CN107687819A - 一种快速高精度的光条中心亚像素提取方法 - Google Patents
一种快速高精度的光条中心亚像素提取方法 Download PDFInfo
- Publication number
- CN107687819A CN107687819A CN201710644528.6A CN201710644528A CN107687819A CN 107687819 A CN107687819 A CN 107687819A CN 201710644528 A CN201710644528 A CN 201710644528A CN 107687819 A CN107687819 A CN 107687819A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- striation
- mtd
- mmultiscripts
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明一种快速高精度的光条中心亚像素提取方法属于计算机视觉测量技术领域,涉及一种快速高精度的光条中心亚像素提取方法。该方法基于局部二次曲线逼近快速求解光条法线方向进而二阶泰勒展开计算光条亚像素中心,首先采用运算速度极快的阈值法光条中心提取获得初始光条中心位置,通过局部二次曲线逼近的方法快速求解初始中心点位置的光条法线方向,归一化处理后利用图像函数在初始中心点处的二阶泰勒展开求解亚像素精度的光条中心。该方法简化了光条法线方向的求解,在法线方向上高精度的提取光条亚像素中心坐标,从而达到高精度和高效率双重要求,且针对现场复杂的光照环境和测量对象,适应性和鲁棒性更强,综合表现更优。
Description
技术领域
本发明属于计算机视觉测量技术领域,涉及一种快速高精度的光条中心亚像素提取方法。
背景技术
为还原待测工件表面的三维信息,高精度的被测表面特征信息的提取尤为重要。采用双目视觉结合辅助线激光扫描的测量方案中,将线激光条纹投射于被测物表面,被调制的激光条纹中心反映了被测物的空间位置信息。因此,准确的光条中心提取是实现三维形面高精度测量的关键。
目前,常用的光条中心提取方法主要有极值法、阈值法、灰度重心法、方向模板法、曲线拟合法和steger算法等。极值法和阈值法能够实现像素级的光条中心提取,其算法简单、运算速度快,能够满足实时测量要求,但图像质量要求高,对噪声敏感,精度较低,可靠性差,一般不适用于精密测量领域。方向模板法利用方向模板与图像进行卷积,使得光条横截面的极值点被强化,非极值点被抑制,再对得到的结果进行比较,从而找到最大的点作为光条的中心点位置。该方法考虑了光条的方向性,算法鲁棒性好,但精度也只能达到像素级,且运算速度较慢。另外,灰度重心法、曲线拟合法和steger算法能够实现亚像素级的光条中心提取。灰度重心法是目前商业设备中普遍采用的光条提取方法,能够基本满足提取精度和提取效率的双重要求;但提取精度只能在一个维度方向上达到亚像素级,精度有待进一步提高。曲线拟合法和steger算法算法则比较复杂,提取效率低,无法满足测量快速实时性要求。文献[周富强,陈强,张广军,等.结构光光条提取的混合图像处理方法[J].光电子·激光,2008,19(11):1534-1537.]提出了一种基于感兴趣区域(ROI)的光条中心提取算法,首先通过阈值化处理和条件膨胀算法确定光条所在ROI,然后利用steger算法实现ROI内光条中心的高精度提取。为了进一步提高steger算法的卷积速度,研究者在之前的工作中还提出了采用分离高斯卷积实现算法或递归高斯滤波实现算法,在ROI内操作可显著提高光条提取的速度。周富强,张广军,江洁,胡坤发明的专利号为CN 200510123724.6的“一种结构光条纹中心快速高精度提取方法”采用求解hessian矩阵确定光条的法线方向,利用泰勒展开和递归方法求解光条的亚像素级中心位置,在保证精度和鲁棒性的条件下减小了运算量,一定程度上实现了光条纹中心的快速提取。
发明内容
本发明要解决的技术难题是针对大型曲面测量现场光照环境复杂、拍摄的光条图像存在局部高反光和整体光照不均、局部区域光条存在过曝和局部区域光条过暗等现象严重影响光条提取的完整性和精度的问题,发明了一种快速高精度的光条中心亚像素提取方法。该方法首先采用运算速度极快的阈值法光条中心提取获得初始光条中心位置,然后通过局部二次曲线逼近的方法快速求解初始中心点位置的光条法线方向,归一化处理后利用图像函数在初始中心点处的二阶泰勒展开求解亚像素精度的光条中心。该方法将耗时最多的光条法线方向求取过程进行了极大的简化,在法线方向上高精度的提取光条亚像素中心坐标,从而达到了现场测量的高精度和高效率双重要求;且针对现场复杂的光照环境和测量对象,适应性和鲁棒性更强,综合表现更优。
本发明采用的技术方案是一种快速高精度的光条中心亚像素提取方法,其特征是,该方法基于局部二次曲线逼近快速求解光条法线方向,并使用二阶泰勒展开计算光条亚像素中心。首先根据阈值法得到像素级的初始光条中心位置;然后以二次曲线去逼近局部初始光条中心点的变化趋势,从而遍历所有初始光条中心点的法线方向并做归一化处理;最后基于光条法向高斯分布,在初始中心点处二阶泰勒展开求解亚像素精度的光条中心。方法具体步骤如下:
第一步初始光条中心提取
首先,对光条图像进行阈值分割,得到准确的二值化光条区域,然后识别其左、右边缘位置并分别记为pL和pR,因此,根据阈值法得到像素级的初始光条中心位置:
从而获得光条上所有的初始光条中心点序列(0ui,0vi),i=1,2,3,...,n,n为初始光条中心点的数量;
第二步计算光条法线方向
以初始光条中心点(0ui,0vi)及其上下邻域点(0ui-1,0vi-1)和(0ui+1,0vi+1)为基准数据点,精确求解二次曲线函数:
其中,ai,bi,ci为局部二次曲线方程参数,通过式(2)求解得到;从而计算得到该二次曲线在点(0ui,0vi)处的法线斜率为
ki=-(2ai 0vi+bi) (3)
根据归一化原则,法线方向(nxi,nyi)应满足
||(nxi,nyi)||=1 (5)
联立式(4)和(5)求解得到光条的法线方向为
采用中值滤波的方法对获取的光条法线方向进行均衡优化处理,得到更为平滑变化的光条法线方向结果
其中,2m+1为中值滤波的窗口长度;
第三步光条中心亚像素精度提取
考虑到现场测量的光条图像存在不可避免的噪声干扰,因此首先采用二维高斯滤波对光条图像f(x,y)进行卷积滤波处理,得到滤波图像F(x,y);然后,以光条初始中心坐标(0ui,0vi)为基准点,令t为常数,对图像灰度函数进行二阶泰勒展开,得到:
令从而得到
根据式(10)计算(ui,vi)处的光条亚像素中心位置;
根据上述方法计算所有光条初始中心点的亚像素中心位置,从而获得亚像素精度的光条中心。
本发明的有益效果是该方法通过运算速度极快的阈值法提取初始光条中心位置,然后通过局部二次曲线逼近的方法快速求解光条法线方向,极大地提高了光条特征提取的效率;采用二阶泰勒展开求解亚像素精度的光条中心,可以适应测量现场光条图像亮度分布不均匀的情况,提高光条特征提取的精度。该方法简化了光条法线方向的求解,在法线方向上高精度的提取光条亚像素中心坐标,从而达到高精度和高效率双重要求,且针对现场复杂的光照环境和测量对象,适应性和鲁棒性更强,综合表现更优。
附图说明
图1为基于线激光光条的视觉测量***示意图。图中,1是被测物体,2是线激光器,3是投影在被测物体上的光条(法线方向符合高斯性),4是光条的初始中心位置,5是光条的亚像素精度中心位置。
图2为快速高精度的光条中心亚像素提取方法的流程图。
具体实施方式
以下结合技术方案和附图详细叙述本发明的具体实施方式。
本实施例中,被测物体1表面为2.5m×3.0m的t800复合材料板,将波长460nm蓝紫线激光竖向投射到被测物体1上。
本发明采用配置广角镜头的摄像机拍摄光条图像。摄像机型号为view works VC-12MC-M/C 65摄像机,分辨率:4096×3072,图像传感器:CMOS,帧率:全画幅,最高64.3fps,重量:420g。广角镜头型号为EF 16-35mm f/2.8L II USM,参数如下所示,镜头焦距:f=16-35mm,APS焦距:25.5-52.5,光圈:F2.8,镜头尺寸:82×106。拍摄条件如下:图片像素为4096×3072,镜头焦距为25mm,物距为750mm,视场约为850mm×450mm。
附图2为快速高精度的光条中心亚像素提取方法的流程图。根据该操作流程,整个光条提取过程分为初始光条中心提取、计算光条法线方向、光条中心亚像素精度提取等三个步骤。
第一步 初始光条中心提取
首先搭建基于线激光光条的视觉测量***,如图1所示,由摄像机拍摄一幅线激光光条图像,记为f(x,y)。对光条图像进行阈值分割,获取光条区域和背景区域。处理光条区域,识别其左右边缘位置并记为pL和pR。根据阈值法,按公式(1)计算光条像素级中心位置(0u,0v)。由此获得光条上所有的初始光条中心点序列(0ui,0vi),其中i=1,2,3,...,n,n为初始光条中心点的数量。
第二步计算光条法线方向
以二次曲线去逼近局部初始光条中心点的变化趋势,从而遍历整个初始光条中心点的法线方向。以第i个初始光条中心点(0ui,0vi)及其上下邻域点(0ui-1,0vi-1)和(0ui+1,0vi+1)为基准数据点,根据公式(2)拟合二次曲线,计算得到二次曲线方程参数ai,bi,ci。根据公式(3)–(6)计算点(0ui,0vi)处的光条法线方向(nxi,nyi)。
由于初始光条中心提取精度不高,受图像噪声干扰严重,因此同样也影响光条法线方向的计算准确性。这里对获取的光条法线方向进行中值滤波,根据公式(7)得到更为平滑变化的光条法线方向结果
第三步光条中心亚像素精度提取
对光条图像f(x,y)进行二维高斯滤波,得到滤波图像F(x,y)。以光条初始中心坐标(0ui,0vi)为基准,由公式(8)对二阶泰勒展开,其中t为常数。
理想光条图像中,光条截面灰度分布服从高斯分布。因此,光条法线方向上一阶导数为零的位置定义为光条中心点。根据公式(9)计算光条中心点对应的常数t。根据公式(10)得到光条亚像素中心位置。
本发明针对多复杂噪声因素影响激光光条提取完整性和精度的问题,采用运算速度极快的阈值法光条中心提取获得初始光条中心位置,通过局部二次曲线逼近的方法快速求解初始中心点位置的光条法线方向,归一化处理后利用图像函数在初始中心点处的二阶泰勒展开求解亚像素精度的光条中心。本发明可以有效解决测量现场光条图像亮度分布不均匀,光条特征难以快速、高精度提取的难题,且与传统光条特征提取算法相比,适应性和鲁棒性更强,综合表现更优。
