（模式识别与智能系统专业论文）标记点检测的算法及稳定性分析.pdf

西南科技大学硕士研究生学位论文第1 页 摘要 以计算机视觉技术为基础的三维测量技术是集光、机、电和计算机技术 于一体的智能化、可视化的高新技术，目前在国内外也得到了广泛的应用。 在测量物体时，由于测量范围和测量盲区的存在，单次测量只能得到物体的 部分数据，得不到物体全貌的三维数据，因此需要将多次测量的数据进行拼 接。基于标记点的拼接方式以其测量范围大，成本较低等优点得到越来越多 的应用。在基于标记点的三维测量技术中，标记点的检测结果会影响到后续 的操作，从而影响整个系统的测量结果，因此要对标记点的检测算法及其稳 定性进行研究，尽可能减少误差，提高稳定性。 本文主要完成和实现了以下几方面的内容： 研究和分析了目前常用的标记点，根据实际情况设计了一套相对应的编 码标记点和非编码标记点，为后面在不同背景下标记点的检测打下了良好的 基础。 研究数字图像处理中的相关算法。对比了各种图像滤波方法，利用数学 形态学的滤波方法明显提高了暗弱背景下的识别率。本文改进了传统的阈值 分割算法，使之更加适合本文中光照不均的实际情况。 在标记点设计的基础上，根据实试验过程中解决问题的方式对标记点检 测的条件准则进行了丰富，提高了检测算法的稳定性、鲁棒性。 详细的对不同背景下的标记点进行了稳定性分析。首先根据仿真图制作 原理和检验算法，利用仿真图对算法的稳定性进行了详细的分析。然后在实 际检测中分别从检测精度和识别率两方面对算法进行了稳定性分析。 对于编码标记点我们用环形扫描法对其进行解码，通过实验验证了实验 中两种标记点区分的正确性和编码标记点解码的正确性。 本文算法都已经在v c + + 6 0 环境下进行了验证。 关键字：三维测量标记点检测稳定性分析 编码点仿真图 西南科技大学硕士研究生学位论文第1 i 页 a b s t r a c t 3 dm e a s u r e m e n tt e c h n o l o g yb a s e do nc o m p u t e r v i s i o ni sa ni n t e l l i g e n ta n d v i s u a lh i g h - t e c h i nc o m b i n e dt h et e c h n o l o g i e so fc o m p u t e rw i t hl i g h ta n d m a c h i n ea n de l e c t r i c i t y i ti s w i d e l yu s e da th o m ea n da b r o a d b e c a u s eo ft h e l i m i t a t i o no fm e a s u r e m e n tr a n g ea n ds h a d o wr e g i o n ，w ec a no n l yg e tt h ep a r t d a t ao ft h el a r g es i z eo b j e c tn o ta l lt h ed a t ai ns i n g l em e a s u r e m e n t ，s ow es h o u l d r e g i s t r a t i o nt h ed a t at h a tm e a s u r e dm u l t i p l et i m e s t h er e g i s t r a t i o nm e t h o db a s e d o nt a r g e t sb e c o m e sm o r e a n d m o r ep o p u l a rb e c a u s eo fi t sw i d er a n g eo f m e a s u r e m e n t ，l o wc o s ta n ds oo n t h ea r t i f i c i a lt a r g e t sc a ni n f l u e n c et h er e s u l t o ft h ew h o l es y s t e mi n3 dm e a s u r e m e n tt e c h n o l o g yi nt h i sm e t h o d s oi tw o u l d r e d u c ee r r o ra n di n c r e a s et h es t a b i l i t yi fw ed ot h er e s e a r c ho nt h ed e t e c t i o n a l g o r i t h ma n dt h es t a b i l i t yb a s e do na r t i f i c i a lt a r g e t s t h ep a p e rc o n t a i n sd e t a i l sa sf o l l o w ： t h r o u g ha n a l y z i n ga n dr e s e a r c h i n gt h ec o m m o nt a r g e t s ，w ed e s i g nas e to f c o d e dt