CN107203973A - 一种三维激光扫描系统中线激光中心的亚像素定位方法 - Google Patents

Abstract

本发明公开一种三维激光扫描系统中线激光中心的亚像素定位方法，步骤是：首先从摄像头获取激光扫描的原始图像信息，并对原始图像进行预处理，消除图像中的噪声；对消除噪声的图像进行阈值分割，对线激光进行粗提取；消除粗提取之后的线激光存在的毛刺现象，进一步缩小线激光的宽度；利用改进型重心法得到线激光中心的亚像素级别坐标，再采用Hough变换对亚像素级别坐标中的伪目标像素进行纠正。此种定位方法将改进型重心法和Hough变换相结合，能够满足三维激光扫描系统实时、准确地获取线激光中心的亚像素坐标，实现线激光中心的亚像素精确定位。

Description

一种三维激光扫描系统中线激光中心的亚像素定位方法

技术领域

本发明涉及一种三维激光扫描系统中线激光中心的亚像素定位的方法。

背景技术

随着机器视觉技术的不断发展，三维激光扫描技术逐渐成为该领域的核心力量。凭借具有实时获取待测物体表面的三维数据信息、且扫描精度高以及非接触特性等优势，三维激光扫描已成为新技术研究热点之一。

三维激光扫描系统一般由线激光器、摄像头、步进电机、旋转平台等结构组成，线激光器用于发射线状激光光带，摄像头用于实时捕捉被测物体表面上含有线状激光的画面，步进电机以及旋转平台用于获取物体多个角度的扫描信息。

三维激光扫描系统的测量原理一般有三种：脉冲测距法、相位测距法以及三角测距法，前两种原理较简单，对成本要求比较高，三角测距法对硬件的成本要求较低，对算法精确度的要求较高。本发明涉及到的激光扫描系统基于三角测距原理：当激光投射到被测物体表面上时，物体的表面信息可通过精确定位线激光中心亚像素信息得到。理想中的线激光是一条细线，然而由于各种干扰，如光照不均匀及待测物体表面性质的差异，使得获取的线激光具有一定的宽度，线激光中心提取的好坏将直接影响到扫描结果。

传统的提取线激光中心的算法有极值法、阈值法、重心法、Hessian矩阵法、曲线拟合法等，极值法即提取像素中每一行(或者每一列)灰度值最大的像素点，极值法的优点是提取速度快，但容易受到噪声的干扰。阈值法是通过设定某一个灰度阈值，检测图像每一行(或每一列)中像素的灰度值为该阈值的坐标点，然后再对坐标点对应的坐标值求和取平均，即得到中心点的像素坐标，该方法计算速度快，但如果线激光的光强不是对称分布，就会存在较大误差。重心法是将物理学中计算物体质心的方法运用在线激光中心亚像素提取中的一种算法，即将图像的灰度值当作物理学中微元出的一个质点的质量，通过求质心的公式得出线激光中心的亚像素级别像素点，重心法计算速度快，但抗干扰能力较差。Hessian矩阵法是利用Hessian矩阵得到图像中线激光的法线方向，然后再求出法线方向极值点，即为所求亚像素坐标值。Hessian矩阵法中图像的每个像素点都需要进行5次高斯卷积运算，Hessian矩阵法得出的结果精度高，需要的计算量也大，速度较慢，不适合实时扫描系统。曲线拟合法是根据线激光的灰度值近似呈高斯分布的特性，如图2所示，线激光的中心点就是光强的峰值点，利用曲线拟合的方式计算出激光中心点的亚像素坐标，一般包括高斯曲线拟合和二次曲线拟合，将拟合曲线的极大值作为线激光的中心。曲线拟合算法提取的精度高，可以达到亚像素级精度，但是在计算过程中处理的数据量较大。

各种算法根据其不同原理都有其优缺点，极值法、阈值法、灰度重心法的优点是算法简单、速度较快，能实现扫描的实时性，但受噪声影响比较严重。曲线拟合法和Hessian矩阵法提取的精度较高，能够达到亚像素级别，不易受到噪声干扰且鲁棒性好，但算法复杂度较高，检测速度较慢，不能够满足实时性的要求。

