灰度重心法提取激光条纹中心线

基于Hessian矩阵的线结构光光条中心提取作者：陈念郭阳宽张晓青来源：《数字技术与应用》2019年第03期摘要：本文以傳统的Steger算法为前提，对基于Hessian矩阵的光条纹中心提取算法进行了优化，并通过实验验证了光条中心提取的效果。

关键词：线结构光;图像预处理;Steger算法中图分类号：TP39 文献标识码：A 文章编号：1007-9416（2019）03-0126-020 引言通过激光三角法拍摄的光条图像一般都具有一定的像素宽度。

为实现准确的测量，需要提取条纹中心线。

目前使用较多的激光条纹中心提取算法有极值法、灰度重心法、骨架细化法、方向模板法、曲线拟合法等[1-4]，但以上方法都有一定的缺陷。

本文提出一种基于Steger算法的光条纹中心提取方法。

1 线激光光条图像的特点线激光器发射一个连续的光平面与待测物表面的交线是有一定宽度的光条，该光条的横截面光强分布近似服从高斯分布[5]，如图1所示。

G（x）=; ; ; ; ; ; ; ; ; ; ; ; ; ; ;（1）式中u为数学期望，σ为均方差。

光条图像及灰度强度分布如图2所示，光条区域的灰度值近似呈高斯分布。

2 光条图像的预处理相机所拍摄的光条图像包含了许多噪声，且发生了变形，光条强度受到了调制，给光条中心提取增加了困难[6]。

因此，在提取激光光条中心前需对光条图像进行以下预处理：2.1 光条区域提取本文采取的方法是在原始图像中设定一个包含所需激光光条图像的较小的矩形区域，然后将该矩形区域的图像分离出来，大大减小了计算量。

