1 中国铁道科学研究院集团有限公司基础设施检测研究所, 北京 100081
2 北京交通大学理学院, 北京 100044
研究了行车环境下激光条纹图像中心线快速、准确且可靠的提取方法。基于ENet深度学习模型实现了激光条纹的多区段快速分割;通过统计各区段内光条梯度方向的直方图来确定各分段光条的法线主方向,并构造了相应的方向模板;利用分区域多模板匹配的灰度重心法实现了光条中心的亚像素坐标提取。研究结果表明,该方法可以有效克服室外行车环境中各类干扰信息对光条中心提取的影响,单幅钢轨轮廓图像的光条提取时间仅为2.1 ms,误差均值约为0.082 pixel,标准差为0.047 pixel,兼顾了光条中心提取的时效性和准确率。
图像处理 结构光测量 光条中心提取 图像分割 深度学习 多模板匹配 亚像素
西北农林科技大学信息工程学院, 陕西 杨凌 712100
在基于三角法的线结构光三维测量系统中,如何快速精确地从光条图像中提取光条中心位置是实时精密测量的关键问题。本文在分析线结构光光源选择、环境噪声和被测物体表面反射属性等影响光条中心提取因素的基础上,对当前已有的线结构光光条中心提取方法进行综述,包括专门的光条图像去噪技术和阈值分割技术,以及传统的和改进的光条中心提取算法,分析其原理及关键技术。最后,针对目前线结构光测量中存在的问题给出建议,指出开发能处理高像素图像,并能在室外强光和复杂的自然环境中使用的单目激光系统是将来的发展趋势。
测量 线结构光测量 提取光条中心 图像去噪 图像分割 激光与光电子学进展
2013, 50(10): 100002