CN114529613A - 一种圆阵列标定板的特征点高精度坐标提取方法 - Google Patents

Abstract

一种圆阵列标定板的特征点高精度坐标提取方法，包括：获取标定板图像；对标定板图像进行图像处理以获得其中的圆形特征点；对圆形特征点进行边缘提取以获得圆形特征点的边缘点，利用边缘点进行椭圆拟合得到圆形特征点的图像坐标，其中圆形特征点的图像坐标指圆形特征点的圆心的图像坐标；确定圆形特征点的图像坐标与世界坐标的对应关系；利用椭圆方程对圆形特征点的图像坐标进行误差校正，得到圆形特征点最终的图像坐标。由于利用椭圆方程对特征点的图像坐标进行误差校正，有效提高了特征点图像坐标的精度，从而提升了相机标定的精度。

Description

一种圆阵列标定板的特征点高精度坐标提取方法

本申请是原案申请的分案申请，原案的申请号为：202111526560.7，发明名称为：一种非同轴相机的标定方法，申请日为：2021年12月15日。

技术领域

本发明涉及相机标定技术领域，具体涉及一种圆阵列标定板的特征点高精度坐标提取方法。

背景技术

在图像测量过程以及机器视觉应用中，为了确定空间物体表面某点的三维几何位置，必须建立相机成像的几何模型，也就是确定空间物体表面某点的三维几何位置与其在图像上的对应点的对应关系，这样在获得相机所拍摄图像的图像坐标后，根据相机成像的几何模型就可以推知相应的三维空间坐标。几何模型中的参数就是相机的参数，而确定相机的参数的过程称之为相机标定。相机参数的标定是非常关键的环节，标定结果的精度及标定算法的稳定性直接影响相机工作产生结果的准确性。因此，做好相机标定是做好后续工作的前提。相机标定常利用标定板来进行，标定板在机器视觉、图像测量、摄影测量、三维重建等方面有广泛应用，通过相机拍摄带有固定间距图案阵列的标定板的图像，经过标定算法的计算，可以得出相机成像的几何模型，从而得到高精度的测量和重建结果。目前，通常采用带有棋盘格图案或实心圆阵列图案的标定板进行相机标定，其中棋盘格标定板通过定位棋盘格角点来获取特征点，圆阵列标定板通过定位圆点中心来获取特征点，在确定特征点的坐标以及与世界坐标的对应关系后即可以进行后续的标定工作。

