结构光三维视觉检测中光条图像处理方法研究
结合线结构光立体视觉和条纹反射法的三维轮廓检测系统
结合线结构光立体视觉和条纹反射法的三维轮廓检测系统随着科学技术的不断发展，光学视觉技术在工业生产和自动化领域中的应用越来越广泛。
特别是在三维轮廓检测领域，结合线结构光立体视觉和条纹反射法成为了一种热门的解决方案。
本文将介绍这种三维轮廓检测系统的原理和应用，以及其在工业生产中的潜在影响。
一、线结构光立体视觉技术线结构光立体视觉技术是一种通过投射光线和摄像头捕获图像来获取物体表面三维轮廓的技术。
其原理是通过将光源投射成一条或多条光线在被测物体表面上形成一定的图案，然后利用摄像头捕捉这个图案。
通过分析图像中的光点的扭曲变形，可以计算出物体表面的三维轮廓数据。
线结构光立体视觉技术具有成本低、非接触、高分辨率等优点，因此在工业领域得到了广泛应用。
在汽车零部件的精密加工过程中，通过线结构光立体视觉技术可以实现对零件表面缺陷的快速检测和尺寸测量，大大提高了生产效率和质量控制的精度。
二、条纹反射法条纹反射法是一种通过投射一组光条到被测物体表面上，利用物体表面的反射图案来计算出物体表面的形状和轮廓的技术。
其原理是通过观察物体表面的反射条纹图案，分析条纹的形变和位移，从而确定物体表面的曲率和形状。
条纹反射法在工业产品检测、质量控制、医学成像等领域都有广泛的应用。
通过条纹反射法可以实现对复杂曲面物体的形状测量，提高了测量的精度和可靠性。
结合线结构光立体视觉和条纹反射法的三维轮廓检测系统，利用两种技术的优势互补，可以实现对物体表面形状的高精度检测和测量。
其工作原理是通过先利用线结构光立体视觉技术获取物体表面的初步轮廓数据，然后再利用条纹反射法对物体表面进行精细化的形状测量。
这种系统的优势在于可以克服单一技术的局限性，提高了三维轮廓检测的测量精度和可靠性。
由于这种系统可以实现高速、高精度、非接触的三维轮廓检测，在自动化生产线上具有广泛的应用前景。
四、应用前景结合线结构光立体视觉和条纹反射法的三维轮廓检测系统在工业生产中具有广阔的应用前景。
结合线结构光立体视觉和条纹反射法的三维轮廓检测系统
结合线结构光立体视觉和条纹反射法的三维轮廓检测系统1. 引言1.1 研究背景线结构光技术是一种基于光学原理的三维测量技术，通过使用投射光源产生的特定光线结构，可以在被测物体表面产生一系列明暗交替的条纹。
而条纹反射法则是一种利用光反射原理测量物体表面形态的方法，通过观察光斑的形态变化，可以获取物体表面的深度信息。
结合线结构光和条纹反射法可以有效地提高三维轮廓检测系统的测量精度和速度。
随着工业制造和数字化技术的发展，对物体三维形态的快速、精确检测需求日益增加。
传统的三维检测方法受限于测量精度和复杂度，无法满足现代工业生产的需求。
研究如何结合线结构光立体视觉和条纹反射法，在保证测量精度的基础上提高检测效率，具有重要的研究意义和实际应用价值。
本文旨在探讨如何设计并实现一种新型的三维轮廓检测系统，通过结合线结构光技术和条纹反射法，提高系统的测量精度和速度，进一步推动三维形态检测技术的发展与应用。
1.2 问题提出在三维检测领域，目前存在着传统方法运用线结构光或条纹反射法进行轮廓检测时存在的一些问题。
线结构光技术在复杂环境下易受干扰，导致检测结果不稳定；而条纹反射法在光照条件不均匀时容易产生误差，影响检测精度。
如何结合线结构光技术的立体视觉特点和条纹反射法的高精度特性，设计一个有效的三维轮廓检测系统，成为当前研究中亟需解决的问题。
为了克服传统方法中存在的问题，我们提出了一种结合线结构光技术和条纹反射法的三维轮廓检测系统。
通过利用线结构光技术获取目标物体的深度信息，结合条纹反射法提取物体表面的纹理特征，实现对目标物体的精准检测和重建。
这一系统的设计不仅可以提高检测的稳定性和准确性，还能够适应不同光照条件下的检测需求，具有很强的实用性和应用前景。
通过该系统的实验验证和性能评价，我们将进一步验证其在三维轮廓检测领域的有效性和前景。
1.3 研究意义三维轮廓检测是现代制造业中非常重要的一项技术，在产品设计、质量检测和自动化生产中都具有广泛的应用。
基于结构光的三维形貌视觉测量方法研究
基于结构光的三维形貌视觉测量方法研究基于结构光的三维形貌视觉测量方法是一种非接触的三维测量方法。
