基于二次平滑的高效线结构光中心线提取方法

本文主要探讨了"基于二次平滑算法的线结构光中心线提取方法"这一主题，针对线结构光在实际应用中遇到的分布不均匀和环境影响问题，提出了一种创新的解决方案。该方法首先通过智能地选择感兴趣区域（Interest Region），对采集到的图像进行裁剪，有效地降低了中心线提取的计算负担。这种方法旨在提高效率，减少不必要的计算。 接着，作者采用灰度重心法作为初始步骤，用于提取激光条纹的中心线估计值。灰度重心法基于图像灰度值分布的中心位置，能快速给出一个粗略但相对准确的中心线定位。然而，这种方法可能在某些情况下存在大凸起和毛刺问题，这可能影响中心线的精确度。 为了改进这一点，论文引入了均值法对这些大凸起和毛刺进行平滑处理，通过消除噪声和异常值，使中心线的位置更加平滑和稳定。然而，这还不够，文章进一步采用了Savitzky-Golay滤波算法，这是一种基于多项式拟合的平滑滤波技术，它特别适用于去除小凸起和毛刺，提升中心线提取的精度。 经过以上步骤，实验结果显示，相较于传统的灰度重心法，这种基于二次平滑算法的方法在处理分辨率为1280 pixel×720 pixel的图像时，中心线提取的速度有所提升，大约节省了0.10秒的时间。更重要的是，精度得到了显著提高，提升了19.15%至44.87%，这意味着更精确的中心线测量。此外，该方法对光强变化的鲁棒性增强，表现出更好的实时性、精度和稳定性，这对于需要快速响应和可靠性的机器视觉系统至关重要。 因此，该研究不仅提供了一种有效优化线结构光中心线提取的方法，而且展示了在实际应用中如何结合多种平滑算法来提升机器视觉系统的性能，特别是在精度和稳定性方面。这对于诸如工业自动化、机器人导航或精密测量等领域具有重要的理论和实践价值。