Claims (1)
1.一种快速高精度的光条中心亚像素提取方法,其特征是,该方法基于局部二次曲线逼近快速求解光条法线方向,进而二阶泰勒展开计算光条亚像素中心;首先根据阈值法得到像素级的初始光条中心位置,以二次曲线去逼近局部初始光条中心点的变化趋势,并遍历所有初始光条中心点的法线方向,做归一化处理;最后基于光条法向高斯分布,在初始中心点处二阶泰勒展开求解亚像素精度的光条中心;方法具体步骤如下:
第一步 初始光条中心提取
首先,对光条图像进行阈值分割,得到准确的二值化光条区域,然后识别其左、右边缘位置并分别记为pL和pR,因此,根据阈值法得到像素级的初始光条中心位置:
<mrow>
<mo>(</mo>
<mmultiscripts>
<mi>u</mi>
<mn>0</mn>
</mmultiscripts>
<mo>,</mo>
<mmultiscripts>
<mi>v</mi>
<mn>0</mn>
</mmultiscripts>
<mo>)</mo>
<mo>=</mo>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>p</mi>
<mi>L</mi>
</msub>
<mo>+</mo>
<msub>
<mi>p</mi>
<mi>R</mi>
</msub>
</mrow>
<mn>2</mn>
</mfrac>
<mo>,</mo>
<mmultiscripts>
<mi>v</mi>
<mn>0</mn>
</mmultiscripts>
<mo>)</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
从而获得光条上所有的初始光条中心点序列(0ui,0vi),i=1,2,3,...,n,n为初始光条中心点的数量;
第二步 计算光条法线方向
以初始光条中心点(0ui,0vi)及其上下邻域点(0ui-1,0vi-1)和(0ui+1,0vi+1)为基准数据点,精确求解二次曲线函数:
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<mmultiscripts>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
<mn>0</mn>
</mmultiscripts>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mmultiscripts>
<mi>v</mi>
<mn>0</mn>
</mmultiscripts>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mmultiscripts>
<mi>v</mi>
<mi>i</mi>
<mn>2</mn>
<mn>0</mn>
</mmultiscripts>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mmultiscripts>
<mi>v</mi>
<mn>0</mn>
</mmultiscripts>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mmultiscripts>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
<mn>0</mn>
</mmultiscripts>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mmultiscripts>
<mi>v</mi>
<mn>0</mn>
</mmultiscripts>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>b</mi>
<mi>i</mi>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mmultiscripts>
<mi>u</mi>
<mn>0</mn>
</mmultiscripts>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mmultiscripts>
<mi>u</mi>
<mn>0</mn>
</mmultiscripts>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mmultiscripts>
<mi>u</mi>
<mn>0</mn>
</mmultiscripts>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,ai,bi,ci为局部二次曲线方程参数,通过式(2)求解得到;从而计算得到该二次曲线在点(0ui,0vi)处的法线斜率为:
ki=-(2ai 0vi+bi) (3)
根据归一化原则,法线方向(nxi,nyi)应满足
<mrow>
<mfrac>
<msub>
