CN112767497A - 基于圆形标定板的高鲁棒性标定装置及定位方法 - Google Patents

基于圆形标定板的高鲁棒性标定装置及定位方法 Download PDF

Info

Publication number
CN112767497A
CN112767497A CN202110099590.8A CN202110099590A CN112767497A CN 112767497 A CN112767497 A CN 112767497A CN 202110099590 A CN202110099590 A CN 202110099590A CN 112767497 A CN112767497 A CN 112767497A
Authority
CN
China
Prior art keywords
calibration
image
calibration plate
point
xyz
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.)
Pending
Application number
CN202110099590.8A
Other languages
English (en)
Inventor
王朋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Smarteye Tech Ltd
Original Assignee
Smarteye Tech Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Smarteye Tech Ltd filed Critical Smarteye Tech Ltd
Priority to CN202110099590.8A priority Critical patent/CN112767497A/zh
Publication of CN112767497A publication Critical patent/CN112767497A/zh
Pending legal-status Critical Current

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明基于圆形标定板的高鲁棒性标定装置及定位方法，将形标定板放置于所有待标定相机的公共视野内，各待标定相机xyzi分别对标定板XYZj拍摄图像imageij，利用Canny等算法提取轮廓得到初始轮廓组后，进行初步过滤，得到的值图Imageij计算网格特征
Figure DDA0002915531310000011
建立无向图、聚类分析、再次进行边缘检测和轮廓提取过滤、排序后计算归一化世界坐标，不需要对圆点或圆环的大小、间距和数量等进行预先配置；算法中也无需尝试自适应调整图像阈值参数等，标定速度快；对于遮挡、标定板脏污、标定场景中存在相似标定板等鲁棒性更强。

