[发明专利]一种可用于深度图纹理检测的算子

说明书

本发明涉及一种可用于深度图纹理检测的算子，包括以下步骤：1)确定原始图像的尺寸；2)对原始图像进行边界填充，3)使用一个九宫格，令九宫格的中心以原始图像的第一个像素开始，从左到右，从上到下依次遍历整幅图像；对于遍历过程中每个九宫格中心的灰度值，将中心的灰度值分别减去周围八个点的灰度值，取绝对值之和作为中心对应像素的新像素值；4)去除填充的最外层边界，恢复图像尺寸；5)然后将恢复尺寸后的图像通过阈值保留纹理特征。本发明鲁棒性好，对于规则或非规则纹理都有很好的提取效果，且通过设置阈值，能得到自适应提取纹理信息，例如通过增大阈值可过滤一些细微的纹理而保留物体边缘信息，减小阈值则能得到更为细微的纹理特征。

技术领域

本发明属于3D视觉图像处理领域，具体说是一种可用于深度图纹理检测的算子。

背景技术

机器人产业受到越来越多的重视。目前，机器人领域的目标是让机器人智能化，而在工业机器人打磨抛光领域，人们致力于让机器人通过传感器自动判断物体表面的粗糙度，进而确定需要打磨的区域的起始点位置，实现自动化打磨。机器人自动打磨的现有解决方案基本是通过工业线结构光相机获得物体表面的深度信息，通过对深度信息进行处理来判断打磨区域的位置。而如果能让机器人如人一样知道物体表面的纹理信息，则可以很轻易地计算出物体表面的粗糙程度，从而确定打磨区域。

纹理特征提取方法主要有统计方法如灰度共生矩阵、半方差图法等，模型法如马尔科夫随机场模型、Gibbs随机场模型、分形模型和自回归模型等，信号处理法如Tamura纹理特征、小波变换等。但上述方法中，统计法缺少全局信息的利用和理论支撑，且计算复杂度高，制约了其实际应用；型法建模难度大，求解速度慢，模型调参难；信号处理法计算量大，且对于非规则纹理的提取效果很差。

发明内容

本发明针对工业机器人打磨的真实环境，提出了一种新型的用于深度图纹理特征提取的方法，其具有效果好、鲁棒性强、速度快等优点，可适用于暴露出真实的工业打磨场景下的工件表面信息。

本发明解决其技术问题所采用的技术方案是：一种可用于深度图纹理检测的算子，包括以下步骤：

1)确定原始图像的尺寸M×N；

2)对原始图像进行边界填充，即在图像周围增加一层像素值为0的像素，得到填充图像；

3)使用一个九宫格，令九宫格的中心以原始图像的第一个像素开始，从左到右，从上到下依次遍历整幅图像；对于遍历过程中每个九宫格中心的灰度值，将中心的灰度值分别减去周围八个点的灰度值，取绝对值之和作为中心对应像素的新像素值；

4)去除填充的最外层边界，恢复图像尺寸M×N；

5)然后将恢复尺寸后的图像通过阈值保留纹理特征。

预先对原始图像进行异常值检测：当存在异常值时，修改该异常值为周围设定距离内的所有非异常值的均值。

所述对原始图像进行边界填充，使得原始图像的长和宽的值各加1像素尺寸变为(M+1)×(N+1)。

所述九宫格每次滑动步长为1个像素。

本发明具有以下有益效果及优点：

1)相对于现有的技术，运算速度快，能达到实时，可用于实际工业场景；

2)鲁棒性好，对于规则或非规则纹理都有很好的提取效果，且通过设置阈值，能得到自适应纹理纹理信息，例如通过增大阈值可过滤一些细微的纹理而保留物体边缘信息，减小阈值则能得到更为细微的纹理特征。

3)同时可检测出工件表面的相对粗糙度。

附图说明

图1a为某工件原始深度图；

图1b为本发明算子处理得到的纹理特征图；