嚴(yán)婷婷，李 鋒，王 琦

(江蘇科技大學(xué) 電子信息學(xué)院，江蘇 鎮(zhèn)江 212003)

0 引 言

線(xiàn)結(jié)構(gòu)光視覺(jué)測(cè)量系統(tǒng)[1]具有主動(dòng)可控、精度高、低成本以及能夠快速獲取物體的三維信息的優(yōu)點(diǎn)，具有廣泛的應(yīng)用前景，已被應(yīng)用于道路障礙物探測(cè)與識(shí)別[2]、路面缺陷檢測(cè)[3]等。其中線(xiàn)結(jié)構(gòu)光光條中心提取是線(xiàn)結(jié)構(gòu)光視覺(jué)系統(tǒng)測(cè)量過(guò)程中關(guān)鍵的步驟。

傳統(tǒng)的結(jié)構(gòu)光條紋中心的提取方法可以分為基于光條形態(tài)特征和基于光條灰度分布特征兩個(gè)方向?；诮Y(jié)構(gòu)光條形態(tài)特征的提取方法，其主要思想是利用光條圖像的形態(tài)學(xué)特征、光條曲線(xiàn)自身幾何特征進(jìn)行光條中心提取。代表的方法有幾何中心法[4]、閾值法[5]等。幾何中心法確定光條中心速度快，但是當(dāng)激光條紋圖像中條紋出現(xiàn)缺失時(shí)，該方法提取的光條中心精度差，無(wú)法獲取準(zhǔn)確的中心位置；閾值法易受外界噪聲的影響，提取效果較差，其改進(jìn)方法如多閾值法[6]、自適應(yīng)閾值法[7]等，一定程度上改善了傳統(tǒng)閾值法提取的光條精度，但仍未能滿(mǎn)足高精度要求。

基于結(jié)構(gòu)光條灰度分布特征的提取方法，其主要原理是利用光條曲線(xiàn)截面內(nèi)灰度值呈高斯分布這一特性，實(shí)現(xiàn)光條中心提取。代表的方法有極值法、灰度鄰域?qū)傩苑ā⒒叶戎匦姆╗8,9]、方向模板法[10]、Steger方法[11,12]等。極值法選擇每個(gè)光條截面上灰度值最大的像素點(diǎn)作為中心點(diǎn)，算法簡(jiǎn)單，計(jì)算效率高，但是精度低，對(duì)噪聲點(diǎn)敏感；灰度屬性鄰域法具有一定的精度、抗噪性和魯棒性；灰度重心法處理速率快，易受環(huán)境噪聲影響,因此有學(xué)者提出了自適應(yīng)二維灰度重心法[13]，該方法在一定程度上改善了灰度重心法的易受環(huán)境噪聲影響的缺陷；方向模板法具有抑制白噪聲和小斷線(xiàn)修補(bǔ)的能力，但處理速度慢；Steger方法精度高，但運(yùn)算量很大，很難實(shí)現(xiàn)結(jié)構(gòu)光條紋實(shí)時(shí)性提取。線(xiàn)結(jié)構(gòu)光光條中心提取的現(xiàn)有算法已經(jīng)達(dá)到了亞像素的精度，但仍存在無(wú)法兼顧精度與實(shí)時(shí)性[14,15]的問(wèn)題。為了解決上述問(wèn)題，本文結(jié)合高斯擬合法[16]和灰度重心法，提出一種高斯加權(quán)的二維灰度重心法。

1 激光條紋中心提取

要得到準(zhǔn)確的光條中心，首先對(duì)光條圖像進(jìn)行中值濾波；然后通過(guò)閾值法減少?gòu)?fù)雜背景灰度值的干擾，從而減少后續(xù)圖像數(shù)據(jù)的計(jì)算量；其次采用灰度鄰域?qū)傩苑ㄟM(jìn)行光條中心的粗提取，并求出條紋各列的法向?qū)挾戎?；最后利用高斯加?quán)的二維灰度重心法提取激光條紋中心。該算法的流程如圖1所示。

