[发明专利]光条中心提取方法、终端设备及存储介质

说明书

本申请适用于数字图像处理技术领域，提供了一种光条中心提取方法、终端设备及存储介质，其中，上述方法包括：获取包含光条的原始图像；提取所述原始图像中每行的最大灰度值或每列的最大灰度值，根据所述最大灰度值确定光条中心初始坐标；根据预设模型计算所述原始图像中所述光条中心初始坐标的偏移量；根据所述偏移量和所述光条中心初始坐标计算所述原始图像中光条中心实际坐标。本申请实施例提供的光条中心提取方法、终端设备及存储介质，能够在提高检测精度的同时，缩短检测时间，解决了目前在提取光条中心坐标时存在的检测效率和检测精度无法兼顾的问题。

技术领域

本申请属于数字图像处理技术领域，尤其涉及一种光条中心提取方法、终端设备及存储介质。

背景技术

在使用光传感器，例如线结构光传感器进行测量和检测时，需要准确提取光传感器对应的光条的中心坐标。但实际应用中，光条图像质量会随被测对象面型、材质及所处环境的不同而改变，给光条中心坐标的提取带来困难。目前，在提取光条中心坐标方面，存在检测效率和检测精度无法兼顾的问题，在一定程度上阻碍了数字图像的实时精确测量。

发明内容

有鉴于此，本申请实施例提供了一种光条中心提取方法、终端设备及存储介质，以解决目前在提取光条中心坐标时存在的检测效率和检测精度无法兼顾的问题。

根据第一方面，本申请实施例提供了一种光条中心提取方法，包括：获取包含光条的原始图像；提取所述原始图像中每行的最大灰度值或每列的最大灰度值，根据所述最大灰度值确定光条中心初始坐标；根据预设模型计算所述原始图像中所述光条中心初始坐标的偏移量；根据所述偏移量和所述光条中心初始坐标计算所述原始图像中光条中心实际坐标。

结合第一方面，在本申请的一些实施例中，在所述根据预设的模型计算所述原始图像中所述光条中心初始坐标的偏移量之前，所述光条中心提取方法还包括：获取所述预设模型。

结合第一方面，在本申请的一些实施例中，所述获取所述预设模型，包括：为所述预设模型的各个参数设置初始值；获取用于训练所述预设模型的样本；每个所述样本的输入包括任一测试光条每个截面区域像素的灰度值，每个所述样本的输出包括相应测试光条对应的光条中心实际坐标；根据所述样本对所述预设模型进行训练，直至训练后预设模型的输出误差小于预设的误差阈值，或者，直至训练次数达到预设的最大训练次数；保存训练结束时对应的预设模型。

结合第一方面，在本申请的一些实施例中，所述获取用于训练所述预设模型的样本，包括：提取包括任一测试光条的测试图像中每行的最大灰度值或每列的最大灰度值，根据所述最大灰度值确定所述任一测试光条对应的光条中心初始坐标；将所述任一测试光条每个截面区域像素的灰度值，作为所述任一测试光条对应的样本的输入；根据Steger算法提取所述任一测试光条对应的光条中心实际坐标；将所述任一测试光条对应的光条中心实际坐标，作为所述任一测试光条对应的样本的输出。

结合第一方面，在本申请的一些实施例中，在所述根据Steger算法提取所述任一测试光条对应的光条中心实际坐标之后，所述获取用于训练所述预设模型的样本，还包括：根据移动最小二乘算法对根据Steger算法提取得到的所述任一测试光条对应的光条中心实际坐标进行优化；相应的，所述将所述任一测试光条对应的光条中心实际坐标作为所述任一测试光条对应的样本的输出为：将优化后的所述任一测试光条对应的光条中心实际坐标，作为所述任一测试光条对应的样本的输出。

结合第一方面，在本申请的一些实施例中，所述样本的输入还包括包含相应测试光条的测试图像；在所述获取用于训练所述预设模型的样本之后，以及所述根据所述样本对所述预设模型进行训练之前，所述获取所述预设模型还包括：根据所述测试图像中每行的最大灰度值和每行的最小灰度值，对所述测试图像进行初始化；或者，根据所述测试图像中每列的最大灰度值和每列的最小灰度值，对所述测试图像进行初始化。

结合第一方面，在本申请的一些实施例中，其特征在于，所述预设模型为BP神经网络模型。