a r g e t sa n dn o n c o d e dt a r g e t se s t a b l i s h e dag o o df o u n d a t i o nf o rt a r g e t d e t e c t i n gi nd i f f e r e n tb a c k g r o u n d i tr e s e a r c h e dr e l a t i v e a l g o r i t h m i n d i g i t a li m a g ep r o c e s s i n g w h i l e p r o c e s s i n gi m a g e ，w ec o m p a r et h ec o m m o n f i l t e r a l g o r i t h m s a n d a p p l y m a t h e m a t i c a lm o r p h o l o g yt ot h ep a p e rw h i c ha c h i e v eb e t t e re f f e c tm a d eag o o d r e s u l t t a r g e tw a sd e s i g ni n t ob i n a r yi m a g ei nw h i c hi t sm a i ni n f o r m a t i o nw a s s a v e d s oi m a g es e g m e n t a t i o ni s p a r t i c u l a r l yi m p o r t a n t i nt h i sp a p e r ，w e i m p r o v et h et r a d i t i o n a lt h r e s h o l ds e g m e n t a t i o nf u n c t i o nt h a tm a k e si tp r a c t i c a l w i t hd o i n gm u c he x p e r i e n c e ，w ei n c r e a s et h en e ws t a n d a r dt og e th i g h r o b u s t n e s sa n ds t a b i l i t y t h i sp a p e rm a k e sad e t a i l e ds t u d yo ft h es t a b i l i t yi nd i f f e r e n tb a c k g r o u n di n d e t a i lf o rt h ef i r s tt i m e a c c o r d i n gt ot h ep r i n c i p l eo fd r a ws i m u l a t i o nd i a g r a m a n dd e t e c t i o na l g o r i t h m ，w ea n a l y z et h er o b u s t n e s sa n da c c u r a c yo fd e t e c t i o n a l g o r i t h mu s i n gs i m u l a t i o nd i a g r a m w ea n a l y z et h es t a b i l i t yf r o md e t e c t i o n - a c c u r a c ya n dr e c o g n i t i o nr a t ei np r a c t i c a l w eu s ec i r c l e s c a n n i n g t od e c o d et h ec o d e dt a r g e t ，a n dp r o v i n gi t s c o r r e c t n e s s ，l o c a t i o n a c c u r a c ya n ds t a b i l i t yb yal a r g en u m b e ro fe x p e r i m e n t 西南科技大学硕士研究生学位论文第l li 页 a l lt h ea l g o r i t h m si nt h i sp a p e ra r er e a l i z e di nv c + + 6 0 k e yw o r d s ：3 dm e a s u r e m e n t ；t a r g e td e t e c t i o n ；s t a b i l i t ya n a l y s i s ； c o d e dt a r g e t ；s i m u l a t i o nd i a g r a m 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得 的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不 包含其他人已经发表或撰写过的研究成果，也不包含为获得西南科技大学或 其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究 所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 签名：胡丽雩e t 期：砒卵r 关于论文使用和授权的说明 本人完全了解西南科技大学有关保留、使用学位论文的规定，即：学校 有权保留学位论文的复印件，允许该论文被查阅和借阅；学校可以公布该论 文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。 ( 保密的学位论文在解密后应遵守此规定) 签名：胡踊菩导师签名：剐场日期：叫钳， 西南科技大学硕士研究生学位论文第1 页 1绪论 1 1 引言 人类感知外界信息，8 0 以上是通过视觉得到的。让计算机或者机器人 具有视觉，是人类多年以来的梦想。随着现代自动化技术及i t 技术在制造 生产线上得到广泛应用，计算机视觉作为一种应用系统，自2 0 世纪8 0 年代 起步，越来越广泛的应用于机电制造、电子信息、烟草、包装、冶金、钢铁、 国防工业、军工制造、航空航天等行业，并且进入持续快速增长的阶段。计 算机视觉就是用各种成像系统代替视觉器官作为输入敏感手段，由计算机来 代替大脑完成处理和解释【2 1 。图象处理技术是把输入图像转换成具有所希望 特性的另一幅图像。例如，可通过处理使输出图像有较高的信噪比，或通过 增强处理突出图像的细节，以便于操作员的检验。在计算机视觉研究中经常 利用图象处理技术进行预处理和特征提取。 以计算机视觉技术为基础的三维测量技术是集光、机、电和计算机技术 于一体的智能化、可视化的高新技术，目阿在国内外也得到了广泛的应用。 在三维测量过程中，经常用到三维多视数据的拼接。如果物体表面比较 平滑，表面拓扑信息不明显，利用物体自身特征点拼合很难得到良好的效果， 因此可以在物体表面设置人工标记点。通过对人工标记点进行识别和检测， 确定标记点的空间位置，实现物体表面三维信息的非接触测量。对于那些通 过人工标记点进行拼接的三维测量来说，标记点的检测就显得非常重要，标 记点检测的准确性和稳定性直接影响到拼接的结果，从而影响整个三维测量 结果。 本文将对不同环境中标记点检测及其稳定性进行研究和分析，以提高标 记点检测的可靠性和检测精度，为后面的拼接以及重建等过程提供必要的误 差依据，并为其他相关研究做出指导性建议。 1 2计算机视觉的发展历程及研究内容 计算机视觉作为一个多学科交叉的新领域，涉及到计算机科学、人工智 能、机器人、信号处理、模式识别、控制理论、生物医学、心理学等多个学 科领域。计算机视觉的最终研究目标就是使计算机能象人那样通过视觉观察 和理解世界，具有自主适应环境的能力。这是要经过长期努力才能达到的目 西南科技大学硕士研究生学位论文第2 页 标f 2 】。 计算机视觉成为一门独立的学科，至少可以从美国麻省理工学院m a r r 教授这一代人所做的奠基工作开始。二十世纪六十年代，美国麻省理工学院 的r o b e r t s 第一次做了计算机视觉系统的试验，环境被限制在所谓“积木世 界”，即周围的物体都是由多面体组成的，需要识别的物体可以用简单的点、 直线、平面的组合表示。 到了七十年代未，m a r r 创立了第一个较为完善的计算机视觉系统框架， 大大促进了计算机视觉的发展，并成为这一领域中的主流理论。m a r r 从信息 处理的角度出发，将该系统的研究分为三个层次，即计算理论层次、表达与 算法层次、硬件实现层次。由此将系统分为自下而上的三个阶段：一是要素图 或基本元素图( 基元图) 的抽取，基元图由二维图像中的边缘点、直线段、曲 线、顶点、纹理、颜色等基本几何元素或特征元素组成；二是2 5 维描述一 部分的、不完整的三维信息描述，即“计算”上的重建：三维物体在以观察 者为中心的坐标系下的三维形状与位置；三是三维描述，即在某一固定坐标 系下物体完整的三维描述。这种理论基本上是建立在对人类感知三维信息分 析的基础上。 对计算机视觉的全球性研究热潮是从二十世纪8 0 年代初开始的，之后， 计算机视觉获得了蓬勃发展，新概念、新方法、新理论不断涌现，尤其是近 年来，随着计算机信号处理技术和图像处理技术的发展，为计算机视觉技术 的广泛应用提供了更广阔的前景。 1 3 三维测量技术的发展及研究状况 随着计算机视觉的发展，三维测量技术也进入了一个新的时代。三维测 量技术经历了由接触式测量到非接触式测量、由二维到三维，并利用计算机 视觉技术实现自动测量的过程【3 1 。在测量方式上可以分为接触式和非接触式 两类。 1 3 1接触式三维测量技术 接触式测量是利用精确定位的探针去逐点接触物体表面，测得被接触点 的空间坐标。探针在伺服装置的驱动下移动，当接触到物体表面时，由测量 探针在x 、y 、z 三个方向上的位移可以得到该点的三维坐标，常用的数据 采集方式有触发式和连续式i4 】。典型代表是三坐标测量机( c o o r d i n a t e 西南科技大学硕士研究生学位论文第3 页 m e a s u r i n gm a c h i n i n g ，简称c m m ) ，是2 0 世纪6 0 年代发展起来的一种新型、 高效的精密测量仪器，主要用于对工件进行长度和宽度方向的检测，以及在 x 、y 、z 坐标方向上测量三维物体的几何尺寸。