2.2 图像滤波由于光条图像受测量环境、相机内部产生的热噪声等因素的影响，严重影响光条提取结果及测量系统的准确性。

经对比，中值滤波效果较好。

但滤波后使部分光条图像信息被滤除掉了。

为了保证信息的完整性，需对滤波后的图像再次进行形态学滤波，如图3所示。

3 Steger法提取光条纹中心线通过Hessian矩阵得到光条法线方向，利用泰勒展开得到激光条纹的中心点的亚像素位置[7]。

第３１卷第１期　２０１４年３月 广东工业大学学报ＪｏｕｒｎａｌｏｆＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ Ｖｏｌ．３１Ｎｏ．１ Ｍａｒｃｈ２０１４收稿日期：２０１３－０３－０１基金项目：国家自然科学基金资助项目（５１１０５０７８）；广东省教育部产学研结合项目（２０１２Ｂ０９１１００１９０）；东莞市高等院校科研机构科技计划项目（２０１０１０８１０２０５）；广州市科技计划项目（２０１３Ｊ４３０００１９）作者简介：杨建华（１９８５－），男，硕士研究生，主要研究方向为逆向设计与工程应用、机器视觉与三维测量．ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００７－７１６２．２０１４．０１．０１５线结构光三维视觉测量中光条纹中心提取综述杨建华，杨雪荣，成思源，雷志盛，骆少明，张湘伟（广东工业大学机电工程学院，广东广州５１０００６）摘要：光条纹中心提取是线结构光三维视觉测量中的关键技术．把影响光条纹中心提取精度的主要因素归纳为工作环境、激光平面、被测物体和图像采集系统，并对其进行了对比分析．根据提取算法的理论基础、对图像信息的利用及计算思路特点的差异，将其分为几何中心方法和能量中心方法两大类．针对每类方法的计算思路、优缺点、改进方法、适用工况等在细分类方法中进行了对比分析和归纳总结．最后结合两大类方法的发展特点，提出了光条纹中心提取方法的进一步发展方向．关键词：三维视觉测量；线结构光；光条纹；中心提取中图分类号：ＴＰ３９１．４；ＴＮ２４７ 文献标志码：Ａ 文章编号：１００７－７１６２（２０１４）０１－００７４－０５ＲｅｖｉｅｗｏｆＥｘｔｒａｃｔｉｎｇｔｈｅＣｅｎｔｅｒｓｏｆＬｉｎｅａｒＳｔｒｕｃｔｕｒｅｄＬｉｇｈｔＳｔｒｉｐｅｓｆｏｒ３ＤＶｉｓｕａｌＭｅａｓｕｒｅｍｅｎｔｓＹａｎｇＪｉａｎ－ｈｕａ，ＹａｎｇＸｕｅ－ｒｏｎｇ，ＣｈｅｎｇＳｉ－ｙｕａｎ，ＬｅｉＺｈｉ－ｓｈｅｎｇ，ＬｕｏＳｈａｏ－ｍｉｎｇ，ＺｈａｎｇＸｉａｎｇ－ｗｅｉ（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ５１０００６，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｅｘｔｒａｃｔｉｎｇｔｈｅｃｅｎｔｅｒｏｆａｌｉｇｈｔｓｔｒｉｐｅｉｓｏｎｅｏｆｔｈｅｋｅｙｔｅｃｈｎｉｑｕｅｓｏｆｔｈｅｌｉｎｅａｒｓｔｒｕｃｔｕｒｅｄｌｉｇｈｔｆｏｒｔｈｒｅｅ－ｄｉｍｅｎｓｉｏｎａｌ（３Ｄ）ｖｉｓｕａｌｍｅａｓｕｒｅｍｅｎｔ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｉｎｆｌｕｅｎｃｅｏｆｔｈｅａｃｃｕｒａｃｙｉｎｅｘｔｒａｃｔｉｎｇｔｈｅｌｉｇｈｔｓｔｒｉｐｅｃｅｎｔｅｒｓ，ｔｈｅｆｏｕｒｋｅｙｆａｃｔｏｒｓ，ｗｈｉｃｈａｒｅｔｈｅｗｏｒｋｅｎｖｉｒｏｎｍｅｎｔ，ｌａｓｅｒｐｌａｎｅｓ，ｍｅａｓｕｒｅｄｏｂ－ｊｅｃｔｓａｎｄｉｍａｇｅａｃｑｕｉｓｉｔｉｏｎｓｙｓｔｅｍｓ，ａｒｅｓｕｍｍｅｄｕｐａｎｄａｎａｌｙｚｅｄ．Ｏｎｔｈｅｂａｓｉｓｏｆｔｈｅｄｉｆｆｅｒｅｎｃｅｓｂｅ－ｔｗｅｅｎｔｈｅｕｓｅｏｆｔｈｅｉｍａｇｅｉｎｆｏｒｍａｔｉｏｎａｎｄｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｃａｌｃｕｌａｔｅｄａｌｇｏｒｉｔｈｍｓｉｎｔｈｅｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｓ，ａｎｅｗｉｄｅａｉｓｐｒｏｐｏｓｅｄｔｈａｔｔｈｅｙａｒｅｃｌａｓｓｉｆｉｅｄｉｎｔｏｔｗｏｄｉｆｆｅｒｅｎｔｍｅｔｈｏｄｓ，ｗｈｉｃｈａｒｅｔｈｅｇｅｏｍｅｔ－ｒｉｃａｌｃｅｎｔｅｒｍｅｔｈｏｄａｎｄｔｈｅｅｎｅｒｇｙｃｅｎｔｅｒｍｅｔｈｏｄ．Ｂａｓｅｄｏｎｔｈｅｄｉｆｆｅｒｅｎｃｅｓｂｅｔｗｅｅｎｔｈｅｔｗｏｍｅｔｈｏｄｓｉｎａｌｇｏｒｉｔｈｍｔｈｏｕｇｈｔｓ，ｍｅｒｉｔｓａｎｄｄｅｍｅｒｉｔｓ，ｗａｙｓｏｆｉｍｐｒｏｖｅｍｅｎｔ，ａｐｐｌｉｃａｂｌｅｃｏｎｄｉｔｉｏｎｓ，ｔｈｅｙａｒｅｓｕｂｃｌａｓｓｉ－ｆｉｅｄ，ｃｏｍｐａｒｅｄ，ａｎａｌｙｚｅｄａｎｄｓｕｍｍａｒｉｚｅｄ．Ａｔｌａｓｔ，ｗｉｔｈｔｈｅｄｅｖｅｌｏｐｉｎｇｆｅａｔｕｒｅｓｏｆｔｈｅｔｗｏｍｅｔｈｏｄｓｃｏｍ－ｂｉｎｅｄ，ｉｔｐｒｏｐｏｓｅｓｔｈｅｄｅｖｅｌｏｐｍｅｎｔｔｒｅｎｄｏｆｔｈｅｌｉｇｈｔｓｔｒｉｐｅｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄ．Ｋｅｙｗｏｒｄｓ：３Ｄｖｉｓｕａｌｍｅａｓｕｒｅｍｅｎｔ；ｌｉｎｅａｒｓｔｒｕｃｔｕｒｅｄｌｉｇｈｔ；ｌｉｇｈｔｓｔｒｉｐｅ；ｅｘｔｒａｃｔｉｎｇｔｈｅｃｅｎｔｅｒ 线结构光三维视觉测量是基于光学三角法测量原理的一种非接触式测量，具有测量速度快、精度高，结构简单、经济且易于实现等优点，在工业测量和检测、医学、工程设计、逆向工程等领域得到了越来越广泛的应用［１］．其测量原理是首先将激光器发出的激光光束通过柱面镜展成为一个连续的激光平面，用它来照射被测物体，与被测物体表面相交形成一条变形结构光条纹；然后利用ＣＣＤ摄像机拍摄到的变形结构光条纹的图像几何信息，结合测量时系统运动参数来提取被测物体表面的三维形貌几何信息．其中，对变形结构光条纹图像的处理和计算，是三维测量的关键环节之一．由于变形结构光条纹一般具有３～１２个像素宽度，而光条纹中心线上点的位置坐标才是测量所需的最准确的信息，所以必须对变形结构光条纹进行光条纹中心提取，因此，光条纹中心提取的精度直接决定了测量结果的精度．１　光条纹中心提取精度的影响因素国内外很多学者紧紧地围绕如何提高光条纹中心的提取精度和算法速度进行了大量的实验研究和工程实践，通过及应用不同的算法研究并取得了相应的成果，在指导实际工程应用方面发挥了不同的作用，其依据的结构光视觉的基本测量原理如图１所示，实验中拍摄的实物模型的变形结构光条纹如图２所示．图１　线结构光测量原理Ｆｉｇ．１　Ｐｒｉｎｃｉｐｌｅｏｆｌｉｎｅａｒｓｔｒｕｃｔｕｒｅｄｌｉｇｈｔｍｅａｓｕｒｅｍｅｎｔ图２　实物模型的变形结构光条纹Ｆｉｇ．２　Ｓｔｒｕｃｔｕｒｅｄｌｉｇｈｔｓｔｒｉｐｅｓｏｆｏｂｊｅｃｔｍｏｄｅｌ 噪声对光条纹提取的精度有较大影响，在对光条纹图像进行处理时首先要进行去噪处理，所以对影响光条纹中心提取精度的主要因素进行了总结分析和对比研究．结合杨雪荣等［２］和解则晓等［３］对光条纹中心提取影响因素的分析，可将其总结并概括为表１．表１　主要影响提取精度的因素Ｔａｂ．１　Ｍａｉｎｉｎｆｌｕｅｎｃｅｆａｃｔｏｒｓｏｆｔｈｅｅｘｔｒａｃｔｉｏｎ影响因素噪声来源噪声类别降噪、除噪方法工作环境环境光（折射光、漫反射光、白炽灯光）随机噪声（无法估量、无法彻底消除）提高激光器功率、设计封闭式采集、选用特定波段的激光光源和滤色镜等激光平面平面度、“厚度”、光强变化可消除噪声（有规律、可重复）滤波处理、选用性能稳定的激光光源等被测物体表面性质、材质随机噪声喷涂吸光材料、改变光照角度等图像采集系统图像采集卡、ＣＣＤ内部噪声随机噪声、热电噪声、白噪声图像滤波处理、独立分割光条纹特征再处理等 表１中根据测量时的系统组成和测量原理将影响提取精度的因素分成４大类，针对每类的噪声来源、噪声类别及其是否可消除、避免噪声方法及措施进行了对比分析．针对这些噪声影响因素的研究以及结合数字图像处理和计算机视觉领域的新发展，很多学者提出了独特的光条纹中心提取算法．从实现方法上分析，可将现有的光条纹提取技术归结为两大类：以几何中心作为光条纹中心的提取方法和以能量中心作为光条纹中心的提取方法．２　光条纹中心的几何中心提取法此类方法又简称为几何中心方法．它是从数字图像处理的图像分割理论发展而来，其基本思路是首先对光条纹进行边缘检测，然后利用提取的光条纹两条边缘线的几何关系或阈值信息来求取光条纹的几何中心线，作为光条纹的中心线．从计算依据的信息和算法不同，几何中心法可分成以下３类．２．１　利用边缘信息的提取方法此方法主要利用特征检测分割出的两条光条纹区域边缘线，从计算几何角度提取光条纹中心线．这类方法是最早用来实现结构光条纹中心线提取的主要方法，最先实现的传统边缘法（又称轮廓法）只是简单地将两条边缘线中的某一条替代作为光条纹中心线，后来进行改进发展的中线法（又称中心法）是提取两条边缘线的中线作为光条纹中心线［４］．表２列出了两种方法的特点．表２　边缘法与中线法的特点Ｔａｂ．２　Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｅｄｇｅ－ｍｅｔｈｏｄａｎｄｃｅｎｔｅｒｌｉｎｅ－ｍｅｔｈｏｄ名称特点边缘法①取光条纹内或外边缘线作为中心线②适用于精度要求不高的大型物体测量③要求图像质量较好且结构光特性较高中线法①取光条纹内外边缘线的中线作为中心线②适用条纹质量好且形状规则的物体测量③实现简单且避免判断内外边缘轮廓线５７　第１期 杨建华，等：线结构光三维视觉测量中光条纹中心提取综述 在运用两种方法的过程中，物体模型表面复杂并带有细微特征以及光条纹不规范，常常使提取的中线出现“分枝”；由于遮挡等原因造成光条纹出现缺失或断线，这些都会产生测量误差．据此，黎明等［５］提出一种利用光强信息进行修正的中线法，利用表面光强分布信息与表面法线方向关系采用逐次逼近的计算方法修正带有误差的中线轮廓，使得算法精度得到进一步提高．２．２　利用阈值信息的提取方法此方法假设在理想的结构光条纹特性和被测物体表面质量相同的条件下，提取阈值分割后光条纹横截面中一对阈值分割点的中点位置作为光条纹中心点．该方法称为灰度阈值法（又称门限阈值法），具有计算速度快，简单等特点．由于受阈值分割和噪声影响大而使得提取精度差，它只适用于对光条纹中心位置的粗略估计．针对激光散斑效应噪声影响较为严重的问题，贾波等［６］采用了图像多帧平均法，虽然有效地去除了噪声，但是由于它将同时处理到几帧图像，造成计算数据量较大，处理速度缓慢，不适合也不利于工程应用．２．３　利用细化技术的提取方法此方法利用细化技术得到光条纹区域的细化曲线来替代光条纹中心线，称为形态学骨架法（又称骨架细化法）．骨架是图像几何形态的重要拓扑结构描述，保持了原目标的拓扑性质，具有原目标相同的特征，可用来表征一个光条纹的中心线特征．细化过程就是重复地剥掉二值图像的边界像素，直到获得一条单像素宽的光条纹连通线（称为骨架）的过程．将形态学处理引入光条纹中心提取是一个重要的算法推广，但是由于单纯提取的骨架没有考虑到光条纹的横截面光强特性，使得提取的光条纹中心线精度不高．同时在迭代腐蚀边界像素时必须保持目标的连通性而不能改变图像的拓扑性质，而需要进行多次细化操作，使得提取算法的运算速度降低．３　光条纹中心的能量中心提取法此类方法又简称为能量中心方法，它是在对激光光束的光学分析、结构光光条纹的形成原理和灰度特性分析的基础上发展形成的．其基本计算思路是求取光条纹横截面上理想的光强高斯分布曲线的灰度重心点或灰度极大值点作为光条纹的中心点，然后连接点集或拟合成高次曲线得到光条纹的能量中心线，作为光条纹的中心线．目前，对提取光条纹能量中心的方法研究一直是热门话题，现有方法可综合分成以下３类．３．１　利用灰度重心的提取方法此方法是直接依据光条纹在每一行横截面区间内灰度值的排列，沿行坐标方向求取光条纹区域的灰度重心点来代表该截面的光条纹中心点位置．该方法减小了由于光条纹灰度分布的不均匀性而引起的误差，提高了提取精度．但由于在光条纹截面中参与计算的像素点数不同及噪声干扰影响，导致了中心点位置计算结果出现沿行坐标方向的偏移误差．针对在处理得到灰度重心点之前的噪声干扰、图像预处理方法等方面，以及如何得到更加逼近实际的灰度重心点等方面，很多学者进行了有针对性的分析和研究，表３列出了与此相关的改进方法［２，７－１０］．在表中针对改进因素的不同方式或途径进行分别对比，从采用的理论基础和算法特点两个方面进行了分析．３．２　利用方向模板技术的提取方法此方法又称为可变方向模板法（简称方向模板法），主要针对光条纹图像进行低通滤波除噪和平滑处理后而引起损失物体表面几何细节信息的缺点，提出采用“有效尺寸”为５×３的４种不同方向模板与光条纹图像进行卷积运算，直接提取光条纹中心．最初由胡斌等［１１］提出，它是从利用灰度重心提取方法的思想发展而来的．该方法具有与采用固定模板卷积一样的抗白噪声和一定断线修补能力，较好地保留了光条纹的细节信息；但是在更高精度的要求下仅仅选取４个方向的模板不再能够满足要求，但如果增加其他不同方向模板又会增加计算量和运算时间，影响处理效率．据此，雷海军等［１２］在运用可变方向模板法之前结合光条纹像素的灰度邻域属性利用灰度阈值分割出光条纹，如此可快速检测和精确定位光条纹中心，同时数据存储量小有利于硬件并行实现．此外，吴庆阳等［１３］将可变方向模板技术和细化技术相结合，在细化的骨架上利用可变方向模板判断光条纹的法线方向，再利用灰度重心方法可提取光条纹中心，这样充分地发挥了两种方法的优点．３．３利用极大值点的提取方法此方法主要将光条纹中横截面光强极大值点作为光条纹中心点．该方法在光条纹横截面的灰度布成理想高斯分布的情况下具有很好的提取效果，而且提取速度极快．但由于受到噪声干扰，光条纹横截面的灰度分布曲线不能完全构成理想高斯曲线，因此该方法不适用于信噪比较小的图像．近年来以该６７ 广　东　工　业　大　学　学　报 第３１卷　方法为基础，许多研究者又提出了改进方法［１４－１５］，如表４所示．表中将改进方法分成对噪声影响和极值点寻找两个大方向，对改进方法的核心思想及特点进行了对比分析．表３　灰度重心法的改进方法Ｔａｂ．３　Ｉｍｐｒｏｖｅｍｅｎｔｏｆｔｈｅｂａｒｙｃｅｎｔｅｒｍｅｔｈｏｄ针对性或改进因素方法名称理论基础特点灰度重心点提取的偏移误差和曲面调制误差自适应迭代法系统量传递理论偏态分布重心特性基本消除光条纹调制误差，可用于快速精密测量灰度重心点提取对光强分布不均匀的敏感性自适应阈值法阈值分割算法浮动阈值特性去除某些随机噪声以及激光散斑效应的干扰影响边界灰度阈值选取对灰度重心点提取的影响梯度重心法灰度梯度特性灰度非正态分布特性克服灰度分布不匀称良好的抗噪性和鲁棒性光条纹法线方向上灰度重心点的计算偏差全分辨率法灰度梯度特性Ｂａｚｅｎ方法兼顾光条纹延伸方向影响因素、适用于在线精确测量光条纹法线方向和灰度重心点的判别封闭光圈（光带）法基准坐标变换模板校正算法计算精度高但计算数据量大、速度慢、应用实时性差噪声干扰对灰度重心点提取的影响ＮＵＲＢＳ曲线插值法ＮＵＲＢＳ曲线的局部控制特性、插值运算方法降低噪声影响、重复计算精度稳定性好Ｂ样条迭代法Ｂ样条曲线特性迭代算法逐步迭代修复噪声影响、提高提取精度遗传优化法遗传算法图像分割阈值特性增强抗白噪声能力实现断线的修补可变形模型法可变形模型理论Ｂ样条曲线特性有效抑制噪声影响实现断线的修补感兴趣区域（ＲＯＩ）分割法最大类间方差法阈值分割特性提高处理速度、增强光照下抗漫反射能力和分割特性表４　极大值点法的改进Ｔａｂ．４　Ｉｍｐｒｏｖｅｍｅｎｔｏｆｔｈｅｍａｘｉｍｕｍｐｏｉｎｔ－ｖａｌｕｅｍｅｔｈｏｄ针对性改进方法特点干扰噪声影响从极值点向两边缘方向搜索到相同阈值阈值对等更精确，运算时间增长寻找极大值点（最小二乘法）高斯曲线拟合或二次抛物线拟合曲线拟合理论成熟，提取精度达亚像素级Ｓｔｅｇｅｒ的Ｈｅｓｓｉａｎ矩阵法（曲线求导理论）精度高、鲁棒性好，运算量较大胡坤的改进Ｓｔｅｇｅｒ法（采用固定像素框或递归滤波）极大减少运算量，实现矩阵快速运算基于ＲＯＩ分割的胡坤法的改进极大提高运算速度适合实时应用４　总结如前所述，直接地利用光条纹区域的几何关系与阈值信息求取光条纹的几何中心线，就是以几何中心作为光条纹中心的提取方法．