CN114136341A - 经纬仪标校误差的检测方法 - Google Patents

Abstract

本发明提供一种经纬仪标校误差的检测方法，方法包括以下步骤：采集待标校前平行光管十字丝与经纬仪十字丝的图像；对图像中的两个十字丝为中心，进行提取；对提取后的十字丝进行检测；对检测后的十字丝进行灰度特征提取；对灰度特征提取后的边缘数据进行曲线拟合后，计算确定两个十字丝的中心点位置；通过计算两个十字丝的中心的偏差，进而得到待标校前的误差。本发明提供的经纬仪标校误差的检测方法可以更快速完成经纬仪坞内标校工作，更精确得到经纬仪坞内标校结果，实时处理并在自动输出十字丝中心与视场中心的误差量即脱靶量值，通过提高图像处理的精度，使脱靶量输出精度达到亚像素级。

Description

经纬仪标校误差的检测方法

技术领域

本发明属于光电测量技术领域，具体涉及一种经纬仪标校误差的检测方法。

背景技术

测量精度是光电经纬仪完成测量任务的重要保证，为了满足测控设备的精度要求，在新设备安装或设备改造后，都要进行一系列的准备工作，静态测角误差作为光电经纬仪的系统误差，为外场测角精度提供了修正依据。设备标校需要进行坐标统一，例如船姿船位经纬仪分系统主要为测量船坞内标校提供方位零位标定基准。因此，采用一种提高经纬仪等光学设备标校精度的方法，很有实用意义。

车载经纬仪坞内标校的项目(不包括激光器)主要包括经纬仪的横轴差、竖轴差、照准差及光轴不平行度等，其中除竖轴差外(采用水平仪法)，其余项目都采用光管法来检测。光管法主要采用高斯型自准直结构的平行光管，通过计算自准直像中心与光管中的“十”字丝的偏移量，求出被测设备的角度偏差。在经纬仪坞内标校时，传统方法是由人目视经纬仪“十”字丝与平行光管“十”字丝之间的偏移量，调整平行光管与被测基准面的相对位置，使二者“十”字丝“重合”，然后利用倒镜法等方式读取经纬仪编码器数值。为了提高精度，一般在相同间隔角度上取数，连续检测一圈后，再反向检测，最后用统计方法得到检测值。当前情况下对经纬仪坞内标校只能在利用正倒镜方法，用人眼观测的方法进行标校。

利用平行光管的方法存在几点不足：首先，由于平行光管“十”字丝在经纬仪电视中占的像素值太大，通过目视的方法会带来人为误差，影响经纬仪标校精度；其次，在检测过程中，人眼主要依据的是电视系统输出的模拟图像，由于模拟图像输出时已经严重的损失了图像分辨率，所以此时的判读依据已经丧失了很大的精度；另外，通过目视调整经纬仪的方法，如果一次不成功就要重新试验，效率较低。在试验中，在检测步骤、设备安装都按照规范实施的条件下，人为因素是影响经纬仪标校精度的主要因素。

发明内容

本发明克服了现有技术中的目视的方法会带来人为误差，影响经纬仪标校精度，且效率较低的这些不足，本发明提供一种经纬仪标校误差的检测方法。

本发明提供的一种经纬仪标校误差的检测方法，标校误差检测方法包括以下步骤：

S1、采集待标校前平行光管十字丝与经纬仪十字丝的图像；

S2、对图像中的平行光管十字丝与经纬仪十字丝两个十字丝进行检测；

S3、对检测后的平行光管十字丝与经纬仪十字丝进行灰度特征提取；

S4、对灰度特征提取后的边缘数据进行曲线拟合后，统计计算平行光管十字丝的中心点位置、经纬仪十字丝的中心点位置，确定平行光管十字丝与经纬仪十字丝两个十字丝的中心点位置；

