一种视觉测量目标中心亚像素定位方法技术

本发明专利技术公开了一种视觉测量目标中心亚像素定位方法，即一种边缘模糊中心过饱和状态的目标光斑高精度中心定位方法，解决了离焦成像系统无法使用边缘拟合中心定位算法，以及高斯曲面拟合无法准确拟合过饱和光斑的问题。本发明专利技术通过对目标光斑边缘区域准确定位并筛选，得到中心过饱和光斑的有效计算区域，采用高斯权重函数与距离权重函数相复合，得到每个有效像素对中心定位提供的影响因子，根据加权质心定位算法的思想，结合像素影响因子计算得到目标中心定位。本发明专利技术精度高，抗干扰能力强，受噪声影响小，适用于多种视觉测量环境。适用于多种视觉测量环境。适用于多种视觉测量环境。

【技术实现步骤摘要】
一种视觉测量目标中心亚像素定位方法


[0001]本专利技术涉及计算机视觉、视觉测量
，具体为一种视觉测量目标中心亚像素定位方法，实现了针对目标边缘模糊且亮度饱和情况下的高精度中心定位。

技术介绍

[0002]目标中心定位算法被广泛应用于机器视觉中的三维重建、视觉测量和航空航天器姿态测量等诸多领域。目标定位的准确程度对最终测量结果起到了决定性的作用。在视觉测量中，常用的目标有以下三种：红外主动光源、人工逆反射标志和被测物形貌特征点。红外主动光源以其独有的稳定性和良好的抗干扰能力，被广泛的使用于各种视觉测量系统中。本专利技术主要针对红外光源图像目标中心定位时遇到的亮度饱和问题，提供一种基于目标光斑边缘区域计算目标中心亚像素坐标的方法。
[0003]当前，视觉测量领域的目标识别主要分为两大类。
[0004]第一类是基于边缘信息的椭圆拟合方法，该方法适用于对焦成像系统中的人工逆反射标志目标中心定位。这一类测量系统实时性差，对于10米以上的大型工件只能采用离线测量，且逆反射标志受环境光影响严重，不适于户外测量。基于边缘的中心定位算法在实际应用中存在以下不足：1)测量前的准备工作及测量完成后的清理工作复杂；由于使用人工逆反射标志，所以在测量前要将反射标志粘贴于被测工件表面，为了保证测量精度，往往与要大量的反光标志。这同时为测量完成的清理工作带来了很多麻烦。2)应用场景受限；若要达到工业测量级别的精度，就需要保证目标边缘成像清晰且稳定，这就使得测量只能在室内相对稳定的环境中进行。3)测量过程非常耗时；为了保证成像清晰，拍摄距离通常保持在3至5米范围，对于大型工件就需要测量人员从不同角度拍摄成百上千的图像，以得到理想精度的测量结果。4)抗干扰能力差；人工逆反射标志的成像受环境光影响严重，并且拍摄角度过大也会导致成像不清晰。
[0005]第二类是基于目标灰度分布进行拟合，主要包括灰度质心法、加权灰度法、高斯曲面拟合法等算法。基于灰度分布的方法多在离焦成像系统中使用，所用的目标为红外主动光源。这一类测量系统可在线测量超大型工件，且能够应对复杂的室外测量环境。基于灰度分布的中心定位算法也存在这以下不足：1)目标光斑亮度难统一；测量过程中不同目标之间距离远，导致相同曝光下成像的亮度不同，容易出现远处目标亮度太小的同时近处目标亮度过高导致成像过曝，从而使得目标中心定位不准确。2)灰度分布要求高；基于灰度的方法在定位时所有的信息均来自像素灰度分布，同一个目标，灰度分布轻微变化有可能导致中心定位结果差别非常大。