其基本测量原理是采用计算机生成一定的结构光图案,用投影仪投射到被测物体表面,物体将对投射的结构光图案产生相位调制,表现为具有一定程度变形的结构光图案。
单目系统中利用相移法、傅里叶变换法解调出包裹相位,并进行相位展开,根据系统模型中的相位-高度关系式得到物体的三维坐标。
双目系统中,使用格雷码编码结构光图案,完成双目系统的立体匹配,再根据三角法求解得到物体的三维坐标。
本文以结构光为基础,主要研究了单目系统和双目系统相关的三维重建方法,并将重建方法应用到实际物体的测量,主要内容如下:(1)研究了单目系统中的三维重建的方法,指出单目系统三维测量的关键步骤:系统标定和相位展开。
在相机-投影仪系统中,建立严格的数学模型并求解相关的参数,以较高精度实现了单目系统三维形貌的恢复。
在相位展开方面,采用改进算法能够准确的求解相位主值和进行相位展开,提高了三维形貌恢复的速度和精度。
(2)研究了双目系统中三维重建的方法,针对传统的立体匹配方法匹配点数不多的问题,本文采用了格雷码编码结构光图案的方法,使得投影出的结构光图案中每个像素点都拥有唯一码值与其对应,明显提高了双目立体匹配的精度以及点数稠密度。
在三维计算方面,采用基于公垂线的解法合理处理理论与实际的误差,取得很好的效果。
(3)在单目系统中摄像机-投影仪系统的标定与在双目系统中相机的标定决定了三维测量的精度。
本文采用Bouguet的摄像机标定工具箱,实现了对摄像机较高精度的标定。
经过研究,指出投影仪可以看作是逆向的摄像机,采用基于平面的标定方法可以实现对投影仪的较高精度标定。
(4)针对静态目标的高精度测量问题,本文搭建了双目结构光的三维形貌测量系统。
采用python-opencv进行编码,利用格雷码编码的方法对静态目标投影42幅编码图案进行重建,建立了一套完整的双目编码结构光的测量系统,静态物体测量精度达到0.2mm,并完成软件实现。
结构光光条提取的混合图像处理方法
・图像和信息处理・结构光光条提取的混合图像处理方法33周富强33,陈 强,张广军(北京航空航天大学仪器科学与光电工程学院,北京100083)摘要:将大模板高斯递归实现引入到结构光条纹中心提取中,提出了一种基于感兴趣区域(ROI)的结构光条纹中心混合图像处理方法。
结合图像的阈值化和膨胀算法,自动分割出结构光条所在区域作为光条提取的ROI,利用高斯卷积递归实现获得ROI内光条纹各点的Hessian矩阵,并确定光条纹各点的法线方向,最后在法线方向利用泰勒级数展开求得ROI内光条纹中心的亚像素图像坐标。
实验表明,基于ROI的结构光条纹中心混合图像处理方法具有精度高、鲁棒性好和自动化程度高等特点,所提出的算法大大地减少了结构光条纹提取的冗余计算,实现了光条纹中心线的快速高精度提取。
在保证光条提取的精度和鲁棒性前提下,所提出的算法将光条提取速度提高了10多倍,为结构光视觉三维测量的实时应用奠定了基础。
关键词:结构光视觉;条纹;感兴趣区域;亚像素中图分类号:TP391.41 文献标识码:A 文章编号:100520086(2008)1121534204C omposite im age p rocessing for center extraction of stru ctu red light strip eZHOU Fu2qiang33,CHEN Qiang,ZHANG G uang2jun(School of Instrument Science&Opto2electronics Engineering,Beihang University,Beijing100083,China)Abstract:Recursive implement algorithm of G aussian convolution with tremendous template size has been applied to the cen2 ter extrication of structured light stripe.A composite image processing method to detect the sub2pixel center of structuredlight stripe based on