下载文档原格式
线结构光条纹自适应中心提取优化算法
线结构光条纹自适应中心提取优化算法是一种基于投影变换的方法，它可以有效地提取和分析线结构光条纹。
该方法主要包括四个步骤：首先，对投影图像进行模糊处理，使用模糊处理可以有效地消除
图像中不必要的细节；其次，计算投影变换后的边缘信号，以检测带
有结构光条纹信息的边缘；第三，基于投影变换和模糊处理后的边缘
信息，采用一种局部拟合算法，提取出投影变换后的线结构光条纹的
中心；最后，使用去噪算法进一步优化线结构光条纹自适应中心的提
取效果。
线结构光条纹自适应中心提取优化算法的优势主要体现在三个方面：首先，该算法能够从投影图像中有效提取线结构光条纹的中心点；其次，该算法采用投影变换和模糊处理等技术，使得提取精度更高，
同时也更加稳定；第三，该算法采用了去噪算法进行优化，从而使提
取出的线结构光条纹的中心更加精确。
此外，线结构光条纹自适应中
心提取优化算法的可扩展性也很好，可以应用于各种不同的图像上，
从而大大提高精度和实时性。
线结构光条纹自适应中心提取优化算法在实际应用中可以解决复
杂环境中线缝隙检测、机器视觉准确识别和机器人路径规划等问题。
例如，可以应用于线结构光条纹车辆定位和跟踪、智能车辆安全驾驶
系统以及智能机器人导航等相关领域。
综上所述，线结构光条纹自适应中心提取优化算法是一种高效的
方法，用于检测线结构光条纹的中心位置。
该算法具有较高的准确性
和可扩展性，可用于智能车辆安全驾驶、机器人导航和机器视觉准确
识别等领域。
![一种复杂环境下的线结构光中心线提取方法[发明专利]](https://img.taocdn.com/s1/m/c8cec20fb8f67c1cfbd6b808.png)
专利名称：一种复杂环境下的线结构光中心线提取方法专利类型：发明专利
发明人：李锋,张勇停,李超,汪平,孙晗笑,叶童玲,张惠惠申请号：CN202011334449.3
申请日：20201124
公开号：CN112489052A
公开日：
20210312
专利内容由知识产权出版社提供
摘要：本发明公开了一种复杂环境下线结构光光条中心线的提取方法，包括如下步骤：对采集的光条图像进行预处理，包括图像去噪、RGB分量提取、图像二值化；对预处理后的光条图像进行感兴趣区域（ROI）裁剪；对裁剪后的图像进行距离变换，得到光条粗提取图像；采用Pavlidis细化算法对光条图像细化，得到光条中心线；采用自适应平滑算法平滑结构光光条中心线的凸起和毛刺，得到精准的光条中心提取图像。
本发明的有益效果为：该方法能够在不同干扰环境下很好地提取出光条中心线，可以改善线结构光光条灰度和宽度分布不均匀的问题。
申请人：江苏科技大学
地址：212003 江苏省镇江市梦溪路2号
国籍：CN
代理机构：南京正联知识产权代理有限公司
代理人：杭行
更多信息请下载全文后查看。
第24卷 第1期2009年3月 北京机械工业学院学报Journal of Beijing I nstitute ofM achineryVol.24No.1Mar.2009文章编号:1008-1658(2009)01-0042-04结构光测量系统中光条中心的提取算法刘枝梅,邓文怡,娄小平(北京信息科技大学 光电信息与通信工程学院,北京100192)摘 要:在线结构光视觉测量系统中,光条中心的提取精度直接影响到整个系统的测量结果。
由于光条宽度不同、光照不均匀及待测物体表面性质的差异,使得精确地提取光条中心存在一定难度。
根据线结构光的特点提出了2种提取算法,分别为二值形态学细化算法和高斯分布的曲线拟合算法。
实验结果表明,2种算法在测量中均具有可行性,且后者提取精度较高,更适合于光条中心线提取。
关 键 词:线结构光;光条中心提取;计算机视觉中图分类号:TP391 文献标识码:AExtracti on a lgor ithm of li ght str i pes cen ter i n them ea surem en t system of structured li ghtL I U Zhi2mei,DENG W en2yi,LOU Xiao2p ing(School of Phot oelectric I nfor mati on and Telecommunicati on Engineering,Beijing I nfor mati on Science and Technol ogy University,Beijing100192,China)Abstract:I n the visi on measurement syste m of line2structed light,the extracting p recisi on of light stri pes center affects the p recisi on of measure ment syste m directly.It is quite difficult t o extract light stri