金属表面非相干线结构光条纹中心提取
方法
商执亿，王建华，尹培丽，杜虎兵
（1.西安工业大学机电工程学院，陕西西安__；
2.西安工程大学机电工程学院，陕西西安__）
线结构光法因其非接触、效率高、结构简单等优点，在很多形貌测量场合都有着广泛的应用[1-3]。该方法主要通过提取条纹图像的条纹中心位置来获得被测表面的形貌信息，因此能否准确提取条纹中心是测量的关键。
目前采用线结构光法对金属表面进行形貌测量时，条纹中心的提取误差较大，主要原因是受金属表面光学特性的影响。线结构光法测量原理是利用被测表面的漫反射光来进行测量，而金属表面通常不是理想的漫反射表面，其表面的光学特性与粗糙度相关。随着粗糙度值逐渐减小，表面光学特性逐渐从漫反射状态向镜面反射状态过渡。并且多数情况下，这两种状态是共存且不断变化的，这种复杂的混合反射表面增加了条纹图像灰度分布的复杂性[5-7]。而传统的条纹中心提取方法，如灰度重心法、极值法、Steger法、几何中心法、边缘法等无法对灰度分布复杂、成像质量不高的条纹图像进行精确、稳定的中心提取[8-10]。很多学者
研究了新的提取方法，如WANG H F针对金属表面反射不均匀的影响，提出了一套结合差分图像法、灰度重心法、Sobel算子和双线性插值的具有较强鲁棒性的光条纹中心亚像素提取方法，条纹的检测误差小于0.1像素。李凤娇为解决高反光情况下的激光条纹中心提取问题，提出了一种基于多尺度分析的提取方法。该方法抗噪声能力强，可实现光条宽度变化较大的激光条纹中心的高精度提取。赵博华提出了一种适用于混合反射特性的粗糙金属表面的激光条纹中心提取方法，该方法先利用图像增强法对图像进行去噪，然后采用灰度重心法提取条纹中心，实验结果表明平均提取误差为0.337 5个像素。李涛涛针对理想反射、强镜面反射、强漫反射和弱反射4种状态的条纹图像，提出了一种基于高斯-洛伦兹分峰拟合的光条中心提取方法。该方法的适用性强、精确度高，但耗时长。线结构光法测量中还会受到相关性强的测量光相互干涉后形成的散斑噪声的影响，也会增大条纹中心的提取误差[15-16]。
本文提出了一种非相干的线结构光形貌测量方法，避免了散斑噪声的影响。采用该方法对金属表面进行形貌测量，分析条纹图像的特点，并研究适合非相干线结构光条纹的高精度中心提取方法。
1.1 非相干线结构光测量系统
非相干线结构光法采用经典的光三角测量原理，其测量系统主要由非相干线光源、汇聚光路、装夹装置和图像采集系统组成，
如图1所示。其中，非相干线光源由LED光源和狭缝装置组成，用于产生非相干线结构光；
汇聚光路由透镜组组成，主要实现光条宽度的调节；
装夹装置由1个装夹机构和1个五自由度的调整台组成；
图像采集系统由1个510万像素的CCD相机和1个双远心镜头组成。
图 1 非相干线结构光测量系统Fig.1 Incoherent linear structured light measuring system
该测量系统的主要特点如下：
1）采用了LED光源，相干性低，测量中受散斑噪声影响小。同时，LED光的光强分布均匀，可以增加条纹边缘的对比度，并获得更高的测量分辨率。
2）镜头选择双远心镜头，具有畸变小、分辨率高、景深大、无透视误差等优点。可以减少光条图像的畸变误差，增加光条中心的提取精度。
3）该系统的测量分辨率为1.8 μm，测量范围为10 mm，工作距离为63 mm，景深为1 mm。可用于小尺寸工件表面的形貌测量，如齿轮齿面测量。
这个案例说明，把注意力投入在一件喜爱的事情上，是有疗愈功效的。它能让原本趋于混乱的精神能量变得有秩序，让人重拾生活的热情和意义。
1.2 非相干线结构光条纹图像特点
1.2.1 非相干线结构光条纹图像与线激光条纹图像对比
条纹图像的质量直接影响条纹中心的提取精度，分别采用本文搭建的测量系统和基恩士的线激光测量仪采集被测工件表面相同位置的条纹图进行对比。图2为粗糙度样块表面条纹图对比，其中图2（a）为非相干线结构光条纹图，简称非相干光条纹图；
图2（b）为线激光条纹图。图3为齿轮渐开线样板表面条纹图对比，其中图3（a）为非相干光条纹图；
图3（b）为线激光条纹图。对比2组条纹图，非相干光条纹图的光强整体呈均匀分布，条纹边缘光滑，毛刺较少；
而线激光条纹图的光强呈高斯分布，且存在大量散斑噪声，增加了条纹中心的提取难度。
图 2 粗糙度样块表面条纹图对比Fig.2 Stripe images contrast of roughness specimen surface
图3 齿轮渐开线样板表面条纹图对比Fig.3 Stripe images contrast of involute gear specimen
1.2.2 金属表面非相干线结构光条纹图的主要特点
在采用非相干线结构光测量金属表面形貌时，受其表面复杂光学特性的影响，条纹图像主要呈现以下特点：
1）线结构光法主要是利用被测表面的漫反射光来进行测量，
而金属表面通常是漫反射与镜面反射共存且不断变化的状态。由于反射的不均匀性，会导致采集到的条纹图像存在大量过暗点和反光点，过暗点会造成信息的缺失，反光点也会影响中心的提取精度。从图2（a）金属粗糙度样块表面的非相干光条纹图中可以看出，条纹中存在大量颗粒状和小面积的明暗点和明暗区。
2）在测量光滑金属表面时，其表面的镜面反射通常占主导地位，会导致采集到的条纹图像出现大片区域的反光区，且复杂表面的镜面反射角度不断变化，这一问题很难避免。从图3（a）齿轮渐开线样板表面的非相干光条纹图中可以看出，条纹左端存在大面积的反光区，导致整条条纹的宽度不一。同时该条纹图也存在颗粒状和小面积的明暗点和明暗区。
