CN112489065B - 一种棋盘格标定点亚像素提取方法 - Google Patents
一种棋盘格标定点亚像素提取方法 Download PDFInfo
- Publication number
- CN112489065B CN112489065B CN202011358598.3A CN202011358598A CN112489065B CN 112489065 B CN112489065 B CN 112489065B CN 202011358598 A CN202011358598 A CN 202011358598A CN 112489065 B CN112489065 B CN 112489065B
- Authority
- CN
- China
- Prior art keywords
- point
- checkerboard
- pixel
- neighborhood image
- extraction method
- 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.)
- Active
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 30
- 238000005070 sampling Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 12
- 238000003708 edge detection Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明属于机器视觉技术领域,具体涉及一种棋盘格标定点亚像素提取方法,包括提取一个像素级的棋盘格标定点,以(x0,y0)为中心获取采样半径R范围内的邻域图像In0,迭代获得k个邻域图像,遍历领域图像Ink‑1的n个像素点,提取小于误差阈值的点为亚像素定位的棋盘格标定点。本发明解决了对棋盘格标定点定位不准确以及定位精度低的问题,不仅有效地降低了标定误差,还有效地提高了标定提取的准确度和精度。
Description
技术领域
本发明属于机器视觉技术领域,具体涉及一种棋盘格标定点亚像素提取方法。
背景技术
在机器视觉领域中,可以采用棋盘格标定板标定法对工业相机进行参数标定,其中,棋盘格标定点的邻域可分为边缘区域和纯色区域。
然而,发明人发现了在实际的标定图像中,棋盘格标定板容易受环境光或者标定板自身质量的干扰,从而出现棋盘格标定点定位不准确或定位失败的问题。同时,常规的方法采用到中心距离的高斯权重分布方法进行棋盘格标定点的提取,棋盘格标定点的纯色区域易受环境光影响,所获得的棋盘格标定点坐标的标定精度低,并且,其仅能得到像素级别精度的棋盘格标定点坐标,不能实现棋盘格标定点的亚像素提取。
为此,亟需提出一种新型的提取方法以解决上述问题。
发明内容
本发明的目的在于:针对现有技术的不足,提供一种棋盘格标定点亚像素提取方法,能够显著地解决了对棋盘格标定点定位不准确以及定位精度低的问题,不仅有效地降低了标定误差,还显著地提高了标定提取的准确度和精度。
为了实现上述目的,本发明采用如下技术方案:
一种棋盘格标定点亚像素提取方法,包括以下步骤:
S1、在棋盘格标定板的图像中,提取一个像素级的棋盘格标定点,并将该标定点的初始坐标记为(x0,y0),以(x0,y0)为中心获取采样半径R范围内的邻域图像In0;
S2、对所述邻域图像In0进行二值化,运用边缘检测算法提取所述邻域图像In0的边缘点,对提取到的边缘点进行霍夫变换从而获得两条交叉直线的方向向量(vx1,vy1)和(vx2,vy2),其中,(vx1,vy1)表示交叉直线的第一直线的向量,(vx2,vy2)表示交叉直线的第二直线的向量,迭代获得k个邻域图像,k≥1;
S3、假设当前已经迭代到第k步,并且,在第k个邻域图像中的棋盘格标定点的坐标为(xk-1,yk-1),所述S2的两条交叉直线均过点(xk-1,yk-1),以(xk-1,yk-1)为中心获取采样半径R范围内的邻域图像Ink-1,所述邻域图像Ink-1共n个像素点,对所述邻域图像Ink-1中的第i个像素点的坐标记为(nxi,nyi),i≤n,计算所述邻域图像Ink-1中的第i个像素点到所述S2的两条交叉直线的最小距离dmi;
S4、计算所述邻域图像Ink-1中的第i个像素点的权重wi,在平面直角坐标系的X方向和Y方向计算梯度gxi和gyi,遍历所述领域图像Ink-1的n个像素点,令坐标点(xk,yk)为拟提取的棋盘格标定点,运用公式
S5、计算点(xk,yk)与点(xk-1,yk-1)的误差ek,设置误差阈值et,若ek<et,将点(xk,yk)记为亚像素定位的棋盘格标定点。
进一步地,所述S2步骤中的霍夫变换是通过对参数空间中执行投票来决定物体的形状,并由累加空间里的局部最大值来决定物体的形状特征。
