CN117392217A - 一种快速大幅面图像的标定方法 - Google Patents
一种快速大幅面图像的标定方法 Download PDFInfo
- Publication number
- CN117392217A CN117392217A CN202311309736.2A CN202311309736A CN117392217A CN 117392217 A CN117392217 A CN 117392217A CN 202311309736 A CN202311309736 A CN 202311309736A CN 117392217 A CN117392217 A CN 117392217A
- Authority
- CN
- China
- Prior art keywords
- calibration
- image
- camera
- calibration plate
- grid
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 238000013507 mapping Methods 0.000 claims abstract description 6
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims abstract description 4
- 241001292396 Cirrhitidae Species 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 239000004744 fabric Substances 0.000 claims description 3
- 239000012535 impurity Substances 0.000 claims description 3
- 239000010985 leather Substances 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 241000226585 Antennaria plantaginifolia Species 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
Classifications
-
- 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
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种快速大幅面图像的相机标定方法，属于机器视觉领域。本发明的标定方法采用平面标定板，该标定板的大小不小于工作台平面大小，标定板上画有正方形分布的网格线，使用相机进行拍摄一张标定板图像，其幅面需覆盖工作区，将其输入到图像处理软件中对图像进行处理，获取特征点，在获取特征点后保存各个特征点的像素坐标，将所有像素坐标储存为一个元组，元组在经过映射变换、矩阵处理后得到校正数据组，对因透射变换和桶形畸变造成的各种畸变问题进行校正处理，完成相机标定后各特征点真实位置的校正。经过图像算法得到的校正数据可直接用于图像标定工作中，后续对相机标定和图像处理将无需进行复杂的算法处理；所述标定方法只需对一张标定板图像进行标定处理，可以快速完成大幅面图像的标定，在后续工作中不需要多次标定，也不需要大量图像标定或多角度拍摄，可使图像的标定过程得到简化，节约时间和成本。
Description
技术领域
本发明属于机器视觉领域，具体涉及一种快速大幅面图像的标定方法。
背景技术
机器视觉是一种使用计算机来模拟人类视觉，并用软件算法对相机采集到的图像进行分析和理解，以进行自动识别和判断的过程。机器视觉的本质，是通过图像获取三维世界的真实信息，在这个过程中有两个问题需要思考，一是相机坐标系中物体如何与真实世界坐标系中物体进行对应，而是如何校正镜头的各种畸变。因此提到标定，通过标定来建立图像与世界的联系，校正图像的各种畸变。
相机的标定可以建立二维图像的点与三维空间中的点的对应关系。在实际拍摄中，相机畸变是最常见的一个问题，如径向畸变、切向畸变等。径向畸变又包括枕形畸变和桶形畸变，而切向畸变一般是镜头不完全平行于图像造成的。透镜的形状或者工艺的差异也可能引起图像的畸变，因此需要通过标定对图像进行畸变校正。
在现代机器视觉标定中，通常是选用张正友方法对摄像机的内外参数进行标定。其好处是，使用一块带有特征点的平面标定板且标定精度高。但该方法需要拍摄至少3幅不同角度的标定板图像(而通常要拍摄10幅左右的图像)，才能完成标定，标定工作时间长、容易出错。此外，当多个相机需要同时标定时，不容易找到对所有相机都合适的标定板角度和位置，容易漏拍、错拍，需要仔细调整角度位置，否则会产生算法错误，使标定成为一个繁琐的工作。
