激光三维扫描图像处理改进算法

激光三维扫描图像处理改进算法

陈颖1，李云强1，罗苇1，代金梅2

武汉尺子科技有限公司 ，深圳积木易搭科技技术有限公司

摘要：针对激光三维扫描图像中噪声干扰大，光条中心提取耗时等问题，根据激光三维图像的特征，提出了激光三维扫描图像处理改进算法。图像预处理过程中，结合不同特征采用不同的滤波方法，消除噪声干扰、增强图像特征。考虑到激光三维扫描的实时性，为了提高激光光条中心提取的效率，文中在steger光条中心提取算法的基础上，简化二维高斯卷积核，采用方向模板对图像进行卷积，计算图像中的各像素的各阶偏导数，进而构建hessian矩阵求得最小特征值和对应的方向向量，从而确定光条中心点，提高了光条中心提取的效率并保证了算法的鲁棒性。实验结果表明：改进算法能够有效去除激光三维扫描图像中的噪声，对不同类型的噪声具有良好的抗干扰能力，而且处理后的激光三维扫描图像质量较高，细节丰富、信息完整。此外，激光三维扫描图像处理的速度得到了优化提升。

关键词：激光三维扫描；图像预处理；噪声去除；光条中心提取

引言

激光三维扫描是一种利用激光传感器获取物体表面信息的三维扫描技术，具有非接触、高效率、高精度、自动化程度高等优点。与传统的扫描方式相比，激光三维扫描技术可以获得高精度的表面信息，具有较大的应用潜力，因此被广泛应用于文物保护、工业检测等领域。但是在实际应用中，由于受到光照强度和环境干扰等因素的影响，激光三维扫描图像会存在一些噪声，从而导致激光三维扫描图像的质量和效率较差。因此，为了提高激光三维扫描图像的质量和效率，有必要对激光三维扫描图像进行预处理，去除噪声干扰，从而得到高质量的激光三维扫描图像，此外，激光扫描对实时性要求比较高，因此高效的激光三维扫描图像处理方法也是激光扫描的重要课题。

1 激光三维扫描仪的基本原理

激光三维扫描仪主要由激光器、光学系统、信号接收及信号处理系统、计算机以及电源等组成。激光三维扫描仪的基本工作原理如下：当激光发射后，光斑经过透镜后被聚焦在摄像机的图像传感器上，并通过光电转换，将光斑的位置转换成电信号，再经过信号处理系统对电信号进行处理，最后通过计算机对得到的电信号进行分析，实现对物体表面形状的数字化描述。激光三维扫描仪系统由三个部分组成：光学部分、数字信号处理部分和控制系统。

（1）光学部分包括激光器、光学透镜和镜头等。激光器发出一定波长的脉冲激光照射在被测物体上，使物体表面反射回来的激光产生衍射。然后利用透镜把衍射光聚焦，再经透镜折射后形成激光光斑。经过镜头聚焦的激光光斑通过光电转换器，变成电信号后，被转换成数字信号送到计算机进行处理。

（2）数字信号处理部分包括数字图像预处理、特征提取、数字建模等部分。在图像预处理过程中，对图像进行噪声滤波处理，以消除噪声对图像的影响；提取出目标物体表面的特征，并建立物体表面的数学模型；利用数学模型来描述物体表面形状，以获得更高精度的三维扫描图像。

（3）控制系统包括计算机、通信接口和控制软件等部分。计算机接受控制信号并根据测量要求进行相应的运算和控制，通信接口主要用来接收信号和发送数据。

2.激光扫描图像的特征

2.1 激光三维扫描图像噪声干扰

激光三维扫描图像中噪声来源，主要包括：

（1）激光发射器点阵式产生的随机噪声，其强度一般为1~3,且具有一定的时间相关性，对后续处理结果影响较大；激光三维扫描采集到的图像也会产生部分噪声，主要是由于激光扫描装置扫描过程中产生的随机脉冲信号和脉冲式激光发生器的强脉冲信号（10-12 Hz）叠加在一起而产生的随机噪声[1]。