pes center p recisely because of different light2stri pes widths,uneven illum inati on and differences in the nature of the objects surface.According t o the characteristics of line2structured light,t w o extracting algorith m s of light stri pes center were p r oposed including t w o2value mor phol ogical thinning algorithm and Gaussian distributi on curve fitting algorith m.The experi m ent results show that t w o algorithm s are feasible in measure,and the latter with higher p recisi on,is more fit for the extracting of light stri pes center2line.Key words:line2structured light;light stri pes center extracti on;computer visi on 物体三维轮廓的测量有多种方法。
一种改进的光条中心提取方法
杨雪娇;池海红
【期刊名称】《应用科技》
【年(卷),期】2009(036)012
【摘要】在采用线结构光投影的三维物体测量中, 激光条纹中心检测是影响测量精度及系统分辨率的一个重要因素.提出了一种激光条纹中心检测方法,这种方法通过对极值法获得的中心点的拟合,计算出光条各处的法线方向,并在法线截面上用遗传算法进一步优化出灰度的极大值点.实验结果表明在合理选择遗传算法的交叉率和变异率的情况下, 该方法可以有效地获取光条纹中心,满足系统精度要求.
【总页数】4页(P41-44)
【作者】杨雪娇;池海红
【作者单位】哈尔滨工程大学自动化学院,黑龙江哈尔滨150001;哈尔滨工程大学自动化学院,黑龙江哈尔滨150001
【正文语种】中文
【中图分类】TP242.6+2
【相关文献】
1.基于 FPGA 的光条中心线实时提取方法 [J], 曲岳;刘艳滢;王延杰;张雷
2.一种激光散斑光条中心提取方法 [J], 刘松;朱丹;佟新鑫;李英杰
3.基于自适应窗口的线结构光条中心提取方法 [J], 万卓仁;赖磊捷
4.基于密度聚类的光条中心线提取方法 [J], 梁宇龙;段发阶
5.结构光直光条中心线的鲁棒性自动提取方法 [J], 魏振忠;张广军
因版权原因，仅展示原文概要，查看原文内容请购买。
复杂光照环境下的线结构光条纹中心提取方法
高秋玲;成巍;李文龙;侯兴强;崔峰;魏佳洁
【期刊名称】《激光杂志》
【年(卷),期】2024(45)5
【摘要】提取线结构光条纹中心是三维测量系统中关键的一步,针对复杂光照环境以及Steger算法耗时长的问题,提出一种快速、准确的光条纹中心提取方法。
采用滤波算法去噪,顶帽运算和边缘检测消除背景中的复杂光照;接着采用改进Rosenfeld骨架化得到初始中心,拟合初始中心点和条纹上下轮廓点计算初始中心的法向和光条纹的线宽;最后基于改进Hessian矩阵得到亚像素中心点。
实验表明,该算法适用于复杂多变的环境;算法运行时间为0.151 s,相较于Steger算法提高了近8倍;提取精度为0.23 pixel,保留了Steger算法的高精度,能够实现对光条纹中心的快速、精确提取。
【总页数】7页(P86-92)
【作者】高秋玲;成巍;李文龙;侯兴强;崔峰;魏佳洁
【作者单位】齐鲁工业大学(山东省科学院)山东省科学院激光研究所;齐鲁工业大学(山东省科学院)
【正文语种】中文
【中图分类】TN249
【相关文献】
1.复杂环境下结构光中心线提取算法
2.基于结构光的大锻件尺寸测量中光条纹中心线提取方法
3.复杂环境中的线结构光中心提取方法
4.基于系统空间结构约束的多线结构光条纹中心线提取方法
5.复杂背景下的结构光条纹中心提取算法研究
因版权原因，仅展示原文概要，查看原文内容请购买。
一种新的线结构光光带中心提取算法
吴庆阳;苏显渝;李景镇;惠彬
【期刊名称】《四川大学学报（工程科学版）》
【年(卷),期】2007(039)004
【摘要】在采用线结构光投影的三维测量中,快速准确地提取图像中光带中心的位置坐标是线结构光测量系统的关键问题之一.基于此,提出了一种把可变方向模板和灰度重心法相结合,并充分发挥两者优点的方法.首先计算出图像的域值,然后对图像进行二值化,细化,剪枝,得到线结构光图像的骨架,然后再利用可变方向模板判断骨架上每一点的法线方向,最后根据灰度重心法求出线结构光条纹的中心.实验结果表明该方法可以快速有效地获取光条纹中心,有利于提高三维重建的速度.