发明内容

本申请提供一种圆阵列标定板的特征点高精度坐标提取方法，旨在提高圆阵列标定板中圆形特征点的图像坐标的提取精度。

根据第一方面，一种实施例中提供一种圆阵列标定板的特征点高精度坐标提取方法，包括：

获取标定板图像；

对标定板图像进行图像处理以获得其中的圆形特征点；

对圆形特征点进行边缘提取以获得圆形特征点的边缘点，利用边缘点进行椭圆拟合得到圆形特征点的图像坐标，其中圆形特征点的图像坐标指圆形特征点的圆心的图像坐标；

确定圆形特征点的图像坐标与世界坐标的对应关系；

利用椭圆方程对圆形特征点的图像坐标进行误差校正，得到圆形特征点最终的图像坐标。

一种实施例中，所述利用椭圆方程对圆形特征点的图像坐标进行误差校正，包括：

计算出由非畸变的椭圆方程矩阵D到畸变的椭圆方程矩阵

的变换矩阵H_D，其中非畸变的椭圆方程矩阵D满足

p^TDp＝0，

畸变的椭圆方程矩阵

满足

变换矩阵H_D满足

其中，p为误差校正后圆形特征点的图像坐标，

为误差校正前圆形特征点的图像坐标，且

其中

Λ₀和U满足

其中λ₁、λ₂和λ₃为椭圆方程矩阵D的特征值，U为由相应的特征向量构成的矩阵，

和

为椭圆方程矩阵

的特征值，

为由相应的特征向量构成的矩阵；

根据以下目标函数求解得到误差校正后圆形特征点的图像坐标p_i：

其中下标i代表第i个点。

一种实施例中，所述利用椭圆方程对圆形特征点的图像坐标进行误差校正，包括：

根据以下目标函数，利用圆形特征点的边缘点进行椭圆拟合，求得椭圆方程中的系数：

s.t.4ac-b²＝1

其中a、b、c、d、e、f为椭圆方程中的系数，(x_i,y_i)为边缘点的图像坐标，w_i为权重，n为边缘点的个数；

根据以下公式计算椭圆中心点的图像坐标(r_d,c_d)：

根据以下公式计算未拟合的椭圆中心点的图像坐标(r′_d,c′_d)：

其中F为圆形特征点所在区域的点的集合，p_i为该集合中的点，I(p_i)为点p_i的灰度值，(x_i,y_i)为点p_i的图像坐标，下标i代表第i个点；

根据图像坐标(r_d,c_d)和(r′_d,c′_d)之间的偏差，对圆形特征点的图像坐标进行误差校正。

一种实施例中，所述对标定板图像进行图像处理以获得其中的圆形特征点，包括：

对标定板图像进行边缘提取以获取标定板边界框；

对标定板区域构建图像金字塔，获得各层的金字塔图像，其中标定板区域为所述标定板图像中位于标定板边界框内的区域；

从图像金字塔的顶层开始自上而下依次对各层的金字塔图像进行二值化处理以搜索圆形特征点，直到在当前层金字塔图像搜索到符合预设条件的圆形特征点为止。

一种实施例中，通过以下方式对当前层金字塔图像进行二值化处理以搜索圆形特征点：

在预设阈值区间内，从小到大间隔预设间隔值来选取灰度阈值，每选取一次灰度阈值，则用该灰度阈值对当前层金字塔图像进行阈值分割，得到圆形区域，当圆形区域的个数与预设个数相等时，则判定在当前层金字塔图像中搜索到了符合预设条件的圆形特征点，停止选取下一个灰度阈值，否则继续选取下一个灰度阈值对当前层金字塔图像进行阈值分割，直至遍历预设阈值区间为止。

一种实施例中，所述对标定板图像进行图像处理以获得其中的圆形特征点，包括：

对标定板图像构建图像金字塔，获得各层的金字塔图像；

从图像金字塔的顶层开始自上而下依次对各层的金字塔图像进行圆形特征点搜索，直到在当前层金字塔图像搜索到符合预设条件的圆形特征点为止，其中圆形特征点搜索包括：

对当前层金字塔图像进行二值化处理以得到圆形区域，对圆形区域的面积进行统计分析处理以得到出现频率最大的面积，根据出现频率最大的面积计算半径，乘以当前层金字塔图像对应的倍率得到圆形特征点的估计半径，依据估计半径在标定板图像中搜索圆形特征点。

一种实施例中，所述对圆形区域的面积进行统计分析处理以得到出现频率最大的面积，根据出现频率最大的面积计算半径，乘以当前层金字塔图像对应的倍率得到圆形特征点的估计半径，依据估计半径在标定板图像中搜索圆形特征点，包括：

根据预设的圆度范围和/或面积范围对圆形区域进行筛选，对筛选后的圆形区域进行面积的直方图统计，建立面积和出现频率的函数映射关系，获得出现频率最大的面积；

根据出现频率最大的面积计算半径，乘以当前层金字塔图像对应的倍率得到圆形特征点的估计半径；

根据估计半径对标定板图像进行滤波然后进行阈值分割，得到特征点估计区域，剔除面积大于预设面积阈值的特征点估计区域；

计算特征点估计区域的个数，当特征点估计区域的个数与预设个数相等时，则判定在当前层金字塔图像中搜索到了符合预设条件的圆形特征点。

一种实施例中，所述圆阵列标定板的一角设有一三角形标志物，所述三角形标志物呈等腰直角三角形，且所述三角形标志物的直角顶点为圆阵列标定板的其中一个顶点，另两个顶点分别在圆阵列标定板的与该直角顶点相邻的两条边上；

