CN102645555A - 一种微运动测量方法 - Google Patents

一种微运动测量方法 Download PDF

Info

Publication number
CN102645555A
CN102645555A CN2012100401027A CN201210040102A CN102645555A CN 102645555 A CN102645555 A CN 102645555A CN 2012100401027 A CN2012100401027 A CN 2012100401027A CN 201210040102 A CN201210040102 A CN 201210040102A CN 102645555 A CN102645555 A CN 102645555A
Authority
CN
China
Prior art keywords
micromotion
channel information
gradient
blurred picture
precision
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2012100401027A
Other languages
English (en)
Inventor
卢清华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan University
Original Assignee
Foshan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Foshan University filed Critical Foshan University
Priority to CN2012100401027A priority Critical patent/CN102645555A/zh
Publication of CN102645555A publication Critical patent/CN102645555A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Length Measuring Devices By Optical Means (AREA)

Abstract

一种微运动测量方法，其特征在于采用具有自动控制曝光时间及光电转换系数的计算机微视觉***采集一组微结构的模糊图像，然后从该组微结构的模糊图像中采用Spectralmatting算法提取一组模糊图像的α通道信息，依据该组模糊图像的α通道信息及这些α通道信息间的距离梯度,并通过基本流域包含有平移及旋转等多种运动类型的仿射变换所获得的运动模糊图像
Figure DEST_PATH_IMAGE001
通道信息的梯度
Figure 59266DEST_PATH_IMAGE002
结合相应的待测图像通道信息的时间梯度
Figure DEST_PATH_IMAGE003
,建立一种类似用于光流约束模型，
Figure 195215DEST_PATH_IMAGE002
为运动模糊图像
Figure 891906DEST_PATH_IMAGE001
通道信息的梯度，
Figure DEST_PATH_IMAGE005
表示运动参数向量，
Figure 896772DEST_PATH_IMAGE003
表示待测图像
Figure 334706DEST_PATH_IMAGE001
通道信息的时间梯度，即微结构运动前后采集的图像
Figure 224165DEST_PATH_IMAGE001
通道信息的差值，依据建立的该模糊图像运动约束模型就可获得所需要的微运动测量结果。本发明与已有技术相比，具有直接采用运动模糊图像的模糊信息进行微结构微运动测量、测量精度高、测量设备成本低的优点。

