一種基于時空跟蹤的光條中心提取跟蹤方法
【專利摘要】本發明涉及一種基于時空跟蹤的光條中心提取跟蹤方法，包括以下步驟：利用時間序列模型預測下一時刻光條中心坐標；以預測的光條中心作為起點，光條中心的切向由Hessian矩陣的特征向量決定，利用Hessian矩陣獲取該點的單位切向量，沿著光條切線方向作為谷脊區域延伸方向，用以實現光條在空間上的谷脊跟蹤。本發明能夠提高提取速度和提取精度。
【專利說明】
-種基于時空跟蹤的光條中心提取跟蹤方法
技術領域
[0001] 本發明設及光條中屯、提取跟蹤技術領域，特別是設及一種基于時空跟蹤的光條中 屯、提取跟蹤方法。
【背景技術】
[0002] 特征提取跟蹤的研究可追溯至20世紀70年代末，其在機器視覺和模式識別領域發 揮著至關重要的作用，其提取結果直接影響著后續的檢測和識別效果。線結構光系統標定 和=維測量過程中特征提取跟蹤的身影更是無處不在，線結構光=維測量的本質在于提取 旋轉臺編碼角點確定轉角，W及提取結構光光條中屯、定位光屯、，進而重建所采集圖像序列 中回轉類零件的=維輪廓點云。如何快速準確地提取跟蹤特征勢必決定測量系統的性能， 故而提取跟蹤由角點光屯、構成的點線特征是實現線結構光=維測量的關鍵所在。
[0003] 光條特征作為線狀特征中較為特殊的一種，其表現為具有一定寬度且強度呈現變 化，其提取過程在線結構光系統標定和測量中具有重要意義。激光光條具有能量高、相干性 好、抗干擾能力強等優點，使其較為適合在復雜工業環境下實現零件=維測量。光條中屯、快 速準確提取是實現線結構光=維測量的關鍵任務，其既是激光面標定的前提，又是被測物 體重建的基礎，因而光條中屯、提取效果直接影響著整個測量系統的性能。
[0004] 常用的光條中屯、提取算法包括灰度重屯、法、方向模板法、曲線擬合法和化SSian矩 陣法，其中各光條中屯、提取算法性能如表1所示，灰度重屯、法和方向模板法算法簡單易行且 快速有效，但提取的光條中屯、精度不高，難于適用高精度測量場合；曲線擬合法具有亞像素 級精度，但算法較復雜且耗時，難于滿足實時性測量的需要;Hessian矩陣法算法復雜度較 高，但具有亞像素級精度，且能夠判別結構光方向，綜合魯棒性能最好。
[0005] 表1各光條中屯、提取算法性能比較
[0006]


【發明內容】

[0007]本發明所要解決的技術問題是提供一種基于時空跟蹤的光條中屯、提取跟蹤方法， 能夠提高提取速度和提取精度。
[000引本發明解決其技術問題所采用的技術方案是:提供一種基于時空跟蹤的光條中屯、 提取跟蹤方法，包括W下步驟：
[0009] (1)利用時間序列模型預測下一時刻光條中屯、坐標；
[0010] (2似預測的光條中屯、作為起點，光條中屯、的切向由化SSian矩陣的特征向量決 定，利用化SSian矩陣獲取該點的單位切向量，沿著光條切線方向作為谷脊區域延伸方向， 用W實現光條在空間上的谷脊跟蹤。
[0011] 所述步驟(1)中將二維圖像平面降至一維。
[0012] 所述步驟(1)中時間序列模型采用線性/非線性時間序列模型。
[0013] 所述步驟(1)中時間序列模型預測的誤差引入AIC信息準則。
[0014] 所述步驟(2)具體包括W下步驟：
[0015] (21)利用預測的光條中屯、作為谷脊跟蹤的起始點，則谷脊跟蹤方向為兩個光條切 線方向，該兩個方向被分別處理用W跟蹤光條，即可確定下一個谷脊跟蹤位置；
[0016] (22)依賴Steger算法提取下一個谷脊跟蹤位置的亞像素坐標，并根據前后兩個跟 蹤點的位置關系，更新下一個谷脊跟蹤方向；
[0017] (23)依據谷脊跟蹤的新位置和新方向，重復上述步驟繼續進行光條空間跟蹤直至 提取所有光條中屯、。
[001引有益效果
[0019] 由于采用了上述的技術方案，本發明與現有技術相比，具有W下的優點和積極效 果:本發明利用灰度重屯、法和化SSian矩陣法提取像素級和亞像素級光條中屯、，依賴時間連 續性結合時間序列預測下一時刻光屯、坐標，依據空間連續性利用谷脊跟蹤確定下一位置光 屯、坐標，從而實現了快速準確地提取跟蹤線結構光光條中屯、坐標。