所述确定圆形特征点的图像坐标与世界坐标的对应关系包括：

在标定板图像中检测三角形标志物，确定圆形特征点与三角形标志物的相对位置关系；

以三角形标志物为基准建立基准坐标系，根据圆阵列标定板的参数信息确定圆形特征点的图像坐标与世界坐标之间的一一对应关系。

一种实施例中，所述圆阵列标定板中的圆形特征点有部分为空心点，所述确定圆形特征点的图像坐标与世界坐标的对应关系包括：

从所获得的圆形特征点中提取出空心点，利用聚类算法将空心点分为不同的簇；

计算得到簇中离所有其他空心点距离之和最短的空心点，将其作为簇的中心点，将非空心点划归到与其距离最近的簇中；

根据簇中空心点的排列方式确定簇在圆阵列标定板中的位置；

以其中一个簇作为基准簇，确定其他簇与基准簇的相对位置关系；

以基准簇的中心点为原点建立基准坐标系，根据圆阵列标定板的参数信息确定圆形特征点的图像坐标与世界坐标之间的一一对应关系。

一种实施例中，所述特征点高精度坐标提取方法还包括：在确定圆形特征点的图像坐标与世界坐标的对应关系之后，根据簇中空心点的图像坐标与世界坐标之间的一一对应关系计算单应性矩阵，利用该单应性矩阵将其他圆形标志点的世界坐标映射到图像上得到映射点；获取包含映射点的圆形特征点，对其进行亚像素边缘提取和椭圆拟合，得到圆形特征点新的边缘点和图像坐标。

根据第二方面，一种实施例中提供一种计算机可读存储介质，所述介质上存储有程序，所述程序能够被处理器执行以实现如上述第一方面所述的特征点高精度坐标提取方法。

依据上述实施例的圆阵列标定板的特征点高精度坐标提取方法，在获取标定板图像后，对标定板图像进行图像处理获得其中的圆形特征点，然后对圆形特征点进行边缘提取以获得圆形特征点的边缘点，利用边缘点进行椭圆拟合得到圆形特征点的图像坐标，在获得图像坐标后利用椭圆方程对其进行误差校正。由于利用椭圆方程对特征点的图像坐标进行误差校正，有效提高了特征点图像坐标的精度，从而提升了相机标定的精度。

附图说明

图1为一种实施例的圆阵列标定板的特征点高精度坐标提取方法的流程图；

图2为一种实施例中对标定板图像进行图像处理以获得其中的圆形特征点的流程图；

图3为另一种实施例中对标定板图像进行图像处理以获得其中的圆形特征点的流程图；

图4为带三角形标志物的圆阵列标定板的示意图；

图5为有空心点的圆阵列标定板的示意图；

图6为带三角形标志物的圆阵列标定板中，确定圆形特征点的图像坐标与世界坐标的对应关系的流程图；

图7为有空心点的圆阵列标定板中，确定圆形特征点的图像坐标与世界坐标的对应关系的流程图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。

本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。

请参考图1，本申请一种实施例中的圆阵列标定板的特征点高精度坐标提取方法包括步骤110～150，下面具体说明。

步骤110：获取标定板图像。需要说明的是，所获取的标定板图像可以是同轴相机拍摄的，也可以是非同轴相机拍摄的。

步骤120：对标定板图像进行图像处理以获得其中的圆形特征点。图像处理包括二值化、滤波、特征筛选等。请参考图2，一种实施例中获得圆形特征点的流程包括步骤210～240，下面具体说明。

