CN112686842B - 一种光斑检测方法、装置、电子设备及可读存储介质 - Google Patents
一种光斑检测方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN112686842B CN112686842B CN202011516603.9A CN202011516603A CN112686842B CN 112686842 B CN112686842 B CN 112686842B CN 202011516603 A CN202011516603 A CN 202011516603A CN 112686842 B CN112686842 B CN 112686842B
- Authority
- CN
- China
- Prior art keywords
- light spot
- image
- original image
- candidate
- row
- 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.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申请提供了一种光斑检测方法、装置、电子设备及可读存储介质,分别沿着水平方向对原图像和原图像沿着第一方向旋转90度后得到的旋转图像进行扫描,得到原图像和旋转图像中每个行图像的像素点,从中确定出候选光斑像素点,将每个行图像中满足预设要求的所有候选光斑像素点组成行光斑数组,分别对所有行光斑数组聚类,得到原图像和旋转图像的目标光斑数组,将旋转图像的目标光斑数组沿着第二方向旋转90度后对应的斑点区域与原图像的目标光斑数组对应的斑点区域做并集,得到原图像的目标光斑。本申请能够通过一套算法同时对检测图像进行光斑检测,解决内存消耗大的问题,达到算法简单,存储空间小以及耗时少,光斑中心点提取准确且稳定的效果。
Description
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种光斑检测方法、装置、电子设备及可读存储介质。
背景技术
随着红外成像技术的发展,越来越多的红外成像技术运用到各行各业,涉及监控,消防和军事等各个方面。例如,利用红外相机对物体进行单目相机的检测识别或是基于计算机视觉技术的光学测量。
典型的红外图像是包含场景内若干个远近不一的红外光标记点的二维投影图像,标记点的成像大小不一,强度高低不一,边缘不齐,导致背景图像中同时包含有各种反射光点,影响红外成像质量,为了解决红外图像中的光斑问题,需要先进行光斑的检测。
而常见的光斑检测算法中,不管是基于高斯拉普拉斯算子的检测算法,还是基于局部极值的分水岭算法,都存在内存消耗大、耗时多的问题。
发明内容
有鉴于此,本申请的目的在于提供一种光斑检测方法、装置、电子设备及可读存储介质,能够通过一套算法同时对检测图像进行光斑检测,解决现有技术中存在的内存消耗大的问题,达到算法简单,存储空间小以及耗时少,光斑中心点提取准确且稳定的效果。
本申请提供了一种光斑检测方法,所述光斑检测方法包括:
分别沿着水平方向对原图像和所述原图像沿着第一方向旋转90度后得到的旋转图像进行扫描,得到所述原图像和所述旋转图像中每个行图像的像素点;
从所述原图像和所述旋转图像的所有行图像的像素点中确定出行向二阶偏导数大于预设的行向二阶偏导数阈值的像素点为候选光斑像素点;
分别将所述原图像和所述旋转图像的每个行图像中具有相邻连通域的候选光斑像素点组成像素集合,得到所述原图像和所述旋转图像的各个行图像的n个候选光斑点簇;
将各个行图像的n个候选光斑点簇中每个候选光斑点簇依次与后一个候选光斑点簇进行配对,得到各个行图像的n-1个候选光斑点簇对,其中,n表示正整数;
确定所有候选光斑点簇对中像素点个数小于预设的像素个数阈值且像素点最大灰度值大于预设的灰度值阈值的候选光斑点簇对为行光斑数组;
分别对所述原图像和所述旋转图像中所有行的行光斑数组进行聚类操作,得到所述原图像和所述旋转图像的目标光斑数组;
将所述旋转图像的目标光斑数组沿着第二方向旋转90度后对应的斑点区域与所述原图像的目标光斑数组对应的斑点区域做并集,得到所述原图像的目标光斑。
优选地,所述从所述原图像和所述旋转图像的所有行图像的像素点中确定出行向二阶偏导数大于预设的行向二阶偏导数阈值的像素点为候选光斑像素点,包括:
获取预设的行向二阶偏导数阈值;
分别计算所述原图像和所述旋转图像中各个像素点的行向二阶偏导数;
若像素点的行向二阶偏导数大于所述行向二阶偏导数阈值,则确定该像素点为候选光斑像素点。
优选地,通过以下公式计算所述原图像和所述旋转图像中各个像素点的行向二阶偏导数:
SD(i,j)=[I(i,j+2)-2*I(i,j)+I(i,j-2)]/4;
其中,SD(i,j)表示所述原图像或所述旋转图像中第i行第j列的像素点的行向二阶偏导数,I(i,j)表示所述原图像或所述旋转图像中第i行第j列的像素点的灰度值,I(i,j+2)表示所述原图像或所述旋转图像中第i行第j+2列的像素点的灰度值,I(i,j-2)表示所述原图像或所述旋转图像中第i行第j-2列的像素点的灰度值。
优选地,在所述从所述原图像和所述旋转图像的所有行图像的像素点中确定出行向二阶偏导数大于预设的行向二阶偏导数阈值的像素点为候选光斑像素点之前,所述方法还包括:
从所述原图像和所述旋转图像的所有行图像的像素点中确定行向二阶偏导数小于预设的行向二阶偏导数阈值的像素点为非候选光斑像素点;
从所有行图像的像素点中删除所述非候选光斑像素点。
优选地,在所述确定所有候选光斑点簇对中像素点个数小于预设的像素个数阈值且像素点最大灰度值大于预设的灰度值阈值的候选光斑点簇对为行光斑数组之前,所述方法还包括:
将所有候选光斑点簇对中像素点个数大于预设的像素个数阈值或像素点最大灰度值小于预设的灰度值阈值的候选光斑点簇对组成无效行光斑数组;
从所有候选光斑点簇对中删除所述无效行光斑数组。
优选地,所述分别对所述原图像和所述旋转图像中所有行的行光斑数组进行聚类操作,得到所述原图像和所述旋转图像的目标光斑数组,包括:
获取所述原图像和所述旋转图像所有行的行光斑数组中每个候选光斑像素点的横坐标和纵坐标;
分别将所述原图像和所述旋转图像中的所述横坐标相同且相邻,或所述纵坐标相同且相邻的候选光斑像素点所属的行光斑数组确定为目标光斑数组。
