CN113963070A - 一种圆形标定板识别方法 - Google Patents

一种圆形标定板识别方法 Download PDF

Info

Publication number
CN113963070A
CN113963070A CN202111331058.0A CN202111331058A CN113963070A CN 113963070 A CN113963070 A CN 113963070A CN 202111331058 A CN202111331058 A CN 202111331058A CN 113963070 A CN113963070 A CN 113963070A
Authority
CN
China
Prior art keywords
calibration plate
circular
circle
candidate
block
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
CN202111331058.0A
Other languages
English (en)
Inventor
程敏
龚肖
王�锋
周宁玲
刘娟娟
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.)
Nanjing Tuodao Medical Technology Co Ltd
Original Assignee
Nanjing Tuodao Medical 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 Nanjing Tuodao Medical Technology Co Ltd filed Critical Nanjing Tuodao Medical Technology Co Ltd
Priority to CN202111331058.0A priority Critical patent/CN113963070A/zh
Publication of CN113963070A publication Critical patent/CN113963070A/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
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种圆形标定板识别方法，包括步骤：(1)相机采集圆形标定板图像并对图像进行二值化处理；(2)进行连通域查找得到图像上的连通块；(3)计算各连通块的质心及各连通块的边界点与其质心的距离，并据此计算得到各连通块的标准差，将其从小到大排序；标定板上圆形标记点数量为T，选取排序前T0个连通块作为候选圆形集，T0＞T；(4)计算所有候选圆形质心的平均值，并据此计算每一候选圆形质心到该平均值的距离，将其从小到大排序；以L作为迭代步长，选取排序前Tk个候选圆形；(5)重复步骤(4)，直至得到T个候选圆形即为最终T个圆形标记点。本发明通过对圆形标定板上的圆形的迭代提取，识别速度快，且鲁棒性高。

Description

一种圆形标定板识别方法
技术领域
本发明涉及视觉技术领域，尤其涉及一种圆形标定板识别方法。
背景技术
近年来，随着人工智能的不断发展，计算机视觉也得到了广泛的应用。相机作为工业视觉必不可少的部分，其重要性也越来越突出。相机的标定是为了求解相机的内外参数，传统的相机通用标定方法有棋盘格标定、圆网格标定，圆网格标定方法因为其特性，精度比棋盘格略高。还有一些其他标定方法，但是需要定制特殊的标定板，对于标定板的要求较高。
通用的圆网格识别算法慢，且由于背景环境的影响经常会出现识别不出来的情况，算法鲁棒性不高。
发明内容
发明目的：本发明针对上述不足，提出了一种圆形标定板识别方法，速度快，且算法鲁棒性高。
技术方案：
一种圆形标定板识别方法，包括步骤：
(1)相机采集圆形标定板图像并对图像进行二值化处理；
(2)对二值化图像进行连通域查找，得到图像上的连通块；
(3)计算各连通块的质心位置及各连通块的边界点与其质心位置的距离，并据此计算得到各连通块的标准差，将其从小到大排序；标定板上圆形标记点数量为T，选取排序前T0个连通块作为候选圆形集，T0＞T；
(4)计算候选圆形集中所有候选圆形质心的平均值，并据此计算每一候选圆形质心位置到该平均值的距离，将其从小到大排序；以L作为迭代步长，选取排序前Tk个候选圆形并更新候选圆形集，Tk＜T0；
(5)重复步骤(4)，直至得到T个候选圆形即为最终T个圆形标记点。
还包括步骤(6)，将得到的圆形的边界点通过透视投影变换成圆形后，计算其亚像素边界点，然后拟合得到其圆心，再反投影回去，即得到最终的标定板上各圆形的圆心坐标。
所述步骤(2)具体为：对二值化图像进行行遍历得到各行的连通区域，对各连通区域进行列聚类得到二值化图像上的各连通块。
所述行遍历具体为：
对图像从左往右进行行遍历，其中，I(x,y)表示在步骤(1)二值化处理后的图像上点(x,y)位置处的像素值，当遍历得到某一行上第u点的像素值Iu(x,y)＝1时，则定义其为该行上某一连通区域的左边界m，直至遍历得到在第u点的基础上再遍历v个点的像素值Iu+v(x,y)＝0时，则Iu+v-1(x,y)＝1为该连通区域的右边界n；以此类推将每行连通的像素点进行分类得到各连通区域C1[m,n],…,CW[m,n]，其中，W表示遍历得到的连通区域的数量；
最终得到所有行的连通区域分类结果：
Ri＝{C1,..CW}
其中，i表示第i行。
所述对各连通区域进行列聚类得到二值化图像上的各连通块具体为：
令相邻行所涉的连通区域分别为第i行的第w1个连通区域和第i+1行的第w2个连通区域，则其连通表示为：
Con＝！(Ri.Cw1.n<Ri+1.Cw2.m||Ri+1.Cw2.n<Ri.Cw1.m)
依次遍历所有相邻行之间的各连通区域，若各连通区域在列上也相连通则将相邻行的连通区域进行合并，得到各连通块。
所述步骤(3)中计算得到的各连通块的质心(xo,yo)具体如下：
Figure BDA0003348863190000021
其中，N表示该连通块内点的数量，(xt,yt)表示该连通块内某一点。
所述步骤(3)具体为：
某一连通块第j个边界点到其质心位置的距离为：
Figure BDA0003348863190000022
则得到该连通块所有边界点到其质心位置的距离的标准差为
Figure BDA0003348863190000023
Figure BDA0003348863190000031
其中，
Figure BDA0003348863190000032
为该连通块所有边界点到其质心位置的距离的平均值。
所述步骤(4)中，每次迭代后，判断选取的Tk与T之间的差值是否小于设定的迭代步长L，若小于，则将选取的Tk与T的差值作为新的迭代步长；若不小于，则继续以之前的迭代步长L进行迭代。
所述步骤(5)中，所述迭代步长L设为随着迭代逐渐减小。
所述迭代步长的减小幅度设置为1。
有益效果：本发明通过对圆形标定板上的圆形的迭代提取，识别速度快，且鲁棒性高。
附图说明
图1为本发明的流程图。
图2为相机采集得到的圆形标定板的原始图像。
图3为本发明的二值化图像示意图。
图4为本发明同一行连通区域的分类图。
图5为本发明列连通的两种边界情况。
图6为本发明的列连通聚类图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明。
图1为本发明的流程图，如图1所示，本发明的圆形标定板识别方法包括如下步骤：
(1)通过相机采集圆形标定板的原始图像，如图2所示，圆形标定板为白色背景标定板，其上设有若干黑色的圆形标记，其中圆形标记的数量已知；对带有圆形标定板的原始图像使用局部自适应阈值进行二值化处理，得到如图3所示的二值化图像；本发明中，二值化图像中0代表黑色，1代表白色；
经过步骤(1)二值化处理后的图像上的圆形有这样的性质：同一行上的圆形内像素是连通的，列上的像素也是连通的；
(2)对二值化图像进行行遍历得到各行的连通区域；
