复杂背景下线结构光中心亚像素精确提取方法及系统技术方案

本发明专利技术公开了一种复杂背景下线结构光中心亚像素精确提取方法，首先对图像进行预处理后，进行骨架细化分割出有效光条区域的单像素点，初步确定感兴趣点像素坐标，再利用主成分分析法获取线结构光条纹中心的法向量，并利用法向的方向性优化光条法向，最后在光条法向截面上根据光条灰度分布变化率，获取高斯拟合区间数据进行局部高斯拟合，精确提取出线结构光条纹中心亚像素坐标。本发明专利技术不易受到条纹宽度变化和背景环境的影响，有效提高了激光条纹中心的提取精度和鲁棒性。心的提取精度和鲁棒性。心的提取精度和鲁棒性。

【技术实现步骤摘要】
复杂背景下线结构光中心亚像素精确提取方法及系统


[0001]本专利技术涉及图像处理领域，尤其涉及一种复杂背景下线结构光中心亚像素精确提取方法及系统。

技术介绍

[0002]线结构光三维视觉测量因其非接触、精度高、实时性好、可控性高、测量范围广等特点，被广泛应用于工业测量、航空航天、医疗等领域中。其中线结构光中心提取的精确度是影响测量精度的决定性因素，而在实际采集过程中由于受到采集环境或被测物体表面折射率不一等影响，采集到的线结构光条纹图像中不可避免的含有大量噪声信息，且在复杂背景下，线结构光条纹灰度分布并不满足理想的正态分布，尤其是在环境光较强时或背景较浅时，严重影响了提取的精度，因此研究复杂背景下的线结构光中心亚像素精确提取方法，具有重要作用。
[0003]针对线结构光中心坐标提取，现有的方法大致可以分为：1基于灰度重心的方法，此方法适合简单线结构光的中心提取，由于没有考虑条纹的方向性，在光条突变区域会产生较多的误差点；2基于Steger的方法，此方法利用海森矩阵求取光条法向量，将其法向上极值作为中心点，但该算法包含大量的卷积，实时性较差，且在复杂背景下及光条端点处提取精度较差；3基于曲线拟合的方法，该方法利用光条法向灰度值拟合高斯曲线，具有较高的精度，但在复杂背景下及条纹宽度变化时提取精度大大降低，需进一步优化。针对这一问题，本专利技术提出了一种复杂背景下线结构光中心亚像素精确提取方法。

