CN114387234A - 一种激光3d相机图像像素校正方法 - Google Patents

一种激光3d相机图像像素校正方法 Download PDF

Info

Publication number
CN114387234A
CN114387234A CN202111650884.1A CN202111650884A CN114387234A CN 114387234 A CN114387234 A CN 114387234A CN 202111650884 A CN202111650884 A CN 202111650884A CN 114387234 A CN114387234 A CN 114387234A
Authority
CN
China
Prior art keywords
pixel
image
canvas
pixel point
correction
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
CN202111650884.1A
Other languages
English (en)
Inventor
邓勇军
张中杰
肖唐杰
桂仲成
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.)
Shanghai Guimu Robot Co ltd
Original Assignee
Shanghai Guimu Robot 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 Shanghai Guimu Robot Co ltd filed Critical Shanghai Guimu Robot Co ltd
Priority to CN202111650884.1A priority Critical patent/CN114387234A/zh
Publication of CN114387234A publication Critical patent/CN114387234A/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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种激光3D相机图像像素校正方法，步骤如下：记录3D图像的每一行中心在工作坐标系下的平面坐标和航向角，遍历3D原始图像的每个像素点，计算该像素点在工作坐标系下的平面位置，并记录该点图像灰度值；根据记录的像素点坐标生成校正图像画布换算至校正图像画布获得原始像素画布坐标；在校正图像画布中选取像素点，在原始像素画布坐标中搜索选取的像素点周围一个像素内的像素点集，以及对应的像素点灰度值集；根据像素点集确定对应灰度值的平均值，将选取的校正图像画布中的像素点灰度值进行赋值；遍历画布全部像素按照上述方法搜索赋值，得到像素级校正3D图像，可以直接在图像中检测目标并测量其尺寸，无扭曲或变形。

Description

一种激光3D相机图像像素校正方法
技术领域
本发明涉及图像校正领域，特别是涉及一种激光3D相机图像像素校正方法。
背景技术
激光3D相机可用于公路路面三维成像，利用激光照射路面，并通过面阵相机捕获激光线，利用三角法计算路面深度信息，同时保存灰度值和深度值，工作模式为线扫描方式，即每次采样获得一条线信息，保持为3D图像的一行。但是在实际工程应用中，地面目标在成像数据中存在扭曲或变形现象，主要表现在：一、线扫描导致的横纵向分辨率不一致性，数据在纵向存在拉伸或压缩现象；二、采样运行路径无法保证绝对平直，导致目标在线扫描图像上存在扭曲，具体体现为直线段变弯曲，尺寸也存在畸变，最典型情况是，当采集路径是弧线时，线扫描图像实际视野为扇形，而原始图像为矩形，从而存在典型的沿弧线路径径向切向扭曲现象。为了准确检测地面目标，需要对原始3D图像进行像素校正，去除扭曲与变形，但是现有线扫描图像校正方法均无法对非规则运行路径的图像进行校正，直接影响3D相机对路面目标的检测准确度和尺寸测量精度。
发明内容
针对上述问题，本发明提供了一种激光3D相机图像像素校正方法，具有优点。
本发明的技术方案是：
一种激光3D相机图像像素校正方法，所述步骤如下：
S1、记录3D图像的每一行中心在工作坐标系下的平面坐标和航向角，遍历3D原始图像的每个像素点，计算该像素点在工作坐标系下的平面位置，并记录该点图像灰度及深度值；
S2、根据记录的像素点的平面位置生成校正图像画布，将遍历3D原始图像的像素点坐标换算至校正图像画布获得原始像素画布坐标集；
S3、在校正图像画布中选取像素点，在原始像素画布坐标集中搜索选取的像素点周围一个像素距离内的像素点子集，以及对应的像素点灰度及深度值子集；
S4、根据像素点子集确定对应灰度及深度值的平均值，将选取的校正图像画布中的像素点灰度及深度值进行赋值；
S5、遍历画布全部像素按照上述方法搜索赋值，得到像素级校正3D图像。
所述S3中，当未搜索到像素点的时候，画布中该点不赋值。
本发明的有益效果是：
像素级校正3D相机图像的全部像素完全根据物理坐标排布，从而横纵向像素距离代表值统一固定，无扭曲或变形，可以直接在图像中检测目标并测量其尺寸，同时因为像素级校正3D相机图像利用工作坐标系下的图像范围坐标和固定向像素距离代表值建立画布，每个像素均具有物理坐标配准信息，可以对海量连续拍摄的多张3D相机图像进行校正后整体拼接，从而反映大范围目标视觉信息。
附图说明
图1是本发明实施例所述一种激光3D相机图像像素校正方法的图像扭曲变形示意图；
图2是本发明实施例所述一种激光3D相机图像像素校正方法的图像校正后示意图；
图3本发明实施例所述一种激光3D相机图像像素校正方法的原始3D图像在工作坐标系下示意图；
图4本发明实施例所述一种激光3D相机图像像素校正方法的校正图像在校正画布坐标系下示意图。
具体实施方式
下面结合附图对本发明的实施例作进一步说明。
实施例：
如图1-图4所示，一种激光3D相机图像像素校正方法，步骤如下：
S1、激光3D相机利用智能平台采集，记录智能平台向激光3D相机发送的每一个线触发脉冲的定位信息，即3D图像的每一行中心记录在工作坐标系下的平面坐标(xi,yi)和航向角θi；
3D原始图像尺寸为H×W，横向像素代表尺寸为smm/piexl；
遍历3D原始图像的每个像素点(i,j)，计算该像素点在工作坐标系下的平面位置(Xij,Yij)，并记录该点图像灰度值Gij和深度值Dij；
Figure BDA0003446504350000031
S2、根据记录的像素点的平面位置生成校正图像画布，生成校正图像画布尺寸为(max(Yij)-min(Yij))×(max(Xij)-min(Yij))；
将遍历3D原始图像的像素点(i,j)坐标(Xij,Yij)换算至校正图像画布获得原始像素画布坐标集{(X'ij,Y'ij)}；
Figure BDA0003446504350000032
S3、在校正图像画布中选取像素点(m,n)，在原始像素画布坐标集{(X'ij,Y'ij)}中搜索选取的像素点(m,n)周围一个像素距离内的像素点子集{(X'ij,Y'ij)}m,n，以及对应的像素点灰度值子集{Gij}m,n和深度值子集{Dij}m,n；
S4、根据像素点子集{(X'ij,Y'ij)}m,n确定对应灰度值的平均值
Figure BDA0003446504350000041
及确定对应深度值得平均值
Figure BDA0003446504350000042
将选取的校正图像画布中的像素点(m,n)的灰度值进行赋值G'mn，并对深度值进行赋值D'mn；
S5、遍历画布全部像素按照上述方法搜索赋值，得到像素级校正3D图像。
当未搜索到像素点时，画布中该点不赋值。
像素级校正3D相机图像的全部像素完全根据物理坐标排布，从而横纵向像素距离代表值统一固定，无扭曲或变形，可以直接在图像中检测目标并测量其尺寸，同时因为像素级校正3D相机图像利用工作坐标系下的图像范围坐标和固定向像素距离代表值建立画布，每个像素均具有物理坐标配准信息，可以对海量连续拍摄的多张3D相机图像进行校正后整体拼接，从而反映大范围目标视觉信息。
以上所述实施例仅表达了本发明的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (2)