技术实现思路

[0006]本专利技术目的是提供一种边缘模糊中心过饱和状态的目标光斑高精度中心定位方法，用于解决离焦成像系统无法使用边缘拟合中心定位算法，以及高斯曲面拟合无法准确拟合过饱和光斑的问题。
[0007]本专利技术是采用如下技术方案实现的：
[0008]一种视觉测量目标中心亚像素定位方法，包括如下步骤：
[0009]步骤一、确定目标光斑兴趣区域。
[0010]步骤二、采用双调和插值方法对兴趣区域进行像素细分，所采用的插值公式为：
[0011]I
p
＝G
p
W
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0012]其中，下标p为所求插值点编号；式(1)中G
p
为1
×
k阶格林函数矩阵，计算公式为：
[0013]G
p
＝[d
01 d
02 ... d
0k
]ꢀꢀꢀꢀꢀꢀ
(2)
[0014]式(2)中的元素d为插值核函数，具体计算公式为：
[0015][0016]式(3)中式(1)中W为权值矩阵，计算公式为：
[0017]W＝G
‑1Z
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0018]其中，Z为k
×
1阶属性向量，由所有像素值组成Z＝[z
1 z
2 ... z
k
]T
[0019]G为k
×
k格林函数矩阵，如：
[0020][0021]式(5)矩阵中的元素d计算公式如式(3)；
[0022]将式(2)至式(5)代入式(1)中计算出插值点的像素值。
[0023]步骤三、首先使用Sobel算子得到所有像素x方向和y方向的梯度和幅值；若某像素梯度幅值在其法向上为极大值，则判断该像素为边缘像素，否则置零；记边缘像素坐标为(x
i
,y
i
),i＝1,...,k，然后根据如下公式计算每个边缘像素的补偿值：
[0024][0025]其中，i为选定的边缘像素索引号，|g
x
|和|g
y
|表示x方向和y方向梯度值，||g(x,y)||为像素(x,y)的梯度幅值；将式(6)得到补偿值与边缘像素坐标相加得到亚像素边缘坐标(x
i
+η
x
,y
i
+η
y
)，这些点是目标光斑边缘区域梯度变化最大的位置。
[0026]步骤四、对步骤三中得到的边缘点椭圆拟合，然后选取[0.9r
max
,1.1r
max
]范围内的像素组成待选像素集合{PixelTBS}。
[0027]步骤五、对目标光斑兴趣区域的灰度值进行灰度投票统计，得到灰度值统计数列{GrayStatic}。
[0028]步骤六、对步骤五中得到数列{GrayStatic}求导，并根据如下约束选取最大统计值对应的灰度值I
max1
和第二大统计值对应的灰度值I
max2
：
[0029]|I
max1
‑
I
max2
|＞150
ꢀꢀꢀꢀꢀꢀ
(7)。
[0030]步骤七、在步骤六筛选得到的I
max1
和I
max2
附近找统计数量百分比大于1％的灰度值，分别与I
max1
、I
max2
组成背景阈值数列{Th_Background_GrayValues}和中心区域阈值数列{Th_Center_GrayValues}；采用如下计算公式得到背景阈值和中心区域阈值：
[0031][0032]步骤八、对步骤四中得到的待选像素集合{PixelTBS}使用步骤七得到的两个阈值进行筛选，所有在阈值范围内的像素(Th_Ibg＜I
m
＜Th_Icen)组成集合{Valid_Pixel}，参与后续中心坐标计算，而不在阈值范围内的像素灰度值置零。
[0033]步骤九、利用步骤八中有效像素{Valid_Pixel}与步骤三中使用公式(6)计算得到的边缘点在梯度方向的距离计算每个有效像素的距离权重因子W
di
(i＝1,...,k)；距离权重因子的计算公式为：...

【技术保护点】

【技术特征摘要】
1.一种视觉测量目标中心亚像素定位方法，其特征在于：包括如下步骤：步骤一、确定目标光斑兴趣区域；步骤二、采用双调和插值方法对兴趣区域进行像素细分，所采用的插值公式为：I
p
＝G
p
W
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，下标p为所求插值点编号；式(1)中G
p
为1
×
k阶格林函数矩阵，计算公式为：G
p
＝[d
01 d
02
...d
0k
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)式(2)中的元素d为插值核函数，具体计算公式为：式(3)中式(1)中W为权值矩阵，计算公式为：W＝G
‑1Z
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中，Z为k
×
1阶属性向量，由所有像素值组成Z＝[z
1 z2...z
k
]
T
G为k
×
k格林函数矩阵，如：式(5)矩阵中的元素d计算公式如式(3)；将式(2)至式(5)代入式(1)中计算出插值点的像素值；步骤三、使用Sobel算子得到所有像素x方向和y方向的梯度和幅值；若某像素梯度幅值在其法向上为极大值，则判断该像素为边缘像素，否则置零；记边缘像素坐标为(x
i
,y
i
),i＝1,...,k，然后根据如下公式计算每个边缘像素的补偿值：其中，i为选定的边缘像素索引号，|g
x
|和|g
y
|表示x方向和y方向梯度值，||g(x,y)||为像素(x,y)的梯度幅值；将式(6)得到补偿值与边缘像素坐标相加得到亚像素边缘坐标(x
i
+η
x
,y
i
+η
y
)，这些点是目标光斑边缘区域梯度变化最大的位置；步骤四、对步骤三中得到的边缘点椭圆拟合，然后选取[0.9r
max
,1.1r
max
]范围内的像素组成待选像素集合{PixelTBS}；步骤五、对目标光斑兴趣区域的灰度值进行灰度投票统计，得到灰度...

【专利技术属性】
技术研发人员：刘迪，
申请(专利权)人：山西支点科技有限公司，
类型：发明
国别省市：