技术实现思路

[0004]本专利技术的目的在于针对复杂背景下的线结构光中心提取，提供一种精度高，鲁棒性好的复杂背景下线结构光中心亚像素精确提取方法及系统。
[0005]本专利技术所采用的技术方案是：提供一种复杂背景下线结构光中心亚像素精确提取方法，包括以下步骤：S1、在复杂背景下，采集带有线结构光条纹的图像；S2、对图像进行滤波去噪和前景分割，并初步获取线结构光条纹的感兴趣区域单像素点；S3、对感兴趣区域内的单像素点构建局部邻域的协方差矩阵，利用主成分分析法求解出协方差矩阵的特征值和特征向量，进而获取线结构光条纹的法向量；S4、根据线结构光条纹中相邻点法向量间的夹角变化率趋势特性剔除偏移点和干扰点，得到高质量的线结构光条纹的种子点；S5、将得到的种子点在法向方向结合原始采集的带有线结构光条纹的图像灰度值进行双线性插值处理，计算求得线结构光条纹处于灰度分布均匀与分布不均匀的背景下时的法向方向灰度分布曲线，并求取对应的条纹灰度变化率曲线，该条纹灰度分布变化率曲线的两个拐点之间条纹灰度区域参数作为待处理的感兴趣区域拟合参数；
S6、在待处理的感兴趣区域内感兴趣点的法线方向拟合高斯曲线，求出极值点作为线结构光条纹中心亚像素坐标。接上述技术方案，步骤S2中对于图像中任一点，滤波窗口模板大小为k，图像滤波去噪模型为，表示点（i,j）的方差，滤除图像中线结构光条纹带来的高斯噪声，并使用自适应阈值分割提取图像前景数据；采用ZS骨架细化算法获取光条感兴趣区域的单像素点，为后续处理提供初步位置，并降低算法处理数据量。
[0006]接上述技术方案，步骤S3中具体对获取的感兴趣区域点构建W邻域协方差矩阵，利用主成分分析法求解特征值和特征矩阵，其最大特征值对应的特征向量为条纹点的法向量。
[0007]接上述技术方案，步骤S5通过对种子点在其法向方向上做双线性插值，求取对应灰度值，分析不同背景下的线结构光条纹灰度分布，对于法向方向上任意一点，其相邻点，对应灰度值为，)做泰勒级数展开有：)=，表示级数，并反解出一阶导，求取条纹灰度分布变化率，过滤背景灰度定位条纹灰度区域，获取条纹灰度区域曲线拟合参数。
[0008]接上述技术方案，步骤S6具体对待处理的感兴趣区域内感兴趣点的法向方向上利用高斯函数拟合高斯曲线，其中为线结构光条纹宽度，A为高斯曲线的幅值，表示条纹的峰值灰度，为线结构光条纹中心亚像素坐标。
[0009]本专利技术还提供一种复杂背景下线结构光中心亚像素精确提取系统，包括：图像采集模块，用于在复杂背景下采集带有线结构光条纹的图像；图像滤波去噪及细化模块，用于对图像进行滤波去噪和前景分割，并初步获取感兴趣区域单像素点；感兴趣点法向获取模块，用于对感兴趣区域内的单像素点构建局部邻域的协方差矩阵，利用主成分分析法求解出协方差矩阵的特征值和特征向量，进而获取线结构光条纹的法向量；感兴趣点法向优化模块，用于根据线结构光条纹中相邻点法向量间的夹角变化率趋势特性剔除偏移点和干扰点，得到高质量的线结构光条纹的种子点；线结构光条纹自定位模块，用于将得到的种子点在法向方向结合原始采集的带有线结构光条纹的图像灰度值进行双线性插值处理，计算求得线结构光条纹处于灰度分布均匀与分布不均匀的背景下时的法向方向灰度分布曲线，并求取对应的条纹灰度变化率曲线，该条纹灰度分布变化率曲线的两个拐点之间条纹灰度区域参数作为待处理的感兴趣区域拟合参数；亚像素中心点提取模块，用于在待处理的感兴趣区域内感兴趣点的法线方向拟合高斯曲线，求出极值点作为线结构光条纹中心亚像素坐标。
[0010]接上述技术方案，感兴趣点法向获取模块中，对获取的感兴趣区域点构建W邻域协方差矩阵，利用主成分分析法求解特征值和特征矩阵，其最大特征值对应的特征向量为条纹点的法向量，为条纹中心提取提供方向性，以避免因复杂背景导致线结构光发生突变对
提取精度的干扰。
[0011]接上述技术方案，线结构光条纹自定位模块具体通过对种子点在其法向方向上做双线性插值，求取对应灰度值，分析不同背景下的线结构光条纹灰度分布，对于法向方向上任意一点，其相邻点，对应灰度值为，)做泰勒级数展开有：)=，h表示级数，并反解出一阶导，求取条纹灰度分布变化率，过滤背景灰度定位条纹灰度区域，获取高精度曲线拟合参数。
