本發(fā)明涉及計算機視覺，尤其涉及一種基于計算機視覺識別的激光基準(zhǔn)線測量系統(tǒng)。

背景技術(shù)：

1、基于計算機視覺識別的激光基準(zhǔn)線測量系統(tǒng)是一種結(jié)合了計算機視覺技術(shù)和激光測距技術(shù)的測量系統(tǒng)。它可以通過計算機視覺技術(shù)識別出激光基準(zhǔn)線，并使用激光測距技術(shù)測量基準(zhǔn)線上的物體距離。

2、在基于計算機視覺識別的激光基準(zhǔn)線測量系統(tǒng)中，通常涉及使用攝像頭或其他圖像傳感器捕捉由激光產(chǎn)生的基準(zhǔn)線，并通過計算機視覺技術(shù)來分析這些圖像以確定物體的位置、尺寸或角度等信息。這種方法在工業(yè)自動化、建筑施工等領(lǐng)域有著廣泛的應(yīng)用前景。

3、然而，現(xiàn)有的基于計算機視覺識別的激光基準(zhǔn)線測量系統(tǒng)仍存在一些問題：對于復(fù)雜環(huán)境下如何提高計算機視覺對激光基準(zhǔn)線的識別精度和穩(wěn)定性。由于現(xiàn)實環(huán)境中的光線變化、背景雜亂、遮擋等因素，可能會干擾激光線的檢測，導(dǎo)致識別結(jié)果不準(zhǔn)確或者不穩(wěn)定情況。從而需要進一步優(yōu)化圖像處理算法，比如增強圖像對比度、采用更先進的特征提取技術(shù)以及開發(fā)適應(yīng)性強的噪聲過濾方法等，從而確保系統(tǒng)能夠在各種條件下都能保持高精度和高可靠性。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于計算機視覺識別的激光基準(zhǔn)線測量系統(tǒng)，用以解決上述現(xiàn)有技術(shù)中存在的問題。

2、本發(fā)明由如下技術(shù)方案實施：

3、本發(fā)明實施例提供了一種基于計算機視覺識別的激光基準(zhǔn)線測量系統(tǒng)，包括：

4、使用兩個tof相機分別對同一場景中的激光基準(zhǔn)線進行拍攝；

5、對每個tof相機捕獲的圖像進行預(yù)處理,提取包含激光基準(zhǔn)線的深度信息；

6、基于特征點匹配算法將兩個tof相機捕獲的深度信息進行匹配和校準(zhǔn)；

7、利用校準(zhǔn)后的深度信息,通過計算機視覺技術(shù)識別并跟蹤激光基準(zhǔn)線。

8、進一步地，所述使用兩個tof相機分別對同一場景中的激光基準(zhǔn)線進行拍攝包括：

9、調(diào)整兩個tof相機的位置和角度以確保它們能夠同時捕捉到激光基準(zhǔn)線；

10、啟動同步信號以保證兩個tof相機在同一時間點開始拍攝；

11、基于同步信號觸發(fā)，兩個tof相機分別捕獲包含激光基準(zhǔn)線的圖像；

12、完成拍攝后立即停止同步信號。

13、進一步地，所述基于同步信號觸發(fā)，兩個tof相機分別捕獲包含激光基準(zhǔn)線的圖像包括：

14、設(shè)置同步信號的頻率為f，確保兩個tof相機在同一頻率下工作；

15、計算當(dāng)前同步信號的頻率f,并監(jiān)測當(dāng)前同步信號的頻率f是否達到預(yù)設(shè)閾值t；

16、若當(dāng)前同步信號的頻率f等于或高于預(yù)設(shè)閾值t時，啟動tof相機的圖像捕獲功能；

17、基于同步信號，兩個tof相機同時開始捕獲圖像；

18、若當(dāng)前同步信號的頻率f小于閾值t，則等待直至頻率f再次達到閾值t；

19、當(dāng)同步信號結(jié)束時，兩個tof相機停止捕獲圖像。

20、進一步地，所述計算當(dāng)前同步信號的頻率f包括：

21、測量同步信號的周期時間t；

22、使用公式頻率f?=?1?/?t計算頻率f；

23、將計算出的頻率f與預(yù)設(shè)閾值t進行比較；

24、如果頻率f大于或等于閾值t，則執(zhí)行后續(xù)步驟。

25、進一步地，所述對每個tof相機捕獲的圖像進行預(yù)處理,提取包含激光基準(zhǔn)線的深度信息包括：

26、對tof相機捕獲的原始圖像進行降噪處理；

27、應(yīng)用高斯濾波器對圖像進行平滑處理；

28、使用閾值分割方法增強激光基準(zhǔn)線的對比度；

29、采用邊緣檢測算法提取激光基準(zhǔn)線的輪廓。

30、進一步地，所述基于特征點匹配算法將兩個tof相機捕獲的深度信息進行匹配和校準(zhǔn)包括：

31、在兩個tof相機捕獲的圖像中檢測特征點；

32、基于特征點的相似性計算匹配得分，其中如果得分大于設(shè)定的閾值，則認(rèn)為匹配成功；

33、利用匹配成功的特征點對兩個圖像進行幾何變換，得到變換參數(shù)；

34、通過最小二乘法優(yōu)化變換參數(shù)。

35、進一步地，所述基于特征點的相似性計算匹配得分包括：

36、計算特征點的描述子向量之間的歐氏距離，可以表示為：

37、d?=?sqrt[(x1-x2)2?+?(y1-y2)2?+?(z1-z2)2]

