CN113175901B - 一种基于坐标变换的区域面积计算方法 - Google Patents
一种基于坐标变换的区域面积计算方法 Download PDFInfo
- Publication number
- CN113175901B CN113175901B CN202110432720.5A CN202110432720A CN113175901B CN 113175901 B CN113175901 B CN 113175901B CN 202110432720 A CN202110432720 A CN 202110432720A CN 113175901 B CN113175901 B CN 113175901B
- Authority
- CN
- China
- Prior art keywords
- coordinate
- formula
- image
- coordinates
- actual
- 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.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 18
- 230000009466 transformation Effects 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 abstract description 6
- 238000013527 convolutional neural network Methods 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
- G01B11/285—Measuring arrangements characterised by the use of optical techniques for measuring areas using photoelectric detection means
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明提出了一种基于坐标变换的区域面积计算方法包括:利用像素点坐标和实际坐标映射变换公式对图像进行二维平面重建,简化相机内参的计算过程,公式总结像素点坐标和实际坐标的映射关系;使用卷积神经网络对目标区域进行轮廓检测和标定;在坐标变换基础上采用向量积的原理,根据目标轮廓对目标区域进行面积实际计算。本发明通过像素点坐标和实际坐标的坐标映射实现目标区域的简单计算,采用的方法简单有效,可适用于多种研究场景,具有实际应用意义。
Description
技术领域
本发明涉及计算机视觉领域,具体是一种基于坐标变换的区域面积计算方法。
背景技术
随着计算机视觉领域的技术应用,可通过对图像的分析处理计算相关目标的实际面积,这就涉及拍摄相机的标定问题,以往的相机标定都是使用三维坐标系之间的转换关系,相关技术文献(胡小平.基于视频的交叉口交通冲突检测与判定[D].北方工业大学,2013.)提出了一种将图像坐标系转换成平面的实际坐标系的简化计算方法,验证认为相机标定可以看成是两个二维坐标系之间的转换关系。但对于这种坐标转换方法,相关文献只是简单阐述,没有进一步的应用和推进,本发明希望提出一种简单且行之有效的目标区域面积计算方法,对语义分割后的图像目标区域进行实际面积的估算,这对后续公共路面违规占道的判定与研究具有实际意义。
综上所述,当前图像区域的实际面积计算面临的问题有:(1)摄像头标定问题,即相机内参的计算过程较复杂;(2)像素点坐标和实际坐标的映射关系;(3)根据图形点轮廓求取图形面积。
发明内容
针对克服现有技术上的不足,本发明提供了一种基于坐标变换的区域面积计算方法。本发明利用像素点坐标和实际坐标映射变换的方法对图像进行二维平面重建,并基于向量积的意义对目标区域面积进行计算。
一种基于坐标变换的区域面积计算方法,包括如下步骤:
步骤1:记原始图像为F1,设图像F1的世界坐标系建立在z=0平面上,根据式(1)进行计算,得到简化后的关系式,如式(2)所示;
其中,t为一个不为0的比例因子,m为图像像素点(u,v)的齐次坐标形式,M为z=0的世界坐标(x,y)的齐次坐标形式,P为相机内参矩阵,{p1,p2,p3,p4,p5,p6,p7,p8,p9}是矩阵P中的元素,t×m=P×M为图像坐标、实际坐标与相机参数的转换关系式;
步骤2:在原始图像F1中,选取4个测量参照点并记为A、B、C和D,选择其中任意一点作为原点(0,0)并建立平面坐标系,然后可获取在该坐标系下的四个参照点的实际坐标并记为A(X1,Y1)、B(X2,Y2)、C(X3,Y3)和D(X4,Y4),同时获取这四个参照点对应的图像像素点的坐标并记为A(U1,V1)、B(U2,V2)、C(U3,V3)和D(U4,V4),将(X1,Y1)、(X2,Y2)、(X3,Y3)、(X4,Y4)、(U1,V1)、(U2,V2)、(U3,V3)和(U4,V4)代入式(2),并令p9=1,得到如式(3)所示的8元一次线性方程;
