彩色结构光系统高低强度条纹的颜色聚类方法

计算机应用 ›› 2013, Vol. 33 ›› Issue (08): 2341-2345.

彩色结构光系统高低强度条纹的颜色聚类方法

陆军¹,高乐²,张鑫¹

1. 哈尔滨工程大学自动化学院，哈尔滨 150001;
2. 中国航空无线电电子研究所，上海 200233

收稿日期:2013-03-06 修回日期:2013-04-27 出版日期:2013-08-01 发布日期:2013-09-11
通讯作者: 陆军
作者简介:陆军(1969-)，男，黑龙江哈尔滨人，教授，博士，主要研究方向：计算机视觉、智能控制;
高乐(1987-),男，辽宁铁岭人，硕士，主要研究方向：计算机视觉;
张鑫(1988-)，男，河南周口人，硕士，主要研究方向：机器人与智能控制。
基金资助:
黑龙江省自然科学基金资助项目;人力资源和社会保障部留学人员科技活动择优资助项目;中央高校基本科研业务费专项资金资助项目

Color clustering method for high and low intensity stripes of color structured light system

LU Jun¹,GAO Le²,ZHANG Xin¹

1. College of Automation, Harbin Engineering University, Harbin Heilongjiang 150001,China
2. Chinese Aeronautical Radio Electronics Research Institute, Shanghai 200233,China

Received:2013-03-06 Revised:2013-04-27 Online:2013-09-11 Published:2013-08-01
Contact: LU Jun

摘要/Abstract

摘要： 基于De Bruijn序列的彩色结构光编码作为空间编码的一种，具有测量速度快的特点。其中，彩色条纹的识别是关键问题之一。针对高低强度相间的4色De Bruijn序列条纹投射模式的特点，在L*a*b*颜色空间中，通过L值的线性二次差分滤波实现了对捕获的彩色结构光高低强度条纹的分割。利用主成分分析和K均值聚类思想，设计了自适应颜色聚类方法，实现了对4种高低强度颜色的识别。实验结果表明，该方法对环境光等因素具有较好的鲁棒性，满足彩色结构光视觉测量对精度要求高以及信息提取简单的要求。

关键词: De Bruijn序列, 条纹分割, K均值, 颜色聚类, 主成分分析

Abstract: Color coded structured light based on De Bruijn sequence is a kind of spatial code method that is characterized by rapid shape measurement. The recognition of color stripes is a key issue. Considering projected De Bruijn stripe pattern combining four colors with high and low intensity, segmentation of high and low intensity stripes was implemented by using linear filter of second derivative of L channel in L*a*b* color space. Adaptive color clustering was designed by employing Principal Component Analysis (PCA) and K-means clustering. The recognition of four colors with two intensities was finished. The experimental results indicate that the proposed method is robust to factors such as ambient light and it satisfies demand for high precision and simple extraction of information to structured light vision measurement.

Key words: De Bruijn sequence, stripe segmentation, K-means, color clustering, Principal Component Analysis (PCA)

中图分类号:

TP394.41

陆军高乐张鑫. 彩色结构光系统高低强度条纹的颜色聚类方法[J]. 计算机应用, 2013, 33(08): 2341-2345.

LU Jun GAO Le ZHANG Xin. Color clustering method for high and low intensity stripes of color structured light system[J]. Journal of Computer Applications, 2013, 33(08): 2341-2345.

[1]	王心, 朱浩华, 刘光灿. 卷积鲁棒主成分分析[J]. 计算机应用, 2021, 41(5): 1314-1318.
[2]	陆荣秀, 陈明明, 杨辉, 朱建勇. 基于溶液图像时序特征的元素组分含量动态监测系统[J]. 计算机应用, 2021, 41(10): 3075-3081.
[3]	陈利霞, 班颖, 王学文. 基于张量核范数与3D全变分的背景减除[J]. 计算机应用, 2020, 40(9): 2737-2742.
[4]	郑延斌, 韩梦云, 樊文鑫. 基于二维主成分分析与卷积神经网络的手写体汉字识别[J]. 计算机应用, 2020, 40(8): 2465-2471.
[5]	李东博, 黄铝文. 重加权稀疏主成分分析算法及其在人脸识别中的应用[J]. 计算机应用, 2020, 40(3): 717-722.
[6]	王海鹏, 降爱莲, 李鹏翔. 牛顿-软阈值迭代鲁棒主成分分析算法[J]. 计算机应用, 2020, 40(11): 3133-3138.
[7]	张晓博, 杨燕, 李天瑞, 陆凡, 彭莉兰. 基于医疗文本数据聚类的帕金森病早期诊断预测[J]. 计算机应用, 2020, 40(10): 3088-3094.
[8]	李贺, 江登英, 黄樟灿, 王占占. 彩色图像颜色量化问题的求解方法[J]. 计算机应用, 2019, 39(9): 2646-2651.
[9]	赵瑞祥, 侯宏花, 张鹏程, 刘祎, 田珠, 桂志国. 结合全卷积网络和K均值聚类的球栅阵列焊球边缘气泡分割[J]. 计算机应用, 2019, 39(9): 2580-2585.
[10]	陈莉, 陈晓云. 结合局部熵和鲁棒主成分分析的眼底图像硬性渗出物检测方法[J]. 计算机应用, 2019, 39(7): 2134-2140.
[11]	周非, 夏鹏程. 基于主成分分析和卡方距离的信号强度差指纹定位算法[J]. 计算机应用, 2019, 39(5): 1405-1410.
[12]	陈万志, 徐东升, 张静, 唐雨. 结合优化支持向量机与K-means++的工控系统入侵检测方法[J]. 计算机应用, 2019, 39(4): 1089-1094.
[13]	丁成, 王秋萍, 王晓峰. 基于广义反向学习的磷虾群算法及其在数据聚类中的应用[J]. 计算机应用, 2019, 39(2): 336-342.
[14]	王鑫, 李可, 徐明君, 宁晨. 改进的基于深度学习的遥感图像分类算法[J]. 计算机应用, 2019, 39(2): 382-387.
[15]	叶双, 杨晓敏, 严斌宇. 基于自适应锚定邻域回归的图像超分辨率算法[J]. 计算机应用, 2019, 39(10): 3040-3045.