一种基于压缩感知的不规则物体体积测量方法

摘要

一种基于压缩感知的不规则物体体积测量方法，首先，对系统进行标定，获取系统的像素当量；其次，利用三个摄像头分别获取待测物体俯视、左视、右视三个方向的原始图像，并通过俯视图获得待测物体的最大外围长度图像坐标参数，同时利用俯视最大长度像素数为依据分割左右视图所对应的重构范围，用明暗恢复形状法分别对左视图与右视图进行三维重构，随机地选择明暗恢复形状法得到的部分坐标点，以部分坐标点为测量值，选择压缩测量矩阵和稀疏基，重建左右视图的原始坐标，提高坐标值的准确度，在图像坐标下分别计算左右视图重构物体的体积，然后求和；最后，根据像素当量计算世界坐标系中待测物体的实际体积，本发明可以实现不规则物体的体积测量。

说明书

技术领域

本发明涉及一种利用数字图像处理技术实现不规则物体体积测量的方法， 具体涉及一种基于压缩感知的不规则物体体积测量方法。

背景技术

在实际生活和工业领域中，有一些不规则物料需要测量其体积，如工业 原材料的在线检测系统。随着测量技术的发展，不规则物体的测量环境复杂 多变，测量方法也不断革新。

传统的测量方法是人用卷尺现场丈量规则对象的几何形状，虽然简单、 易行，但需对观测对象进行整理，人工现场测量时效性差，精度不高，不适 合大型物体的测量，也难以实现非接触式测量。现有基于计算机视觉测量主 要是通过双（多）目视觉对不规则物体进行三维重构，然后计算三维重构的 物体的体积。双（多）目视觉测量是获得不同角度的物体图像信息，多台摄 像机之间的相对位置要得到精确的固定，同时要保证多台摄像机在拍摄的同 步性和稳定性，控制上难以实现，基本上只能实现小范围的应用，需要寻找 图像间用于匹配的特征点,而特征点匹配又是图像处理中的难点,因此利用多 幅图像进行三维重建后的体积计算操作复杂、计算量大,不适用于动态场景等 问题。单目视觉测量方法不存在图像特征点的匹配，是直接利用场景中的已 知几何特征，在相差一个仿射变换的意义下获得物体的三维结构，对设备的 要求简单，无需多幅图像的匹配,成本低廉，易于实现，节约了时间,提高了 效率，明暗恢复形状法(SFS)法是最常用的单目视觉法，是根据图像中物体表 面的明暗变化，恢复物体表面各点的相对高度，但由于假设条件物体的重建 精度不高，现有的不规则物体体积测量方法在一定程度上限制了其在工业过 程中的应用。

利用压缩感知（CS）对物体进行三维重建是用明暗恢复形状法得到的部 分数据对物体进行二次恢复，提高物体的重建精度，该方法能降低双目视觉 三维重建进行体积计算的复杂度，减小了不规则物体的体积计算误差。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种基于压缩感知 的不规则物体体积测量方法，以工业生产中不规则物料体积测量为背景，利用 明暗恢复形状得到的部分数据对不规则物体进行二次重构，用于实现不规则物 体体积的软测量，加快测量速度，提高生产效率。

为了实现上述目的，本发明采用的技术方案是：

一种基于压缩感知的不规则物体体积测量方法，包括如下步骤：

安装三个摄像头位于待测不规则物体的左、右、上三个方向组成体积测 量系统，首先对体积测量系统进行标定，获取系统的像素当量；

其次，利用三个摄像头分别获取待测物体俯视、左视、右视三个方向的 原始图像，并通过俯视图获得待测物体的最大外围长度图像坐标参数，同时 利用俯视最大长度像素数为依据分割左右视图所对应的重构范围，用明暗恢 复形状法分别对左视图与右视图进行三维重构，随机地选择明暗恢复形状法 得到的部分坐标点，以部分坐标点为测量值，选择压缩测量矩阵和稀疏基， 重建左右视图的原始坐标，提高坐标值的准确度，在图像坐标下分别计算左 右视图重构物体的体积，然后求和；

最后，根据像素当量计算世界坐标系中待测物体的实际体积。

所述对系统进行标定，获取系统的像素当量的方法是：利用该系统对一 个几何参数L已知的物体进行测量，得到代表其参数的像素数M，然后利用 公式ε=L/M计算像素当量ε，得到单位像素所代表的实际尺寸。

利用大津法阈值分割对俯视图进行二值化处理，然后求出俯视图上下顶 点位置，取两者横向对称中心线，利用俯视最大长度像素数为依据分割左右 视图所对应的重构范围。

用明暗恢复形状法分别对左视图与右视图进行三维重构的过程是：

首先，将左右视图与背景进行分割，将背景灰度值设为0；

其次根据不规则物体左右视图的灰度信息，引入物体表面的光滑条件， 解得物体表面的梯度值；

最后由梯度值得到物体的高度值，进而得到物体的三维结构。

实验结果表明，本发明涉及的基于压缩感知对不规则物体体积进行测量， 可以实现不规则物体的体积测量，是一种较准确地非接触式体积测量方法。若 将本发明应用于工业生产领域，可以较好的解决工业原始物料的体积无法准确、 快速、非接触测量的问题，减少人工操作，促进工业发展，提高国民经济，具 有很大的市场潜力。

