线结构光光条中心亚像素精确提取方法

合集下载

结构光光条中心的提取算法

是整个线结构光三维测量系统中的关键问题。
相关运算来得到光条每点的近似法线方。针对具
体问题采用了抛物线拟合法和基于光条骨架的方向模板法，并对实验结果做了分析。
为了解决线结构光条纹中心定位的问题，国内外学者对此做了大量研究Ｊ目前的很多算。法都是基于边缘法、值法（何中心法）极值阈几、法和重心法等展开的。提取光条中心的边缘法和阈值法算法简单，运行速度快，精度较低。极大但
摘要：在线结构光测量系统中，光条中心的准确提取是影响整个测量系统精度的关键因素之
一
。
由于被测物体表面的性质等系统噪声的影响，使得精确提取光条中心存在一定的难度。采
用了抛物线拟合法和基于光条骨架的方向模板法对采集的光条图像进行光条中心提取，实验结果表明当光条图像的曲率较大时，基于光条骨架的方向模板法能够有效、准确的提取光条中心。
１基本原理及算法
１１抛物线拟合法．
线激光源发射的激光平面投射在被测物体表
面形成的光条在其宽度方向上光强近似服从高斯分布。基于光条强度的这一特点，以对光条强可度进行基于最小二乘法的二次抛物线拟合］。基于最／，Ｊ－乘法的二次抛物线拟合数学原－理 ¨ 。：有一组实验数据（，，。是设ｙ）ｋ＝１２ … ，，，ｍ。可由参数口，。ｎ确定抛物线。口，

基于线结构光的亚像素精度焊缝提取方法研究

基于线结构光的亚像素精度焊缝提取方法研究
胡韵松& 王军民& 付嘉玮& 李雄军& 刘!威"
!&b 长江大学油气资源与勘探技术教育部重点实验室&武汉!'8#&##$ "b 贺州学院&广西贺州!('"$**"
摘要对于激光视觉焊缝跟踪系统&基于线性结构光快速'高精度地提取焊缝特征点是系统搭建的关键$现有算法多是采取像素级别的提取特征&现提出改进的亚像素精度算法用以提取焊缝特征点$与以往算法不同的是&算法不需要进行阈值的选取& 提取条纹中心线和检测特征点的过程&都采用了先计算出亚像素位置&再对图像进行处理&显著地提高了算法的精度$并且目前图像处理多采用深度学习&但都为对像素的离散点实现&难以做到亚像素精度$实验结果表明&该算法能够满足生产实际要求& 能够实时'精确地实现焊缝提取%
J4ACAL法等$特征点检测常见有 @;LL2N 角点检测'V9J6 角点检测& 以及一些局部图像特征& 如 J-V6&J_`V& ,`] 等 % +&, 焊缝特征识别的一般步骤是图像滤波' 中心线提取'对线性特征进行拟合'特征点的识别%但是这些算法都只是依赖于像素单元进行处理&算法的识别精度并不够高%更有学者使用深度学习' 机器学习的方法对 +", 焊缝进行处理&在涉及到小目标&神经网络在网络深层差一个像素&在网络浅层会差$或者 &) 个像素&这对小目标的跟踪影响巨大&也难以做到亚像素定位%文中将利用基于 @ANN2;0矩阵的 J4ACAL亚像素光条定位算法&再通过经过亚像素精度优化后的 JG236<R;N2角点检测算法& 在提取光条中心线以及特征点检测两个重要流程中&都在亚像素精度下进行图像处理&并且考虑到了算法的实时性&经过实验表明&算法的精度和效率能够满足要求%

线结构光中心线提取算法

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。

一种复杂环境下的线结构光中心线提取方法[发明专利]

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。

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。

复杂背景下激光条纹中心亚像素提取方法

Opto-Electronic Engineering
光电工程
Article
2019 年，第 46 卷，第 2 期
DOI: 10.12086/oee.2019.180457
复杂背景下激光条纹中心亚像素提取方法
甘宏 1，张超 2，李林 1，罗文婷 1*
1 福建农林大学交通与土木工程学院，福建福州 350100； 2 福建省高速技术咨询有限公司，福建福州 350100
Abstract: The complex background and laser stripe noise affect laser stripe extraction. Adaptive double threshold segmentation method and the improved gray weight model are proposed in this study. First, the characteristics of the laser stripe and the source of noise in the image are investigated. Bilateral filter is applied to remove the noise of images. Subsequently, the gray histogram of laser image and the double threshold are computed. By sub-regional processing, initial stripe center and stripe width of binary images are obtained. Finally, the sub-pixel center of the laser strip is extracted by the proposed model. The double threshold segmentation method and the improved gray weight model are compared with the traditional algorithms. The results show that the double threshold method is more accuracy in extracting the laser stripe region than the extreme value method and the Otsu method. Comparing with the residual value of sub-pixel center, the improved gray weight model (0.23) has better results than the gray-gravity method (0.71), the extreme value method (0.86), and the Gaussian fitting method (0.86). The algorithms

