CN108665500A - 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
- CN108665500A CN108665500A CN201710215927.0A CN201710215927A CN108665500A CN 108665500 A CN108665500 A CN 108665500A CN 201710215927 A CN201710215927 A CN 201710215927A CN 108665500 A CN108665500 A CN 108665500A
- Authority
- CN
- China
- Prior art keywords
- angle point
- gridiron pattern
- peak value
- candidate angular
- point peak
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/30204—Marker
- G06T2207/30208—Marker matrix
-
- 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 Analysis (AREA)
Abstract
一种棋盘格角点检测方法及装置,所述方法包括以下步骤:获取图像,并确定所述图像中的候选角点;在边界方向0~2π范围内,确定每个候选角点的角点峰值个数以及每个角点峰值的大小和方向;移除所述角点峰值个数小于4的候选角点;对于所述角点峰值个数大于等于4的每个候选角点,根据所述候选角点的不同角点峰值的大小的比较结果和方向关系,确定是否对所述候选角点进行保留。本发明方案可以减少检测过程中的计算量,有效地提高候选角点的检测效率。
Description
技术领域
本发明涉及图像技术领域,尤其是涉及一种棋盘格角点检测方法及装置。
背景技术
在移动摄像设备的应用中,摄像头标定为重要且必不可少的步骤。标定的步骤主要是基于方形棋盘格或圆形棋盘格的图案进行角点(triples)检测,然后根据角点的位置求内参数、外参数、镜头畸变参数等。
在现有的棋盘格角点检测方法中,首先基于Harris等角点检测算法确定候选角点,然后在边界方向0~π范围内,确定每个候选角点的角点峰值个数,以及每个角点峰值的大小和方向。然后,对于峰值个数大于等于2,并且每个角点峰值的方向的夹角均大于0.3/π×180的候选角点,求取角点分值,进而当所述角点分值大于等于0.01的时候,保留该候选角点。
由于在现有技术中,需要耗费大量计算资源确定每个候选角点的角点分值,导致角点检测效率较低,并且该角点分值仅在角点检测阶段使用,并不用于后续的棋盘格生成阶段,利用率较低。
进一步地,现有技术中为了减少计算量,仅在边界方向0~π范围内分析角点峰值,导致对每个候选角点的确定不够全面,容易导致基于角点峰值的分析结果不够准确。
发明内容
本发明解决的技术问题是提供一种棋盘格角点检测方法及装置,可以减少检测过程中的计算量,有效地提高候选角点的检测效率。
为解决上述技术问题,本发明实施例提供一种棋盘格角点检测方法,包括以下步骤:获取图像,并确定所述图像中的候选角点;在边界方向0~2π范围内,确定每个候选角点的角点峰值个数以及每个角点峰值的大小和方向;移除所述角点峰值个数小于4的候选角点;对于所述角点峰值个数大于等于4的每个候选角点,根据所述候选角点的不同角点峰值的大小的比较结果和方向关系,确定是否对所述候选角点进行保留。
可选的,根据所述候选角点的不同角点峰值的大小的比较结果和方向关系,确定是否对所述候选角点进行保留包括:依照所述候选角点的角点峰值的大小排序;如果第一大角点峰值与第四大角点峰值的差值大于等于第一阈值,则将所述候选角点分类为明亮角点,否则分类为阴暗角点;对于明亮角点和阴暗角点,采用不同的判断条件确定是否对所述候选角点进行保留。
可选的,对于明亮角点的判断条件包括:如果所述候选角点的第一大角点峰值小于第二阈值,或者所述候选角点的第一大角点峰值至第四大角点峰值的和小于第三阈值,或者所述候选角点的第一大角点峰值和第二大角点峰值的差大于第五阈值,或者所述候选角点的第二大角点峰值与第一大角点峰值的商小于第六阈值,则删除所述候选角点。
可选的,对于明亮角点的判断条件包括:如果所述候选角点的第一大角点峰值小于第二阈值,或者所述候选角点的第一大角点峰值至第四大角点峰值的和小于第三阈值,或者所述候选角点的第一大角点峰值和第二大角点峰值的差大于第五阈值,或者所述候选角点的第二大角点峰值与第一大角点峰值的商小于第六阈值,或者所述候选角点的第二大角点峰值和第三大角点峰值的差值大于第四阈值,则删除所述候选角点。
可选的,对于阴暗角点的判断条件包括:如果所述候选角点的第五大角点峰值与第四大角点峰值的商大于第八阈值,则删除所述候选角点。
可选的,对于阴暗角点的判断条件包括:如果所述候选角点的第五大角点峰值与第四大角点峰值的商大于第八阈值,或者所述候选角点的峰值方向的最小临近夹角小于第七阈值,则删除所述候选角点。
可选的,所述棋盘格角点检测方法还包括:
基于保留的角点,生成初始棋盘格;
将所述初始棋盘格向四个方向延伸一行,每个方向上延伸后分别得到第一延伸棋盘格,分别计算四个第一延伸棋盘格的棋盘格能量,如果所述四个第一延伸棋盘格中,棋盘格能量最低的第一延伸棋盘格比所述初始棋盘格的棋盘格能量低,则保留棋盘格能量最小的第一延伸棋盘格,作为第一棋盘格,所述四个方向为垂直于所述初始棋盘格的四个边的方向;
在所述四个方向中选择两个方向,在选择的两个方向上的第一延伸棋盘格的棋盘格能量低于其余两个方向上的第一延伸棋盘格的棋盘格能量;
将所述第一棋盘格向所述选择的两个方向多次延伸,每次延伸一行,每个方向上延伸后分别得到第二延伸棋盘格,分别计算两个第二延伸棋盘格的棋盘格能量,如果所述两个第二延伸棋盘格中,棋盘格能量最低的第二延伸棋盘格比所述第一棋盘格的能量低,则保留棋盘格能量最小的第二延伸棋盘格作为下一次延伸的基础,直至延伸后得到的第二延伸棋盘格在所述两个方向上的棋盘格能量相等,或者延伸后得到的第二延伸棋盘格在所述两个方向中任一方向上的行数达到预设行数,以得到第一重复延伸棋盘格;
将所述第一重复延伸棋盘格向所述其余两个方向多次延伸,每次延伸一行,每个方向上延伸后分别得到第三延伸棋盘格,分别计算两个第三延伸棋盘格的棋盘格能量,如果所述两个第三延伸棋盘格中,棋盘格能量最低的第三延伸棋盘格比所述第一重复延伸棋盘格的能量低,则保留棋盘格能量最小的第三延伸棋盘格作为下一次延伸的基础,直至延伸后得到第三延伸棋盘格在所述其余两个方向上的棋盘格能量相等,或者延伸后得到第三延伸棋盘格在所述两个方向中任一方向上的行数达到预设行数,以得到第二重复延伸棋盘格。
