一种使用非特制靶标的线结构光平面标定方法

本发明涉及激光测量领域，具体涉及一种用非特制靶标的线结构光平面标定方法。

背景技术：

检测技术在管控产品质量的过程中扮演着重要的角色，随着现代工业制造技术的不断发展，对于检测技术提出的要求也越来越高。线结构光测量系统作为一种非接触式检测手段，在近几年取得了突飞猛进的发展，目前已经广泛地应用于三维重建、三维测量及无损缺陷检测中。线结构光测量系统主要由计算机、相机和线结构光光源组成，检测效率高、精度高、量程大。该系统的测量精度与相机标定、结构光平面标定有着直接的联系，但现有的线结构光标定方法需要制作二维或三维的特制靶标，增加了标定的复杂度，故在缺少特制靶标的情况下，如何实现结构光平面的高精度标定成为一个急需解决的问题。

技术实现要素：

本发明针对在线结构光测量系统中因缺少特制靶标而无法高精度标定线结构光平面的问题，提出了一种使用非特制靶标的线结构光平面标定方法。该方法能够在不需要特制靶标的情况下完成标定，满足测量系统的精度要求。

为实现上述目标，本方法所采用的技术方案为：

首先，选取简易的非特制靶标，可使用生活中的易得物品，包括但不限于书本，水杯等，要求所选物品具有良好的反射性质，即激光投影在该物品上，能清晰看到形成激光条纹；然后，固定好相机与线结构光激光器的位置，使用简易的非特制靶标置于相机视场内，打开激光器，激光投影在靶标上形成激光条纹；最后，利用视差法获取线结构光投影在简易非特制靶标上形成的点云集，然后对点云集进行精确处理，采用最小二乘法对处理后的点云集进行平面拟合，确定线结构光平面参数进而完成对平面的标定，具体包括以下步骤：

步骤1、整简易的非特制靶标的位姿，使用相机采集k(k至少为2)张非特制靶标在不同位姿下的光条投影图像；

步骤2、读取所采集的k张图像，并对每一张图像都进行图像预处理；

所述步骤2包括：

(2.1)对图像进行灰度处理，使用gray(i,j)＝0.8*r(i,j)+0.1*g(i,j)+0.1*b(i,j)(其中i，j为图像中像素点的横纵坐标值，坐标原点处于图像左上角，gray(i,j)为当前像素点灰度值，r(i,j)为当前像素点的红色通道分量，g(i,j)为当前像素点的绿色通道分量，b(i,j)为当前像素点的蓝色通道分量)计算图像中每一个像素点的灰度值，完成图像的灰度化处理；

(2.2)对灰度处理后的图像进行高斯滤波以去除噪点，高斯滤波采用模板对图像进行卷积，其常用的3×3和5×5卷积模板为：

本发明使用的高斯滤波卷积模板包括但不限于以上两个模板；

(2.3)对滤波后的图像进行图像二值化处理，具体描述为：对图像中的每一个像素点，由于经过了灰度处理，其灰度值处于0到255之间，二值化处理需要在0和255灰度值中对图像的像素点进行划分，将像素点灰度值两极化，设像素点的灰度值为f(x)，进行二值化后的灰度值为h(x)，则有：

其中a代表二值化分割的阈值，可由用户根据具体成像质量确定；

步骤3、使用steger算法提取每一张预处理后的图像的亚像素级激光条纹骨骼图；

所述步骤3包括：

(3.1)遍历步骤(2)预处理后的激光条纹图像(在本步骤中简称为激光条纹图像)中某一行中的所有像素点，列出每个像素点处的hessian矩阵，hessian矩阵如下所示：

计算每个hessian矩阵的特征值和特征向量构成数据集w，确定数据集w中最大特征值处对应的像素点，即为激光条纹图像的灰度分布曲面在当前的像素截面下取得最大曲率时的像素点，也是激光条纹图像的灰度分布曲面在该行的像素截面下的顶端像素点pt，如图3所示，定位到当前的像素截面下的激光条纹图像灰度分布曲面的顶端像素点pt，取出pt点对应的hessian矩阵的所有特征值中最大特征值对应的特征向量，此特征向量方向便是激光条纹图像的灰度分布曲面在该像素点处的最大曲率的方向，即为激光条纹图像在该行像素截面下顶端像素点pt处的激光条纹的法线方向dn，如图4所示：点1、点2、点3是三个不同像素截面下搜寻到的顶端像素点，然后利用hessian矩阵的最大特征值的特征向量方向定位出各点处的激光条纹法线方向；

(3.2)在所述(3.1)中所获得的法线方向dn上将该行的激光条纹灰度分布在所确定的顶端像素点pt处按照泰勒多项式公式展开；

(3.3)利用展开的泰勒多项式公式获取激光条纹图像的灰度分布曲面在该行的像素截面下的极值点，即在该行的激光条纹的法向截面的灰度分布曲线上的泰勒多项式的一阶导数为0，二阶导数为负的极大值点，该极大值点定义为该行的像素截面的条纹截面中心亚像素点；

对步骤2预处理后的激光条纹图像中的每一行都重复步骤(3.1)—(3.3)，完成提取每一行的像素截面条纹截面中心亚像素点。

步骤4、集合k张所提取激光条纹骨骼图，并用这些骨骼图中的条纹截面中心亚像素点构成线结构光平面初始点云集cr；

步骤5、对初始点云集cr采用最小二乘法进行第一次平面拟合，得到初始线结构光平面p1；

所述步骤5中平面拟合过程具体包括：

(5.1)令平面表示方程式中的则有zc＝a0xc+a1yc+a2；

(5.2)设拟合平面和离散点云之间的拟合程度(式中n为所用拟合平面的离散点云个数)，使用最小二乘法计算拟合值a0，a1，a2使得m值最小，故令m对a0，a1，a2求偏导，取偏导数为0处对应的a0，a1，a2的值作为最优拟合结果，即有：

