一种可用于深度图纹理检测的算子

技术领域

本发明属于3D视觉图像处理领域，具体说是一种可用于深度图纹理检测的算子。

背景技术

机器人产业受到越来越多的重视。目前，机器人领域的目标是让机器人智能化，而在工业机器人打磨抛光领域，人们致力于让机器人通过传感器自动判断物体表面的粗糙度，进而确定需要打磨的区域的起始点位置，实现自动化打磨。机器人自动打磨的现有解决方案基本是通过工业线结构光相机获得物体表面的深度信息，通过对深度信息进行处理来判断打磨区域的位置。而如果能让机器人如人一样知道物体表面的纹理信息，则可以很轻易地计算出物体表面的粗糙程度，从而确定打磨区域。

纹理特征提取方法主要有统计方法如灰度共生矩阵、半方差图法等，模型法如马尔科夫随机场模型、Gibbs随机场模型、分形模型和自回归模型等，信号处理法如Tamura纹理特征、小波变换等。但上述方法中，统计法缺少全局信息的利用和理论支撑，且计算复杂度高，制约了其实际应用；型法建模难度大，求解速度慢，模型调参难；信号处理法计算量大，且对于非规则纹理的提取效果很差。

发明内容

本发明针对工业机器人打磨的真实环境，提出了一种新型的用于深度图纹理特征提取的方法，其具有效果好、鲁棒性强、速度快等优点，可适用于暴露出真实的工业打磨场景下的工件表面信息。

本发明解决其技术问题所采用的技术方案是：一种可用于深度图纹理检测的算子，包括以下步骤：

1)确定原始图像的尺寸M×N；

2)对原始图像进行边界填充，即在图像周围增加一层像素值为0的像素，得到填充图像；

3)使用一个九宫格，令九宫格的中心以原始图像的第一个像素开始，从左到右，从上到下依次遍历整幅图像；对于遍历过程中每个九宫格中心的灰度值，将中心的灰度值分别减去周围八个点的灰度值，取绝对值之和作为中心对应像素的新像素值；

4)去除填充的最外层边界，恢复图像尺寸M×N；

5)然后将恢复尺寸后的图像通过阈值保留纹理特征。

预先对原始图像进行异常值检测：当存在异常值时，修改该异常值为周围设定距离内的所有非异常值的均值。

所述对原始图像进行边界填充，使得原始图像的长和宽的值各加1像素尺寸变为(M+1)×(N+1)。

所述九宫格每次滑动步长为1个像素。

本发明具有以下有益效果及优点：

1)相对于现有的技术，运算速度快，能达到实时，可用于实际工业场景；

2)鲁棒性好，对于规则或非规则纹理都有很好的提取效果，且通过设置阈值，能得到自适应纹理纹理信息，例如通过增大阈值可过滤一些细微的纹理而保留物体边缘信息，减小阈值则能得到更为细微的纹理特征。

3)同时可检测出工件表面的相对粗糙度。

附图说明

图1a为某工件原始深度图；

图1b为本发明算子处理得到的纹理特征图；

图2为一个带处理积木的原图；

图3a为积木的深度图；

图3b为本发明算子处理得到的纹理特征图；

图4a为纹理特征图；

图4b为通过合理设置阈值得到的积木边缘特征图；

图5为技术方案流程图。

具体实施方式

下面结合实施例对本发明做进一步的详细说明。

如图5所示，步骤一、对原始图像中的异常点进行处理填充

由于深度图的获取过程一般是利用TOF或结构光原理，通常会由于被测量表面的影响而扫描不到某些点从而造成缺失点，现有的设备会将这类点设置为特殊点以便于正常扫描到的点相区分。故需要对这些异常点(上述特殊点)进行处理，在这里的处理方法主要是：

1)判断是否存在异常值

2)若存在，则通过计算，修改其值为周围一定距离内的所有非异常值的均值。

步骤二、对步骤一中得到的图像进行处理，具体方法为：

1)确定图像的的尺寸M×N；M为行尺寸，N为列尺寸。

2)对图像进行边界填充，即在图像周围增加一层像素值为0的像素。该操作会使得图像的长和宽的值各加1像素尺寸变为(M+1)×(N+1)。

3)使用一个九宫格，在图像中，令九宫格的中心以原始图像(未进行边界填充前)的第一个像素开始，从左到右，从上到下依次遍历整幅图像，九宫格每次滑动步长为1个像素。对于九宫格中心的灰度值，将中心的灰度值值分别减去周围八个点的灰度值，取绝对值之和(即距离差之和)作为中心元素的新像素值。

4)去除填充的最外层边界，恢复原始图像尺寸M×N。

步骤三、根据实际情况，设置合适的阈值，保留需要的纹理特征。

实施例1.工业机器人打磨工件深度图分析

构成：如图1a、图1b所示的机器人工厂的一个待打磨工件，图1a为使用线结构光扫描完工件以后得到的深度图，图1b是通过本发明专利中所讲到的处理算子处理后得到的照片。

作用：为了将工件的表面的纹理信息及相对粗糙程度表示出来，以便为识别算法提供较为明显的特征分析

效果：原来的深度图由于图像的深度比较接近，故特征不明显，经由此算子处理后，不但达到预期目的显示出了其表面纹理特征及相对粗糙度(图中像素越大即越亮的地方越相对于周围粗糙)而且将工件的整个轮廓信息显示出来了。

实施例2：放于桌面上的方块边缘分析

构成：物块的实物图如图2所示；物体深度图及纹理特征图如图3a、图3b 所示；图4a、图4b分别为通过设置不同的阈值将桌面纹理及小物块的边缘图。

作用：通过算子的处理是深度图的纹理特征更加明显

效果：可以看到的是不但将小物块的边缘提取了出来，而且更惊艳地是将桌面的纹理也一种显示了出来，正名此算子作用非常强。