步骤3:利用克莱姆公式对式(3)进行求解,得到相机内参矩阵P,将P代入式(1),消去比例因子t,得到如式(4)所示的图像坐标和实际坐标的关系式;
其中,(u,v)是图像中的像素点坐标,(x,y)是世界坐标中z=0的实际坐标,{p1,p2,p3,p4,p5,p6,p7,p8,p9}是已解矩阵P中的元素;
步骤4:将原始图像F1读入至训练好的语义分割模型,得到轮廓概率图并进行二值化,对二值化后的图像进行轮廓检测,提取最外围轮廓的像素点坐标并构成如式(5)所示的集合T,输出轮廓预测图并记为F2;
T={(ui,vi)|i=1,2,…,n} (5)
其中,(ui,vi)表示最外围轮廓中第i个像素点的坐标,n表示最外围轮廓的像素点个数;
步骤5:遍历集合T中的像素点并将像素点坐标代入式(4),得到图像F2外围轮廓的像素点对应的实际坐标集合,记为TN,如式(6)所示;
TN={(xi,yi)|i=1,2,…,n} (6)
其中,(xi,yi)表示最外围轮廓中第i个像素点对应的实际坐标,n表示对应像素点的个数;
步骤6:根据式(7)求取最外围轮廓的中心点坐标(x0,y0);
步骤7:根据式(8)求得最外围轮廓的区域面积S;
其中,(xi,yi)∈TN,(xi+1,yi+1)∈TN。
本发明的有益效果是:通过使用本发明的方法对相机内参的计算过程进行简化,公式总结像素点坐标和实际坐标的映射关系,并简单有效的根据图形点轮廓求取图形的实际面积。
附图说明
图1为本发明目标图;
图2为本发明语义分割预测图;
图3为本发明参照点选取示例图。
具体实施方式
下面结合说明书附图和实施例,对坐标变换和区域面积的计算进行进一步的说明,具体包括如下步骤:
步骤1:记原始图像为F1,在本实例中图1即为F1,设图像F1的世界坐标系建立在z=0平面上,根据式(1)进行计算,得到简化后的关系式,如式(2)所示;
其中,t为一个不为0的比例因子,m为图像像素点(u,v)的齐次坐标形式,M为z=0的世界坐标(x,y)的齐次坐标形式,P为相机内参矩阵,{p1,p2,p3,p4,p5,p6,p7,p8,p9}是矩阵P中的元素,t×m=P×M为图像坐标、实际坐标与相机参数的转换关系式;
步骤2:在原始图像F1中,选取4个可测量参照点并记为A、B、C和D,本实例中的参照点选取如图3所示,选择其中任意一点作为原点(0,0)并建立平面坐标系,然后可获取在该坐标系下的四个参照点的实际坐标并记为A(X1,Y1)、B(X2,Y2)、C(X3,Y3)和D(X4,Y4),同时获取这四个参照点对应的图像像素点的坐标并记为A(U1,V1)、B(U2,V2)、C(U3,V3)和D(U4,V4),将(X1,Y1)、(X2,Y2)、(X3,Y3)、(X4,Y4)、(U1,V1)、(U2,V2)、(U3,V3)和(U4,V4)代入式(2),并令p9=1,得到如式(3)所示的8元一次线性方程;
其中,{(X1,Y1),(X2,Y2),(X3,Y3),(X4,Y4)}是已知的参照点实际坐标,{(U1,V1),(U2,V2),(U3,V3),(U4,V4)}是参照点在图像中对应的像素点坐标,{p1,p2,p3,p4,p5,p6,p7,p8,p9}是相机内参矩阵P中的元素;
步骤3:利用克莱姆公式对式(3)进行求解,可得到相机内参矩阵P,将P代入式(1),消去比例因子t,可得如式(4)所示的图像坐标和实际坐标的关系式;
其中,(u,v)是图像中的像素点坐标,(x,y)是世界坐标中z=0的实际坐标,{p1,p2,p3,p4,p5,p6,p7,p8,p9}是已解矩阵P中的元素;
步骤4:将原始图像F1读入至训练好的语义分割模型,得到轮廓概率图并进行二值化,对二值化后的图像进行轮廓检测,提取最外围轮廓的像素点坐标并构成如式(5)所示的集合T,输出轮廓预测图并记为F2,在本实例中图2即为F2;
T={(ui,vi)|i=1,2,…,n} (5)
其中,(ui,vi)表示最外围轮廓中第i个像素点的坐标,n表示最外围轮廓的像素点个数;
步骤5:遍历集合T中的像素点并将像素点坐标代入式(4),得到图像F2外围轮廓的像素点对应的实际坐标集合,记为TN,如式(6)所示;
TN={(xi,yi)|i=1,2,…,n} (6)
其中,(xi,yi)表示最外围轮廓中第i个像素点对应的实际坐标,n表示对应像素点的个数;
步骤6:根据式(7)求取最外围轮廓的中心点坐标(x0,y0);
步骤7:根据式(8)求得最外围轮廓的区域面积S;
其中,(xi,yi)∈TN,(xi+1,yi+1)∈TN。
通过相应的实施方法,可计算出二维平面下目标区域的实际面积估算值。
Claims (1)
1.一种基于坐标变换的区域面积计算方法,其特征在于,包括如下步骤:
步骤1:记原始图像为F1,设图像F1的世界坐标系建立在z=0平面上,根据式(1)进行计算,得到简化后的关系式,如式(2)所示;
