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。     

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.     

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。     

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。     

面向大型零部件的三维形面高精度测量方法

目前,辅助激光视觉测量法已广泛应用于大型零部件的三维形面测量。针对该方法在测量过程中普遍存在的轮廓边界信息获取不准确的问题,提出一种面向大型零部件的三维形面测量方法以获得精确的形面信息和轮廓边界信息。首先,根据光条图像序列采集特性,基于时间流的光条自适应定位方法实现了光条所在区域的实时定位;其次,提出了一种基于光条几何特征突变的边界提取方法,获取光条处的被测物边界行（列）坐标位置;然后,利用光条区域内快速提取的光条中心结果,确定准确的边界特征点坐标,并仅保留边界特征点以内的有效光条中心点;最后,对所提取的有效光条中心进行了三维重建,结合光条扫描实现了整个形面的三维快速测量。实验验证结果表明:该方法可实现被测物三维形面信息的高精度快速测量,同时获取精确的轮廓边界信息,其测量精度达到0.06 mm,且大大减小运算量,满足大型零部件的快速高精度测量要求。     

基于线结构光的三维测量系统关键技术研究

提出了一种基于线激光、工业相机 、步进电机和 计算机的结构光的单目视觉三维扫描测量系统,阐述了其工作原理,建立几何数学模型,搭 建了系统试验平台,并基于灰度平方加权重心法提取光条中心。实验结果表明, 系统测量误差小于±0.03mm,光条中心提取精度达到亚像素级,满 足工业测量应用需求。     

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。     

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。     

激光辅助的大型回转类零件直径实时测量方法

针对工业现场中需要对大型回转类零件直径实现实时、非接触测量的需求,提出了一种基于相交激光光条的双目视觉测量方法。结合双目立体视觉测量技术与直径测量的几何约束,采用强度高、方向性强的线型激光构造直径重建的特征信息;通过向待测零件表面投射相交的激光光条构造用于测量的特征点,提出了一种大型回转体表面激光光条交点的精确提取方法;利用摄像机标定结果重建激光光条交点的空间坐标,进而建立符合直径测量的椭圆模型并计算直径。在实验室环境下进行圆柱件直径测量实验,实验结果表明,待测物体的直径测量误差为0.5%,直径重建时间为1.026 s,所提出的测量方法为大型回转体直径的实时非接触测量提供可靠的技术手段。     

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。     

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。     

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...     

基于线结构光旋转扫描和光条纹修复的三维视觉测量技术研究

非接触式三维视觉测量广泛应用在工业制造质量检测中。针对工业金属零部件检测的应用场景,提出了一种基于线结构光旋转扫描和光条纹修复的三维视觉测量方案。首先,通过基于线结构光投影的计算机视觉技术,设计了线结构光旋转扫描视觉子系统,并对工业相机、线结构光平面和旋转扫描中心轴进行标定;然后,针对采集到的光条纹图像存在低灰度区域缺失数据的问题,提出了基于缺失区域自适应灰度增强的光条纹中心线提取算法,有效修复了被测零部件的线结构光投影条纹;同时,利用文中提出的线结构光三维视觉测量方案,通过重建标准球棒的表面点云计算两球直径和球间距来评价测量系统的精度,测量系统精度优于0.06 mm;最后,进行金属轮毂外轮廓形貌测量,通过重复性实验计算轮毂外轮廓最大半径,验证重复性误差优于0.03%。实验结果表明:该方法可以无损伤、高效率、高精度地实现工业金属零部件三维测量,弥补了接触式三维测量方法的缺陷。     

一种基于激光视觉的焊缝实时检测技术研究

提出了一种基于激光视觉的焊缝实时检测技术,旨在提高焊缝检测的速度和精度。在实际的焊接过程中,由于大量噪声的干扰,焊接图像的采集一直是一个复杂的过程。 本文首先建立基于激光视觉的检测系统,以获得激光条纹的原始图像。在此基础上,将原始激光条纹图像灰度化,并提出一种改进的快速中值滤波算法,在去除图像中椒盐噪声的同时,缩短了程序运行时间。并通过Otsu阈值分割获得激光条纹的二值图像,提取感兴趣的激光条纹区域。接着结合方向模板法和脊线跟踪法提取激光条纹中心线,最后采用亚像素级角点法提取焊缝的特征点。 实验证明,本文提出的方法有效地克服了焊接环境的影响,不仅缩短了焊缝特征点检测的时间,而且具有较高的检测精度,符合实际焊接要求。     

基于灰度梯度和反正切函数拟合的亚像素边缘检测算法

在数字图像处理和机器视觉中,边缘检测是一个基本问题和关键环节,因此,精确地检测图像边缘是非常必要的。本文提出了一种基于灰度梯度和反正切函数拟合的亚像素边缘检测算法。首先,通过Canny算子粗略提取输入图像的边缘;然后对初步得到的边缘像素逐点提取灰度梯度方向,以提取的梯度方向为坐标轴正方向建立灰度梯度直角坐标系;最后利用最小二乘法,采用反正切函数拟合图像边缘的灰度梯度,获得亚像素边缘位置。利用Microsoft Visual Studio 2008平台进行实验,结果表明：与基于小波变换及基于Zernike矩的亚像素边缘检测方法相比,本文所提算法定位精度较高,检测速度较快,能够更完整地检测出图像的平滑边缘。     

小尺寸光斑中心的高精度定位算法

光斑中心定位是光学测量中的关键技术之一,针对小尺寸光斑中心定位算法精度低等问题,提出了一种具有高精度的小尺寸光斑中心两步定位算法。通过寻找一阶导数零交叉点的方法确定光斑中心所在的像素级坐标,然后利用该中心邻域内不饱和点的灰度信息进行高斯拟合计算光斑中心亚像素级坐标。实验结果表明:在无噪声污染光斑图像中,与其他经典算法相比,两步定位算法误差远小于0.05像素,保证了光斑中心的高精度定位,且光斑成像越接近理想高斯分布,精度越高。     

基于灰度直方图的激光光斑中心定位算法

为了提高半导体激光加工中激光光斑中心定位精度,根据皮秒超短脉冲激光辐照单晶硅后产生的光斑图像灰度分布特点,提出了一种基于灰度直方图的激光光斑中心定位算法,通过模拟激光光斑仿真分析和单晶硅刻蚀实验,对比研究了不同辐照时间与不同激光功率条件下该算法与传统算法的定位精度。结果表明,在辐照时间不同的条件下,该算法定位精度达到0.761μm,比灰度重心法提高51.3%,比最大行列灰度值法提高93.9%;在激光功率不同条件下,该算法的定位精度达到0.793μm,比灰度重心法提高73.4%,比最大行列灰度值法提高86.8%。此研究可为皮秒超短脉冲激光光斑中心定位控制系统的设计提供指导。     

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。