嵌入式系统中的快速光条中心提取算法

在嵌入式系统中,其各种资源有限,为实现由ARM9处理器构成的三维形貌测量系统,光条纹中心提取算法的时空效率至关重要。激光器投射的光条在其法线方向上灰度值呈现高斯分布,针对该种情况,提出应用条纹法线方向结合灰度重心法求条纹中心的方法。对获取的图像进行中值滤波,用最大类间方差法对图像进行阈值分割;利用阈值法粗略提取光条的中心,利用微分中值定理近似求出光条纹法线方向,在法线方向上利用灰度重心法求光条中心。在实验中移植OPENCV2.0嵌入式视觉库,实验结果表明,该方法能实时精确地提取光条中心,且能达到亚像素级。     

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。     

复杂背景下蓝色线结构光中心提取方法

针对复杂背景环境下蓝色线结构光测量系统中如何准确快速地提取出光带中心的问题,根据线结构光中像素的蓝色分量在RGB三基色中的比重以及光带中心两边灰度分布特性,提出了一种基于区域重心法的线结构光中心快速亚像素提取算法. 该算法运用自适应阈值法确定光带边界阈值,采用平滑处理降低光带非正态分布对光带中心提取的影响,应用区域重心法进行光带中心的亚像素提取,最后采用连通区域法剔除错误的光带中心. 实验结果表明,该算法具有较高的稳定性、良好的抗噪性、较强的鲁棒性.     

精确提取线结构光条纹中心方法

线结构光三维坐标测量中,光条纹中心的精确快速提取直接影响测量精度与效率。提出了基于光条纹图像方向与重心法相结合的方法,首先用阈值法获取条纹中心初值,然后,通过光条纹图像的灰度梯度,计算条纹法线方向,最后,在法线方向用重心法提取光条纹重心。实验结果表明,该方法能快速精确地提取光条纹中心,精度达到亚像素级。     

基于梯度重心法的线结构光中心亚像素提取方法

针对线结构光测量系统中如何准确快速地提取出光带中心的问题,根据线结构光图像上光带中心两边的灰度梯度特性及光带灰度的非正态分布特点,提出了一种基于梯度重心法的线结构光光带中心快速亚像素提取算法。该算法采用低通平滑滤波和幂次变换降低图像噪声和光带灰度非正态分布对光带中心提取的影响,运用自适应阈值法确定光带的边界阈值,应用梯度重心法进行光带中心的亚像素提取。实验结果表明,基于梯度重心法的光带中心提取算法具有较高的提取精度,并且有良好的抗噪性和鲁棒性。应用了此方法的3维测量系统的精度也得到了显著提高。     

激光光条中心线提取研究综述

激光光条中心线提取在视觉测量、三维重建等领域具有重要的作用.介绍了不同类型的中心线提取模型,并且回顾了这些模型的转变和创新.具体来说,根据模型采用的核心算法,将中心线提取模型分为传统提取模型和基于深度学习的提取模型;传统中心线提取模型又分为极值模型、灰度重心模型、曲线拟合模型、基于Hessian矩阵的Steger模型和...     

一种结合梯度锐化和重心法的光条中心提取算法

在基于线结构光的视觉测量系统中,激光条纹中心位置的准确提取是影响系统精度的关键因素之一。本文分析了光条中心提取算法的研究现状,并比较了现有算法的优缺点,提出了一种结合梯度锐化和重心法的光条中心提取算法,该算法首先利用梯度锐化提取出光条的边缘,根据提取出的边缘得到光条的近似中心,然后在光条近似中心左右的小区域内利用重心法提取光条中心。实验结果表明,该算法能够准确地提取出光条中心,具有很强的抗噪声能力,精度为亚像素级。     

线结构光扫描传感器结构参数一体化标定

为了精确快捷地标定线结构光扫描传感器的结构参数,提出了一种线结构光扫描传感器结构参数一体化现场标定的新方法,建立了线结构光扫描传感器的数学模型,根据张正友摄像机标定思想结合L-M非线性优化算法能快速精确地完成摄像机内外参数的标定,在此基础上,引入辅助线激光,通过反复多次提取两激光交点完成对线结构光平面精确标定。文章还介绍了如何获取激光交点以及精确提取交点坐标的方法,通过设计相关实验验证了本文方法的可行性,使系统精度优于24μm,能满足实际测量要求。     

基于线结构光的视觉3D测量中光刀中心提取方法研究

回顾了基于计算机视觉的线结构光刀中心位置的提取方法,对各种方法进行了分析和实测,在深入研究光刀厚度及中心线分布后,提出了一种兼顾精度和计算时间的水平中值提取方法,三维重建结果表明了该方法的有效性。为基于线结构光的视觉3D测量中数据精确采集提供重要的保证。     

亚像素级光刀中心提取方法研究

针对三维激光扫描中快速精确提取光刀中心困难的问题,提出了一种新的亚像素级光刀中心提取方法。首先对光刀图像进行包括灰度变换、分割以及基于数学形态学处理的干扰去除三步骤在内的预处理;然后重点对传统的重心法进行改进,利用形态学方法对二值化后的光刀进行细化和去支处理得到其骨架,法线方向可近似为垂直于其所在骨架相邻两点连线的方向;最后利用重心法沿各点法线方向求解得到了亚像素级光刀中心。实验表明该方法具有处理速度快、精度高的特点。     

基于FPGA的激光条纹中心实时检测

为实现结构光激光线条纹中心的实时提取,将方向模板算法进行了适应硬件的改进,且提出并实现了一种专用硬件结构。基于流水线技术和并行技术的硬件设计保证了该算法的实时实现。利用现场可编程门阵列器件FPGA实现了结构光激光线图像条纹中心线的实时提取。试验表明采用FPGA实现视频处理的专用算法具有成本低、实时性好、研发周期短的优点。     

基于线结构光的亚像素精度焊缝提取方法研究

对于激光视觉焊缝跟踪系统,基于线性结构光快速、高精度地提取焊缝特征点是系统搭建的关键。现有算法多是采取像素级别的提取特征,现提出改进的亚像素精度算法用以提取焊缝特征点。与以往算法不同的是,算法不需要进行阈值的选取,提取条纹中心线和检测特征点的过程,都采用了先计算出亚像素位置,再对图像进行处理,显著地提高了算法的精度。并且目前图像处理多采用深度学习,但都为对像素的离散点实现,难以做到亚像素精度。实验结果表明,该算法能够满足生产实际要求,能够实时、精确地实现焊缝提取。     

基于线结构光和足底扫描的足部参数测量研究

针对现有足部轮廓三维重构方法精度低,鲁棒性差,成本昂贵且不符合实际足部生物力学研究要求等问题,设计了一种利用光学测量技术实现无接触式足部参数测量的系统。该系统一方面通过对足底扫描图像处理,构建足底轮廓点云,分割足底压力区域,计算足底相关参数;另一方面利用线结构光技术,重构足面轮廓,将足底轮廓点云与足面轮廓点云在系统规定世界坐标系内融合,形成完整足部轮廓点云,根据定义计算足部围度等足部系列参数。通过搭建相应硬件平台对多组人体足部进行测量,实验结果表明系统能够快速、精确地完成足部三维重构,具有很好的鲁棒性。     

结构光三维获取系统条纹中心线检测

结构光三维信息获取系统中,条纹中心的准确检测是影响系统精度的关键因素之一。传统的基于方向模板的方法带来几个问题:(1)专注于像素点的提取,忽略像素之间的结构光点(;2)重建的物体表面粗糙。为提高结构光条纹中心线的提取精度和提高重建对象的表面光滑度,提出了一种基于曲线拟合的结构光条纹中心的检测方法。这种方法基于Bezier曲线拟合,结合多帧平均和方向模板。实验表明采用这种方法可以获得比较高的提取精度和比较好的表面光滑度。     

一种结构光传感器标定调整方法的研究

简单介绍了结构光传感器的组成和现有的标定方法.综合考虑采用公式法,基于标定模型给出了一种标定调整方法,即利用光电二极管对光强的感应进行调整, 借助于标准具进行标定.标定调整中运用了光学瞄准和计算机图形定位技术,此方法简单方便,克服了以往方法的复杂繁琐.经实验验证,重复性误差0.02 mm,精度达到±0.08 mm,与现有方法相比更精确更稳定.     

动态环境下的激光条纹中心线提取方法

线结构光三维视觉测量技术最关键的一步是提取出结构光图像中的激光条纹中心线;针对动态测量环境下激光条纹图像存在复杂背景信息、激光光强分布不均、光带各部分宽度差别大、激光条纹断裂等问题,文章研究了一种适用于动态测量环境的激光条纹中心线提取方法;首先通过图像预处理以及自适应裁剪算法提取出感兴趣区域(ROI,region of interest);其次通过改进型伽马校正(IGC,improved gamma correction)以及改进型变阈值大津阈值分割算法(IVT Ostu,improved variable threshold)分割出激光条纹区域;然后使用二维灰度重心法(TD-GBM,two-dimensional gray baryeentric method)提取激光条纹的初始中心线;最终使用二次优化算法对初始中心线进行优化,精确地提取出激光条纹中心线;实验结果表明,相比于灰度重心法、Steger法等算法,文章所提方法受背景干扰以及激光条纹质量的影响较小,能够在多种复杂情况下更精确地提取激光条纹中心线,满足准确性高、稳定性强以及实时性好的要求.