Description

一种微运动测量方法
技术领域
本发明涉及一种运动测量方法。
背景技术
微/纳制造技术在汽车、新能源、柔性电子、光电子、MEMS/NEMS（微/纳机电***）以及生物医疗等领域有着广泛的应用前景。在微/纳制造中，微/纳***的动态性能对其设计、制造及可靠性运行都具有非常重要的意义，因此对微/纳***动态特性进行测试显得尤为关键。此外，纳米级精度微位移检测技术是研究精密微动平台的关键技术之一。
在所报道的微结构微运动测量方法中，计算机微视觉测量方法不需要复杂的干涉光路***及激光光源。同时，在该方法中被测量的运动直接来自视频图像，能够直观地观测被测目标及其运动情况，从而方便实现人机交互及对被测运动进行解释。为此，计算机微视觉方法逐渐成为测量微结构微运动最有效的方法。在所报道的测量微运动的计算机微视觉方法中，大多数都是基于序列清晰图像设计的。这些方法通常采用高速成像设备缩短摄像机的曝光时间或采用频闪成像设备“冻结”目标图像来避免图像的模糊，从而减少运动模糊对微运动测量的影响。然而，这两种消除运动模糊的方法增加了设备的成本或测量的复杂性。结合计算机微视觉方法，直接利用微结构的模糊图像进行高精度微运动测量，可以降低测量的成本或复杂性。
通过对现有技术的综合分析和比较，目前所报道的微运动测量方法主要存在以下几个方面的问题：（1）采用高速成像设备和频闪成像设备来消除运动模糊的计算机微视觉方法增加了设备的成本或测量的复杂性；（2）目前所报道的直接利用模糊图像信息进行运动估计、角速度测量、振幅测量及转速测量的方法均需要首先建立运动模糊图像模型，而且需要已知运动函数的类型，因而对于不同的运动类型需要设计不同的测量算法；（3）目前存在的直接利用运动模糊图像模糊信息进行运动估计的方法并不是针对微结构的微运动测量而设计的，用于测量微结构微运动时精度较低。
发明内容
本发明的发明目的在于提供一种克服现有技术的不足，直接采用运动模糊图像的模糊信息进行微结构微运动测量的高精度方法。
本发明是这样实现的，采用具有自动控制曝光时间及光电转换系数的计算机微视觉***采集一组微结构的模糊图像，然后从该组微结构的模糊图像中采用Spectral matting算法提取一组模糊图像的α通道信息，依据该组模糊图像的α通道信息及这些α通道信息间的梯度,并通过基本流域包含有平移及旋转等多种运动类型的仿射变换所获得的运动模糊图像                                                
Figure 2012100401027100002DEST_PATH_IMAGE001
通道信息的梯度
Figure 639391DEST_PATH_IMAGE002
结合相应的待测图像通道信息的时间梯度
Figure 2012100401027100002DEST_PATH_IMAGE003
,建立一种类似用于光流约束模型
Figure 47556DEST_PATH_IMAGE004
，
Figure 460082DEST_PATH_IMAGE002
为运动模糊图像通道信息的梯度，
Figure 2012100401027100002DEST_PATH_IMAGE005
表示运动参数向量，
Figure 482713DEST_PATH_IMAGE003
表示待测图像
Figure 672386DEST_PATH_IMAGE001
通道信息的时间梯度，即微结构运动前后采集的图像
Figure 572209DEST_PATH_IMAGE001
通道信息的差值，依据建立的该模糊图像运动约束模型就可获得所需要的微运动测量结果。所获得的微运动测量结果
Figure 607161DEST_PATH_IMAGE005
的单位是像素，根据所采用的摄像设备所固有的像素转换成距离单位参数（如有些摄像设备一像素为0.1毫米）换算成毫米单位。
式中，
Figure 908829DEST_PATH_IMAGE002
为运动模糊图像
Figure 862879DEST_PATH_IMAGE001
通道信息的梯度，
Figure 249998DEST_PATH_IMAGE005
表示运动参数向量，
Figure 619799DEST_PATH_IMAGE003
表示待测图像
Figure 979237DEST_PATH_IMAGE001
通道信息的时间梯度，即微结构运动前后采集的图像
Figure 776291DEST_PATH_IMAGE001
通道信息的差值。
Figure 385127DEST_PATH_IMAGE003
是其实就是待测图像的
Figure 902827DEST_PATH_IMAGE001
通道信息的时间梯度。也就是说，微结构运动前采集一副图像，提取该图像的
Figure 913509DEST_PATH_IMAGE001
通道信息（标记为），运动了
Figure 384121DEST_PATH_IMAGE005
（假如是位移）后，再采取一副图像，并提取其
