CN106846412A - 一种棋盘格角点检测方法及装置 - Google Patents
一种棋盘格角点检测方法及装置 Download PDFInfo
- Publication number
- CN106846412A CN106846412A CN201710049637.3A CN201710049637A CN106846412A CN 106846412 A CN106846412 A CN 106846412A CN 201710049637 A CN201710049637 A CN 201710049637A CN 106846412 A CN106846412 A CN 106846412A
- Authority
- CN
- China
- Prior art keywords
- angle point
- growth
- candidate angular
- comers
- angle
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种棋盘格角点检测方法及装置,其中方法包括:获取标定场景的灰度图像,根据所述灰度图像确定候选角点;根据角点生长算法对所述候选角点进行角点生长,根据角点生长结果对所述候选角点进行筛选,确定棋盘格角点;根据所述棋盘格角点确定棋盘格角点的亚像素位置。本发明实施例解决了具有对称性的背景角点无法剔除的问题,可在复杂标定背景下进行精准的角点检测,提高了角点检测的鲁棒性。
Description
技术领域
本发明实施例涉及图像处理技术,尤其涉及一种棋盘格角点检测方法及装置。
背景技术
机器视觉在自动装配、三维建模、自动导航以及机器人领域发挥了越来越大的作用。摄像机通过获取空间内的视觉信息,对场景进行定量建模时,需要摄像机的物理参数和几何参数,一般通过摄像机标定的方式确定摄像机的物理参数和几何参数。
目前,对摄像机的标定常采用棋盘格标定方式,该标定方式具有特征点精度易控制、简单易提取等优点。其中棋盘格角点的提取质量直接决定了摄像机的标定质量,目前常用的角点提取算法一般是基于角点的梯度特性筛选角点,但是目前的角点提取算法对摄像机所处的标定视场有严苛的要求,只能在背景单一的视场中进行,标定环境的适用性不强,标定环境的搭建成本高。
发明内容
本发明实施例提供一种棋盘格角点检测方法及装置,以实现适用于任何视场背景的棋盘格角点检测。
第一方面,本发明实施例提供了一种棋盘格角点检测方法,该方法包括:
获取标定场景的灰度图像,根据所述灰度图像确定候选角点;
根据角点生长算法对所述候选角点进行角点生长,根据角点生长结果对所述候选角点进行筛选,确定棋盘格角点;
根据所述棋盘格角点确定棋盘格角点的亚像素位置。
进一步的,在根据所述灰度图像确定候选角点之后,所述方法还包括:
根据预设模板尺寸确定候选角点邻域;
计算所述候选角点邻域与预设模板的相关性;
当所述相关性满足预设条件时,保留所述候选角点,否则,丢弃所述候选角点。
进一步的,根据角点生长算法对所述候选角点进行角点生长,包括:
确定所述候选角点的亚像素边缘方向;
根据所述亚像素边缘方向与棋盘格尺寸对所述角点进行角点生长,确定所述候选角点生长的初始框架;
通过预测误差算法对所述初始框架进行角点生长。
进一步的,通过预测误差算法对所述初始框架进行角点生长,包括:
确定已知角点中具有公共边缘的所述已知角点之间的连线距离;
根据所述连线距离在所述公共边缘方向上确定待生长角点;
根据预测误差算法确定误差最小的待生长角点为新的生长角点。
进一步的,在通过预测误差算法对所述初始框架进行角点生长之后,所述方法还包括:
在根据所述已知角点完成一次角点生长之后,根据所述已知角点对新的生长角点进行判定;
若位于同一行或者同一列的所述已知角点对应的新的生长角点数量与所述于同一行或者同一列的所述已知角点数量相同,则确定角点生长成功,并将所述新的生长角点作为已知角点进行下一次的角点生长;否则,则确定角点生长失败,丢弃所述同一行或者同一列的所述已知角点对应的新的生长角点,并停止所述同一行或者同一列的所述已知角点的角点生长。
进一步的,根据角点生长结果对所述候选角点进行筛选,确定棋盘格角点,包括:
逐一检测所述候选角点的生长结果中所述棋盘格角点的排布是否与棋盘格角点阵列一致;
若是,则确定所述候选角点为棋盘格角点,若否,则丢弃所述候选角点。
第二方面,本发明实施例还提供了一种棋盘格角点检测装置,该装置包括:
候选角点确定模块,用于获取标定场景的灰度图像,根据所述灰度图像确定候选角点;
棋盘格角点确定模块,用于根据角点生长算法对所述候选角点进行角点生长,根据角点生长结果对所述候选角点进行筛选,确定棋盘格角点;
亚像素位置确定模块,用于根据所述棋盘格角点确定棋盘格角点的亚像素位置。
进一步的,所述装置还包括:
角点邻域确定模块,用于在根据所述灰度图像确定候选角点之后,根据预设模板尺寸确定候选角点邻域;
相关性计算模块,用于计算所述候选角点邻域与预设模板的相关性;
候选角点处理模块,用于当所述相关性满足预设条件时,保留所述候选角点,否则,丢弃所述候选角点。
进一步的,所述棋盘格角点确定模块包括:
亚像素边缘方向确定单元,用于确定所述候选角点的亚像素边缘方向;
初始框架确定单元,用于根据所述亚像素边缘方向与棋盘格尺寸对所述角点进行角点生长,确定所述候选角点生长的初始框架;
角点生长单元,用于通过预测误差算法对所述初始框架进行角点生长。
