线结构光三维视觉测量中光条纹中心提取综述
结构光三维获取系统条纹中心线检测
随着计算机技术的发展，迫切需要获得物体的三维数据。 在三维获取系统中，结构光系统由于其实现简单、扫描速度快、 数据空间分辨率高等优点，因而具有较高的研究价值和发展前 景。结构光获取系统是一种既利用可控光源，又利用图像处理 的测距技术，原理如图 １ 所示。基本思想是向被测物体投射线 状结构光—— —这里使用激光，ＣＣＤ 相机采集被线光源照射的 图像，利用投影点（激光器）、物体和观测点（ＣＣＤ 摄像机）在空 间的三角关系，建立图像点的二维坐标和物体空间点的三维坐 标间的对应数学模型，通过对获得的图像序列进行处理从而得 到物体的三维数据。图像中结构光条纹中心的准确检测是影响 结构光三维获取系统精度的关键因素之一；图像中提取的中心 线平滑程度也是影响三维重建物体表面平滑度的重要因素。
Ｎｅｗ Ｍｅｔｈｏｄ ｆｏｒ Ｏｂｔａｉｎｉｎｇ ｔｈｅ Ｃｅｎｔｅｒ ｏｆ Ｓｔｒ ｕｃｔｕｒ ｅｄ Ｌｉｇｈｔ Ｓｔｒ ｉｐｅ
Ｊ ｉｎ Ｊ ｕｎ Ｌｉ Ｄｅｈｕａ Ｌｉ Ｈｅｐｉｎｇ （Ｓｔａｔｅ Ｅｄｕｃａｔｉｏｎ Ｃｏｍｍｉｓｓｉｏｎ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｆｏｒ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ ａｎｄ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｎｔｒｏｌ，Ｉｎｓｔｉｔｕｔｅ ｆｏｒ
结构光三维获取系统条纹中心线检测
金 俊 李德华 李和平 （华中科技大学人工智能研究所图像信息处理与智能控制教育部重点实验室，武汉 ４３００７４）
Ｅ－ ｍａｉｌ：ｊｉｎｊｕｎ＿７９＠ｓｏｈｕ．ｃｏｍ
摘 要 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。 关键词 结构光 曲线拟合 方向模板 多帧平均 文章编号 １００２－ ８３３１－（２００６）０４－ ００４２－ ０３ 文献标识码 Ａ 中图分类号 ＴＰ３９１．４
结构光光条中心的提取算法
相关 运算 来得 到光 条 每点 的近似 法线 方 。针 对具
体 问题采 用 了抛物 线拟 合法 和基 于光 条骨架 的方 向模 板法 ， 并对 实 验结果 做 了分析 。
为 了解 决线 结 构 光 条纹 中心 定 位 的 问 题 ， 国 内外学 者对 此做 了大 量研 究 Ｊ 目前 的很 多算 。 法 都是 基 于边 缘 法 、 值 法 （ 何 中心 法 ） 极 值 阈 几 、 法 和重 心法 等展 开 的。提取 光条 中心 的边 缘法 和 阈值 法算 法 简单 ， 运行 速度 快 ， 精度 较低 。极 大 但
摘 要 ： 在线结 构光测 量系统 中 ， 光条 中心的准确 提取 是影响 整个测 量系统 精度 的关 键 因素之
一
。
由于被 测物体表 面的性质 等系统噪声 的影 响 ， 使得 精确 提取光 条 中心存在一 定 的难 度。采
用 了抛物线 拟合 法和基 于光条骨架 的方 向模板 法对 采集 的光条 图像进行 光条 中心提取 ， 实验 结 果表 明当光条 图像 的曲率 较大时 ， 基于光条骨架 的方 向模板 法能够有效 、 准确 的提 取光 条中心。
１ 基 本 原 理及 算 法
１ １ 抛物 线拟 合法 ．
线 激光 源发 射 的激光 平 面投射 在被测 物体 表
面形成 的光 条在 其宽 度方 向上 光强 近似服 从 高斯 分 布 。基 于光条 强 度 的这 一 特 点 ， 以对 光 条 强 可 度 进行 基 于最小 二乘 法 的二次抛 物线 拟合 ］ 。 基 于最 ／， Ｊ－乘 法 的 二 次 抛 物 线 拟 合 数 学 原 － 理 ¨ 。 ： 有一 组 实验 数 据 （ ， ， 。是 设 ｙ ） ｋ＝１ ２ … ， ，， ｍ。可 由参 数 口 ，。ｎ 确定 抛物 线 。口 ，
基于线结构光的视觉3D测量中光刀中心提取方法研究
逐点 、 逐线 扫描 测量 ， 也可 进行 全场 测量 。 目前 ， 扫描测 量 线
法 （ 称基 于视 觉 的光 切 法 ） 采 用 较 广 泛 的一 种 方 法 。 也 是 它
的测 量速 度 比点 扫 描 法 快 ， 量 精 度 比投 影 光 栅 全 场 测 量 测 法高。
在线扫描测量法中 ， 要提高测量系统的精度 ， 除了考虑物 理 设备上形 成 的误 差 （ 统 误 差 、 机误 差 等 ） 外 ， 成 像 于 系 随 之 对 Ｃ Ｄ摄像机上的每 一幅图像 ， Ｃ 扫描线 中心（ 称光 刀中心 ） 置 也 位 提取 的准确度也是影响测 量精度 的重要 因素之一 ， 它还直接 影 响三维重建的精度 。本文分析 了光刀 中心提取 的模 板细化法 和
Ａｂ ｔ ａ ｔ ｓｒ ｃ
Ｍｅ ｈ ｄ ｆｔ ｅ ｅ ｔａ ｔ ｎ ｏ ａ ｅ － ｎｆ ｅ ｔｒ ｂ ｓ ｄ ０ Ｄ ｉｉｎ ｍｅ ｓ ｒ ｇ ｄ ｔ ｔ ｉ ｅ ｓｒ ｃ ｕ ｅ ｉｈ ｒ ｏ ｋ ｄ ｂ ｃ ｔ ｏ ｓ ｏ ｈ ｘ ｒｃ ｉ ｌｓ ｒ ｋ ｉ ｃ ｎｅ ａ ｅ ｎ ３ ｖ ｓｏ ａ ｕ ｉ ａａ ｗｉ ｌ —ｔｕ ｔ ｒ ｄ ｌ ｔ ａｅ ｌｏ ｅ ａ ｋ， ｏ ｆ ｅ ｎ ｈ ｎ ｇ
一
匝髓
（）【 ａ 啊匿 【】 ｂ 二位图像
图 １ 光条 的二 值化图像
２ １ 细 化法 ．
细化过程就 是重复地剥掉 二值 图像 的边界像 素 ， 直到获得
条单像素 宽 的连 通线 （ 骨架 ） 的过 程 。但 是剥离 边 界像素 时 必须保持 目标的连通性 ， 即不能改变 原 图像 的拓 扑性 质 。要 使 光条完全变成 单像 素 宽 的细线 ， 要进 行 多次 细化才 能 实现 。 需 因此 ， 细化是 一件 非常费 时的操 作 ， 特别是 当图像 尺寸 较大 时 ，
基于线结构光的视觉3D测量中光刀中心提取方法研究
第23卷第10期 计算机应用与软件Vol 123,No .102006年10月 Computer App licati ons and Soft w are Oct .2006收稿日期:2004-09-29。
霍龙,副教授,主研领域:计算机视觉,光学三维测量,图像处理等。
基于线结构光的视觉3D 测量中光刀中心提取方法研究霍 龙1,2 张爱军2 刘伟军11(中国科学院沈阳自动化研究所先进制造技术重点实验室 辽宁沈阳110016)2(沈阳工程学院 辽宁沈阳110036)摘 要 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。
关键词 线结构光 中心位置提取 误差比较RESEARCH O N THE EXTRACT I O N O F LASER 2KN IFE CENTER BASEDO N 3D V I S I O N M EASUR I NG DATA W I TH L INE 2STRUCTURED L I GHTHuo Long 1,2 Zhang A ijun 2 L iu W eijun11(Advanced M anufacturing Lab,Shenyang Institute of A uto m ation Chinese A cade m y of Sciences,Shenyang L iaoning 110016,China )2(Shenyang College of Engineering,Shenyang L iaoning 110036,China )Abstract M ethods of the extracti on of laser 2knife center based on 3D visi on measuring data with line 2structured light are l ooked back,Each method is analyzed and tested .An extracted median method is obtained that consider both sides the accuracy and calculati on ti m e,The result of the p recisi on and 3D reconstructi on tests its efficiency .It ensures that the 3D visi on measuring data with line 2structured light can be p recise collected .Keywords L ine 2structured light Extracti on of center positi on Err or comparis on1 引 言基于视觉的自由曲面三维测量,是光学测量中速度较快的一种获取三维实体表面数据的方法。