步骤210：对标定板图像进行边缘提取以获取标定板边界框，从而得到标定板在标定板图像中的位置。

步骤220：对标定板区域构建图像金字塔，获得各层的金字塔图像，其中标定板区域为标定板图像中位于标定板边界框内的区域。在图像金字塔中，上层的图像分辨率较小，下层的图像分辨率较大。图像金字塔具体的层数可根据经验设定。

步骤230：对当前层金字塔图像进行二值化处理以搜索圆形特征点。当前层金字塔图像的初始值为最顶层的金字塔图像。

一种实施例中，二值化处理可以是按照一个灰度值步长迭代进行的过程。具体的，在预设阈值区间内，从小到大间隔预设间隔值来选取灰度阈值，每选取一次灰度阈值，则用该灰度阈值对当前层金字塔图像进行阈值分割，得到圆形区域，当圆形区域的个数与预设个数相等时，则判定在当前层金字塔图像中搜索到了符合预设条件的圆形特征点，停止选取下一个灰度阈值，否则继续选取下一个灰度阈值对当前层金字塔图像进行阈值分割，直至遍历预设阈值区间为止。例如预设阈值区间50-90，如果步长为10，即预设间隔值为10，那么则依次选取50、60、70、80、90作为灰度阈值对当前层金字塔图像进行阈值分割，直到圆形区域的个数与预设个数相等为止。预设阈值区间可以根据经验设置。在阈值分割得到圆形区域后，还可以进行一些形态学处理和面积筛选，以得到更准确的结果。

步骤240：判断是否在当前层金字塔图像搜索到符合预设条件的圆形特征点。若是则结束流程，否则将下一层金字塔图像作为当前层金字塔图像，返回步骤230。

请参考图3，另一种实施例中获得圆形特征点的流程包括步骤310～330，下面具体说明。

步骤310：对标定板图像构建图像金字塔，获得各层的金字塔图像。

步骤320：对当前层金字塔图像进行圆形特征点搜索。当前层金字塔图像的初始值为最顶层的金字塔图像。

圆形特征点搜索可以按照以下方式进行：对当前层金字塔图像进行二值化处理以得到圆形区域，对圆形区域的面积进行统计分析处理以得到出现频率最大的面积，根据出现频率最大的面积计算半径，乘以当前层金字塔图像对应的倍率得到圆形特征点的估计半径，依据估计半径在标定板图像中搜索圆形特征点。

圆形特征点的估计半径可以通过直方图统计来获得。在对当前层金字塔图像进行二值化处理得到圆形区域后，先根据预设的圆度范围和/或面积范围对圆形区域进行筛选，对筛选后的圆形区域进行面积的直方图统计，建立面积和出现频率的函数映射关系，获得出现频率最大的面积；然后根据出现频率最大的面积计算半径，乘以当前层金字塔图像对应的倍率得到圆形特征点的估计半径；最后根据估计半径对标定板图像进行滤波然后进行阈值分割，得到特征点估计区域，剔除面积大于预设面积阈值的特征点估计区域。计算特征点估计区域的个数，当特征点估计区域的个数与预设个数相等时，则判定在当前层金字塔图像中搜索到了符合预设条件的圆形特征点。

步骤330：判断是否在当前层金字塔图像搜索到符合预设条件的圆形特征点。若是则结束流程，否则将下一层金字塔图像作为当前层金字塔图像，返回步骤320。

上述实施例中的获取标定板图像中圆形特征点的方法，通过构建图像金字塔来搜索圆形特征点，从图像金字塔的顶层开始向下层逐层进行搜索，当在某一层搜索到符合预设条件的圆形特征点时则可以停止，采用的是一种从粗到精的搜索策略，并不是直接采用原图进行处理。由于图像金字塔上层的图像分辨率较小，图像较小，因此这种方式有利于提高圆形特征点的搜索效率。在有的实施例中，二值化处理是按照一个灰度值步长迭代进行的过程，并不是采用单一灰度阈值进行分割，有利于更准确地提取出圆形特征点。