为解决上述技术问题,本发明实施例提供一种棋盘格角点检测装置,包括:候选确定模块,适于获取图像,并确定所述图像中的候选角点;角点峰值确定模块,适于在边界方向0~2π范围内,确定每个候选角点的角点峰值个数以及每个角点峰值的大小和方向;移除模块,适于移除所述角点峰值个数小于4的候选角点;确定模块,适于对于所述角点峰值个数大于等于4的每个候选角点,根据所述候选角点的不同角点峰值的大小的比较结果和方向关系,确定是否对所述候选角点进行保留。
可选的,所述确定模块包括:排序子模块,适于依照所述候选角点的角点峰值的大小排序;分类子模块,适于当第一大角点峰值与第四大角点峰值的差值大于等于第一阈值时,将所述候选角点分类为明亮角点,否则分类为阴暗角点;确定子模块,适于对于明亮角点和阴暗角点,采用不同的判断条件确定是否对所述候选角点进行保留。
可选的,所述确定子模块对于明亮角点的判断条件包括:如果所述候选角点的第一大角点峰值小于第二阈值,或者所述候选角点的第一大角点峰值至第四大角点峰值的和小于第三阈值,或者所述候选角点的第一大角点峰值和第二大角点峰值的差大于第五阈值,或者所述候选角点的第二大角点峰值与第一大角点峰值的商小于第六阈值,则删除所述候选角点。
可选的,所述确定子模块对于明亮角点的判断条件包括:如果所述候选角点的第一大角点峰值小于第二阈值,或者所述候选角点的第一大角点峰值至第四大角点峰值的和小于第三阈值,或者所述候选角点的第一大角点峰值和第二大角点峰值的差大于第五阈值,或者所述候选角点的第二大角点峰值与第一大角点峰值的商小于第六阈值,或者所述候选角点的第二大角点峰值和第三大角点峰值的差值大于第四阈值,则删除所述候选角点。
可选的,所述确定子模块对于阴暗角点的判断条件包括:如果所述候选角点的第五大角点峰值与第四大角点峰值的商大于第八阈值,则删除所述候选角点。
可选的,所述确定子模块对于阴暗角点的判断条件包括:如果所述候选角点的第五大角点峰值与第四大角点峰值的商大于第八阈值,或者所述候选角点的峰值方向的最小临近夹角小于第七阈值,则删除所述候选角点。
可选的,所述棋盘格角点检测装置还包括:生成模块,适于基于保留的角点,生成初始棋盘格;第一延伸模块,适于将所述初始棋盘格向四个方向延伸一行,每个方向上延伸后分别得到第一延伸棋盘格,分别计算四个第一延伸棋盘格的棋盘格能量,如果所述四个第一延伸棋盘格中,棋盘格能量最低的第一延伸棋盘格比所述初始棋盘格的棋盘格能量低,则保留棋盘格能量最小的第一延伸棋盘格,作为第一棋盘格,所述四个方向为垂直与所述初始棋盘格的四个边的方向;方向选择模块,适于在所述四个方向中选择两个方向,在选择的两个方向上的第一延伸棋盘格的棋盘格能量低于其余两个方向上的第一延伸棋盘格的棋盘格能量;第二延伸模块,适于将所述第一棋盘格向所述选择的两个方向多次延伸,每次延伸一行,每个方向上延伸后分别得到第二延伸棋盘格,分别计算两个第二延伸棋盘格的棋盘格能量,如果所述两个第二延伸棋盘格中,棋盘格能量最低的第二延伸棋盘格比所述第一棋盘格的能量低,则保留棋盘格能量最小的第二延伸棋盘格,作为下一次延伸的基础,直至延伸后得到的第二延伸棋盘格在所述两个方向上的棋盘格能量相等,或者延伸后得到的第二延伸棋盘格在所述两个方向中任一方向上的行数达到预设行数,以得到第一重复延伸棋盘格;第三延伸模块,适于将所述第一重复延伸棋盘格向所述其余两个方向多次延伸,每次延伸一行,每个方向上延伸后分别得到第三延伸棋盘格,分别计算两个第三延伸棋盘格的棋盘格能量,如果所述两个第三延伸棋盘格中,棋盘格能量最低的第三延伸棋盘格比所述第一重复延伸棋盘格的能量低,则保留棋盘格能量最小的第三延伸棋盘格,作为下一次延伸的基础,直至延伸后得到的第三延伸棋盘格在所述其余两个方向上的棋盘格能量相等,或者延伸后得到的第三延伸棋盘格在所述两个方向中任一方向上的行数达到预设行数,以得到第二重复延伸棋盘格。
与现有技术相比,本发明实施例的技术方案具有以下有益效果:
在本发明实施例中,获取图像,并确定所述图像中的候选角点;在边界方向0~2π范围内,确定每个候选角点的角点峰值个数以及每个角点峰值的大小和方向;移除所述角点峰值个数小于4的候选角点;对于所述角点峰值个数大于等于4的每个候选角点,根据所述候选角点的不同角点峰值的大小的比较结果和方向关系,确定是否对所述候选角点进行保留。采用上述方案,在每个候选角点的更大边界范围(也即,0~2π)内确定角点峰值,相比于现有技术中仅在边界方向0~π范围内分析角点峰值,可以更加全面地确定每个候选角点的全部角点峰值,以在后续对角点峰值的分析中获得更准确地结果;进而通过对候选角点的不同角点峰值的大小进行比较,以及对候选角点的不同角点峰值的方向关系进行分析,以确定保留的候选角点,相比于现有技术中对候选角点求取角点分值,进而基于角点分值确定保留的候选角点,可以减少检测过程中的计算量,有效地提高候选角点的检测效率。
进一步,在本发明实施例中,根据候选角点的角点峰值的大小排序,将候选角点分类为明亮角点和阴暗角点,进而对于明亮角点和阴暗角点,采用不同的判断条件确定是否对所述候选角点进行保留。相比于现有技术中对于明亮角点和阴暗角点采用同样筛选条件,由于在其它背景相同的情况下明亮角点的峰值大于阴暗角点的峰值,容易在删除明亮处的无效角点时误删除阴暗处的有效角点,采用本发明实施例的方案,可以通过不同的筛选条件尝试避免误删,提高候选角点的检测的准确率及鲁棒性。
进一步,采用本发明实施例的方案,在棋盘格生长过程中,每延伸一行,仅将棋盘格向两个方向上延伸,进而对两个方向上延伸后的棋盘格能量进行计算,以在所述两个方向中选择一个方向延伸棋盘格,相比于现有技术每延伸一行,需要对四个方向上延伸后的棋盘格能量进行计算,以在四个方向中选择一个方向延伸棋盘格,可以显著减少计算量,有效地提高计算效率,进而加快棋盘格生长的速度。
附图说明
图1是本发明实施例中一种棋盘格角点检测方法的流程图;
图2是本发明实施例中一种候选角点的示意图;
图3是图1中步骤S14的一种具体实现的流程图;
图4是本发明实施例中另一种棋盘格角点检测方法的部分流程图;
图5是本发明实施例中一种棋盘格角点检测装置的结构示意图;
图6是图5中确定模块54的一种具体实现的结构示意图;
图7是本发明实施例中另一种棋盘格角点检测装置的部分结构示意图。
具体实施方式
在现有的棋盘格角点检测方法中,需要耗费大量计算资源确定每个候选角点的角点分值,进而基于所述角点分值确定是否保留该候选角点,导致现有的角点检测效率较低。
