[发明专利]一种复杂环境下的线结构光中心线提取方法

说明书

本发明公开了一种复杂环境下线结构光光条中心线的提取方法，包括如下步骤：对采集的光条图像进行预处理，包括图像去噪、RGB分量提取、图像二值化；对预处理后的光条图像进行感兴趣区域（ROI）裁剪；对裁剪后的图像进行距离变换，得到光条粗提取图像；采用Pavlidis细化算法对光条图像细化，得到光条中心线；采用自适应平滑算法平滑结构光光条中心线的凸起和毛刺，得到精准的光条中心提取图像。本发明的有益效果为：该方法能够在不同干扰环境下很好地提取出光条中心线，可以改善线结构光光条灰度和宽度分布不均匀的问题。

技术领域

本发明属于机器视觉技术领域，可用于复杂环境下的线结构光光条中心线的提取。

背景技术

近些年来，随着机器视觉的飞速发展，基于视觉的测量技术已在三维测量领域占据了重要地位，而线结构光三维测量技术以精度较高、实时性强、构造简单、检测范围大等特点广泛应用于工业生产之中。采用线结构光技术对物体进行三维测量最重要的部分是对图像光条中心线的提取，光条中心线的提取精度直接影响着系统的最终测量精度。因被测物体的材质纹理不同、外部光照、背景环境等因素影响，获取的光条像素分布不均匀；为了满足实际工业应用，对提取速度的要求也很高，因此提高光条中心线的精度和效率是关键。

传统的光条提取法中Steger算法是一种较为经典的光条提取算法，提取效果好，但需要做大量卷积，导致运算量大，运行时间较长，很难实现光条的实时提取；方向模板法虽然可以修补小的断线，但提取效果受限于有限的模板方向，纹理复杂的物面会使会使光条向更多方向偏移；灰度重心法易受环境影响且当光条曲率变化大时光条会发生较大形变。改进算法中基于Hessian矩阵与区域增长算法结合的光条中心提取算法虽然克服了噪声对中心点提取的影响，但是依赖Hessian矩阵求取法线方向，需要大规模的高斯卷积，运算量大；基于主成分分析的光条提取算法引入主成分分析算法确定图像的法线方向，只用2次高斯卷积就可完成，提高了计算速度，但是在复杂背景下很难实现结构光的精准提取；基于BP神经网络的光条提取算法虽然克服了灰度重心法和Steger算法的缺点，但是网络结构、训练样本数据都对提取效果有很大影响。因此，算法简单、运行速度快、环境适应能力好且提取精度高的光条中心线提取算法才能使其能够满足对工业上对物体进行实时三维测量的要求。

发明内容

发明目的：本发明提供了一种复杂环境下的线结构光光条中心线提取方法，该方法能够克服被测物体在进行测量时受外部光照、自身材质曲率和背景环境影响，采集的光条纹图像存在局部反光和噪声较大，提取出的光条纹中心线不稳定等问题。

为达到上述目的，本发明是通过以下技术方案实现的：

一种复杂环境下的线结构光光条中心线提取方法，包括以下步骤：

(1)对采集的光条图像进行预处理，包括图像去噪、RGB分量提取、图像二值化；

(2)预处理后的光条图像进行感兴趣区域(ROI)裁剪；

(3)对裁剪后的图像进行距离变换，得到光条粗提取图像；

(4)采用Pavlidis细化算法对光条图像细化，得到光条中心线初始值；

(5)采用自适应平滑算法平滑初始光条中心线的凸起和毛刺，得到精准的光条中心线提取图像。

优选的，步骤(1)中所述预处理的具体过程为：将采集到的图像采用中值滤波对图像进行去噪，对图像的RGB分量进行提取并采用Kittler算法对图像二值化为黑白图像，其中白色为前景，黑色为背景。

优选的，步骤(2)中所述对光条图像进行感兴趣裁剪的具体过程为：对包含二值图像前景的矩形区域裁剪，以减少数据计算量。

优选的，步骤(3)中所述对光条图像距离变换的具体过程为：