Description

基于圆形标定板的高鲁棒性标定装置及定位方法
技术领域
本发明属于光学图像测量和机器视觉应用技术领域，具体涉及一种基于圆 形标定板的高鲁棒性标定装置及定位方法。
背景技术
相机标定是众多机器视觉应用的第一步，由于***应用精度基本取决于标 定结果的准确性，因此相机标定在机器视觉应用中起着举足轻重的作用。
现有技术中常见的标定板类型大致可分为三类：棋盘格标定板、圆点/圆环 标定板和各种自定义形状的标定板。其中特制的或者自定义形状的标定板，如 ChArUco标定板和Kalibr标定板等，设计加工复杂会引起成本增加且适用性差； 棋盘格角点类标定板虽然易于定位、检测精度较高而得以广泛应用，但是容易 受到噪声和模糊影响，关键是对于需要标定类似于投影仪的“逆小孔成像相机” 设备的***(如结构光测量***)由于棋盘格角点处存在黑白急剧变化，会造 成检测精度下降；针对前述角点类标定板的缺点，行业内一般采用圆点或圆环 类标定板。
对于圆点或圆环标定板的检测，现有方法通常包含以下几种方法。一种是 OpenCV开源库采用的方法，这种方法对整幅图像进行循环二值化操作并提取轮 廓，然后根据用户的配置，对轮廓面积、圆点个数和圆度等进行过滤，最后通 过聚类分析的方法找出距离最近的、且符合用户配置数量的圆点作为检测结果， 这种方法需要用户配置参数、自动化程度低，需要循环二值化、轮廓检测等操 作，检测速度低，并且没有定向功能所以不适用于多设备标定，当标定板存在 部分遮挡等情况时也会检测失败。
其它方法如高健等人的名为“一种投影仪标定方法”的专利(申请号CN201710293985.5)中采用了自制的圆点标定板，将圆点按照半径分为三类， 用于确定圆点数量和定向，虽然这种方法在标定板一定程度上可以减少用户配 置难度，但依然不能解决标定板遮挡、脏污、相似物干扰等情况下检测失败的 问题，并且在标定板相对于相机成像平面切斜角度较大时三类圆点区分检测难 度增大也可能造成检测失败。
又如陈辉等人的名为“摄像机标定板、标定方法以及摄像机”的专利(申 请号CN201811526921.6)中对标定板的边界尺寸、圆点间距和大小等进行了约 束，以提高标定板检测的鲁棒性，但这也增加了标定板的设计制造成本，并且 也需要用户预先参数配置以减少脏污和相似干扰物等影响。
发明内容
为了解决现有技术存在的上述问题，本发明目的在于提供一种能够对多设 备同时标定，检测速度快，检测效果好，防止遮挡、脏污、相似物干扰，成本 低廉，操作方便的基于圆形标定板的高鲁棒性标定装置及定位方法。
本发明所采用的技术方案为：
一种基于圆形标定板的高鲁棒性标定装置，包括有背景板和至少一个待标 定相机，在背景板与待标定相机之间设置有圆形标定板、相似干扰物、脏斑污 渍和遮挡物，圆形标定板、相似干扰物、脏斑污渍和遮挡物分别通过透明支撑 杆固定支撑于背景板上，或者通过钢丝悬吊于背景板上方；所述圆形标定板、 相似干扰物、脏斑污渍和遮挡物位于所有待标定相机的公共视野范围内。
所述圆形标定板上设置有任意大小、任意数量、任意规则排列的圆点或者 圆环。
一种使用上述基于圆形标定板的高鲁棒性标定装置定位方法，包括以下步 骤：
S1、将待标定相机标记为xyzi(i＝1，2，3...，I，I≥1)，将所有待标定相机的 公共视野标记为∩iFOVi；
S2、将圆形标定板放置于所有待标定相机的公共视野内，标记此时标定板 位姿为XYZj，标定板上各圆心在位姿XYZj中的坐标为
Figure BDA0002915531290000031
其中
Figure BDA0002915531290000032
表示标定板 位姿XYZj相对于相机组{xyzi}的转换矩阵、Pk表示标定板上各圆心的世界坐标；
S3、各待标定相机xyzi分别对标定板XYZj拍摄图像一副图像imageij，假设 各图像分辨率为(wi，hi)，然后进行如下预处理：自适应阈值进行二值化得到黑 白二值图Imageij，然后利用Canny等算法提取轮廓得到初始轮廓组{contourijl}， l＝1，2，3...，Lij；
S4、对初始轮廓组进行进行初步过滤；
利用每一条轮廓contourijl计算轮廓面积Areaijl、形状系数Circularityijl以及Hu旋转和缩放不变矩HuMomentsijl：如果
Figure BDA0002915531290000033
且
Figure BDA0002915531290000034
且
Figure BDA0002915531290000035
则保留该轮廓，否则删除并将二值图中该轮廓内的像素点p填充为白色：
Imageij(p∈contourijl)＝255
上述判断条件中
Figure BDA0002915531290000036
和
Figure BDA0002915531290000037
均表示阈值；
S5、利用上一步得到的二值图Imageij计算网格特征
Figure BDA0002915531290000038
S6、对
Figure BDA0002915531290000039
求局部极大值点集
Figure BDA00029155312900000310
Eij表示当前网格特征中计算得到的极大值点的个数，Eij≥3；
S7、将上一步得到的极值点
Figure BDA00029155312900000311
作为顶点，建立无向图
Figure BDA00029155312900000312
其中
Figure BDA00029155312900000313
表示两个顶点之间的连线即边，
Figure BDA00029155312900000314
