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。     

机器视觉中激光光带两步提取算法研究

在基于线激光投射的三维探测系统中,如何快速精确地从复杂背景中快速提取出投射在障碍物表面的激光光带,并在光条图像中提取光条中心位置是实时精密探测出障碍物的关键问题.论文对当前已有的线激光光条提取算法进行综述,并比较了现有算法的优缺点.最后,提出了一种两步提取算法.第一步是将RGB与HSV色彩进行空间变换初步处理提取出激光光带,第二步结合阈值法与重心法两算法优点精确地确定光条中心位置.实验说明,激光光条中心的两步提取算法精准、快速,达到了像素级,这种算法的抗噪声能力也很强.     

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。     

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。     

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。     

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。     

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。     

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.     

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。     

基于数学形态学的套印偏差自动检测算法

为了精确检测套印偏差,提出一种基于数学形态学的偏差自动检测算法。首先,对新形式色标采用多结构元素多尺度形态学边缘检测算法提取色标边缘;然后采用最小二乘拟合算法对其边缘进行拟合,得到套印色标圆的亚像素圆心坐标;最后经偏差计算公式获得准确的套印偏差数据。实验及实际测试结果表明,该算法且具有较强的抗扰性,能够满足高精度、实时的套印偏差检测要求。     

多颜色模型下的乒乓球快速检测与实时跟踪研究

乒乓球机器人视觉系统中的乒乓球检测主要有基于运动分析和基于单一颜色模型分割两种方法.基于运动分析的方法对运动背景干扰的鲁棒性较差,而基于单一颜色模型的分割方法会受到相近颜色及光照变化的干扰.为此,提出了多颜色模型下的乒乓球分割算法,结合RGB与HSV两种颜色模型的颜色表达特性提取出乒乓球区域,并利用质心法对乒乓球进行中心定位.在此基础上,提出基于前帧位置的感兴趣区域算法,对乒乓球进行实时跟踪.实验表明,该方法能够在复杂环境下对乒乓球进行快速精确定位,算法处理时间小于10 ms,定位误差小于20 mm,满足乒乓球机器人的击球需要.     

基于线结构光扫描的结冰冰形三维测量

现有三维扫描仪进行结冰冰形测量时需喷涂显影剂,无法满足结冰生长过程3D冰形在线测量需求。为此,基于线结构光扫描,提出了结冰冰形三维测量方法,搭建了基于传送带的线结构光扫描冰形测量装置,对线结构光视觉测量系统进行标定,获取了摄像机和激光平面方程参数,采用改进的梯度重心法实现了低对比度冰体图像激光光带亚像素中心位置提取,结合标定结果计算了冰体轮廓线三维坐标,再根据传送带运动距离,对冰体轮廓线逐行拼接,得到整个冰体三维测量点云。实验结果表明,对半径已知的圆柱形冰块进行轮廓线测量,相对误差为0.157 mm。     

基于圆结构光的复杂深孔内轮廓尺寸测量方法

涡流法、超声法测量深孔截面轮廓尺寸精度低,而光学单点扫描法测量效率低。介绍了一种基于圆结构光的复杂深孔内轮廓3维测量系统,提出了一种采用FFT分析和差分分析进行测试数据处理的方法,能够实现快速高精度测量。测试系统主要由圆结构光发生器、扩束锥镜、成像锥镜、镜头和CCD组成,对于获取的每一幅被测截面的结构光图像,首先提取光条中心,对光条中心上的点作最小二乘法拟合获取光条中心拟合圆心,并以此圆心点将光条中心线展开,展开波形中存在整体形状误差,主要由圆心偏心误差、椭圆形状误差两个周期性误差分量构成,由于二者振动频率与细节分量的振动频率不相同,借助于FFT分析,将两个误差分量分离出来,进而采取措施减小其对系统的影响;差分分析用于去除阴线和阳线之间的过渡线。该方法提高了阴线圆与阳线圆尺寸计算的精度和效率,实验结果表明,系统内径测量精度达到005mm。     

基于三通道融合的结构光中心条纹提取算法

实现坝体连接处永久缝的非接触式三维形变测量方法,对保障大坝安全运行具有重要的意义。结构光用来快速获取待测坝体拼接缝部位的表面形貌数据,并利用所获得数据对待测物体表面相貌的三维重构获得缝隙部位形变状态。由于结构光的光条中心提取精度易受噪声干扰,提出了一种三通道特征融合算法来提取条纹中心点。首先,利用方向梯度直方图、局部二值模式和Gabor函数得到三幅光条特征图像。然后,利用图像融合算法确定最终的特征图像。最后,用细化骨架的方法得到中心线。实验结果证明,相较于Steger算法,该方法的最大和平均列坐标差下降至2像素和0.069像素,且测量误差减小至0.114 mm。