多场景下结构光三维测量激光中心线提取方法
多场景下结构光三维测量激光中心线提取方法在我们日常生活中，三维测量技术已经悄悄地融入了很多领域。
从汽车制造到医疗检测，再到艺术创作，三维测量真是无处不在。
而在这些技术背后，有一种叫做“结构光三维测量”的方法，听上去有点高深莫测，其实它的原理并不复杂。
简单来说，结构光就是通过投射一系列光线到物体表面，再根据光的变形来推算物体的三维形状。
这就像是用手电筒照射一个球，观察光线的变化来判断球的大小和形状。
今天我们聊聊的，就是如何提取这些光线中的“激光中心线”。
光是结构光三维测量的核心。
说到激光中心线，很多人可能第一反应是，这个东西就像电影里那些神秘的激光束，能切开钢铁，能精确定位。
但激光中心线提取是一个非常细致的活儿，要说复杂，简直就是一门艺术。
想象一下，一个激光束投射到物体上，不是直接照在物体表面，而是经过一番折射、反射，甚至是弯曲，最后才会出现在屏幕上。
这个过程中，我们要从“乱糟糟”的激光数据中找到最精确的中心线，确保它准确无误。
问题来了，为什么激光中心线如此重要呢？激光中心线其实是整个三维测量的基础。
如果我们连激光的中心都找不到，其他的测量数据怎么可能精准？就像我们做饭，连盐都没放好，怎么能指望味道好呢？如果测量不准，结果也就没什么意义了。
我们需要通过激光中心线来准确地确定物体的轮廓、形状、尺寸，甚至是它的表面细节。
这一步搞得好，接下来的三维重建才有可能做得像模像样。
但说到提取激光中心线，难度可不小。
毕竟，激光条纹是连续的，亮度不均匀，还常常受外界环境的影响，比如光线的变化，或者是物体表面有反射光等，这些都会影响激光的精准度。
就像我们在阳光下看手机屏幕，明明手机上显示的内容很清晰，但因为反光，怎么看都觉得模糊。
所以提取激光中心线，要求我们不仅要有精确的算法，还得有过硬的技术功底。
就像修理手机的师傅，技术好坏直接影响最终结果，哪怕一个小小的误差，都会导致整个三维重建出问题。
有些时候，激光条纹的形态并不是那么规则，特别是在复杂的物体表面。
线结构光中心线提取算法
线结构光中心线提取算法线结构光中心线提取算法是一种用于提取线结构光图像中的中心线的图像处理算法。
线结构光是一种利用一组平行光线或光纹来对物体进行测量、重建或识别的技术，常用于三维形状测量、光栅编码等领域。
线结构光中心线提取算法的目标是从线结构光图像中准确提取物体的中心线。
中心线是物体表面上的一个二维曲线，其具有重要的形状信息和几何特征。
中心线提取算法的准确性和可靠性对于后续的物体测量和重建过程至关重要。
线结构光中心线提取算法的核心思想是从图像中找到物体的边缘，并通过一系列的图像处理操作来提取出中心线。
在图像处理领域，边缘检测是一个常见的问题，有许多经典的边缘检测算法可供选择，如Canny算法、Sobel算法等。
可以利用这些算法来检测出线结构光图像中物体的边缘。
一旦得到了物体的边缘，接下来就可以使用一些曲线拟合算法来提取中心线。
最常用的曲线拟合算法是最小二乘法，它可以通过最小化拟合误差来获得最优的拟合曲线。
在线结构光中心线提取算法中，可以使用最小二乘法来拟合物体边缘上的点，从而得到中心线的表达式。
在实际应用中，线结构光中心线提取算法还需要解决一些特定问题。
例如，线结构光图像中可能存在噪声和干扰，这会影响到中心线的提取结果。
为了解决这个问题，可以采用图像滤波的方法来降噪。
常用的图像滤波算法有高斯滤波、中值滤波等，可以根据实际情况选择合适的滤波算法。
此外，线结构光中心线提取算法还需要考虑到物体的形状变化和光源的方向。
在实际应用中，物体的形状可能是复杂多变的，这就需要在算法中加入一些自适应的机制来适应不同的形状。
同时，光源的方向也会对中心线的提取结果产生影响，因此需要在算法中进行光源的校正和调整。
综上所述，线结构光中心线提取算法是一种用于提取线结构光图像中物体中心线的图像处理算法。
它可以通过边缘检测和曲线拟合等方法来提取中心线，并且可以通过图像滤波、自适应机制和光源校正等技术来提高算法的准确性和鲁棒性。
结构光测量系统中光条中心的提取算法
第24卷 第1期2009年3月 北京机械工业学院学报Journal of Beijing I nstitute ofM achineryVol.24No.1Mar.2009文章编号:1008-1658(2009)01-0042-04结构光测量系统中光条中心的提取算法刘枝梅,邓文怡,娄小平(北京信息科技大学 光电信息与通信工程学院,北京100192)摘 要:在线结构光视觉测量系统中,光条中心的提取精度直接影响到整个系统的测量结果。
由于光条宽度不同、光照不均匀及待测物体表面性质的差异,使得精确地提取光条中心存在一定难度。
根据线结构光的特点提出了2种提取算法,分别为二值形态学细化算法和高斯分布的曲线拟合算法。
实验结果表明,2种算法在测量中均具有可行性,且后者提取精度较高,更适合于光条中心线提取。
关 键 词:线结构光;光条中心提取;计算机视觉中图分类号:TP391 文献标识码:AExtracti on a lgor ithm of li ght str i pes cen ter i n them ea surem en t system of structured li ghtL I U Zhi2mei,DENG W en2yi,LOU Xiao2p ing(School of Phot oelectric I nfor mati on and Telecommunicati on Engineering,Beijing I nfor mati on Science and Technol ogy University,Beijing100192,China)Abstract:I n the visi on measurement syste m of line2structed light,the extracting p recisi on of light stri pes center affects the p recisi on of measure ment syste m directly.It is quite difficult t o extract light stri pes center p recisely because of different light2stri pes widths,uneven illum inati on and differences in the nature of the objects surface.According t o the characteristics of line2structured light,t w o extracting algorith m s of light stri pes center were p r oposed including t w o2value mor phol ogical thinning algorithm and Gaussian distributi on curve fitting algorith m.The experi m ent results show that t w o algorithm s are feasible in measure,and the latter with higher p recisi on,is more fit for the extracting of light stri pes center2line.Key words:line2structured light;light stri pes center extracti on;computer visi on 物体三维轮廓的测量有多种方法。
基于互相关算法的激光条纹中心提取
第４０卷 第５期中 国 激 光Ｖｏｌ．４０，Ｎｏ．５２０１３年５月ＣＨＩＮＥＳＥ ＪＯＵＲＮＡＬ ＯＦ ＬＡＳＥＲＳ Ｍａｙ，２０１３基于互相关算法的激光条纹中心提取刘 振 李 声 冯 常（中国科学院光电技术研究所，四川成都６１０２０９）摘要 线结构光三维测量中，光条中心点提取的准确度和精度直接影响最终测量结果的精确度。
针对现有激光条纹中心提取方法抗干扰能力强、稳健性好与计算量大之间的矛盾，提出了一种互相关中心条纹提取方法。
利用梯度阈值自动分割出有效光条区域，将赋予不同权值的互相关系数与相对应的光条纹灰度值进行互相关运算，以互相关极大值对应的条纹作为初始光条纹中心，通过曲线拟合的方法对条纹中心进行精确定位。