进一步的,所述角点生长单元包括:
连线距离确定子单元,用于确定已知角点中具有公共边缘的所述已知角点之间的连线距离;
待生长角点确定子单元,用于根据所述连线距离在所述公共边缘方向上确定待生长角点;
角点生长子单元,用于根据预测误差算法确定误差最小的待生长角点为新的生长角点。
进一步的,所述角点生长单元还包括:
角点判定子单元,用于在通过预测误差算法对所述初始框架进行角点生长之后,在根据所述已知角点完成一次角点生长之后,根据所述已知角点对新的生长角点进行判定;
角点处理子单元,用于若位于同一行或者同一列的所述已知角点对应的新的生长角点数量与所述于同一行或者同一列的所述已知角点数量相同,则确定角点生长成功,并将所述新的生长角点作为已知角点进行下一次的角点生长;否则,则确定角点生长失败,丢弃所述同一行或者同一列的所述已知角点对应的新的生长角点,并停止所述同一行或者同一列的所述已知角点的角点生长。
进一步的,所述棋盘格角点确定模块包括:
生长结果检测单元,用于逐一检测所述候选角点的生长结果中所述棋盘格角点的排布是否与棋盘格角点阵列一致;若是,则确定所述候选角点为棋盘格角点,若否,则丢弃所述候选角点。
本发明实施例通过标定场景的灰度图像获取候选角点,根据角点生长算法对候选角点进行生长,并根据角点生长结果确定棋盘格角点,替代了现有技术中通过角点对称性确定棋盘格角点的方法,解决了具有对称性的背景角点无法剔除的问题,可在复杂标定背景下进行精准的角点检测,提高了角点检测的鲁棒性,并根据棋盘格角点确定了棋盘格角点的亚像素位置,将角点检测的精度由像素级提高至亚像素级,提高了角点的检测精度,提高了摄像机的标定精度。
附图说明
图1A是本发明实施例一提供的棋盘格角点检测方法的流程图;
图1B是本发明实施例一提供的水平掩膜板示意图;
图1C是本发明实施例一提供的竖直掩膜板示意图;
图1D是本发明实施例一提供的预设模块板示意图;
图2A是本发明实施例二提供的棋盘格角点检测方法的流程图;
图2B是本发明实施例二提供的角点生长初始框架的示意图;
图3A是本发明实施例三提供的棋盘格角点检测方法的流程图;
图3B是实施例三提供的角点初始框架的角点生长示意图;
图4是本发明实施例四提供的棋盘格角点检测方法的流程图;
图5是本发明实施例五提供的棋盘格角点检测装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1A为本发明实施例一提供的棋盘格角点检测方法的流程图,本实施例可适用于任何视场背景的棋盘格角点检测情况,该方法可以由本发明实施例提供的棋盘格角点检测装置来执行,该装置可采用软件和/或硬件的方式实现,该方法具体包括:
S110、获取标定场景的灰度图像,根据灰度图像确定候选角点。
其中,标定场景指的是棋盘格所在的背景,示例性的,标定场景可以是放置有棋盘格的桌子、放置有棋盘格的书本或者放置有棋盘格的包含其他背景物体的场景。对标定场景进行图像拍摄,若获取的图像是彩色图像,则需将彩色图像装换至灰度图像。
灰度图像的像素点具有从黑到白的256个灰度等级,其中,角点指的是灰度等级变化剧烈的像素点,示例性的,角点可以是两条线的交叉点,也可以是位于相邻的两个主要方向不同的事物上的点。
本实施例中,根据灰度图像确定候选角点主要是根据像素邻域的灰度值变化,将与相邻像素点灰度值对比足够大的点定义为角点,一般可通过Harri s算法、Susan算法或者Moravec算法等实现角点检测。本实施例中通过Harri s算法为例介绍候选角点的检测方法。
对标定场景的灰度图像中分别计算每个像素点的梯度,梯度的方向为水平、竖直和45°方向。示例性的,水平梯度可以是根据水平掩膜板进行两次卷积运算得到的二阶偏导数,记为A1;竖直梯度可以是根据竖直掩膜板进行两次卷积运算得到的二阶偏导数,记为B1;45°方向梯度可以是先后根据水平掩膜板和竖直掩膜板进行卷积运算得到的二阶偏导数,记为C1,参见图1B和图1C,图1B是本发明实施例一提供的水平掩膜板示意图,图1C是本发明实施例一提供的竖直掩膜板示意图。可得到各像素点邻域偏移变化量对应的系数矩阵:
计算得到矩阵E的两个特征值an与bn,其中,n为像素点的序号,n为大于等于1的正整数。当an与bn同时满足预设条件时,将an与bn对应的像素点确定为候选角点,其中,候选角度的预设条件根据历史候选角点的检测结果确定,示例性的,an与bn的预设条件可以是:
需要说明的是,通过上述算法获取的角点不仅包含棋盘格中的角点,也包括标定背景中的角点,其中,标定背景中的角点对摄像头的标定无益,是待剔除的伪角点。
S120、根据角点生长算法对候选角点进行角点生长,根据角点生长结果对候选角点进行筛选,确定棋盘格角点。
其中,棋盘格角点具有良好的阵列特性:在水平和竖直方向上具有一定数目的角点,相邻两个棋盘格角点的距离是相同的。标定背景中的角点不具有上述良好的阵列特性,本实施例中,对所有的候选角点进行预设规则的角点生长,并根据角点的生长结果对候选角点进行筛选,剔除伪角点并确定棋盘格角点,示例性的,若候选角点根据预设规则进行角点生长的生长结果满足棋盘格阵列特性和/或与用于标定的棋盘格的角点一致,则确定该候选角点是棋盘格角点;若候选角点根据预设规则无法进行角点生长,或者生长结果不满足棋盘格阵列特性,则确定该角点是伪角点,并进行剔除。
本实施例中,通过角点生长方法不仅能够精确检测出棋盘格角点,同时能够确定棋盘格角点的精确阵列排布,便于在摄像机标定中根据棋盘格角点的阵列排布精确地确定物象坐标,提高摄像机标定的准确度。