<mi>n</mi>
<mrow>
<mi>y</mi>
<mi>i</mi>
</mrow>
</msub>
<msub>
<mi>n</mi>
<mrow>
<mi>x</mi>
<mi>i</mi>
</mrow>
</msub>
</mfrac>
<mo>=</mo>
<msub>
<mi>k</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
||(nxi,nyi)||=1 (5)
联立式(4)和(5)求解得到光条的法线方向为
<mrow>
<mo>(</mo>
<msub>
<mi>n</mi>
<mrow>
<mi>x</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>n</mi>
<mrow>
<mi>y</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
<mo>=</mo>
<mo>(</mo>
<mfrac>
<mn>1</mn>
<msqrt>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msubsup>
<mi>k</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
</mfrac>
<mo>,</mo>
<mfrac>
<msub>
<mi>k</mi>
<mi>i</mi>
</msub>
<msqrt>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msubsup>
<mi>k</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
</mfrac>
<mo>)</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
采用中值滤波的方法对获取的光条法线方向进行均衡优化处理,得到更为平滑变化的光条法线方向结果
其中,2m+1为中值滤波的窗口长度;
第三步 光条中心亚像素精度提取
考虑到现场测量的光条图像存在不可避免的噪声干扰,因此首先采用二维高斯滤波对光条图像f(x,y)进行卷积滤波处理,得到滤波图像F(x,y);然后,以光条初始中心坐标(0ui,0vi)为基准点,令t为常数,对图像灰度函数进行二阶泰勒展开,得到:
令从而得到
根据式(10)计算(ui,vi)处的光条亚像素中心位置;
根据上述方法计算所有光条初始中心点的亚像素中心位置,从而获得亚像素精度的光条中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710644528.6A CN107687819B (zh) | 2017-08-01 | 2017-08-01 | 一种快速高精度的光条中心亚像素提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710644528.6A CN107687819B (zh) | 2017-08-01 | 2017-08-01 | 一种快速高精度的光条中心亚像素提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107687819A true CN107687819A (zh) | 2018-02-13 |
CN107687819B CN107687819B (zh) | 2019-09-27 |
Family
ID=61152562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710644528.6A Expired - Fee Related CN107687819B (zh) | 2017-08-01 | 2017-08-01 | 一种快速高精度的光条中心亚像素提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107687819B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035213A (zh) * | 2018-07-05 | 2018-12-18 | 大连理工大学 | 基于光条截面能量分布唯一性的光条中心亚像素提取方法 |
CN109389639A (zh) * | 2018-07-16 | 2019-02-26 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 动态行车环境下钢轨轮廓激光条纹中心提取方法及装置 |
CN110095069A (zh) * | 2019-04-22 | 2019-08-06 | 西南交通大学 | 一种高铁白车身装配质量检测***和方法 |
CN110443846A (zh) * | 2019-07-02 | 2019-11-12 | 苏州全视智能光电有限公司 | 一种基于方向模板高精度快速生成点云的方法 |
CN110706229A (zh) * | 2019-10-17 | 2020-01-17 | 广东博智林机器人有限公司 | 激光条纹中心的确定方法、装置、电子设备及存储介质 |
