基于改进SegFormer网络的线激光分割和中心提取方法

来源：电子测量技术杂志2024年第21期北京时间：

作者：韩佳鑫，王生怀，钟明，陈哲，张伟

单位：1.湖北汽车工业学院机械工程学院 十堰 442000; 2.武汉筑梦科技有限公司 武汉 430000

摘要：线结构光条纹中心线提取是三维测量技术的关键，测量工件表面易反光等环境因素的干扰使中心线提取的精度低、稳定性差。本文提出了一种改进的激光中心线提取方法，首先在SegFormer网络编码层Transformer backbone分支提取线激光图像全局特征的基础上，引入Vgg16 backbone分支提取线激光图像中的浅层轮廓信息，再添加MASPP模块来提高模型对线形目标的分割效果，提高了激光条纹区域的分割精度，通过改进SegFormer网络模型为后续中心线提取提供高质量的图像源，再利用Steger法实现对激光中心线的精确提取。实验结果表明,该方法计算速度与Steger算法相比提升了42%,其提取的精度提升约0.3个像素,并适用于多种复杂环境，在工业检测上满足精度和稳定性的要求。

关键词：深度学习;线结构光;光条中心提取

基金资助：国家自然科学基金(51675167)、湖北省重点研发计划项目（2021BAA056）、湖北省高等学校优秀中青年科技创新团队计划项目（T2020018）资助