根据金属表面的非相干线结构光条纹图像的特点及存在的问题，提出一种精确的条纹中心提取方法。该方法首先采用基于积分图像的自适应阈值分割法对原图像进行阈值分割，然后采用灰度重心法粗提取原图像条纹中心，根据条纹中心坐标和宽度确定阈值分割后条纹图的感兴趣区域，去除背景区的噪声；
最后经中值滤波后采用几何中心法提取条纹中心。
2.1 自适应阈值分割法
基于积分图像的自适应阈值分割法主要根据领域信息计算局部阈值，对光强较大的反光区域采用较大的阈值进行分割，对光强较小的区域采用较小的阈值进行分割。算法流程如图4所示。
图4 自适应阈值分割法流程图Fig.4 Flow chart of adaptive threshold segmentation algorithm
积分图像的定义是每一个像素点的灰度值等于在该像素点之前所有像素点的灰度值之和。其计算公式为
式中：I (x, y)为积分图像；
f (i, j)为原始图像中i 与j位置像素的灰度值。
得到积分图像后，确定左上角为（x1, y1）和右下角为（x2, y2）的局部窗口，如图5所示。该窗口的灰度值总和S可以通过（2）式计算。
图5 局部窗口Fig.5 Local window
从(2)式可知，使用积分图像不依赖于局部窗口的大小，时间复杂度基本不变，从而缩短了计算的时间。当需要频繁计算局部窗口的灰度值总和时，更能体现该方法的优越性[17-18]。
2.1.2 自适应阈值分割
自适应阈值分割的原理，是将条纹图中每个像素的灰度值与其局部阈值进行比较。如果当前像素的灰度值大于该阈值，则将其灰度值设置为1，否则设置为0。而该像素对应的局部阈值就是以这一像素为中心的局部窗口的灰度均值，整幅图像的局部阈值就是计算以每个像素为中心的局部窗口的灰度均值。利用上述积分图像原理可以快速求出局部阈值，图5窗口的局部阈值计算公式为
式中：K为局部阈值；
S为该窗口的灰度值总和。
以图2(a)和图3(a)的非相干线结构光条纹图为例（下文将图2(a)简称为非相干光条纹图1，将图3(a)简称为非相干光条纹图2），采用x方向为1个像素和y方向为2倍条纹宽度像素的矩形窗口作为局部窗口，计算其局部阈值，进行自适应阈值分割，结果如图6所示。其中图6(a)为非相干光条纹图1的自适应阈值分割结果；
图6(b)为非相干光条纹图2的自适应阈值分割结果。
图 6 自适应阈值分割结果图Fig.6 Results of adaptive threshold segmentation
从结果可以看出，该自适应阈值分割方法可以明显消除原条纹图中的明暗点和明暗区，且非相干光条纹图2中因反光导致的条纹宽度不一的问题也得到了改善。但条纹图背景区的噪声被放大，需要进行去噪处理。
2.2 背景去噪、中值滤波及条纹中心提取
因原始条纹图的背景区域存在密集的低灰度值噪声点，经自适应阈值分割后，这些噪声点被放大围绕在条纹周围，影响条纹中心的提取，如图6所示，所以需要去除这些背景噪声。去噪方法：首先采用灰度重心法粗提取原始条纹图的条纹中心坐标；
然后以该中心坐标为基准向宽度方向延伸，确定自适应阈值
分割后条纹图的感兴趣区，将剩下的区域定为背景区；
最后将背景区域所有像素点灰度值设置为0，去除背景噪声，结果如图7所示。
图7 背景去噪结果图Fig.7 Results of background denoising 去除背景噪声后的条纹边缘仍然存在噪声毛刺，采用中值滤波进行边缘去噪处理，结果如图8所示。
图8 中值滤波结果图Fig.8 Results of median filtering
最后采用几何中心法提取条纹中心。提取原理：经上述处理后的图像只有0和1的背景区和条纹区，通过按列遍历整幅图像，寻找条纹的上边缘点和下边缘点，最后求2点的均值即为条纹中心。条纹中心的提取结果如图9所示，从图9中可以看出，条纹中心曲线平滑，受原条纹图中部分信息缺失和反光问题的影响较小。
图9 条纹中心提取结果图Fig.9 Results of stripe center extraction
分别对比粗糙度样块表面（如图2所示）和齿轮渐开线样板（如图3所示）表面的非相干光条纹和线激光条纹的中心提取结果，并以Taylor-Hobson接触式轮廓仪测量结果作为参考标准值，计算条纹中心的点对点误差。非相干光条纹中心采用本文方法提取的结果如图9所示，但该结果的中心为像素值，要获得实际物理值还需对测量系统进行标定，求取像素值与实际值之间的标定
系数，从而将条纹中心从像素值转变为实际值。线激光条纹中心提取结果采用测量仪输出的数据，本文采用的基恩士线激光测量仪自带光条中心提取算法，可以直接输出光条中心实际值。
粗糙度样块表面的非相干光条纹和线激光条纹的中心曲线及误差如图10所示。其中图10(a)为非相干光条纹中心曲线及误差；
图10(b)为线激光条纹中心曲线及误差。
图10 粗糙度样块表面条纹中心曲线及误差Fig.10 Stripe center curves and errors of roughness specimen surface 对比图10粗糙度样块表面条纹中心的提取结果，采用本文方法提取的非相干光条纹中心曲线与标准曲线的吻合度更高，误差曲线的波动较小。而线激光条纹中心曲线的吻合度较差，尤其在曲线的波峰波谷处误差较大。计算条纹中心的平均提取误差，结果显示：非相干光条纹的平均误差为1.5 μm，而线激光条纹的平均误差则为2.0 μm。
齿轮渐开线样板表面的非相干光条纹和线激光条纹的中心曲线及误差如图11所示。其中图11(a)为非相干光条纹中心曲线及误差；