这种测量方式以精密机械为 基础，综合应用光学、电子学、计算机和数控等先进技术，测量精度可高达 l am 级，是迄今为止最具通用性的传统坐标测量方法。但是，该方法始终存 在着一些无法克服的弊端，例如：它采用点接触的测量方式，不适合柔软物 体的测量，尤其不适用于那些测头不宜接触的表面；对于较复杂的曲面，特 别是组合曲面，自动跟踪存在一定困难，且可靠性较低；测量机的结构复杂， 对工作环境要求较高，应用范围受到很大限制。总体来看，接触式三维测量 已经难以满足快速准确的测量需求。 1 3 2非接触三维测量技术 非接触测量是以光电、电磁等技术为基础，在不接触被测物体表面的情 况下，得到物体表面参数信息的测量方法。非接触测量主要分为两类【5 】，一 类是光学方法，另一类是光学外的其它方法。光学方法又可分为被动测量法 和主动测量法两大类。 1 3 。2 1 主动测量法 主动测量法是指用特殊的光源，并用相应的接收器件接收由被照射物体 所反射的光线，从中得到目标物体的三维空间坐标。由于光束投射方式、方 法的灵活性，提取距离信息手段的多样性，以及所利用光学原理的不同，可 以分为很多种，如相位测量法吲，直接三角测量法【6 1 ，飞行时间法【7 1 ，激光跟 踪法f 8 】等。 其中相位测量原理是光栅图样投射到被测物体表面，相位和振幅受到物 面高度的调制使栅像发生变形，通过解调可以得到包含高度信息的相位变化， 最后根据三角法原理完成相位高度的转换。典型的测量原理如图1 1 。如果 为正弦光栅投影，物体上各点光强可表示为式( 1 1 ) 。其中，a ( x ，y ) 和b ( x ，y ) 分 别表示背景和表面反射率的变化，厶是投影到参考表面光栅图的空间频率， 相位e ( x ，y ) 对应物体上各点的高度z ( x ，y ) 。虽然在相位高度转换中也使用三 角形定理，但是技术的核心是相位的测量，因此同直接三角形法有较大的区 别。根据相位检测方法的不同，主要有莫尔等高法，时域测量技术和空域测 量技术【9 1 。 西南科技大学硕士研究生学位论文第4 页 a 8 c o 图1 1相位测量法典型原理图 f j g 1 1 t h es c h e m a t i cd ia g r a mf o rt y p i c a ip h a s em e a s u r e m e n t z ( x ，y ) = a ( x ，y ) + 6 ( x ，y ) c o s 2 x f 0 + 缈( x ，y ) 】 ( 1 1 ) 1 3 2 2 被动测量法 被动测量法不用特殊的光源照明被测物体，直接在自然光照明的条件下， 从一个或多个摄像系统获取的二维图像中提取距离信息，形成三维面型数据。 典型的被动测量是基于视差的立体视觉测量法。此外，还有投影法【i o 】( s h a p e f r o m s h a d i n g ) 、纹理法】( s h a p ef r o mt e x t u r e ) ，轮廓法【忆】( s h a p ef r o m c o n t o u r s ) 等，摄影测量也属于被动测量。因为本课题来源于基于双目立体 视觉测量和摄影测量的相关项目，因此对这两种方法进行介绍。 ( 1 ) 立体视觉法 立体视觉测量又可分为单目立体视觉测量、双目立体视觉测量及多目立 体视觉检测。单目视觉法采用摄像机得到三维景物在光敏探测器上的二维透 视图像，主要包括聚焦法和离焦法。黄桂平等【l3 】对单目视觉测量技术进行了 总结。双目成像利用视差的原理( 图1 2 ) ，获得同一场景的二幅不同图像， 通过对物体上同一点在二幅图像上的二个像点的检测和匹配，可以得到该点 的坐标信息。 不管是通过双目还是多目，当被测物体形面较复杂的时候，一次只能得 到物体在某个视角下的三维数据，要完成物体全貌测量，特别是一些死区盲 区的测量，需要进行多次测量并将测量结果拼接在一起。 西南科技大学硕士研究生学位论文第5 页 圆圈 o l 70 2 图卜2立体视差基本原理 t h eb a s i cp rir c i p l eo fs t e r e od is p ari t y ( 2 ) 数字近景摄影测量法 数字近景工业摄影测量是通过在不同的位置和方向获取同一物体的2 幅 以上的数字图像，经计算机图像匹配等处理及相关数学计算后得到待测点精 确的三维坐标，其测量原理为三角形交会法f 】。数字近景摄影测量系统除了 具有测量精度高外，还具有测量现场工作量小、快速、高效和不易受温度变 化、振动等外界因素的干扰等优点。国外的生产厂家和产品很多，如美国g s i 公司的v - s t a r s 系统i j 副，挪威m e t r o n o r 公司的m e t r o n o r 系统【】和德国 a i c o n3 d 公司的d p a p r o 系统【l7 j 等。 1 3 2 3 非光学法 非光学法主要包括利用发射和接收电磁波信号的雷达成像【18 1 、利用声波 信号的超声波成像【19 1 、利用物体对x 射线吸收的计算机体层摄影( c t ) 【2 0 1 、利 用电子隧道电流的扫描电子显微镜( s t m ) 【2 1 1 以及利用原子问相互作用力的原 子力显微镜( a f m ) 2 2 1 等，多应用于特定专业领域。 