一种线激光轮廓数据的重采样方法、系统和存储介质与流程

1.本发明涉及计算机技术领域，具体涉及一种线激光轮廓数据的重采样方法、系统和存储介质。


背景技术：

2.随着现代社会生产对于3d成像的需要，基于光学成像的3d传感器已经越来越展现出其潜力，其中常被使用的主流传感器之一即为基于三角测量的线激光系列传感器。基于线激光传感器的三维成像技术，通过激光器投影一条激光线到待测物体上，线激光传感器接收反射光线，通过反射光线的位置可计算物体的三维坐标。反射光线在线激光传感器上的成像反映了物体的轮廓信息，可得到轮廓数据，然而由于相机的透视效应，等像素间距的成像点，若其对应的物体轮廓离相机较远，则点与点的物理间距会偏大，而若其对应的物体轮廓离相机较近，则点与点的物理间距会偏小。由于此种误差的存在，将扫描结果表示为深度图时会造成深度图相邻像素间的物理间距不等，从而影响后续几何测量的精度，所以必须对生成轮廓做高度重采样。目前一般使用线性插值的方式完成此项任务，然而线性插值在高度起伏比较大时，效果有时不够理想。


技术实现要素：

3.本发明主要解决使用线性插值的方式对线激光轮廓数据进行重采样，效果有时不够理想的技术问题。
4.根据第一方面，一种实施例中提供一种线激光轮廓数据的重采样方法，包括：获取线激光轮廓图像；提取所述线激光轮廓图像每一列的像素中心点，作为线激光轮廓数据；根据所述像素中心点的坐标得到样条曲线的节点的坐标，根据所述节点的坐标和样条曲线公式计算得到预设阶数k的样条曲线的控制点，其中样条曲线的首尾控制点的梯度分别与所述线激光轮廓图像首列和尾列的像素中心点的梯度相同；根据所述节点、所述控制点确定k阶样条曲线；获取重采样点位置，利用所述k阶样条曲线对所述线激光轮廓数据进行样条插值，以计算得到重采样点处的采样值。
5.一种实施例中，所述样条曲线公式为：，其中，ni,p
(u)=n
i,p-1
(u)+n
i+1,p-1
(u) ；其中，pi为第i个控制点的坐标，u为自变量坐标，ui为第i个节点的坐标，p为样条曲线的阶数，n
i,p
(u)为p阶样条曲线第i个控制点的基函数，n为将控制点的数量减1得到的整数，c(u)为插值点的坐标；所述根据所述像素中心点的坐标得到样条曲线的节点的坐标，根据所述节点的坐标和样条曲线公式计算得到预设阶数k的样条曲线的控制点，其中样条曲线的首尾控制点的梯度分别与所述线激光轮廓图像首列和尾列的像素中心点的梯度相同，包括：获取所述像素中心点的亚像素坐标；根据所述像素中心点的亚像素坐标得到样条曲线的节点的坐标uj，其中1≤j≤n+k-1，且j为整数，n为所述像素中心点的数量，且最后k-1个节点与第n个节点重合；根据所述节点的坐标和所述样条曲线公式，计算每个所述节点处的k阶样条曲线的基函数值n
i,k
(uj)；令n=n-1，根据以下公式计算得到控制点的坐标p0、p1、
…
pn：；其中y1、y2、
…yn
为所述像素中心点的坐标，c0为所述线激光轮廓图像首列的像素中心点的梯度，cn为所述线激光轮廓图像尾列的像素中心点的梯度。
6.一种实施例中，所述根据所述像素中心点的亚像素坐标得到样条曲线的节点的坐标uj，包括：根据所述亚像素坐标获取所述像素中心点的三维坐标(x,y,z)；将所述像素中心点的三维坐标中的x坐标作为样条曲线的节点的坐标uj；坐标y1、y2、
…yn
为由所述像素中心点的三维坐标中的x坐标和z坐标组成的二维坐标(x,z)，坐标p0、p1、
…
pn为由控制点的x坐标x
p
和z坐标z
p
组成的二维坐标(x
p
,z
p
)。
7.一种实施例中，所述获取重采样点位置，利用所述k阶样条曲线对所述线激光轮廓数据进行样条插值，以计算得到重采样点处的采样值，包括：根据预设的重采样的步长和点数计算所有重采样点的x坐标，将重采样点的x坐标代入所述k阶样条曲线的公式中以得到插值点的坐标，将插值点的z坐标作为重采样点处的采样值。