CN111260708A (zh) * | 2020-01-14 | 2020-06-09 | 华中科技大学鄂州工业技术研究院 | 一种线结构光中心提取方法及*** |
CN113029021A (zh) * | 2020-08-04 | 2021-06-25 | 南京航空航天大学 | 一种用于线激光蒙皮对缝测量的光条细化方法 |
CN113129357A (zh) * | 2021-05-10 | 2021-07-16 | 合肥工业大学 | 一种复杂背景下三维扫描测量光条中心提取方法 |
CN113947543A (zh) * | 2021-10-15 | 2022-01-18 | 天津大学 | 一种曲线光条中心无偏校正方法 |
CN114001671A (zh) * | 2021-12-31 | 2022-02-01 | 杭州思看科技有限公司 | 激光数据提取方法、数据处理方法、和三维扫描*** |
CN115953459A (zh) * | 2023-03-10 | 2023-04-11 | 齐鲁工业大学(山东省科学院) | 一种复杂光照条件下的激光条纹中心线提取方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010017346A1 (en) * | 1998-07-22 | 2001-08-30 | Oosterling Pieter Adriaan | Device and method for automatically milking cows |
CN1763472A (zh) * | 2005-11-22 | 2006-04-26 | 北京航空航天大学 | 一种结构光条纹中心快速高精度提取方法 |
CN101504770A (zh) * | 2009-03-19 | 2009-08-12 | 北京航空航天大学 | 一种结构光光条中心的提取方法 |
CN104616325A (zh) * | 2015-01-21 | 2015-05-13 | 大连理工大学 | 一种快速高精度的大型表面光条中心提取方法 |
CN105300316A (zh) * | 2015-09-22 | 2016-02-03 | 大连理工大学 | 基于灰度重心法的光条中心快速提取方法 |
CN105335988A (zh) * | 2015-09-25 | 2016-02-17 | 大连理工大学 | 一种基于分层处理的亚像素中心提取方法 |
-
2017
- 2017-08-01 CN CN201710644528.6A patent/CN107687819B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010017346A1 (en) * | 1998-07-22 | 2001-08-30 | Oosterling Pieter Adriaan | Device and method for automatically milking cows |
CN1763472A (zh) * | 2005-11-22 | 2006-04-26 | 北京航空航天大学 | 一种结构光条纹中心快速高精度提取方法 |
CN101504770A (zh) * | 2009-03-19 | 2009-08-12 | 北京航空航天大学 | 一种结构光光条中心的提取方法 |
CN104616325A (zh) * | 2015-01-21 | 2015-05-13 | 大连理工大学 | 一种快速高精度的大型表面光条中心提取方法 |
CN105300316A (zh) * | 2015-09-22 | 2016-02-03 | 大连理工大学 | 基于灰度重心法的光条中心快速提取方法 |
CN105335988A (zh) * | 2015-09-25 | 2016-02-17 | 大连理工大学 | 一种基于分层处理的亚像素中心提取方法 |
Non-Patent Citations (1)
Title |
---|
李凤娇等: "基于多尺度分析的激光光条中心点坐标提取方法", 《光学学报》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035213A (zh) * | 2018-07-05 | 2018-12-18 | 大连理工大学 | 基于光条截面能量分布唯一性的光条中心亚像素提取方法 |
CN109389639A (zh) * | 2018-07-16 | 2019-02-26 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 动态行车环境下钢轨轮廓激光条纹中心提取方法及装置 |
CN109389639B (zh) * | 2018-07-16 | 2021-06-25 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 动态行车环境下钢轨轮廓激光条纹中心提取方法及装置 |
CN110095069A (zh) * | 2019-04-22 | 2019-08-06 | 西南交通大学 | 一种高铁白车身装配质量检测***和方法 |