以上分析了现有的几种线激光中心的提取算法及其优劣，在此基础上，本案提出一种能够实现线激光中心精确定位的方法。

发明内容

本发明的目的，在于提供一种三维激光扫描系统中线激光中心的亚像素定位方法，其将改进型重心法和Hough变换相结合，能够满足三维激光扫描系统实时、准确地获取线激光中心的亚像素坐标，实现线激光中心的亚像素精确定位。

为了达成上述目的，本发明的解决方案是：

一种三维激光扫描系统中线激光中心的亚像素定位方法，包括如下步骤：

(1)从摄像头获取激光扫描的原始图像信息，并对原始图像进行预处理，消除图像中的噪声；

(2)对消除噪声的图像进行阈值分割，对线激光进行粗提取；

(3)消除粗提取之后的线激光存在的毛刺现象，进一步缩小线激光的宽度；

(4)利用改进型重心法得到线激光中心的亚像素级别坐标；

(5)采用Hough变换对亚像素级别坐标中的伪目标像素进行纠正。

上述步骤(1)具体包括如下步骤：

(11)将摄像头获取的原始图像三通道形式转化为单通道灰度图像；

(12)对灰度图像采用中值滤波处理，消除图像中的噪声。

上述步骤(12)中，采用3×3滤波窗口对灰度图像进行中值滤波处理。

上述步骤(2)中，利用最大类间方差法计算出将图像中的目标和背景分割的最佳阈值。

上述阈值分割的具体过程是：

设原始图像各点的灰度值为F(x,y)，总的像素数为N＝N₀+N₁+…+N_L-1，灰度级数设为L，阈值T将图像分为目标类O和背景类B，i表示像素的灰度值，灰度值为i的像素点的个数记为N_i，其相应的概率记为P_i，则有：

背景类的灰度范围记为[0,T]，目标类的灰度范围记为[T+1,L-1]，背景类的灰度概率记为P_B，目标类的灰度概率记为P_O，则有：

P_B+P_O＝1

背景类像素的灰度均值为μ_B，目标类像素的灰度均值为μ_o，则有：

P_Oμ_O+P_Bμ_B＝μ_t

则类间均方差表示为：

σ²＝P_B(μ_B-μ_t)²+P_O(μ_O-μ_t)²

得到：

σ²＝P_BP_O(μ_B-μ_O)²

不同的T得到的σ也不同，求出令σ取得最大值的T，即为所求最佳阈值。

上述步骤(3)的具体步骤是：采用Zhang并行细化算法，将图像上的像素分为目标点和背景点，取图像中任意一点的像素值为p1，其邻域用p2-p9来标记，并做如下处理：