以互相关值大小作为条纹中心点是否存在的评判依据，利用相邻光条中心点间的灰度、位置相似性约束消除噪声影响。
实验结果表明，该算法条纹提取精度较高，满足实时性要求。
同当前算法相比，互相关算法简单实用、稳健性好、抗噪声能力强，且对断线条纹具有很强的修补能力。
关键词 机器视觉；条纹中心；互相关算法；精确度；稳健性；梯度阈值中图分类号 ＴＰ３９１ 文献标识码 Ａ ｄｏｉ：１０．３７８８／ＣＪＬ２０１３４０．０５０８００４Ｌａｓｅｒ Ｓｔｒｉｐｅ Ｃｅｎｔｅｒ Ｅｘｔｒａｃｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｃｒｏｓｓ－Ｃｏｒｒｅｌａｔｉｏｎ ＡｌｇｏｒｉｔｈｍＬｉｕ Ｚｈｅｎ Ｌｉ Ｓｈｅｎｇ Ｆｅｎｇ Ｃｈａｎｇ（Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｏｐｔｉｃｓ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃｓ，Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ，Ｃｈｅｎｇｄｕ，Ｓｉｃｈｕａｎ６１０２０９，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ Ｉｎ ｌｉｎｅ ｓｔｒｕｃｔｕｒｅｄ ｌｉｇｈｔ ｖｉｓｉｏｎ ｍｅａｓｕｒｅｍｅｎｔ，ｔｈｅ ｅｘｔｒａｃｔｉｏｎ ａｃｃｕｒａｃｙ ａｎｄ ｐｒｅｃｉｓｉｏｎ ｏｆ ｔｈｅ ｌｉｇｈｔ ｓｔｒｉｐｅ ｃｅｎｔｅｒｐｏｉｎｔ ｄｉｒｅｃｔｌｙ ａｆｆｅｃｔｓ ｔｈｅ ｆｉｎａｌ ａｃｃｕｒａｃｙ ｏｆ ｔｈｅ ｍｅａｓｕｒｅｍｅｎｔ ｒｅｓｕｌｔｓ．Ｔｈｅ ｃｏｎｔｒａｄｉｃｔｉｏｎ ｂｅｔｗｅｅｎ ｈｉｇｈ ｃａｐａｃｉｔｙ ｏｆ ａｎｔｉ－ｉｎｔｅｒｆｅｒｅｎｃｅ，ｇｏｏｄ ｒｏｂｕｓｔｎｅｓｓ ａｎｄ ｉｎｔｅｎｓｉｖｅ ｃｏｍｐｕｔａｔｉｏｎ ｅｘｉｓｔｓ ｉｎ ｏｐｔｉｃａｌ ｃｅｎｔｅｒ ｅｘｔｒａｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ，ｓｏ ａ ｃｒｏｓｓ－ｃｏｒｒｅｌａｔｉｏｎ ｓｔｒｉｐｅ ｃｅｎｔｅｒ ｅｘｔｒａｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｉｓ ｐｒｏｐｏｓｅｄ．Ｔｈｅ ｇｒａｄｉｅｎｔ ｔｈｒｅｓｈｏｌｄ ｉｓ ｕｓｅｄ ｔｏ ｓｅｐａｒａｔｅ ｔｈｅ ｅｆｆｅｃｔｉｖｅ ｓｔｒｉｐｅｓｒｅｇｉｏｎ，ａｎｄ ｃｏｒｒｅｌａｔｉｏｎ ｉｓ ａｐｐｌｉｅｄ ｂｅｔｗｅｅｎ ｃｒｏｓｓ－ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ ａｎｄ ｃｏｒｒｅｓｐｏｎｄｉｎｇ ｇｒａｙ ｓｃａｌｅ．Ｔｈｅ ｓｔｒｉｐｅ ｗｉｔｈｃｒｏｓｓ－ｃｏｒｒｅｌａｔｉｏｎ′ｓ ｅｘｔｒｅｍｅ ｖａｌｕｅ ｉｓ ｓｅｌｅｃｔｅｄ ａｓ ｔｈｅ ｉｎｉｔｉａｌ ｃｅｎｔｅｒ，ａｎｄ ｔｈｅｎ ｔｈｅ ｃｕｒｖｅ ｆｉｔｔｉｎｇ ｍｅｔｈｏｄ ｉｓ ｕｓｅｄ ｔｏ ｒｅｆｉｎｅ ｔｈｅａｃｃｕｒａｔｅ ｓｔｒｉｐｅ ｃｅｎｔｅｒ．Ｈｅｒｅ ｔｈｅ ｃｒｏｓｓ－ｃｏｒｒｅｌａｔｉｏｎ′ｓ ｖａｌｕｅ ｉｓ ｕｓｅｄ ｔｏ ｅｖａｌｕａｔｅ ｗｈｅｔｈｅｒ ｔｈｅ ｓｔｒｉｐｅ ｃｅｎｔｅｒ ｅｘｉｓｔｓ ｏｒ ｎｏｔ，ａｎｄ ｔｈｅｓｉｍｉｌａｒｉｔｙ ｃｏｎｓｔｒａｉｎｔｓ ｏｆ ｇｒａｙ ｓｃａｌｅ ａｎｄ ｐｏｓｉｔｉｏｎ ｉｎ ｔｈｅ ｎｅｉｇｈｂｏｒｈｏｏｄ ｓｔｒｉｐｅｓ ａｒｅ ｅｍｐｌｏｙｅｄ ｔｏ ｅｌｉｍｉｎａｔｅ ｔｈｅ ｎｏｉｓｅ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｈａｓ ｈｉｇｈ ｓｔｒｉｐｅ ｅｘｔｒａｃｔｉｏｎ ａｃｃｕｒａｃｙ ａｎｄ ｃａｌｃｕｌａｔｉｏｎ ｓｐｅｅｄ．Ｃｏｍｐａｒｅｄ ｗｉｔｈｃｕｒｒｅｎｔ ａｌｇｏｒｉｔｈｍｓ，ｉｔ ｉｓ ｓｉｍｐｌｅ ａｎｄ ｐｒａｃｔｉｃａｌ，ａｎｄ ａｌｓｏ ｈａｓ ｇｏｏｄ ｒｏｂｕｓｔｎｅｓｓ ａｎｄ ｔｈｅ ａｂｉｌｉｔｙ ｏｆ ａｎｔｉ－ｎｏｉｓｅ ｒｅｐａｉｒ ｏｎｄｉｓｃｏｎｎｅｃｔｅｄ ｓｔｒｉｐｅｓ．Ｋｅｙ ｗｏｒｄｓ ｍａｃｈｉｎｅ ｖｉｓｉｏｎ；ｓｔｒｉｐｅ ｃｅｎｔｅｒ；ｃｒｏｓｓ－ｃｏｒｒｅｌａｔｉｏｎ ａｌｇｏｒｉｔｈｍ；ａｃｃｕｒａｃｙ；ｒｏｂｕｓｔｎｅｓｓ；ｇｒａｄｉｅｎｔ ｔｈｒｅｓｈｏｌｄＯＣＩＳ ｃｏｄｅｓ １５０．０１５５；０００．３８７０；１００．３００８；１４０．３２９５ 收稿日期：２０１２－１２－１０；收到修改稿日期：２０１３－０１－０７基金项目：中国科学院西部之光“人才培养”基金（Ａ１１Ｋ００７）资助课题。
线结构光三维视觉测量中光条纹中心提取综述
第３１卷第１期 ２０１４年３月 广东工业大学学报ＪｏｕｒｎａｌｏｆＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ Ｖｏｌ．３１Ｎｏ．１ Ｍａｒｃｈ２０１４收稿日期：２０１３－０３－０１基金项目：国家自然科学基金资助项目（５１１０５０７８）；广东省教育部产学研结合项目（２０１２Ｂ０９１１００１９０）；东莞市高等院校科研机构科技计划项目（２０１０１０８１０２０５）；广州市科技计划项目（２０１３Ｊ４３０００１９）作者简介：杨建华（１９８５－），男，硕士研究生，主要研究方向为逆向设计与工程应用、机器视觉与三维测量．ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００７－７１６２．２０１４．０１．０１５线结构光三维视觉测量中光条纹中心提取综述杨建华，杨雪荣，成思源，雷志盛，骆少明，张湘伟（广东工业大学机电工程学院，广东广州５１０００６）摘要：光条纹中心提取是线结构光三维视觉测量中的关键技术．把影响光条纹中心提取精度的主要因素归纳为工作环境、激光平面、被测物体和图像采集系统，并对其进行了对比分析．根据提取算法的理论基础、对图像信息的利用及计算思路特点的差异，将其分为几何中心方法和能量中心方法两大类．针对每类方法的计算思路、优缺点、改进方法、适用工况等在细分类方法中进行了对比分析和归纳总结．最后结合两大类方法的发展特点，提出了光条纹中心提取方法的进一步发展方向．关键词：三维视觉测量；线结构光；光条纹；中心提取中图分类号：ＴＰ３９１．４；ＴＮ２４７ 文献标志码：Ａ 文章编号：１００７－７１６２（２０１４）０１－００７４－０５ＲｅｖｉｅｗｏｆＥｘｔｒａｃｔｉｎｇｔｈｅＣｅｎｔｅｒｓｏｆＬｉｎｅａｒＳｔｒｕｃｔｕｒｅｄＬｉｇｈｔＳｔｒｉｐｅｓｆｏｒ３ＤＶｉｓｕａｌＭｅａｓｕｒｅｍｅｎｔｓＹａｎｇＪｉａｎ－ｈｕａ，ＹａｎｇＸｕｅ－ｒｏｎｇ，ＣｈｅｎｇＳｉ－ｙｕａｎ，ＬｅｉＺｈｉ－ｓｈｅｎｇ，ＬｕｏＳｈａｏ－ｍｉｎｇ，ＺｈａｎｇＸｉａｎｇ－ｗｅｉ（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ５１０００６，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｅｘｔｒａｃｔｉｎｇｔｈｅｃｅｎｔｅｒｏｆａｌｉｇｈｔｓｔｒｉｐｅｉｓｏｎｅｏｆｔｈｅｋｅｙｔｅｃｈｎｉｑｕｅｓｏｆｔｈｅｌｉｎｅａｒｓｔｒｕｃｔｕｒｅｄｌｉｇｈｔｆｏｒｔｈｒｅｅ－ｄｉｍｅｎｓｉｏｎａｌ（３Ｄ）ｖｉｓｕａｌｍｅａｓｕｒｅｍｅｎｔ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｉｎｆｌｕｅｎｃｅｏｆｔｈｅａｃｃｕｒａｃｙｉｎｅｘｔｒａｃｔｉｎｇｔｈｅｌｉｇｈｔｓｔｒｉｐｅｃｅｎｔｅｒｓ，ｔｈｅｆｏｕｒｋｅｙｆａｃｔｏｒｓ，ｗｈｉｃｈａｒｅｔｈｅｗｏｒｋｅｎｖｉｒｏｎｍｅｎｔ，ｌａｓｅｒｐｌａｎｅｓ，ｍｅａｓｕｒｅｄｏｂ－ｊｅｃｔｓａｎｄｉｍａｇｅａｃｑｕｉｓｉｔｉｏｎｓｙｓｔｅｍｓ，ａｒｅｓｕｍｍｅｄｕｐａｎｄａｎａｌｙｚｅｄ．Ｏｎｔｈｅｂａｓｉｓｏｆｔｈｅｄｉｆｆｅｒｅｎｃｅｓｂｅ－ｔｗｅｅｎｔｈｅｕｓｅｏｆｔｈｅｉｍａｇｅｉｎｆｏｒｍａｔｉｏｎａｎｄｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｃａｌｃｕｌａｔｅｄａｌｇｏｒｉｔｈｍｓｉｎｔｈｅｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｓ，ａｎｅｗｉｄｅａｉｓｐｒｏｐｏｓｅｄｔｈａｔｔｈｅｙａｒｅｃｌａｓｓｉｆｉｅｄｉｎｔｏｔｗｏｄｉｆｆｅｒｅｎｔｍｅｔｈｏｄｓ，ｗｈｉｃｈａｒｅｔｈｅｇｅｏｍｅｔ－ｒｉｃａｌｃｅｎｔｅｒｍｅｔｈｏｄａｎｄｔｈｅｅｎｅｒｇｙｃｅｎｔｅｒｍｅｔｈｏｄ．