对经过步骤(1)二值化处理后的图像从左往右进行行遍历，其中，I(x,y)表示在步骤(1)二值化处理后的图像上点(x,y)位置处的像素值，当遍历得到某一行上第u点的像素值Iu(x,y)＝1时，则定义其为该行上某一连通区域的左边界m，直至遍历得到在第u点的基础上再遍历v个点的像素值Iu+v(x,y)＝0时，则Iu+v-1(x,y)＝1为该连通区域的右边界n；以此类推可以将每行连通的像素点进行分类得到各连通区域C1[m,n],…,CW[m,n]，其中，W表示遍历得到的连通区域的数量；如图4所示，最终得到所有行的连通区域分类结果：
Ri＝{C1,..CW}
其中，i表示第i行；
(3)对步骤(2)得到的各连通区域进行列聚类得到各连通块；
(31)相邻行之间的连通区域在边界处有交集则认为两个连通区域在列上连通；
则从R1开始的第一个连通区域开始，遍历查找R2中与R1某一连通区域相连通的区域，直至遍历完R1所有的连通区域，得到R2与R1之间在列上的所有连通区域；相邻列之间如果连通的话，其有可能存在的两种边界情况如图5所示，相邻行之间的连通区域必须有交集，令相邻行所涉的连通区域分别为第i行的第w1个连通区域和第i+1行的第w2个连通区域，公式描述为：
Con＝！(Ri.Cw1.n<Ri+1.Cw2.m||Ri+1.Cw2.n<Ri.Cw1.m)
其中，Ri.Cw1.m表示第i行的第w1个连通区域的左边界，Ri.Cw1.n表示第i行的第w1个连通区域的右边界，Ri+1.Cw2.m表示第i+1行的第w2个连通区域的左边界，Ri+1.Cw2.n表示第i+1行的第w2个连通区域的右边界，Ri.Cw1.n<Ri+1.Cw2.m表示第i行的第w1个连通区域的右边界与第i+1行的第w2个连通区域的左边界没有交集，Ri+1.Cw2.n<Ri.Cw1.m表示第i+1行的第w2个连通区域的右边界与第i行第w1个连通区域的左边界没有交集；
(32)根据上式对相邻行之间进行连通区域遍历查找，如果R2中有与R1某一连通区域相连通的区域，则将两个区域合并；
(33)依次查找R3中有与R2某一连通区域相连通的区域，以此类推，直到遍历完图像得到所有连通块，如图6所示；连通块可以描述为Pq＝{I1,..IJ}，其中，Pq表示第q个连通块，I1,..IJ为连通块的边界点，J表示连通块边界点的数量；
(4)列聚类完成后，会得到图像上很多连通的块，但是我们的目标是得到标定板上的圆形，其中还有很多噪声：圆形的特征是边界上所有点到圆心的距离相等，首先因为图像拍摄角度问题，拍出来的圆形有可能是椭圆；其次，在采集标定板的原始图像时，会将其他不是标定板的物品一并采集，经过二值化后会存在很多不属于标定板的噪声，所以这里通过求各连通块内所有边界点到其质心的距离的标准差来去除噪声；
其中，某一连通块的质心(xo,yo)：
Figure BDA0003348863190000051
其中，N表示该连通块内点的数量，(xt,yt)表示该连通块内某一点；
则某一连通块第j个边界点到其质心位置的距离为：
Figure BDA0003348863190000052
则可得到该连通块所有边界点到其质心位置的距离的标准差为
Figure BDA0003348863190000053
Figure BDA0003348863190000054
其中，
Figure BDA0003348863190000055
为该连通块所有边界点到其质心位置的距离的平均值；
因为圆形的dev接近0，即使是椭圆dev也会比其他形状的连通块小，将所有连通块的dev按照从小到大排序，因为标定板上圆形的数量已知为T，则选取前T0个连通块作为候选圆形集，其中，T0＞T，且T0根据实际需求设定，在本实施例中，T0＝T+20；
(5)虽然标定板上圆形的距离间隔都是相等的，但是因为拍照角度问题，投影映射和畸变会导致图像变形，距离上会有些偏差，但是圆形是比较集中的，所以根据步骤(4)得到的每一连通块的质心位置计算得到候选圆形集中所有候选圆形质心的平均值Cen，计算每一候选圆形的质心位置到该平均值Cen的距离并将其从小到大排序；以L作为迭代步长，选取前Tk个作为候选圆形并更新候选圆形集，Tk＜T0；其中，迭代步长L根据实际需求设定；
(6)重复步骤(5)，直至得到T个圆形即为最终T个圆形标记点；
(7)因为拍摄角度问题，圆形成像为椭圆，所以将得到的圆形的边界点通过透视投影变换成圆形后，计算其亚像素边界点，然后拟合得到其圆心，再反投影回去，即可得到最终的标定板上各圆形的圆心坐标，用来计算标定。
在本发明中，每次迭代后，判断选取的Tk与T之间的差值是否小于设定的迭代步长L，若小于，则将选取的Tk与T的差值作为新的迭代步长；若不小于，则继续以之前的迭代步长L进行迭代。
本发明中，迭代步长也可以随着迭代逐渐减小，迭代步长的减小幅度根据实际需求确定；进一步地，迭代步长的减小幅度可以设置为1。
本发明中，是通过依次进行行遍历和列遍历得到的连通块，但本发明并不止于此，本发明还可以通过采用黑像素点的连通区域查找获得二值化处理后的图像上的各连通块。
以上详细描述了本发明的优选实施方式，但是本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换(如数量、形状、位置等)，这些等同变换均属于本发明的保护范围。

Claims (10)

1.一种圆形标定板识别方法，其特征在于：包括步骤：
(1)相机采集圆形标定板图像并对图像进行二值化处理；
(2)对二值化图像进行连通域查找，得到图像上的连通块；
(3)计算各连通块的质心位置及各连通块的边界点与其质心位置的距离，并据此计算得到各连通块的标准差，将其从小到大排序；标定板上圆形标记点数量为T，选取排序前T0个连通块作为候选圆形集，T0＞T；
(4)计算候选圆形集中所有候选圆形质心的平均值，并据此计算每一候选圆形的质心位置到该平均值的距离，将其从小到大排序；以L作为迭代步长，选取排序前Tk个候选圆形并更新候选圆形集，Tk＜T0；
(5)重复步骤(4)，直至得到T个候选圆形即为最终T个圆形标记点。
2.根据权利要求1所述的圆形标定板识别方法，其特征在于：还包括步骤(6)，将得到的圆形的边界点通过透视投影变换成圆形后，计算其亚像素边界点，然后拟合得到其圆心，再反投影回去，即得到最终的标定板上各圆形的圆心坐标。
3.根据权利要求1所述的圆形标定板识别方法，其特征在于：所述步骤(2)具体为：对二值化图像进行行遍历得到各行的连通区域，对各连通区域进行列聚类得到二值化图像上的各连通块。
4.根据权利要求3所述的圆形标定板识别方法，其特征在于：所述行遍历具体为：
对图像从左往右进行行遍历，其中，I(x，y)表示在步骤(1)二值化处理后的图像上点(x，y)位置处的像素值，当遍历得到某一行上第u点的像素值Iu(x，y)＝1时，则定义其为该行上某一连通区域的左边界m，直至遍历得到在第u点的基础上再遍历v个点的像素值Iu+v(x，y)＝0时，则Iu+v-1(x，y)＝1为该连通区域的右边界n；以此类推将每行连通的像素点进行分类得到各连通区域C1[m，n]，...，CW[m，n]，其中，W表示遍历得到的连通区域的数量；
最终得到所有行的连通区域分类结果：
Ri＝{C1，..CW}
其中，i表示第i行。
5.根据权利要求4所述的圆形标定板识别方法，其特征在于：所述对各连通区域进行列聚类得到二值化图像上的各连通块具体为：
令相邻行所涉的连通区域分别为第i行的第w1个连通区域和第i+1行的第w2个连通区域，则其连通表示为：
Con＝！(Ri.Cw1.n＜Ri+1.Cw2.m||Ri+1.Cw2.n＜Ri.Cw1.m)
依次遍历所有相邻行之间的各连通区域，若各连通区域在列上也相连通则将相邻行的连通区域进行合并，得到各连通块。
6.根据权利要求1所述的圆形标定板识别方法，其特征在于：所述步骤(3)中计算得到的各连通块的质心(xo，yo)具体如下：
Figure FDA0003348863180000021
其中，N表示该连通块内点的数量，(xt，yt)表示该连通块内某一点。
7.根据权利要求1所述的圆形标定板识别方法，其特征在于：所述步骤(3)具体为：
某一连通块第j个边界点到其质心位置的距离为：
Figure FDA0003348863180000022
则得到该连通块所有边界点到其质心位置的距离的标准差为
Figure FDA0003348863180000023
Figure FDA0003348863180000024
其中，
Figure FDA0003348863180000025
为该连通块所有边界点到其质心位置的距离的平均值。
8.根据权利要求1所述的圆形标定板识别方法，其特征在于：所述步骤(4)中，每次迭代后，判断选取的Tk与T之间的差值是否小于设定的迭代步长L，若小于，则将选取的Tk与T的差值作为新的迭代步长；若不小于，则继续以之前的迭代步长L进行迭代。
9.根据权利要求1所述的圆形标定板识别方法，其特征在于：所述步骤(5)中，所述迭代步长L设为随着迭代逐渐减小。
10.根据权利要求9所述的圆形标定板识别方法，其特征在于：所述迭代步长的减小幅度设置为1。
CN202111331058.0A 2021-11-11 2021-11-11 一种圆形标定板识别方法 Pending CN113963070A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111331058.0A CN113963070A (zh) 2021-11-11 2021-11-11 一种圆形标定板识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111331058.0A CN113963070A (zh) 2021-11-11 2021-11-11 一种圆形标定板识别方法

