CN113989386A - 一种红外相机标定方法及系统 - Google Patents
一种红外相机标定方法及系统 Download PDFInfo
- Publication number
- CN113989386A CN113989386A CN202111257657.2A CN202111257657A CN113989386A CN 113989386 A CN113989386 A CN 113989386A CN 202111257657 A CN202111257657 A CN 202111257657A CN 113989386 A CN113989386 A CN 113989386A
- Authority
- CN
- China
- Prior art keywords
- circular
- circular identification
- point
- points
- identification point
- 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 45
- 238000012163 sequencing technique Methods 0.000 claims abstract description 77
- 239000013598 vector Substances 0.000 claims description 91
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 208000000260 Warts Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 201000010153 skin papilloma Diseases 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiation Pyrometers (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种红外相机标定方法及系统,其包括如下步骤:在标定板上按照N*M阵列设置圆形标识点;红外相机获取标定板的图像;对获取的标定板图像进行图像增强处理;对经过图像增强处理的图像中的圆形标识点进行识别,并获取每一圆形识别点在排序前、在图像坐标系中的二维坐标;对识别出的所有圆形识别点进行排序;以及红外相机根据已完成排序的圆形识别点进行标定。本发明通过图像增强来提高圆形识别点的识别效率和精确度,且运算量小、运算速度快。
Description
技术领域
本发明涉及光学测量技术领域,具体为一种红外相机标定方法及系统。
背景技术
在红外相机的标定过程中,通常使用opencv算法中自带的findChessboardCorners()和findCirclesGrid()函数来识别标定板上的识别点,由此完成红外相机的标定。但由于相机分辨率有限,因此无法准确识别角点,进而无法完成标定,同时,现有的红外相机标定过程中,其角点的识别、排序过程复杂、计算量大,导致完成标定的时间长。
发明内容
针对现有技术的不足,本发明提供了一种红外相机标定方法及系统,其通过图像增强来提高圆形识别点的识别效率和精确度,且运算量小、运算速度快。
为实现上述目的,本发明提供如下技术方案:
一方面,提供了一种红外相机标定方法,其包括如下步骤:
在标定板上按照N*M阵列设置圆形标识点,且位于阵列四个角处的圆形标识点为四个圆形角点;
红外相机获取标定板的图像;
对获取的标定板图像进行图像增强处理;
对经过图像增强处理的图像中的圆形标识点进行识别,并获取每一圆形识别点在排序前、在图像坐标系中的二维坐标;
对识别出的所有圆形识别点进行排序;
以及红外相机根据已完成排序的圆形识别点进行标定。
优选的,“对获取的标定板图像进行图像增强处理”包括如下步骤:
将图像转为灰度图,并去噪;
对标定板图像上圆形标识点的轮廓进行识别和定位。
优选的,“对识别出的所有圆形识别点进行排序”包括如下步骤:
对四个圆形角点进行排序;
根据排序后的四个圆形角点对其余各圆形标识点进行排序。
优选的,“对四个圆形角点进行排序”包括如下步骤:
根据公式(1)-(2)获取圆形标识点构成的N*M阵列的阵列中心点坐标:
其中,xi,yi分别为任一圆形识别点p在排序前、在图像坐标系中的横坐标、纵坐标;x,y分别为阵列中心点的横坐标、纵坐标;N’为圆形识别点的数量;
根据公式(3)获取各圆形识别点到阵列中心点的距离di,并进行排序,其中的距离最大值所对应的圆形识别点即为第一个圆形角点;
获取各圆形识别点到第一个圆形角点的距离,并进行排序,其中的距离最大值所对应的圆形识别点即为第二个圆形角点;
根据第一个圆形角点、第二个圆形角点的连线确定第三圆形角点、第四圆形角点的位置。
优选的,“根据第一个圆形角点、第二个圆形角点的连线确定第三圆形角点、第四圆形角点的位置”包括如下步骤:
根据第一个圆形角点、第二个圆形角点的坐标获取经过该两个圆形角点的直线解析式y=kx+b;
获取满足条件yi’-k*xi’-b>0的各圆形识别点到直线y=kx+b的距离,并进行排序,其中的距离最大值所对应的圆形识别点即为第三个圆形角点;
获取满足条件yi’-k*xi’-b≤0的各圆形识别点到直线y=kx+b的距离,并进行排序,其中的距离最大值所对应的圆形识别点即为第四个圆形角点;
其中,xi’、yi’分别为除去第一个圆形角点、第二个圆形角点外任一圆形识别点在排序前、在图像坐标系中的横坐标、纵坐标。
优选的,“根据排序后的四个圆形角点对其余各圆形标识点进行排序”包括如下步骤:
根据排序后第1列圆形标识点中第一个圆形标识点与最后一个圆形标识点的二维坐标,以及第1,2列圆形标识点中,除第1列圆形标识点中第一个圆形标识点与最后一个圆形标识点外其他各圆形标识点的排序前的二维坐标,对第1列圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其余圆形标识点进行排序;
根据排序后第M列圆形标识点中第一个圆形标识点与最后一个圆形标识点在图像坐标系中的二维坐标,以及第M-1,M列圆形标识点中,除第M列圆形标识点中第一个圆形标识点与最后一个圆形标识点外其他各圆形标识点的排序前的二维坐标,对第M列圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其余圆形标识点进行排序;
根据排序后第1行圆形标识点中第一个圆形标识点与最后一个圆形标识点的二维坐标,以及第1,2行圆形标识点中,除第1行圆形标识点中第一个圆形标识点与最后一个圆形标识点外其他各圆形标识点的排序前的二维坐标,对第1行圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其余圆形标识点进行排序;
根据排序后第N行圆形标识点中第一个圆形标识点与最后一个圆形标识点在图像坐标系中的二维坐标,以及第N-1、N行圆形标识点中,除第N行圆形标识点中第一个圆形标识点与最后一个圆形标识点外其他各圆形标识点的排序前的二维坐标,对第N行圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其余圆形标识点进行排序。
从第2列圆形标识点开始重复上述步骤,以完成对每一列圆形标识点的排序;
以及,从第2行圆形标识点开始重复上述步骤,以完成对每一行圆形标识点的排序。
优选的,“对第1列圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其余圆形标识点进行排序”包括如下步骤:
根据排序后第1列圆形标识点中第一个圆形标识点与最后一个圆形标识点的二维坐标获取两者之间的向量,以作为基准向量;
根据第1、2列圆形标识点中,除第1列圆形标识点中第一个圆形标识点与最后一个圆形标识点外,其余每一圆形标识点的排序前的二维坐标获取其各自与第1列圆形标识点中第一个圆形标识点之间的排序向量;
计算基准向量与每一排序向量所形成夹角的余弦值;
对所有余弦值按照大小进行排序,并根据排序结果对第1列圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其他各圆形标识点进行排序。
优选的,“对第M列圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其余圆形标识点进行排序”包括如下步骤:
根据排序后第M列圆形标识点中第一个圆形标识点与最后一个圆形标识点的二维坐标获取两者之间的向量,以作为基准向量;
根据第M-1、M列圆形标识点中,除第M列圆形标识点中第一个圆形标识点与最后一个圆形标识点外,其余每一圆形标识点的排序前的二维坐标获取其各自与第M列圆形标识点中第一个圆形标识点之间的排序向量;
计算基准向量与每一排序向量所形成夹角的余弦值;
对所有余弦值按照大小进行排序,并根据排序结果对第M列圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其他各圆形标识点进行排序。
优选的,“对第1行圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其余圆形标识点进行排序”包括如下步骤:
根据排序后第1行圆形标识点中第一个圆形标识点与最后一个圆形标识点的二维坐标获取两者之间的向量,以作为基准向量;
根据第1、2行圆形标识点中,除第1行圆形标识点中第一个圆形标识点与最后一个圆形标识点外,其余每一圆形标识点的排序前的二维坐标获取其各自与第1行圆形标识点中第一个圆形标识点之间的排序向量;
计算基准向量与每一排序向量所形成夹角的余弦值;
对所有余弦值按照大小进行排序,并根据排序结果对第1行圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其他各圆形标识点进行排序。
优选的,“对第N行圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其余圆形标识点进行排序”包括如下步骤:
根据排序后第N行圆形标识点中第一个圆形标识点与最后一个圆形标识点的二维坐标获取两者之间的向量,以作为基准向量;
根据第N-1、N行圆形标识点中,除第N行圆形标识点中第一个圆形标识点与最后一个圆形标识点外,其余每一圆形标识点的排序前的二维坐标获取其各自与第N行圆形标识点中第一个圆形标识点之间的排序向量;
计算基准向量与每一排序向量所形成夹角的余弦值;
对所有余弦值按照大小进行排序,并根据排序结果对第N行圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其他各圆形标识点进行排序。
优选的,“红外相机根据已完成排序的圆形识别点进行标定”包括如下步骤:
确定世界坐标系;
将某一圆形角点作为世界坐标系的坐标原点,由此获取其余各圆形识别点在世界坐标系中的三维坐标;
根据圆形识别点的三维坐标以及排序完成后圆形识别点在图像坐标系中的二维坐标计算红外相机内参矩阵和畸变系数矩阵,由此完成红外相机的标定。
还提供一种可实现上述方法的红外相机标定系统,其包括:
红外相机标定装置,其设有按照N*M阵列排布的圆形标识点;
成像单元,其用于获取标定板的图像;
图像增强单元,其用于对红外相机获取的标定板图像进行图像增强处理;
标识点识别单元,其用于对经过图像增强处理的图像中的圆形标识点进行识别;
排序单元,其用于对识别出的所有圆形识别点进行排序;
以及标定单元,其用于根据已完成排序的圆形识别点完成红外相机的标定。
与现有技术相比,本发明通过图像增强来提高圆形识别点的识别效率和精确度,在对圆形识别点进行排序时,先完成对第1、M列以及第1、N行圆形识别点的排序,并将其作为基准逐行、逐列完成剩余圆形识别点的排序,进行排序时仅需根据2行或2列圆形识别点的坐标以及向量夹角的余弦值即可完成,由此可大幅减少运算量,提高运算速度。
