（检测技术与自动化装置专业论文）点云的边界提取及角点检测算法研究.pdf

， c l a s s i f i e di n d e x ： u d c ： ad is s e r t a t i o nf o rt h e d e g r e eo fm e n g r e s e a r c ho nt h e a l g o r i t h m so fp o i n tc l o u d b o u n d a r ye x t r a c t i o na n dc o m e rd e t e c t i o n c a n did a t e ：y a n gx u e j i a o s u p e r vis o r ：a p c h ih a i h o n g a c a d e m icd e g r e ea p p lie df o r ：m a s t e ro fe n g i n e e r i n g s p e c i a l t y ：d e t e c t i o nt e c h n o l o g ya n da u t o m a t i c e q u i p m e n t d a t eo fs u b m i s s i o n ：d e c e m b e r ，2 0 0 9 d a t eo fo r a le x a m i n a t i o n ：m a r c h ，2 0 1 0 u n i v e r s i t y ：h a r b i ne n g i n e e r i n gu n i v e r s i t y 卜 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导下，由 作者本人独立完成的。有关观点、方法、数据和文献的引用已在 文中指出，并与参考文献相对应。除文中已注明引用的内容外， 本论文不包含任何其他个人或集体已经公开发表的作品成果。对 本文的研究做出重要贡献的个人和集体，均已在文中以明确方式 标明。本人完全意识到本声明的法律结果由本人承担。 作者( 签字) ：钧l 芬嫡 日期： 加 年弓月日 哈尔滨工程大学 学位论文授权使用声明 本人完全了解学校保护知识产权的有关规定，即研究生在校 攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨 工程大学有权保留并向国家有关部门或机构送交论文的复印件。 本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据 库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本 学位论文，可以公布论文的全部内容。同时本人保证毕业后结合 学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈 尔滨工程大学。涉密学位论文待解密后适用本声明。 本论文( 口往授予学位后即可口在授予学位1 2 个月后口 解密后) 由哈尔滨工程大学送交有关部门进行保存、汇编等。 作者( 签字) ：嘞c 驾响 日期：2 - o ( 0 年弓月lj 日 导师( 签字) ：弋沲气1 ， w ，。年乡月l 日 哈尔滨t 程大学硕+ 学位论文 摘要 尺度测量是人类认识和改造世界的基本手段之一，是现代化生产中产品 质量控制的一个关键技术。用逆向工程的方法对物体进行三维尺度测量，具 有其他方法所不具备的优点，它的主要思想是将待测物体的表面形状信息转 换成离散的点坐标数据，将被测物体数字化，从而获得物体表面特征信息。 它极大地缩短了产品的开发周期，提高了产品精度。 本文结合“现代船舶建造大尺度三维数字化测量 的开发实践，针对船 体分段模型对逆向工程的关键技术做了以下研究： 1 对采集的图像进行了滤波、分割等预处理，在分析了几种光条中心提 取方法的基础上，对极值法进行了改进，使其与遗传算法相结合来提取光条 中心，具有较好的效果。 2 采用一种基于自适应阈值法的去噪方法对获取的数据点云进行了去噪 处理。 3 针对项目中的数据，实现了经纬扫描法和网格划分法中的基于数据点 及其周围点的分布均匀性的边界提取算法，并给出了一种基于网格法和经纬 线扫描法的边界提取方法，验证了其可行性。 4 实现了基于边缘算法中的基于曲率边界的角点检测算法，根据本文的 船体分段数据点云的特点采用一种基于边缘的自适应角点检测算法，验证了 可行性。 