CN112233063B - 一种大尺寸圆形物体的圆心定位方法 - Google Patents

Abstract

本发明公开了一种大尺寸圆形物体的圆心定位方法，利用标准标定块进行物像空间标定，通过在有限安装空间获取大尺寸圆形物体多段圆弧边缘图像；提取其ROI并运用Robert算子进行圆弧边缘检测，得到每张图像的圆弧边缘轮廓点集坐标；并融合位置信息特征，通过设立基准图像以及基准坐标系，将除基准图像外的所有圆弧边缘图像通过坐标变换，换算至基准坐标系中，构成总圆弧边缘点集坐标；并采用最小二乘法拟合圆精确定位圆心，得到亚像素值的圆心坐标和半径。本发明提供一种无需采集整圆图像，采用多段圆弧图像与位置信息融合的方法，对图像中圆的完整度依赖性低，大大减少圆心定位时间消耗，实现大尺寸圆形物体的高精度圆心定位。

Description

一种大尺寸圆形物体的圆心定位方法

技术领域

本发明涉及圆心定位领域，特别是涉及一种大尺寸圆形物体的圆心定位方法。

背景技术

在机器视觉领域及工业生产应用中，圆形物体的高精度检测与定位起着至关重要的作用。目前，有关圆检测与定位的方法主要可以分为四类：圆霍夫变换法、随机圆检测法、线段逼近法和深度学习方法。

虽然上述方法可以取得较好的精度和鲁棒性等结果，在实际中也有着一定的应用，但其具有图像中需存在整圆或至少二分之一以上圆等特点，对图像中圆的完整度依赖性强，当图像中只存在小段圆弧时上述方法难以满足高精度要求。

特别地，针对大尺寸圆形物体检测与定位问题，因实际的相机安装空间位置有限，不允许有较大工作距离的容许度，无法实现在一个视场中采集到整圆图像，即使可以通过无限增加工作距离来增大视场以采集到更大的圆图像，这却大大降低了精度，根本无法达到要求。

除此之外，对于采集到的多张具有圆信息的图像，通过图像拼接的方式需要图像间存在重叠区域，拼接后的图像分辨率超大，难以存储，且图像处理计算耗时，无法实现实时性。

发明内容

本发明要解决的技术问题：本发明的目的是为了解决现有技术中的不足，提供一种无需采集整圆图像，采用多段圆弧图像与位置信息融合的方法，实现圆形物体的高精度圆心定位，可大尺寸圆形物体的圆心定位方法。

本发明的技术方案：本发明所述的一种大尺寸圆形物体的圆心定位方法，包括如下步骤：

S1.对待检测圆面进行物像空间标定，计算每个像素对应物空间的尺寸，即像素比

S2.以图像采集装置坐标系建立原坐标系，利用图像采集装置采集待检测圆面上三个以上的圆弧边缘图像，并输出对应的采集点坐标，建立对应的圆弧边缘图像坐标系；

S3.对所有圆弧边缘图像进行ROI提取，得到所有圆弧边缘图像对应的ROI圆弧边缘图像以及ROI图像坐标系在原坐标系中的坐标信息，获取所述ROI圆弧边缘图像相应的ROI圆弧边缘轮廓点集坐标；

S4.以任一圆弧边缘图像为基准图像，其余圆弧边缘图像为常量图像；以基准图像的圆弧边缘图像坐标系为基准坐标系，对常量图像中圆弧边缘轮廓点集坐标进行坐标变换，并换算至基准坐标系中，构成总圆弧边缘点集坐标；

S5.对所述总圆弧边缘点集坐标，采用最小二乘法拟合圆，得到亚像素值，并拟合圆，以此计算亚像素值的圆心坐标及半径。

进一步的，所述坐标变换包括如下步骤：

S4.1：根据所述像素比以及所述采集点坐标，计算除基准图像外的圆弧边缘图像相对于基准图像的像素尺度距离；

S4.2：根据所述ROI图像坐标系在原图像坐标系中的坐标信息以及ROI圆弧边缘图像相应的ROI圆弧边缘轮廓点集坐标，计算各圆弧边缘图像坐标系中，各圆弧边缘轮廓点集坐标；