图11(b)为线激光条纹中心曲线及误差。
对比图11齿轮渐开线样板表面条纹中心的提取结果，非相干光条纹中心曲线与标准曲线相比，误差波动较小，尤其在X坐
标为1 000 μm～2 500 μm的反光区位置，误差没有明显激增。而线激光条纹中心误差曲线整体波动更大，尤其在反光区位置尤为明显。通过计算条纹中心的平均提取误差，结果显示：非相干光条纹的平均误差为0.9 μm，而线激光条纹的平均误差则为1.5 μm。
图11 齿轮渐开线样板表面条纹中心曲线及误差Fig.11 Stripe center curves and errors of involute gear specimen surface 本文提出了一种非相干线结构光形貌测量方法，通过分析该方法测量金属表面形貌时的条纹图像特点，提出一种高精度的条纹中心提取方法。该方法首先采用基于积分图像的自适应阈值分割法对原图像进行阈值分割，然后经背景去噪、中值滤波后采用几何中心法提取条纹中心。完成非相干光条纹中心的提取，并与线激光条纹进行对比实验，结果表明：所提方法可以提高非相干光条纹的图像质量，降低条纹信息部分缺失和反光问题的影响。非相干光条纹的中心提取误差比线激光条纹的中心提取误差小。其中，对于粗糙度样块，其非相干光条纹的平均误差为1.5 μm，而线激光条纹的平均误差则为2.0 μm。对于齿轮渐开线样板，其非相干光条纹的平均误差为0.9 μm，而线激光条纹的平均误差则为1.5 μm。
高动态范围光亮表面的结构光三维形貌测量方法研究与实现结构光三维测量技术目前在工业检测/质量控制、逆向工程(复杂自由曲面的数字化)、物体识别、文物保护、医学和虚拟现实等领域得到了广泛应用。通过该技术可以准确获得工件的几何形貌信息,为先进制造、自动装配、表面检测等提供有效的指导;另一方面,将工件的三维点云与CAD模型或已有三维数据进行比对,可检测出工件的形变,为质量控制、应力分析、碰撞测试等提供更加完整和更容易理解的可视化分析手段。然而,现有的结构光三维测量技术在应用中仍然存在一些问题,比如要求测量时环境光照限制在一定范围内,被测物体必须是漫反射表面,且表面反射率变化范围不大。而工业生产中有大量金属工件以铣削加工为主,经过加工处理后工件的表面会变得十分光亮,若直接对这种光亮表面进行测量,则镜面反射之后的光会太强,造成相机图像传感器饱和,丢失条纹图像高光区域的条纹信息,以致难以正常进行测量;另一方面,由于相机的动态范围有限,对于反射率较低的区域,则会造成条纹过暗,大幅降低测量精度。 针对这些问题,本文系统地研究了结构光图案编码、相位误差补偿、系统标定和高动态范围条纹图像的获取等多个关键技术,提出一种自适应、高动态范围结构光三维测量新方法,包括线移法编码结构光图案、基于特征点映射的系统标定算法、自适应调节条纹图案的最佳投射灰度值和基于平滑样条拟合的相位误差补偿算法,有效地解决了光亮表面结构光三维测量中数据丢失的难题,为高动态范围光亮表面的三维测量,特别是复杂机加工零件的三维测量,提供了有效的解决途径。本文主要内容概括如下:(1)深入调研国内外光亮表面的三维形貌测量方法,对现有的方法进行归纳,比较,分析,同时指出该领域仍然存在的难点问题,明确本文的研究内容。(2)针对目前广泛使用的相移法在测量光亮表面时面临图像饱和、互反射和噪声灵敏度高等问题,在深入研究空间编码方法、时间编码方法、相移法等结构光图案编码原理的基础上,提出一种面向光亮表面的快速、鲁棒、高空间分辨率的线移法。为了使生成的图案比正弦条纹图案更可靠,使用格雷码生成正反黑白条纹图案,并像相移法一样进行线移。 而在图案解码时,对采集的条纹图像边缘的非线性轮廓做线性插值,通过求解交点得到亚像素精度的边缘坐标,由此达到较高的空间分辨率。(3)测量系统标定是个复杂且耗时的过程,针对基于参考平面的系统标定算法存在约束过强、标
哈尔滨师范大学 学年论文 题目结构光编码方法研究 学生席颖微 指导教师陈彦军教授 年级2009级 专业信息与计算科学 系别数学系 学院数学与计算机科学学院 哈尔滨师范大学 2011年11 月26
结构光编码方法研究摘 摘要：结构光编码作为；一种三维重建和主动测量手段，在越来越多的领域得到了 很好的应用。在不同的领域中都都发挥着重要的作用。编码方法是准确获取获取在结构光三维系统中三维场景信息的关键。本文介绍了几种应用广泛的结构光编码方法，并对其做了精确地研究，对。通过分类研究，对结构光编码方法的研究有了更深一步的总结。 关键词：结构光，编码方法，格雷码，时间编码法。 一、结构光法 结构光法是一种主动式三角测量技术，其基本原理是：由激光投射器可控制的光点式、光条式或光面式结构光到物体表面形成光点，光点再经成像系统，并由CCD或PSD接收，得到光点的像点。我们可以根据标定出得空间方向，位置参数，利用三角法测量原理计算出光点与其像点之间的位置关系。图一是结构光三角法原理示意图。 细光束沿投影光轴投射到物体面上，在另一个方向上，光点的像被CCD或PSD等光敏单元器件接收。若光点在成像面上的位移为xc，被测面x的位移为 式中, a 为激光束光轴和接收光轴的交点到接收透镜前主面的距离; b为接收透镜后主面到