【总页数】5页(P151-155)
【作者】吴庆阳;苏显渝;李景镇;惠彬
【作者单位】深圳大学,电子科学与技术学院,广东,深圳,518060;四川大学,电子信息学院,四川,成都,610064;深圳大学,电子科学与技术学院,广东,深圳,518060;深圳大学,电子科学与技术学院,广东,深圳,518060
【正文语种】中文
【中图分类】O348
【相关文献】
1.精确的线结构光中心提取算法研究 [J], 李春明;王萌萌;刘海洋;杨鹏飞
2.基于改进灰度重心法的光带中心提取算法 [J], 张小艳;王晓强;白福忠;田朝平;梅
秀庄
3.快速线结构光中心提取算法 [J], 苏小勤;熊显名
4.线结构光光条中心提取算法研究 [J], 李忠虎; 郭蕾; 闫俊红; 王金明
5.线结构光条纹中心亚像素自适应提取算法 [J], 王福斌;刘贺飞;王蕊;曾凯
因版权原因，仅展示原文概要，查看原文内容请购买。
光条中心提取方法光条中心提取是一种基于图像处理的技术，主要用于分析和提取图像中的光条的中心位置。
光条通常是由光源产生的亮线或者是光的反射导致的，常见于夜景、景观摄影等场景中。
光条中心的提取对于光线追踪、光影效果的生成、图像修复等任务具有重要意义。
下面将介绍两种常见的光条中心提取方法：基于滤波和基于边缘检测。
一、基于滤波的光条中心提取方法：1.预处理：首先，将图像转化为灰度图像，以减少计算开销。
2.滤波：利用高斯滤波器对图像进行滤波，以平滑图像并降低噪声的影响。
3.二值化：采用合适的阈值将灰度图像二值化，将目标光条提取出来，并将其余部分设置为黑色。
4.查找连通区域：对二值化后的图像进行连通区域分析，找出所有的连通区域或者兴趣区域。
5.取区域中点：对于每个连通区域，计算其重心位置，并将其作为光条中心的位置输出。
二、基于边缘检测的光条中心提取方法：1.预处理：同样地，将图像转化为灰度图像。
2. 边缘检测：利用边缘检测算法，如Canny算子或者Sobel算子，获取图像中的边缘信息。
3. 线段检测：基于Hough变换或者RANSAC算法，检测出图像中的直线段。
4.筛选：对检测到的直线段进行筛选，选取符合光条特征的线段，如长度、方向等。
5.中心点计算：计算所选线段的中心点，并将其作为光条中心的位置输出。
以上两种方法都是常用的光条中心提取方法，但各有优缺点。
基于滤波的方法简单直观，但对于光条边缘不清晰或者存在噪声的情况下，效果可能不理想。
基于边缘检测的方法则可以更好地提取光条的边缘特征，但对于图像中存在其他干扰边缘的情况下，可能会误检测。
此外，还有其他的光条中心提取方法，如基于深度学习的方法。
这种方法通过训练神经网络模型，可以更好地对光条中心进行定位和提取，但需要足够的训练数据和计算资源。
综上所述，光条中心提取是一项重要的图像处理技术，可以应用于各种任务中。
根据具体需求和图像特点，可以选择合适的方法进行处理。
线结构光光条中心提取算法研究李忠虎; 郭蕾; 闫俊红; 王金明【期刊名称】《《内蒙古科技大学学报》》【年(卷),期】2019(038)003【总页数】6页(P252-257)【关键词】线结构光; 中心提取; 方向模板法; 骨架法; 灰度重心法【作者】李忠虎; 郭蕾; 闫俊红; 王金明【作者单位】内蒙古科技大学信息工程学院内蒙古包头 014010【正文语种】中文【中图分类】TP3线结构光技术是一种实时性好、准确度高、结构简单的非接触式测量技术，它的原理基础是光学三角原理，在工业生产现场的质量检测、生物医学的血管及骨骼提取、航拍和卫星图像路径识别等领域都有着广泛地应用.在线结构光构成的测量系统中，线激光光源发出的光平面照射在物体表面上产生畸变条纹，CCD摄像机与被测物体构成一定角度的三角形，以此拍摄基于此结构特有的激光条纹信息.根据光学三角测量原理，利用图像中条纹中心的畸变和偏移量进行物体被测尺寸的计算[1].因此，在线结构光测量系统中，快速准确地定位到线结构光条纹中心的图像坐标是整个测量系统中的重要步骤.1 图像预处理1.1 图像去噪在具体实验过程中进行图像采集时，被测物体的物理因素和光源投射信息都会对图像质量产生影响，同时，图像采集环境、激光器与摄像机的相对角度误差、CCD 及电路器件产生的噪声等因素，都会导致采集到的图像质量有所下降，对后续的图像特征信息提取产生影响，也就自然地降低了光条中心线提取准确度.