S4.3：计算常量图像的圆弧边缘点集在基准坐标系中的坐标：

S4.4：将所述常量图像的圆弧边缘点集在基准图像坐标系中的坐标以及基准图像圆弧边缘点集坐标存储在同一向量中。

进一步的，所述最小二乘法拟合圆包括如下步骤：

S5.1：设(a，b)，r分别为基准坐标系的圆心坐标和半径，圆方程可以表示为(u-a)²+(v-b)²＝r²，令g(u，v)＝(u-a)²+(v-b)²-r²，则：

f(a，b，r)＝∑((u_i-a)²+(v_i-b)²-r²)²＝∑_g(u_i，v_i)²，其中(u_i，v_i)为所有圆弧点集在基准坐标系中的坐标；

最小二乘估计圆心坐标和半径参数，即求解(a，b，r)使得f(a，b，r)最小，即需要满足以下条件：

S5.2：根据所述总圆弧边缘点集坐标，即{(u_i，v_i)|u_i∈L_U_total，v_i∈L_V_total}，式中，L_U_total表示总圆弧边缘点集的x坐标集合，L_V_total表示总圆弧边缘点集的y坐标集合；可以计算圆心坐标和半径为：

其中，

N为(y_i，v_i)的坐标点个数，也即样本总量；

S5.3：根据所述圆心坐标和半径，拟合整圆：

其中，θ∈[0，2π]。

进一步的，所述ROI圆弧边缘图像进行图像滤波、形态学运算、阈值分割处理，达到以圆弧边缘作为目标的二值化图像；对所述二值化图像进行Robert边缘检测，获取圆弧边缘特征图像；将所述圆弧边缘特征图像采用findContours轮廓检测进行轮廓提取，并获取ROI圆弧边缘轮廓点集坐标。

进一步的，包括如下步骤：

S-2.利用图像采集装置对待检测圆面上选取四个圆弧边缘图像，进行物像空间标定，记做Top、Bottom、Left和Right，并输出对应的采集点坐标，记做L_P(x_l,y_l)、R_P(x_r,y_r)、T_P(x_t,y_t)、B_P(x_b,y_b)；

S-3.对所述四个圆弧边缘图像进行ROI提取，获取包含圆弧边缘的ROI圆弧边缘图像，包括Left_ROI圆弧边缘图像、Right_ROI圆弧边缘图像、Top_ROI圆弧边缘图像和Bottom_ROI圆弧边缘图像，并得到ROI圆弧边缘图像坐标系在原图像坐标系中的坐标信息；

对于Left圆弧边缘图像和Right圆弧边缘图像，ROI圆弧边缘图像相对于原图像的高度保持不变，Left_ROI圆弧边缘图像和Right_ROI圆弧边缘图像坐标系在Left、Right圆弧边缘图像坐标系中的坐标分别为L_ROI_P(u_l,0)、R_ROI_P(u_r,0)；

对于Top圆弧边缘图像和Bottom圆弧边缘图像，ROI圆弧边缘图像相对于原图像的宽度保持不变，Top_ROI圆弧边缘图像和Bottom_ROI圆弧边缘图像坐标系在Top圆弧边缘图像和Bottom圆弧边缘图像坐标系中的坐标分别为T_ROI_P(0,v_t)、B_ROI_P(0,v_b)；

对所述ROI圆弧边缘图像进行Robert边缘检测，获取圆弧边缘特征，其中，Robert算子边缘检测原理为：

定义梯度算子为：

其中

对所述圆弧边缘特征采用findContours轮廓检测进行轮廓提取，并获取ROI圆弧边缘轮廓点集坐标，各ROI圆弧边缘轮廓点集坐标分别表示如下：

Left_ROI圆弧边缘图像的ROI圆弧边缘轮廓点集的列坐标和行坐标分别为：L_ROI_U＝(u_l1,u_l2,…)，L_ROI_V＝(v_l1,v_l2,…)；

Right_ROI圆弧边缘图像的ROI圆弧边缘轮廓点集的列坐标和行坐标分别为：R_ROI_U＝(u_r1,u_r2,…)，R_ROI_V＝(v_r1,v_r2,…)；

Top_ROI圆弧边缘图像的ROI圆弧边缘轮廓点集的列坐标和行坐标分别为：T_ROI_U＝(u_t1,u_t2,…)，T_ROI_V＝(v_t1,v_t2,…)；

Bottom_ROI圆弧边缘图像的ROI圆弧边缘轮廓点集的列坐标和行坐标分别为：B_ROI_U＝(u_b1,u_b2,…)，B_ROI_V＝(v_b1,v_b2,…)；

S-4.1：以Left圆弧边缘图像坐标系为基准坐标系，计算Right、Top、Bottom圆弧边缘图像相对于Left圆弧边缘图像的像素尺度距离：

Right圆弧边缘图像相对于Left圆弧边缘图像的像素尺度距离为：

Top圆弧边缘图像相对于Left圆弧边缘图像的像素尺度距离为：

Bottom圆弧边缘图像相对于Left圆弧边缘图像的像素尺度距离为：

S-4.2：根据所述ROI图像坐标系在原图像坐标系中的坐标信息L_ROI_P(u_l,0)、R_ROI_P(u_r,0)、T_ROI_P(0,v_t)、B_ROI_P(0,v_b)以及所述各ROI图像中圆弧边缘轮廓点集坐标计算Left、Right、Top、Bottom圆弧边缘图像坐标系中各圆弧边缘轮廓点集坐标：

Left圆弧边缘图像坐标系中圆弧边缘轮廓点集列坐标和行坐标分别为：L_U＝L_ROI_U+u_l*E_l，L_V＝L_ROI_V，其中E_l＝(1,1,…)，E_l与L_ROI_U维度相同；

Right圆弧边缘图像坐标系中圆弧边缘轮廓点集列坐标和行坐标分别为：R_U＝R_ROI_U+u_r*E_r，R_V＝R_ROI_V，其中E_r＝(1,1,…)，E_r与R_ROI_U维度相同；

Top圆弧边缘图像坐标系中圆弧边缘轮廓点集列坐标和行坐标分别为：T_U＝T_ROI_U，T_V＝T_ROI_V+v_t*E_t，其中E_t＝(1,1,…)，E_t与T_ROI_V维度相同；

Bottom圆弧边缘图像坐标系中圆弧边缘轮廓点集列坐标和行坐标分别为：B_U＝B_ROI_U，B_V＝B_ROI_V+v_b*E_b，其中E_b＝(1,1,…)，E_b与B_ROI_V维度相同；

S-4.3：计算Right、Top、Bottom圆弧边缘图像的圆弧点集在Left圆弧边缘图像坐标系中的坐标：

Right圆弧边缘图像的圆弧点集在Left圆弧边缘图像坐标系中的列坐标和行坐标分别为：RL_U＝R_U+RL_Δu，RL_V＝R_V±RL_Δv；

Top圆弧边缘图像的圆弧点集在Left圆弧边缘图像坐标系中的列坐标和行坐标分别为：TL_U＝T_U+TL_Δu，TL_V＝T_V﹣TL_Δv；

Bottom圆弧边缘图像的圆弧点集在Left圆弧边缘图像坐标系中的列坐标和行坐标分别为：BL_U＝B_U+BL_Δu，BL_V＝B_V+BL_Δv；

S-4.4：将所述Right、Top、Bottom圆弧边缘图像的圆弧点集在Left圆弧边缘图像坐标系中的坐标以及Left圆弧边缘图像圆弧点集坐标存储在同一向量中；

所有圆弧边缘轮廓点集在Left圆弧边缘图像坐标系中的列坐标和行坐标分别为：L_U_total＝(L_U,RL_U,TL_U,BL_U)，L_V_total＝(L_V,RL_V,TL_V,BL_V)。

进一步的，所述S1包括如下步骤，使用高精度标准标定块进行物像空间标定，为了提高测量精度及减小误差，可以重复进行N次试验(N≥5)，记录每次试验获取的每个像素对应物空间的尺寸，即像素比μ_i(i＝1，2，...，N)，单位为um/pixel，并计算其均值：

