CN111105466A - 一种ct***中相机的标定方法 - Google Patents
一种ct***中相机的标定方法 Download PDFInfo
- Publication number
- CN111105466A CN111105466A CN201911246466.9A CN201911246466A CN111105466A CN 111105466 A CN111105466 A CN 111105466A CN 201911246466 A CN201911246466 A CN 201911246466A CN 111105466 A CN111105466 A CN 111105466A
- Authority
- CN
- China
- Prior art keywords
- camera
- image
- coordinates
- corner
- hospital bed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims abstract description 16
- 238000012937 correction Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000013527 convolutional neural network Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提出一种CT***中相机的标定方法,该方法通过位置和视角固定的相机采集CT病床移动过程中的图像;建立相机坐标系,选择病床的一个或多个角点为参考点,通过角点检测方法从所有采集到的图像中检测出参考点的坐标;选择采集时参考点离相机中心最近的一幅图像作为标准图像,以标准图像中参考点的坐标为标准坐标,根据病床的移动方形和移动间距,计算除标准图像外其他图像上的参考点在相机视角坐标系中的标准坐标;最后求解能将各图像的参考点坐标映射到相应标准坐标的矫正系数矩阵;通过矫正系数矩阵对相机新采集的待矫正图像进行矫正。本发明能够直接利用CT病床对相机进行快速准确的矫正。
Description
技术领域
本发明涉及医学成像技术领域,尤其是一种CT***中相机的标定方法。
背景技术
在应用机器视觉的过程中,为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系,必须建立相机成像的几何模型,这些几何模型参数就是相机参数。在大多数条件下这些参数必须通过实验与计算才能得到。无论是在图像测量或者机器视觉应用中,相机参数的标定都是非常关键的环节,其标定结果的精度及算法的稳定性直接影响相机工作产生结果的准确性。
棋盘格标定法是目前最常用的相机标定方法,棋盘格标定法具体步骤如下:
Step1:拍摄黑白棋盘格图像;
Step2:通过算法(opencv或者matlab函数)找到棋盘格中的角点(或者关键标记点);
Step3:通过图像角点计算相机的参数矩阵和畸变系数;
Step4:输入待校准的图像,通过相机的参数矩阵和畸变系数对图像进行矫正。
现有技术的缺点如下:
1、对棋盘格尺寸、平整度等参数要求较高;
2、棋盘格标定需要一块平整的棋盘标定板,专业标定板价格高,而且定制标定板尺寸较大,在医院安装产品时便携性较差,不适合集成在产品中。
3、经过棋盘格校正后的图像仍然需要病床校准从而计算出病床尺寸和像素的对应关系,计算相对繁琐。
发明内容
发明目的:为了克服现有技术的缺陷,本发明提出一种CT***中相机的标定方法,能够直接利用CT病床对相机进行矫正。
技术方案:为实现上述技术效果,本发明提出的技术方案为:
一种CT***中相机的标定方法,包括步骤:
(1)在CT病床上方设置相机,保持相机位置和视角固定;
(2)选取病床的一个或多个角点为参考点,让病床做同向等间距的移动,每移动一次就通过相机采集病床图像,从所有采集到的图像中,选择采集时参考点离相机中心最近的一幅图像作为标准图像;
(3)建立相机视角坐标系,通过角点检测方法检测出采集到的所有图像中病床角点在相机视角坐标系下的坐标;
(4)以标准图像中参考点的坐标为标准坐标,根据病床的移动方形和移动间距,计算除标准图像外其他图像上的参考点在相机视角坐标系中的标准坐标;
(5)求解能将步骤(3)中提取出的各图像的参考点坐标映射到相应标准坐标的矫正系数矩阵;通过矫正系数矩阵对相机新采集的待矫正图像进行矫正。
进一步的,所述步骤(2)中,若参考点有多个,则选择采集时参考点离相机中心总距离最小的一幅图像作为标准图像。
进一步的,所述角点检测方法包括:harris检测法、sift检测法、surf检测法。
进一步的,所述角点检测方法为基于卷积神经网络的病床角点提取方法,包括步骤:
1)构建样本:
多次移动CT病床,每移动一次便通过相机采集病床图像,人工标记出病床图像中病床的四个角点及相机视角坐标系下的角点坐标,得到样本图像;
2)构建基于卷积神经网络的病床角点提取模型,通过样本图像训练所述模型,训练好的模型能根据输入的病床床面图像自动提取出病床角点及角点坐标;
3)通过构建好的基于卷积神经网络的病床角点提取模型提取输入图像中病床角点的坐标。
有益效果:与现有技术相比,本发明具有以下优势:
1、本发明无需定制棋盘格,而是利用CT产品中必备的病床进行相机校准,减少成本;
