[发明专利]结构光定量精确测量算法

权利要求书

1.结构光定量精确测量算法，其特征在于，包括如下方法步骤：

S1.1、确定被测物：选取标定物；

S1.2、被测物标定：利用摄像机拍摄标定物的图像，并标定摄像机的内部参数矩阵及两类畸变参数；

S1.3、结构光投射：将结构光器的结构光投射到标定物的棋盘格上，并求取光条纹特征点的图像坐标和图像坐标到光平面坐标的转化矩阵及结构参数矩阵；

S1.4、光条纹计算：拍摄一组标定物直线移动扫描的光条纹图像，并计算每个图像的光条纹中心及坐标点；

S1.5、获取真实物理距离：利用每个光条纹图像的光条纹中心，结合位置参数及平面坐标到全局坐标转化矩阵，将每个光条纹中心安装扫描方式排列与特定位置，形成被测物体表面轮廓，将数据进行换算从而获取真实物理距离。

2.根据权利要求1所述的结构光定量精确测量算法，其特征在于：所述S1.1中标定物采用棋盘格标定纸，并将其固定在平整胶板上。

3.根据权利要求1所述的结构光定量精确测量算法，其特征在于：所述S1.1中内部参数矩阵和两类畸变参数采用张正友算法进行设定，其设定步骤如下：

S2.1、将标定物的图像坐标进行转置；

S2.2、对标定物的图像坐标的单应性进行求解；

S2.3、利用循环对矩阵进行赋值，并对矩阵进行正交分解，以得到内参矩阵；

S2.4、根据内参矩阵获取摄像机的外参，然后利用外参获取畸变参数，并得到摄像机的外参矩阵。

4.根据权利要求1所述的结构光定量精确测量算法，其特征在于：所述S1.4中图像的光条纹中心及坐标点计算采用GrabCut中心提取算法，其迭代最小化步骤如下：

S3.1、对矩形框中的每个像素的参数赋值，以获取像素的参数的最小值；

S3.2、在图像数据中学习GMM参数，以获取GMM参数的最小值；

S3.3、利用Max-flow算法极小化Gibbs能量，以获取Gibbs能量的最小值；

S3.4、重复S3.1-3.3直至收敛，得到目标分割结果。

5.根据权利要求1所述的结构光定量精确测量算法，其特征在于：所述S1.5中获取真实物理距离的方法步骤如下：

S4.1、利用矩形框初定义矩形外的像素为背景，矩形内的像素被定义为前景；

S4.2、根据光条纹图像中心条纹的阈值范围和其他物体及背景的阈值范围，选择中间阈值对前景像素阈值和背景像素阈值重新定义，并根据不同位置拍摄的光条纹图像的不同，GrabCut利用Max-flow算法的不同迭代次数进行最优化分割；

S4.3、对每个分割出的纯光条图像进行处理得到细化后的光条纹中心。

S4.4、对细化处理后的纯光条纹中心图像进行全分辨率提取，以得到光条中心的坐标点，并根据像素及物理真实尺寸换算得到被测物体真实物理距离。

6.根据权利要求4所述的结构光定量精确测量算法，其特征在于：所述S3.3中Gibbs能量的函数表达式如下：

E(a，k，θ，z)＝U(a，k，θ，z)+V(a，z)；

其中，E(a，k，θ，z)为Gibbs能量；U(a，k，θ，z)为数据项；V(a，z)为平滑项。

7.根据权利要求6所述的结构光定量精确测量算法，其特征在于：所述数据项的计算公式如下：

∑D(a_n，k_n，θ，z_n)＝-log p(z_n||a_n，k_n，θ)-logπ(a_n，k_n)；

其中，p()表示高斯概率分布；π()为混合权重系数。