本发明与现有技术相比的有益效果：

本发明在进行圆形定位时，无需存在整圆或至少二分之一以上的圆，对图像中圆的完整度依赖性低；通过在有限安装空间获取大尺寸圆形物体多段圆弧边缘图像，只需采集多段圆弧边缘图像，并融合位置信息特征，通过设立基准图像以及基准坐标系，将除基准图像外的所有圆弧边缘图像通过坐标变换，并换算至基准坐标系中，构成总圆弧边缘点集坐标，并采用最小二乘拟合圆精确定位圆心得到亚像素坐标，大大减少圆心定位时间消耗，实现大尺寸圆形物体的高精度圆心定位。

附图说明

图1为本发明多段圆弧与位置信息融合的大尺寸高精度圆心定位方法整体流程图；

图2为本发明多段圆弧图像采集位置示意图；

图3为本发明多段圆弧图像坐标系ROI示意图；

图4为本发明坐标变换计算方法流程图。

具体实施方式

为了加深本发明的理解，下面我们将结合附图对本发明作进一步详述，该实施例仅用于解释本发明，并不构成对本发明保护范围的限定。

如图1-4示出了本发明一种多段圆弧与位置信息融合的大尺寸高精度圆心定位方法，本发明使用多段圆弧图像与位置信息融合，通过ROI提取和Robert边缘检测，获取圆弧轮廓及点集坐标，利用坐标变换将多张圆弧图像中圆弧点集坐标换算至同一图像坐标系中，并采用最小二乘估计圆心坐标和半径，得到亚像素值，并拟合圆。

一种多段圆弧与位置信息融合的大尺寸高精度圆心定位方法，如图2所示，包括待测圆面1和电机坐标系2，标准标定块在运动平台3内运动，具体包括以下步骤：

步骤1：使用高精度标准标定块进行物像空间标定，通过制作一个高精度标准标定块，标定块精度达到1um，利用固定在运动平台上方的相机获取标定块图像，得到图像中标定块尺寸大小为L(um)*W(um)分别对应的像素大小PL(pixel)*PW(pixel)，从而计算每个像素对应物空间的尺寸：

为了提高测量精度及减小误差，可以重复进行N次试验(N≥5)，记录每次试验获取的每个像素对应物空间的尺寸，即像素比μ_i(i＝1，2，...，N)，单位为um/pixel，并计算其均值：

步骤2：通过电机控制运动平台运动，如图2所示，电机坐标系为O-XY，X正方向朝右，Y正方向朝下，利用固定在运动平台上方的相机采集放置在运动平台上圆形物体的左、右、上、下圆弧边缘四个位置图像Left、Right、Top、Bottom，并输出四个位置图像分别对应的电机坐标信息L_P(x_l,y_l)、R_P(x_r,y_r)、T_P(x_t,y_t)、B_P(x_b,y_b)，单位为cm；

步骤3：对步骤2得到的四个位置图像进行ROI提取，如图3所示，O_l-U_lV_l、O_r-U_rV_r、O_t-U_tV_t、O_b-U_bV_b分别为Left、Right、Top、Bottom图像坐标系，获取包含圆弧边缘的Left_ROI、Right_ROI、Top_ROI、Bottom_ROI图像，并得到ROI图像坐标系在原图像坐标系中的坐标信息，单位为pixel：

对于Left、Right图像，ROI图像相对于原图像的高度保持不变，Left_ROI、Right_ROI图像坐标系在Left、Right图像坐标系中的坐标分别为L_ROI_P(u_l,0)、R_ROI_P(u_r,0)；

对于Top、Bottom图像，ROI图像相对于原图像的宽度保持不变，Top_ROI、Bottom_ROI图像坐标系在Top、Bottom图像坐标系中的坐标分别为T_ROI_P(0,v_t)、B_ROI_P(0,v_b)；

步骤4：对步骤3得到的包含圆弧边缘的Left_ROI、Right_ROI、Top_ROI、Bottom_ROI图像进行图像滤波、形态学运算、阈值分割等一系列处理，达到圆弧边缘作为目标的二值化图像；

步骤5：对步骤4得到的二值化图像进行Robert边缘检测，获取圆弧边缘特征，Robert算子边缘检测原理为：

定义梯度算子为：

其中

步骤6：对步骤5得到的圆弧边缘图像采用findContours轮廓检测进行轮廓提取，并获取圆弧边缘轮廓点集坐标，单位为pixel，各圆弧边缘轮廓点集坐标分别表示如下：