Ｂａｓｅｄｏｎｔｈｅｄｉｆｆｅｒｅｎｃｅｓｂｅｔｗｅｅｎｔｈｅｔｗｏｍｅｔｈｏｄｓｉｎａｌｇｏｒｉｔｈｍｔｈｏｕｇｈｔｓ，ｍｅｒｉｔｓａｎｄｄｅｍｅｒｉｔｓ，ｗａｙｓｏｆｉｍｐｒｏｖｅｍｅｎｔ，ａｐｐｌｉｃａｂｌｅｃｏｎｄｉｔｉｏｎｓ，ｔｈｅｙａｒｅｓｕｂｃｌａｓｓｉ－ｆｉｅｄ，ｃｏｍｐａｒｅｄ，ａｎａｌｙｚｅｄａｎｄｓｕｍｍａｒｉｚｅｄ．Ａｔｌａｓｔ，ｗｉｔｈｔｈｅｄｅｖｅｌｏｐｉｎｇｆｅａｔｕｒｅｓｏｆｔｈｅｔｗｏｍｅｔｈｏｄｓｃｏｍ－ｂｉｎｅｄ，ｉｔｐｒｏｐｏｓｅｓｔｈｅｄｅｖｅｌｏｐｍｅｎｔｔｒｅｎｄｏｆｔｈｅｌｉｇｈｔｓｔｒｉｐｅｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄ．Ｋｅｙｗｏｒｄｓ：３Ｄｖｉｓｕａｌｍｅａｓｕｒｅｍｅｎｔ；ｌｉｎｅａｒｓｔｒｕｃｔｕｒｅｄｌｉｇｈｔ；ｌｉｇｈｔｓｔｒｉｐｅ；ｅｘｔｒａｃｔｉｎｇｔｈｅｃｅｎｔｅｒ 线结构光三维视觉测量是基于光学三角法测量原理的一种非接触式测量，具有测量速度快、精度高，结构简单、经济且易于实现等优点，在工业测量和检测、医学、工程设计、逆向工程等领域得到了越来越广泛的应用［１］．其测量原理是首先将激光器发出的激光光束通过柱面镜展成为一个连续的激光平面，用它来照射被测物体，与被测物体表面相交形成一条变形结构光条纹；然后利用ＣＣＤ摄像机拍摄到的变形结构光条纹的图像几何信息，结合测量时系统运动参数来提取被测物体表面的三维形貌几何信息．其中，对变形结构光条纹图像的处理和计算，是三维测量的关键环节之一．由于变形结构光条纹一般具有３～１２个像素宽度，而光条纹中心线上点的位置坐标才是测量所需的最准确的信息，所以必须对变形结构光条纹进行光条纹中心提取，因此，光条纹中心提取的精度直接决定了测量结果的精度．１ 光条纹中心提取精度的影响因素国内外很多学者紧紧地围绕如何提高光条纹中心的提取精度和算法速度进行了大量的实验研究和工程实践，通过及应用不同的算法研究并取得了相应的成果，在指导实际工程应用方面发挥了不同的作用，其依据的结构光视觉的基本测量原理如图１所示，实验中拍摄的实物模型的变形结构光条纹如图２所示．图１ 线结构光测量原理Ｆｉｇ．１ Ｐｒｉｎｃｉｐｌｅｏｆｌｉｎｅａｒｓｔｒｕｃｔｕｒｅｄｌｉｇｈｔｍｅａｓｕｒｅｍｅｎｔ图２ 实物模型的变形结构光条纹Ｆｉｇ．２ Ｓｔｒｕｃｔｕｒｅｄｌｉｇｈｔｓｔｒｉｐｅｓｏｆｏｂｊｅｃｔｍｏｄｅｌ 噪声对光条纹提取的精度有较大影响，在对光条纹图像进行处理时首先要进行去噪处理，所以对影响光条纹中心提取精度的主要因素进行了总结分析和对比研究．结合杨雪荣等［２］和解则晓等［３］对光条纹中心提取影响因素的分析，可将其总结并概括为表１．表１ 主要影响提取精度的因素Ｔａｂ．１ Ｍａｉｎｉｎｆｌｕｅｎｃｅｆａｃｔｏｒｓｏｆｔｈｅｅｘｔｒａｃｔｉｏｎ影响因素噪声来源噪声类别降噪、除噪方法工作环境环境光（折射光、漫反射光、白炽灯光）随机噪声（无法估量、无法彻底消除）提高激光器功率、设计封闭式采集、选用特定波段的激光光源和滤色镜等激光平面平面度、“厚度”、光强变化可消除噪声（有规律、可重复）滤波处理、选用性能稳定的激光光源等被测物体表面性质、材质随机噪声喷涂吸光材料、改变光照角度等图像采集系统图像采集卡、ＣＣＤ内部噪声随机噪声、热电噪声、白噪声图像滤波处理、独立分割光条纹特征再处理等 表１中根据测量时的系统组成和测量原理将影响提取精度的因素分成４大类，针对每类的噪声来源、噪声类别及其是否可消除、避免噪声方法及措施进行了对比分析．针对这些噪声影响因素的研究以及结合数字图像处理和计算机视觉领域的新发展，很多学者提出了独特的光条纹中心提取算法．从实现方法上分析，可将现有的光条纹提取技术归结为两大类：以几何中心作为光条纹中心的提取方法和以能量中心作为光条纹中心的提取方法．２ 光条纹中心的几何中心提取法此类方法又简称为几何中心方法．它是从数字图像处理的图像分割理论发展而来，其基本思路是首先对光条纹进行边缘检测，然后利用提取的光条纹两条边缘线的几何关系或阈值信息来求取光条纹的几何中心线，作为光条纹的中心线．从计算依据的信息和算法不同，几何中心法可分成以下３类．２．１ 利用边缘信息的提取方法此方法主要利用特征检测分割出的两条光条纹区域边缘线，从计算几何角度提取光条纹中心线．这类方法是最早用来实现结构光条纹中心线提取的主要方法，最先实现的传统边缘法（又称轮廓法）只是简单地将两条边缘线中的某一条替代作为光条纹中心线，后来进行改进发展的中线法（又称中心法）是提取两条边缘线的中线作为光条纹中心线［４］．表２列出了两种方法的特点．表２ 边缘法与中线法的特点Ｔａｂ．２ Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｅｄｇｅ－ｍｅｔｈｏｄａｎｄｃｅｎｔｅｒｌｉｎｅ－ｍｅｔｈｏｄ名称特点边缘法①取光条纹内或外边缘线作为中心线②适用于精度要求不高的大型物体测量③要求图像质量较好且结构光特性较高中线法①取光条纹内外边缘线的中线作为中心线②适用条纹质量好且形状规则的物体测量③实现简单且避免判断内外边缘轮廓线５７ 第１期 杨建华，等：线结构光三维视觉测量中光条纹中心提取综述 在运用两种方法的过程中，物体模型表面复杂并带有细微特征以及光条纹不规范，常常使提取的中线出现“分枝”；由于遮挡等原因造成光条纹出现缺失或断线，这些都会产生测量误差．据此，黎明等［５］提出一种利用光强信息进行修正的中线法，利用表面光强分布信息与表面法线方向关系采用逐次逼近的计算方法修正带有误差的中线轮廓，使得算法精度得到进一步提高．２．２ 利用阈值信息的提取方法此方法假设在理想的结构光条纹特性和被测物体表面质量相同的条件下，提取阈值分割后光条纹横截面中一对阈值分割点的中点位置作为光条纹中心点．该方法称为灰度阈值法（又称门限阈值法），具有计算速度快，简单等特点．由于受阈值分割和噪声影响大而使得提取精度差，它只适用于对光条纹中心位置的粗略估计．针对激光散斑效应噪声影响较为严重的问题，贾波等［６］采用了图像多帧平均法，虽然有效地去除了噪声，但是由于它将同时处理到几帧图像，造成计算数据量较大，处理速度缓慢，不适合也不利于工程应用．２．３ 利用细化技术的提取方法此方法利用细化技术得到光条纹区域的细化曲线来替代光条纹中心线，称为形态学骨架法（又称骨架细化法）．骨架是图像几何形态的重要拓扑结构描述，保持了原目标的拓扑性质，具有原目标相同的特征，可用来表征一个光条纹的中心线特征．细化过程就是重复地剥掉二值图像的边界像素，直到获得一条单像素宽的光条纹连通线（称为骨架）的过程．将形态学处理引入光条纹中心提取是一个重要的算法推广，但是由于单纯提取的骨架没有考虑到光条纹的横截面光强特性，使得提取的光条纹中心线精度不高．同时在迭代腐蚀边界像素时必须保持目标的连通性而不能改变图像的拓扑性质，而需要进行多次细化操作，使得提取算法的运算速度降低．３ 光条纹中心的能量中心提取法此类方法又简称为能量中心方法，它是在对激光光束的光学分析、结构光光条纹的形成原理和灰度特性分析的基础上发展形成的．其基本计算思路是求取光条纹横截面上理想的光强高斯分布曲线的灰度重心点或灰度极大值点作为光条纹的中心点，然后连接点集或拟合成高次曲线得到光条纹的能量中心线，作为光条纹的中心线．目前，对提取光条纹能量中心的方法研究一直是热门话题，现有方法可综合分成以下３类．３．１ 利用灰度重心的提取方法此方法是直接依据光条纹在每一行横截面区间内灰度值的排列，沿行坐标方向求取光条纹区域的灰度重心点来代表该截面的光条纹中心点位置．该方法减小了由于光条纹灰度分布的不均匀性而引起的误差，提高了提取精度．但由于在光条纹截面中参与计算的像素点数不同及噪声干扰影响，导致了中心点位置计算结果出现沿行坐标方向的偏移误差．针对在处理得到灰度重心点之前的噪声干扰、图像预处理方法等方面，以及如何得到更加逼近实际的灰度重心点等方面，很多学者进行了有针对性的分析和研究，表３列出了与此相关的改进方法［２，７－１０］．在表中针对改进因素的不同方式或途径进行分别对比，从采用的理论基础和算法特点两个方面进行了分析．３．２ 利用方向模板技术的提取方法此方法又称为可变方向模板法（简称方向模板法），主要针对光条纹图像进行低通滤波除噪和平滑处理后而引起损失物体表面几何细节信息的缺点，提出采用“有效尺寸”为５×３的４种不同方向模板与光条纹图像进行卷积运算，直接提取光条纹中心．最初由胡斌等［１１］提出，它是从利用灰度重心提取方法的思想发展而来的．