实现该类方法的关键点是在于如何得到更加合理的每个光条纹横截面的几何中心位置对应点．针对当前的工程应用领域来说，这种典型方法已经逐渐发展成熟并得到广泛的应用．在受工况环境和噪声影响少、结构光性能好、物体特征或曲面相对简单以及对测量结果精度要求不高的情况下均能满足；在工况环境恶劣并伴有多种噪声、结构光性能不很稳定、物体特征复杂以及对测量结果精度要求较高的情况下一般不能满足而均采用能量中心方法进行光条纹中心提取．充分地利用光条纹区域的灰度信息特性并结合高斯分布原理求取光条纹的能量中心线，就是以能量中心作为光条纹中心的提取方法．从求取几何中心到求取能量中心的发展是从仅仅考虑光条纹的几何形态特性到综合分析光条纹自身灰度特性的发展，是从表象到本质的发展．因此，能量中心提取方一直是当前研究热点，很多学者结合数字图像处理和计算机视觉领域发展的新理论新算法以及一些先进的优化方法，来尝试应用于光条纹中心的提取．由于在进行光条纹中心提取的过程中，对整幅７７　第１期 杨建华，等：线结构光三维视觉测量中光条纹中心提取综述 光条纹图像的每一步处理操作都密切关系到光条纹中心的提取精度和运算速度，因此更加合理的图像去噪预处理、更加精确的光条纹分割方法、更贴合光条纹横截面光强实际分布特性的灰度信息处理等都是对提取算法发展的重要方向．参考文献：［１］ＣｈａｎｇＤＹ，ＣｈａｎｇＹＭ．Ａｆｒｅｅｆｏｒｍｓｕｒｆａｃｅｍｏｄｅｌｉｎｇｓｙｓｔｅｍｂａｓｅｄｏｎｌａｓｅｒｓｃａｎｄａｔａｆｏｒｒｅｖｅｒｓｅｅｎｇｉｎｅｅｒｉｎｇ［Ｊ］．ＴｈｅＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＡｄｖａｎｃｅｄＭａｎｕｆａｃｔｕｒｉｎｇＴｅｃｈｎｏｌｏ－ｇｙ，２００２，２０（１）：９－１９．［２］杨雪荣，张湘伟，成思源，等．基于可变形模型的光条纹中心提取方法研究［Ｊ］．中国机械工程，２００９，２０（０３）：３３４－３３７．ＹａｎｇＸＲ，ＺｈａｎｇＸＷ，ＣｈｅｎｇＳＹ，ｅｔａｌ．Ｒｅｓｅａｒｃｈｏｎｔｈｅｍｅｔｈｏｄｆｏｒｅｘｔｒａｃｔｉｎｇｔｈｅｃｅｎｔｒｅｏｆｌｉｇｈｔｓｔｒｉｐｅｂａｓｅｄｏｎｄｅ－ｆｏｒｍａｂｌｅｍｏｄｅｌ［Ｊ］．ＣＭＥＳ，２００９，２０（０３）：３３４－３３７．［３］解则晓，张成国，张国雄．基于Ｂ样条迭代法的激光光条噪声去除技术研究［Ｊ］．光学技术，２００５，３１（３）：４３０－４３３．ＸｉｅＺＸ，ＺｈａｎｇＣＧ，ＺｈａｎｇＧＸ．ＲｅｓｅａｒｃｈｏｎｒｅｍｏｖｉｎｇｔｈｅｎｏｉｓｅｏｎｔｈｅｌａｓｅｒｓｔｒｉｐｅｂａｓｅｄｏｎｔｈｅｉｔｅｒａｔｉｖｅｆｉｔｔｉｎｇｏｆＢ－ｓｐｌｉｎｅ［Ｊ］．ＯｐｔｉｃａｌＴｅｃｈｎｉｑｕｅ，２００５，３１（３）：４３０－４３３．［４］ＬｙｖｅｒｓＥＰ，ＭｉｔｃｈｅｌｌＯＲ．Ｓｕｂ－ｐｉｘｅｌｍｅａｓｕｒｅｍｅｎｔｓｕｓｉｎｇａｍｏｍｅｎｔｂａｓｅｄｅｄｇｅｏｐｅｒａｔｏｒ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＰＡＭＩ，１９８９，１１（１２）：１２９３－１３０９．［５］黎明，冯华君，徐之海，等．利用光强信息的结构光图像轮廓提取修正方法［Ｊ］．光电工程，２００５，３２（２）：３０－３２．ＬＩＭ，ＦｅｎｇＨＪ，ＸｕＺＨ，ｅｔａｌ．Ｐｒｏｆｉｌｅｅｘｔｒａｃｔｉｏｎｏｆｓｔｒｕｃ－ｔｕｒａｌｌｉｇｈｔｉｍａｇｅａｎｄｉｔｓｃｏｒｒｅｃｔｉｏｎｂａｓｅｄｏｎｌｉｇｈｔｉｎｔｅｎｓｉｔｙ［Ｊ］．Ｏｐｔｏ－ＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，２００５，３２（２）：３０－３２．［６］贾波，苏显渝，郭履容．采用激光光刀的叶片三维面形测量方法［Ｊ］．中国激光，１９９２，１９（４）：２７１－２７５．ＪｉａＢ，ＳｕＸＹ，ＧｕｏＬＲ．３－Ｄｍｅａｓｕｒｅｍｅｎｔｏｆｔｕｒｂｉｎｅｂｌａｄｅｐｒｏｆｉｌｅｂｙｌｉｇｈｔｋｎｉｆｅ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆｌａｓｅｒｓ，１９９２，１９（４）：２７１－２７５．［７］ＯｔｓｕＮ．Ａｔｈｒｅｓｈｏｌｄｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄｆｒｏｍｇｒａｙ－ｌｅｖｅｌｈｉｓｔｏ－ｇｒａｍｓ［Ｊ］．ＩＥＥＥＴｒａｎｓＳｙｓｔｅｍｓ，ＭａｎａｎｄＣｙｂｅｍｅｔｉｃｓ，１９７９，９（１）：６２－６６．［８］ＳｅｏｋｂａｅＳｏｎ，ＨｙｕｎｐｕｎｇＰａｒｋ，ＬｅｅＫｗａｎＨ．Ａｕｔｏｍａｔｅｄｌａ－ｓｅｒｓｃａｎｎｉｎｇｓｙｓｔｅｍｆｏｒｒｅｖｅｒｓｅｅｎｇｉｎｅｅｒｉｎｇａｎｄｉｎｓｐｅｃｔｉｏｎ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＭａｃｈｉｎｅＴｏｏｌｓａｎｄＭａｎｕｆａｃ－ｔｕｒｅ，２００２，４２（８）：８８９－８９７．［９］ＢａｚｅｎＡＭ，ＧｅｒｅｚＳＨ．