图像处理在激光立体视觉测距中的应用
２００８年１０月中同制造、Ｊｐ信息化第３７卷第１９期图像处理在激光立体视觉测距中的应用
倪厚强，朱丹凤，周骥平，朱兴龙
（扬州大学机械工程学院，江苏扬州２２５００９）
摘要：以利用激光点作为特征点的立体视觉测距技术为研究背景，对激光点的图像处理问题进行了研究，通过对图像处理技术的介绍、分析和比较，提出了一种激光点的图像处理技术。激光点图像处理实验表明，该方法能有效快速地得到激光点的二维图像信息。
关键词：图像滤波；图像分割；边缘提取；激光点
中图分类号：ＴＰ２４２．６文献标识码：Ａ文章编号：１６７２—１６１６（２００８）１９—００４８一０４
工业生产中经常需要对半成品或成品进行三维几何尺寸的测量，一般要求具有一定的测量精度和较快的测量速度。用光电技术进行的三维非接触式测量消除了在接触式测量中可能产生的工件表面损伤，是较好的测量方法。非接触式测量有光栅测量法…１、激光三角测量法【２Ｊ以及计算机立体视觉测量ｂ＇４ｊ等方法。其中计算机立体视觉测量是人工智能与测量技术交叉而形成的智能测量，测量速度快、系统成本低、安装方便，具有较高的研究价值。利用激光点作为特征点［５，６Ｊ，解决在视觉测距过程中的图像快速匹配的问题是一种新的且有效的方法［１，２Ｊ，利用２台摄像机从不同的角度对物体摄像，通过激光特征点的提取和匹配，得出激光点在２个图像平面上的坐标，进而计算出激光点的空间坐标。
在激光点空间定位时，需要知道激光点中心的二维图像坐标，而边缘是激光点的一个重要图像特征信息∽Ｊ，由边缘点的图像坐标可以求得激光点的中心坐标，利用的原理就是已知圆上的点求圆心坐标。但是，激光点打在目标物上会产生散光等现象，直接进行图像边缘提取不能精确得到图像边缘，从而影响激光点中心的二维图像坐标精度。因此，要对拍摄的图像进行一系列的处理，才能很好地得到它的图像像素坐标，为空间定位提供准确的基准。激光点立体视觉测距中左、右摄像机图像处理方法相同，所以这里只以一个摄像机为例进行介绍。１激光点的图像滤波
实验采用的视觉系统包括摄像机（ｃｏｇｎｅｘＳｌ００的面阵ＣＣＤ），镜头（ｃｈｉｋｏｎ叭；２５０１８／２的手动光
圈定焦镜头）和计算机。利用视觉系统采集得到激光点的图像，如图１所示。图像的噪声表现为图像上面出现各种形式的干扰斑点、条纹等，这些随机噪声把像素的真值隐蔽起来，严重影响对图像二维信息的提取，从图中可以看到，原图像存在一些干扰因素，所以必须对激光点的原图像进行数字滤波。
图１激光点的原图像
目前图像滤波的方法主要有均值滤波和中值滤波。在均值滤波中，当采用的模板尺寸增大时，消除噪声的效果增强，但同时所得到的图像变得更模糊，细节的锐化程度减弱旧Ｊ。中值滤波器的主要功能就是让与周围像素灰度值的差比较大的像素改取与周围的像素值接近的值，从而可以消除孤立的噪声点…８。中值滤波器不像均值滤波器那样，它在衰减噪声的同时不会使图像的边界模糊，这也是中值滤波器受欢迎的主要原因。为了更好
收稿日期：２００８一０５—２０
基金项目：江苏省自然科学基金资助项目（ＢＫ２００７０８４）
作者简介：倪厚强（１９６６一），男，江苏扬州人，扬州大学讲师，硕士，主要研究方向为机械电子工程。
?应用研究?倪厚强朱丹风周骥平等图像处理在激光寺体视觉测距中的应用４９
地提取激光点的边缘，这里采用不会使边缘模糊的
中值滤波法。Ｍａｔｌａｂ是这蝗年来在图像处理领域
中常用的软件Ｌ９Ｊ。利用Ｍａｔｌａｂ的中值滤波命令得
到滤波结果（如图２所示）。从处理结果可以看到，
原图像中的噪声已被滤除，而且边缘没有模糊，为最后的边缘提取提供＿『精确的前提。
图２滤波后激光点的图像
２激光点的图像分割
图像分割是机器视觉领域中极为重要的内容之一，也是视觉测距过程中的一个重要步骤，是实现自动图像分析时首先需要完成的操作［１０］。它是根据图像的某些特征或特征集合的相似性准则，对图像像素进行分组聚类，把图像平面划分为一系列“有意义”的区域，使其后的图像分析、识别等高级处理阶段所要处理的数据量大大减少，同时又保留有关图像结构特征的信息【１１Ｊ。由于分割中出现的误差会传播至高层次处理阶段，因此分割的精确程度是至关重要的。
这些年来，特征点的图像分割的算法层出不穷【１２－－１４ｊ，但大多是针对特定环境的特征点而进行的。灰度阈值法是一种传统的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术【１０Ｊ。其中阈值的选取是图像阈值分割方法中的关键技术。阈值的选择通常是利用直方图。我们假设图像是由两区域所组成的，一个区域以亮色为主，另一个区域以暗色为主，那么它的直方图有两个峰（一个峰表示物体的灰度值，另一个峰表示背景的灰度值），如图３所示。于是，在两个峰之间选一个值作为阈值Ｔ，将其值低于Ｔ的所有像素之集定义为物体区域。灰度阈值法是实现分割的最简单技术。Ｔ的选择原则是：Ｂ．应尽可能包含与背景相关联的灰度级，而Ｂ：则应包含物体的所有灰度级【１５］。分割后的图像为
ｇｃｚ，ｙ，＝｛：：；｛三：；；三；
２５５灰度
图３图像的直方图
根据激光点的图像不难发现，激光点像素的亮度远高于背景像素的亮度，但是激光点像素的数量少到几乎可以忽略不计。根据激光点原图像利用Ｍａｔｌａｂ中图像处理工具可得到激光点的灰度直方图（如图４所示），图像中大多数像素则在１５０以下，这部分是背景像素，而需要分离出的激光点像素主要分布在１８５－２００之间。
图４激光点图像的灰度直方图
利用范围中的不同阈值在Ｍａｔｌａｂ中进行图像分割，最后比较各分割结果得到，图像阈值选取为１９３的分割效果较好（如图５所示）。从图中可以看出，不需要的背景特征信息，灰度值已经全部归零，而需要的激光点的灰度值归一使图像特征得到加强，这样为激光点的下一步——边缘提取提供了精确的基础。
图５图像阁值为１９３的二值化结果
３激光点的边缘提取
机器视觉所要解决的是通过左右两个二维视图对物体进行三维的理解，为了正确地理解图像，
需要将以观察者为中心的输入变换到以物体为中
２００８年１０月
中围制造、Ｉｐ信息化第３７卷第１９期