本发明的发明人经过研究发现,每个候选角点的角点分值并不是必须的参数,还可以通过对候选角点的不同角点峰值的大小进行比较,以及对候选角点的不同角点峰值的方向关系进行分析,确定保留的候选角点。
在本发明实施例中,获取图像,并确定所述图像中的候选角点;在边界方向0~2π范围内,确定每个候选角点的角点峰值个数以及每个角点峰值的大小和方向;移除所述角点峰值个数小于4的候选角点;对于所述角点峰值个数大于等于4的每个候选角点,根据所述候选角点的不同角点峰值的大小的比较结果和方向关系,确定是否对所述候选角点进行保留。采用上述方案,在每个候选角点的更大边界内确定角点峰值,相比于现有技术中仅在边界方向0~π范围内分析角点峰值,可以更加全面地确定每个候选角点的全部角点峰值,以在后续对角点峰值的分析中获得更准确地结果;进而通过对候选角点的不同角点峰值的大小进行比较,以及对候选角点的不同角点峰值的方向关系进行分析,以确定保留的候选角点,相比于现有技术中对候选角点求取角点分值,进而基于角点分值确定保留的候选角点,可以减少计算量,有效地提高候选角点的检测效率。
为使本发明的上述目的、特征和有益效果能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
参照图1,图1是本发明实施例中一种棋盘格角点检测方法的流程图。所述棋盘格角点检测方法可以包括步骤S11至步骤S14。
步骤S11:获取图像,并确定所述图像中的候选角点;
步骤S12:在边界方向0~2π范围内,确定每个候选角点的角点峰值个数以及每个角点峰值的大小和方向;
步骤S13:移除所述角点峰值个数小于4的候选角点;
步骤S14:对于所述角点峰值个数大于等于4的每个候选角点,根据所述候选角点的不同角点峰值的大小的比较结果和方向关系,确定是否对所述候选角点进行保留。
在步骤S11的具体实施中,可以采用现有的角点检测方法在获取到的图像中确定候选角点。具体地,可以采用Harris角点检测算法、Susan角点检测算法等。
在本发明实施例的一个具体实现中,基于单尺度图片和两个方向的角点模型(Corner Prototypes)进行角点检测,所述两个方向的角点模型分别是未旋转模型和45°旋转模型。
具体地,每一个角点模型可以有四个不同的滤波器,记为{A,B,C,D},将四个滤波器分别与所述单尺度图片做卷积,得到的响应标记为其中i用于表示角点模型是所述两个方向的角点模型中的哪一个,例如可以用不同的数字表示不同的角点模型;x用于表示滤波器是所述四个不同的滤波器中的哪一个,例如可以用不同的数字表示不同的滤波器。需要指出的是,在本发明实施例中虽然仅采用两个方向的角点模型,但是在其它具体应用中,还可以包括更多种模型,例如可以为不同尺度的模型。
进一步地,通过以下公式得到角点相似性映射c:
其中,μ为四个不同的滤波器得到的响应标记的平均值,c为角点相似性映射,可以通过非最大化拟制根据c求取候选角点。
需要指出的是,采用本发明实施例的方案,对于确定图像中的候选角点的具体实现方式不做限制。
图2是本发明实施例中一种候选角点的示意图。如图2所示,得到的候选角点中包括有效角点和无效角点,用于摄像头标定的棋盘格角点应为棋盘格中黑白格交界处的临界点,并且与四个黑白格相邻,例如图2示出的候选角点a为有效角点;而无效角点为除有效角点外其它位置的候选角点,例如位于黑白格的交界线上的候选角点b,位于黑格与棋盘边缘白色区域交界处的候选角点c,位于棋盘格的黑色边框上的候选角点d,以及超出棋盘格范围的候选角点e。
继续参照图1,在步骤S12的具体实施中,可以在每个候选角点的边界方向0~2π范围内,选取所述候选角点周边像素点,例如距离该候选角点10个像素以内的像素点,每个像素点具有梯度和方向。进而将边界方向0~2π分成32份,统计每个像素点的方向,并且对每份角度中所有像素点的梯度进行相加,从而得到每份角度中的权重值,即32维的直方图。对所述直方图中的32维数据进行高斯滤波以得到平滑的直方图。进而通过非最大化拟制求取所述平滑的直方图中的局部最大值,以得到所述候选角点的角点峰值。需要指出的是,采用本发明实施例的方案,对于具体确定每个候选角点的角点峰值的实现方式不做限制。
其中,对每个候选角点计算得到的角点峰值可以有多个,每个角点峰值具有大小和方向。
在步骤S13的具体实施中,如果一个候选角点的角点峰值的个数小于4个,则移除所述候选角点。
具体地,由于在有效角点四周的邻近区域中,棋盘格图案呈对称分布,因此在有效角点四周应当有四个方向的角点峰值比较大并且大小接近。如果一个候选角点的角点峰值的个数小于4个,则可以判断为无效角点,进而移除所述候选角点。
在步骤S14的具体实施中,在移除所述角点峰值个数小于4的候选角点之后,进一步确定是否对所述候选角点进行保留。
参照图3,根据所述候选角点的不同角点峰值的大小的比较结果和方向关系,确定是否对所述候选角点进行保留可以经由步骤S31至步骤S33实现,以下对各个步骤进行详细说明。
步骤S31:依照所述候选角点的角点峰值的大小排序。
步骤S32:如果第一大角点峰值与第四大角点峰值的差值大于等于第一阈值,则将所述候选角点分类为明亮角点,否则分类为阴暗角点。
在具体实施中,作为一个非限制性的例子,所述第一阈值可以选自0.6至0.9中的一个数值。
步骤S33:对于明亮角点和阴暗角点,采用不同的判断条件确定是否对所述候选角点进行保留。
在本发明实施例的一具体实现中,对于明亮角点的判断条件可以包括:如果所述候选角点的第一大角点峰值小于第二阈值,或者所述候选角点的第一大角点峰值至第四大角点峰值的和小于第三阈值,或者所述候选角点的第一大角点峰值和第二大角点峰值的差大于第五阈值,或者所述候选角点的第二大角点峰值与第一大角点峰值的商小于第六阈值,则删除所述候选角点。
其中,通过第一大角点峰值小于第二阈值,或者第一大角点峰值至第四大角点峰值的和小于第三阈值这两个条件,可以删除棋盘格中白格内部或者棋盘边缘白色区域中的候选角点,以及棋盘格范围之外的角点,例如图2示出的候选角点e。由于在有效角点四周的邻近区域中,棋盘格图案呈对称分布,因此在有效角点四周应当有四个方向的角点峰值比较大并且大小接近,当该候选角点的第一大角点峰值较小时,或者第一大角点峰值至第四大角点峰值的和较小时,可以判断为所述候选角点的每个角点峰值都较小,极有可能是无效角点,进而对所述候选角点进行删除。
需要指出的是,基于上述条件进行判断时,如果不对明亮角点和阴暗角点进行分类,则容易误删除有效阴暗角点。具体地,阴暗角点由于在各个方向上像素的权重都很小,在各个方向上计算得到的角点峰值也较低,当有效阴暗角点的第一大角点峰值小于第二阈值,或者第一大角点峰值至第四大角点峰值的和小于第三阈值时,存在误删除的可能性。
