一種基于改進(jìn)Laplacian邊緣檢測的線結(jié)構(gòu)光條中心線提取方法
【技術(shù)領(lǐng)域】
[0001 ]本發(fā)明涉及機(jī)器人或無人車技術(shù)領(lǐng)域,具體涉及一種基于改進(jìn)Laplacian邊緣檢 測的線結(jié)構(gòu)光條中心線提取方法。
【背景技術(shù)】
[0002] 線結(jié)構(gòu)光視覺系統(tǒng)是一種既利用圖像又利用可控光源的測量系統(tǒng),由于其具有主 動可控、能夠獲取物體三維信息、計(jì)算簡單、實(shí)時性好的優(yōu)點(diǎn),正逐漸用于機(jī)器人或無人車 或障礙物識別中。線結(jié)構(gòu)光圖像中,結(jié)構(gòu)光條中心線包含了被測物體的深度信息,即能夠通 過提取線結(jié)構(gòu)光條中心線獲取障礙物的三維位置信息,因此,線結(jié)構(gòu)光條中心線是否能快 速、有效的提取,將直接影響障礙物識別的實(shí)時性與有效性。
[0003] 目前,線結(jié)構(gòu)光條中心線的提取方法大致可分為灰度閾值法、灰度極值法、梯度閾 值法、方向模板法、數(shù)學(xué)形態(tài)法、基于假定光強(qiáng)分布的高斯或拋物線擬合法以及基于上述算 法基礎(chǔ)上的各種改進(jìn)算法等。受環(huán)境光照、物體材料和物體反射特性的影響,線結(jié)構(gòu)光圖像 中光條的灰度值差異較大,因此,復(fù)雜環(huán)境中,以灰度值為基礎(chǔ)來進(jìn)行光條中心線的提取在 幾乎不能有效完成;方向模板法、數(shù)學(xué)形態(tài)法以及基于曲線擬合的方法因其計(jì)算復(fù)雜、實(shí)時 性差而不能滿足障礙物識別系統(tǒng)的實(shí)時性要求。因此,如何設(shè)計(jì)一種快速、有效的線結(jié)構(gòu)光 條中心線提取方法是需要解決的技術(shù)問題。
【發(fā)明內(nèi)容】
[0004] 本發(fā)明的目的是設(shè)計(jì)一種線結(jié)構(gòu)光條中心線提取方法,能夠?qū)€結(jié)構(gòu)光條中心線 進(jìn)行快速、有效的提取。
[0005] 技術(shù)方案
[0006] 為解決上述技術(shù)問題,本發(fā)明提供了一種基于改進(jìn)Laplacian邊緣檢測的線結(jié)構(gòu) 光條中心線提取方法,其包括以下步驟:
[0007] 步驟一:根據(jù)線結(jié)構(gòu)光條的邊緣特性,對圖像中光條可能出現(xiàn)的區(qū)域進(jìn)行基于 Laplacian邊緣檢測的光條邊緣提取,將Laplacian算子中的8-鄰接卷積模板分解為4個卷 積模板,并通過4個卷積模板實(shí)現(xiàn)光條邊緣像素點(diǎn)與其梯度方向的快速、有效獲?。?br>[0008] 步驟二:根據(jù)相鄰光條邊緣段空間位置的連續(xù)性、邊緣像素點(diǎn)梯度值的相似性、邊 緣梯度方向的相似性獲取準(zhǔn)確完整的線結(jié)構(gòu)光條邊緣,濾除虛假光條邊緣;
[0009] 步驟三:根據(jù)線結(jié)構(gòu)光條像素沿邊緣梯度方向的灰度分布特征,完成線結(jié)構(gòu)光條 中心線的提取。
[0010]其中,所述步驟一中,線結(jié)構(gòu)光條邊緣提取的過程為:設(shè)圖像中線結(jié)構(gòu)光條可能出 現(xiàn)的一區(qū)域?yàn)閆l中任一像素點(diǎn)Pij的灰度值為pvij,根據(jù)線結(jié)構(gòu)光條邊緣特性,將Laplacian 算子中的8-鄰接卷積模板分解為4個卷積模板GL(ij) = 2pvij-pvi(j-i)-pvi(j+i)、Gv(ij) = 2pvij- PV(i-1)廠 PV(i+l)j、G45(ij) = 2pVij_pV(i-l)(j+l)-pV(i + l)(j-l)、Gl35(ij) = 2pVirpV(i-l)(j-l)-pV(i+l)(j + l) 來分別表征Pij其沿水平方向、垂直方向、45°方向、135°方向的梯度變化值,并將Gij = GL(ij)+ Gv(ij)+G45(ij)+G135(ij)作為Pij的梯度值,當(dāng)(XEiJET時, Pij被判定為光條邊緣上的點(diǎn),Ετ為系 統(tǒng)設(shè)定的梯度閾值;同時將GL(ij)、Gv(ij)、G45(ij)、Gl35(ij)中的最大值所表征的方向作為像素點(diǎn) 的梯度方向,即Gij(ma X)=max(GL(ij),Gv(ij),G45(ij),Gi35(ij)),從而通過4個卷積模板實(shí)現(xiàn)了線 結(jié)構(gòu)光條邊緣像素點(diǎn)與其梯度方向的快速、有效的獲取。
