研究了行车环境下激光条纹图像中心线快速、准确且可靠的提取方法。基于ENet深度学习模型实现了激光条纹的多区段快速分割; 通过统计各区段内光条梯度方向的直方图来确定各分段光条的法线主方向, 并构造了相应的方向模板; 利用分区域多模板匹配的灰度重心法实现了光条中心的亚像素坐标提取。研究结果表明, 该方法可以有效克服室外行车环境中各类干扰信息对光条中心提取的影响, 单幅钢轨轮廓图像的光条提取时间仅为2.1 ms, 误差均值约为0.082 pixel, 标准差为0.047 pixel, 兼顾了光条中心提取的时效性和准确率。

手动选取光条区域，提取亚像素级激光条纹中心

针对线激光测量系统对金属表面进行测量时强反射光影响光条提取的问题,提出了一种基于双高斯拟合的光条提取算法。首先对光条截面的灰度进行分析,发现了光条灰度的多峰分布规律;然后推导光的反射模型,对金属表面强反射光的产生原理和能量分布模型进行研究;之后根据分布模型建立双高斯拟合模型,设计光条提取算法,并用样例验证了算法的可行性;最后进行对比实验,分析了双高斯拟合法与传统光条提取算法的提取效果,并对结果进行了置信度评价。结果表明:双高斯拟合法可以有效抑制光条图像中强反射光的影响,准确提取光条中心;双高斯拟合法的置信度评价优于传统算法。

为解决实际测量中求光条中心速度慢的问题，提出一种基于阈值法和Hessian矩阵的改进算法。首先，使用均值滤波以削弱图像噪声，并通过设定阈值来找出光条中心粗略位置，而后利用高斯函数的可分离性和对称性获得光条中心点的Hessian矩阵，以此求出定每一个粗略中心点的法线方向，最后，经过光条中心点在其法线方向上的泰勒级数二次展开得到亚像素坐标点。实验表明该算法能有效降低噪声对图像的影响，极大提高Hessian矩阵的求取速度，同时精度也可达到亚像素级。

提出一种新的快速激光条纹中心提取算法,该算法具有较好的抗噪声或冗余点能力。该算法在传统重心算法的基础上结合轮廓跟踪算法,根据激光条纹在图像中的分布特点,通过阈值轮廓跟踪算法避免了对图像中不包含激光条纹区域的扫描,以此提高了提取速度,不用对整幅图像完成一次扫描即可计算出激光光条中心。所提算法具有复杂度低、计算简单、程序运行时间少等优点。实验结果表明:该算法能够实现对光条中心的快速提取,比Steger算法提速将近70.37倍,比传统重心算法提速将近4.48倍;对光条图像增加噪声(冗余)点后发现,所提算法具有优良的抗噪效果。

通过灰度转换，得到灰度图像，再通过设置阈值，得到图像光条区域ROI，最后通过计算ROI区域的灰度重心，计算得到激光光条中心。注：按行列式计算，不考虑光条方向。