第一步：如果满足以下四个条件，则在图像中删除该点；

A.2≤N(p1)≤6

B.Z0(p1)＝1

C.p2*p4*p6＝0

D.p4*p6*p8＝0

式中，N(p1)是p1的邻域中非零点的数量，Z0(p1)是从p2至p9遍历过程中其对应的像素值由0变为1的变化次数；

第二步：对图像再进行一次扫描，如果不为0的点的8邻域满足以下4个条件，则在图像中删除该点；

A.2≤N(p1)≤6

B.Z0(p1)＝1

C.p2*p6*p8＝0

D.p2*p4*p8＝0。

上述步骤(3)中，还对图像使用开运算来去除可能存在的噪点，即对图像先腐蚀再膨胀，达到去除孤立点的目的。

上述步骤(4)中，改进型重心法的公式如下：

其中，X表示光强最强的像素点，G(x,y)表示图像提取后的各点像素的灰度值。

上述步骤(5)的详细内容是：

a)对线激光中心亚像素坐标邻域内目标像素的数量进行检测；

b)如果目标点的数量满足要求，则认为是目标点，转为c)，否则是噪点，转为d)；

c)继续遍历下一行亚像素点，并检测其邻域内目标点的数量；

d)以该噪点上下各10行的目标点为样本，再进行Hough变换，得到直线，并用该直线上对应的点代替该噪点，转为c)，直至遍历完整个图像中的目标像素为止。

采用上述方案后，本发明的优点是：

(1)本发明利用最大类间方差法，根据不同图像计算出不同阈值，进而将线激光的整体轮廓大致分割出来；

(2)本发明利用Zhang并行细化算法，有效去除了线激光的毛刺现象并将边界噪点细化，将线激光的宽度缩小，减少了计算量；

(3)本发明首次将改进型重心法和Hough变换相结合用于精确定位线激光中心，可以有效提高线激光的定位精度至亚像素级别，并对图像中的孤立噪点具有很强的抑制能力，增强稳健性。

附图说明

图1是本发明的流程图；

图2是线激光的光强分布图；

图3是Zhang并行细化算法的邻域排布图；

图4是Hough变换中(x,y)和(r,θ)的关系对应图。

具体实施方式

以下将结合附图，对本发明的技术方案进行详细说明。

如图1所示，本发明提供一种三维激光扫描系统中线激光中心的亚像素定位方法，将改进型重心法和Hough变换相结合，实现线激光中心的亚像素精确定位，具体包括如下步骤：

(1)从摄像头获取激光扫描的原始图像信息，并对原始图像进行预处理，消除图像中的噪声；

具体包括如下内容：

a)图像预处理的目的是减少噪声对提取线激光中心的影响，保留有用的图像信息。在图像预处理过程中，由于彩色图像包含更多的颜色信息量，处理速度相对较慢，因此在图像预处理之前需要将原始三通道图像转化为单通道灰度图像，最常用的灰度图像转换公式为：

Gray＝R*0.229+G*0.587+B*0.114 (1)

其中，R、G、B分别表示红色、绿色、蓝色分量的数值。

b)对得到的灰度图像采用中值滤波处理，以消除图像中一些孤立的噪声，中值滤波是一种典型的非线性滤波，通过检测目标像素及邻域像素灰度值，并对该区域内像素值从小到大排序，找到中间值，进而用中间值代替该目标像素的灰度值。中值滤波可以有效去除椒盐噪声和斑点噪声，并同时保留图像的边缘轮廓和图像细节，实验中需要选择一个合适的滤波窗口，既能保证滤波效果，又要保证计算量不能太大，一般采用的是3×3的滤波窗口对图像进行中值滤波处理，从而消除图像中孤立的噪点。

(2)对消除噪声的图像进行阈值分割，对线激光进行粗提取；

在激光扫描系统中，只有将目标有效地从图像中分割出来，才可以对该目标进行后续的亚像素提取。根据激光相对于背景对比度较强的特点，可通过设定阈值的方法来达到将背景与需要提取的线激光中心分离的目的。其思想是通过图像中的每一个像素的灰度值与设定的阈值进行比较，判断该像素是不是目标点。阈值提取方法包括固定阈值分割和自适应阈值分割，固定阈值分割就是整个图像用同一个设定好的阈值来分割出目标和背景，阈值的选取要根据多次实验来得到，由于不同环境中所采用的阈值不相同，该方法适应性较差。自适应阈值分割根据实际图像的像素的灰度值大小来确定该图像的阈值，不同图像在不同的亮度、对比度和纹理环境中所对应的阈值也会不同，灵活性较好。为了提高扫描系统的灵活性，本发明采用自适应阈值的提取方法，并利用最大类间方差法，得出每一张图像的最佳分割阈值。

最大类间方差图像分割法是通过把采集到的图像根据像素的灰度值将其分为目标和背景两部分，再计算目标和背景的类间方差，当图像的类间方差达到最大值时，说明目标部分和背景部分的差异达到最大，此时的灰度就是分割图像的最佳阈值。具体步骤如下：