附图说明
图1为实施例1中红外相机标定方法的整体结构图;
图2为实施例1中标定板上设置圆形标识点的示意图;
图3为实施例1中标定板的图像;
图4为实施例1中标定板四个角点的排序示意图;
图5为实施例2中标定板圆形标识点的排序示意图;
图6为实施例3中红外相机标定系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
如图1所示,本实施例提供了一种红外相机标定方法,其包括如下步骤:
S1、在标定板上按照N*M阵列设置圆形标识点p(如图2所示),其中,位于阵列四个角处的圆形标识点pa、pb、pc、pd为四个圆形角点,且每相邻两个圆形标识点p之间的间距相同,本实施例中,N为行数,M为列数,所述N、M均为大于或等于2的正整数,例如N=5,M=6;
S2、红外相机在不同距离、不同姿态下获取若干标定板的图像;
S3、对红外相机获取的标定板图像进行图像增强处理,其具体包括如下步骤:
将图像转为灰度图,并且使用高斯滤波等方式进行去噪;
通过canny算子、opencv分水岭算法等对标定板图像上圆形标识点p的轮廓L进行识别和定位(如图3所示);
由此,可通过对图像去噪提高图像的对比度,同时结合canny算子、opencv分水岭算法等对去噪后的图像进行进一步处理,以提高对比度,使得图像中圆形标识点p的边缘较为清晰,由此便于后续进行识别;
S4、对经过图像增强处理的图像中的圆形标识点p进行识别,并获取每一圆形识别点p在排序前、在图像坐标系中的二维坐标(即排序前的二维坐标),其具体包括如下步骤:
使用SimpleBlobDetector等检测算法对每张经过图像增强处理的图像中的圆形标识点p进行识别,但由于红外相机是在不同距离下采集得到图像,因此,不同图像中圆形标识点p的尺寸不一,因此,在识别前对simplBlobDetector等检测算法中所识别圆形的面积进行设置,由此将误检到的环境物体过滤掉,提高识别的效率和精确度;
同时,每一圆形识别点p在排序前的二维坐标可通过圆形识别点p圆心在图像坐标系中的横坐标、纵坐标来表示;
S5、由于步骤S4中所识别出的圆形识别点p是无序的,因此需要对识别出的所有圆形识别点p进行排序,并获取排序完成后每一圆形识别点p在图像坐标系中的二维坐标(排序后的二维坐标),由此将图像中的圆形识别点p与标定板在世界坐标系中的点进行对应求解;
以及S6、红外相机根据已完成排序的圆形识别点p进行标定,其具体包括如下步骤:
确定世界坐标系;
将某一圆形角点作为世界坐标系的坐标原点,由此获取其余各圆形识别点p在世界坐标系中的三维坐标;
调用calibrateCamera()等函数、根据圆形识别点p的三维坐标以及排序完成后圆形识别点p在图像坐标系中的二维坐标计算红外相机内参矩阵和畸变系数矩阵,由此完成红外相机的标定;
例如,如图4所示,本实施例中,首先确定世界坐标系,将标定板所在平面作为z=0平面,将圆形标识点p所在的行和列分别作为x轴和y轴;以第1行第1列的第一个圆形角点(即pa)为坐标原点,其坐标为(0,0,0),进一步的,由于每相邻两个圆形标识点p之间的间距相同,如间距均为L,则第1行第2列的圆形标识点p12的三维坐标为(L,0,0),第2行第1列的圆形标识点p21的三维坐标为(0,L,0)...以此类推,直至获取每一圆形识别点p的三维坐标;
最后调用calibrateCamera()函数、根据各圆形识别点p的三维坐标以及排序完成后圆形识别点p在图像坐标系中的二维坐标计算红外相机内参矩阵和畸变系数矩阵,以完成标定。
实施例2:
本实施例与实施例1的不同之处仅在于,所述步骤S5包括:
对四个圆形角点pa、pb、pc、pd进行排序;
根据排序后的四个圆形角点对其余各圆形标识点p进行排序。
具体的,对四个圆形角点pa、pb、pc、pd进行排序的过程包括如下步骤:
S51、根据公式(1)-(2)获取圆形标识点p构成的N*M阵列的阵列中心点坐标:
其中,xi,yi分别为任一圆形识别点p在排序前、在图像坐标系中的横坐标、纵坐标;x,y分别为阵列中心点的横坐标、纵坐标;N’为圆形识别点p的数量;
S52、根据公式(3)获取各圆形识别点p到阵列中心点的距离di,并进行排序,其中的距离最大值所对应的圆形识别点p即为第一个圆形角点p11,且此时记第一个圆形角点p11在图像坐标系中的二维坐标为(x11,y11);需要说明的是,第一个圆形角点p11可以在阵列四个角中的任一个角的位置上,例如,本实施例中的第一个圆形角点p11位于左上角,即第1行第1列的位置,以便于进行说明;
S53、获取各圆形识别点p到第一个圆形角点p11的距离,并进行排序,其中的距离最大值所对应的圆形识别点p即为第二个圆形角点pNM,且此时记第二个圆形角点pNM在图像坐标系中的二维坐标为(xNM,yNM);
S54、根据第一个圆形角点p11、第二个圆形角点pNM的连线确定第三圆形角点p1M、第四圆形角点pN1的位置,其具体包括如下步骤:
根据第一个圆形角点p11、第二个圆形角点pNM的坐标获取经过该两个圆形角点的直线解析式y=kx+b;其中,k=(y11-yNM)/(x11-xNM),b=y11-k*x11;
获取满足条件yi’-k*xi’-b>0的各圆形识别点p到直线y=kx+b的距离,并进行排序,其中的距离最大值所对应的圆形识别点p即为第三个圆形角点p1M,且此时记第三个圆形角点p1M在图像坐标系中的二维坐标为(x1M,y1M);
获取满足条件yi’-k*xi’-b≤0的各圆形识别点p到直线y=kx+b的距离,并进行排序,其中的距离最大值所对应的圆形识别点p即为第四个圆形角点pN1,且此时记第四个圆形角点pN1在图像坐标系中的二维坐标为(xN1,yN1);
其中,xi’、yi’分别为除去第一个圆形角点p11、第二个圆形角点pNM外任一圆形识别点p在排序前、在图像坐标系中的横坐标、纵坐标,四个圆形角点pa、pb、pc、pd排序后的结果如图4所示,由此,通过上述角点排序方法,可快速完成对角点的排序,极大的降低计算的复杂程度,节省计算时间,尤其适用于畸变较大的红外相机标定。