的构建规则如下：任意 选取两个顶点作为基准点，计算出两者之间的像素距离，并以此距离作为基准 距离；若极值点集中任一极值点到两个基准点中任一点的距离都不大于基准距 离，则连接两个基准点形成一条无向的边；得到Eij-1条边，即Gij＝Eij-1；
S8、将Gij条边
Figure BDA0002915531290000041
按方向聚类分析分为两类，各类分别计算均值作为参考向 量，并表示成
Figure BDA0002915531290000042
和
Figure BDA0002915531290000043
S9、对S4中的二值图再次进行边缘检测和轮廓提取，将各轮廓中心
Figure BDA0002915531290000044
作 为顶点，重复S7，建立无向图
Figure BDA0002915531290000045
并利用参考
Figure BDA0002915531290000046
和
Figure BDA0002915531290000047
的向量长度和 方向对无向图
Figure BDA0002915531290000048
的顶点
Figure BDA0002915531290000049
和
Figure BDA00029155312900000410
进行过滤；
S10、建立圆或圆环中心点图像坐标
Figure BDA00029155312900000411
与对应的物理坐标Pk之间的一一映 射，即对无向图的顶点
Figure BDA00029155312900000412
进行排序；
S11、计算其它点相对于Oij的世界坐标：
首先在无向图
Figure BDA00029155312900000413
中计算各点
Figure BDA00029155312900000414
到Oij点的、分别在基准方向uij和 vij上的最小曼哈顿距离
Figure BDA00029155312900000415
其中.
Figure BDA00029155312900000416
和.
Figure BDA00029155312900000417
分别表示对应点在图
Figure BDA00029155312900000418
中的横纵坐标；
然后计算
Figure BDA00029155312900000419
到Oij点的图像像素距离
Figure BDA00029155312900000420
并将其投影到 基准方向uij和vij得到
Figure BDA00029155312900000421
和
Figure BDA00029155312900000422
如果
Figure BDA00029155312900000423
Figure BDA00029155312900000424
则保留该点，否则删除该点，此时eij≤k；
再对点集
Figure BDA00029155312900000425
按
Figure BDA00029155312900000426
和
Figure BDA00029155312900000427
从小到大进行排序，并计算对应点的世界坐 标
Figure BDA00029155312900000428
其中sign(·)表示符号函数、W和H分别表示标定板上水平和竖直方向上相邻 圆点或圆环点中心距；
S12、获得圆或圆环中心点的图像坐标
Figure BDA0002915531290000051
以及对应的世界坐标
Figure BDA0002915531290000052
S13、进一步优化。
所述步骤S4中
Figure BDA0002915531290000053
取
Figure BDA0002915531290000054
取
Figure BDA0002915531290000055
取0.6、
Figure BDA0002915531290000056
取0.9、
Figure BDA0002915531290000057
取0.13、
Figure BDA0002915531290000058
取0.18。
所述步骤S5中计算网格特征的方法按如下公式对图像进行自相关变换：
Figure BDA0002915531290000059
其中p.x和p.y分别表示像素点p的图像横纵坐标，Cij表示相机xyzci拍摄的 XYZj位姿的标定板图像进行自相关变换的结果。
所述步骤S6中取Eij＝9。
所述步骤S10中，标定板上设置有5个大圆点；首先对顶点组
Figure BDA00029155312900000510
按面积设 计特征进行聚类分析，找到定向顶点
Figure BDA00029155312900000511
(dij＝1，2，3，...，D；定向顶点 个数取5，即D＝5)，再按夹角设计特征找出基准点
Figure BDA00029155312900000512
以及基准方向
Figure BDA00029155312900000513
和
Figure BDA00029155312900000514
所述步骤S11中的判断条件
Figure BDA00029155312900000515
取0、
Figure BDA00029155312900000516
取2。
所步骤S13中优化方法如下：
将点集
Figure BDA00029155312900000517
作为初始值，然后在每个点的
Figure BDA00029155312900000518
Figure BDA00029155312900000519
和
Figure BDA00029155312900000520
所形成的感兴趣区域内进一步优化点中心计算过程
Figure BDA00029155312900000521
α和β分别表示对两 个基准方向长度的缩放系数，计算过程
Figure BDA00029155312900000522
表示利用中心点 初始值
Figure BDA00029155312900000523
基准方向uij，vij以及原始图像imageij优化计算中心点的过程，作为 示例可以是椭圆拟合和投影变换校正过程。
所述步骤S13中α＝β＝0.4。
所述步骤S13中优化点中心计算过程是椭圆拟合和投影变换校正过程。
所述步骤S2中放置标定板和步骤S3～S4计算二值图Imageij的过程如下： 在位姿XYZj放置标定板之前，首先通过各待标定相机xyzi拍摄场景生成一副背景 图
Figure BDA0002915531290000061
h＝1，2，3...，imageih表示各待标定相机拍摄的一副或一系 列无标定板的背景图像，
Figure BDA0002915531290000062
表示图像计算背景的过程；然后在位姿XYZj放置标定 板并用各待标定相机xyzi拍摄图像imageij，并用背景去除技术获取标定板区域 得到二值图
Figure BDA0002915531290000063
所述
Figure BDA0002915531290000064
采用光流法计算背景图像；背景去除过程
Figure BDA0002915531290000065
也采用光流法。
本发明的有益效果为：
一种基于圆形标定板的高鲁棒性标定装置及定位方法，将圆点或者圆环标 定板放置于所有待标定相机的公共视野内，各待标定相机xyzi分别对标定板 XYZj拍摄图像imageij，利用Canny等算法提取轮廓得到初始轮廓组后，进行初 步过滤，得到的值图Imageij计算网格特征
Figure BDA0002915531290000066
建立无向图、聚类 分析、再次进行边缘检测和轮廓提取过滤、排序后计算归一化世界坐标，不需 要对圆点或圆环的大小、间距和数量等进行预先配置；算法中也无需尝试自适 应调整图像阈值参数等，标定速度快；对于遮挡、标定板脏污、标定场景中存 在相似标定板等鲁棒性更强；
1、无需预先配置标定板圆点或圆环的大小、间距和数量，一方面无需指定 特定型号标定板、提高了标定算法的适用性，另一方面可以降低了相关工作人 员的专业性要求，可以实现完全自动化定位；
2、可以自动剔除相机拍摄的场景中其他相似物体的干扰，对于标定板脏污 和存在遮挡等情形也有很好抗性，并且检测过程快速迅捷，可以降低标定工作 难度，也进一步提高了标定工作的效率；
3、不局限于特定型号的圆点或圆环标定板，标定板上圆点或圆环分布可以 是矩形阵列，也可以是非矩形阵列的其他任意排列形式，甚至在标定板图像模 糊的极端恶劣情况下也可以实现标定板定位；
附图说明
图1～6是现有技术的标定板检测方法中缺陷示意图；
图7是本发明基于圆形标定板的高鲁棒性标定装置的圆点标定板检测场景 示意图；
图8是本发明基于圆形标定板的高鲁棒性标定装置的标定板定向方案示意 图；
图9是本发明基于圆形标定板的高鲁棒性标定装置的标定板圆点定位方案 示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清 楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是 全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造 性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术 领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术 语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的 术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1～6所示，现有技术中的标定板检测方法中存在相应缺陷：
(1)、表面有脏斑污渍；
(2)、遮挡；
(3)、超相机视野范围；
(4)、相似物干扰；
(5)、倾角大；
(6)、模糊不清。
本发明的目的在于针对现有技术的上述缺点，提出一种基于圆形标定板的 高鲁棒性标定装置和定位方法。
本发明实施例一提供一种基于圆形标定板的高鲁棒性标定装置，如图7所 示，首先设置一背景板8，和至少一个待标定相机，图7中示出第一待标定相 机1、第二待标定相机2和第三待标定相机三个待标定相机；在背景板与所有 待标定相机之间设置一圆形标定板4、相似干扰物5、脏斑污渍6和遮挡物7， 圆形标定板4、相似干扰物5、脏斑污渍6和遮挡物7分别通过透明支撑杆固定 支撑于背景板上，或者通过钢丝悬吊于背景板上方；并且圆形标定板、相似干 扰物5、脏斑污渍6和遮挡物7都同时位于所有待标定相机的公共视野范围内。
在圆形标定板上设置任意大小、任意数量、任意规则排列的圆点或者圆环。
本发明所涉及的硬件***构成如附图7所示：一个或多个待标定的相机xyzi (i＝1，2，3...，I，I≥1)；圆环或圆点标定板；以及其他被动出现在检测场景中 的遮挡物、相似干扰物和脏斑污渍等。作为示例，下述具体实施步骤及示例图 中用m行n列矩形阵列的圆点标定板进行说明，但本发明不仅限于此。
实施例一基于圆形标定板的高鲁棒性标定装置的定位方法，包括以下步骤：
(1)将圆环或圆点标定板放置于各待标定相机xyzi的公共视∩iFOVi野内，假设 此时标定板位姿XYZj，标定板上各圆心在位姿XYZj中的坐标为
Figure BDA0002915531290000081
其 中
Figure BDA0002915531290000082
表示标定板位姿XYZj相对于相机组{xyzi}的转换矩阵、Pk表示标定板 上各圆心的世界坐标。但如附图1～6所示，由于遮挡和标定板超出视野 等问题，会因造成部分相机视野中的圆点可能在另外一部分相机视野中是 不可见的，即k≤m×n。