进一步地,在所述S3中,所述最小距离dmi的计算过程为dmi=min(vx1·(nxi-xk-1)-vy1·(nyi-yk-1),vx2·(nxi-xk-1)-vy2·(nyi-yk-1)),其中,vx1表示所述S2步骤中的交叉直线的第一直线在平面直角坐标系的X方向的向量,vy1表示所述S2步骤中的交叉直线的第一直线在平面直角坐标系的Y方向的向量,vx2表示所述S2步骤中的交叉直线的第二直线在平面直角坐标系的X方向的向量,vy2表示所述S2步骤中的交叉直线的第二直线在平面直角坐标系的Y方向的向量,nxi表示所述邻域图像Ink-1中的第i个像素点的横坐标,nyi表示所述邻域图像Ink-1中的第i个像素点的纵坐标,xk-1表示第k个邻域图像中的棋盘格标定点的横坐标,yk-1表示第k个邻域图像中的棋盘格标定点的纵坐标,所述S2步骤中的交叉直线的第一直线和第二直线均过点(xk-1,yk-1)。
进一步地,在所述S4中,所述梯度gxi和所述梯度gyi的计算过程为
进一步地,在所述S5中,点(xk,yk)与点(xk-1,yk-1)的误差ek的计算过程为
进一步地,在所述S5中,所述误差阈值et的取值范围为0.0001~0.1,也可以取0.001~0.01。
进一步地,在所述S4中,当i=1时,pa、pb、pc、pd和pe的值均为0。
进一步地,在所述S2中,可以采用Sobel算子、Prewitt算子、Roberts算子或Canny算子提取所述邻域图像In0的边缘点。
进一步地,在所述S2中,所述k的上限值为10~1000,并且,对所述邻域图像In0进行二值化的过程包括读取图像数据,得到图像中的像素点的灰度值,根据阈值得到像素的二值,为像素点颜色分量重新赋值,再得到二值图像。
进一步地,所述采样半径R可取每个方格像素边长的10%至50%,所述采样半径R可以为每个方格像素边长的20%、30%和40%,其中,当R的值越大时,计算的速度就越慢,但计算的结果会越准确,并且,根据不同大小的棋盘格,R的取值也可能有不同,R的取值可以按实际需求进行设置。
本发明的有益效果在于:本发明的提取方法根据对棋盘格标定点的邻域图像进行二值化、边缘提取及霍夫变换,从而获得了棋盘格标定点的两交叉直线的方向向量,而且,本发明的提取方法还对参与计算的像素点采用到交叉直线最近距离的高斯权重分布进行棋盘格标定点亚像素坐标迭代计算,上述步骤既能够避免棋盘格标定点的邻域图像中的纯色区域干扰点对提取结果的影响,也避免了环境光产生像素梯度对提取结果的影响,从而有效地提高了提取的精度。
附图说明
图1为本发明的流程图。
图2为本发明的棋盘格标定板的图像。
图3为本发明获得的两条交叉直线的示意图。
图4为本发明的S2步骤中的两条交叉直线在平面直角坐标系的示意图。
具体实施方式
如在说明书及权利要求当中使用了某些词汇来指称特定组件,本领域技术人员应可理解,制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式,而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语,故应解释成“包含但不限定于”。“大致”是指在可接受的误差范围内,本领域技术人员能够在一定误差范围内解决技术问题,基本达到技术效果。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、水平”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
以下结合附图1~4和具体实施例对本发明作进一步详细说明,但不作为对本发明的限定。
一种棋盘格标定点亚像素提取方法,包括以下步骤:
S1、在棋盘格标定板的图像中,提取一个像素级的棋盘格标定点,并将该标定点的初始坐标记为(x0,y0),以(x0,y0)为中心获取采样半径R范围内的邻域图像In0;
S2、对邻域图像In0进行二值化,运用canny边缘检测算法提取邻域图像In0的边缘点,对提取到的边缘点进行霍夫变换从而获得两条交叉直线的方向向量(vx1,vy1)和(vx2,vy2),迭代获得k个邻域图像,5≤k≤50;
S3、假设当前已经迭代到第k步,并且,在第k个邻域图像中的棋盘格标定点的坐标为(xk-1,yk-1),S2步骤的两条交叉直线均过点(xk-1,yk-1),以(xk-1,yk-1)为中心获取采样半径R范围内的邻域图像Ink-1,邻域图像Ink-1共n个像素点,对邻域图像Ink-1中的第i个像素点的坐标记为(nxi,nyi),i≤n,运用以下公式
dmi=min(vx1·(nxi-xk-1)-vy1·(nyi-yk-1),vx2·(nxi-xk-1)-vy2·(nyi-yk-1))
计算邻域图像Ink-1中的第i个像素点到S2的两条交叉直线的最小距离dmi,其中,dmi的值的示意图可参考图4;
S4、计算邻域图像Ink-1中的第i个像素点的权重wi,其中,权重wi的函数为高斯权重分布模型,在模型中,离中心点越近的像素,权重越高,并且,在平面直角坐标系的X方向和Y方向计算梯度gxi和gyi,计算公式为
gxi=g(nxi+1,nyi)-g(nxi-1,nyi)
gyi=g(nxi,nyi+1)-g(nxi,nyi-1),
其中,g(nxi,nyi)表示邻域图像Ink-1中的第i个像素点的灰度值,
然后,遍历领域图像Ink-1的n个像素点,令坐标点(xk,yk)为拟提取的棋盘格标定点,运用公式