关键词：逆向工程；光条中心提取；边界提取；角点检测 a b s t r a c t s c a l em e a s u r e m e n ti so n eo ft h eb a s i cm e a n s w h i c ha r eu s e dt ou n d e r s t a n d a n dr e f o 咖t h ew o r l db ym a n k i n d a d v a n t a g eo f t h em e a s u r i n gm e t h o d b a s e do n r e v e r s ee n 西n e 池g i st h a ti ta c q u i r e s a l le x t e m a li r a f o r m a t i o nt 1 1 r o u g h c o n v e r s i n gs 1 1 r f 如i a li m f o r m a t i o no fo b j e c t t od i s c r e t ec o r o r d i n a t ep o i n t s p r o d u c t d e v e l o p m e n tc y c l ea n dp r e c i s i o nc a l lb eg r e a t l ys h o r t e n e db y t h i sm 弛0 d a c c o r d i n gt op r a c t i c eo fm o d e ms h i p b u i l d i n gh u g es i z e 3 - dn u m e r a l m e a s u r e m e n ts y s t e m ，s u c hr ek e yt e c h n o l o g i e s t oh u l ls e c t i o nm o d e l a r e r e s e a r c h e d 1 p r e p r o c e s s t h e i m a g e s c o l l e c t e d ，s u c ha si m a g e f i l t e ra n d1 m a g e s e 卿e t a t i o n an e wc e n t r e e x t r a c t e dm e t h o d t h a tc o m b i n e sg e n e t i ca l g o r i t h mw l t h e x 仃e m 啪m e t h o di sp r o p o s e db a s e do l la n a l y z i n ga n ds u m m a r i z i n gt h ec 肼e m a l g o r i t h m s 2 d e n o i s i n gi si m p l e m e n t e dt ot h eg a i n e dp o i n tc l o u da d o p t i n g am e t h o d b a s e do i la d a p t i v e 帆s h o l d 3 g e o 鲫i l i cs c a n n i n ga n dm e t h o db a s e do nh o m o g e n e i t y d a t ap o m t s 孤d t l l e i rs u r r o u i l d i n gp o i n _ t sd i s t r i b u t e da l ei m p l e m e n t e d t os p a c i a lf l a tp o i n tc l o u d a n e wc h a r a c t 嘶s t i cb o u n d a d ，e x t r a c t i o nm e t h o db a s e do nm e s hg e n e r a t i n g m e t h o d c o m b i n e sw i t hg e o 铲印l l i cs c a n n i n gi sp r o p o s e d a n dv e r i t l e d 4 m 甜1 0 db a s e do nc u r v a t u r eb o u n d a r yi si m p l e t m e n t e d an e wa d a p t i v e c o m e rd e t e c t i o nm e t h o db a s e do nb o u n d a r y i sp r o p o s e da n di t sf e a s i b i l i t y i s v e r i f l e da c c o r d i n gt of e a t u r e so f h u l ls e c t i o np o i n tc l o u d k e yw 。r d s ：r e v e r s ee n g i n e r r i n g ；e x t r a c t i o n o ft i g h ts t r i p e sc e n t e r ；b 。