结构光光条提取的混合图像处理方法

将大模板高斯递归实现引入到结构光条纹中心提取中,提出了一种基于感兴趣区域(ROI)的结构光条纹中心混合图像处理方法.结合图像的阈值化和膨胀算法,自动分割出结构光条所在区域作为光条提取的ROI,利用高斯卷积递归实现获得ROI内光条纹各点的Hessian矩阵,并确定光条纹各点的法线方向,最后在法线方向利用泰勒级数展开求得ROI内光条纹中心的亚像素图像坐标.实验表明,基于ROI的结构光条纹中心混合图像处理方法具有精度高、鲁棒性好和自动化程度高等特点,所提出的算法大大地减少了结构光条纹提取的冗余计算,实现了光条纹中心线的快速高精度提取.在保证光条提取的精度和鲁棒性前提下,所提出的算法将光条提取速度提高了10多倍,为结构光视觉三维测量的实时应用奠定了基础.     

钢轨磨耗动态测量结构光条纹中心提取算法

针对钢轨磨耗结构光动态测量中结构光条纹中心提取的实时性问题,提出一种新的序列图像中结构光条纹中心的快速提取算法。以上一帧图像中提取的钢轨条纹中心作为条纹中心的初始位置,首先对初始位置进行校正,以补偿传感器振动所带来的图像中条纹纵向变化,然后在法向方向上使用灰度质心法计算得到条纹中心的近似值,通过在近似值点计算单点Hessian矩阵获得条纹中心的亚像素精确位置。实验表明,该方法速度快、精度高,有效解决了基于结构光视觉的钢轨磨耗动态测量中条纹中心的实时精确提取问题。     

多场景下结构光三维测量激光中心线提取方法

结构光三维测量技术是获得物体三维信息的重要途径,激光条纹中心线提取是影响结构光三维测量精度和速度的关键因素。提出了一种适用于多场景下结构光三维测量的激光条纹中心线提取方法,充分利用图像中激光条纹的几何信息和相关性生成自适应卷积模板,实现激光条纹图像的滤波和增强处理,使激光条纹横截面灰度值满足高斯分布;经灰度加权法实现激光条纹中心线的亚像素精度定位与提取。实验测试结果表明:该方法可实现多场景下形状、材质各异物体的条纹中心线提取,有效克服了激光条纹亮度分布不均、噪声干扰等影响,单幅图像处理时间缩短为0.107 s且相对误差减少到0.076 5%,有效提高了激光条纹中心线的提取精度和速度。     

基于主成分分析的结构光条纹中心提取方法

条纹中心提取是线结构光表面形貌测量的关键问题,提出一种基于主成分分析方法实现结构光条纹中心提取的方法。利用大津阈值法提取图像的感兴趣区域(ROI),在经两次高斯卷积得到条纹的梯度分布的基础上确定条纹中心的初始位置,利用主成分分析来确定这些点上法线方向;以初始位置为基准点,对条纹的灰度分布函数在法线方向进行二阶泰勒展开求得条纹中心的精确位置。实验结果表明,该算法具有速度快、精度高等特点,相对Steger算法,均方误差(MSE)小于0.003 pixel,速度提高了近3倍。该方法能够实现结构光条纹中心线的快速高精度提取,为结构光视觉检测的实时应用奠定了基础。     

基于条纹边缘解码的结构光三维测量技术

基于结构光的三维视觉测量关键问题之一就是如何准确地获取投射光的投射角.本文结合三角法公式提出了基于Gray码边缘编码解码的投射角求取方法.该方法采用等宽Gray码条纹进行编码,采用一种基于边缘导向的亚像素定位技术提取条纹边缘,用其上象素点进行解码,消除了Gray码固有的一位解码误差,同时将图像采样点定位准确度和图像采样点与物面采样点的对应准确度提高到亚像素级.此外,分析了等宽编码条纹对投射角划分不平均导致的测量误差,并加以修正.最后,利用3dsmax、Matlab软件仿真了测量系统,重构出被测表面.实验结果表明,测量误差约为0.05%.     

