一种基于改进Laplacian边缘检测的线结构光条中心线提取方法
【技术领域】
[0001 ]本发明涉及机器人或无人车技术领域，具体涉及一种基于改进Laplacian边缘检 测的线结构光条中心线提取方法。
【背景技术】
[0002] 线结构光视觉系统是一种既利用图像又利用可控光源的测量系统，由于其具有主 动可控、能够获取物体三维信息、计算简单、实时性好的优点，正逐渐用于机器人或无人车 或障碍物识别中。线结构光图像中，结构光条中心线包含了被测物体的深度信息，即能够通 过提取线结构光条中心线获取障碍物的三维位置信息，因此，线结构光条中心线是否能快 速、有效的提取，将直接影响障碍物识别的实时性与有效性。
[0003] 目前，线结构光条中心线的提取方法大致可分为灰度阈值法、灰度极值法、梯度阈 值法、方向模板法、数学形态法、基于假定光强分布的高斯或抛物线拟合法以及基于上述算 法基础上的各种改进算法等。受环境光照、物体材料和物体反射特性的影响，线结构光图像 中光条的灰度值差异较大，因此，复杂环境中，以灰度值为基础来进行光条中心线的提取在 几乎不能有效完成;方向模板法、数学形态法以及基于曲线拟合的方法因其计算复杂、实时 性差而不能满足障碍物识别系统的实时性要求。因此，如何设计一种快速、有效的线结构光 条中心线提取方法是需要解决的技术问题。
【发明内容】
[0004] 本发明的目的是设计一种线结构光条中心线提取方法，能够对线结构光条中心线 进行快速、有效的提取。
[0005] 技术方案
[0006] 为解决上述技术问题，本发明提供了一种基于改进Laplacian边缘检测的线结构 光条中心线提取方法，其包括以下步骤：
[0007] 步骤一：根据线结构光条的边缘特性，对图像中光条可能出现的区域进行基于 Laplacian边缘检测的光条边缘提取，将Laplacian算子中的8-邻接卷积模板分解为4个卷 积模板，并通过4个卷积模板实现光条边缘像素点与其梯度方向的快速、有效获取；
[0008] 步骤二:根据相邻光条边缘段空间位置的连续性、边缘像素点梯度值的相似性、边 缘梯度方向的相似性获取准确完整的线结构光条边缘，滤除虚假光条边缘；
[0009] 步骤三:根据线结构光条像素沿边缘梯度方向的灰度分布特征，完成线结构光条 中心线的提取。
[0010]其中，所述步骤一中，线结构光条边缘提取的过程为:设图像中线结构光条可能出 现的一区域为Zl中任一像素点Pij的灰度值为pvij，根据线结构光条边缘特性，将Laplacian 算子中的8-邻接卷积模板分解为4个卷积模板GL(ij) = 2pvij-pvi(j-i)-pvi(j+i)、Gv(ij) = 2pvij- PV(i-1)厂 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) 来分别表征Pij其沿水平方向、垂直方向、45°方向、135°方向的梯度变化值，并将Gij = GL(ij)+ Gv(ij)+G45(ij)+G135(ij)作为Pij的梯度值，当(XEiJET时， Pij被判定为光条边缘上的点，Ετ为系 统设定的梯度阈值;同时将GL(ij)、Gv(ij)、G45(ij)、Gl35(ij)中的最大值所表征的方向作为像素点 的梯度方向，即Gij(ma X)=max(GL(ij)，Gv(ij)，G45(ij)，Gi35(ij))，从而通过4个卷积模板实现了线 结构光条边缘像素点与其梯度方向的快速、有效的获取。
[0011] 其中，所述步骤二的过程为:首先根据相邻光条边缘段空间位置的连续性、边缘像 素点梯度值的相似性，将表征结构光条中同一侧边缘的光条边缘段归为同一边缘，再利用 线结构光条两侧边缘梯度方向的一致性，获取同一线结构光条的两侧边缘，即设两边缘段 为Sm与Sn，根据线结构光条在图像中应形成的形态，选取式|U1_U4| <Ut 〇r|u2_U3| <Ut、|vi_
个作为空间位置约束条件，当3?与5"满足此空间约束条件，并满足式p：,,-所示的边 缘梯度的相似性时，则将3?与311归至同一边缘，获取一条完整边缘;将每条边缘上所有像素 点的梯度方向中最多的梯度方向设为该边缘的梯度方向，当获取的两边完整边缘为 当E1与E2的边缘梯度方向相同时，则认为E 1与E2为表征同一线结构光条的双侧边缘。
[0012] 其中，所述步骤三中，结构光条边缘确定后，提取单边缘像素点或双边缘对应像素 点间沿边缘梯度方向上灰度值最大的像素点构成光条的中心线。
[0013] 有益成果
[0014] 该方法通过一种基于改进Laplacian边缘检测的线结构光条中心线提取方法，能 够对线结构光条中心线进行快速、有效的提取。
【附图说明】
[0015] 图1为本发明实施例中线结构光条边缘特性示意图。
【具体实施方式】
[0016] 下面结合附图并举实施例，对本发明进行详细描述。
[0017] 本实施例基于改进Laplacian边缘检测的线结构光条中心线提取方法主要包括以 下步骤：
[0018] 步骤1:基于改进Laplacian边缘检测的线结构光条边缘提取
[0019] 如图1所示，理想图像边缘主要可分为阶跃型边缘和屋脊型边缘两种类型，其中，p 为边缘上像素点，阶跃型边缘上的像素点处于低灰度级跳变至高灰度级的位置;屋脊型边 缘的像素点处于高灰度级下降至低灰度级的位置。线结构光条在图像中通常表现为具有一 定宽度的亮光条，图像中光条局部区域内的像素灰度先由低灰度级跳变至高灰度级，垂直 于边缘方向，经N(N2 0)个像素点后再由高灰度级跳变至低灰度级（当N=0时即为屋脊型边 缘），光条中像素点的灰度值近似表现为高斯分布，即线结构光条边缘上的像素处于低灰度 级跳变至高灰度级或高灰度级跳变至低灰度级的位置上。
[0020] 因此，基于线机构光条的此种边缘特性，Laplacian算子会在光条的边缘像素处产 生最大的正值响应，而在边缘像素相邻的其他像素处得到较小的正值响应或负值响应，对 光条边缘具有准确有效的定位能力;且计算简单快速;但Laplacian算子各向同性，不能提 供有关边缘方向的信息。因此，本发明对传统的Laplacian边缘检测算法加以改进，采用 Laplacian算子中的8-邻接卷积模板对光条边缘像素点进行提取，并将8-邻接卷积模板分 解为4个卷积模板来分别表征光条边缘上像素点沿水平方向、垂直方向、45°方向、135°度方 向4个方向的梯度变化，从而确定光条边缘像素点的方向，具体过程为：
[0021] 设图像中计算获取的线结构光条可能出现的一区域为Zl，Zl中任一像素点Plj的灰 度值为pvij，则：
[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(