精确的线结构光中心提取算法研究

精确的线结构光中心提取算法研究
李春明;王萌萌;刘海洋;杨鹏飞
【期刊名称】《机械与电子》
【年(卷),期】2017(035)006
【摘要】光条纹中心的精确提取是线结构光三维识别系统的重要环节.环境光干扰、被测物表面反射以及图像采集系统所产生的噪声都给光条提取增加了难度.文章提
出了一种快速精确的线结构光条纹中心提取法.首先,对图像进行预处理,通过边缘法对结构光中心线进行边缘检测;然后,用均方灰度梯度法确定结构光中心法线方向;最后,对法线方向上像素进行灰度加权,从而精确提取出结构光条纹中心.实验结果证明,该算法光条纹中心的提取精度达到了亚像素级别.
【总页数】3页(P29-31)
【作者】李春明;王萌萌;刘海洋;杨鹏飞
【作者单位】河北科技大学信息科学与工程学院,河北石家庄 050000;河北科技大学信息科学与工程学院,河北石家庄 050000;河北科技大学信息科学与工程学院,河北石家庄 050000;石家庄市京华电子实业有限公司工程部,河北石家庄 050000【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.线结构光条纹中心的全分辨率精确提取 [J], 熊会元;宗志坚;陈承鹤
2.精确提取线结构光条纹中心方法 [J], 熊会元;宗志坚;高群;陈承鹤
3.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
4.基于改进Steger算法的线结构光中心提取 [J], 曾凯;刘贺飞;何茜;王福斌;邸跃
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。

一种实时准确的线结构光条纹中心提取方法

Ｉｎｔｅｌｌｉｇｅｎｃｅ，１９９８，２０（２）：１１３－１２５．
＝
（ ∑
Ｐｉ ∈ 【ｐ）＞ｇｔｈ
ｘｆ（ｐ））／（ ∑ 厂（ｐ）），Ｙ＝（ ∑
ＰｉＥ（Ｐｉ）＞ｇｔｈ
ＰｌＥｔｐｉ）＞ｇｔｈ
ｘｆ（ｐ））／（ ∑ ｆ（ｐ））．（６）
①选取轮廓关键点集合中距离最远的两个关键点ｑ。和ｑ分别作为起始扫描点和结束扫描点，
设置起始扫描点集＝｝，横截面分块集合Ｕｃ＝｛｝． ② 以起始扫描点集的中心点为圆心，轮廓关键点集合中距离圆心最近的关键点为半径作圆，
则该圆与轮廓的交点集、起始扫描点集所组成的区域为所求分块，更新横截面分块集合Ｕ＝ｕｕ … 更新起始扫描点集＝．若ｑ ∈ ，则返回② ，否则跳转至③． ③按照２）中分段法向量计算方法，计算中每个横截面分块中边缘分段的法向量，并以所有
ＰｉＥｌｚｔｆ（ｐｉ）＞ｇｔｈ
其中，ｍ为幂次，且０＜ｍ＜１，其迭代过程如下： ①利用１．２小节中的灰度重心法提取光刀初始中心． ② 设置一个步进Ａｍ（１＞３ｍ＞０），更新ｍ＝１一Ａｍ，按公式（６）计算新的光刀中心
＝
（ ∑ × ｐ））／（ ∑ ｆ（ｐ）），Ｙ。＝ ∑ ［ × ｐ）］／（ ∑ ｆ（ｐ））．（５）ＰｉＥｚ＝Ｊ（ｐｉ）＞ｇｔｈＰｉ ∈ ｚ：【ｐ１）＞ｇ山ＰｉＥｌ；ｌ，ｔＰｉ）＞ｇｔｈＰｉ ∈￡Ｊ（ｐｉ）ｇｔｈ