蚰d a d ， e x t r a c t i o n ；c o m e rd e t e c t i o n 哈尔滨丁程大学硕十学位论文 目录 第l 章绪论1 1 1 课题研究的目的和意义1 1 2 逆向工程中数据处理的关键技术及其发展现状2 1 2 1 “逆向工程”的概述2 1 2 2 逆向工程中数据处理的关键技术及其发展现状2 1 3 论文的主要工作”5 第2 章基于结构光的数据获取技术6 2 1 数据的采集6 2 1 1 数据采集方法的分类6 2 1 2 基于结构光的三角测量原理7 2 2 图像的预处理9 2 2 1 图像滤波原理9 2 2 2 图像的平滑“9 2 2 3 图像的分割ll 2 3 光条中心提取1 3 2 3 1 光条中心提取方法介绍“13 2 3 2 基于极值法和遗传算法的光条中心的提取方法“1 6 2 3 3 实验结果比较1 8 2 4 本章小结2 0 第3 章点云数据的预处理2 l 3 1 点云的去噪平滑“2 1 3 1 1 点云的分类”2 l 3 1 2 噪声产生的原因2 2 3 1 3 点云的去噪平滑方法2 2 3 1 4 点云拓扑关系的建立”2 4 3 1 5 基于自适应阈值的去噪方法及实验结果2 7 3 2 数据点云的精简、分块和对齐“3 0 3 2 1 数据点云的精简3 0 3 2 2 数据点云分块”3 2 瘤 哈尔滨t 稃大学硕十学1 1 ) ! 论文 3 2 3 数据的对齐“3 3 3 3 本章小结3 3 第4 章点云数据的边界特征线提取3 4 4 1 空间平面边界特征提取3 4 4 1 1 经纬线扫描法”3 5 4 1 2 网格划分法”3 5 4 1 3 经纬扫描法和网格划分法相结合的边界提取方法一3 8 4 1 4 实验结果及分析3 9 4 2 空间曲面边界特征提取4 1 4 2 1 基于曲率的边界提取“4 l 4 2 2 基于切平面的边界提取4 2 4 3 点云排序4 4 4 4 本章小结4 5 第5 章点云数据的角点检测4 6 5 1 基于边缘的角点检测算法一4 6 5 1 1 基于边界链码的角点检测- 4 6 5 1 2 基于边界曲率的角点检测4 7 5 1 3 基于小波变换的角点检测”5 0 5 2 基于灰度图像变化和基于模板的角点检测算法5 0 5 2 1 基于灰度变化的角点检测算法5 0 5 2 2 基于模板的角点检测算法：”5 2 5 3 一种基于边界的自适应角点检测算法5 4 5 3 1 对基于边界的角点检测算法的改进”5 4 5 3 2 实验结果及分析5 6 5 4 本章小结5 8 结j 沦”5 9 参考文献6 1 攻读硕士学位期间发表的论文和取得的科研成果6 7 致谢”6 8 舞 哈尔滨丁程大学硕十学何论文 第1 章绪论 1 1 课题研究的目的和意义 船舶生产是一种复杂度高、工程量大的高技术密集型和劳动力密集型相 结合的生产。而产品的性能和质量很大程度上取决于零件的尺寸精度，因此 在产品的生产和装配之前需要进行必要的几何尺寸检测，以保证产品的质量、 提高船舶设计人员的分析和开发效率。 现有的测量技术还停留在拉皮尺、吊铅锤、用水管找水平的传统方式阶 段，用这些方法测量一个普通的分段就需要1 2 天的时间，如果是形状复杂 的分段需要的时间将更长。这些方法的人为因素很多，容易造成较大的误差， 将直接影响到生产的后期工作及生产周期。因此，快速、实时、非接触、高 精度的船体分段大尺度三维测量方法成为我们研究的目标。 近年来工业领域中兴起一个新的研究热点，即对零件的非接触式反求测 量技术。“逆向工程是一种起源于精密测量和质量检验的方法，近年来已发 展为一种以设备的实物为研究对象，利用c a d c a m 等先进设计技术和制造 技术来复制、仿制甚至进行新产品开发的技术手段，“逆向工程”还应用于几 何测量、几何造型、计算机视觉、图像处理和数字化制造等领域。基于逆向 工程的测量方法是“逆向工程”的一个重要应用，它是一种数字化的产品开 发方法。和传统的测量方法相比它具有其他方法所不具备的优点，它的主要 思想是将待测物体的表面形状信息转换成离散的点坐标数据，将被测物体数 字化，从而获得物体表面特征信息。它极大地缩短了产品的开发周期，提高 了产品精度。船体分段大尺度三维测量的精确性、快速性、可靠性的突破将 会给造船模式带来新的变革。 本文来源于对与渤海船舶重工合作的项目“现代船舶建造大尺度三维数 字化测量 的研究。该项目采用逆向工程和视觉测量的有关理论，以基于视 觉的数字化方法对分段船体进行数据获取，然后利用逆向工程的关键技术进 行数据处理，实现特征边界和特征点提取等工作。 尊 庸 哈尔滨t 程大学硕十学何论文 1 2 逆向工程中数据处理的关键技术及其发展现状 1 2 1 “逆向工程”的概述 “逆向工程”( r e v e r s ee n g i n e e r i n g ) ，也称反求工程、反向工程。