CN105118021A - 基于特征点的图像配准方法及系统 - Google Patents
基于特征点的图像配准方法及系统 Download PDFInfo
- Publication number
- CN105118021A CN105118021A CN201510451433.3A CN201510451433A CN105118021A CN 105118021 A CN105118021 A CN 105118021A CN 201510451433 A CN201510451433 A CN 201510451433A CN 105118021 A CN105118021 A CN 105118021A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- coordinate
- standard picture
- dimensional
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 239000011159 matrix material Substances 0.000 claims abstract description 59
- 230000008878 coupling Effects 0.000 claims abstract description 7
- 238000010168 coupling process Methods 0.000 claims abstract description 7
- 238000005859 coupling reaction Methods 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 50
- 238000013507 mapping Methods 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 abstract 3
- 238000010276 construction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30141—Printed circuit board [PCB]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
一种基于特征点的图像配准方法及系统,用于基于采集到的标准图像对采集到的待检测图像进行配准,方法包括:S1、通过模板匹配的方式在待检测图和标准图上确定非共线的多个匹配的特征点;S2、基于特征点分别建立标准图像三维坐标系和待检测图像三维坐标系:S3、计算待检测图像三维坐标系相对于标准图像三维坐标系的三维变换矩阵;S4、使用三维变换矩阵对待检测图像进行配准处理,将配准处理后的待检测图像与标准图像进行对比并获取差异值。本发明可降低对机械结构精度的要求,在图像对比时可以弥补机械结构精度的不足所造成的图像位置偏移,减小不必要的误差,即使图像采集时出现不一致,也可以通过三维变换矩阵对图像进行配准处理。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种基于特征点的图像配准方法及系统。
背景技术
在某些视觉应用中(如PCB板缺陷检测),需要将摄像头采集到的图像与标准图像作对比,该对比动作要求两幅图像在位置上的严格一致性,以检测当前图像与标准图像之间像素级别的差异;当前的系统设计一般是从结构的角度来保证两幅图像位置的不发生偏移。
而机械结构不能达到足够的精度以保证摄像头与场景相对位置与标准状态下的一致性,例如,如图1所示,除了水平方向的偏移,由于目标物体的厚度不均也会造成采集到的图像的不一致。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种基于特征点的图像配准方法及系统。
本发明解决其技术问题所采用的技术方案是:构造一种基于特征点的图像配准方法,用于基于采集到的标准图像对采集到的待检测图像进行配准,所述方法包括:
S1、通过模板匹配的方式在待检测图和标准图上确定非共线的多个匹配的特征点;
S2、基于所述特征点分别建立标准图像三维坐标系和待检测图像三维坐标系:
S3、计算所述待检测图像三维坐标系相对于所述标准图像三维坐标系的三维变换矩阵;
S4、使用所述三维变换矩阵对待检测图像进行配准处理,将配准处理后的待检测图像与标准图像进行对比并获取差异值。
在本发明所述的基于特征点的图像配准方法中,所述步骤S1中在确定特征点后,针对标准图像和确定待检测图像分别执行以下步骤以获取各个特征点在相机坐标系下的坐标值:
S11、以图像所在平面为XOY平面,以像素为坐标系单位,确定各个特征点的X坐标和Y坐标;
S12、如果图像为标准图像,则设定一个正数作为标准图像中的各个特征点的Z坐标;
S13、如果图像为待检测图像,则基于任意两个特征点在待检测图像的XOY平面上的距离、该两个特征点在标准图像的XOY平面上的距离、以及步骤S12中设定的标准图像中的各个特征点的Z坐标,计算待检测图像中的各个特征点的Z坐标。
在本发明所述的基于特征点的图像配准方法中,所述步骤S13中基于以下计算公式计算待检测图像中的各个特征点的Z坐标:
其中,Z1代表待检测图像中的各个特征点的Z坐标,L1代表任意两个特征点在待检测图像的XOY平面上的距离,L代表该两个特征点在标准图像的XOY平面上的距离,Z代表步骤S12中设定的标准图像中的各个特征点的Z坐标。
在本发明所述的基于特征点的图像配准方法中,所述步骤S2中标准图像三维坐标系和待检测图像三维坐标系的建立包括:以图像中的所有的特征点的重心作为原点O;以原点与某一个特征点所确定的直线为X轴;以垂直于特征点所在平面的直线为Z轴;根据右手法则,以垂直于XOZ平面的直线为Y轴。
在本发明所述的基于特征点的图像配准方法中,所述步骤S1中在确定特征点后,针对标准图像和确定待检测图像分别获取各个特征点在相机坐标系下的坐标值;
若所述相机坐标系为Tw,所述标准图像三维坐标系为Ts,所述待检测图像三维坐标为Td,则所述步骤S3中基于以下公式计算所述三维变换矩阵:
其中,Ttrans代表所述三维变换矩阵,T1代表Ts相对于Tw的变换矩阵;T2代表Td相对于Tw的变换矩阵。
在本发明所述的基于特征点的图像配准方法中,T1、T2分别基于以下步骤确定:
S31、基于步骤S2中标准图像三维坐标系/待检测图像三维坐标系建立时的原点的确定方式,确定Ts/Td相对于Tw的偏移向量
S32、基于法线向量与平面上的任意向量垂直的原理,求解得到Ts/Td在Tw下Z轴的法线向量
S33、基于步骤S2中的标准图像三维坐标系/待检测图像三维坐标系建立时的X轴的选定方式确定Ts/Td在Tw下X轴的法向量
S34、基于和计算得到Ts/Td在Tw下Y轴的法线向量
S35、基于三个法向量计算得到旋转矩阵R;
S36、基于R和得到T1/T2为:
在本发明所述的基于特征点的图像配准方法中,所述步骤S35包括:将 三个法向量分别归一化得到则
本发明还公开了一种基于特征点的图像配准系统,用于基于采集到的标准图像对采集到的待检测图像进行配准,包括:
特征点确定模块:通过模板匹配的方式在待检测图和标准图上确定非共线的多个匹配的特征点;
坐标系确定模块:基于所述特征点分别建立标准图像三维坐标系和待检测图像三维坐标系;
三维变换矩阵确定模块:计算所述待检测图像三维坐标系相对于所述标准图像三维坐标系的三维变换矩阵;
配准模块:使用所述三维变换矩阵对待检测图像进行配准处理,将配准处理后的待检测图像与标准图像进行对比并获取差异值。
在本发明所述的基于特征点的图像配准系统中,所述特征点确定模块在确定特征点后,针对标准图像和确定待检测图像分别获取各个特征点在相机坐标系下的坐标值;
若所述相机坐标系为Tw,所述标准图像三维坐标系为Ts,所述待检测图像三维坐标为Td,则所述步骤S3中基于以下公式计算所述三维变换矩阵:
其中,Ttrans代表所述三维变换矩阵,T1代表Ts相对于Tw的变换矩阵;T2代表Td相对于Tw的变换矩阵。
在本发明所述的基于特征点的图像配准系统中,所述的获取各个特征点在相机坐标系下的坐标值包括:以图像所在平面为XOY平面,以像素为坐标系单位,确定各个特征点的X坐标和Y坐标;如果图像为标准图像,则设定一个正数作为标准图像中的各个特征点的Z坐标;如果图像为待检测图像,则基于任意两个特征点在待检测图像的XOY平面上的距离、该两个特征点在标准图像的XOY平面上的距离、以及步骤S12中设定的标准图像中的各个特征点的Z坐标,计算待检测图像中的各个特征点的Z坐标;
T1、T2的确定包括:基于坐标系确定模块中标准图像三维坐标系/待检测图像三维坐标系建立时的原点的确定方式,确定Ts/Td相对于Tw的偏移向量基于法线向量与平面上的任意向量垂直的原理,求解得到Ts/Td在Tw下Z轴的法线向量基于坐标系确定模块中的标准图像三维坐标系/待检测图像三维坐标系建立时的X轴的选定方式确定Ts/Td在Tw下X轴的法向量基于和计算得到Ts/Td在Tw下Y轴的法线向量基于三个法向量计算得到旋转矩阵R;基于R和得到T1/T2为:
实施本发明的基于特征点的图像配准方法及系统,具有以下有益效果:本发明基于特征点获得待检测图像三维坐标系相对于标准图像三维坐标系的三维变换矩阵,因此,可以降低对机械结构精度的要求,在图像对比时,可以弥补机械结构精度的不足所造成的图像位置偏移,减小不必要的误差,即使图像采集时出现不一致,也可以通过三维变换矩阵对图像进行配准处理。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是图像采集不一致时的示意图;
图2是本发明基于特征点的图像配准方法的流程图;
图3是本发明基于特征点的图像配准方法中获取在相机坐标系下的Z坐标值的原理图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
在执行本发明的方法前,首先采集标准图像,然后在尽量保证位置一致性的条件下采集待检测图像,本发明的基于特征点的图像配准方法即是用于基于采集到的标准图像对采集到的待检测图像进行配准。
如图2,是本发明基于特征点的图像配准方法的流程图;
所述方法包括:
S1、通过模板匹配的方式在待检测图和标准图上确定非共线的多个匹配的特征点;
S2、基于所述特征点分别建立标准图像三维坐标系和待检测图像三维坐标系:
S3、计算所述待检测图像三维坐标系相对于所述标准图像三维坐标系的三维变换矩阵;
S4、使用所述三维变换矩阵对待检测图像进行配准处理,将配准处理后的待检测图像与标准图像进行对比并获取差异值。
下面详细解释各个步骤:
关于步骤S1:
该步骤在确定了特征点之后,针对标准图像和确定待检测图像,分别执行以下步骤以获取各个特征点在相机坐标系下的坐标值:
S11、以图像所在平面为XOY平面,以像素为坐标系单位,确定各个特征点的X坐标和Y坐标;例如,可以以图像的左上角为原点,水平向右方向为X轴,竖直向下方向为Y轴,确定特征点的二维像素坐标。
以3个特征点为例,标准图像中的3个特征点ABC在相机坐标系下的二维像素坐标分别为:A(XA,YA),B(XB,YB),C(XC,YC);对应的待检测图像的3个特征点A1B1C1在相机坐标系下的二维像素坐标分别为:A1(XA1,YA1),B1(XB1,YB1),C1(XC1,YC1)。
S12、如果图像为标准图像,则设定一个正数作为该图像中的各个特征点的Z坐标;例如,可以取ZA=ZB=ZC=m,m为正数,则3个特征点ABC在相机坐标系下的三维像素坐标分别为:A(XA,YA,ZA),B(XB,YB,ZB),C(XC,YC,ZC)。
S13、如果图像为待检测图像,则基于任意两个特征点在待检测图像的XOY平面上的距离、该两个特征点在标准图像的XOY平面上的距离、以及步骤S12中设定的Z坐标计算待检测图像中的各个特征点的Z坐标:ZA1,ZB1,ZC1,于是3个特征点A1B1C1在相机坐标系下的三维像素坐标分别为:A1(XA1,YA1,ZA1),B1(XB1,YB1,ZB1),C1(XC1,YC1,ZC1),ZA1,ZB1,ZC1。
关于ZA1,ZB1,ZC1的计算原理,结合图3,由于同一长度的线段距离相机越近,其成像后的长度越长,因此可以构造出其在Z轴上的坐标值。因此,基于以下计算公式确定待检测图像中的3个特征点的Z坐标:
其中,Z1代表3个特征点的Z坐标,ZA1、ZB1、ZC1都根据该公式获取,L1代表任意两个特征点在待检测图像的XOY平面上的距离,L代表该两个特征点在标准图像的XOY平面上的距离,Z代表步骤S12中设定的标准图像中的3个特征点的Z坐标。优选的,L1可以选取为任意一个特征点在待检测图像的XOY平面上到坐标原点的距离,L相应的选取为对应特征点在标准图像的XOY平面上到坐标原点的距离。
以A1点的Z坐标获取为例,任意的两个特征点选标准图像中的AB,待检测图像中的A1B1,则:
于是,
假定m取1,即ZA=ZB=ZC=m=1,则
关于步骤S2:
该步骤中,对标准图像三维坐标系和待检测图像三维坐标系的确定分别为:以图像中的所有的特征点的重心作为原点O;以原点与某一个特征点(例如A点)所确定的直线为X轴;以垂直于特征点所在平面的直线为Z轴;根据右手法则,以垂直于XOZ平面的直线为Y轴。
关于步骤S3:
若所述相机坐标系为Tw,所述标准图像三维坐标系为Ts,所述待检测图像三维坐标为Td,该步骤主要是为了计算三维变换矩阵Ttrans,使得Td=TsTtrans。若T1代表Ts相对于Tw的变换矩阵,T2代表Td相对于Tw的变换矩阵,则有:
因此,从而得到待检测图像相对于标准图像的转换关系: 即:
因此,只需确定T1T2即可确定Ttrans。
下面以T1为例,介绍T1的计算过程,根据RP01矩阵可知,
可见,要确定T1,只需确定 中的旋转矩阵R和偏移向量因此,T1基于以下步骤确定:
S31、基于步骤S2中Ts/Td的原点的确定方式,确定Ts/Td相对于Tw的原点偏移向量上述步骤S2中的原点O是基于重心建立的,因此可得:
S32、基于法线向量与平面上的任意向量垂直的原理,求解得到Ts/Td在Tw下Z轴的法线向量由于法线向量与平面上的任意向量垂直,因此有:
可以求解得到标准图像三维坐标系在相机坐标系下Z轴的法线向量为:
S33、基于步骤S2中的Ts/Td的X轴的选定方式(以重心与A点的直线为X轴),确定Ts/Td在Tw下X轴的法向量
S34、根据向量运算,基于和计算得到Ts/Td在Tw下Y轴的法线向量:
S35、基于三个法向量计算得到旋转矩阵R,具体为:
将三个法向量分别归一化得到:由于单位矩阵经过旋转矩阵R旋转后变为了新坐标系的单位矩阵,即:
因此:
S36、基于上述的R和得到T1为:
T2的计算过程与T1同理,因此,不再赘述。
关于步骤S4:
使用所述三维变换矩阵对待检测图像进行配准处理,主要是利用上述三维变换矩阵Ttrans的逆矩阵获取待检测图像内的像素点在标准图像三维坐标系中的坐标,通过对像素值进行线性插补的方式处理变换后的待检测图像,即可得到配准后的图像。
对应的,本发明还公开了一种基于特征点的图像配准系统,包括:
特征点确定模块:通过模板匹配的方式在待检测图和标准图上确定非共线的多个匹配的特征点,所述特征点确定模块在确定特征点后,针对标准图像和确定待检测图像分别获取各个特征点在相机坐标系下的坐标值;
坐标系确定模块:基于所述特征点分别建立标准图像三维坐标系和待检测图像三维坐标系;
三维变换矩阵确定模块:计算所述待检测图像三维坐标系相对于所述标准图像三维坐标系的三维变换矩阵;
配准模块:使用所述三维变换矩阵对待检测图像进行配准处理,将配准处理后的待检测图像与标准图像进行对比并获取差异值。
若所述相机坐标系为Tw,所述标准图像三维坐标系为Ts,所述待检测图像三维坐标为Td,则所述步骤S3中基于以下公式计算所述三维变换矩阵:
其中,Ttrans代表所述三维变换矩阵,T1代表Ts相对于Tw的变换矩阵;T2代表Td相对于Tw的变换矩阵。
所述的获取各个特征点在相机坐标系下的坐标值包括:以图像所在平面为XOY平面,以像素为坐标系单位,确定各个特征点的X坐标和Y坐标;如果图0像为标准图像,则设定一个正数作为标准图像中的各个特征点的Z坐标;如果图像为待检测图像,则基于任意两个特征点在待检测图像的XOY平面上的距离、该两个特征点在标准图像的XOY平面上的距离、以及步骤S12中设定的标准图像中的各个特征点的Z坐标,计算待检测图像中的各个特征点的Z坐标;
T1、T2的确定包括:基于坐标系确定模块中标准图像三维坐标系/待检测5图像三维坐标系建立时的原点的确定方式,确定Ts/Td相对于Tw的偏移向量基于法线向量与平面上的任意向量垂直的原理,求解得到Ts/Td在Tw下Z轴的法线向量基于坐标系确定模块中的标准图像三维坐标系/待检测图像三维坐标系建立时的X轴的选定方式确定Ts/Td在Tw下X轴的法向量基于和计算得到Ts/Td在Tw下Y轴的法线向量基于三个法向量计算得到旋转矩阵R;基于R和得到T1/T2为:
综上所述,实施本发明的基于特征点的图像配准方法及系统,具有以下有益效果:本发明基于特征点获得待检测图像三维坐标系相对于标准图像三维坐标系的三维变换矩阵,因此,可以降低对机械结构精度的要求,在图像对比时,可以弥补机械结构精度的不足所造成的图像位置偏移,减小不必要的误差,即使图像采集时出现不一致,也可以通过三维变换矩阵对图像进行配准处理。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种基于特征点的图像配准方法,用于基于采集到的标准图像对采集到的待检测图像进行配准,其特征在于,所述方法包括:
S1、通过模板匹配的方式在待检测图和标准图上确定非共线的多个匹配的特征点;
S2、基于所述特征点分别建立标准图像三维坐标系和待检测图像三维坐标系:
S3、计算所述待检测图像三维坐标系相对于所述标准图像三维坐标系的三维变换矩阵;
S4、使用所述三维变换矩阵对待检测图像进行配准处理,将配准处理后的待检测图像与标准图像进行对比并获取差异值。
2.根据权利要求1所述的基于特征点的图像配准方法,其特征在于,所述步骤S1中在确定特征点后,针对标准图像和确定待检测图像分别执行以下步骤以获取各个特征点在相机坐标系下的坐标值:
S11、以图像所在平面为XOY平面,以像素为坐标系单位,确定各个特征点的X坐标和Y坐标;
S12、如果图像为标准图像,则设定一个正数作为标准图像中的各个特征点的Z坐标;
S13、如果图像为待检测图像,则基于任意两个特征点在待检测图像的XOY平面上的距离、该两个特征点在标准图像的XOY平面上的距离、以及步骤S12中设定的标准图像中的各个特征点的Z坐标,计算待检测图像中的各个特征点的Z坐标。
3.根据权利要求2所述的基于特征点的图像配准方法,其特征在于,所述步骤S13中基于以下计算公式计算待检测图像中的各个特征点的Z坐标:
其中,Z1代表待检测图像中的各个特征点的Z坐标,L1代表任意两个特征点在待检测图像的XOY平面上的距离,L代表该两个特征点在标准图像的XOY平面上的距离,Z代表步骤S12中设定的标准图像中的各个特征点的Z坐标。
4.根据权利要求1所述的基于特征点的图像配准方法,其特征在于,所述步骤S2中标准图像三维坐标系和待检测图像三维坐标系的建立包括:以图像中的所有的特征点的重心作为原点O;以原点与某一个特征点所确定的直线为X轴;以垂直于特征点所在平面的直线为Z轴;根据右手法则,以垂直于XOZ平面的直线为Y轴。
5.根据权利要求1所述的基于特征点的图像配准方法,其特征在于,所述步骤S1中在确定特征点后,针对标准图像和确定待检测图像分别获取各个特征点在相机坐标系下的坐标值;
若所述相机坐标系为Tw,所述标准图像三维坐标系为Ts,所述待检测图像三维坐标为Td,则所述步骤S3中基于以下公式计算所述三维变换矩阵:
其中,Ttrans代表所述三维变换矩阵,T1代表Ts相对于Tw的变换矩阵;T2代表Td相对于Tw的变换矩阵。
6.根据权利要求5所述的基于特征点的图像配准方法,其特征在于,T1、T2分别基于以下步骤确定:
S31、基于步骤S2中标准图像三维坐标系/待检测图像三维坐标系建立时的原点的确定方式,确定Ts/Td相对于Tw的偏移向量
S32、基于法线向量与平面上的任意向量垂直的原理,求解得到Ts/Td在Tw下Z轴的法线向量
S33、基于步骤S2中的标准图像三维坐标系/待检测图像三维坐标系建立时的X轴的选定方式确定Ts/Td在Tw下X轴的法向量
S34、基于和计算得到Ts/Td在Tw下Y轴的法线向量
S35、基于三个法向量计算得到旋转矩阵R;
S36、基于R和得到T1/T2为:
7.根据权利要求6所述的基于特征点的图像配准方法,其特征在于,所述步骤S35包括:将三个法向量分别归一化得到则
8.一种基于特征点的图像配准系统,用于基于采集到的标准图像对采集到的待检测图像进行配准,其特征在于,包括:
特征点确定模块:通过模板匹配的方式在待检测图和标准图上确定非共线的多个匹配的特征点;
坐标系确定模块:基于所述特征点分别建立标准图像三维坐标系和待检测图像三维坐标系;
三维变换矩阵确定模块:计算所述待检测图像三维坐标系相对于所述标准图像三维坐标系的三维变换矩阵;
配准模块:使用所述三维变换矩阵对待检测图像进行配准处理,将配准处理后的待检测图像与标准图像进行对比并获取差异值。
9.根据权利要求8所述的基于特征点的图像配准系统,其特征在于,
所述特征点确定模块在确定特征点后,针对标准图像和确定待检测图像分别获取各个特征点在相机坐标系下的坐标值;
若所述相机坐标系为Tw,所述标准图像三维坐标系为Ts,所述待检测图像三维坐标为Td,则所述步骤S3中基于以下公式计算所述三维变换矩阵:
其中,Ttrans代表所述三维变换矩阵,T1代表Ts相对于Tw的变换矩阵;T2代表Td相对于Tw的变换矩阵。
10.根据权利要求9所述的基于特征点的图像配准系统,其特征在于,
所述的获取各个特征点在相机坐标系下的坐标值包括:以图像所在平面为XOY平面,以像素为坐标系单位,确定各个特征点的X坐标和Y坐标;如果图像为标准图像,则设定一个正数作为标准图像中的各个特征点的Z坐标;如果图像为待检测图像,则基于任意两个特征点在待检测图像的XOY平面上的距离、该两个特征点在标准图像的XOY平面上的距离、以及步骤S12中设定的标准图像中的各个特征点的Z坐标,计算待检测图像中的各个特征点的Z坐标;
T1、T2的确定包括:基于坐标系确定模块中标准图像三维坐标系/待检测图像三维坐标系建立时的原点的确定方式,确定Ts/Td相对于Tw的偏移向量基于法线向量与平面上的任意向量垂直的原理,求解得到Ts/Td在Tw下Z轴的法线向量基于坐标系确定模块中的标准图像三维坐标系/待检测图像三维坐标系建立时的X轴的选定方式确定Ts/Td在Tw下X轴的法向量基于和计算得到Ts/Td在Tw下Y轴的法线向量 基于三个法向量计算得到旋转矩阵R;基于R和得到T1/T2为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510451433.3A CN105118021B (zh) | 2015-07-28 | 2015-07-28 | 基于特征点的图像配准方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510451433.3A CN105118021B (zh) | 2015-07-28 | 2015-07-28 | 基于特征点的图像配准方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105118021A true CN105118021A (zh) | 2015-12-02 |
CN105118021B CN105118021B (zh) | 2019-04-19 |
Family
ID=54665996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510451433.3A Expired - Fee Related CN105118021B (zh) | 2015-07-28 | 2015-07-28 | 基于特征点的图像配准方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105118021B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469085A (zh) * | 2015-12-23 | 2016-04-06 | 广州视源电子科技股份有限公司 | 板卡图像获取方法和系统 |
CN105643265A (zh) * | 2016-01-12 | 2016-06-08 | 济南大学 | 一种用于大型工件装配面配合的检测方法 |
CN105773309A (zh) * | 2016-03-10 | 2016-07-20 | 天津大学 | 一种超视场刀具在线检测方法 |
CN105913375A (zh) * | 2016-04-13 | 2016-08-31 | 漯河医学高等专科学校 | 一种用于解剖图像进行配准的方法和设备 |
CN105957056A (zh) * | 2016-04-20 | 2016-09-21 | 青岛大学 | 人体局部影像自动标准化方法 |
CN106097338A (zh) * | 2016-06-08 | 2016-11-09 | 孙凯 | 心脏头颈部血管联合成像方法 |
CN106529482A (zh) * | 2016-11-14 | 2017-03-22 | 叶瀚礼 | 一种采用集合距离的交通路标识别方法 |
CN106570866A (zh) * | 2016-11-22 | 2017-04-19 | 青岛大学 | 人体医学影像器官几何比对的检测方法 |
CN106780715A (zh) * | 2016-11-08 | 2017-05-31 | 四川大学华西医院 | 一种骨盆ct三维坐标体系的建立方法 |
CN106845492A (zh) * | 2016-10-17 | 2017-06-13 | 纳恩博(北京)科技有限公司 | 一种提取特征描述符的方法及电子设备 |
CN109725506A (zh) * | 2017-10-31 | 2019-05-07 | 上海微电子装备(集团)股份有限公司 | 一种基底预对准方法和装置以及一种光刻机 |
CN110956630A (zh) * | 2019-12-18 | 2020-04-03 | 浙江大学 | 平面印刷缺陷检测方法、装置以及系统 |
CN111145230A (zh) * | 2019-12-26 | 2020-05-12 | 北京新唐思创教育科技有限公司 | 一种图像配准质量检测方法、装置、设备及存储介质 |
CN111736205A (zh) * | 2020-06-30 | 2020-10-02 | 中国人民解放军火箭军特色医学中心 | 一种α放射源光学成像检测系统及其检测方法 |
CN113063353A (zh) * | 2021-03-31 | 2021-07-02 | 深圳中科飞测科技股份有限公司 | 坐标系建立方法、检测装置、检测设备及存储介质 |
CN114167811A (zh) * | 2021-10-29 | 2022-03-11 | 北京航星机器制造有限公司 | 一种ug后置处理线性优化方法 |
CN114299026A (zh) * | 2021-12-29 | 2022-04-08 | 广东利元亨智能装备股份有限公司 | 检测方法、装置、电子设备及可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040170315A1 (en) * | 2002-12-27 | 2004-09-02 | Olympus Corporation | Calibration apparatus, calibration method, program for calibration, and calibration jig |
CN103337065A (zh) * | 2013-05-22 | 2013-10-02 | 西安电子科技大学 | 小鼠三维ct图像的非刚性配准方法 |
-
2015
- 2015-07-28 CN CN201510451433.3A patent/CN105118021B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040170315A1 (en) * | 2002-12-27 | 2004-09-02 | Olympus Corporation | Calibration apparatus, calibration method, program for calibration, and calibration jig |
CN103337065A (zh) * | 2013-05-22 | 2013-10-02 | 西安电子科技大学 | 小鼠三维ct图像的非刚性配准方法 |
Non-Patent Citations (2)
Title |
---|
吴国栋等: "测绘相机坐标系与立方镜转换矩阵的标定", 《光学精密工程》 * |
吴禄慎等: "基于特征点的改进ICP三维点云配准技术", 《南昌大学学报.工科版》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469085A (zh) * | 2015-12-23 | 2016-04-06 | 广州视源电子科技股份有限公司 | 板卡图像获取方法和系统 |
CN105469085B (zh) * | 2015-12-23 | 2019-03-26 | 广州视源电子科技股份有限公司 | 板卡图像获取方法和系统 |
CN105643265A (zh) * | 2016-01-12 | 2016-06-08 | 济南大学 | 一种用于大型工件装配面配合的检测方法 |
CN105773309B (zh) * | 2016-03-10 | 2017-11-03 | 天津大学 | 一种超视场刀具在线检测方法 |
CN105773309A (zh) * | 2016-03-10 | 2016-07-20 | 天津大学 | 一种超视场刀具在线检测方法 |
CN105913375A (zh) * | 2016-04-13 | 2016-08-31 | 漯河医学高等专科学校 | 一种用于解剖图像进行配准的方法和设备 |
CN105957056A (zh) * | 2016-04-20 | 2016-09-21 | 青岛大学 | 人体局部影像自动标准化方法 |
CN106097338A (zh) * | 2016-06-08 | 2016-11-09 | 孙凯 | 心脏头颈部血管联合成像方法 |
CN106845492A (zh) * | 2016-10-17 | 2017-06-13 | 纳恩博(北京)科技有限公司 | 一种提取特征描述符的方法及电子设备 |
CN106780715A (zh) * | 2016-11-08 | 2017-05-31 | 四川大学华西医院 | 一种骨盆ct三维坐标体系的建立方法 |
CN106529482A (zh) * | 2016-11-14 | 2017-03-22 | 叶瀚礼 | 一种采用集合距离的交通路标识别方法 |
CN106570866A (zh) * | 2016-11-22 | 2017-04-19 | 青岛大学 | 人体医学影像器官几何比对的检测方法 |
CN109725506B (zh) * | 2017-10-31 | 2020-11-13 | 上海微电子装备(集团)股份有限公司 | 一种基底预对准方法和装置以及一种光刻机 |
CN109725506A (zh) * | 2017-10-31 | 2019-05-07 | 上海微电子装备(集团)股份有限公司 | 一种基底预对准方法和装置以及一种光刻机 |
CN110956630A (zh) * | 2019-12-18 | 2020-04-03 | 浙江大学 | 平面印刷缺陷检测方法、装置以及系统 |
CN111145230A (zh) * | 2019-12-26 | 2020-05-12 | 北京新唐思创教育科技有限公司 | 一种图像配准质量检测方法、装置、设备及存储介质 |
CN111736205A (zh) * | 2020-06-30 | 2020-10-02 | 中国人民解放军火箭军特色医学中心 | 一种α放射源光学成像检测系统及其检测方法 |
CN113063353A (zh) * | 2021-03-31 | 2021-07-02 | 深圳中科飞测科技股份有限公司 | 坐标系建立方法、检测装置、检测设备及存储介质 |
CN114167811A (zh) * | 2021-10-29 | 2022-03-11 | 北京航星机器制造有限公司 | 一种ug后置处理线性优化方法 |
CN114167811B (zh) * | 2021-10-29 | 2023-09-08 | 北京航星机器制造有限公司 | 一种ug后置处理线性优化方法 |
CN114299026A (zh) * | 2021-12-29 | 2022-04-08 | 广东利元亨智能装备股份有限公司 | 检测方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105118021B (zh) | 2019-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105118021A (zh) | 基于特征点的图像配准方法及系统 | |
CN104596502B (zh) | 一种基于cad模型与单目视觉的物体位姿测量方法 | |
EP3100234B1 (en) | Data-processing system and method for calibration of a vehicle surround view system | |
JP3735344B2 (ja) | キャリブレーション装置、キャリブレーション方法、及びキャリブレーション用プログラム | |
EP1596330B1 (en) | Estimating position and orientation of markers in digital images | |
CN109272574B (zh) | 基于投影变换的线阵旋转扫描相机成像模型构建方法和标定方法 | |
CN111735439B (zh) | 地图构建方法、装置和计算机可读存储介质 | |
Tamas et al. | Targetless calibration of a lidar-perspective camera pair | |
CN112686877B (zh) | 基于双目相机的三维房屋损伤模型构建测量方法及系统 | |
KR20120084635A (ko) | 깊이 정보를 이용한 카메라 모션 추정 방법 및 장치, 증강 현실 시스템 | |
CN102798456B (zh) | 一种工程机械臂架系统工作幅度的测量方法、装置及系统 | |
CN109544628A (zh) | 一种指针式仪表的准确读数识别系统及方法 | |
CN110827361B (zh) | 基于全局标定架的相机组标定方法及装置 | |
CN103679693A (zh) | 一种多相机单视图标定装置及其标定方法 | |
CN103795935B (zh) | 一种基于图像校正的摄像式多目标定位方法及装置 | |
CN105118086A (zh) | 3d-aoi设备中的3d点云数据配准方法及系统 | |
CN111681186A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
US8941732B2 (en) | Three-dimensional measuring method | |
CN114730212A (zh) | 用于关联多人ar系统中的设备坐标系的方法和系统 | |
CN102012213B (zh) | 单副图像测量前景高度的新方法 | |
CN114730482A (zh) | 关联多人增强现实系统中的设备坐标系 | |
JP2008309595A (ja) | オブジェクト認識装置及びそれに用いられるプログラム | |
CN115830135A (zh) | 一种图像处理方法、装置及电子设备 | |
KR102023087B1 (ko) | 카메라 캘리브레이션 방법 | |
CN110363801A (zh) | 工件实物与工件三维cad模型的对应点匹配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190419 Termination date: 20200728 |