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。

详细介绍了投影机模型,并提出一种简单、高精度的投影仪参数标定算法,该算法将投影仪当作一个逆向的相机,使用一块带有圆形标志点的平面标定板对投影仪进行标定。标定过程中,使用两组不同方向的光栅图像建立投影仪图像和相机图像的对应关系,从而得到投影仪标定所需的图像数据,将投影仪标定转化为成熟的相机标定,然后使用相机标定算法对投影仪进行高精度标定。实验结果表明,所提议的投影仪标定算法操作过程简单,标定精度可达0.312 pixel。

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。