提出一种新的结构光条纹中心线提取算法,该算法能在不同的干扰环境下稳定地提取出光条中心线,并且具备修补断线的能力。利用密度聚类算法的无监督特性,即使存在断线或噪声干扰,仍能快速聚类中心线的候选像素点集合,大幅缩小搜索范围;经过实验数据分析发现,不同场景的中心线还具有亮度高且趋于连续的共性特征,使用像素点间欧氏距离和亮度值定义能量函数对该特征建模,利用最短路径搜索算法迭代收敛实现中心线精确提取。实验结果表明,在三种强烈干扰的结构光图像中,算法提取中心线均方根误差约为0.4 pixel;处理速度相比同样抗干扰能力较强的图像接缝算法提高了12.48倍。所提算法在保持运算速度快、精度高的同时,大幅提高了抗干扰能力,有效降低了工业生产中使用结构光测量时的条件限制。

结构光三维测量技术是获得物体三维信息的重要途径, 激光条纹中心线提取是影响结构光三维测量精度和速度的关键因素。提出了一种适用于多场景下结构光三维测量的激光条纹中心线提取方法, 充分利用图像中激光条纹的几何信息和相关性生成自适应卷积模板, 实现激光条纹图像的滤波和增强处理, 使激光条纹横截面灰度值满足高斯分布; 经灰度加权法实现激光条纹中心线的亚像素精度定位与提取。实验测试结果表明: 该方法可实现多场景下形状、材质各异物体的条纹中心线提取, 有效克服了激光条纹亮度分布不均、噪声干扰等影响, 单幅图像处理时间缩短为0.107 s且相对误差减少到0.076 5%, 有效提高了激光条纹中心线的提取精度和速度。

针对线结构光测量系统中如何准确快速地提取光条中心这一关键问题, 本文提出了一种基于自适应模板的新方法。根据线结构光图像梯度分布特性, 通过高斯卷积获得光条各点的Hessian矩阵。根据图像点的法线方向构造中心提取的卷积模板, 并能够根据光条形态变化, 自适应地改变模板权重分布。通过切线方向采样构建修正模板, 有效修正噪声等因素造成的误差。算法仅对感兴趣区域提取, 大幅减少运算量。实验表明, 该方法具有精度高、对结构形态具有较高的敏感性、实时性较好等特点, 实现了工业应用中线结构光光条中心的高精度快速提取。

由于接近光学衍射极限, 微米尺度线条纹在经过高倍显微镜放大成像后边缘通常都很模糊, 加上同轴光源产生的光照不均匀现象, 成像质量通常很差。为了有效测量微米尺度线条纹间距, 本文提出了一种针对光学显微线条纹图像的中心线提取算法。首先, 采用Retinex方法对原图像进行增强, 以克服由光照不均匀所造成的无法准确分割的问题。接着, 使用Ostu最佳阈值对图像进行二值分割。然后, 针对分割后条纹边缘含有大量毛刺和凹陷的现象, 使用基于快速步进算法的边缘塌陷法对中心线进行准确提取。最后, 对提取中心线进行了最小二乘拟合。实验结果表明: 本文提出的方法可以有效实现微米尺度线条纹光学显微图像中心线的准确提取。使用本方法对标准宽度线条纹间距进行实测的最大测量偏差小于2%。

条纹中心提取是线结构光表面形貌测量的关键问题，提出一种基于主成分分析方法实现结构光条纹中心提取的方法。利用大津阈值法提取图像的感兴趣区域(ROI)，在经两次高斯卷积得到条纹的梯度分布的基础上确定条纹中心的初始位置，利用主成分分析来确定这些点上法线方向；以初始位置为基准点，对条纹的灰度分布函数在法线方向进行二阶泰勒展开求得条纹中心的精确位置。实验结果表明，该算法具有速度快、精度高等特点，相对Steger算法，均方误差(MSE)小于0.003 pixel，速度提高了近3 倍。该方法能够实现结构光条纹中心线的快速高精度提取，为结构光视觉检测的实时应用奠定了基础。

在对动态目标闭环跟踪过程中, 目标中心线的提取对目标的定位以及实时姿态判定有着重要影响, 是实现高精度定位以及姿态判定的重要依据。根据Hessian矩阵在微分几何中的意义以及动态目标的成像特点, 提出一种基于Hessian矩阵本征分解的目标中心线提取算法。算法在分割出目标的基础上, 进行欧氏距离变换并建立关于目标的灰度Hessian矩阵, 对Hessian矩阵进行本征分解, 获取目标中心的初始点集, 对这一点集采用随机采样一致算法进行野值剔除, 最终拟合出目标的中心线。为了验证算法的有效性, 设置了评价机制, 并和前人提出的若干算法进行了对比, 仿真实验表明该算法具有较高的稳定性和准确性。