为了减弱这些影响，将必须对原图像进行预处理.测量环境中的噪声来源种类众多，对应的图像滤波方法也有所不同，常用的滤波方法有邻域平均滤波、低通滤波、中值滤波和自适应中值滤波等[2].本文实验中采用的系数相关性去噪法主要是依据小波变换的原理，算法设计流程为预处理、小波分解、分尺度去噪、小波逆变换、恢复图像[3-6].实验原始图像如图1所示，小波去噪效果如图2所示.结果表明：这种去噪方法具有较好的时频局部化特性，并对高斯噪声具有较好地抑制作用，而且在去噪过程中对图像的细节特征信息有很好地保留效果.图1 原始图像Fig.1 The original image图2 小波变换去噪图像Fig.2 Wavelet transform denoising image1.2 光条图像分割由于获取的图像中包含信息较多，为了降低光条中心提取算法的复杂程度，在提取处理之前需要对图像进行二值化分割.在使用较多的阈值分割法中，最重要的部分就是求取全局最佳阈值.本文采用最大类间方差法，相比迭代法而言，该方法减少了计算量，大大提高了运算速度，最重要的是降低了错分概率.最大类间方差法的基本思想就是将图像分成多个区域，不同的区域取不同的阈值进行分割.以图像I(x,y)为例，假设所提取的目标对象与背景的区分值(即分割阈值)为T，目标对象像素点数占图像总像素点数的比重记为ω0；灰度均值为μ0；同理，背景像素点数占图像总像素点数的比重为ω1；灰度均值为μ1.整幅图像的灰度均值为μ；对应的类间方差为g.那么取一个背景不突出的的图像，大小为M×N，在整幅图像中，灰度值小于分割阈值的像素个数记为N0，大于分割阈值T的像素个数记为N1，则有：(1)μ=ω0×μ0+ω1×μ1，(2)g=ω0(μ0-μ)2+ω1(μ1-μ)2.(3)将式(2)代入式(3)，化简得g=ω0ω1(μ0-μ1)2，依次计算得到使类间方差最大的阈值T，即为所求阈值[7-8].采用最大类间方差法所求的阈值进行的阈值分割效果如图3所示.图3 阈值分割效果图Fig.3 The map of threshold segmentation effect2 光条中心提取算法研究在采用线结构光投影的三维测量系统中，原理上要得到的轮廓线是无限薄的光平面与物体表面的相交线，但是实际情况下的激光平面都有一定厚度，从而使得采集的图像中得到的光条并不是一个单像素宽度的线条，因此需要对其进行细化，也就是需要对光条中心进行提取.已有的光条中心提取方法根据提取目标的不同分为2种：一种是几何中心法，如中心法、阈值法等；另一种是能量中心法，如极值法、重心法、拟合法等，这些方法各有不同，效果较好的方法是灰度重心法和在此基础上改进的方向模板法.2.1 灰度重心法采用灰度重心法提取激光光条纹中心的基本原理是将光条纹灰度值分布中的质心认为是光条纹的中心.在极值法的基础上，取灰度值最大像素的邻域，以灰度值作为计算权重，沿着横纵2个方向确定灰度重心，并以灰度重心作为光条中心，其计算表达式如下：(4)式中：MXY为图像第y列最大灰度行坐标;x为行坐标；n为邻域半径；g(x,y)为x 行y列的像素灰度值[9].该方法整体算法简单、处理速度快、精度高，但当环境中反射光影响较大或图像噪声较多时，得到的提取结果误差较大.2.2 方向模板法方向模板法的基本思想为：线结构光的光条纹会根据投射物体表面的不同而有区别，在一定区域内，近似地认为光条方向有水平、垂直、左斜45°、右斜45°.假设采用的模板大小为3×7，则以这4个方向确定的模板K1，K2，K3，K4分别为：设图像大小为r×c，分别利用4个模板对图像的每一行按照式(5)进行计算，得到i 行j列即像素(i，j)位置的H值，式中的C(u,v)为图像中细化曲线上的点.Hj=(5)在确定的一行中，分别选出利用4个模板计算出的最大值Hmax1,Hmax2,Hmax3,Hmax4，若存在Hp=max(Hmax1，Hmax2，Hmax3，Hmax4)，则可认为在这一行的中心位置在p处，以此类推计算出整个光条图像的中心[10-12].