8.一种实施例中，所述根据所述像素中心点的亚像素坐标得到样条曲线的节点的坐标uj，包括：根据所述亚像素坐标获取所述像素中心点的三维坐标(x,y,z)；根据以下公式计算得到中间坐标l
l
：
，其中l
l
表示第l个中间坐标，1≤l≤n，qi为第i个像素中心点的三维坐标中的x坐标；根据以下公式计算得到节点的坐标uj：；坐标y1、y2、
…yn
为由所述像素中心点的三维坐标中的x坐标和z坐标组成的二维坐标(x,z)，坐标p0、p1、
…
pn为由控制点的x坐标x
p
和z坐标z
p
组成的二维坐标(x
p
,z
p
)。
9.一种实施例中，所述获取重采样点位置，利用所述k阶样条曲线对所述线激光轮廓数据进行样条插值，以计算得到重采样点处的采样值，包括：根据预设的重采样的步长和点数计算所有重采样点的x坐标；根据以下公式计算得到中间坐标l
l
：，其中1≤l≤m，m为重采样点的数量，ri为第i个重采样点的x坐标；根据以下公式计算得到重采样点的待插值x坐标rx
l
：；将重采样点的待插值x坐标rx
l
代入所述k阶样条曲线的公式中以得到插值点的坐标，将插值点的z坐标作为重采样点处的采样值。
10.一种实施例中，所述获取所述像素中心点的亚像素坐标，包括：获取所述像素中心点处沿图像x轴的灰度梯度值n
x
和沿图像y轴的灰度梯度值ny；根据以下公式计算得到偏移参数t：，
其中g
x
和gy为所述像素中心点处的一阶导，g
xx
、g
xy
和g
yy
为所述像素中心点处的二阶导，并且，，，，，其中
⊗
表示克罗内克积，(xi,yi)为所述像素中心点的图像坐标，g(xi,yi)为所述像素中心点的灰度值，k
x
、ky、k
xx
、k
xy
和k
yy
为预设的卷积核；所述像素中心点的亚像素坐标为。
11.一种实施例中，所述线激光轮廓图像每一列的像素中心点为该列的重心。
12.根据第二方面，一种实施例中提供一种线激光轮廓数据的重采样系统，包括：线激光轮廓图像获取模块，用于获取线激光轮廓图像；中心点提取模块，用于提取所述线激光轮廓图像每一列的像素中心点，作为线激光轮廓数据；控制点计算模块，用于根据所述像素中心点的坐标得到样条曲线的节点的坐标，根据所述节点的坐标和样条曲线公式计算得到预设阶数k的样条曲线的控制点，其中样条曲线的首尾控制点的梯度分别与所述线激光轮廓图像首列和尾列的像素中心点的梯度相同；k阶样条曲线确定模块，用于根据所述节点、所述控制点确定k阶样条曲线；重采样模块，用于获取重采样点位置，利用所述k阶样条曲线对所述线激光轮廓数据进行样条插值，以计算得到重采样点处的采样值。
13.根据第三方面，一种实施例中提供一种计算机可读存储介质，所述介质上存储有程序，所述程序能够被处理器执行以实现如上述第一方面所述的重采样方法。
14.依据上述实施例的线激光轮廓数据的重采样方法、系统和存储介质，首先获取线激光轮廓图像，然后提取线激光轮廓图像每一列的像素中心点作为线激光轮廓数据，根据像素中心点的坐标得到样条曲线的节点的坐标，根据节点的坐标和样条曲线公式计算得到预设阶数k的样条曲线的控制点，其中样条曲线的首尾控制点的梯度分别与线激光轮廓图像首列和尾列的像素中心点的梯度相同，再根据节点、控制点确定k阶样条曲线，最后获取重采样点位置，利用k阶样条曲线对线激光轮廓数据进行样条插值，以计算得到重采样点处的采样值。由于利用样条曲线对线激光轮廓数据进行插值实现重采样，使得扫描出的轮廓更接近于自然物体的连续表面，比基于线性插值的方法更为光滑，同时，由于对样条曲线首尾控制点的梯度进行了限制，使首尾控制点的梯度保持与原始样本点的首尾端点的梯度相同，使得样条曲线更光滑，进一步提高了轮廓的光滑度。
附图说明
15.图1为一种实施例的线激光轮廓数据的重采样方法的流程图；图2为一种实施例的线激光轮廓扫描仪的成像示意图；图3为一种实施例的线激光轮廓图像；
图4为一种实施例的计算控制点坐标的流程图；图5为对图3进行处理得到的重采样点的示意图；图6为另一种实施例的重采样点的示意图；图7为一种实施例的线激光轮廓数据的重采样系统的结构示意图。
