基于中心定位算法的激光光斑检测系统研究

赵鹏飞，马 健，郭海利，顾 进

（1.南京航空航天大学，江苏南京 210016；
2.空军装备部驻芜湖地区军代室，安徽芜湖 241007；
3.国营芜湖机械厂，安徽芜湖 241007；
4.江苏金陵机械制造总厂，江苏南京 211100）

目前，在中距和近距激光光斑测量中，主要依靠人工测量手段对光斑进行捕捉和保存，这种方式不利于测量数据的管理。同时，人工测量存在风险性大，且识别准确性差的问题。为了降低操作人员的风险，提高测量效率，采用图像处理技术代替人工测量，实现智能捕捉激光出现的位置与形态，对激光光斑图像进行实时采集、定位以及角度分析，并实现测量图像和数据的自动存储与导出。这一技术具有重要的应用价值和前景。

激光光斑自动检测技术是一种自动、智能、高效、稳定的检测方法。当光斑光强分布均匀时，采用灰度重心法[1]、阈值分割法[2]等可以使光斑定位精度达到亚像素级别，但这只是理想的情况。在实际测量中，存在很多不可控的因素，如光斑存在散斑等，同时光线的折射以及反射，使得CCD 相机拍摄到的图像中光斑强度不均匀，且带有很强的噪声，导致目标与背景难以分离。这些特点将导致光斑自动检测的准确率降低，无法满足工业现场的要求。为了解决该问题，赵琦[3]提出了一种高精度的激光光斑中心定位方法，该方法采用最大类间方差，在降低了噪声干扰的同时，提高了光斑定位精度。许丹丹[4]等人提出了一种自适应ROI 提取算法对光斑中心进行准确测量，首先对光斑图像进行结构相似度（SSIM）计算得到自适应ROI，然后将提取到的ROI进行类间方差最大化（Otsu）的图像分割，得到光斑二值图；
其次对光斑二值图进行圆拟合，最后得到光斑中心坐标。沈翀[5]等人首先将三通道的影像分割成三幅，分别为R、G 及B 的单通道影像；
然后截取R 通道的影像中包含光斑的ROI；
其次，对ROI 影像二值化及使用圆形结构元素的开运算进行光斑图像杂散图像信息的去除；
最后提取光斑连通域轮廓，再用椭圆拟合函数定位光斑中心。石达顺[6]等人提出一种基于统计高斯拟合算法，结合二维高斯曲面的分布特性，对圆形光斑的灰度分布进行分析，指出了在对圆形光斑灰度拟合时需对光斑像素点进行有效筛选，避免因光照或噪声等带来的拟合误差。但这些算法大多是针对圆形激光光斑进行处理的，算法运行效率低，并且对非规范形状的光斑中心定位算法还需进一步研究。针对这一问题，提出一种新的高精度光斑中心定位算法，能够有效克服噪声及光强不均匀的情况，实现不规范激光光斑中心定位检测。

激光光斑检测是通过激光对靶板进行照射，获得激光光斑图像[7]。然后通过实时的图像分析软件对采集到的图像进行处理，检测光斑位置并计算光斑的大小、质心等参数，并通过终端设备进行读取与显示，从而实现对激光光斑检测性能的评估，其主要工作原理如图1 所示。

图1 激光光斑中心检测原理图

针对工业相机的激光光斑检测，提出一种基于中心定位算法的激光光斑检测系统。首先对激光光斑图像进行梯形校正，去除镜头拍摄物体带来的畸变变化；
然后对图像进行去噪和增强等预处理操作，以消除图像中噪声以及散射光斑的影响；
最后结合光斑中心定位算法对激光光斑图像进行光斑中心定位，其检测方法框图如图2 所示。

图2 激光光斑中心检测方法框图

2.1 梯形校正

在镜头拍摄物体时存在成像的畸变，会造成图像的失真[8]。为了消除梯形失真带来的影响，采用几何投影变换方法对畸变图像进行梯形（透视）校正。几何投影变换[9]方法是解决图像像素位置变化的一种有效手段，所有像素点的位置关系可以用式（1）表示：

其中，u(x0,y0) 和v(x0,y0) 为原图像到失真图像的坐标变化函数。当确定两幅图像间所有像素点的位置变化关系后，可以通过逆变换[10]对失真图像进行校正，如式（2）所示：

为了计算坐标函数，提取原图像和失真图像的四个参考点为对应点，再结合双线性变换进行求解，如式（3）所示：

以靶板的四个参考点为对应点，首先采用自动阈值分割[11]对畸变图像进行分割，然后采用区域填充、边界提取的方法进一步得到校正靶板与背景分离的图像，提取图像轮廓；
然后对失真图进行纵横比计算，并和原图像纵横比进行对比，得到四个参考点的坐标；
最后通过几何投影变换方法对失真图像进行梯形校正，如图3 所示。

图3 靶板梯形校正效果图

2.2 图像预处理

工业相机拍摄的环境较为复杂，常常导致得到的目标图像并不是非常理想。为了得到图像更好的特征，利用图像增强与图像去噪技术，对光斑图像进行预处理操作，从而消除干扰因素对图像的影响。

2.2.1 图像增强

图像增强算法[12]一般可以分为基于空域的方法和基于频域的方法，文中采用基于空域的直方图均衡法[13]直接对原始图像进行图像像素的增强。对激光光斑图像采用直方图均衡法，就是对图像的灰度级分布以及灰度值进行映射变换，使其均匀分布。图像灰度级的分布可以用概率密度函数Pr(rk)来表示，如式（4）所示：

