[发明专利]一种基于HLS的快速高精度光条中心提取方法及装置

说明书

本发明公开了一种基于HLS的快速高精度光条中心提取方法及装置。其中，该方法包括：根据原始图像数据的光条宽度选取合适大小的高斯卷积模板对所述原始图像数据进行高斯卷积运算,得到卷积图像数据；将所述卷积图像数据进行边缘处理，得到目标图像数据，解决硬件运算中的死锁问题；根据高斯大模板化小模板的方式对所述目标图像数据计算高斯卷积运算的一阶导及二阶导，并构建Hess ian矩阵；通过计算所述Hess ian矩阵的特征值和特征向量得到光条中心点所在的法向方向，并沿所述法向方向上对灰度函数进行二阶泰勒展开计算，得到所述光条中心点的亚像素坐标。本发明解决了现有技术中的计算方法需要进行多次大规模的卷积运算，计算量较大，因此计算速度慢，实时性差成为该方法最大的弊端的技术问题。

技术领域

本发明涉及机器视觉领域，具体而言，涉及一种基于HLS的快速高精度光条中心提取方法及装置。

背景技术

随着智能化科技的不断发展，人们的生活、工作、学习之中越来越多地用到了智能化设备，使用智能化科技手段，提高了人们生活的质量，增加了人们学习和工作的效率。

在机器视觉技术领域中，线结构光测量因其非接触性，测量速度快，操作简单，精度高等优点在缺陷检测、文物修复、医疗器械等工业生产中发挥了重要的作用。在结构光测量的研究中，激光光条中心提取的精度以及速度是整个测量中的重要因素。目前常用的光条中心提取的算法有：1.阈值法，该方法提取速度快，算法简单，但提取精度很低，受噪声影响大；2.灰度重心法，该方法算法简单、提取精度高且速度快，但当光条弯曲曲率较大时，提取结果的误差较大，不具有普遍性；3.曲线拟合法，该方法精度高，可以达到亚像素级，但该方法需要大量的采样点，不适合窄光条的光条中心提取，且该方法鲁棒性差，对图片质量要求较高；4.Hessian矩阵法，该方法提取精度高，提取精度可以达到亚像素级，且鲁棒性好，但该方法需要进行多次大规模的卷积运算，计算量较大，因此计算速度慢，实时性差成为该方法最大的弊端。

目前张广军等在专利号为200610109984.2的发明专利“光条图像特征高精度快速提取装置及方法”中提出了运用FPGA基于硬件语言对Hessian矩阵法进行硬件加速，但基于硬件语言编写Hessian矩阵方法中的乘法运算以及指数运算上非常复杂，部分高级功能无法精确实现，因此导致在硬件加速上面临巨大困难。且基于硬件语言编写时，对于顶层算法的修改，需要对整个底层硬件描述语言进行重新编写，且对于各个硬件平台的通用性较差。因此本发明基于高层次综合技术HLS(High Level Synthesis)对Hessian矩阵法进行硬件加速，实现基于HLS的快速高精度光条中心提取方法。在方法设计过程中常常需要五个较大的卷积模板进行卷积运算，但FPGA板载资源有限，往往不能有效进行卷积运算，因此本发明通过高斯模板拆分的方法来减少FPGA板载资源的使用。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种基于HLS的快速高精度光条中心提取方法及装置，以至少解决现有技术中的计算方法需要进行多次大规模的卷积运算，计算量较大，因此计算速度慢，实时性差成为该方法最大的弊端的技术问题。

根据本发明实施例的一个方面，提供了一种基于HLS的快速高精度光条中心提取方法，包括：根据原始图像数据的光条宽度选取合适大小的高斯卷积模板对所述原始图像数据进行高斯卷积运算,得到卷积图像数据；将所述卷积图像数据进行边缘处理，得到目标图像数据，解决硬件运算中的死锁问题；根据高斯大模板化小模板的方式对目标图像数据计算高斯卷积运算的一阶导及二阶导，并构建Hessian矩阵；通过计算所述Hessian矩阵的特征值和特征向量得到光条中心点所在的法向方向，并沿所述法向方向上对灰度函数进行二阶泰勒展开计算，得到所述光条中心点的亚像素坐标。

可选的，所述根据原始图像数据的光条宽度选取合适大小的高斯卷积模板对所述原始图像数据进行高斯卷积运算,得到卷积图像数据包括：根据高斯标准差σ与所述光条宽度w自适应调节的公式：确定高斯标准差σ；根据3σ的宽度可占比高斯分布面积的99％来确定所述高斯卷积模板的大小。