逆向工 程起源于精密测量和质量检验，广义的逆向工程包括三个方面：1 影像反 求；2 软件反求；3 实物反求。2 0 世纪9 0 年代以来，现代计算机技术及 测试技术迅速发展，利用c a d c a m 等先进设计技术和制造技术进行实物反 求的逆向工程已成为研究的重点。 传统的设计制造流程通常是首先进行概念设计，然后实施到图样，最后 再进行产品的制造，这种制造我们称之为正向工程。而逆向工程与一般的设 计制造过程相反，是先有实物后有模型，它是一种以先进产品、设备的实 物为研究对象，从物体上采集到大量的三维坐标点，经过系统分析、研究和 处理后建立物体的几何模型，进而开发出更为先进的同类产品的技术。 1 2 2 逆向工程中数据处理的关键技术及其发展现状 点云处理是逆向工程中的关键步骤，处理结果的好坏直接影响到后续工 作的质量。数据采集的方式不同，相应地可以将测量到的数据点分为两类， 即规则数据点和离散数据点。规则数据点之间已有一定的拓扑关系，处理相 对简单，而离散数据点之间完全没有几何拓扑关系，处理起来就要复杂得多。 离散数据的预处理包括：去除噪声点、遗漏点补齐、数据平滑、数据精简、 数据分块、多视点云的对齐等憎，。 1 点云去噪和平滑滤波 一般情况下，噪声是频率特性相对较高的点，可以对这些呈现高频信号 的噪声点运用信号处理中的原理进行平滑处理。对于有序点云，目前常用的 滤波方法有高斯滤波方法、均值滤波方法和中值滤波方法。其中高斯滤波能 较好地保持原数据的形貌，中值滤波消除数据毛刺的效果较好n ，。而对于散乱 点云，目前还没有一个快速、简洁的去噪方法。 近年来国内外学者对点云的去噪问题进行了大量的研究。董晓明等提出 了一种随机滤波法，即先设定一个距离阈值，将两个连续点之间的相对位置 大于阈值的点判定为噪声点，该方法的缺点是只对随机噪声效果较好，且对 q 曩 。1 1 。_ _ _ _ _ - - - 。_ _ 。_ 。_ _ _ 。_ 。_ _ - _ - 。_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 哈尔滨t 程大学硕十学位论文 昌 点云的类型具有局限性。刘胜兰提出了平均曲率法，该方法的思想是按照顶 点在顶点法矢方向的近似平均曲率值的大小来调整网格顶点，该方法处理后 的点云具有较好的光顺性，但无法控制网格形状，易产生大量不规则三角片， 很难在保证光顺性的同时保持物体原有特征不变。李家才m ，的去噪方法中利用 数据点间的相关性和位置信息，判别出当前数据点是有用的信号点还是噪声 点，然后分别对两类数据点采取不同的处理方式。该方法能够较好地保留边 缘的效果，但很难去除大面积噪声点。 2 遗漏点补齐 在数据采集时由于物体的几何结构以及测量设备的限制，可能物体的部 分区域受到几何形状的阻碍而无法测量到，也可能在剪裁或“布尔减”运算 等过程中生成的表面凹边、孔及槽等外形特征，使得数据点云出现部分“空 白现象。对于这种部分“空白”或遗漏点的点云，可以通过数据插补的方 法进行补齐，最大限度地得到裁剪前的完整信息，使后续的模型重建工作得 以准确地实施。目前有多种应用于逆向工程的数据插补方法，常用的主要有 实物填充法、曲线、曲面插值补充法和造型设计法等。 3 数据精简 对于高密度“点云 ，存在大量的冗余数据，这些庞大的数据量不仅会增 大计算量，还会影响到曲面的光顺性，同时重构曲面的精度也会随着数据量 的增大而下降，因此需要按一定要求适当地减少点的数量，即对大量点云数 据的精简处理，。 数据精简的方法可以因“点云 类型而不同，例如散乱“点云 可采用 随机采样、均匀网格、三角网格方法- 来精简；扫描线“点云 和多边形“点 云 可采用的方法有等间距缩减、倍率缩减、等量缩减和弦高差法等；而对 于网格化“点云”可采用等分布密度法和最小包围区域法等进行数据精减。 需要强调的是，点云精简工作的结果必须在实体结构允许的误差范围内，如 果精简造成的误差过大就会使得部分有用数据信息丢失，特别是一些尖锐角、 棱线等曲率变化大的区域内数据。 4 数据分块 对于表面特别复杂、曲率变化过大的物体，即使进行了精简处理，点云 的数据量仍然很大，一般的c a d c a m 软件还是难以应付，不但重构的结果 镬 童 哈尔滨_ t 程大学硕十学位论文 不能满足精度，还要花费大量的时间。因此可以考虑把整块点云按照子曲面 类型分割成几块，将属于同一子曲面类型的数据分为一组构成一个小曲面， 然后再将多个曲面“缝合成一个整体佃，。目前常用的分割方法主要有两种： 基于边界( e d g e b a s e d ) 的分割方法和基于面( f a c e b a s e d ) 的分割方法。 5 特征线提取 一般利用点云数据进行曲面的几何模型构造，都要先知道曲面的边界信 息。