结构光光条中心提取方法研究

《结构光光条中心提取方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：TP751.1学校代码：10213国际图书分类号：621.3密级：公开工学硕士学位论文结构光光条中心提取方法研究硕士研究生：杨尉导师：刘宛予教授申请学位级别：工学硕士学科：仪器科学与技术所在单位：电气工程及自动化学院答辩日期：2009年6月授予学位单位：哈尔滨工业大学哈尔滨工业大学工学硕士学位论文图1-2原始光条图像图1-3光条中心线的是针对目前结构光光条中心提取方法不能兼顾高精度和高速度的问题，研究一种高精确、快速的结构光光条中心提取方法。1.3国内外研究发展现状与分析由于结构光光条中心提取在整个结构光

2、三维检测技术中占有举足轻重的地位，国内外众多学者对此进行了大量研究，本文主要针对线状结构光光条中心提取进行研究，为节省篇幅，以下本文提及的结构光光条中心提取均指线状结构光光条中心提取。结构光光条中心提取可分为单线状结构光光条中心提取与多线状结构光光条中心提取。对于多线状结构光光条中心提取，目前只有针对十字线处理的最小外接矩法[16]见于公开文献中，多线状结构光光条中心提取可以转化为多个单线状结构光光条中心提取，所以，单线状结构光光条中心提取是多线状结构光光条中心提取的基础，也是本文研究的重点内容。目前，对于单线状结构光，

3、常用的结构光光条中心提取方法主要可分为两大类，即基于光条形态特征的方法与基于光条灰度特征的方法。(1)基于光条形态特征的方法基于光条形态特征的方法，也就是利用光条图像的几何特征、形态学特征进行光条中心提取。主要方法有边缘法、几何中心法、阈值法以及细化法等。1)边缘法[17]。边缘法的思想是将提取的边缘线作为结构光光条中心线。该方法实现简单，处理速度快，但由于提取边缘时对噪声比较敏感，边缘法的测量精度不高，故边缘法只适用于精度要求不高，图像质量较好且激光特性很高的情况，鲁棒性较差。2)几何中心法[17-19]。几何中心法的

4、基本原理是把结构光光条看成中心对称-3-哈尔滨工业大学工学硕士学位论文分布，把结构光光条每个截面的几何中心点作为截面的光条中心点。该方法实现简单，处理速速快，但是必须首先进行准确的边缘检测，得到精确的边界位置，才能保证最终结果的正确性，故该方法对图像质量要求比较高，对噪声比较敏感，鲁棒性较差。3)阈值法[17]。阈值法的思想与几何中心法类似，其思想是先设定一个边界阈值，得到光条横截面的两个边界，然后取其中心作为光条中心点。该方法速度快，但精度差，而且噪声较多使信号严重失真时，效果更差，鲁棒性较差。4)细化法[20-22]

5、。细化又称为骨架提取，细化过程就是重复地剥掉二值图像的边界像素，直到获得一条单像素宽的连通线，即提取骨架的过程。细化法的原则是保留原图象的拓扑结构，应该说不属于真正意义上的光条中心提取，该方法受噪声的影响比较大，不能保证精度，鲁棒性不佳，而且细化是一件非常费时的操作，处理速度低。(2)基于光条灰度特征的方法基于光条灰度特征的方法，就是利用光条横截面灰度值呈高斯分布这一特点进行光条中心提取。主要的方法有极值法、灰度重心法、方向模板法、曲线拟合法、Hessian矩阵法等。1)极值法[17]。极值法的基本原理是将结构光光条横截

6、面上灰度值最大的点作为结构光光条的中心。该方法实现简单，速度快，但是容易受噪声影响，精度不高，鲁棒性较差。2)灰度重心法[20]。灰度重心法是直接依据光条在某一区间内灰度值的排列，沿横坐标取灰度重心来代表光条中心位置。该方法适用于光条弯曲程度不大时使用，鲁棒性不佳，但是其处理速度较快。3)方向模板法[23,24]。方向模板法是从灰度重心法的思想发展而来。灰度重心法是根据某一行的灰度值来确定该行的灰度重心，作为光条中心点；而方向模板法则是根据以每一行各点为中心的、大小为M×N的矩阵灰度值来确定该行的灰度重心，作为光条中心，

7、M、N的值可根据实验确定。该方法精度较高，但是由于须多次使用大规模模板，运算量大，处理速度低。4)曲线拟合法[25-27]。曲线拟合法就是用高斯曲线或者抛物线等来拟合光条横截面灰度分布。该方法只适合于宽光条图像中法线方向变化不大的情况，具有很大的局限性，此外，由于光条上像素的灰度分布在实际情况下一般不是严格对称的，曲线拟合法求极值法求出的极值点会偏离实际光条中心的位置，另外光条上存在噪声干扰时求出的极值点的精度也同样受到很大影响，故该方法的精度不能得到保证。-4-哈尔滨工业大学工学硕士学位论文5)Hessian矩阵法[2

8、8-32]。Hessian矩阵法的基本思路是：首先利用Hessian矩阵得到图像中光条的法线方向，然后在其法线方向上利用泰勒展开求出结构光光条中心的亚像素位置。该方法精度高、鲁棒性好，能够完整地提取出光条中心点，但是由于须多次进行大规模高斯卷积运算，处理速度低。此外，还有学者在上述两大类方法的基础上提出了一些改良算法