Figure 95725DEST_PATH_IMAGE001
通道信息（标记为
Figure DEST_PATH_IMAGE007
），那么
Figure 302191DEST_PATH_IMAGE008
，是一个向量。
这里，利用小模板的中值滤波器对采集的微结构的模糊图像进行中值滤波，去除散粒噪声对测量结果的影响。此外，将计算机微视觉***安装在隔振台上以减少由外界振动等因素引起的机械噪声对微运动测量的影响。
模糊图像α通道信息梯度的计算采用梯度滤波器来进行。采用梯度滤波器计算时，先将模糊图像进行多尺度方法分解，模糊图像经多尺度方法分解后，首先采用小抽头的梯度滤波器计算α通道信息的梯度，几次迭代后再用大抽头数的梯度滤波器计算最后一层较大像素运动尺度层模糊图像α-通道信息的梯度。这种分层估计的方法不但能够提高微运动测量精度，而且能够加快算法的测量速度。
为了进一步提高微运动测量精度，模糊图像运动约束模型中的运动参数采用鲁棒估计方法进行计算。同传统的最小二乘法相比较，鲁棒估计方法的误差达到一个饱和值以后，不再增大，于是界外值对最终解的影响受到了一定的限制，从而能够进一步提高测量精度。
以算法的精度为横坐标，效率为纵坐标，构建一个精度－效率二维性能评估坐标系，通过设置不同的计算α通道信息梯度的滤波器抽头数或多尺度方法的尺度层数，来获得不同的精度、效率坐标参数，采用该坐标参数评估微运动测量算法的精度和效率。根据精度和效率性能评估结果，修正设计的微运动测量算法，使得设计的算法不但测量精度高而且测量速度快。同时，将所获得的数据和激光干涉仪对微结构的微运动进行测量所获得数据进行比较，验证本发明所述的直接采用模糊图像测量微运动的方法能够测量高精度的微结构微运动。
本发明与已有技术相比，具有直接采用运动模糊图像的模糊信息进行微结构微运动测量、测量精度高、测量设备成本低的优点。
附图说明：
    图1为本发明模糊图像运动约束建模过程示意图；
    图2为微运动测量算法流程图；
    图3为微结构模糊图像微运动测量流程图。
具体实施方式：
    现结合附图和实施例对本发明做进一步详细描述：
    如图1所示，本发明是这样实现的，采用具有自动控制曝光时间及光电转换系数的计算机微视觉***采集一组微结构的模糊图像，然后从该组微结构的模糊图像中采用Spectral matting算法提取一组模糊图像的α通道信息，依据该组模糊图像的α通道信息及这些α通道信息间的距离梯度,并通过基本流域包含有平移及旋转等多种运动类型的仿射变换所获得的运动模糊图像
Figure 660622DEST_PATH_IMAGE001
通道信息的梯度
Figure 837526DEST_PATH_IMAGE002
结合相应的待测图像
Figure 87242DEST_PATH_IMAGE001
通道信息的时间梯度
Figure 289159DEST_PATH_IMAGE003
,建立一种类似用于光流约束模型
Figure 943126DEST_PATH_IMAGE004
，
Figure 482692DEST_PATH_IMAGE002
为运动模糊图像
Figure 536098DEST_PATH_IMAGE001
通道信息的梯度，
Figure 969354DEST_PATH_IMAGE005
表示运动参数向量，
Figure 450014DEST_PATH_IMAGE003
表示待测图像
Figure 783867DEST_PATH_IMAGE001
通道信息的时间梯度，即微结构运动前后采集的图像通道信息的差值，依据建立的该模糊图像运动约束模型就可获得所需要的微运动测量结果。
    如图3所示，利用小模板的中值滤波器对采集的微结构的模糊图像进行中值滤波来实现噪声抑制，去除散粒噪声对测量结果的影响。此外，将计算机微视觉***安装在隔振台上通过精密标定块进行***标定，以减少由外界振动等因素引起的机械噪声对微运动测量的影响。
    如图2所示，模糊图像的α通道信息的梯度计算采用梯度滤波器来进行。采用梯度滤波器计算时，先对模糊图像进行多尺度方法分解，模糊图像经多尺度方法分解后，首先采用小抽头的梯度滤波器计算α通道信息的梯度，几次迭代后再用大抽头数的梯度滤波器计算最后一层较大像素运动尺度层模糊图像α通道信息的梯度▽α。
    如图2、3所示，对构成模糊图像运动约束模型的数据采用鲁棒估计方法进行处理。
如图3所示，以算法的精度为横坐标，效率为纵坐标，构建一个精度－效率二维性能评估坐标系，通过设置不同α通道信息梯度的滤波器抽头数或多尺度方法的尺度层数，来获得不同的精度、效率坐标参数，采用该坐标参数评估微运动测量算法的精度和效率。根据精度和效率性能评估结果，修正设计的微运动测量算法，使得设计的算法不但测量精度高而且测量速度快。同时，将所获得的数据和激光干涉仪对微结构的微运动进行测量所获得数据进行比较，验证本发明所述的直接采用模糊图像测量微运动的方法能够测量高精度的微结构微运动。

