蔡洋濤，梁雯雯

(南車南京浦鎮(zhèn)車輛有限公司，江蘇 南京 210032)

?

基于機(jī)器視覺的三維測量儀中激光條紋的提取算法

蔡洋濤，梁雯雯

(南車南京浦鎮(zhèn)車輛有限公司，江蘇 南京 210032)

摘要：隨著制造業(yè)、機(jī)械行業(yè)的快速發(fā)展，對物體進(jìn)行三維測量得到其尺寸等信息的需求越來越多。在眾多三維測量方法中，基于激光和機(jī)器視覺的三維測量儀，以其準(zhǔn)確、快速及對物體表面顏色不敏感等特性在應(yīng)用領(lǐng)域脫穎而出，并占有一席之地。一個基于機(jī)器視覺的激光掃描測量系統(tǒng)應(yīng)該順序解決3個方面的問題：1)二維激光條紋圖像的預(yù)處理；2)激光條紋的識別和細(xì)化；3)激光條紋的中心像素提取。從上述三方面介紹了算法的實現(xiàn)過程。

關(guān)鍵詞：圖像預(yù)處理；條紋識別；光條中心

隨著科學(xué)技術(shù)的發(fā)展，基于結(jié)構(gòu)光學(xué)的非接觸三維形貌測量技術(shù)受到了青睞，它與數(shù)字圖像處理技術(shù)相結(jié)合，在機(jī)械制造、醫(yī)學(xué)診斷和質(zhì)量檢測等領(lǐng)域得到了廣泛的應(yīng)用。在線結(jié)構(gòu)光的視覺測量系統(tǒng)中，光條紋圖像包含了被測物體表面的三維信息，是計算物體表面三維坐標(biāo)的依據(jù)[1]。傳統(tǒng)的線結(jié)構(gòu)光的測量系統(tǒng)一般由激光器、攝像機(jī)、計算機(jī)以及掃描設(shè)備等組成[2]。測量系統(tǒng)通過對獲取的激光條紋運(yùn)用相關(guān)算法計算得到深度信息。理想中心光條應(yīng)是位于光條中心的一條單像素寬度的細(xì)線[3]，但由于實際的光平面有一定寬度，使得光平面與物體表面的交線也存在一定寬度[4]；因此，獲取激光條紋中心的準(zhǔn)確位置信息對結(jié)構(gòu)光視覺檢測具有十分重要的意義。

1圖像前期處理

1.1二維圖像濾波

三維測量儀在有一定表面粗糙度的平面上掃描時，會出現(xiàn)散斑噪聲現(xiàn)象；除此之外，掃描還會受外界環(huán)境光、攝像機(jī)內(nèi)部的隨機(jī)白噪聲、圖像卡的電噪聲與熱噪聲等影響。激光條紋圖像的噪聲環(huán)境十分復(fù)雜，有很強(qiáng)的隨機(jī)性，影響了激光條紋的分割與提取，因而需要采用濾波處理來增強(qiáng)圖像特征[5]。當(dāng)存在噪聲混入輸入圖像信號時，在不損失原信號強(qiáng)度的情況下，濾波方法無法將噪聲全部濾除。

為了在消除噪聲的同時保持圖像細(xì)節(jié)，本文采用了一種非線性平滑濾波器(中值濾波器)。中值濾波器是一種非線性平滑技術(shù)，它是將每一像素點的灰度值設(shè)置為該點某鄰域窗口內(nèi)的所有像素點灰度值的中值來消除孤立的噪聲點[6]。由于不是簡單地取均值，所以模糊的概率比較小，效果良好。

1.2二維圖像分割

圖像分割是根據(jù)某種一致性(或者勻稱性)的原則將圖像分成若干有意義的部分，如目標(biāo)和背景，使得每一個部分都符合某種一致性要求，并且任意兩個部分的合并都會破壞這種一致性要求。對于激光掃描的條紋圖像，圖像分割就是要將圖像中的激光條紋突出出來，將其他部分忽略。

采用閾值分割法對相機(jī)攝取的激光條紋圖像進(jìn)行分割處理，處理之后的圖像是一幅只含有激光條紋的二值圖像。

閥值化[7]是圖像分割技術(shù)的最重要的方法之一，它的基本思想如下。

設(shè)f(x,y)是圖像(x,y)處的灰度值，灰度級為m，如果灰度值T是圖像的一個閥值，則用閥值對圖像進(jìn)行分割的準(zhǔn)則如下。

目標(biāo)部分：

f(x, y)≥T

背景部分：

f(x, y)