在具体应用中,作为一个非限制性的例子,所述第二阈值可以选自2.3至2.7中的一个数值,所述第三阈值可以选自9至11中的一个数值。
进一步地,通过所述候选角点的第一大角点峰值和第二大角点峰值的差大于第五阈值,或者所述候选角点的第二大角点峰值与第一大角点峰值的商小于第六阈值这两个条件,可以删除棋盘格中黑白格的交界线上的候选角点,以及黑格与棋盘边缘白色区域的交界线上的候选角点,例如图2示出的候选角点b。由于在有效角点四周的邻近区域中,棋盘格图案呈对称分布,因此在有效角点四周应当有四个方向的角点峰值比较大并且大小接近,当该候选角点的第一大角点峰值和第二大角点峰值的差值较大时,可以判断为所述候选角点极有可能是无效角点,进而对所述候选角点进行删除。
在具体应用中,作为一个非限制性的例子,所述第五阈值可以选自10至12中的一个数值,所述第六阈值可以选自0.5至0.7中的一个数值。
在本发明实施例的另一具体实现中,对于明亮角点的判断条件可以包括:如果所述候选角点的第一大角点峰值小于第二阈值,或者所述候选角点的第一大角点峰值至第四大角点峰值的和小于第三阈值,或者所述候选角点的第一大角点峰值和第二大角点峰值的差大于第五阈值,或者所述候选角点的第二大角点峰值与第一大角点峰值的商小于第六阈值,或者所述候选角点的第二大角点峰值和第三大角点峰值的差值大于第四阈值,则删除所述候选角点。
其中,通过所述候选角点的第二大角点峰值和第三大角点峰值的差值大于第四阈值这一条件,可以删除黑格与棋盘边缘白色区域交界处的候选角点,例如图2示出的候选角点c。由于在有效角点四周的邻近区域中,棋盘格图案呈对称分布,因此在有效角点四周应当有四个方向的角点峰值比较大并且大小接近,当该候选角点的第二大角点峰值和第三大角点峰值的差值较大时,可以判断为所述候选角点仅有两个方向上角点峰值较大,其余方向上角点峰值均较小,极有可能是无效角点,进而对所述候选角点进行删除。
在具体应用中,作为一个非限制性的例子,所述第四阈值可以选自7至9中的一个数值。
有关其它明亮角点的判断条件的详细分析,请参照本发明实施例的前一具体实现中的相关描述,此处不再赘述。
在本发明实施例的再一具体实现中,对于阴暗角点的判断条件可以包括:如果所述候选角点的第五大角点峰值与第四大角点峰值的商大于第八阈值,则删除所述候选角点。
具体地,当所述候选角点的角点峰值个数大于等于5时,通过所述候选角点的第五大角点峰值与第四大角点峰值的商大于第八阈值这一条件,可以在棋盘格范围之外的阴暗处,删除角点所处位置的颜色与背景色相近的候选角点。
进一步地,由于在有效角点四周的邻近区域中,棋盘格图案呈对称分布,因此在有效角点四周应当有四个方向的角点峰值比较大并且大小接近,而如果第五大角点峰值与第四大角点峰值比较接近,可以认为该候选角点存在多于四个角点峰值较大的情况,所述候选角点极有可能是无效角点,进而对所述候选角点进行删除。
在具体应用中,作为一个非限制性的例子,所述第八阈值可以选自0.6至0.8中的一个数值。
在本发明实施例的又一具体实现中,对于阴暗角点的判断条件可以包括:如果所述候选角点的第五大角点峰值与第四大角点峰值的商大于第八阈值,或者所述候选角点的峰值方向的最小临近夹角小于第七阈值,则删除所述候选角点。
其中,通过所述候选角点的峰值方向的最小临近夹角小于第七阈值这一条件,可以删除纯白色或者纯黑色区域检测到的候选角点。由于在有效角点四周的邻近区域中,棋盘格图案呈对称分布,因此在有效角点周围,前四个峰值的方向之间的临近夹角应当比较接近,例如都接近90°,而如果存在最小夹角非常小的情况,可以认为所述候选角点极有可能是无效角点,进而对所述候选角点进行删除。
在具体应用中,作为一个非限制性的例子,所述第七阈值选自10°至50°。
有关其它阴暗角点的判断条件的详细分析,请参照本发明实施例的前一具体实现中的相关描述,此处不再赘述。
需要指出的是,由于在实际应用中,棋盘格所处环境的复杂性,通过上述对于明亮角点或阴暗角点的判断条件,可以删除的候选角点不限于上述列出的区域。
采用本发明实施例的方案,在每个候选角点的更大边界内确定角点峰值,相比于现有技术中仅在边界方向0~π范围内分析角点峰值,可以更加全面地确定每个候选角点的全部角点峰值,以在后续对角点峰值的分析中获得更准确地结果;进而通过对候选角点的不同角点峰值的大小进行比较,以及对候选角点的不同角点峰值的方向关系进行分析,以确定保留的候选角点,相比于现有技术中对候选角点求取角点分值,进而基于角点分值确定保留的候选角点,可以减少计算量,有效地提高候选角点的检测效率。
进一步地,根据候选角点的角点峰值的大小排序,将候选角点分类为明亮角点和阴暗角点,进而对于明亮角点和阴暗角点,采用不同的判断条件确定是否对所述候选角点进行保留。相比于现有技术中对于明亮角点和阴暗角点采用同样筛选条件,由于在其它背景相同的情况下明亮角点的峰值大于阴暗角点的峰值,容易在删除明亮处的无效角点时误删除阴暗处的有效角点,采用本发明实施例的方案,可以通过不同的筛选条件尝试避免误删,提高候选角点的检测的准确率及鲁棒性。
在图1至图3示出的棋盘格角点检测方法中获得的角点是图像的角点,而在后续的摄像头标定的过程中需要确定每个棋盘格的所有角点,因此要通过所述图像的角点生成棋盘格。
在现有的生成棋盘格的方法中,通常采用生成初始棋盘格,将初始棋盘格向四个方向延伸一行,每个方向上延伸后分别得到延伸棋盘格,分别计算四个延伸棋盘格的棋盘格能量,如果所述四个延伸棋盘格中,棋盘格能量最低的延伸棋盘格比所述初始棋盘格的棋盘格能量低,则保留棋盘格能量最小的延伸棋盘格,作为后续延伸的基础。进而重复上述延伸步骤直至延伸后得到棋盘格在四个方向上的棋盘格能量相等,或者延伸后得到的棋盘格达到预设尺寸。
其中,对于棋盘格能量的计算可以通过Geiger方法求取,例如通过下述公式进行计算:
E(x,y)=Ecorners(y)+Estruct(x,y);
Ecorners(y)=-|{y|y≠0}|;
其中,Ecorners(y)用于表示棋盘格中角点总数的负值;Estruct(x,y)用于通过两个相邻角点对第三个角点的匹配程度进行预测;E(x,y)为当前棋盘格的最小能量度量。
进一步地,通过计算不同的Estruct(x,y)将棋盘格中的每行和每列相邻的三个角点作为一个组合计算其结构能量,对于不同的组合计算得到的结构能量,取其中的最大值作为所述棋盘格的棋盘格能量。
在具体实施中,由于计算量和棋盘格的尺寸大小呈指数关系,当棋盘格的尺寸增加时,计算量会快速增加,所以急需一种优化的生成棋盘格的方法,以减小计算量。