对于一个曲面而言，边界不仅能够界定它的范围，也是它与其他相邻曲 面建立拓扑关系的依据。对提高重建模型的精度、增加数据压缩比有非常重 要的作用。“点云”数据的特征边界线提取已成为逆向工程中研究的关键技术 之一。 在逆向工程中，数据点云的三维空间分布不均匀，无法建立严格的数学 模型，使得“点云”数据边界线的提取成为一项较复杂的工作。近些年国内 外学者对“点云”数据边界线的提取算法已有了一些研究。a l r a s h d a n 等n o 一采 用神经网络方法，根据某点法矢方向的突变情况来判断其是否为边界点，实 现边界的自动提取。这种方法可能将一些相邻表面法矢变化较小的边界点漏 掉，提取出的边界也可能较宽而且不完整，需要进一步的细化处理。柯映林 提出的算法以点云分布密度为基本参数对点云空间进行网格划分，该算法 的优点是可以适应各种数据点云，但实现过程复杂且提取出来的边界点过多， 使边界曲线的拟合及后续的模型重建变得困难。e m e l y a n o y - 川利用贪心三角化 的方法提取曲面边界，把没有被三角形链包围的点判断为边界点。该算法要 求在三角化时要求与同一边相关联的三角形数最多为两个，这一要求增加了 计算的复杂度。 6 特征点提取 特征点是指能够表达出所在曲线特征的一系列点，包括角点、切点和拐 点。轮廓特征点是表示物体形状的最基本也是必不可少的特征基元，轮廓特 征点的作用是可以表达出曲线上的描绘物体轮廓的特征信息，并且可以根据 它实现数据分块。 目前有多种不同的对于角点的定义描述，如图像中周围灰度变化剧烈的 点、图像边界上局部曲率最大的点等，一般认为角点是两条或多条相对直线 的交点。a r o e n f e l d $ 1 1 e j o h n t o n 禾l j 用边界点前后臂夹角的余弦值作为该点的 4 羁 口 哈尔滨t 程大学硕+ 学位论文 曲率，将局部曲率最大的点划分为角点n ”。h f r e e m a n 幂i l l s d a v i s 分别计算 两连续边界点的前臂与水平轴之间的夹角，再以夹角的变化情况为依据判断 出角点，。 1 3 论文的主要工作 本课题来源于与渤海船舶重工合作的“现代船舶建造大尺度三维数字化 测量”项目的研究工作。该项目采用逆向工程和视觉测量的有关理论，以基 于视觉的数字化方法获取分段船体的数据，然后利用逆向工程的关键技术进 行数据处理。本文的主要研究内容如下： 1 利用线结构光的方式扫描船体分段，对获取图像进行预处理，并提出 一种极值法和遗传算法结合的光条中心的提取方法，验证了可行性。 2 研究了数据点云的预处理技术，包括数据去噪、平滑滤波、数据精简、 数据分割等技术，并实现了点云数据的去噪工作。 3 介绍了空间平面点云和空间曲面点云的特征边界提取方法，实现了网 格划分法中的基于数据点及其周围点的分布均匀性的边界提取算法，并提出 了一种基于网格法和经纬线扫描法的空间平面点云边界提取方法，对船体分 段模型的关键点扫描点云验证了该方法的可行性。 4 研究了三种常用的角点检测算法，对基于曲率边界的角点检测算法进 行了改进，提出一种自适应的角点检测算法，取得较好的效果。 再 曹 哈尔滨丁程大学硕十学位论文 第2 章基于结构光的数据获取技术 数据获取是逆向工程的基础，基于结构光的数据获取技术属于非接触式 地获取物体的三维信息，能够完成一些传统的测量方法不能完成的任务，如 对弹性塑性材料、重要文物等特殊目标的测量。基于结构光的数据获取技术 分为三个步骤：图像采集、图像预处理和光条中心提取。图像处理的作用是 减弱噪声对图像的干扰、增强图像上感兴趣的部分，本章中我们采用中值滤 波和阈值分割的方法对图像进行处理；光条中心的准确提取至关重要，将直 接影响到后面计算工作的准确性。 2 1 数据的采集 2 1 1 数据采集方法的分类 一般可以把三维数据采集方法分为接触式数据采集和非接触式数据采集 两大类。 1 接触式数据采集方法 接触式数据采集方法包括连续扫描数据采集、磁场法、使用基于力触发 原理的触发式数据采集和超声波法等。 ( 1 ) 触发式数据采集方法 这种数据采集方法的探头是触发式的，探头在接触到被测物体表面的同 时，探头的尖部由于受到压力的作用会发生变形，从而触发了采样开关，数 据采集系统会在开关触发的瞬间记录下此时探头尖部的坐标位置，逐点移动 探头就会获得物体表面的全部坐标数据。 ( 2 ) 连续式数据采集方法 连续式数据采集方法采用模拟量的开关采样头，采集的过程是连续的且 接触力比较小，因此速度比较快，可用于大规模数据的采集，也可以用直径 较小的探针头去接触、扫描材料较软的物体或具有细微部分的模型。 ( 3 ) 磁场法 磁场法对物体三维数据的采集是在被磁场包围的工作台上进行的，将被 测物体放在工作台上，令触针与物体接触并在物体表面上移动，触针上的传 6 前 哈尔滨t 稃大学硕十学位论文 感器感知磁场的变化，检测触针当时位置并记录下来，这种方法的优点是不 需要像坐标测量机一类的设备，但只可对非导磁性物体进行采集。 