激光条纹中心线提取算法FPGA实现方案

1 概述

激光条纹中心线提取是3D线激光测量领域一个较为基础且重要的算法。目前,激光条纹中心线提取已有多种成熟的算法,有很多相关的博客和论文。

激光条纹中心线提取的真实意义在于工程化和产品化的实际应用,而很多算法目前只能用于学术研究或理论实验,无法在应用端或产品端商用化落地。

常见的中心线提取算法有:

  • 边缘法
  • 中心法
  • 阈值法
  • 形态学细化法
  • 极值法
  • 灰度重心法
  • 曲线拟合法
  • Steger算法

上述这些算法中只有灰度重心法,曲线拟合法,Steger算法3种方法可以达到亚像素精度。

由于测量环境的影响,及被测物体表面材料及轮廓的多样性,实际成像的激光条纹会出现噪声、起伏、倾斜、重叠、间断、过曝、反光等现象。没有一种算法可以完全适应各种应用场景并解决所有这些问题。在实际应用时,往往需要以某一种算法为基础,配合设计多种策略进行排列组合使用,尽可能解决会影响测量结果的问题。

2 FPGA实现方案

笔者开发了一套已成熟商用化的FPGA版本的高性能中心线提取算法。性能指标可达市场一线3D线激光测量类产品,可适配各种分辨率及不同速度等级的CMOS图像传感器。例如:

横向分别率为2K量级,每个像素时钟输出8个像素点的CMOS图像传感器。如,安森美的PYTHON2000;索尼的IMX421。以Xilinx 7系列FPGA为例,资源消耗如下:

横向分别率为2K量级,每个像素时钟输出32个像素点的CMOS图像传感器。如,LUXIMA的LUX2810、LUX2100;E2V的Flash 2K。FPGA资源消耗如下:

横向分别率为4K量级,每个像素时钟输出64个像素点的CMOS图像传感器。如,E2V的Flash 4K。FPGA资源消耗如下:

若需项目合作请私信详询。

相关推荐
ComputerInBook6 小时前
数字图像处理(4版)——第 11 章——特征提取(下)(Rafael C.Gonzalez&Richard E. Woods)
图像处理·人工智能·特征提取
sali-tec20 小时前
C# 基于OpenCv的视觉工作流-章69-圆弧测量
图像处理·人工智能·opencv·算法·计算机视觉
sali-tec20 小时前
C# 基于OpenCv的视觉工作流-章70-轮廓点距
图像处理·人工智能·opencv·算法·计算机视觉
机器视觉_Explorer1 天前
【halcon】编程技巧:鼠标擦除
图像处理·人工智能·深度学习·算法·视觉检测
xrgs_shz1 天前
【高光谱数据处理实战】基于Python的ENVI图像交互式裁剪与光谱数据预处理
开发语言·图像处理·python
sali-tec2 天前
C# 基于OpenCv的视觉工作流-章62-线线距离
图像处理·人工智能·opencv·算法·计算机视觉
兴通物联科技2 天前
整箱扫码高速传送带适配技术(硬件架构与核心算法篇)
图像处理·人工智能·物联网·计算机视觉·硬件架构
机器视觉知识推荐、就业指导2 天前
海康面阵工业相机P7六针接口接线指南
机器视觉
格林威2 天前
Baumer工业相机堡盟相机Chunk功能全解析:如何在图像中嵌入时间戳、编码器值等元数据?
开发语言·人工智能·数码相机·机器学习·计算机视觉·视觉检测·机器视觉
sali-tec2 天前
C# 基于OpenCv的视觉工作流-章66-直线夹角
图像处理·人工智能·opencv·算法·计算机视觉