发明内容
为了解决现有方法或技术方案存在的不足，更好地发展机器视觉技术的优势，针对目前标定方法需要的多个不同角度的标定板图像、标定工作时间长、标定繁琐等问题，本文提出了一种快速大幅面图像的标定方法，使用平面标定板，只拍一幅图像进行标定，在图像处理软件中读取特征点得到校正数据，将校正数据用于算法中即可完成标定，操作简单方便，可实现快速标定且标定精度高。
为了实现上述目的，本发明的技术方案是：一种快速大幅面图像的标定方法，所述标定方法中采用平面标定板，平面标定板上有均匀分布的网格线；
使用一个固定角度的相机进行拍照取样，上传图像处理软件中对图像进行算法处理，获取特征点为各个网格点，进一步实现相机的标定；
进行算法检测时，会在读取特征点后保存各个特征点的坐标数据，经过矩阵处理后得到校正数据，对因透射变换和桶形畸变造成的各种畸变问题进行校正处理，完成相机标定后各特征点真实位置的校正；
经过算法得到的校正数据可直接图像标定工作中，后续对相机标定和图像处理将无需进行复杂的算法处理，使得标定快速且精准；
其中，所述标定方法只需对一张标定板图像进行标定处理，图像的标定完成，在后续图像的处理工作中不需要多次标定，也不需要通过大量图像或多角度拍摄的图像进行标定，可使图像的标定过程得到简化，节约时间和成本；
所述的采用算法得到校正数据的方法，具体内容包括以下步骤：
步骤1：在图像处理软件中读取相机拍摄的标定板图像，选择网格所在区域，去除边缘多余部分；
步骤2：采用自动局部阈值处理，选择深色区域提取网格线；
步骤3：对图像进行杂质处理，使标定板上只有背景与网格线，以方便后续提取特征点；
步骤4：分离背景与网格线，选择深色区域(即网格线)，使其显示在另一个窗口；
步骤5：***开运算，分别确定网格行区域1和列区域2；
步骤6：计算区域1和区域2的交集，得到区域交叉点；
步骤7：分离出交叉点作为特征点并记录每个特征点的像素坐标，并储存为一个元组；
步骤8：将步骤7中得到的元组进行映射变换处理，可得到正常透视的校正数据；
步骤9：步骤8中所得到的校正数据可作为新的标定算法用于图像标定，节省时间和成本；
所述标定方法属于大幅面图像的标定方法，大幅面图像的标定板平台大小不小于工作台平面大小，该标定方法可适用于大型图像检测行业如布料、皮革等行业；
所述标定方法中仅使用一张标定板，标定板上有均匀分布的矩形网格，线与线间相互垂直；
所述标定方法所采用的相机固定在标定板的正上方，相机镜头的拍摄路径与标定板相互垂直，相机类型可以选择线阵相机或面阵相机；
所述的图像处理软件选用Halcon、OpenCV；
所述的标定板上矩形网格，其特征在于，矩形网格设计为每隔50mm为一个网格距离，网格数量与精度要求相关；
由于采用了上述技术方案，本发明的有益效果是：采用图像算法对图像进行处理后得到校正数据，得到的校正数据可直接运用在后续任何的图像标定中(前提是在同一个相机下拍摄)，无需再进行重新标定，并且只需对一个角度的一张标定板图片进行算法标定即可，该标定方法可以做到快速且精准地进行相机的标定，可以更加简单方便、节约时间的完成相机标定时相机坐标系与真实世界坐标系之间的对应关系。
附图说明
图1是本发明公开的标定方法所用设施结构组成图；
图2是本发明公开的标定方法的标定流程图；
图3是本发明公开的相机拍摄的标定板样图；
图4是本发明公开的进行Halcon算法标定后的标定板图；
图5是本发明公开的Halcon算法得到校正矢量图的流程图；
图6是本发明公开的进行Halcon算法标定过程中所提取出的特征点分布图；
图7是本发明公开的所使用的平面标定板网格示意图；
具体实施方式
为了更好地表达整个发明的技术方案、技术特点及有益成果，下面结合附图和实施例对本发明作进一步详细说明，但是，本发明不仅仅限于该实施例，凡是根据本发明实质对以下实施方式进行修改、变更以及等效变化，均属于本发明技术的保护范围之内。
实施例1：
本实施例提供了一种快速大幅面图像的标定方法，其结构组成如附图1所示，包括相机(1)、工作平台(2)、标定板(3)；相机(1)位于工作平台(2)的正上方，标定板(3)平行放置于工作平台(2)的平面上，相机的拍摄路径与标定板垂直，标定板为平面标定板，标定板面上有多个矩形网格组成。
标定流程如附图2所示，相机拍摄一张平面标定板图像且要保证标定板内的所有矩形网格均在相机的成像范围内，之后将标定板图像上传到图像处理软件中对图像进行算法处理，进而获取特征点。
在进行算法检测时，会在获取特征点后保存各个特征点的像素坐标，将所有像素坐标储存为一个元组，元组经过映射变换、矩阵处理后得到校正数据，对因透射变换和桶形畸变造成的各种畸变问题进行校正处理，完成相机标定后各特征点真实位置的校正；
经过算法得到的校正数据可直接图像标定工作中，后续对相机标定和图像处理将无需进行复杂的算法处理，使得标定快速且精准；附图3为相机拍摄后的存在畸变等问题的标定板图像，在经过上述标定方法处理后得到附图4，其畸变问题得到解决。
实施例2：
在基于实施例1的内容中，如图5所示，本实施例提供了一种Halcon算法对标定板图片进行标定的过程，具体包括以下步骤：
步骤1：在Halcon软件中读取相机拍摄的标定板图像，选择网格所在区域，去除边缘多余部分；
步骤2：采用自动局部阈值处理，选择深色区域提取网格线；
步骤3：对图像进行杂质处理，使标定板上只有背景与网格线，以方便后续提取特征点；
步骤4：分离背景与网格线，选择深色区域(即网格线)，使其显示在另一个窗口；
步骤5：***开运算，分别确定网格行区域1和列区域2；
步骤6：计算区域1和区域2的交集，得到区域交叉点，如附图6所示；
步骤7：分离出交叉点作为特征点并记录每个特征点的像素值，并储存为一个元组；
步骤8：将步骤7中得到的元组进行映射变换处理，可得到正常透视的校正数据；
步骤9：在步骤8中所得到的校正数据可作为新的标定算法用于图像标定，节省时间和成本；
实施例3：
本实施例提出所述标定方法属于大幅面图像的标定方法，大幅面图像的标定板平台大小不小于120cm×90cm，该标定方法可适用于大型图像检测行业如布料、皮革等行业，但不仅限于这些行业；
实施例4：
本实施例还使用一张网格平面标定板，标定板上有均匀分布的矩形网格，线与线之间相互垂直，共有24×18个小矩形如附图7所示；其中，标定过程中只需对一张标定板图像进行标定处理，图像的标定完成后，在后续工作中不需要多次标定，也不需要大量图像标定或多角度拍摄，可使图像的标定过程得到简化，节约时间和成本。
实施例5：
本实施例提出所述标定方法所采用的相机固定在标定板的正上方，相机镜头的拍摄路径与标定板相互垂直，相机类型可以选择线阵相机或面阵相机。
实施例6：
本实施例提出所述的图像处理软件可以选用Halcon、OpenCV。
实施例7：
本实施例提出矩形网格设计为每隔50mm为一个网格距离，网格数量与精度要求相关；本实施例所述的标定板上矩形网格的数量为24×18个，但不限于24×18个，其数量的增加可以提高标定的精度。
Claims (7)
1.一种快速大幅面图像的标定方法，其特征在于，包括以下内容：
所述快速大幅面图像的标定方法采用平面标定板，标定板上画有正方形分布的网格线；
使用一个固定角度的相机进行拍照取样，输入到图像处理软件中对图像进行算法处理，获取特征点为各个网格点，进一步实现相机的标定；
进行图像算法检测时，会在获取特征点后保存各个特征点的像素坐标，将所有像素坐标储存为一个元组，元组在经过映射变换、矩阵处理后得到校正数据，对因透射变换和桶形畸变造成的各种畸变问题进行校正处理，完成相机标定后各特征点真实位置的校正；
经过算法得到的校正数据可直接图像标定工作中，后续对相机标定和图像处理将无需进行复杂的算法处理，使得标定快速且精准；
其中，所述标定方法只需对一张标定板图像进行标定处理，图像的标定完成，在后续图像的处理工作中不需要多次标定，也不需要通过大量图像或多角度拍摄的图像进行标定，可使图像的标定过程得到简化，节约时间和成本。
2.根据权利要求1所述的采用图像算法得到校正数据的方法，其特征在于，具体内容包括以下步骤：
步骤1：在图像处理软件中读取相机拍摄的标定板图像，选择网格所在区域，去除边缘多余部分；
步骤2：采用自动局部阈值处理，选择深色区域提取网格线；
步骤3：对图像进行杂质处理，使标定板上只有背景与网格线，以方便后续提取特征点；
步骤4：分离背景与网格线，选择深色区域(即网格线)，使其显示在另一个窗口；
步骤5：***开运算，分别确定网格行区域1和列区域2；
步骤6：计算区域1和区域2的交集，得到区域交叉点；
步骤7：分离出交叉点作为特征点并记录每个特征点的像素坐标，并储存为一个元组；
步骤8：将步骤7中得到的元组进行映射变换处理，可得到正常透视的校正数据；
步骤9：步骤8中所得到的校正数据可作为新的标定算法用于图像标定，节省时间和成本。
3.根据权利要求1所述的一种快速大幅面图像的标定方法，其特征在于，所述大幅面图像的标定板平台大小不小于工作台平面大小，该标定方法适用于大型图像检测行业如布料、皮革等行业。
4.根据权利要求1所述的标定板，其特征在于，
所述标定方法中仅使用一张标定板，标定板上有均匀分布的矩形网格，线与线间相互垂直。
5.根据权利要求1所述的拍摄所使用的相机，其特征在于，
所述标定方法所采用的相机固定在标定板的正上方，相机镜头的拍摄路径与标定板相互垂直，相机类型可以选择线阵相机或面阵相机。
6.根据权利要求2所述的图像处理软件，其特征在于，所述的图像处理软件为选用Halcon、OpenCV。
7.根据权利要求4所述的标定板面上的矩形网格，其特征在于，矩形网格设计为每隔50mm为一个网格距离，网格数量与精度要求相关。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311309736.2A CN117392217A (zh) | 2023-10-10 | 2023-10-10 | 一种快速大幅面图像的标定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311309736.2A CN117392217A (zh) | 2023-10-10 | 2023-10-10 | 一种快速大幅面图像的标定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117392217A true CN117392217A (zh) | 2024-01-12 |
Family
ID=89469414
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311309736.2A Pending CN117392217A (zh) | 2023-10-10 | 2023-10-10 | 一种快速大幅面图像的标定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117392217A (zh) |
-
2023
- 2023-10-10 CN CN202311309736.2A patent/CN117392217A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11503275B2 (en) | Camera calibration system, target, and process | |
| CN110555889B (zh) | 一种基于CALTag和点云信息的深度相机手眼标定方法 | |
| CN112070845B (zh) | 双目相机的标定方法、装置及终端设备 | |
| CN110580724B (zh) | 一种对双目相机组进行标定的方法、装置和存储介质 | |
| CN106780623A (zh) | 一种机器人视觉***快速标定方法 | |
| CN110660107A (zh) | 平面标定板、标定数据采集方法及*** | |
| CN110099267A (zh) | 梯形校正***、方法以及投影仪 | |
| WO2018196303A1 (zh) | 多方位投影的投影仪标定方法及装置 | |
| CN111932636B (zh) | 双目摄像头的标定及图像矫正方法、装置、存储介质、终端、智能设备 | |
| CN110033407B (zh) | 一种盾构隧道表面图像标定方法、拼接方法及拼接*** | |
| CN111383194B (zh) | 一种基于极坐标的相机畸变图像校正方法 | |
| CN112802124A (zh) | 多台立体相机的标定方法及装置、电子设备及存储介质 | |
| CN112907675B (zh) | 图像采集设备的标定方法、装置、***、设备及存储介质 | |
| CN114549652A (zh) | 一种相机标定方法、装置、设备及计算机可读介质 | |
| CN113538583A (zh) | 一种工件在机床上位置的精准定位方法及视觉*** | |
| CN112489137A (zh) | 一种rgbd相机标定方法及*** | |
| CN113920206A (zh) | 透视移轴相机的标定方法 | |
| CN112264992A (zh) | 一种工业机器人坐标系校准方法、***、装置和存储介质 | |
| CN112700502A (zh) | 双目相机***和双目相机空间标定方法 | |
| CN110136205B (zh) | 多目相机的视差校准方法、装置及*** | |
| CN116188591A (zh) | 多相机全局标定方法及装置、电子设备 | |
| CN114463437A (zh) | 一种摄像机标定方法、装置、设备及计算机可读介质 | |
| CN112258581B (zh) | 一种多鱼眼镜头全景相机的现场标定方法 | |
| CN115965697B (zh) | 基于沙姆定律的投影仪标定方法、标定***及装置 | |
| CN117392217A (zh) | 一种快速大幅面图像的标定方法 |
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 |