2 非接触式数据采集方法 非接触式数据采集方法主要包括激光三角形法、激光测距法、结构光法 以及图像分析法等，都是运用光学原理进行。 ( 1 ) 激光三角测距法 在逆向工程的曲面数据采集方法中，激光三角测距法是运用得最广泛的 一种方法，它具有以下特点： 探针不与样件接触，可以采集松软材料的表面，且无需探头补偿，对 表面尖角、凹位等复杂轮廓的测量有较好的效果。 数据采集速度很快，可以在c m m 或数控机床上用很短的时间完成对 大型物体表面的采集。 价格较贵，对光照情况有要求，对垂直壁等进行测量时会因表面杂散 反射而影响采样精度。 ( 2 ) 结构光法 向被测物体表面投射一定模式的光，然后通过接收装置采集到反射光的 图像，再根据不同模式之间的差别来获取物体表面上点的位置。根据光束投 射装置所投射的光束模式的不同，可以将结构光分为点结构光、线结构光、 多线结构光及网格结构光等“”。结构光法的优点是不需要坐标测量机等精密 设备，造价低；但是操作复杂，且精度较低。 ( 3 ) 距离法( r a n g em e t h o d s ) 距离法具有较高的测量精度，它首先假设一个参考平面，然后根据光束 从参考平面到被测物体表面的飞行时间来计算这段距离，工作方式主要有脉 冲波、调频连续波、调幅连续波等，多采用单向性好的激光为能量源。 2 1 2 基于结构光的三角测量原理 我们测量的对象是船体分段截面，具有很大的测量面积，且这些表面点 基本位于一个平面内，这就需要一个可以连续、密集地采集大量数据的测量 系统。结构光视觉检测方法相对与其他方法有自己独特的优点：1 数据获取 快速快；2 数据量大，精度高：3 主动性好，适合于任何工作环境；4 全数 7 一 i 字性，便于传输、加工。结构光根据照射系统所投射的光束模式的不同，可 分为点结构光、线结构光、多线结构光、网格结构光、灰度编码、彩色编码 及二进制编码等模式“”。线结构光法比点结构光法测量的信息量大得多，然 而其复杂性仍保留在点结构光的水平，因此线结构光三角测量法成为我们测 量系统中的最终选择，线结构光的投影原理如图2 1 所示。 基线 图2 1 线结构光投影原理图 结构光三角测量的基本思想是用激光投射器在空间中投射出一个激光光 条，光条随着被测物体表面的起伏变化及曲率变化而扭曲变形。采用c c d 摄像机在另一位置接收激光的反射能量，根据光点或光条在物体上成像的偏 移，通过被测物体的基平面、像点、像距等之间的三角几何关系计算被测点 的距离及位置坐标等数据- - 卧n ”，如图2 2 所示。 图2 2 结构光三角测量法 哈尔滨t 程大学硕士学何论文 图2 2 中点p ( x , y ，z 1 为物体表面上某被测点；其在c c d 摄像机中的对应 的成像点是p ，p 在以镜头中心为原点的图像坐标系中坐标为( “，v ) ：6 为基 线，是摄像机中心与光源中心的距离；厂是摄像机的焦距；曰是被测点与光 源中心的连线与x 轴的夹角1 1 9 o 由该图所示的几何关系导出被测点p 的三维 坐标值( x ，y ，z ) 为： f 丝一， 丝 ， 笪 1 ( 2 1 )、 , f c o t o u f c o t 8 一“f e o t o u j 2 2 图像的预处理 2 2 1 图像滤波原理 在图像获取时，不可避免的会受到各种各样的不希望有的噪声干扰，导 致我们实际采集到的图像可能是一幅退化了的或者已经被噪声污染了的图 像，这样的图像不利于我们对其进行特征信号的提取，因此应当在对获取的 图像进行去噪之后再进行后续工作，避免后续工作受到噪声的影响。图像滤 波的目的在于消除原始图像中的各种干扰噪声，增强识别信号，提高图像的 分辨能力的同时尽量避免图像边缘变得模糊，是后续处理的准备工作。 在一幅图像中选取邻域大小为( 2 n + 1 ) x ( 2 n + 1 ) 的方形窗口，力为正整数， 用2 2 式估算出以像素点( x , y ) 为中心的( 2 n + 1 ) x ( 2 n + 1 ) 窗1 2 内的灰度均值 m ( 五y ) ： 吼2 南，暑，量巾，) ( 2 - 2 ) 计算点( x , y ) 处的新灰度值： f ( 工，y ) = 吼( 毛y ) + 七 厂( x ，y ) - m 。( x ，y ) ( 2 3 ) 式中，k 为新的局部标准差与原标准差的比值。七 l 时，图像得到锐化， 相当于对图像进行了高通滤波：七 l 时，图像被平滑，相当于对图像进行了 低通滤波；k = o 为极端情况，f 。( x ，y ) 等于局部灰度均值m 。( x ，y ) ，图像没有变 化。 2 2 2 图像的平滑 哈尔滨丁稗大学硕十学位论文 噪声使图像变得模糊，甚至会淹没一些重要特征。