优选地,所述将所述旋转图像的目标光斑数组沿着第二方向旋转90度后对应的斑点区域与所述原图像的目标光斑数组对应的斑点区域做并集,得到所述原图像的目标光斑,包括:
将所述旋转图像的目标光斑数组沿着第二方向旋转90度后得到所述原图像的纵向目标光斑数组;
将所述纵向目标光斑数组的候选光斑像素点与所述原图像的目标光斑数组的候选光斑像素点合并在一起组成的候选光斑像素点集合为所述原图像的目标光斑。
本申请提供了一种光斑检测装置,所述光斑检测装置包括:
像素获取模块,用于分别沿着水平方向对原图像和所述原图像沿着第一方向旋转90度后得到的旋转图像进行扫描,得到所述原图像和所述旋转图像中每个行图像的像素点;
像素点处理模块,用于从所述原图像和所述旋转图像的所有行图像的像素点中确定出行向二阶偏导数大于预设的行向二阶偏导数阈值的像素点为候选光斑像素点;
点簇处理模块,用于分别将所述原图像和所述旋转图像的每个行图像中具有相邻连通域的候选光斑像素点组成像素集合,得到所述原图像和所述旋转图像的各个行图像的n个候选光斑点簇;
点簇对处理模块,用于将各个行图像的n个候选光斑点簇中每个候选光斑点簇依次与后一个候选光斑点簇进行配对,得到各个行图像的n-1个候选光斑点簇对,其中,n表示正整数;
行光斑确定模块,用于确定所有候选光斑点簇对中像素点个数小于预设的像素个数阈值且像素点最大灰度值大于预设的灰度值阈值的候选光斑点簇对为行光斑数组;
光斑聚类模块,用于分别对所述原图像和所述旋转图像中所有行的行光斑数组进行聚类操作,得到所述原图像和所述旋转图像的目标光斑数组;
光斑确定模块,用于将所述旋转图像的目标光斑数组沿着第二方向旋转90度后对应的斑点区域与所述原图像的目标光斑数组对应的斑点区域做并集,得到所述原图像的目标光斑。
本申请还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的光斑检测方法的步骤。
本申请还提供一种计算机可读存储介质,该可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述的光斑检测方法的步骤。
本申请提供了一种光斑检测方法、装置、电子设备及可读存储介质,其中,所述光斑检测方法包括:光斑检测装置先分别沿着水平方向对原图像和原图像沿着第一方向旋转90度后得到的旋转图像进行扫描,得到原图像和旋转图像中每个行图像的像素点,然后从原图像和旋转图像的所有行图像的像素点中确定出行向二阶偏导数大于预设的行向二阶偏导数阈值的像素点为候选光斑像素点,在得到候选光斑像素点之后,分别将原图像和旋转图像的每个行图像中具有相邻连通域的候选光斑像素点组成像素集合,得到原图像和旋转图像的各个行图像的n个候选光斑点簇;将各个行图像的n个候选光斑点簇中每个候选光斑点簇依次与后一个候选光斑点簇进行配对,得到各个行图像的n-1个候选光斑点簇对,其中,n表示正整数;确定所有候选光斑点簇对中像素点个数小于预设的像素个数阈值且像素点最大灰度值大于预设的灰度值阈值的候选光斑点簇对为行光斑数组;再分别对原图像和旋转图像中所有行的行光斑数组进行聚类操作,得到原图像和旋转图像的目标光斑数组,最后将旋转图像的目标光斑数组沿着第二方向旋转90度后对应的斑点区域与所述原图像的目标光斑数组对应的斑点区域做并集,得到原图像的目标光斑。这样一来,本申请能够通过一套算法同时对扫描到的图像进行光斑检测,进而解决现有技术中存在的内存消耗大的问题,达到算法简单,存储空间小、耗时少以及光斑中心点提取准确且稳定的效果。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种光斑检测方法的流程图;
图2为本申请实施例所提供的一种光斑检测结果的示意图;
图3为本申请实施例所提供的一种光斑聚类结果的示意图;
图4为本申请实施例所提供的一种光斑检测装置的结构示意图之一;
图5为本申请实施例所提供的一种光斑检测装置的结构示意图之二;
图6为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例,都属于本申请保护的范围。
首先,对本申请可适用的应用场景进行介绍。本申请可应用于所有图像处理中需要检测光斑的技术领域。比如:物体上固定红外反光点,利用红外相机对物体进行单目相机的检测识别,再比如使用多目相机,利用基于计算机视觉技术的光学测量方法,实现光球点的空间三维定位测量。
在具体应用场景中,首先相机组在工作前需要对其内外参数进行精准标定,标定过程中就需要使用相机组对标定杆工具上的红外光标记点拍摄,获得一系列红外图像,再执行后续的标定计算工作。其次,在工作过程中,由携带红外光滤光片的相机组,拍摄红外光标记点获取红外图像,进而可以利用计算机视觉中三维重建等方法,重构空间中点对象的三维坐标信息,完成场景中跟踪定位、三维测量和动作捕捉等后续工作。由于红外图像中包含场景内若干个远近不一的红外光标记点的二维投影图像,标记点的成像大小不一,强度高低不一,边缘不齐,背景图像中同时包含有各种反射光点造成的干扰,影响红外成像质量。所以,不论是内外参标定过程还是定位测量过程,都要首先解决红外图像光斑中心点的定位问题—即如何对红外图像内标记点/光斑点的中心点坐标进行快速、精准的计算获取。然而,在光斑中心点定位之前,需要先进行光斑检测。
而常见的光斑检测算法中,不管是基于高斯拉普拉斯算子的检测算法,还是基于局部极值的分水岭算法,都存在内存消耗大、耗时多的问题。基于此,本申请实施例提供了一种光斑检测方法、装置、电子设备及可读存储介质,能够通过一套算法同时对检测图像进行光斑检测,解决现有技术中存在的内存消耗大的问题,达到算法简单,存储空间小,耗时少,以及光斑中心点提取准确且稳定的效果。
请参阅图1,图1为本申请实施例所提供的一种光斑检测方法的流程图。如图1中所示,本申请实施例以光斑检测装置为执行主体,提供的光斑检测方法包括:
S110、分别沿着水平方向对原图像和所述原图像沿着第一方向旋转90度后得到的旋转图像进行扫描,得到所述原图像和所述旋转图像中每个行图像的像素点。
步骤S110中,光斑检测装置先对原图像进行逐行扫描,然后对旋转图像进行逐行扫描,根据扫描结果得到原图像和旋转图像中每个行图像的像素点。其中,将光斑检测装置对原图像和旋转图像中进行逐行扫描时得到的每行的图像定义为行图像,行图像的数量根据光斑检测装置对原图像和旋转图像逐行扫描的次数确定。
这里,本申请先对原图像进行逐行扫描,然后将原图像沿着第一方向旋转90度后得到旋转图像,再对这个旋转图像进行逐行扫描,这样一来,不做单一方向的处理,就不会产生单方向依赖性,进而可以避免结果产生偏差,保证识别的光斑范围全面,将两个方向的光斑检测结果结合做并集处理,会让结果更准确。
S120、从所述原图像和所述旋转图像的所有行图像的像素点中确定出行向二阶偏导数大于预设的行向二阶偏导数阈值的像素点为候选光斑像素点。
步骤S120中,对原图像和旋转图像的所有行图像的像素点进行行向二阶偏导数的计算,从而确定出每个像素点水平方向的行向二阶偏导数。
当行向二阶偏导数大于预设的行向二阶偏导数阈值时,则将该像素点设定为候选光斑像素点,除此之外,当行向二阶偏导数小于预设的行向二阶偏导数阈值时,则将该像素点设定为非候选光斑像素点,进而,基于行向二阶偏导数与预设的行向二阶偏导数阈值之间的大小关系,就可以将原图像和旋转图像的所有行图像的像素点分成候选光斑像素点和非候选光斑像素点两种。
S130、分别将所述原图像和所述旋转图像的每个行图像中具有相邻连通域的候选光斑像素点组成像素集合,得到所述原图像和所述旋转图像的各个行图像的n个候选光斑点簇。
S140、将各个行图像的n个候选光斑点簇中每个候选光斑点簇依次与后一个候选光斑点簇进行配对,得到各个行图像的n-1个候选光斑点簇对,其中,n表示正整数。
S150、确定所有候选光斑点簇对中像素点个数小于预设的像素个数阈值且像素点最大灰度值大于预设的灰度值阈值的候选光斑点簇对为行光斑数组。
在步骤S130至步骤S150中,先确定原图像和旋转图像的每个行图像中的候选光斑点簇。具体地,将该行图像的所有候选光斑像素点进行连通域操作,将存储位置相连的候选光斑像素点计为一组,这样就生成了该行图像的候选光斑点簇。
需要说明的是,一个连通域是由相邻的像素组成像素集合,因此,我们就可以通过这一个条件在候选光斑像素点中寻找连通区域,将找到的每个连通域确定为一个候选光斑点簇。
紧接着,将每个行图像中的候选光斑点簇配对为候选光斑点簇对。将该行图像的候选光斑点簇进行前后配对,比如第一个候选光斑点簇与第二个候选光斑点簇配成一对,第二个候选光斑点簇与第三个候选光斑点簇配成一对,依次进行,每一行如果有n个候选光斑点簇,则配对成n-1个候选光斑点簇对。
举例说明,如图2所示,图2为本申请实施例所提供的一种光斑检测结果的示意图;如图2中所示,白色为红外图像上的待检测光斑,直线c指示红外图像上的扫描行,图中黑色的部分为行向二阶偏导数大于行向二阶偏导数阈值的候选光斑点簇,分别命名为R1、R2、R3、R4、R5和R6,前后配对成候选光斑点簇对,具体候选光斑点簇对指的是配成如下组对:[R1,R2]、[R2,R3]、[R3,R4]、[R4,R5]和[R5,R6],这里,[R1,R2]表示以R1为起点,以R2为终点之间的有效像素点区域,同理,[R2,R3]、[R3,R4]、[R4,R5]和[R5,R6]也分别表示一片有效像素点区域。
假设分析候选光斑点簇对[R1,R2]的话,统计A框中的最大灰度值和候选光斑像素点的个数(灰度值的个数),分析候选光斑点簇对[R2,R3]的话,就统计B框中最大灰度值和候选光斑像素点的个数(灰度值的个数)。
S150、确定所有候选光斑点簇对中像素点个数小于预设的像素个数阈值且像素点最大灰度值大于预设的灰度值阈值的候选光斑点簇对为行光斑数组;
步骤S150中,采用如上所述方式来判断每个行图像的所有候选光斑点簇对中像素点能否组成一个行光斑数组,具体地,可以通过判断每个行图像的所有候选光斑点簇对中像素点个数是否小于预设的像素个数阈值,同时像素点最大灰度值大于预设的灰度值阈值,若满足条件,则确定该行图像所有候选光斑点簇对中满足上述条件的候选光斑点簇对可以组成一个行光斑数组。
这里,先确定每个候选光斑点簇对的像素起始点,像素终结点,然后计算每个候选光斑点簇对的像素起始点,像素终结点以及像素起始点和像素终结点之间的所有候选光斑像素点的最大灰度值,以及每个候选光斑点簇对包括的所有候选光斑像素点的个数。然后将每个行图像所有候选光斑点簇对中候选光斑像素点的个数小于预设的像素个数阈值且候选光斑像素点的最大灰度值大于预设的灰度值阈值的候选光斑点簇对组成一个行光斑数组。按照这个步骤,得到原图像和旋转图像的所有行图像对应的行光斑数组。
举例说明,如图2所示,候选光斑点簇对原来有5个,得到的行光斑数组有3个,这实际上是把不符合条件的候选光斑点簇对筛除的过程,有效的候选光斑点簇对和行光斑数组其实是一个东西,包含的候选光斑像素点也都是一样的。
S160、分别对所述原图像和所述旋转图像中所有行的行光斑数组进行聚类操作,得到所述原图像和所述旋转图像的目标光斑数组。
步骤S160中,对原图像和旋转图像中所有行的行光斑数组进行聚类操作,相邻行上的行光斑数组有像素点坐标位置相连的归为一个光斑,进而生成整幅图像的目标光斑数组。
S170、将所述旋转图像的目标光斑数组沿着第二方向旋转90度后对应的斑点区域与所述原图像的目标光斑数组对应的斑点区域做并集,得到所述原图像的目标光斑。
步骤S170中,旋转图像的目标光斑数组沿着第二方向旋转90度后对应的斑点区域与原图像的目标光斑数组对应的斑点区域做并集,综合分析得到最大范围光斑数组,输出最大范围光斑数组,用于后续中心点坐标的计算。
这里,第二方向与第一方向是相反的方向,例如,第一方向是顺时针方向,第二方向是逆时针方向,先将原图像沿着第一方向旋转90度后得到旋转图像,在行光斑数组聚类结束后,再将该旋转图像沿着与所述第一方向相反的第二方向旋转,使得旋转图像与原图像重合,这样,才可以将旋转图像的目标光斑数组沿着第二方向旋转90度后对应的斑点区域与原图像的目标光斑数组对应的斑点区域做并集,得到原图像的目标光斑。
