

表示二值化处理之后得到的二值化图像，/>

和/>

分别表示二值化的最小、最大阈值，优选地，可以将/>

设为0、/>

设为255。/>

表示最大类间方差方法，该方法对图像中的噪声具有一定的鲁棒性，可以降低噪声算法结果的干扰。

接着，对二值化后的膨胀图像进行滤波，以得到预处理图像；具体地，使用opencv的中值滤波算法medianBlur()滤除二值化图像中离散的噪点：

其中，

表示中值滤波函数，/>

表示预处理图像，/>

表示中值滤波核，优选地，可以将/>

设为3。

S102，对预处理图像进行预分割处理，以得到预分割图像。

需要说明的是，由于激光线具有一定的宽度。因此，在近距离高精度测距应用中（例如，目标场景和测距设备之间相距20cm）；由于激光线并非理想的直线，其自身的宽度会在相机拍摄的照片（场景图像）中占有约20个像素点（单个像素点的宽度为0.036mm）。因此，当待测物体的距离偏差小于0.72mm，对应于不同物体、区域的两条激光线会产生如图2所示的交叠。如果没有经过预分割处理，将导致区域A与区域B的激光线被分割在一起，使得提取的中心线在交叠区域产生如图3所示的偏差。

在一些实施例中，对预处理图像进行预分割处理，以得到预分割图像，包括：计算预处理图像对应的外接凸包边缘；获取预处理图像的边缘点，并计算每个边缘点到外接凸包边缘的欧氏距离，以及根据欧氏距离对边缘点进行降序排列；获取每个边缘点所对应的预处理图像中的像素点，并根据降序排列生成边缘点对，以及根据边缘点对连接相应的预处理图像中的像素点，以生成预分割图像。

作为一种示例，首先，在预处理图像上使用cv2.findContours函数计算其外接凸包边缘；具体地，该过程可以通过以下公式表述：

其中，

表示外接凸包边缘，/>

表示预处理图像。

接着，使用cv2.convexityDefects()函数计算预处理图像中所有边缘点到凸包边缘的欧式距离，该过程可以通过以下公式表述：

其中，

表示欧式距离图像；可以理解，该欧式距离图像中每个点表示预处理图像中对应点到最近背景点的欧式距离。

然后，根据每个点所对应的欧式距离值的大小对点进行降序排列，具体地，该过程根据以下公式表述：

其中，

表示欧式距离图像，/>

表示区域最大值查找函数，/>

表示降序排列的边缘点。

接着，在预处理图像上找到

中每个边缘点（/>

、/>

……

）所对应的像素点，并根据降序排列的结果生成边缘点对（具体地，如果边缘点的总数为奇数，则忽略最后一个点）；具体地，边缘点对的形成方式以如下公式进行表述：

然后，根据边缘点对连接相应的预处理图像中的像素点，如此，可以如图4所示地将相互交叠的区域分离开。

S103，基于分水岭算法对预分割图像进行精细分割，以得到多个分割区域。

作为一种示例，使用分水岭算法对预分割图像进行精细化分割，以得到多个分割区域可以通过以下公式表述：

其中，

表示分水岭算法分割之后得到的多个分割区域，/>

表示预分割图像。

S104，计算每个分割区域对应的中心线，并基于每个分割区域对应的中心线进行组合得到场景图像中激光线对应的中心线。

在一些实施例中，计算每个分割区域对应的中心线，包括：提取分割区域对应的边缘，并基于最小二乘法对边缘进行拟合，以得到分割区域对应的中心线。

作为一种示例，在的得到多个分割区域之后，遍历每个分割区域，首先使用opencv的边缘提取函数cv2.Canny()提取分割区域的边缘：

/>

其中，

表示分割区域对应的边缘，/>

和/>

分别表示边缘提取函数的最小最大阈值，优选地，可以将/>

设为10、/>

设为255。

需要说明的是，分割区域的边缘实际上描述了对应激光线的主要能量所在的范围，为了降低由于激光线自身强度不均匀造成的误差，本申请采用基于区域边缘像素的曲线拟合方法获取激光线的中心位置。即言，利用最小二乘法在给定的区域上下两个边缘中拟合出中心位置，如图5所示，图5为根据本发明实施例提出的激光测距方法得到的激光线中心位置拟合结果，具体地，该过程通过以下公式表述：