Claims (10)

1.一种微运动测量方法，其特征在于采用具有自动控制曝光时间及光电转换系数的计算机微视觉***采集一组微结构的模糊图像，然后从该组微结构的模糊图像中采用Spectral matting算法提取一组模糊图像的α通道信息，依据该组模糊图像的α通道信息及这些α通道信息间的距离梯度,并通过基本流域包含有平移及旋转等多种运动类型的仿射变换所获得的运动模糊图像 
Figure 2012100401027100001DEST_PATH_IMAGE001
通道信息的梯度
Figure 562193DEST_PATH_IMAGE002
结合相应的待测图像
Figure 229935DEST_PATH_IMAGE001
通道信息的时间梯度
Figure 2012100401027100001DEST_PATH_IMAGE003
,建立一种类似用于光流约束模型
Figure 226710DEST_PATH_IMAGE004
，
Figure 485653DEST_PATH_IMAGE002
为运动模糊图像通道信息的梯度，
Figure DEST_PATH_IMAGE005
表示运动参数向量，表示待测图像
Figure 322218DEST_PATH_IMAGE001
通道信息的时间梯度，即微结构运动前后采集的图像通道信息的差值，依据建立的该模糊图像运动约束模型就可获得所需要的微运动测量结果。
2.根据权利要求1所述的微运动测量方法，其特征在于利用小模板的中值滤波器对采集的微结构的模糊图像进行中值滤波，去除散粒噪声对测量结果的影响。
3.根据权利要求1或2所述的微运动测量方法，其特征在于将计算机微视觉***安装在隔振台上以减少由外界振动等因素引起的机械噪声对微运动测量的影响。
4.根据权利要求1或2所述的微运动测量方法，其特征在于模糊图像α通道信息的梯度的计算采用梯度滤波器来进行。
5.根据权利要求3所述的微运动测量方法，其特征在于模糊图像α通道信息的梯度的计算采用梯度滤波器来进行。
6.根据权利要求4所述的微运动测量方法，其特征在于采用梯度滤波器计算时，先对模糊图像进行多尺度方法分解，模糊图像经多尺度方法分解后，首先采用小抽头的梯度滤波器计算α通道信息的梯度，几次迭代后再用大抽头数的梯度滤波器计算最后一层较大像素运动尺度层模糊图像α通道信息的梯度。
7.根据权利要求5所述的微运动测量方法，其特征在于采用梯度滤波器计算时，先对模糊图像进行多尺度方法分解，模糊图像经多尺度方法分解后，首先采用小抽头的梯度滤波器计算α通道信息的梯度，几次迭代后再用大抽头数的梯度滤波器计算最后一层较大像素运动尺度层模糊图像α通道信息的梯度。
8.根据权利要求1或2或5或6或7所述的微运动测量方法，其特征在于对构成模糊图像运动约束模型的数据采用鲁棒估计方法进行处理。
9.根据权利要求6或7所述的微运动测量方法，其特征在于以算法的精度为横坐标，效率为纵坐标，构建一个精度－效率二维性能评估坐标系，通过设置不同α通道信息梯度的滤波器抽头数或多尺度方法的尺度层数，来获得不同的精度、效率坐标参数，采用该坐标参数评估微运动测量算法的精度和效率，根据精度和效率性能评估结果，修正设计的微运动测量算法，使得设计的算法不但测量精度高而且测量速度快，同时，将所获得的数据和激光干涉仪对微结构的微运动进行测量所获得数据进行比较，验证本发明所述的直接采用模糊图像测量微运动的方法能够测量高精度的微结构微运动。
10.根据权利要求8所述的微运动测量方法，其特征在于以算法的精度为横坐标，效率为纵坐标，构建一个精度－效率二维性能评估坐标系，通过设置不同α通道信息梯度的滤波器抽头数或多尺度方法的尺度层数，来获得不同的精度、效率坐标参数，采用该坐标参数评估微运动测量算法的精度和效率，根据精度和效率性能评估结果，修正设计的微运动测量算法，使得设计的算法不但测量精度高而且测量速度快，同时，将所获得的数据和激光干涉仪对微结构的微运动进行测量所获得数据进行比较，验证本发明所述的直接采用模糊图像测量微运动的方法能够测量高精度的微结构微运动。
CN2012100401027A 2012-02-22 2012-02-22 一种微运动测量方法 Pending CN102645555A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2012100401027A CN102645555A (zh) 2012-02-22 2012-02-22 一种微运动测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2012100401027A CN102645555A (zh) 2012-02-22 2012-02-22 一种微运动测量方法