S5、通过计算平行光管十字丝与经纬仪十字丝两个十字丝的中心点位置的偏差，进而得到待标校前的误差。

进一步地，步骤S2具体包括以下步骤：

S201、以图像中的平行光管十字丝与经纬仪十字丝两个十字丝为中心，进行图像提取；

S202、对提取后的平行光管十字丝与经纬仪十字丝进行识别，进而实现平行光管十字丝与经纬仪十字丝的检测；

进一步地，在步骤S3中灰度特征提取方法为：采用二值形态学细化的方法进行灰度特征提取，获得单像素宽度的平行光管十字丝与经纬仪十字丝。

进一步地，在步骤S4中曲线拟合方法为：采用高斯曲线拟合的方法进行曲线拟合。

与现有技术相比，本发明的有益效果为：

本发明提供的经纬仪标校误差的检测方法通过对采集的十字丝的图像进行十字丝检测、特征提取、直线拟合的方法进行处理，可以更快速完成经纬仪坞内标校工作，更精确得到经纬仪坞内标校结果，实时处理并在自动输出十字丝中心与视场中心的误差量即脱靶量值，通过提高图像处理的精度，使脱靶量输出精度达到亚像素级。

附图说明

图1是本发明实施例1中的经纬仪单项差检测的示意图；

图2是本发明实施例中的经纬仪标校误差的检测方法流程示意图；

图3(a)是本发明实施例1中的未经二值形态学细化和高斯曲线拟合的方法处理前的原图像的示意图；

图3(b)是本发明实施例1中的经二值形态学细化和高斯分布的曲线拟合两种算法处理过的图像的示意图；

图4(a)是本发明实施例1中的未经灰度计算形心的方法统计计算十字丝中心点的位置分布示意图；

图4(b)是本发明实施例1中的经灰度计算形心的方法统计计算十字丝中心点的位置分布示意图；

图5是本发明实施例1中的经纬仪单项差检测中脱靶量原理示意图；

图6是本发明实施例2中的船惯导和经纬仪底座不平行度检测的示意图；

图7是本发明实施例2中的经纬仪平行度误差检测中脱靶量原理示意图。

其中的附图标记如下：

平行光管1、经纬仪2、CCD相机3、图像采集卡4、工控机5、经纬仪底座基准镜6、半透半反镜7、惯导基准镜8、反射镜9。

具体实施方式

下面结合附图和实施例对本发明的实施方式作进一步详细描述。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互结合。基于本发明中的实施例，本领域普通技术人员在没有作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：

图1示出了本发明实施例1中的经纬仪单项差检测的示意图。

本发明实施例1所提供一种经纬仪标校误差的检测方法，是应用在经纬仪的标校之前，确定标校前的误差值，从而在后续的标校中作为数据处理的依据。

如图1所示，本发明实施例1将经纬仪标校误差的检测方法应用于经纬仪单项差检测中，例如检测经纬仪2的照准差、不垂直度误差，通过本发明实施例1的经纬仪标校误差的检测方法可以获取在经纬仪单项差检测中的误差，即脱靶量。并将脱靶量的计算结果经坐标转换后，得到经纬仪2俯仰方向角度的数值和水平方向角度的数值，将数值作为经纬仪2工作时的测量误差依据，在后续的标校中作为数据处理的依据，以消除经纬仪2单项差对于测角精度的影响。

图2示出了本发明实施例1中的经纬仪标校误差的检测方法的流程示意图。

本发明实施例1提供一种经纬仪标校误差的检测方法，如图2所示，标校误差检测方法包括以下步骤：

S1、采集待标校前平行光管1十字丝与经纬仪2十字丝的图像。

如图1所示，0.2″的平行光管1的发出的光束通过经纬仪2镜筒入射到CCD相机3上，采集CCD相机3上待标校前平行光管1十字丝与经纬仪2十字丝的图像。本发明提供的实施例1中使用图像采集卡4对图像进行采集，并将采集的图像传送至工控机5进行后续步骤S2-S5的处理。本发明提供的实施例1中的十字丝图像的采集方法、后续步骤S2-S5处理所使用的工控机5为现有技术，本发明对此采集方式不进行限定。

S2、对提取后的平行光管1十字丝与经纬仪2十字丝进行检测。

S201、以图像中的平行光管1十字丝与经纬仪2十字丝两个十字丝为中心，进行图像提取。

以平行光管1十字丝中心或经纬仪2十字丝中心作为图像的坐标原点，建立坐标系，通过对图像中的十字丝中心进行提取。图像的坐标原点选择哪个十字丝的中心都对本发明实施例1的结果没有影响。