具体实施方式
16.下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本技术能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本技术相关的一些操作并没有在说明书中显示或者描述，这是为了避免本技术的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
17.另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。
18.本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本技术所说“连接”、“联接”，如无特别说明，均包括直接和间接连接（联接）。
19.三维激光扫描技术是近些年快速发展起来的一项非接触测量技术，因其测量速度快、精度高，非接触等特点，得到了广泛的认可和应用。三维扫描技术的应用范围从最开始的工业制造、逆向工程等方面，逐步扩大到数字孪生、元宇宙、数字化城市等领域。因此，对三维激光扫描技术的研究与完善，不仅对工业制造技术的发展升级，还对生活服务的改善等方面具有重大意义。
20.三维激光扫描技术是在机器视觉技术的基础上发展起来的。三维激光扫描技术的提出，最初是为解决机器视觉中的匹配问题。机器视觉测量技术中的匹配问题是制约其测量精度的关键，三维激光扫描技术的引入显著地降低了匹配难度。但是，激光扫描在降低匹配难度的同时，也降低了系统的测量效率。例如点激光扫描能够达到极高精度，但是点激光扫描测量速度太慢；线激光扫描具有较快的测量效率，但是视觉匹配的精度又相应地降低了。
21.三维激光扫描技术可以获取物体表面轮廓信息，根据轮廓信息可以对物体进行三维重建。为了提升重建精度，同时保持较高效率，需要在保持图像分辨率不增加的情况下，增加重建的精度。此外，对于三维重建而言，由于多重反射、半透明材质、高反光等原因，都会导致重建结果存在孔洞和噪声。为了提升三维重建的精度及减少孔洞和噪声的影响，需要对重建的结果进行重采样处理，以获得更好的成像质量。
22.本发明主要针对线激光传感器，采用插值方法进行重采样，解决精度提升和孔洞填充的问题。为了提升插值效果，采用样条曲线插值，同时对样条曲线的首尾控制点施加限制条件，使得曲线更为光滑。曲线插值是在计算机领域广泛应用的曲线表示方法，基于样条
曲线的插值和生成算法比较成熟，将样条曲线与线激光成像流程结合，可以起到增加轮廓点稳定性和鲁棒性的效果。样条曲线插值的任务是对于给定的一系列点，求解出同时经过所有点的连续光滑样条曲线，该问题不存在唯一解。
23.为了能更清楚地理解本发明技术方案，下面先对样条曲线进行简单介绍。
24.定义b样条曲线：，曲线c(u)是由n+1个控制点控制形状的p次曲线，并且曲线c(u)是一分段曲线，由节点向量u={u0, u1,
…
um}定义分段区间，其中pi为第i个控制点的坐标，u为自变量坐标，ui为第i个节点的坐标，m为自然数，0≤i≤m，n
i,p
(u)为p阶样条曲线第i个控制点的基函数，n为将控制点的数量减1得到的整数，c(u)为插值点的坐标，下面对各部分进行介绍。
25.（1）控制点（control point）：用于控制曲线形状的数据点坐标，用pi表示；（2）阶次（degree）：表征了曲线的连续性，用p表示，p为大于0的整数；（3）节点向量（knot vector）：采用u表示，节点向量u={u0, u1,
…
um}由m+1个节点组成，是一个非减的序列，表示了分段曲线的定义域和区间范围；在有的实施例中，节点向量u中的部分节点可以是重合的；曲线c(u)经过各节点ui；（4）b样条基函数（basis function）：采用n
i,p
(u)表示，每个控制点pi对应一个基函数n
i,p
(u)；基函数的定义如下：，。
