一种特征点稀疏工件图像的快速拼接方法及系统技术方案

本发明专利技术涉及图像拼接技术领域。目的是提供一种特征点稀疏工件图像的快速拼接方法及系统，利用激光器在相机的视野重合区投射图形标志，提供稳定、特征明显的标志点，在提高图像拼接精度的同时减少相机间重合区的大小，提高图像处理速度。技术方案是：一种特征点稀疏工件图像的快速拼接系统，包括分别布置于工件两侧以便为取像系统提供光照条件的若干条形光源、用于检测工件的若干个工业相机、安装于工业相机之间的若干个激光器、控制条形光源与激光器的控制器以及电连接所述工控机从而对所拍摄的图像进行校正的工控机；一种特征点稀疏工件图像的快速拼接方法，包括S1图像采集、S2图像预处理、S3特征点检测匹配和S4图像拼接融合。

【技术实现步骤摘要】
一种特征点稀疏工件图像的快速拼接方法及系统
本专利技术涉及图像拼接
，更具体地说，涉及一种特征点稀疏工件图像的快速拼接方法及系统。
技术介绍
图像拼接技术是一种将一组图像按一定规则拼接融合成一幅大视野高分辨率图像的技术，是机器视觉领域对大尺寸物体进行尺寸测量、形状匹配、缺陷检测等操作的前提技术之一，是图像处理领域的一个非常重要的研究方向。图像拼接的方法大致可分为基于模型的方法，基于变换域的方法，基于灰度相关的方法和基于特征的方法。其中目前使用的较多的是基于特征的匹配方法，如HARRIS、PCA-SIFT、SURF和ORB等。对比其他图像拼接方式，基于特征的匹配方法具有高精度、快速有效和适用性广的特点，但在特征点稀疏工件的工件上，如钣金、木质板等，这类没有特别明显的纹理特征，很难找到特征点的器件，基于特征的匹配方法很难实现此类图像的拼接。基于特征的匹配方法还需要待拼接图像间有较大的重叠区域，这就大大地浪费了相机的视野，在相同图像采集条件下，需要用到更多的工业相机，图像处理时间也会随着图幅数的增加而增加，从而造成大尺寸工件测量本文档来自技高网...

【技术保护点】
1.一种特征点稀疏工件图像的快速拼接系统，包括分别布置于工件两侧以为取像系统提供光照条件的若干条形光源(3)、用于检测工件的若干个工业相机(5)、安装于工业相机之间的若干个激光器(6)、控制条形光源与激光器的控制器(2)以及电连接所述工控机从而对所拍摄的图像进行校正的工控机(1)。/n

【技术特征摘要】
1.一种特征点稀疏工件图像的快速拼接系统，包括分别布置于工件两侧以为取像系统提供光照条件的若干条形光源(3)、用于检测工件的若干个工业相机(5)、安装于工业相机之间的若干个激光器(6)、控制条形光源与激光器的控制器(2)以及电连接所述工控机从而对所拍摄的图像进行校正的工控机(1)。


2.根据权利要求1所述的特征点稀疏工件图像的快速拼接系统，其特征在于：所述激光器(6)将图案投射在相机视场重合区域的工件上，激光器(6)投射图案可针对所使用的特征点检测算法的特征点检测特性来针对性设计，使投射图案内的特征点具有稳定性和针对性。


3.一种特征点稀疏工件图像的快速拼接方法，包括S1图像采集、S2图像预处理、S3特征点检测匹配和S4图像拼接融合；
所述S1图像采集，包含如下步骤：各相机将拍摄获取两组图像，第一组为激光器打开时工件上包含有激光图案的图像，第二组为激光器关闭时不包含激光图案的工件图像；
所述S2图像预处理和S3特征点检测匹配步骤为：对S1图像采集中第一组图像的处理和计算，对步骤S4图像拼接融合采用S1图像采集中第二组图像进行拼接融合，以获得清晰无干扰的工件图像；
所述的S2图像预处理，包括如下步骤：
S21：划定ROI区域，所述ROI区域，是根据各相机的排布以及激光图案的投射位置，划定各图像重合区域内的激光图案区域；
S22：灰度化操作，将各相机拍摄获得的彩色图像转化为灰度图；
S23：对步骤S22得到的灰度图进行高斯滤波，消除高频噪声，得到边缘保留完整且清晰度较高的图像；
所述的S3特征点检测匹配，包括如下步骤：
S31：在各图像选定的ROI区域内采用特征点检测算法进行特征点检测，特征点检测算法可采用HARRIS、PCA-SIFT、SURF或ORB检测算法中的一种；
S32：对特征点采用最邻近距离比值法进行粗匹配；
S33：粗匹配后获得的特征点对再进行RANSAC剔除误匹配对，求出变换矩阵H；
所述的S4图像拼接融合，包括如下步骤：
S41：使用S33中求出的变换矩阵H对待拼接的第二组图像进行仿射变换，从而获得基准图像对应的拼接图像；
S42：对拼接图像采用渐入渐出融合。


4.根据权利要求3所述的特征点稀疏工件图像的快速拼接方法，其特征在于：所述步骤S31中的HARRIS角点检测算法具体步骤有：
步骤(a)：构建协方差矩阵M；利用sobel算子计算出图像在水平方向和垂直方向的梯度值Ix、Iy，再计算对应的梯度外积Ix2、Iy2和IxIy，构成协方差矩阵M；
步骤(b)：获取准角点数据；根据角点响应公式R(i,j)＝det(M)-k(trace(M))2来判断该点是否为角点；其中det(M)为协方差矩阵M的行列式的值，trace(M)是协方差矩阵M对角线上元素之和，k为HARRIS角点检测算法的一个经验值取值为0.04～0.06；
步骤(c)：得出最终角点；在每个准角点的八邻域范围内进行局部非极大值抑制，完成局部非极大值抑制后得到最终角点数据。


5.根据权利要求3所述的特征点稀疏工件图像的快速拼接方法，其特征在于：所述步骤S31中的PCA-SIFT特征点检测算法具体步骤有：
步骤(a)：构建高斯尺度空间；对于二维图像I(x,y)在不同尺度下的尺度空间表示L(x,y,σ)
由图像I(x,y)与尺度可变高斯函数G(x,y,σ)卷积得到，如下式所示：
L(x,y,σ)＝G(x,y,σ)*I(x,y)；
步骤(b)：特征点的检测及定位；在DOG尺度空间上的采样点将与同尺度八邻域点以及上下相邻尺度对应的2×9个点共26个点进行比较，采样点为最大值或最小值时则认为该点是图像在该尺度下的一个特征点；对于图像中的任何点，其DOG响应值能够拟合出轨迹图是图像的特征曲线，对于曲线上的极值点则表示为特征点的特征尺度，通过拟合三维二次函数可精确确定关键点的位置和尺度，尺度空间函数D(x,y,σ)在局部极值点D(x0,y0,σ)处的泰勒...

【专利技术属性】
技术研发人员：贾江鸣，武传宇，陈建能，黄建勋，景寒松，苏艺，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：浙江;33