本申请实施例提供的光斑检测方法包括:光斑检测装置先分别沿着水平方向对原图像和原图像沿着第一方向旋转90度后得到的旋转图像进行扫描,得到原图像和旋转图像中每个行图像的像素点,然后从原图像和旋转图像的所有行图像的像素点中确定出行向二阶偏导数大于预设的行向二阶偏导数阈值的像素点为候选光斑像素点,在得到候选光斑像素点之后,分别将原图像和旋转图像的每个行图像中具有相邻连通域的候选光斑像素点组成像素集合,得到原图像和旋转图像的各个行图像的n个候选光斑点簇,将各个行图像的n个候选光斑点簇中每个候选光斑点簇依次与后一个候选光斑点簇进行配对,得到各个行图像的n-1个候选光斑点簇对,其中,n表示正整数;确定所有候选光斑点簇对中像素点个数小于预设的像素个数阈值且像素点最大灰度值大于预设的灰度值阈值的候选光斑点簇对为行光斑数组;然后分别对原图像和旋转图像中所有行的行光斑数组进行聚类操作,得到原图像和旋转图像的目标光斑数组,最后将旋转图像的目标光斑数组沿着第二方向旋转90度后对应的斑点区域与所述原图像的目标光斑数组对应的斑点区域做并集,得到原图像的目标光斑。这样一来,本申请能够通过一套算法同时对扫描到的图像进行光斑检测,进而解决现有技术中存在的内存消耗大的问题,达到算法简单,存储空间小以及耗时少的效果。
在本申请实施例中,作为一种优选的实施例,步骤S120包括:
获取预设的行向二阶偏导数阈值;分别计算所述原图像和所述旋转图像中各个像素点的行向二阶偏导数;若像素点的行向二阶偏导数大于所述行向二阶偏导数阈值,则确定该像素点为候选光斑像素点。
具体地,步骤S120通过以下公式计算所述原图像和所述旋转图像中各个像素点的行向二阶偏导数:
SD(i,j)=[I(i,j+2)-2*I(i,j)+I(i,j-2)]/4;
其中,SD(i,j)表示所述原图像或所述旋转图像中第i行第j列的像素点的行向二阶偏导数,I(i,j)表示所述原图像或所述旋转图像中第i行第j列的像素点的灰度值,I(i,j+2)表示所述原图像或所述旋转图像中第i行第j+2列的像素点的灰度值,I(i,j-2)表示所述原图像或所述旋转图像中第i行第j-2列的像素点的灰度值。
除此之外,本申请实施例提供的方法还包括:
从所述原图像和所述旋转图像的所有行图像的像素点中确定行向二阶偏导数小于预设的行向二阶偏导数阈值的像素点为非候选光斑像素点;从所有行图像的像素点中删除所述非候选光斑像素点。
这里,本申请实施例通过行向二阶偏导数与预设的行向二阶偏导数阈值之间的大小关系来确定原图像和旋转图像的所有行图像的像素点是候选光斑像素点还是非候选光斑像素点。这样一来,将非候选光斑像素点删除,只保留候选光斑像素点,接下来在分析时,只需要对候选光斑像素点进行处理即可,这样可以减少处理数据,同时减少内存空间,进而提高处理速度。
在本申请实施例中,作为一种优选的实施例,所述方法还包括:
将所有候选光斑点簇对中像素点个数大于预设的像素个数阈值或像素点最大灰度值小于预设的灰度值阈值的候选光斑点簇对组成无效行光斑数组;从所有候选光斑点簇对中删除所述无效行光斑数组。
这里,判断候选光斑点簇对的有效性,当每个行图像所有候选光斑点簇对中像素点的个数大于预设的像素个数阈值或像素点的最大灰度值小于预设的灰度值阈值时,判断该行图像所有候选光斑点簇对中满足上述任一条件的候选光斑点簇对组成无效行光斑数组,然后将无效行光斑数组删除,最后生成该行图像的目标光斑数组。
在本申请实施例中,作为一种优选的实施例,步骤S160包括:
获取所述原图像和所述旋转图像所有行的行光斑数组中每个候选光斑像素点的横坐标和纵坐标;分别将所述原图像和所述旋转图像中的所述横坐标相同且相邻,或所述纵坐标相同且相邻的候选光斑像素点所属的行光斑数组确定为目标光斑数组。
这里,将相邻行图像的坐标相连的候选光斑像素点所属的行光斑数组连接在一起,组成目标光斑数组。
举例说明,如图3所示,图3为本申请实施例所提供的一种光斑聚类结果的示意图;如图3中所示,每一格都表示原图像或旋转图像的像素点,图中一共包括5行,每行对应一个行光斑数组(白色的方格表示候选光斑像素点),分为1行光斑数组、2行光斑数组、3行光斑数组、4行光斑数组和5行光斑数组,根据行光斑数组中每个候选光斑像素点的坐标情况,进行聚类操作:1行光斑数组和2行光斑数组的纵坐标相连,归为一个目标光斑数组;3行光斑数组、4行光斑数组和5行光斑数组的纵坐标相连,可以归为一个目标光斑数组。
在本申请实施例中,作为一种优选的实施例,步骤S170包括:
将所述旋转图像的目标光斑数组沿着第二方向旋转90度后得到所述原图像的纵向目标光斑数组;将所述纵向目标光斑数组的候选光斑像素点与所述原图像的目标光斑数组的候选光斑像素点合并在一起组成的候选光斑像素点集合为所述原图像的目标光斑。
步骤S170中,通过将原图像的目标光斑数组的候选光斑像素点和原图像的纵向目标光斑数组的候选光斑像素点合并,叠加,最终形成原图像的目标光斑。
本申请实施例提供的光斑检测方法,能够通过一套算法同时对扫描到的图像进行光斑检测,进而解决现有技术中存在的内存消耗大的问题,达到算法简单,存储空间小以及耗时少的效果,为后期光斑定位的快速动作捕捉提供了基础。
基于同一发明构思,本申请实施例中还提供了与光斑检测方法对应的光斑检测装置,由于本申请实施例中的装置解决问题的原理与本申请实施例上述光斑检测方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
请参阅图4和图5,图4为本申请实施例所提供的一种光斑检测装置的结构示意图之一,图5为本申请实施例所提供的一种光斑检测装置的结构示意图之二。如图4中所示,所述光斑检测装置400包括:
像素获取模块410,用于分别沿着水平方向对原图像和所述原图像沿着第一方向旋转90度后得到的旋转图像进行扫描,得到所述原图像和所述旋转图像中每个行图像的像素点;
像素点处理模块420,用于从所述原图像和所述旋转图像的所有行图像的像素点中确定出行向二阶偏导数大于预设的行向二阶偏导数阈值的像素点为候选光斑像素点;
点簇处理模块430,用于分别将所述原图像和所述旋转图像的每个行图像中具有相邻连通域的候选光斑像素点组成像素集合,得到所述原图像和所述旋转图像的各个行图像的n个候选光斑点簇;
点簇对处理模块440,用于将各个行图像的n个候选光斑点簇中每个候选光斑点簇依次与后一个候选光斑点簇进行配对,得到各个行图像的n-1个候选光斑点簇对,其中,n表示正整数;
行光斑确定模块450,用于确定所有候选光斑点簇对中像素点个数小于预设的像素个数阈值且像素点最大灰度值大于预设的灰度值阈值的候选光斑点簇对为行光斑数组;
光斑聚类模块460,用于分别对所述原图像和所述旋转图像中所有行的行光斑数组进行聚类操作,得到所述原图像和所述旋转图像的目标光斑数组;
光斑确定模块470,用于将所述旋转图像的目标光斑数组沿着第二方向旋转90度后对应的斑点区域与所述原图像的目标光斑数组对应的斑点区域做并集,得到所述原图像的目标光斑。
在本申请实施例中,作为一种优选的实施例,像素点处理模块420在用于从所述原图像和所述旋转图像的所有行图像的像素点中确定出行向二阶偏导数大于预设的行向二阶偏导数阈值的像素点为候选光斑像素点时,像素点处理模块420用于:
获取预设的行向二阶偏导数阈值;
分别计算所述原图像和所述旋转图像中各个像素点的行向二阶偏导数;
若像素点的行向二阶偏导数大于所述行向二阶偏导数阈值,则确定该像素点为候选光斑像素点。
优选地,像素点处理模块420用于通过以下公式计算所述原图像和所述旋转图像中各个像素点的行向二阶偏导数:
SD(i,j)=[I(i,j+2)-2*I(i,j)+I(i,j-2)]/4;
其中,SD(i,j)表示所述原图像或所述旋转图像中第i行第j列的像素点的行向二阶偏导数,I(i,j)表示所述原图像或所述旋转图像中第i行第j列的像素点的灰度值,I(i,j+2)表示所述原图像或所述旋转图像中第i行第j+2列的像素点的灰度值,I(i,j-2)表示所述原图像或所述旋转图像中第i行第j-2列的像素点的灰度值。
进一步地,如图5所示,所述光斑检测装置400还包括像素点删除模块480,所述像素点删除模块480用于:
从所述原图像和所述旋转图像的所有行图像的像素点中确定行向二阶偏导数小于预设的行向二阶偏导数阈值的像素点为非候选光斑像素点;
从所有行图像的像素点中删除所述非候选光斑像素点。
进一步地,如图5所示,所述光斑检测装置400还包括无效光斑删除模块490,所述无效光斑删除模块490用于:
将所有候选光斑点簇对中像素点个数大于预设的像素个数阈值或像素点最大灰度值小于预设的灰度值阈值的候选光斑点簇对组成无效行光斑数组;
从所有候选光斑点簇对中删除所述无效行光斑数组。
在本申请实施例中,作为一种优选的实施例,光斑聚类模块460在用于分别对所述原图像和所述旋转图像中所有行的行光斑数组进行聚类操作,得到所述原图像和所述旋转图像的目标光斑数组时,光斑聚类模块460用于:
获取所述原图像和所述旋转图像所有行的行光斑数组中每个候选光斑像素点的横坐标和纵坐标;
分别将所述原图像和所述旋转图像中的所述横坐标相同且相邻,或所述纵坐标相同且相邻的候选光斑像素点所属的行光斑数组确定为目标光斑数组。
在本申请实施例中,作为一种优选的实施例,光斑确定模块470在用于将所述旋转图像的目标光斑数组沿着第二方向旋转90度后对应的斑点区域与所述原图像的目标光斑数组对应的斑点区域做并集,得到所述原图像的目标光斑时,光斑确定模块470用于:
将所述旋转图像的目标光斑数组沿着第二方向旋转90度后得到所述原图像的纵向目标光斑数组;
将所述纵向目标光斑数组的候选光斑像素点与所述原图像的目标光斑数组的候选光斑像素点合并在一起组成的候选光斑像素点集合为所述原图像的目标光斑。
本申请实施例提供的光斑检测装置,包括像素点处理模块、点簇处理模块、点簇对处理模块、行光斑确定模块、光斑聚类模块和光斑确定模块,具体地,像素点处理模块用于从原图像和旋转图像的所有行图像的像素点中确定出行向二阶偏导数大于预设的行向二阶偏导数阈值的像素点为候选光斑像素点;点簇处理模块用于分别将原图像和旋转图像的每个行图像中具有相邻连通域的候选光斑像素点组成像素集合,得到原图像和旋转图像的各个行图像的n个候选光斑点簇;点簇对处理模块用于将各个行图像的n个候选光斑点簇中每个候选光斑点簇依次与后一个候选光斑点簇进行配对,得到各个行图像的n-1个候选光斑点簇对,其中,n表示正整数;行光斑确定模块用于确定所有候选光斑点簇对中像素点个数小于预设的像素个数阈值且像素点最大灰度值大于预设的灰度值阈值的候选光斑点簇对为行光斑数组;光斑聚类模块用于分别对原图像和旋转图像中所有行的行光斑数组进行聚类操作,得到原图像和旋转图像的目标光斑数组;光斑确定模块用于将旋转图像的目标光斑数组沿着第二方向旋转90度后对应的斑点区域与原图像的目标光斑数组对应的斑点区域做并集,得到原图像的目标光斑。这样一来,本申请实施例能够通过一套算法同时对扫描到的图像进行光斑检测,进而解决现有技术中存在的内存消耗大的问题,达到算法简单,存储空间小、耗时少以及光斑中心点提取准确且稳定的效果。
请参阅图6,图6为本申请实施例所提供的一种电子设备的结构示意图。如图6中所示,所述电子设备600包括处理器610、存储器620和总线630。
所述存储器620存储有所述处理器610可执行的机器可读指令,当电子设备600运行时,所述处理器610与所述存储器620之间通过总线630通信,所述机器可读指令被所述处理器610执行时,可以执行如上述图1所示方法实施例中的光斑检测方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的光斑检测方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种光斑检测方法,其特征在于,所述光斑检测方法包括:
分别沿着水平方向对原图像和所述原图像沿着第一方向旋转90度后得到的旋转图像进行扫描,得到所述原图像和所述旋转图像中每个行图像的像素点;
从所述原图像和所述旋转图像的所有行图像的像素点中确定出行向二阶偏导数大于预设的行向二阶偏导数阈值的像素点为候选光斑像素点;
分别将所述原图像和所述旋转图像的每个行图像中具有相邻连通域的候选光斑像素点组成像素集合,得到所述原图像和所述旋转图像的各个行图像的n个候选光斑点簇;
将各个行图像的n个候选光斑点簇中每个候选光斑点簇依次与后一个候选光斑点簇进行配对,得到各个行图像的n-1个候选光斑点簇对,其中,n表示正整数;
确定所有候选光斑点簇对中像素点个数小于预设的像素个数阈值且像素点最大灰度值大于预设的灰度值阈值的候选光斑点簇对为行光斑数组;
分别对所述原图像和所述旋转图像中所有行的行光斑数组进行聚类操作,得到所述原图像和所述旋转图像的目标光斑数组;
将所述旋转图像的目标光斑数组沿着第二方向旋转90度后对应的斑点区域与所述原图像的目标光斑数组对应的斑点区域做并集,得到所述原图像的目标光斑;所述第二方向与所述第一方向是相反的方向;
通过以下公式计算所述原图像和所述旋转图像中各个像素点的行向二阶偏导数:
SD(i,j)=[I(i,j+2)-2*I(i,j)+I(i,j-2)]/4;
其中,SD(i,j)表示所述原图像或所述旋转图像中第i行第j列的像素点的行向二阶偏导数,I(i,j)表示所述原图像或所述旋转图像中第i行第j列的像素点的灰度值,I(i,j+2)表示所述原图像或所述旋转图像中第i行第j+2列的像素点的灰度值,I(i,j-2)表示所述原图像或所述旋转图像中第i行第j-2列的像素点的灰度值。