S130、根据棋盘格角点确定棋盘格角点的亚像素位置。
其中,面阵摄像机的成像面以物理像素点为最小单位,在两个物理像素点之间有5.2微米的距离,在宏观上将两个物理像素点视为连在一起,在微观上,两个物理像素点连线上均匀排布有多个微小点,将其称作亚像素。在真实图像中,像素灰度值的变化是一个渐变的过程,角点可能出现在两个像素点之间且不是单位像素点的位置,若以相近像素点表示该角点则会产生误差,降低摄像机标定的精度。本实施例中,通过确定棋盘格角点的亚像素位置,将角点检测的精度由像素级提高至亚像素级,可提高角点的检测精度,同时提高摄像机的标定精度。
本实施例中,基于角点边缘和梯度垂直特性确定亚像素位置,示例性的,通过下述公式可确定亚像素位置坐标:
其中,p是当前棋盘格角点坐标,N是当前棋盘格角点p所在的特定邻域,g是特定邻域N内的梯度矩阵,c是当前棋盘格角点p的亚像素位置坐标。
本实施例的技术方案,通过标定场景的灰度图像获取候选角点,根据角点生长算法对候选角点进行生长,并根据角点生长结果确定棋盘格角点,替代了现有技术中通过角点对称性确定棋盘格角点的方法,解决了具有对称性的背景角点无法剔除的问题,实现了在复杂标定背景下进行精准的棋盘格角点检测,提高了棋盘格角点检测的鲁棒性,并根据棋盘格角点确定了棋盘格角点的亚像素位置,将棋盘格角点检测的精度由像素级提高至亚像素级,提高了棋盘格角点的检测精度,提高了摄像机的标定精度。
在上述技术方案的基础上,步骤S110之后还可以包括:
根据预设模板尺寸确定候选角点邻域;
计算候选角点邻域与预设模板的相关性;
当相关性满足预设条件时,保留候选角点,否则,丢弃候选角点。
本实施例中,通过步骤S110中角点检测方法确定的候选角点中包含大量伪角点,为了减少通过角点生长算法判定棋盘格角点的计算量,可在进行角点生长之前通过预设模板进行初步伪角点剔除。
本实施例中,通过二维信号的相关性,筛选与预设模板相关性强的候选角点,剔除相关性较弱的候选角点。示例性的,参见图1D,图1D是本发明实施例一提供的预设模块板示意图,其中,分别将预设模板101、102、103和104标记为预设模板A、B、C和D。根据预设模板的尺寸分别确定候选角点邻域,记为I,通过下述方式计算候选角点邻域与预设模板的相关性:
其中,i为预设模板像素点的行数,j为预设模板像素点的列数,M是预设模板像素点的总行数,N是预设模板像素点的总列数,i、j、M与N均是大于等于1的正整数。Iij为候选角点邻域像素点灰度值,Aij、Bij、Cij与Dij分别表示对应预设模板的像素点灰度值。需要说明的是候选角点邻域的像素分辨率与预设模板像素分辨率相同。
候选角点邻域与预设模板的相关性强度根据下述公式确定:
r=max(min(rA,rB),min(rC,rD))
分别计算候选角点邻域与预设模板的相关性强度,当上述相关性强度满足预设条件时,保留候选角点,否则,丢弃候选角点。其中,相关性强度预设条件根据历史角点检测结果确定,示例性的,设置相关性强度阈值,当候选角点邻域与预设模板的相关性强度大于相关性强度阈值时,保留候选角点,否则,丢弃候选角点。示例性的,相关性强度阈值可以是Tr=0.5·mean(r1,r2,…,rm),其中,m是候选角点的数量,mean是将所有候选角点的相关性强度进行数值排序并取中间值的运算。
候选角点邻域与预设模板的相关性强度确定原理为:候选角点邻域可以是同时满足与预设模板101与102的像素灰度分布相关性满足预设条件,或者同时满足与预设模板103与104的像素灰度分布相关性满足预设条件。
本实施例中,通过上述预设模板不仅能够确定候选角点的对称性,同时可确定候选角点邻域的像素灰度分布,可更加准确的判断候选角点是否为伪角点,可将大量伪角点剔除,为后续角点生长计算减少运算量。
实施例二
图2A是本发明实施例二提供的棋盘格角点检测方法的流程图,在上述实施例的基础上,进一步的提供了根据角点生长算法对候选角点进行角点生长方法,相应的,该方法具体包括:
S210、获取标定场景的灰度图像,根据灰度图像确定候选角点。
S220、确定候选角点的亚像素边缘方向。
其中,边缘指的是仅在一个方向上像素灰度值变化剧烈的像素点的集合,示例性的,在棋盘格中可以是仅在水平或者竖直方向上像素灰度值变化剧烈的像素点的集合,边缘方向指的是与边缘灰度梯度垂直的方向。其中,亚像素边缘方向指的是亚像素级的边缘方向,通过确定亚像素边远方向提高了边缘方向的精确度。
本实施例中,基于角点梯度方向与边缘方向的垂直特性,可以精确定位角点的亚像素边缘方向,示例性的,可通过下述公式确定:
其中,K是候选角点的特定邻域,e是候选角点的归一化边缘方向向量,g是候选角点的特定邻域的像素灰度梯度矩阵,q是候选角点的特定邻域K内的像素点,示例性的,候选角点的特定邻域K可以是K={q∈K|norm([cosαsinα]·g)<T},其中,norm是向量模长运算,T是模长阈值,该模长阈值根据历史边缘方向确定结果确定,α是像素点q的边缘方向,其中,α可以是通过Sobel算子初步确定的候选角点的边缘方向。
根据上述方法可解算下述求导后的方程:
其中,gi是候选角点的特定邻域的像素灰度梯度矩阵的第i个元素,亚像素边缘方向为上述方程的系数矩阵最小特征值对应的特征向量。
本实施例通过对初步确定的候选角点的边缘方向进行优化,将候选角点的边缘方向精确至亚像素级,提高了候选角点的边缘方向精度。
