基于灰度权重模型的激光条纹中心提取算法

为了在多噪声环境中精确提取激光条纹中心, 采用改进的灰度权重模型, 提取激光条纹的亚像素中心。通过均值阈值法以及改进的灰度权重模型对3维激光成像系统采集的图像进行了处理, 并与传统的算法进行对比。结果表明, 该算法能够较为完整地提取激光条纹区域, 并且其平均拟合相关系数为0.9809(最接近1), 平均列坐标最大差值为0.4518pixel(最接近0), 平均变异系数为0.0062(最接近0), 相对其它方法具有更优的结果, 能够抑制多噪声环境对于激光条纹提取的影响, 精确提取激光条纹的亚像素中心, 具有较好的鲁棒性。该算法为精确提取激光条纹的中心提供了参考。     

一种快速光栅条纹中心亚像素坐标提取方法

光栅条纹中心的精确提取会直接影响到线结构光视觉的测量与重建精度。为了解决传统的Steger算法计算量大,且在光条不均匀时提取不精确等问题。基于改进的Steger算法,提出了针对光栅条纹中心的快速亚像素坐标提取方法。通过高斯滤波、形态学等方法得到去复杂背景的激光条纹图像,用自适应阈值法缩小ROI区域,用霍夫变化求取光栅边缘线,求出边缘线中点,然后直线拟合,最后用改进算法提取中心坐标。实验结果表明:与模板法、传统Steger算法等光栅条纹中心提取算法相比,算法的鲁棒性更强,最大提取误差在0.3个像素,平均误差为0.1个像素,平均运行时间相比传统算法减少0.4 s。     

基于块匹配的激光条纹亚像素中心提取

线结构光进行三维测量时获取的结构光图像易受噪声干扰,影响了光条中心提取精度,进而限制测量系统精度。为减少噪声干扰,提高光条中心坐标提取精度,提出了一种基于块匹配的光条中心提取方法。通过骨架细化算法初步提取光条像素中心,在每个像素中心周围生成包含其邻域信息的图像块,通过块匹配寻找结构光图像中的相似光条结构,求取具有相似结构的光条中心坐标均值作为最终坐标中心。通过仿真分析和实验验证,该算法能够有效抑制图像噪声影响,提高了光条中心提取精度。     

玻璃厚度检测图像特点及其识别算法的研究

结合线阵CCD扫描二维图像工作原理,分析了玻璃厚度检测图像特点.精确提取光条纹图像中心是提高玻璃厚度测量精度的关键,提出一种改进的灰度重心法进行中心提取.先用Canny算子进行边缘检测,确定目标区域,再用加权灰度重心法提取玻璃厚度图像条纹中心.该算法可较好地抑制背景噪声,中心定位可达亚像素级,定位精度提高了0.2像素.基于上述算法,通过计算中心坐标差可得到玻璃厚度值.实验结果表明,该算法正确有效,玻璃厚度测量系统分辨率可达1μm,系统测量误差小于0.1%,实现了高精度、高稳定性的玻璃厚度在线检测.     

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.     

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。     

时间连续帧信息复用条纹中心快速提取方法

线结构光三维测量技术通过逐行扫描工件,计算工件连续轮廓线三维坐标,最终拼接各轮廓线形成完整的三维形貌。为了研究扫描过程中图像连续帧之间的相似性关系,提出一种时间连续帧信息复用的条纹中心快速提取方法,进一步提升线激光光条中心线提取速度。首先,采用自适应光条分割重心提取算法对首帧激光条纹进行中心线坐标计算;然后,在时间连续帧中心线坐标信息的基础上,对当前帧光条图案进行快速光条粗定位;最后,对光条中心线进行亚像素精度计算。该方法根据时间连续帧图像的相似性,进行连续帧光条中心线坐标信息复用,减小重复计算,提高算法速度。实验结果表明,该方法可实现高达133 frame/s的中心线计算速度,大幅提高了结构光三维扫描速度,可应用于其他大型工件的三维重建。     

线激光光条中心快速提取算法

提出一种新的快速激光条纹中心提取算法,该算法具有较好的抗噪声或冗余点能力。该算法在传统重心算法的基础上结合轮廓跟踪算法,根据激光条纹在图像中的分布特点,通过阈值轮廓跟踪算法避免了对图像中不包含激光条纹区域的扫描,以此提高了提取速度,不用对整幅图像完成一次扫描即可计算出激光光条中心。所提算法具有复杂度低、计算简单、程序运行时间少等优点。实验结果表明:该算法能够实现对光条中心的快速提取,比Steger算法提速将近70.37倍,比传统重心算法提速将近4.48倍;对光条图像增加噪声(冗余)点后发现,所提算法具有优良的抗噪效果。     