region2of2interest(ROI)is proposed.By combining image threshold with image dilation,ROIs of struc2 tured2light are automatically segmented in a measured image.The normal directions of light stripe in ROI is determ ined byHessian matrix,which is obtained from recursive implement of G aussian convolution.The sub2pixel center of the light stripescan be found in normal directions with T aylor series expansion.Experiments show that the proposed method drastically re2 duces the redundancy computation and implements high2accurate center extrication of structured light stripe with high speed.K ey w ords:Structured2light vision;stripe ROI;sub pixels1 引 言 结构光视觉三维测量具有非接触、动态响应快、系统柔性好等特点,广泛应用于产品快速设计和加工质量控制、逆向工程以及自动控制等诸多领域[1～4]。
结构光测量系统中光条中心的提取算法
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。
结构光三维视觉检测关键技术分析
哈尔滨工程大学硕士学位论文声（Ｎｏｉｓｅ）。
噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”，理论上定义为“不可预测，只能用概率统计方法来认识的随机误差”。
因此将图像噪声看成是多维随机过程是合适的，因而描述噪声的方法完全可以借用随机过程的描述，通常是用其数字特征，即均值方差、相关函数等。
因为这些数字特征都可以从某些方面反映出噪声的特征。
例如，均方值描述噪声总功率，方差描述噪声的交流功率，而均值的平方表示了噪声的直流功率。
在图像的捕获、传输或者处理过程中都可能出现噪声，常见的噪声有：加性噪声、乘性噪声、高斯噪声、冲击噪声、椒盐噪声和量化噪声等。
图２．１原始图像及其灰度直方图２．２图像增强图像增强技术是用来增强那些对于图像的表示、分析、识别等应用有重要意义的信息，例如边缘、纹理等。
图像增强过程本身并不增加图像包含的信息量，但它能明显地突出某些特征信息以便检测和利用这些信恩。
图像增强技术包括图像灰度变换、去除噪声、边缘锐化、滤波、伪彩色处理等。
在此，我们仅就测量系统用到的灰度修正、去噪滤波（图像平滑）及锐化技术加以阐述。
２．２．１灰度修正灰度修正可使图像动态范围加大，对比度扩展，图像清晰，特征明显，是图像增强的重要手段。
灰度修正可以采用灰度变换法和直方图修正技术。
由于直方图是灰度修正技术的基础，而且实践中不需要对灰度进行变换，我们采用直方图技术对测量中采集到的图像进行了处理，故本小节主要讨论直方图技术。
直方图技术将图像的灰度作为一个随机数集来处理。
通过修改图像的灰度直方图，图像的可视性将得到改善，例如一幅较暗的低对比度图像，可通化了图像质量，使图像模糊，甚至淹没特征，为此需要寻找方法去除图像噪声。
消除图像噪声的工作被称之为图像平滑或滤波，平滑的目的就在于消除混杂在图像中的干扰，改善图像质量，强化图像表现特征，提高后续工作（如图像分割）的精度。
由于噪声源众多（如光栅扫描、底片颗粒、机械元件、通信传输等），噪声种类复杂（如加性噪声、乘性噪声、量化噪声等），所以平滑方法也多种多样。
线结构光三维视觉测量中光条纹中心提取综述
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)。
基于双目线结构光的三维重建及其关键技术研究