S230、根据亚像素边缘方向与棋盘格尺寸对角点进行角点生长,确定候选角点生长的初始框架。
其中,角点生长指的是根据当前候选角点与预设规则选择符合条件的候选角点,候选角点生长的初始框架是满足预设规则的且与当前候选角点距离最近的角点形成的框架,初始框架确定的预设规则是根据亚像素边缘方向与棋盘格尺寸。
参见图2B,图2B是本发明实施例二提供的角点生长初始框架的示意图,示例性的,若当前候选角点为角点E,确定的亚像素边缘方向为箭头指向方向,根据亚像素边缘方向与棋盘格尺寸可唯一确定生长角点F1、F5、F5和F7,并根据生长角点F1、F5、F5和F7进一步确定生长角点F2、F4、F6和F8,上述生长角点组成候选角点E生长的初始框架。
S240、通过预测误差算法对初始框架进行角点生长。
其中,预测误差算法指的是在角点生长过程中,将新生长的角点根据已知角点进行预测误差计算,判断新生长的角点的准确度,可提高棋盘格角点检测的准确度。
S250、根据角点生长结果对候选角点进行筛选,确定棋盘格角点。
S260、根据棋盘格角点确定棋盘格角点的亚像素位置。
本实施例的技术方案,通过确定角点的亚像素边缘方向,根据亚像素边缘方向与棋盘格尺寸确定角点生长的初始框架,即通过将边缘方向的精度提高至亚像素级,提高了角点生长的初始框架的准确度,进一步提高了棋盘格角点检测的准确度。
实施例三
图3是本发明实施例三提供的棋盘格角点检测方法的流程图,在上述实施例的基础上,进一步的提供了通过预测误差算法对初始框架进行角点生长的方法,相应的,该方法具体包括:
S310、获取标定场景的灰度图像,根据灰度图像确定候选角点。
S320、确定候选角点的亚像素边缘方向。
S330、根据亚像素边缘方向与棋盘格尺寸对角点进行角点生长,确定候选角点生长的初始框架。
S340、确定已知角点中具有公共边缘的已知角点之间的连线距离。
其中,若某一边缘上具有两个已知角点,将该边缘确定为上述已知角点的公共边缘,根据该边缘可确定上述两个已知角点的公共边缘方向,并在公共边缘方向上确定上述两个已知角点之间的连线距离,具体的,两个已知角点之间的连线距离指的是两个已知角点之间的直线距离,与该边缘长度不一定相同。需要说明的是,由于角点位置的微小偏差,两个已知角点之间的连线距离之间也具有微小偏差。
S350、根据连线距离在公共边缘方向上确定待生长角点。
其中,待生长角点指的是即将成为生长角点的候选角点,示例性的,根据确定的公共边缘方向与连线距离可确定一个像素点,该像素点是位于公共边缘方向上与一个已知角点的距离为连线距离的像素点,该像素点周围可能存在一个或多个候选角点,将该候选角点确定为待生长角点。
S360、根据预测误差算法确定误差最小的待生长角点为新的生长角点。
当根据连线距离在公共边缘方向上确定待生长角点后,对待生长角点进行预测误差计算,确定唯一待生长角点作为新的生长角点,示例性的,可通过下述公式计算各待生长角点的预测误差:
其中,cx、cz与cy分别是已知角点x、z与各待生长角点y的像素坐标,|cx-cy|是求解向量模长运输。
对各待生长角点的预测误差进行比对,选择预测误差最小的待生长角点为新的生长角点,提高了新的生长角点的准确度,提高了棋盘格角点检测的准确度。
S370、根据角点生长结果对候选角点进行筛选,确定棋盘格角点。
S380、根据棋盘格角点确定棋盘格角点的亚像素位置。
本实施例的技术方案,通过预测误差算法根据已知角点将预测误差最小的待生长角点为新的生长角点,即使得每一个新的生长角点的预测误差最小,提高了新的生长角点的准确度,提高了棋盘格角点检测的准确度。
在上述实施例的基础上,在步骤S360之后还可以包括:
在根据已知角点完成一次角点生长之后,根据已知角点对新的生长角点进行判定;
若位于同一行或者同一列的已知角点对应的新的生长角点数量与于同一行或者同一列的已知角点数量相同,则确定角点生长成功,并将新的生长角点作为已知角点进行下一次的角点生长;否则,则确定角点生长失败,丢弃同一行或者同一列的已知角点对应的新的生长角点,并停止同一行或者同一列的已知角点的角点生长。
本实施例中,为了保证角点生长的准确度,根据棋盘格角点的阵列特性,对生长的角点进行判定,判定依据为在同一行或者同一列的已知角点必须同时满足对应一个新的生长角点,若是,则确定生长成功,否则,确定生长失败。
示例性的,参见图3B,图3B是实施例三提供的角点初始框架的角点生长示意图,其中,角点G1、G2和G3是初始框架中的已知角点通过上述预测误差算法确定的新的生长角点,可知角点G1、G2和G3分别是同一列的已知角点F2、F3和F4对应的新的生长角点,则确定角点G1、G2和G3生长成功,并将角点G1、G2和G3确定为已知角点,进行下一次的角点生长。
本实施例中,通过根据棋盘格角点的阵列特性,对同一行或者同一列的新的生长角点进行判断,避免了某种特殊伪角点可单独进行角点生长的情况,提高了角点生长的精度。
实施例四
图4是本发明实施例四提供的棋盘格角点检测方法的流程图,在上述实施例的基础上,进一步的提供了根据角点生长结果对候选角点进行筛选,确定棋盘格角点的方法,相应的,该方法具体可以包括:
S410、获取标定场景的灰度图像,根据灰度图像确定候选角点。
S420、根据角点生长算法对候选角点进行角点生长。
S430、逐一检测候选角点的生长结果中棋盘格角点的排布是否与棋盘格角点阵列一致,若是,则确定候选角点为棋盘格角点,若否,则丢弃候选角点。