(2)各待标定相机xyzi分别对标定板XYZj拍摄图像一副图像imageij，假设各 图像分辨率为(wi，hi)，然后进行如下预处理：自适应阈值进行二值化得 到黑白二值图Imageij，然后利用Canny等算法提取轮廓得到初始轮廓组 {contourijl}，l＝1，2，3...，Lij，一般由于噪声、光照和背景中相似或非相 似杂物等干扰此时提取的轮廓数量会远大于实际圆点个数，即 Lij＞＞m×n，为了后续步骤以至于成功检测标定板，需要对这些轮廓进 行合理性判断、进行初步过滤。一种检测方法是利用每一条轮廓contourijl计算轮廓面积Areaijl、形状系数Circularityijl以及Hu旋转和缩放不变矩 HuMomentsijl；如果
Figure BDA0002915531290000091
且
Figure BDA0002915531290000092
Figure BDA0002915531290000093
且
Figure BDA0002915531290000094
则保留该轮廓，否则删除并将二 值图中该轮廓内的像素点p填充为白色：
Imageij(p∈contourijl)＝255
上述判断条件中
Figure BDA0002915531290000095
和
Figure BDA0002915531290000096
均表示阈值，作为示例
Figure BDA0002915531290000097
优先选择
Figure BDA0002915531290000098
优先选择
Figure BDA0002915531290000099
优先选择0.6、
Figure BDA00029155312900000910
优先选择0.9、
Figure BDA00029155312900000911
优先选择0.13、
Figure BDA00029155312900000912
优先选择 0.18。
(3)利用上一步得到的二值图Imageij计算网格特征
Figure BDA00029155312900000913
作为示例一种计算网格特征的方法是按如下公式对图像进行自相关变换
Figure BDA00029155312900000914
其中p.x和p.y分别表示像素点p的图像横纵坐标，Cij表示相机xyzci拍摄的 XYZj位姿的标定板图像进行自相关变换的结果。
(4)对
Figure BDA00029155312900000915
求局部极大值点
Figure BDA00029155312900000916
(eij＝1，2，3，...，Eij)，Eij表示当前网格 特征中计算得到的极大值点的个数，理论上Eij为无穷大，但这些极值点 是和标定板上圆点或圆环点一样是阵列分布的，所以可以选取少量极值点 即可，同时为了保证后续步骤应取Eij≥3，作为示例优先选择Eij＝9。
(5)将上一步得到的极值点
Figure RE-GDA0003008637570000101
作为顶点，建立无向图
Figure RE-GDA0003008637570000102
其中
Figure RE-GDA0003008637570000103
表示两个顶点之间的连线即边，
Figure RE-GDA0003008637570000104
可利用以下规则 构建：任意选取两个顶点作为基准、并计算两者之间的像素距离作为基准 距离，如果从极值点集找不到另一个极值点到两个基准点中任一点的距离 都不大于基准距离，则连接两个基准点形成一条无向的边。这样对于Eij个 特征点，可以得到Eij-1条边，即Gij＝Eij-1。
(6)将上一步得到的Gij条边
Figure BDA0002915531290000105
按方向聚类分析分为两类，各类分别计算均值 作为参考向量，并表示成
Figure BDA0002915531290000106
和
Figure BDA0002915531290000107
这两条边包含了标定板网格的间 距和方向。
(7)对步骤(2)得到的二值图再次进行边缘检测和轮廓提取，将各轮廓中 心
Figure BDA0002915531290000108
作为顶点、利用步骤(5)相同的方法建立无向图
Figure BDA0002915531290000109
并利用参考
Figure BDA00029155312900001010
和
Figure BDA00029155312900001011
的向量长度和方向对无向图
Figure BDA00029155312900001012
的顶点
Figure BDA00029155312900001013
和
Figure BDA00029155312900001014
进 行过滤，这样既可以消除标定板表面由于脏污等出现的干扰点，也可以消 除相机拍摄的场景中可能出现的类似标定板的物体。
(8)用标定板进行相机标定时，还需要建立圆或圆环中心点图像坐标
Figure BDA00029155312900001015
与 对应的物理坐标Pk之间的一一映射，即需要对无向图的顶点
Figure BDA00029155312900001016
进行排 序；除此之外，对于多相机***即I＞1的情况，为了对相机之间关系进 行标定同样需要建立这种一一映射，为此需要对标定板上圆或圆环点进行 定向和定位。作为示例，本实施例优先选择采用五个大圆进行定向的标定 板进行说明，如附图8，但不仅限于此。如图首先对顶点组
Figure BDA00029155312900001017
按设计特 征(作为示例，这种设计特征可以是面积)进行聚类分析，找到其中的定 向顶点