圖1 算法流程

1.1 圖像預(yù)處理

在實(shí)際測(cè)量中，由于外界因素的干擾，在攝像機(jī)拍攝得到的圖像中摻入各種各樣的噪聲信號(hào)，這些噪聲會(huì)給后續(xù)的圖像處理，特別是對(duì)光條中心提取帶來(lái)比較大的影響。采集到的光條紋受噪聲影響，總是存在不光滑、亮度不均勻等問(wèn)題，因此在提取光條中心之前需要將這些光條紋圖像做去噪聲處理。常用的去噪方法有均值濾波、自適應(yīng)維納濾波、中值濾波等，而中值濾波可以做到既去除噪聲又能保護(hù)圖像的邊緣，所以本文采用中值濾波來(lái)實(shí)現(xiàn)噪聲去除。

通過(guò)統(tǒng)計(jì)濾波后圖像的灰度直方圖，由式(1)得到閾值

(1)

式中：Ia為灰度直方圖最大的灰度值，Ib為灰度直方圖最高波峰的灰度值。

由于激光條紋圖像中的條紋及背景灰度強(qiáng)度各異，本文采用閾值法處理濾波后的圖像，這樣可以減少?gòu)?fù)雜背景灰度值的干擾，同時(shí)減少圖像數(shù)據(jù)計(jì)算量，提高接下來(lái)激光條紋圖像處理的速度和準(zhǔn)確度。

1.2 條紋中心粗提取

初始激光條紋中心通過(guò)灰度鄰域?qū)傩苑ㄌ幚淼玫??；叶揉徲驅(qū)傩苑ń柚叶揉徲虻奶匦裕瑏?lái)清除孤點(diǎn)噪聲。設(shè)攝像機(jī)采集的激光條紋圖像的大小為M×N，某個(gè)像素的下標(biāo)為(i,j):

(1)對(duì)于每一列上的每個(gè)點(diǎn)，由式(2)得到A(i,j)

(2)

(2)依(1)計(jì)算此列中所有像素點(diǎn)的灰度鄰域?qū)傩訟(i,j)，若A(i,j0)=max[A(i,j),j=1,2,3,…]，則將(i,j0)作為該列光條的中心點(diǎn)。

(3)按列掃描時(shí)，只要滿(mǎn)足A(i,j)>ε，則該點(diǎn)為有效點(diǎn)，否則就不是有效點(diǎn)，然后計(jì)算出該列滿(mǎn)足A(i,j)>ε的像素個(gè)數(shù)作為該列的寬度值。此處取A(i,j)>ε能夠?yàn)V除孤立噪聲點(diǎn)的干擾。

(4)如果該列激光條紋斷裂，那么令該列條紋寬度Wi等于上一列的條紋寬度Wi-1。

(5)對(duì)其它列重復(fù)(1)到(4)，直到求出所有列的中心點(diǎn)和條紋寬度。

(6)根據(jù)每一列的寬度值W，求取光條ROI區(qū)域，提高改進(jìn)的灰度重心法的運(yùn)算速度。

經(jīng)過(guò)條紋中心的粗提取，得到了初始激光條紋中心、激光條紋寬度以及光條ROI區(qū)域，這為后續(xù)條紋中心的精確提取提供準(zhǔn)備，大大減少了后續(xù)提取光條中心的計(jì)算量。

