CN103093451A - 一种棋盘格交叉点识别算法 - Google Patents

一种棋盘格交叉点识别算法 Download PDF

Info

Publication number
CN103093451A
CN103093451A CN2011103420684A CN201110342068A CN103093451A CN 103093451 A CN103093451 A CN 103093451A CN 2011103420684 A CN2011103420684 A CN 2011103420684A CN 201110342068 A CN201110342068 A CN 201110342068A CN 103093451 A CN103093451 A CN 103093451A
Authority
CN
China
Prior art keywords
gradient
image
algorithm
comers
point
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
CN2011103420684A
Other languages
English (en)
Inventor
胡晓明
李勤
刘帅
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN2011103420684A priority Critical patent/CN103093451A/zh
Publication of CN103093451A publication Critical patent/CN103093451A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明提供了一种基于棋盘格角点处的梯度为局部最小值原理的检测方法，并利用像素点梯度最小值和局部区域梯度均值差避免图像照明不均匀对图像二值化的影响，利用角点的对称性去除噪声点的影响。该方法适合校正内窥镜等具有较大畸变的相机。本发明优点是需要较少的人工干预，且在算法过程中不假设棋盘格边缘仍满足直线特征，并具备较好的抗干扰能力。

Description

一种棋盘格交叉点识别算法
技术领域
本发明涉及一种棋盘格交叉点识别算法，具体涉及一种利用棋盘格实现相机畸变校正时选取交叉点作为控制点的自动提取算法，属于相机标定领域。 
背景技术
随着机器视觉在自动装配、检测、三维测量等领域的不断发展，对相机标定中控制点的自动化提取要求也日益提高。黑白棋盘格标志板(也称X型靶标)的黑白格交叉点(也称角点)是常用的一种控制点，其提取算法仍是图像处理和机器视觉的一个研究热点。 
国内外许多研究者都针对棋盘格标志板交叉点提取算法做出了重要成果。如张正友提出了基于棋盘格标志板的相机校正算法，并实现了该角点的提取方法。Bouguet.J.Y设计了基于Matlab的相机标定工具包，在手工选取棋盘格区域后采用Harris算法实现棋盘格交叉点的粗提取，并采用迭代方法得到亚像素的角点位置信息。OpenCV是Intel公司开发的开源图像图像处理算法库，它采用了Vladimir Vezhnevets等人提出的棋盘格角点提取算法。该方法采用四步完成提取过程：自适应阈值、腐蚀、四边形生成和四边形连接。Martin Rufli在此基础上进一步提高了提取算法在大畸变相机校正时的稳定性，包括采用了自适应腐蚀核、启发式的四边形连接、自适应四边形连接距离、多次腐蚀操作四边形连接等。国内学者白瑞林将棋盘格交叉点分为粗定位和细定位两步完成，首先采用Harris算子提取像素级角点，再利用模板依次寻找出边缘点，用空间矩的方法求取边缘点的亚像素位置，再通过拟合四条边缘求取交点的平均值作为该角点的亚像素位置。 
然而当相机存在较大畸变或者照明存在不均匀时，这些棋盘格角点提取算法需要较多的人工干预。而且，当相机存在畸变时，在边缘位置时直线实际已 经变为曲线，使得上述提取算法在原理上存在一定缺陷。 
发明内容
有鉴于此，本发明提供了一种基于棋盘格角点处的梯度为局部最小值原理的检测方法，并利用像素点梯度最小值和局部区域梯度均值差避免图像照明不均匀对图像二值化的影响，利用角点的对称性去除噪声点的影响。该方法适合校正内窥镜等具有较大畸变的相机，其优点是需要较少的人工干预，且在算法过程中不假设棋盘格边缘仍满足直线特征。 
本算法所设计的角点提取算法流程如下： 
(1)将采集的棋盘格图像转换为灰度图像； 
(2)将该灰度图像经过高斯滤波器； 
(3)计算高斯滤波器后图像的梯度； 
(4)计算梯度图的区域梯度最小值； 
(5)计算梯度图的区域梯度平均值； 
(6)计算梯度图区域梯度最小值和梯度平均值之差； 
(7)将上述第六步图像进行二值化，将二值化后图像的质心作为候选角点； 
(8)根据棋盘格图像角点的对称性，删除不符合对称性的错误角点，并优化角点的位置。 
根据本发明的上述描述，能够解决棋盘格图像角点的自动化提取方法，大大降低图像校正所需的人工操作。 
附图说明
图1为所述的棋盘格标志点。 
图2为选取高斯滤波器方差为3，大小为9*9时，棋盘格灰度图像的Scharr梯度图。 
图3为灰度梯度图与3*3梯度均值之差的图像； 
具体实施方式
下面结合附图并结合具体实例对本发明做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但不作为对本发明的限定。 
图像处理算法主要基于图像卷积核的方法，即用处理核卷积图像得到处理后的图像，其数学过程可描述为： 
将图1所示黑白棋盘格放置于相机视野中，角度提取算法的具体实施流程如下，： 
(1)将采集的图像转换为灰度图像。该处不限定采用何种方法将图像转换为灰度图像，同样，也不限定灰度图像的等级。相机可以为灰度相机，也可是彩色相机，经标准的彩色图像转化灰度图像算法实现图像灰度化。本实例中采用标准的彩色图像转灰度图像算法。 
(2)将该灰度图像经过高斯滤波器。该处目的是滤除图像中的噪声，并将黑白棋盘格图像的角点特征更加突出，方便后续图像处理。该处不限定高斯滤波器的方差及其核大小，但其选择应使图像角点与黑白格边缘分离为好。 
本实例中高斯滤波器的方差为3，高斯核的大小为9。 
(3)计算高斯滤波器后图像的梯度。该处不限定图像梯度的处理方法。本实例中采用Scharr算子计算图像梯度。 
(4)计算梯度图的区域梯度最小值。该处不限定图像区域梯度最小值的处理方法。 
本实例中采用如下算子计算区域梯度最小值： 
  1   1   1
  1   -8   1
  1   1   1
(5)计算梯度图的区域梯度平均值；该处不限定图像区域梯度平均值的处理方法。 
本实例采用如下算子计算区域梯度平均值： 
  1/9   1/9   1/9
  1/9   1/9   1/9
  1/9   1/9   1/9
(6)计算梯度图区域梯度最小值和梯度平均值之差； 
(7)将上述第六步图像进行二值化，将二值化后图像的质心作为候选角点； 
(8)根据棋盘格图像角点的对称性，删除不符合对称性的错误角点，并优化角点的位置。 

Claims (3)

1.一种适用于棋盘格角点提取的算法。其特征在于基于棋盘格角点处的梯度为局部最小值的检测方法，并利用像素点梯度最小值和局部区域梯度均值差避免图像照明不均匀对梯度图像二值化的影响，利用角点的对称性去除噪声点的影响。
2.如权利要求1所述的一种棋盘格角点提取的算法，其特征在于提出了棋盘格角点处的梯度为局部最小值的检测方法。
3.如权利要求1所述的一种棋盘格角点提取的算法，其特征在于利用像素点梯度最小值和局部区域梯度均值差避免图像照明不均匀对梯度图像二值化的影响。
CN2011103420684A 2011-11-03 2011-11-03 一种棋盘格交叉点识别算法 Pending CN103093451A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011103420684A CN103093451A (zh) 2011-11-03 2011-11-03 一种棋盘格交叉点识别算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011103420684A CN103093451A (zh) 2011-11-03 2011-11-03 一种棋盘格交叉点识别算法

Publications (1)

Publication Number Publication Date
CN103093451A true CN103093451A (zh) 2013-05-08

Family

ID=48205984

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011103420684A Pending CN103093451A (zh) 2011-11-03 2011-11-03 一种棋盘格交叉点识别算法

Country Status (1)

Country Link
CN (1) CN103093451A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103996191A (zh) * 2014-05-09 2014-08-20 东北大学 一种基于最小二乘优化的黑白棋盘格图像角点的检测方法
CN104036244A (zh) * 2014-06-09 2014-09-10 西安邮电大学 一种适用于低质量图像的棋盘格角点检测方法及装置
CN104517276A (zh) * 2013-09-28 2015-04-15 沈阳新松机器人自动化股份有限公司 一种棋盘格角点检测方法
CN105279513A (zh) * 2014-11-28 2016-01-27 天津光电高斯通信工程技术股份有限公司 网绳结构的图像交叉点提取方法
CN105791655A (zh) * 2014-12-19 2016-07-20 宁波舜宇光电信息有限公司 一种计算摄像模组的镜头畸变的方法
CN106022479A (zh) * 2016-05-30 2016-10-12 北京理工大学 一种基于棋盘关键位置估值的苏拉卡尔塔棋的ai算法
CN107358221A (zh) * 2017-08-08 2017-11-17 大连万和海拓文化体育产业有限公司 一种基于视频识别技术的围棋自动记谱的棋盘定位方法
CN108428250A (zh) * 2018-01-26 2018-08-21 山东大学 一种应用于视觉定位和标定的x角点检测方法
CN109509200A (zh) * 2018-12-26 2019-03-22 深圳市繁维医疗科技有限公司 基于轮廓提取的棋盘格角点检测方法、装置以及计算机可读存储介质
CN109859226A (zh) * 2019-01-10 2019-06-07 上海理工大学 一种图形分割的棋盘格角点亚像素的检测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101527040A (zh) * 2008-03-05 2009-09-09 深圳华为通信技术有限公司 图像处理方法及系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101527040A (zh) * 2008-03-05 2009-09-09 深圳华为通信技术有限公司 图像处理方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ARTURO DE LA ESCALERA等: "Automatic Chessboard Detection for Intrinsic and Extrinsic Camera Parameter Calibration", 《SENSORS》, vol. 10, 15 March 2010 (2010-03-15), pages 2027 - 2044 *
夏利兵: "基于角点特征的双目视觉杂草定位系统研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 09, 15 September 2009 (2009-09-15), pages 16 - 32 *
林国余等: "一种大场景下的棋盘靶标角点自动定位算法", 《信息与控制》, vol. 37, no. 6, 31 December 2008 (2008-12-31), pages 739 - 746 *
罗钧等: "摄像机标定的棋盘格亚像素角点检测", 《重庆大学学报》, vol. 31, no. 6, 30 June 2008 (2008-06-30), pages 615 - 618 *
魏军等: "基于段测试的X角点检测与亚像素定位", 《机器人》, vol. 33, no. 1, 31 January 2011 (2011-01-31), pages 97 - 101 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN104517276A (zh) * 2013-09-28 2015-04-15 沈阳新松机器人自动化股份有限公司 一种棋盘格角点检测方法
CN103996191B (zh) * 2014-05-09 2016-10-26 东北大学 一种基于最小二乘优化的黑白棋盘格图像角点的检测方法
CN103996191A (zh) * 2014-05-09 2014-08-20 东北大学 一种基于最小二乘优化的黑白棋盘格图像角点的检测方法
CN104036244A (zh) * 2014-06-09 2014-09-10 西安邮电大学 一种适用于低质量图像的棋盘格角点检测方法及装置
CN104036244B (zh) * 2014-06-09 2017-05-10 西安邮电大学 一种适用于低质量图像的棋盘格角点检测方法及装置
CN105279513A (zh) * 2014-11-28 2016-01-27 天津光电高斯通信工程技术股份有限公司 网绳结构的图像交叉点提取方法
CN105279513B (zh) * 2014-11-28 2019-05-10 天津光电高斯通信工程技术股份有限公司 网绳结构的图像交叉点提取方法
CN105791655A (zh) * 2014-12-19 2016-07-20 宁波舜宇光电信息有限公司 一种计算摄像模组的镜头畸变的方法
CN106022479A (zh) * 2016-05-30 2016-10-12 北京理工大学 一种基于棋盘关键位置估值的苏拉卡尔塔棋的ai算法
CN107358221A (zh) * 2017-08-08 2017-11-17 大连万和海拓文化体育产业有限公司 一种基于视频识别技术的围棋自动记谱的棋盘定位方法
CN107358221B (zh) * 2017-08-08 2020-10-09 大连万和海拓文化体育产业有限公司 一种基于视频识别技术的围棋自动记谱的棋盘定位方法
CN108428250A (zh) * 2018-01-26 2018-08-21 山东大学 一种应用于视觉定位和标定的x角点检测方法
CN108428250B (zh) * 2018-01-26 2021-09-21 山东大学 一种应用于视觉定位和标定的x角点检测方法
CN109509200A (zh) * 2018-12-26 2019-03-22 深圳市繁维医疗科技有限公司 基于轮廓提取的棋盘格角点检测方法、装置以及计算机可读存储介质
CN109509200B (zh) * 2018-12-26 2023-09-29 深圳市繁维医疗科技有限公司 基于轮廓提取的棋盘格角点检测方法以及计算机可读存储介质
CN109859226A (zh) * 2019-01-10 2019-06-07 上海理工大学 一种图形分割的棋盘格角点亚像素的检测方法
CN109859226B (zh) * 2019-01-10 2022-06-17 上海理工大学 一种图形分割的棋盘格角点亚像素的检测方法

Similar Documents

Publication Publication Date Title
CN103093451A (zh) 一种棋盘格交叉点识别算法
WO2021138995A1 (zh) 一种棋盘格角点全自动检测方法
CN107463918B (zh) 基于激光点云与影像数据融合的车道线提取方法
CN106845408B (zh) 一种复杂环境下的街道垃圾识别方法
CN103500322B (zh) 基于低空航拍图像的车道线自动识别方法
CN102999916B (zh) 一种彩色图像的边缘提取方法
CN109859226B (zh) 一种图形分割的棋盘格角点亚像素的检测方法
CN103996191B (zh) 一种基于最小二乘优化的黑白棋盘格图像角点的检测方法
CN103606153B (zh) 一种从粪便显微图像中提取细胞的方法
CN105117726B (zh) 基于多特征区域累积的车牌定位方法
CN103714538B (zh) 道路边缘检测方法、装置及车辆
CN107203990A (zh) 一种基于模板匹配与图像质量评估的标贴破损检测方法
CN108256467B (zh) 一种基于视觉注意机制和几何特征的交通标志检测方法
CN103413303A (zh) 基于联合显著性的红外目标分割方法
CN104112370A (zh) 基于监控图像的停车场智能车位识别方法及系统
CN104794421A (zh) 一种qr码定位及识别方法
CN108171674B (zh) 针对任意视角投影仪图像的视觉矫正方法
CN104021207A (zh) 一种基于图像的食物信息提供方法
CN102236784A (zh) 屏幕区域检测方法及系统
CN106599760B (zh) 一种变电站巡检机器人行驶区域计算方法
CN105701483A (zh) 一种融合多光谱遥感数据和夜间灯光遥感数据的城市边界提取方法
CN105844655A (zh) 一种激光线条纹边缘提取方法
CN102663760A (zh) 一种对图像中的车辆挡风镜区域进行定位分割的方法
CN109389165A (zh) 基于巡检机器人的变压器油位计识别方法
CN104899892A (zh) 一种快速的星图图像星点提取方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20130508