基于双目线结构光的三维重建及其关键技术研究基于双目线结构光的三维重建是一种常见的三维重建方法，在计算机视觉和图像处理领域有广泛应用。
本文将探讨双目线结构光三维重建的基本原理和关键技术。
一、基本原理双目线结构光的三维重建基于以下原理：通过投射具有特定空间编码的光线，利用摄像机捕捉图像，并对图像进行处理和分析，可以推断出场景中物体的三维形状和深度信息。
二、关键技术1. 双目成像双目成像是双目线结构光重建的基础。
通过使用两个物理上分开的相机，可以获取场景的不同视角，从而获得更多的信息，提高重建的精度和稳定性。
2. 线结构光投影线结构光投影是双目线结构光重建的核心技术。
通过投射特定编码的结构光，可以在场景中形成一系列光条或光带，从而在摄像机中产生对应的图像。
这样，可以通过分析图像中结构光的失真或形状变化，来推断物体表面的深度信息。
3. 结构光编码结构光编码是双目线结构光重建的重要组成部分。
通过在结构光中引入编码，可以增加光条或光带的区分度，从而提高重建的精度。
常见的编码方法包括灰度编码、正弦编码、校正编码等。
4. 影像获取与处理双目线结构光重建需要获取并处理图像数据。
影像获取涉及到摄像机的标定、同步和触发等技术，以确保双目系统的准确性和稳定性。
影像处理包括去噪、校准、纹理映射等步骤，以提取出有效的结构光信息，并进行后续的三维重建处理。
5. 三维重建算法三维重建算法是双目线结构光重建的核心内容。
常见的算法包括三角测量、立体匹配、点云拼接等。
这些算法通过分析不同视角的结构光图像，通过匹配和计算来推断物体的三维形状和深度信息。
6. 点云处理与可视化三维重建通常最终呈现为点云模型。
点云处理涉及到点云滤波、配准、分割等技术，以去除噪声、合并重叠点云、提取物体表面等。
点云可视化则将点云数据以直观的形式呈现，便于人们观察和理解。
综上所述，基于双目线结构光的三维重建是一种常见的三维重建方法。
它利用投射特定编码的结构光，结合双目成像和影像处理技术，通过分析图像中的结构光信息，推断物体的三维形状和深度信息。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（SchooI of Automation Science and EIectricaI Engineering，Beijing University of Aeronautics and Astronautics，Beijing 100083，China）
结构光视觉检测技术中带有结构光的图像是 实现测量任务的信息源， 它包含有被测量物体表 面的三维形貌信息 . 对结构光图像的处理和计算 是整个检测任务中的关键环节之一 . 目前投射的结构光有多种形式和类型， 如单 点， 点列， 点阵， 单直线， 多条平行线， 单圆环， 同心 圆环， 网格， 十字叉丝等等 . 投射结构光的光源类 型有激光光源， 白炽灯光源等 . 根据测量的精度要 求和投射光装置的设计结构而采用不同的光源 . 不同的光源的光谱特性是不同的， 导致投射出的
要：在结构光视觉检测系统中， 光条中心的提取精度直接影响到整个
测量系统的测量精度 . 光条图像的处理是其中重要的一步， 尤其是受到严重噪声干扰 的图像 . 探讨了被多种噪声干扰的光条图像的处理和精确提取光条中心的方法 . 给出 了一种消除环境干扰的滤波模板并实验验证了其滤波效果 . 使用这些光条图像处理 方法使整个测量系统在 200 mm X 200 mm 的测量范围内测量精度达到 0 . 083 mm. 关 键 词：光学图像处理；滤波算法；激光非破坏性检验；结构光
a O d b l e c O f
是为得到光条中心的精确坐标， 而根据前面分析， 得到的图像上的光条是有一定宽度的， 一般为几 个像素的宽度， 所以中值滤波后进行粗略的光条 中心提取， 得到单像素宽度的光条 . 根据图 4 所示的光条横截面光强分布特点， 可知光条的中心位置处最 “亮” ， 即中心位置处像 粗略提取光条中心的方法 素的灰度值最大 . 所以， 就是逐行搜索， 寻找灰度值最大的像素， 而且检验 该灰度最大像素左右两侧相邻的几个像素的灰度
本文实验系统采用的激光器为半导体激光
布不是均匀的， 而是近似服从高斯分布， 而且亮度 梯度变化较大， 如图 4 所示 .