1.3 條紋中心的精確提取

理想的激光條紋在法線(xiàn)方向上灰度應(yīng)滿(mǎn)足正態(tài)高斯分布，而實(shí)際中采集的光條灰度分布并不滿(mǎn)足。高斯擬合法可改善這種情況，但其精度不滿(mǎn)足要求，擬合過(guò)程較為復(fù)雜。而傳統(tǒng)的灰度重心法，其計(jì)算公式如式(3)所示，它在行坐標(biāo)方向上光條選定的區(qū)域內(nèi)用灰度重心表示該橫截面中光條的中心位置，如圖2(a)中的虛線(xiàn)框所示。當(dāng)前存在的問(wèn)題是根據(jù)采集的激光條紋圖像進(jìn)行光條中心線(xiàn)提取，它按照豎直方向計(jì)算，但在實(shí)際情況下光條的法線(xiàn)方向并不是豎直方向。并且由于復(fù)雜的背景下噪聲的隨機(jī)性和較難消除性，在進(jìn)行提取時(shí)通常因?yàn)榧す鈼l紋截面像素點(diǎn)參與計(jì)算數(shù)量不同、干擾點(diǎn)灰度值有較大隨機(jī)性，導(dǎo)致得到的中心點(diǎn)會(huì)出現(xiàn)沿坐標(biāo)軸方向的偏移誤差。用傳統(tǒng)的灰度重心法方法會(huì)產(chǎn)生較大的誤差，如圖2(a)所示，上面黑點(diǎn)表示理想的光條中心，下面黑點(diǎn)表示傳統(tǒng)的灰度重心法提取的中心點(diǎn)，出現(xiàn)了較大偏差。同時(shí)也會(huì)出現(xiàn)較為明顯的間斷現(xiàn)象，如圖2(b)所示

圖2 灰度重心法提取的光條中心

(3)

式中：I(i,j)表示(i,j)處的灰度值，I0表示條紋中心的坐標(biāo)，S表示灰度重心提取的區(qū)域。

因此本文根據(jù)二維灰度重心能抑制光條走向干擾的特性，結(jié)合高斯擬合法和灰度重心法，提出一種改進(jìn)的光條中心提取算法，即高斯加權(quán)的二維灰度重心法。以初始條紋中心點(diǎn)為灰度重心提取區(qū)域的中心，提取區(qū)域的邊長(zhǎng)為每列寬度的兩倍，進(jìn)行灰度重心計(jì)算獲取高精度的光條中心結(jié)果。由于背景噪聲等干擾因素，光條在豎直方向上灰度分布不符合光條截面模型，從而造成誤差。本文方法以初始條紋中心的周?chē)鷰仔泻蛶琢械幕叶戎登笕」鈼l局部區(qū)域質(zhì)心位置，并在列的方向上進(jìn)行了高斯加權(quán)。這樣既減少了不必要的誤差，又避免了高斯擬合法的復(fù)雜擬合過(guò)程，同時(shí)也減少了計(jì)算量，提高了激光條紋中心提取精度。其計(jì)算公式為

(4)

(5)

其中，S為灰度重心提取的區(qū)域，區(qū)域大小為2W×2W，I(i,j)為(i,j)處的灰度值，(i0,j0)為初始條紋中心，(x0,y0)為提取出的重心坐標(biāo)，δ為1。圖3為修正后的光條圖，如該圖3(a)部分所示，此時(shí)提取的光條中心更接近理想情況；同時(shí)如該圖3(b)部分所示，本文方法可實(shí)現(xiàn)對(duì)細(xì)小缺口的填補(bǔ)。

圖3 本文方法提取的光條中心

2 實(shí)驗(yàn)與分析

2.1 實(shí) 驗(yàn)

為了驗(yàn)證本文改進(jìn)算法的可行性，采用FU650L200-BD22一字線(xiàn)激光器和Manta G-125B工業(yè)相機(jī)采集如圖4所示的分別在亮環(huán)境和暗環(huán)境下大小為1292×964的激光條紋圖像。采用的GPU類(lèi)型為Intel(R) Core(TM) i5-4200U，具有4個(gè)處理核心，內(nèi)存為4 G。

圖4 部分激光條紋

首先對(duì)圖像進(jìn)行預(yù)處理，減少?gòu)?fù)雜背景的干擾，然后用灰度鄰域?qū)傩苑▽?duì)圖像進(jìn)行處理，得到每列的初始激光條紋中心和條紋寬度，并根據(jù)寬度得到ROI區(qū)域。其中在亮環(huán)境下得到的激光條紋圖像掃描后得到的部分激光條紋如圖4所示，由于復(fù)雜背景的影響，導(dǎo)致圖中激光條紋寬度不均勻。采集的圖像如圖5所示復(fù)雜的背景導(dǎo)致同一幅圖像中光條亮度差異大。最后用高斯加權(quán)的二維灰度重心法處理?xiàng)l紋圖像，根據(jù)激光條紋寬度，選擇不同大小的窗口，遍歷條紋圖像，得到條紋中心。