附图说明

图1为本发明体积测量方法处理流程图。

具体实施方式

本发明以石块作为被测对象，处理流程如附图1所示，具体实施步骤如 下：

Step1、安装三个摄像头位于待测不规则物体的左、右、上三个方向组成 体积测量系统，首先对体积测量系统进行标定，即利用该系统对一个几何参 数L已知的物体进行测量，得到代表其参数的像素数M，然后利用公式 ε=L/M计算像素当量ε，得到单位像素所代表的实际尺寸。

Step2、通过CCD摄像头获得待测物的俯视图和左右两幅侧视图。

Step3、利用大津法阈值分割对俯视图进行二值化处理。

Step4、求出俯视图上下顶点位置，取两者横向对称中心线，利用俯视最 大长度像素数为依据分割左右视图所对应的重构范围。

Step5、根据明暗恢复形状法，对左右视图进行三维重构，恢复左右视图 的三维图像，得到左视图的三维模型NL个图像坐标集合：(x_i,y_i,z_i)'；右视图 的三维模型NR个图像坐标集合：(x_i,y_i,z_i)'。

Step6、对左视图的NL个(x_i,y_i,z_i)随机选取ML个坐标点作为测量值Y_ML×1， 其中Y_ML×1的每个元素是1×3的点的坐标值，选择压缩矩阵Φ_ML×NL，稀疏基Ψ_NL×NL， 利用压缩感知来恢复左视图的原始坐标(x_i,y_i,z_i)。

Step7、统计左视图三维模型空间中所包含的实际立体像素块数目，计为 sum_left。

Step8、对右视图的NR个(x_i,y_i,z_i)随机选取MR个坐标点作为测量值Y_MR×1， 其中Y_MR×1的每个元素是1×3的点的坐标值，选择压缩矩阵Φ_MR×NR，稀疏基Ψ_NR×NR， 利用压缩感知来恢复右视图的原始坐标(x_i,y_i,z_i)。

Step9、统计右视图三维模型空间中所包含的实际立体像素块数目，计为 sum_right。

Step10、图像坐标系中，左右三维模型包含的立体像素块数目为 sum=sum_left+sum_right。

Step11、利用像素当量，利用公式V=sum×ε³，将图像坐标系中的体积换 算为实际测量体积。

Step12、输出物体实际体积。

上述右视图的三维重构过程：

Step1:将灰度化处理后的右视图与背景进行分割，将背景灰度值设为0；

Step2:将不规则物体的右视图的曲面表示为z=z(x,y)，表面梯度为 (p,q)，即$p(x,y)=\frac{\partial z(x,y)}{\partial x},q(x,y)=\frac{\partial z(x,y)}{\partial y},$则曲面的法向量为(p,q,-1)，光线 的入射矢量估计为：(p_s,q_s,-1)。

Step3：明暗恢复形状法假设物体表面点的灰度值E仅由该点光源的余弦 决定：$E(x,y)=\frac{{\mathrm{pp}}_s+{\mathrm{qq}}_s+1}{\sqrt{1+p^2+q^2}\sqrt{1+p_s^2+q_s^2}},$

Step4:引入可积性约束条件解得表面梯度(p,q)。

Step5:根据(p,q)解偏微分方程得到z(x,y)，对于物体右视图中点的 (x_i,y_i)，坐标值为(x_i,y_i,z_i(x_i,y_i))'，即(x_i,y_i,z_i)'，进而得到右视图的三维结构。

左视图的三维重构过程：

Step1:将灰度化处理后的左视图与背景进行分割，将背景灰度值设为0；

Step2:将不规则物体的左视图的曲面表示为z=z(x,y)，表面梯度为 (p,q)，即$p(x,y)=\frac{\partial z(x,y)}{\partial x},q(x,y)=\frac{\partial z(x,y)}{\partial y},$则曲面的法向量为(p,q,-1)，光源 方向的估计梯度为（p_s,q_s）。

Step3：明暗恢复形状法假设物体表面点的灰度值E仅由该点光源的余弦 决定：$E(x,y)=\frac{{\mathrm{pp}}_s+{\mathrm{qq}}_s+1}{\sqrt{1+p^2+q^2}\sqrt{1+p_s^2+q_s^2}},$

Step4:引入可积性约束条件解得表面梯度(p,q)。

Step5:根据(p,q)解偏微分方程得到z(x,y)，对于物体左视图中点的 (x_i,y_i)，坐标值为(x_i,y_i,z_i(x_i,y_i))'，即(x_i,y_i,z_i)'，进而得到左视图的三维结构。