S202、对提取后的平行光管1十字丝与经纬仪2十字丝进行识别，进而实现平行光管1十字丝与经纬仪2十字丝的检测。

现有技术中十字丝检测主要方法有：基于标准模板的方法、基于区域的图像分割技术的方法等。本发明实施例对此不进行限定，可以根据实际情况进行选择适当的十字丝检测方法。本发明实施例1中使用灰度重心法来进行十字丝检测，进而实现对平行光管1十字丝与经纬仪2十字丝的快速识别。

S3、对检测后的平行光管1十字丝与经纬仪2十字丝进行灰度特征提取。

本发明实施例1提供一种优选方案，在步骤S3中灰度特征提取方法为：采用二值形态学细化的方法进行灰度特征提取，获得单像素宽度的平行光管1十字丝与经纬仪2十字丝。利用二值形态学细化的方法进行运算，对图像进行十字丝特征提取后的结果再处理，实现将粗十字丝细化成为单像素宽度的细十字丝。

S4、对灰度特征提取后的边缘数据进行曲线拟合后，统计计算平行光管1十字丝中心点位置、经纬仪2十字丝两个十字丝的中心点位置，确定平行光管1十字丝的中心与经纬仪2十字丝两个十字丝的中心。图像十字丝的边缘数据，即边缘提取后得到的只有边缘灰度的图像。

本发明实施例1提供一种优选方案，在步骤S4中曲线拟合方法为：采用高斯曲线拟合的方法进行曲线拟合。

图3(a)示出了本发明实施例1中的未经二值形态学细化和高斯曲线拟合的方法处理前的原图像的示意图，图3(b)示出了本发明实施例1中的经二值形态学细化和高斯分布的曲线拟合两种算法处理过的图像的示意图。

以下对本发明实施例1中，步骤S3的二值形态学细化的方法进行灰度特征提取的原理进行详细说明。如图3(a)和图3(b)所示，其中图3(a)为未处理前的原图像，图3(b)为经采用二值形态学细化和高斯分布的曲线拟合两种算法处理过的图像，在经纬仪2单项差检测时，结构光扫描线包含物体的表面信息，平行光管1十字丝与经纬仪2十字丝的图像经滤波处理，即对图像进行预处理，剔除干扰特征提取的噪声点，预处理后十字丝的光条宽度所占的像素数不止一个，因此必须对平行光管1十字丝与经纬仪2十字丝中结构光的光条作中心线搜索处理。采用二值形态学细化的方法进行灰度特征提取能够实现：正确的找到结构光的光条的中心线，并保证提取后的结构光光条是单像素宽。在光条中心线搜寻过程中，光条的宽度应尽量地小。结构光光条的细化，是逐次去掉一定宽度图像的轮廓边缘像素点且不影响光条的连通性，获得单像素的中心骨架的过程。采用二值形态学细化的方法进行灰度特征提取能够满足：细化结果应与原图保持拓扑等效性、保持原图形的连续性，细化结果为单像素宽的原图形的中心线。经二值形态学细化的方法的处理后的十字丝图像，还需采取高斯曲线拟合方式保证图像中十字丝连续性、剔除噪声干扰，进而使本发明实施例1提供的经纬仪2的标校误差检测方法达到亚像素的计算精度。

采用二值形态学细化的方法进行灰度特征提取的基本原理是：十字丝特征提取后的特征图像宽度不是单像素，需要进行细化处理，使得十字丝最终为行和列方向上均为单个像素，为下一步直线拟合做准备。对集合A进行基于结构元素对序列{B}＝{B₁,B₂,…,B_n}细化，其过程可以用A{B}＝(…(A←B₁)B₂)…)B_n这个迭代运算来表示。随着迭代次数的增加，目标图像不断被细化，且始终保持A←B∈A。A用B来腐蚀定义为：

A为首次得到的十字丝特征图像的数据集合，B为每次细化处理后图像像素的结果集合，经过多次迭代，最终得到唯一解。

从上至下逐行扫描经滤波的灰度图像中十字丝的光条部分，对各行像素点的灰度值分别进行高斯曲线拟合，求得各曲线峰值的相应位置。将该位置对应图像的灰度值置1，其余置0，直到扫描完整个光条。

图4(a)示出了本发明实施例1中的未经灰度计算形心的方法统计、计算十字丝中心点的位置分布示意图。图4(b)示出了本发明实施例1中的经灰度计算形心的方法统计计算十字丝中心点的位置分布示意图。