图4是本发明实施例中另一种棋盘格角点检测方法的部分流程图。所述另一种棋盘格角点检测方法可以包括步骤S41至步骤S45,以下对各个步骤进行详细说明。
步骤S41:基于保留的角点,生成初始棋盘格。
在具体实施中,初始棋盘格可以包括3×3的格子,以作为后续延伸的基础。在本发明实施例中,对生成初始棋盘格的具体方法不做限制。
步骤S42:将所述初始棋盘格向四个方向延伸一行,每个方向上延伸后分别得到第一延伸棋盘格,分别计算四个第一延伸棋盘格的棋盘格能量,如果所述四个第一延伸棋盘格中,棋盘格能量最低的第一延伸棋盘格比所述初始棋盘格的棋盘格能量低,则保留棋盘格能量最小的第一延伸棋盘格,作为第一棋盘格,所述四个方向为垂直于所述初始棋盘格的四个边的方向。
步骤S43:在所述四个方向中选择两个方向,在选择的两个方向上的第一延伸棋盘格的棋盘格能量低于其余两个方向上的第一延伸棋盘格的棋盘格能量。
步骤S44:将所述第一棋盘格向所述选择的两个方向多次延伸,每次延伸一行,每个方向上延伸后分别得到第二延伸棋盘格,分别计算两个第二延伸棋盘格的棋盘格能量,如果所述两个第二延伸棋盘格中,棋盘格能量最低的第二延伸棋盘格比所述第一棋盘格的能量低,则保留棋盘格能量最小的第二延伸棋盘格作为下一次延伸的基础,直至延伸后得到的第二延伸棋盘格在所述两个方向上的棋盘格能量相等,或者延伸后得到的第二延伸棋盘格在所述两个方向中任一方向上的行数达到预设行数,以得到第一重复延伸棋盘格。
步骤S45:将所述第一重复延伸棋盘格向所述其余两个方向多次延伸,每次延伸一行,每个方向上延伸后分别得到第三延伸棋盘格,分别计算两个第三延伸棋盘格的棋盘格能量,如果所述两个第三延伸棋盘格中,棋盘格能量最低的第三延伸棋盘格比所述第一重复延伸棋盘格的能量低,则保留棋盘格能量最小的第三延伸棋盘格作为下一次延伸的基础,直至延伸后得到第三延伸棋盘格在所述其余两个方向上的棋盘格能量相等,或者延伸后得到第三延伸棋盘格在所述两个方向中任一方向上的行数达到预设行数,以得到第二重复延伸棋盘格。
采用本发明实施例的方案,在棋盘格生长过程中,每延伸一行,仅将棋盘格向两个方向上延伸,进而对两个方向上延伸后的棋盘格能量进行计算,以在所述两个方向中选择一个方向延伸棋盘格,相比于现有技术每延伸一行,需要对四个方向上延伸后的棋盘格能量进行计算,以在四个方向中选择一个方向延伸棋盘格,可以显著减少计算量,有效地提高计算效率,进而加快棋盘格生长的速度。
图5是本发明实施例中一种棋盘格角点检测装置的结构示意图,所述棋盘格角点检测装置可以包括:候选确定模块51、角点峰值确定模块52、移除模块53和确定模块54。
其中,所述候选确定模块51,适于获取图像,并确定所述图像中的候选角点;
所述角点峰值确定模块52,适于在边界方向0~2π范围内,确定每个候选角点的角点峰值个数以及每个角点峰值的大小和方向;
所述移除模块53,适于移除所述角点峰值个数小于4的候选角点;
所述确定模块54,适于对于所述角点峰值个数大于等于4的每个候选角点,根据所述候选角点的不同角点峰值的大小的比较结果和方向关系,确定是否对所述候选角点进行保留。
进一步地,图6示出了所述确定模块54的一种具体实现的结构示意图,所述确定模块54可以包括排序子模块541、分类子模块542以及确定子模块543。
其中,所述排序子模块541,适于依照所述候选角点的角点峰值的大小排序;
所述分类子模块542,适于当第一大角点峰值与第四大角点峰值的差值大于等于第一阈值时,将所述候选角点分类为明亮角点,否则分类为阴暗角点;
所述确定子模块543,适于对于明亮角点和阴暗角点,采用不同的判断条件确定是否对所述候选角点进行保留。
更进一步地,所述确定子模块543对于明亮角点的判断条件可以包括:如果所述候选角点的第一大角点峰值小于第二阈值,或者所述候选角点的第一大角点峰值至第四大角点峰值的和小于第三阈值,或者所述候选角点的第一大角点峰值和第二大角点峰值的差大于第五阈值,或者所述候选角点的第二大角点峰值与第一大角点峰值的商小于第六阈值,则删除所述候选角点。
更进一步地,所述确定子模块543对于明亮角点的判断条件可以包括:如果所述候选角点的第一大角点峰值小于第二阈值,或者所述候选角点的第一大角点峰值至第四大角点峰值的和小于第三阈值,或者所述候选角点的第一大角点峰值和第二大角点峰值的差大于第五阈值,或者所述候选角点的第二大角点峰值与第一大角点峰值的商小于第六阈值,或者所述候选角点的第二大角点峰值和第三大角点峰值的差值大于第四阈值,则删除所述候选角点。
更进一步地,所述确定子模块543对于阴暗角点的判断条件可以包括:如果所述候选角点的第五大角点峰值与第四大角点峰值的商大于第八阈值,则删除所述候选角点。
更进一步地,所述确定子模块543对于阴暗角点的判断条件可以包括:如果所述候选角点的第五大角点峰值与第四大角点峰值的商大于第八阈值,或者所述候选角点的峰值方向的最小临近夹角小于第七阈值,则删除所述候选角点。
关于该棋盘格角点检测装置的更多详细内容请参照前文及图1至图3示出的关于棋盘格角点检测方法的相关描述,此处不再赘述。
图7是本发明实施例中另一种棋盘格角点检测装置的部分结构示意图。所述另一种棋盘格角点检测装置可以包括生成模块71、第一延伸模块72、方向选择模块73、第二延伸模块74以及第三延伸模块75。
其中,所述生成模块71,适于基于保留的角点,生成初始棋盘格;
所述第一延伸模块72,适于将所述初始棋盘格向四个方向延伸一行,每个方向上延伸后分别得到第一延伸棋盘格,分别计算四个第一延伸棋盘格的棋盘格能量,如果所述四个第一延伸棋盘格中,棋盘格能量最低的第一延伸棋盘格比所述初始棋盘格的棋盘格能量低,则保留棋盘格能量最小的第一延伸棋盘格,作为第一棋盘格,所述四个方向为垂直与所述初始棋盘格的四个边的方向;
所述方向选择模块73,适于在所述四个方向中选择两个方向,在选择的两个方向上的第一延伸棋盘格的棋盘格能量低于其余两个方向上的第一延伸棋盘格的棋盘格能量;
所述第二延伸模块74,适于将所述第一棋盘格向所述选择的两个方向多次延伸,每次延伸一行,每个方向上延伸后分别得到第二延伸棋盘格,分别计算两个第二延伸棋盘格的棋盘格能量,如果所述两个第二延伸棋盘格中,棋盘格能量最低的第二延伸棋盘格比所述第一棋盘格的能量低,则保留棋盘格能量最小的第二延伸棋盘格,作为下一次延伸的基础,直至延伸后得到的第二延伸棋盘格在所述两个方向上的棋盘格能量相等,或者延伸后得到的第二延伸棋盘格在所述两个方向中任一方向上的行数达到预设行数,以得到第一重复延伸棋盘格;