Figure BDA0002915531290000111
(dij＝1，2，3，...，D；作为示例定向顶点个数可优先选 择取5、即D＝5)，然后按设计特征(作为示例，这种设计特征可以是夹 角)找出基准点
Figure BDA00029155312900001127
以及基准方向
Figure BDA0002915531290000112
和
Figure BDA0002915531290000113
(9)用基准点Oij、基准方向uij和vij确定标定板的方向之后，需要按以下方式 计算其它点相对于Oij的世界坐标：首先在无向图
Figure BDA0002915531290000114
中计算各点
Figure BDA0002915531290000115
(eij≠d)到Oij点的、分别在基准方向uij和vij上的最小曼哈顿距离
Figure BDA0002915531290000116
其中.
Figure BDA0002915531290000117
和.
Figure BDA0002915531290000118
分别表示对应点在图
Figure BDA0002915531290000119
中的横纵坐标；然后计算
Figure BDA00029155312900001110
到Oij点的图像像素距离
Figure BDA00029155312900001111
并将其投影到基准方向uij和vij得到
Figure BDA00029155312900001112
和
Figure BDA00029155312900001113
如果
Figure BDA00029155312900001114
则保留该 点(作为示例，这里判断条件
Figure BDA00029155312900001115
可取0、
Figure BDA00029155312900001116
可取2)，否则删除该点， 这样可以剔除当标定板相对于相机成像平面倾角过大时造成部分圆点或 圆环点误检，此时eij≤k；对点集
Figure BDA00029155312900001117
按
Figure BDA00029155312900001118
和
Figure BDA00029155312900001119
从小到大进行排 序，并计算对应点的世界坐标
Figure BDA00029155312900001120
其中sign(·)表示符号函数、W和H分别表示标定板上水平和竖直方向上相 邻圆点或圆环点中心距。
(10)上述步骤计算了圆或圆环中心点的图像坐标
Figure BDA00029155312900001121
以及对应的世界坐 标
Figure BDA00029155312900001122
由于
Figure BDA00029155312900001123
的坐标值是在第(7)步中通过轮廓提取计算的， 在一些视觉***中可能存在精度不够高的问题，可将点集
Figure BDA00029155312900001124
作为初始 值，然后在每个点的
Figure BDA00029155312900001125
和
Figure BDA00029155312900001126
所形成的感兴趣区域内进一 步优化点中心计算过程
Figure BDA0002915531290000121
以进一步提高标定精度， 这里α和β分别表示对两个基准方向长度的缩放系数，作为示例优先选择 取α＝β＝0.4；计算过程
Figure BDA0002915531290000122
表示利用中心点初始值
Figure BDA0002915531290000123
基准方向uij，vij以及原始图像imageij优化计算中心点的过程，作为 示例
Figure BDA0002915531290000124
可以是椭圆拟合和投影变换校正过程。
本发明提出的基于图像自相关的圆形标定板定位方法，其优点如下：
1、本发明的方法无需预先配置标定板圆点或圆环的大小、间距和数量，一 方面无需指定特定型号标定板、提高了标定算法的适用性，另一方面可以降低 了相关工作人员的专业性要求，可以实现完全自动化定位。
2、本发明方法可以自动剔除相机拍摄的场景中其他相似物体的干扰，对于 标定板脏污和存在遮挡等情形也有很好抗性，并且检测过程快速，这样可以降 低标定工作难度，也进一步提高了标定工作的效率。
3、本方法不局限于特定型号的圆点或圆环标定板，标定板上圆点或圆环分 布也可以是非矩形阵列，甚至在标定板图像模糊这种极端恶劣的情况下也可以 实现标定板定位。
实施例二：实施例一中步骤(1)放置标定板和步骤(2)中计算二值图Imageij的过程可用以下方案替代：在位姿XYZj放置标定板之前，首先用各待标定相机 xyzi拍摄场景生成一副背景图
Figure BDA0002915531290000125
h＝1，2，3...，这里imageih表示 各待标定相机拍摄的一副或一系列无标定板的背景图像、
Figure BDA0002915531290000126
表示图像计算背景的 过程，作为示例这里
Figure BDA0002915531290000127
可以是光流法计算背景图像；然后在位姿XYZj放置标定板 并用各待标定相机xyzi拍摄图像imageij，并用背景去除技术获取标定板区域得 到二值图
Figure BDA0002915531290000128
作为示例这里背景去除过程
Figure BDA0002915531290000129
可采用光流 法。
本发明不局限于上述可选实施方式，任何人在本发明的启示下都可得出其 他各种形式的产品，但不论在其形状或结构上作任何变化，凡是落入本发明权 利要求界定范围内的技术方案，均落在本发明的保护范围之内。