经二值形态学细化和高斯分布的曲线拟合后，本发明实施例1使用灰度计算形心的方法，对平行光管1十字丝中心点位置、经纬仪2十字丝两个十字丝的中心点位置进行统计计算，确定平行光管1十字丝的中心与经纬仪2十字丝两个十字丝的中心，进而得到两个十字丝中心点位置的偏差。如图4(a)和图4(b)所示，图4(a)为未经灰度计算形心的方法统计计算十字丝中心点的位置分布示意图，图4(b)为经灰度计算形心的方法统计计算十字丝中心点的位置分布示意图。

S5、通过计算平行光管1十字丝的中心与经纬仪2十字丝两个十字丝的中心的偏差，进而得到待标校前的误差。

图5示出了本发明实施例1中的经纬仪2单项差检测中脱靶量原理示意图。

如图5所示，通过计算两个十字丝中心点位置的偏差。计算后的偏差值就是图像上的像素差，将像素差转换为脱靶量，并将脱靶量的计算结果经坐标转换后，得到经纬仪2俯仰方向角度的数值和水平方向角度的数值，将数值作为经纬仪2工作时的测量误差依据，在后续的标校中作为数据处理的依据，以消除经纬仪2单项差对于测量角度精度的影响。

本发明提供实施例1所提供的经纬仪标校误差的检测方法可以更快速完成经纬仪2坞内标校工作，更精确得到经纬仪2坞内标校结果，实时处理并在自动输出“十字丝”中心与视场中心的误差量即脱靶量值，通过提高图像处理的精度，使脱靶量输出精度达到亚像素级。

本发明提供实施例1所提供的经纬仪标校误差的检测方法能够通过自动判读误差方法来代替人工检测，人工方法的精度只能为1像素，无法突破基本像素精度，本方案中的亚像素定位算法的精度为0.1～0.3个像素，提高测量精度及可靠性。且该方法的精度较高，满足经纬仪2标校系统的稳定可靠、精度高等要求，且重复测量的误差可以忽略不计，测量方式简洁快速，充分体现出自动化优势。

实施例2：

图6示出了本发明实施例2中的船惯导和经纬仪底座不平行度检测的示意图。图7示出了经纬仪平行度误差检测中脱靶量原理示意图。

本发明实施例2所提供一种经纬仪标校误差的检测方法，是应用在经纬仪2的标校之前，确定标校前的误差值，从而在后续的标校中作为数据处理的依据。

如图6所示，本发明实施例2将经纬仪标校误差的检测方法具体应用于船载标校经纬仪2的平行度误差检测中，通过本发明实施例2的经纬仪2的标校误差检测方法可以获取在船载标校经纬仪2的平行度检测中的误差，即脱靶量。并将脱靶量的计算结果经坐标转换后，得到经纬仪2不平行度的角度数值和惯导水平误差的数值，将数值作为经纬仪2工作时的测量误差依据，在后续的标校中作为数据处理的依据，以消除经纬仪2平行度对于测角精度的影响。本发明实施例2的原理与本发明实施例1中的相同，只是分别对经纬仪2底座和惯导进行两次误差检测。

经纬仪底座基准镜6出射的光束经半透半反镜7透射至平行光管1产生近似无穷远的底座十字丝图像。惯导基准镜8出射的光束经反射镜9反射至平行光管1产生近似无穷远的底座十字丝图像。图像入射到CCD相机3上，分别采集CCD相机3上待标校前平行光管1十字丝与经纬仪2十字丝的图像。对经纬仪底座基准镜6、惯导基准镜8所产生的图像中的两个十字丝，对经纬仪底座基准镜6与经纬仪2十字丝的图像测量十字丝中心的位置。再对惯导基准镜8与经纬仪2十字丝的图像测量十字丝中心的位置。分别测量两次，两者位置偏差作为后续标定的参数输入。

本发明实施例2提供一种经纬仪标校误差的检测方法，如图2所示，标校误差检测方法包括以下步骤：

S1、经纬仪底座基准镜6的平行光管1十字丝、惯导基准镜8的平行光管1十字丝和经纬仪2十字丝的图像。

如图6所示，经纬仪底座基准镜6、惯导基准镜8通过平行光管1产生近似无穷远的底座十字丝图像，图像入射到CCD相机3上，采集CCD相机3上经纬仪底座基准镜6的平行光管1十字丝、惯导基准镜8的平行光管1十字丝和经纬仪2十字丝的图像。