本实施例中,对各候选角点的生长结果进行判定,若候选角点的生长结果若与标定场景的灰度图像中的棋盘格角点阵列一致,则确定该候选角点可生长为完整的棋盘格角点,确定该候选角点为棋盘格角点;若候选角点无法生长或者其生长结果与标定场景的灰度图像中的棋盘格角点阵列不一致,则确实该候选角点无法生长为完整的棋盘格角点,确定该候选角点为伪角点,丢弃该候选角点。
优选的,可通过像素比例进一步检测棋盘格角点的准确性。
通过最小框架将确定的棋盘格角点包围,计算所述框架内的像素点与标定场景的灰度图像像素点的比值,若所述比值大于或等于预设阈值时,确定棋盘格角点正确,若所述比值小于预设阈值时,确定棋盘格角点不正确,需重新检测,示例性的,预设阈值可以是40%。
S440、根据棋盘格角点确定棋盘格角点的亚像素位置。
本实施例的技术方案,通过标定场景的灰度图像获取候选角点,根据角点生长算法对候选角点进行生长,并根据角点生长结果确定棋盘格角点,替代了现有技术中通过角点对称性确定棋盘格角点的方法,避免了具有对称性的背景角点无法剔除的问题,可在复杂标定背景下进行精准的角点检测,提高了角点检测的鲁棒性。
实施例五
图5是本发明实施例五提供的棋盘格角点检测装置的结构示意图,该装置适用于执行本发明实施例提供的棋盘格角点检测方法,该装置具体可以包括:
候选角点确定模块510,用于获取标定场景的灰度图像,根据灰度图像确定候选角点;
棋盘格角点确定模块520,用于根据角点生长算法对候选角点进行角点生长,根据角点生长结果对候选角点进行筛选,确定棋盘格角点;
亚像素位置确定模块530,用于根据棋盘格角点确定棋盘格角点的亚像素位置。
优选的,装置还包括:
角点邻域确定模块540,用于在根据灰度图像确定候选角点之后,根据预设模板尺寸确定候选角点邻域;
相关性计算模块550,用于计算候选角点邻域与预设模板的相关性;
候选角点处理模块560,用于当相关性满足预设条件时,保留候选角点,否则,丢弃候选角点。
优选的,棋盘格角点确定模块520包括:
亚像素边缘方向确定单元521,用于确定候选角点的亚像素边缘方向;
初始框架确定单元522,用于根据亚像素边缘方向与棋盘格尺寸对角点进行角点生长,确定候选角点生长的初始框架;
角点生长单元523,用于通过预测误差算法对初始框架进行角点生长。
优选的,角点生长单元523包括:
连线距离确定子单元,用于确定已知角点中具有公共边缘的已知角点之间的连线距离;
待生长角点确定子单元,用于根据连线距离在公共边缘方向上确定待生长角点;
角点生长子单元,用于根据预测误差算法确定误差最小的待生长角点为新的生长角点。
优选的,角点生长单元523还包括:
角点判定子单元,用于在通过预测误差算法对初始框架进行角点生长之后,在根据已知角点完成一次角点生长之后,根据已知角点对新的生长角点进行判定;
角点处理子单元,用于若位于同一行或者同一列的已知角点对应的新的生长角点数量与于同一行或者同一列的已知角点数量相同,则确定角点生长成功,并将新的生长角点作为已知角点进行下一次的角点生长;否则,则确定角点生长失败,丢弃同一行或者同一列的已知角点对应的新的生长角点,并停止同一行或者同一列的已知角点的角点生长。
优选的,棋盘格角点确定模块520包括:
生长结果检测单元524,用于逐一检测候选角点的生长结果中棋盘格角点的排布是否与棋盘格角点阵列一致;若是,则确定候选角点为棋盘格角点,若否,则丢弃候选角点。
本发明实施例提供的棋盘格检测装置可执行本发明任意实施例所提供的棋盘格检测方法,具备执行方法相应的功能模块和有益效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种棋盘格角点检测方法,其特征在于,包括:
获取标定场景的灰度图像,根据所述灰度图像确定候选角点;
根据角点生长算法对所述候选角点进行角点生长,根据角点生长结果对所述候选角点进行筛选,确定棋盘格角点;
根据所述棋盘格角点确定棋盘格角点的亚像素位置。
2.根据权利要求1所述的方法,其特征在于,在根据所述灰度图像确定候选角点之后,所述方法还包括:
根据预设模板尺寸确定候选角点邻域;
计算所述候选角点邻域与预设模板的相关性;
当所述相关性满足预设条件时,保留所述候选角点,否则,丢弃所述候选角点。
3.根据权利要求1所述的方法,其特征在于,根据角点生长算法对所述候选角点进行角点生长,包括:
确定所述候选角点的亚像素边缘方向;
根据所述亚像素边缘方向与棋盘格尺寸对所述角点进行角点生长,确定所述候选角点生长的初始框架;
通过预测误差算法对所述初始框架进行角点生长。
4.根据权利要求3所述的方法,其特征在于,通过预测误差算法对所述初始框架进行角点生长,包括:
确定已知角点中具有公共边缘的所述已知角点之间的连线距离;
根据所述连线距离在所述公共边缘方向上确定待生长角点;
根据预测误差算法确定误差最小的待生长角点为新的生长角点。
5.根据权利要求4所述的方法,其特征在于,在通过预测误差算法对所述初始框架进行角点生长之后,所述方法还包括:
在根据所述已知角点完成一次角点生长之后,根据所述已知角点对新的生长角点进行判定;
若位于同一行或者同一列的所述已知角点对应的新的生长角点数量与所述于同一行或者同一列的所述已知角点数量相同,则确定角点生长成功,并将所述新的生长角点作为已知角点进行下一次的角点生长;否则,则确定角点生长失败,丢弃所述同一行或者同一列的所述已知角点对应的新的生长角点,并停止所述同一行或者同一列的所述已知角点的角点生长。