1 3 2 4 综合方法 随着工业发展，对于物体三维测量提出越来越高的要求，单一技术原理 下的产品往往不能满足要求。为此，人们开始注重于同时利用多种线索来处 理三维恢复问题，即多感知源的信息融合。基于信息融合的大型复杂曲面三 维测量是该领域的主要发展方向之一。如1 9 9 9 年c r e i c h 提出的集成近景 摄影测量与编码结构光测量技术的曲面三维测量方法【2 3 】。与此同时，国际上 ) 、 弘 、 暑、 ， ， 西南科技大学硕士研究生学位论文第6 页 对此已有较深入的研究。并丌发出了一些相应的三维形貌测量设备。德国近 年来在三维形貌和变形测量方面做了大量领先的研究工作，井且由德国的 g o m 公司b 4 1 ( 图l - 3 ) 和b r e u c k m a n 公司口”( 图1 4 ) 首先研制出实用的产品设 备，在国际上处于领先地位。这两家公司的产品特点都是将近景摄影测量与 结构光方法相结合，得到各种尺度( 包括大尺度) 结构的三维表面形貌。这 种新产品迅速得到工业界的欢迎。相近水平的还有德国的s t e i n b i c h l e r 公司啡1 的c o m e t c o m e tv a r i z o o m 和c o m e tt - s c a n ，德国b r e u c k m a n 公司1 27 1 的 o p t o t o ph e 等。此外。接触式测量和非接触测量也相互结合，相互弥补各 自的不足，如法如的l a s e rs c a n a r m ( 图i 一5 ) 就集成了激光扫描头和七轴连动 系统可咀在接触与非接触之问方便的转抉。 国1 - 4 br e u c k m a n n 公司s t e r e o s c a n3 d 产品 f ig1 4t h es t e r e o s c a n3 do fb r e u c k m a n nc o m p a n y 驻零 西南科技大学硕士研究生学位论文第7 页 图1 - 5法如激光扫描臂 f ie1 5 t h ea s 。rs c a n a r mo ff a r o 14 标记点在三维测量中的作用 在基于职摄像机的三维测量设备中测量范围由镜头景深，c c d 面阵大 小。靶杯的尺寸( 标定范围) 以及每次投射结构光的范围等因豢决定。当测 量大尺寸物体时由于单次测量范围有限以及测量盲区的存在，只测量一次， 不能得到物体的全貌三维信息( 图i 6 ) 。为了得到物体的全貌i 维信息必 须进行多次测量，将每次测量的数据拼合起来。 o 图卜6多枧拼接示意图 f i l 1 _ 6 t h es c h e m a t icd ia g r a mo f i t l i _ r e g is t r a t i o n 近些年来，国际上许多学者进行了大量的研究2 8 】1 2 9 m o l ，并提出了大 量的拼接方法。这些方法大体可以分为两种：一种是需要给出初始估计位置 的i c p ( i t c r a t i v ec l o s e s tp o i n i ) 算法【3 2 l 川心】，另一种是直接求解变换矩阵 法。前者以一片点云到另一片点云之删的距离最小为目标，不断的迭代更新， 多 西南科技大学硕士研究生学位论文第8 页 最后使两层点云融合在一起，具有较高的拼接精度，但是由于参与计算数据 量大，速度较慢。第二种方法直接求解两个视之间的变换矩阵。根据刚体变 换理论，通过在两个视的重叠区域中非共线三点即可求出视觉传感器在相邻 两个位置的空间变换矩阵，这样就可以实现视觉测量中三维数据的拼接【36 1 。 根据获得变换矩阵方法的不同，又可分为需要借助其它测量仪器来得到两视 之间的变换关系与在物体表面或者视场内粘贴标记点的方法获得两视之f b j 的 变换关系。 借助其它测量仪器来获得两视的变换关系，成本较高，而且受其它测量 仪器测量精度、测量范围的限制【37 】；采用标记点拼接，成本低廉，测量范围 不受限制。 多视拼接中每一视的拼接都会有很小的拼接误差，不仅单次有误差，而 且当多次拼接后该误差就会累计很大而导致无法拼接。骨架点拼接算法可以 避免累积误差，骨架点拼接算法的拼接思想和多视拼接算法的思想是完全一 致的，具体实现是先利用骨架点系统获得被测物体的骨架点，然后利用三维 光学扫描仪获得局部的点云，利用当视的标记点( 编码和非编码标记点) 和 骨架点的对应关系将当视的点云“粘贴”到骨架点上。这样就避免了多视扫 描的累积误差。但是骨架点系统的误差决定了骨架点拼接的误差。在标记点 检测的过程中由于受到相机、光照等外在条件的影响，检测的结果会存在一 定的误差，这种误差会累计到拼接结果上。针对不同光照和背景的图像，标 记点检测的稳定性存在着差异，因此对各种不同环境的标记点进行检测，对 其稳定性进行分析具有很重要的意义。 1 5 本文主要研究内容和章节结构 本论文以实际的系统开发为背景，注重各种算法的稳定性和实用性。第 一章绪论中首先对机器视觉的发展概况、三维测量技术的分类及应用现状等 进行了介绍。说明了标记点在三维测量中的应用及标记点检测算法稳定性分 析的重要意义和各章节安排。 第二章主要介绍了目前常用的标记点及其分类，说明了标记点的设计要 求以及本文中所设计使用的标记点。 