由于对原始图像进行归一化处理，所以0 ≤rk≤1，Pr代表图像中每个像素点的像素灰度级，k=0,1,2,…,N-1,nk为图像中出现rk这种灰度的像素个数，N是图像中的像素个数的总数。直方图均衡化的变换函数T(rk)如式（5）所示：

通过计算得到均衡后每个像素的灰度值。

2.2.2 图像去噪

噪声会影响光斑图像的质心精度。通过采用中值滤波法[14]对激光光斑进行去噪处理，消除噪声对图像的影响。中值滤波算法采用一个滑动窗口，并对这个窗口中的所有灰度值由低到高进行排序，然后利用窗口中灰度值的中值来代替中心点的灰度值，进而实现对噪声的抑制和消除。

2.3 光斑中心定位算法

为了得到精确的激光光斑中心，首先将原始光斑图像转换为二值图像，然后对二值图像进行形态学运算闭操作[15]，闭操作可以消除图像中一些小的间断和一些空洞区域，使目标的轮廓线更加清晰明显，进而可以容易地找到目标光斑的外轮廓线。由于二值图像值只有0 和1，因此对图像白色部分即像素值为1 的部分求均值，可以求出光斑中心的大概位置(px,py)，如式（6）所示：

式中，(xj,yj) 为像素值为1 的点的像素坐标，z为像素值为1的像素点的个数。找到图像中像素值为0的一系列点(xj,yj)，并计算得到像素值为0的点与光斑中心点的距离r，同时找到最小距离rm，如式（7）和式（8）所示：

式中,(xi,yi)为像素值为0 的点的像素坐标，n为像素值为0 的点的个数。

沿光斑中心点与距光斑中心点最近的点(xm,ym)的方向移动圆心(px,py)，移动距离为一个像素点，同时更新光斑中心点位置(px,py) 。不断重复上述步骤，直到计算出最小距离rmin，退出循环。此时点(px,py)即为光斑中心点。激光光斑中心检测算法具体处理效果如图4 所示。

图4 激光光斑中心检测算法

2.4 图像坐标变换

图像坐标变换的过程实际是建立图像世界与三维世界位置的关系，将图像坐标系下的坐标转化为世界坐标系下坐标，得到坐标的实际值[16]。由于靶板上的四个点在图像中被映射为矩形，矩形的顶点在世界坐标系下的距离已知，因此可以建立起图像坐标系与世界坐标系对应的距离映射关系。根据此映射关系，将光斑中心点坐标(px,py)映射为世界坐标系下的具体坐标值。

在实验过程中，采用CCD 对各种形状的激光光斑图像进行采集，并在Matlab 软件上对原始图像进行预处理，处理后得到尺寸为114×114 的图像。最后利用提出的算法对激光光斑图像进行光斑中心定位，并与现有的一些算法进行对比分析。

采用基于中心定位算法的光斑中心检测结果如图5 和图6 所示，图5 所示为采用闭操作填补轮廓线中的断裂，得到目标光斑的外轮廓线图像；
图6 所示为采用中心定位算法得到的激光光斑中心图像。

图5 激光光斑轮廓图

图6 激光光斑中心定位图

采用结合光斑中心定位的光斑检测算法，最小化图中像素值为0 的点与光斑中心点的距离，不断更新光斑中心点位置，从而避免了杂光等因素的影响，提高了检测的准确性。最后将提出的算法与传统的灰度重心法、圆心拟合法得到的光斑中心坐标进行比较如表1 所示。

表1 激光光斑中心定位坐标比较结果

从表1 可以看出，在面对非规则光斑时，所提算法得到的两组光斑中心坐标值与实际值误差在三个像素点之内，而灰度重心法和圆拟合法的误差都比较大，无法精确地计算出非规则光斑中心坐标。由此可见，该文的算法在检测现场对非规则光斑进行光斑中心定位时，可以得到更为精确的结果，检测软件采集图像如图7 所示。

图7 检测软件现场采集图像

机器视觉检测具有比人眼更高的辨别精度和速度，且具有安全性，优点突出。提出的算法能够实现对不同形状光斑中心的精确定位，并能够满足光斑运动的实时性要求。首先，算法对图像质量要求不高，对存在光线干扰及不同程度的噪声干扰的情况具有较好的抗干扰能力；
其次，对较为模糊的图像仍能精确地实现图像特征点的识别。提出算法具有较强的实用性，能够满足各种形状激光光斑高精度测量的需求。实验结果显示，在较为复杂的检测现场下，该文所提出的算法能够检测到较为准确的激光光斑位置。

猜你喜欢中心点光斑灰度光斑诗歌月刊(2023年1期)2023-03-22采用改进导重法的拓扑结构灰度单元过滤技术北京航空航天大学学报(2022年6期)2022-07-02基于灰度拉伸的图像水位识别方法研究高技术通讯(2021年3期)2021-06-09Scratch 3.9更新了什么?电脑报(2020年12期)2020-06-30有趣的光斑阅读（高年级）(2019年9期)2019-11-15有趣的光斑阅读与作文（小学高年级版）(2019年8期)2019-10-16如何设置造型中心点？电脑报(2019年4期)2019-09-10基于最大加权投影求解的彩色图像灰度化对比度保留算法自动化学报(2017年5期)2017-05-14基于灰度线性建模的亚像素图像抖动量计算光学精密工程(2016年1期)2016-11-07汉字艺术结构解析(二)中心点处笔画应紧奏少儿美术·书法版(2016年1期)2016-02-06

推荐访问:光斑 算法 检测系统