CN110634146A - 一种圆心亚像素精度定位方法 - Google Patents

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

一种圆心亚像素精度定位方法

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：

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：

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：

得到采样点集P对应权重序列W＝{w0,w1,w2...wn}；

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：

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。

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：

Images