文献类型：期刊文章

作　　者：冀振燕[1] 宋晓军[1] 付文杰[2] 冯其波[2,3] 吴梦丹[1]

JI Zhen-yan;SONG Xiao-jun;FU Wen-jie;FENG Qi-bo;WU Meng-dan(School of Sofw are Engineeing,Beijing Jiaotong University,Beijing 100044,China;School of Science,Beijing Jiaotong University,Beijing 100044,China;Dongguan Nannar Electronic Technology Co.,Itd,Dongguan 523050,China)

机构地区：[1]北京交通大学软件学院,北京100044 [2]北京交通大学理学院,北京100044 [3]东莞市诺丽电子科技有限公司,广东东莞523050

出　　处：《测控技术》

基　　金：国家自然科学基金重点项目(51935002);东莞市引进创新科研团队项目(201536000600028)。

年　　份：2021

卷　　号：40

期　　号：6

起止页码：1-8

语　　种：中文

收录情况：JST、ZGKJHX、普通刊

摘　　要：激光光条中心线提取在视觉测量、三维重建等领域具有重要的作用。介绍了不同类型的中心线提取模型,并且回顾了这些模型的转变和创新。具体来说,根据模型采用的核心算法,将中心线提取模型分为传统提取模型和基于深度学习的提取模型;传统中心线提取模型又分为极值模型、灰度重心模型、曲线拟合模型、基于Hessian矩阵的Steger模型和可变方向模板模型;结尾从优缺点及其克服的问题等角度对比分析了不同类型的算法模型。分析表明传统激光光条中心线提取算法在图像的适应性和处理的实时性上有较为明显的不足,指出光条中心线提取模型的发展应逐渐偏向于灵活性、泛化性、实时性更强的深度学习领域。

关 键 词：激光光条  中心线提取 灰度重心法  Steger算法  

分 类 号：TP391.4]