其中,t为一个不为0的比例因子,m为图像像素点(u,v)的齐次坐标形式,M为z=0的世界坐标(x,y)的齐次坐标形式,P为相机内参矩阵,{p1,p2,p3,p4,p5,p6,p7,p8,p9}是矩阵P中的元素,t×m=P×M为图像坐标、实际坐标与相机参数的转换关系式;
步骤2:在原始图像F1中,选取4个测量参照点并记为A、B、C和D,选择其中任意一点作为原点(0,0)并建立平面坐标系,然后可获取在该坐标系下的四个参照点的实际坐标并记为A(X1,Y1)、B(X2,Y2)、C(X3,Y3)和D(X4,Y4),同时获取这四个参照点对应的图像像素点的坐标并记为A(U1,V1)、B(U2,V2)、C(U3,V3)和D(U4,V4),将(X1,Y1)、(X2,Y2)、(X3,Y3)、(X4,Y4)、(U1,V1)、(U2,V2)、(U3,V3)和(U4,V4)代入式(2),并令p9=1,得到如式(3)所示的8元一次线性方程;
步骤3:利用克莱姆公式对式(3)进行求解,得到相机内参矩阵P,将P代入式(1),消去比例因子t,得到如式(4)所示的图像坐标和实际坐标的关系式;
其中,(u,v)是图像中的像素点坐标,(x,y)是世界坐标中z=0的实际坐标,{p1,p2,p3,p4,p5,p6,p7,p8,p9}是已解矩阵P中的元素;
步骤4:将原始图像F1读入至训练好的语义分割模型,得到轮廓概率图并进行二值化,对二值化后的图像进行轮廓检测,提取最外围轮廓的像素点坐标并构成如式(5)所示的集合T,输出轮廓预测图并记为F2;
T={(ui,vi)|i=1,2,…,n} (5)
其中,(ui,vi)表示最外围轮廓中第i个像素点的坐标,n表示最外围轮廓的像素点个数;
步骤5:遍历集合T中的像素点并将像素点坐标代入式(4),得到图像F2外围轮廓的像素点对应的实际坐标集合,记为TN,如式(6)所示;
TN={(xi,yi)|i=1,2,…,n} (6)
其中,(xi,yi)表示最外围轮廓中第i个像素点对应的实际坐标,n表示对应像素点的个数;
步骤6:根据式(7)求取最外围轮廓的中心点坐标(x0,y0);
步骤7:根据式(8)求得最外围轮廓的区域面积S;
其中,(xi,yi)∈TN,(xi+1,yi+1)∈TN。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110432720.5A CN113175901B (zh) | 2021-04-21 | 2021-04-21 | 一种基于坐标变换的区域面积计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110432720.5A CN113175901B (zh) | 2021-04-21 | 2021-04-21 | 一种基于坐标变换的区域面积计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113175901A CN113175901A (zh) | 2021-07-27 |
CN113175901B true CN113175901B (zh) | 2022-04-26 |
Family
ID=76924364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110432720.5A Active CN113175901B (zh) | 2021-04-21 | 2021-04-21 | 一种基于坐标变换的区域面积计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113175901B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101509761A (zh) * | 2009-03-16 | 2009-08-19 | 北京市农林科学院 | 一种禽蛋体积和表面积的检测方法 |
CN101813469A (zh) * | 2010-04-23 | 2010-08-25 | 中国科学院成都生物研究所 | 一种徒手拍照叶片面积测量方法 |
JP2010286450A (ja) * | 2009-06-15 | 2010-12-24 | Matsuno Design Tenpo Kenchiku Kk | 被写体面積算出装置、被写体面積算出システム、被写体面積算出方法 |
CN103759677A (zh) * | 2014-01-27 | 2014-04-30 | 东北大学 | 基于三角面积比法度量岩体结构面三维粗糙度的方法 |
CN103954213A (zh) * | 2014-04-17 | 2014-07-30 | 北京力信联合科技有限公司 | 一种分析零件的实测图的方法 |
CN105277144A (zh) * | 2015-10-16 | 2016-01-27 | 浙江工业大学 | 基于双目视觉的土地面积快速检测方法及其检测装置 |
-
2021