下面继续介绍步骤130～150。

步骤130：对圆形特征点进行边缘提取以获得圆形特征点的边缘点，利用边缘点进行椭圆拟合得到圆形特征点的图像坐标，其中圆形特征点的图像坐标指圆形特征点的圆心的图像坐标。

步骤140：确定圆形特征点的图像坐标与世界坐标的对应关系。

常用的标定板往往不带基准，工作人员需要手动选定基准来将特征点的图像坐标与世界坐标进行比对，确定它们的对应关系，比较繁琐。本申请提供两种带基准的圆阵列标定板，并给出两者确定圆形特征点的图像坐标与世界坐标的对应关系的方法。其中一种为带三角形标志物的圆阵列标定板，如图4所示，该标定板的一角设有一三角形标志物，该三角形标志物呈等腰直角三角形，且其直角顶点为圆阵列标定板的其中一个顶点，另两个顶点分别在圆阵列标定板的与该直角顶点相邻的两条边上。另外一种为有空心点的圆阵列标定板，如图5所示，空心点聚合成若干簇，如图5中有5个簇。

请参考图6，带三角形标志物的圆阵列标定板中，确定圆形特征点的图像坐标与世界坐标的对应关系包括以下步骤：

步骤410：在标定板图像中检测三角形标志物，确定圆形特征点与三角形标志物的相对位置关系。可以通过检测三角形的斜边来检测三角形标志物。

步骤420：以三角形标志物为基准建立基准坐标系，根据圆阵列标定板的参数信息确定圆形特征点的图像坐标与世界坐标之间的一一对应关系。在步骤410的基础上，建立基准坐标系后可得到圆形特征点在基准坐标系下的位置，将基准坐标与世界坐标对应上，利用圆阵列标定板的参数信息可以确定圆形特征点的图像坐标与世界坐标之间的一一对应关系。

请参考图7，有空心点的圆阵列标定板中，确定圆形特征点的图像坐标与世界坐标的对应关系包括以下步骤：

步骤510：从所获得的圆形特征点中提取出空心点，利用聚类算法将空心点分为不同的簇。

步骤520：计算得到簇中离所有其他空心点距离之和最短的空心点，将其作为簇的中心点，将非空心点划归到与其距离最近的簇中。

步骤530：根据簇中空心点的排列方式确定簇在圆阵列标定板中的位置。例如图5中，可以看到5个簇中的空心点的排列方式并不相同，可以据此判断簇在圆阵列标定板中的位置。

步骤540：以其中一个簇作为基准簇，确定其他簇与基准簇的相对位置关系，这样一来也就可以确定其他簇中的圆形特征点与基准簇的相对位置关系。

步骤550：以基准簇的中心点为原点建立基准坐标系，根据圆阵列标定板的参数信息确定圆形特征点的图像坐标与世界坐标之间的一一对应关系。在步骤540的基础上，建立基准坐标系后可得到圆形特征点在基准坐标系下的位置，将基准坐标与世界坐标对应上，利用圆阵列标定板的参数信息可以确定圆形特征点的图像坐标与世界坐标之间的一一对应关系。

一种实施例中，在得到圆形特征点的图像坐标与世界坐标的对应关系后，还可以进行亚像素边缘提取。具体的，首先根据簇中空心点的图像坐标与世界坐标之间的一一对应关系计算单应性矩阵，利用该单应性矩阵将其他圆形标志点的世界坐标映射到图像上得到映射点；然后获取包含映射点的圆形特征点，对其进行亚像素边缘提取和椭圆拟合，得到圆形特征点新的边缘点和图像坐标。利用亚像素边缘提取得到的边缘点和图像坐标，其精度得到了进一步提高。

