第一步:由激光投射器根据测量需要投射可控制的光点、光条或光面结构光到物体
表面形成特征点，并调节 CCD 摄像机与视频采集软件，拍摄关于特征点的图像。
第二步: 建立合理的坐标系。然后由物体表面投射光图案的几何形态特征，通过滤
噪，图像处理等步骤，提取得到特征点形成的像素坐标。再通过模式识别判断物体表
面形状，利用激光器和 CCD 摄像机在空间中的位置等参数，利用三角法测量原理反求
得原特征点的坐标。
在实际应用中，线结构光测量系统由于其快速、精确、稳定性好，而且结构简单，
易于实现，相比点结构光提高了效率，又避免了面结构光方法的复杂性，因此在各个
应用领域，如制造业、军事、医学上获得了更广泛的应用。本项目中采用的也是
线结构光系统，因此本论文的内容都围绕线结构光测量系统展开。
线结构光法比起点结构光法，测量得到的信息量大大增加，而其实现的系统复杂
性并没有增加，因而得到了广泛应用。该方法也是基于三角测量原理，所不同的是采
用线光源代替点光源。由激光器投射线激光作为光源，与物体表面相交时，在物体表
面产生亮光条。该光条由于物体表面形状的变化而受到调制，表现在图像中则是光条发生了偏移和断续，偏移的程度与形状有关。通过这种关系，对 CCD 拍摄到的图像进
行处理，就可以求取物体的形状。
线结构光测量系统的研究现状
目前，对线结构光测量系统的研究，主要集中在模式识别与标定方法的研究上。
这就需要对 CCD 摄像机拍摄的图像进行处理，通过滤噪与二值化，光条中心提取等步
骤提取出有用信息后，对信息进行分析，来判断出被测物体的形状与位置。
其中，对滤噪有各种线性与非线性滤波器方法；二值化处理要设计合适的阈值；
对光条中心提取这一步有细化法、水平中值法、灰度重心法、阈值法
等；对被测物体形状的识别，有基于 Hough 变换的圆检测、线检测等方法；标定方法则有直接线性法标定
、基于简单三角法的几何标定、基于多幅图像对应点变换的自标定方法、基于非数学的方法如人工神经网络法等。
线结构光三维视觉检测模型的建立，主要方法有：基于较精确数学模型的解析三
角法、基于透视投影的方法、和基于非数学模型的方法，如神经网络法等。根据具体
的检测情况与精度与效率要求，模型建立的方法也是多种多样的
在线结构光测量系统中，一般要用到三种坐标系：世界坐标系，摄像机坐标系与
图像坐标系
滤噪
滤波算法分为空域滤波，频域滤波与二值形态学滤波三大类
[11]
。其中空域主要有
均值与中值滤波器算法；频域主要有各种低通与高通滤波法；形态学滤波主要有二值高斯高/低通滤波器等。但在本实验中，信号光条处在图像频域的高频部分，各种散粒
噪声也处在高频部分，用频域滤波难以去除。因此，频域滤波不适用于本实验中图像
的处理。
8
化后的开启与闭合运算。滤波与二值化结合起来，就可以把 CCD 摄像机拍摄到的原始
图片转化为滤除了噪声的二值化图像，以供下一步处理。在实际应用中，由于 CCD 摄
像机拍摄到的图片质量与要达到的目的不同，所以有各种适用于不同场合的滤噪与二
值化算法。
(1) 空域与频域滤波法
均值滤波器是最简单的线性滤波器。其基本方法是用对每个像素，用其周围若干
像素的平均灰度值来代替该像素的灰度值。因为噪声常表现为一些孤立点，故使用此
方法通过消除孤立点来减小噪声。设 f(x，y)为原有含噪声的图像，经过邻域平均处理
后为 g(x，y)，则
,
( , ) (1/ ) ( , )
m n S
g x y M f x y
∈
= ∑
其中 S 为邻域像素点集；M 为 S 中像素点个数。对全图像像素依次如此处理，便
得到了均值滤波后的图像。模板的选取则依具体情况而定，有 3×3，5×5 等。均值滤
波能滤掉图像中的散粒噪声，但也存在相当的边缘模糊效应，会使有用信号受到损失。
模板变大时，噪声的消除效果明显加强，但是有用信号的边缘也会变更模糊，损失了