一种用于消除红外图像噪声的自适应加权滤波算法

针对带有高斯噪声和椒盐噪声两种混合噪声的红外图像,提出了一种自适应加权混合去噪算法。该算法首先通过邻域像素的灰度差值来判断像素噪声的类别,然后对高斯噪声采用自适应加权均值滤波法滤除,对椒盐噪声采用自适应加权中值滤波算法滤除。实验表明,该方法优于传统均值滤波算法和中值滤波算法,能同时消除混合噪声,并具有较好的保护图像细节的能力。     

一种基于高斯拟合法的激光光束中心提取方法

在激光辅助的视觉测量系统中,高斯拟合法的拟合数据选取影响激光光束中心提取精度。针对不均匀光照下激光图像难以确定高斯拟合数据数量的问题,文中提出一种基于随机抽样一致性算法的自适应高斯拟合方法。根据激光图像背景区域灰度分布的变化特性,采用随机抽样一致性算法估计背景区域灰度分布模型;将该模型的局外点作为拟合数据,从而利用高斯拟合法获得激光光束中心点的亚像素坐标。实验结果表明,该方法选取激光图像的高斯拟合数据平均拟合系数达到0.934,与固定拟合数据长度的高斯拟合法相比,提高了激光中心提取精度。     

结构光光条中心亚像素快速提取方法

为准确获得结构光光条图像的光条中心,提出了一种新的光条中心亚像素提取方法。该方法通过光条截面能量中心和光条法线方向的迭代计算,实现了光条中心的亚像素精度快速提取。仿真实验结果表明,对于768×576piexl的图像,在噪声水平σ=36时,光条提取精度达到0.12piexi像素,光条提取速度约6.5ms。     

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。     

基于密度聚类的光条中心线提取方法

为了解决线结构光3维测量中噪声光斑对提取精度的影响，采用了密度聚类灰度重心提取算法提取激光光条中心线。该方法由中心线预提取以及中心线最终提取两阶段组成，预提取阶段实现对激光与光斑两者中心线的同时提取，最终提取阶段采用基于连通性的密度聚类算法完整保留激光中心线并剔除噪声光斑。在仿真实验阶段，对大小为600pixel×600pixel、含有激光中心线的图像进行了加噪处理，并使用提取结果与真实中心线之间各点的均方根误差以及运行时间作为考察标准进行了实验研究。结果表明，该方法与传统灰度重心法相比，在高亮度各向异性光斑、高亮度小面积光斑、高亮度点噪声图像的均方根误差分别降低了12.59pixel，15.12pixel和83.36pixel，时间复杂度分别提高了0.383s, 0.412s和0.416s。该方法与传统灰度重心法相比具有更高的提取精度、近似的时间复杂度，且对噪声光斑具有较好鲁棒性，可以在噪声光斑图像中完整提取出光条中心线。     

结构光条纹中心线的鲁棒提取

结构光条纹中心位置的精确检测是影响结构光系统精度的关键问题之一。提出一种多步骤的鲁棒性提取方法,首先采用自适应阈值法剔除噪声点,然后采用光条膨胀和细化方法,得到初始的中心点,并利用此初始中心点的梯度,得到光条法线方向。最后,在法线方向求取灰度重心,得到光条亚像素中心线。该方法应用在基于线结构光检测原理的隧道轮廓变形监测装置中,实验结果表明,能准确提取光条纹中心。     

一种条纹中心线快速亚像素提取方法

提出了一种基于Hessian矩阵的亚像素精度结构光条纹中心提取算法．实践证明,该算法具有高精度、鲁棒性强等优点,其不足之处为运算量大、效率低．将原算法与阈值法结合,提出了算法的改进快速方法,很大程度上减小了算法的运算量,实现了结构光条纹中心线的实时提取．     

基于小波变换的结构光光条图像去噪方法

结构光光条图像通常受到大量噪声的干扰,会对光条图像分析的造成影响。本文通过对结构光光条图像的噪声特点的分析,结合中值滤波和小波去噪特性,提出基于自适应中值滤波和改进小波重构的去噪方法。用本文提出的方法对结构光光条图像进行去噪处理,并与传统小波软阈值去噪法等其他去噪方法结果进行对比。使用客观的评价标准对两种方法去噪效果进行评价,结果表明,本文提出的去噪方法对结构光光条图像有更好的去噪效果。     

焊接机器人实时引导中光条快速提取算法研究

在结构光视觉测量系统中,激光条纹的提取精度和速率直接影响到最终测量结果的精确度。为了解决现有激光条纹提取方法难以同时达到抗干扰能力强、稳定性好和运算量小等问题,采用了一种优化Steger快速提取激光条纹中心的方法,利用梯度阈值分割出有效条纹区域,采用优化的扫描方式,用灰度重心法对条纹中心进行粗提取,然后用Hessian矩阵法对条纹中心进行精提取。对激光条纹提取原理进行了理论分析,并对软硬件设计进行了实验验证,取得了较好的实验数据。结果表明,该方法与传统方法相比,具有提取精度高、提取速率快的优点,这一结果对柔性传感器的高精度和实时性是有帮助的。