实验表明，这种方法具有抗白噪声干扰的能力，但是如图4圆圈所示区域，对于一些光条图像仍然会有一定的间断，使中心线发生偏移，间断部分局部放大图如图5所示.图4 方向模板法提取中心Fig.4 Directional template methodfor extracting centers图5 间断部分局部放大图Fig.5 Discontinuous local enlargement2.3 改进的方向模板法为了解决上述问题，在此基础上吸取骨架法的思想，首先找到光条的骨架，然后沿着骨架方向选取足够代表此处光条方向的较小区域进行曲线拟合，计算斜率,求出此处方向线的法线方向[13-14]，最后以此点为中心，在法线方向两端分别取相同个数像素点，利用灰度重心法求取其最后的中心位置.在整个提取过程中，模板的选取也是非常重要的，选取的模板必须能较为准确地代表激光条纹的形状方向，这就需要依据光条的粗细程度来确定，如果模板太粗则无法表述出光条的细节特征，而且还会加大运算量，但是模板太细又容易偏离实际光条的方向.在此实验中，因为光条方向并无太大变化，所以选取与光条像素相近的13×13图像模型匹配方向模板，并设计所需要的4个方向的模板，将模板记为T，模板内的元素为0和1，则建立的4个模扳分别为T1,T2,T3,T4.这4个模板沿着细化后的图像中的细线移动，依次以每个点为中心与图像做式(5)中的相关运算，对于图像中每一个点都可以求得4个不同的相关值H，这个数值表示了此点区域内的图像与计算的模板的相关程度，数值越大，就表示相关程度越高，所以最后所选取的最大相关值就表示此区域内的曲线斜率方向与对应使用的模板方向最为接近，因此可以求出上述方法中的法线方向.最后以这个点为中心，沿法线方向分别取(n+1)/2即7个像素点，再结合灰度重心法求取最后的中心点.以此类推，求出整个图像中的激光条纹中心.改进的方向模板法提取的光条中心如图6所示，可以直观地看出，整个光条并无明显间断，得到了比较好的提取效果.图6 提取的光条纹中心线图Fig.6 Extraction of the center line of the light fringes3 实验研究与结果分析本实验基于激光三角法设计整个测量系统，系统组成示意图如图7所示，采用华上激光公司的HSBD22-650L200激光器作为光源，发出线激光条纹投射到被测物体表面，通过工业CCD摄像机MV-EM120M对其进行拍摄采集，得到分辨率为1 280×960像素的二维平面图像，然后进行后续处理.图7 系统组成示意图Fig.7 Schematic diagram of the system structure实验数据主要处理过程如下：首先对采集到的图像进行预处理，主要包括去噪和二值化分割，改进的基于小波变换的图像去噪法和基于最大类间方差法的阈值分割法有效突出了图像的有用信息，提高了光条提取运算速度.对分割出的光条骨架采用改进的方向模板法做相关运算求取法线方向，在取点区域内利用灰度重心法求出中心点，依次计算求出光条的所有中心点，也就求得了整个被测光条的中心线.为了检验上述改进算法的效果，分别采用传统预处理算法与本文所述预处理算法处理6幅大小相同的光条图像，对整个提取算法的运行时间进行对比，如表1所示.由表1可以看出，本文所述算法处理速度更快、效率更高.表1 算法运行时间对比表Table 1 The comparison of algorithm running time 图像传统算法用时/s本文算法用时/s第一组1.8651.379第二组1.9841.421第三组1.7911.363第四组1.9021.386第五组1.9281.413第六组1.7841.339从原始图像以及被测物特征可以得到对应的像素坐标平面中的光条位置如图8所示，图像处理最终想要得到的数据是c点和d点的像素坐标.图8 像素坐标平面Fig.8 Pixel coordinate plane分别采用方向模板法和本文算法对同一预处理图像进行中心提取，得到像素坐标，选取前文间断处146～155列10组光条中心提取数据进行对比，结果如表2所示.由表2可以看出，本文所述算法处理结果更稳定、更准确，且精度更高.