CN110443846A (zh) * | 2019-07-02 | 2019-11-12 | 苏州全视智能光电有限公司 | 一种基于方向模板高精度快速生成点云的方法 |
CN110706229B (zh) * | 2019-10-17 | 2022-04-19 | 广东博智林机器人有限公司 | 激光条纹中心的确定方法、装置、电子设备及存储介质 |
CN110706229A (zh) * | 2019-10-17 | 2020-01-17 | 广东博智林机器人有限公司 | 激光条纹中心的确定方法、装置、电子设备及存储介质 |
CN111260708A (zh) * | 2020-01-14 | 2020-06-09 | 华中科技大学鄂州工业技术研究院 | 一种线结构光中心提取方法及*** |
CN113029021A (zh) * | 2020-08-04 | 2021-06-25 | 南京航空航天大学 | 一种用于线激光蒙皮对缝测量的光条细化方法 |
CN113129357A (zh) * | 2021-05-10 | 2021-07-16 | 合肥工业大学 | 一种复杂背景下三维扫描测量光条中心提取方法 |
CN113129357B (zh) * | 2021-05-10 | 2022-09-30 | 合肥工业大学 | 一种复杂背景下三维扫描测量光条中心提取方法 |
CN113947543A (zh) * | 2021-10-15 | 2022-01-18 | 天津大学 | 一种曲线光条中心无偏校正方法 |
CN113947543B (zh) * | 2021-10-15 | 2024-04-12 | 天津大学 | 一种曲线光条中心无偏校正方法 |
CN114001671A (zh) * | 2021-12-31 | 2022-02-01 | 杭州思看科技有限公司 | 激光数据提取方法、数据处理方法、和三维扫描*** |
CN115953459A (zh) * | 2023-03-10 | 2023-04-11 | 齐鲁工业大学(山东省科学院) | 一种复杂光照条件下的激光条纹中心线提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107687819B (zh) | 2019-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107687819B (zh) | 一种快速高精度的光条中心亚像素提取方法 | |
CN107369159B (zh) | 基于多因素二维灰度直方图的阈值分割方法 | |
CN106485751B (zh) | 应用于基桩检测中的无人机摄影成像及数据处理方法及*** | |
CN103793708B (zh) | 一种基于仿射校正的多尺度车牌精准定位方法 | |
CN104134200B (zh) | 一种基于改进加权融合的运动场景图像拼接方法 | |
CN102651135B (zh) | 一种基于优化方向采样的自然图像抠图方法 | |
CN107248159A (zh) | 一种基于双目视觉的金属工件缺陷检测方法 | |
CN108537782B (zh) | 一种基于轮廓提取的建筑物图像匹配与融合的方法 | |
CN104574375A (zh) | 结合彩色和深度信息的图像显著性检测方法 | |
CN106091984A (zh) | 一种基于线激光的三维点云数据获取方法 | |
CN103868460A (zh) | 基于视差优化算法的双目立体视觉自动测量方法 | |
CN103902953B (zh) | 一种屏幕检测***及方法 | |
CN103993548A (zh) | 基于多台相机立体拍摄的路面损坏裂缝检测***及方法 | |
CN102982334B (zh) | 基于目标边缘特征与灰度相似性的稀疏视差获取方法 | |
CN107816943A (zh) | 一种物流箱体积重量测量***及其实现方法 | |
CN104517095A (zh) | 一种基于深度图像的人头分割方法 | |
CN109343041B (zh) | 用于高级智能辅助驾驶的单目测距方法 | |
CN108416798B (zh) | 一种基于光流的车辆距离估计方法 | |
CN106952262B (zh) | 一种基于立体视觉的船板加工精度分析方法 | |
CN105913070A (zh) | 一种基于光场相机的多线索显著性提取方法 | |
CN108088381A (zh) | 一种基于图像处理的非接触式微小间隙宽度测量方法 | |
CN108510544B (zh) | 一种基于特征聚类的光条定位方法 | |
CN101930606A (zh) | 一种图像边缘检测的景深扩展方法 | |
CN108010075A (zh) | 一种基于多特征联合的局部立体匹配方法 | |
CN115330684A (zh) | 基于双目视觉与线结构光的水下构筑物表观缺陷检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190927 Termination date: 20210801 |