圖5 不同環(huán)境下采集的激光條紋圖像

2.2 對(duì)比分析

為了驗(yàn)證本文方法的性能，用本文方法與傳統(tǒng)的灰度重心法、方向模板法以及自適應(yīng)二維灰度重心法進(jìn)行了實(shí)驗(yàn)對(duì)比。圖6給出了在亮環(huán)境下各算法提取結(jié)果，并在表1中對(duì)其提取效果和運(yùn)行時(shí)間做了對(duì)比分析。

圖6 亮環(huán)境下各算法提取結(jié)果

表1 亮環(huán)境下各算法提取結(jié)果

在暗環(huán)境下，各算法提取結(jié)果如圖7所示，由于在暗環(huán)境下采集的圖像，減少了復(fù)雜的背景對(duì)光條的影響。各算法提取的結(jié)果變好，總體上與亮環(huán)境下各算法提取效果類(lèi)似。

圖7 暗環(huán)境下各算法提取結(jié)果

本文選取450個(gè)數(shù)據(jù)點(diǎn)進(jìn)行曲線(xiàn)擬合，并通過(guò)對(duì)相關(guān)系數(shù)R2、和方差SSE以及殘差均值的比較，衡量各激光條紋中心提取方法的效果。R2越接近于1，光條提取穩(wěn)定性越高；SSE越接近于0，曲線(xiàn)擬合程度越好；殘差均值越小，光條中心提取精度越高。在暗、亮環(huán)境下各算法提取的光條中心擬合結(jié)果分別見(jiàn)表2、表3。

表2 暗環(huán)境下各算法提取的光條中心擬合結(jié)果

表3 亮環(huán)境下各算法提取的光條中心擬合結(jié)果

由表2可知，暗環(huán)境下，灰度重心法、方向模板法擬合的相關(guān)系數(shù)較低，自適應(yīng)二維灰度重心法和本文方法擬合的相關(guān)系數(shù)較高。相比于自適應(yīng)二維灰度重心法，本文方法SSE擬合誤差減少33%。說(shuō)明在暗環(huán)境下本文方法的擬合程度較好。

由表3可知，亮環(huán)境下，灰度重心法、方向模板法受光照影響，擬合得到的相關(guān)系數(shù)降低，特別是灰度重心法，相關(guān)系數(shù)下降明顯，擬合結(jié)果偏差較大。受灰度分布的影響，自適應(yīng)二維灰度重心法擬合得到的相關(guān)系數(shù)有所降低，相比于自適應(yīng)二維灰度重心法，本文方法SSE擬合誤差減少35%，說(shuō)明在亮環(huán)境下本文方法的擬合程度較好。

不同背景環(huán)境下各算法的殘差均值分別為：0.76 pixels、0.62 pixels、0.45 pixels、0.26 pixels。通過(guò)對(duì)比可知，本文方法在不同背景環(huán)境下均有較高的精度。

3 結(jié)束語(yǔ)

由于復(fù)雜的背景環(huán)境，導(dǎo)致激光投射面反射率不一致，激光條紋會(huì)出現(xiàn)明顯的不均勻現(xiàn)象，因此本文提出了一種高斯加權(quán)的二維灰度重心法。該方法將初始條紋中心點(diǎn)作為灰度重心提取區(qū)域的中心，提取區(qū)域的邊長(zhǎng)值為每列寬度值的兩倍，進(jìn)行灰度重心計(jì)算，并在列的方向上進(jìn)行了高斯加權(quán)，從而減少條紋中心點(diǎn)在豎直方向上的偏移誤差，減少了復(fù)雜背景下的灰度值干擾，提高了激光條紋中心提取精度。實(shí)驗(yàn)結(jié)果表明，無(wú)論在亮環(huán)境或暗環(huán)境下，本文方法提取的光條中心的精度和實(shí)時(shí)性均優(yōu)于傳統(tǒng)的灰度重心法、方向模板法和自適應(yīng)二維灰度重心法，且具有較強(qiáng)的穩(wěn)定性和魯棒性。