Publications (1)

Publication Number Publication Date
CN113963070A true CN113963070A (zh) 2022-01-21

Family

ID=79470008

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111331058.0A Pending CN113963070A (zh) 2021-11-11 2021-11-11 一种圆形标定板识别方法

Country Status (1)

Country Link
CN (1) CN113963070A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2624651A (en) * 2022-11-24 2024-05-29 Continental Autonomous Mobility Germany GmbH Method for determining camera pose information, camera system and vehicle

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2624651A (en) * 2022-11-24 2024-05-29 Continental Autonomous Mobility Germany GmbH Method for determining camera pose information, camera system and vehicle

Similar Documents

Publication Publication Date Title
CN109859226B (zh) 一种图形分割的棋盘格角点亚像素的检测方法
CN109064502B (zh) 基于深度学习和人工设计特征相结合的多源图像配准方法
CN108960211B (zh) 一种多目标人体姿态检测方法以及系统
CN109903331B (zh) 一种基于rgb-d相机的卷积神经网络目标检测方法
CN109271937B (zh) 基于图像处理的运动场地标志物识别方法及系统
CN111340701B (zh) 一种基于聚类法筛选匹配点的电路板图像拼接方法
CN113128610B (zh) 一种工业零件位姿估计方法及系统
CN111079545A (zh) 一种基于图像修复的三维目标检测方法和系统
CN109211198B (zh) 一种基于三目视觉的智能目标检测和测量系统和方法
CN114743259A (zh) 位姿估计方法、位姿估计系统、终端、存储介质及应用
CN105335952B (zh) 匹配代价计算方法和装置、以及视差值计算方法和设备
CN107862319B (zh) 一种基于邻域投票的异源高分光学影像匹配误差剔除方法
CN111192194B (zh) 一种针对幕墙建筑立面的全景图像拼接方法
CN113592923A (zh) 一种基于深度局部特征匹配的批图像配准方法
CN110111375A (zh) 一种Delaunay三角网约束下的影像匹配粗差剔除方法及装置
CN108171753A (zh) 基于形心特征点与邻域灰度互相关性的立体视觉定位方法
CN114998445A (zh) 一种图像稀疏点立体匹配方法
CN116664892A (zh) 基于交叉注意与可形变卷积的多时相遥感图像配准方法
CN115375629A (zh) 一种lcd屏幕中线缺陷检测及缺陷信息提取方法
CN115457044A (zh) 基于类激活映射的路面裂缝分割方法
CN113963070A (zh) 一种圆形标定板识别方法
CN113034614B (zh) 一种五圆标定板的五圆心标定方法
CN117496401A (zh) 一种用于视频测量影像序列椭圆形目标点全自动识别与跟踪方法
CN111079585B (zh) 图像增强结合伪孪生卷积神经网络的行人再识别方法
CN105718929B (zh) 全天候未知环境下高精度快速圆形目标定位方法和系统

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 210000 building 3, No. 34, Dazhou Road, Yuhuatai District, Nanjing, Jiangsu Province

Applicant after: Tuodao Medical Technology Co.,Ltd.

Address before: Room 102-86, building 6, 57 Andemen street, Yuhuatai District, Nanjing, Jiangsu 210000

Applicant before: Nanjing Tuodao Medical Technology Co.,Ltd.