Ｓｙｓｔｅｍａｔｉｃｍｅｔｈｏｄｓｆｏｒｔｈｅｃｏｍｐｕｔａ－ｔｉｏｎｏｆｔｈｅｄｉｒｅｃｔｉｏｎａｌｆｉｅｌｄｓａｎｄｓｉｎｇｕｌａｒｐｏｉｎｔｓｏｆｆｉｎｇｅｒ－ｐｒｉｎｔｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＰａｔｔｅｒｎＡｎａｌｙｓｉｓａｎｄＭａ－ｃｈｉｎｅＩｎｔｅｌｌｉｇｅｎｃｅ，２００２，２４（７）：９０５－９１９．［１０］张万江，许敏．基于结构光视觉的激光拼焊焊缝质量检测方法研究［Ｊ］．仪表技术与传感器，２０１２，（７）：１５６－１５８．ＺｈａｎｇＷＪ，ＸｕＭ．Ｓｅａｍｑｕａｌｉｔｙｉｎｓｐｅｃｔｉｏｎｏｆｌａｓｅｒｗｅｌｄｉｎｇｂａｓｅｄｏｎｓｔｒｕｃｔｕｒｅｄｌｉｇｈｔｖｉｓｉｏｎ［Ｊ］．ＩｎｓｔｒｕｍｅｎｔＴｅｃｈｎｉｑｕｅａｎｄＳｅｎｓｏｒ，２０１２（７）：１５６－１５８．［１１］胡斌，李德华，金刚，等．基于方向模板的结构光条纹中心检测方法［Ｊ］．计算机工程与应用，２００２，３８（１１）：５９－６０，１０９．ＨｕＢ，ＬｉＤＨ，ＪｉｎＧ．Ｎｅｗｍｅｔｈｏｄｆｏｒｏｂｔａｉｎｉｎｇｔｈｅｃｅｎｔｅｒｏｆｓｔｒｕｃｔｕｒｅｄｌｉｇｈｔｓｔｒｉｐｅｂｙｄｉｒｅｃｔｉｏｎｔｅｍｐｌａｔｅ［Ｊ］．Ｃｏｍｐｕｔ－ｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２００２，３８（１１）：５９－６０，１０９．［１２］雷海军，李德华，王建永，等．一种结构光条纹中心快速检测方法［Ｊ］．华中科技大学学报：自然科学版，２００３，３１（１）：７４－７６．ＬｅｉＨＪ，ＬｉＤＨ，ＷａｎｇＪＹ．Ａｍｅｔｈｏｄｆｏｒｄｅｔｅｃｔｉｎｇｔｈｅｃｅｎｔｅｒｏｆｓｔｒｕｃｔｕｒｅｄｌｉｇｈｔｓｔｒｉｐｅ［Ｊ］．ＪＨｕａｚｈｏｎｇＵｎｉｖｏｆＳｃｉ＆Ｔｅｃｈ：ＮａｔｕｒｅＳｃｉｅｎｃｅＥｄｉｔｉｏｎ，２００３，３１（１）：７４－７６．［１３］吴庆阳，苏显渝，李景镇，等．一种新的线结构光光带中心提取算法［Ｊ］．四川大学学报：工程科学版，２００７，３９（４）：１５１－１５５．ＷｕＱＹ，ＳｕＸＹ，ＬｉＪＺ，ｅｔａｌ．Ａｎｅｗｍｅｔｈｏｄｆｏｒｅｘｔｒａｃ－ｔｉｎｇｔｈｅｃｅｎｔｒｅ－ｌｉｎｅｏｆｌｉｎｅｓｔｒｕｃｔｕｒｅｌｉｇｈｔ－ｓｔｒｉｐｅ［Ｊ］．Ｊｏｕｒ－ｎａｌｏｆＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙ：ＥｎｇｉｎｅｅｒｉｎｇＳｃｉｅｎｃｅＥｄｉｔｉｏｎ，２００７，３９（４）：１５１－１５５．［１４］ＳｔｅｇｅｒＣ．Ａｎｕｎｂｉａｓｅｄｄｅｔｅｃｔｏｒｏｆｃｕｒｖｉｌｉｎｅａｒｓｔｒｕｃｔｕｒｅｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＰＡＭＩ，１９９８，２０（２）：１１３－１２５．［１５］ＩｚｑｕｉｅｒｄｏＭＡＧ，ＳａｎｃｈｅｚＭＴ．Ｓｕｂ－ｐｉｘｅｌｍｅａｓｕｒｅｍｅｎｔｏｆ３Ｄｓｕｒｆａｃｅｓｂｙｌａｓｅｒｓｃａｎｎｉｎｇ［Ｊ］．ＳｅｎｓｏｒｓａｎｄＡｃｔｕａｔｏｒｓＡ：Ｐｈｙｓｉｃａｌ，１９９９，７６（１－３）：１－８．（上接第７３页）［１４］刘芹，王钢，董镝．线路在线监测的自组织自愈无线传感器网络方案［Ｊ］．高电压技术，２０１０，３６（３）：６１６－６２０．ＬｉｕＱ，ＷａｎｇＧ，ＤｏｎｇＤ．Ｓｃｈｅｍｅｏｆｌｏｎｇ－ｄｉｓｔａｎｃｅｔｒａｎｓ－ｍｉｓｓｉｏｎｌｉｎｅｏｎ－ｌｉｎｅｍｏｎｉｔｏｒｉｎｇｆｏｒｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇａｎｄｓｅｌｆ－ｈｅａｌｉｎｇｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｓ［Ｊ］．ＨｉｇｈＶｏｌｔａｇｅＥｎｇｉ－ｎｅｅｒｉｎｇ，２０１０，３６（３）：６１６－６２０．［１５］庞娜，程德福．基于ＺｉｇＢｅｅ无线传感器网络的温室监测系统设计［Ｊ］．吉林大学学报，２０１０，２８（１）：５６－６０．ＰａｎｇＮ，ＣｈｅｎｇＤＦ．Ｄｅｓｉｇｎｏｆｇｒｅｅｎｈｏｕｓｅｍｏｎｉｔｏｒｉｎｇｓｙｓ－ｔｅｍｂａｓｅｄｏｎＺｉｇＢｅｅｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＪｉｌｉｎＵｎｉｖｅｒｓｉｔｙ，２０１０，２８（１）：５６－６０．８７ 广　东　工　业　大　学　学　报 第３１卷　线结构光三维视觉测量中光条纹中心提取综述作者：杨建华， 杨雪荣， 成思源， 雷志盛， 骆少明， 张湘伟， Yang Jian-hua， Yang Xue-rong， Cheng Si-yuan， Lei Zhi-sheng， Luo Shao-ming， Zhang Xiang-wei作者单位：广东工业大学机电工程学院,广东广州,510006刊名：广东工业大学学报英文刊名：Journal of Guangdong University of Technology年，卷(期)：2014(1)引用本文格式：杨建华.杨雪荣.成思源.雷志盛.骆少明.张湘伟.Yang Jian-hua.Yang Xue-rong.Cheng Si-yuan. Lei Zhi-sheng.Luo Shao-ming.Zhang Xiang-wei线结构光三维视觉测量中光条纹中心提取综述[期刊论文]-广东工业大学学报 2014(1)。