其中，

表示分割区域的中心线，/>

表示最小二乘的拟合方法。

为了更好地说明本发明实施例提出的激光测距方法的精准度提高结果。如图6所示，在图6中，a部分表示传统方式得到的激光线提取结果；b部分表示本发明实施例的激光线提取结果，显然，根据发明实施例的激光测距方法，激光线提取结果精准度得到了显著的提高。

综上所述，根据本发明实施例的激光测距方法，首先，获取激光系统采集的场景图像，并对所述场景图像进行预处理，以得到预处理图像；接着，对所述预处理图像进行预分割处理，以得到预分割图像；然后，基于分水岭算法对所述预分割图像进行精细分割，以得到多个分割区域；接着，计算每个分割区域对应的中心线，并基于每个分割区域对应的中心线进行组合得到场景图像中激光线对应的中心线；从而实现有效提高激光中心线确定结果的准确性，进而提高最终激光测距结果精度。

为了实现上述实施例，本发明实施例提出了一种计算机可读存储介质，其上存储有激光测距程序，该激光测距程序被处理器执行时实现如上所述的激光测距方法。

根据本发明实施例的计算机可读存储介质，通过存储激光测距程序，以使得处理器在执行该激光测距程序时，实现如上述的激光测距方法，从而实现有效提高激光中心线确定结果的准确性，进而提高最终激光测距结果精度。

为了实现上述实施例，如图7所示，本发明实施例提出了一种计算机设备700，该计算机设备700包括：存储器701、处理器702及存储在存储器701上并可在处理器702上运行的计算机程序，所述处理器502执行所述程序时，实现如上所述的激光测距方法。

根据本发明实施例的计算机设备，通过存储器对激光测距程序进行存储，以使得处理器在执行该激光测距程序时，实现如上述的激光测距方法，从而实现有效提高激光中心线确定结果的准确性，进而提高最终激光测距结果精度。

为了实现上述实施例，本发明实施例提出了一种激光测距装置，如图8所示，该激光测距装置包括：预处理模块10、预分割模块20、精细分割模块30和计算模块40。

其中，预处理模块10用于获取激光系统采集的场景图像，并对场景图像进行预处理，以得到预处理图像；

预分割模块20用于对预处理图像进行预分割处理，以得到预分割图像；

精细分割模块30用于基于分水岭算法对预分割图像进行精细分割，以得到多个分割区域；

计算模块40用于计算每个分割区域对应的中心线，并基于每个分割区域对应的中心线进行组合得到场景图像中激光线对应的中心线。

在一些实施例中，预处理模块10用于对所述场景图像进行转化，以得到对应的灰度图像；基于预设结构核对所述灰度图像进行膨胀处理，以得到膨胀图像；对所述膨胀图像进行二值化，并对二值化后的膨胀图像进行滤波，以得到所述预处理图像。

在一些实施例中，通过以下公式对所述灰度图像进行膨胀处理：

其中，

表示膨胀处理后的图像，/>

表示灰度图像，/>

表示膨胀函数，/>

表示结构核。

在一些实施例中，预分割模块20用于计算预处理图像对应的外接凸包边缘；获取预处理图像的边缘点，并计算每个边缘点到外接凸包边缘的欧氏距离，以及根据欧氏距离对边缘点进行降序排列；获取每个边缘点所对应的预处理图像中的像素点，并根据降序排列生成边缘点对，以及根据边缘点对连接相应的预处理图像中的像素点，以生成预分割图像。