步骤150：利用椭圆方程对圆形特征点的图像坐标进行误差校正，得到圆形特征点最终的图像坐标。

对于一个半径为r，中心为(X₀,Y₀)的圆其方程可以表示为：x^TFx＝0，其中

称F为椭圆方程矩阵。圆的中心可以表示为：c_conic＝F^-1(0,0,1)^T。世界坐标系到图像坐标系的变换可以表示为：p_i＝H_tp_w，因此变换后的圆可以表示为：

变换后的中心可以表示为：

上述世界坐标系到图像坐标系的变换表示是没有考虑畸变的，如果考虑畸变，需要建立畸变和非畸变之间的关系。本申请一种实施例中利用上述椭圆方程矩阵，根据观测值和期望值差距最小的思路，建立目标函数，求解非畸变的图像坐标，实现对圆形特征点的图像坐标的误差校正。

在进行误差校正前的椭圆是一个畸变的椭圆，可以表示为：

其中

为误差校正前圆形特征点的图像坐标，

为畸变的椭圆方程矩阵。如果不考虑畸变，则是一个标准的二次曲线，椭圆方程矩阵可以表示为D，曲线的方程为p^TDp＝0，其中p为误差校正后圆形特征点的图像坐标。D到

的映射可以用变换矩阵H_D来表示：

对椭圆方程矩阵进行对角化可得：U^TDU＝Λ，

其中

其中λ₁、λ₂和λ₃为椭圆方程矩阵D的特征值，U为由相应的特征向量构成的矩阵，

和

为椭圆方程矩阵

的特征值，

为由相应的特征向量构成的矩阵。

令

则

获得H_D后，可根据以下目标函数求解误差校正后圆形特征点的图像坐标p_i：

其中下标i代表第i个点。

另一种实施例中，可以通过椭圆拟合的方式求取椭圆方程，得到椭圆中心点的图像坐标，与未经拟合的椭圆中心点的图像坐标比较，用两者的差直接对圆形特征点的图像坐标进行误差校正。椭圆拟合可以根据下面的目标函数来进行：

s.t.4ac-b²＝1

其中a、b、c、d、e、f为椭圆方程中的系数，(x_i,y_i)为圆形特征点的边缘点的图像坐标，w_i为权重，n为边缘点的个数。

然后根据以下公式计算椭圆中心点的图像坐标(r_d,c_d)：

根据以下公式计算未拟合的椭圆中心点的图像坐标(r′_d,c′_d)：

其中F为圆形特征点所在区域的点的集合，即整个圆中的所有点，p_i为该集合中的点，I(p_i)为点p_i的灰度值，(x_i,y_i)为点p_i的图像坐标，下标i代表第i个点。

计算图像坐标(r_d,c_d)和(r′_d,c′_d)之间的偏差，对圆形特征点的图像坐标进行补偿，完成误差校正。

依据上述实施例的圆阵列标定板的特征点高精度坐标提取方法，对标定板图像进行图像处理获得其中的圆形特征点，然后对圆形特征点进行边缘提取和椭圆拟合获得圆形特征点的图像坐标，在获得图像坐标后利用椭圆方程对其进行误差校正，误差校正可以通过椭圆拟合、误差补偿等来实现。在获取圆形特征点的过程中，通过构建图像金字塔来搜索圆形特征点，从图像金字塔的顶层开始向下层逐层进行搜索，当在某一层搜索到符合预设条件的圆形特征点时则可以停止，采用的是一种从粗到精的搜索策略，并不是直接采用原图进行处理。由于图像金字塔上层的图像分辨率较小，图像较小，因此这种方式有利于提高圆形特征点的搜索效率。在有的实施例中，二值化处理是按照一个灰度值步长迭代进行的过程，并不是采用单一灰度阈值进行分割，有利于更准确地提取出圆形特征点。综上所述，本申请提供的圆阵列标定板的特征点高精度坐标提取方法，有效地提高了特征点坐标提取的精度和效率，从而提升了相机标定的精度。

本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (11)