6.根据权利要求1所述的方法,其特征在于,根据角点生长结果对所述候选角点进行筛选,确定棋盘格角点,包括:
逐一检测所述候选角点的生长结果中所述棋盘格角点的排布是否与棋盘格角点阵列一致;
若是,则确定所述候选角点为棋盘格角点,若否,则丢弃所述候选角点。
7.一种棋盘格角点检测装置,其特征在于,包括:
候选角点确定模块,用于获取标定场景的灰度图像,根据所述灰度图像确定候选角点;
棋盘格角点确定模块,用于根据角点生长算法对所述候选角点进行角点生长,根据角点生长结果对所述候选角点进行筛选,确定棋盘格角点;
亚像素位置确定模块,用于根据所述棋盘格角点确定棋盘格角点的亚像素位置。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
角点邻域确定模块,用于在根据所述灰度图像确定候选角点之后,根据预设模板尺寸确定候选角点邻域;
相关性计算模块,用于计算所述候选角点邻域与预设模板的相关性;
候选角点处理模块,用于当所述相关性满足预设条件时,保留所述候选角点,否则,丢弃所述候选角点。
9.根据权利要求7所述的装置,其特征在于,所述棋盘格角点确定模块包括:
亚像素边缘方向确定单元,用于确定所述候选角点的亚像素边缘方向;
初始框架确定单元,用于根据所述亚像素边缘方向与棋盘格尺寸对所述角点进行角点生长,确定所述候选角点生长的初始框架;
角点生长单元,用于通过预测误差算法对所述初始框架进行角点生长。
10.根据权利要求9所述的装置,其特征在于,所述角点生长单元包括:
连线距离确定子单元,用于确定已知角点中具有公共边缘的所述已知角点之间的连线距离;
待生长角点确定子单元,用于根据所述连线距离在所述公共边缘方向上确定待生长角点;
角点生长子单元,用于根据预测误差算法确定误差最小的待生长角点为新的生长角点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710049637.3A CN106846412B (zh) | 2017-01-23 | 2017-01-23 | 一种棋盘格角点检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710049637.3A CN106846412B (zh) | 2017-01-23 | 2017-01-23 | 一种棋盘格角点检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106846412A true CN106846412A (zh) | 2017-06-13 |
CN106846412B CN106846412B (zh) | 2020-03-13 |
Family
ID=59120261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710049637.3A Active CN106846412B (zh) | 2017-01-23 | 2017-01-23 | 一种棋盘格角点检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106846412B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107767422A (zh) * | 2017-09-18 | 2018-03-06 | 深圳开阳电子股份有限公司 | 一种鱼眼镜头的校正方法、装置及便携式终端 |
CN108257185A (zh) * | 2018-01-03 | 2018-07-06 | 上海兴芯微电子科技有限公司 | 多棋盘格角点检测方法及摄像机标定方法 |
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 |
CN108895959A (zh) * | 2018-04-27 | 2018-11-27 | 电子科技大学 | 一种基于亚像素的相机标定板角点计算方法 |
CN108986721A (zh) * | 2018-06-14 | 2018-12-11 | 武汉精测电子集团股份有限公司 | 一种用于显示面板检测的检测图形生成方法 |
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 |
CN110223356A (zh) * | 2019-06-10 | 2019-09-10 | 于兴虎 | 一种基于能量生长的单目相机全自动标定方法 |
CN112446895A (zh) * | 2019-08-28 | 2021-03-05 | 深圳市光鉴科技有限公司 | 棋盘格角点自动提取方法、系统、设备及介质 |
CN117557619A (zh) * | 2023-10-20 | 2024-02-13 | 广州明毅智能科技有限公司 | 晶片图像尺寸的确定方法、装置、计算机设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040240748A1 (en) * | 2003-03-28 | 2004-12-02 | Seiko Epson Corporation | Image processing system, projector, program, information storage medium and image processing method |
