一种基于单目的高速锻锤跟踪方法及装置制造方法及图纸

本发明专利技术提出了一种基于单目的高速锻锤跟踪方法及装置，上述方法包括：对工业相机采集到的初始图像进行二值化处理，获取单目灰度图像；根据图像极大值查找算法对所述单目灰度图像进行查找处理，获取所述单目灰度图像中的激光线纹区域；基于泰勒展开式和所述激光线纹区域中的各像素坐标，计算与所述像素坐标对应的亚像素坐标；对所述亚像素坐标进行三维坐标重建，以获取所述亚像素坐标与对应的空间坐标；基于所述空间坐标和锻锤加速度预测公式，以获取预测单目图像

【技术实现步骤摘要】
一种基于单目的高速锻锤跟踪方法及装置


[0001]本专利技术涉及视觉动态测量
，尤其涉及一种基于单目的高速锻锤跟踪方法及装置
。

技术介绍

[0002]单目视觉测量是指利用单个成像平面或相机进行视觉测量和定位的技术和方法
。
通过对单目图像的处理和分析，提取图像中的特征信息，再利用几何
、
运动或深度等计算方法，可以测量目标物体的尺寸
、
形状
、
位置
、
姿态等参数
。
单目视觉测量广泛应用于工业自动化
、
机器人导航
、
三维重建
、
虚拟现实以及医疗影像等领域
。
[0003]公告号为
CN113324478A
的中国专利公开了一种线结构光的中心提取方法及锻件三维测量方法，其中，线结构光的中心提取方法包括如下步骤，先对采集的具有线结构光线纹的图像进行滤波和阈值分割，分割出线结构光的光条特征，再提取线结构光线纹的初始中心点
p(x,y)
，以初始中心点
p(x,y)
为中点，采用方向模板法确定每个初始中心点的法线方向，并在每个初始中心点的法线方向上采用灰度重心法进行中点提取，提取精确中心点，该中心提取方法具有精度高
、
稳定性好等优点
。
但是该方法抗噪性差运算量大，难以满足实时性要求和图像预测，因此，提供一种基于单目的高速锻锤跟踪方法及装置，来提升锻锤图像检测的实时性，是非常有必要的
。

技术实现思路

[0004]有鉴于此，本专利技术提出了一种基于单目的高速锻锤跟踪方法及装置，通过实时查找单目灰度图像中的激光线纹区域，并将激光线纹区域的像素坐标依次转换获取对应的空间坐标，以提升锻锤图像检测的实时性
。
[0005]本专利技术提供了一种基于单目的高速锻锤跟踪方法，所述方法包括：
[0006]对工业相机采集到的初始图像进行二值化处理，获取单目灰度图像；
[0007]根据图像极大值查找算法对所述单目灰度图像进行查找处理，获取所述单目灰度图像中的多个激光线纹区域；
[0008]基于泰勒展开式和所述激光线纹区域中各像素点的像素坐标，计算与所述像素坐标对应的亚像素坐标；
[0009]对所述亚像素坐标进行三维坐标重建，以获取所述亚像素坐标与对应的空间坐标；
[0010]基于所述空间坐标和锻锤加速度预测公式，以获取预测单目图像
。
[0011]在以上技术方案的基础上，优选的，所述根据图像极大值查找算法对所述单目灰度图像进行查找处理，获取所述单目灰度图像中的多个激光线纹区域，具体包括：
[0012]对所述单目灰度图像中满足预设灰度值的像素点进行拟合，以获取多个拟合激光线纹区域；
[0013]判断所述拟合激光线纹区域的线长是否大于预设长度；
[0014]若所述拟合激光线纹区域的长度大于所述预设长度，则判断所述拟合激光线纹区域的斜率是否小于预设斜率；
[0015]若所述拟合激光线纹区域的斜率小于所述预设斜率，则确定所述拟合激光线纹区域为激光线纹区域
。
[0016]在以上技术方案的基础上，优选的，所述基于泰勒展开式和所述激光线纹区域中各像素点的像素坐标，计算与所述像素坐标对应的亚像素坐标，具体包括：
[0017]基于高斯函数的可分离性及对称性，计算所述激光线纹区域对应的
Hessian
矩阵；
[0018]根据所述
Hessian
矩阵和泰勒展开式，获取与像素坐标对应的亚像素坐标
。
[0019]更进一步优选的，所述基于高斯函数的可分离性及对称性，计算所述激光线纹区域对应的
Hessian
矩阵，具体包括：
[0020][0021][0022][0023][0024][0025][0026][0027][0028]其中，
x
，
y
表示所述激光线纹区域中任意一点
(x,y)
的横纵坐标，
r(x,y)
表示单目图像函数，
H(x0,y0)
表示
Hessian
矩阵函数，
g(x,y)
表示二维高斯函数，
g
xx
(x,y)、g
xy
(x,y)
以及
g
yy
(x,y)
分别表示二维高斯函数的二阶偏导数，
σ
表示高斯方差，
I(x,y)
表示所述单目灰度图像的灰度函数，
r
xx
、r
xy
和
r
yy
表示所述单目图像函数的二阶偏导数，表示卷积符号
。
[0029]更进一步优选的，所述根据所述
Hessian
矩阵和泰勒展开式，获取与像素坐标对应的亚像素坐标，具体包括：
[0030]若取单位向量
(n
x
,n
y
)
为所述单目灰度图像的法线方向，则图像灰度函数
r(x,y)
沿
(n
x
,n
y
)
方向可以表示为：
[0031][0032]当时，可得
[0033]因此，
(p
x
,p
y
)
＝
(x0+tn
x
,y0+tn
y
)
为所述单目灰度图像中激光线纹区域的灰度极值点，若使一阶导数为零的点处在当前像素中，即
(tn
x
,tn
y
)∈[
‑
0.5,0.5]×
[
‑
0.5,0.5]，则
(p
x
,p
y
)
为所述像素坐标对应的亚像素坐标；
[0034]其中，
r
x
和
r
y
表示所述单目图像函数的一阶偏导数，
t
表示图像灰度函数
r(x,y)
一阶导数为零处的参考系数
。
[0035]更进一步优选的，所述对所述亚像素坐标进行三维坐标重建，以获取所述亚像素坐标与对应的空间坐标，具体包括：
[0036]构建视图变换矩阵，
[0037][0038]构建畸变映射矩阵，
[0039][0040]其中，
(x
m
,y
m
,0)
表示锻锤平面坐标系
O
m
x
m
y
m
z
m
中的任意一点
P
的坐标，
S
为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于单目的高速锻锤跟踪方法，其特征在于，所述方法包括：对工业相机采集到的初始图像进行二值化处理，获取单目灰度图像；根据图像极大值查找算法对所述单目灰度图像进行查找处理，获取所述单目灰度图像中的多个激光线纹区域；基于泰勒展开式和所述激光线纹区域中各像素点的像素坐标，计算与所述像素坐标对应的亚像素坐标；对所述亚像素坐标进行三维坐标重建，以获取所述亚像素坐标与对应的空间坐标；基于所述空间坐标和锻锤加速度预测公式，以获取预测单目图像
。2.
如权利要求1所述的方法，其特征在于，所述根据图像极大值查找算法对所述单目灰度图像进行查找处理，获取所述单目灰度图像中的多个激光线纹区域，具体包括：对所述单目灰度图像中满足预设灰度值的像素点进行拟合，以获取多个拟合激光线纹区域；判断所述拟合激光线纹区域的线长是否大于预设长度；若所述拟合激光线纹区域的长度大于所述预设长度，则判断所述拟合激光线纹区域的斜率是否小于预设斜率；若所述拟合激光线纹区域的斜率小于所述预设斜率，则确定所述拟合激光线纹区域为激光线纹区域
。3.
如权利要求1所述的方法，其特征在于，所述基于泰勒展开式和所述激光线纹区域中各像素点的像素坐标，计算与所述像素坐标对应的亚像素坐标，具体包括：基于高斯函数的可分离性及对称性，计算所述激光线纹区域对应的
Hessian
矩阵；根据所述
Hessian
矩阵和泰勒展开式，获取与像素坐标对应的亚像素坐标
。4.
如权利要求3所述的方法，其特征在于，所述基于高斯函数的可分离性及对称性，计算所述激光线纹区域对应的
Hessian
矩阵，具体包括：矩阵，具体包括：矩阵，具体包括：矩阵，具体包括：矩阵，具体包括：矩阵，具体包括：矩阵，具体包括：
其中，
x
，
y
表示所述激光线纹区域中任意一点
(x,y)
的横纵坐标，
r(x,y)
表示单目图像函数，
H(x0,y0)
表示
Hessian
矩阵函数，
g(x,y)
表示二维高斯函数，
g
xx
(x,y)、g
xy
(x,y)
以及
g
yy
(x,y)
分别表示二维高斯函数的二阶偏导数，
σ
表示高斯方差，
I(x,y)
表示所述单目灰度图像的灰度函数，
r
xx
、r
xy
和
r
yy
表示所述单目图像函数的二阶偏导数，表示卷积符号
。5.
如权利要求4所述的方法，其特征在于，所述根据所述
Hessian
矩阵和泰勒展开式，获取与像素坐标对应的亚像素坐标，具体包括：若取单位向量
(n
x
,n
y
)
为所述单目灰度图像的法线方向，则图像灰度函数
r(x,y)
沿
(n
x
,n
y
)
方向可以表示为：当时，可得因此，
(p
x
,p
y
)
＝
(x0+tn
x
,y0+tn
y
)
为所述单目灰度图像中激光线纹区域的灰度极值点，若使一阶导数为零的点处在当前像素中，即
(tn
x
,tn
y
)∈[
‑
0.5,0.5]
×
[
‑
0.5,0.5]
，则
(p
x
,p
y
)
为所述像素坐标对应的亚像素坐标；其中，
r
x
和
r
y
表示所述单目图像函数的一阶偏导数，
t
表示图像灰度函数
r(x,y)
一阶导数为零处的参考系数
。6.
如权利要求1所述的方法，其特征在于，所述对所述亚像素坐标进行三维坐标重建，以获取所述亚像素坐标与对应的空间坐标，具体包括：构建视图...

【专利技术属性】
技术研发人员：杨柳，黄忠平，袁超飞，朱博文，
申请(专利权)人：武汉惟景三维科技有限公司，
类型：发明
国别省市：