位置:成果数据库 > 期刊 > 期刊详情页
快速的线结构光条纹骨架剪枝算法
  • ISSN号:0253-987X
  • 期刊名称:《西安交通大学学报》
  • 时间:0
  • 分类:TN911.73[电子电信—通信与信息系统;电子电信—信息与通信工程]
  • 作者机构:西安交通大学机械工程学院,西安710049
  • 相关基金:国家自然科学基金资助项目(11072183).
中文摘要:

针对线结构光条纹骨架存在分枝导致条纹中心不平滑的问题,在数学形态学提取骨架的基础上,提出了一种基于端点跟踪的快速线结构光条纹骨架剪枝算法。该算法采用沿分枝方向跟踪识别并去除分枝端点的方式来剔除骨架分枝,不需要建立复杂的跟踪规则来判断剪枝方向,并且不需要设置固定的跟踪阈值,其跟踪长度由分枝长度决定,从而提高了剪枝效率。实验结果表明:该算法的剪枝时间与骨架分枝的总长度呈线性关系;与传统的剪枝算法相比,该算法的剪枝速度提高了3~7倍,能够有效地去除骨架分枝,保留骨架主干。该算法实现了光顺、单向连通的线结构光条纹骨架的快速剪枝,提高了三维测量的精度与速度。

英文摘要:

A fast pruning algorithm based on endpoints tracing is proposed to solve the problem that the branches of the linear structured light stripe skeleton lead to the un-smoothness of the stripe center. The algorithm is based on the skeleton extraction in mathematical morphology, and the pruning theory and the realization process are given. The algorithm removes branches of the skeleton by recognizing and removing endpoints along branch directions without establishing a tracing rule to judge branch directions. The tracing length is determined by the branch length instead of a given fixed threshold, thus the pruning efficiency is improved. Experimental results show that there is a linear relationship between the pruning time of the algorithm and the total length of branches. Comparison with the traditional pruning algorithm shows that the pruning speed of the proposed algorithm is improved by three to seven times, and that the algorithm cuts down branches effectively and retains the skeleton trunk. This algorithm realizes the fast pruning of the fairing and unidirectionalby connected skeletons, and improves the speed and accuracy of the 3D measurement.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《西安交通大学学报》
  • 中国科技核心期刊
  • 主管单位:中华人共和国教育部
  • 主办单位:西安交通大学
  • 主编:陶文铨
  • 地址:西安市咸宁西路28号
  • 邮编:710049
  • 邮箱:xuebao@mail.xjtu.edu.cn
  • 电话:029-82668337 82667978
  • 国际标准刊号:ISSN:0253-987X
  • 国内统一刊号:ISSN:61-1069/T
  • 邮发代号:52-53
  • 获奖情况:
  • 美国《工程索引》(EI光盘版)定期收录的中文期刊,《中文核心期刊目录总览》综合类核心期刊,科技部《科技论文统计与分析》统计源,《中国科学引文数据库》刊源,获全国高校优秀科技期刊一等奖,“百种中国杰出学术期刊”称号,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:27275