结构光截面轮廓测量中激光条纹的处理.pdf

年 月
第 33 卷 第 16 期 计 算 机 工 程 D reconstruction successfully.
【Key words】laser stripe; threshold segmentation; neural network; thinning
机器的视觉系统对于景物认识的初级阶段是形状，图像 背景图像和条纹图像做差求得差图像，再对差图像进行操作
经过边缘提取和图像等操作，得到景物的边缘和区域，即获 采用迭代求取阈值的方法计算阈值。具体过程如下：
取了景物的形状，给出景物形状信息的概念有 3 种方式：(1) (1)求取差图像。若将条纹图像中第m行第n列像素(m,n)
经过分割处理后的区域；(2)图像经过边缘提取后的边界；(3) 的灰度值记为ZB(m,n)，差图像中对应的点的值记为ZC(m,n)，
区域的骨架。在图像上区域和骨架提供了形状信息，人们视 二值化后图像中对应点的值记为ZE(m,n)。图 1(a)是背景图像，
觉系统关心的是其形状，其灰度信息则让位为次要地位，所 图 1(b)是打上光条纹的条纹图像，图 1(c)是差图像。
以，对于结构光截面轮廓测量系统来说，对条纹图像进行特
征提取是研究的关键[1]，本文提出一种针对结构光测量中激
光条纹处理的阈值分割方法，对采集到的激光条纹图像进行
阈值分割得到二值激光条纹图像，然后对二值激光条纹图像
(a)背景图像 (b)条纹图像 (c)差图像
滤除噪声，最后采用基于神经网络的细化算法完成对激光条
图 1 取差图像
纹图像的处理，为求取物体三维点云做准备。