（2）激光器的输出功率不足。在采集过程中，激光器发出的激光功率太低，从而导致采集到的图像对比度不高，产生噪声。

（3）在进行激光三维扫描时，物体表面的颜色信息容易受到环境干扰等因素的影响而发生变化，导致激光三维扫描图像的色彩失真；

（4）激光三维扫描图像中可能存在明显的空洞、空洞噪声等[2]。

（5）扫描设备受到外界环境中温度、湿度、空气中粉尘等因素的影响，从而导致采集到图像出现大量的噪点和噪声。

因此，在对激光图像进行处理之前，先要对激光三维扫描图像进行预处理，预处理的目的是去除噪声，保留图像的有用信息，为后续处理做好准备。由于激光三维扫描图像中存在着各种不同特征的噪声，故要针对不同的特征的噪声采用不同的预处理方法。

2.2 激光三维扫描图像的空间信息丰富，具有较高的分辨率和精度

三维激光扫描仪的巨大优势就在于可以快速扫描被测物体，不需反射棱镜即可直接获得高精度的扫描点云数据，这样一来可以高效地对真实世界进行三维建模和虚拟重现[3]。激光三维扫描通过提取扫描图像中的特征获取空间点云信息，图像的成像质量、分辨率等直接决定了三维点云的精度。然而实际采集过程中，扫描仪运动速度过快，采样密度过大、图像分辨率高等等都会导致扫描过程中采集到的图像数据量过大，对激光三维扫描的实时性提出了较高的要求，因此，高效的图像处理方法也是激光扫描的重要研究课题。

3.激光三维扫描图像预处理

3.1中值滤波

针对激光扫描图像特征中的随机噪声，中值滤波法抑制噪声又能保持细节。中值滤波是一种常用的非线性滤波器，将窗口中奇数个数按照大小顺序排列，处于中心位置的那个数作为处理结果，此时，周围像素灰度值的差比较大的像素改取与周围的像素值接近的值，从而可以消除孤立的噪声点，所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波可以做到既去除噪声又能保护图像的边缘，在一定条件下，克服线性滤波器（如邻域平均法等）带来的图像模糊问题，对消除脉冲干扰及图像扫描噪声最为有效。

3.2高斯滤波

由于激光光条边缘表现为图像亮度从一个灰度变化到另一个灰度，之后又返回到原来或者接近原来的灰度。从视觉上线条边缘位于灰度值从增加到减少（或从减少到增加的）变化的转折点。在实际图像中由于图像传感器件的特性和光学衍射等影响，线条边缘的图形特征与高斯函数的图形特征类似，为了最大程度上保留线条信息，可以采用高斯函数对图像进行平滑滤波。

高斯滤波器本质是一个二维低通滤波器，它通常是以一个矩阵的形式出现，采用n×n高斯核函数与图像进行卷积，高频信息得到抑制，低频信息得到保留，达到平滑滤波的效果。

和均值滤波相比，高斯核中心点像素分配最大权重，周围的权重离中心点的距离越远其值越小，因此，高斯滤波可以更好的保留图像细节。

基于此，文中对激光扫描图像进行高斯滤波，去除噪点、平滑图像的同时可以较完整保留激光线条信息。

3.3最大值压缩

激光三维扫描对实时性要求较高，由于激光三维扫描的数据量较大，而且其扫描过程中所产生的数据噪声对图像质量有很大影响，本文对激光扫描图像进行压缩处理，减少后续处理的数据量，并且根据激光线条灰度值较大的特征采用最大值进行压缩，增强了激光光条的特征。

压缩是将原图按大小划分为多个无重叠且依次连接的网格，图像边界处不够大小的也作为一个网格，再将原图中的每个网格单元映射为新图中的一个像素点，取每个网格中的一个特殊值，按照原图中网格所在位置与数量，生成对应的缩小图，如图1所示。从而大小的图像经过网格缩小后为的新图像。