所述第三延伸模块75,适于将所述第一重复延伸棋盘格向所述其余两个方向多次延伸,每次延伸一行,每个方向上延伸后分别得到第三延伸棋盘格,分别计算两个第三延伸棋盘格的棋盘格能量,如果所述两个第三延伸棋盘格中,棋盘格能量最低的第三延伸棋盘格比所述第一重复延伸棋盘格的能量低,则保留棋盘格能量最小的第三延伸棋盘格,作为下一次延伸的基础,直至延伸后得到的第三延伸棋盘格在所述其余两个方向上的棋盘格能量相等,或者延伸后得到的第三延伸棋盘格在所述两个方向中任一方向上的行数达到预设行数,以得到第二重复延伸棋盘格。
关于该另一种棋盘格角点检测装置的更多详细内容请参照前文及图4示出的关于另一种棋盘格角点检测方法的相关描述,此处不再赘述。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于以计算机可读存储介质中,存储介质可以包括:ROM、RAM、磁盘或光盘等。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (14)
1.一种棋盘格角点检测方法,其特征在于,包括以下步骤:
获取图像,并确定所述图像中的候选角点;
在边界方向0~2π范围内,确定每个候选角点的角点峰值个数以及每个角点峰值的大小和方向;
移除所述角点峰值个数小于4的候选角点;
对于所述角点峰值个数大于等于4的每个候选角点,根据所述候选角点的不同角点峰值的大小的比较结果和方向关系,确定是否对所述候选角点进行保留。
2.根据权利要求1所述的一种棋盘格角点检测方法,其特征在于,根据所述候选角点的不同角点峰值的大小的比较结果和方向关系,确定是否对所述候选角点进行保留包括:
依照所述候选角点的角点峰值的大小排序;
如果第一大角点峰值与第四大角点峰值的差值大于等于第一阈值,则将所述候选角点分类为明亮角点,否则分类为阴暗角点;
对于明亮角点和阴暗角点,采用不同的判断条件确定是否对所述候选角点进行保留。
3.根据权利要求2所述的一种棋盘格角点检测方法,其特征在于,对于明亮角点的判断条件包括:如果所述候选角点的第一大角点峰值小于第二阈值,或者所述候选角点的第一大角点峰值至第四大角点峰值的和小于第三阈值,或者所述候选角点的第一大角点峰值和第二大角点峰值的差大于第五阈值,或者所述候选角点的第二大角点峰值与第一大角点峰值的商小于第六阈值,则删除所述候选角点。
4.根据权利要求2所述的一种棋盘格角点检测方法,其特征在于,对于明亮角点的判断条件包括:如果所述候选角点的第一大角点峰值小于第二阈值,或者所述候选角点的第一大角点峰值至第四大角点峰值的和小于第三阈值,或者所述候选角点的第一大角点峰值和第二大角点峰值的差大于第五阈值,或者所述候选角点的第二大角点峰值与第一大角点峰值的商小于第六阈值,或者所述候选角点的第二大角点峰值和第三大角点峰值的差值大于第四阈值,则删除所述候选角点。
5.根据权利要求2所述的一种棋盘格角点检测方法,其特征在于,对于阴暗角点的判断条件包括:如果所述候选角点的第五大角点峰值与第四大角点峰值的商大于第八阈值,则删除所述候选角点。
6.根据权利要求2所述的一种棋盘格角点检测方法,其特征在于,对于阴暗角点的判断条件包括:如果所述候选角点的第五大角点峰值与第四大角点峰值的商大于第八阈值,或者所述候选角点的峰值方向的最小临近夹角小于第七阈值,则删除所述候选角点。
7.根据权利要求1至6任一项所述的棋盘格角点检测方法,其特征在于,还包括:
基于保留的角点,生成初始棋盘格;
将所述初始棋盘格向四个方向延伸一行,每个方向上延伸后分别得到第一延伸棋盘格,分别计算四个第一延伸棋盘格的棋盘格能量,如果所述四个第一延伸棋盘格中,棋盘格能量最低的第一延伸棋盘格比所述初始棋盘格的棋盘格能量低,则保留棋盘格能量最小的第一延伸棋盘格,作为第一棋盘格,所述四个方向为垂直于所述初始棋盘格的四个边的方向;
在所述四个方向中选择两个方向,在选择的两个方向上的第一延伸棋盘格的棋盘格能量低于其余两个方向上的第一延伸棋盘格的棋盘格能量;
将所述第一棋盘格向所述选择的两个方向多次延伸,每次延伸一行,每个方向上延伸后分别得到第二延伸棋盘格,分别计算两个第二延伸棋盘格的棋盘格能量,如果所述两个第二延伸棋盘格中,棋盘格能量最低的第二延伸棋盘格比所述第一棋盘格的能量低,则保留棋盘格能量最小的第二延伸棋盘格作为下一次延伸的基础,直至延伸后得到的第二延伸棋盘格在所述两个方向上的棋盘格能量相等,或者延伸后得到的第二延伸棋盘格在所述两个方向中任一方向上的行数达到预设行数,以得到第一重复延伸棋盘格;
将所述第一重复延伸棋盘格向所述其余两个方向多次延伸,每次延伸一行,每个方向上延伸后分别得到第三延伸棋盘格,分别计算两个第三延伸棋盘格的棋盘格能量,如果所述两个第三延伸棋盘格中,棋盘格能量最低的第三延伸棋盘格比所述第一重复延伸棋盘格的能量低,则保留棋盘格能量最小的第三延伸棋盘格作为下一次延伸的基础,直至延伸后得到第三延伸棋盘格在所述其余两个方向上的棋盘格能量相等,或者延伸后得到第三延伸棋盘格在所述两个方向中任一方向上的行数达到预设行数,以得到第二重复延伸棋盘格。
8.一种棋盘格角点检测装置,其特征在于,包括:
候选确定模块,适于获取图像,并确定所述图像中的候选角点;
角点峰值确定模块,适于在边界方向0~2π范围内,确定每个候选角点的角点峰值个数以及每个角点峰值的大小和方向;
移除模块,适于移除所述角点峰值个数小于4的候选角点;
确定模块,适于对于所述角点峰值个数大于等于4的每个候选角点,根据所述候选角点的不同角点峰值的大小的比较结果和方向关系,确定是否对所述候选角点进行保留。
9.根据权利要求8所述的棋盘格角点检测装置,其特征在于,所述确定模块包括:
排序子模块,适于依照所述候选角点的角点峰值的大小排序;
分类子模块,适于当第一大角点峰值与第四大角点峰值的差值大于等于第一阈值时,将所述候选角点分类为明亮角点,否则分类为阴暗角点;
确定子模块,适于对于明亮角点和阴暗角点,采用不同的判断条件确定是否对所述候选角点进行保留。
10.根据权利要求9所述的一种棋盘格角点检测装置,其特征在于,所述确定子模块对于明亮角点的判断条件包括:如果所述候选角点的第一大角点峰值小于第二阈值,或者所述候选角点的第一大角点峰值至第四大角点峰值的和小于第三阈值,或者所述候选角点的第一大角点峰值和第二大角点峰值的差大于第五阈值,或者所述候选角点的第二大角点峰值与第一大角点峰值的商小于第六阈值,则删除所述候选角点。
11.根据权利要求9所述的一种棋盘格角点检测装置,其特征在于,所述确定子模块对于明亮角点的判断条件包括:如果所述候选角点的第一大角点峰值小于第二阈值,或者所述候选角点的第一大角点峰值至第四大角点峰值的和小于第三阈值,或者所述候选角点的第一大角点峰值和第二大角点峰值的差大于第五阈值,或者所述候选角点的第二大角点峰值与第一大角点峰值的商小于第六阈值,或者所述候选角点的第二大角点峰值和第三大角点峰值的差值大于第四阈值,则删除所述候选角点。
12.根据权利要求9所述的一种棋盘格角点检测装置,其特征在于,所述确定子模块对于阴暗角点的判断条件包括:如果所述候选角点的第五大角点峰值与第四大角点峰值的商大于第八阈值,则删除所述候选角点。
13.根据权利要求9所述的一种棋盘格角点检测装置,其特征在于,所述确定子模块对于阴暗角点的判断条件包括:如果所述候选角点的第五大角点峰值与第四大角点峰值的商大于第八阈值,或者所述候选角点的峰值方向的最小临近夹角小于第七阈值,则删除所述候选角点。
14.根据权利要求8至13任一项所述的棋盘格角点检测装置,其特征在于,还包括:
生成模块,适于基于保留的角点,生成初始棋盘格;
第一延伸模块,适于将所述初始棋盘格向四个方向延伸一行,每个方向上延伸后分别得到第一延伸棋盘格,分别计算四个第一延伸棋盘格的棋盘格能量,如果所述四个第一延伸棋盘格中,棋盘格能量最低的第一延伸棋盘格比所述初始棋盘格的棋盘格能量低,则保留棋盘格能量最小的第一延伸棋盘格,作为第一棋盘格,所述四个方向为垂直与所述初始棋盘格的四个边的方向;
方向选择模块,适于在所述四个方向中选择两个方向,在选择的两个方向上的第一延伸棋盘格的棋盘格能量低于其余两个方向上的第一延伸棋盘格的棋盘格能量;
第二延伸模块,适于将所述第一棋盘格向所述选择的两个方向多次延伸,每次延伸一行,每个方向上延伸后分别得到第二延伸棋盘格,分别计算两个第二延伸棋盘格的棋盘格能量,如果所述两个第二延伸棋盘格中,棋盘格能量最低的第二延伸棋盘格比所述第一棋盘格的能量低,则保留棋盘格能量最小的第二延伸棋盘格,作为下一次延伸的基础,直至延伸后得到的第二延伸棋盘格在所述两个方向上的棋盘格能量相等,或者延伸后得到的第二延伸棋盘格在所述两个方向中任一方向上的行数达到预设行数,以得到第一重复延伸棋盘格;
第三延伸模块,适于将所述第一重复延伸棋盘格向所述其余两个方向多次延伸,每次延伸一行,每个方向上延伸后分别得到第三延伸棋盘格,分别计算两个第三延伸棋盘格的棋盘格能量,如果所述两个第三延伸棋盘格中,棋盘格能量最低的第三延伸棋盘格比所述第一重复延伸棋盘格的能量低,则保留棋盘格能量最小的第三延伸棋盘格,作为下一次延伸的基础,直至延伸后得到的第三延伸棋盘格在所述其余两个方向上的棋盘格能量相等,或者延伸后得到的第三延伸棋盘格在所述两个方向中任一方向上的行数达到预设行数,以得到第二重复延伸棋盘格。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011265345.1A CN112270717B (zh) | 2017-04-01 | 2017-04-01 | 一种棋盘格角点检测方法及装置 |
CN201710215927.0A CN108665500B (zh) | 2017-04-01 | 2017-04-01 | 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 |
---|---|---|---|
CN201710215927.0A CN108665500B (zh) | 2017-04-01 | 2017-04-01 | 一种棋盘格角点检测方法及装置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011265345.1A Division CN112270717B (zh) | 2017-04-01 | 2017-04-01 | 一种棋盘格角点检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108665500A true CN108665500A (zh) | 2018-10-16 |
CN108665500B CN108665500B (zh) | 2020-09-29 |
Family
ID=63784877
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011265345.1A Active CN112270717B (zh) | 2017-04-01 | 2017-04-01 | 一种棋盘格角点检测方法及装置 |
CN201710215927.0A Active CN108665500B (zh) | 2017-04-01 | 2017-04-01 | 一种棋盘格角点检测方法及装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011265345.1A Active CN112270717B (zh) | 2017-04-01 | 2017-04-01 | 一种棋盘格角点检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN112270717B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610927A (zh) * | 2021-08-06 | 2021-11-05 | 镁佳(北京)科技有限公司 | 一种avm摄像头参数标定方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477687A (zh) * | 2009-01-22 | 2009-07-08 | 上海交通大学 | 复杂背景下的棋盘格角点检测方法 |
CN102663810A (zh) * | 2012-03-09 | 2012-09-12 | 北京航空航天大学 | 一种基于相位偏移扫描的三维人脸全自动建模方法 |
CN104299218A (zh) * | 2013-07-17 | 2015-01-21 | 南京邮电大学 | 基于镜头畸变规律的投影仪标定方法 |
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 |
US20160227206A1 (en) * | 2015-02-04 | 2016-08-04 | Sony Corporation | Calibration methods for thick lens model |
-
2017
- 2017-04-01 CN CN202011265345.1A patent/CN112270717B/zh active Active
