CN112037284A - 棋盘格格子中心点检测方法、摄像机畸变标定方法及系统 - Google Patents
棋盘格格子中心点检测方法、摄像机畸变标定方法及系统 Download PDFInfo
- Publication number
- CN112037284A CN112037284A CN202010815482.1A CN202010815482A CN112037284A CN 112037284 A CN112037284 A CN 112037284A CN 202010815482 A CN202010815482 A CN 202010815482A CN 112037284 A CN112037284 A CN 112037284A
- Authority
- CN
- China
- Prior art keywords
- checkerboard
- image
- point
- points
- corner
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims abstract description 49
- 235000005121 Sorbus torminalis Nutrition 0.000 claims description 27
- 244000152100 Sorbus torminalis Species 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 230000004075 alteration Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 241000226585 Antennaria plantaginifolia Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种棋盘格格子中心点检测方法、摄像机畸变标定方法及系统。棋盘格格子中心点检测方法包括:S1,获取棋盘格图像,对棋盘格图像中的棋盘格角点进行标定,获取标定的棋盘格角点在棋盘格图像的像平面中的坐标,按照棋盘格角点在棋盘格图像中的位置关系将棋盘格角点坐标排列成第一矩阵;S2,基于第一矩阵在所述棋盘格图像中依次裁剪出包含单个完整棋盘格的第一局部图像;S3,对每个第一局部图像中的棋盘格中心点进行标定。该方法借助标定角点的位置关系构建第一矩阵,便于获取第一局部图像的位置关系,以及基于第一矩阵准确裁剪出包含单个完整棋盘格的第一局部图像,提升棋盘格中心点标定的准确性和速度。
Description
技术领域
本发明涉及相机标定技术领域,特别是涉及一种棋盘格格子中心点检测方法、摄像机畸变标定方法及系统。
背景技术
畸变是一种像差,畸变即实际成像位置与理想成像位置之间的偏差。光学镜头畸变是光学透镜固有的透视失真的总称,是镜头成像不可避免的过程,这种失真非常影响采集到的图像的质量。此时需要对相机进行几何标定或者对图像进行校正。如图1所示,图像畸变主要有三种类型:一是切向畸变,如图1(右),也称线性畸变,是由于透镜本身与图像平面或相机传感器平面(成像平面)不平行而产生的;二是鞍形畸变,也被叫做枕形畸变,如图1(左),常出现于长焦镜头,由光轴中心区域的放大率远远小于视野中边缘区域的放大率引起;三是桶形畸变,如图1(中),通常出现在广角透镜和鱼眼透镜中,由视场中光轴中心区域的放大率远大于边缘区域的放大率引起。摄像机标定可以校正光学镜头畸变,而角点检测是摄像机标定中至关重要的一步。
现有技术中,棋盘格的标定检测在摄像机标定中起着至关重要的作用,棋盘格图像如图2所示,每个棋盘格图像的内角是四个黑白方块的交叉点,黑白方格构成两组垂直和水平相交的网格线。通常对棋盘格图像中的角点进行标定,利用棋盘格图像中角点标定后的数据对摄像机的畸变进行标定,不仅可以减少数据计算量,提高效率,而且不会丢失图像中一些关键的像素信息。但是,如图3所示,由于光源溢出造成黑白边界不分明,棋盘格角点处受到四条边界交汇的影响,灰度值变化情况较为复杂,角点在一定范围内跳动,无法做到十分精确地标定角点,而不准确不稳定的角点标定算法,会给畸变计算结果带来损失和误差。
发明内容
本发明旨在至少解决现有技术中存在的技术问题,特别创新地提出了一种棋盘格格子中心点检测方法、摄像机畸变标定方法及系统。
为了实现本发明的上述目的,根据本发明的第一个方面,本发明提供了一种棋盘格格子中心点检测方法,包括:S1,获取棋盘格图像,对所述棋盘格图像中的棋盘格角点进行标定,获取标定的棋盘格角点在棋盘格图像的像平面中的坐标,按照棋盘格角点在棋盘格图像中的位置关系将棋盘格角点坐标排列成第一矩阵;S2,基于第一矩阵在所述棋盘格图像中依次裁剪出包含单个完整棋盘格的第一局部图像;S3,对每个第一局部图像中的棋盘格中心点进行标定。
上述技术方案:该方法借助标定角点的位置关系构建第一矩阵,便于获取第一局部图像的位置关系,以及基于第一矩阵准确裁剪出包含单个完整棋盘格的第一局部图像,提升棋盘格中心点标定的准确性和速度。
在本发明的一种优选实施方式中,所述S3包括:S31,获取第一局部图像中棋盘格的四条边界,将所述四条边界分为第一对相对边界和第二对相对边界;
S32,设置多条与所述第一对相对边界相交且与所述第二对相对边界平行的第一线段,获取每条第一线段与所述第一对相对边界的两个交点之间的距离,将所述距离中的最大值作为第一距离,为第一距离所在第一线段与所述第一相对边界的两个交点设置轴对称线,记为第一轴对称线;设置多条与所述第二对相对边界相交且与所述第一对相对边界平行的第二线段,获取每条第二线段与所述第二对相对边界的两个交点之间的距离,将所述距离中的最大值作为第二距离,为第二距离所在第二线段与所述第二相对边界的两个交点设置轴对称线,记为第二轴对称线;S33,将第一轴对称线和第二轴对称线的交点作为所述第一局部图像中棋盘格的中心点,获取所述第一局部图像中棋盘格的中心点在棋盘格图像的像平面中的坐标。
上述技术方案:利用第一局部图像中棋盘格四条边界的相对边界相互平行,通过构建纵向和横向的多条平行线段来标定棋盘格中心点,能有效滤除棋盘格标定板与镜头之间存在小的噪点杂物对标定的影响,提高了棋盘格中心点的标定精度。在本发明的一种优选实施方式中,在所述S32中,获取第一线段和第二线段的方法为:建立第一坐标系,所述第一坐标系以第一局部图像的左上角为原点,以第一局部图像的宽为横轴,以第一局部图像的高为纵轴;设第一对相对边界沿第一坐标系横轴延伸,第二对相对边界沿第一坐标系纵轴延伸;获取第一对相对边界与横轴的夹角为α,第二对相对边界与纵轴的夹角为θ;设第一线段与第一局部图像上边缘的交点坐标为(x,0),则第一线段与第一局部图像下边缘的交点坐标为完成第一线段获取;其中,0≤x≤w,w表示第一局部图像的宽度,h表示第一局部图像的高度;设第二线段与第一局部图像左边缘的交点坐标为(0,y),则第二线段与第一局部图像右边缘的交点坐标为完成第二线段获取。
上述技术方案:使得第一线段与第二对相对边界倾斜角度一致,第二线段与第一对相对边界倾斜角度一致,进一步提高了棋盘格中心点的标定精度。
在本发明的一种优选实施方式中,对所述棋盘格图像中的棋盘格角点进行标定的过程包括:S11,建立第一图形模版,所述第一图形模版包括位于中心的四条线段,所述四条线段通过将田字形相邻的4个棋盘格中连接4个棋盘格的公共角点的4条公共边隐去与公共角点邻近部分获得;S12,在棋盘格图像中滑动第一图形模版,获取每次滑动时获得的与第一图形模版同大小的第一局部区域,获取所述第一局部区域与第一图形模版的匹配度,记为第一匹配度,当所述第一匹配度达到匹配阈值时,将第一局部区域的中心点作为第一角点;S13,建立第二图形模版,所述第二图像模版上设有与棋盘格右边、下边和右下顶点构成的形状相似的线段;S14,基于第一角点的坐标,将棋盘格图像剪裁为多个分别与第一角点一一对应的第二局部图像,所述第二局部图像包含的角点仅为对应的第一角点;S15,对每个第二局部图像进行如下处理获取第二角点,具体包括:S151,将所述第二局部图像放大K倍,K≥1;S152,在放大K倍的第二局部图像中滑动第二图形模版,获取每次滑动时放大K倍的第二局部图像中与第二图形模版同大小的第二局部区域,获取所述第二局部区域与第二图形模版的匹配度,记为第二匹配度,当所述第二匹配度达到匹配阈值时,统计放大K倍的第二局部图像中与第二图形模版的匹配度达到匹配阈值的第二局部区域数量;S153,当与第二图形模版的匹配度达到匹配阈值的第二局部区域的数量为1时,将第二局部图像对应的第一角点作为第二角点;当与第二图形模版的匹配度达到匹配阈值的第二局部区域的数量为2时,以两个第二局部区域中分别与第二图形模版中线段的右下顶点位置对应的像素点连线的中点作为第二角点;当与第二图形模版的匹配度达到匹配阈值的第二局部区域的数量大于2时,生成第一角点附近田字形相邻的4个棋盘格的像素梯度渐近线,将对角的两组梯度渐近线通过拟合连接,形成一个交叉点,将所述交叉点作为第二角点;S16,提取第二角点在棋盘格图像的像平面上的坐标。
上述技术方案:首先通过第一图形模版对角点进行初步标定得到第一角点,再通过第二图像模版对第一角点进行精确标定获得第二角点,将第二角点作为最终棋盘格角点标定结果,上述方法能够快速准确标定出棋盘格角点,有利于后续棋盘格中心点标定。
在本发明的一种优选实施方式中,按照棋盘格角点在棋盘格图像中的位置关系将棋盘格角点坐标排列成第一矩阵的过程包括:S17,设置N*M维矩阵D,矩阵D初始为零矩阵,N不小于棋盘格图像中棋盘格的行数,M不小于棋盘格图像中棋盘格的列数,N和M均为奇数;S18,获取棋盘格图像的中心点的像平面坐标,将距离所述棋盘格图像的中心点最近的第二角点记为中央角点,将中央角点的坐标放入矩阵D的中心位置;S19,在剩下的第二角点中获取离所述中央角点距离最近的至少一个第二角点,根据获取的第二角点的行列坐标与中央角点的行列坐标的大小关系确认与中央角点的位置关系,并按照所述位置关系将所述第二角点的坐标放入矩阵D中相应的位置;S20,重复执行S19直到所有第二角点的坐标均放入矩阵D,裁剪掉矩阵D中数值为零的元素获得第一矩阵。
上述技术方案:能够准确地将第二角点在棋盘格图像中的位置对应关系与第二角点坐标在第一矩阵中的位置关系对应,便于后续直观快速的裁剪出第一局部图像,以及获得获得第一局部图像之间的位置对应关系,进而获得标定的棋盘格中心点的位置对应关系。
为了实现本发明的上述目的,根据本发明的第二个方面,本发明提供了一种摄像机畸变标定方法,包括:步骤A,摄像机对棋盘格标定板进行拍摄获得棋盘格图像,执行本发明所述的棋盘格格子中心点检测方法的步骤对所述棋盘格图像中棋盘格的中心点进行检测,获得棋盘格中心点坐标;步骤B,获取每个棋盘格中心点距离棋盘格图像的中心点的实际距离和理想距离,计算所有棋盘格中心点的畸变值;步骤C,对所有棋盘格中心点的畸变值进行曲线拟合获得畸变曲线,步骤D,基于所述畸变曲线对摄像机拍摄图像中的每个像素点进行畸变标定。
上述技术方案:创新地将棋盘格中心点作为畸变标定的目标点,用标定每个完整格子中心点的数据参与畸变计算,而非传统的棋盘格角点作为畸变标定的目标点,提高了畸变标定的准确性和稳定性,使得畸变检测结果更加稳定符合实际。
在本发明的一种优选实施方式中,获取每个棋盘格中心点距离棋盘格图像的中心点的理想距离的过程包括:步骤B1,提取位于所述棋盘格图像中心的8个黑色或白色的棋盘格,求取8个棋盘格的第一距离和第二距离相加值的总和,将所述总和的十六分之一作为棋盘格图像中棋盘格的标准边长L;步骤B2,每个棋盘格中心点距离棋盘格图像的中心点的理想距离d为:其中,k1表示在棋盘格图像上所述棋盘格中心点与棋盘格图像的中心点在横轴方向相距的棋盘格数量,k2表示在棋盘格图像上所述棋盘格中心点与棋盘格图像的中心点在纵轴方向相距的棋盘格数量。
上述技术方案:利用图像中心领域附近的格子畸变很小几乎为零的原理,通过第三局部图像来获取棋盘格图像中棋盘格的标准边长L,标准边长L即为在没有畸变时棋盘格的边长,能够提高标准边长L数值的准确性。在本发明的一种优选实施方式中,棋盘格中心点的畸变值的计算公式为:d表示棋盘格中心点距离棋盘格图像的中心点的理想距离,da表示棋盘格中心点距离棋盘格图像的中心点的实际距离。
在本发明的一种优选实施方式中,将所述棋盘格图像分为四个象限,分别对四个象限的棋盘格中心点的畸变值进行曲线拟合获得4条畸变曲线;在对摄像机拍摄图像进行标定中,每个象限的像素点采用相应象限的畸变曲线进行畸变标定。
上述技术方案:通过分现象求取畸变曲线和畸变标定,能够提高畸变标定的精度。
为了实现本发明的上述目的,根据本发明的第三个方面,本发明提供了一种摄像机畸变标定系统,包括棋盘格标定板、摄像机和处理器,处理器与摄像机连接;所述处理器执行本发明所述的摄像机畸变标定方法的步骤对摄像机拍摄的图像进行畸变标定。
上述技术方案:该系统创新地将棋盘格中心点作为畸变标定的目标点,而非传统的棋盘格角点作为畸变标定的目标点,提高了畸变标定的准确性和稳定性。
附图说明
图1是图像畸变类型示意图;
图2是棋盘格图像示意图;
图3是棋盘格角点局部示意图;
图4是本发明一具体实施方式中棋盘格格子中心点检测方法的流程示意图;
图5是本发明一具体实施方式中设置的第一线段和第二线段示意图;
图6是本发明一具体实施方式中第一线段的设置示意图;
图7是本发明一具体实施方式中棋盘格中心点标定示意图;
图8是本发明一具体实施方式中第一图形模版示意图;
图9是本发明一具体实施方式中第二图形模版示意图;
图10是本发明一具体实施方式中对角梯度渐近线的相交示意图;
图11是本发明一具体实施方式中棋盘格图像中棋盘格的标准边长L的求取示意图;
图12是本发明一种应用场景中畸变标定方法的流程示意图;
图13是本发明一种应用场景中的基于棋盘格角点标定的畸变曲线示意图;
图14是本发明一具体实施方式中的基于棋盘格中心点标定的畸变曲线示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,除非另有规定和限定,需要说明的是,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
本发明公开了一种棋盘格格子中心点检测方法,在一种优选实施方式中,其流程示意图如图4所示,具体包括:S1,获取棋盘格图像,对棋盘格图像中的棋盘格角点进行标定,获取标定的棋盘格角点在棋盘格图像的像平面中的坐标,按照棋盘格角点在棋盘格图像中的位置关系将棋盘格角点坐标排列成第一矩阵;S2,基于第一矩阵在棋盘格图像中依次裁剪出包含单个完整棋盘格的第一局部图像;S3,对每个第一局部图像中的棋盘格中心点进行标定。
在本实施方式中,利用第一矩阵上角点信息的相对位置可准确遍历第一矩阵裁剪出包含单个完整棋盘格的第一局部图像,以便逐个标定棋盘格的中心点。对每个第一局部图像中的棋盘格中心点进行标定的方法优选但不限于为通过寻找完整的棋盘格图像横向和纵向两条中线的交点来获得。
在本实施方式中,优选的,在S2中,既裁剪出包含黑色棋盘格的第一局部图像,也裁剪出包含白色棋盘格的第一局部图像。
在一种优选实施方式中,S3包括:S31,获取第一局部图像中棋盘格的四条边界,将四条边界分为第一对相对边界和第二对相对边界;S32,设置多条与第一对相对边界相交且与第二对相对边界平行的第一线段,获取每条第一线段与第一对相对边界的两个交点之间的距离,将距离中的最大值作为第一距离,为第一距离所在第一线段与第一相对边界的两个交点设置轴对称线,记为第一轴对称线;设置多条与第二对相对边界相交且与第一对相对边界平行的第二线段,获取每条第二线段与第二对相对边界的两个交点之间的距离,将距离中的最大值作为第二距离,为第二距离所在第二线段与第二相对边界的两个交点设置轴对称线,记为第二轴对称线;S33,将第一轴对称线和第二轴对称线的交点作为第一局部图像中棋盘格的中心点,获取第一局部图像中棋盘格的中心点在棋盘格图像的像平面中的坐标。
在本实施方式中,通过第一局部图像中边界灰度值变化的趋势,在变化一阶导数最值处提取和找到由黑到白和由白到黑的两种边界,进而获取第一局部图像中棋盘格的四条边界。
在本实施方式中,优选的,第一线段等间距分布于第一对相对边界上,和/或第二线段等间距分布于第二对相对边界上。
在一种应用场景中,如图5所示,第一线段/第二线段均为三条,分别位于第一对相对边界/第二对相对边界的四分之一、二分之一和四分之三处。
在本实施方式中,如图7所示,两条虚线分别为第一轴对称线和第二轴对称线,第一轴对称线和第二轴对称线的相交点用圆圈标记出。在本实施方式中,优选的,在S32中,获取第一线段和第二线段的方法为:建立第一坐标系,第一坐标系以第一局部图像的左上角为原点,以第一局部图像的宽为横轴,以第一局部图像的高为纵轴,如图6所示的x0y坐标系;设第一对相对边界沿第一坐标系横轴延伸,第二对相对边界沿第一坐标系纵轴延伸;获取第一对相对边界与横轴的夹角为α,第二对相对边界与纵轴的夹角为θ;设第一线段与第一局部图像上边缘的交点坐标为(x,0),则第一线段与第一局部图像下边缘的交点坐标为完成第一线段获取,如图6所示为第一线段的设置示意,再求解出第一线段与第一对相对边界的两个交点坐标以及两个交点之间的距离;其中,0≤x≤w,w表示第一局部图像的宽度,h表示第一局部图像的高度;设第二线段与第一局部图像左边缘的交点坐标为(0,y),则第二线段与第一局部图像右边缘的交点坐标为完成第二线段获取,再求解出第二线段与第二对相对边界的两个交点坐标以及两个交点之间的距离。
在一种优选实施方式中,在S1中,对棋盘格图像中的棋盘格角点进行标定的过程包括:
S11,建立第一图形模版,如图8所示,第一图形模版包括位于中心的四条线段,该四条线段通过将田字形相邻的4个棋盘格中连接4个棋盘格的公共角点的4条公共边隐去与公共角点邻近部分获得;
S12,在棋盘格图像中滑动第一图形模版,获取每次滑动时获得的与第一图形模版同大小的第一局部区域,获取该第一局部区域与第一图形模版的匹配度,记为第一匹配度,当该第一匹配度达到匹配阈值时,将第一局部区域的中心点作为第一角点;匹配阈值的取值范围为0.7到1.0之间,优选为0.8。优选但不限于采用现有的基于金字塔的模版匹配算法,从图像金字塔的第4层开始搜索到第1层,计算模板中所有点的方向向量与图中对应点的方向向量的(归一化)点积的总和,并以此作为匹配度值。基于金字塔的模版匹配算法的具体过程可参考https://www.cnblogs.com/Happyhe/p/3870702.html。
S13,建立第二图形模版,如图9所示,第二图像模版上设有与棋盘格右边、下边和右下顶点构成的形状相似的线段,该线段为直角弯折的线段;
S14,基于第一角点的坐标,将棋盘格图像剪裁为多个分别与第一角点一一对应的第二局部图像,第二局部图像包含的角点仅为对应的第一角点;
S15,对每个第二局部图像进行如下处理获取第二角点,具体包括:S151,将第二局部图像放大K倍,K≥1,K为实数;K优选但不限于为7;
S152,在放大K倍的第二局部图像中滑动第二图形模版,获取每次滑动时放大K倍的第二局部图像中与第二图形模版同大小的第二局部区域,获取所述第二局部区域与第二图形模版的匹配度,记为第二匹配度,当该第二匹配度达到匹配阈值时,统计放大K倍的第二局部图像中与第二图形模版的匹配度达到匹配阈值的第二局部区域数量;
S153,当与第二图形模版的匹配度达到匹配阈值的第二局部区域的数量为1时,将第二局部图像对应的第一角点作为第二角点;
当与第二图形模版的匹配度达到匹配阈值的第二局部区域的数量为2时,以两个第二局部区域中分别与第二图形模版中线段的右下顶点位置对应的像素点连线的中点作为第二角点;
当与第二图形模版的匹配度达到匹配阈值的第二局部区域的数量大于2时,如图10所示,生成第一角点附近田字形相邻的4个棋盘格的像素梯度渐近线,将对角的两组梯度渐近线通过拟合连接,形成一个交叉点,将所述交叉点作为第二角点;
S16,提取第二角点在棋盘格图像的像平面上的坐标;具体的,对每个第二局部图像建立一个以第二局部图左上角为原点的第二坐标系,获得第二角点在第二坐标系的坐标,由于第二局部图像进行了放大K倍,所以对第二角点在第二坐标系中的坐标信息缩小K倍,并通过第二局部图的左上角在棋盘格图像的像平面坐标信息换算得到第二角点在棋盘格图像的像平面中的坐标信息。
在一种优选实施方式中,在S1中,按照棋盘格角点在棋盘格图像中的位置关系将棋盘格角点坐标排列成第一矩阵的过程包括:
S17,设置N*M维矩阵D,矩阵D初始为零矩阵,即每个元素为0,N不小于棋盘格图像中棋盘格的行数,M不小于棋盘格图像中棋盘格的列数,N和M均为奇数,使得矩阵D具有中心位置点;
S19,在剩下的第二角点中获取离中央角点距离最近的至少一个第二角点,根据获取的第二角点的行列坐标与中央角点的行列坐标的大小关系确认与中央角点的位置关系,并按照位置关系将第二角点的坐标放入矩阵D中相应的位置;
S20,重复执行S19直到所有第二角点的坐标均放入矩阵D,裁剪掉矩阵D中数值为零的元素获得第一矩阵。
在本实施的一种应用场景中,执行如下流程:步骤1:设定足够用的零矩阵D,大小为35*35,矩阵D中心位置为D0(17,17);步骤2:找寻第二角点数据中距离原图(棋盘格图像)中心位置最近的第二角点为中央角点,放入矩阵中心位置为D0(17,17);步骤3:在剩下的数据中寻找距离步骤2中找出的中央角点最近的四个点,根据行列坐标与中央角点行列坐标大小关系确认其离中央角点的方位,相应放入离矩阵中心剩余位置中离矩阵中心最近的四个位置。步骤4:重复执行步骤3,直到所有第二角点坐标数据均放入矩阵D中。
本发明还公开了一种摄像机畸变标定方法,在一种优选实施方式中,该方法包括:
步骤A,摄像机对棋盘格标定板进行拍摄获得棋盘格图像,执行上述棋盘格格子中心点检测方法的步骤对棋盘格图像中棋盘格的中心点进行检测,获得棋盘格中心点坐标;
步骤B,获取每个棋盘格中心点距离棋盘格图像的中心点的实际距离和理想距离,计算所有棋盘格中心点的畸变值;
步骤C,对所有棋盘格中心点的畸变值进行曲线拟合获得畸变曲线,
步骤D,基于畸变曲线对摄像机拍摄图像中的每个像素点进行畸变标定。
在本实施方式中,在步骤D中,获取像素点与棋盘格图像中心点的实际距离后,利用畸变曲线获得理想距离,根据理想距离修改像素点在棋盘格图像中的位置坐标,进而完成畸变标定。
在一种优选实施方式中,获取每个棋盘格中心点距离棋盘格图像的中心点的理想距离的过程包括:
步骤B1,如图11所示,步骤B1,提取位于该棋盘格图像中心的8个黑色或白色的棋盘格,求取8个棋盘格的第一距离和第二距离相加值的总和,将该总和的十六分之一作为棋盘格图像中棋盘格的标准边长L;
步骤B2,每个棋盘格中心点距离棋盘格图像的中心点的理想距离d为:
在一种优选实施方式中,在步骤C中,采用如下曲线函数对所有棋盘格中心点的畸变值进行曲线拟合:
Q=e1P4+e2P3+e3P2+e4P+e5,其中,Q为纵坐标,表示像素点到棋盘格图像的中心点的实际距离的归一化比值,具体为:当前像素点距离棋盘格图像中心点的理想距离(没有畸变时的距离)与棋盘格图像的对角线长度的二分之一的比值;P表示像素点的畸变值;e1、e2、e3、e4和e5分别表示第一拟合系数、第二拟合系数、第三拟合系数、第四拟合系数、第五拟合系数。
在一种优选实施方式中,如图14所示,将棋盘格图像分为四个象限,分别对四个象限的棋盘格中心点的畸变值进行曲线拟合获得4条畸变曲线;在对摄像机拍摄图像进行标定中,每个象限的像素点采用相应象限的畸变曲线进行畸变标定。
在本发明一种摄像机畸变标定的应用场景中,该应用场景的流程示意图如图12所示,棋盘格图像大小为2448*2048,按照图12所示的流程执行,以棋盘格中心点作为标定点时,将计算获得的畸变值的数据结果绘制成畸变曲线图,如图14所示;图13是采用棋盘格角点作为标定点时,将计算获得的畸变值的数据结果绘制成畸变曲线图,如图13所示。
在本应用场景中,以棋盘格图像的中心点为原点,顺时针分为四个象限,四个象限分别拟合了一条4阶的畸变曲线。在图13和图14中,横坐标为畸变值计算结果(单位:%);纵坐标为像素点到原点的距离与棋盘格图像对角线长度的二分之一的比值,为归一化值,即纵坐标表示离原点远近程度。图14中像素点畸变值的最大值仅为0.0430765%。可以看出,图14中数据相比较图13中而言,在原点附近要收敛一些,畸变值在靠近原点越近时,其畸变值越小,这与畸变的普遍趋势是一致的。
在本应用场景中,在相机畸变检测过程中,通过优化棋盘格中标定目标的方案,从常规的标定角点转移为标定棋盘格格子的中心点,提升标定点的准确性,提高畸变计算结果的稳定性。
本发明还公开了一种摄像机畸变标定系统,在一种优选实施方式中,该系统包括棋盘格标定板、摄像机和处理器,处理器与摄像机连接;处理器执行上述畸变标定方法的步骤对摄像机拍摄的图像进行畸变标定。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种棋盘格格子中心点检测方法,其特征在于,包括:
S1,获取棋盘格图像,对所述棋盘格图像中的棋盘格角点进行标定,获取标定的棋盘格角点在棋盘格图像的像平面中的坐标,按照棋盘格角点在棋盘格图像中的位置关系将棋盘格角点坐标排列成第一矩阵;
S2,基于第一矩阵在所述棋盘格图像中依次裁剪出包含单个完整棋盘格的第一局部图像;
S3,对每个第一局部图像中的棋盘格中心点进行标定。
2.如权利要求1所述的棋盘格格子中心点检测方法,其特征在于,所述S3包括:
S31,获取第一局部图像中棋盘格的四条边界,将所述四条边界分为第一对相对边界和第二对相对边界;
S32,设置多条与所述第一对相对边界相交且与所述第二对相对边界平行的第一线段,获取每条第一线段与所述第一对相对边界的两个交点之间的距离,将所述距离中的最大值作为第一距离,为第一距离所在第一线段与所述第一相对边界的两个交点设置轴对称线,记为第一轴对称线;
设置多条与所述第二对相对边界相交且与所述第一对相对边界平行的第二线段,获取每条第二线段与所述第二对相对边界的两个交点之间的距离,将所述距离中的最大值作为第二距离,为第二距离所在第二线段与所述第二相对边界的两个交点设置轴对称线,记为第二轴对称线;
S33,将第一轴对称线和第二轴对称线的交点作为所述第一局部图像中棋盘格的中心点,获取所述第一局部图像中棋盘格的中心点在棋盘格图像的像平面中的坐标。
3.如权利要求1所述的棋盘格格子中心点检测方法,其特征在于,在所述S32中,获取第一线段和第二线段的方法为:
建立第一坐标系,所述第一坐标系以第一局部图像的左上角为原点,以第一局部图像的宽为横轴,以第一局部图像的高为纵轴;
设第一对相对边界沿第一坐标系横轴延伸,第二对相对边界沿第一坐标系纵轴延伸;
获取第一对相对边界与横轴的夹角为α,第二对相对边界与纵轴的夹角为θ;
4.如权利要求1所述的棋盘格格子中心点检测方法,其特征在于,在所述S1中,对所述棋盘格图像中的棋盘格角点进行标定的过程包括:
S11,建立第一图形模版,所述第一图形模版包括位于中心的四条线段,所述四条线段通过将田字形相邻的4个棋盘格中连接4个棋盘格的公共角点的4条公共边隐去与公共角点邻近部分获得;
S12,在棋盘格图像中滑动第一图形模版,获取每次滑动时获得的与第一图形模版同大小的第一局部区域,获取所述第一局部区域与第一图形模版的匹配度,记为第一匹配度,当所述第一匹配度达到匹配阈值时,将第一局部区域的中心点作为第一角点;
S13,建立第二图形模版,所述第二图像模版上设有与棋盘格右边、下边和右下顶点构成的形状相似的线段;
S14,基于第一角点的坐标,将棋盘格图像剪裁为多个分别与第一角点一一对应的第二局部图像,所述第二局部图像包含的角点仅为对应的第一角点;
S15,对每个第二局部图像进行如下处理获取第二角点,具体包括:
S151,将所述第二局部图像放大K倍,K≥1;
S152,在放大K倍的第二局部图像中滑动第二图形模版,获取每次滑动时放大K倍的第二局部图像中与第二图形模版同大小的第二局部区域,获取所述第二局部区域与第二图形模版的匹配度,记为第二匹配度,当所述第二匹配度达到匹配阈值时,统计放大K倍的第二局部图像中与第二图形模版的匹配度达到匹配阈值的第二局部区域数量;
S153,当与第二图形模版的匹配度达到匹配阈值的第二局部区域的数量为1时,将第二局部图像对应的第一角点作为第二角点;
当与第二图形模版的匹配度达到匹配阈值的第二局部区域的数量为2时,以两个第二局部区域中分别与第二图形模版中线段的右下顶点位置对应的像素点连线的中点作为第二角点;
当与第二图形模版的匹配度达到匹配阈值的第二局部区域的数量大于2时,生成第一角点附近田字形相邻的4个棋盘格的像素梯度渐近线,将对角的两组梯度渐近线通过拟合连接,形成一个交叉点,将所述交叉点作为第二角点;
S16,提取第二角点在棋盘格图像的像平面上的坐标。
5.如权利要求4所述的棋盘格格子中心点检测方法,其特征在于,在所述S1中,按照棋盘格角点在棋盘格图像中的位置关系将棋盘格角点坐标排列成第一矩阵的过程包括:
S17,设置N*M维矩阵D,矩阵D初始为零矩阵,N不小于棋盘格图像中棋盘格的行数,M不小于棋盘格图像中棋盘格的列数,N和M均为奇数;
S18,获取棋盘格图像的中心点的像平面坐标,将距离所述棋盘格图像的中心点最近的第二角点记为中央角点,将中央角点的坐标放入矩阵D的中心位置;
S19,在剩下的第二角点中获取离所述中央角点距离最近的至少一个第二角点,根据获取的第二角点的行列坐标与中央角点的行列坐标的大小关系确认与中央角点的位置关系,并按照所述位置关系将所述第二角点的坐标放入矩阵D中相应的位置;
S20,重复执行S19直到所有第二角点的坐标均放入矩阵D,裁剪掉矩阵D中数值为零的元素获得第一矩阵。
6.一种摄像机畸变标定方法,其特征在于,包括:
步骤A,摄像机对棋盘格标定板进行拍摄获得棋盘格图像,执行权利要求1-5之一所述方法的步骤对所述棋盘格图像中棋盘格的中心点进行检测,获得棋盘格中心点坐标;
步骤B,获取每个棋盘格中心点距离棋盘格图像的中心点的实际距离和理想距离,计算所有棋盘格中心点的畸变值;
步骤C,对所有棋盘格中心点的畸变值进行曲线拟合获得畸变曲线,
步骤D,基于所述畸变曲线对摄像机拍摄图像中的每个像素点进行畸变标定。
9.如权利要求6所述的摄像机畸变标定方法,其特征在于,将所述棋盘格图像分为四个象限,分别对四个象限的棋盘格中心点的畸变值进行曲线拟合获得4条畸变曲线;在对摄像机拍摄图像进行标定中,每个象限的像素点采用相应象限的畸变曲线进行畸变标定。
10.一种摄像机畸变标定系统,其特征在于,包括棋盘格标定板、摄像机和处理器,处理器与摄像机连接;
所述处理器执行权利要求6-9之一所述方法的步骤对摄像机拍摄的图像进行畸变标定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010815482.1A CN112037284B (zh) | 2020-08-13 | 2020-08-13 | 棋盘格格子中心点检测方法、摄像机畸变标定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010815482.1A CN112037284B (zh) | 2020-08-13 | 2020-08-13 | 棋盘格格子中心点检测方法、摄像机畸变标定方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112037284A true CN112037284A (zh) | 2020-12-04 |
CN112037284B CN112037284B (zh) | 2024-02-27 |
Family
ID=73578469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010815482.1A Active CN112037284B (zh) | 2020-08-13 | 2020-08-13 | 棋盘格格子中心点检测方法、摄像机畸变标定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112037284B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112734721A (zh) * | 2021-01-08 | 2021-04-30 | 昆山丘钛微电子科技股份有限公司 | 一种光轴偏转角度检测方法、装置、设备和介质 |
CN112927301A (zh) * | 2021-02-04 | 2021-06-08 | 深圳市杉川机器人有限公司 | 摄像头标定方法、装置、计算设备及可读存储介质 |
CN116030450A (zh) * | 2023-03-23 | 2023-04-28 | 摩尔线程智能科技(北京)有限责任公司 | 棋盘格角点识别方法、装置、设备和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101750014A (zh) * | 2009-12-31 | 2010-06-23 | 重庆大学 | 正交式三坐标测量机中摄像机的标定方法 |
CN105913439A (zh) * | 2016-04-22 | 2016-08-31 | 清华大学 | 一种基于激光跟踪仪的大视场摄像机标定方法 |
US20170287166A1 (en) * | 2016-03-29 | 2017-10-05 | Institut National D'optique | Camera calibration method using a calibration target |
CN108182707A (zh) * | 2017-12-21 | 2018-06-19 | 上海汇像信息技术有限公司 | 采集不完整条件下的棋盘格标定模板及其自动识别方法 |
CN111243032A (zh) * | 2020-01-10 | 2020-06-05 | 大连理工大学 | 一种棋盘格角点全自动检测方法 |
-
2020
- 2020-08-13 CN CN202010815482.1A patent/CN112037284B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101750014A (zh) * | 2009-12-31 | 2010-06-23 | 重庆大学 | 正交式三坐标测量机中摄像机的标定方法 |
US20170287166A1 (en) * | 2016-03-29 | 2017-10-05 | Institut National D'optique | Camera calibration method using a calibration target |
CN105913439A (zh) * | 2016-04-22 | 2016-08-31 | 清华大学 | 一种基于激光跟踪仪的大视场摄像机标定方法 |
CN108182707A (zh) * | 2017-12-21 | 2018-06-19 | 上海汇像信息技术有限公司 | 采集不完整条件下的棋盘格标定模板及其自动识别方法 |
CN111243032A (zh) * | 2020-01-10 | 2020-06-05 | 大连理工大学 | 一种棋盘格角点全自动检测方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112734721A (zh) * | 2021-01-08 | 2021-04-30 | 昆山丘钛微电子科技股份有限公司 | 一种光轴偏转角度检测方法、装置、设备和介质 |
CN112734721B (zh) * | 2021-01-08 | 2024-01-16 | 昆山丘钛微电子科技股份有限公司 | 一种光轴偏转角度检测方法、装置、设备和介质 |
CN112927301A (zh) * | 2021-02-04 | 2021-06-08 | 深圳市杉川机器人有限公司 | 摄像头标定方法、装置、计算设备及可读存储介质 |
CN116030450A (zh) * | 2023-03-23 | 2023-04-28 | 摩尔线程智能科技(北京)有限责任公司 | 棋盘格角点识别方法、装置、设备和介质 |
CN116030450B (zh) * | 2023-03-23 | 2023-12-19 | 摩尔线程智能科技(北京)有限责任公司 | 棋盘格角点识别方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112037284B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112037284B (zh) | 棋盘格格子中心点检测方法、摄像机畸变标定方法及系统 | |
CN108760767B (zh) | 基于机器视觉的大尺寸液晶屏缺陷检测方法 | |
CN108805935B (zh) | 一种基于正交像素当量比的线阵相机畸变校正方法 | |
US9810602B2 (en) | Method and system for measuring lens distortion | |
CN109272574B (zh) | 基于投影变换的线阵旋转扫描相机成像模型构建方法和标定方法 | |
CN110443879B (zh) | 一种基于神经网络的透视误差补偿方法 | |
CN106780388A (zh) | 一种线阵相机光学畸变矫正方法 | |
CN111383194B (zh) | 一种基于极坐标的相机畸变图像校正方法 | |
CN113920205B (zh) | 一种非同轴相机的标定方法 | |
CN114331924B (zh) | 大工件多相机视觉测量方法 | |
CN109285192A (zh) | 全息系统的双目摄像标定方法 | |
CN105118086A (zh) | 3d-aoi设备中的3d点云数据配准方法及系统 | |
CN111047633B (zh) | 单目测距装置 | |
CN112802123B (zh) | 一种基于条纹虚拟靶标的双目线阵相机静态标定方法 | |
CN113012234A (zh) | 基于平面变换的高精度相机标定方法 | |
CN114708164A (zh) | 机器视觉测量中物体倾斜引起的图像大小头畸变校正方法 | |
KR102023087B1 (ko) | 카메라 캘리브레이션 방법 | |
CN111699513B (zh) | 一种标定板、内参数标定方法、机器视觉系统及存储装置 | |
CN111968182B (zh) | 一种双目相机非线性模型参数的标定方法 | |
CN106097319A (zh) | 一种用于相机检校的黑白棋盘格角点提取方法 | |
CN110490941B (zh) | 一种基于法向量的远心镜头外参数标定方法 | |
CN116205993A (zh) | 一种用于3d aoi的双远心镜头高精度标定方法 | |
CN112258585B (zh) | 一种面向图像畸变分区求解的标定场设计和图像处理方法 | |
CN110148186B (zh) | 一种rgb-d相机快速标定方法 | |
CN111598940A (zh) | 一种半球摄影中心点位置定位方法 |
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 |