一种基于高光边界三维重映射的自适应投影方法

1.本发明涉及结构光三维测量领域，特别是一种基于高光边界三维重映射的自适应投影方法。


背景技术：

2.在结构光三维测量领域，高光区域的干扰对测量结果的完整性往往有着致命的影响。传统的结构光测量抑制高光的方法主要有以下两种。一，多曝光补偿法，通过投影不同亮度级的图像以实现高光区域的完全消除。该方法测量效率低、需要投影多组结构光耗费时间，且在需要将不同曝光时间下计算的测量结果进行拼接，增加计算量。二，采用低密度条纹代替高密度条纹的方法，该方法虽然可以抑制一部分高光区域，但是无法完全杜绝高光区域的存在，且采用低密度条纹带来的结果是测量精度的降低。与前两种方法相比，本方法采用自适应投影的方法，将高光区域的亮度完全消除，从而实现测量的结果来自于单次相移测量。避免了对不同三维点云的复杂拼接过程，在不增加测量时间的情况下保证了测量的精度。


技术实现要素：

3.为了再降低计算复杂程度的同时提高测量的完整度，本发明提供了一种基于高光边界三维重映射的自适应投影方法。
4.本发明采用的技术方案如下：一种基于高光边界三维重映射的自适应投影方法，步骤如下：
5.步骤一，基于相移亮度图统计提取出图像过曝处的联通区域；
6.步骤二，通过过曝的联通区域提取出区域外部边界处未过曝的像素群坐标，并基于标定参数重构出边界处相应的三维坐标；
7.步骤三，将三维坐标逆向映射至dmd靶面坐标得到闭环连通域；
8.步骤四，调节连通域内投影光的亮度，若尚存在过曝区域则逐级降低投影光亮度转向步骤一直至高光区域全部消除。
9.优选的，步骤一具体为：读取相机拍摄最密条纹的所有相移图，对所有相移图中像素值大于等于255的区域进行统计提取，并记录所有相移图中像素值均大于等于255的区域，即为高光区域。
10.优选的，步骤二具体为：
11.将图像内所有像素值小于255的区域像素值置为0，利用边缘提取算法对所有高光区域边界进行提取，并将提取的坐标以及对应的相位值进行三维坐标求解，由针孔成像模型可知：
12.13.其中f
x_p
与f
y_p
为投影仪镜头的焦距，u
p
与v
p
分别为相机的像素坐标，(u
0_p
,v
0_p
)为投影仪靶面的主点位置，(u
p
,v
p
)为投影仪的靶面像素坐标，rt
p3
×4为投影仪的外参数矩阵；
14.通过相机的外参数矩阵和投影仪外参数矩阵将投影仪的像素坐标与相机的像素坐标相关联：
[0015][0016]
其中
“‑
1”表示对矩阵的伪逆，rt
c3
×4代表相机坐标系下的外参数矩阵；
[0017]
由此得到：
[0018][0019]
将内参数矩阵和外参数矩阵合并成一个矩阵r，即：
[0020][0021]
再提取公式(3)的第一行可以得到：
[0022]zpup
＝r(1,1)
·
xc r(1,2)
·
yc r(1,3)
·
zc r(1,4)
ꢀꢀꢀ
(5)
[0023]
其中z
p
以公式(2)推导得出；
[0024]
从相机出发可以得到两个约束条件：
[0025][0026]
结合公式(5)与公式(6)可以得到边界处的的三维坐标：
[0027][0028]
优选的，步骤三具体为：
[0029]
首先，通过式(2)将pc(x,y,z)转变为p
p
(x,y,z)，并由式(1)可得：
[0030]
[0031]
最终，dmd靶面像素坐标为：
[0032][0033]
通过求解得到的dmd靶面像素坐标按照距离最近的原则将所有dmd靶面像素坐标相连获得dmd靶面高光区域像素坐标连通域。
[0034]
优选的，步骤四具体为：
[0035]
以原始投影光强为基准将投影光强进行分级：
[0036]
[i,ni,n2i,n3i,n4i,
…
]
ꢀꢀꢀ
(10)
[0037]
其中，i为原始光强，n(n《1)为降低的比例系数，通过逐级降低高光区域内部的光强，将高光区域按照实际光强值进行分割，实际光强越高的区域比例系数越小；
[0038]
每改变一次投影光强，记录相应区域的投影比例系数，并转向步骤一检测是否还存在高光区域，若存在重复步骤二和步骤三直至将所有高光区域并入正常曝光区域。