- 2021-04-21 CN CN202110432720.5A patent/CN113175901B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101509761A (zh) * | 2009-03-16 | 2009-08-19 | 北京市农林科学院 | 一种禽蛋体积和表面积的检测方法 |
JP2010286450A (ja) * | 2009-06-15 | 2010-12-24 | Matsuno Design Tenpo Kenchiku Kk | 被写体面積算出装置、被写体面積算出システム、被写体面積算出方法 |
CN101813469A (zh) * | 2010-04-23 | 2010-08-25 | 中国科学院成都生物研究所 | 一种徒手拍照叶片面积测量方法 |
CN103759677A (zh) * | 2014-01-27 | 2014-04-30 | 东北大学 | 基于三角面积比法度量岩体结构面三维粗糙度的方法 |
CN103954213A (zh) * | 2014-04-17 | 2014-07-30 | 北京力信联合科技有限公司 | 一种分析零件的实测图的方法 |
CN105277144A (zh) * | 2015-10-16 | 2016-01-27 | 浙江工业大学 | 基于双目视觉的土地面积快速检测方法及其检测装置 |
Non-Patent Citations (1)
Title |
---|
《基于坐标转换数据的面积计算分析》;尹辉增;《国土资源遥感》;20050930;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113175901A (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108961235B (zh) | 一种基于YOLOv3网络和粒子滤波算法的缺陷绝缘子识别方法 | |
CN111079685B (zh) | 一种3d目标检测方法 | |
CN110728658A (zh) | 一种基于深度学习的高分辨率遥感影像弱目标检测方法 | |
WO2023193401A1 (zh) | 点云检测模型训练方法、装置、电子设备及存储介质 | |
CN109035172B (zh) | 一种基于深度学习的非局部均值超声图像去噪方法 | |
CN111027497B (zh) | 基于高分辨率光学遥感影像的弱小目标快速检测方法 | |
CN109635726B (zh) | 一种基于对称式深度网络结合多尺度池化的滑坡识别方法 | |
CN107301643B (zh) | 基于鲁棒稀疏表示与拉普拉斯正则项的显著目标检测方法 | |
TWI745204B (zh) | 基於深度學習之高效率光達物件偵測方法 | |
CN114596500A (zh) | 一种基于通道-空间注意力和DeeplabV3plus的遥感影像语义分割方法 | |
CN116597270A (zh) | 基于注意力机制集成学习网络的道路损毁目标检测方法 | |
CN115457001A (zh) | 基于vgg网络的光伏板异物检测方法、系统、装置及介质 | |
Zuo et al. | A remote sensing image semantic segmentation method by combining deformable convolution with conditional random fields | |
CN106709432B (zh) | 基于双目立体视觉的人头检测计数方法 | |
CN109241932B (zh) | 一种基于运动方差图相位特征的热红外人体动作识别方法 | |
CN107358625B (zh) | 基于SPP Net和感兴趣区域检测的SAR图像变化检测方法 | |
CN116703895B (zh) | 基于生成对抗网络的小样本3d视觉检测方法及其系统 | |
CN113175901B (zh) | 一种基于坐标变换的区域面积计算方法 | |
CN116958434A (zh) | 多视图三维重建方法、测量方法及系统 | |
CN110490210B (zh) | 一种基于紧致通道间t采样差分的彩色纹理分类方法 | |
CN117237256A (zh) | 一种浅海珊瑚礁监测数据采集方法、装置及设备 | |
Wu et al. | Research on crack detection algorithm of asphalt pavement | |
CN116993612A (zh) | 一种鱼眼镜头非线性畸变校正方法 | |
CN114120129B (zh) | 基于无人机图像和深度学习的滑坡滑移面的三维识别方法 | |
CN111914751B (zh) | 一种图像人群密度识别检测方法及系统 |
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 |