隧道斷面人工標志點中心坐標提取

隧道斷面人工標志點中心坐標提取

1標志點坐標提取使用普通相機在隧道段進行短距離攝影和測量時，有效提取路段信息是關(guān)鍵。采用人工設立標志點,簡單方便,可實施性強。但隨著測量環(huán)境的不同,標志點的物理特性,如形狀和尺寸,直接影響影像的量測算法和精度;標志的光學特性,如反光性能,直接影響影像的質(zhì)量,從而間接影響測量的精度。隧道量測的圖像受環(huán)境影響很大,所以采取合適而有效的算法來提取標志點的坐標更是非常關(guān)鍵的過程。本文在比較各種傳統(tǒng)標志點的基礎(chǔ)上,提出了適合隧道環(huán)境的圓形回光反射標志,并通過濾波、灰度變換、求梯度和結(jié)合圖像形態(tài)學的方法,提取出標志點,采用橢圓的最小二乘擬合法,自動識別出圓形標志點中心的坐標。2隧道斷面的影響因素在近景攝影測量中,人工標志作為被測量的特征點起著重要的作用。為了滿足不同的測量任務和測量環(huán)境的需要,國內(nèi)外的學者和測量工作者設計出各種不同類型的標志。在近景攝影測量中,使用過傳統(tǒng)的人工標志有如下圖1幾種:在隧道斷面測量中,由于隧道環(huán)境比較復雜,所以影響隧道斷面圖像的因素比較多。如隧道光線較暗,使標志點與背景的對比強度較小;而易散光,有灰塵會導致圖像噪聲等等。所以在設立人工標志點時必須考慮如下因素:1)圖像應該足夠清晰圖像清晰度高將使圖像中的邊緣、亮點等梯度較大的高頻成分得以保留,模糊圖像中許多關(guān)于邊界的信息會丟失。2)設置的標志點與背景梯度變化不應過小若要從背景中精確地將標志點與背景分離開來,標志點和背景的灰度梯度必須足夠大。3)盡量避免大量的圖像噪聲噪聲的產(chǎn)生在圖像中是不可避免,但必須采取措施使圖像中的噪聲降低到最大可能。綜合以上各個因素,本文設計的標志點為采用回光反射材料制作而成的圓形回光反射標志,標志的內(nèi)圈采用白色的回光反射材料,外圈則采用黑色材料,由于回光反射材料的反射系數(shù)很高,在同等光源的照射下,其反射亮度較普通白色標志高出數(shù)百倍乃至上千倍。3基于vc++的標志提取算法實現(xiàn)背景與標志的邊緣在標志圖像的識別中首先需要確定人工圖像標志的邊緣,然后根據(jù)邊緣對圖像進行判斷,最后再進行識別。經(jīng)典的邊緣算法認為邊緣主要表現(xiàn)為圖像局部特征的不連續(xù)性,從而關(guān)于邊緣檢測算子的研究主要集中于灰度圖像梯度的研究。經(jīng)典的一階微分邊緣檢測算子主要有:Sobel算子、Robert算子、Prewitt算子和Kirsch算子,二階有Laplace算子、LOG算子等等。這些算子簡單易于實現(xiàn),實時性比較好,但他們共有的缺點就是對噪聲比較敏感,抗干擾性能差,邊緣不夠精細。而在實際圖像中噪聲的存在是難免的,Sobel算子常常會形成邊緣不閉合區(qū)域,而其他一些算子,像二階Laplace算子又往往會形成雙邊界。Canny于1986年提出了基于最優(yōu)算法的邊緣檢測算子,具有很好的信噪比和檢測精度,因而被廣泛應用。然而傳統(tǒng)的Canny算子計算量大,實時性較差,并且檢測邊緣的精度仍然沒有達到單像素級;在實際處理中受到各種干擾因素的影響,仍然會存在部分虛假邊緣,因此在具體的應用上還存在一定的局限。隧道在開挖過程中,存在光線較暗,背景與標志的對比度差,灰塵多,易散光等等一系列影響因素,盡管采取了一定的措施,但在攝取的圖像中仍然存在不少的噪聲。如果利用經(jīng)典的邊緣提取算子或傳統(tǒng)的Canny算子都不能夠很好地實現(xiàn)標志點提取。本文在綜合以上算法的基礎(chǔ)上,提出了一套適合隧道標志提取的算法,并通過VC++編程實現(xiàn)。具體實現(xiàn)如圖2所示:(1)利用高斯平滑來平滑圖像以去除噪聲,高斯平滑算子為:其中x,y是圖像坐標,σ為關(guān)聯(lián)的概率分布標準差。之后再利用圖像與高斯算子G(x,y)做卷積。(2)將平滑后的圖像進行灰度變換,因為灰度圖像比彩色圖像更加容易進行計算,這樣會在不影響提取效果的同時,有效地降低了運算量。本文中采用的轉(zhuǎn)換標準是根據(jù)原來圖像中的RGB3個分量按0.39、0.50、0.1的權(quán)重來分配的。(3)對灰度圖像進行梯度變換,本文利用Sobel算子進行梯度變換,經(jīng)過梯度變換后的圖像,標志點的邊緣的部分更加突出了。(4)對求取梯度后的圖像進行二值化處理,由于在求取梯度之后,圖像的邊緣部分雖然顯示出來了,但是仍然存在輪廓不是很清晰,如果進行標志中心點的提取將會產(chǎn)生較大的誤差。