隧道断面人工标志点中心坐标提取

隧道断面人工标志点中心坐标提取

1标志点坐标提取使用普通相机在隧道段进行短距离摄影和测量时，有效提取路段信息是关键。采用人工设立标志点,简单方便,可实施性强。但随着测量环境的不同,标志点的物理特性,如形状和尺寸,直接影响影像的量测算法和精度;标志的光学特性,如反光性能,直接影响影像的质量,从而间接影响测量的精度。隧道量测的图像受环境影响很大,所以采取合适而有效的算法来提取标志点的坐标更是非常关键的过程。本文在比较各种传统标志点的基础上,提出了适合隧道环境的圆形回光反射标志,并通过滤波、灰度变换、求梯度和结合图像形态学的方法,提取出标志点,采用椭圆的最小二乘拟合法,自动识别出圆形标志点中心的坐标。2隧道断面的影响因素在近景摄影测量中,人工标志作为被测量的特征点起着重要的作用。为了满足不同的测量任务和测量环境的需要,国内外的学者和测量工作者设计出各种不同类型的标志。在近景摄影测量中,使用过传统的人工标志有如下图1几种:在隧道断面测量中,由于隧道环境比较复杂,所以影响隧道断面图像的因素比较多。如隧道光线较暗,使标志点与背景的对比强度较小;而易散光,有灰尘会导致图像噪声等等。所以在设立人工标志点时必须考虑如下因素:1)图像应该足够清晰图像清晰度高将使图像中的边缘、亮点等梯度较大的高频成分得以保留,模糊图像中许多关于边界的信息会丢失。2)设置的标志点与背景梯度变化不应过小若要从背景中精确地将标志点与背景分离开来,标志点和背景的灰度梯度必须足够大。3)尽量避免大量的图像噪声噪声的产生在图像中是不可避免,但必须采取措施使图像中的噪声降低到最大可能。综合以上各个因素,本文设计的标志点为采用回光反射材料制作而成的圆形回光反射标志,标志的内圈采用白色的回光反射材料,外圈则采用黑色材料,由于回光反射材料的反射系数很高,在同等光源的照射下,其反射亮度较普通白色标志高出数百倍乃至上千倍。3基于vc++的标志提取算法实现背景与标志的边缘在标志图像的识别中首先需要确定人工图像标志的边缘,然后根据边缘对图像进行判断,最后再进行识别。经典的边缘算法认为边缘主要表现为图像局部特征的不连续性,从而关于边缘检测算子的研究主要集中于灰度图像梯度的研究。经典的一阶微分边缘检测算子主要有:Sobel算子、Robert算子、Prewitt算子和Kirsch算子,二阶有Laplace算子、LOG算子等等。这些算子简单易于实现,实时性比较好,但他们共有的缺点就是对噪声比较敏感,抗干扰性能差,边缘不够精细。而在实际图像中噪声的存在是难免的,Sobel算子常常会形成边缘不闭合区域,而其他一些算子,像二阶Laplace算子又往往会形成双边界。Canny于1986年提出了基于最优算法的边缘检测算子,具有很好的信噪比和检测精度,因而被广泛应用。然而传统的Canny算子计算量大,实时性较差,并且检测边缘的精度仍然没有达到单像素级;在实际处理中受到各种干扰因素的影响,仍然会存在部分虚假边缘,因此在具体的应用上还存在一定的局限。隧道在开挖过程中,存在光线较暗,背景与标志的对比度差,灰尘多,易散光等等一系列影响因素,尽管采取了一定的措施,但在摄取的图像中仍然存在不少的噪声。如果利用经典的边缘提取算子或传统的Canny算子都不能够很好地实现标志点提取。本文在综合以上算法的基础上,提出了一套适合隧道标志提取的算法,并通过VC++编程实现。具体实现如图2所示:(1)利用高斯平滑来平滑图像以去除噪声,高斯平滑算子为:其中x,y是图像坐标,σ为关联的概率分布标准差。之后再利用图像与高斯算子G(x,y)做卷积。(2)将平滑后的图像进行灰度变换,因为灰度图像比彩色图像更加容易进行计算,这样会在不影响提取效果的同时,有效地降低了运算量。本文中采用的转换标准是根据原来图像中的RGB3个分量按0.39、0.50、0.1的权重来分配的。(3)对灰度图像进行梯度变换,本文利用Sobel算子进行梯度变换,经过梯度变换后的图像,标志点的边缘的部分更加突出了。(4)对求取梯度后的图像进行二值化处理,由于在求取梯度之后,图像的边缘部分虽然显示出来了,但是仍然存在轮廓不是很清晰,如果进行标志中心点的提取将会产生较大的误差。