CN112923918A - 一种基于改进棋盘格靶标的视觉位姿测量方法 - Google Patents
一种基于改进棋盘格靶标的视觉位姿测量方法 Download PDFInfo
- Publication number
- CN112923918A CN112923918A CN202110104031.1A CN202110104031A CN112923918A CN 112923918 A CN112923918 A CN 112923918A CN 202110104031 A CN202110104031 A CN 202110104031A CN 112923918 A CN112923918 A CN 112923918A
- Authority
- CN
- China
- Prior art keywords
- checkerboard
- target
- circle
- checkerboard target
- method based
- 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
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 14
- 238000000691 measurement method Methods 0.000 title claims abstract description 10
- 239000003550 marker Substances 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 16
- 238000005259 measurement Methods 0.000 abstract description 9
- 238000000034 method Methods 0.000 abstract description 6
- 238000000605 extraction Methods 0.000 abstract description 3
- 238000012163 sequencing technique Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005316 response function Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明属于视觉位姿测量领域,主要涉及一种基于改进棋盘格靶标的视觉位姿测量方法。包括以下内容:在经典黑白棋盘格上加入定位标志圆设计了一种新型靶标;根据新型靶标,设计标志圆检测算法和棋盘格角点检测算法;根据新型靶标上各个特征点的分布规律,设计特征点自动排序算法;本发明与现有技术相比,其显著优点是:新型靶标解决了经典黑白棋盘格在大角度旋转的情况下特征点排序混乱不唯一的问题,具有特征点明显、易于提取和对靶标旋转有良好的排序不变性的特点,并且实现了特征点的自动识别与排序。
Description
技术领域
本发明属于视觉位姿测量领域,主要涉及一种基于改进棋盘格靶标的视觉位姿测量方法。
背景技术
视觉位姿测量技术具有实时、非接触测量以及自动化程度高等优点,适用于现场实时测量。而且视觉位姿测量技术广泛应用于空间定位、无人驾驶、无人机姿态控制、无人码头、自动化生产等生产生活的各方面,使其得到了充分的发展与深入研究,技术成熟,测量的精度与准确度都很高,并且测量装置结构简单、使用方便、价格低廉。
基于靶标的单目位姿测量方法使用具有准确位置的特征点的特征目标,其具有特征点提取简单、精度高等优点。黑白棋盘格在视觉位姿测量中使用最为广泛,但是棋盘格在旋转角度过大时,会导致检测到的角点排序混乱,无法用于相机参数的求解。因此,一种可靠并且自动的角点识别与排序方法成为实现全自动视觉位姿测量方法的关键。
本发明基于经典棋盘格靶标进行改进,解决了经典黑白棋盘格在大角度旋转的情况下特征点排序混乱不唯一的问题并且实现了特征点的自动识别与排序。
发明内容
本发明的目的旨在提供一种使用基于经典棋盘格靶标进行改进得到的新型靶标实现特征点自动识别与排序的视觉位姿测量方法。新型靶标解决了经典黑白棋盘格在大角度旋转的情况下特征点排序混乱不唯一的问题,并且实现了特征点的自动识别与排序。
本发明要解决的技术问题主要有:(1)解决经典黑白棋盘格在大角度旋转的情况下特征点排序混乱不唯一的问题;(2)实现快速精准地检测出特征点并进行亚像素级角点定位。(3)实现特征点的自动识别与排序。