设原始图像各点的灰度值为F(x,y)，总的像素数为N＝N₀+N₁+…+N_L-1，灰度级数设为L(0至L-1)，阈值T将图像分为目标类O和背景类B，i表示像素的灰度值，灰度值为i的像素点的个数记为N_i，其相应的概率记为P_i，则有：

背景类的灰度范围记为[0,T]，目标类的灰度范围记为[T+1,L-1]，背景类的灰度概率记为P_B，目标类的灰度概率记为P_O，则有：

P_B+P_O＝1 (5)

背景类像素的灰度均值为μ_B，目标类像素的灰度均值为μ_o，则有：

P_Oμ_O+P_Bμ_B＝μ_t (8)

则类间均方差可以表示为：

σ²＝P_B(μ_B-μ_t)²+P_O(μ_O-μ_t)² (9)

由式(5)、式(8)可以得到：

σ²＝P_BP_O(μ_B-μ_O)² (10)

不同的T得到的σ也不同，求出可以令σ取得最大值的T，即为所求最佳阈值。通过该值即可将线激光提取出来。

设原始图像各点的灰度值为F(x,y)，设T是选取的自适应阈值，G(x,y)是图像提取后的各点像素的灰度值，有：

(3)消除粗提取之后的线激光存在的毛刺现象，进一步缩小线激光的宽度；

阈值分割后，图像中线激光宽度占用的像素点较多，用于激光扫描系统中的像素点的精度需要达到亚像素级别，在提取亚像素线激光之前需要将阈值分割后的图像进行边缘细化处理，以消除条纹边缘点对提取亚像素中心的影响。边缘细化即是删除不需要的轮廓点，只保留其骨架。

Zhang并行细化算法具有有效去除轮廓边沿的点、不影响条纹内部像素点的连通性、可以去除激光的毛刺现象，以及保持激光中心线的完整结构等优点，符合系统要求，所以采用Zhang并行细化算法来对线激光进行细化，该算法基于像素8邻域的灰度值来决定是否删除当前像素点，具有实用性强、速度快、细化后的图像可以保持内部结构的连通性、无毛刺等优点。

Zhang并行细化算法将图像上的像素分为目标点和背景点，目标点是像素灰度值不为0的点，背景点是指像素灰度值为0的像素点。取图像中任意一点的像素值为p1，其邻域用p2-p9来标记，标记的相应位置如图3所示：

细化的具体步骤如下：

第一步：如果满足以下四个条件，则在图像中删除该点(设置该像素值为0)；

A.2≤N(p1)≤6

B.Z0(p1)＝1

C.p2*p4*p6＝0

D.p4*p6*p8＝0

式中，N(p1)是p1的邻域中非零点的数量，该条件这样设置是由于大于等于2会保证p1点不是端点或者孤立点，小于等于6保证p1点是一个边界点，而不是一个内部点，因为端点以及内部点不应该被删除。Z0(p1)是从p2至p9遍历过程中其对应的像素值由0变为1的变化次数，该值设置为1是为了保证删除该点后区域的连通性。条件C和D中p4、p6出现了2次，即它们有一个为0，则C、D就满足。待所有边界点都被判断完后，再一起将所有标记点删除，接下来进入第二阶段的删除步骤。

第二步：对图像再进行一次扫描，如果不为0的点的8邻域满足以下4个条件，则在图像中删除该点(设置该像素值为0)；

A.2≤N(p1)≤6

B.Z0(p1)＝1

C.p2*p6*p8＝0

D.p2*p4*p8＝0

条件C、D中的p2、p8出现了2次，若其中有一个为0，则C、D就满足。

为了确保将上述过程中存在的孤立噪点对整个亚像素定位精度的影响降到最低，此时由于已经提取出了有一定宽度的线激光，不可以用中值滤波再次对孤立点去噪，因为中值滤波的特点是取其邻域内的中间值，这样会大大破坏提取出的骨架；因此比较合适的选择是使用开运算来去除可能存在的噪点，即对图像先腐蚀再膨胀，达到去除孤立点的目的。

