一种基于亮通道曝光自适应的线结构光中心线提取方法

本发明涉及图像处理，具体涉及一种基于亮通道曝光自适应的线结构光中心线提取方法。

背景技术：

1、线结构光测量技术作为一种典型的非接触测量方法，具有速度快、精度高、灵活性高等优点，在钢轨断面检测、曲面建模、尺寸精度测量等众多工业领域得到了广泛的应用。激光测量技术系统由线结构光发射激光束，激光束在被测物体表面产生激光条纹，相机捕获激光条纹原始图像后提取该条纹激光中心线，根据中心线与标定的位置计算出高度信息。因此，准确提取激光条纹中心线对于激光测量技术是至关重要的，其速度、精度、鲁棒性直接影响系统的整体性能。

2、在理想的工作条件下，比如稳定的环境、适中的激光光源强度、表面平坦的被测物体、较弱的背景反光等情况下，能很容易的提取激光条纹中心并保证速度、精度、鲁棒性。但是在工业环境中往往无法满足绝对的理想条件，这些条件的改变都会给图像带来噪声，给激光线的准确提取带来不小的挑战。因外部原因而得到的不理想图像往往是突变且不可控的，在面对强反光材料、背景亮度突然改变、被测物体形状复杂、扫描至被测物体棱角处等情况时，都会产生带有大片噪声的激光条纹或是产生整体较暗甚至残缺的激光条纹，为了消除这种影响，最简单有效的做法是改变激光的亮度或是调整相机的曝光度，但是在测量过程会产生大量图像，无法针对每一帧图像都去做出调整，只能设置一个满足大部分图像的参数，在这种情况下，被“牺牲”的那部分图像就会出现曝光度(亮度)过高或过低的问题，从而无法准确提取激光条纹中心线。因此有必要针对这种应用需求设计适用性广的激光线提取方法，从而获得更准确的三维重建模型。

技术实现思路

1、针对现有技术的以上缺陷或改进需求，本发明提供了一种基于亮通道曝光自适应的线结构光中心线提取方法，能在复杂变化的条件下自适应灰度转换并准确提取激光中心线。

2、按照本发明的第一方面，提供了一种基于亮通道曝光自适应的线结构光中心线提取方法，该方法包括：

3、s1、获取待处理图像，对该图像做数据处理，获得该图像各颜色通道的像素值比例与亮通道信息；

4、s2、根据得到的亮通道信息通过公式判断图像曝光度或亮度高低；

5、s3、根据曝光程度高低选择不同的计算方法，由图像的像素值比例与亮通道信息获得自适应灰度图像转化权重；

6、s4、根据自适应灰度转换权重计算图像背景去噪阈值；

7、s5、使用图像背景去噪阈值进行阈值去噪，并使用连通面积统计去噪方法对图像进行去噪；

8、s6、优化低曝光图像，将图像取反，之后填充低曝光图像中心空洞；

9、s7、根据去噪后图像获取roi区域并提取激光中心线；

10、s8、最后可根据系统标定信息与中心线计算点云三维坐标信息并生成点云。

11、进一步的，步骤s1中进行数据处理的方法具体为：

12、首先，对一张的图像，根据像素值及颜色通道信息获得该图像的像素值比例：

13、

14、其中分别是三通道的像素值比例，分别为该图像三通道的像素值之和。

15、其次，求出该图像各像素的亮通道数，方法如下：

16、令每一像素格内三通道中值最大的通道为该点亮通道：

17、

18、并计入相应集合，获取图像亮通道数：

19、

20、其中，为点的亮通道值，分别为点在三通道的像素值；分别为该图像各颜色通道的亮通道数， card( )表示集合中元素的数量，表示原始图像中点的像素值，是去除激光线之外的较暗的像素阈值。

21、进一步的，步骤s2的具体方法为：

22、根据获得的亮通道数，以下式是否成立判断该图片曝光度高低：

23、

24、其中表示激光器打在零平面标准情况下的线宽，时则认定该图像为高曝光(亮度)图像，否则为低曝光(亮度)图像。

25、进一步的，步骤s3的具体方法为：

26、通过传统灰度图像转换方法获得传统灰度转化权重：

27、

28、

29、若该图像为高曝光(亮度)图像，则以下列方法获得灰度图像转化权重：

30、首先，以下式改变像素值比例：

31、

32、归一化：

33、

34、将升序排列为新矩阵，以下式获得高曝光(亮度)图像的最终转化权重：

35、

36、若该图像为低曝光(亮度)图像，则以下列方法获得灰度图像转化权重：

37、以下式将像素值比例归一化：

38、

39、将降序排列为新矩阵，以下式获得低曝光(亮度)图像的最终转化权重：

40、

41、根据图像曝光度(亮度)高低获得灰度图像转化权重之后，由转化权重获得灰度图像。

42、进一步的，步骤s4的具体方法为：

43、根据所得的权重计算背景去噪阈值：

44、

45、进一步的，步骤s5的具体方法为：

46、以所得的背景去噪阈值对图像进行背景去噪处理，之后采用面积统计滤波的方法去除其他噪声。

47、进一步的，步骤s6的具体方法为：

48、对低曝光(亮度)图像非零部分保留边缘个像素不变，对图像其余非零部分取反：

49、

50、填补图像中间部分空洞：

51、

52、其中，表示在坐标上的像素值，表示第行(列)上，以坐标为中心，大小为的一维窗口，满足。

53、进一步的，步骤s7的具体方法为：

54、在大小为的图片中做如下操作：

55、step 1：获取第行数据；

56、step 2：判断是否为0或第行是否为空。如果是，则执行初始化搜索获得roi区域，否则，则执行拓展搜索获得roi区域；

57、初始化搜索：以该行第一个非零点为该行 roi区域的搜索起始点向右搜索，当搜索到截止条件时停止搜索，则搜索范围内的区域即为该行 roi区域。

58、拓展搜索：由第行的中心线位置确定第行的 roi区域搜索起始点为，通过该点分别向正负两方向搜索，当搜索到截止条件时停止搜索，搜索范围内即为该行最终 roi区域。

59、step 3：对 roi区域内的点做后向差分计算：

60、

61、其中为差分窗口大小，为坐标处像素值。

62、在该行灰度值变化最大的地方会获得后向差分的最大值及最小值，获得两个极值坐标后采用以最大值和最小值平均值为该行中心线位置。

63、step 4：判断第行是否为最后一行，如果不是，则令，并返回至step 1。如果是，则说明已获得该图片中心线。

64、进一步的，步骤s8的具体方法为：

65、根据标定的相机参数与线结构光平面参数确定线结构光基准位置与激光器角度，根据所得中心线坐标与基准位置的偏移距离计算各点所对应的高度信息，将采集图像时实时获取的图像坐标信息与高度信息相结合，获得各个点的三维信息。

66、按照本发明的第二方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述中任意一项所述的基于亮通道曝光自适应的线结构光中心线提取方法的步骤。

67、总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得以下有益效果：

68、本发明能够在复杂多变的条件下有效地突出激光条纹中心部分并弱化噪声部分，使灰度图像更符合高斯分布，进而能够在保证精度的前提下更快的提取激光条纹中心线，能够满足在复杂多变的工业环境中三维测量、三维重建对精度、速度、鲁棒性的特殊要求。