1.一种激光线中心点提取方法,其特征在于,包括下述步骤:获取激光线图片;
分析所述激光线图片的频域性质和边缘性质;
从频域图像中提取高频成分作为高频特征,从边缘检测结果中提取边缘点作为边缘特征,将提取到的高频特征和边缘特征作为输入,构建分割模型,应用训练好的分割模型对原始激光线图片进行分割,将分割结果二值化,得到只包含激光线的掩码图片;
根据所述掩码图片,获得激光线宽度信息;
利用KMEANS对所述激光线宽度信息进行划分区域的分析,并进行阈值分割,得到激光线宽度的最优分界点;
根据所述最优分界点,以及根据采用steger算法进行高斯滤波时的滤波核与激光线宽度的关系,在所述激光线图片中,对不同的宽度区域使用不同的卷积核大小,再根据所述掩码图片的约束,提取激光线中心。
2.根据权利要求1所述的激光线中心点提取方法,其特征在于,所述获取激光线图片的步骤具体包括:采集激光线照射的场景图片;
对采集到的所述场景图片进行预处理。
3.根据权利要求1所述的激光线中心点提取方法,其特征在于,所述分析所述激光线图片的频域性质和边缘性质的步骤具体包括:使用二维傅里叶变换将所述激光线图片从空间域转换到频域,得到频域图像,进行频域分析,识别高频和低频成分;
应用边缘检测算子对所述激光线图片进行边缘检测,识别出所述激光线图片中的边缘点。
4.根据权利要求3所述的激光线中心点提取方法,其特征在于,所述从所述频域图像中提取高频成分作为高频特征,从边缘检测结果中提取边缘点作为边缘特征,将提取到的高频特征和边缘特征作为输入,构建分割模型,应用训练好的分割模型对原始激光线图片进行分割,将分割结果二值化,得到只包含激光线的掩码图片的步骤具体包括:从所述频域图像中提取高频成分作为高频特征,从边缘检测结果中提取边缘点作为边缘特征;
根据所提取的所述高频特征和所述边缘特征构建分割模型;
应用训练好的所述分割模型对原始激光线图片进行分割,将分割结果二值化,得到只包含激光线的掩码图片。
5.根据权利要求4所述的激光线中心点提取方法,其特征在于,所述根据所述掩码图片,获得激光线宽度信息的步骤具体包括:对掩码图片进行逐行扫描,记录每行中激光线区域的起始点和终止点;
根据起始点和终止点的位置,计算每行上激光线的宽度;
将计算得到的宽度信息存储为数组或矩阵形式。
6.根据权利要求5所述的激光线中心点提取方法,其特征在于,所述利用KMEANS对所述激光线宽度信息进行划分区域的分析,并进行阈值分割,得到激光线宽度的最优分界点的步骤具体包括:将激光线宽度信息作为输入数据,应用KMEANS算法进行聚类;
分析聚类结果,确定不同聚类之间的分界点作为阈值;
通过评估聚类结果的稳定性和准确性,确定最优分界点。
7.根据权利要求6所述的激光线中心点提取方法,其特征在于,所述根据所述最优分界点,以及根据采用steger算法进行高斯滤波时的滤波核与激光线宽度的关系,在所述激光线图片中,对不同的宽度区域使用不同的卷积核大小,再根据所述掩码图片的约束,提取激光线中心的步骤具体包括:根据最优分界点将激光线划分为不同宽度区域;
对每个宽度区域的激光线图片应用相应大小的卷积核进行高斯滤波,去除噪声;
对滤波后的图像构建Hessian矩阵,并计算其特征值和特征向量;
在法线方向上对像素灰度应用泰勒多项式展开,得到灰度分布函数;
根据掩码图片,只保留激光线区域内的中心点,提取激光线中心。
8.一种激光线中心点提取装置,其特征在于,包括:
图片获取模块,用于获取激光线图片;
分析模块,用于分析所述激光线图片的频域性质和边缘性质;
处理模块,用于从频域图像中提取高频成分作为高频特征,从边缘检测结果中提取边缘点作为边缘特征,将提取到的高频特征和边缘特征作为输入,构建分割模型,应用训练好的分割模型对原始激光线图片进行分割,将分割结果二值化,得到只包含激光线的掩码图片;
宽度信息获取模块,用于根据所述掩码图片,获得激光线宽度信息;
阈值分割模块,用于利用KMEANS对所述激光线宽度信息进行划分区域的分析,并进行阈值分割,得到激光线宽度的最优分界点;
提取模块,用于根据所述最优分界点,以及根据采用steger算法进行高斯滤波时的滤波核与激光线宽度的关系,在所述激光线图片中,对不同的宽度区域使用不同的卷积核大小,再根据所述掩码图片的约束,提取激光线中心。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的激光线中心点提取方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的激光线中心点提取方法的步骤。