2.根据权利要求1所述的光斑检测方法,其特征在于,所述从所述原图像和所述旋转图像的所有行图像的像素点中确定出行向二阶偏导数大于预设的行向二阶偏导数阈值的像素点为候选光斑像素点,包括:
获取预设的行向二阶偏导数阈值;
分别计算所述原图像和所述旋转图像中各个像素点的行向二阶偏导数;
若像素点的行向二阶偏导数大于所述行向二阶偏导数阈值,则确定该像素点为候选光斑像素点。
3.根据权利要求1所述的光斑检测方法,其特征在于,在所述从所述原图像和所述旋转图像的所有行图像的像素点中确定出行向二阶偏导数大于预设的行向二阶偏导数阈值的像素点为候选光斑像素点之前,所述方法还包括:
从所述原图像和所述旋转图像的所有行图像的像素点中确定行向二阶偏导数小于预设的行向二阶偏导数阈值的像素点为非候选光斑像素点;
从所有行图像的像素点中删除所述非候选光斑像素点。
4.根据权利要求1所述的光斑检测方法,其特征在于,在所述确定所有候选光斑点簇对中像素点个数小于预设的像素个数阈值且像素点最大灰度值大于预设的灰度值阈值的候选光斑点簇对为行光斑数组之前,所述方法还包括:
将所有候选光斑点簇对中像素点个数大于预设的像素个数阈值或像素点最大灰度值小于预设的灰度值阈值的候选光斑点簇对组成无效行光斑数组;
从所有候选光斑点簇对中删除所述无效行光斑数组。
5.根据权利要求1所述的光斑检测方法,其特征在于,所述分别对所述原图像和所述旋转图像中所有行的行光斑数组进行聚类操作,得到所述原图像和所述旋转图像的目标光斑数组,包括:
获取所述原图像和所述旋转图像所有行的行光斑数组中每个候选光斑像素点的横坐标和纵坐标;
分别将所述原图像和所述旋转图像中的所述横坐标相同且相邻,或所述纵坐标相同且相邻的候选光斑像素点所属的行光斑数组确定为目标光斑数组。
6.根据权利要求1所述的光斑检测方法,其特征在于,所述将所述旋转图像的目标光斑数组沿着第二方向旋转90度后对应的斑点区域与所述原图像的目标光斑数组对应的斑点区域做并集,得到所述原图像的目标光斑,包括:
将所述旋转图像的目标光斑数组沿着第二方向旋转90度后得到所述原图像的纵向目标光斑数组;
将所述纵向目标光斑数组的候选光斑像素点与所述原图像的目标光斑数组的候选光斑像素点合并在一起组成的候选光斑像素点集合为所述原图像的目标光斑。
7.一种光斑检测装置,其特征在于,所述光斑检测装置包括:
像素获取模块,用于分别沿着水平方向对原图像和所述原图像沿着第一方向旋转90度后得到的旋转图像进行扫描,得到所述原图像和所述旋转图像中每个行图像的像素点;
像素点处理模块,用于从所述原图像和所述旋转图像的所有行图像的像素点中确定出行向二阶偏导数大于预设的行向二阶偏导数阈值的像素点为候选光斑像素点;
点簇处理模块,用于分别将所述原图像和所述旋转图像的每个行图像中具有相邻连通域的候选光斑像素点组成像素集合,得到所述原图像和所述旋转图像的各个行图像的n个候选光斑点簇;
点簇对处理模块,用于将各个行图像的n个候选光斑点簇中每个候选光斑点簇依次与后一个候选光斑点簇进行配对,得到各个行图像的n-1个候选光斑点簇对,其中,n表示正整数;
行光斑确定模块,用于确定所有候选光斑点簇对中像素点个数小于预设的像素个数阈值且像素点最大灰度值大于预设的灰度值阈值的候选光斑点簇对为行光斑数组;
光斑聚类模块,用于分别对所述原图像和所述旋转图像中所有行的行光斑数组进行聚类操作,得到所述原图像和所述旋转图像的目标光斑数组;
光斑确定模块,用于将所述旋转图像的目标光斑数组沿着第二方向旋转90度后对应的斑点区域与所述原图像的目标光斑数组对应的斑点区域做并集,得到所述原图像的目标光斑;所述第二方向与所述第一方向是相反的方向;
通过以下公式计算所述原图像和所述旋转图像中各个像素点的行向二阶偏导数:
SD(i,j)=[I(i,j+2)-2*I(i,j)+I(i,j-2)]/4;
其中,SD(i,j)表示所述原图像或所述旋转图像中第i行第j列的像素点的行向二阶偏导数,I(i,j)表示所述原图像或所述旋转图像中第i行第j列的像素点的灰度值,I(i,j+2)表示所述原图像或所述旋转图像中第i行第j+2列的像素点的灰度值,I(i,j-2)表示所述原图像或所述旋转图像中第i行第j-2列的像素点的灰度值。
8.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1至6任一所述光斑检测方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至6任一所述光斑检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011516603.9A CN112686842B (zh) | 2020-12-21 | 2020-12-21 | 一种光斑检测方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011516603.9A CN112686842B (zh) | 2020-12-21 | 2020-12-21 | 一种光斑检测方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112686842A CN112686842A (zh) | 2021-04-20 |
CN112686842B true CN112686842B (zh) | 2021-08-24 |
Family
ID=75449583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011516603.9A Active CN112686842B (zh) | 2020-12-21 | 2020-12-21 | 一种光斑检测方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112686842B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114708264B (zh) * | 2022-06-06 | 2022-08-12 | 广东工业大学 | 一种光斑质量判别方法、装置、设备和存储介质 |
