复杂物体线结构光中心线提取方法研究

论文地址:Excellent-Paper-For-Daily-Reading/application/centerline at main

类别:应用------中心线提取

时间:2023/11/05

摘要

针对复杂物体动态三维测量中条纹图像过曝光、欠曝光以及环境光照干扰引起激光中心线提取速度慢、提取 不准确的问题,提出一种基于深度学习语义分割技术的光条中心线提取方法,该方法使用改进的 UNet++模型进行图像分割,粗提光条中心区域,得到1~2个像素宽度的光条中心线,再利用灰度重心法精确提取亚像素中心。经实验证明,该方法能够有效克服因光条图像曝光不均以及外部干扰噪声带来的不良影响,准确、快速地提取出了复杂物体完整、光滑的亚像素光条中心线,满足工业中动态三维测量的要求。

实验

实验流程

光条中心线提取流程

第一阶段

采集原始激光条图像,然后对每幅图像进行裁剪选取感兴趣区域,经过裁剪后光条图像的大小为736×160像素,最后使用改进的 UNet++模型对裁剪后的光条图像进行分割。该阶段输出的中心线分割结果将直接运用于第二阶段的光条二次提取任务。

第二阶段

使用灰度重心法对光条分割图像进行亚像素提取。

论文提出改进的Unet++网络

在特征融合前引入了通道注意力机制,在通道数上抑制特征融合时产生的干扰噪声,如图 4 所示为 本文引入的 ECANet 网络结构,ECANet是一种极为轻量化的注意力机制,该模型复杂度小,提升效果显著。

并且在网络中添加了残差结构,对输入特征层进行 1×1 卷积进行通道数调整,再经过 ReLU 激活函数,最后与普通卷积后的结果进行相加得到输出特征层。

改进卷积单元

评价指标

首先采集10幅激光光条与棋盘格标定板行角点重合的条纹图像,利用 Matlab中的相机标定工具确定棋盘格角点的图像坐标,然后提取激光条纹的中心坐标,最后对提取的光条中心坐标与棋盘格角点基础坐标求距离均值,将所得的结果作为光条中心的提取误差,以此来评价光条中心线的提取精度。 其中距离均值的定义如下:

式中:n表示光条纹与棋盘格角点重合的数量,表示棋盘格角点的基准坐标,表示光条纹的中心坐标。该值越小,说明光条中心线提取越准确。

总结

本文针对复杂表面物体动态三维测量中光条图像过曝光、欠曝光以及环境光照干扰造成光条中心线提取速度慢、提取精度低的问题,提出了一种快速、准确的激光中心线提取方法。通过改进 UNet++模型将光条图像分割为 1~2 像素宽度,再对细化后的条纹图像利用灰度重心法实现对激光中心线的准确提取。

相关推荐
AI浩1 小时前
【面试总结】FFN(前馈神经网络)在Transformer模型中先升维再降维的原因
人工智能·深度学习·计算机视觉·transformer
IE063 小时前
深度学习系列75:sql大模型工具vanna
深度学习
不惑_3 小时前
深度学习 · 手撕 DeepLearning4J ,用Java实现手写数字识别 (附UI效果展示)
java·深度学习·ui
CM莫问4 小时前
python实战(十五)——中文手写体数字图像CNN分类
人工智能·python·深度学习·算法·cnn·图像分类·手写体识别
余炜yw4 小时前
深入探讨激活函数在神经网络中的应用
人工智能·深度学习·机器学习
ARM+FPGA+AI工业主板定制专家5 小时前
基于RK3576/RK3588+FPGA+AI深度学习的轨道异物检测技术研究
人工智能·深度学习
小猪咪piggy6 小时前
【深度学习入门】深度学习知识点总结
人工智能·深度学习
热爱编程的OP8 小时前
机器学习 vs 深度学习
人工智能·深度学习·机器学习
跟德姆(dom)一起学AI8 小时前
0基础跟德姆(dom)一起学AI 自然语言处理18-解码器部分实现
人工智能·python·rnn·深度学习·自然语言处理·transformer
清图8 小时前
Python 预训练:打通视觉与大语言模型应用壁垒——Python预训练视觉和大语言模型
人工智能·python·深度学习·机器学习·计算机视觉·自然语言处理·ai作画