光条中心提取方法

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

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.。

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)。

的条纹中心存在折线缺陷的问题，提出了一种基于曲线拟合的线结构光光条中心的亚像素提取方法。该方法通过腐
蚀细化获得光条基本骨架，采用均方灰度梯度求取骨架上每一点的法线方向，利用加权灰度重心法获得光条中心初始点，应用分段３次多项式曲线拟合获得光滑的光条亚像素中心坐标。实验结果表明：该方法可以改善光条中心的
ｐｒｅｃｉｓｉｏｎｏｆｌｉｇｈｔｓｔｒｉｐｅｃｅｎｔｅｒａｆｆｅｃｔｓｔｈｅｕｌｔｉｍａｔｅｍｅａｓｕｒｅｍｅｎｔａｃｃｕｒａｃｙｏｆｓｙｓｔｅｍｄｉｒｅｃｔｌｙ．Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｏｆｂｒｏｋｅｎｌｉｎｅｄｅｆｅｃｔｗｈｉｃｈｅｘｉｓｔｓｉｎｓｔｒｉｐｅｃｅｎｔｅｒａｃｑｕｉｒｅｄｆｒｏｍｃｕｒｒｅｎｔｌｉｇｈｔｓｔｒｉｐｅｃｅｎｔｅｒｅｘｔｒａｃｔｉｏｎａｌｇｏｒｉｔｈｍｓ，
江永付江开勇林俊义
华侨大学厦门市数字化视觉测量重点实验室，福建厦门３６１０２１
摘要
线结构光三维测量中，光条中心点提取的精度直接影响系统最终测量精度。针对现有光条中心提取方法获得
ＪｉａｎｇＹｏｎｇｆｕＪｉａｎｇＫａｉｙｏｎｇＬｉｎＪｕｎｙｉ
ＸｉａｍｅｎＫｅｙＬａｂｏｒａｔｏｒｙｏｆＤｉｇｉｔａｌＶｉｓｉｏｎＭｅａｓｕｒｅｍｅｎｔ，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔｙ，Ｘｉａｍｅｎ，Ｆｕｊｉａｎ３６１０２１，ＣｈｉｎａＡｂｓｔｒａｃｔＩｎｔｈｅｔｈｒｅｅ —ｄｉｍｅｎｓｉｏｎａｌｍｅａｓｕｒｅｍｅｎｔｂａｓｅｄｏｎｔｈｅｌｉｎｅａｒｓｔｒｕｃｔｕｒｅｄｌｉｇｈｔｐｒｏｊｅｃｔｉｏｎ，ｔｈｅｅｘｔｒａｃｔｉｏｎ
激光与电子学进展
５２，０７ｌ５０２（２０１５）
Ｌａｓｅｒ＆０ｐｔｏｅｌｅｃｔｒ０ｎｉｃｓＰｒｏｇｒｅｓｓ
￣２０１５（中国激光》杂志社
线结构光光条中心亚像素精确提取方法
ａｎｐｒｏｐｏｓｅｄａｐｐｒｏａｃｈｂａｓｅｄｏｎｃｕｒｖｅｆｉｔｔｉｎｇｏｆｔｈｅｌｉｎｅａｒｓｔｒｕｃｔｕｒｅｄｌｉｇｈｔｓｔｒｉｐｅｃｅｎｔｅｒｓｕｂ—ｐｉｘｅｌｅｘｔｒａｃｔｉｏｎｉｓｐｒｏｐｏｓｅｄ．ＴｈｅｐｒｏｐｏｓｅｄａｐｐｒｏａｃｈｕｓｅｓｔｈｅｅｒｏｓｉｏｎｔｈｉｎｎｉｎｇｍｅｔｈｏｄｔｏｇｅｔｔｈｅｓｔｒｉｐｅＳｂａｓｉｃｓｋｅｌｅｔｏｎ．Ｔｈｅｎｏｒｍａｌｄｉｒｅｃｔｉｏｎｏｆｅａｃｈｐｏｉｎｔｏｎｔｈｅｓｋｅｌｅｔｏｎｌｉｎｅｉｓｃｏｍｐｕｔｅｄｂｙｕｓｉｎｇｔｈｅａｖｅｒａｇｅｓｑｕａｒｅｄｇｒａｙｇｒａｄｉｅｎｔ．Ｔｈｅｉｎｉｔｉａｌｌｉｇｈｔｓｔｒｉｐｅｃｅｎｔｒａｌｐｏｉｎｔｓａｒｅｏｂｔａｉｎｅｄｂｙｗｅｉｇｈｔｅｄｂａｒｙｃｅｎｔｅｒｍｅｔｈｏｄ．Ｓｅｃｔｉｏｎａｌｃｕｂｉｃｐｏｌｙｎｏｍｉａｌｃｕｒｖｅｆｉｔｔｉｎｇｍｅｔｈｏｄｉｓｕｓｅｄｔｏａｃｈｉｅｖｅｓｍｏｏｔｈｌｉｇｈｔｓｔｒｉｐｅｃｅｎｔｒａｌｐｏｓｉｔｉｏｎｓｉｎｓｕｂ—ｐｉｘｅ１．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｍｅｔｈｏｄ
折线缺陷，提高中心线提取的精度。
关键词测量；线结构光；光条骨架；均方灰度梯度；多项式曲线拟合文献标识码Ａ
中图分类号ＴＰ３９１
ｄｏｉ：１０．３７８８／ＬＯＰ５２．０７１５０２
ቤተ መጻሕፍቲ ባይዱＥｘｔｒｉｃａｔｉｏｎＭｅｔｈ０ｄｆｏｒＳｕｂ— ＰｉｘｅｌＣｅｎｔｅｒｏｆＬｉｎｅａｒＳｔｒｕｃｔｕｒｅｄＬｉｇｈｔＳｔｒｉｐｅ