(4)利用改进型重心法结合Hough变换对线激光中心进行亚像素精确定位；

对图像进行细化后，激光中心线的毛刺现象被明显消除，线激光的宽度缩小至若干个像素。由于线激光光带服从高斯分布，所以其极大值点并不在某一个像素点上，如果直接取某一个像素值作为线激光中心的精确位置势必会造成偏差，所以本发明结合Hough变换与重心法的优点，通过改进型重心法获得线激光中心的亚像素坐标，并利用Hough变换来纠正噪点对改进型重心法的影响，最终确定其亚像素坐标。

传统的重心法是通过计算整个行(或列)来得到线激光中心的亚像素坐标，将重心法应用到线激光提取中，可以找到光强最强的像素点，即：

其中，n表示图像中每行像素的个数。

传统的重心法极易受到噪声干扰，针对此缺陷，将细化后的图像分为目标和背景两部分，其中目标部分是细化后的线激光，每次在使用重心法提取亚像素线激光中心之前，需要遍历整行(或整列)的像素点，寻找目标区域，只对目标区域采取改进型重心法，如下式：

其中，x₀表示目标区域左边界像素的位置坐标，y₀表示目标区域右边界像素的位置坐标。

该方法优点在于：公式(13)根据线激光的光强分布是高斯分布的特性，即灰度值越大的点，其越接近线激光中心位置，对应的像素值也较大，公式中增加了灰度值较强的像素点在公式中的权值，且缩小了重心法的计算范围，提高了提取精度的同时减少了计算量。

重心法比较容易受到噪声的干扰，针对此缺陷，本发明采用Hough变换对改进型重心法得到的伪目标像素进行纠正。

一条直线在一个二维的坐标系中有两种表示方式，即：

a.在笛卡尔坐标系中，可以由斜率和截距来表示；

b.在极坐标系中，可以由参数的极径和极角来表示，对于Hough变换，采用了极坐标系来表示直线，极坐标中的直线方程为：

化简之后可以表示为：

r＝xcosθ+ysinθ (15)

结合图4所示，将其改写成Hough变换式，即自变量(x,y)到参数变量(r,θ)的映射，对于点(x₀,y₀)，在极坐标中通过这个点的所有直线可以表示为：

r＝x₀cosθ+y₀sinθ (16)

则对于一个给定的定点(x₀,y₀)，在极坐标中对其极径和极角来绘制出所有通过该点的直线，将得到一条正弦曲线。

图像空间中所有过y＝kx+b的点经过Hough变换后在参数空间都会相交于点(k,b)，利用该性质，如果过两个不同定点进行上述操作后，得到的曲线相交，就意味着这两个点通过同一条直线。通过Hough变换，可以将图像空间中直线的检测转化为参数空间中对点的检测。

具体如下：

1)在参数空间中建立一个二维(分别对应r，θ)计数器，实质就是二维数组cnt(r_i,θ_i)；数组中所有值都初始化为0；

2)扫描图像空间中的所有点(x_i,y_i)，通过Hough变换进行图像空间到参数空间的变换(r_i,θ_i)，计数cnt(r_i,θ_i)+1；

3)确定一个阈值thr，图像中有超过thr个点共线认为存在直线，cnt(r_i,θ_i)>thr时，认为(r_i,θ_i)可以组成图像中的直线。

根据该性质，寻找相交于一点的曲线数量就可以检测到一条直线，越多的点交于一点就意味着这个交点表示的直线由更多的点组成。

Hough变换利用过直线的点的数量来确定一条直线，更具有全局性，其抗干扰能力较强，但是其计算量比较大。重心法的计算速度较快，对噪声比较敏感。本发明针对Hough变换和重心法的优点，将其结合在一起：在没有噪声干扰的情况下，直接用改进后的重心法精确定位中心点的亚像素位置；当存在噪点时，首先将噪点删除，然后通过该行上下各10行目标像素点作为样本进行Hough变换，得到由这些点构成的直线，用直线上对应的点代替原来的噪点，具体如下：

a)通过改进型重心法得到线激光中心的亚像素坐标；

b)对线激光中心亚像素坐标邻域内目标像素的数量进行检测；

c)如果目标点的数量满足要求，则认为是目标点，转为d)，否则是噪点，转为e)；

d)继续遍历下一行亚像素点，并检测其邻域内目标点的数量；

e)以该噪点上下各10行的目标点为样本，再进行Hough变换，得到直线，并用该直线上对应的点代替该噪点，转为d)，直至遍历完整个图像中的目标像素为止。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (9)

1.一种三维激光扫描系统中线激光中心的亚像素定位方法，其特征在于包括如下步骤：

(1)从摄像头获取激光扫描的原始图像信息，并对原始图像进行预处理，消除图像中的噪声；

(2)对消除噪声的图像进行阈值分割，对线激光进行粗提取；

(3)消除粗提取之后的线激光存在的毛刺现象，进一步缩小线激光的宽度；

(4)利用改进型重心法得到线激光中心的亚像素级别坐标；

(5)采用Hough变换对亚像素级别坐标中的伪目标像素进行纠正。

2.如权利要求1所述的一种三维激光扫描系统中线激光中心的亚像素定位方法，其特征在于：所述步骤(1)具体包括如下步骤：

(11)将摄像头获取的原始图像三通道形式转化为单通道灰度图像；

(12)对灰度图像采用中值滤波处理，消除图像中的噪声。

3.如权利要求2所述的一种三维激光扫描系统中线激光中心的亚像素定位方法，其特征在于：所述步骤(12)中，采用3×3滤波窗口对灰度图像进行中值滤波处理。

4.如权利要求1所述的一种三维激光扫描系统中线激光中心的亚像素定位方法，其特征在于：所述步骤(2)中，利用最大类间方差法计算出将图像中的目标和背景分割的最佳阈值。

5.如权利要求4所述的一种三维激光扫描系统中线激光中心的亚像素定位方法，其特征在于：所述阈值分割的具体过程是：

设原始图像各点的灰度值为F(x,y)，总的像素数为N＝N₀+N₁+…+N_L-1，灰度级数设为L，阈值T将图像分为目标类O和背景类B，i表示像素的灰度值，灰度值为i的像素点的个数记为N_i，其相应的概率记为P_i，则有：

<mrow> <msub> <mi>P</mi> <mi>i</mi> </msub> <mo>-</mo> <mfrac> <msub> <mi>N</mi> <mi>i</mi> </msub> <mi>N</mi> </mfrac> <mo>,</mo> <msub> <mi>P</mi> <mi>i</mi> </msub> <mo>&gt;</mo> <mn>0</mn> <mo>,</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>L</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msub> <mi>P</mi> <mi>i</mi> </msub> <mo>=</mo> <mn>1</mn> </mrow>

背景类的灰度范围记为[0,T]，目标类的灰度范围记为[T+1,L-1]，背景类的灰度概率记为P_B，目标类的灰度概率记为P_O，则有：

<mrow> <msub> <mi>P</mi> <mi>B</mi> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>T</mi> </munderover> <msub> <mi>P</mi> <mi>i</mi> </msub> <mo>=</mo> <msub> <mi>P</mi> <mi>k</mi> </msub> </mrow>

<mrow> <msub> <mi>P</mi> <mi>O</mi> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mi>T</mi> <mo>+</mo> <mn>1</mn> </mrow> <mrow> <mi>L</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msub> <mi>P</mi> <mi>i</mi> </msub> <mo>=</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>P</mi> <mi>k</mi> </msub> </mrow>