有用信号；并且加大了运算量，降低了效率。
中值滤波器是一种非线性空间滤波器，其原理类似均值滤波器，不同之处在于
用中值来取代均值滤波器里的均值。其数学表达式为：
g(x, y)= median(f(x, y)) (x, y) ∈
中值滤波在实际计算过程中并不需要图像的统计特性，给计算带来不少方便。在
有些文献提及的结构光测量系统中采用了中值滤波方法，取得了不错的效果
[25][26]
。但
是对一些重视细节，特别是线、顶尖等细节多的图像不宜采用中值滤波。而且中值滤
波一样存在边缘模糊效应，会给信号带来损失。
总体来说，空域滤波对滤除孤立噪声点和随机噪声是非常有用的，但是存在边缘
模糊效应，会损失有用信号。而且由于要选取模板进行遍历运算，所以计算量相当大，
计算过程比较费时，效率较低。在本论文第四章中，尝试了 3×3 和 5×5 模板下的中值
与均值滤波算法进行图像处理，并给出了效果图。
频域处理中主要用到的滤波法为高通和低通滤波器
[11]
，具体算法则有巴特沃兹和
9
1 0光条中心提取算法
光条中心提取是线结构光测量方法中很重要的一个环节，光条中心提取精度直接
影响到整个测量系统的标定与测量精度。目前常用的算法有细化法，几何中心法和灰
度重心法
[12]
。下面对此三种方法的原理进行简要的介绍。
细化法的原理就是选取一定的细化模板，然后以模板为判据，重复地剥掉二值图
像的边界像素,直到最后获得一条单像素的连通线。剥离边界像素时一定要保持目标的
连通性,因为不能改变原图像的拓扑性质，否则检测结果会出现错误。因此，每次操作
只能剥离一层像素点。要使光条变成单像素的细线,就必须进行多次细化。因此，细化
是比较费时的，特别是当图像尺寸较大，或者光条比较厚时。此外，细化模板的选取
也是一个难题。
几何中心法的原理是先检测光条的边界，然后取其中间线作为光条中心位置。因
为图像上的光条的光强是呈高斯分布的，所以高斯曲线上峰值点对应的像素位置就是
光条中心位置。虽然实际线激光具有一定的厚度，但是在理想高斯光束成像情况下，
从中心到两边，物体表面上的光强分布是对称的。因此，根据对称关系，其几何中心
就是光条中心位置。这种方法算法简单，处理速度快，但是对表面反射情况、图像质
量要求比较高，对噪声比较敏感。一旦前一步的门限设置有偏差，在边缘多检测到了
若干像素点，用这种方法检测到的光条中心的坐标就会误差较大。
灰度重心法是直接依据光条在某一区间内灰度值的排列, 沿某坐标轴取灰度重心
来代表光条中心位置,这种方法能够精确地定位光条的高斯分布中心。因为图像上的光
条的光强是呈高斯分布的，高斯曲线上峰值点对应的像素位置就是光条中心位置，也
就是图像中的灰度峰值点。首先,对滤波后的图像按某门限 T 进行分割,当图像中的灰度
值大于 T 时,取其差值;小于 T 时取 0。这和二值化略有区别，仍然保留了灰度大于阈值
的像素灰度信息，用于提取光条中心。然后对图像中的每一行，按下述公式提取灰度
重心作为光条的中心位置。设第 p 行非零值区间为（m，n），则该行灰度重心位置为:
n n
p i i
i m i m
x i h h
= =
= ∑ ×∑
此式的实质是把亮区的像素坐标点进行关于灰度的加权平均计算。灰度重心法的
误差主要来自中心点的选择，也就是若边缘多选择了点，会造成一定的误差。但一般
情况下，因为此方法是回到原来灰度图像中进行灰度的加权平均，边缘误检对其影响
有限，所以精度较高，比前述的细化法和几何中心法好。
除此之外对光条提取中心还有许多方法，如曲线拟合法，条纹跟踪法等
[31]
，但算
法比较复杂，或者处理效率较低，在此不详细介绍。
经过光条中心提取之后，CCD 摄像机拍摄到的原始图像转化为处理后单像素的亮
线，为进一步的模式识别和标定处理提供了便利下载本文
