RIDED - 2D:原理、应用与性能评估
1. 引言
在工业应用中,常常需要使用测距仪扫描大型目标,获取其轮廓信息。然而,由于测距仪的固定视角以及噪声等因素的影响,获取的轮廓信息可能存在不准确或包含噪声的情况。因此,需要对扫描数据进行去噪和边缘检测处理,以准确提取目标的特征信息。本文将详细介绍一种名为RIDED - 2D的方法,包括其去噪和边缘检测的原理、算法实现以及性能评估。
2. 关键系数与特征分析
为了更好地对不同类型的轮廓进行分析和处理,定义了一系列系数,通过这些系数可以对各种轮廓特征进行定性分析。具体系数及不同轮廓类型的特征分析如下表所示:
| Items | Smooth | Pulse | Peak/Pit | Ridge/Valley | Step | Jump |
| — | — | — | — | — | — | — |
| Δθi | S/M | VL | L | L | L | L |
| ΔDP Pi | S | S/M | S/M | S/M | L | VL |
| RP Pi | S | S/M | S/M | S/M | L/VL | VL |
| Dai | S | VL | M/L | M/L | L | L |
| Dbi | S | VL | L | L | L/VL | L/VL |
| sgn(DaiDbi) | +/- | + | + | + | + | + |
| RP Ci | S | S/M | L/VL | L | M/L | M/L |
注:
- S – Small;M – Moderate;L –
超级会员免费看
订阅专栏 解锁全文

被折叠的 条评论
为什么被折叠?



