[发明专利]一种基于特征聚类的光条定位方法

说明书

本发明一种基于特征聚类的光条定位方法属于视觉测量领域，涉及一种基于特征聚类的光条定位方法。该方法首先采用激光结合双目视觉的方式获取激光光条图像，然后对光条图像进行分块处理，根据光条的特征建立光条形状、光条抗噪能力和光条纹理三个光条特征描述。最后，利用这三个特征描述基于特征聚类的方法区分分块图像内是否存在光条边界，从而筛选出光条，实现光条的准确、快速定位。该方法克服了图像噪声多且复杂、光条曲折、明暗不均以及光条像素占整幅图像比例低所导致的识别效率低等问题，实现了激光光条的快速、准确定位，具有定位准确、效率高、鲁棒性好等特点。

技术领域

本发明属于视觉测量领域，涉及一种基于特征聚类的光条定位方法。

背景技术

随着工业化自动化的进程，视觉测量系统已经广泛应用在工业加工过程监测、产品几何质量检测中。激光具有直线度高、特征稳定等优势，作为增强特征广泛应用于视觉测量系统中，构成激光辅助视觉测量系统。例如，结构光三维扫描系统三维成像测量、机器人焊缝自动跟踪检测等。在复杂大视场工业环境下，激光图像存在强光区域、特征淹没、噪声区域等不可避免的干扰因素。线激光在图像中的定位将决定特征处理区域，直接影响图像处理过程的鲁棒性和准确性。因此，准确的激光光条定位是十分重要的。

近年来，工业测量中应用的定位方法主要是模板匹配法和基于特征的模板匹配法。这些方法都是基于固定模板对有特定几何特征的零件进行有效的定位和分割，但对于激光光条图像，激光光条随零件的形面特征而改变，难以用固定模板对激光光条进行有效的定位。对于光条图像的定位，目前有三个实际难题：1)由于测量现场环境光、背景、尘埃等因素的影响，在识别光条时有很多背景边界和噪声的干扰；2)被测物体表面曲率的变化，将造成光条曲折、明暗不均；3)光条的像素面积通常小于整幅图像的1％，识别效率低。

Feng L,Po L M,Xu X,et al.Dynamic ROI based on K‐means for remotephotoplethysmography[C].ICASSP,2015:1310‐1314中提出一种基于K‐means聚类算法的动态ROI方法。该方法首先对图像特征区域进行固定ROI并分块，计算分块图像的互相关系数和信噪比两个特征参数，然后基于这两个特征参数采用K‐means算法聚类，从而实现对高质量RIPPG信号的人体皮肤区域进行定位。测量实验结果表明，该动态ROI方法可以有效提取目标，改善目标信号质量。但由于适用场景和图像特征不同，该算法并不能直接应用于复杂工况下的光条定位。

大连理工大学的刘巍等人，在专利号：201710573668.9，专利《基于线激光光条的动态搜索感兴趣区域的方法》中提出了一种基于线激光光条的动态搜索感兴趣区域的方法。该方法基于激光器转角对所有图像分组，对混合差分图像采用横向边缘检测，快速计算每组图像中光条的帧间像素速度，根据帧间像素速度动态提取图像中光条感兴趣区域。但该方法需要人工手动选取初始感兴趣区域，未能实现智能的激光光条定位。

发明内容

本发明要解决的技术难题是针对噪声多且复杂、光条曲折、明暗不均的线激光光条图像，传统光条定位方法存在提取效率低、鲁棒性差、需人工参与等问题，发明一种基于特征聚类的光条定位方法。该方法，首先利用双目相机获取照射在被测物上的线激光光条图像，然后对光条图像进行分块处理，并根据光条的特征建立光条形状、光条抗噪能力和光条纹理三个光条特征描述。最后，利用这三个特征描述基于特征聚类的方法区分分块图像内是否存在光条边界，从而筛选出光条，实现光条的准确定位。此方法将光条图像分块，并对建立的三个光条特征描述进行聚类分析，有效克服了生产现场复杂环境的影响，实现了激光光条的准确定位。