本发明涉及一种激光测量方法，特别涉及一种通过提高光斑定位精度和误差补偿方法实现的激光三角法高精度测量方法。
背景技术：
激光光斑中心提取的准确度直接影响最终测量结果的精度。常用的光斑中心定位的方法有灰度重心法、高斯拟合法、hessian矩阵法、圆拟合法等。灰度重心法算法简单对光斑对称性要求较低，但是精度不高且易受光斑边缘噪声的影响；hessian矩阵法精度较高但是计算量大且易受到噪声影响；高斯拟合算法精度高连续性好，但要求光斑规则。
引起激光三角测量误差的因素有很多，几何角度误差、光斑定位误差、被测物表面颜色、表面粗糙度等。目前已有很多对影响激光位移传感器精度的因素进行的研究，但是都将激光位移传感器内ccd感光元件上的光斑看为准确反映光线位置的一个理想点，对测量环境中光线在ccd上倾斜照射引起的定位误差未进行深入分析。
技术实现要素：
发明目的：
本发明提供一种激光三角法高精度测量方法，其目的是解决以往所存在的问题，该方法是一种通过提高光斑定位精度和误差补偿方法实现的激光三角法高精度测量方法。
技术方案：
一种激光三角法高精度测量方法，其特征在于：该方法是一种激光三角法高精度测量方法中包含的变阈值亚像素灰度重心提取算法，其利用梯度阈值法和高斯拟合法准确去除光斑边缘噪声区域对灰度重心法的干扰，同时又用多项式拟合插值法增强了灰度重心法的数据密度，通过提高光斑中心的定位精度来增强激光三角法的测量准确性。
由变阈值亚像素灰度重心提取算法和ccd倾角误差补偿模型两部分组成，ccd倾角误差补偿模型，通过分析激光三角法的光线路径，补偿在非最佳测量距离进行测量时产生的测量误差。
亚像素灰度重心提取算法，首先利用定义的梯度算子扫描整个图像，以每像素的r值进行梯度运算，找到图像中的最大r值梯度数值，并用最大梯度值的k1(k1<1)倍作为标识阈值，再次扫描图像，将r梯度值等于标识阈值的像素点所围成的区域命名为初步阈值区域s1，将s1内部图像保留并转化成灰度图，灰度函数为g(x,y)。在初步阈值区域s1内点拟合方程组，求解出拟合函数的极值点(xt,yt)，并将该点的灰度值标记为i。设定i的k2倍作为阈值，灰度值大于灰度标记阈值的区域定义为最终阈值区域s2，并对s2内的灰度值进行高斯滤波并对滤波后的图像进行多项式拟合插值密化，并对密化后的亚像素点采用灰度重心法求出最终光心坐标。
ccd倾角误差补偿模型：当激光测量不在最佳距离时，由于反射光线与ccd感光元件不是垂直关系，检测到的光斑中心无法反应光线中心的实际位置。当被测物表面发生位移时，光束也会发生位移，但光束位移与检测到的光斑中心位移不相等，形成激光三角测量的原理误差。通过分析激光三角法的光线路径，补偿在非最佳测量距离进行测量时产生的测量误差以提高精度。
变阈值亚像素灰度重心提取算法包括：
光斑的r值函数为f(x,y)，在点(x,y)设计以下梯度算子:
扫描整个图像，以每个像素的r值进行梯度运算，找到图像中的最大r值梯度数值。用最大梯度值的k1(k1<1)倍作为标识阈值，再次扫描图像，将r梯度值等于标识阈值的像素点所围成的区域命名为初步阈值区域s1，将s1内部图像保留并转化成灰度图，灰度函数为g(x,y)，以便在s1内进行最终阈值区域s2的确定。
对于多数激光光束，其光强分布可近似为高斯分布，取其高斯函数为
其中σ、σx、σy为待定参数
初步阈值区域s1内点的拟合方程组为
b＝ak
由于，
a的第i行为
k为待定参数向量
其中，(xt,yt)为高斯函数的极值点坐标。用最小二乘法拟合，使残差向量e的范数达到最小
||e||2＝||lng(x,y)-b||2
求解出拟合函数的极值点(xt,yt)，并将该点的灰度值标记为i。然后设定标识灰度阈值k2i，灰度值大于灰度标记阈值的区域定义为最终阈值区域s2，并对s2内的灰度值进行高斯滤波并对滤波后的图像以0.1像素为间距进行多项式拟合插值密化，并按公式
对密化后的亚像素点求出最终光心坐标(x0,y0)。
ccd倾角误差补偿模型：
当激光测量的位置不是最佳距离时，光源h与接收面不是垂直关系，检测到的光斑中心e无法反应光线中心的实际位置c，光斑边缘为点b和d。光源与接收面的垂直交点为a，距离为h。当被测物表面发生位移时，光束也会发生位移，但光束位移与检测到的光斑中心位移不相等，形成激光三角测量的原理误差。
其中，定义激光波束角
ac＝h·cotβ
当光线与ccd感光元件夹角为β时，光束位移与检测到的光斑中心位移的定位误差为δ1
当光线与ccd感光元件夹角为β+γ时，光束位移与检测到的光斑中心位移的定位误差为δ2