CN117576488B (zh) * | 2024-01-17 | 2024-04-05 | 海豚乐智科技(成都)有限责任公司 | 一种基于目标图像重建的红外弱小目标检测方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408985A (zh) * | 2008-09-22 | 2009-04-15 | 北京航空航天大学 | 一种圆形光斑亚像素中心提取方法及装置 |
CN102141373A (zh) * | 2010-12-15 | 2011-08-03 | 中国科学院等离子体物理研究所 | 光斑中心实时检测***和检测方法 |
CN104517124A (zh) * | 2014-12-25 | 2015-04-15 | 西安电子科技大学 | 基于sift特征点的sar图像变化检测方法 |
CN104794721A (zh) * | 2015-04-30 | 2015-07-22 | 湘潭大学 | 一种基于多尺度斑点检测的快速视盘定位方法 |
CN105973171A (zh) * | 2016-06-24 | 2016-09-28 | 山东神戎电子股份有限公司 | 一种光轴与安装基准面平行度测试装置及方法 |
CN107103604A (zh) * | 2017-05-23 | 2017-08-29 | 重庆天之助生物科技有限公司 | 一种微粒子色度自动聚类分析*** |
CN207319290U (zh) * | 2017-07-21 | 2018-05-04 | 西安标量光电科技有限责任公司 | 一种干扰光束远场测试*** |
CN108681992A (zh) * | 2018-04-23 | 2018-10-19 | 南京理工大学 | 用于探测器阵列法测量激光光斑的图像插值算法 |
CN108760244A (zh) * | 2018-04-17 | 2018-11-06 | 武汉光迅科技股份有限公司 | 一种高分辨率光性能监测装置和方法 |
CN110246115A (zh) * | 2019-04-23 | 2019-09-17 | 西安理工大学 | 一种远场激光光斑图像的检测方法 |
CN111489389A (zh) * | 2020-04-02 | 2020-08-04 | 南京理工大学 | 一种光斑中心检测方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6633659B1 (en) * | 1999-09-30 | 2003-10-14 | Biodiscovery, Inc. | System and method for automatically analyzing gene expression spots in a microarray |
US7136518B2 (en) * | 2003-04-18 | 2006-11-14 | Medispectra, Inc. | Methods and apparatus for displaying diagnostic data |
US8842881B2 (en) * | 2012-04-26 | 2014-09-23 | General Electric Company | Real-time video tracking system |
CN104318235B (zh) * | 2014-10-24 | 2017-06-16 | 南京大学 | 一种基于灰度分布建模的光斑中心提取方法及装置 |
CN109752855A (zh) * | 2017-11-08 | 2019-05-14 | 九阳股份有限公司 | 一种光斑发射装置和检测几何光斑的方法 |
US11726184B2 (en) * | 2019-03-08 | 2023-08-15 | Leddartech Inc. | Component for a LIDAR sensor system, LIDAR sensor system, LIDAR sensor device, method for a LIDAR sensor system and method for a LIDAR sensor device |
CN112102402B (zh) * | 2020-09-23 | 2023-08-22 | 平安科技(深圳)有限公司 | 闪光灯光斑位置识别方法、装置、电子设备及存储介质 |
-
2020
- 2020-12-21 CN CN202011516603.9A patent/CN112686842B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408985A (zh) * | 2008-09-22 | 2009-04-15 | 北京航空航天大学 | 一种圆形光斑亚像素中心提取方法及装置 |
CN102141373A (zh) * | 2010-12-15 | 2011-08-03 | 中国科学院等离子体物理研究所 | 光斑中心实时检测***和检测方法 |
CN104517124A (zh) * | 2014-12-25 | 2015-04-15 | 西安电子科技大学 | 基于sift特征点的sar图像变化检测方法 |
CN104794721A (zh) * | 2015-04-30 | 2015-07-22 | 湘潭大学 | 一种基于多尺度斑点检测的快速视盘定位方法 |
CN105973171A (zh) * | 2016-06-24 | 2016-09-28 | 山东神戎电子股份有限公司 | 一种光轴与安装基准面平行度测试装置及方法 |
CN107103604A (zh) * | 2017-05-23 | 2017-08-29 | 重庆天之助生物科技有限公司 | 一种微粒子色度自动聚类分析*** |
CN207319290U (zh) * | 2017-07-21 | 2018-05-04 | 西安标量光电科技有限责任公司 | 一种干扰光束远场测试*** |
CN108760244A (zh) * | 2018-04-17 | 2018-11-06 | 武汉光迅科技股份有限公司 | 一种高分辨率光性能监测装置和方法 |