【附圖說明】
[0020] 圖1是光條谷脊跟蹤示意圖；
[0021] 圖2是亞像素級光條時間預測圖；
[0022] 圖3是GNA則寸間序列預測模型圖；
[0023] 圖4是亞像素級光條空間跟蹤圖；
[0024] 圖5是谷脊空間跟蹤模型圖。
【具體實施方式】
[0025] 下面結合具體實施例，進一步闡述本發明。應理解，運些實施例僅用于說明本發明 而不用于限制本發明的范圍。此外應理解，在閱讀了本發明講授的內容之后，本領域技術人 員可W對本發明作各種改動或修改，運些等價形式同樣落于本申請所附權利要求書所限定 的范圍。
[0026] 本發明的實施方式設及一種基于時空跟蹤的光條中屯、提取跟蹤方法，包括W下步 驟:利用時間序列模型預測下一時刻光條中屯、坐標；W預測的光條中屯、作為起點，光條中屯、 的切向由Hess ian矩陣的特征向量決定，利用Hess ian矩陣獲取該點的單位切向量，沿著光 條切線方向作為谷脊區域延伸方向，用W實現光條在空間上的谷脊跟蹤。具體如下：
[0027] (1)光條時間預測：
[0028] 圖像序列前后帖圖像存在時間上的關聯性，因而利用時間序列模型預測下一時刻 光條中屯、坐標，同時為進一步提高提取光條的快速性，考慮將二維圖像平面降至一維，假設 光條中屯、坐標為(u，v)，則所跟蹤的光條中屯、V值保持不變，而僅對其U值進行預測。
[0029] 時間序列模型具有多種形式，對線性平穩系統，多采用自回歸滑動平均(ARMA)模 型。對非線性、非平穩系統，可采用多項式逼近ARMA模型，其中線性/非線性時間序列(GNAR) 模型表示為，
[0030] (!)
[0031] 其中，n為多項式展開的階次，為各子項的記憶步長，at為多項式的常數項，.....^ 為模型參數。當n = l時，上式即為線性模型。
[0032] 其中，模型定階可采用修正的Akaike最小信息準則(AIC)，即
[0033] 巧
[0034] 其中，m為各子項記憶步長之和，
^^/為建模殘差方差，巧,為預測誤差 方差，N為序列長度，將預測誤差引入AIC信息準則，其目的在于防止模型過擬合。
[0035] (2)光條空間跟蹤
[0036] 谷脊區域表現為連續的局部極值點的集合，W時間預測的光條中屯、作為起點，光 條中屯、的切向由Hessian矩陣的特征向量決定，利用Hessian矩陣獲取該點的單位切向量t， 其中，t=[tu tv]T，| |t||=l，tu和tv表示單位切向量在水平和豎直方向上的分量，沿著光條 切線方向t作為谷脊區域延伸方向，用W實現光條在空間上的谷脊跟蹤。具體為：
[0037] 如圖1所示，利用時間預測獲取谷脊跟蹤的起始點qi，則谷脊跟蹤方向為ti和-ti， 該兩個方向應當被分別處理用W跟蹤光條，即可確定下一個谷脊跟蹤位置PW，
[003引 pi+i = qi+ti (3)
[0039] 依賴Steger算法即可提取點PW的亞像素坐標qw，并根據前后兩個跟蹤點的位置 關系，更新下一個谷脊跟蹤方向tw，
[0040] ti+i = si即（ei ? ti)ei (4)
[0041 ]其中，e康示跟蹤點qi處Hessian矩陣切向量t與其前的跟蹤點qi-i的幾何方向的加 權和，且Mei I I =1，如下所示，
[0042] ei = at+(l-a) (qi-qi-i)巧）
[0043] 其中，a為權重，且QE [0，1]，鑒于光條方向由化SSian矩陣切向量和跟蹤點幾何方 向共同決定，該處取權重a = 〇.7，sign()表示狄利克雷函數。此時依據谷脊跟蹤的新位置 qw和新方向t W，結合式(3)繼續進行光條空間跟蹤直至提取所有光條中屯、。