2、定制的棋盘格便携性差,在医院安装过程中不方便携带,本发明利用产品中的病床可做到随地都可进行相机校准,便捷程度高;
3、使用棋盘格校准相机后仍然需要校准病床尺寸和像素之间的关系,而本发明一步即可计算出,降低相机标定的繁琐程度。
附图说明
图1为本发明实施例的流程图;
图2为优选实施方式中基于卷积神经网络的病床角点提取模型的结构图;
图3为优选实施方式中构建的相机视角坐标系示意图。
具体实施方式
下面结合附图和具体实施例对本发明作更进一步的说明。
图1所示为根据本发明所述的CT***中相机的标定方法的实施例的流程图,如图1所示,该方法包括以下步骤:
S1:在CT病床上方设置相机,保持相机位置和视角固定;
S2:选取病床的一个或多个角点为参考点,让病床做同向等间距的移动,每移动一次就通过相机采集病床图像,从所有采集到的图像中,选择采集时参考点离相机中心最近的一幅图像作为标准图像;
S3:建立相机视角坐标系,通过角点检测方法检测出采集到的所有图像中病床角点在相机视角坐标系下的坐标;
S4:以标准图像中参考点的坐标为标准坐标,根据病床的移动方形和移动间距,计算除标准图像外其他图像上的参考点在相机视角坐标系中的标准坐标;
S5:求解能将步骤S3中提取出的各图像的参考点坐标映射到相应标准坐标的矫正系数矩阵;通过矫正系数矩阵对相机新采集的待矫正图像进行矫正。
在步骤S1中,在CT病床上方设置相机,保持相机位置和视角固定。具体的说,相机可以位于病床正上方也可以位于机架上,相机视角能够覆盖病床,不限制相机安装位置。
在步骤S2中,选取病床的一个或多个角点为参考点,让病床做同向等间距的移动,每移动一次就通过相机采集病床图像,从所有采集到的图像中,选择采集时参考点离相机中心最近的一幅图像作为标准图像。具体的说,由于相机中心畸变最小,因此拍摄时物体与相机中心偏移最小的时候(即正对拍摄时)拍摄出的图像最准确。当我们选定参考点(病床四个角点中的一个或多个)后,由于病床不断移动,所以参考点也会相对于相机中心不断移动,总有一个拍摄位置上,参考点离相机中心点最近,此时相机拍摄到的参考点就接近正拍。若选取的参考点只有一个,则选择拍摄时参考点距离相机中心最近的一幅图像作为标准图像即可;若选取的参考点有多个,则计算每一幅图像在拍摄时各个参考点距离相机中心的距离,然后对每一幅图像,计算拍摄时所有参考点与相机中心的总距离,选择总距离最小的一幅图像,这幅图像就是拍摄时参考点离相机中心最近的图像。
在步骤S3中,建立相机视角坐标系,通过角点检测方法检测出采集到的所有图像中病床角点在相机视角坐标系下的坐标。具体的说,由于相机位置是固定的,视角方向也是固定的,所以相机视角坐标系大小实际上就是相机拍摄出的实际图像尺寸大小。我们可以在图像上随机选取一个点作为原点,比如图像的中心点、图像的左上角、右上角、左下角、右下角等等,然后加上横纵坐标轴,设置坐标刻度,此时就可以手动标出图像中病床角点,并通过构建好的相机视角坐标系得到图像中病床角点的坐标。所述角点检测方法包括harris检测法、sift检测法、surf检测法和基于卷积神经网络的病床角点提取方法。
在步骤S4中,以标准图像中参考点的坐标为标准坐标,根据病床的移动方形和移动间距,计算除标准图像外其他图像上的参考点在相机视角坐标系中的标准坐标。具体的说,当计算出标准坐标后,由于建立相机视角坐标系已经构建好,病床的运动方向、运动距离已经知道,因此,完全能够得到参考点在每一次病床移动后的理论位置坐标,这个理论位置坐标就是相机没有畸变的情况下参考点在每一次拍摄图像中的标准位置坐标。
在步骤S5中,求解能将步骤S3中提取出的各图像的参考点坐标映射到相应标准坐标的矫正系数矩阵;通过矫正系数矩阵对相机新采集的待矫正图像进行矫正。具体的说,矫正系数矩阵就是实际提取出的参考点坐标到标准坐标的映射关系,在得到实际提取出的参考点坐标和理论上的标准坐标后,通过联立方程式即可求得矫正系数矩阵。
下面提供一个优选实施方式,进一步阐述本发明的技术方案。
本优选实施方式包括以下步骤:
Step1:在CT病床上方设置相机,保持相机位置固定,并保持相机视角垂直向下;
Step2:建立相机视角坐标系,以相机采集到的图像的左上角为原点O,横向向右为X轴正方向,纵向向下为Y轴正方向,X轴和Y轴的刻度根据需要设定,构件好的相机视角坐标系如图3所示。
Step3:构建基于卷积神经网络的病床角点提取模型,包括步骤
1)构建样本:
多次移动CT病床,每移动一次便通过相机采集病床图像,人工标记出病床图像中病床的四个角点在相机视角坐标系下的角点坐标,得到样本图像;
2)搭建如图2所示的基于卷积神经网络的病床角点提取模型,包括输入层、深度卷积网络、上采样层和输出层;输入层输入640*480*3的彩色图像,通过卷积网络提取特征后,再通过上采样将尺寸恢复到640*480*1,最后通过输出层输出。
通过样本图像训练所述模型,网络损失函数采用均方误差函数:
Loss=(yp-yt)2
其中,yp为网络预测输出,yt为真实标记。
训练模型时,采用梯度下降法搜索最佳参数。训练好的模型能根据输入的病床床面图像自动提取出病床角点及角点坐标。
Step4:选取病床的一个角点xi为参考点,让病床做沿自身长度方向的同向等间距的移动,每次移动距离为H,并保证某一次移动后,参考点正对相机中心;每移动一次就通过相机采集病床图像,从所有采集到的图像中,选择采集时参考点离相机中心最近的一幅图像作为标准图像;
Step5:通过训练好的基于卷积神经网络的病床角点提取模型检测出采集到的所有图像中病床角点在相机视角坐标系下的坐标;
Step6:以标准图像中参考点的坐标为标准坐标,根据病床的移动方向和移动间距,计算除标准图像外其他图像上的参考点在相机视角坐标系中的标准坐标;
Step7:求解能将提取出的各图像的参考点坐标映射到相应标准坐标的矫正系数矩阵;通过矫正系数矩阵对相机新采集的待矫正图像进行矫正。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种CT***中相机的标定方法,其特征在于,包括步骤:
(1)在CT病床上方设置相机,保持相机位置和视角固定;
(2)选取病床的一个或多个角点为参考点,让病床做同向等间距的移动,每移动一次就通过相机采集病床图像,从所有采集到的图像中,选择采集时参考点离相机中心最近的一幅图像作为标准图像;
(3)建立相机视角坐标系,通过角点检测方法检测出采集到的所有图像中病床角点在相机视角坐标系下的坐标;
(4)以标准图像中参考点的坐标为标准坐标,根据病床的移动方形和移动间距,计算除标准图像外其他图像上的参考点在相机视角坐标系中的标准坐标;
(5)求解能将步骤(3)中提取出的各图像的参考点坐标映射到相应标准坐标的矫正系数矩阵;通过矫正系数矩阵对相机新采集的待矫正图像进行矫正。
2.根据权利要求1所述的一种CT***中相机的标定方法,其特征在于,所述步骤(2)中,若参考点有多个,则选择采集时参考点离相机中心总距离最小的一幅图像作为标准图像。
3.根据权利要求1所述的一种CT***中相机的标定方法,其特征在于,所述角点检测方法包括:harris检测法、sift检测法、surf检测法。
4.根据权利要求1所述的一种CT***中相机的标定方法,其特征在于,所述角点检测方法为基于卷积神经网络的病床角点提取方法,包括步骤:
1)构建样本:
多次移动CT病床,每移动一次便通过相机采集病床图像,人工标记出病床图像中病床的四个角点及相机视角坐标系下的角点坐标,得到样本图像;
2)构建基于卷积神经网络的病床角点提取模型,通过样本图像训练所述模型,训练好的模型能根据输入的病床床面图像自动提取出病床角点及角点坐标;
3)通过构建好的基于卷积神经网络的病床角点提取模型提取输入图像中病床角点的坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911246466.9A CN111105466B (zh) | 2019-12-04 | 2019-12-04 | 一种ct***中相机的标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911246466.9A CN111105466B (zh) | 2019-12-04 | 2019-12-04 | 一种ct***中相机的标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111105466A true CN111105466A (zh) | 2020-05-05 |
CN111105466B CN111105466B (zh) | 2024-02-02 |
Family
ID=70422100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911246466.9A Active CN111105466B (zh) | 2019-12-04 | 2019-12-04 | 一种ct***中相机的标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111105466B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111640157A (zh) * | 2020-05-28 | 2020-09-08 | 华中科技大学 | 一种基于神经网络的棋盘格角点检测方法及其应用 |
CN113382177A (zh) * | 2021-05-31 | 2021-09-10 | 上海东方传媒技术有限公司 | 一种多视角环绕拍摄方法及*** |
CN113467203A (zh) * | 2021-06-10 | 2021-10-01 | 东莞市多普光电设备有限公司 | 利用相机对平台进行对位的方法、对位装置及直接成像光刻设备 |
EP4075384A1 (en) * | 2021-04-15 | 2022-10-19 | Aptiv Technologies Limited | Methods and systems for determining pre-determined points in an input image |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008014940A (ja) * | 2006-06-08 | 2008-01-24 | Fast:Kk | 平面状被撮像物のカメラ計測のためのカメラキャリブレーション方法、および応用計測装置 |
CN109171789A (zh) * | 2018-09-18 | 2019-01-11 | 上海联影医疗科技有限公司 | 一种用于影像诊断设备的校准方法和校准*** |
CN109671122A (zh) * | 2018-12-14 | 2019-04-23 | 四川长虹电器股份有限公司 | 手眼相机标定方法及装置 |
-
2019