成像面中心点的距离; H1 为激光束光轴与接收透镜光轴之间的夹角; H2 为探测器与接收透镜光轴之间的夹角。 它一般包含光点式结构光法、光条式结构光 法、光面式结构光法。 二、相位移法 相位法是三维轮廓测量中的热点之一, 其测量原理是光栅图样投射到被测物体表面[ 3] , 相位和振幅受到物面高度的调制使栅像发生变形, 通过解调可以得到包含高度信息的相位变化, 最后根据三角法原理完成相位2高度的转换。图 2是相位测量法的典型光路图 它包含莫尔轮廓法、移相法和变换法等。 三、时间编码 时间编码法使用较少种类的色彩或者较少级别的灰度值编码投射图案，为了使编码单元的数量变小，在测量中可以投射多幅宽度不同的垂直条纹，采用简单的系列数据容易区分彼此；连续投射在物体表面的编码图案具有粗定位模式，像素值编码更准确容易，以上两点使得编码方法有较高的测量精度。另外由于编码法能够较准确的区分不同的灰度级别或者色彩：而且每个点的位置能够精确的用编码表示，编码法在三维扫描中具有较高的扫描精度，较大的扫描密度。 目前时间多路编码策略主要分为以下三种：(1)二灰度级编码方法；(2)多灰度级编码方法；(3)组合编码方法。 3.1 二灰度级编码 二灰度级编码主要有普通二值码和格雷码。对投射图案上的垂直条纹二灰度级编码用黑白两种色彩来进行编码。1981年，Altschuler和Posdamer首次提出了这种方法。对于要投影的条纹图案，1来表示白色条纹，用0来表示黑色条纹，如果有m幅图案依次投影，用m 位0和1组成的二进制数来表示每条条纹，这样就可以对2m条条纹使用简单的二进制数字进行编码。二进制编码法的缺点在于需要投射许多幅图案，如果增加图案的灰度值来编码，编码图案会减少但增加解码难度，且灰度二值码任意两相邻码值之间可能有多位不同且各位权重不同，导致解码时，任意图像采样点在各幅编码图像中可能有多次处于条纹边缘，因此其码值可能多位被误判，且若误判存在于高位则引起的解码误差大。 3.2 格雷码 早在1880年法国工程师Jean-Maurice-Emlle Baudot就对灰度二值编码进行改良，发明出格雷码(Gray Code)，1953年因为Frank Gray申请专利而得名，格雷码最初是用来处理最小化模拟信号与数字信号的转换错误，随着科技的发展，如今格雷码越来越多的应用在
光切三维重建技术的应用与前景 0 引言 随着计算机图形学的发展和认知维度的提升，三维重建技术在工业、建筑业、医学以及农牧林业中有着广阔的应用前景。该技术所获取的数字化点云能够提供丰富的高质量、高细节性、高精度的三维信息。三维空间内的尺度信息可作为传感系统中的输入数据，从而感知周边环境信息，为对象识别、感测、地图构建与导航等功能提供新的辅助。同时，在以三维重建技术为主导发展而来的逆向工程领域中，点云数据可实现复杂的自由曲面的数字化，从而快速创建、复现目标的精确模型，在零件加工与检测、服装设计、文物遗产保护中起到关键作用。此外，三维重建技术也被应用于医疗领域，可作为术前诊断、假体定制、医美整形的辅助手段，也可结合虚拟现实技术实现术中可视化、模拟训练教学、智能应用等。 三维重建技术可按实现步骤划分为数字点云获取与点云处理两部分。其中的基础是数字点云获取，即三维信息测量。相比于接触式测量方法存在的易磨损、耗时长、测试环境严格、成本较高等缺点，非接触式三维测量方法逐渐受到人们的青睐。其中，以单目、双目、多目等形式为代表的被动式非接触三维测量方法测量精度较低、计算量较大且有效信息量占比较少，常用于三维目标的识别、理解以及位形分析，难以用于高精度地重建复杂目标[1]。 主动式非接触三维测量方法有飞行时间(time of flight,TOF)法、光学干涉测量法、相位测量轮廓术、傅里叶变换轮廓术等。TOF法依赖时间分辨力，对设备参数的要求较高，价格昂贵且难以适应复杂环境[2]。光学干涉测量法(如莫尔条纹法等)的工作范围主要依赖于基准光栅的尺寸，无法对较大尺寸的物体进行重建，且测量稳定性较差[3]。相位测量轮廓术又名光栅投影法，在诸如台阶、深槽、突起等相位突变处会产生较严重的阴影问题，难以进行相位展开，因此不能测量表面有高度剧烈变化或不连续区域的复杂三维物体。同时，该技术的测量范围较小、测量环境要求严格，难以推广至实际应用[4]。傅里叶变换轮廓术需保证各级频谱之间不混叠，因而限制了测量范围，测量精度较相位测量轮廓术低[5]。 相比之下，光切法(基于单线或多线结构光扫描的形式)的测量精度能达到微米级别，对应用环境的适应性较强，测量鲁棒性较高。因此，对于中小尺寸场景下的三维重建需求，光切法是一种有效的三维点云数据获取途径。 本文重点对光切法在各类场景中的应用进行了调研：首先，介绍了光切法的技术原理及关键技术；随后，介绍了光切法对不同目标或在不同环境中的应用；最后，结合光切法技术应用现状及科技发展趋势，简要剖析了光切法的应用前景。上述研究成果可为研究人员或工程人员在实际应用中选择合理的方法提供参考。这将有助于明确光切法的进一步发展方向。
灰度重心法提取激光条纹中心线 灰度重心法是一种常用的图像处理方法，可以用于提取激光条纹的中心线。激光条纹是一种重要的光学现象，广泛应用于三维重建、轮廓测量等领域。本文将介绍灰度重心法的原理和步骤，并结合实例进行详细说明。 灰度重心法是一种基于灰度信息的图像处理方法。在激光条纹图像中，激光条纹通常呈现出明暗交替的条纹模式。而激光条纹的中心线是条纹中灰度最高的位置，通过提取中心线可以得到激光条纹的轮廓信息。灰度重心法就是利用条纹中灰度最高的位置作为中心线的提取方法。 具体的提取步骤如下： 1. 预处理：首先需要对激光条纹图像进行预处理，包括去噪、灰度化等操作。去噪可以采用滤波算法，如均值滤波、中值滤波等。灰度化则是将彩色图像转换为灰度图像，只保留亮度信息。 2. 二值化：将灰度图像转换为二值图像，即将灰度值大于某个阈值的像素点设置为白色，小于阈值的像素点设置为黑色。二值化操作可以使用简单的阈值分割方法，也可以使用自适应阈值分割等方法。 3. 边缘检测：对二值图像进行边缘检测，可以使用常见的边缘检测算法，如Sobel算子、Canny算子等。边缘检测可以提取出激光条