心的描述，而物体的物理边界是一类非常重要的描述因子Ｅ１６ｊ，这些边界有可能在成像过程中产生边缘信息，它在图像中表现为强度的突变形式。边缘检测在计算机视觉的预处理算法中有着重要的地位，但边界检测需要更复杂的算法来完成。长期以来，人们已付出许多努力设法利用边界来寻找区域，进而实现物体的识别相景物分析。目前常用的边缘检测算子主要有一阶的Ｒｏｂｅｒｔｓ算子、Ｓｏｂｅｌ算子、Ｐｒｅｗｉｔｔ算子和二阶微分算子（如Ｌａｐｌａｃｉａｎ微分算子¨７Ｊ）。为了准确地对激光点进行拟合，在提取的激光点边缘像素中应排除激光点周围的黑像素。用一阶的Ｒｏｂｅｒｔｓ算子、Ｓｏｂｅｌ算子、Ｐｒｅｗｉｔｔ算子和二阶的Ｌａｐｌａｃｉａｎ算子在Ｍａｔｌａｂ环境下分别对二值化图像进行边缘提取，结果如图６所示。
中有黑像素。因此，选择二阶微分的Ｌａｐｌａｃｉａｎ算子对上面的二值化图像进行边缘提取，处理结果如图７所示。
图７激光点边缘提取结果
４
结束语
机器视觉测距系统正被广泛地应用于视觉检
ＮＥ１８］、机器人的视觉引导【１９Ｊ和自动化装配领域中，它可以大大提高生产效率和生产的自动化程度，是实现计算机集成制造的基础技术。随着机器视觉技术自身的成熟和发展，利用激光点作为特征点的视觉测距技术在各个行业中得到了越来越广泛的应用，但对于激光点的图像处理技术的研究还处于初级阶段，没有能形成一个普遍适用的理论，这给基于激光点的视觉测距带来一定的局限性。本文讨论分析了在机器视觉测距过程中的激光点的图像处理问题，提出了适合激光点的较为系统的图像处理方法，该方法具有较强的普遍性，且能简便、快速地得到在激光点空间定位时所需的激光点的二维图像信息，为基于激光点的视觉测距方法的广泛推广提供了理论基础和前提。参考文献：
［１］刘四方，高建华，李世恒，等．计算机辅助三维非接触测最系
统的研究与应用［Ｊ］．微计算机信息，２００５，２１（１２）：１０６—
１１ｔ６几种边缘算子检测出的边缘
［２］；相杰，段纯刚，胡双启，等．某军用三坐标激光点非接触测
图６（ａ）中是激光点的原图。图６（ｂ）采用
量系统的安全性及精度控制方法研究［Ｊ］．激光杂志，２００６，Ｌａｐｌａｃｉａｎ４邻域算子得到的边缘像素与激光点白
２７（３）：１８—２０．
像素边缘完全吻合，Ｌａｐｌａｃｉａｎ算子准确地提取了［３】尹茂东，方漪，杜娜，等?一种新型的物体三维轮廓非接
激光点的边缘像素。图６（ｃ）、（ｄ）所示的用Ｐｒｅｗｉｔｔ触测量系统［Ｊ］?青岛大学学报（自然科学版）’
７’２０（１）：
算子和
算子得到的边缘，它们形状与图６（ａ）
［４］‘ｗ０－－ｅｉ＂７＂１
，ｚＦｕｑｉａｎｇ．ｉ
ｍｔ鹤２０。０ＳｏｂｅｌＺｈｅｎｇｚｈｏｎｇｈｏｕ３Ｄｅｏｏｒｄ
酆。瑚孟ｔ
中的激光点的边缘形状不符，这是由Ｐｒｅｗｉｔｔ算子ｂａｓｅｄ
０ｎ。ｔ眦ｔ。ｒｅｄ
ｌｉｇｈｔ。㈣，［Ｊ］．Ｓｅｎｓｏ。ａｎｄ
Ａｃｔｕａｔｏｔｓ
和Ｓｏｂｅｌ算子边缘定位精度不高造成的。图６（ｅ）Ａ?Ｐｈｙｓｉｃａｌ，２００５，１２０（２）：５２７—５３５．
所示的是Ｒｏｂｅｒｔｓ算子检测出的边缘，Ｒｏｂｅｒｔｓ算子［５］朱兴龙，周骥平?带激光源的双目立体视觉机构设计［Ｊ］?机
检测出的边缘形状与原激光点的形状相似，但是［６］萎翟差篙颜，２０景０５平，３，４等（４．）双：１目２９立－体１３视１．觉的移动机器人实
Ｒｏｂｅｒｔｓ算子提取了一部分黑像素边缘，对于下一验平台的研究［Ｊ］制造业自动化，２００１，２３（１２）：３１—３３．步的激光点图像圆心坐标的提取，我甜］不希望边缘
［７］李微，卢广山，羊毅．获取激光参数的图像处理方法研究