Claims (10)

1.一种基于圆形标定板的高鲁棒性标定装置，其特征在于：包括有背景板和至少一个待标定相机，在背景板与待标定相机之间设置有圆形标定板、相似干扰物、脏斑污渍和遮挡物，圆形标定板、相似干扰物、脏斑污渍和遮挡物分别通过透明支撑杆固定支撑于背景板上，或者通过钢丝悬吊于背景板上方；所述圆圆形标定板、相似干扰物、脏斑污渍和遮挡物位于所有待标定相机的公共视野范围内。
2.根据权利要求1所述基于圆形标定板的高鲁棒性标定装置，其特征在于：所述圆形标定板上设置有任意大小、任意数量、任意规则排列的圆点或者圆环。
3.一种根据权利要求1～2之一所述基于圆形标定板的高鲁棒性标定装置的定位方法，其特征在于：包括以下步骤：
S1、将待标定相机标记为xyzi(i＝1，2，3...，I，I≥1)；
S2、将所有待标定相机的公共视野标记为∩iFOVi，假设此时标定板位姿XYZj，标定板上各圆心在位姿XYZj中的坐标为
Figure FDA0002915531280000014
其中
Figure FDA0002915531280000015
表示标定板位姿XYZj相对于相机组{xyzi}的转换矩阵、Pk表示标定板上各圆心的世界坐标；
S3、各待标定相机xyzi分别对标定板XYZj拍摄图像一副图像imageij，假设各图像分辨率为(wi，hi)，然后进行如下预处理：自适应阈值进行二值化得到黑白二值图Imageij，然后利用Canny等算法提取轮廓得到初始轮廓组{contourijl}，l＝1，2，3...，Lij；
S4、对初始轮廓组进行进行初步过滤；
利用每一条轮廓contourijl计算轮廓面积Areaijl、形状系数Circularityijl以及Hu旋转和缩放不变矩HuMomentsijl：如果
Figure FDA0002915531280000011
且
Figure FDA0002915531280000012
且
Figure FDA0002915531280000013
则保留该轮廓，否则删除并将二值图中该轮廓内的像素点p填充为白色：
Imageij(p∈contourijl)＝255
上述判断条件中
Figure FDA0002915531280000021
和
Figure FDA0002915531280000022
均表示阈值；
S5、利用上一步得到的二值图Imageij计算网格特征
Figure FDA0002915531280000023
S6、对
Figure FDA0002915531280000024
求局部极大值点集
Figure FDA0002915531280000025
Eij表示当前网格特征中计算得到的极大值点的个数，Eij≥3；
S7、将上一步得到的极值点
Figure FDA0002915531280000026
作为顶点，建立无向图
Figure FDA0002915531280000027
其中
Figure FDA0002915531280000028
表示两个顶点之间的连线即边，
Figure FDA0002915531280000029
的构建规则如下：任意选取两个顶点作为基准点，计算出两者之间的像素距离，并以此距离作为基准距离；若极值点集中任一极值点到两个基准点中任一点的距离都不大于基准距离，则连接两个基准点形成一条无向的边；得到Eij-1条边，即Gij＝Eij-1；
S8、将Gij条边
Figure FDA00029155312800000210
按方向聚类分析分为两类，各类分别计算均值作为参考向量，并表示成
Figure FDA00029155312800000211
和
Figure FDA00029155312800000212
S9、对S4中的二值图再次进行边缘检测和轮廓提取，将各轮廓中心
Figure FDA00029155312800000213
作为顶点，重复S7，建立无向图
Figure FDA00029155312800000214
并利用参考
Figure FDA00029155312800000215
和
Figure FDA00029155312800000216
的向量长度和方向对无向图
Figure FDA00029155312800000217
的顶点
Figure FDA00029155312800000218
和
Figure FDA00029155312800000219
进行过滤；
S10、建立圆或圆环中心点图像坐标
Figure FDA00029155312800000220
与对应的物理坐标Pk之间的一一映射，即对无向图的顶点
Figure FDA00029155312800000221
进行排序；
S11、计算其它点相对于Oij的世界坐标：
首先在无向图
Figure FDA00029155312800000222
中计算各点
Figure FDA00029155312800000223
到Oij点的、分别在基准方向uij和vij上的最小曼哈顿距离
Figure FDA0002915531280000031
其中
Figure FDA0002915531280000032
和
Figure FDA0002915531280000033
分别表示对应点在图
Figure FDA0002915531280000034
中的横纵坐标；
然后计算
Figure FDA0002915531280000035
到Oij点的图像像素距离
Figure FDA0002915531280000036
并将其投影到基准方向uij和vij得到
Figure FDA0002915531280000037
和
Figure FDA0002915531280000038
如果
Figure FDA0002915531280000039
Figure FDA00029155312800000310
则保留该点，否则删除该点，此时eij≤k；
再对点集
Figure FDA00029155312800000311
按
Figure FDA00029155312800000312
和
Figure FDA00029155312800000313
从小到大进行排序，并计算对应点的世界坐标
Figure FDA00029155312800000314
其中sign(·)表示符号函数、W和H分别表示标定板上水平和竖直方向上相邻圆点或圆环点中心距；
S12、获得圆或圆环中心点的图像坐标
Figure FDA00029155312800000315
以及对应的世界坐标
Figure FDA00029155312800000316
S13、进一步优化。
4.根据权利要求3所述基于圆形标定板的高鲁棒性标定装置定位方法，其特征在于：所述步骤S4中
Figure FDA00029155312800000317
取0.1×wi×hi、
Figure FDA00029155312800000318
取0.5×wi×hi、
Figure FDA00029155312800000319
取0.6、
Figure FDA00029155312800000320
取0.9、
Figure FDA00029155312800000321
取0.13、
Figure FDA00029155312800000322
取0.18。
5.根据权利要求3所述基于圆形标定板的高鲁棒性标定装置定位方法，其特征在于：所述步骤S5中计算网格特征的方法按如下公式对图像进行自相关变换：
Figure FDA00029155312800000323
其中p.x和p.y分别表示像素点p的图像横纵坐标，Cij表示相机xyzci拍摄的XYZj位姿的标定板图像进行自相关变换的结果。
6.根据权利要求3所述基于圆形标定板的高鲁棒性标定装置定位方法，其特征在于：所述步骤S6中取Eij＝9。
7.根据权利要求3所述基于圆形标定板的高鲁棒性标定装置定位方法，其特征在于：所述步骤S10中，标定板上设置有5个圆点；首先对顶点组
Figure FDA0002915531280000041
按面积设计特征进行聚类分析，找到定向顶点
Figure FDA0002915531280000042
定向顶点个数取5，即D＝5)，再按夹角设计特征找出基准点
Figure FDA0002915531280000043
以及基准方向
Figure FDA0002915531280000044
和
Figure FDA0002915531280000045
8.根据权利要求3所述基于圆点或圆环标定板的高鲁棒性标定装置定位方法，其特征在于：所述步骤S11中的判断条件
Figure FDA0002915531280000046
取0、
Figure FDA0002915531280000047
取2。
9.根据权利要求3所述基于圆形标定板的高鲁棒性标定装置定位方法，其特征在于：所步骤S13中优化方法如下：
将点集
Figure FDA0002915531280000048
作为初始值，然后在每个点的
Figure FDA0002915531280000049
Figure FDA00029155312800000410
和
Figure FDA00029155312800000411
所形成的感兴趣区域内进一步优化点中心计算过程
Figure FDA00029155312800000412
α和β分别表示对两个基准方向长度的缩放系数，计算过程
Figure FDA00029155312800000413
表示利用中心点初始值
Figure FDA00029155312800000414
基准方向uij，vij以及原始图像imageij优化计算中心点的过程，
Figure FDA00029155312800000415
是椭圆拟合和投影变换校正过程(删除权利要求11)，α＝β＝0.4。
10.根据权利要求3所述基于圆形标定板的高鲁棒性标定装置定位方法，其特征在于：所述步骤S2中放置标定板和步骤S3～S4计算二值图Imageij的过程如下：在位姿XYZj放置标定板之前，首先通过各待标定相机xyzi拍摄场景生成一副背景图
Figure FDA00029155312800000416
h＝1，2，3...，imageih表示各待标定相机拍摄的一副或一系列无标定板的背景图像，
Figure FDA00029155312800000417
表示图像计算背景的过程；然后在位姿XYZj放置标定板并用各待标定相机xyzi拍摄图像imageij，并用背景去除技术获取标定板区域得到二值图
Figure FDA0002915531280000051
Figure FDA0002915531280000052
采用光流法计算背景图像；背景去除过程
Figure FDA0002915531280000053
也采用光流法。
CN202110099590.8A 2021-01-25 2021-01-25 基于圆形标定板的高鲁棒性标定装置及定位方法 Pending CN112767497A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110099590.8A CN112767497A (zh) 2021-01-25 2021-01-25 基于圆形标定板的高鲁棒性标定装置及定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110099590.8A CN112767497A (zh) 2021-01-25 2021-01-25 基于圆形标定板的高鲁棒性标定装置及定位方法