1.一种圆阵列标定板的特征点高精度坐标提取方法，其特征在于，包括：

获取标定板图像；

对标定板图像进行图像处理以获得其中的圆形特征点；

对圆形特征点进行边缘提取以获得圆形特征点的边缘点，利用边缘点进行椭圆拟合得到圆形特征点的图像坐标，其中圆形特征点的图像坐标指圆形特征点的圆心的图像坐标；

确定圆形特征点的图像坐标与世界坐标的对应关系；

利用椭圆方程对圆形特征点的图像坐标进行误差校正，得到圆形特征点最终的图像坐标。

2.如权利要求1所述的特征点高精度坐标提取方法，其特征在于，所述利用椭圆方程对圆形特征点的图像坐标进行误差校正，包括：

计算出由非畸变的椭圆方程矩阵D到畸变的椭圆方程矩阵

的变换矩阵H_D，其中非畸变的椭圆方程矩阵D满足

p^TDp＝0，

畸变的椭圆方程矩阵

满足

变换矩阵H_D满足

其中，p为误差校正后圆形特征点的图像坐标，

为误差校正前圆形特征点的图像坐标，且

其中

Λ₀和U满足

U^TDU＝Λ，

Λ＝diag(λ₁,λ₂,λ₃),

其中λ₁、λ₂和λ₃为椭圆方程矩阵D的特征值，U为由相应的特征向量构成的矩阵，

和

为椭圆方程矩阵

的特征值，

为由相应的特征向量构成的矩阵；

根据以下目标函数求解得到误差校正后圆形特征点的图像坐标p_i：

其中下标i代表第i个点。

3.如权利要求1所述的特征点高精度坐标提取方法，其特征在于，所述利用椭圆方程对圆形特征点的图像坐标进行误差校正，包括：

根据以下目标函数，利用圆形特征点的边缘点进行椭圆拟合，求得椭圆方程中的系数：

其中a、b、c、d、e、f为椭圆方程中的系数，(x_i,y_i)为边缘点的图像坐标，w_i为权重，n为边缘点的个数；

根据以下公式计算椭圆中心点的图像坐标(r_d,c_d)：

根据以下公式计算未拟合的椭圆中心点的图像坐标(r′_d,c′_d)：

其中F为圆形特征点所在区域的点的集合，p_i为该集合中的点，I(p_i)为点p_i的灰度值，(x_i,y_i)为点p_i的图像坐标，下标i代表第i个点；

根据图像坐标(r_d,c_d)和(r′_d,c′_d)之间的偏差，对圆形特征点的图像坐标进行误差校正。

4.如权利要求1所述的特征点高精度坐标提取方法，其特征在于，所述对标定板图像进行图像处理以获得其中的圆形特征点，包括：

对标定板图像进行边缘提取以获取标定板边界框；

对标定板区域构建图像金字塔，获得各层的金字塔图像，其中标定板区域为所述标定板图像中位于标定板边界框内的区域；

从图像金字塔的顶层开始自上而下依次对各层的金字塔图像进行二值化处理以搜索圆形特征点，直到在当前层金字塔图像搜索到符合预设条件的圆形特征点为止。

5.如权利要求4所述的特征点高精度坐标提取方法，其特征在于，通过以下方式对当前层金字塔图像进行二值化处理以搜索圆形特征点：

在预设阈值区间内，从小到大间隔预设间隔值来选取灰度阈值，每选取一次灰度阈值，则用该灰度阈值对当前层金字塔图像进行阈值分割，得到圆形区域，当圆形区域的个数与预设个数相等时，则判定在当前层金字塔图像中搜索到了符合预设条件的圆形特征点，停止选取下一个灰度阈值，否则继续选取下一个灰度阈值对当前层金字塔图像进行阈值分割，直至遍历预设阈值区间为止。