26.下面对本发明提供的线激光轮廓数据的重采样方法进行介绍，请参考图1，一种实施例中该方法包括步骤110~150。
27.步骤110：获取线激光轮廓图像。
28.线激光轮廓图像是指采用线激光传感器获取的图像，例如可以使用线激光轮廓扫描仪或者称线激光3d传感器、线激光三维扫描仪、线激光3d相机等设备拍摄得到线激光轮廓图像。请参考图2，线激光轮廓扫描仪包括线激光器a和成像装置b，成像装置b可以包括ccd（charge-coupled device，电荷耦合器件）芯片等。线激光器a投影一条笔直的光线到物体表面，光线反射到另一侧的成像装置b中成像，从而得到线激光轮廓图像。图3为一种实施例中得到的一张线激光轮廓图像。线激光轮廓图像呈现了物体轮廓的大致形状，反映了物体的轮廓信息。该物体可以是需要使用线激光进行检测的物品，例如可以是工业流水线上的产品等。
29.步骤120：提取线激光轮廓图像每一列的像素中心点，作为线激光轮廓数据。
30.像素中心点指像素分布的平均位置。一种实施例中，线激光轮廓图像每一列的像素中心点，可以为灰度值大于一定阈值或者梯度大于一定阈值的像素点的集合的重心。所得到的线激光轮廓数据表示扫描到的物体轮廓，为需要进行重采样的原始样本点。
31.步骤130：根据像素中心点的坐标得到样条曲线的节点的坐标，根据节点的坐标和样条曲线公式计算得到预设阶数k的样条曲线的控制点，其中样条曲线的首尾控制点的梯度分别与线激光轮廓图像首列和尾列的像素中心点的梯度相同。
32.由于样条曲线用于对线激光轮廓数据进行插值，因此样条曲线须经过像素中心点，故根据像素中心点的坐标来得到样条曲线的节点的坐标，可以直接根据像素中心点的坐标得到节点的坐标，也可以使用更为精细的亚像素坐标来得到节点的坐标。除此之外，还需要计算控制点坐标，以最终确定样条曲线。由于节点位于样条曲线上，因此可以将控制点坐标作为未知参数，将节点坐标代入样条曲线公式，构建方程求解控制点坐标。在计算之前需要预先设置样条曲线的阶数，本实施例中将阶数设置为k，阶数k的具体数值可以根据实际需要设置，在此不做限定。
33.在计算控制点坐标时还对首尾控制点的梯度进行了限制，使首尾控制点的梯度保持与线激光轮廓图像首列和尾列的像素中心点（即原始样本点的首尾端点）的梯度相同，使得样条曲线更光滑，提高了生成轮廓的光滑度。
34.请参考图4，一种实施例中步骤130可以包括步骤131~134，下面具体说明。
35.步骤131：获取像素中心点的亚像素坐标。
36.像素中心点的亚像素坐标可以使用现有的亚像素坐标计算方法获取。本发明还另外提供一种新的亚像素坐标计算方法，下面对其进行说明。
37.对于图像中任意一点的灰度值，对其进行二阶近似估计，可以表示为：，其中(xi,yi)表示图像坐标，g(xi,yi)为点(xi,yi)的灰度值，g0为常数，g
x
和gy为点(xi,yi)处的一阶导，g
xx
、g
xy
和g
yy
为点(xi,yi)处的二阶导。
38.因此亚像素的灰度值的二阶近似估计可以表示为：，其中t为偏移参数，n
x
和ny分别为点(xi,yi)处沿图像x轴和y轴的灰度梯度值。
39.令其偏导数等于0可得：，可得：，那么点(xi,yi)的亚像素坐标为。
40.因此对于图像坐标为(xi,yi)的像素中心点，可以先获取像素中心点(xi,yi)处沿图像x轴的灰度梯度值n
x
和沿图像y轴的灰度梯度值ny，沿图像x轴的灰度梯度值n
x
和沿图像
y轴的灰度梯度值ny可以通过求解二阶导矩阵最小特征值对应的特征向量获得；然后根据以下公式计算得到偏移参数t：，其中g
x
和gy为像素中心点处的一阶导，g
xx
、g
xy
和g
yy
为像素中心点处的二阶导，并且，，，，，其中
⊗
表示克罗内克积，g(xi,yi)为像素中心点的灰度值，k
x
、ky、k
xx
、k
xy
和k
yy
为预设的卷积核，卷积核可根据实际需要设置，一种实施例中可以按如下设置：，，，，；那么像素中心点(xi,yi)的亚像素坐标则为。