二值化的圖像只有兩中顏色(黑色和白色),本文采用自動閾值法對圖像進行判定。(5)利用圖像形態(tài)學中的圖像膨脹的方法對二值化后的圖像進行處理。由于我們關(guān)心的是提取完邊緣后,對標志中心點坐標的提取,所以膨脹后邊緣的略微均勻變大是不會對標志中心點坐標的提取有任何影響的,而且會使整個圖像顯得更加平整,更加明顯。圖像的膨脹屬于圖像形態(tài)學的內(nèi)容,具體實現(xiàn)的時候,要根據(jù)需要來設定膨脹條件,本文中采用四方向判斷的算法,即當前點的上下左右有一個點的顏色是白色時,就把當前點的顏色填充成白色。(6)對圖像進行邊緣提取。采用“非最大抑制”算法尋找圖像中可能的邊緣點,最后通過雙門限值遞歸尋找圖像的邊緣點。邊緣提取的主要性能決定于雙門限遞歸中兩個閾值h1和h2的設定,高閾值h2控制著在梯度圖中作邊緣檢測的起始點的性質(zhì),h2值越小,保留的邊緣信息就越多,得到的目標邊緣就越精細,但是混雜的偽邊緣也會增多;低閾值h1控制著本次檢測的終止點性質(zhì),h1越小,保留的邊緣信息就越多,邊緣越連續(xù),隨著h1的增加,可視的目標邊緣特征越少,邊緣出現(xiàn)斷裂。選取合適的h1和h2對邊緣提取有著重要的意義。(7)圖像邊緣的細化,由于上步提取出的邊緣可能存在非單象素邊緣,利用邊緣細化的操作,可以實現(xiàn)單象素邊緣的求取。4橢圓中心坐標目前,在對圓形人工標志圖像中心高精度定位的算法中,主要有二值圖像質(zhì)心法、灰度加權(quán)質(zhì)心法,由于圓形標志經(jīng)透鏡成像后會變成橢圓形,所以又可以用橢圓的最小二乘擬合法等。這幾種擬合方法都實現(xiàn)了亞像素的精度,完全可以滿足中心坐標提取的要求。本文采用橢圓的最小二乘擬合法。平面橢圓的一般方程為:橢圓擬合可求得橢圓方程的5個參數(shù)B、C、D、E和F,橢圓中心坐標計算公式如下:為了抑制圖像噪聲的影響,從而提高定位精度,對邊緣進行兩次擬合。第一次擬合后,計算每個邊緣點的殘差,將殘差較大的點(殘差大于2倍驗后單位權(quán)中誤差)去除掉,再對剩余點進行第二次橢圓擬合。5建立模擬計算仿真模型為驗證本系統(tǒng)的精度及可行性,共進行兩組實驗,一是利用計算機仿真圓和橢圓,對理想邊緣加入高斯噪聲模擬計算;二是用數(shù)碼相機拍攝的實際人工標志圖像,通過選取不同的高斯平滑參數(shù)σ值進行處理計算。5.1算法的精確性實驗本文用計算機生成了一個圓和一個橢圓,圓形直徑為150pixels,理論圓心坐標為(310.500,280.500),橢圓長半軸長138pixels,短半軸長121pixels,理論中心坐標(425.500,375.500),由于在實際情況下噪聲的比例是未知的,本文用計算機給圖像加入不同比例的高斯噪聲,其結(jié)果與理論中心相比較來驗證算法的穩(wěn)定性和精確性。下表一為實驗數(shù)據(jù):表一中圓形標志中心提取X坐標均方根誤差為0.011,Y坐標均方根誤差為0.009,橢圓標志中心提取均方根誤差X坐標為0.013,Y坐標為誤差均方根0.013。圓的中心點坐標偏差為0.014pixels,橢圓中心點坐標偏差為0.018pixels。由表中數(shù)據(jù)可以看出,在相同噪聲的情況下,對橢圓標志定位的精度要比對圓形標志的定位精度略低。本系統(tǒng)即使在噪聲達到18%時,對仿真圓和橢圓的定位精度均優(yōu)于0.02pixels。實驗圖像如圖4所示:5.2圓形回光反射對同一張圖像來說,噪聲量是固定的,我們通過對同一張圖像取不同的高斯平滑參數(shù)σ,來檢驗系統(tǒng)對標志點中心的定位精確性與穩(wěn)定性。實驗采用數(shù)碼相機(CannonpowershotA710)對圓形人工回光反射標志拍攝,產(chǎn)生橢圓形影像。下表二為實驗數(shù)據(jù):表二中標志中心點定位精度為像素0.038pixels,與表一比較定位精度稍低。均方根誤差較大的原因是由于σ不同,經(jīng)過高斯濾波后得圖像會產(chǎn)生不同程度的邊界模糊。因此對提取的邊緣會產(chǎn)生不同程度的影響,從而影響擬合后橢圓中心定位精度,在實際測量中圖像的處理應當采用相同的σ值進行計算,如取σ=2。實驗圖像如圖5所示:6基于隧道斷面測量的標志點及其測量算法本文對隧道斷面測量中人工標志點的設定與識別作了深入的研究。在細致地研究各種標志點提取算法的基礎(chǔ)上,充分結(jié)合圖像形態(tài)學的知識來對圖像進行處理,提出了一套適合隧道斷面檢測的標志點及其測量算法,并用VC