1.一种激光3D相机图像像素校正方法，其特征在于，所述步骤如下：
S1、记录3D图像的每一行中心在工作坐标系下的平面坐标和航向角，遍历3D原始图像的每个像素点，计算该像素点在工作坐标系下的平面位置，并记录该点图像灰度及深度值；
S2、根据记录的像素点的平面位置生成校正图像画布，将遍历3D原始图像的像素点坐标换算至校正图像画布获得原始像素画布坐标集；
S3、在校正图像画布中选取像素点，在原始像素画布坐标集中搜索选取的像素点周围一个像素距离内的像素点子集，以及对应的像素点灰度及深度值子集；
S4、根据像素点子集确定对应灰度及深度值的平均值，将选取的校正图像画布中的像素点灰度及深度值进行赋值；
S5、遍历画布全部像素按照上述方法搜索赋值，得到像素级校正3D图像。
2.根据权利要求1所述的一种激光3D相机图像像素校正方法，其特征在于，所述S3中，当未搜索到像素点的时候，画布中该点不赋值。
CN202111650884.1A 2021-12-30 2021-12-30 一种激光3d相机图像像素校正方法 Pending CN114387234A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111650884.1A CN114387234A (zh) 2021-12-30 2021-12-30 一种激光3d相机图像像素校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111650884.1A CN114387234A (zh) 2021-12-30 2021-12-30 一种激光3d相机图像像素校正方法

Publications (1)

Publication Number Publication Date
CN114387234A true CN114387234A (zh) 2022-04-22

Family

ID=81199331

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111650884.1A Pending CN114387234A (zh) 2021-12-30 2021-12-30 一种激光3d相机图像像素校正方法

Country Status (1)

Country Link
CN (1) CN114387234A (zh)

Similar Documents

Publication Publication Date Title
CN111754583B (zh) 一种车载三维激光雷达和相机外参联合标定的自动化方法
CN110068270B (zh) 一种基于多线结构光图像识别的单目视觉箱体体积测量方法
CN111311689B (zh) 一种激光雷达与相机相对外参的标定方法及系统
CN111260615B (zh) 基于激光和机器视觉融合的无人机桥梁表观病害检测方法
CN111640157B (zh) 一种基于神经网络的棋盘格角点检测方法及其应用
US7139424B2 (en) Stereoscopic image characteristics examination system
CN108562250B (zh) 基于结构光成像的键盘键帽平整度快速测量方法与装置
CN115170669B (zh) 基于边缘特征点集配准的识别定位方法及系统、存储介质
CN108470356B (zh) 一种基于双目视觉的目标对象快速测距方法
CN111508027B (zh) 摄像机外参标定的方法和装置
CN110033407B (zh) 一种盾构隧道表面图像标定方法、拼接方法及拼接系统
CN110889829A (zh) 一种基于鱼眼镜头的单目测距方法
CN111932504A (zh) 一种基于边缘轮廓信息的亚像素定位方法及装置
CN116342718B (zh) 一种线激光3d相机的标定方法、装置、存储介质及设备
CN113642463B (zh) 一种视频监控和遥感图像的天地多视图对齐方法
CN115330684A (zh) 基于双目视觉与线结构光的水下构筑物表观缺陷检测方法
CN113569647A (zh) 一种基于ais的船舶高精度坐标映射方法
JPH05215547A (ja) ステレオ画像間対応点決定方法
CN114387234A (zh) 一种激光3d相机图像像素校正方法
CN111598956A (zh) 标定方法、装置和系统
CN114078220B (zh) 一种基于深度相机的托盘识别方法
CN111738035A (zh) 车辆偏航角的计算方法、装置和设备
CN111583108B (zh) 隧道衬砌面线阵图像tof融合拼接方法、装置及存储介质
CN112991372B (zh) 一种基于多边形匹配的2d-3d相机外参标定方法
CN114782556A (zh) 相机与激光雷达的配准方法、系统及存储介质

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