该方法具有与采用固定模板卷积一样的抗白噪声和一定断线修补能力，较好地保留了光条纹的细节信息；但是在更高精度的要求下仅仅选取４个方向的模板不再能够满足要求，但如果增加其他不同方向模板又会增加计算量和运算时间，影响处理效率．据此，雷海军等［１２］在运用可变方向模板法之前结合光条纹像素的灰度邻域属性利用灰度阈值分割出光条纹，如此可快速检测和精确定位光条纹中心，同时数据存储量小有利于硬件并行实现．此外，吴庆阳等［１３］将可变方向模板技术和细化技术相结合，在细化的骨架上利用可变方向模板判断光条纹的法线方向，再利用灰度重心方法可提取光条纹中心，这样充分地发挥了两种方法的优点．３．３利用极大值点的提取方法此方法主要将光条纹中横截面光强极大值点作为光条纹中心点．该方法在光条纹横截面的灰度布成理想高斯分布的情况下具有很好的提取效果，而且提取速度极快．但由于受到噪声干扰，光条纹横截面的灰度分布曲线不能完全构成理想高斯曲线，因此该方法不适用于信噪比较小的图像．近年来以该６７ 广 东 工 业 大 学 学 报 第３１卷 方法为基础，许多研究者又提出了改进方法［１４－１５］，如表４所示．表中将改进方法分成对噪声影响和极值点寻找两个大方向，对改进方法的核心思想及特点进行了对比分析．表３ 灰度重心法的改进方法Ｔａｂ．３ Ｉｍｐｒｏｖｅｍｅｎｔｏｆｔｈｅｂａｒｙｃｅｎｔｅｒｍｅｔｈｏｄ针对性或改进因素方法名称理论基础特点灰度重心点提取的偏移误差和曲面调制误差自适应迭代法系统量传递理论偏态分布重心特性基本消除光条纹调制误差，可用于快速精密测量灰度重心点提取对光强分布不均匀的敏感性自适应阈值法阈值分割算法浮动阈值特性去除某些随机噪声以及激光散斑效应的干扰影响边界灰度阈值选取对灰度重心点提取的影响梯度重心法灰度梯度特性灰度非正态分布特性克服灰度分布不匀称良好的抗噪性和鲁棒性光条纹法线方向上灰度重心点的计算偏差全分辨率法灰度梯度特性Ｂａｚｅｎ方法兼顾光条纹延伸方向影响因素、适用于在线精确测量光条纹法线方向和灰度重心点的判别封闭光圈（光带）法基准坐标变换模板校正算法计算精度高但计算数据量大、速度慢、应用实时性差噪声干扰对灰度重心点提取的影响ＮＵＲＢＳ曲线插值法ＮＵＲＢＳ曲线的局部控制特性、插值运算方法降低噪声影响、重复计算精度稳定性好Ｂ样条迭代法Ｂ样条曲线特性迭代算法逐步迭代修复噪声影响、提高提取精度遗传优化法遗传算法图像分割阈值特性增强抗白噪声能力实现断线的修补可变形模型法可变形模型理论Ｂ样条曲线特性有效抑制噪声影响实现断线的修补感兴趣区域（ＲＯＩ）分割法最大类间方差法阈值分割特性提高处理速度、增强光照下抗漫反射能力和分割特性表４ 极大值点法的改进Ｔａｂ．４ Ｉｍｐｒｏｖｅｍｅｎｔｏｆｔｈｅｍａｘｉｍｕｍｐｏｉｎｔ－ｖａｌｕｅｍｅｔｈｏｄ针对性改进方法特点干扰噪声影响从极值点向两边缘方向搜索到相同阈值阈值对等更精确，运算时间增长寻找极大值点（最小二乘法）高斯曲线拟合或二次抛物线拟合曲线拟合理论成熟，提取精度达亚像素级Ｓｔｅｇｅｒ的Ｈｅｓｓｉａｎ矩阵法（曲线求导理论）精度高、鲁棒性好，运算量较大胡坤的改进Ｓｔｅｇｅｒ法（采用固定像素框或递归滤波）极大减少运算量，实现矩阵快速运算基于ＲＯＩ分割的胡坤法的改进极大提高运算速度适合实时应用４ 总结如前所述，直接地利用光条纹区域的几何关系与阈值信息求取光条纹的几何中心线，就是以几何中心作为光条纹中心的提取方法．实现该类方法的关键点是在于如何得到更加合理的每个光条纹横截面的几何中心位置对应点．针对当前的工程应用领域来说，这种典型方法已经逐渐发展成熟并得到广泛的应用．在受工况环境和噪声影响少、结构光性能好、物体特征或曲面相对简单以及对测量结果精度要求不高的情况下均能满足；在工况环境恶劣并伴有多种噪声、结构光性能不很稳定、物体特征复杂以及对测量结果精度要求较高的情况下一般不能满足而均采用能量中心方法进行光条纹中心提取．充分地利用光条纹区域的灰度信息特性并结合高斯分布原理求取光条纹的能量中心线，就是以能量中心作为光条纹中心的提取方法．从求取几何中心到求取能量中心的发展是从仅仅考虑光条纹的几何形态特性到综合分析光条纹自身灰度特性的发展，是从表象到本质的发展．因此，能量中心提取方一直是当前研究热点，很多学者结合数字图像处理和计算机视觉领域发展的新理论新算法以及一些先进的优化方法，来尝试应用于光条纹中心的提取．由于在进行光条纹中心提取的过程中，对整幅７７ 第１期 杨建华，等：线结构光三维视觉测量中光条纹中心提取综述 光条纹图像的每一步处理操作都密切关系到光条纹中心的提取精度和运算速度，因此更加合理的图像去噪预处理、更加精确的光条纹分割方法、更贴合光条纹横截面光强实际分布特性的灰度信息处理等都是对提取算法发展的重要方向．参考文献：［１］ＣｈａｎｇＤＹ，ＣｈａｎｇＹＭ．Ａｆｒｅｅｆｏｒｍｓｕｒｆａｃｅｍｏｄｅｌｉｎｇｓｙｓｔｅｍｂａｓｅｄｏｎｌａｓｅｒｓｃａｎｄａｔａｆｏｒｒｅｖｅｒｓｅｅｎｇｉｎｅｅｒｉｎｇ［Ｊ］．ＴｈｅＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＡｄｖａｎｃｅｄＭａｎｕｆａｃｔｕｒｉｎｇＴｅｃｈｎｏｌｏ－ｇｙ，２００２，２０（１）：９－１９．［２］杨雪荣，张湘伟，成思源，等．基于可变形模型的光条纹中心提取方法研究［Ｊ］．中国机械工程，２００９，２０（０３）：３３４－３３７．ＹａｎｇＸＲ，ＺｈａｎｇＸＷ，ＣｈｅｎｇＳＹ，ｅｔａｌ．Ｒｅｓｅａｒｃｈｏｎｔｈｅｍｅｔｈｏｄｆｏｒｅｘｔｒａｃｔｉｎｇｔｈｅｃｅｎｔｒｅｏｆｌｉｇｈｔｓｔｒｉｐｅｂａｓｅｄｏｎｄｅ－ｆｏｒｍａｂｌｅｍｏｄｅｌ［Ｊ］．ＣＭＥＳ，２００９，２０（０３）：３３４－３３７．［３］解则晓，张成国，张国雄．基于Ｂ样条迭代法的激光光条噪声去除技术研究［Ｊ］．光学技术，２００５，３１（３）：４３０－４３３．ＸｉｅＺＸ，ＺｈａｎｇＣＧ，ＺｈａｎｇＧＸ．ＲｅｓｅａｒｃｈｏｎｒｅｍｏｖｉｎｇｔｈｅｎｏｉｓｅｏｎｔｈｅｌａｓｅｒｓｔｒｉｐｅｂａｓｅｄｏｎｔｈｅｉｔｅｒａｔｉｖｅｆｉｔｔｉｎｇｏｆＢ－ｓｐｌｉｎｅ［Ｊ］．ＯｐｔｉｃａｌＴｅｃｈｎｉｑｕｅ，２００５，３１（３）：４３０－４３３．［４］ＬｙｖｅｒｓＥＰ，ＭｉｔｃｈｅｌｌＯＲ．Ｓｕｂ－ｐｉｘｅｌｍｅａｓｕｒｅｍｅｎｔｓｕｓｉｎｇａｍｏｍｅｎｔｂａｓｅｄｅｄｇｅｏｐｅｒａｔｏｒ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＰＡＭＩ，１９８９，１１（１２）：１２９３－１３０９．［５］黎明，冯华君，徐之海，等．利用光强信息的结构光图像轮廓提取修正方法［Ｊ］．光电工程，２００５，３２（２）：３０－３２．ＬＩＭ，ＦｅｎｇＨＪ，ＸｕＺＨ，ｅｔａｌ．Ｐｒｏｆｉｌｅｅｘｔｒａｃｔｉｏｎｏｆｓｔｒｕｃ－ｔｕｒａｌｌｉｇｈｔｉｍａｇｅａｎｄｉｔｓｃｏｒｒｅｃｔｉｏｎｂａｓｅｄｏｎｌｉｇｈｔｉｎｔｅｎｓｉｔｙ［Ｊ］．Ｏｐｔｏ－ＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，２００５，３２（２）：３０－３２．［６］贾波，苏显渝，郭履容．采用激光光刀的叶片三维面形测量方法［Ｊ］．中国激光，１９９２，１９（４）：２７１－２７５．ＪｉａＢ，ＳｕＸＹ，ＧｕｏＬＲ．３－Ｄｍｅａｓｕｒｅｍｅｎｔｏｆｔｕｒｂｉｎｅｂｌａｄｅｐｒｏｆｉｌｅｂｙｌｉｇｈｔｋｎｉｆｅ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆｌａｓｅｒｓ，１９９２，１９（４）：２７１－２７５．［７］ＯｔｓｕＮ．Ａｔｈｒｅｓｈｏｌｄｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄｆｒｏｍｇｒａｙ－ｌｅｖｅｌｈｉｓｔｏ－ｇｒａｍｓ［Ｊ］．ＩＥＥＥＴｒａｎｓＳｙｓｔｅｍｓ，ＭａｎａｎｄＣｙｂｅｍｅｔｉｃｓ，１９７９，９（１）：６２－６６．［８］ＳｅｏｋｂａｅＳｏｎ，ＨｙｕｎｐｕｎｇＰａｒｋ，ＬｅｅＫｗａｎＨ．Ａｕｔｏｍａｔｅｄｌａ－ｓｅｒｓｃａｎｎｉｎｇｓｙｓｔｅｍｆｏｒｒｅｖｅｒｓｅｅｎｇｉｎｅｅｒｉｎｇａｎｄｉｎｓｐｅｃｔｉｏｎ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＭａｃｈｉｎｅＴｏｏｌｓａｎｄＭａｎｕｆａｃ－ｔｕｒｅ，２００２，４２（８）：８８９－８９７．［９］ＢａｚｅｎＡＭ，ＧｅｒｅｚＳＨ．Ｓｙｓｔｅｍａｔｉｃｍｅｔｈｏｄｓｆｏｒｔｈｅｃｏｍｐｕｔａ－ｔｉｏｎｏｆｔｈｅｄｉｒｅｃｔｉｏｎａｌｆｉｅｌｄｓａｎｄｓｉｎｇｕｌａｒｐｏｉｎｔｓｏｆｆｉｎｇｅｒ－ｐｒｉｎｔｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＰａｔｔｅｒｎＡｎａｌｙｓｉｓａｎｄＭａ－ｃｈｉｎｅＩｎｔｅｌｌｉｇｅｎｃｅ，２００２，２４（７）：９０５－９１９．