(5.3)根据式(1)形成的非齐次线性方程组，将之整理成矩阵运算形式，然后计算参数值a0，a1，a2可得到：

根据公式(2)计算得到平面参数，完成平面的拟合；

步骤6、依据cr中的点到p1的距离，剔除(100-t)％距离较远的离群点，保留t％置信区间内的点，形成新的精确点云集c；

所述步骤6包括：

(6.1)计算从点云cr中的每个条纹截面中心亚像素点p1，p2，...，pn到拟合平面p1的距离，构成数据集h，由数据集h拟合出点云集中条纹截面中心亚像素点随到初始线结构光平面p1的距离的分布函数g；

(6.2)根据分布函数，可将之看作是正态分布，使用公式(式中x为初始点云集cr中点到初始平面p1距离的数据总体，μ是点云cr中的条纹截面中心亚像素点与拟合平面p1之间的距离的平均值，σ是点云cr中的条纹截面中心亚像素点与拟合平面p1之间的距离的方差，为标准正态分布在t％置信度下对应的上侧分位数)去除点云cr中远离拟合平面p1的点；

步骤7、对步骤6中生成的精确点云集c，利用最小二乘法再次进行平面拟合，得到线结构光精确拟合平面p2的平面方程，确定其参数a1，b1，c1，d1；并以精确拟合平面p2的参数作为最终激光平面参数，完成线结构光平面的参数标定。

本发明的特点和有益效果在于：

本发明提供的一种使用非特制靶标的线结构光平面标定方法，在不需要特制靶标的情况下能完成线结构光平面的标定，并满足测量系统的精度要求。

附图说明

图1为本发明一种使用非特制靶标的线结构光平面标定方法流程图；

图2为本发明实施方式以95％置信度精确化点云时的离群点分布图；

图3为当前的像素截面下的激光条纹图像灰度分布曲面的顶端像素点pt示意图；

图4为不同像素截面下的激光条纹图像中确定的激光条纹法线方向示意图。

具体实施方式

下面结合附图对本发明作进一步说明。

如附图1本发明一种使用非特制靶标的线结构光平面标定方法流程图所示，对采集的图像进行预处理后，提取骨骼图构成激光条纹点云集，然后对点云集进行精确化处理，最终拟合处线结构光的平面方程，该方法先利用统计学精确化点云集，然后使用最小二乘法(包括但不局限于最小二乘法，带遗忘因子的最小二乘法等)拟合出线结构光平面，所述的一种使用非特制靶标的线结构光平面标定方法，包括以下步骤：

步骤1、调整简易的非特制靶标的位姿，使用相机采集k(k至少为2)张非特制靶标在不同位姿下的光条投影图像；

步骤2、读取所采集的k张图像，并对每一张图像都进行灰度化、高斯滤波降噪、二值化分割处理；

步骤3、使用steger算法提取每一张预处理后的图像的亚像素级激光条纹骨骼图；

步骤4、集合k张所提取激光条纹骨骼图，并用这些骨骼图中的条纹截面中心亚像素点构成线结构光平面初始点云集cr；

步骤5、对初始点云集cr采用最小二乘法进行第一次平面拟合，得到初始线结构光平面p1；

步骤6、根据点到平面距离公式计算所构成的初始点云集cr中各个条纹截面中心亚像素点到初始线结构光平面p1的距离，构成数据集h，并由数据集h拟合出点云集中的条纹截面中心亚像素点随到初始线结构光平面p1的距离的分布函数g，该分布函数g符合正态分布；计算数据集h的平均值μ与方差σ，根据距离分布函数g，按照t％为置信度剔除点云中偏离较大的离群点，用保留在t％置信区间内的所有条纹截面中心亚像素点形成精确点云集c；

步骤7、对精确点云集c，再次用最小二乘法进行平面拟合，得到线结构光精确拟合平面p2的平面方程，确定其参数a1，b1，c1，d1；并以精确拟合平面p2的参数作为最终激光平面参数，完成线结构光平面的参数标定；

设共采集10张图像，故步骤2中k值为10，步骤3、步骤4和步骤5中需要对10张图像进行图像预处理，提取骨骼图和集合构成初始点云集；

所述步骤2包括(2.1)对图像进行灰度处理；(2.2)对灰度处理后的图像进行高斯滤波以去除噪点；(2.3)对滤波后的图像进行图像二值化处理；

其中(2.2)高斯滤波采用的卷积模板为3×3常用模板，即：

设定t值为95，故置信度为95％；

所述步骤6中包括(6.1)获得点云的距离分布函数；(6.2)根据置信度求取置信区间精确化点云；

(6.1)计算从点云cr中的每个条纹截面中心亚像素点p1，p2，...，pn到拟合平面p1的距离，构成数据集h，由数据集h拟合出点云集中条纹截面中心亚像素点随到初始线结构光平面p1的距离的分布函数g；

(6.2)根据分布函数，可将之看作是正态分布，使用公式(u0.25为标准正态分布在95％置信度下对应的上侧分位数)去除点云cr中远离拟合平面p1的点，如附图2所示。

在此说明书中，应当指出，以上实施例仅是本发明较有代表性的例子。显然本发明不局限于上述具体实施例，还可以做出各种修改、变换和变形。因此，说明书和附图应该被认为是说明性的而非限制性的。凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均应认为属于本发明的保护范围。