一幅經(jīng)過閥值化處理的圖像可以定義為：

本文所述的三維測量儀采用半導(dǎo)體激光器作為光源，該光源使激光條紋與背景之間的對比度增大，因而圖像質(zhì)量非常理想(見圖1)。采用上述整體閾值法，提取出目標(biāo)—激光條紋部分。從二值化后的圖像(見圖2)可知，二值化的圖像只留下了激光圖案部分，其他部分已被全部去掉，而且圖像有較好的連通性和清晰度。

圖1　鼠標(biāo)掃描原始圖像　　　　　　　圖2　經(jīng)過閥值分割的二值化圖像

2激光條紋細(xì)化及重心法提取中心

在被測物體表面上，激光照射的激光條紋寬度約為1 mm，經(jīng)相機(jī)采集后在圖像中所占的像素數(shù)目較多，因此，需要做中心搜索處理得到單像素的中心線。在激光中心搜尋的過程中，光束的寬度越小，其誤差越低。

為了提高測量精度，應(yīng)提取1條寬度為單像素的激光線，即應(yīng)對圖像中的激光圖像進(jìn)行細(xì)化。本文采用基于圖像骨架的細(xì)化算法對激光圖像進(jìn)行細(xì)化。

一幅圖像的骨架是指圖像中心表達(dá)含義的部分[8]，也就是我們關(guān)注的部分。它是描述圖像幾何及拓?fù)湫再|(zhì)的重要特征之一，求一幅圖像骨架的過程通常稱為圖像細(xì)化的過程。在細(xì)化一幅圖像P的過程中遵循2個準(zhǔn)則：1)P應(yīng)該有規(guī)律地縮?。?)在P逐步縮小的過程中，應(yīng)使P的連通性保持不變。

章毓晉[9]研究的算法是一種經(jīng)典的基于圖像骨架的細(xì)化算法，其基本思想是標(biāo)記非骨架像素點，并刪除。具體的實現(xiàn)過程如下。

將目標(biāo)點標(biāo)記為1，背景點標(biāo)記為0，定義邊界點本身標(biāo)記為1，而其8-連通域中至少有一個標(biāo)記為0的點，算法對邊界點進(jìn)行如下操作。

考慮以邊界點為中心的8-鄰域(見圖3)，其中心點為P1，其鄰域的8個點逆時針繞中心點分別記為P2，P3，…，P9，其中P2在P1正上方。

P3P2P9P4P1P8P5P6P7

圖3以邊界點為中心的8-鄰域

標(biāo)記同時滿足下述條件的邊界點：1)2≤N(P1)≤6；2)S(P1)=1；3)P2P4P8=0或者S(P2)!=0；4)P2P4P8=0或者S(P4)!=0。其中，N(P1)表示P1的非零鄰點的個數(shù)，S(P1)表示以P2，P3，…，P9為序時，這些點的值從0→1變化的次數(shù)。當(dāng)對所有的邊界點檢查完畢后，將所有的標(biāo)記點刪去。對圖像中的每一個點重復(fù)這一步驟，直到所有的點不可刪除為止。幾種點不可刪除的情況如圖4所示。

圖4幾種點不可刪除的情況

利用這一算法將圖2細(xì)化之后的實例如圖5所示。

圖5　基于骨架線細(xì)化之后的激光條紋圖像

3重心法提取中心算法

3.1物體重心位置的數(shù)學(xué)確定方法

在某物體(總質(zhì)量為M)所在空間取任意1個確定的空間直角坐標(biāo)系O-xyz，則該物體可微元出i個質(zhì)點，每個質(zhì)點對應(yīng)各自坐標(biāo)及質(zhì)量。已知M=m1+m2+…+mi，設(shè)該物體重心為G(X，Y，Z)，則：