38、其中，d?是歐氏距離，(x1,y1,z1)是第一個特征點的三維坐標(biāo)，(x2,y2,z2)是第二個特征點的三維坐標(biāo)；

39、如果歐氏距離小于預(yù)設(shè)的距離閾值，則認(rèn)為特征點相似；

40、基于相似特征點的數(shù)量與總特征點數(shù)量的比例計算匹配得分，其中匹配得分等于相似特征點數(shù)量除以總特征點數(shù)量；

41、如果匹配得分大于設(shè)定的閾值，則認(rèn)為匹配成功。

42、進一步地，所述利用匹配成功的特征點對兩個圖像進行幾何變換，得到變換參數(shù)包括：

43、確定匹配成功的特征點對；

44、基于匹配點對計算基礎(chǔ)矩陣或單應(yīng)性矩陣；

45、如果計算出的基礎(chǔ)矩陣或單應(yīng)性矩陣的秩等于2或3，則認(rèn)為變換有效；

46、應(yīng)用有效的基礎(chǔ)矩陣或單應(yīng)性矩陣對圖像進行幾何變換，得到變換參數(shù)。

47、進一步地，所述通過最小二乘法優(yōu)化變換參數(shù)包括：

48、收集匹配成功的特征點坐標(biāo)；

49、基于最小二乘法求解最優(yōu)變換參數(shù)，其中最優(yōu)變換參數(shù)使得所有匹配點對的重投影誤差之和最小；

50、如果重投影誤差之和小于預(yù)設(shè)的誤差閾值，則認(rèn)為變換參數(shù)優(yōu)化完成；

51、應(yīng)用優(yōu)化后的變換參數(shù)對圖像進行最終校準(zhǔn)。

52、本公開實施例提供了一種基于計算機視覺識別的激光基準(zhǔn)線測量系統(tǒng)，包括：使用兩個tof相機分別對同一場景中的激光基準(zhǔn)線進行拍攝；對每個tof相機捕獲的圖像進行預(yù)處理,提取包含激光基準(zhǔn)線的深度信息；基于特征點匹配算法將兩個tof相機捕獲的深度信息進行匹配和校準(zhǔn)；利用校準(zhǔn)后的深度信息,通過計算機視覺技術(shù)識別并跟蹤激光基準(zhǔn)線。通過本公開實施例的方案，能夠解決如何在復(fù)雜環(huán)境下提高計算機視覺對激光基準(zhǔn)線的識別精度和穩(wěn)定性。

技術(shù)特征：

1.一種基于計算機視覺識別的激光基準(zhǔn)線測量系統(tǒng)，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種基于計算機視覺識別的激光基準(zhǔn)線測量系統(tǒng)，其特征在于，使用兩個tof相機分別對同一場景中的激光基準(zhǔn)線進行拍攝包括：

3.根據(jù)權(quán)利要求2所述的一種基于計算機視覺識別的激光基準(zhǔn)線測量系統(tǒng)，其特征在于，基于同步信號觸發(fā)，兩個tof相機分別捕獲包含激光基準(zhǔn)線的圖像包括：

4.根據(jù)權(quán)利要求3所述的一種基于計算機視覺識別的激光基準(zhǔn)線測量系統(tǒng)，其特征在于，計算當(dāng)前同步信號的頻率f包括：

5.根據(jù)權(quán)利要求1所述的一種基于計算機視覺識別的激光基準(zhǔn)線測量系統(tǒng)，其特征在于，對每個tof相機捕獲的圖像進行預(yù)處理,提取包含激光基準(zhǔn)線的深度信息包括：

6.根據(jù)權(quán)利要求1所述的一種基于計算機視覺識別的激光基準(zhǔn)線測量系統(tǒng)，其特征在于，基于特征點匹配算法將兩個tof相機捕獲的深度信息進行匹配和校準(zhǔn)包括：

7.根據(jù)權(quán)利要求6所述的一種基于計算機視覺識別的激光基準(zhǔn)線測量系統(tǒng)，其特征在于，基于特征點的相似性計算匹配得分包括：

8.根據(jù)權(quán)利要求6所述的一種基于計算機視覺識別的激光基準(zhǔn)線測量系統(tǒng)，其特征在于，利用匹配成功的特征點對兩個圖像進行幾何變換，得到變換參數(shù)，包括：

9.根據(jù)權(quán)利要求6所述的一種基于計算機視覺識別的激光基準(zhǔn)線測量系統(tǒng)，其特征在于，通過最小二乘法優(yōu)化變換參數(shù)包括：

技術(shù)總結(jié)
本發(fā)明涉及計算機視覺技術(shù)領(lǐng)域，尤其涉及一種基于計算機視覺識別的激光基準(zhǔn)線測量系統(tǒng)，包括使用兩個TOF相機分別對同一場景中的激光基準(zhǔn)線進行拍攝；對每個TOF相機捕獲的圖像進行預(yù)處理,提取包含激光基準(zhǔn)線的深度信息；基于特征點匹配算法將兩個TOF相機捕獲的深度信息進行匹配和校準(zhǔn)，利用校準(zhǔn)后的深度信息,通過計算機視覺技術(shù)識別并跟蹤激光基準(zhǔn)線。通過本公開實施例的方案，能夠解決如何在復(fù)雜環(huán)境下提高計算機視覺對激光基準(zhǔn)線的識別精度和穩(wěn)定性。

技術(shù)研發(fā)人員：王玲,單強,李洪建,李兵,李星強,安仲昊
受保護的技術(shù)使用者：山東艾琳智能科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21