CN112734779A - 一种圆点标定板边缘亚像素检测方法 - Google Patents

一种圆点标定板边缘亚像素检测方法 Download PDF

Info

Publication number
CN112734779A
CN112734779A CN202011340141.XA CN202011340141A CN112734779A CN 112734779 A CN112734779 A CN 112734779A CN 202011340141 A CN202011340141 A CN 202011340141A CN 112734779 A CN112734779 A CN 112734779A
Authority
CN
China
Prior art keywords
edge
arc
fitting
gray value
calibration plate
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.)
Pending
Application number
CN202011340141.XA
Other languages
English (en)
Inventor
王琪
郭俊佳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Liaoran Vision Technology Co ltd
Original Assignee
Shenzhen Liaoran Vision Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Liaoran Vision Technology Co ltd filed Critical Shenzhen Liaoran Vision Technology Co ltd
Priority to CN202011340141.XA priority Critical patent/CN112734779A/zh
Publication of CN112734779A publication Critical patent/CN112734779A/zh
Pending legal-status Critical Current

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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明适用机器视觉领域，提供了一种圆点标定板边缘亚像素检测方法，该方法包括：对标定板图像进行边缘粗提取处理，获取图像中的粗边缘；根据标定板上标志圆在标定板图像中的特征对椭圆边进行筛选处理，筛选出有标志圆对应的椭圆边；对筛选出的椭圆边进行弧段分割和拟合处理，获取弧段垂线；对弧段垂线进行灰度值提取处理，获取弧段垂线灰度值；对弧段垂线灰度值进行模型拟合处理，获取符合灰度值分布和变化的拟合模型；在拟合模型上进行边缘亚像素点选取处理，获取边缘亚像素点；根据亚像素边缘拟合椭圆并求取圆心。该方法在圆点标定板边缘亚像素检测中，可以提高边缘亚像素检测的精度和速度。

