[发明专利]一种激光条纹中心提取算法

说明书

技术领域

本发明涉及焊接、图像处理领域，具体涉及一种激光条纹中心提取算法。

背景技术

目前，我国的工业化水平越来越高，大型构件在现场的应用也越来越多。焊接是大型构件在现场的组装的重要手段，作为重工业的一项重要关键技术，焊接质量与效率影响着大型设备制造的质量、周期与成本。使用移动式焊接机器人代替人工焊接，不仅能保证焊接质量的稳定，还能有效地缩短制造工期，降低制造成本。移动机器人的自动化焊接离不开机器视觉和图像处理技术，在采用是主动视觉方法跟踪焊缝过程中，激光条纹中心的提取至关重要，中心提取的精度直接关系到焊接跟踪的精度。用重心法、极值法等常规算进行激光条纹中心提取可能会造成激光条纹断裂，这在如船舶制造中流水孔检测中是不允许的，因此在特定应用场合中必须有新的适应性高的算法。

发明内容

本发明的目的在于提供一种激光条纹中心提取算法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种激光条纹中心提取方法，其特征在于：包括以下步骤：

（1）将图像按纵向进行平滑滤波以消除高频干扰；

（2）将图像进行横向滤波以突出图像特征信息；

（3）将图像进行平滑处理；

（4）通过处理以上三组数据得到梯度分布曲线；

（5）找出梯度分布曲线中的极值点，即为对应的激光条纹中心。

作为本发明进一步的方案：所述步骤（1）具体算法为：

式中Gray(i,j)为第（i,j）个像素点的灰度值，row为纵向滤波的输出值，i为图像的行数，j为图像的列数，对图像边缘像素进行相应处理。

作为本发明再进一步的方案：步骤（2）中具体算法为：

式中N为参与平均的像素点个数，n为选点的起始位置。

作为本发明再进一步的方案：步骤（3）中具体算法为：

式中为平滑处理后的灰度向量

作为本发明再进一步的方案：步骤（4）中具体算法为：

。

找出梯度分布曲线中的极值点，即为对应的激光条纹中心。

与现有技术相比，本发明的有益效果是：本发明算法的数量级达到了10⁴，具有很高的分辨率，同时避免了重心法、极值法等常规算法造成的激光条纹断裂的不足之处。

具体实施方式

图1所示为本发明应用对象纵向激光条纹的示意图。

图2所示为本发明应用对象横向激光条纹的示意图。

图3为本发明的图1从下往上第300行为例，得出对应的灰度级示意图。

图4为本发明的算法步骤（4）后，得出新的数组即图像的灰度级示意图。

具体实施方式

下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在进行激光条纹中心提取之前，可以进行其它的预处理以提高本发明的计算速度，比如采用动态RIO（RegionOfInterest）的获取。本发明适用于横向或纵向分布的激光条纹，格式为256色BMP，其它格式的图像请事先转换，如图1,2所示。

本发明针对的是图1所示纵向激光条纹提取方法，图2横向所示激光条纹的提取方法类似，相应的处理方法秩序对发明中的步骤（1）和（2）进行交换，即先进行横向滤波，再进行纵向滤波。

以图1为例按本发明的算法进行激光条纹提取，对待处理图像进行扫描，得出图像像素的灰度值，以图1从下往上第300行为例，得出对应的灰度级为图3，

对数组按本发明算法步骤进行，经步骤（4）后，得出新的数组即图像的灰度级，图4所示，

计算之后的数量级达到了10⁴，具有很高的分辨率。所有图像行依此处理，即可得到图像中激光条纹中心的分布。