第三章首先介绍了数字图像处理基本算法，然后对标记点检测的定位算 法进行了详细的说明和对比，通过具体实验初步说明了所用的定位方法的正 确性。检测流程图如图1 7 所示： 西南科技大学硕士研究生学位论文第9 页 图1 - 7检测算法流程图 f i g 1 7 t h ef i o wc h a r td e t e c t i o na i g o r i t h m 第四章对标记点检测的稳定性进行了分析。常用的衡量和评价算法优劣 的方法有标准参考物检验法和仿真图像检验法两种。本章首先介绍了常用的 仿真图像检验法，并利用此方法对本文的算法进行了评价。仿真实验证明该 算法具有较好的抗噪性和较高的测量精度。在实际检测中，算法的稳定性主 要表现在标记点的识别率和定位精度上，本文通过大量实验研究和分析了不 同光照不同背景下标记点检测算法的识别率。 本文算法得出的结果主要应用在骨架点拼接上，该算法中既用到了非编 码标记点也用到了编码标记点。第五章主要对编码标记点设计、解码等进行 了研究和验证。 西南科技大学硕士研究生学位论文 第1o 页 2人工标记点的分类和设计 在三维点云拼接中，对于特征不明显的实体，利用物体自身特征很难达 到需要的精度，所以提出了在实体上粘贴人工标志物，利用人工标志物的几 何特征进行后续配准的方法f 38 1 。人工标记可以保证和提高测量精度与可靠 性，大量布设人工标记并不是一件困难的事情【3 9 1 。 2 1 人工标记点的分类 人工标记点是用作控制点或者用作待测未知点【4 0 1 。这里的标记点指的不 是单独的一个点，因为单纯的一个点在图像中可能根本就不能被显示出来， 它实际上是一个具有一定形状的物体，然后在该物体上选取一个特定的点， 用来标识该标记点，有时候人工标记点也称为人工标志。人工标记的质地、 形状和大小与测量对象的要求及环境有关，因此目前国内外很多专家学者设 计了多种不同的人工标记点以满足自己的需要，这些人工标记点根据不同的 标准有不同的分类。 从发光方式上可以分为主动发光和被动发光两种。主动发光标记就是某 种点光源，它可以是一般的电灯泡、频闪发光二极管【4 i 】【4 2 】【4 3 j 【4 4 】和使用具有 投影功能激光产生的光点标志等等【4 】【4 2 】等等。主动发光标记多用于动态物体 的测定，它们贴附或固定在被测物体上；被动发光标记通过反射外来光源成 像，它有一般反射类型和回光反射类型两种。从接触方式上人工标记可以分 为非接触式的由投影产生的光点或结构光标记和需要人工辅助固定在被测物 上的接触式标记【4 ”。从其形状上分类，人工标记可以分为平面型和立体型， 另外还有一些坐标传递件等。从编码方式上分为编码标记点和非编码标记点。 下面说明一下几种常用的人工标记。 2 1 1 回光反射标记 回光反射标记r r t ( r e t r o r e f l e c t i v et a r g e t s ) 【4 6 】是西欧北美近年来实施 高精度工业摄影测量和特种摄影测量，贴附在被测物体表面上的一种人工标 记。在特定位置光源( 光源可以是闪光灯或给定方向的红外光等等) 的照射 下，它以反射的亮度较漫射白色标志高出数百上千倍为特点。布有回光反射 标志的目标物( 如运动中的机器人、大型雷达天线等) 的像片( 影像) ，经过图像 处理后形成一副目标物的影像清淡、标志点影像密度大而清晰的“准二值影 西南科技大学硕士研究生学位论文第11 页 像”。这种“准二值影像”在高精度计算机视觉测量中可以对它们进行快速、 准确而可靠的定位。在这类像片上，目标物自身影像“消隐”，回光反射标志 的构像却特别清晰而突出形成了“个背景暗淡、仅有一群一般呈圆形或椭 圆形的亮点。凭借图像处理的阚值技术和搜索定位技术，可以快速而准确地 测定它们的几何位置。 21 2 平面型标记和立体型标记 平面型标记义称为二维标记，通常采用黑白相白j 的颜色，主要是考虑了 标记本身颜色与f 景颜色具有尽可能大的反差，易于识别，如图2 - 1 所示。 一日豳o 羽阿 围2 - 1常用平面标记点 f ig2 - 1t h en o r m a i2 dt a r g e t s 立体型标记也称为三维标记，目前常用的有球形标记、桂状标记等。崔 晓斐”增采用了带有彩色编码带的圆锥型标记，如图2 - 2 所示。 固2 - 2立体型标记 f l g 2 - 2t h e3 dt a r g e t s 困 西南科技大学硕士研究生学位论文第12 页 21 3编码标记点和非编码标记点 若给标记点加载唯一的身份信息，即对标记点进行编码，对图像中标记 点进行唯一身份识别后，可以方便、可靠地实现多幅图像之日j 标记点的对应 匹配。一般将未经编码的标记点称为“非编码标记点”，如图2 一i 所示。经 过编码的标电点称为“编码标记点”如圈2 1 所示。非编码标电以圆形标 记的应j j 蠼为广泛。因为圆成像后成为椭圆，椭圆所具有的几何特征使其易 于实现特征提取。 214 其它标记点 为了测定某些特征点或特殊需要可使用坐标传递轩、件。在这些坐标 传递丰t 、件上，杯志点与待测点p 之白j 的几何关系已经预先耩密测定。当避 一把此轩件触点p 安放在需要测定的工业部件的细部时，联机的立体数字摄 影测量系统就可当即测定点p 的空刨坐标，如图2 - 3 所示。 