[发明专利]一种用于雪雕3D重建的结构光测量方法

权利要求书

1.一种用于雪雕3D重建的结构光测量方法，其特征在于包括以下步骤：

步骤一：首先布置结构光传感器，所述结构光传感器由摄像机和一字激光器组成，然后根据张正友标定法对结构光传感器进行标定，最后采集混有噪声的视频序列；

步骤二：采用极大似然估计方法区分视频序列中的环境噪声；

步骤三：构建RGB权重函数进行颜色空间变换，生成单色值图像；

步骤四：对单色值图像进行阈值分割；

步骤五：在单色值图像上做边缘检测，量化光条为点对([t,p_n(t)],[t,p_n+1(t)])，采用重心计算法计算亮度重心位置，将其作为光条潜在位置的状态x_n(t)，n表示在第t步上的状态索引，n∈[1，X(t)],X(t)表示第t步上的状态量总数，将点对之间的距离定义为观测量

y_n(t)＝|p_n(t)-p_n+1(t)|得到空间上下文，其中[t,p_n(t)]为第t步上的边缘像素点的坐标；

步骤六：利用空间上下文的空间约束建立帧间关联，然后构造参数：初始概率分布、状态转移概率分布和观测概率分布，最后构建空间轴上的HMM模型，即S-HMM；

步骤七：最大化步骤五中产生观测序列Y＝{y(1),…,y(N)}的概率，通过Viterbi解码，提取光条中心线；

步骤八：建立全局及区域综合搜索策略，将若干疑似光条区域定义为一系列子窗口w_n＝(α,β,I,Δ,s)，其中α,β为窗口尺寸，I表示窗口内的光条亮度均值，Δ为相对前一帧跟踪结果的变化率，s为尺度因子；

步骤九：定义每一窗口为当前帧的一个状态量，窗口内的特征参数作为观测量，并构造参数：初始概率分布、状态转移概率分布和观测概率分布，然后构建时间轴上的HMM模型，即T-HMM，通过Viterbi解码，获得光条最优跟踪轨迹；

步骤十：将结构光传感器采集的视频信息输入构建好的ST-HMM，求解模型的全局最优解，输出结果为一系列光滑的光条中心线的扫描轨迹；

步骤十一：将提取和跟踪的光条跟踪轨迹进行图像坐标系-传感器坐标系-世界坐标系的换算，得到雪雕表面的点云数据，形成3D形貌；

所述单色值图像为灰度图像，灰度图像的RGB权重系数为(w_r,w_g,w_b)，由极大似然估计噪声分类结果决策，原彩色图像与单色值图像的转换关系为：F_ij＝w_rR_ij+w_gG_ij+w_bB_ij

其中，F是变换后得到的单色值图像，i和j分别表示像素的行列索引；

所述权重函数使用峭度概念来定义，公式为：

其中，κ₄为亮度分布的四阶累积量，为二阶累积量κ₂的平方，μ₄和σ⁴分别为图像亮度的四阶中心矩和概率分布方差；

所述权重函数利用最小熵模型求解，通过令求解K的最大值；

所述步骤六中构造参数的具体步骤为：

(1)产生观测序列Y的概率定义为：

/

(2)初始概率分布定义为等概率分布，即

(3)观测概率方程

其中，T_e是根据经验定义的一个上限宽度阈值，

(4)状态转移概率为

其中，d_ij是状态间的是欧式距离，k_ij是状态间的亮度均值之差；和/分别为d_ij和k_ij的方差；w₁和w₂是一对权值，通过极大似然估计法或最大后验概率估计法训练数据得到，且w₁+w₂＝1；

所述步骤九中构造参数具体步骤为：

(1)初始概率分布定义为等概率分布，即

(2)观测概率方程

其中，T_e是经验性地定义的一个上限宽度阈值，

(3)状态转移概率为

其中w_1,2,3,4分别表示窗口尺寸α、β、亮度均值I和变化率Δ的权值，δ_α²、δ_β²、δ_I²和δ_Δ²表示相邻状态之间的观测差异，σ_α²、σ_β²、σ_I²和σ_Δ²为上述观测量的方差。

2.根据权利要求1所述的一种用于雪雕3D重建的结构光测量方法，其特征在于所述极大似然估计方法的具体步骤是：首先以参数向量θ₁,θ₂,…,θ_c表示各种噪声，然后以若干标定好的噪声图像构建样本集合D＝{D₁，D₂…D_c}，求解分布密度p(D|θ)达到极大值的参数向量即为估计的噪声。/