以此为根据建立ccd倾角误差补偿模型，当光线与ccd倾角为β时，若待测表面位移引起的光线角度变化量为γ，此时引起的测距误差δx为
其中，α为入射光线与反射光线夹角，l为物距，l'为像距
优点效果：
一种激光三角法高精度测量方法，由变阈值亚像素灰度重心提取算法和ccd倾角误差补偿模型两部分组成。其中变阈值亚像素灰度重心提取算法，通过梯度函数和高斯拟合算法设定阈值去除光斑边缘噪声区域对中心定位的影响，并用多项式拟合插值提高灰度重心法精度。建立的ccd倾角误差补偿模型可以通过分析激光三角法的光线路径，补偿在非最佳测量距离进行测量时产生的测量误差以提高精度。
附图说明
图1为ccd倾角误差原理图
图中序号说明如下：a最佳距离测量时激光的投射位置、b光斑边缘、c光斑检测到的中心、d光斑边缘、e光斑实际中心、h激光发射点。
具体实施方式
使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图1和具体实施方式对本发明作进一步详细的说明。该方法是一种激光三角法高精度测量方法中包含的变阈值亚像素灰度重心提取算法，其利用梯度阈值法和高斯拟合法准确去除光斑边缘噪声区域对灰度重心法的干扰，同时又用多项式拟合插值法增强了灰度重心法的数据密度，通过提高光斑中心的定位精度来增强激光三角法的测量准确性。
本发明所采用的技术方案是：一种激光三角法高精度测量方法，其技术要点包括：变阈值亚像素灰度重心提取算法和ccd倾角误差补偿模型。
亚像素灰度重心提取算法，首先利用定义的梯度算子扫描整个图像，以每像素的r值进行梯度运算，找到图像中的最大r值梯度数值，并用最大梯度值的k1(k1<1)倍作为标识阈值，再次扫描图像，将r梯度值等于标识阈值的像素点所围成的区域命名为初步阈值区域s1，将s1内部图像保留并转化成灰度图，灰度函数为g(x,y)。在初步阈值区域s1内点拟合方程组，求解出拟合函数的极值点(xt,yt)，并将该点的灰度值标记为i。设定i的k2倍作为阈值，灰度值大于灰度标记阈值的区域定义为最终阈值区域s2，并对s2内的灰度值进行高斯滤波并对滤波后的图像进行多项式拟合插值密化，并对密化后的亚像素点采用灰度重心法求出最终光心坐标。
ccd倾角误差补偿模型：当激光测量不在最佳距离时，由于反射光线与ccd感光元件不是垂直关系，检测到的光斑中心无法反应光线中心的实际位置。当被测物表面发生位移时，光束也会发生位移，但光束位移与检测到的光斑中心位移不相等，形成激光三角测量的原理误差。通过分析激光三角法的光线路径，补偿在非最佳测量距离进行测量时产生的测量误差以提高精度。
变阈值亚像素灰度重心提取算法包括：
光斑的r值函数为f(x,y)，在点(x,y)设计以下梯度算子:
扫描整个图像，以每个像素的r值进行梯度运算，找到图像中的最大r值梯度数值。用最大梯度值的k1(k1<1)倍作为标识阈值，再次扫描图像，将r梯度值等于标识阈值的像素点所围成的区域命名为初步阈值区域s1，将s1内部图像保留并转化成灰度图，灰度函数为g(x,y)，以便在s1内进行最终阈值区域s2的确定。
对于多数激光光束，其光强分布可近似为高斯分布，取其高斯函数为
初步阈值区域s1内点的拟合方程组为
b＝ak
由于，
a的第i行为
k为待定参数向量
其中，(xt,yt)为高斯函数的极值点坐标。用最小二乘法拟合，使残差向量e的范数达到最小
||e||2＝||lng(x,y)-b||2
求解出拟合函数的极值点(xt,yt)，并将该点的灰度值标记为i。然后设定标识灰度阈值k2i，灰度值大于灰度标记阈值的区域定义为最终阈值区域s2，并对s2内的灰度值进行高斯滤波并对滤波后的图像以0.1像素为间距进行多项式拟合插值密化，并按公式
对密化后的亚像素点求出最终光心坐标。
ccd倾角误差补偿模型：
当激光测量的位置不是最佳距离时，由于反射光线与ccd感光元件不是垂直关系(图1)，检测到的光斑中心e无法反应光线中心的实际位置c。当被测物表面发生位移时，光束也会发生位移，但光束位移与检测到的光斑中心位移不相等，形成激光三角测量的原理误差。
其中，定义激光波束角
ac＝h·cotβ
当光线与ccd感光元件夹角为β时，光束位移与检测到的光斑中心位移的定位误差为δ1
当光线与ccd感光元件夹角为β+γ时，光束位移与检测到的光斑中心位移的定位误差为δ2
以此为根据建立ccd倾角误差补偿模型，当光线与ccd倾角为β时，若待测表面位移引起的光线角度变化量为γ，此时引起的测距误差δx为
其中，α为入射光线与反射光线夹角，l为物距，l'为像距