输出功率约 8 mW. 图像采 器， 输出波长约 650 nm， 集选用 Watec 公司的 WAT-50lEX 型 CCD 摄象机， 分辨率 550 线， 信噪比大于 46 dB， 有效像素总数 镜头焦距 l6 mm. 实验系统的结构如图 768 > 576， l 所示 .
a
!=0
b
!>0
图3
电矢量 ! 分布曲线
高斯光束斜入射到柱面反射镜上被展开成为 一个连续的光平面， 该光平面实际是有一定厚度
第7期
贺俊吉等： 结构光三维视觉检测中光条图像处理方法研究
595
!"!
粗略提取光条中心 在视觉检测技术中对结构光图像处理的目的
光条的起始点， 保留， 若它是 2 个邻近的噪声点中 的第 l 个， 则在处理下一行时自然会被消除掉 .
Abstract：In a structured-Iight vision system，the accuracy of center position of the stripe is of great importance for that of the whoIe measuring system. Processing the image of stripe is an important step，especiaIIy for images with serious noises . Methods for processing images of stripe disturbed by various noise sources were discussed， “ suras weII as the method for detecting accurateIy the center of stripes . A speciaI fiItering mask was submitted for rounding”disturbance and was verified effective . For the measuring range as Iarge as 200 mm X 200 mm the accuracy of the whoIe measuring system when using the methods mentioned is 0 . 083 mm. Key words：opticaI image processing；fiItering aIgorithm；nondestructive Iaser anaIysis；structured-Iight
， 女， 山东沂南人， 博士生，junjihe@ 163 . com. 作者简介：贺俊吉 （1974 - ）
594
北 京 航 空 航 天 大 学 学 报
2003 年
因此称为线结构光 .
的， 它与被测物体表面的交线是有一定宽度的光
［2］ 亮的线条， 称之为光条 . 该光条的横截面光强分
!
高斯光束的特性
2003 年 7 月 第 29 卷 第 7 期
北京航空航天大学学报 JournaI of Beijing University of Aeronautics and Astronautics
JuIy 2003 VoI. 29 No.7
结构光三维视觉检测中光条 图像处理方法研究
贺俊吉
摘
张广军
（北京航空航天大学 自动化科学与电气工程学院，北京 100083）
［l］
.
图2
高斯光束
沿 ! 轴传播的高斯光束的电矢量表达式 ! 是三维坐标 " ， 图 3 是 ! 分别在 ! = 0 #， ! 的函数， 和 ! > 0 的光束横截面上的分布情况 . 由图 3 可 见， 高斯光束的横截面光斑中心最亮， 向外逐渐减 弱.
简要介绍中值滤波法 . 中值滤波是一种非线性平滑滤波器， 其依据 是： 椒盐噪声的特点是分散的， 随机的， 在一定的 邻域内， 噪声点的灰度值与邻域内其它点的灰度 值相比总是比较 “突出” ， 要么很大， 要么很小 . 所 以取邻域内灰度值序列的中间值， 就可以将 “突 出” 的噪声点去掉 . 工作步骤如下： 并将模板中心与图中 l）将模板在图中漫游， 某个像素位置重合； 2）读取模板下各对应像素的灰度值； 3）将这些灰度值从小到大排序； 4）找出灰度序列中排在中间的一个灰度值； 5）将这个中间值赋给对应模板中心位置的 像素 .