图2 - 3坐标传递杆、件 f ig2 - 3c o o r d in s t 6t r a n s f e r 22 标记点的设计 在设计人工标电时，其几何形状需同时考虑两项虽基本的要求：一是要 以适宜的尺寸成像，二是必须为控制测量测定其坐标时，标示精细而明确的 目标，因此需要考虑到标记点的外形、大小、材料等自身园素，还要考虑到 背景的颜色、成像的距离等外在因素。 人工标i 己的几何形状不宜复杂，否则会影响对它的人工或自动识别与量 测”。作为控制点使用的人工标记，在其中心或其外缘的对称位胃，应画有 明显而准确的线划，使用全站仪测定坐标时，把它们认作瞄准线。标记放置 于不同距离的地方其构像大小不同，所以标志经常设计成“辐射”状。 在图像中，标志图像在直径方向成像至少应占3 * 3 像素最优的标志成 西南科技大学硕士研究生学位论文第13 页 像在直径上应在7 15 个像素之间【4 引。标记点太小，图像中的像素数量不够， 影响提取精度；标记点太大，会产生偏心差问题【4 9 】【5 0 】【5 儿5 2 1 。标记的大小主 要与几个因素有关：摄影距离即像机到被测物体之间的距离、像机精度、焦 距长短及标志曝光量。确定标记大小的一般规律是标记点的尺寸至少应是被 测物体尺寸的l 1 0 0 0 或者当进行局部摄影时，标记点尺寸为被测局部尺寸的 1 10 0 0 。以上规律符合摄影条件最好的情况，在一般的摄影条件下，标记点 尺寸最好是最好条件的二倍左右。 为防雨、防锈、防变形，长期使用的标志可烧制到金属底板上，也可以 制作成透明标记。 标记点在颜色设计上应该考虑到被测物体的颜色，标记点自身颜色等。 一般标记点设计为黑白相间的颜色，有时候也会把编码标记点的编码带设计 成彩色，不同的颜色组合标识不同的码字。如果标记点与坐标量测装置的测 标基本上是同颜色时，最好使标记点构像的颜色与测标颜色相反。例如，测 标为黑色时，则制作的标志本身办应为白色，这样标志构像就基本透明。 大量制作人工标志时，可使用先照相再接触晒印的办法，为使标记点精 确，往往要绘制放大若干倍的标志原图。当然也可利用c a d 技术，借计算机 生成。 2 3本文所用标记点 本文应用的拼接算法是骨架点拼接算法，其核心思想是先建立一个全局 坐标系，并得到物体骨架点在此全局坐标系中的坐标，然后把每次测量的小 块点云粘贴到骨架上，完成物体的全貌测量。骨架点所在的坐标系为全局坐 标系，每次测量的小块点云所在的坐标系为局部坐标系。该思想的优点是以 多个单次拼接实现整体多视拼接，避免了拼接中累积误差。 对于采用标记点的同名点匹配问题目前有两种解决方案：一是采用编码 标志点，相当于是给控制点一个l d ，有了这个i d ，可以很容易的实现两视 下同名点的配对；但是编码方式是有限的，当测量大物体时，编码标志点需 要增加其编码复杂度来获得更多的编码数，这也给解码提出了更高的要求； 二是采用非编码标记点，利用标记点在任何坐标系下其空间拓扑结构不变的 性质来寻求两视图下对应点的匹配；这种方法在标记点较少的时候能得到不 错的结果，但是随着测量物体的增大，标记点的增多，同名点的搜索难度加 大。 西南科技大学硕士研究生学位论文第1 4 页 因此根据实际测量需要，本文采用平面型的非编码标记点和编码标记点 相结合的方法。根据标记点的设计要求和实际情况分析，非编码标记点采用 白色背景的黑色圆环，其中内圆直径为( 6 0 0 2 ) m m ，外圆直径为( 1 2 0 0 2 ) m m ，如图2 - 4 所示。利用内外两个环求出的结果可以减小形心移位 的影响。 编码标记点在外形设计上和个数上都有更多的要求，其设计原则将在第 五章详细说明。本文编码标记的设计采用双圆环形式。圆环内嵌同心小圆作 为控制圆，即“目标点”，“目标点”周围同心的分段环状区域，用来确定编 码元的身份信息，称为“编码带”，通过对分段圆环的不同组合柬实现编码。 如图2 5 所示。 国 图2 - 4本文所用非编码标记 f i g 2 - 4t h en o n c o d e dt a r g e ti nt h isp a p e r 田2 - 5本文所用编码标记点 f i g2 - 5 t h ec o d e dt a r g e t sint h i6p a p e r 一 西南科技大学硕士研究生学位论文第15 页 在实际中，八位编码标记目标点和非编码标记大小一致，以便于一次性 提取编码标记控制点与非编码标记控制点。 2 。4本章小结 标记点的设计是标记点检测的基础，也在很大程度上影响到标记点检测 的稳定性，在提取标记点的过程中有很多准则都是根据标记点的设计进行添 加的。从本章标记点的设计中也反映了标记点的作用，就是能够实现准确、 快速、低误差的定位，从而完成后续的配准、拼接等操作。 西南科技大学硕士研究生学位论文第16 页 3数字图像处理及标记点检测算法 3 1引言 在标记点的检测过程中，首先要对采集到的图像进行预处理，去除噪声， 实现目标分割，然后从处理后的图像中提取标记点的特征，根据这些特征识 别标记点，去除背景干扰，完成标记点的定位。 3 2数字图像处理 数字图像处理( d i g i t a li m a g ep r o c e s s i n g ) 又称为计算机图像处理，它是 指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像 处理最早出现于2 0 世纪5 0 年代，当时的电子计算机已经发展到一定水平， 人们开始利用计算机柬处理图形和图像信息。