平滑滤波器的作用就 在于消除混杂在图像中的噪声信号，减少图像灰度的“尖锐”变化，改善图 像质量，提高后续工作的精度。噪声的种类由于来源的不同也有很多种，不 同种类的噪声有各自不同的性质，对其消除要有针对性地采用不同的方法。 常用的方法中既有在空间域的也有在频域里进行的，但都可以归结到滤波的 概念中，分为线性滤波、非线性滤波和混合滤波等。 1 线性滤波消除噪声 噪声具有随机性，在空间里的变化比较快，所以要选择可以减弱或能够 消除图像中的高频分量的平滑滤波方法来消除噪声。最基本的两种空间平滑 滤波方法是邻域平均法和加权平均法。 邻域平均法的基本思想是用周围几个像素的灰度平均值代替该像素的灰 度值。邻域平均法虽然对图像有明显的去除噪声、平滑的效果，但同时它也 会使图像边缘变得模糊，并且随着选取邻域的增大，图像的模糊程度也更加 严重。 加权平均法的模板一般会把中心的系数取得比较大，而周围的系数比较 小。在实际的图像处理中，为了使便于计算通常会设模板系数为整数，则将 模板周围最小的系数设为l ，内部系数大于l ，中心的最大。 线性滤波存在着几点不足：( 1 ) 对脉冲型噪声滤波效果较差；( 2 ) 对图 像的边缘造成模糊；( 3 ) 需要一个在某些应用中很难满足的约束条件，即要 求具有信号的先验统计知识。 2 非线性滤波消除噪声 中值滤波是一种典型的抑制噪声的非线性处理方法，它也依靠模板来实 现。中值滤波器的主要思想是将滤波后某像素的灰度值用该像素邻域中所有 像素灰度的中值来代替。在什么样的几何空间中取元素及在多少个元素中求 中值分别由窗口的形状和大小决定，窗口大小和形状的选择对滤波效果有很 大的影响。 在一维的情况下，给定1 d 信号序列f ，- ，= 1 ，2 ，n ，则滤波输出为： g ，= m e d i a n i 乃一，乃一r + l ，乃，乃+ ，l ( 2 - 4 ) 式中，m e d i a n 代表取中值。对于一维数组来说，中值就是将这组数值从 l o i 囊 曹 哈尔滨下稗大学硕十学何论文 大到小排序后位于中间位置的值。例如一窗e 1 中的采样为彳，五，厶川，排序 后为z ”石：) 彳：，+ ，则本次采样的中值就是彳川，如果将z ，记为第i 阶统计， 那么中值就是r + 1 阶统计。 一个二维中值滤波器的输出可写为： ，力= m ，) i e d i a 吲n 加，l 【) 】 ( 2 5 ) 其中( x ，y ) 为( 五y ) 的邻域，与模板尺寸对应。对一个所用模板尺寸为 刀”的中值滤波器，其输出值应大于等于模板中f 玎2 0 2 个像素的值，又应 小于等于模板中( 门2 1 ) 2 个像素的值。二维中值滤波的窗口形状和大小对滤 波效果也有很大的影响，视不同的内容和要求而定。 中值滤波法运算简单，易于实现，对孤立的噪声像素特别是对椒盐噪声 有很强的消除能力：和邻域平均法相比，低通滤波效果较好，滤波后仍能保 持较清晰的轮廓，具有既能消除噪声又能保持图像细节的特点。但同时，中 值滤波算法存在两点不足：1 对短拖尾的均匀分布噪声抑制能力较差；2 对 于非负相关的正态非白随机噪声方差的降低能力与均值滤波法相比约在 0 6 4 - 1 之间。 2 2 3 图像的分割 所谓的图像分割就是把构成图像的各个要素即像素进行分类，把图像划 分成灰度、纹理、颜色等各具有特性的区域，并把感兴趣的部分或目标从图 像中提取出来的技术和过程。 图像分割常用的一种方法是阈值分割，如图像二值化。对原始图像经过 一系列的预处理之后就可以进行二值化分割了，通过对图像的二值化处理， 可以把图像中的光条部分凸显出来，且可较精确地获取光条的边缘信息。二 值化方法其实是一种区域分割，在本文中的作用是将图像中的结构光条和背 景区分开来，在二值化后的图像中白色代表光条，黑色代表背景区域。 我们可以将仅包含目标和背景两种主要灰度区域的图像的直方图近 似的看成这两种灰度的单峰密度函数之和p ( z 1 ，则只要知道了密度函数的 形式，就可以确定一个阈值将两个主要区域以最小的误差分割开来。设一幅 图像的混合概率密度是： 哈尔滨t 程大学硕十学位论文 比m 州小酬垆击唧 _ 咩i + 去e 印 - 咩卜z 删 式中，“和心分别是背景和目标区域的平均灰度值；q 和吼分别是均 值的均方差；鼻和最分别是背景和目标区域灰度值的先验概率。 p ( z ) o 迪p k 2 ( z ) 。 t z 图2 3 阈值选取示例 如图2 - 3 所示，假设“ ， 则认为只是应当剔除的“坏点 。需要注意的是选取的首尾点必须为有用数据 点，否则将会剔除掉大量有用的数据点。 a 图3 2 曲线检查法原理图 3 弦高差法 弦高差法又称偏差过滤法，对于任意点易，连接该点的前后两点只一，和p + 。 得到弦赢，如图3 3 所示，计算点p 到赢的距离曩： 曩= l 鼻一最- 一量星二丢铲( 只+ 。