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。

上海电力大学学报Journal of Shanghai University of ElecCic Power第37卷第2期2021年4月VoU37,No. 2Apr 2021DOE 10 . 3969/j. issn . 2096 -8299 . 2021.02 . 018基于焊缝图像信息的光条纹中心线提取廉杰1,吕学勤1,顾冬霞2,王敏3(1.上海电力大学，上海200090 ； 2.国网上海青浦供电公司，上海201700；3.国网上海市北供电公司，上海200040)摘要:为准确快速提取不同坡口的焊缝特征信息，采用改进Steger 算法在滤波去噪后的二值图像中提取出光条纹中心线。

首先，将原图像与Otsu 法相结合得到包含所有结构光条纹的矩形区域,利用高斯函数的可分 离性将图像的二维高斯卷积进行简化，用一次高斯行卷积和一次高斯列卷积进行替代，从而减少运算量。

由实验结果可知，改进后的算法不仅能更加准确地提取焊缝光条纹中心线，而且能够提升运行速度，满足实时性 的要求。

关键词：焊缝识别；光条纹中心线；特征提取中图分类号:TP249；TP391.7 文献标志码：A 文章编号：2096 -8299(2021)02 -0195 -05Extraction of Laser Stripe Center Line Based onWeld Image InformationLIAN Jie 1, LYU Xueqin 1, GU Dongxia 2, WANG Min 3(1. Shanghai University of Electric Power , Shanghai 200090, China ；2. Stt Gri Shanghai Qingpu Electric Power Suppfy Company , Shanghai 200000, China ；3. Stat Gid Shanghai Shibei Electric Power Supply Company , Shanghai 200040, China )Abstracr : In order to accurately and quickly extract the weld feature information of dCferentgroov/s , th/improv/d Stg/ralgorithm isus/d to /xtractth/las/rstrip/c/ntrlin/from th/fil-Cred binay image. Firstly , the ROI region is obtained by combining the original image with thethresho'd method.Then , according to theseparabiity ofGau s ian , thetwo-dimensiona'Gau s ian convo'ution oftheimageisequivaentto aGau s ian row convo'ution and aGau s ian co'umn con-vo'ution , so asto reducetheamountofcomputation.Theexperimenta'resu tsshow thatthewe'drecognition a'gorithm can accurate'y extractthewe'd aserstripecenterine , and can improvethe proce s ing speed to meettherea-timerequirements.Key wordt ： we'd recognition ； aserstripecenterine ； featureextraction焊接信息的自动提取对于实现焊接自动化有的焊缝识别技术的不断深入发展,其速度和准确着至关重要的作用。

激光条纹法向中心的快速提取算法研究
席剑辉;包辉;任艳
【期刊名称】《科技与创新》
【年(卷),期】2018(000)001
【摘要】探讨一种亚像素级激光条纹法向中心快速提取算法。

主要考虑激光条纹中心存在于条纹骨架的法向截面上，当条纹被物体表面调制成曲线或者受噪声影响不规则变化时，提取法向中心十分困难。

首先设计一个模板对条纹图像进行两次卷积，以消除孤立光斑，并使用中值滤波器来减少随机噪声；其次沿着条纹边缘，在小邻域内计算每个点的灰度梯度值，以获得条纹法线；最后找到距离法线最近的光点，利用灰度重心法提取条纹的亚像素中心坐标。

实验结果证明该算法具有较高的提取精度和广泛的实用性。

【总页数】3页(P41-43)
【作者】席剑辉;包辉;任艳
【作者单位】[1]沈阳航空航天大学自动化学院,辽宁沈阳110136;;[1]沈阳航空航天大学自动化学院,辽宁沈阳110136;;[1]沈阳航空航天大学自动化学院,辽宁沈阳110136
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于 Hessian 矩阵的多结构光条纹中心快速提取方法
2.结肠中心线快速提取算法研究
3.激光条纹法向中心的快速提取算法研究
4.线激光条纹特征的健壮性快速提取
5.强光干扰下的焊缝图像激光条纹提取算法研究
因版权原因，仅展示原文概要，查看原文内容请购买。

matlab灰度重心法提取激光光斑能量中心激光技术在现代工业、医学、军事等领域得到了广泛的应用，而激光光斑能量中心的提取是激光加工、测量等领域中常见的问题。

本文将介绍一种基于matlab灰度重心法的激光光斑能量中心提取方法。

一、灰度重心法原理灰度重心法是一种常见的图像处理方法，其原理基于图像灰度值与位置之间的关系。

对于一个二维图像，其灰度重心可以表示为：$X_{cg}=\frac{\sum_{i=1}^{n}\sum_{j=1}^{m}iI(i,j)}{\sum_{i=1}^{ n}\sum_{j=1}^{m}I(i,j)}$$Y_{cg}=\frac{\sum_{i=1}^{n}\sum_{j=1}^{m}jI(i,j)}{\sum_{i=1}^{ n}\sum_{j=1}^{m}I(i,j)}$其中，$I(i,j)$表示图像在坐标$(i,j)$处的灰度值，$n$和$m$分别表示图像的宽和高。

