[发明专利]一种基于分区域K-means算法的光条分割方法

说明书

本发明一种基于分区域K‑means算法的光条分割方法，属于视觉测量领域，涉及一种基于分区域K‑means算法的光条分割方法。该方法首先通过双目相机采集线激光条图像，粗提取感兴趣区域，并利用高斯滤波算子去除噪声。然后将图像进行分区，并对每个子区采用K‑means算法进行分割。最后。将所有子区重新拼接，获得整幅图像的分割结果，实现了非均匀光条特征的准确分割。该方法可有效解决因光条明暗不均、测量视场过大、现场环境复杂等因素，导致的阈值选取困难，光条特征分割不完整，分割结果不准确等问题。同时。能有效地降低外部干扰噪声对分割结果的影响，实现非均匀光条特征的准确分割，具有高精度、高效、高鲁棒性的特点。

技术领域

本发明属于视觉测量领域，涉及一种基于分区域K-means算法的光条分割方法。

背景技术

视觉测量系统在现代自动化智能化工厂中应用广泛，其中，双目立体视觉技术凭借其高精度、实时在线、非接触等特点在工业加工过程监测、产品几何质量检测、装配校准等工程测量领域中起着至关重要的作用。双目立体视觉测量系统常采用线激光作为辅助特征进行测量激光光条在被测件上扫描，同时，双目相机连续同步采集测量图像，利用双目视差原理可从图像中提取被测件几何形貌信息的点云数据。然而，在工业的复杂环境下，因外界环境的多源干扰，双目相机采集的光条图像常存在局部高光、特征淹没、光条曲折、明暗不均等问题，为了能准确提取图像中光条蕴含的形貌信息，需将激光条与背景进行分割，分割结果的优劣直接影响着特征提取的结果，因此高鲁棒、高精度的激光光条分割对于精准获取被测件几何信息十分重要。

针对光条特征的分割，目前工业测量中多采用预设阈值，利用二值化将光条和背景分割的阈值分割法。但面向航空航天大型零件，由于图像采集视场较大，受现场光照环境、空间位置、被测物表面曲率的影响，激光光条易呈现出非均匀特征，导致阈值的选取困难、分割不准、鲁棒性差等问题。同时，图像噪声的干扰也极易导致光条特征的误分割。

西安邮电大学的张弘，在专利号：201611117568.7，专利《基于类间相对均匀性的图像自适应阈值化方法及装置》中基于待提取目标和背景的概率分布及计算得出的两者间的均匀性信息，建立了目标与背景间阈值选取的准则函数，进而实现图像的阈值分割。重庆邮电大学的仇国庆等人于2018年在《计算机科学》第45卷第8期发表了文章《一种改进的三维Otsu图像分割算法》，对Otsu分割算法进行了研究，提出一种利用一维Otsu算法来减小迭代空间和搜索空间，并用布谷鸟搜索算法进行寻优的算法。该算法首先通过一维Otsu算法计算出低灰度区域的平均灰度和高灰度区域的平均灰度，并以此为上下限来限定迭代空间和搜索空间，然后利用布谷鸟搜索算法进行寻优，进而分割图像；但是文中算法在运行效率上较传统的算法没有明显的提高，同时，面向带有椒盐噪声的图像仍存在错分问题。因此提供一种高鲁棒性、高准确性的激光光条分割方法十分必要。

发明内容

本发明针对激光光条的非均匀特征、图像噪声等因素，导致阈值选取困难、图像分割不准、算法鲁棒性差等问题，发明了一种基于分区域K-means算法的光条分割方法。该方法首先利用双目相机连续同步采集在被测件上扫描的线激光条的图像，再利用高斯滤波算子去除噪声，然后将图像进行分区，并对每个子区域分别采用K-means算法进行分割；最后将所有图像子区域按照原分区规则拼接，获得整幅图像的分割结果。该方法可有效解决因光条明暗不均、测量视场过大、现场环境复杂等因素导致的阈值选取困难，光条特征分割不完整，分割结果不准确等问题；同时能有效地降低外部干扰噪声对分割结果的影响，实现非均匀光条特征的准确分割。该方法在工程应用中具有较好的实用性，具有分割鲁棒、精准、高效的特点。

本发明采用的技术方案是一种基于分区域K-means算法的光条分割方法，其特征是，该方法首先通过双目相机采集线激光条图像，粗提取感兴趣区域，并利用高斯滤波算子去除噪声，然后将图像进行分区，并对每个子区采用K-means算法进行分割，最后将所有子区重新拼接，获得整幅图像的分割结果，实现了非均匀光条特征的准确分割；分割方法的具体步骤如下：

第一步、利用双目相机采集激光光条图像，粗提取感兴趣区域。