纹的边缘信息。 4. 中心线提取：通过灰度重心法提取激光条纹的中心线。首先计算每一列的灰度重心，即计算每一列中灰度最高的位置。然后将这些灰度最高位置连接起来，得到中心线。 灰度重心法的原理是基于激光条纹的灰度分布特性。激光条纹的中心线上的像素点具有最高的灰度值，而离中心线越远的像素点灰度值逐渐降低。因此，通过计算每一列的灰度重心，可以得到激光条纹的中心线位置。 下面以实例说明灰度重心法的应用。假设我们有一张激光条纹图像，经过预处理后得到二值图像。然后使用Sobel算子进行边缘检测，得到边缘图像。接下来，我们计算每一列的灰度重心，得到中心线的位置。最后，将中心线绘制在原始图像上，即可得到激光条纹的中心线。 灰度重心法在激光条纹的轮廓提取中具有较好的效果。相比于其他方法，灰度重心法不需要复杂的数学模型或大量的计算，简单易实现。但是需要注意的是，灰度重心法对于噪声和遮挡比较敏感，因此在实际应用中需要结合其他方法进行优化和改进。 总结起来，灰度重心法是一种基于灰度信息的图像处理方法，可以用于提取激光条纹的中心线。通过预处理、二值化、边缘检测和灰
基于结构光视觉的白车身覆盖件间隙面差测量方法 许敏;马钺;陈帅;徐首帅 【摘要】Aiming at problem that manual measurement of gap and flush of body-in-white is imprecision and inefficiency,adopt structured light vision measuremnent method to replace manual measurement.In the recognition of feature points for the gap gauge,calculate absolute differential for each point on the centerline of the structured light stripe,then,search for differential extremal points and treat them as feature points for gap gauge.For the recognition of feature points of flush gauge,use feature points localization algorithm based on extremal curvature of discrete curve.Experimental results indicate that the proposed algorithm has a higher precision for calculating the gap and flush of body-in-white,and can satisfy the requirement of precision for car body factories.%针对白车身表面覆盖件间隙面差人工测量精度差、效率低等问题,提出了利用结构光视觉测量方法代替人工测量.在间隙特征点识别中,计算光纹中心线上各点的绝对差分值,搜索差分极值点并将该极值点作为特征点;在面差特征点识别中,采用基于离散曲线曲率极值点的特征点定位算法.实验结果表明:间隙面差测量方法测量精度较高,能够满足整车厂对白车身间隙面差测量精度的要求. 【期刊名称】《传感器与微系统》 【年(卷),期】2017(036)009 【总页数】4页(P13-16)
散斑结构光三维重建 结构光三维重建是一种常用的三维形状获取方法，通过投射特殊编码的结构光模式，利用相机捕捉物体反射的光线，从而重建物体的三维形状。而散斑结构光三维重建是结构光三维重建中的一种重要技术手段。 散斑是由光在物体表面上经过反射、折射、散射等过程形成的光强分布不均匀的现象。在结构光三维重建中，利用散斑现象可以提供物体表面的微小变形信息，从而实现对物体形状的精确重建。 散斑结构光三维重建的原理是，通过投射具有特定空间编码的结构光模式，使光线在物体表面形成散斑。然后利用相机拍摄物体表面的散斑图像，并对其进行处理。通过分析散斑图像中的光强分布和变形情况，可以推断出物体表面的形状信息。 散斑结构光三维重建的过程可以分为以下几个步骤： 1. 投射结构光：首先需要选择合适的结构光模式，例如条纹、格点等，然后通过投射器将结构光模式照射到物体表面上。 2. 拍摄散斑图像：利用相机拍摄物体表面散斑图像。由于散斑是由光线在物体表面反射、折射、散射等过程中形成的，因此散斑图像中包含了物体表面微小的形变信息。