通过计算图像的灰度重心坐标，可以得到图像中物体的几何中心位置。

二、激光光斑能量中心提取方法对于一个激光光斑，其能量中心可以表示为：$X_{c}=\frac{\sum_{i=1}^{n}\sum_{j=1}^{m}iI(i,j)}{\sum_{i=1}^{n} \sum_{j=1}^{m}I(i,j)}$$Y_{c}=\frac{\sum_{i=1}^{n}\sum_{j=1}^{m}jI(i,j)}{\sum_{i=1}^{n} \sum_{j=1}^{m}I(i,j)}$其中，$I(i,j)$表示激光光斑在坐标$(i,j)$处的能量值，$n$和$m$分别表示激光光斑的宽和高。

通过计算激光光斑的能量中心坐标，可以得到激光束的中心位置。

具体实现步骤如下：1. 读取图像使用matlab中的imread函数读取激光光斑图像，并将其转换为灰度图像。

代码示例：img = imread('laser_spot.jpg');gray_img = rgb2gray(img);2. 图像二值化由于灰度重心法只适用于二值图像，因此需要将灰度图像进行二值化处理。

激光中心线提取算法激光中心线提取算法是一种常用的计算机视觉算法，用于从激光扫描数据中提取出目标物体的中心线信息。

本文将介绍激光中心线提取算法的原理和应用，以及该算法在实际场景中的效果和优化方法。

一、激光中心线提取算法原理激光中心线提取算法是基于激光扫描数据的分析和处理。

激光扫描数据是通过激光传感器获取的目标物体表面的三维坐标点云数据。

而中心线提取算法的目标就是从这些点云数据中提取出目标物体的中心线。

中心线提取算法的原理是基于目标物体的几何特征。

通过对激光扫描数据进行预处理，如去噪、滤波等，可以得到较为干净的点云数据。

然后，通过计算每个点与其邻域点的距离，找出距离最大的点作为中心点。

接下来，根据中心点与其邻域点的距离关系，可以确定中心线的方向。

最后，通过统计中心点的分布情况，可以得到中心线的形状。

激光中心线提取算法在许多领域都有广泛的应用。

其中，最常见的应用就是在机器人导航和自动驾驶系统中。

通过提取道路的中心线，可以帮助机器人或车辆进行路径规划和导航。

此外，激光中心线提取算法还可以应用于工业检测和三维重建等领域。

三、激光中心线提取算法效果及优化方法激光中心线提取算法的效果主要取决于点云数据的质量和算法的参数设置。

如果点云数据存在噪声或缺失，会导致提取的中心线不准确。

因此，在应用激光中心线提取算法之前，需要对点云数据进行预处理，如去噪和补全。

算法的参数设置也会影响提取结果。

例如，中心点的选择和邻域点的距离阈值的设置都会对提取的中心线形状产生影响。

因此，需要根据实际情况进行参数调整和优化，以提高算法的准确性和稳定性。

四、总结激光中心线提取算法是一种常用的计算机视觉算法，通过对激光扫描数据的分析和处理，可以提取出目标物体的中心线信息。

该算法在机器人导航、自动驾驶等领域有广泛的应用。

然而，算法的准确性和稳定性受点云数据质量和参数设置的影响，因此需要进行预处理和优化。

随着计算机视觉技术的不断发展，激光中心线提取算法将在更多领域得到应用，并不断提升其性能和效果。

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应用1. 优势基于灰度修正与自适应阈值的结构光条纹中心提取方法，能够克服图像中的灰度失真和不均匀性，同时能够对条纹图像进行动态的阈值处理，从而保证条纹中心的提取准确性和稳定性。

基于改进灰度重心法的线结构光中心提取算法
夏鑫;付生鹏;夏仁波;赵吉宾;侯维广
【期刊名称】《激光杂志》
【年(卷),期】2024(45)1
【摘要】针对传统算法无法准确提取线结构光条中曲率变化较大区域中心线的缺陷,提出了一种基于改进灰度重心法的线结构光中心线提取算法。

基于阈值法提取感兴趣区域和开闭运算滤除图像中的噪声点,获取质量相对较高的待处理图像;利用灰度重心法提取光条中心点,得到初始坐标并设置一个矩形计算区域,根据最小二乘法计算每个初始点的方向向量和法向量;在设定的矩形区域内计算初始点在其法线方向上的偏移量,得到精确的中心点坐标。

实验结果表明:提出的算法能在线结构光中心中曲率变化较大区域精确提取中心线,提取精度均值为0.096 pixels,精度比率为44.2%,平均提取速度为0.082 s。

【总页数】5页(P75-79)
【作者】夏鑫;付生鹏;夏仁波;赵吉宾;侯维广
【作者单位】中国科学院大学;中国科学院沈阳自动化研究所机器人学国家重点实验室;中国科学院机器人与智能制造创新研究院
【正文语种】中文
【中图分类】TN249
【相关文献】
1.基于梯度重心法的线结构光中心亚像素提取方法
2.基于改进灰度重心法的光带中心提取算法
3.基于改进Steger算法的线结构光中心提取
4.高斯加权的二维灰度重心法提取光条中心
因版权原因，仅展示原文概要，查看原文内容请购买。