早期的图像处理的目的是改善 图像的质量，它以人为对象，以改善人的视觉效果为目的，常用的图像处理 方法有图像增强、复原、编码、压缩等，如图3 1 所示。还有一类图像处理 是以机器为对象，处理的目的是使机器或计算机能自动识别目标，称为图像 识别。图像识别系统输入的是改善质量后的图像，一般称为预处理后的图像， 输出的是对图像中目标( 物体) 的识别或分类。图像识别的过程包括图像预处 理、图像分割、特征提取和图像分类，如图3 2 所示。 输入 图像 至卜 图像处理( 增 强、复原、编码、 图像i 压缩等) 图3 1数字图象处理方式一 f i g 。3 1 d i g i t a ii m a g ep r o c e s s 篓h 茎茎h 兰茎型剧匕 数字图象处理方式二 输出 图像 铘耀一 一姆一图 西南科技大学硕士研究生学位论文 第17 页 数字图像处理易于实现非线性处理，处理程序和处理参数可变，是一项 通用性强，精度高，处理方法灵活，信息保存、传送可靠的图像处理技术。 主要用于图像变换、量测、模式识别、模拟以及图像产生等，广泛应用在遥 感、宇宙观测、影像医学、通信、刑侦及多种工业领域。从7 0 年代中期丌始， 随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更 高、更深层次发展。 在计算机视觉研究中经常利用图象处理技术进行预处理和特征提取，本 文主要应用到的数字图象处理方法有图像增强、阈值分割、图像滤波、轮廓 提取等。 3 2 1灰度处理 采用的标记点在颜色上表现为黑白相间，在形状上为圆形，目标的特征 信息主要表现在灰度上，因此有必要对采集到的图像进行灰度处理，以减少 计算量，提高检测速度。对于幅2 4 位的位图来说，每一点都要经过灰度计 算，转化成8 位的狄度图。一般情况下灰度与r g b 颜色的对应关系为： y = 0 2 9 9 r + 0 5 8 7 g + 0 1 1 4 b ( 3 一1 ) 本文实验过程中采集图像时用的是大恒工业相机，其成像时把灰度值为 2 5 5 的像素显示为红色，其它像素则显示为对应的狄度值。因此在进行狄度 处理时只取对应的r 值( 即红色分量) 即可。 y = r ( 3 - 2 ) 3 2 2图像增强 某些情况下图像在传输和转换过程中要造成某些降质。因此，必须对 降质的图像进行改善处理。其中一种改善方法是不考虑降质原因，只将图像 中感兴趣的特征有选择地突出，同时衰减不需要的特征。这类图像改善方法 统称为图像增强技术。图像在成像过程中往往由于光照、摄像、靶面灵敏 度以及光学系统不均匀性而引起图像整体或者部分较暗或较亮。而整体效果 的偏暗或者偏亮都会使得图像上物体的边界不是很清晰，为了能有效的提取 物体的边缘，需要增加图像的对比度，改善细微的层次。 增强图像的对比度最常用的方法是直方图均衡化。 直方图均衡是把给定图像的直方图分布改造成均匀直方图分布，使输出 像素灰度的概率密度均匀分布。用信息学的理论来解释，即具有最大熵( 信息 量) 的图像为均衡化图像。 西南科技大学硕士研究生学位论文第18 页 为了计算方便，我们需要将直方图归一化，即把灰度范围由0 - 2 5 5 变为 0 - 1 。归一化后的直方图其实就是一个概率密度函数( p d f ) ，均衡化就是令概 率密度为l 。 我们用f ( r ) 来表示原图像的p d f ，用只( s ) 表示均衡化之后的p d f ，r 、s 分别代表均衡化前后的灰度值，r ，s o ，1 。根据概率论的知识，可得出： p ，( s ) = p ，( 厂) ld s i i 万l ( 3 - 3 ) 公式中丁叫( s ) 代表r ( s ) 的逆变换函数。 因为我们要求的概率密度为l ，即： 聃) = 舞_ 1 ( 3 - 4 ) f t 厂j 因此： _ d s = 只( r ) ( 3 5 )一= ，r - i 、i t ，、 ， 、一， 由此得出： d s = p ( ，) j i 【d r ( 3 - 6 ) 等式两边对r 积分，即可得出p d f 的均衡化公式： s = 歹( r ) 2j ：p ：( w ) d w( 3 - 7 ) 公式中歹( ，) 代表r 的灰度变换函数，表示积分，w 为假设变量。 对于图像而言，我们需要使用离散形式的公式。某个狄度级像素出现的 概率为： e ( ) = 仇n( 3 8 ) 只( 吹) 是原图像第k 个灰度级像素出现的概率，气是第k 个灰度级，即当 前色阶k ，k 0 ，l 】。仇是屹像素数量。n 是图像像素总数( 图像大小) ， = k n 。 图像的狄度直方图均衡化公式： s = r ( 气) = 一n = 只( )( 3 9 ) 公式中，丁( ) 来表示原图像的第k 个灰度级的转换函数。表示总和。 西南科技大学硕士研究生学位论文第1 9 页 z , , i n 表示0 0 个驮度级的像素数量总和与像素总数的比值。i ( ) 表示 - 0 ，日 第肛k 的扶度级出现概率累积相加。因为s 是归化的数值( s 0 ，l 】) ，要转 换为0 2 5