本发明公开了一种用于投影测量的有效点云快速识别算法，按照如下步骤进行：基于原始相移图像和调制度计算公式，对像素点计算调制度，并且统计调制度分布；利用Otsu算法初步提取有效点云分割阈值t*；利用改进的valley‑emphasis方法计算目标函数值随调制度的变化情况，并且在[1,t*]范围内寻找最大目标函数值作为理想的有效点云分割阈值tm*；所有调制度大于tm*的像素点，其对应的三维坐标点都可以确定是有效点云。与现有识别技术相比，本方法可以自动识别有效三维点云，并且可以快速准确的获得识别结果。
1.一种用于投影测量的有效点云快速识别算法，其特征在于：包括以下步骤：(1)、基于调制度计算公式，计算原始相移图像的像素点调制度，并且统计调制度分布；
(2)、根据步骤(1)得到的原始相移图像的像素点调制度分布，利用Otsu算法初步提取原始相移图像像素点的有效点云分割阈值t*；
(3)、利用改进的valley-emphasis方法计算目标函数值随调制度的变化情况，并且在[1,t*]范围内寻找最大目标函数值作为理想的有效点云分割阈值tm*，所有调制度大于tm*的像素点，其对应的三维坐标点确定为有效点云。
2.根据权利要求1所述的一种用于投影测量的有效点云快速识别算法，其特征在于：所述步骤(1)具体过程如下：设投影测量过程中采用N步相移法，通过CCD相机采集得到投影条纹的亮度变化描述为：Ik(x,y)＝I″(x,y)+I′(x,y)cos[φ(x,y)+2π×k/N] (1)，上式中k＝0，1，Λ，N，I″(x,y)是平均光强，I′(x,y)是调制光强，φ(x,y)是相位分布，通过多步相移法计算得到；
上式中Ik(x,y)是CCD相机采集得到的投影条纹亮度，设所有像素点的调制度范围是0到L-1，L是理论最大调制度，其具体数值与采用的多步相移算法相关，m是原始图像中所有像素点的总数量，mj是调制度在j位置的像素点数量，pj是调制度j的出现概率，其计算公式为：通过计算和统计各调制度的出现概率，得到原始相移图像的调制度分布。
3.根据权利要求1所述的一种用于投影测量的有效点云快速识别算法，其特征在于：所述步骤(2)具体过程如下：设原始图像的像素点由调制度阈值t分为两大类(C0和C1)，这里C0包括所有调制度在[0,1,Λ,t]范围内的像素点，C1的范围是[t+1,Λ,L-1]，ω0(t)和ω1(t)分别代表两类的累积概率，其计算公式分别为：两类的平均调制度值为μ0(t)和μ1(t)，分别对应按下式计算：所有像素点的平均调制度值μT计算为：
由调制度阈值t区分的两大类原始图像像素点C0和C1，其两类之间的类间方差 计算为：利用Otsu算法计算有效点云分割阈值t*时，是通过寻找最大类间方差处的调制度得到，该过程表述为：
4.根据权利要求1所述的一种用于投影测量的有效点云快速识别算法，其特征在于：所述步骤(3)具体过程如下：改进的valley-emphasis方法，其目标函数是 其中pm＝m/L，在[1,t*]范围内寻找最大目标函数值作为理想的有效点云分割阈值tm*，其寻优过程描述为：最后根据确定的区分阈值识别有效三维点云，识别的标准是该点的调制度大于区分阈值：
一种用于投影测量的有效点云快速识别算法
技术领域
[0001] 本发明涉及有效三维点云识别方法领域，具体是一种用于投影测量的有效点云快速识别算法。
背景技术
[0002] 投影测量技术属于光学测量方法，具有非接触性，扫描速度快及点云密集等优点，广泛用于逆向工程等应用中。由于投影测量系统中，相机与投影仪之间存在夹角，使得CCD相机采集的原始图像中存在阴影区域等无效像素点存在，并且最终转化为无效点云。无效点云的存在会大大降低三维扫描结果的成像质量或测量质量，需要对其进行识别和分离。
[0003] 调制度，平方根差和单调性是现有的有效点云评判基准，其中调制度可以用来有效的识别和去除阴影区域和背景点云。利用调制度识别有效点云的基础是，当亮度不同的相移图像投射到有效点云时，其图像亮度变化大，从而具有较高的调制度，而背景区域和阴影区域的像素点则亮度变化不大或者无变化，导致调制度较低。选用合适的阈值即可识别和去除阴影区域及背景区域的无效点云。但是随着被扫描目标的颜色，材质和表面粗糙度等不同，目标点云的调制度变化很大，使得确定调制度阈值存在困难。目前的方法多是凭借经验或者手动确定区分阈值，既不精确，也不利于提高扫描效率。
发明内容
[0004] 本发明的目的是提供一种用于投影测量的有效点云快速识别算法，以解决现有技术存在的问题。
[0005] 为了达到上述目的，本发明所采用的技术方案为：
[0006] 一种用于投影测量的有效点云快速识别算法，其特征在于：包括以下步骤：
[0007] (1)、基于调制度计算公式，计算原始相移图像的像素点调制度，并且统计调制度分布；
[0008] (2)、根据步骤(1)得到的原始相移图像的像素点调制度分布，利用Otsu算法初步提取原始相移图像像素点的有效点云分割阈值t*；
[0009] (3)、利用改进的valley-emphasis方法计算目标函数值随调制度的变化情况，并且在[1,t*]范围内寻找最大目标函数值作为理想的有效点云分割阈值tm*，所有调制度大于tm*的像素点，其对应的三维坐标点确定为有效点云。
[0010] 所述的一种用于投影测量的有效点云快速识别算法，其特征在于：所述步骤(1)具体过程如下：
[0011] 设投影测量过程中采用N步相移法，通过CCD相机采集得到投影条纹的亮度变化可以描述为：
[0012] Ik(x,y)＝I″(x,y)+I′(x,y)cos[φ(x,y)+2π×k/N]，
[0013] 上式中k＝0，1，…，N，I″(x,y)是平均光强，I′(x,y)是调制光强，φ(x,y)是相位分布，可以通过多步相移法计算得到；
[0014] 由原始相移图像，每个像素点的调制度可以通过下式计算：
[0015]
[0016] 上式中Ik(x,y)是CCD相机采集得到的投影条纹亮度，设所有像素点的调制度范围是0到L-1，L是理论最大调制度，其具体数值与采用的多步相移算法相关，m是原始图像中所有像素点的总数量，mj是调制度在j位置的像素点数量，pj是调制度j的出现概率，其计算公式为：
[0017]
[0018] 通过计算和统计各调制度的出现概率，可以得到原始相移图像的调制度分布。
[0019] 所述的一种用于投影测量的有效点云快速识别算法，其特征在于：所述步骤(2)具体过程如下：
[0020] 设原始图像的像素点可以由调制度阈值t分为两大类(C0和C1)，这里C0包括所有调制度在[0,1,…,t]范围内的像素点，C1的范围是[t+1,…,L-1]，ω0(t)和ω1(t)分别代表两类的累积概率，其计算公式分别为：
[0021]
[0022]
[0023] 两类的平均调制度值为μ0(t)和μ1(t)，分别对应按下式计算：
[0024]
[0025]
[0026] 所有像素点的平均调制度值μT可以计算为：
[0027]
[0028] 由调制度阈值t区分的两大类原始图像像素点C0和C1，其两类之间的类间方差可以计算为：
[0029]
[0030] 利用Otsu算法计算有效点云分割阈值t*时，是通过寻找最大类间方差处的调制度得到，该过程可以表述为：
[0031]
[0032] 所述的一种用于投影测量的有效点云快速识别算法，其特征在于：所述步骤(3)具体过程如下：
[0033] 改进的valley-emphasis方法，其目标函数是 其中pm＝m/L，在[1,t*]范围内寻找最大目标函数值作为理想的有效点云分割阈值tm*，其寻优过程可以描述为：
[0034]
[0035] 最后根据确定的区分阈值识别有效三维点云，识别的标准是该点的调制度大于区分阈值：
[0036]
[0037] 与现有技术相比，本发明根据调制度分布计算有效点云区分阈值，可以自适应的确定理想分割阈值，实现了阈值确定的自动化。此外，在算法的计算过程中仅仅涉及和使用了零阶和一阶统计量，因此本算法具有速度快，效率高等优点。
附图说明
[0038] 图1为本发明一种用于投影测量的有效点云快速识别算法的算法流程图。
具体实施方式
[0039] 如图1所示，一种用于投影测量的有效点云快速识别算法，包括以下步骤：
[0040] (1)、基于调制度计算公式，计算原始相移图像的像素点调制度，并且统计调制度分布；
[0041] (2)、根据步骤(1)得到的原始相移图像的像素点调制度分布，利用Otsu算法初步提取原始相移图像像素点的有效点云分割阈值t*；
[0042] (3)、利用改进的valley-emphasis方法计算目标函数值随调制度的变化情况，并且在[1,t*]范围内寻找最大目标函数值作为理想的有效点云分割阈值tm*，所有调制度大于tm*的像素点，其对应的三维坐标点确定为有效点云。
[0043] 步骤(1)具体过程如下：
[0044] 设投影测量过程中采用N步相移法，通过CCD相机采集得到投影条纹的亮度变化可以描述为：
[0045] Ik(x,y)＝I″(x,y)+I′(x,y)cos[φ(x,y)+2π×k/N]，
[0046] 上式中k＝0，1，…，N，I″(x,y)是平均光强，I′(x,y)是调制光强，φ(x,y)是相位分布，可以通过多步相移法计算得到；
[0047] 由原始相移图像，每个像素点的调制度可以通过下式计算：
[0048]
[0049] 上式中Ik(x,y)是CCD相机采集得到的投影条纹亮度。设所有像素点的调制度范围是0到L-1，L是理论最大调制度，其具体数值与采用的多步相移算法相关，m是原始图像中所有像素点的总数量，mj是调制度在j位置的像素点数量，pj是调制度j的出现概率，其计算公式为：
[0050]
[0051] 通过计算和统计各调制度的出现概率，可以得到原始相移图像的调制度分布。
[0052] 步骤(2)具体过程如下：
[0053] 设原始图像的像素点可以由调制度阈值t分为两大类(C0和C1)，这里C0包括所有调制度在[0,1,…,t]范围内的像素点，C1的范围是[t+1,…,L-1]，ω0(t)和ω1(t)分别代表两类的累积概率，其计算公式分别为：
[0054]
[0055]
[0056] 两类的平均调制度值为μ0(t)和μ1(t)，分别对应按下式计算：
[0057]
[0058]
[0059] 所有像素点的平均调制度值μT可以计算为：
[0060]
[0061] 由调制度阈值t区分的两大类原始图像像素点C0和C1，其两类之间的类间方差可以计算为：
[0062]
[0063] 利用Otsu算法计算有效点云分割阈值t*时，是通过寻找最大类间方差处的调制度得到，该过程可以表述为：
[0064]
[0065] 步骤(3)具体过程如下：
[0066] 改进的valley-emphasis方法，其目标函数是 其中pm＝m/L，在[1,t*]范围内寻找最大目标函数值作为理想的有效点云分割阈值tm*，其寻优过程可以描述为：
[0067]
[0068] 最后根据确定的区分阈值识别有效三维点云，识别的标准是该点的调制度大于区分阈值：
[0069]