[0012]接上述技术方案，亚像素中心点提取模块具体对待处理的感兴趣区域内感兴趣点的法向方向上利用高斯函数拟合高斯曲线，其中为线结构光条纹宽度，A为高斯曲线的幅值，表示条纹的峰值灰度，为线结构光条纹中心亚像素坐标。
[0013]本专利技术还提供一种计算机存储介质，其可被处理器执行，其内存储有计算机程序，该计算机程序执行上述技术方案所述的复杂背景下线结构光中心亚像素精确提取方法。
[0014]本专利技术产生的有益效果是：本专利技术通过图像滤波去噪及细化算法滤除图像噪声并获取感兴趣区域单像素点，利用感兴趣点的法向分布剔除非线结构光干扰点，根据线结构光条纹在不同背景下的灰度分布及变化率特征，过滤背景灰度精确定位条纹灰度区域，为曲线拟合提供了稳定可靠的参数，提高了线结构光中心提取的精度和稳定性。
附图说明
为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0015]图1为本专利技术实施例复杂背景下线结构光中心亚像素精确提取的流程图；图2为本专利技术实施例整体算法示意图；图3（a）本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复杂背景下线结构光中心亚像素精确提取方法，其特征在于，包括以下步骤：S1、在复杂背景下，采集带有线结构光条纹的图像；S2、对图像进行滤波去噪和前景分割，并初步获取线结构光条纹的感兴趣区域单像素点；S3、对感兴趣区域内的单像素点构建局部邻域的协方差矩阵，利用主成分分析法求解出协方差矩阵的特征值和特征向量，进而获取线结构光条纹的法向量；S4、根据线结构光条纹中相邻点法向量间的夹角变化率趋势特性剔除偏移点和干扰点，得到高质量的线结构光条纹的种子点；S5、将得到的种子点在法向方向结合原始采集的带有线结构光条纹的图像灰度值进行双线性插值处理，计算求得线结构光条纹处于灰度分布均匀与分布不均匀的背景下时的法向方向灰度分布曲线，并求取对应的条纹灰度变化率曲线，该条纹灰度分布变化率曲线的两个拐点之间条纹灰度区域参数作为待处理的感兴趣区域拟合参数；S6、在待处理的感兴趣区域内感兴趣点的法线方向拟合高斯曲线，求出极值点作为线结构光条纹中心亚像素坐标。2.根据权利要求1所述的复杂背景下线结构光中心亚像素精确提取方法，其特征在于，步骤S2中对于图像中任一点，滤波窗口模板大小为k，图像滤波去噪模型为，表示点（i,j）的方差，滤除图像中线结构光条纹带来的高斯噪声，并使用自适应阈值分割提取图像前景数据；采用ZS骨架细化算法获取光条感兴趣区域的单像素点，为后续处理提供初步位置，并降低算法处理数据量。3.根据权利要求1所述的复杂背景下线结构光中心亚像素精确提取方法，其特征在于，步骤S3中具体对获取的感兴趣区域点构建W邻域协方差矩阵，利用主成分分析法求解特征值和特征矩阵，其最大特征值对应的特征向量为条纹点的法向量。4.根据权利要求1所述的复杂背景下线结构光中心亚像素精确提取方法，其特征在于，步骤S5通过对种子点在其法向方向上做双线性插值，求取对应灰度值，分析不同背景下的线结构光条纹灰度分布，对于法向方向上任意一点，其相邻点，对应灰度值为，)做泰勒级数展开有：)=，表示级数，并反解出一阶导，求取条纹灰度分布变化率，过滤背景灰度定位条纹灰度区域，获取条纹灰度区域曲线拟合参数。5.根据权利要求1所述的复杂背景下线结构光中心亚像素精确提取方法，其特征在于，步骤S6具体对待处理的感兴趣区域内感兴趣点的法向方向上利用高斯函数拟合高斯曲线，其中为线结构光条纹宽度，A为高斯曲线的幅值，表示条纹的峰值灰度，为线结构光条纹中心亚像素坐标。6.一种复杂背景下线结构光中心亚像素精确提...

【专利技术属性】
技术研发人员：洪汉玉，丁志强，吴锦梦，
申请(专利权)人：武汉工程大学，
类型：发明
国别省市：