[0011] 其中,所述步驟二的過程為:首先根據(jù)相鄰光條邊緣段空間位置的連續(xù)性、邊緣像 素點(diǎn)梯度值的相似性,將表征結(jié)構(gòu)光條中同一側(cè)邊緣的光條邊緣段歸為同一邊緣,再利用 線結(jié)構(gòu)光條兩側(cè)邊緣梯度方向的一致性,獲取同一線結(jié)構(gòu)光條的兩側(cè)邊緣,即設(shè)兩邊緣段 為Sm與Sn,根據(jù)線結(jié)構(gòu)光條在圖像中應(yīng)形成的形態(tài),選取式|U1_U4| <Ut 〇r|u2_U3| <Ut、|vi_
個作為空間位置約束條件,當(dāng)3?與5"滿足此空間約束條件,并滿足式p:,,-所示的邊 緣梯度的相似性時,則將3?與311歸至同一邊緣,獲取一條完整邊緣;將每條邊緣上所有像素 點(diǎn)的梯度方向中最多的梯度方向設(shè)為該邊緣的梯度方向,當(dāng)獲取的兩邊完整邊緣為 當(dāng)E1與E2的邊緣梯度方向相同時,則認(rèn)為E 1與E2為表征同一線結(jié)構(gòu)光條的雙側(cè)邊緣。
[0012] 其中,所述步驟三中,結(jié)構(gòu)光條邊緣確定后,提取單邊緣像素點(diǎn)或雙邊緣對應(yīng)像素 點(diǎn)間沿邊緣梯度方向上灰度值最大的像素點(diǎn)構(gòu)成光條的中心線。
[0013] 有益成果
[0014] 該方法通過一種基于改進(jìn)Laplacian邊緣檢測的線結(jié)構(gòu)光條中心線提取方法,能 夠?qū)€結(jié)構(gòu)光條中心線進(jìn)行快速、有效的提取。
【附圖說明】
[0015] 圖1為本發(fā)明實(shí)施例中線結(jié)構(gòu)光條邊緣特性示意圖。
【具體實(shí)施方式】
[0016] 下面結(jié)合附圖并舉實(shí)施例,對本發(fā)明進(jìn)行詳細(xì)描述。
[0017] 本實(shí)施例基于改進(jìn)Laplacian邊緣檢測的線結(jié)構(gòu)光條中心線提取方法主要包括以 下步驟:
[0018] 步驟1:基于改進(jìn)Laplacian邊緣檢測的線結(jié)構(gòu)光條邊緣提取
[0019] 如圖1所示,理想圖像邊緣主要可分為階躍型邊緣和屋脊型邊緣兩種類型,其中,p 為邊緣上像素點(diǎn),階躍型邊緣上的像素點(diǎn)處于低灰度級跳變至高灰度級的位置;屋脊型邊 緣的像素點(diǎn)處于高灰度級下降至低灰度級的位置。線結(jié)構(gòu)光條在圖像中通常表現(xiàn)為具有一 定寬度的亮光條,圖像中光條局部區(qū)域內(nèi)的像素灰度先由低灰度級跳變至高灰度級,垂直 于邊緣方向,經(jīng)N(N2 0)個像素點(diǎn)后再由高灰度級跳變至低灰度級(當(dāng)N=0時即為屋脊型邊 緣),光條中像素點(diǎn)的灰度值近似表現(xiàn)為高斯分布,即線結(jié)構(gòu)光條邊緣上的像素處于低灰度 級跳變至高灰度級或高灰度級跳變至低灰度級的位置上。
[0020] 因此,基于線機(jī)構(gòu)光條的此種邊緣特性,Laplacian算子會在光條的邊緣像素處產(chǎn) 生最大的正值響應(yīng),而在邊緣像素相鄰的其他像素處得到較小的正值響應(yīng)或負(fù)值響應(yīng),對 光條邊緣具有準(zhǔn)確有效的定位能力;且計(jì)算簡單快速;但Laplacian算子各向同性,不能提 供有關(guān)邊緣方向的信息。因此,本發(fā)明對傳統(tǒng)的Laplacian邊緣檢測算法加以改進(jìn),采用 Laplacian算子中的8-鄰接卷積模板對光條邊緣像素點(diǎn)進(jìn)行提取,并將8-鄰接卷積模板分 解為4個卷積模板來分別表征光條邊緣上像素點(diǎn)沿水平方向、垂直方向、45°方向、135°度方 向4個方向的梯度變化,從而確定光條邊緣像素點(diǎn)的方向,具體過程為:
[0021] 設(shè)圖像中計(jì)算獲取的線結(jié)構(gòu)光條可能出現(xiàn)的一區(qū)域?yàn)閆l,Zl中任一像素點(diǎn)Plj的灰 度值為pvij,則:
[0022] GL(ij) = 2pvij-pvi(j-i)-pvi(j+i) (1)
[0023] Gv(ij) = 2pvij-pv(i-i)j-pv(i+i)j (2)
[0024] G45(ij) = 2pvij-pv(i-i)(j+i)-pv(i+i)(j-i) (3)
[0025] Gi35(ij) = 2pvij-pv(i-i)(j-i)-pv(i+i)(j+i) (4)
[0026] Gij = GL(ij)+Gv(ij)+G45(