表2 提取中心数据对比表Table 2 Contrast of central data extraction方向模板法本文算法u像素v像素u像素v像素146112.025146110.8289147110.911147111.271 6148110.707148111.169 3149111.664149111.111 3150112.019150111.052 9151111.545151111.006 4152111.866152110.983 8153111.883153110.972 9154112.077154110.969 6155110.825155110.985 34 结论本文对激光条纹的中心提取算法进行了研究，图像预处理部分采用了基于小波变换的去噪方法和最大类间方差法求取阈值进行二值化分割，并在已有的方向模板法基础上，结合骨架法和灰度重心法提出了一种改进的光条中心提取算法.实验过程中分别对传统算法和本文所述算法做了处理运算时间、提取像素数据准确性及稳定性的对比，可以看出，改进的算法运算处理速度更快，稳定性和精确度更高，并且从提取结果图可以直观看出本文所用算法提取光条中心更加准确.参考文献：【相关文献】[1] 刘燕.H型钢截面尺寸线结构光测量[D].天津：天津大学，2012.[2] 李丹，耿楠，亢娟娜.复杂背景下光条中心提取算法研究[J].计算机应用与软件，2013，30(03)：271-273+314.[3] 毕思文，陈浩，帅通，等.一种基于双树复小波变换的图像去噪算法[J].无线电工程，2019，49(01):27-31.[4] CAMILLA H T, YUAN H B. Fresh meat color evaluation using a structured light imaging system[J]. Food Research International, 2015，71:100-107.[5] 李忠虎，张琳，闫俊红，等．基于机器视觉的管道内表面三维重建研究[J].内蒙古科技大学学报，2017，36(02)：167-171.[6] 王少锋，刘朋真，王建国．基于小波分解的压力管道泄漏源定位研究[J].内蒙古科技大学学报，2016，35(03)：260-263+283.[7] 刘敦浩，张彦铎，李迅，等.动态环境下自适应阈值分割方法[J].计算机应用，2016，36(S2):152-156.[8] 孙璐，陈洪海.最大类间方差法在图像分割中的应用[J].煤炭技术，2008，(07):144-145.[9] LOCHNER S J, HUISSOON J P, BEDI S S. Development of a patient-specific anatomical foot model from structured light scan data [J].Computer Methods in Biomechanics and Biomedical EN,2014,17(11):1198-1205.[10] 梅峻华，赖磊捷.结构光测量系统光条中心提取算法研究[J].电子测量技术，2018，41(21):8-13.[11] 曾大为，徐贵力，程月华，等.基于自适应模板线结构的光条中心亚像素提取方法[J].光电子技术，2018，38(02):117-121.[12] 胡斌，李德华.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.[13] 杨镇豪，杨柳，李辉，等.复杂环境下结构光中心线提取算法[J].计算机技术与发展，2018，28(09):7-10.[14] 顾益兰，李锋.基于线结构光的光条中心亚像素提取研究[J].电子设计工程，2017，25(21):148-151.。
第39卷第4期四川大学学报(工程科学版)Vol.39No.4 2007年7月JOURNAL OF SI CHUAN UN I V ERSI TY(ENGI N EER I N G SC I ENCE ED I TI O N)July2007文章编号:100923087(2007)0420151205一种新的线结构光光带中心提取算法吴庆阳1,苏显渝2,李景镇1,惠 彬1(1.深圳大学电子科学与技术学院,广东深圳518060;2.四川大学电子信息学院,四川成都610064)摘 要:在采用线结构光投影的三维测量中,快速准确地提取图像中光带中心的位置坐标是线结构光测量系统的关键问题之一。
基于此,提出了一种把可变方向模板和灰度重心法相结合,并充分发挥两者优点的方法。
首先计算出图像的域值,然后对图像进行二值化,细化,剪枝,得到线结构光图像的骨架,然后再利用可变方向模板判断骨架上每一点的法线方向,最后根据灰度重心法求出线结构光条纹的中心。
实验结果表明该方法可以快速有效地获取光条纹中心,有利于提高三维重建的速度。
关键词:三维测量;线结构光;方向模板;灰度重心法中图分类号:O348文献标识码:AA New M ethod for Extracti n g the Cen tre2li n e of L i n e Structure L i ght2str i peWU Q ing2yang1,SU X ian2yu2,L I J ing2zhen1,HU I B in1(1.College of Electr onic Sci.and Technol.,Shenzhen Univ.,Shenzhen518060,China;2.School of Electr onics and I nfo.Eng.,Sichuan Univ.,Chengdu610064,China)Abstract:Fast and accurately extracting the centre line of light stri pe of i m age is one of the most i m portant p r oble m s of3D measure ment based on line2structure light.A ne w centre2extracted method that combined the alterable direc2 ti on te mp late with barycenter method was p r oposed f or the i m p le mentati on of real2ti m e i m age p r ocessing.First,the threshold of laser stri pe was co mputed by the host computer and laser stri pe was deter m ined in real ti m e by the neighbor attribute of grey level of p ixel.Second,the sketch was obtained by thinning the light of stri pe and p runing the branch.Third,the nor mal directi on of the point on the sketch line was computed by using the alterable direc2 ti on te mp late.Finally,the centre2line of light was detected by using barycenter method.It has been p r oved by ex2 a m inati on that this method can efficiently extracted the centre2line of light stri pe.Key words:3D measure ment;line2structure light;directi on te mp late;barycenter method 在采用线结构光投影的三维测量中,激光束被垂直地投射到被测物体表面,摄像机从另一个角度观察由面形引起的光刀像中心偏移,并按照三角测量原理获得光刀剖面数据[1-4]。
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 specimen1.2.2 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。