一只) i ( 3 1 ) 将距离髓大于给定允差的点判断为孤立点，将其剔除后计算下一点， 否则直接计算下一点。 只 、 包 图3 3 弦高差法原理图 弦高差法适合于分布均匀且较密集的数据点云，但在曲率变化较大的情 况下有可能去除掉有用的特征点啪，。 3 1 2 2 点云的平滑滤波方法 平滑滤波是点云去噪中常用的一种方法。点云平滑滤波算法通常有标准 哈尔滨t 稗大学硕+ 学位论文 高斯滤波、平均滤波和中值滤波三种。以图3 4 ( a ) 中所示的原始点云数据为 例，分别介绍三种滤波算法： 1 高斯滤波器算法在指定域内的权重为高斯分布，滤波效果如图3 4 ( b ) 所示，这种算法对数据的平均效果较小，因此在用高斯滤波算法滤波后，原 点云数据的形貌仍能较好地保持； 2 平均滤波的方法对每个数据点计算其滤波窗口中所有数据点的统计平 均值，然后用该平均值去替换当前数据点。滤波效果如图3 4 ( c ) 所示，滤波 效果较为平均，但容易丢失表面细节； 3 中值滤波器与平均滤波器不同之处在于，用来替换采样点值的是滤波 窗口内所有数据点的统计中值，效果如图3 4 ( d ) 所示，该滤波器对数据中毛 刺的滤波效果较好，。 a 原始数据 o ，n i 弩 c - 平均滤波效呆 图3 4 三种常用的平滑滤波方法 3 1 4 点云拓扑关系的建立 后面要用到数据点的单位法失、微切平面及曲率值等信息对散乱数据进 行精简、分块、特征提取等工作，而这些信息的计算需要用到数据点的k 近邻 点。国内外许多学者针对k 近邻点的计算方法进行了研究。钱锦锋在文献 2 9 中通过建立数据点的b s p 树来计算该点的k 近邻点，但是建立三维b s p 树结构 本身就是一个很复杂的过程。文献 3 0 3 1 利用v o r o n o y 图来搜索k 邻近点， 2 4 令髁，) 织月弩| l | ，t 蒲 o 、擞 ，鳓 瓤一 、|o 帅 哈尔滨丁程大学硕十学仲论文 i i | 宣i 暑i 皇目薯i | 但是点集v o r o n o y 图的计算量非常庞大。常用的一种计算k 近邻点方法是穷举 法，该方法中由于每个点的k 近邻计算都必须进行点群集合的全局搜索，消耗 大量的建模时间，所以需要先建立点云之间的几何拓扑关系，这样在计算k 近邻时的可以减小搜索范围，提高密集散乱点云的几何建模速度。下面介绍 几种主要的拓扑关系建立方法： 1 k d t r e e 法1 3 2 1 ”j 汹 k d t r e e 法是一种便于对空间中点进行搜索的数据结构，通常用来查找距 离最近的两点。k d t r e e 法通过空间划分使k 近邻点的搜索从小的空间区域开 始，逐渐展开到大的空间区域。这种数据结构具有分布均匀的特点，对空间 中最近点的搜索的效率可以很好地提高。该方法的缺点是，面对数据量达到 百万级以上的海量点云时，需要极长的时间来构建k d t r e e ，从而使得对每个 点求邻域也要花费大量时间。 2 栅格算法m h 圳 栅格算法又称空间单元格法，它是一种基于包围盒的方法。“点云空间 栅格划分的步骤如下： 步骤1 将所有点云数据的坐标点存入一个一维数组中，同时分别找出数 据点集中点的x ，y , z 坐标的最小值与最大值，记为 “如，“矗j 圪舻圪双，z m ”。建立包围盒时为了避免计算包围盒边缘数据时 产生误差，可以将包围盒向外扩大一定距离t o l 。从而形成一个能够包围所 有数据点的各边与坐标轴平行的长方体包围盒。 k i i l = k i 。一t o l x 懈= x 眦一t o l 。= 匕i 。一t o l 圪戤= 匕戤一砒 z 。i 。= z m j 。一t o l z o 舣= z 眦一t o l ( 3 - 2 ) 步骤2 分别沿着各坐标轴方向将长方形包围盒进行划分，间隔的距离视 数据点的分布密度而定，将其分为多个小立方体单元。每个数据点是与一个 小立方体单元对应的，且每个小立方体对应一个线性列表，将每个数据点的 序号输入到该点所在的立方体栅格的线性链表中。 2 5 哈尔滨_ t 稃大学硕十学何论文 步骤3 k 邻近的计算。立方体单元和数据点之间非一一对应的关系，一 个数据点只可能存在于唯一的一个立方体单元中，而一个立方体单元却可以 存放多个数据点。但是尽管立方体栅格的边长取得很大，数据点的k 近邻点 都有存在于该栅格之外的可能，所以在搜索任意数据点p 的k 近邻点时，应 该不仅在点p 所在的栅格中搜索，而是首先根据点p 的序号找到该点所在的 栅格的索引号( “，j i ) ，然后找到索引号为i i ，1 和k l 的栅格单元，在这 些栅格单元和索引号为( f ，_ ，七) 的2 7 个栅格中搜索与p 距离最近的k 个点。 在这种算法中，步骤2 中对立方体栅格进行划分时小立方体边长的选取 是十分关键的，栅格选取太小，会产生很多不包含数据的空栅格，太大的话 又使缩小搜索范