CN110634146A - 一种圆心亚像素精度定位方法 - Google Patents
一种圆心亚像素精度定位方法 Download PDFInfo
- Publication number
- CN110634146A CN110634146A CN201910818533.3A CN201910818533A CN110634146A CN 110634146 A CN110634146 A CN 110634146A CN 201910818533 A CN201910818533 A CN 201910818533A CN 110634146 A CN110634146 A CN 110634146A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- dot
- center
- sub
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
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
本发明属于工业相机标定技术领域,具体涉及一种圆心亚像素精度定位方法,包括如下步骤:S1、对实心圆点标定板灰度图像进行图像二值化和Blob筛选,获得图像中圆点初始中心坐标;S2、假设其中一个圆点的初始中心坐标C0,设置一采样边长n,以C0为中心从标定板图像中获取nxn的大小采样图像,确保当前圆点完整地包含在采样图像内,且不包含其他圆点。利用Sobel算子获得圆点边缘附近的灰度梯度作为权重,结合像素级的边缘点进行加权椭圆中心拟合,从而免除了亚像素级边缘检测的步骤,提高了运算效率和算法稳定性。
Description
技术领域
本发明属于工业相机标定技术领域,具体涉及一种圆心亚像素精度定位方法。
背景技术
工业相机标定过程中,常常采用实心圆点阵列图案板作为标定板,通过工业相机拍摄多幅标定板图像,利用实心圆点的图像坐标和世界坐标对相机模型参数进行标定,图像中实心圆点的定位精度直接影响了最终标定效果。在标定过程中,一般先对标定图像进行二值化,通过Blob筛选获得圆点初始圆心,为了获得更高精度的圆点定位坐标,往往需要再对每一个圆点的圆心进行亚像素精度定位。
现有的亚像素精度定位方法一般是根据圆点初始圆心,通过Canny边缘检测获得当前圆点的亚像素精度的边缘点,再进行等权重的椭圆中心拟合,该方法由于需要先进行亚像素级的边缘检测,算法过程复杂,运算量较大,导致运行时间较长。
发明内容
针对现有技术的不足,提供一种圆心亚像素精度定位方法,利用Sobel算子获得圆点边缘附近的灰度梯度作为权重,结合像素级的边缘点进行加权椭圆中心拟合,从而免除了亚像素级边缘检测的步骤,提高了运算效率。
为实现上述目的,本发明采用如下技术方案:
一种圆心亚像素精度定位方法,包括如下步骤:
S1、对灰度图像进行图像二值化和Blob筛选,获得图像中圆点初始中心坐标;
S2、假设其中一个圆点的初始中心坐标C0,设置一采样边长n,以C0为中心从图像中获取nxn的大小采样图像,确保当前圆点完整地包含在采样图像内,且不包含其他圆点;
S3、对于采样图像中的每个像素,分别在X和Y方向上利用Sobel算子求得当前像素在X方向上的梯度Gx,Y方向上的梯度Gy,则当前像素的灰度梯度幅值G为:
S4、设置一梯度幅值阈值Gt,对于采样图像中每个像素,其灰度梯度Gi高于Gt的像素点坐标计入采样点集P,P={(x0,y0),(x1,y1),(x2,y2)...(xn,yn)},采样点集P的元素数量为n,对应的灰度梯度幅值总和Gsum为:
S5、对于采样点集P中的像素点pi=(xi,yi),其对应权重wi为:
S6、已知平面椭圆的一般方程为:
x2+Axy+By2+Cx+Dy+E=0
利用采样点集P和对应权重W,构建矩阵:
其中矩阵L,X,R满足关系:X=L-1R,已知矩阵L,矩阵R,故可以求得矩阵X,包括其中元素A,B,C,D,E;
S7、假设椭圆亚像素精度中心点为(xc,yc),根据S6获得的A,B,C,D参数,则可以通过下述公式得到椭圆亚像素精度中心点:
与现有技术区别及有益效果:现有工业相机标定的圆点亚像素精度定位方法,需要先对圆点图像的圆点进行亚像素级别的边缘点检测,再进行等权重的椭圆中心拟合,现有方法需要先获得亚像素精度的圆点边缘,导致运算量较大,进行椭圆中心拟合时采用等权重的策略导致算法稳定性低。针对上述现象,提出一种以梯度作为权重的圆点亚像素精度定位方法,利用Sobel算子获得圆点边缘附近的灰度梯度作为权重,结合像素级的边缘点进行加权椭圆中心拟合,从而免除了亚像素级边缘检测的步骤,提高了运算效率和算法稳定性。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例中的方法的流程图;
具体实施方式
如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解,制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式,而是以组件在功能上的差异来作为区分的准则,比如指针也可以用迭代器来替换。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语,故应解释成“包含但不限定于”。“大致”是指在可接受的误差范围内,本领域技术人员能够在一定误差范围内解决所述技术问题,基本达到所述技术效果。另外说明书及权利要求中的某些系数或阈值,并不是必须为特定的值,只是这个值通常情况是合适的,增大或减小一些也是可以的。
实施例
如图1所示,一种圆心亚像素精度定位方法,包括如下步骤:
步骤1、对灰度图像进行图像二值化和Blob筛选,获得图像中圆点初始中心坐标;
步骤2、假设其中一个圆点的初始中心坐标C0,设置一采样边长n,以C0为中心从图像中获取nxn的大小采样图像,确保当前圆点完整地包含在采样图像内,且不包含其他圆点;
步骤3、对于采样图像中的每个像素,分别在X和Y方向上利用Sobel算子求得当前像素在X方向上的梯度Gx,Y方向上的梯度Gy,则当前像素的灰度梯度幅值G为:
步骤4、设置一梯度幅值阈值Gt,对于采样图像中每个像素,其灰度梯度Gi高于Gt的像素点坐标计入采样点集P,
P={(x0,y0),(x1,y1),(x2,y2)...(xn,yn)},采样点集P的元素数量为n,对应的灰度梯度幅值总和Gsum为:
步骤5、对于采样点集P中的像素点pi=(xi,yi),其对应权重wi为:
步骤6、已知平面椭圆的一般方程为:
x2+Axy+By2+Cx+Dy+E=0
利用采样点集P和对应权重W,构建矩阵:
其中矩阵L,X,R满足关系:X=L-1R,已知矩阵L,矩阵R,故可以求得矩阵X,包括其中元素A,B,C,D,E;
步骤7、假设椭圆亚像素精度中心点为(xc,yc),根据步骤6获得的A,B,C,D参数,则可以通过下述公式得到椭圆亚像素精度中心点:
上述说明示出并描述了本发明的若干实施例,但如前所述,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (1)
1.一种圆心亚像素精度定位方法,其特征在于,包括如下步骤:
S1、对实心圆点标定板灰度图像进行图像二值化和Blob筛选,获得图像中圆点初始中心坐标;
S2、假设其中一个圆点的初始中心坐标C0,设置一采样边长n,以C0为中心从标定板图像中获取nxn的大小采样图像,确保当前圆点完整地包含在采样图像内,且不包含其他圆点;
S3、对于采样图像中的每个像素,分别在X和Y方向上利用Sobel算子求得当前像素在X方向上的梯度Gx,Y方向上的梯度Gy,则当前像素的灰度梯度幅值G为:
S4、设置一梯度幅值阈值Gt,对于采样图像中每个像素,其灰度梯度Gi高于Gt的像素点坐标计入采样点集P,P={(x0,y0),(x1,y1),(x2,y2)...(xn,yn)},采样点集P的元素数量为n,对应的灰度梯度幅值总和Gsum为:
S5、对于采样点集P中的像素点pi=(xi,yi),其对应权重wi为:
得到采样点集P对应权重序列W={w0,w1,w2...wn};
S6、已知平面椭圆的一般方程为:
x2+Axy+By2+Cx+Dy+E=0
利用采样点集P和对应权重W,构建矩阵:
其中矩阵L,X,R满足关系:X=L-1R,已知矩阵L,矩阵R,故可以求得矩阵X,包括其中元素A,B,C,D,E;
S7、假设椭圆亚像素精度中心点为(xc,yc),根据S6获得的A,B,C,D参数,则可以通过下述公式得到椭圆亚像素精度中心点:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910818533.3A CN110634146B (zh) | 2019-08-30 | 2019-08-30 | 一种圆心亚像素精度定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910818533.3A CN110634146B (zh) | 2019-08-30 | 2019-08-30 | 一种圆心亚像素精度定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110634146A true CN110634146A (zh) | 2019-12-31 |
CN110634146B CN110634146B (zh) | 2022-06-17 |
Family
ID=68969829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910818533.3A Active CN110634146B (zh) | 2019-08-30 | 2019-08-30 | 一种圆心亚像素精度定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110634146B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111627069A (zh) * | 2020-04-29 | 2020-09-04 | 深圳辰视智能科技有限公司 | 圆点检测方法、终端和计算机可读存储介质 |
CN116309510A (zh) * | 2023-03-29 | 2023-06-23 | 清华大学 | 数控加工表面缺陷定位方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070112535A1 (en) * | 2005-10-31 | 2007-05-17 | Bryll Robert K | Optical aberration correction for machine vision inspection systems |
US20090034641A1 (en) * | 2007-07-30 | 2009-02-05 | Mitutoyo Corporation | System and method for dynamic calibration of a quadrature encoder |
CN103530618A (zh) * | 2013-10-23 | 2014-01-22 | 哈尔滨工业大学深圳研究生院 | 一种基于角膜反射的非接触式视线追踪方法 |
CN106529532A (zh) * | 2016-11-07 | 2017-03-22 | 湖南源信光电科技有限公司 | 一种基于积分特征通道与灰度投影的车牌识别系统 |
CN107516325A (zh) * | 2017-08-22 | 2017-12-26 | 上海理工大学 | 基于亚像素边缘的圆心检测方法 |
CN108898635A (zh) * | 2018-05-07 | 2018-11-27 | 深圳大学 | 一种提高相机标定精度的控制方法及系统 |
CN109003258A (zh) * | 2018-06-15 | 2018-12-14 | 广东工业大学 | 一种高精度亚像素圆形零件测量方法 |
CN109086644A (zh) * | 2018-07-27 | 2018-12-25 | 广东奥普特科技股份有限公司 | 亚像素精度的DataMatrix二维码的定位方法 |
CN109344785A (zh) * | 2018-10-12 | 2019-02-15 | 北京航空航天大学 | 一种在深空自主光学导航中的高精度的行星中心定位方法 |
-
2019
- 2019-08-30 CN CN201910818533.3A patent/CN110634146B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070112535A1 (en) * | 2005-10-31 | 2007-05-17 | Bryll Robert K | Optical aberration correction for machine vision inspection systems |
US20090034641A1 (en) * | 2007-07-30 | 2009-02-05 | Mitutoyo Corporation | System and method for dynamic calibration of a quadrature encoder |
CN103530618A (zh) * | 2013-10-23 | 2014-01-22 | 哈尔滨工业大学深圳研究生院 | 一种基于角膜反射的非接触式视线追踪方法 |
CN106529532A (zh) * | 2016-11-07 | 2017-03-22 | 湖南源信光电科技有限公司 | 一种基于积分特征通道与灰度投影的车牌识别系统 |
CN107516325A (zh) * | 2017-08-22 | 2017-12-26 | 上海理工大学 | 基于亚像素边缘的圆心检测方法 |
CN108898635A (zh) * | 2018-05-07 | 2018-11-27 | 深圳大学 | 一种提高相机标定精度的控制方法及系统 |
CN109003258A (zh) * | 2018-06-15 | 2018-12-14 | 广东工业大学 | 一种高精度亚像素圆形零件测量方法 |
CN109086644A (zh) * | 2018-07-27 | 2018-12-25 | 广东奥普特科技股份有限公司 | 亚像素精度的DataMatrix二维码的定位方法 |
CN109344785A (zh) * | 2018-10-12 | 2019-02-15 | 北京航空航天大学 | 一种在深空自主光学导航中的高精度的行星中心定位方法 |
Non-Patent Citations (4)
Title |
---|
GE DONGYUAN: "Development of Machine Vision System Based on BP Neural Network Self-learning", 《2008 INTERNATIONAL CONFERENCE ON COMPUTER SCIENCE AND INFORMATION TECHNOLOGY》 * |
胡彦强: "白车身孔槽类特征三维坐标在线测量方法研究", 《计算机工程》 * |
范莹: "基于双目视觉的图像匹配与定位技术的研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
贾丙西: "机器人视觉伺服研究进展:视觉系统与控制策略", 《自动化学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111627069A (zh) * | 2020-04-29 | 2020-09-04 | 深圳辰视智能科技有限公司 | 圆点检测方法、终端和计算机可读存储介质 |
CN111627069B (zh) * | 2020-04-29 | 2023-05-05 | 深圳辰视智能科技有限公司 | 圆点检测方法、终端和计算机可读存储介质 |
CN116309510A (zh) * | 2023-03-29 | 2023-06-23 | 清华大学 | 数控加工表面缺陷定位方法及装置 |
CN116309510B (zh) * | 2023-03-29 | 2024-03-22 | 清华大学 | 数控加工表面缺陷定位方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110634146B (zh) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110634146B (zh) | 一种圆心亚像素精度定位方法 | |
CN108636830A (zh) | 基于机器视觉的胶囊缺陷检测分拣的方法、装置及设备 | |
CN105447888A (zh) | 一种基于有效目标判断的无人机机动目标检测方法 | |
CN109118473A (zh) | 基于神经网络的角点检测方法、存储介质与图像处理系统 | |
CN111915485B (zh) | 一种特征点稀疏工件图像的快速拼接方法及系统 | |
CN111968185B (zh) | 标定板、基于编码定义的九点标定物体抓取方法及系统 | |
CN112985778B (zh) | 测试图卡的定位方法、终端及存储介质 | |
CN110111330A (zh) | 手机屏幕检测方法 | |
CN108709500B (zh) | 一种电路板元件定位匹配方法 | |
CN110648368B (zh) | 一种基于边缘特征的标定板角点判别方法 | |
CN110502949A (zh) | 一种基于自适应尺度控制的qr码图像快速盲去模糊方法 | |
CN104751458A (zh) | 一种基于180°旋转算子的标定角点检测方法 | |
CN105335952A (zh) | 匹配代价计算方法和装置、以及视差值计算方法和设备 | |
CN113252103A (zh) | 一种基于matlab图像识别技术计算物料堆体积及质量的方法 | |
CN114677340B (zh) | 一种基于图像边缘的混凝土表面粗糙度的检测方法 | |
CN110288619B (zh) | 基于视觉的太阳花模组表面螺钉孔位置检测方法 | |
CN113257182B (zh) | 一种led显示屏校正过程中的灯点位置修正方法及装置 | |
CN114565565A (zh) | 一种视觉测量目标中心亚像素定位方法 | |
CN113936010A (zh) | 货架定位方法、装置、货架搬运设备及存储介质 | |
CN108180924B (zh) | 一种磁力计校准更新的方法和装置 | |
CN112734779A (zh) | 一种圆点标定板边缘亚像素检测方法 | |
CN107644442B (zh) | 双摄模组的空间位置标定方法 | |
CN107609453A (zh) | 一种车牌图像校正、车牌字符分割方法及设备 | |
CN110610524A (zh) | 一种相机标定点坐标计算方法 | |
CN113177901B (zh) | 一种机器人视觉的多帧运动图像融合方法及系统 |
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 |