[发明专利]一种基于改进Laplacian边缘检测的线结构光条中心线提取方法

摘要

本发明涉及一种基于改进Laplacian边缘检测的线结构光条中心线提取方法，属于机器人或无人车技术领域。本发明首先根据线结构光条的边缘特性，基于改进Laplacian边缘检测的方法将Laplacian算子中的8‑邻接卷积模板分解为4个卷积模板，并通过4个卷积模板实现光条边缘像素点与其梯度方向的快速、有效的获取；然后根据相邻光条空间位置的连续性、边缘像素点梯度值的相似性、边缘梯度方向的相似性获取准确完整的线结构光条边缘，滤除虚假光条边缘；最后根据光条像素沿边缘梯度方向的灰度分布特征，完成线结构光条中心线的提取。该方法能够完成线结构光条中心线的快速、有效提取，从而实现基于线结构光的障碍物识别中的障碍物三维信息的有效获取。

主权项

1.一种基于改进Laplacian边缘检测的线结构光条中心线提取方法，其特征在于：包括以下步骤：步骤一：根据线结构光条的边缘特性，对图像中光条可能出现的区域进行基于Laplacian边缘检测的光条边缘提取，将Laplacian算子中的8‑邻接卷积模板分解为4个卷积模板，并通过4个卷积模板实现光条边缘像素点与其梯度方向的快速、有效获取；步骤二：根据相邻光条边缘段空间位置的连续性、边缘像素点梯度值的相似性、边缘梯度方向的相似性获取准确完整的线结构光条边缘，滤除虚假光条边缘；步骤三：根据线结构光条像素沿边缘梯度方向的灰度分布特征，完成线结构光条中心线的提取；所述步骤一中，线结构光条边缘提取的过程为：设图像中线结构光条可能出现的一区域为ZL中任一像素点pij的灰度值为pvij，根据线结构光条边缘特性，将Laplacian算子中的8‑邻接卷积模板分解为4个卷积模板GL(ij)＝2pvij‑pvi(j‑1)‑pvi(j+1)、GV(ij)＝2pvij‑pv(i‑1)j‑pv(i+1)j、G45(ij)＝2pvij‑pv(i‑1)(j+1)‑pv(i+1)(j‑1)、G135(ij)＝2pvij‑pv(i‑1)(j‑1)‑pv(i+1)(j+1)来分别表征pij其沿水平方向、垂直方向、45°方向、135°方向的梯度变化值，并将Gij＝GL(ij)+GV(ij)+G45(ij)+G135(ij)作为pij的梯度值，当pij的梯度值Eij满足0＜Eij≤ET时，pij被判定为光条边缘上的点，ET为系统设定的梯度阈值；同时将GL(ij)、GV(ij)、G45(ij)、G135(ij)中的最大值所表征的方向作为像素点的梯度方向，即Gij(max)＝max(GL(ij),GV(ij),G45(ij),G135(ij))，从而通过4个卷积模板实现了线结构光条边缘像素点与其梯度方向的快速、有效的获取；所述步骤二的过程为：首先根据相邻光条边缘段空间位置的连续性、边缘像素点梯度值的相似性，将表征结构光条中同一侧边缘的光条边缘段归为同一边缘，再利用线结构光条两侧边缘梯度方向的一致性，获取同一线结构光条的两侧边缘，即设两边缘段为S_m与S_n，根据线结构光条在图像中应形成的形态，选取式|u₁‑u₄|≤U_T or|u₂‑u₃|≤U_T、|v₁‑v₄|≤V_T or|v₂‑v₃|≤V_T、中一个作为空间位置约束条件，当S_m与S_n满足此空间约束条件，并满足式所示的边缘梯度的相似性时，则将S_m与S_n归至同一边缘，获取一条完整边缘；将每条边缘上所有像素点的梯度方向中最多的梯度方向设为该边缘的梯度方向，当获取的两边完整边缘为E₁与E₂，当E₁与E₂的边缘梯度方向相同时，则认为E₁与E₂为表征同一线结构光条的双侧边缘；其中，边缘段S_m的起始像素点、终点像素点为与(u₁,v₁)与(u₂,v₂)分别为起始像素点、终点像素点在图像中的行、列数，S_m边缘像素点的梯度平均值为设其余边缘线段{S_k|k≠m}中的某个边缘段S_n∈{S_k|k≠m}中起始像素点、终点像素点为与梯度平均值为U_T、V_T、D_T、G_T分别为系统根据实验情况设置的行差阈值、列差阈值、距离差阈值与梯度差阈值。