特别的，若用网格的最小灰度值作为新像素的灰度值，则缩小图像为最小值缩小图像，如图1所示。若用网格的平均值作为新像素的灰度值，则缩小图像为平均缩小图像。

图1 压缩的原理

基于激光光条亮度高，灰度值大的特征，为了进一步增强激光光条特征，文中对激光图像采用最大值进行压缩，即计算网格的最大灰度值作为新像素的灰度值，则缩小图像为最大值缩小图像。通过最大值压缩的激光图像，不仅能降低图像分辨率，减少计算量，提高计算效率，而且增强了激光光条特征，提高光条中心提取的效果。

4 改进的激光光条中心提取算法

4.1激光光条中心提取算法

激光条纹图像受光源、相机、背景、检测手段等多种因素的影响，具有一定的宽度，其中心并不是一个固定的值，而是一个动态变化的值。激光光条中心提取是用一根像素宽度为1的中心线表示宽度大于1的激光曲线，中心线特征能更准确的表达激光三维信息。因此，激光条纹中心提取的精度和速度直接影响三维测量的结果。沿图像亮带垂直方向作切面，由激光器特性决定，在切面上的亮带能量分布应该满足高斯分布，取最亮点的连线作为亮带的中心线。然而实际成像过程中，由于光条受镜头调制和环境噪声的影响，采集的激光条纹的像素灰度值分布不再严格满足高斯分布，加大了完整的光条中心线的提取难度，主要有以下三类影响：

1）环境光的干扰会造成光条灰度分布不均匀，此外，激光的散射使投影光线本身就存在一定的宽度[5]；

2）成像设备，采集卡，感光器件存在一些光电噪声干扰，这些噪声具有随机性；

3）光线的反射率受被测物表面的材质、粗糙度的影响，物体表面不同位置会由于反射率不同而造成反射光的强度不同，表现为光条的灰度不均匀[6]。

以上因素均会造成光条灰度局部区域过暗或过亮，不连续或强散光，尾部出现尾影等。此时，光条灰度分布不再符合严格的高斯分布，加大了激光光条中心提取难度。

常见的光条中心提取算法按照理论原理可以归纳为以下两类：一是通过提取激光条纹的几何中心来实现，如边缘法、中心法、阈值法和细化法等。二是把光条纹图像的能量中心（灰度中心）作为光条纹中心的提取方法，典型的如极值法、灰度重心法、方向模板法、曲线拟合法、Steger算法等。其中Steger算法可以实现亚像素提取、稳健性好、精度高，应用最为广泛。

4.2 基于Steger算法的激光光条中心提取速度优化

Steger算法中沿图像亮带垂直方向作切面，得到线条边缘，线条边缘的图形特征与高斯函数的图形特征类似，当前切面中的最亮点就是线条的中心点，所有切面的中心点的连线即为中心线。这里以一个切面为例，采用高斯函数来模拟线条边缘的特性，由此说明其原理特性，如下图2所示。

图 2 线条边缘原型、一阶导数、二阶导数

图2中，实线表示线条a的灰度分布，点线表示线条a的一阶导数，星线表示线条a的二阶导数。从图2可以看出，线条a中心，即灰度最大值点，位于一阶导数过零点处，二阶导数处于极小值处，因此，通过这两个判断条件就可以提取出线条边缘的中心点。

同样的，扩展到二维图像，线条边缘中心点处的一阶导数为0，且二阶方向导数取极小值的点就是线条边缘中心点。Steger算法求解过程中，由于线条边缘法线方向即是灰度变化最大的方向，则可沿法线方向作泰勒展开：

（1）

其中分别是一阶x偏导、一阶y偏导、二阶x偏导、二阶y偏导，二阶xy偏导高斯核和图像卷积的结果，Steger算法中采用的各阶高斯核如下:

(2)

 由上可知，各阶高斯核能够表示复杂的数据，但高斯核函数运算量大，计算复杂，反复进行二维高斯卷积运算求解无疑效率低下，对硬件要求高，难以达到实时的要求。

文中通过分析激光扫描图像的特征，考虑到激光图像亮度较高，边缘特征显著，因此可直接采用较为简单的模板算子对图像进行卷积，进而提取光条中心。

（3）

本文采用方向模板如公式（3），其中表示X方向梯度算子模板，表示Y方向的梯度算子模板，，分别对图像进行一次卷积，可以得到一阶偏导图像，即，。，分别对图像进行二次卷积，可以得到二阶偏导图像，即，，。