Publications (1)

Publication Number Publication Date
CN102645555A true CN102645555A (zh) 2012-08-22

Family

ID=46658504

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2012100401027A Pending CN102645555A (zh) 2012-02-22 2012-02-22 一种微运动测量方法

Country Status (1)

Country Link
CN (1) CN102645555A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105651377A (zh) * 2016-01-11 2016-06-08 衢州学院 一种基于视频数据挖掘的非接触式物体振动频率测量方法
CN107431784A (zh) * 2015-02-18 2017-12-01 索尼公司 在解剖手术期间检测烟的***和方法
CN110108348A (zh) * 2019-05-15 2019-08-09 湖南科技大学 基于运动放大光流跟踪的薄壁件微幅振动测量方法及***
CN110948485A (zh) * 2019-11-21 2020-04-03 佛山科学技术学院 绳牵引并联机器人柔索悬链线模型精确数值解的计算方法
CN111257592A (zh) * 2020-03-05 2020-06-09 广东零偏科技有限公司 一种用于检测装置的静态判别的方法
CN114630062A (zh) * 2022-03-10 2022-06-14 杭州指数星空智能设备制造有限责任公司 一种提高tof传感器动态范围的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080166022A1 (en) * 2006-12-29 2008-07-10 Gesturetek, Inc. Manipulation Of Virtual Objects Using Enhanced Interactive System
CN101765019A (zh) * 2008-12-25 2010-06-30 北京大学 一种用于运动模糊和光照变化图像的立体匹配方法
US20110249865A1 (en) * 2010-04-08 2011-10-13 Samsung Electronics Co., Ltd. Apparatus, method and computer-readable medium providing marker-less motion capture of human

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080166022A1 (en) * 2006-12-29 2008-07-10 Gesturetek, Inc. Manipulation Of Virtual Objects Using Enhanced Interactive System
CN101765019A (zh) * 2008-12-25 2010-06-30 北京大学 一种用于运动模糊和光照变化图像的立体匹配方法
US20110249865A1 (en) * 2010-04-08 2011-10-13 Samsung Electronics Co., Ltd. Apparatus, method and computer-readable medium providing marker-less motion capture of human