- 2017-04-01 CN CN201710215927.0A patent/CN108665500B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477687A (zh) * | 2009-01-22 | 2009-07-08 | 上海交通大学 | 复杂背景下的棋盘格角点检测方法 |
CN102663810A (zh) * | 2012-03-09 | 2012-09-12 | 北京航空航天大学 | 一种基于相位偏移扫描的三维人脸全自动建模方法 |
CN104299218A (zh) * | 2013-07-17 | 2015-01-21 | 南京邮电大学 | 基于镜头畸变规律的投影仪标定方法 |
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 |
US20160227206A1 (en) * | 2015-02-04 | 2016-08-04 | Sony Corporation | Calibration methods for thick lens model |
Non-Patent Citations (1)
Title |
---|
JONG-EUN HA: "Automatic detection of calibration markers on a chessboard", 《OPTICAL ENGINEERING》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610927A (zh) * | 2021-08-06 | 2021-11-05 | 镁佳(北京)科技有限公司 | 一种avm摄像头参数标定方法、装置及电子设备 |
CN113610927B (zh) * | 2021-08-06 | 2022-04-15 | 镁佳(北京)科技有限公司 | 一种avm摄像头参数标定方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112270717B (zh) | 2022-05-31 |
CN112270717A (zh) | 2021-01-26 |
CN108665500B (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108416789A (zh) | 图像边缘检测方法及系统 | |
CN104794479B (zh) | 基于局部笔画宽度变换的自然场景图片中文本检测方法 | |
EP3028256A1 (en) | Geodesic saliency using background priors | |
CN109583345A (zh) | 道路识别方法、装置、计算机装置及计算机可读存储介质 | |
CN104574358A (zh) | 从聚焦堆图像进行场景分割的方法和设备 | |
JP2020503886A (ja) | 作物画像におけるジャガイモウイルスを検出するための方法、媒体、およびシステム | |
Ofir et al. | Fast detection of curved edges at low SNR | |
CN111951283A (zh) | 一种基于深度学习的医学图像识别方法及系统 | |
CN111553227A (zh) | 基于任务指导的轻量级人脸检测方法 | |
CN110268442A (zh) | 在图像中检测背景物上的外来物的计算机实现的方法、在图像中检测背景物上的外来物的设备以及计算机程序产品 | |
CN108665500A (zh) | 一种棋盘格角点检测方法及装置 | |
RU2510897C2 (ru) | Способ сегментации сложноструктурированных растровых полутоновых изображений на основе составных морфологических операторов | |
Tang et al. | De-ghosting for image stitching with automatic content-awareness | |
Chen | A feature preserving adaptive smoothing method for early vision | |
Hettiarachchi et al. | Fence-like quasi-periodic texture detection in images | |
Zhong et al. | A new method of building detection from a single aerial photograph | |
Joshi et al. | A simple scheme for contour detection. | |
Tang et al. | De-ghosting method for image stitching | |
Priyadharshini et al. | Research and analysis on segmentation and thresholding techniques | |
Malik et al. | Various edge detection techniques on different categories of fish | |
CN109858426A (zh) | 人脸特征提取方法、装置及计算机可读存储介质 | |
Al-Shammaa et al. | Extraction of connected components Skin pemphigus diseases image edge detection by Morphological operations | |
Karantzalos et al. | Evaluation of selected edge detection techniques in remotely sensed images | |
Pacheco-Venegas et al. | Binary masks of concentric rings as a method to approximate identification of diatoms using images | |
Kaur et al. | An efficient method of edge detection using fuzzy logic |
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 |