3. 图像处理：对拍摄得到的散斑图像进行处理，提取出散斑光强分布的信息。常用的处理方法包括傅里叶变换、滤波等。 4. 重建物体形状：根据散斑图像中的光强分布和变形情况，推断出物体表面的形状信息。常用的重建方法包括相位解包、相位提取等。 散斑结构光三维重建技术具有很多优点。首先，相比其他三维重建方法，散斑结构光无需接触物体，能够快速、非接触地获取物体的三维形状信息。其次，散斑结构光对物体的表面性质要求较低，可以适用于不同材质的物体。此外，散斑结构光还能够获取物体表面微小形变的信息，对于一些需要精确测量形变的应用具有重要意义。 然而，散斑结构光三维重建技术也存在一些限制。首先，散斑图像中往往存在噪声干扰，需要进行一定的图像处理来提取有效信息。其次，散斑结构光对物体表面的反射特性和光照条件敏感，需要在实际应用中进行光照控制和校准。此外，散斑结构光在一些特殊表面（如高光反射、透明表面）上的应用受到限制。 散斑结构光三维重建技术在许多领域都有广泛的应用。例如在工业制造中，可以用于零件尺寸测量、形状检测等；在医学领域，可以用于牙齿、骨骼等器官的重建和分析；在文化遗产保护中，可以用于文物的数字化保护和修复等。随着技术的不断发展和创新，散斑结构光三维重建技术将在更多领域展现出其巨大的潜力和应用价值。
线结构光中心线提取算法 线结构光中心线提取算法是一种用于提取线结构光图像中的中心 线的图像处理算法。线结构光是一种利用一组平行光线或光纹来对物 体进行测量、重建或识别的技术，常用于三维形状测量、光栅编码等 领域。 线结构光中心线提取算法的目标是从线结构光图像中准确提取物 体的中心线。中心线是物体表面上的一个二维曲线，其具有重要的形 状信息和几何特征。中心线提取算法的准确性和可靠性对于后续的物 体测量和重建过程至关重要。 线结构光中心线提取算法的核心思想是从图像中找到物体的边缘，并通过一系列的图像处理操作来提取出中心线。在图像处理领域，边 缘检测是一个常见的问题，有许多经典的边缘检测算法可供选择，如Canny算法、Sobel算法等。可以利用这些算法来检测出线结构光图像 中物体的边缘。 一旦得到了物体的边缘，接下来就可以使用一些曲线拟合算法来 提取中心线。最常用的曲线拟合算法是最小二乘法，它可以通过最小
化拟合误差来获得最优的拟合曲线。在线结构光中心线提取算法中，可以使用最小二乘法来拟合物体边缘上的点，从而得到中心线的表达式。 在实际应用中，线结构光中心线提取算法还需要解决一些特定问题。例如，线结构光图像中可能存在噪声和干扰，这会影响到中心线的提取结果。为了解决这个问题，可以采用图像滤波的方法来降噪。常用的图像滤波算法有高斯滤波、中值滤波等，可以根据实际情况选择合适的滤波算法。 此外，线结构光中心线提取算法还需要考虑到物体的形状变化和光源的方向。在实际应用中，物体的形状可能是复杂多变的，这就需要在算法中加入一些自适应的机制来适应不同的形状。同时，光源的方向也会对中心线的提取结果产生影响，因此需要在算法中进行光源的校正和调整。 综上所述，线结构光中心线提取算法是一种用于提取线结构光图像中物体中心线的图像处理算法。它可以通过边缘检测和曲线拟合等方法来提取中心线，并且可以通过图像滤波、自适应机制和光源校正等技术来提高算法的准确性和鲁棒性。线结构光中心线提取算法在三
结构光三维成像技术动态测量中相位提取方法研究 结构光三维成像技术动态测量中相位提取方法研究 摘要：随着科技的发展，结构光三维成像技术在工业制造、医学与生物学等领域中已得到广泛应用。其中，相位提取是结构光三维成像中至关重要的一个过程。本文主要研究了结构光三维成像技术动态测量中的相位提取方法。 1. 引言 结构光三维成像技术是一种通过发射特定结构的光源，利用光的散射和反射原理进行物体表面形貌测量的方法。该技术具有非接触、高速、高精度等特点，被广泛应用于三维形貌测量、表面缺陷检测等领域。而在结构光三维成像技术中，相位提取是一个至关重要的步骤。相位提取的好坏直接影响到三维成像的精度和可靠性。 2. 相位提取方法 2.1 基于频率域的相位提取方法 基于频率域的相位提取方法是一种常用且有效的方法，它基于傅里叶变换原理通过频域分析来获取相位信息。典型的方法有快速傅里叶变换法（FFT）、Hilbert变换法等，它们可以从 干涉图像中提取出相位信息。虽然这些方法能够提取出相位信息，但是在动态测量中往往因为算法复杂度高、计算速度慢等问题而不适用。 2.2 基于时域的相位提取方法 基于时域的相位提取方法是一种近年来较为常用的方法。该方法主要利用结构光在物体表面的反射过程中，相位的连续性来提取相位信息。常见的方法有相移法、三步相移法等。这些方法通过在不同时间点上记录下一系列图像，再通过图像处理和
算法来获取相位信息。这种方法相对于频率域方法来说计算速度更快，适用于动态测量。 3. 相位提取方法的研究进展 随着科技的不断发展，相位提取方法的研究也取得了很大进展。在基于时域的相位提取方法中，有学者提出了双频混合法、时序二次提取法等方法，能够更准确地提取出相位信息。在基于频率域的相位提取方法中，有学者提出了快速傅里叶变换的优化算法，能够提高计算速度。此外，还有研究者提出了综合使用时域和频率域方法的相位提取算法，进一步提高了相位提取的准确性和速度。 4. 相位提取方法的应用 相位提取方法的研究不仅仅停留在理论层面，还有很多实际应用。例如在工业制造中，结构光三维成像技术可以用于零件的尺寸测量、形态分析等。在医学领域中，该技术可用于人体测量、病灶检测等。在生物学研究中，结构光三维成像技术可以用于细胞表面形变测量等。这些应用需要相位提取方法的支持，以提高测量的精度和可靠性。 5. 结论 通过对结构光三维成像技术动态测量中相位提取方法的研究，我们可以发现不同的相位提取方法具有各自的优势和适用场景。基于频率域的相位提取方法能够提取高精度的相位信息，适用于静态测量；而基于时域的相位提取方法适用于动态测量，具有较快的计算速度。随着科技的发展，相位提取方法的研究也在不断前进，各种新方法的出现将进一步提高结构光三维成像技术的应用效果。我们相信，在不久的将来，结构光三维成像技术将在更广泛的领域得到应用，并将给我们带来更多的惊喜与突破