实现本发明目的的技术解决方案为:一种基于改进棋盘格靶标的视觉位姿测量方法,包括以下内容:
(1)在经典黑白棋盘格上加入定位标志圆设计了一种新型靶标;
(2)根据新型靶标,设计标志圆检测算法和棋盘格角点检测算法;
(3)根据新型靶标上各个特征点的分布规律,设计特征点自动排序算法;
本发明与现有技术相比,其显著优点是:新型靶标解决了经典黑白棋盘格在大角度旋转的情况下特征点排序混乱不唯一的问题,具有特征点明显、易于提取和对靶标旋转有良好的排序不变性的特点,并且实现了特征点的自动识别与排序。
附图说明
图1是本发明设计的新型靶标。
图2是本发明设计的棋盘格角点检测算法所使用的棋盘格角点检测模板。
图3是本发明的新型靶标上的特征点的排列顺序规定。
具体实施方式
下面结合附图对本发明作进一步详细说明。
本发明所述基于改进棋盘格靶标的视觉位姿测量方法包括在经典黑白棋盘格上加入定位标志圆设计的一种新型靶标和根据新型靶标设计的标志圆检测算法、棋盘格角点检测算法以及特征点自动排序算法。
本发明设计的新型靶标如图1所示,由一个黑色标志圆和一个6×8的黑白棋盘格所组成。黑色标志圆的圆心作为整个靶标的定位点,黑白棋盘格内部的角点作为整个靶标的特征点。定位点与特征点相互配合,破坏了原有角点的对称性,解决了因为原有角点在分布上相互对称而使得黑白棋盘格在大角度偏转下特征点排序混乱出错的问题。黑色标志圆的圆心是排序时的原点,它与新型靶标最上面一行的特征点在一条直线上,其他各行各列特征点与这条直线的相互关系与距离决定了排序的先后。
本发明设计的标志圆检测算法基于Hough圆变换和圆形度。首先对图像进行阈值分割得到二值化图像。Hough圆变换取和图像平面一样的参数平面,然后以二值化图像上的边界点为圆心,并从预先给定的半径取值范围中取值作为半径。根据圆心和半径在参数平面画圆即对圆所覆盖的坐标点进行投票,找到参数平面上的局部最大值,它就是对应与圆形区域圆心的坐标点,根据圆心与边界就可以找到圆形区域。然后根据圆形度的计算公式计算这些圆形区域的圆形度,圆形度的计算公式为:
式中,f是圆形度,S是连通域的面积,C是连通域的周长。图像形状越复杂,圆形度值越小,圆形度f的取值范围是(0,1],标准圆形的圆形度是1,其他图形的圆形度都小于1。预先设定一个合适的阈值进行选取。根据圆形度的计算公式计算得到Hough圆变换找到的所有圆形区域的圆形度后,就可以根据预先设定的阈值选取圆形度大于阈值的圆形区域,这些圆形区域可以认为是圆形形状。使用标志圆图像的质心作为其圆心,可以快速计算得到圆的半径。
本发明在Harris角点检测算法的基础上进行改进设计了棋盘格角点检测算法。使用Harris角点检测算法检测棋盘格角点,建立棋盘格角点模板对非棋盘格角点进行滤除。如图2所示,针对实际情况中,棋盘格存在平移、偏转等情况建立了两套检测模板用以检测棋盘格角点。图中第一行的模板适用于与坐标轴平行的棋盘格原型,图中第二行的模板适用于与坐标轴成45°角的棋盘格原型。根据这两套角点检测模板可以计算出像素点与角点的相似程度,由此建立一个相应的角点响应函数C,该函数定义如下:
其中,分别表示卷积核A、B、C、D和模板i(i=1,2)在某个像素点的卷积响应值,表示模板i的两种可能的组合形式,即在实际情况中可能会出现的角点四周的棋盘格出现左对角线为黑,右对角线为白;或者左对角线为白,右对角线为黑的情况。
由角点响应函数C的定义可知,当四个卷积核中任何一个的响应值比较小时,C的值就会很小,因此,根据设定的阈值可以将非棋盘格角点滤除。
在角点检测算法的基础上通过非极大值抑制算法选取所有候选角点邻域内得分最高的极大值像素点,同时,抑制那些得分低的像素点,从而找到邻域中最合适的候选棋盘格角点。然后进行亚像素级角点定位。假设c点是理想的棋盘格角点位置,p点则是c点的邻域内的一个像素点,gp是p点的图像灰度梯度向量,则亚像素级的棋盘格角点坐标位置为:
本发明的新型靶标上的特征点的排列顺序规定如图3所示。
根据特征点的排列顺序规定,可以得到特征点的排序方法如下所示:
(1)以黑色标志圆的圆心作为排序时的原点,由它与另外7个特征点组成的一条直线就是新型特征标志最上面一行即第一行所在直线,这些特征点按照与原点的距离由短到长依次为1号、6号、11号、16号、21号、26号、31号。
(2)拥有5个特征点而且与第一行所在直线垂直的直线所在行即是棋盘格的各列,它们按照与第一行交点的不同分别为第一至七列。
(3)对每一列上的特征点按照其到本列与第一行的交点的距离进行排序,它们的序号如图3所示。
Claims (3)
1.一种基于改进棋盘格靶标的视觉位姿测量方法,其特征在于包括如下步骤:
1)将棋盘格靶标贴敷在待检测物体的表面,所述棋盘格靶标具有由一个黑色标志圆以及位于黑色标志圆一侧的棋盘格,该棋盘格具有6行8列黑白相间的正方形色块;
2)拍摄待检测物体包含有棋盘格靶标的照片;
3)计算定位照片中棋盘格靶标中标志圆和色块之间的角点,形成棋盘格靶标的位姿与姿态信息;
4)根据棋盘格靶标的位姿与姿态信息推导出待检测物体的位姿与姿态信息。
2.根据权利要求1所述的一种基于改进棋盘格靶标的视觉位姿测量方法,其特征在于,所述棋盘格靶标的黑色标志圆的圆心处于棋盘格第一行的角点所在直线上,各角点的顺序特征以黑色标志圆的圆心为计数零点。
3.根据权利要求1所述的一种基于改进棋盘格靶标的视觉位姿测量方法,其特征在于,步骤3)中,定位照片中棋盘格靶标中标志圆包括如下步骤:寻找照片中的圆形区域;然后根据圆形度的计算公式计算这些圆形区域的圆形度;根据圆形度确定标志圆的圆心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110104031.1A CN112923918A (zh) | 2021-01-26 | 2021-01-26 | 一种基于改进棋盘格靶标的视觉位姿测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110104031.1A CN112923918A (zh) | 2021-01-26 | 2021-01-26 | 一种基于改进棋盘格靶标的视觉位姿测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112923918A true CN112923918A (zh) | 2021-06-08 |
Family
ID=76167618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110104031.1A Pending CN112923918A (zh) | 2021-01-26 | 2021-01-26 | 一种基于改进棋盘格靶标的视觉位姿测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112923918A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102794763A (zh) * | 2012-08-31 | 2012-11-28 | 江南大学 | 基于线结构光视觉传感器引导的焊接机器人***标定方法 |
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 |
CN104091324A (zh) * | 2014-06-16 | 2014-10-08 | 华南理工大学 | 一种基于连通域分割的棋盘格图像快速特征匹配算法 |
CN104867160A (zh) * | 2015-06-17 | 2015-08-26 | 合肥工业大学 | 一种用于摄像机内外参数标定的方向性标定靶标 |
CN105023265A (zh) * | 2014-04-29 | 2015-11-04 | 东北大学 | 鱼眼镜头下的棋盘格角点自动检测方法 |
CN108182707A (zh) * | 2017-12-21 | 2018-06-19 | 上海汇像信息技术有限公司 | 采集不完整条件下的棋盘格标定模板及其自动识别方法 |
CN110375648A (zh) * | 2019-08-05 | 2019-10-25 | 华南农业大学 | 棋盘格靶标辅助的单台相机实现的空间点三维坐标测量方法 |
CN111243032A (zh) * | 2020-01-10 | 2020-06-05 | 大连理工大学 | 一种棋盘格角点全自动检测方法 |
CN111260731A (zh) * | 2020-01-10 | 2020-06-09 | 大连理工大学 | 一种棋盘格亚像素级角点自适应检测的方法 |
CN112132907A (zh) * | 2020-09-22 | 2020-12-25 | 北京的卢深视科技有限公司 | 一种相机标定方法、装置、电子设备及存储介质 |
-
2021
- 2021-01-26 CN CN202110104031.1A patent/CN112923918A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102794763A (zh) * | 2012-08-31 | 2012-11-28 | 江南大学 | 基于线结构光视觉传感器引导的焊接机器人***标定方法 |
