一种适用于动态测量环境的激光条纹中心线提取方法技术

本发明专利技术公开了一种适用于动态测量环境的激光条纹中心线提取方法，具体包括以下步骤：首先对动态测量环境下采集的激光条纹图像进行RGB通道分离以及小窗口中值滤波；其次使用自适应裁剪算法分割出红色分量图像中的感兴趣区域（ROI）；再次使用改进型伽马校正算法对红色分量图像进行亮度编辑，将红色分量图像转化为灰度直方图具有双峰特点的图像；然后使用改进型变阈值大津阈值分割算法分割出红色分量图像中的激光条纹区域，并采用二维灰度中心法提取初始激光条纹中心线；最后使用基于Hampel滤波法和均值平滑法的二次优化算法对初始激光条纹中心线进行优化，实现断线修补并对中心线进行平滑，从而精确地提取出激光条纹中心线。中心线。中心线。

【技术实现步骤摘要】
一种适用于动态测量环境的激光条纹中心线提取方法


[0001]本专利技术属于机器视觉领域，是一种适用于动态测量环境的激光条纹中心线提取方法。

技术介绍

[0002]在光学非接触式三维测量技术中，线结构光三维测量技术凭借其处理速度快、测量准确度高且方便实现的优势，在工业非接触式测量、三维重建、表面质检等领域获得广泛地应用。线结构光三维测量系统主要包括激光器、工业相机以及计算机等设备，其原理是将激光条纹投射到被测物表面，通过工业相机激光条纹图像后，再使用计算机对采集的图像进行处理获得被测物体轮廓的三维坐标。在采集地激光条纹图像中，激光条纹往往具有十个像素点以上的宽度，只有提取出单像素宽度的激光条纹中心线，才能精确计算被测物体轮廓的三维坐标。因此，在线结构光三维测量中，一个非常重要的图像处理任务就是获取激光条纹中心线在图像中的准确位置。
[0003]为便于从激光条纹图像中提取出激光条纹区域，当前常用的方法是在同一位置采集激光投射前后的两幅图像，然后将两幅图像做差分处理，直接去除背景信息，从而得到仅包含激光条纹信息的图像，能够方便地使用图像分割算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于动态测量环境的激光条纹中心线提取方法，其特征在于，包括以下步骤：1)采集动态测量环境下的激光条纹图像；2)对相机采集的尺寸为m
×
n pixel的原始图像进行RGB通道分离，提取出红色分量图像；3)对提取出的红色分量图像进行小窗口中值滤波，去除椒盐噪声对后续处理的影响；4)使用自适应裁剪算法分割出红色分量图像中的ROI；5)使用改进型伽马校正算法对ROI进行亮度编辑，突出激光条纹区域，将红色分量图像转化为灰度直方图具有双峰特点的图像；6)使用改进型变阈值大津阈值分割算法分割出红色分量图像中的激光条纹区域，通过形态学变换获取激光条纹的掩膜图像；7)采用二维灰度中心法提取初始激光条纹中心线；8)使用Hampel滤波法对初始激光条纹中心线进行初次优化，实现断线修补并对中心线进行平滑；9)使用均值平滑法对初次优化后激光条纹中心线进行二次优化，从而精确地提取出激光条纹中心线。2.根据权利要求1中所述的一种适用于动态环境的激光条纹中心线提取方法，其特征在于，所述步骤4)中使用自适应裁剪算法分割出ROI的具体步骤如下：41)定义W、Q两个长度为n的一维数组，W中数据的初始值为无穷大，Q中数据的初始值为0；42)对图像中的像素点进行逐行遍历，将第i行第一次遍历到的灰度值大于250的像素点的列值保存到W[i]；43)继续遍历第i行像素点，当再次遍历到灰度值大于250的像素点时，将像素点的列值保存到Q[i]，重复上述过程来更新Q[i]，直至完成遍历；44)遍历过程中如果第i行没有灰度值大于250的像素点时，W[i]、Q[i]保持初始值不变；45)令数组W中的最小值为w，数组Q中的最大值为q，为防止对线结构光条纹区域的过度分割，在当前分割边界的基础上左右扩充30个像素点，以[w
‑
30,q+30]∈[1,m]为ROI边界裁剪图像。3.根据权利要求1中所述的一种适用于动态环境的激光条纹中心线提取方法，其特征在于，所述步骤5)中使用改进型伽马校正算法对红色分量图像进行亮度编辑的具体步骤如下：51)读取步骤4)中的分割出的ROI；52)设激光条纹区域中心线附近的灰度阈值为G
th
，gamma为改进型伽马校正地校正系数，对ROI中的像素点进行遍历，对灰度值G(i,j)大于阈值G
th
的像素点(i,j)不作处理，对灰度值G(i,j)小于等于阈值G
th
的像素点(i,j)按公式(1)求其灰度编辑后的灰度值G
IGC
(i,j)；4.根据权利要求1中所述的一种适用于动态环境的激光条纹中心线提取方法，其特征
在于，所述步骤6)中使用改进型变阈值大津阈值分割算法分割出红色分量图像中的激光条纹区域，并通过形态学变换获取激光条纹的掩膜图像的具体步骤如下：61)读取步骤5)中亮度编辑后的灰度图像；62)统计图像中每行像素点的灰度直方图，使用Otsu算法计算每一行像素点的最佳灰度阈值，记图像共n行像素，可得最佳分割阈值集合K＝{k1,k2,k3,
…
,k
n
}；63)统计集合K的灰度直方图，使用Otsu算法计算出最佳的分割阈值k
th
，并且使用k
th
将K分割为K0＝{k
i
|k
i
≥k
th
,i∈{1,2,3,
…
,n}}和K1＝{k
i
|k
i
＜k
th
,i∈{1,2,3,
…
,n}}，分别代表强光条行和弱光条行分割阈值集合；64)将K1集合中的阈值小于0.4
×
k
th
的部分统一重新赋值为0.4
×
k
th
，大于0.4
×
k
th
的部分统一重新赋值为0.7
×
k
th
，按照调整后的阈值分割出图像中的激光条纹区域，获得二值图像；65)对分割后得到的二值图像进行形态学闭运算以及形态学开运算处理，去除较窄的间断和细长的沟壑、消除小的孔洞，并去除分割出的较小的噪声区域；66)根据列坐标由小到大的顺序，记录激光条纹区域每个横截面的像素点列坐标，记为数组H
i
，i为所在行数，i＝1,2,3,
…
n，对于非激光条纹区域的行，记H
i
为空数组。5.根据权利要求1中所述的一种适用于动态环境的激光条纹中心线提取方法，其特征在于，所述步骤7)中采用二维灰度中心法提取初始激光条纹中心线的具体步骤如下：71)读取步骤6)中记录的数组H
i
；72)按照i从小到大的顺序遍历每一个数组H
i
；73)当H
i
为非空数组时，按公式(2)计算第i个...

【专利技术属性】
技术研发人员：苗红霞，齐本胜，
申请(专利权)人：南京奥特文智能科技有限公司，
类型：发明
国别省市：