(19)中华人民共和国国家知识产权局 (12)发明专利说明书 (10)申请公布号CN 114565678 A (43)申请公布日2022.05.31 (21)申请号CN202210103999.7 (22)申请日2022.01.28 (71)申请人河海大学 地址211100 江苏省南京市江宁开发区佛城西路8号 (72)发明人程红霞徐鹏飞孟昊莫卫军孙承锐王逸生 (74)专利代理机构南京纵横知识产权代理有限公司 代理人母秋松 (51)Int.CI G06T7/80 权利要求说明书说明书幅图(54)发明名称 一种基于方向向量的线结构光平面 快速标定方法 (57)摘要 本发明公开了一种基于方向向量的 线结构光平面快速标定方法，拍摄靶标表 面图像，提取带有激光条纹的靶标图像， 对标靶图像进行处理，提取光斑条纹的中 心线坐标，代入标定后数学模型即可解算 目标物表面三维信息及相对位置关系。本 发明提供的一种基于方向向量的线结构光
平面快速标定方法，无需求解靶标与摄像 机之间的位置关系，降低了求解的复杂 性。标定过程中对于靶标摆放姿态也没有 特殊要求，且标定过程中无需更换靶标的 位置，避免了由于移动靶标引起的标定误 差，减少了操作步骤，从而提升标定的精 度和效率。 法律状态 法律状态公告日法律状态信息法律状态 2022-05-31公开发明专利申请公布 2022-06-17实质审查的生效IPC(主分 类):G06T 7/80专利申请 号:2022101039997申请 日:20220128 实质审查的生效
权利要求说明书 【一种基于方向向量的线结构光平面快速标定方法】的权利说明书内容是......请下载后查看
基于灰度修正与自适应阈值的结构光条纹中心提取方法基于灰度修正与自适应阈值的结构光条纹中心提取方法 导读 在三维扫描和测量领域中，结构光条纹投影技术被广泛应用于表面三 维重建和精确测量。而其中的重要一环便是结构光条纹中心提取方法。本文将围绕基于灰度修正与自适应阈值的结构光条纹中心提取方法展 开探讨，分析其原理、优势和局限，并深入探讨其在三维重建和测量 领域中的应用。 一、结构光条纹中心提取方法概述 结构光条纹中心提取方法是指通过对结构光投影得到的条纹图像进行 处理，从中准确提取出条纹中心的位置信息。这一方法的准确性和效 率直接影响着后续的三维重建与测量结果。 二、基于灰度修正的结构光条纹中心提取方法 1. 灰度修正原理 在结构光条纹图像的获取过程中，受到光照、材料表面反射性质等因
素影响，条纹图像可能出现灰度失真和不均匀的情况。在进行条纹中 心提取前，首先需要对图像进行灰度修正处理，以确保后续的提取过 程准确可靠。 2. 灰度修正方法 常见的灰度修正方法包括均值滤波、高斯滤波等，通过消除图像的噪 声和不均匀灰度，使得条纹图像的灰度分布更加均匀，从而有利于后 续的中心提取。 三、基于自适应阈值的结构光条纹中心提取方法 1. 自适应阈值原理 在进行条纹中心提取时，为了克服由于光照变化、材料表面不均匀等 因素引起的图像噪声和干扰，一种较为常用的方法是采用自适应阈值 进行图像二值化处理。这样可以根据图像本身的特点，动态地选择合 适的阈值，从而更好地保留条纹信息。 2. 自适应阈值方法 常用的自适应阈值方法包括局部自适应阈值算法、Sauvola算法等， 通过将整个图像分割为多个局部区域，并根据每个局部区域的灰度特 性动态地选择阈值，实现了对不同部分的条纹进行准确的二值化处理。 四、基于灰度修正与自适应阈值的结构光条纹中心提取方法的优势与
结构光三维测量图像噪声分析与预处理方法研究结构光三维测量因其测量精度高、实时性好、非接触性等优势,被广泛应用在很多三维测量领域中。结构光条纹中心提取精度是系统测量精度的主要影响因素之一,但测量过程中的各种噪声会降低条纹中心提取精度,最终测量结果中将会有一些误差较大的数据,降低了系统测量精度。因此,亟需一种针对结构光条纹图像质量的改善方法和一种针对结构光条纹提取结果质量的评价方法。本文主要针对结构光条纹图像进行研究,对结构光系统的噪声进行分析,在分析的基础上给出改善结构光条纹的图像处理方法及图像质量的评价方法来提高系统的测量精度。 具体工作如下:首先,给出了结构光三维测量的基本原理,从结构光图像噪声产生的原因入手对噪声进行了系统分析,分别从投影、被测物体、拍摄、环境等方面进行了详细的分析,最后对其进行了分类总结。针对结构光条纹图像灰度分布退化,提出了一套提高条纹中心提取精度的图像处理方法。其中使用了开关中值滤波方法和高斯滤波方法,在尽量保证图像细节信息的同时滤除噪声。对常用的条纹中心提取方法进行了分析,并提出了一种条纹中心提取方法,该方法是基于条纹中心两侧的能量值相等的原则对条纹中心进行提取,这种方法的优势在于受图像灰度非对称分布影响较小。 受结构光条纹图像噪声的干扰,条纹图案的特征灰度分布出现退化现象,由原来的对称分布退化为非对称分布,严重影响到了条纹中心提取的精度。因此,测量数据中可能存在误差较大的数据,本文针对这一问题提出了一种结构光条纹图像质量评价方法。该方法提出了条纹中心的定位误差和基于三阶中心矩的偏态系数,并通过使用灰度分布的偏态系数对条纹灰度分布质量进行评价。通过设置偏态系数的阈值,可将误差较大的数据识别出来并直接剔除,并给出了偏态系数阈值的设置方法。 仿真结果验证了该方法的可行性。最后,通过仿真和实验证实了上述方法的可行性和有效性。
