[发明专利]一种编码结构光三维测量方法

摘要

本发明一种编码结构光三维测量方法涉及图像处理技术领域；该方法包括以下步骤：分别输入格雷码编码测量图像与线移条纹编码测量图像；以欧拉距离为关键点距离约束条件，分别获取格雷码边缘线上与线移条纹中心线上的关键点；设计边缘奇异算子和中心奇异算子并分别构建边缘检测代价函数和中心检测代价函数；由最短路径搜索技术分别自动跟踪定位格雷码边缘和线移条纹中心；本发明能够有效减小格雷码条纹边缘定位不准确、线移条纹中心定位误差，更准确的获得被测物体表面三维信息，对格雷码边缘线与线移条纹中心线进行检测定位研究，提高三维测量中格雷码边缘定位与线移条纹中心定位的精度，最终提高三维测量精度。

主权项

1.一种编码结构光三维测量方法，其特征在于，包括以下步骤：/n步骤a、分别输入格雷码编码测量图像I_e与线移条纹编码测量图像I_c；/n步骤b、以欧拉距离为关键点距离约束条件，分别获取格雷码边缘线上与线移条纹中心线上的关键点；具体步骤如下：/n步骤b1：对于输入的格雷码编码测量图像I_e，图像域Ω∈R，R为自然域，代价函数为Γ_e∈Ω，且Γ_e＞0，令Γ_e＝I_e；用集合S_e表示格雷码编码测量图像I_e上所有检测到的关键点集合，在初始的关键点集合S_ei中存在初始点，即初始的集合S_ei＝{k_e0}；已知初始集合的波阵面是个圆，圆心为k_e0，得到I_e关键点的最小能量图所用迭代步长为t_e；/n步骤b2：由公式E(l)＝∫_lP(l(s))ds计算I_e每条路径的能量积分E，其中，l为待求解的路径曲线，s为弧长参数，P为势函数；其中，最小能量积分E_emin即为I_e中需求最短路径，对应的边界点为I_e的候选关键点k_ep；/n步骤b3：计算k_e0与k_ep之间路径的欧拉距离，当欧拉距离大于给定的阀值T_e时，则该边界点升级为关键点k_e1；/n步骤b4：对于输入的线移条纹编码测量图像I_c，图像域Ω∈R，R为自然域，代价函数为Γ_c∈Ω，且Γ_c＞0，令Γ_c＝I_c；用集合S_c表示线移条纹编码测量图像I_c上所有检测到的关键点集合，在初始的关键点集合S_ci中存在初始点，即初始的集合S_ci＝{k_c0}；已知初始集合的波阵面是个圆，圆心为k_c0，得到I_c关键点的最小能量图所用迭代步长为t_c；/n步骤b5：由公式E(l)＝∫_lP(l(s))ds计算I_c每条路径的能量积分E，其中，l为待求解的路径曲线，s为弧长参数，P为势函数；其中，最小能量积分E_cmin即为I_c中需求最短路径，对应的边界点为I_c的候选关键点k_cp；/n步骤b6：计算k_c0与k_cp之间路径的欧拉距离，当欧拉距离大于给定的阀值T_c时，则该边界点升级为关键点k_c1；/n步骤c、设计边缘奇异算子和中心奇异算子并分别构建边缘检测代价函数和中心检测代价函数；具体步骤如下：/n步骤c1：格雷码边缘检测代价函数构建/n根据编码图像格雷码边缘灰度分布特点，构建格雷码边缘奇异算子如式：/n /n式中：e表示格雷码边缘，x_e，y_e分别为I_e图像中点的位置坐标，θ_e为图像点(x_e,y_e)与图像中零点坐标的方向参数，α_e为构建格雷码边缘奇异算子的尺度常数因子；σ_e为构建格雷码边缘奇异算子高斯核尺度；为在高斯核尺度下，沿着方向θ_e(x_e,y_e)的格雷码边缘图像的零阶导数；为在高斯核尺度σ_e下，沿着方向θ_e(x_e,y_e)的格雷码边缘图像的一阶导数；为在高斯核尺度σ_e下，沿着方向θ_e(x_e,y_e)格雷码边缘图像的二阶导数；/n构建格雷码边缘检测奇异算子的最短路径代价函数，如式：/nΓ_e＝η_e*I_e+(1-η_e)*d_e(ψ_e(x_e,y_e,σ_e))/n式中：η_e为Γ_e中的常数比例因子，用于调节I_e图像增强后的信息和本身的占比，d_e为ψ_e的递减函数，d_e＝max(ψ_e(x_e,y_e,σ_e))-ψ_e(x_e,y_e,σ_e)；/n步骤c2：线移条纹中心检测代价函数构建/n根据编码图像线移条纹灰度值的分布特点，构建条纹中心检测多尺度奇异值算子如式：/n /n式中：c表示线移条纹中心，x_c，y_c分别为I_c图像中点的位置坐标，θ_c为图像点(x_c,y_c)与图像中零点坐标的方向参数，α_c为构建线移条纹中心奇异算子的尺度常数因子，为在构建线移条纹中心奇异算子的高斯核尺度σ_c下，沿着方向θ_c(x_c,y_c)的线移条纹中心图像的零阶导数；为在高斯核尺度σ_c下，沿着方向θ_c(x_c,y_c)的线移条纹中心图像的一阶导数；为在高斯核尺度σ_c下，沿着方向θ_c(x_c,y_c)的线移条纹中心图像的二阶导数；/n构建线移条纹中心检测奇异算子的最短路径代价函数，如式：/nΓ_c＝η_c*I_c+(1-η_c)*d_c(ψ_c(x_c,y_c,σ_c))/n式中：η_c为Γ_c的常数比例因子，其用于调节I_c图像增强后的信息和本身的占比，d_c为ψ_c的递减函数，d_c＝max(ψ_c(x_c,y_c,σ_c))-ψ_c(x_c,y_c,σ_c)；/n步骤d、由最短路径搜索技术分别自动跟踪定位格雷码边缘和线移条纹中心。/n