S2、对提取后的经纬仪底座基准镜6的平行光管1十字丝、惯导基准镜8的平行光管1十字丝和经纬仪2十字丝分别进行检测。

S201、以图像中的经纬仪底座基准镜6的平行光管1十字丝、惯导基准镜8的平行光管1十字丝和经纬仪2十字丝三个十字丝为中心，进行图像提取。

以图像中的经纬仪底座基准镜6的平行光管1十字丝中心、惯导基准镜8的平行光管1十字丝中心和经纬仪2十字丝中心任一个十字丝中心作为图像的坐标原点，建立坐标系，通过对图像中的十字丝中心进行提取。图像的坐标原点选择哪个十字丝的中心都对本发明实施例2的结果没有影响。

S202、对提取后的经纬仪底座基准镜6的平行光管1十字丝、惯导基准镜8的平行光管1十字丝和经纬仪2十字丝进行识别，进而实现经纬仪底座基准镜6的平行光管1十字丝、惯导基准镜8的平行光管1十字丝和经纬仪2十字丝的检测。

现有技术中十字丝检测主要方法有：基于标准模板的方法、基于区域的图像分割技术的方法。本发明实施例对此不进行限定，可以根据实际情况进行选择适当的十字丝检测方法。本发明实施例2中使用灰度重心法来进行十字丝检测，进而实现对平行光管1十字丝与经纬仪2十字丝的快速识别。

S3、对检测后的平行光管1十字丝与经纬仪2十字丝进行灰度特征提取。

本发明实施例2提供一种优选方案，在步骤S3中灰度特征提取方法为：采用二值形态学细化的方法进行灰度特征提取，获得单像素宽度的经纬仪底座基准镜6的平行光管1十字丝、惯导基准镜8的平行光管1十字丝和经纬仪2十字丝。

S4、对灰度特征提取后的边缘数据进行曲线拟合后，分别统计计算经纬仪底座基准镜6的平行光管1十字丝中心点位置和经纬仪2十字丝两个十字丝的中心点位置；惯导基准镜8的平行光管1十字丝中心点位置和经纬仪2十字丝两个十字丝的中心点位置，确定平经纬仪底座基准镜6的平行光管1十字丝、惯导基准镜8的平行光管1十字丝和经纬仪2十字丝三个十字丝的中心。

本发明实施例2提供一种优选方案，在步骤S4中曲线拟合方法为：采用高斯曲线拟合的方法进行曲线拟合。

以下对本发明实施例2中，步骤S3的二值形态学细化的方法进行灰度特征提取的原理进行详细说明。如图3(a)和图3(b)所示，其中图3(a)为未处理前的原图像，图3(b)为经采用二值形态学细化和高斯分布的曲线拟合两种算法处理过的图像，在经纬仪2单项差检测时，结构光扫描线包含物体的表面信息，经纬仪底座基准镜6的平行光管1十字丝和经纬仪2十字丝两个十字丝的图像经滤波处理后十字丝的光条宽度所占的像素数不止一个。同理，惯导基准镜8的平行光管1十字丝和经纬仪2十字丝两个十字丝的图像经滤波处理后十字丝的光条宽度所占的像素数不止一个。因此必须对经纬仪底座基准镜6的平行光管1十字丝和经纬仪2十字丝、惯导基准镜8的平行光管1十字丝和经纬仪2十字丝中结构光的光条作中心线搜索处理。采用二值形态学细化的方法进行灰度特征提取能够实现：正确的找到结构光的光条的中心线，并保证提取后的结构光光条是单像素宽。在光条中心线搜寻过程中，光条的宽度应尽量地小。结构光光条的细化，是逐次去掉一定宽度图像的轮廓边缘像素点且不影响光条的连通性，获得单像素的中心骨架的过程。采用二值形态学细化的方法进行灰度特征提取能够满足：细化结果应与原图保持拓扑等效性、保持原图形的连续性，细化结果为单像素宽的原图形的中心线。经二值形态学细化的方法的处理后的十字丝图像，还需采取高斯曲线拟合方式保证图像中十字丝连续性、剔除噪声干扰，进而使本发明实施例2提供的经纬仪2的标校误差检测方法达到亚像素计算精度。