二值化的图像只有两中颜色(黑色和白色),本文采用自动阈值法对图像进行判定。(5)利用图像形态学中的图像膨胀的方法对二值化后的图像进行处理。由于我们关心的是提取完边缘后,对标志中心点坐标的提取,所以膨胀后边缘的略微均匀变大是不会对标志中心点坐标的提取有任何影响的,而且会使整个图像显得更加平整,更加明显。图像的膨胀属于图像形态学的内容,具体实现的时候,要根据需要来设定膨胀条件,本文中采用四方向判断的算法,即当前点的上下左右有一个点的颜色是白色时,就把当前点的颜色填充成白色。(6)对图像进行边缘提取。采用“非最大抑制”算法寻找图像中可能的边缘点,最后通过双门限值递归寻找图像的边缘点。边缘提取的主要性能决定于双门限递归中两个阈值h1和h2的设定,高阈值h2控制着在梯度图中作边缘检测的起始点的性质,h2值越小,保留的边缘信息就越多,得到的目标边缘就越精细,但是混杂的伪边缘也会增多;低阈值h1控制着本次检测的终止点性质,h1越小,保留的边缘信息就越多,边缘越连续,随着h1的增加,可视的目标边缘特征越少,边缘出现断裂。选取合适的h1和h2对边缘提取有着重要的意义。(7)图像边缘的细化,由于上步提取出的边缘可能存在非单象素边缘,利用边缘细化的操作,可以实现单象素边缘的求取。4椭圆中心坐标目前,在对圆形人工标志图像中心高精度定位的算法中,主要有二值图像质心法、灰度加权质心法,由于圆形标志经透镜成像后会变成椭圆形,所以又可以用椭圆的最小二乘拟合法等。这几种拟合方法都实现了亚像素的精度,完全可以满足中心坐标提取的要求。本文采用椭圆的最小二乘拟合法。平面椭圆的一般方程为:椭圆拟合可求得椭圆方程的5个参数B、C、D、E和F,椭圆中心坐标计算公式如下:为了抑制图像噪声的影响,从而提高定位精度,对边缘进行两次拟合。第一次拟合后,计算每个边缘点的残差,将残差较大的点(残差大于2倍验后单位权中误差)去除掉,再对剩余点进行第二次椭圆拟合。5建立模拟计算仿真模型为验证本系统的精度及可行性,共进行两组实验,一是利用计算机仿真圆和椭圆,对理想边缘加入高斯噪声模拟计算;二是用数码相机拍摄的实际人工标志图像,通过选取不同的高斯平滑参数σ值进行处理计算。5.1算法的精确性实验本文用计算机生成了一个圆和一个椭圆,圆形直径为150pixels,理论圆心坐标为(310.500,280.500),椭圆长半轴长138pixels,短半轴长121pixels,理论中心坐标(425.500,375.500),由于在实际情况下噪声的比例是未知的,本文用计算机给图像加入不同比例的高斯噪声,其结果与理论中心相比较来验证算法的稳定性和精确性。下表一为实验数据:表一中圆形标志中心提取X坐标均方根误差为0.011,Y坐标均方根误差为0.009,椭圆标志中心提取均方根误差X坐标为0.013,Y坐标为误差均方根0.013。圆的中心点坐标偏差为0.014pixels,椭圆中心点坐标偏差为0.018pixels。由表中数据可以看出,在相同噪声的情况下,对椭圆标志定位的精度要比对圆形标志的定位精度略低。本系统即使在噪声达到18%时,对仿真圆和椭圆的定位精度均优于0.02pixels。实验图像如图4所示:5.2圆形回光反射对同一张图像来说,噪声量是固定的,我们通过对同一张图像取不同的高斯平滑参数σ,来检验系统对标志点中心的定位精确性与稳定性。实验采用数码相机(CannonpowershotA710)对圆形人工回光反射标志拍摄,产生椭圆形影像。下表二为实验数据:表二中标志中心点定位精度为像素0.038pixels,与表一比较定位精度稍低。均方根误差较大的原因是由于σ不同,经过高斯滤波后得图像会产生不同程度的边界模糊。因此对提取的边缘会产生不同程度的影响,从而影响拟合后椭圆中心定位精度,在实际测量中图像的处理应当采用相同的σ值进行计算,如取σ=2。实验图像如图5所示:6基于隧道断面测量的标志点及其测量算法本文对隧道断面测量中人工标志点的设定与识别作了深入的研究。在细致地研究各种标志点提取算法的基础上,充分结合图像形态学的知识来对图像进行处理,提出了一套适合隧道断面检测的标志点及其测量算法,并用VC