Left_ROI图像圆弧边缘轮廓点集的列坐标和行坐标分别为：L_ROI_U＝(u_l1,u_l2,…)，

L_ROI_V＝(v_l1,v_l2,…)；

Right_ROI图像圆弧边缘轮廓点集的列坐标和行坐标分别为：R_ROI_U＝(u_r1,u_r2,…)，

R_ROI_V＝(v_r1,v_r2,…)；

Top_ROI图像圆弧边缘轮廓点集的列坐标和行坐标分别为：T_ROI_U＝(u_t1,u_t2,…)，

T_ROI_V＝(v_t1,v_t2,…)；

Bottom_ROI图像圆弧边缘轮廓点集的列坐标和行坐标分别为：B_ROI_U＝(u_b1,u_b2,…)，

B_ROI_V＝(v_b1,v_b2,…)；

步骤7：以Left图像坐标系为基准坐标系，根据步骤1得到的像素比步骤2得到的四个位置图像分别对应的电机坐标信息L_P(x_l,y_l)、R_P(x_r,y_r)、T_P(x_t,y_t)、B_P(x_b,y_b)，步骤3得到的ROI图像坐标系在原图像坐标系中的坐标信息L_ROI_P(u_l,0)、R_ROI_P(u_r,0)、T_ROI_P(0,v_t)、B_ROI_P(0,v_b)以及步骤6得到的各ROI图像中圆弧边缘轮廓点集坐标进行坐标变换计算，将Right、Top、Bottom三个位置图像的圆弧点集坐标换算至Left图像坐标系中，单位为pixel；

步骤8：根据步骤7得到的Left图像坐标系下四段圆弧边缘点集坐标，采用最小二乘估计获取精确的圆心坐标和半径大小，单位为pixel，并拟合圆形。

其中，如图4所示，步骤7中坐标变换计算方法如下：

步骤7.1：根据步骤1得到的像素比以及步骤2得到的四个位置图像分别对应的电机坐标信息L_P(x_l,y_l)、R_P(x_r,y_r)、T_P(x_t,y_t)、B_P(x_b,y_b)计算Right、Top、Bottom图像相对于Left图像的像素尺度距离：

Right图像相对于Left图像的像素尺度距离为：

Top图像相对于Left图像的像素尺度距离为：

Bottom图像相对于Left图像的像素尺度距离为：

步骤7.2：根据步骤3得到的ROI图像坐标系在原图像坐标系中的坐标信息L_ROI_P(u_l,0)、R_ROI_P(u_r,0)、T_ROI_P(0,v_t)、B_ROI_P(0,v_b)以及步骤6得到的各ROI图像中圆弧边缘轮廓点集坐标计算Left、Right、Top、Bottom图像坐标系中各圆弧边缘轮廓点集坐标：

Left图像坐标系中圆弧边缘轮廓点集列坐标和行坐标分别为：L_U＝L_ROI_U+u_l*E_l，L_V＝L_ROI_V，其中E_l＝(1,1,…)，E_l与L_ROI_U维度相同；

Right图像坐标系中圆弧边缘轮廓点集列坐标和行坐标分别为：R_U＝R_ROI_U+u_r*E_r，R_V＝R_ROI_V，其中E_r＝(1,1,…)，E_r与R_ROI_U维度相同；

Top图像坐标系中圆弧边缘轮廓点集列坐标和行坐标分别为：T_U＝T_ROI_U，T_V＝T_ROI_V+v_t*E_t，其中E_t＝(1,1,…)，E_t与T_ROI_V维度相同；

Bottom图像坐标系中圆弧边缘轮廓点集列坐标和行坐标分别为：B_U＝B_ROI_U，B_V＝B_ROI_V+v_b*E_b，其中E_b＝(1,1,…)，E_b与B_ROI_V维度相同；

步骤7.3：根据步骤7.1和7.2得到的结果计算Right、Top、Bottom图像的圆弧点集在Left图像坐标系中的坐标：

Right图像的圆弧点集在Left图像坐标系中的列坐标和行坐标分别为：RL_U＝R_U+RL_Δu，RL_V＝R_V±RL_Δv(Right图像在Left图像下方取“+”，反之取“﹣”)；

