[发明专利]一种基于分层聚类和置信传播的彩色结构光光条检测方法

权利要求书

1.一种基于分层聚类和置信传播的彩色结构光光条检测方法，其特征在于，包括以下步骤：

步骤一、使用投影仪将彩色条纹结构光投射到物体表面，利用相机采集被物体表面调制后的彩色条纹结构光；

步骤二、将彩色条纹结构光图像转换为灰度图像，对彩色结构光光条中心点进行粗定位，输出类中心坐标；在彩色结构光条粗定位结果的基础上，对彩色结构光光条中心点进行精定位；基于欧式距离和颜色距离，对彩色结构光光条中心点对应的光条中心线进行归属判别；自上而下对图像进行扫描，实现全图像结构光光条中心线提取；

步骤三、对彩色结构光光条中心线进行标签解码，具体步骤包括：已提取的光条中心线记为l_t，t＝1,2,…,n，l_t由像素点构成，s＝1,2,…,m_t，对应的线条颜色记为c_t，t＝1,2,…,n；由彩色结构光光条中心线提取原理可知，l_t的起点和终点分别为其像素点集合中的第一个点和最后一个点

l_i到l_j的距离d_ij定义为其中心在图像坐标系中的x坐标之差，d_ij大于0表示l_i在l_j右侧；反之l_i在l_j左侧，d_ij的计算公式为：

d_ij＝o_i-o_j (12)

其中，o_i、o_j的计算方法如下所示：

记d_L为l_j左侧距离集合，d_R为l_j右侧距离集合，则：

l_j的左邻域l_i必须满足两个条件，即到l_j的距离小于0且在d_L中绝对值最小；同理，l_j的右邻域l_k也必须满足两个条件，即到l_j的距离大于0且在d_R中绝对值最小：

在中心线连续的情况下，l_j左右邻域中心线具有两个性质：(1)唯一性，即左右邻域均有且仅有一条中心线；(2)相互性，即若l_i为l_j的左邻域中心线，则l_j必为l_i的右邻域中心线；但当物体表面存在深度突变或阴影遮挡时，中心线发生断裂，l₁、l₂和l₃对应于结构光编码序列中的同一光条，该情况下：

邻域的相互性是经典置信传播算法消息传递的基础，即节点向邻域节点发送消息，同时也必须从邻域节点收取消息；由式(16)可知，此时的光条中心线邻域不具有相互性，因此需要对上述邻域进行扩充：

若l_i、l_j满足如下条件，则将l_i加入到l_j的右邻域集合中：

若l_i、l_j满足如下条件，则将l_i加入到l_j的左邻域集合中：

遍历光条中心线l_t，t＝1,2,…,n，完成邻域关系确定，经过邻域扩充之后，式(16)变为：

由式(19)可知，经过邻域扩充后，l₄、l₅向l₁、l₂、l₃发送消息，同时也从l₁、l₂、l₃收取消息，中心线邻域具有了相互性；

已提取的彩色结构光光条中心线l_i的集合记为i＝1,2,…,n，对应的线条颜色记为c_i，i＝1,2,…,n，为标签可能取值的集合{1,2,...,r-1,r}，标签序列f＝{f₁,f₂,…,f_n}每一个元素表示对应于的标签为标签f_i对应的编码彩色结构光光条颜色；假设邻域光条中心线对应的真实标签是连续的，确定最优标签序列f，使得如下能量函数最小，等价于最大化f的后验概率：

其中，Neighs表示邻域集合，包括左邻域集合NeighLeft和右邻域集合NeighRight；D_C(f_i)为数据项，表示将标签f_i分配给l_i产生的代价；W(f_i,f_j)为非连续项，表示将标签f_i、f_j分配给邻域中心线l_i、l_j产生的代价；

数据项D_C(f_i)定义为彩色结构光光条中心线颜色c_i与标签f_i对应编码结构光颜色的距离：

若彩色结构光光条中心线颜色c_i与标签f_i对应编码结构光颜色相同，则数据项为0；若两者颜色不同，则数据项为λ₁；

非连续项W(f_i,f_j)定义为邻域中心线的标签距离：

其中，w₁、w₂的计算公式分别为：

其中δ为相邻中心线允许的标签距离阈值，κ为标签距离的惩罚系数；

记为第τ次迭代后l_i向邻域中心线l_j传递的消息，消息初值为0，迭代更新过程可用如下数学表达式描述：

其中为r行1列的向量，表示的第f_j个分量，Neighs(l_i)\(l_j)表示l_i的邻域中除l_j之外的中心线；执行过程可理解为：

首先，将集合中的某一个值赋予f_j，遍历f_i的所有可能取值，并计算将其最小值作为l_i对f_j取当前标签值的支持度，存入的第f_j个分量；然后遍历f_j的所有可能取值，得到l_i向l_j发送的消息

最后，遍历已提取的所有光条中心线，完成第τ次消息更新；

迭代T次终止后，对各节点消息进行收集：

将b_j中最小值对应的标签值赋予l_j：

遍历所有光条中心线j＝1,2,…,n，完成光条中心线标签解码；

步骤四、根据步骤二和步骤三，得到相机采集图像中彩色结构光光条中心线与投影仪投影图像中彩色结构光光条中心线的对应关系，根据摄影测量技术中的点-面交汇原理，计算相机采集图像中所有彩色结构光条中心点的三维坐标，完成物体部分表面的密集三维重建；

步骤五、利用多视点云拼接技术，将不同视角下获得的物体表面的点云进行数据融合、拼接，完成该物体表面的整体重建。