6.如权利要求1所述的特征点高精度坐标提取方法，其特征在于，所述对标定板图像进行图像处理以获得其中的圆形特征点，包括：

对标定板图像构建图像金字塔，获得各层的金字塔图像；

从图像金字塔的顶层开始自上而下依次对各层的金字塔图像进行圆形特征点搜索，直到在当前层金字塔图像搜索到符合预设条件的圆形特征点为止，其中圆形特征点搜索包括：

对当前层金字塔图像进行二值化处理以得到圆形区域，对圆形区域的面积进行统计分析处理以得到出现频率最大的面积，根据出现频率最大的面积计算半径，乘以当前层金字塔图像对应的倍率得到圆形特征点的估计半径，依据估计半径在标定板图像中搜索圆形特征点。

7.如权利要求6所述的特征点高精度坐标提取方法，其特征在于，所述对圆形区域的面积进行统计分析处理以得到出现频率最大的面积，根据出现频率最大的面积计算半径，乘以当前层金字塔图像对应的倍率得到圆形特征点的估计半径，依据估计半径在标定板图像中搜索圆形特征点，包括：

根据预设的圆度范围和/或面积范围对圆形区域进行筛选，对筛选后的圆形区域进行面积的直方图统计，建立面积和出现频率的函数映射关系，获得出现频率最大的面积；

根据出现频率最大的面积计算半径，乘以当前层金字塔图像对应的倍率得到圆形特征点的估计半径；

根据估计半径对标定板图像进行滤波然后进行阈值分割，得到特征点估计区域，剔除面积大于预设面积阈值的特征点估计区域；

计算特征点估计区域的个数，当特征点估计区域的个数与预设个数相等时，则判定在当前层金字塔图像中搜索到了符合预设条件的圆形特征点。

8.如权利要求1所述的特征点高精度坐标提取方法，其特征在于，所述圆阵列标定板的一角设有一三角形标志物，所述三角形标志物呈等腰直角三角形，且所述三角形标志物的直角顶点为圆阵列标定板的其中一个顶点，另两个顶点分别在圆阵列标定板的与该直角顶点相邻的两条边上；

所述确定圆形特征点的图像坐标与世界坐标的对应关系包括：

在标定板图像中检测三角形标志物，确定圆形特征点与三角形标志物的相对位置关系；

以三角形标志物为基准建立基准坐标系，根据圆阵列标定板的参数信息确定圆形特征点的图像坐标与世界坐标之间的一一对应关系。

9.如权利要求1所述的特征点高精度坐标提取方法，其特征在于，所述圆阵列标定板中的圆形特征点有部分为空心点，所述确定圆形特征点的图像坐标与世界坐标的对应关系包括：

从所获得的圆形特征点中提取出空心点，利用聚类算法将空心点分为不同的簇；

计算得到簇中离所有其他空心点距离之和最短的空心点，将其作为簇的中心点，将非空心点划归到与其距离最近的簇中；

根据簇中空心点的排列方式确定簇在圆阵列标定板中的位置；

以其中一个簇作为基准簇，确定其他簇与基准簇的相对位置关系；

以基准簇的中心点为原点建立基准坐标系，根据圆阵列标定板的参数信息确定圆形特征点的图像坐标与世界坐标之间的一一对应关系。

10.如权利要求9所述的特征点高精度坐标提取方法，其特征在于，还包括：在确定圆形特征点的图像坐标与世界坐标的对应关系之后，

根据簇中空心点的图像坐标与世界坐标之间的一一对应关系计算单应性矩阵，利用该单应性矩阵将其他圆形标志点的世界坐标映射到图像上得到映射点；

获取包含映射点的圆形特征点，对其进行亚像素边缘提取和椭圆拟合，得到圆形特征点新的边缘点和图像坐标。

11.一种计算机可读存储介质，其特征在于，所述介质上存储有程序，所述程序能够被处理器执行以实现如权利要求1-10中任一项所述的特征点高精度坐标提取方法。

Images