Description

一种圆点标定板边缘亚像素检测方法
技术领域
本发明属于机器视觉技术领域，尤其涉及一种圆点标定板边缘亚像素检测方法。
背景技术
机器视觉是现时代工业自动化技术发展的一个重要方向，机器视觉领域中的相机标定技术更是机器视觉技术在应用中的一个最为基础的环节，相机标定的精度对整套视觉设备的精度起着决定性的意义，从而如何提高相机标定精度、提高相机标定效率已经成为机器视觉领域面临的一个重要挑战。
在使用圆点标定板标定的过程中，由于光线、传感器等原因，拍摄出来的标定板图像中圆点的边缘会出现模糊不清的现象，这种亚像素化的边缘使得边缘检测的精度成为问题，针对亚像素化的边缘检测，主要使用的方法有矩方法、插值法和拟合法，其中，矩方法和插值法容易受噪声影响，边缘检测精度不高，拟合法能够提供较高的边缘检测精度，但目前在拟合法中使用的高斯函数、双曲正切函数等模型都比较复杂，而且求解速度极慢。
发明内容
本发明的目的在于提供一种圆点标定板边缘亚像素检测方法，旨在提高现有技术中圆点标定板图像中边缘亚像素检测的精度和速度。
本发明提供了一种圆点标定板边缘亚像素检测的方法，包括：对标定板图像进行边缘粗提取处理，获取图像中的粗边缘；根据标定板上标志圆在标定板图像中的特征对椭圆边进行筛选处理，筛选出有标志圆对应的椭圆边；对筛选出的椭圆边进行弧段分割和拟合处理，获取弧段垂线；对弧段垂线进行灰度值提取处理，获取弧段垂线灰度值；对弧段垂线灰度值进行模型拟合处理，获取符合灰度值分布和变化的拟合模型；在拟合模型上进行边缘亚像素点选取处理，获取边缘亚像素点；根据亚像素边缘拟合椭圆并求取圆心。
本发明在圆点标定板边缘亚像素的检测中，采用Logistic函数模型，对其进行一定变形，并结合Levenberg-Marquardt算法，能够有效并快速应对灰度变化所带来的影响，提高边缘检测的鲁棒性，从而提高了圆点标定板边缘亚像素检测的精度和速度。
附图说明
图1是本发明实施例提供的圆点标定板边缘亚像素检测方法的实现流程图。
图2是本发明实施例提供的标定板图像的示意图。
图3是本发明实施例提供的弧段垂直圆弧切线方向一定长度线段内提取的像素灰度值。
图4是本发明实施例提供的Logstic函数拟合模型的示意图。
图5是本发明实施例提供的变形Logstic函数拟合模型的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述：
实施例：
图1示出了本发明实施例提供的圆点标定板边缘亚像素检测方法的实现流程，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在步骤S101中，获取图2所示的标定板图像。
在步骤S102中，采用Sobel算子计算图像梯度，获取图像梯度图；对梯度图进行边缘提取处理，获取梯度图中圆的边缘；根据边缘层叠关系确定梯度图中圆的外边缘；根据长宽比和外接矩形的占空比对外边缘进行初筛选，获取符合标志圆特征的外边缘；对筛选出来的外边缘的外接矩形进行外拓，分割圆与临近域；在分割出的圆的区域内进行边缘提取处理，获取圆的粗边缘。
进一步地，采用大津法二值化结合Canny算法在分割出的圆的区域内进行边缘提取处理。
在步骤S103中，利用质心坐标公式对粗边缘的质心进行提取，获取质心坐标；对标定板图像进行灰度化、二值化和连通域处理，获得连通域的圆心坐标；将质心坐标与圆心坐标的位置进行匹配，筛选出坐标匹配成功的质心；保留匹配成功的质心所属的椭圆边，剔除匹配失败的质心所属的椭圆边。
对标定板图像进行灰度化、二值化和连通域处理时，先应用灰度化处理算子对图像进行灰度化处理，再应用自动二值化算子对灰度化的图像进行二值化处理，得到符合实际标记圆大小的二值化图像，然后应用连通域处理算子将二值化后的图像进行连通域化，得出连通域的圆心坐标。
在步骤S104中，以一定长度提取椭圆边的弧段；采用二阶函数对弧段进行拟合，获得表达式；根据表达式计算弧段中点切线，获取该弧段中点真实垂线；以一步长取等长弧，曲边整个椭圆，获取每段中点的射线。
在步骤S105中，提取弧段垂线；以该弧段中心为中点，在该点射线上提取一定长度射线段的灰度值。
在步骤S106中，拟合弧段中心垂线灰度值变化模型:
如图3所示，以垂直圆弧切线为x轴，垂直圆弧切线上对应的灰度值为y轴，获取弧段垂直圆弧切线方向一定长度线段内提取的像素灰度值；
如图4所示，将垂直圆弧切线的灰度值转化为Logstic函数模型，Logstic函数表达式为y＝1/(1+exp(-x))；
如图5所示，增加(a,b,c,d)4个参数，对Logstic函数模型延伸变形，变形Logstic函数的表达式为y＝a/(1+exp(b-c*x))+d，结合Levenberg-Marquardt算法拟合出与灰度值分布重合的模型，LM算法是使用最广泛的非线性最小二乘算法，结合牛顿法及梯度法特点，收敛速度快、鲁棒性强。