［１０］张万江，许敏．基于结构光视觉的激光拼焊焊缝质量检测方法研究［Ｊ］．仪表技术与传感器，２０１２，（７）：１５６－１５８．ＺｈａｎｇＷＪ，ＸｕＭ．Ｓｅａｍｑｕａｌｉｔｙｉｎｓｐｅｃｔｉｏｎｏｆｌａｓｅｒｗｅｌｄｉｎｇｂａｓｅｄｏｎｓｔｒｕｃｔｕｒｅｄｌｉｇｈｔｖｉｓｉｏｎ［Ｊ］．ＩｎｓｔｒｕｍｅｎｔＴｅｃｈｎｉｑｕｅａｎｄＳｅｎｓｏｒ，２０１２（７）：１５６－１５８．［１１］胡斌，李德华，金刚，等．基于方向模板的结构光条纹中心检测方法［Ｊ］．计算机工程与应用，２００２，３８（１１）：５９－６０，１０９．ＨｕＢ，ＬｉＤＨ，ＪｉｎＧ．Ｎｅｗｍｅｔｈｏｄｆｏｒｏｂｔａｉｎｉｎｇｔｈｅｃｅｎｔｅｒｏｆｓｔｒｕｃｔｕｒｅｄｌｉｇｈｔｓｔｒｉｐｅｂｙｄｉｒｅｃｔｉｏｎｔｅｍｐｌａｔｅ［Ｊ］．Ｃｏｍｐｕｔ－ｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２００２，３８（１１）：５９－６０，１０９．［１２］雷海军，李德华，王建永，等．一种结构光条纹中心快速检测方法［Ｊ］．华中科技大学学报：自然科学版，２００３，３１（１）：７４－７６．ＬｅｉＨＪ，ＬｉＤＨ，ＷａｎｇＪＹ．Ａｍｅｔｈｏｄｆｏｒｄｅｔｅｃｔｉｎｇｔｈｅｃｅｎｔｅｒｏｆｓｔｒｕｃｔｕｒｅｄｌｉｇｈｔｓｔｒｉｐｅ［Ｊ］．ＪＨｕａｚｈｏｎｇＵｎｉｖｏｆＳｃｉ＆Ｔｅｃｈ：ＮａｔｕｒｅＳｃｉｅｎｃｅＥｄｉｔｉｏｎ，２００３，３１（１）：７４－７６．［１３］吴庆阳，苏显渝，李景镇，等．一种新的线结构光光带中心提取算法［Ｊ］．四川大学学报：工程科学版，２００７，３９（４）：１５１－１５５．ＷｕＱＹ，ＳｕＸＹ，ＬｉＪＺ，ｅｔａｌ．Ａｎｅｗｍｅｔｈｏｄｆｏｒｅｘｔｒａｃ－ｔｉｎｇｔｈｅｃｅｎｔｒｅ－ｌｉｎｅｏｆｌｉｎｅｓｔｒｕｃｔｕｒｅｌｉｇｈｔ－ｓｔｒｉｐｅ［Ｊ］．Ｊｏｕｒ－ｎａｌｏｆＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙ：ＥｎｇｉｎｅｅｒｉｎｇＳｃｉｅｎｃｅＥｄｉｔｉｏｎ，２００７，３９（４）：１５１－１５５．［１４］ＳｔｅｇｅｒＣ．Ａｎｕｎｂｉａｓｅｄｄｅｔｅｃｔｏｒｏｆｃｕｒｖｉｌｉｎｅａｒｓｔｒｕｃｔｕｒｅｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＰＡＭＩ，１９９８，２０（２）：１１３－１２５．［１５］ＩｚｑｕｉｅｒｄｏＭＡＧ，ＳａｎｃｈｅｚＭＴ．Ｓｕｂ－ｐｉｘｅｌｍｅａｓｕｒｅｍｅｎｔｏｆ３Ｄｓｕｒｆａｃｅｓｂｙｌａｓｅｒｓｃａｎｎｉｎｇ［Ｊ］．ＳｅｎｓｏｒｓａｎｄＡｃｔｕａｔｏｒｓＡ：Ｐｈｙｓｉｃａｌ，１９９９，７６（１－３）：１－８．（上接第７３页）［１４］刘芹，王钢，董镝．线路在线监测的自组织自愈无线传感器网络方案［Ｊ］．高电压技术，２０１０，３６（３）：６１６－６２０．ＬｉｕＱ，ＷａｎｇＧ，ＤｏｎｇＤ．Ｓｃｈｅｍｅｏｆｌｏｎｇ－ｄｉｓｔａｎｃｅｔｒａｎｓ－ｍｉｓｓｉｏｎｌｉｎｅｏｎ－ｌｉｎｅｍｏｎｉｔｏｒｉｎｇｆｏｒｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇａｎｄｓｅｌｆ－ｈｅａｌｉｎｇｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｓ［Ｊ］．ＨｉｇｈＶｏｌｔａｇｅＥｎｇｉ－ｎｅｅｒｉｎｇ，２０１０，３６（３）：６１６－６２０．［１５］庞娜，程德福．基于ＺｉｇＢｅｅ无线传感器网络的温室监测系统设计［Ｊ］．吉林大学学报，２０１０，２８（１）：５６－６０．ＰａｎｇＮ，ＣｈｅｎｇＤＦ．Ｄｅｓｉｇｎｏｆｇｒｅｅｎｈｏｕｓｅｍｏｎｉｔｏｒｉｎｇｓｙｓ－ｔｅｍｂａｓｅｄｏｎＺｉｇＢｅｅｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＪｉｌｉｎＵｎｉｖｅｒｓｉｔｙ，２０１０，２８（１）：５６－６０．８７ 广 东 工 业 大 学 学 报 第３１卷 线结构光三维视觉测量中光条纹中心提取综述作者：杨建华， 杨雪荣， 成思源， 雷志盛， 骆少明， 张湘伟， Yang Jian-hua， Yang Xue-rong， Cheng Si-yuan， Lei Zhi-sheng， Luo Shao-ming， Zhang Xiang-wei作者单位：广东工业大学机电工程学院,广东广州,510006刊名：广东工业大学学报英文刊名：Journal of Guangdong University of Technology年，卷(期)：2014(1)引用本文格式：杨建华.杨雪荣.成思源.雷志盛.骆少明.张湘伟.Yang Jian-hua.Yang Xue-rong.Cheng Si-yuan. Lei Zhi-sheng.Luo Shao-ming.Zhang Xiang-wei线结构光三维视觉测量中光条纹中心提取综述[期刊论文]-广东工业大学学报 2014(1)。
金属表面非相干线结构光条纹中心提取方法
金属表面非相干线结构光条纹中心提取方法商执亿，王建华，尹培丽，杜虎兵（1.西安工业大学机电工程学院，陕西西安__；2.西安工程大学机电工程学院，陕西西安__）线结构光法因其非接触、效率高、结构简单等优点，在很多形貌测量场合都有着广泛的应用[1-3]。
该方法主要通过提取条纹图像的条纹中心位置来获得被测表面的形貌信息，因此能否准确提取条纹中心是测量的关键。
目前采用线结构光法对金属表面进行形貌测量时，条纹中心的提取误差较大，主要原因是受金属表面光学特性的影响。
线结构光法测量原理是利用被测表面的漫反射光来进行测量，而金属表面通常不是理想的漫反射表面，其表面的光学特性与粗糙度相关。
随着粗糙度值逐渐减小，表面光学特性逐渐从漫反射状态向镜面反射状态过渡。
并且多数情况下，这两种状态是共存且不断变化的，这种复杂的混合反射表面增加了条纹图像灰度分布的复杂性[5-7]。
而传统的条纹中心提取方法，如灰度重心法、极值法、Steger法、几何中心法、边缘法等无法对灰度分布复杂、成像质量不高的条纹图像进行精确、稳定的中心提取[8-10]。
很多学者研究了新的提取方法，如WANG H F针对金属表面反射不均匀的影响，提出了一套结合差分图像法、灰度重心法、Sobel算子和双线性插值的具有较强鲁棒性的光条纹中心亚像素提取方法，条纹的检测误差小于0.1像素。
李凤娇为解决高反光情况下的激光条纹中心提取问题，提出了一种基于多尺度分析的提取方法。
该方法抗噪声能力强，可实现光条宽度变化较大的激光条纹中心的高精度提取。
赵博华提出了一种适用于混合反射特性的粗糙金属表面的激光条纹中心提取方法，该方法先利用图像增强法对图像进行去噪，然后采用灰度重心法提取条纹中心，实验结果表明平均提取误差为0.337 5个像素。
李涛涛针对理想反射、强镜面反射、强漫反射和弱反射4种状态的条纹图像，提出了一种基于高斯-洛伦兹分峰拟合的光条中心提取方法。
该方法的适用性强、精确度高，但耗时长。
激光条纹中心线提取
激光条纹中心线提取
激光条纹中心线提取是一种常见的图像处理技术，它可以用于测量物体的形状和位置。
在这种技术中，激光束照射在物体表面上，形成一系列条纹图案。
通过对这些条纹进行处理，可以提取出物体表面的中心线。
在实际应用中，激光条纹中心线提取通常需要经过多个步骤。
首先，需要对激光条纹进行预处理，去除噪声和干扰。
然后，可以使用算法对图像进行分割，将物体表面和背景进行区分。
接着，可以应用形态学处理和其他技术，提取物体表面的轮廓和中心线。
最后，可以对提取出的中心线进行进一步的分析和处理，以获得所需的信息。
激光条纹中心线提取技术在许多领域得到了广泛应用，例如三维建模、机器人视觉和医学成像等。
它可以帮助人们更准确地测量物体的形状和位置，提高生产和制造效率，同时也可以为科学研究提供重要的数据支持。
- 1 -。
精确的线结构光中心提取算法研究
精确的线结构光中心提取算法研究
李春明;王萌萌;刘海洋;杨鹏飞
【期刊名称】《机械与电子》
【年(卷),期】2017(035)006
【摘要】光条纹中心的精确提取是线结构光三维识别系统的重要环节.环境光干扰、被测物表面反射以及图像采集系统所产生的噪声都给光条提取增加了难度.文章提
出了一种快速精确的线结构光条纹中心提取法.首先,对图像进行预处理,通过边缘法对结构光中心线进行边缘检测;然后,用均方灰度梯度法确定结构光中心法线方向;最后,对法线方向上像素进行灰度加权,从而精确提取出结构光条纹中心.实验结果证明,该算法光条纹中心的提取精度达到了亚像素级别.