Top图像的圆弧点集在Left图像坐标系中的列坐标和行坐标分别为：TL_U＝T_U+TL_Δu，TL_V＝T_V﹣TL_Δv；

Bottom图像的圆弧点集在Left图像坐标系中的列坐标和行坐标分别为：BL_U＝B_U+BL_Δu，BL_V＝B_V+BL_Δv；

步骤7.4：将步骤7.3得到的Right、Top、Bottom图像的圆弧点集在Left图像坐标系中的坐标以及Left图像圆弧点集坐标存储在同一向量：

所有圆弧点集在Left图像坐标系中的列坐标和行坐标分别为：L_U_total＝(L_U,RL_U,TL_U,BL_U)，L_V_total＝(L_V,RL_V,TL_V,BL_V)；

其中，步骤8中利用最小二乘估计圆心坐标和半径参数并拟合圆的方法如下：

步骤8.1：设(a,b)，r分别为Left图像坐标系的圆心坐标和半径，圆方程可以表示为(u-a)²+(v-b)²＝r²，令g(u，v)＝(u-a)²+(v-b)²-r²，则：f(a，b，r)＝∑((u_i-a)²+(v_i-b)²-r²)²＝∑g(u_i，v_i)²，其中(u_i，v_i)为所有圆弧点集在Left图像坐标系中的坐标；

最小二乘估计圆心坐标和半径参数即求解(a，b，r)使得f(a，b，r)最小，即需要满足以下条件：

可以得到：

步骤8.2：根据步骤7.4得到的所有圆弧点集在Left图像坐标系中的坐标，即{(u_i，v_i)|u_i∈L_U_total，v_i∈L_V_total}，可以计算圆心坐标和半径为：

其中，

N为(u_i，v_i)的坐标点个数，也即样本总量；

步骤8.3：根据步骤8.2计算的圆心坐标和半径a，b，r，拟合整圆：

其中，θ∈[0，2π]；。

以上显示和描述了本发明的基本原理、主要特征和优点。本领域的技术人员应该了解本发明不受上述具体实施例的限制，上述具体实施例和说明书中的描述只是为了进一步说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由权利要求书及其等效物界定。

Claims (5)

1.一种大尺寸圆形物体的圆心定位方法，其特征在于：

S1.对待检测圆面进行物像空间标定，计算每个像素对应物空间的尺寸，即像素比

S2.以图像采集装置坐标系建立原坐标系，利用图像采集装置采集待检测圆面上三个以上的圆弧边缘图像，并输出对应的采集点坐标，建立对应的圆弧边缘图像坐标系；

S3.对所有圆弧边缘图像进行ROI提取，得到所有圆弧边缘图像对应的ROI圆弧边缘图像以及ROI图像坐标系在原坐标系中的坐标信息，获取所述ROI圆弧边缘图像相应的ROI圆弧边缘轮廓点集坐标；

S4.以任一圆弧边缘图像为基准图像，其余圆弧边缘图像为常量图像；以基准图像的圆弧边缘图像坐标系为基准坐标系，对常量图像中圆弧边缘轮廓点集坐标进行坐标变换，并换算至基准坐标系中，构成总圆弧边缘点集坐标；

S5.对所述总圆弧边缘点集坐标，采用最小二乘法拟合圆，得到亚像素值的圆心坐标及半径；

其中，S-2.利用图像采集装置在待检测圆面上获取四个圆弧边缘图像，记做Top、Bottom、Left和Right，并输出对应的采集点坐标，记做L_P(x_l,y_l)、R_P(x_r,y_r)、T_P(x_t,y_t)、B_P(x_b,y_b)；

S-3.对所述四个圆弧边缘图像进行ROI提取，获取包含圆弧边缘的ROI圆弧边缘图像，包括Left_ROI圆弧边缘图像、Right_ROI圆弧边缘图像、Top_ROI圆弧边缘图像和Bottom_ROI圆弧边缘图像，并得到ROI圆弧边缘图像坐标系在原图像坐标系中的坐标信息；