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
QINGHUA LU等: "Multiscale MSE-Minimizing Filters for Gradient-based Motion Estimation", 《PROCEEDINGS OF THE 6TH WORLD CONGRESSON INTELLIGENT CONTROL AND AUTOMATION》 *
万山等: "融合偏微分方程和中值滤波的图像去噪模型", 《计算机应用》 *
卢清华等: "一种考虑精度和效率的微运动测量算法", 《中国机械工程》 *
卢清华等: "一种运动估计算法的性能评估方法", 《工程图学学报》 *
卢清华等: "基于图像的微运动测量算法", 《机床与液压》 *
卢清华等: "基于梯度滤波器的多尺度高精度微运动测量", 《测试技术学报》 *
卢清华等: "基于梯度的鲁棒多尺度微运动测量算法", 《中国机械工程》 *
吴志伟等: "基于视频的车辆流量自动检测方法设计", 《佛山科学技术学院学报（自然科学版）》 *
孙辉等: "基于光流模型的图像运动估计方法", 《光学 精密工程》 *
李蓉等: "基于灰度标准差的光流模型的步态识别算法", 《昆明理工大学学报（理工版）》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107431784A (zh) * 2015-02-18 2017-12-01 索尼公司 在解剖手术期间检测烟的***和方法
CN107431784B (zh) * 2015-02-18 2020-02-18 索尼公司 在解剖手术期间检测烟的***和方法
CN105651377A (zh) * 2016-01-11 2016-06-08 衢州学院 一种基于视频数据挖掘的非接触式物体振动频率测量方法
CN105651377B (zh) * 2016-01-11 2018-12-07 衢州学院 一种基于视频数据挖掘的非接触式物体振动频率测量方法
CN110108348A (zh) * 2019-05-15 2019-08-09 湖南科技大学 基于运动放大光流跟踪的薄壁件微幅振动测量方法及***
CN110948485A (zh) * 2019-11-21 2020-04-03 佛山科学技术学院 绳牵引并联机器人柔索悬链线模型精确数值解的计算方法
CN110948485B (zh) * 2019-11-21 2022-11-08 佛山科学技术学院 绳牵引并联机器人柔索悬链线模型精确数值解的计算方法
CN111257592A (zh) * 2020-03-05 2020-06-09 广东零偏科技有限公司 一种用于检测装置的静态判别的方法
CN114630062A (zh) * 2022-03-10 2022-06-14 杭州指数星空智能设备制造有限责任公司 一种提高tof传感器动态范围的方法
CN114630062B (zh) * 2022-03-10 2024-03-12 杭州指数星空智能设备制造有限责任公司 一种提高tof传感器动态范围的方法

Similar Documents

Publication Publication Date Title
CN102645555A (zh) 一种微运动测量方法
CN105698765B (zh) 双imu单目视觉组合测量非惯性系下目标物位姿方法
CN108592950B (zh) 一种单目相机和惯性测量单元相对安装角标定方法
CN103411621B (zh) 一种面向室内移动机器人的光流场视觉/ins组合导航方法
US20190385324A1 (en) Three-dimensional measurement apparatus
CN103903263B (zh) 一种基于Ladybug全景相机图像的360度全方位测距方法
CN101383899A (zh) 一种空基平台悬停视频稳像方法
CN106375706A (zh) 利用双摄像头进行运动物体测速的方法、装置及移动终端
CN111678521B (zh) 一种移动机器人定位精度的评估方法和***
EP4155873A1 (en) Multi-sensor handle controller hybrid tracking method and device
CN110361010A (zh) 一种基于占据栅格地图且结合imu的移动机器人定位方法
CN112577708B (zh) 一种基于背光成像的高焓激波风洞发动机推阻测量***方法
CN103679693A (zh) 一种多相机单视图标定装置及其标定方法
CN105607760A (zh) 一种基于微惯性传感器的轨迹还原方法及***
CN104133076A (zh) 一种测速装置、方法及终端
CN104848861A (zh) 一种基于图像消失点识别技术的移动设备姿态测量方法
CN105737793B (zh) 滚转角测量单元及测量方法
CN110174907A (zh) 一种基于自适应卡尔曼滤波的人体目标跟随方法
WO2021150779A1 (en) System and method for egomotion estimation
Kowalczuk et al. Evaluation of position estimation based on accelerometer data
CN108416091A (zh) 一种简易的相机地面分辨率与无人机飞行高度关系的测量方法
CN106197376A (zh) 基于单轴mems惯性传感器的车身倾角测量方法
KR101059748B1 (ko) 특징점 패턴을 이용한 헤드 트랙커에서 특징점 배치 방법 및 헬멧의 위치 추정 방법
JP2009210489A (ja) 振動計測システム及びコンピュータプログラム
CN110888142B (zh) 基于mems激光雷达测量技术的航天器隐藏目标点测量方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20120822