其中,当i=1时,pa、pb、pc、pd和pe的值均为0;
此外,S2步骤中可以运用Canny算子这种边缘检测算法进行边缘检测,其检测的过程可包括以下步骤:
(1)使用高斯滤波器,以平滑图像,滤除噪声;
(2)计算图像中每个像素点的梯度强度和方向;
(3)应用非极大值(Non-Maximum Suppression)抑制,以消除边缘检测带来的杂散响应;
(4)应用双阈值(Double-Threshold)检测来确定真实的和潜在的边缘;
(5)通过抑制孤立的弱边缘最终完成边缘检测并提取所有轮廓。
并且,由表1可知,与常规的提取方法相比,本发明的提取方法的标定误差更小,从而有效地降低了标定误差。
一般方法(像素) | 本专利方法(像素) |
0.1975 | 0.1904 |
表1
显然,本发明的提取方法能够避免棋盘格标定点的邻域图像中的纯色区域干扰点对提取结果的影响,从而有效地提高了提取的精度。
根据上述说明书的揭示和教导,本发明所属领域的技术人员还能够对上述实施方式进行变更和修改。因此,本发明并不局限于上述的具体实施方式,凡是本领域技术人员在本发明的基础上所作出的任何显而易见的改进、替换或变型均属于本发明的保护范围。此外,尽管本说明书中使用了一些特定的术语,但这些术语只是为了方便说明,并不对本发明构成任何限制。
Claims (9)
1.一种棋盘格标定点亚像素提取方法,其特征在于,包括以下步骤:
S1、在棋盘格标定板的图像中,提取一个像素级的棋盘格标定点,并将该标定点的初始坐标记为(x0,y0),以(x0,y0)为中心获取采样半径R范围内的邻域图像In0;
S2、对所述邻域图像In0进行二值化,运用边缘检测算法提取所述邻域图像In0的边缘点,对提取到的边缘点进行霍夫变换从而获得两条交叉直线的方向向量(vx1,vy1)和(vx2,vy2),迭代获得k个邻域图像,k≥1;
S3、在第k个邻域图像中的棋盘格标定点的坐标为(xk-1,yk-1),所述S2的两条交叉直线均过点(xk-1,yk-1),以(xk-1,yk-1)为中心获取采样半径R范围内的邻域图像Ink-1,所述邻域图像Ink-1共n个像素点,对所述邻域图像Ink-1中的第i个像素点的坐标记为(nxi,nyi),i≤n,计算所述邻域图像Ink-1中的第i个像素点到所述S2的两条交叉直线的最小距离dmi;
S4、计算所述邻域图像Ink-1中的第i个像素点的权重wi,在平面直角坐标系的X方向和Y方向计算梯度gxi和gyi,遍历所述邻域图像Ink-1的n个像素点,令坐标点(xk,yk)为拟提取的棋盘格标定点,运用公式
其中,pa、pb、pc、pd和pe均为自定义的参数,
S5、计算点(xk,yk)与点(xk-1,yk-1)的误差ek,设置误差阈值et,若ek<et,将点(xk,yk)记为亚像素定位的棋盘格标定点。
2.如权利要求1所述的棋盘格标定点亚像素提取方法,其特征在于:在所述S3中,所述最小距离dmi的计算过程为
dmi=min(vx1·(nxi-xk-1)-vy1·(nyi-yk-1),vx2·(nxi-xk-1)-vy2·(nyi-yk-1))。
6.如权利要求1所述的棋盘格标定点亚像素提取方法,其特征在于:在所述S5中,所述误差阈值et的取值范围为0.0001~0.1。
7.如权利要求1所述的棋盘格标定点亚像素提取方法,其特征在于:在所述S4中,当i=1时,pa、pb、pc、pd和pe的值均为0。
8.如权利要求1所述的棋盘格标定点亚像素提取方法,其特征在于:在所述S2中,可以采用Sobel算子、Prewitt算子、Roberts算子或Canny算子提取所述邻域图像In0的边缘点。
9.如权利要求1所述的棋盘格标定点亚像素提取方法,其特征在于:在所述S2中,所述k的上限值为10~1000。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011358598.3A CN112489065B (zh) | 2020-11-27 | 2020-11-27 | 一种棋盘格标定点亚像素提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011358598.3A CN112489065B (zh) | 2020-11-27 | 2020-11-27 | 一种棋盘格标定点亚像素提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112489065A CN112489065A (zh) | 2021-03-12 |
CN112489065B true CN112489065B (zh) | 2023-07-07 |
Family