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 |
CN103959307A (zh) * | 2011-08-31 | 2014-07-30 | Metaio有限公司 | 从灰度图像中检测和描述特征的方法 |
CN104036516A (zh) * | 2014-06-30 | 2014-09-10 | 山东科技大学 | 基于对称性分析的摄像机标定棋盘图像角点检测方法 |
CN104463896A (zh) * | 2014-12-26 | 2015-03-25 | 武汉大学 | 基于核相似区分布特性的图像角点检测方法及系统 |
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 |
CN105374037A (zh) * | 2015-11-04 | 2016-03-02 | 西安邮电大学 | 一种边角检测的棋盘格角点自动筛选方法 |
CN105513037A (zh) * | 2014-09-30 | 2016-04-20 | 展讯通信(上海)有限公司 | 角点检测方法及装置 |
CN105809657A (zh) * | 2014-12-30 | 2016-07-27 | Tcl集团股份有限公司 | 一种角点检测方法和装置 |
CN106097319A (zh) * | 2016-06-04 | 2016-11-09 | 湖北省基础地理信息中心(湖北省北斗卫星导航应用技术研究院) | 一种用于相机检校的黑白棋盘格角点提取方法 |
-
2017
- 2017-01-23 CN CN201710049637.3A patent/CN106846412B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040240748A1 (en) * | 2003-03-28 | 2004-12-02 | Seiko Epson Corporation | Image processing system, projector, program, information storage medium and image processing method |
CN103959307A (zh) * | 2011-08-31 | 2014-07-30 | Metaio有限公司 | 从灰度图像中检测和描述特征的方法 |
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 |
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 |
CN104036516A (zh) * | 2014-06-30 | 2014-09-10 | 山东科技大学 | 基于对称性分析的摄像机标定棋盘图像角点检测方法 |
CN105513037A (zh) * | 2014-09-30 | 2016-04-20 | 展讯通信(上海)有限公司 | 角点检测方法及装置 |
CN104463896A (zh) * | 2014-12-26 | 2015-03-25 | 武汉大学 | 基于核相似区分布特性的图像角点检测方法及系统 |
CN105809657A (zh) * | 2014-12-30 | 2016-07-27 | Tcl集团股份有限公司 | 一种角点检测方法和装置 |
CN105374037A (zh) * | 2015-11-04 | 2016-03-02 | 西安邮电大学 | 一种边角检测的棋盘格角点自动筛选方法 |
CN106097319A (zh) * | 2016-06-04 | 2016-11-09 | 湖北省基础地理信息中心(湖北省北斗卫星导航应用技术研究院) | 一种用于相机检校的黑白棋盘格角点提取方法 |
Non-Patent Citations (3)
Title |
---|
ANDREAS GEIGER ET AL: "Automatic Camera and Range Sensor Calibration using a single Shot", 《2012 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION》 * |
何娟: "摄像机标定中角点快速提取算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
顾国庆: "基于亚像素的特征提取关键技术研究与应用", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107767422B (zh) * | 2017-09-18 | 2022-04-05 | 深圳开阳电子股份有限公司 | 一种鱼眼镜头的校正方法、装置及便携式终端 |
CN107767422A (zh) * | 2017-09-18 | 2018-03-06 | 深圳开阳电子股份有限公司 | 一种鱼眼镜头的校正方法、装置及便携式终端 |
CN108257185A (zh) * | 2018-01-03 | 2018-07-06 | 上海兴芯微电子科技有限公司 | 多棋盘格角点检测方法及摄像机标定方法 |
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 |
CN108895959B (zh) * | 2018-04-27 | 2020-03-27 | 电子科技大学 | 一种基于亚像素的相机标定板角点计算方法 |
CN108895959A (zh) * | 2018-04-27 | 2018-11-27 | 电子科技大学 | 一种基于亚像素的相机标定板角点计算方法 |
CN108986721B (zh) * | 2018-06-14 | 2021-06-04 | 武汉精测电子集团股份有限公司 | 一种用于显示面板检测的检测图形生成方法 |
CN108986721A (zh) * | 2018-06-14 | 2018-12-11 | 武汉精测电子集团股份有限公司 | 一种用于显示面板检测的检测图形生成方法 |
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 |
CN110223356A (zh) * | 2019-06-10 | 2019-09-10 | 于兴虎 | 一种基于能量生长的单目相机全自动标定方法 |
CN112446895A (zh) * | 2019-08-28 | 2021-03-05 | 深圳市光鉴科技有限公司 | 棋盘格角点自动提取方法、系统、设备及介质 |
CN117557619A (zh) * | 2023-10-20 | 2024-02-13 | 广州明毅智能科技有限公司 | 晶片图像尺寸的确定方法、装置、计算机设备及存储介质 |
CN117557619B (zh) * | 2023-10-20 | 2024-06-04 | 广州明毅智能科技有限公司 | 晶片图像尺寸的确定方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106846412B (zh) | 2020-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106846412A (zh) | 一种棋盘格角点检测方法及装置 | |
CN109035276B (zh) | 一种图像边缘提取方法、装置及自动驾驶系统 | |
CN103942796B (zh) | 一种高精度的投影仪‑摄像机标定系统及标定方法 | |
US6768509B1 (en) | Method and apparatus for determining points of interest on an image of a camera calibration object | |
CN106340044B (zh) | 摄像机外参自动标定方法及标定装置 | |
CN107766855A (zh) | 基于机器视觉的棋子定位方法、系统、存储介质及机器人 | |
CN104463899B (zh) | 一种目标对象检测、监控方法及其装置 | |
US20090169057A1 (en) | Method for producing image with depth by using 2d images | |
JP2004340840A (ja) | 距離測定装置、距離測定方法、及び距離測定プログラム | |
CN109211198B (zh) | 一种基于三目视觉的智能目标检测和测量系统和方法 | |
CN108257185A (zh) | 多棋盘格角点检测方法及摄像机标定方法 | |
CN111640157A (zh) | 一种基于神经网络的棋盘格角点检测方法及其应用 | |
CN108305233B (zh) | 一种针对微透镜阵列误差的光场图像校正方法 | |
CN109523583B (zh) | 一种基于反馈机制的电力设备红外与可见光图像配准方法 | |
US20190082173A1 (en) | Apparatus and method for generating a camera model for an imaging system | |
CN110533686A (zh) | 线阵相机行频与物体运动速度是否匹配的判断方法及系统 | |
CN107749986A (zh) | 教学视频生成方法、装置、存储介质和计算机设备 | |
CN106952262B (zh) | 一种基于立体视觉的船板加工精度分析方法 | |
CN108895959A (zh) | 一种基于亚像素的相机标定板角点计算方法 | |
CN114067197A (zh) | 一种基于目标检测及双目视觉的管道缺陷识别与定位方法 | |
CN111915485A (zh) | 一种特征点稀疏工件图像的快速拼接方法及系统 | |
CN104751458A (zh) | 一种基于180°旋转算子的标定角点检测方法 | |
CN112734862A (zh) | 深度图像的处理方法、装置、计算机可读介质以及设备 | |
JP4296617B2 (ja) | 画像処理装置および画像処理方法、並びに記録媒体 | |
IL184993A (en) | Method for extracting edge in photogrammetry with subpixel accuracy |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |