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。     

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。     

线结构光光条中心提取算法

目的 线结构光视觉测量是一种利用可控光源和数字图像的主动视觉测量方法,光条中心提取是线结构光视觉测量的关键技术,直接影响到线结构光视觉测量的精度。传统灰度重心法只在图像的横向或纵向上计算光条的灰度重心,没有考虑光条的法线方向,精度较低。本文提出一种改进的光条中心提取算法,以期实现光条中心的精确提取。方法 在分析线结构光的光条灰度特性基础上,基于传统的灰度重心法,提出一种改进的两步提取算法。基于图像差分法从原始图像中分离出有效的线结构光光条,采用传统灰度重心法对光条中心进行粗提取;在粗提取的光条中心点处通过自定义的方向模板确定光条的法线方向,以粗提取的光条中心点为中心,沿法线方向采用灰度重心法进行二次提取,获取线结构光光条的中心。结果 本文采用CCD相机、镜头、线激光器及辅助机构搭建线结构光视觉系统,采用提出的算法对线激光器投影产生的直线型光条、非连续光条和弯曲光条的中心进行提取。通过光条中心提取实验获取的光条中心线的走向与光条的走向大致相同,符合预期的光条中心线。本文将Steger法作为评价标准,分别计算本文算法、传统灰度重心法与Steger法提取的光条中心的偏差,通过对比实验可知,本文算法提取的光条中心的偏差更小,并且程序运行时间比Steger法减少了3 s以上。结论 本文研究线结构光的光条中心提取算法,对传统灰度重心法进行改进,能够实现直线型光条、非连续光条和弯曲光条等不同形状光条的亚像素级中心提取,并且在保证较少的程序运行时间的同时,能够提高传统灰度重心法的光条中心提取精度。     

基于方向模板的结构光条纹中心检测方法

结构光条纹中心位置的准确检测是影响结构光系统精度的关键问题之一。在利用结构光系统获取距离数据时,会出现以下问题:第一,激光条纹的强度并不服从高斯分布和传感器引入的误差;第二,系统内部电子和软件引入的高斯白噪声。确定激光条纹中心传统的方法容易受到这些问题的影响。为了消除这些错误对数据的影响,数据需要低通滤波和平滑。但是如果对数据进行平滑,就会损失物体表面几何细节信息。文章提出了一种利用可变方向模板检测结构光条纹中心的方法,实验结果表明该方法能够准确地获取光条纹中心。     

基于信度评估的线结构光多重曝光条纹提取

在单线结构光三角测量法的实际应用中,图像中条纹截面灰度分布的可靠性是保证条纹中心提取精度的重要基础。在物体表面反射特性不均匀的测量场景中,受欠曝光与过曝光的双重影响,造成条纹截面灰度分布不均匀、条纹中心可信度低等问题。基于上述问题,对复杂反射特性表面的单线结构光条纹提取技术进行了研究。提出了一种基于信度评估的条纹提取方法。创新性地应用了条纹能量密度与条纹宽度相结合的双参数评价标准,有效避免了单一能量信度标准下约束力不够的问题。该方法依据信度阈值识别多重曝光图像中的可信条纹,并将可信条纹拼接重建成最终条纹图像。试验结果表明,重建图像具有全局可信度,有效提升了条纹中心计算精度。该方法能够为复杂场景下三维测量技术的发展提供一定参考。     

基于GPU的结构光中心快速提取方法及实现

Steger算法在结构光中心提取中具有亚像素精度,但其计算量非常大。针对Steger算法的计算速度问题,提出一种基于GPU(Graphic Processing Unit)的亚像素精度结构光中心提取算法。该算法对Steger算法进行改进,并利用GPU的并行处理能力和Steger算法并行性特点,大大提高了结构光中心的提取速度。实验证明基于GPU的结构光中心快速提取方法具有和Steger算法同样的精度,但其计算速度非常快,能够实现结构光视觉检测的实时应用。     

基于神经网络的特征结构并行提取算法研究

为并行实时地提取数据协方差矩阵的信号特征结构,从特征结构并行提取的约束优化问题表示入手,利用梯度方法和迭代法构建了可实时并行提取信号特征向量矩阵的直接神经网络求解法和基于能量函数的神经网络求解算法,并形成了相关迭代学习算法.理论分析表明当数据样本足够大时,算法的迭代结果就是数据协方差矩阵信号特征结构的一个良好估计,同时计算机仿真亦验证了算法的有效性.另外,仿真试验亦表明可以通过调节加权矩阵D的对角元来控制算法的收敛速度.     