- 2019-12-04 CN CN201911246466.9A patent/CN111105466B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008014940A (ja) * | 2006-06-08 | 2008-01-24 | Fast:Kk | 平面状被撮像物のカメラ計測のためのカメラキャリブレーション方法、および応用計測装置 |
CN109171789A (zh) * | 2018-09-18 | 2019-01-11 | 上海联影医疗科技有限公司 | 一种用于影像诊断设备的校准方法和校准*** |
CN109671122A (zh) * | 2018-12-14 | 2019-04-23 | 四川长虹电器股份有限公司 | 手眼相机标定方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111640157A (zh) * | 2020-05-28 | 2020-09-08 | 华中科技大学 | 一种基于神经网络的棋盘格角点检测方法及其应用 |
CN111640157B (zh) * | 2020-05-28 | 2022-09-20 | 华中科技大学 | 一种基于神经网络的棋盘格角点检测方法及其应用 |
EP4075384A1 (en) * | 2021-04-15 | 2022-10-19 | Aptiv Technologies Limited | Methods and systems for determining pre-determined points in an input image |
CN113382177A (zh) * | 2021-05-31 | 2021-09-10 | 上海东方传媒技术有限公司 | 一种多视角环绕拍摄方法及*** |
CN113467203A (zh) * | 2021-06-10 | 2021-10-01 | 东莞市多普光电设备有限公司 | 利用相机对平台进行对位的方法、对位装置及直接成像光刻设备 |
CN113467203B (zh) * | 2021-06-10 | 2024-01-23 | 东莞市多普光电设备有限公司 | 利用相机对平台进行对位的方法、对位装置及直接成像光刻设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111105466B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111105466A (zh) | 一种ct***中相机的标定方法 | |
CN104224212B (zh) | Ct***、其扫描定位方法及校准方法 | |
CN102768762B (zh) | 一种针对盾构隧道病害数字照相检测的数码相机标定方法及其装置 | |
CN108764257A (zh) | 一种多视角的指针式仪表识别方法 | |
US9292925B2 (en) | Imaging system and control method thereof | |
CN105865326A (zh) | 实物尺寸测量方法及图像数据库数据采集方法 | |
JP6516558B2 (ja) | 位置情報処理方法 | |
CN109920003B (zh) | 相机标定检测方法、装置以及设备 | |
CN106780623A (zh) | 一种机器人视觉***快速标定方法 | |
CN106447733B (zh) | 颈椎活动度及活动轴线位置的确定方法、***及装置 | |
CN105823416A (zh) | 多相机测量物体的方法和装置 | |
CN108489423B (zh) | 一种产品表面水平倾斜角度的测量方法及*** | |
CN112509060B (zh) | 基于图像深度学习的ct二次扫描定位方法、*** | |
CN104732520A (zh) | 一种胸部数字影像的心胸比测量算法及*** | |
CN112102387B (zh) | 一种基于深度相机深度估计性能的测试方法与测试*** | |
CN107560541A (zh) | 图像中心偏差的测量方法及装置 | |
CN114529502A (zh) | 用于进行自动化受检者解剖结构和取向识别的基于深度学习的方法和*** | |
CN112184784B (zh) | 一种双光谱图像对齐方法、装置、电子设备及存储介质 | |
CN108917722A (zh) | 植被覆盖度计算方法及装置 | |
CN112634375B (zh) | 一种ai智能检测中的平面标定和三维重建方法 | |
CN113012104A (zh) | 器件翅片数量检测方法、控制器及装置、存储介质 | |
CN116392800B (zh) | 一种基于目标检测和图像处理的立定跳远测距方法及*** | |
CN116091488A (zh) | 一种发动机摇摆试验的位移测试方法及位移测试*** | |
JP4248885B2 (ja) | 画像処理方法および画像処理装置ならびに画像処理プログラムおよび画像処理プログラムを記録した記録媒体 | |
CN111882621A (zh) | 一种基于双目图像的大米厚度参数自动化测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |