CN107220999A

CN107220999A - 工件圆弧边缘特征点匹配方法的研究

Info

Publication number: CN107220999A
Application number: CN201710462540.5A
Authority: CN
Inventors: 化春键; 熊雪梅
Original assignee: Jiangnan University
Current assignee: Jiangnan University
Priority date: 2017-06-19
Filing date: 2017-06-19
Publication date: 2017-09-29

Abstract

在双目视觉工件空间圆弧边缘检测的过程中，边缘特征点的匹配是至关重要的一环。针对工件圆弧边缘特征点的匹配，本文提出了一种基于极线约束及圆弧拟合的边缘特征点匹配方法。本文通过极线约束使得两幅图像对应的极线平行从而满足扫描线特性。在此基础上，首先通过RANSAC算法剔除异常点并进而椭圆拟合；其次，利用拟合的椭圆找到正确椭圆中心并筛选出正确的边缘特征点；最后，以确定的椭圆中心为匹配参考点，进而对圆弧边缘特征点进行逐行匹配。通过实验验证该方法的可靠性及准确性。

Description

工件圆弧边缘特征点匹配方法的研究

技术领域

本发明涉及的是一种图像处理技术领域的方法，具体是一种一种基于极线约束及圆弧拟合的边缘特征点匹配方法。

背景技术

在工件圆弧半径测量过程中，轴承、定位孔以及因设计需要而倾斜的空间圆等，为保证加工精度需对工件进行实时实地测量。三坐标测量仪用于测量曲线曲面时价格昂贵，耗时较长且周围环境对测量结果影响较大。若采用单目视觉测量，当拍摄角度存在偏移时会对结果产生较大影响。因此，从价格、测量准确性以及测量周期考虑，双目视觉较为合适。

双目视觉测量主要包括双目标定、预处理、特征点提取与匹配、计算三维坐标等步骤。在测量圆弧工件时，圆弧边缘特征点的提取和匹配是双目视觉中的重要研究内容。然而，圆弧边缘匹配的过程中存在着许多困难，例如，由于几何不变性的缺失，对边缘很难进行一些相关的空间约束；预处理后的左右两图中连接的边缘可能并不一致。类似这些因素直接导致了对边缘匹配的研究并没有很大程度上的突破。为了降低边缘匹配的难度众多学者利用极线约束、惟一性约束、顺序约束等来限制匹配过程中的搜索范围。有学者通过两摄像机光轴平行时获取图像，进而利用视差方向梯度实现快速边缘匹配，该算法的使用条件受限；亦有学者利用匹配的角点引导边缘匹配，该方法误匹配率较高。若通过计算图像中极线与直线交点的亚像素匹配方法来匹配圆弧边缘像素点，该算法过程繁琐，同时准确率不高。

发明内容

本发明针对现有技术存在的上述不足，提出了一种在极线约束的基础上，首先，利用RANSAC算法对椭圆进行拟合找到正确椭圆中心及边缘特征点。然后，筛选出正确的边缘特征点，利用极线校正后的左右两图像同一特征点在两幅图像中列坐标不变，同时以确定的椭圆中心为匹配参考点，进而对圆弧边缘特征点进行逐行匹配。本发明的流程图如图1所示。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

第一步，对预处理后的图像进行极线校正处理，处理后得到图像A，B。

第二步，以A图像为例说明，将图像中的像素点坐标记录在Data中。

第三步，设定RANSAC算法的最大循环次数m和残差阈值θ。

第四步，在Data中随机选取6个不同的点(5个数据点得到一个椭圆较为困难)，用基于代数距离最小二乘法拟合一个椭圆，测量所有样本点到该椭圆的距离，把距离小于残差阈值θ的点称为内点，否则称为外点，内点数最多时的模型即为最佳椭圆模型。统计内点的总数，记作S。

第五步，重复第四步，直至达到最大循环次数m。该过程可以得到多个S值，找出其中最大的S值，记作S_max。

第六步，主要是将S_max对应的内点存储在Date_m中，然后再利用椭圆的一般方程Ax²+Bxy+Cy²+Dx+Ey+F＝0和得到内点进行系数拟合，得到椭圆方程以及椭圆中心点的坐标。

第七步，将左右两图中的中心点坐标分别储存在O₁和O₂中，并对中心点进行匹配。

第八步，筛选出左右两图中的正确特征点待匹配，并将数据点分别存入Date1和Date2中。

第九步，利用外极线约束和顺序一致性约束，对左右两图逐行扫描，由数据点分布结果可知，第n行中分别存在两个或两个以下特征点，依次将左图图像中第n行的特征点分别记为L_n1和L_n2，将右图图像中第n行的特征点分别记为R_n1和R_n2。

第十步，在第n行中，逐个计算数据点与中心点连线的斜率值，左图中斜率值为右图中斜率值为如S1与S2正负相同，则两点匹配，否则不匹配。

附图说明

图1发明内容流程图；

图2极线校正后的圆弧工件；

图3匹配结果图。

具体实施方式

下面对本发明的实施例作详细说明。本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和过程，但本发明的保护范围不限于下述的实施例。

本实施例选取如图2所示的圆弧工件的边缘点匹配。

第三步，设定RANSAC算法的最大循环次数m和残差阈值θ。

按照本发明方法在MATLAB平台对圆弧边缘特征点进行提取和匹配。通过基于RANSAC变换后的最小二乘法进行椭圆拟合排除噪声点，得到的相对正确的特征点，其中左图提取点数为1021，右图提取点数为1011。进而对圆弧中心点进行匹配。最终边缘匹配结果图如图3所示，图中匹配对数为852对，通过分析排出误匹配后，最终正确匹配对为805对。

与现有技术相比，本发明的有益效果是：提出了基于极线约束及圆弧拟合的边缘特征点的匹配方法。通过极线约束降低维数减少计算量；同时利用RANSAC算法对椭圆进行拟合排出错误点，提高准确率。在不降低速度的情况下，对于工业中工件圆弧边缘点的匹配体现了良好的适用价值。

Claims

1.在双目视觉测量圆弧工件的过程中，空间圆的形状在单个相机的拍摄下，投影到一个平面会形成椭圆。圆弧边缘上存在一些缺口或者缺陷等，因此对椭圆的正确拟合，排除边缘错误点，对后续的点的正确匹配以及空间圆半径的求解产生重要影响。因此，提出一种利用RANSAC算法剔除异常点的方法。具体的流程总结如下：

第一步，将图像中的像素点坐标记录在Data中。

第二步，设定RANSAC算法的最大循环次数m和残差阈值θ。

第三步，在Data中随机选取6个不同的点(5个数据点得到一个椭圆较为困难)，用基于代数距离最小二乘法拟合一个椭圆，测量所有样本点到该椭圆的距离，把距离小于残差阈值θ的点称为内点，否则称为外点，内点数最多时的模型即为最佳椭圆模型。统计内点的总数，记作S。

第四步，重复第三步，直至达到最大循环次数m。该过程可以得到多个S值，找出其中最大的S值，记作S_max。

第五步，主要是将S_max对应的内点存储在Date_m中，然后再利用椭圆的一般方程Ax²+Bxy+Cy²+Dx+Ey+F＝0和得到内点进行系数拟合，得到椭圆方程以及椭圆中心点的坐标。

2.根据权利要求1所述的利用RANSAC算法剔除异常点的同时，能得到椭圆中心点坐标。在完成匹配左右两幅图像中圆弧的中心点之后，以圆弧的中心点为基准点，利用顺序一致性展开对圆弧边缘的匹配。算法具体流程如下：

第一步，将左右两图中的中心点坐标分别储存在O₁和O₂中。

第二步，筛选出左右两图中的正确特征点待匹配，并将数据点分别存入Date1和Date2中。

第三步，利用外极线约束和顺序一致性约束，对左右两图逐行扫描，由数据点分布结果可知，第n行中分别存在两个或两个以下特征点，依次将左图图像中第n行的特征点分别记为L_n1和L_n2，将右图图像中第n行的特征点分别记为R_n1和R_n2。

第四步，在第n行中，逐个计算数据点与中心点连线的斜率值，左图中斜率值为右图中斜率值为如S1与S2正负相同，则两点匹配，否则不匹配。

根据极线约束，左右两图在同一水平线上的两点，纵坐标相同。同时，左右两图中根据从左往右，从上到下的顺序扫描过程中，如左右两图中两点的纵坐标相同，横坐标出现的顺序及斜率大致相同即为匹配点。在第四步中M为一正常数。