【技术实现步骤摘要】
本专利技术属于无损检测领域，具体涉及一种深度图抖动噪声去除方法。
技术介绍
1、机器视觉已越来越多的使用在实际的产品零件质量检测中，通常由传送装置运送产品零件经过数据采集区域，对数据进行处理从而检测产品零件质量状况。受传送的机械结构影响，产品零件在垂直表面的方向上产生类似周期性的抖动，在这种情况下使用激光轮廓仪扫描产品表面，获取的深度图数据会受到较大的噪声干扰，不利于后续的检测。若对传送装置进行改动，需检查传送带的胶带、辊筒和支撑结构等，这种方式会加大成本，且对于复杂的装置实施难度高。可直接处理具有抖动噪声的深度图数据，将噪声滤除从而修复数据，深度图也是图像，则该问题转化为去除图像的噪声。
2、图像中去除周期性噪声的方法主要分为空间域和变换域。空间域方法是基于统计性的特征，常见的方法有直方图匹配、矩匹配等；变换域方法是将图像采用一定的方式将图像转换到相应的频率域，常用的方法有小波变换法、傅里叶变换法等。由于实际采集环境的影响，产生的抖动在空间域上呈现的是具有类似周期性的趋势，所以在空间域的上无法较好的对这种噪声去除；而在频域...
【技术保护点】
1.一种深度图抖动噪声去除方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤1包括：以频谱中心点为原点，极坐标下的角度能量谱特征S(θ)与半径能量谱特征S(r)计算公式为：
3.根据权利要求2所述的方法，其特征在于，步骤2包括：由角度能量谱特征S(θ)的曲线得到最大峰值处的角度值θ`，确定的候选角度范围为[θ`-δ,θ`+δ]，δ为偏移量；由半径能量谱特征S(r)曲线，候选半径范围为半径能量谱特征S(r)曲线上，位于r＝1处S(1)之上的点，所述点对应的半径值集合；候选角度与候选半径通过极坐标的表达式来计算出候选噪
【技术特征摘要】
1.一种深度图抖动噪声去除方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤1包括：以频谱中心点为原点，极坐标下的角度能量谱特征s(θ)与半径能量谱特征s(r)计算公式为：
3.根据权利要求2所述的方法，其特征在于，步骤2包括：由角度能量谱特征s(θ)的曲线得到最大峰值处的角度值θ`，确定的候选角度范围为[θ`-δ,θ`+δ]，δ为偏移量；由半径能量谱特征s(r)曲线，候选半径范围为半径能量谱特征s(r)曲线上，位于r＝1处s(1)之上的点，所述点对应的半径值集合；候选角度与候选半径通过极坐标的表达式来计算出候选噪声峰值点的位置。
4.根据权利要求3所述的方法，其特征在于，步骤3包括：根据半径能量谱特征确定出低频保护区，对半径能量谱特征s(r)曲线进行平均滤波，取第一个极小值点对应的半径rl，则低频保护区为以频...
【专利技术属性】
技术研发人员：方力，杨久晓，王刚，田裕鹏，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。