Publications (1)

Publication Number Publication Date
CN112767497A true CN112767497A (zh) 2021-05-07

Family

ID=75707358

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110099590.8A Pending CN112767497A (zh) 2021-01-25 2021-01-25 基于圆形标定板的高鲁棒性标定装置及定位方法

Country Status (1)

Country Link
CN (1) CN112767497A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114708164A (zh) * 2022-04-08 2022-07-05 四川焱飞科技有限公司 机器视觉测量中物体倾斜引起的图像大小头畸变校正方法
CN115222825A (zh) * 2022-09-15 2022-10-21 湖南视比特机器人有限公司 一种标定方法及其计算机存储介质和标定***
CN116563388A (zh) * 2023-04-28 2023-08-08 北京优酷科技有限公司 标定数据采集方法、装置、电子设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114708164A (zh) * 2022-04-08 2022-07-05 四川焱飞科技有限公司 机器视觉测量中物体倾斜引起的图像大小头畸变校正方法
CN115222825A (zh) * 2022-09-15 2022-10-21 湖南视比特机器人有限公司 一种标定方法及其计算机存储介质和标定***
CN116563388A (zh) * 2023-04-28 2023-08-08 北京优酷科技有限公司 标定数据采集方法、装置、电子设备及存储介质
CN116563388B (zh) * 2023-04-28 2024-05-07 神力视界(深圳)文化科技有限公司 标定数据采集方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN111243032B (zh) 一种棋盘格角点全自动检测方法
CN112767497A (zh) 基于圆形标定板的高鲁棒性标定装置及定位方法
CN109035276B (zh) 一种图像边缘提取方法、装置及自动驾驶***
CN111260731B (zh) 一种棋盘格亚像素级角点自适应检测的方法
CN109859226B (zh) 一种图形分割的棋盘格角点亚像素的检测方法
CN106683137B (zh) 基于人工标志的单目多目标识别与定位方法
CN107941808B (zh) 基于机器视觉的3d打印成型质量检测***及方法
CN108562250B (zh) 基于结构光成像的键盘键帽平整度快速测量方法与装置
CN112132907B (zh) 一种相机标定方法、装置、电子设备及存储介质
CN114494045B (zh) 一种基于机器视觉的大型直齿轮几何参数测量***及方法
CN107392849B (zh) 基于图像细分的靶标识别与定位方法
CN113012234B (zh) 基于平面变换的高精度相机标定方法
CN113313116A (zh) 一种基于视觉的水下人工目标准确检测与定位方法
CN114820817A (zh) 基于高精度线激光3d相机的标定方法和三维重建方法
CN115082538A (zh) 基于线结构光投影的多目视觉平衡环零件表面三维重建***及方法
JP5254545B2 (ja) 画像処理装置、及び画像処理方法
CN111667429B (zh) 一种巡检机器人目标定位校正方法
CN114998571B (zh) 基于固定尺寸标志物的图像处理及颜色检测方法
CN115239801B (zh) 一种对象定位方法及装置
CN115184362B (zh) 一种基于结构光投影的快速缺陷检测方法
CN108596981B (zh) 一种图像的鸟瞰视角重投影方法、装置及便携式终端
CN116596987A (zh) 一种基于双目视觉的工件三维尺寸高精度测量方法
CN214670725U (zh) 基于圆形标定板的高鲁棒性标定装置
CN115760860A (zh) 一种基于dxf文件导入的多类型工件尺寸视觉测量方法
JPH08161508A (ja) パターン検出方法

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