基于FPGA的彩色图像Bayer变换实现

利用飞速发展的FPGA技术,在图像采集前端实现Bayer插值变换。比较了常用的3种插值方法,选用计算复杂度较高但图像质量最佳的Optimal Recovery方法。采用Lattice的FPGA芯片LFECP2-M50,实现1 208×1 024图像,12 f/s,实时Bayer转换。给出了实时采集图像结果,显示了插值变换前的原始图像,计算了变换后图像的峰值信噪比PSNR。总结基于FPGA的彩色图像Bayer插值变换实现方法,利用FPGA技术,采用并行算法结构,实时实现了大尺寸图像Bayer转换。     

基于轻量化DeepLab v3+网络的焊缝结构光图像分割

基于激光结构光视觉传感的焊缝跟踪技术将焊缝定位转化为结构光条纹特征点的定位，具有较强的普适性。然而，实时焊缝跟踪中弧光（焊接电弧产生的强烈可见光）、飞溅（溅射焊渣）、烟尘等噪声对结构光图像造成了严重的污染，从而影响了焊缝定位的精度和鲁棒性。滤除结构光图像中的噪声对于提升焊缝定位的精度和鲁棒性具有重要作用。为滤除焊缝结构光图像中的噪声，本文提出了一种基于轻量化DeepLab v3+语义分割网络的焊缝结构光图像分割方法，通过分割出结构光条纹的前景图像来达到噪声滤除的目的。采用浅层Resnet-18网络替代DeepLab v3+的原始深层骨干网络，以提高分割效率；以像素占比的补数为权重设计了加权交叉熵损失函数，以提高结构光条纹分割的像素准确率。实验结果表明：所提方法的平均单张图像推理时间为15.9 ms，结构光条纹的像素准确率为96.47%，结构光条纹的平均交并比为89.04%，可以实现高效、精确、鲁棒的结构光图像分割，从而达到焊缝结构光图像中弧光、飞溅、烟尘等噪声滤除的目的。     

线结构光条纹中心亚像素自适应提取算法

为了解决传统条纹中心提取算法对物体材质及噪声敏感问题, 采用自适应结构光条纹中心提取算法来提取条纹亚像素坐标。该算法首先对图像进行预处理, 利用图像掩模操作提取条纹图像感兴趣区域, 通过自适应卷积模板消除噪声干扰, 得到条纹区域截面宽度及条纹中心坐标的像素集合; 其次根据中心坐标的像素集合采用二次加权灰度重心法求取条纹中心初始坐标值, 将此作为种子点进行区域生长运算, 并结合主成分分析分解特征矩阵; 最终得到线结构光中心的亚像素坐标点。结果表明, 该算法能够有效快速地获取结构光条纹中心亚像素坐标, 相比灰度重心法, 所提算法实验结果波动性较小且标准误差也相对较小, 提取速度相比基于Hessian矩阵的Steger法提高近4倍, 满足工业测量系统实时性要求。所提出的结构光条纹中心提取算法具有较高的提取精度和良好的稳健性, 计算复杂度低, 具有较高的实时性, 可为后续3维视觉测量系统提供良好的精度保障。     

一种线结构光亚像素中心坐标提取方法

为了提高光条中心点提取的精度和速度，提出了一种新的线结构光条纹中心亚像素提取方法。首先对图像进行中值滤波，采用轮廓跟踪算法避免扫描光条纹区域外的像素，以此提高计算速度，结合灰度重心法对光条纹中心进行初提取；通过均方灰度梯度法计算光条纹的法线方向并以初提取点为中心进行双线性插值；以提取到的初始点和插值点采用加权灰度重心法计算光条纹中心的亚像素位置。实验结果表明，所提方法的标准误差在0.140 0 pixel左右，运算时间约为0.067 0 s。     

一种基于线结构光的焊缝三维重建方法

介绍了一种基于结构光和双目视觉的焊缝三维重建方法。该方法利用轮廓点曲率提取激光条纹的轮廓关键点,再由所提取的关键点计算轮廓横截面法向量。并根据激光条纹服从正态分布的特点,借助灰度重心法提取条纹中心线。将焊缝在双目摄像机中的图像坐标点转换为世界坐标点,从而完成焊缝三维空间信息的重建。实验结果证明本文方法快速、准确,可以满足自动焊接机器人系统的应用要求。