在步骤S107中，选取变形Logstic函数模型曲线上的上拐点、中心点、下拐点或上拐点和下拐点之间距离的一定比值长度对应的点中的任意一个点作为边缘亚像素点。
进一步地，上拐点、中心点和下拐点的求解公式依次为：
上拐点：Up＝(b+1.317)/c，
中心点：Mi＝b/c，
下拐点：Lo＝(b-1.317)/c。
进一步地，选取拟合模型上的中心点为边缘亚像素点。
在步骤S108中，根据边缘亚像素点拟合椭圆并获取圆心。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种圆点标定板边缘亚像素检测方法，其特征在于，所述方法包括下述步骤：
对标定板图像进行边缘粗提取处理，获取图像中的粗边缘；
根据标定板上标志圆在标定板图像中的特征对椭圆边进行筛选处理，筛选出有标志圆对应的椭圆边；
对筛选出的椭圆边进行弧段分割和拟合处理，获取弧段垂线；
对弧段垂线进行灰度值提取处理，获取弧段垂线灰度值；
对弧段垂线灰度值进行模型拟合处理，获取符合灰度值分布和变化的拟合模型；
在拟合模型上进行边缘亚像素点选取处理，获取边缘亚像素点；
根据亚像素边缘拟合椭圆并求取圆心。
2.如权利要求1所述的方法，其特征在于，所述对标定板图像进行边缘粗提取是提取标定板图像中的像素级边缘，用于计算圆弧的切线，确定选取灰度值的方向即垂直圆弧切线的方向。
3.如权利要求1或2中所述的方法，其特征在于，所述对标定板图像进行边缘粗处理提取，包括：
采用Sobel算子计算图像梯度，获取图像梯度图；
对梯度图进行边缘提取处理，获取梯度图中圆的边缘；
根据边缘层叠关系确定梯度图中圆的外边缘；
根据长宽比和外接矩形的占空比对外边缘进行初筛选，获取符合标志圆特征的外边缘；
对筛选出来的外边缘的外接矩形进行外拓，分割圆与临近域；
在分割出的圆的区域内进行边缘提取处理，获取圆的粗边缘。
4.如权利要求3所述的方法，其特征在于，所述在分割出的圆的区域内进行边缘提取处理包括采用大津法二值化结合Canny算法进行计算。
5.如权利要求1所述的方法，其特征在于，所述对根据标定板标志圆在标定板图像中的特征对椭圆边进行筛选处理，筛选出有标志圆对应的椭圆边，包括：
利用质心坐标公式对粗边缘的质心进行提取，获取质心坐标；
对标定板图像进行灰度化、二值化和连通域处理，获得连通域的圆心坐标；
将质心坐标与圆心坐标的位置进行匹配，筛选出坐标匹配成功的质心；
保留匹配成功的质心所属的椭圆边，剔除匹配失败的质心所属的椭圆边。
6.如权利要求1所述的方法，其特征在于，所述对椭圆边进行弧段分割和拟合处理，获取弧段垂线，包括：
以一定长度对椭圆边进行提取处理，获得弧段；
采用二阶函数对弧段进行拟合处理，获得表达式；
根据表达式计算弧段中点切线，获取该弧段中点真实垂线；
以一步长取等长弧，曲边整个椭圆，获取每段中点的射线。
7.如权利要求1所述的方法，其特征在于，所述对弧段垂线进行灰度值提取处理，包括：以弧段中心为中点，在该点射线上提取一定长度射线段的灰度值。
8.如权利要求1所述的方法，其特征在于，所述对弧段垂线灰度值进行模型拟合处理，包括：
以垂直圆弧切线为x轴，垂直圆弧切线上对应的灰度值为y轴，
将垂直圆弧切线的灰度值转化为Logstic函数模型，Logstic函数表达式为y＝1/(1+exp(-x))，
增加(a,b,c,d)4个参数，对Logstic函数模型延伸变形，变形Logstic函数的表达式为y＝a/(1+exp(b-c*x))+d，通过Levenberg-Marquardt算法拟合出与灰度值分布重合的模型。
9.如权利要求8所述的方法，其特征在于，所述在拟合模型上进行边缘亚像素点选取处理，获取边缘亚像素点，包括：
选取拟合模型曲线上的上拐点、中心点、下拐点或上拐点和下拐点之间距离的一定比值长度对应的点中的任意一个点作为边缘亚像素点。
10.如权利要求9所述的方法，其特征在于，所述上拐点、中心点和下拐点求解公式为：
上拐点：Up＝(b+1.317)/c，
中心点：Mi＝b/c，
下拐点：Lo＝(b-1.317)/c。
CN202011340141.XA 2020-11-25 2020-11-25 一种圆点标定板边缘亚像素检测方法 Pending CN112734779A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011340141.XA CN112734779A (zh) 2020-11-25 2020-11-25 一种圆点标定板边缘亚像素检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011340141.XA CN112734779A (zh) 2020-11-25 2020-11-25 一种圆点标定板边缘亚像素检测方法