对于Left圆弧边缘图像和Right圆弧边缘图像，ROI圆弧边缘图像相对于原图像的高度保持不变，Left_ROI圆弧边缘图像和Right_ROI圆弧边缘图像坐标系在Left、Right圆弧边缘图像坐标系中的坐标分别为L_ROI_P(u_l,0)、R_ROI_P(u_r,0)；

对于Top圆弧边缘图像和Bottom圆弧边缘图像，ROI圆弧边缘图像相对于原图像的宽度保持不变，Top_ROI圆弧边缘图像和Bottom_ROI圆弧边缘图像坐标系在Top圆弧边缘图像和Bottom圆弧边缘图像坐标系中的坐标分别为T_ROI_P(0,v_t)、B_ROI_P(0,v_b)；

对所述ROI圆弧边缘图像进行Robert边缘检测，获取圆弧边缘特征，其中，Robert算子边缘检测原理为：

定义梯度算子为：

其中式中I表示ROI圆弧边缘图像；

对所述圆弧边缘特征采用findContours轮廓检测进行轮廓提取，并获取ROI圆弧边缘轮廓点集坐标，各ROI圆弧边缘轮廓点集坐标分别表示如下：

Left_ROI圆弧边缘图像的ROI圆弧边缘轮廓点集的列坐标和行坐标分别为：L_ROI_U＝(u_l1,u_l2,…)，L_ROI_V＝(v_l1,v_l2,…)；

Right_ROI圆弧边缘图像的ROI圆弧边缘轮廓点集的列坐标和行坐标分别为：R_ROI_U＝(u_r1,u_r2,…)，R_ROI_V＝(v_r1,v_r2,…)；

Top_ROI圆弧边缘图像的ROI圆弧边缘轮廓点集的列坐标和行坐标分别为：T_ROI_U＝(u_t1,u_t2,…)，T_ROI_V＝(v_t1,v_t2,…)；

Bottom_ROI圆弧边缘图像的ROI圆弧边缘轮廓点集的列坐标和行坐标分别为：B_ROI_U＝(u_b1,u_b2,…)，B_ROI_V＝(v_b1,v_b2,…)；

S-4.1：以Left圆弧边缘图像坐标系为基准坐标系，计算Right、Top、Bottom圆弧边缘图像相对于Left圆弧边缘图像的像素尺度距离：

Right圆弧边缘图像相对于Left圆弧边缘图像的像素尺度距离为：

Top圆弧边缘图像相对于Left圆弧边缘图像的像素尺度距离为：

Bottom圆弧边缘图像相对于Left圆弧边缘图像的像素尺度距离为：

S-4.2：根据所述ROI图像坐标系在原图像坐标系中的坐标信息L_ROI_P(u_l,0)、R_ROI_P(u_r,0)、T_ROI_P(0,v_t)、B_ROI_P(0,v_b)以及所述各ROI图像中圆弧边缘轮廓点集坐标计算Left、Right、Top、Bottom圆弧边缘图像坐标系中各圆弧边缘轮廓点集坐标：

Left圆弧边缘图像坐标系中圆弧边缘轮廓点集列坐标和行坐标分别为：L_U＝L_ROI_U+u_l*E_l，L_V＝L_ROI_V，其中E_l＝(1,1,…)，E_l与L_ROI_U维度相同；

Right圆弧边缘图像坐标系中圆弧边缘轮廓点集列坐标和行坐标分别为：R_U＝R_ROI_U+u_r*E_r，R_V＝R_ROI_V，其中E_r＝(1,1,…)，E_r与R_ROI_U维度相同；

Top圆弧边缘图像坐标系中圆弧边缘轮廓点集列坐标和行坐标分别为：T_U＝T_ROI_U，T_V＝T_ROI_V+v_t*E_t，其中E_t＝(1,1,…)，E_t与T_ROI_V维度相同；

Bottom圆弧边缘图像坐标系中圆弧边缘轮廓点集列坐标和行坐标分别为：B_U＝B_ROI_U，B_V＝B_ROI_V+v_b*E_b，其中E_b＝(1,1,…)，E_b与B_ROI_V维度相同；