基于相关匹配的结构光测量数据的融合方法

针对结构光三维测量中利用旋转平台进行数据融合提出了一种基于相关匹配的结构光测量数据的融合方法,利用相关物面进行匹配求出旋转平台的旋转角度,利用这个角度就可以实现对测量结果的三维数据融合。实验表明,该方法可行有效,可以达到较高的精度。     

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。     

焊缝跟踪视觉传感器中图像多类型特征选择与提取

针对在焊接机器人焊缝跟踪传感器中不同类型工件焊缝接头的结构光图像特征,提出一种图像特征选择与提取方法.首先,对图像进行自适应分割,提取出激光条纹中心线.再根据三种典型焊缝接头类型:预留坡口对接类,无坡口直接对接类和左、右搭接类型焊缝的结构光图像的特点,分别选择激光条纹曲线的沟槽中心、条纹曲线的转折点和间断点作为焊缝特征点,分别进行提取.对不同类型焊缝结构光图像的处理实验结果,验证了本文方法的有效性.     

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。     

基于结构光的凸凹字符采集与提取磁

针对凸凹字符对比度低边缘特征不稳定,光照不均匀及污损会影响凸凹字符的正确提取,提出了基于结构光的采集与提取方法。首先使用结构光对包含有凸凹字符的物体表面照射,凸凹字符会使结构光变形,相当于凸凹字符对结构光进行了相位调制。软件处理算法以傅立叶变换为核心,从获取的图像中获取载波,并对原图像进行滤波和解调运算提取出凸凹字符。实验结果表明,基于结构光的凸凹字符采集与提取方法算法简洁效率高,算法具有整体性,不易受噪声干扰,有较可靠性和可应用性。     

Three-Dimensional Measurement Using Structured Light Based on Deep Learning

Three-dimensional (3D) reconstruction using structured light projection has the characteristics of non-contact, high precision, easy operation, and strong real-time performance. However, for actual measurement, projection modulated images are disturbed by electronic noise or other interference, which reduces the precision of the measurement system. To solve this problem, a 3D measurement algorithm of structured light based on deep learning is proposed. The end-to-end multi-convolution neural network model is designed to separately extract the coarse- and fine-layer features of a 3D image. The point-cloud model is obtained by nonlinear regression. The weighting coefficient loss function is introduced to the multi-convolution neural network, and the point-cloud data are continuously optimized to obtain the 3D reconstruction model. To verify the effectiveness of the method, image datasets of different 3D gypsum models were collected, trained, and tested using the above method. Experimental results show that the algorithm effectively eliminates external light environmental interference, avoids the influence of object shape, and achieves higher stability and precision. The proposed method is proved to be effective for regular objects.     

一种新的基于结构光的人体动作识别算法

基于深度图像可以方便的区分前景和背景,有效提高自然人机交互的性能。要实现面向大众的自然人机交互,需要深度摄像头在实时性、价格、适应环境等方面达到实用性。基于面结构光技术的深度摄像头实用性强,得到了迅速发展,其深度信息获取基于图像块匹配算法,在计算每个像素点的深度时,需要在测量范围内进行逐点搜索、图像块匹配、寻优,带来大量运算,这些运算要通过高性能计算机或专用并行运算芯片才能达到实时性,导致了深度传感器成本的增加。本文提出了一种全新的人体动作识别方法,即利用结构光图像直接进行动作识别,从而避免了复杂的深度图计算环节,降低了计算量,并能够充分利用图像的3D信息。该方法通过分析结构光图案的偏移所产生断裂点信息,成功实现了人手定位及人手动作识别,并将其应用于UI界面模拟鼠标操作。实验结果表明了算法的有效性和可行性。     

结构光与双目视觉相结合的三维测量

在三维测量技术中,传统的双目立体视觉方法计算量大,对没有明显特征的图像,匹配精度较低。本文将基于结构光的三维测量技术与双目成像技术相结合,解决了特征点搜索的困难,提高了测量的精度。与传统结构光成像技术相比,采用常规的双相机立体标定,不需要进行投影仪标定,降低了系统的复杂性,提升了系统的可操作性和灵活性。最后,运用该技术进行三维测量实验,测量结果表明了该技术的可行性。     

基于目标提取的红外与可见光图像融合算法

分析红外图像与可见光图像融合时,目标信息丢失或减弱的潜在原因,提出一种红外与可见光图像融合算法。该算法根据红外图像与可见光图像的特点,利用灰色关联理论检测并提取红外图像目标,采用替代法对获得的目标信息与可见光图像的背景和细节信息进行融合。实验结果表明,该算法得到的融合图像具有与红外图像相同的目标,且具备可见光图像的细节信息。     

基于十字线结构光视觉测量系统

为了将线结构光视觉测量原理应用于零件二维轮廓的同时检测,文中使用了十字线激光器作为结构光投射器,它将在空间中形成相互垂直的两个光平面,配置一个CCD相机就组成了一个十字线结构光视觉测量系统。基于计算机视觉技术,文中重点介绍了该视觉测量系统的标定参数及方法,利用光平面的共面性推导了系统的测量原理,建立了两个光平面相应的数学模型,并用其实现了对零件的非接触二维轮廓曲线的测量,验证了模型的正确性和可行性,且方便快捷。