[0044] 在使用本發明的方法進行光條時間預測實驗時，依賴Steger算法提取亞像素光條 中屯、坐標，所提取坐標對應的法線方向如圖2所示，為便于觀察在局部放大圖中每隔5個坐 標作一條法線，其中縱向線條為由光條中屯、坐標相連構成的中屯、線，由此可見，本發明提取 光條中屯、坐標速度較快，約為平均38ms/帖，提取光條中屯、坐標精度較高，且無冗余坐標點。
[0045] 依據時間預測的光條中屯、坐標，結合實際提取的光條中屯、坐標，光條中屯、坐標預 測平均誤差定義為光條中屯、坐標的實際提取值與時間預測值間差值的平均值，即光條中屯、 預測平均誤差為，
[0046]
(6)
[0047] 其中，k為圖像序列帖數，化為第i帖光條中屯、實際提取值,?為第i帖光條中屯、時間 預測值。
[0048] 針對圖像序列中光條縱坐標V取值為240的前600帖圖像，依據GNAR(3; 5，5，1)模型 對光條橫坐標U值進行預測，其實際提取值與時間預測值分別如圖3中的V'點和V'點所 示，由圖可知GNAR模型能夠較為準確地預測光條下一時刻的U坐標，光條中屯、坐標預測的最 大誤差為1. ISlpixel，平均誤差為0.17：3pixel。
[0049] 在使用本發明的方法進行光條空間跟蹤實驗中，利用時間預測值提取其鄰域的 亞像素級光條中屯、坐標，并W此作為光條空間跟蹤的起始點逐一進行跟蹤，根據光條谷脊 區域的空間連續性順序提取光條中屯、坐標，如圖4所示，局部放大圖中左側縱向線條為由光 條中屯、坐標相連構成的中屯、線，局部放大圖中右側的縱向線條為光條跟蹤坐標相連構成的 中屯、線，為便于觀察而將其水平平移25個像素繪制。
[0050] 依據空間跟蹤的光條中屯、坐標，結合實際提取的光條中屯、坐標，光條中屯、坐標跟 蹤平均誤差定義為光條中屯、坐標的實際提取值與空間跟蹤值間差值的平均值，即光條中屯、 坐標跟蹤平均誤差為，
[0化1 ] (7)
[0化2] 其中，k為光條空間跟蹤次數，qi為第i個光條中屯、實際提取值，焉為第i個光條中屯、 空間跟蹤值。
[0053]針對圖像序列中第250帖圖像，依據切向跟蹤方向對光條坐標進行跟蹤，其實際提 取值與空間跟蹤值間差值如圖5中的V'點所示，其中在光條彎曲區域的光條中屯、跟蹤誤差 變化較大，由圖可見光條跟蹤能夠較為準確地跟蹤下一位置的光條中屯、，光條中屯、跟蹤誤 差被限制于1.8口;[義61^內，平均誤差為0.365口;[義61。
【主權項】
1. 一種基于時空跟蹤的光條中心提取跟蹤方法，其特征在于，包括以下步驟： (1) 利用時間序列模型預測下一時刻光條中心坐標； (2) 以預測的光條中心作為起點，光條中心的切向由Hessian矩陣的特征向量決定，利 用Hessian矩陣獲取該點的單位切向量，沿著光條切線方向作為谷脊區域延伸方向，用以實 現光條在空間上的谷脊跟蹤。2. 根據權利要求1所述的基于時空跟蹤的光條中心提取跟蹤方法，其特征在于，所述步 驟(1)中將二維圖像平面降至一維。3. 根據權利要求1所述的基于時空跟蹤的光條中心提取跟蹤方法，其特征在于，所述步 驟(1)中時間序列模型采用線性/非線性時間序列模型。4. 根據權利要求1所述的基于時空跟蹤的光條中心提取跟蹤方法，其特征在于，所述步 驟(1)中時間序列模型預測的誤差引入AIC信息準則。5. 根據權利要求1所述的基于時空跟蹤的光條中心提取跟蹤方法，其特征在于，所述步 驟(2)具體包括以下步驟： (21) 利用預測的光條中心作為谷脊跟蹤的起始點，則谷脊跟蹤方向為兩個光條切線方 向，該兩個方向被分別處理用以跟蹤光條，即可確定下一個谷脊跟蹤位置； (22) 依賴Steger算法提取下一個谷脊跟蹤位置的亞像素坐標，并根據前后兩個跟蹤點 的位置關系，更新下一個谷脊跟蹤方向； (23) 依據谷脊跟蹤的新位置和新方向，重復上述步驟繼續進行光條空間跟蹤直至提取 所有光條中心。
【文檔編號】G06T7/20GK106023247SQ201610294947
【公開日】2016年10月12日
【申請日】2016年5月5日
【發明人】肖軼, 郝靜, 陳平, 周開俊, 張瑞華, 邢碩
【申請人】南通職業大學