改进Steger算法流程的激光条纹中心提取

在三维测量与重建的过程中,准确地提取激光条纹的中心位置至关重要。然而,由于Steger算法运算量庞大,难以满足工业领域对实时性的迫切需求。为克服Steger算法运算量大、提取效率低的难题,首先,采用波峰波谷阈值分割的方法对预处理过的图像进行阈值分割,以降低图像的复杂性;其次,通过设置最小矩形面积和最小长宽比查寻感兴趣区域,提取感兴趣区域以减少算法的冗余计算;最后,对感兴趣区域用改进后的Steger算法进行中心提取。经过实验数据分析,所提算法保留了传统Steger算法的精度和有效提高了Steger算法的运算速度,这为实时进行三维重建提供了有力支持。

基于PCA的金属工件表面线激光中心提取算法

在基于线结构光的金属工件表面测量中,针对金属工件表面存在的强烈反光、激光条纹断裂等问题,本文提出了一种基于改进主成分分析法的激光条纹中心线提取算法。首先,针对金属工件表面不规则反光,提出了基于分段灰度变换的大津法(OTSU)提取图像的光条纹区域;其次,针对Steger算法卷积运算次数多、效率低、实时性差的问题,提出了基于主成分分析法(PCA)的改进Steger算法,采用主成分分析法构建了梯度向量的协方差矩阵估算条纹的法线方向,并在该方向使用二阶泰勒展开获得精确的条纹中心亚像素坐标。实验结果表明,本文算法在金属工件表面存在严重反光条件下可以有效提取激光条纹区域,同时提取的激光条纹中心线标准差相较于灰度重心法减少了约0.25 pixel,速度上相对Steger算法提高了近13倍,能够快速、高精度的提取激光条纹中心线,满足结构光三维视觉实时检测的需求。

复杂光照环境下的线结构光条纹中心提取方法

提取线结构光条纹中心是三维测量系统中关键的一步,针对复杂光照环境以及Steger算法耗时长的问题,提出一种快速、准确的光条纹中心提取方法。采用滤波算法去噪,顶帽运算和边缘检测消除背景中的复杂光照;接着采用改进Rosenfeld骨架化得到初始中心,拟合初始中心点和条纹上下轮廓点计算初始中心的法向和光条纹的线宽;最后基于改进Hessian矩阵得到亚像素中心点。实验表明,该算法适用于复杂多变的环境;算法运行时间为0.151 s,相较于Steger算法提高了近8倍;提取精度为0.23 pixel,保留了Steger算法的高精度,能够实现对光条纹中心的快速、精确提取。

复杂背景下的结构光条纹中心提取算法研究

线结构光三维扫描建模系统中最关键的一步是提取光条中心线,但环境中各种因素的干扰给中心线提取带来困难。针对线结构光条纹图像存在光斑干扰、光强分布不均、光条宽度差别大、背景复杂等多种问题,提出解决方案。首先采用Otsu对结构光图像二值化;其次采用改进DBSCAN(density-based spatial clustering of applications with noise)算法保留核心点,去除边界点和噪声点;最后将核心点作为输入,构建图数据结构,采用适用于线结构光条纹图像的最短路径搜索算法得到光条中心线。实验结果表明,该算法运行时间在150 ms以内,误差在0.2像素以内,并适用于多种复杂环境,满足实时性、准确性和稳定性的要求。

粗糙金属表面光条中心提取方法

为了精确提取粗糙金属表面的光条中心,提出了一种基于光切法的光刀条纹中心提取方法。从图像形态学角度出发,分析了图像的噪声来源,利用图像增强处理将噪声转化成颗粒状形态,并保持有效光条的连续条纹状特征。然后,通过对图像连通区域面积计数,分割噪声和有效光条信息,将得到的二值化光条图像作为掩模板,与原图像相乘来复原光条图像的灰度信息。最后,应用灰度重心法对已去噪的光条灰度图像进行中心提取。实验结果表明,提出的方法可使提取的光条中心全部落在光条位置区域。对噪声较多的直线条纹区域进行的中心提取显示,此方法的平均误差为0.337 5个像素。

线结构光三维视觉测量中光条纹中心提取综述

光条纹中心提取是线结构光三维视觉测量中的关键技术.把影响光条纹中心提取精度的主要因素归纳为工作环境、激光平面、被测物体和图像采集系统,并对其进行了对比分析.根据提取算法的理论基础、对图像信息的利用及计算思路特点的差异,将其分为几何中心方法和能量中心方法两大类.针对每类方法的计算思路、优缺点、改进方法、适用工况等在细分类方法中进行了对比分析和归纳总结.最后结合两大类方法的发展特点,提出了光条纹中心提取方法的进一步发展方向.