【总页数】3页(P29-31)
【作者】李春明;王萌萌;刘海洋;杨鹏飞
【作者单位】河北科技大学信息科学与工程学院,河北石家庄 050000;河北科技大学信息科学与工程学院,河北石家庄 050000;河北科技大学信息科学与工程学院,河北石家庄 050000;石家庄市京华电子实业有限公司工程部,河北石家庄 050000【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.线结构光条纹中心的全分辨率精确提取 [J], 熊会元;宗志坚;陈承鹤
2.精确提取线结构光条纹中心方法 [J], 熊会元;宗志坚;高群;陈承鹤
3.线结构光光条中心提取算法研究 [J], 李忠虎; 郭蕾; 闫俊红; 王金明
4.基于改进Steger算法的线结构光中心提取 [J], 曾凯;刘贺飞;何茜;王福斌;邸跃
5.线结构光条纹中心亚像素自适应提取算法 [J], 王福斌;刘贺飞;王蕊;曾凯
因版权原因，仅展示原文概要，查看原文内容请购买。
一种实时准确的线结构光条纹中心提取方法
Ｉ ｎ ｔ ｅ ｌ ｌ ｉ ｇ ｅ ｎ ｃ ｅ ，１ ９ ９ ８ ， ２ ０ （ ２ ） ： １ １ ３ － １ ２ ５ ．
＝
（ ∑
Ｐ ｉ ∈ 【 ｐ ） ＞ ｇ ｔ ｈ
ｘ ｆ （ ｐ ） ） ／ （ ∑ 厂 （ ｐ ） ） ， Ｙ ＝ （ ∑
Ｐ ｉ Ｅ （ Ｐ ｉ ） ＞ ｇ ｔ ｈ
Ｐ ｌ Ｅ ｔ ｐ ｉ ） ＞ ｇ ｔ ｈ
ｘ ｆ （ ｐ ） ） ／ （ ∑ ｆ （ ｐ ） ） ．（ ６ ）
①选取轮廓关键点集合 中距离最远 的两个关键点 ｑ 。 和ｑ 分别作为起始扫描点和结束扫描点 ，
设置起始扫描点集 ＝ ｝，横截面分块集合 Ｕ ｃ ＝ ｛ ｝ ． ② 以起 始 扫描点 集 的 中心 点 为 圆 心 ，轮 廓 关 键 点 集 合 中距 离 圆心 最 近 的关 键 点 为 半 径作 圆 ，
则该圆与轮廓的交点集 、起始扫描点集 所组成的区域为所求分块 ，更新横截面分块集合 Ｕ ＝ ｕ ｕ … 更新起始扫描点集 ＝ ．若 ｑ ∈ ，则返 回② ，否则跳转至③． ③按照 ２ ）中分段法向量计算方法 ，计算 中每个横截面分块 中边缘分段的法向量 ，并 以所有
Ｐ ｉ Ｅ ｌ ｚ ｔ ｆ （ ｐ ｉ ） ＞ ｇ ｔ ｈ
其中， ｍ为 幂次 ，且 ０ ＜ｍ ＜ １，其 迭代过 程 如下 ： ①利 用 １ ． ２小 节 中的灰 度重 心法 提取 光刀 初始 中心 ． ② 设 置一个 步 进 Ａ ｍ（ １＞３ ｍ ＞０ ），更 新 ｍ ＝ １一Ａ ｍ ，按 公式 （ ６ ） 计算 新 的光刀 中心
＝
（ ∑ × ｐ ） ） ／ （ ∑ ｆ （ ｐ ） ） ， Ｙ 。 ＝ ∑ ［ × ｐ ） ］ ／ （ ∑ ｆ （ ｐ ） ） ． （ ５ ） Ｐ ｉ Ｅ ｚ ＝ Ｊ （ ｐ ｉ ） ＞ｇ ｔ ｈ Ｐ ｉ ∈ ｚ ： 【 ｐ １ ）＞ ｇ 山 Ｐ ｉ Ｅｌ ； ｌ ， ｔ Ｐ ｉ ） ＞ ｇ ｔ ｈ Ｐ ｉ ∈￡ Ｊ （ ｐ ｉ ） ｇ ｔ ｈ
光条中心提取
光条中心提取
光条中心提取是一种常用的图像处理技术，其主要目的是提取图像中的光条中心线。
在机器视觉和自动化控制等领域，光条中心提取常用于机器人视觉引导、工业检测、道路识别等方面。
光条中心提取的主要步骤如下:
1.滤波：首先，由于图像中存在噪点和干扰，需要进行高斯滤波等去噪处理，以增强图像的清晰度和对比度。
2.二值化：将图像转化为黑白二值图像，同时保留光条区域，并抑制掉其他区域的影响。
3.边缘检测：通过边缘检测算法（如Canny算法等）提取光条的边缘信息，并对边缘进行闭合处理，以得到光条的连续线条。
4.求取中心线：通过像素遍历，确定每个光条边缘的中心点坐标，并连接各点，得到光条的中心线。
5.优化处理：由于提取得到的光条中心线存在一定的误差和噪声，可以通过插值、拟合等技术，对光条中心线进行优化处理，以提高其精度和可靠性。
总之，光条中心提取是一种在机器视觉和自动化控制领域使用广泛的图像处理技术，其主要依赖于二值化、边缘检测、中心线提取等基本算法，并可结合其他图像处理技术进行完善和优化。
线结构光光条中心亚像素精确提取方法
的 条 纹 中心 存 在 折 线 缺 陷 的 问题 ， 提 出 了 一 种 基 于 曲 线 拟 合 的 线 结 构 光 光 条 中心 的亚 像 素 提 取 方 法 。该 方 法 通 过 腐
蚀 细化 获 得 光 条 基 本 骨 架 ， 采用均方灰度 梯度求取骨架上每一点 的法线方 向， 利 用 加 权 灰 度 重 心 法 获 得 光 条 中 心 初 始点 ， 应用 分段 ３ 次 多 项 式 曲线 拟 合 获 得 光 滑 的 光 条 亚 像 素 中心 坐标 。实 验 结 果 表 明 ： 该 方 法 可 以 改善 光 条 中心 的
ｐｒ ｅｃ ｉ ｓ ｉ ｏ ｎ ｏ ｆ ｌ ｉ ｇ ｈｔ ｓ ｔ ｒ ｉ ｐｅ ｃ ｅｎｔ ｅ ｒ ａ ｆ ｆ ｅ ｃｔ ｓ ｔ ｈｅ ｕｌ ｔ ｉ ｍａ ｔ ｅ ｍ ｅａ ｓ ｕｒ ｅ ｍｅ ｎｔ ａｃ ｃ ｕｒ ａｃ ｙ ｏｆ ｓ ｙ ｓ ｔ ｅ ｍ ｄｉ ｒ ｅ ｃｔ ｌ ｙ． Ａｉ ｍｉ ｎｇ ａ ｔ ｔ ｈｅ ｐｒ ｏｂｌ ｅｍ ｏｆ ｂｒ ｏｋｅ ｎ ｌ ｉ ｎｅ ｄｅ ｆ ｅｃ ｔ ｗ ｈｉ ｃ ｈ ｅ ｘｉ ｓ ｔ ｓ ｉ ｎ ｓ ｔ ｒ ｉ ｐｅ ｃ ｅ ｎｔ ｅ ｒ ａｃ ｑ ｕｉ ｒ ｅｄ ｆ ｒ ｏ ｍ ｃ ｕｒ ｒ ｅ ｎｔ ｌ ｉ ｇ ｈｔ ｓ ｔ ｒ ｉ ｐｅ ｃ ｅ ｎｔ ｅ ｒ ｅ ｘｔ ｒ ａｃ ｔ ｉ ｏｎ ａ ｌ ｇ ｏｒ ｉ ｔ ｈｍ ｓ ，
江 永 付 江 开勇 林 俊义
华侨 大学 厦 门 市数 字化 视觉 测量 重点 实验 室 ， 福建 厦 门 ３ ６ １ ０ ２ １
摘要
线结构光三维测量 中 ， 光 条 中心 点 提 取 的精 度 直 接 影 响 系 统 最 终 测 量 精 度 。针 对 现 有 光 条 中 心 提 取 方 法 获 得
光条中心提取方法
光条中心提取方法光条中心提取是一种基于图像处理的技术，主要用于分析和提取图像中的光条的中心位置。
光条通常是由光源产生的亮线或者是光的反射导致的，常见于夜景、景观摄影等场景中。
光条中心的提取对于光线追踪、光影效果的生成、图像修复等任务具有重要意义。
下面将介绍两种常见的光条中心提取方法：基于滤波和基于边缘检测。
一、基于滤波的光条中心提取方法：1.预处理：首先，将图像转化为灰度图像，以减少计算开销。
2.滤波：利用高斯滤波器对图像进行滤波，以平滑图像并降低噪声的影响。
3.二值化：采用合适的阈值将灰度图像二值化，将目标光条提取出来，并将其余部分设置为黑色。
4.查找连通区域：对二值化后的图像进行连通区域分析，找出所有的连通区域或者兴趣区域。
5.取区域中点：对于每个连通区域，计算其重心位置，并将其作为光条中心的位置输出。
二、基于边缘检测的光条中心提取方法：1.预处理：同样地，将图像转化为灰度图像。
2. 边缘检测：利用边缘检测算法，如Canny算子或者Sobel算子，获取图像中的边缘信息。
3. 线段检测：基于Hough变换或者RANSAC算法，检测出图像中的直线段。
4.筛选：对检测到的直线段进行筛选，选取符合光条特征的线段，如长度、方向等。
5.中心点计算：计算所选线段的中心点，并将其作为光条中心的位置输出。
以上两种方法都是常用的光条中心提取方法，但各有优缺点。
基于滤波的方法简单直观，但对于光条边缘不清晰或者存在噪声的情况下，效果可能不理想。
基于边缘检测的方法则可以更好地提取光条的边缘特征，但对于图像中存在其他干扰边缘的情况下，可能会误检测。
此外，还有其他的光条中心提取方法，如基于深度学习的方法。
这种方法通过训练神经网络模型，可以更好地对光条中心进行定位和提取，但需要足够的训练数据和计算资源。
综上所述，光条中心提取是一项重要的图像处理技术，可以应用于各种任务中。
根据具体需求和图像特点，可以选择合适的方法进行处理。
三线结构光光条中心的提取方法