ID=74936335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011358598.3A Active CN112489065B (zh) | 2020-11-27 | 2020-11-27 | 一种棋盘格标定点亚像素提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112489065B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113674342B (zh) * | 2021-08-30 | 2022-02-11 | 民航成都物流技术有限公司 | 一种基于面阵3d相机的行李筐快速识别与定位的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101261115A (zh) * | 2008-04-24 | 2008-09-10 | 吉林大学 | 空间圆几何参数的双目立体视觉测量方法 |
CN103345755A (zh) * | 2013-07-11 | 2013-10-09 | 北京理工大学 | 一种基于Harris算子的棋盘格角点亚像素提取方法 |
WO2018018987A1 (zh) * | 2016-07-29 | 2018-02-01 | 深圳市未来媒体技术研究院 | 一种适用于光场相机的标定预处理方法 |
-
2020
- 2020-11-27 CN CN202011358598.3A patent/CN112489065B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101261115A (zh) * | 2008-04-24 | 2008-09-10 | 吉林大学 | 空间圆几何参数的双目立体视觉测量方法 |
CN103345755A (zh) * | 2013-07-11 | 2013-10-09 | 北京理工大学 | 一种基于Harris算子的棋盘格角点亚像素提取方法 |
WO2018018987A1 (zh) * | 2016-07-29 | 2018-02-01 | 深圳市未来媒体技术研究院 | 一种适用于光场相机的标定预处理方法 |
Non-Patent Citations (1)
Title |
---|
自适应的Harris棋盘格角点检测算法;侯建辉;林意;;计算机工程与设计(第20期);167-169+227 * |
Also Published As
Publication number | Publication date |
---|---|
CN112489065A (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112819772B (zh) | 一种高精度快速图形检测识别方法 | |
Hao et al. | Improved self-adaptive edge detection method based on Canny | |
CN107481284A (zh) | 目标物跟踪轨迹精度测量的方法、装置、终端及*** | |
CN106485182B (zh) | 一种基于仿射变换的模糊qr码复原方法 | |
CN105913396A (zh) | 一种噪声估计的图像边缘保持混合去噪方法 | |
CN110414308B (zh) | 一种针对输电线路上动态异物的目标识别方法 | |
CN110969656B (zh) | 一种基于机载设备激光光束光斑大小的检测方法 | |
CN109886935A (zh) | 一种基于深度学习的道面异物检测方法 | |
CN111489389A (zh) | 一种光斑中心检测方法 | |
CN112489065B (zh) | 一种棋盘格标定点亚像素提取方法 | |
CN114612410A (zh) | 一种新型服装检测装置 | |
CN116385495A (zh) | 一种动态背景下红外视频的运动目标闭环检测方法 | |
CN117764983A (zh) | 一种用于智能制造产线的双目识别的视觉检测的方法 | |
CN113781413B (zh) | 一种基于Hough梯度法的电解电容定位方法 | |
CN116503462A (zh) | 一种圆形斑点圆心快速提取方法及*** | |
CN106530485A (zh) | 图像边界获取方法及装置 | |
CN111951178B (zh) | 显著提升图像质量的图像处理方法、装置和电子设备 | |
CN106127147B (zh) | 一种基于三维数据的人脸深度纹理修复方法 | |
CN111667429B (zh) | 一种巡检机器人目标定位校正方法 | |
CN117853510A (zh) | 基于双边滤波和自适应阈值的Canny边缘检测方法 | |
CN115775278B (zh) | 包含局部特征约束的元件识别定位方法及***、存储介质 | |
CN116958120A (zh) | 一种基于梯度分布特性的微弱目标信号提取方法 | |
CN110599510A (zh) | 一种图片特征提取方法 | |
CN113592953B (zh) | 一种基于特征点集的双目非合作目标位姿测量方法 | |
CN111626180B (zh) | 基于偏振成像的车道线检测方法及其装置 |
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 |