[0039]
本发明具有如下有益效果：本发明提出了一种基于高光边界三维重映射的自适应投影方法，比以往方法减少了计算的复杂程度，同时保留了测量的完整度。
附图说明
[0040]
图1是本发明实施例的系统框图。
[0041]
图2是本发明实施例的方法示意图。
[0042]
图3是本发明实施例中逐级降低光强方法示意图一。
[0043]
图4是本发明实施例中逐级降低光强方法示意图二。
[0044]
图5是本发明实施例中逐级降低光强方法示意图三。
[0045]
图6是本发明实施例中逐级降低光强方法示意图四。
具体实施方式
[0046]
下面结合实施例与附图，对本发明作进一步说明。
[0047]
如图1所示，为本实施例的步骤流程：首先读入最密条纹的所有相移图，统计相移图中所有像素值超过255的区域然后通过过曝的联通区域提取出区域外部边界处未过曝的像素群坐标。并基于标定参数重构出边界处相应的三维坐标。然后将三维坐标逆向映射至dmd靶面坐标得到闭环连通域。最后调节连通域内结构光的亮度，若尚存在过曝区域则逐级降低投影光亮度直至高光区域全部消除。
[0048]
具体步骤如下：
[0049]
步骤一，提取过曝联通区域。
[0050]
首先读取相机拍摄最密条纹的所有相移图。对所有相移图中像素值大于等于255的区域进行统计提取。并记录所有相移图中像素值均大于等于255的区域，即为高光区域。
[0051]
步骤二，边界区域的选取与重建。
[0052]
将图像内所有像素值小于255的区域像素值设为0。利用边缘提取算法对所有高光
区域边界进行提取。并将提取的坐标以及对应的相位值进行三维坐标求解。由针孔成像模型可知：
[0053][0054]
其中f
x_p
与f
y_p
为投影仪镜头的焦距。u
p
与v
p
分别为相机的像素坐标。(u
0_p
,v
0_p
)为投影仪靶面的主点位置。(u
p
,v
p
)为投影仪的靶面像素坐标。rt
p3
×4为投影仪的外参数矩阵。通过相机的外参数矩阵和投影仪外参数矩阵将投影仪的像素坐标与相机的像素坐标相关联：
[0055][0056]
其中
“‑
1”表示对矩阵的伪逆，rt
c3
×4代表相机坐标系下的外参数矩阵。由此我们可以得到：
[0057][0058]
将内参数矩阵和外参数矩阵合并成一个矩阵r，即：
[0059][0060]
再提取整个公式(3)的第一行可以得到：
[0061]zpup
＝r(1,1)
·
xc r(1,2)
·
yc r(1,3)
·
zc r(1,4)
ꢀꢀꢀ
(5)
[0062]
其中z
p
可以以公式(2)推导得出：
[0063]
从相机出发可以得到两个约束条件：
[0064][0065]
结合公式(5)与公式(6)可以得到边界处的的三维坐标：
[0066]
[0067]
步骤三，求解dmd高光区域像素坐标闭环连通域。首先通过式(2)将pc(x,y,z)转变为p
p
(x,y,z)，并由式(1)可得：
[0068][0069]
最终，dmd靶面像素坐标为：
[0070][0071]
通过求解得到的dmd靶面像素坐标按照相邻距离最近的像素点相连获得dmd靶面高光区域像素坐标连通域。
[0072]
步骤四，结构光亮度的调节方法。以原始投影光强为基准将投影光强进行分级：
[0073]
[i,ni,n2i,n3i,n4i,
…
]
ꢀꢀꢀ
(10)
[0074]
其中，i为原始光强，n(n《1)为降低的比例系数。通过逐级降低高光区域内部的光强，将高光区域按照实际光强值进行分割为(a1,a2,a3,
…
)等区域。实际光强越高的区域比例系数越小。每降低一次投影光强，记录相应区域的投影比例系数。并转向步骤一检测是否还存在高光区域，若存在重复步骤二和步骤三直至将所有高光区域并入正常曝光区域a。图3～6为逐级降低光强方法示意图，通过将投影光强进行分级，在亮度不同的区域投影不同等级的光强。光强越大的区域比例系数越小，如区域a3。
[0075]
显然，本发明的上述实施例仅仅是为了说明本发明所作的举例，而并非对本发明的实施方式的限定。其他由本发明的实质精神所引申出的显而易见的变化或变动仍属于本发明的保护范围。