41.步骤132：根据像素中心点的亚像素坐标得到样条曲线的节点的坐标uj，其中1≤j≤n+k-1，且j为整数，n为像素中心点的数量，且最后k-1个节点与第n个节点重合。
42.本实施例中设置控制点的数量为n，因此须有n+k-1个节点，故将最后一个节点进行重复使用，使其重复k次，因此最后k-1个节点与第n个节点重合。
43.一种实施例中，首先根据亚像素坐标获取像素中心点的三维坐标(x,y,z)，再根据三维坐标(x,y,z)得到节点的坐标。三维坐标(x,y,z)可以根据成像装置b镜头的标定信息获得。可预先对成像装置b的镜头进行标定，利用标定信息可由亚像素坐标计算得到三维坐标。
44.对于三维重建，需要获取的是物体表面轮廓的高度数据以进行三维重建，因此可只考虑像素中心点的三维坐标中的x坐标和z坐标，重采样也是获取重采样点的(x,z)坐标。
45.对于节点的坐标uj，一种实施例中可以直接将像素中心点的三维坐标中的x坐标作为样条曲线的节点的坐标uj。即前n个节点的坐标与n个像素中心点的三维坐标中的x坐
标一一对应，后k-1个节点的坐标与第n个节点的坐标相同。
46.另一种实施例中，可以基于向心参数法和移动平均法计算样条曲线的节点的坐标uj。具体地，首先根据向心参数法计算中间坐标，即根据以下公式计算得到中间坐标l
l
：，其中l
l
表示第l个中间坐标，1≤l≤n，qi为第i个像素中心点的三维坐标中的x坐标。然后使用移动平均法计算节点的坐标uj，即根据以下公式计算得到节点的坐标uj：。
47.该计算节点的坐标的方法，通过使用移动平均法，引入移动平均项计算节点的坐标，可以使得样条曲线在控制点附近更为平滑，且所构建的样条曲线更 为稳定。
48.步骤133：根据节点的坐标和样条曲线公式，计算每个节点处的k阶样条曲线的基函数值n
i,k
(uj)。
49.由上述基函数的定义式可知，当节点的坐标和阶数确定后，由自变量坐标u可计算得到相应的基函数值n
i,k
(u)，由于需计算出每个控制点对应的基函数值，因此可得到一基函数值向量n=[ n
0,k
(u), n
1,k
(u),
…nn,k
(u)]。
[0050]
将节点的坐标uj作为自变量坐标u代入基函数的定义式中可得到基函数值n
i,k
(uj)，每个节点可得到一个基函数值向量nj=[ n
0,k
(uj), n
1,k
(uj),
…nn,k
(uj)]。
[0051]
步骤134：根据基函数值和梯度值构建方程计算控制点的坐标p0、p1、
…
pn。
[0052]
根据基函数值向量nj，每个节点可提供一个方程nj×
yc=yj，其中yc=[p0p
1 …ꢀ
pn]
t
，yj为第j个像素中心点的坐标，n个不同的节点可提供n个方程。
[0053]
此外，本发明还对样条曲线首尾控制点的梯度进行了限制，使首尾控制点的梯度保持与线激光轮廓图像首列和尾列的像素中心点的梯度相同，根据这一限制条件可贡献两个额外的方程：p
1 ‑ꢀ
p
0 = c0，pn‑ꢀ
p
n-1 =cn，其中c0为线激光轮廓图像首列的像素中心点的梯度，cn为线激光轮廓图像尾列的像素中心点的梯度。
[0054]
联立以上n+2个方程可得：
， （1）本实施例中设置控制点的数量为n，因此可令n=n-1，根据上述公式（1）利用最小二乘法或者共轭梯度下降法迭代计算得到控制点的坐标p0、p1、
…
pn。
[0055]
如上文所述，一种实施例中，可只考虑像素中心点的三维坐标中的x坐标和z坐标，因此该实施例中坐标y1、y2、
…yn
可以为由像素中心点的三维坐标中的x坐标和z坐标组成的二维坐标(x,z)，相应地计算得到的坐标p0、p1、
…
pn为由控制点的x坐标x
p
和z坐标z
p
组成的二维坐标(x
p
,z
p
)。
[0056]
步骤140：根据节点、控制点确定k阶样条曲线。
[0057]
通过以上各步骤已经确定了k阶样条曲线的节点和控制点，则k阶样条曲线也可随之确定。
[0058]
步骤150：获取重采样点位置，利用k阶样条曲线对线激光轮廓数据进行样条插值，以计算得到重采样点处的采样值。
