本发明属于厚度测量，具体涉及一种线结构光在线厚度测量方法及系统。
背景技术：
1、在线测量技术在工业产业中具有十分重要的作用，其结果可以直接对产品质量控制和生产过程优化进行指导。传统的在线测量方法，如传感器技术、机器视觉技术等，虽然在一定程度上实现了在线实时测量，但仍存在一些精度不足、环境适应性差、成本高昂等问题。
2、近年来，随着计算机视觉和深度学习技术的发展，基于线结构光的在线测量方法逐渐显现优势。该方法通过高速摄像机捕捉线结构光在物体表面的反射图像，通过二维图像重构结构光中心线的三维空间位置，计算物体的厚度，从而实现高精度测量。但是存在以下缺陷：
3、1、缺少限制环境光影响的布置，过量或过暗以及变化的环境光可能影响自适应阈值分割处理的效果，导致呈现的光带像素点概率图不准确；
4、2、过度依赖精确的像素点坐标操作，对图像的质量要求更高；
5、3、对于点云的自适应阈值分割无法处理复杂或动态变化的场景；
6、4、该方法对物体表面的反射特性有一定依赖，对于高反光或透明材质的物体可能难以获得清洗的条纹图像，影响测量精度。
7、即使使用相同的图像处理方法，激光线的中心提取直接受到目标的视觉外观的影响，这些外观因素主要受到激光线和目标之间的相对位置、相机到激光线之间的相对位姿、相机所拍摄的图像的分辨率以及当测量具有新材料或新形状的目标时不可预测的视觉外观变化。
技术实现思路
1、本发明提供一种线结构光在线厚度测量方法及系统，要解决的技术问题是：减少单一尺度下由于表面特性造成的影响，从而提高测量精度。
2、为了解决以上技术问题，本发明提供了一种线结构光在线厚度测量系统，其特征在于：包括语义分割模型、遮光罩和设置在遮光罩内的高速相机、激光发射器、光学系统、散热装置；
3、激光发射器、光学系统位于待测物体上方，散热装置用于保证待测物体表面温度的恒定；
4、激光发射器向光学系统发射一束激光光源，通过光学系统将激光转化为一条线结构光带；当线结构光带从光学系统继续传播至待测物体表面时发生镜面反射和漫反射，通过高速相机捕捉此时的反射图像，并将图像进行灰度处理得到灰度图像，强化图像的可解释性；
5、语义分割模型在捕捉到的灰度图像中，通过分析图像上光条产生的位置变化，得到物体的厚度数据。
6、一种线结构光在线厚度测量方法，其特征在于，具备步骤如下：
7、s1、激光发射器向光学系统发射一束激光光源，通过光学系统将激光转化为一条线结构光带；当线结构光带从光学系统继续传播至待测物体表面时发生镜面反射和漫反射，通过高速相机捕捉此时的反射图像，将图像进行灰度处理，强化图像的可解释性；
8、s2、通过语义分割模型对所得的灰度图像进行处理，增强中心线的语义部分：
9、使用训练好的语义分割模型根据接收的灰度图像，输出一个概率图，其中高速相机捕捉到画面的每个像素都被标记为属于上中下三线段的概率，上线段是物体表面的凸起部分反射光形成的线段、下线段是物体表面的凹陷部分反射光形成的线段、中线段是物体表面的平坦部分反射光形成的线段；根据概率图对灰度图像进行阈值化，融合后产生新图像同时包含灰度信息和概率信息，从而增强光条中心线的语义部分；
10、s3、找到三线段的中心线：
11、语义分割模型会对所有像素的亮度值和位置进行加权平均，得到每一列的光条中心位置，从而提取出整个图像的光条中心线位置信息；
12、s4、最后计算中线段的端点距离其他相邻线段的距离，并将其作为立方体目标的预测厚度。
13、有益效果：本发明基于语义中心法的图像处理和计算机视觉算法识别和提取图像中的特定特征，能够减少单一尺度下由于表面特性造成的影响，从而提高测量精度。
14、利用深度学习网络，通过训练模型从大量线结构光图像中提取特征的能力，同时大模型多尺度多特征融合的学习特性让经过训练的模型能够捕捉到不同分辨率下的特征，根据前后关联的像素信息进行类似“上下文判断”的信息处理，进一步减少表面特性带来的干扰。
15、语义中心法通常用于对采集到的图片判断其属于的类别，本发明创造性的将语义中心法用于线结构光在线厚度测量，解释、确定所有线结构光条亮像素的位置，从而获得线结构光中心线的位置，通过研究光条在物体不同厚度部分的形变位置变化，降低了线结构光测量技术对图像质量的整体要求，输出更精准的测量数据。
1.一种线结构光在线厚度测量系统，其特征在于：包括语义分割模型、遮光罩和设置在遮光罩内的高速相机、激光发射器、光学系统、散热装置；
2.根据权利要求1所述的一种线结构光在线厚度测量系统，其特征在于：高速相机采用ccd相机。
3.根据权利要求1所述的一种线结构光在线厚度测量系统，其特征在于：光学系统采用光栅结构。
4.根据权利要求1所述的一种线结构光在线厚度测量系统，其特征在于：激光发射器、光学系统垂直于待测物体表面。
5.根据权利要求1所述的一种线结构光在线厚度测量系统，其特征在于：语义分割模型利用深度学习网络，通过训练模型从大量线结构光图像中提取特征的能力，同时大模型多尺度多特征融合的学习特性让经过训练的模型能够捕捉到不同分辨率下的特征，根据前后关联的像素信息进行类似“上下文判断”的信息处理，进一步减少表面特性带来的干扰。
6.根据权利要求1所述的一种线结构光在线厚度测量系统，其特征在于：遮光罩能够有效阻挡外部环境光减少自然光对捕捉图像质量的影响，提高图像的信噪比。
7.根据权利要求1所述的一种线结构光在线厚度测量系统，其特征在于：通过散热装置保持设备时刻处于最佳工作温度，避免系统因长时间运行或物体因强光照射导致的热稳定性问题。
8.根据权利要求1所述的一种线结构光在线厚度测量系统，其特征在于：通过语义分割模型实现亚像素级的光带中心提取。
9.一种线结构光在线厚度测量方法，其特征在于，具备步骤如下：
10.根据权利要求9所述的一种线结构光在线厚度测量方法，其特征在于：在具体的测量环节之前，需要对高速相机进行标定，包括焦距、主点以及相机相对于世界坐标系的固定位姿；通过激光平面方程重构激光线在三维空间的位置。