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 |
CN105023265A (zh) * | 2014-04-29 | 2015-11-04 | 东北大学 | 鱼眼镜头下的棋盘格角点自动检测方法 |
CN104091324A (zh) * | 2014-06-16 | 2014-10-08 | 华南理工大学 | 一种基于连通域分割的棋盘格图像快速特征匹配算法 |
CN104867160A (zh) * | 2015-06-17 | 2015-08-26 | 合肥工业大学 | 一种用于摄像机内外参数标定的方向性标定靶标 |
CN108182707A (zh) * | 2017-12-21 | 2018-06-19 | 上海汇像信息技术有限公司 | 采集不完整条件下的棋盘格标定模板及其自动识别方法 |
CN110375648A (zh) * | 2019-08-05 | 2019-10-25 | 华南农业大学 | 棋盘格靶标辅助的单台相机实现的空间点三维坐标测量方法 |
CN111243032A (zh) * | 2020-01-10 | 2020-06-05 | 大连理工大学 | 一种棋盘格角点全自动检测方法 |
CN111260731A (zh) * | 2020-01-10 | 2020-06-09 | 大连理工大学 | 一种棋盘格亚像素级角点自适应检测的方法 |
CN112132907A (zh) * | 2020-09-22 | 2020-12-25 | 北京的卢深视科技有限公司 | 一种相机标定方法、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 | |
CN103426186B (zh) | 一种改进的surf快速匹配方法 | |
CN104331699B (zh) | 一种三维点云平面化快速搜索比对的方法 | |
CN105046684B (zh) | 一种基于多边形广义霍夫变换的图像匹配方法 | |
CN107392929B (zh) | 一种基于人眼视觉模型的智能化目标检测及尺寸测量方法 | |
CN106251353A (zh) | 弱纹理工件及其三维位姿的识别检测方法及*** | |
CN108573511B (zh) | 点状分布合作编码标志及其识别定位方法 | |
CN112132907B (zh) | 一种相机标定方法、装置、电子设备及存储介质 | |
CN103136525B (zh) | 一种利用广义Hough变换的异型扩展目标高精度定位方法 | |
CN105139416A (zh) | 一种基于图像信息和深度信息的物体识别方法 | |
CN105335973A (zh) | 运用于带钢加工生产线的视觉处理方法 | |
CN112614188B (zh) | 一种基于交比不变性的点阵式标定板及其识别方法 | |
CN103295239A (zh) | 一种基于平面基准影像的激光点云数据的自动配准方法 | |
CN103727930A (zh) | 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法 | |
CN110096920A (zh) | 一种面向视觉伺服的高精度高速定位标签和定位方法 | |
CN111382658B (zh) | 一种基于图像灰度梯度一致性的自然环境下道路交通标志检测方法 | |
CN108550165A (zh) | 一种基于局部不变特征的图像匹配方法 | |
CN104460505A (zh) | 工业机器人相对位姿估计方法 | |
CN108182705A (zh) | 一种基于机器视觉的三维坐标定位方法 | |
CN112257721A (zh) | 一种基于Fast ICP的图像目标区域匹配方法 | |
CN114358166B (zh) | 一种基于自适应k均值聚类的多目标定位方法 | |
CN108388854A (zh) | 一种基于改进fast-surf算法的定位方法 | |
CN108182707B (zh) | 采集不完整条件下的棋盘格标定模板及其自动识别方法 | |
CN117496401A (zh) | 一种用于视频测量影像序列椭圆形目标点全自动识别与跟踪方法 | |
CN111179271B (zh) | 一种基于检索匹配的物体角度信息标注方法及电子设备 |
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 |