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。

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。

基于改进UNet网络的线结构光光条中心提取

为了可以快速准确地提取线结构光光条中心,提出了基于改进UNet网络的线结构光光条中心提取方法,即基于RCNN(循环卷积神经网络)单元的UNet网络模型,利用端到端的深度学习方法提取线结构光激光条纹中心。该模型将RCNN单元引入到UNet网络模型中,并代替了原来的普通CNN单元。端到端的深度学习方法避免了先分割光条后提取中心的一般过程,避免了传播错误;RCNN单元可以更好地利用空间上下文和丰富的低级视觉特征,减轻噪声对图像的影响。实验结果表明,与传统算法相比,该算法保证了光条中心的精确性和稳定性,综合性能相比传统算法明显提高。

基于FPGA的实时线结构光传感器激光条纹中心提取方法

激光条纹提取方法是线结构光传感系统中的一项重要技术,其准确度和速度直接影响系统的测量性能。然而,传统Hessian矩阵法可能会产生多余中心点和缺失中心点,限制了其准确度和鲁棒性。此外,传统Hessian矩阵法计算复杂,难以应用于实时测量场景。为此,提出了一种适合在FPGA中实现的激光条纹中心提取改进方法。首先,设计了一个新的判断函数来代替最大特征值来选取显著中心点,以增加真实中心和其他区域之间的数值差异,并通过修改中心判断标准,采用非最大值抑制的方法处理多余中心点和缺失中心点。其次,将所提出的方法在FPGA中进行实现。在不降低精度的前提下,对计算进行了合理优化,减少了FPGA的资源利用率和延迟时间。在准确度对比试验中,在噪声水平分别为0,0.01,0.02和0.03时,平均绝对误差分别为0.0039像素,0.0373像素,0.0520像素和0.0646像素,均方根误差分别为0.0068像素,0.0469像素,0.0654像素和0.0811像素;在FPGA中实现时,运行时间和延迟时间分别为14.89 ms和216.42μs。实验结果证明,所提出的方法准确度高、鲁棒性好,能够进行实时中心提取。

基于骨架邻近像素匹配的光条中心提取方法

提出一种基于骨架邻近像素匹配的线结构光条中心提取方法,分别在图像预处理阶段和光条中心提取阶段对传统方法进行改进.在图像预处理阶段,将马尔可夫随机场理论应用于二值图像去噪中,同时提出了一种基于连通域面积特性的ROI(region of interest)提取方法.在光条中心提取阶段,首先提出了一种光条骨架剪枝算法,对细化ROI得到的光条骨架进行剪枝、平滑,之后综合考虑光条图像的几何特性和灰度分布特性,基于邻近分析对ROI内各像素进行划分,继而求取出灰度重心,最后经Savitzky-Golay滤波后实现光条中心提取.实验结果表明,所提方法对不同类型光条的提取适用性强,相较于Steger法精度更高,且速度在其基础上提高了约6.98倍.

法向邻域加权灰度重心的光条中心提取法

为了提高激光条纹中心提取的精度和实时性,提出一种法向邻域加权灰度重心的光条中心提取法。采用双边滤波进行图像预处理,通过最大类间方差法确定阈值进行二值化处理;通过骨架细化操作提取激光条纹的骨架,通过Bazen法计算骨架法向;利用法向邻域加权的灰度重心模型提取激光条纹亚像素中心。实验结果表明:与Steger法相比,该方法运行时间减少了28%~45%,实时性更好;与灰度重心法相比,该方法残差降低了30%~50%,准确度更高,稳定性更佳,能够弥补灰度重心法易产生断线的不足。

用于钢板测量的线激光条纹中心提取方法

针对用于钢板测量的线激光条纹中心提取方法,提出一种基于Steger方法的改进算法。首先,对原始图像进行自适应裁剪处理;其次,通过多次中值滤波操作进行噪声处理;最后,提出一种间隔n行采用Steger算法、中间行近似拟合的方法来计算条纹中心。应用结果表明,该算法将条纹中心提取速度提高了5倍,对于钢板实时测量系统具有一定工程意义。

基于改进细化法的线激光中心提取方法

线激光条纹中心线提取的精度和速度是线激光三维测量技术的关键,针对现有的激光条纹中心提取方法在速度快和精度高之间的矛盾,提出一种改进细化法的线激光条纹中心线提取方法。首先对图像进行滤波操作,阈值分割,再基于改进的细化算法,对提取中心进行冗余去除和补线处理,实现了线激光条纹中心快速和高精度的提取。通过实验结果表明,相比灰度重心法,所提方法在精度上提高近1倍,相较于Steger算法,在运行速度上提高近15倍。因此,所提算法具有复杂度低,且具有提取速度和精度高的优点。

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。

基于改进结构光条纹中心提取的三维视觉检测技术

针对工业金属零部件表面质量检测中采集的激光条纹图像存在灰度分布不均等问题,提出一种基于线结构水平扫描结合改进激光条纹中心提取的三维检测技术。基于调制的线结构光三维计算机视觉技术,标定工业相机、线结构光平面及水平扫描连续帧的位姿变换;基于窗口的二维动态阈值灰度加权改进激光条纹中心线提取方法,提高中心线提取精度。实验结果表明:采用改进结构光条纹中心提取的三维视觉检测技术重建光滑陶瓷地板表面点云,深度标准差为0.09 mm;采用该技术对高度10 mm的金属标准块表面形貌进行检测,检测精度优于0.3 mm,误差在合理范围内。提出的三维检测技术可高效无损伤地实现高精度工业金属零部件的三维检测。

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。