[0059]
重采样前需要预先设置重采样的步长和点数，由重采样的步长和点数则可确定重采样点的坐标，将重采样点的坐标代入k阶样条曲线的公式中可实现对线激光轮廓数据的样条插值，得到重采样点处的采样值，从而完成对线激光轮廓数据的重采样。
[0060]
如上文所述，一种实施例中可只考虑像素中心点的三维坐标中的x坐标和z坐标，重采样是获取重采样点的(x,z)坐标。重采样点的位置可以用其x坐标表示，其z坐标为采样值，通过样条插值可获得重采样点的z坐标。
[0061]
具体地，若直接将像素中心点的三维坐标中的x坐标作为样条曲线的节点的坐标uj，则首先根据预设的重采样的步长和点数计算所有重采样点的x坐标，例如重采样的步长为0.5，点数为200，则重采样点的x坐标分别为0、0.5、1
……
99；然后将重采样点的x坐标作为自变量坐标u代入k阶样条曲线的公式中，以得到插值点的坐标c(u)，将插值点的z坐标作为重采样点处的采样值，从而完成对线激光轮廓数据的重采样。由于构建样条曲线时使用的是像素中心点的(x,z)坐标，因此插值点的坐标相应地也包括x坐标和z坐标，插值点的z坐标即为重采样点处的采样值。
[0062]
若基于向心参数法和移动平均法计算样条曲线的节点的坐标uj，则同样地首先根据预设的重采样的步长和点数计算所有重采样点的x坐标，然后根据以下公式计算得到中间坐标l
l
：，
其中1≤l≤m，m为重采样点的数量，ri为第i个重采样点的x坐标；再根据以下公式计算得到重采样点的待插值x坐标rx
l
：；将重采样点的待插值x坐标rx
l
作为自变量坐标u代入k阶样条曲线的公式中，以得到插值点的坐标c(u)，将插值点的z坐标作为重采样点处的采样值，从而完成对线激光轮廓数据的重采样。
[0063]
图5和图6为重采样点的示意图，其中图5为对图3进行处理得到的重采样点的示意图，图中的交叉符号
×
表示重采样点；图6为另一实施例中得到的重采样点的示意图，图中的交叉符号
×
表示样条曲线的节点，虚线曲线为样条曲线，竖直线与虚线曲线的交点为最终的重采样点。
[0064]
在上述线激光轮廓数据的重采样方法的基础上，本发明还提供一种线激光轮廓数据的重采样系统，请参考图7，一种实施例中该系统包括线激光轮廓图像获取模块1、中心点提取模块2、控制点计算模块3、k阶样条曲线确定模块4和重采样模块5，下面分别说明。
[0065]
线激光轮廓图像获取模块1用于获取线激光轮廓图像。关于线激光轮廓图像的具体获取方式可参考上文步骤110，在此不再赘述。
[0066]
中心点提取模块2用于提取线激光轮廓图像每一列的像素中心点，作为线激光轮廓数据。一种实施例中，线激光轮廓图像每一列的像素中心点，可以为灰度值大于一定阈值或者梯度大于一定阈值的像素点的集合的重心。
[0067]
控制点计算模块3用于根据像素中心点的坐标得到样条曲线的节点的坐标，根据节点的坐标和样条曲线公式计算得到预设阶数k的样条曲线的控制点，其中样条曲线的首尾控制点的梯度分别与线激光轮廓图像首列和尾列的像素中心点的梯度相同。
[0068]
关于样条曲线公式可参考上文。一种实施例中，控制点计算模块3具体用于：获取像素中心点的亚像素坐标；根据像素中心点的亚像素坐标得到样条曲线的节点的坐标uj，其中1≤j≤n+k-1，且j为整数，n为像素中心点的数量，且最后k-1个节点与第n个节点重合；根据节点的坐标和样条曲线公式，计算每个节点处的k阶样条曲线的基函数值n
i,k
(uj)；令n=n-1，根据以下公式计算得到控制点的坐标p0、p1、
…
pn：；其中y1、y2、
…yn
为像素中心点的坐标，c0为线激光轮廓图像首列的像素中心点的梯度，cn为线激光轮廓图像尾列的像素中心点的梯度，具体地可利用最小二乘法或者共轭梯度下降法迭代计算得到控制点的坐标p0、p1、
…
pn。
[0069]
一种实施例中，控制点计算模块3通过以下方式获取像素中心点的亚像素坐标：获取像素中心点处沿图像x轴的灰度梯度值n