基于视觉的焊缝质量检测技术研究 目前,焊缝质量的检测主要是通过人工来实现完成的,这种方法不但成本高、所需时间长、效率低、主观性强,而且单纯依靠工人进行焊缝质量的检测已经无法满足现代化焊接技术的要求。机器视觉作为一种非接触性测量方式,具有灵敏度高、测量精度高等特点,因此在工业检测中得到了广泛应用。本文将机器视觉技术应用到焊缝质量检测中来,对焊缝成形几何尺寸进行测量的同时对管板焊焊缝表面存在的缺陷进行识别和分类。针对表征焊缝成形尺寸的结构光图像的中心线提取,提出了一种将Hessian矩阵法和质心法相结合的提取方法。 首先采用Hessian矩阵法来计算结构光条纹的法线方向,在法线方向上求取灰度分布的极值点来初步确定中心点。之后采用基于灰度值平方加权的质心法来实现对结构光中心线的进一步提取,获得中心线后对其中的突变点进行剔除,最后对剔除的中心点利用相邻中心点进行线性插值进行填补,使得最终获得的中心线连通性较好。对比各个中心线提取法,此方法得到的结构光中心线精度高、耗时少而且稳定性比较高。对于结构光图像的特征点提取,提出了采用RANSAC算法对结构光进行拟合。 相较于最小二乘法对于干扰点敏感,利用此方法得到的直线抗干扰能力强且准确率高,同时针对拟合时间长的问题提出了对原始数据集进行减半操作,在保证精度的同时大大提高了拟合速度。对于特征点的提取,先检测其中的极值点实现粗定位,再采用基于移动向量距离和的方法来实现特征点的细定位。通过对管板焊焊缝表面存在的典型缺陷进行分析得到了其特有的特点,然后首次使用机器视觉检测管板焊焊缝表面缺陷。针对管板焊缺陷的图像分割问题,提出了一种基于灰度-梯度激励强度共生矩阵的加权二维Renyi熵算法。 针对传统的二维熵没有考虑边缘和噪声点的影响因此获得的分割结果对噪声点比较敏感的问题,本文提出了一种基于灰度-梯度激励强度共生矩阵的二维Renyi熵算法,此矩阵充分考虑了像素邻域梯度的主方向以及梯度强度,并采用 一种新的二维熵划分方式来对矩阵进行分区,对噪声点比较鲁棒。同时为了将图像目标分割的更加准确,提出了一种将局部熵和联合熵进行加权的Renyi熵算法,在管板焊焊缝表面缺陷的分割方面取得了很好的效果。针对管板焊焊缝缺陷的分类识别,计算每个缺陷的几何特征和形状特征参数,本文针对管板焊焊缝缺陷开
《计算机视觉技术》作业 线结构光技术 结构光就是把一个具有一定样式的光（面状、网状或者其它复杂的形式）按照已知的角度照射到一个物体上。这种技术对于图像采集并获取空间信息是十分有用的。根据光学投射器所投射的光束模式的不同，结构光模式又可以分为点结构光模式、线结构光模式、多线结构光模式及网格结构光模式等。 1 线结构光定义 线结构光模式又称为光带模式[1]。如图1所示，激光器投射的光束通过一柱面镜在空间形成一窄的激光平面，当与物体的表面相交时便在物体表面产生一亮的光条。该光条由于物体表面深度的变化以及可能的间隙而受到调制，表现在图像中则是光条发生了畸变和不连续，畸变的程度与深度成比例，不连续则显示出了物体表面间的物理间隙。线结构光视觉的任务就是从畸变的光条图像信息中获取物体表面的三维信息。实际上，线结构光模式也可以说是点结构光模式的扩展。过摄像机光心的视线束在空间中与激光平面相交产生很多交点，在物体表面处的交点则是光条上众多的光点，因而便形成了与点结构光模式中类似的众多的三角几何约束。与点结构光模式相比较，线结构光模式的测量信息量大大增加，而其实现的复杂性并没有增加，因而得到广泛应用。 图1 线结构光模式 线结构光传感器主要由两部分组成，一为由半导体激光器柱面镜组成的面光发生系统，二为由平面镜与线阵CCD组成的成像装置。传感器的基本原理为：激光器发射的激光经柱面镜转换后成为线光源，投射出的扇形面与被测物相交于一条直线经另一光轴上的CCD摄像系统成像并转换为电信号，送计算机系统进行分析处理得到所需的参数。 2 线结构光原理 线结构光成像三维扫描法的光学模型采用的是小孔成像原理，成像系统必须满足Scheimpflug条件[2]才能准确地在像机光敏面上成像，该条件的推导如图2所示。
1、3逆向工程中的关键技术 1、3、1 数据采集技术 訂前，用来采集物体表面数据的测量设备与方法多种多样，其原理也各不相同、测量方法的选用是逆向工程中一个特不重要的问题。不同的测量方式，不但决定了测量本身的精度、速度与经济性，还造成测量数据类型及后续处理方式的不同。依照测量探头是否与零件表面接触，逆向工程中物体表面数字化三维数据的采集方法基本上能够分为接触式(Con tact)与非接触式(N o n—c o n t ac t ) 两种。 接触式包括三坐标测量机(Co o rdin a te M e as u ring Machin i ng, CMM) 与关节臂测量机;而非接触式主要有基于光学的激光三角法、激光测距法、结构光法、图像分析法以及基于声波、磁学的方法等。这些方法都有各自的特点与应用范围，具体选 用何种测量方法与数据处理技术应依照被测物体的形体特征与应用LI的来决定、LI 前，还没有找到一种完全使用于工业设讣逆向测量方法。各种数据采集方法分类如 图1、3所示。 在接触式测量方法中,CMM是应用最为广泛的一种测量设备;CMM通常是基于力-变形原理，通过接触式探头沿样件表面移动并与表面接触时发生变形,检测出接触点的三维坐标，按采样方式乂可分为单点触发式与连续扫描式两种。CMM对被测物体的材质与色泽没有特不要求，可达到特不高的测量精度(土0、5pm), 对物体边界与特征点的测量相对精确，关于没有复杂内部型腔、特征儿何尺寸多、只有少量特征曲面的规则零件反求特不有效。主要缺点是效率低,测量过程过分依赖于测量者的经验，特不是关于儿何模型未知的复杂产品，难以确定最优的采样策略与路径。