Publications (1)

Publication Number Publication Date
CN112734779A true CN112734779A (zh) 2021-04-30

Family

ID=75597790

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011340141.XA Pending CN112734779A (zh) 2020-11-25 2020-11-25 一种圆点标定板边缘亚像素检测方法

Country Status (1)

Country Link
CN (1) CN112734779A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113466043A (zh) * 2021-07-19 2021-10-01 蒙娜丽莎集团股份有限公司 一种陶瓷岩板断裂韧性的测试方法
CN116630315A (zh) * 2023-07-24 2023-08-22 山东东阿亿福缘阿胶制品有限公司 基于计算机视觉的饮料包装缺陷智能检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080030521A1 (en) * 2006-08-03 2008-02-07 Xin Fang Method for extracting edge in photogrammetry with subpixel accuracy
CN104406548A (zh) * 2014-09-09 2015-03-11 苏州科力迪软件技术有限公司 适用于在生产流水线的工业产品外形进行圆弧直径在线检测的方法
CN105469084A (zh) * 2015-11-20 2016-04-06 中国科学院苏州生物医学工程技术研究所 一种靶标中心点快速提取方法及系统
CN106651828A (zh) * 2016-09-21 2017-05-10 哈尔滨工业大学 一种工业小尺度运动模糊成像条件下的产品尺寸亚像素测量方法
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080030521A1 (en) * 2006-08-03 2008-02-07 Xin Fang Method for extracting edge in photogrammetry with subpixel accuracy
CN104406548A (zh) * 2014-09-09 2015-03-11 苏州科力迪软件技术有限公司 适用于在生产流水线的工业产品外形进行圆弧直径在线检测的方法
CN105469084A (zh) * 2015-11-20 2016-04-06 中国科学院苏州生物医学工程技术研究所 一种靶标中心点快速提取方法及系统
CN106651828A (zh) * 2016-09-21 2017-05-10 哈尔滨工业大学 一种工业小尺度运动模糊成像条件下的产品尺寸亚像素测量方法
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
卢宇 等: "非标准凸台小试样高温蠕变伸长率光学测试", 《测控技术》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113466043A (zh) * 2021-07-19 2021-10-01 蒙娜丽莎集团股份有限公司 一种陶瓷岩板断裂韧性的测试方法
CN116630315A (zh) * 2023-07-24 2023-08-22 山东东阿亿福缘阿胶制品有限公司 基于计算机视觉的饮料包装缺陷智能检测方法
CN116630315B (zh) * 2023-07-24 2023-09-29 山东东阿亿福缘阿胶制品有限公司 基于计算机视觉的饮料包装缺陷智能检测方法

Similar Documents

Publication Publication Date Title
CN107808378B (zh) 基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法
JP5699788B2 (ja) スクリーン領域検知方法及びシステム
CN112419297B (zh) 一种螺栓松动检测方法、装置、设备及存储介质
CN110807355B (zh) 一种基于移动机器人的指针仪表检测与读数识别方法
CN109993099A (zh) 一种基于机器视觉的车道线提取识别方法
CN105260693A (zh) 一种激光二维码定位方法
CN109815822B (zh) 基于广义Hough变换的巡检图零部件目标识别方法
CN108007388A (zh) 一种基于机器视觉的转盘角度高精度在线测量方法
CN113724193B (zh) Pcba零部件尺寸及间隙高精度视觉测量方法
CN112419298B (zh) 一种螺栓节点板锈蚀检测方法、装置、设备及存储介质
CN112734779A (zh) 一种圆点标定板边缘亚像素检测方法
CN104715487A (zh) 一种基于伪Zernike矩的亚像素边缘检测方法
CN104331695A (zh) 一种鲁棒的圆形标志符形状质量检测方法
CN116704516B (zh) 一种用于水溶肥料包装的视觉检测方法
CN110211178A (zh) 一种利用投影计算的指针式仪表识别方法
CN111861979A (zh) 一种定位方法、设备及计算机可读存储介质
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
CN115527049A (zh) 一种引线框架引脚间距的高精度测量方法
CN112419225B (zh) 一种基于引脚分割的sop型芯片检测方法及系统
CN111476792B (zh) 一种板带钢图像轮廓的提取方法
CN113763279A (zh) 一种具有矩形框图像的精确校正处理方法
CN113781413A (zh) 一种基于Hough梯度法的电解电容定位方法
CN113223074A (zh) 一种水下激光条纹中心提取方法
CN115511966A (zh) 基于角点检测的元件识别定位方法及系统、存储介质
CN111667429B (zh) 一种巡检机器人目标定位校正方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210430