面向大尺寸检测CCD图像中心提取精度的研究

大尺寸测量中,数字图像处理技术起到了至关重要的作用,而图像中心特征的提取精度是影响数字图像处理的核心因素之一。目前常用的中心特征的提取方法是传统质心法、灰度阈值质心法、平方加权质心法和高斯曲面拟合法质心法。由于采集图像时物体距CCD像面距离不固定,上述方法对不同物距采集的图像中心特征提取效果不同。现将在理论分析和仿真实验验证2个方面对这4种方法的特性进行比较。实验结果表明:高斯拟合质心法更适合较远距离采集图像的标定,而另3种质心法更适合较近距离采集图像的标定。

关节臂激光扫描系统光条中心提取方法研究

在基于关节臂的线激光扫描系统中,光条中心的提取精度和所用时间直接影响到整个系统的测量精度和实时响应能力。本文在国内外现有算法基础上整合改进,利用迭代阈值法、改进Sobel算子和光条修补算法完成光条粗提取,取中心点附近10 pixels利用灰度重心法计算光条中心精确位置。实验证明,该算法在350 mm?350 mm测量范围内,系统测量误差优于40?m,一次提取时间28 ms,确保系统35 f/s扫描频率,满足实时在线测量要求。

双目视觉测量中等匹配点的光条中心提取

为了精确、快速提取激光条中心,使其提取结果更适用于工业现场特征尺寸的双目视觉测量,提出了一种等匹配点的激光条中心提取方法。利用灰度重心法粗提取出激光条中心点,计算灰度梯度方向,确定光条边界。接着,根据左右图像中激光条的粗提取结果确定基准光条,对另一幅图像中的对应光条进行插值。然后结合灰度梯度方向与插值结果对激光条进行重提取,得到等匹配点的亚像素中心坐标。最后,利用激光条中心点提取结果重建陶瓷平板、金属板表面及加工现场锻件表面的特征信息。实验结果表明,本文方法提取陶瓷板与金属板的激光条中心点的匹配率分别为99.887%与98.276%,宽度重建的相对误差分别为0.638%与0.488%,激光条中心提取结果能有效重建锻件表面的特征信息,满足工业现场对测量的精度、速度和鲁棒性要求。

复杂背景下光条中心提取算法研究

在光切法三维表面重建过程中,光条中心坐标的提取至关重要。针对复杂背景下激光图像特点,研究激光条图像的预处理和光条中心提取算法,提出一种两帧平均再相减的改进差影法,较好地实现了复杂背景下激光条图像的分割,选用基于极值法的灰度重心法提取激光条中心线。实验表明该方法实现简单,光条图像处理复杂度低,与经典OTSU方法相比较其处理速度提高了20%左右,精度达到了亚像素级水平。

汽车焊缝密封胶条的光条中心提取算法研究

汽车焊缝涂胶能够提高车身密封水平,需要对胶条进行检测并且获得三维信息。激光三角法是应用广泛的检测方法,其关键技术之一是准确提取光条中心。但针对黑色被检胶体,光条中心提取鲁棒性差,因此提出了一种基于光条分割的Hessian矩阵定位和高斯曲线拟合的算法。首先,将整体图像对比度提高,运用去噪算法消除干扰的噪声;然后用极值法初步定位光条,结合Hessian矩阵对激光条的中心进行定位;最后利用高斯曲线准确拟合出激光条的中心。实验研究表明,在对光条图像添加噪声幅度为100的白噪声之后进行处理,同样能够将精度控制在亚像素级别,能够提高黑色被检测物体的光条的稳定性。

自适应方向模板线结构光条纹中心提取方法

在使用线结构激光测量的过程中,提取结构光条纹中心是影响测量结果的重要步骤。由于激光发生器产生的激光能量密度、激光投射面反射率不一致、外界光线干扰、相机拍摄误差等因素,条纹宽度有时会出现显著的不均匀。而在使用方向模板法提取结构光条纹中心的过程中,由于模板的大小取决于结构光条纹的宽度,上述现象直接影响条纹中心提取的准确性。对此提出了一种自适应方向模板的结构光条纹中心提取方法,进行了实验与对比,并对影响提取效果的因素进行了分析。结果表明,该方法能够很好地适应结构光条纹不均匀情况下的中心线提取。

基于一种超分辨率算法的三维散射中心提取方法

针对转台-弧形导轨测量方法,在二维MEMP方法的基础上,提出一种适用于三维散射中心提取的超分辨率算法.该方法利用Hankel矩阵的结构特性,以及子空间不变技术等,实现对信号三维参数的正确估计,并且无需额外的配对步骤.对八个散射点组成的立方体模型的数值仿真表明,该算法可以正确估计信号参数对,并对噪声的鲁棒性较强.进一步将三维参数估计问题扩展到N维情况,给出了具有较普遍意义的N维参数估计公式.

快速线结构光中心提取算法

在线结构光三维测量系统中,结构光中心提取的速度和精度直接影响到系统的整体性能。基于几何中心法、方向模板法和灰度重心法,提出了一种快速提取结构光中心的算法。首先,先对图像进行预处理,通过几何中心法快速提取结构光中心作为骨架;然后,提出了一种基于位置的法线判断法求取骨架法线方向,与常用的方向模板法比较,在速度上有了大幅度提升;最后,对骨架法线方向上像素进行灰度加权,从而精确提取结构光中心。实验结果表明,该算法不仅在速度上有很大提升,而且精度也达到了亚像素级别。

利用弹头目标微动信息的两种三维散射中心提取方法

雷达目标三维散射中心提取技术广泛应用于散射特性分析、建模以及目标跟踪。结合弹头目标的微动信息,可以间接得到雷达视角信息。本文在分析了此转化关系的基础上,提出两种三维散射中心提取方法,分别是投影方程求解法和球面拟合法。原理上,分别从代数和几何两个方向体现一维投影距离到三维空间位置的映射原理;算法上,解方程法是基于映射原理,进而求解矩阵方程来实现的;球面拟合法根据一维投影数据的球形分布规律从映射图中提取球面,过原点的直径与球面的交点即为强散射中心。GTD散射模型回波数据和暗室测量数据分别验证了这两种方法的有效性。最后,对两种方法的特点和性能进行了比较,同信噪比下,球面拟合法优于解方程法约15dB。

精确的线结构光中心提取算法研究

光条纹中心的精确提取是线结构光三维识别系统的重要环节。环境光干扰、被测物表面反射以及图像采集系统所产生的噪声都给光条提取增加了难度。文章提出了一种快速精确的线结构光条纹中心提取法。首先,对图像进行预处理,通过边缘法对结构光中心线进行边缘检测;然后,用均方灰度梯度法确定结构光中心法线方向;最后,对法线方向上像素进行灰度加权,从而精确提取出结构光条纹中心。实验结果证明,该算法光条纹中心的提取精度达到了亚像素级别。

基于改进Steger算法流程的线激光中心提取

在三维测量与重建过程中,线激光条纹中心的提取尤为重要,Steger算法由于运算量巨大,无法满足工业中实时性的要求。为了解决Steger算法运算量大、提取效率低的问题,本文提出了基于改进Steger算法流程的线激光中心提取方法,主要用于提高光条中心提取效率。首先通过滤波和形态学方法对图片进行预处理去除噪声。其次,将灰度化图像进行阈值分割,降低图像复杂度。最后,通过提取感兴趣区域、粗略估算光条宽度降低算法冗余度,再运用Steger算法对感兴趣区域内光条进行中心提取。通过实验数据分析,改进后的Steger算法流程与传统Steger算法相比较,不仅继承了传统Steger算法优良的稳定性,而且有效地提高了光条纹中心提取效率,为实时进行三维重建与测量打下了基础。

线结构光光条中心提取算法研究

为了提高线结构光测量精度,减弱测量环境中光线、微粒子以及光电噪声等因素的影响,提出了一种改进的线结构光光条中心提取算法.首先采用小波变换法对图像进行去噪处理,并用最大类间方差法求取阈值分割图像.然后采用改进的算法提取光条中心,在已有的方向模板法基础上,结合骨架法思想拟合小区域的光条斜率,取其法线方向邻域点并利用灰度重心法得到光条中心点.实验结果表明:能够有效提高运算处理速度,而且提取的中心点数据更加稳定、精度更高,能够满足后续测量需要.

管道内表面检测圆结构光光条中心提取算法研究

为了实现管道内表面圆结构光三维重建并直观反映缺陷位置,针对圆结构光条纹中心的快速、精确提取,提出了一种基于感兴趣区域提取和光条骨架可变方向模板法结合的光条中心提取方法.首先对感兴趣区域进行提取(ROI),在此区域内用最大类间方差法进行阈值分割,再结合可变方向模板法实现亚像素级圆结构光条纹中心提取.实验结果表明:该算法可以精确快速提取圆光条中心,进而使三维重建达到良好效果.

复杂环境中的线结构光中心提取方法

为避免复杂环境和物体不均等因素影响,造成提取的线结构光中心不完整、无效或者断裂问题,提出一种多尺度卷积并行的方式,利用端到端深度学习方法提取线结构光中心。用第一个网络进行目标检测,用于提取感兴趣的图像特征区域,检测到线结构光。因为第一个网络中加入解码层和编码层,即使在复杂的背景环境中,也可以提取线结构光的面积。使用第二个网络和稀疏算法得到单像素的线结构光中心。通过不断优化算法定义的损失函数值,得到平滑、完整的中心线。实验结果表明,该方法速度快,有效排除了环境干扰,在复杂环境中提取的线结构光中心线完整。