P_B+P_O＝1

背景类像素的灰度均值为μ_B，目标类像素的灰度均值为μ_o，则有：

<mrow> <msub> <mi>&amp;mu;</mi> <mi>B</mi> </msub> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>T</mi> </munderover> <msub> <mi>iP</mi> <mi>i</mi> </msub> </mrow> <msub> <mi>P</mi> <mi>B</mi> </msub> </mfrac> <mo>=</mo> <mfrac> <msub> <mi>&amp;mu;</mi> <mi>k</mi> </msub> <msub> <mi>P</mi> <mi>k</mi> </msub> </mfrac> </mrow>

<mrow> <msub> <mi>&amp;mu;</mi> <mi>O</mi> </msub> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mi>T</mi> <mo>+</mo> <mn>1</mn> </mrow> <mrow> <mi>L</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msub> <mi>iP</mi> <mi>i</mi> </msub> </mrow> <msub> <mi>P</mi> <mi>O</mi> </msub> </mfrac> <mo>=</mo> <mfrac> <mrow> <msub> <mi>&amp;mu;</mi> <mi>t</mi> </msub> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mi>k</mi> </msub> </mrow> <mrow> <mn>1</mn> <mo>-</mo> <msub> <mi>P</mi> <mi>k</mi> </msub> </mrow> </mfrac> </mrow> 1

P_Oμ_O+P_Bμ_B＝μ_t

则类间均方差表示为：

σ²＝P_B(μ_B-μ_t)²+P_O(μ_O-μ_t)²

得到：

σ²＝P_BP_O(μ_B-μ_O)²

不同的T得到的σ也不同，求出令σ取得最大值的T，即为所求最佳阈值。

6.如权利要求1所述的一种三维激光扫描系统中线激光中心的亚像素定位方法，其特征在于：所述步骤(3)的具体步骤是：采用Zhang并行细化算法，将图像上的像素分为目标点和背景点，取图像中任意一点的像素值为p1，其邻域用p2-p9来标记，并做如下处理：

第一步：如果满足以下四个条件，则在图像中删除该点；

A.2≤N(p1)≤6

B.Z0(p1)＝1

C.p2*p4*p6＝0

D.p4*p6*p8＝0

式中，N(p1)是p1的邻域中非零点的数量，Z0(p1)是从p2至p9遍历过程中其对应的像素值由0变为1的变化次数；

第二步：对图像再进行一次扫描，如果不为0的点的8邻域满足以下4个条件，则在图像中删除该点；

A.2≤N(p1)≤6

B.Z0(p1)＝1

C.p2*p6*p8＝0

D.p2*p4*p8＝0。

7.如权利要求1所述的一种三维激光扫描系统中线激光中心的亚像素定位方法，其特征在于：所述步骤(3)中，还对图像使用开运算来去除可能存在的噪点，即对图像先腐蚀再膨胀，达到去除孤立点的目的。

8.如权利要求1所述的一种三维激光扫描系统中线激光中心的亚像素定位方法，其特征在于：所述步骤(4)中，改进型重心法的公式如下：

<mrow> <mi>X</mi> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <msub> <mi>x</mi> <mn>0</mn> </msub> </mrow> <msub> <mi>x</mi> <mn>1</mn> </msub> </munderover> <mi>G</mi> <msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>*</mo> <mi>x</mi> </mrow> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <msub> <mi>x</mi> <mn>0</mn> </msub> </mrow> <msub> <mi>x</mi> <mn>1</mn> </msub> </munderover> <mi>G</mi> <msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </mfrac> </mrow>

其中，X表示光强最强的像素点，G(x,y)表示图像提取后的各点像素的灰度值。

9.如权利要求1所述的一种三维激光扫描系统中线激光中心的亚像素定位方法，其特征在于：所述步骤(5)的详细内容是：

a)对线激光中心亚像素坐标邻域内目标像素的数量进行检测；

b)如果目标点的数量满足要求，则认为是目标点，转为c)，否则是噪点，转为d)；

c)继续遍历下一行亚像素点，并检测其邻域内目标点的数量；

d)以该噪点上下各10行的目标点为样本，再进行Hough变换，得到直线，并用该直线上对应的点代替该噪点，转为c)，直至遍历完整个图像中的目标像素为止。