进一步的,根据排序后的四个圆形角点对其余各圆形标识点p进行排序的过程包括如下步骤:
S51’、根据排序后第1列圆形标识点p中第一个圆形标识点p11与最后一个圆形标识点pN1的二维坐标,以及第1,2列圆形标识点p中,除第1列圆形标识点p中第一个圆形标识点p11与最后一个圆形标识点pN1外其他各圆形标识点p的排序前的二维坐标,对第1列圆形标识点p中除第一个圆形标识点p11与最后一个圆形标识点pN1外的其余圆形标识点p进行排序,其具体包括如下步骤:
根据第1、2列圆形标识点p中,除第1列圆形标识点p中第一个圆形标识点p11与最后一个圆形标识点pN1外,其余每一圆形标识点p的排序前的二维坐标获取其各自(即“其余每一圆形标识点p”)与第1列圆形标识点p中第一个圆形标识点p11之间的排序向量因第1、2列圆形标识点p中,除第1列圆形标识点p中第一个圆形标识点p11与最后一个圆形标识点pN1外,共有2N-2个圆形标识点,因此排序向量也有2N-2个;
再获取第1、2列圆形标识点p中,除第1列中第一个圆形标识点p11与最后一个圆形标识点p51外,其他各圆形标识点p21、p31、p41、p12、p22、p32、p42、p52在排序前的二维坐标,进一步根据排序前的二维坐标获取圆形标识点p21、p31、p41、p12、p22、p32、p42、p52各自与第1列中第一个圆形标识点p11之间的排序向量 排序向量与基准向量的计算方法类似,不再赘诉;
计算基准向量与每一排序向量 所形成夹角的余弦值θ21、θ31、θ41、θ12、θ22、θ32、θ42、θ52,并按照大小进行排序,再根据排序结果对第1列圆形标识点p中除第一个圆形标识点p11与最后一个圆形标识点p51外的其他各圆形标识点p,即圆形标识点p21、p31、p41进行排序,例如,余弦值按照从大到小的顺序排列,前三位的余弦值分别是θ21、θ31、θ41,则所对应的圆形标识点p21、p31、p41的排序顺序依次为第1、2、3位;
S52’、根据排序后第M列圆形标识点p中第一个圆形标识点p1M与最后一个圆形标识点pNM在图像坐标系中的二维坐标,以及第M-1,M列圆形标识点p中,除第M列圆形标识点p中第一个圆形标识点p1M与最后一个圆形标识点pNM外其他各圆形标识点p的排序前的二维坐标,对第M列圆形标识点p中除第一个圆形标识点p1M与最后一个圆形标识点pNM外的其余圆形标识点p进行排序,其具体包括如下步骤:
根据第M-1、M列圆形标识点p中,除第M列圆形标识点p中第一个圆形标识点p1M与最后一个圆形标识点pNM外,其余每一圆形标识点p与第M列圆形标识点p中第一个圆形标识点p1M之间的排序向量同上述第1列、第2列,共有2N-2个圆形标识点以及2N-2个排序向量
基准向量排序向量以及余弦值的计算过程与上述步骤S51’类似,在此不再赘诉;由此,如图5所示,若N=5,M=6,则可以完成对第6列圆形标识点p中除第一个圆形角点p16以及最后一个圆形标识点p56外的其他各圆形标识点p,即圆形标识点p26、p36、p46进行排序,排序过程同步骤S51’;
S53’、根据排序后第1行圆形标识点p中第一个圆形标识点p11与最后一个圆形标识点p1M的二维坐标,以及第1,2行圆形标识点p中,除第1行圆形标识点p中第一个圆形标识点p11与最后一个圆形标识点p1M外其他各圆形标识点p的排序前的二维坐标,对第1行圆形标识点p中除第一个圆形标识点p11与最后一个圆形标识点p1M外的其余圆形标识点p进行排序,其具体包括如下步骤:
获取第1、2行圆形标识点p中,除第1行圆形标识点p中第一个圆形标识点p11与最后一个圆形标识点p1M外,其余每一圆形标识点p与第1行圆形标识点p中第一个圆形标识点p11之间的排序向量因第1、2行圆形标识点p中,除第1行圆形标识点p中第一个圆形标识点p11与最后一个圆形标识点p1M外,共有2M-2个圆形标识点,因此排序向量也有2M-2个;
再获取第1、2行圆形标识点p中,除第1行中第一个圆形标识点p11与最后一个圆形标识点p16外,其他所有圆形标识点p12、p13、p14、p15、p21、p22、p23、p24、p25、p26在排序前的二维坐标,进一步根据排序前的二维坐标获取圆形标识点p12、p13、p14、p15、p21、p22、p23、p24、p25、p26各自与第1行中第一个圆形标识点p11之间的排序向量 排序向量与基准向量的计算方法类似,不再赘诉;
计算基准向量与每一排序向量 所形成夹角的余弦值θ12'、θ13、θ14、θ15、θ21'、θ22'、θ23、θ24、θ25、θ26,并按照大小进行排序,再根据排序结果对第1行圆形标识点p中除第一个圆形标识点p11与最后一个圆形标识点p16外的其他各圆形标识点p,即圆形标识点p12、p13、p14、p15进行排序,例如,余弦值按照从大到小的顺序排列,前四位的余弦值分别是 则所对应的圆形标识点p13、p12、p14、p15的排序顺序依次为第1、2、3、4位;
S54’、根据排序后第N行圆形标识点p中第一个圆形标识点p1M与最后一个圆形标识点pNM在图像坐标系中的二维坐标,以及第N-1、N行圆形标识点p中,除第N行圆形标识点p中第一个圆形标识点p1M与最后一个圆形标识点pNM外其他各圆形标识点p的排序前的二维坐标,对第N行圆形标识点p中除第一个圆形标识点p1M与最后一个圆形标识点pNM外的其余圆形标识点p进行排序,其具体包括如下步骤:
获取第N-1、N行圆形标识点p中,除第N行圆形标识点p中第一个圆形标识点pN1与最后一个圆形标识点pNM外,其余每一圆形标识点p与第N行圆形标识点p中第一个圆形标识点pN1之间的排序向量与步骤S53’同理,排序向量数量也为2M-2个;
基准向量排序向量以及余弦值的计算过程与上述步骤S53’类似,在此不再赘诉;由此,如图5所示,若N=5,M=6,则可以完成对第5行圆形标识点p中除第一个圆形角点p51以及最后一个圆形标识点p56外的其他各圆形标识点p,即圆形标识点p52、p53、p54、p55进行排序,排序方法同步骤S54’;
S55’、从第2列圆形标识点p开始重复步骤S51’,以完成对每一列圆形标识点p的排序,其具体包括:将第2列圆形标识点p作为步骤S51’中的“第1列圆形标识点p”,第3列圆形标识点p作为“第2列圆形标识点p”,重复步骤S51’,以完成第2列圆形标识点p的排序...将第M-2列圆形标识点p作为步骤S51’中的“第1列圆形标识点p”,第M-1列圆形标识点p作为“第2列圆形标识点p”,重复步骤S51’,以完成第M-1列圆形标识点p的排序;
以及,从第2行圆形标识点p开始重复步骤S53’,以完成对每一行圆形标识点p的排序,其具体包括:将第2行圆形标识点p作为步骤S53’中的“第1行圆形标识点p”,第3行圆形标识点p作为“第2行圆形标识点p”,重复步骤S53’,以完成第2行圆形标识点p的排序...将第N-2行圆形标识点p作为步骤S53’中的“第1行圆形标识点p”,第N-1行圆形标识点p作为“第2行圆形标识点p”,重复步骤S53’,以完成第N-1行圆形标识点p的排序。
各圆形标识点p的排序完成后,其各自在图像坐标系中的二维坐标即可以确定。
需要说明的是,上述第1、M列,第1、N行中除圆形角点外其余圆形识别点的排序过程是相互独立的,步骤S51’-S54’的顺序设置仅为1种实施方式,其不构成对保护范围的限制,本领域技术人员可以按照其他顺序完成第1、M列,第1、N行中除圆形角点外其余圆形识别点的排序,例如,可以按照第M列、第1列、第N行、第1行,或,第M列、第1列、第1行、第N行,或,第N行、第M列、第1列、第1行等顺序完成除圆形角点外其余圆形识别点的排序。
由此,本实施例中先完成对第1、M列以及第1、N行圆形识别点p的排序,并将其作为基准逐行、逐列完成剩余圆形识别点p的排序,且进行排序时仅需根据2行或2列圆形识别点p的坐标以及向量夹角的余弦值即可完成,由此可大幅减少运算量,提高运算速度。
实施例3:
本实施例提供了一种可实现实施例1或2所述方法的红外相机标定系统,如图6所示,其包括:
红外相机标定装置100,其设有按照N*M阵列排布的圆形标识点p;
成像单元200(如搭载在红外相机上的红外镜头等),其用于在不同距离、不同姿态下获取若干标定板4的图像;
图像增强单元300,其用于对红外相机获取的标定板图像进行图像增强处理,且图像增强处理参见步骤S3,不再赘诉;
标识点识别单元400,其用于对经过图像增强处理的图像中的圆形标识点p进行识别,且识别过程参见步骤S4,不再赘诉;
排序单元500,其用于对识别出的所有圆形识别点p进行排序,且识别过程参见步骤S5,不再赘诉;
以及标定单元600(可搭载在红外相机上),其用于根据已完成排序的圆形识别点p完成红外相机的标定,且识别过程参见步骤S6,不再赘诉。
综上所述,本发明中的红外相机标定方法过程简单,其通过图像增强来提高圆形识别点的识别效率和精确度,在对圆形识别点进行排序时,先完成对第1、M列以及第1、N行圆形识别点的排序,并将其作为基准逐行、逐列完成剩余圆形识别点的排序,进行排序时仅需根据2行或2列圆形识别点的坐标以及向量夹角的余弦值即可完成,由此可大幅减少运算量,提高运算速度。
需要说明的是,上述技术方案均属于本申请的保护范围。在本文中,诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神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,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种红外相机标定方法,其特征在于,包括如下步骤:
在标定板上按照N*M阵列设置圆形标识点,且位于阵列四个角处的圆形标识点为四个圆形角点;
红外相机获取标定板的图像;
对获取的标定板图像进行图像增强处理;
对经过图像增强处理的图像中的圆形标识点进行识别,并获取每一圆形识别点在排序前、在图像坐标系中的二维坐标;
对识别出的所有圆形识别点进行排序;
以及红外相机根据已完成排序的圆形识别点进行标定。
2.如权利要求1所述的红外相机标定方法,其特征在于,“对识别出的所有圆形识别点进行排序”包括如下步骤:
对四个圆形角点进行排序;
根据排序后的四个圆形角点对其余各圆形标识点进行排序。
3.如权利要求2所述的红外相机标定方法,其特征在于,“对四个圆形角点进行排序”包括如下步骤:
根据公式(1)-(2)获取圆形标识点构成的N*M阵列的阵列中心点坐标:
其中,xi,yi分别为任一圆形识别点p在排序前、在图像坐标系中的横坐标、纵坐标;x,y分别为阵列中心点的横坐标、纵坐标;N’为圆形识别点的数量;
根据公式(3)获取各圆形识别点到阵列中心点的距离di,并进行排序,其中的距离最大值所对应的圆形识别点即为第一个圆形角点;
获取各圆形识别点到第一个圆形角点的距离,并进行排序,其中的距离最大值所对应的圆形识别点即为第二个圆形角点;
根据第一个圆形角点、第二个圆形角点的连线确定第三圆形角点、第四圆形角点的位置。
4.如权利要求3所述的红外相机标定方法,其特征在于,“根据第一个圆形角点、第二个圆形角点的连线确定第三圆形角点、第四圆形角点的位置”包括如下步骤:
根据第一个圆形角点、第二个圆形角点的坐标获取经过该两个圆形角点的直线解析式y=kx+b;
获取满足条件yi ’-k*xi ’-b>0的各圆形识别点到直线y=kx+b的距离,并进行排序,其中的距离最大值所对应的圆形识别点即为第三个圆形角点;
获取满足条件yi’-k*xi’-b≤0的各圆形识别点到直线y=kx+b的距离,并进行排序,其中的距离最大值所对应的圆形识别点即为第四个圆形角点;
其中,xi’、yi’分别为除去第一个圆形角点、第二个圆形角点外任一圆形识别点在排序前、在图像坐标系中的横坐标、纵坐标。
5.如权利要求2所述的红外相机标定方法,其特征在于,“根据排序后的四个圆形角点对其余各圆形标识点进行排序”包括如下步骤:
根据排序后第1列圆形标识点中第一个圆形标识点与最后一个圆形标识点的二维坐标,以及第1,2列圆形标识点中,除第1列圆形标识点中第一个圆形标识点与最后一个圆形标识点外其他各圆形标识点的排序前的二维坐标,对第1列圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其余圆形标识点进行排序;
根据排序后第M列圆形标识点中第一个圆形标识点与最后一个圆形标识点在图像坐标系中的二维坐标,以及第M-1,M列圆形标识点中,除第M列圆形标识点中第一个圆形标识点与最后一个圆形标识点外其他各圆形标识点的排序前的二维坐标,对第M列圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其余圆形标识点进行排序;
根据排序后第1行圆形标识点中第一个圆形标识点与最后一个圆形标识点的二维坐标,以及第1,2行圆形标识点中,除第1行圆形标识点中第一个圆形标识点与最后一个圆形标识点外其他各圆形标识点的排序前的二维坐标,对第1行圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其余圆形标识点进行排序;
根据排序后第N行圆形标识点中第一个圆形标识点与最后一个圆形标识点在图像坐标系中的二维坐标,以及第N-1、N行圆形标识点中,除第N行圆形标识点中第一个圆形标识点与最后一个圆形标识点外其他各圆形标识点的排序前的二维坐标,对第N行圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其余圆形标识点进行排序;
从第2列圆形标识点开始重复上述步骤,以完成对每一列圆形标识点的排序;
以及,从第2行圆形标识点开始重复上述步骤,以完成对每一行圆形标识点的排序。
6.权利要求5所述的红外相机标定方法,其特征在于,“对第1列圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其余圆形标识点进行排序”包括如下步骤:
根据排序后第1列圆形标识点中第一个圆形标识点与最后一个圆形标识点的二维坐标获取两者之间的向量,以作为基准向量;
根据第1、2列圆形标识点中,除第1列圆形标识点中第一个圆形标识点与最后一个圆形标识点外,其余每一圆形标识点的排序前的二维坐标获取其各自与第1列圆形标识点中第一个圆形标识点之间的排序向量;
计算基准向量与每一排序向量所形成夹角的余弦值;
对所有余弦值按照大小进行排序,并根据排序结果对第1列圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其他各圆形标识点进行排序。
7.如权利要求5所述的红外相机标定方法,其特征在于,“对第M列圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其余圆形标识点进行排序”包括如下步骤:
根据排序后第M列圆形标识点中第一个圆形标识点与最后一个圆形标识点的二维坐标获取两者之间的向量,以作为基准向量;
根据第M-1、M列圆形标识点中,除第M列圆形标识点中第一个圆形标识点与最后一个圆形标识点外,其余每一圆形标识点的排序前的二维坐标获取其各自与第M列圆形标识点中第一个圆形标识点之间的排序向量;
计算基准向量与每一排序向量所形成夹角的余弦值;
对所有余弦值按照大小进行排序,并根据排序结果对第M列圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其他各圆形标识点进行排序。
8.如权利要求5所述的红外相机标定方法,其特征在于,“对第1行圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其余圆形标识点进行排序”包括如下步骤:
根据排序后第1行圆形标识点中第一个圆形标识点与最后一个圆形标识点的二维坐标获取两者之间的向量,以作为基准向量;
根据第1、2行圆形标识点中,除第1行圆形标识点中第一个圆形标识点与最后一个圆形标识点外,其余每一圆形标识点的排序前的二维坐标获取其各自与第1行圆形标识点中第一个圆形标识点之间的排序向量;
计算基准向量与每一排序向量所形成夹角的余弦值;
对所有余弦值按照大小进行排序,并根据排序结果对第1行圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其他各圆形标识点进行排序。
9.如权利要求5所述的红外相机标定方法,其特征在于,“对第N行圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其余圆形标识点进行排序”包括如下步骤:
根据排序后第N行圆形标识点中第一个圆形标识点与最后一个圆形标识点的二维坐标获取两者之间的向量,以作为基准向量;
根据第N-1、N行圆形标识点中,除第N行圆形标识点中第一个圆形标识点与最后一个圆形标识点外,其余每一圆形标识点的排序前的二维坐标获取其各自与第N行圆形标识点中第一个圆形标识点之间的排序向量;
计算基准向量与每一排序向量所形成夹角的余弦值;
对所有余弦值按照大小进行排序,并根据排序结果对第N行圆形标识点中除第一个圆形标识点与最后一个圆形标识点外的其他各圆形标识点进行排序。
10.一种可实现权利要求1-9任一项所述方法的红外相机标定系统,其特征在于,包括:
红外相机标定装置,其设有按照N*M阵列排布的圆形标识点;
成像单元,其用于获取标定板的图像;
图像增强单元,其用于对红外相机获取的标定板图像进行图像增强处理;
标识点识别单元,其用于对经过图像增强处理的图像中的圆形标识点进行识别;
排序单元,其用于对识别出的所有圆形识别点进行排序;
以及标定单元,其用于根据已完成排序的圆形识别点完成红外相机的标定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111257657.2A CN113989386B (zh) | 2021-10-27 | 2021-10-27 | 一种红外相机标定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111257657.2A CN113989386B (zh) | 2021-10-27 | 2021-10-27 | 一种红外相机标定方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113989386A true CN113989386A (zh) | 2022-01-28 |
CN113989386B CN113989386B (zh) | 2023-05-30 |
Family
ID=79742785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111257657.2A Active CN113989386B (zh) | 2021-10-27 | 2021-10-27 | 一种红外相机标定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113989386B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150721A (zh) * | 2013-01-10 | 2013-06-12 | 杭州先临三维科技股份有限公司 | 扫描仪标定板图像的误识别点去除方法及标定板 |
CN103473771A (zh) * | 2013-09-05 | 2013-12-25 | 上海理工大学 | 一种摄相机标定方法 |
CN105865329A (zh) * | 2016-03-31 | 2016-08-17 | 河北科技大学 | 基于视觉的成捆圆钢端面中心坐标的获取系统和方法 |
CN106485757A (zh) * | 2016-10-13 | 2017-03-08 | 哈尔滨工业大学 | 一种基于实心圆标定板的立体视觉系统标定平台及标定方法 |
CN108362309A (zh) * | 2018-01-30 | 2018-08-03 | 浙江大学 | 一种适用于可见光与红外相机的视觉标定板 |
CN108470361A (zh) * | 2017-02-23 | 2018-08-31 | 南宁市富久信息技术有限公司 | 一种角点自动识别相机标定方法 |
CN109920010A (zh) * | 2019-03-19 | 2019-06-21 | 易思维(杭州)科技有限公司 | 一种对多相机视觉检测设备进行标定的方法 |
CN111340893A (zh) * | 2020-03-24 | 2020-06-26 | 深圳奥比中光科技有限公司 | 一种标定板、标定方法及系统 |
CN111429532A (zh) * | 2020-04-30 | 2020-07-17 | 南京大学 | 一种利用多平面标定板提高相机标定精确度的方法 |
CN111508032A (zh) * | 2020-04-17 | 2020-08-07 | 易思维(杭州)科技有限公司 | 相机标定过程中的特征点排序方法 |
CN111524195A (zh) * | 2020-04-28 | 2020-08-11 | 河北工程大学 | 一种掘进机截割头定位中的相机标定方法 |
CN111833405A (zh) * | 2020-07-27 | 2020-10-27 | 北京大华旺达科技有限公司 | 基于机器视觉的标定识别方法及装置 |
CN111856436A (zh) * | 2020-07-02 | 2020-10-30 | 大连理工大学 | 一种多线激光雷达和红外相机的联合标定装置及标定方法 |
CN112097689A (zh) * | 2020-09-11 | 2020-12-18 | 苏州中科全象智能科技有限公司 | 一种3d结构光系统的标定方法 |
CN112270720A (zh) * | 2020-12-21 | 2021-01-26 | 南京理工大学智能计算成像研究院有限公司 | 一种基于二基点的标定板特征点自动排序方法 |
CN112308916A (zh) * | 2020-09-21 | 2021-02-02 | 广东电网有限责任公司广州供电局 | 一种基于图像靶标的目标位姿识别方法 |
CN112991462A (zh) * | 2021-03-15 | 2021-06-18 | 扬州大学 | 一种基于圆点图的摄像机标定方法 |
-
2021
- 2021-10-27 CN CN202111257657.2A patent/CN113989386B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150721A (zh) * | 2013-01-10 | 2013-06-12 | 杭州先临三维科技股份有限公司 | 扫描仪标定板图像的误识别点去除方法及标定板 |
CN103473771A (zh) * | 2013-09-05 | 2013-12-25 | 上海理工大学 | 一种摄相机标定方法 |
CN105865329A (zh) * | 2016-03-31 | 2016-08-17 | 河北科技大学 | 基于视觉的成捆圆钢端面中心坐标的获取系统和方法 |
CN106485757A (zh) * | 2016-10-13 | 2017-03-08 | 哈尔滨工业大学 | 一种基于实心圆标定板的立体视觉系统标定平台及标定方法 |
CN108470361A (zh) * | 2017-02-23 | 2018-08-31 | 南宁市富久信息技术有限公司 | 一种角点自动识别相机标定方法 |
CN108362309A (zh) * | 2018-01-30 | 2018-08-03 | 浙江大学 | 一种适用于可见光与红外相机的视觉标定板 |
CN109920010A (zh) * | 2019-03-19 | 2019-06-21 | 易思维(杭州)科技有限公司 | 一种对多相机视觉检测设备进行标定的方法 |
CN111340893A (zh) * | 2020-03-24 | 2020-06-26 | 深圳奥比中光科技有限公司 | 一种标定板、标定方法及系统 |
CN111508032A (zh) * | 2020-04-17 | 2020-08-07 | 易思维(杭州)科技有限公司 | 相机标定过程中的特征点排序方法 |
CN111524195A (zh) * | 2020-04-28 | 2020-08-11 | 河北工程大学 | 一种掘进机截割头定位中的相机标定方法 |
CN111429532A (zh) * | 2020-04-30 | 2020-07-17 | 南京大学 | 一种利用多平面标定板提高相机标定精确度的方法 |
CN111856436A (zh) * | 2020-07-02 | 2020-10-30 | 大连理工大学 | 一种多线激光雷达和红外相机的联合标定装置及标定方法 |
CN111833405A (zh) * | 2020-07-27 | 2020-10-27 | 北京大华旺达科技有限公司 | 基于机器视觉的标定识别方法及装置 |
CN112097689A (zh) * | 2020-09-11 | 2020-12-18 | 苏州中科全象智能科技有限公司 | 一种3d结构光系统的标定方法 |
CN112308916A (zh) * | 2020-09-21 | 2021-02-02 | 广东电网有限责任公司广州供电局 | 一种基于图像靶标的目标位姿识别方法 |
CN112270720A (zh) * | 2020-12-21 | 2021-01-26 | 南京理工大学智能计算成像研究院有限公司 | 一种基于二基点的标定板特征点自动排序方法 |
CN112991462A (zh) * | 2021-03-15 | 2021-06-18 | 扬州大学 | 一种基于圆点图的摄像机标定方法 |
Non-Patent Citations (3)
Title |
---|
LINGBIN BU等: "Concentric circle grids for camera calibration with considering lens distortion" * |
付生鹏等: "基于射影变换的圆点标定板自动识别研究" * |
田苗等: "基于黑白环扇圆盘的角点自动识别与排序" * |
Also Published As
Publication number | Publication date |
---|---|
CN113989386B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107492091B (zh) | 基于机器视觉的标签外观检测方法及终端设备 | |
EP2534612B1 (en) | Efficient scale-space extraction and description of interest points | |
CN112308916B (zh) | 一种基于图像靶标的目标位姿识别方法 | |
CN114897864B (zh) | 基于数模信息的工件检测及缺陷判断方法 | |
CN106846412B (zh) | 一种棋盘格角点检测方法及装置 | |
CN112802124B (zh) | 多台立体相机的标定方法及装置、电子设备及存储介质 | |
CN112132907B (zh) | 一种相机标定方法、装置、电子设备及存储介质 | |
US20120182442A1 (en) | Hardware generation of image descriptors | |
CN112819748B (zh) | 一种带钢表面缺陷识别模型的训练方法及装置 | |
CN113608378B (zh) | 一种基于lcd制程的全自动缺陷检测方法和系统 | |
CN112712518A (zh) | 鱼类计数方法、装置、电子设备及存储介质 | |
CN111222507A (zh) | 数字式仪表读数的自动识别方法、计算机可读存储介质 | |
CN110738204B (zh) | 一种证件区域定位的方法及装置 | |
CN109920010B (zh) | 一种对多相机视觉检测设备进行标定的方法 | |
CN111950559A (zh) | 一种基于径向灰度的指针仪表自动读数方法 | |
EP1946332A2 (en) | A method and a system for creating a reference image using unknown quality patterns | |
CN114565684A (zh) | 一种基于一致性采样算法的标靶单应性矩阵计算方法 | |
CN112836726B (zh) | 一种基于视频信息的指针类仪表示数读取方法及装置 | |
CN113989386B (zh) | 一种红外相机标定方法及系统 | |
CN115690104B (zh) | 一种晶圆裂缝检测方法、装置及存储介质 | |
CN114998571B (zh) | 基于固定尺寸标志物的图像处理及颜色检测方法 | |
CN116908185A (zh) | 物品的外观缺陷检测方法、装置、电子设备及存储介质 | |
CN110956664A (zh) | 一种手持式三维扫描系统的相机位置实时重定位方法 | |
CN113591548B (zh) | 靶环识别方法及系统 | |
CN117115275B (zh) | 畸变参数的确定方法、装置和计算机设备 |
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 |