CN108681992A (zh) * | 2018-04-23 | 2018-10-19 | 南京理工大学 | 用于探测器阵列法测量激光光斑的图像插值算法 |
CN110246115A (zh) * | 2019-04-23 | 2019-09-17 | 西安理工大学 | 一种远场激光光斑图像的检测方法 |
CN111489389A (zh) * | 2020-04-02 | 2020-08-04 | 南京理工大学 | 一种光斑中心检测方法 |
Non-Patent Citations (4)
Title |
---|
"Fast star centroid extraction algorithm with sub-pixel accuracy based on FPGA";Zhou F 等;《Journal of Real-Time Image Processing》;20140226;第12卷(第3期);613-622 * |
"一种光斑图像中心的亚像素提取方法";魏振忠 等;《光电工程》;20090415;第36卷(第4期);7-12 * |
"卫星光通信中提高光斑定位精度方法研究";陈毅强;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160215(第(2016)02期);I136-550 * |
"激光光斑位置提取技术研究";刘童;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190615(第(2019)06期);I136-213 * |
Also Published As
Publication number | Publication date |
---|---|
CN112686842A (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abdelhamed et al. | A high-quality denoising dataset for smartphone cameras | |
JP7297018B2 (ja) | ビジョンシステムでラインを検出するためのシステム及び方法 | |
US9747680B2 (en) | Inspection apparatus, method, and computer program product for machine vision inspection | |
CA2666256C (en) | Deconvolution-based structured light system with geometrically plausible regularization | |
CN110866924A (zh) | 一种线结构光中心线提取方法及存储介质 | |
CN112686842B (zh) | 一种光斑检测方法、装置、电子设备及可读存储介质 | |
US9361698B1 (en) | Structure light depth sensor | |
CN112184811B (zh) | 单目空间结构光***结构校准方法及装置 | |
CN115330958A (zh) | 基于激光雷达的实时三维重建方法及装置 | |
KR20230137937A (ko) | 이미지에서의 대응 분석을 위한 디바이스 및 방법 | |
US9689668B2 (en) | Image processing apparatus and image processing method | |
CN110879131B (zh) | 目视光学***的成像质量测试方法、成像质量测试装置和电子设备 | |
US11415408B2 (en) | System and method for 3D profile determination using model-based peak selection | |
CN117274258A (zh) | 主板图像的缺陷检测方法、***、设备及存储介质 | |
JP5772675B2 (ja) | 濃淡画像のエッジ抽出方法、エッジ抽出装置並びに濃淡画像のエッジ抽出プログラム | |
JP6867766B2 (ja) | 情報処理装置およびその制御方法、プログラム | |
JP6852406B2 (ja) | 距離測定装置、距離測定方法および距離測定プログラム | |
CN111369425B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN111986208A (zh) | 一种目标标记定位圆的捕捉定位方法、装置、计算机设备 | |
CN117523010B (zh) | 车辆的相机位姿确定方法、装置、计算机设备和存储介质 | |
CN114693683B (zh) | 深度相机异常检测方法、电子设备及存储介质 | |
CN117115275B (zh) | 畸变参数的确定方法、装置和计算机设备 | |
CN116007518A (zh) | 基于机器视觉的隔震结构支座形变监测方法、装置及计算机设备 | |
CN118015250A (zh) | 一种基于航空影像的像控点自动化确定方法 | |
Jensen et al. | Quantitative Comparison of IU Algorithms |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230417 Address after: Room 1206, Block B, Third Real Estate, Chaoyang District, Beijing, 100028 Patentee after: Qingwei Technology (Shaoxing) Co.,Ltd. Address before: 215000 room 310, building 6, No.25 Lushan Road, high tech Zone, Suzhou City, Jiangsu Province Patentee before: SUZHOU XUANGAN INFORMATION TECHNOLOGY Co.,Ltd. |
|
TR01 | Transfer of patent right |