相比于二维高斯卷积核，方向模板大大减少了计算量，提升了效率。

求得了各阶偏导图像，进而求取线条边缘一阶导数和二阶导数极小值。

针对线条边缘，令，可得：

（4）

为了求得边缘法线方向和在该方向的二阶导数，可以直接求二阶导：

（5）

从而可得

（6）

还可以通过Hessian矩阵法，即：

（7）

Hessian矩阵的两个特征值分别为图像灰度函数的二阶导数的极大值和极小值，所对应的两个特征向量则表示了两个极值所取的方向。相互正交，从而通过求Hessian矩阵的最大绝对特征值和所对应的特征向量，即可获得边缘法线方向和在该方向的二阶导数值。

最后通过判别准则提取中心点，由于泰勒展开在很小的范围内适用，若，则说明一阶导数为零的点位于当前像素内，再加上该方向上二阶导数的极小值小于一定阈值，通过两层判断，可比较准确的提取出线条边缘的中心点。

4.3 实验结果

采用上述改进的激光三维扫描图像处理方法，先对原始激光三维图像进行预处理，再采用改进的光条中心提取算法提取激光光条中心，结果如图3右图所示。所有光条中心都能完整的提取出来，特别的，原图右上方亮度较低的光条也能很好的保留，实验结果表明，文中提出的方法能较好的提取激光光条中心，抗干扰能力强。

此外，硬件条件一致，对计算速度进行了对比，对于100张原始分辨率1280*1024的激光三维扫描图像，采用steger算法中高斯卷积计算，平均一张耗时306ms，而采用方向模板计算，平均一张耗时97ms。速度得到了显著提升。

图3 从左到右 原始激光三维图 提取的光条中心图

5 结束语

本文提出了改进的激光三维扫描图像处理算法。针对激光三维扫描图像中噪声干扰大，处理过程易受到噪声干扰的问题，首先对激光三维扫描图像进行预处理，通过分析激光三维扫描图像的特征，采用合适的滤波方法，消除噪声干扰、增强了图像特征。针对激光扫描数据量大、对实时性要求较高的问题，文中采用了最大值压缩来减少计算量，增强图像特征。为了更高效的提取激光光条中心，文章在steger光条中心提取算法的基础上，简化二维高斯卷积核，采用方向模板对图像进行卷积，计算图像中的各像素的各阶偏导数，进而构建hessian矩阵求得最小特征值和对应的方向向量，从而确定光条中心点，提高了光条中心提取的效率。实验结果表明：改进算法能够有效去除激光三维扫描图像中的噪声，对不同类型的噪声具有很好的抗干扰能力，同时增强了有效信息、保留了细节。此外，通过采用简化的方向模板提取激光光条中心，提高了光条提取的效率，保证了激光扫描的实时性。

参考文献

[1]程万里,程军,许德章.激光视觉同步三维扫描系统的设计研究[J].蚌埠学院学报,2022,11(02):41-45.

[2]于惠缨,范晏通.一种三维激光扫描机器人的设计[J].电子测试,2021,(08):26-27.

[3]孙保燕,陈文.三维激光扫描和红外检测融合技术的工程应用[J].长江科学院院报,2020,37(02):170-173+178.

[4]徐冬青,张东,庄心怡,边疆.图像处理方法在粗集料形态评价中的应用研究进展[J].公路交通科技,2019,36(06):1-9+78.

[5]吴易洲,苗瑞,朱健华,张洁.基于三维激光扫描的窄搭接焊特征提取与缺陷识别[J].应用激光,2018,38(05):817-822.

[6]梁逸卿.基于激光三维扫描图像的数码版画合理性建模[J].激光杂志,2017,38(02):109-112.

简介：陈颖 女 1988年08月       籍贯： 湖北襄阳

最高学历：硕士研究生    职称：高级    职务：  算法工程师   

研究方向： 三维感知、三维重建、计算机视觉、深度学习