S-4.3：计算Right、Top、Bottom圆弧边缘图像的圆弧点集在Left圆弧边缘图像坐标系中的坐标：

Right圆弧边缘图像的圆弧点集在Left圆弧边缘图像坐标系中的列坐标和行坐标分别为：RL_U＝R_U+RL_Δu，RL_V＝R_V±RL_Δv，Right圆弧边缘图像在Left圆弧边缘图像下方取“+”，反之取“﹣”；

Top圆弧边缘图像的圆弧点集在Left圆弧边缘图像坐标系中的列坐标和行坐标分别为：TL_U＝T_U+TL_Δu，TL_V＝T_V﹣TL_Δv；

Bottom圆弧边缘图像的圆弧点集在Left圆弧边缘图像坐标系中的列坐标和行坐标分别为：BL_U＝B_U+BL_Δu，BL_V＝B_V+BL_Δv；

S-4.4：将所述Right、Top、Bottom圆弧边缘图像的圆弧点集在Left圆弧边缘图像坐标系中的坐标以及Left圆弧边缘图像圆弧点集坐标存储在同一向量中；

所有圆弧边缘轮廓点集在Left圆弧边缘图像坐标系中的列坐标和行坐标分别为：L_U_total＝(L_U,RL_U,TL_U,BL_U)，L_V_total＝(L_V,RL_V,TL_V,BL_V)。

2.根据权利要求1所述的一种大尺寸圆形物体的圆心定位方法，其特征在于：所述的S4中坐标变换包括如下步骤：

S4.1：根据所述像素比以及所述采集点坐标，计算除基准图像外的圆弧边缘图像相对于基准图像的像素尺度距离；

S4.2：根据所述ROI图像坐标系在原图像坐标系中的坐标信息以及ROI圆弧边缘图像相应的ROI圆弧边缘轮廓点集坐标，计算各圆弧边缘图像坐标系中各圆弧边缘轮廓点集坐标；

S4.3：计算常量图像的圆弧边缘点集在基准坐标系中的坐标；

S4.4：将所述常量图像的圆弧边缘点集在基准图像坐标系中的坐标以及基准图像圆弧边缘点集坐标存储在同一向量中。

3.根据权利要求1所述的一种大尺寸圆形物体的圆心定位方法，其特征在于：所述最小二乘法拟合圆包括如下步骤：

S5.1：设(a,b)，r分别为基准坐标系的圆心坐标和半径，圆方程表示为(u-a)²+(v-b)²＝r²，令g(u，v)＝(u-a)²+(v-b)²-r²，则：f(a，b，r)＝∑((u_i-a)²+(v_i-b)²-r²)²＝∑g(u_i，v_i)²，其中(u_i，v_i)为所有圆弧点集在基准坐标系中的坐标；

最小二乘估计圆心坐标和半径参数，即求解(a，b，r)使得f(a，b，r)最小，即需要满足以下条件：

S5.2：根据所述总圆弧边缘点集坐标，即{(u_i，v_i)|u_i∈L_U_total，v_i∈L_V_total}，式中，L_U_total表示总圆弧边缘点集的x坐标集合，L_V_total表示总圆弧边缘点集的y坐标集合；计算圆心坐标和半径为：

其中，

N为(u_i，v_i)的坐标点个数，也即样本总量；

S5.3：根据所述圆心坐标和半径，拟合整圆：

其中，θ∈[0，2π]。

4.根据权利要求1所述的一种大尺寸圆形物体的圆心定位方法，其特征在于：所述ROI圆弧边缘图像进行图像滤波、形态学运算、阈值分割处理，达到以圆弧边缘作为目标的二值化图像；对所述二值化图像进行Robert边缘检测，获取圆弧边缘特征图像；将所述圆弧边缘特征图像采用findContours轮廓检测进行轮廓提取，并获取ROI圆弧边缘轮廓点集坐标。

5.根据权利要求1所述的一种大尺寸圆形物体的圆心定位方法，其特征在于：所述的S1中包括如下步骤，使用高精度标准标定块进行物像空间标定，为了提高测量精度及减小误差，重复进行N次试验，N≥5，记录每次试验获取的每个像素对应物空间的尺寸，即像素比u_i,i＝1,2,…,N，单位为um/pixel，并计算其均值：