在一些实施例中，计算模块40用于提取分割区域对应的边缘，并基于最小二乘法对边缘进行拟合，以得到分割区域对应的中心线。

需要说明的是，上述关于激光测距方法的描述同样适用于该激光测距装置，在此不做赘述。

综上所述，根据本发明实施例的激光测距装置，通过设置预处理模块用于获取激光系统采集的场景图像，并对所述场景图像进行预处理，以得到预处理图像；预分割模块用于对所述预处理图像进行预分割处理，以得到预分割图像；精细分割模块用于基于分水岭算法对所述预分割图像进行精细分割，以得到多个分割区域；计算模块用于计算每个分割区域对应的中心线，并基于每个分割区域对应的中心线进行组合得到场景图像中激光线对应的中心线；从而实现有效提高激光中心线确定结果的准确性，进而提高最终激光测距结果精度。

需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种激光测距方法，其特征在于，包括：

获取激光系统采集的场景图像，并对所述场景图像进行预处理，以得到预处理图像；

对所述预处理图像进行预分割处理，以得到预分割图像；

基于分水岭算法对所述预分割图像进行精细分割，以得到多个分割区域；

计算每个分割区域对应的中心线，并基于每个分割区域对应的中心线进行组合得到场景图像中激光线对应的中心线。

2.如权利要求1所述的激光测距方法，其特征在于，对所述场景图像进行预处理包括：

对所述场景图像进行转化，以得到对应的灰度图像；

基于预设结构核对所述灰度图像进行膨胀处理，以得到膨胀图像；

对所述膨胀图像进行二值化，并对二值化后的膨胀图像进行滤波，以得到所述预处理图像。

3.如权利要求2所述的激光测距方法，其特征在于，通过以下公式对所述灰度图像进行膨胀处理：

其中，

表示膨胀处理后的图像，/>

表示灰度图像，/>

表示膨胀函数，

表示结构核。

4.如权利要求1所述的激光测距方法，其特征在于，对所述预处理图像进行预分割处理，以得到预分割图像，包括：

计算所述预处理图像对应的外接凸包边缘；

获取所述预处理图像的边缘点，并计算每个所述边缘点到所述外接凸包边缘的欧氏距离，以及根据所述欧氏距离对所述边缘点进行降序排列；

获取每个边缘点所对应的预处理图像中的像素点，并根据所述降序排列生成边缘点对，以及根据所述边缘点对连接相应的预处理图像中的像素点，以生成预分割图像。

5.如权利要求1所述的激光测距方法，其特征在于，计算每个分割区域对应的中心线，包括：

提取所述分割区域对应的边缘，并基于最小二乘法对所述边缘进行拟合，以得到所述分割区域对应的中心线。

6.一种计算机可读存储介质，其特征在于，其上存储有激光测距程序，该激光测距程序被处理器执行时实现如权利要求1-5中任一项所述的激光测距方法。

7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如权利要求1-5中任一项所述的激光测距方法。

8.一种激光测距装置，其特征在于，包括：

预处理模块，所述预处理模块用于获取激光系统采集的场景图像，并对所述场景图像进行预处理，以得到预处理图像；

预分割模块，所述预分割模块用于对所述预处理图像进行预分割处理，以得到预分割图像；

精细分割模块，所述精细分割模块用于基于分水岭算法对所述预分割图像进行精细分割，以得到多个分割区域；

计算模块，所述计算模块用于计算每个分割区域对应的中心线，并基于每个分割区域对应的中心线进行组合得到场景图像中激光线对应的中心线。

9.如权利要求8所述的激光测距装置，其特征在于，所述预处理模块用于对所述场景图像进行转化，以得到对应的灰度图像；

基于预设结构核对所述灰度图像进行膨胀处理，以得到膨胀图像；

对所述膨胀图像进行二值化，并对二值化后的膨胀图像进行滤波，以得到所述预处理图像。

10.如权利要求9所述的激光测距装置，其特征在于，通过以下公式对所述灰度图像进行膨胀处理：

其中，

表示膨胀处理后的图像，/>

表示灰度图像，/>

表示膨胀函数，

表示结构核。/>

Images