［3］ 图像滤波 ， 这样可去掉大部分的椒盐噪声 . 下面
本文分析了激光线结构光的光强特性， 对结 构光视觉检测技术中的结构光图像去噪声处理方 法和光条中心提取方法进行了研究， 给出了实验 结果 . 一般激光器输出的激光束， 既不是均匀平面 光波， 也不是均匀球面光波， 而是一种结构比较特 殊的高斯光束， 如图 2 所示
中图分类号：TP 751.1 文献标识码：A 文 章 编 号：1001-5965 （2003） 07-0593-05
Study on method for processing image of strip in structured-light 3D vision measuring technicue
! O
符合， 则认为是最大灰度的像素为光条中心 . 用这 一方法的结果是， 只要是光条线段， 总能检测到其 中心， 不会漏检 . 但这种方法会把一些不在光条上 的点认作光条中心， 即出现 “假” 光条中心 . !"# 滤波去除 “假” 光条中心 中值滤波法既消除绝大部分的椒盐噪声， 但 是结构光图像中还有其它的干扰因素引起的噪 声， 比如， 被测物体表面材料引起的反光， 被测物 体的边角等较尖锐的部位会有强烈的反光， 测量 工作台周围的其它物体被结构光照射到会反光， 而且反射的光又射到被测物体上， 诸如此类的情 况在获取的结构光图像上是经常发生的 . 这些杂 光会在粗提光条中心的过程中制造 “假” 光条中 心 . 作者采用了一种滤波算法， 专门消除这类噪 声. 经过第 2 步处理后， 图像已被二值化， 粗提的 其它像素值为 O， 而且 光条中心处的像素值为 l， 光条中心的宽度为 l 个像素 . 也就是说， 当前图像 中每行最多只有一个像素值为 l， 其余像素值均 根据试验， 取 3 > 3 邻域大小就足 为 O . 取一模板， 以消除 “假” 光条中心， 如图 5 所示 . 使该模板沿行 和列滑动， 当前像素与模板的中心元素对应， 当模 则计算该像 板滑动到某一像素值为 l 的位置时， 素处的 M 值： 2 2 2 M =（ a - l） +（ b - l） +（ c - l） + 2 2 2 （ d - l） +（ e - l） +（ f - l） 则该像素为 M 的值只能为 4 或 5 或 6 . 若 M = 6， 孤立的一个亮点， 可消除， 将该像素值置为 O； 若 则该像素是连续的光条上的一点， 是有用 M = 4， 信号， 保留； 若 M = 5， 则计算 M l 值， M l =（ a 2 2 2 （ b - l） （ c - l） ， 若 M l = 2， 则该像素连 l） + +
图4 光条横截面的光强分布示意
"
"#!
图l 实验系统结构
结构光图像处理方法
按照处理的先后顺序， 分为以下 4 步 . 中值滤波 由于实际测量的环境光照是不稳定的 （如白
天的自然光和夜晚的照明灯光等） ， 加之测量工作 台周围其它物体的反射光， 被测物体本身表面的 反射光， 以及 CCD 感光面的成像噪声和图像采集 卡的采样和量化误差等因素的影响， 使获得的数 字图像带有大量的各种类型的噪声 . 所以测量任 务首先要做的就是对图像进行 “净化” — — —滤掉噪 声信号， 保留有用的光条信号 . 结构光图像是一种 测量用的图像， 其处理过程和用做其它用途的图 一是 像处理不完全一样 . 这里重点做的有两点， “去伪” ， 即去除假的干扰信号， 否则会得到不正确 的测量结果， 二是在 “去伪” 的同时要保证 “存真” ， 即不能改变或去除有用的信号 . 根据以上原则， 首先使用中值滤波法对原始