本文將這種力學(xué)求重心的手段運(yùn)用到圖形學(xué)中，從而精確提取了激光條紋的中心[10]。

3.2重心法提取激光條紋中心

1個激光條紋的圖像如圖6所示，它的局部放大圖如圖7所示。在圖7中可以看到，1個激光條紋是由許多像素點組成，需要找到激光條紋中心像素位置。

圖6　　　　原始的激光　　　圖7　　　　局部放大后的激光　　　條紋圖像　　　條紋圖像

重心法提取激光條紋中心的操作步驟如下：1)對圖像進(jìn)行行掃描，提取每行的圖像中心；2)每行圖像如圖8所示，尋找灰度值大于閾值的像素點，記作(Y1,Y2,…,Yn)；3)記錄上一步驟的對應(yīng)圖像灰度(M1,M2,…,Mn)；4)求解Y1～Yn的虛擬灰度重心，該重心即為該行的激光條紋中心位置；5)重復(fù)上述步驟，直至將圖像行搜索完畢。

圖8　重心法提取激光條紋中心示意圖

經(jīng)過測試，該方法提取激光條紋中心效果良好，結(jié)果如圖9所示。

圖9　重心法提取激光中心結(jié)果

4結(jié)語

本文給出了一種可用于激光三維掃描設(shè)備的激光條紋提取方法，通過綜合應(yīng)用一系列計算機(jī)視覺算法，對采集的激光圖像進(jìn)行細(xì)化、分割和重心提取等關(guān)鍵操作，獲得了較好的應(yīng)用效果。本文所述方案已經(jīng)在軌道列車限界自動化測量上進(jìn)行了應(yīng)用。

參考文獻(xiàn)

[1] Sun C, You Q, Qiu Y, et al. Online machine vision methodfor measuring the diameter and straightness of seamless steel pipes[J]. Opt.Eng., 2001, 40(11): 2565-2571.

[2] 何炳蔚, 周小龍. 線激光三維測量儀中視覺傳感器規(guī)劃方法研究[J]. 中國激光, 2010(6): 1618-1625.

[3] 霍龍, 張愛軍, 劉偉軍. 基于線結(jié)構(gòu)光的視覺3D測量中光刀中心提取方法研究[J]. 計算機(jī)應(yīng)用與軟件, 2006(10): 100-102.

[4] 吳慶陽, 蘇顯渝, 李景鎮(zhèn), 等. 一種新的線結(jié)構(gòu)光光帶中心提取算法[J]. 四川大學(xué)學(xué)報：工程科學(xué)版，2007(4)：151-155.

[5] 史志宏, 王從軍, 李中偉, 等. 反求激光條紋中心的提取方法研究[J]. 新技術(shù)新工藝，2007(5)：52-55.

[6] 陳厚道, 周鋼, 王從軍, 等. 一種基于極線約束的激光條紋匹配算法[J]. 激光技術(shù)，2003(6): 584-587.

[7] 張廣軍. 機(jī)器視覺[M]. 北京：科學(xué)出版社,2005.

[8] 馬頌德, 張正友. 計算機(jī)視覺:計算理論與算法基礎(chǔ)[M]. 北京：科學(xué)出版社,1998.

[9] 章毓晉. 圖像分割[M]. 北京: 清華大學(xué)出版社, 2001.

[10] 吳家勇, 王平江, 陳吉紅, 等. 基于梯度重心法的線結(jié)構(gòu)光中心亞像素提取方法[J]. 中國圖象圖形學(xué)報，2009(7)：1354-1360.

責(zé)任編輯鄭練

The Algorithm for Extracting Laser Stripe of the 3D Measuring Instrument based on Machine Vision

CAI Yangtao, LIANG Wenwen

(CSR Nanjing Puzhen Vehicle Co., Ltd., Nanjing 210032, China)

Abstract:With the rapid development of manufacturing and machinery industry, there is an increasing need for obtaining objects’ size or other information through three-dimensional (3D) measurement. In the various three-dimensional measurement methods, the 3D measuring instrument based on laser and machine vision stands out by its characteristics of accurate, fast, and not sensitive to surface color of object. A laser scanning measurement system based on machine vision should solve the following three problems in order: the first is that two-dimensional laser stripe image preprocessing, the second is the recognition and refinement of laser stripe, and the last one is the extraction of pixels of the laser stripe center. This article introduces the algorithm and implementation from the above three aspects.

Key words:image preprocessing, stripe recognition, center of light stripe

收稿日期：2014-03-19

作者簡介：蔡洋濤(1983-)，男，工程師，主要從事車輛制造等方面的研究。

中圖分類號：TN 209

文獻(xiàn)標(biāo)志碼：A