x
和沿图像y轴的灰度梯度值ny；根据以下公式计算得到偏移参数t：，其中g
x
和gy为像素中心点处的一阶导，g
xx
、g
xy
和g
yy
为像素中心点处的二阶导，并且，，，，，其中
⊗
表示克罗内克积，(xi,yi)为像素中心点的图像坐标，g(xi,yi)为像素中心点的灰度值，k
x
、ky、k
xx
、k
xy
和k
yy
为预设的卷积核；计算像素中心点的亚像素坐标；一种实施例中卷积核具体为：，，，，。
[0070]
一种实施例中，坐标y1、y2、
…yn
为由像素中心点的三维坐标中的x坐标和z坐标组成的二维坐标(x,z)，坐标p0、p1、
…
pn为由控制点的x坐标x
p
和z坐标z
p
组成的二维坐标(x
p
,z
p
)，控制点计算模块3通过以下方式根据像素中心点的亚像素坐标得到样条曲线的节点的坐标uj：根据亚像素坐标获取像素中心点的三维坐标(x,y,z)；将像素中心点的三维坐标中的x坐标作为样条曲线的节点的坐标uj。
[0071]
一种实施例中，坐标y1、y2、
…yn
为由像素中心点的三维坐标中的x坐标和z坐标组成的二维坐标(x,z)，坐标p0、p1、
…
pn为由控制点的x坐标x
p
和z坐标z
p
组成的二维坐标(x
p
,z
p
)，控制点计算模块3基于向心参数法和移动平均法计算样条曲线的节点的坐标uj，具体地，控制点计算模块3通过以下方式根据像素中心点的亚像素坐标得到样条曲线的节点的坐标uj：根据亚像素坐标获取像素中心点的三维坐标(x,y,z)；根据以下公式计算得到中间坐标l
l
：
，其中l
l
表示第l个中间坐标，1≤l≤n，qi为第i个像素中心点的三维坐标中的x坐标；根据以下公式计算得到节点的坐标uj：。
[0072]
k阶样条曲线确定模块4用于根据节点、控制点确定k阶样条曲线。
[0073]
重采样模块5用于获取重采样点位置，利用k阶样条曲线对线激光轮廓数据进行样条插值，以计算得到重采样点处的采样值。
[0074]
具体地，若控制点计算模块3直接将像素中心点的三维坐标中的x坐标作为样条曲线的节点的坐标uj，则重采样模块5具体用于：根据预设的重采样的步长和点数计算所有重采样点的x坐标，将重采样点的x坐标代入k阶样条曲线的公式中以得到插值点的坐标，将插值点的z坐标作为重采样点处的采样值，从而完成对线激光轮廓数据的重采样。
[0075]
若控制点计算模块3基于向心参数法和移动平均法计算样条曲线的节点的坐标uj，则重采样模块5具体用于：根据预设的重采样的步长和点数计算所有重采样点的x坐标；根据以下公式计算得到中间坐标l
l
：，其中1≤l≤m，m为重采样点的数量，ri为第i个重采样点的x坐标；根据以下公式计算得到重采样点的待插值x坐标rx
l
：；将重采样点的待插值x坐标rx
l
代入k阶样条曲线的公式中以得到插值点的坐标，将插值点的z坐标作为重采样点处的采样值，从而完成对线激光轮廓数据的重采样。
[0076]
本发明提供的线激光轮廓数据的重采样方法和系统，由于利用样条曲线对线激光轮廓数据进行插值实现重采样，使得扫描出的轮廓更接近于自然物体的连续表面，比基于
线性插值的方法更为光滑，同时，由于对样条曲线首尾控制点的梯度进行了限制，使首尾控制点的梯度保持与原始样本点的首尾端点的梯度相同，使得样条曲线更光滑，进一步提高了轮廓的光滑度。
[0077]
此外，本发明提供的线激光轮廓数据的重采样方法和系统，适用于对由于透明或半透明材质、物体部分被遮挡等导致的无效像素、孔洞等进行填充和拟合，提升适应能力，提高三维重建的精度、稳定性，降低噪声的影响。
[0078]
最后，本发明提供的亚像素坐标计算方法，也有利于提升三维重建的精度和稳定性。
[0079]
本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。
[0080]
以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。