Ｓｔｒｉｐｅ Ｃｅｎｔｅｒ Ｅｘｔｒａｃｔｉｏｎ Ｍ ｅｔｈｏｄ ｏｆ Ｔｈｒｅｅ－－Ｌｉｎｅ Ｓｔｒｕｃｔｕｒｅｄ Ｌｉｇｈｔ
Ｗ Ｕ Ｆａｎｇ，ＭＡＯ Ｊｉａｎ，ＺＨＯＵ Ｙｕｆｅｎｇ，ＬＩ Ｑｉｎｇ
（Ｓｃｈｏｏｌ ｏｆ Ｍ ｅｃｈａｎｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｈａｎｇｈａｉ Ｕ ｎｉｖｅｒｓｉｔｙ ｏｆ Ｅｎｇｉｎｅｅｒｉｎｇ Ｓｃｉｅｎｃｅ，Ｓｈａｎｇｈａｉ ２０１６２０，Ｃｈｉｎａ）
ｇｒａｄｉｅｎｔ ｍ ｅｔｈｏｄ ａｎｄ ｗ ｅｉｇｈｔｅｄ ｇｒａｙ ｃｅｎｔｅｒ ｏｆ ｇｒａｖｉｔｙ ｍ ｅｔｈｏｄ Ｔｈｅ ａｄａｐｔｉｖｅ ｍ ｅｄｉａｎ ｆｉｌｔｅｒｉｎｇ ｗ ａｓ ｕｓｅｄ ｔｏ ．
ｄｅｎｏｉｓｅ ｔｈｅ ｓｔｒｉｐｅ ｉｍ ａｇｅ，ａｎｄ ｔｈｅ ｌｉｇｈｔ ｓｔｒｉｐｅ ｃｅｎｔｅｒ ｗａｓ ｅｘｔｒａｃｔｅｄ ｂｙ ｔｈｅ ｔｈｒｅｓｈｏｌｄ ｍｅｔｈｏｄ Ｔｈｅｎ，ｔｈｅ ．
ｃｅｎｔｅｒ．Ｔｈｅ ｅｘｐｅｒｉｍ ｅｎｔａｌ ｒｅｓｕｌｔ ｓｈｏｗｓ ｔｈａｔ ｔｈｅ ｉｎｔｅｇｒａｔｅｄ ｍ ｅｔｈｏｄ ｃａｎ ｅｘｔｒａｃｔ ｔｈｅ ｃｅｎｔｅｒ ｏｆ ｔｈｅ ｓｔｒｉｐｅ
ａｃｃｕｒａｔｅｌｙ ａｎｄ ｑｕｉｃｋｌｙ，ａｎｄ ｒｅａｃｈ ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ｓｕｂ—ｐｉｘｅｌ ｌｅｖｅ１．
来 获 得 物体 三 维 几 何 信 息．通 过 多 线 结 构 光 三 维
测 量 技术 获 得 被 测 物 体 表 面 信 息 的过 程 中 ，从 图
三线 结构 光 光 条 中心 的提 取 方 法
吴 芳 ，茅 健 ，周 玉凤 ，李 情
（上 海 工 程 技术 大 学 机 械 工 程 学 院 ，上 海 ２０１６２０）
基于灰度修正与自适应阈值的结构光条纹中心提取方法
基于灰度修正与自适应阈值的结构光条纹中心提取方法基于灰度修正与自适应阈值的结构光条纹中心提取方法导读在三维扫描和测量领域中，结构光条纹投影技术被广泛应用于表面三维重建和精确测量。
而其中的重要一环便是结构光条纹中心提取方法。
本文将围绕基于灰度修正与自适应阈值的结构光条纹中心提取方法展开探讨，分析其原理、优势和局限，并深入探讨其在三维重建和测量领域中的应用。
一、结构光条纹中心提取方法概述结构光条纹中心提取方法是指通过对结构光投影得到的条纹图像进行处理，从中准确提取出条纹中心的位置信息。
这一方法的准确性和效率直接影响着后续的三维重建与测量结果。
二、基于灰度修正的结构光条纹中心提取方法1. 灰度修正原理在结构光条纹图像的获取过程中，受到光照、材料表面反射性质等因素影响，条纹图像可能出现灰度失真和不均匀的情况。
在进行条纹中心提取前，首先需要对图像进行灰度修正处理，以确保后续的提取过程准确可靠。
2. 灰度修正方法常见的灰度修正方法包括均值滤波、高斯滤波等，通过消除图像的噪声和不均匀灰度，使得条纹图像的灰度分布更加均匀，从而有利于后续的中心提取。
三、基于自适应阈值的结构光条纹中心提取方法1. 自适应阈值原理在进行条纹中心提取时，为了克服由于光照变化、材料表面不均匀等因素引起的图像噪声和干扰，一种较为常用的方法是采用自适应阈值进行图像二值化处理。
这样可以根据图像本身的特点，动态地选择合适的阈值，从而更好地保留条纹信息。
2. 自适应阈值方法常用的自适应阈值方法包括局部自适应阈值算法、Sauvola算法等，通过将整个图像分割为多个局部区域，并根据每个局部区域的灰度特性动态地选择阈值，实现了对不同部分的条纹进行准确的二值化处理。
四、基于灰度修正与自适应阈值的结构光条纹中心提取方法的优势与应用1. 优势基于灰度修正与自适应阈值的结构光条纹中心提取方法，能够克服图像中的灰度失真和不均匀性，同时能够对条纹图像进行动态的阈值处理，从而保证条纹中心的提取准确性和稳定性。
复杂背景下的结构光条纹中心提取算法研究
复杂背景下的结构光条纹中心提取算法研究
高秋玲;成巍;李文龙;戈海龙;侯兴强;宋汝晖;魏佳洁;贾天烁;蔡馨燕
【期刊名称】《山东科学》
【年(卷),期】2024(37)2
【摘要】线结构光三维扫描建模系统中最关键的一步是提取光条中心线,但环境中各种因素的干扰给中心线提取带来困难。
针对线结构光条纹图像存在光斑干扰、光强分布不均、光条宽度差别大、背景复杂等多种问题,提出解决方案。
首先采用Otsu对结构光图像二值化;其次采用改进DBSCAN(density-based spatial clustering of applications with noise)算法保留核心点,去除边界点和噪声点;最后将核心点作为输入,构建图数据结构,采用适用于线结构光条纹图像的最短路径搜索算法得到光条中心线。
实验结果表明,该算法运行时间在150 ms以内,误差在0.2像素以内,并适用于多种复杂环境,满足实时性、准确性和稳定性的要求。
【总页数】9页(P65-73)
【作者】高秋玲;成巍;李文龙;戈海龙;侯兴强;宋汝晖;魏佳洁;贾天烁;蔡馨燕
【作者单位】齐鲁工业大学(山东省科学院)山东省科学院激光研究所;山东省科学技术情报研究院
【正文语种】中文
【中图分类】TN249
【相关文献】
1.线结构光三维视觉测量中光条纹中心提取综述
2.复杂背景下蓝色线结构光中心提取方法
3.基于结构光的大锻件尺寸测量中光条纹中心线提取方法
4.复杂背景下激光条纹中心亚像素提取方法
因版权原因，仅展示原文概要，查看原文内容请购买。
矿产
矿产资源开发利用方案编写内容要求及审查大纲
矿产资源开发利用方案编写内容要求及《矿产资源开发利用方案》审查大纲一、概述
㈠矿区位置、隶属关系和企业性质。
如为改扩建矿山, 应说明矿山现状、
特点及存在的主要问题。
㈡编制依据
(1简述项目前期工作进展情况及与有关方面对项目的意向性协议情况。
(2 列出开发利用方案编制所依据的主要基础性资料的名称。
如经储量管理部门认定的矿区地质勘探报告、选矿试验报告、加工利用试验报告、工程地质初评资料、矿区水文资料和供水资料等。
对改、扩建矿山应有生产实际资料, 如矿山总平面现状图、矿床开拓系统图、采场现状图和主要采选设备清单等。
二、矿产品需求现状和预测
㈠该矿产在国内需求情况和市场供应情况
1、矿产品现状及加工利用趋向。
2、国内近、远期的需求量及主要销向预测。
㈡产品价格分析
1、国内矿产品价格现状。
2、矿产品价格稳定性及变化趋势。
三、矿产资源概况
㈠矿区总体概况
1、矿区总体规划情况。
2、矿区矿产资源概况。
3、该设计与矿区总体开发的关系。
㈡该设计项目的资源概况
1、矿床地质及构造特征。
2、矿床开采技术条件及水文地质条件。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
矿产资源开发利用方案编写内容要求及审查大纲
矿产资源开发利用方案编写内容要求及《矿产资源开发利用方案》审查大纲一、概述
㈠矿区位置、隶属关系和企业性质。
如为改扩建矿山, 应说明矿山现状、
特点及存在的主要问题。
㈡编制依据
(1简述项目前期工作进展情况及与有关方面对项目的意向性协议情况。
(2 列出开发利用方案编制所依据的主要基础性资料的名称。
如经储量管理部门认定的矿区地质勘探报告、选矿试验报告、加工利用试验报告、工程地质初评资料、矿区水文资料和供水资料等。
对改、扩建矿山应有生产实际资料, 如矿山总平面现状图、矿床开拓系统图、采场现状图和主要采选设备清单等。
二、矿产品需求现状和预测
㈠该矿产在国内需求情况和市场供应情况
1、矿产品现状及加工利用趋向。
2、国内近、远期的需求量及主要销向预测。
㈡产品价格分析
1、国内矿产品价格现状。
2、矿产品价格稳定性及变化趋势。
三、矿产资源概况
㈠矿区总体概况
1、矿区总体规划情况。
2、矿区矿产资源概况。
3、该设计与矿区总体开发的关系。
㈡该设计项目的资源概况
1、矿床地质及构造特征。
2、矿床开采技术条件及水文地质条件。