采用二值形态学细化的方法进行灰度特征提取的基本原理是：十字丝特征提取后的特征图像宽度不是单像素，需要进行细化处理，使得十字丝最终为行和列方向上均为单个像素，为下一步直线拟合做准备。对集合A进行基于结构元素对序列{B}＝{B₁,B₂,…,B_n}细化，其过程可以用A{B}＝(…(A←B₁)B₂)…)B_n这个迭代运算来表示。随着迭代次数的增加，目标图像不断被细化，且始终保持A←B∈A。A用B来腐蚀定义为：

A为初次得到的十字丝特征图像的数据集合，B为每次细化处理后图像像素的结果集合，经过多次迭代，最终得到唯一解。

从上至下逐行扫描经滤波的灰度图像中十字丝的光条部分，对各行像素点的灰度值分别进行高斯曲线拟合，求得各曲线峰值的相应位置。将该位置对应图像的灰度值置1，其余置0，直到扫描完整个光条。

经二值形态学细化和高斯分布的曲线拟合后，本发明实施例2使用灰度计算形心的方法，对平行光管1十字丝中心点位置、经纬仪2十字丝两个十字丝的中心点位置进行统计计算，确定平行光管1十字丝的中心与经纬仪2十字丝两个十字丝的中心，进而得到两个十字丝中心点位置的偏差。

S5、通过计算经纬仪底座基准镜6的平行光管1十字丝的中心与经纬仪2十字丝两个十字丝的中心的偏差，惯导基准镜8的平行光管1十字丝和经纬仪2十字丝两个十字丝的中心的偏差，进而得到待标校前的误差。

如图7所示，通过计算十字丝中心点位置的偏差。计算后的偏差值就是图像上的像素差，将像素差转换为脱靶量，并将脱靶量的计算结果经坐标转换后，得到经纬仪2底座俯仰方向角度的数值和水平方向角度的数值，惯导水平偏差的数值，将数值作为经纬仪2工作时的测量误差依据，在后续的标校中作为数据处理的依据，以消除经纬仪2单项差对于测角精度的影响。

本发明提供实施例2所提供的经纬仪2的标校误差检测方法可以更快速完成经纬仪2坞内标校工作，更精确得到经纬仪2坞内标校结果，实时处理并在自动输出“十字丝”中心与视场中心的误差量即脱靶量值，通过提高图像处理的精度，使脱靶量输出精度达到亚像素级。

本发明提供实施例2所提供的经纬仪标校误差的检测方法能够通过自动判读误差方法来代替人工检测，提高测量精度及可靠性。且该方法的精度较高，满足经纬仪标校系统的稳定可靠、精度高等要求，且重复测量的误差可以忽略不计，测量方式简洁快速，充分体现出自动化优势。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制。本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

以上本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。

Claims (4)

1.一种经纬仪标校误差的检测方法，其特征在于，所述标校误差检测方法包括以下步骤：

S1、采集待标校前平行光管十字丝与经纬仪十字丝的图像；

S2、对所述图像中的平行光管十字丝与经纬仪十字丝两个十字丝进行检测；

S3、对检测后的所述平行光管十字丝与所述经纬仪十字丝进行灰度特征提取；

S4、对所述灰度特征提取后的边缘数据进行曲线拟合后，统计计算所述平行光管十字丝的中心点位置、所述经纬仪十字丝的中心点位置，确定所述平行光管十字丝与所述经纬仪十字丝两个十字丝的中心点位置；

S5、通过计算所述平行光管十字丝与所述经纬仪十字丝两个十字丝的中心点位置的偏差，进而得到待标校前的误差。

2.根据权利要求1所述的经纬仪标校误差的检测方法，其特征在于，所述步骤S2具体包括以下步骤：

S201、以所述图像中的平行光管十字丝与经纬仪十字丝两个十字丝为中心，进行图像提取；

S202、对提取后的所述平行光管十字丝与所述经纬仪十字丝进行识别，进而实现所述平行光管十字丝与所述经纬仪十字丝的检测。

3.根据权利要求1所述的经纬仪标校误差的检测方法，其特征在于，在所述步骤S3中所述灰度特征提取方法为：采用二值形态学细化的方法进行灰度特征提取，获得单像素宽度的平行光管十字丝与经纬仪十字丝。

4.根据权利要求1所述的经纬仪标校误差的检测方法，其特征在于，在所述步骤S4中所述曲线拟合方法为：采用高斯曲线拟合的方法进行曲线拟合。

Images