CN114972531A - 一种标定板、角点检测方法、设备及可读存储介质 - Google Patents
一种标定板、角点检测方法、设备及可读存储介质 Download PDFInfo
- Publication number
- CN114972531A CN114972531A CN202210535151.1A CN202210535151A CN114972531A CN 114972531 A CN114972531 A CN 114972531A CN 202210535151 A CN202210535151 A CN 202210535151A CN 114972531 A CN114972531 A CN 114972531A
- Authority
- CN
- China
- Prior art keywords
- circular
- calibration
- patterns
- centers
- target
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 52
- 238000004590 computer program Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 5
- 239000000758 substrate Substances 0.000 claims description 4
- 230000008569 process Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000001788 irregular Effects 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
- 238000005457 optimization Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000003936 working memory Effects 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请涉及一种标定板、角点检测方法、设备及可读存储介质。标定板上的圆形图案阵列的中间区域包括至少一组第一图形组合,第一图形组合包括相邻的两个第一圆形图案;圆形图案阵列的边缘区域包括多个第二圆形图案,第一圆形图案的颜色不同于第二圆形图案的颜色,第一圆形图案和第二圆形图案之间存在预设的分布关系。方法包括:获取目标区域的标定图像,目标区域包括标定板;识别标定图像中的多个第一圆形图案的圆心的像素坐标;根据多个第一圆形图案的圆心的像素坐标以及预设的分布关系确定多个第二圆形图案的圆心的像素坐标,多个第一圆形图案的圆心和多个第二圆形图案的圆心为标定板上的角点,该方法能解决现有技术中存在的角点漏检的问题。
Description
技术领域
本申请属于图像处理技术领域,尤其涉及一种标定板、角点检测方法、设备及可读存储介质。
背景技术
智能驾驶辅助系统(AdvancedDriverAssistanceSystem,ADAS)可以利用设置在车上的不同类型的传感器,如相机、毫米波雷达以及激光雷达等,采集车内外的环境数据以实现盲区检测、行人碰撞预警等功能,从而辅助用户安全驾驶。
基于相机实现ADAS功能时需要对相机进行标定,以确定相机的消失点、地面单应矩阵以及角度位移等内外参数。一般在标定的过程中,需要通过相机采集包含标定板的标定图像,然后通过角点检测方法确定标定图像中所有角点的位置,以便基于所有角点的位置进行后续的标定。然而,场景环境中的亮度等的多变性,可能会导致相机采集到的标定图像的清晰度较低,无法准确识别到标定图像中的标定板上的所有角点,从而出现角点漏检的情况。
发明内容
有鉴于此,本申请实施例提供了一种标定板、角点检测方法、设备及可读存储介质,以解决现有技术中的通过图像识别的方式检测标定板上的角点时存在角点漏检的问题。
第一方面,本申请实施例提供了一种标定板,包括基板,基板上设置有圆形图案阵列;
圆形图案阵列的中间区域包括至少一组第一图形组合,每组第一图形组合包括相邻的两个第一圆形图案;
圆形图案阵列的边缘区域包括多个第二圆形图案,第一圆形图案的颜色不同于第二圆形图案的颜色,第一圆形图案和第二圆形图案之间存在预设的分布关系。
在第一方面的一种可能实现方式中,第一圆形图案的半径等于第二圆形图案的半径。
第二方面,本申请实施例提供了一种角点检测方法,包括:
获取目标区域的标定图像,目标区域包括第一方面中任一项所述的标定板;
识别标定图像中的多个第一圆形图案的圆心的像素坐标;
根据多个第一圆形图案的圆心的像素坐标以及预设的分布关系,确定标定图像中的多个第二圆形图案的圆心的像素坐标,多个第一圆形图案的圆心和多个第二圆形图案的圆心为标定板上的角点。
在第二方面的一种可能实现方式中,圆形图案阵列的中间区域包括一组第一图形组合;
识别标定图像中的多个第一圆形图案的圆心的像素坐标,包括:
从标定图像中确定满足预设形状的多个目标图形,多个目标图形包括与第一圆形图案的颜色相同的至少两个目标形状;
根据多个目标图形的中心拟合出至少两个第一直线;
若至少两个第一直线中存在符合预设斜率条件的两个第二直线,两个第二直线分别经过至少两个目标形状中的第一目标形状和第二目标形状,且两个第二直线之间的斜率误差小于预设的第一阈值,则确定第一目标形状的中心和第二目标形状的中心为一组第一图形组合中相邻设置的两个第一圆形图案的圆心。
在第二方面的一种可能实现方式中,第一目标形状和第二目标形状在两个第二直线上互为投影,且两个第二直线之间的第一距离与第一目标形状的半径之间的比值满足预设比值。
在第二方面的一种可能实现方式中,从标定图像中确定满足预设形状的多个目标图形,包括:
对标定图像进行二值化处理,得到标定图像的二值图像;
通过轮廓提取算法检测出二值图像中的多个闭合图形的轮廓;
确定多个闭合图形中满足预设形状的闭合图形为目标图形。
在第二方面的一种可能实现方式中,根据多个第一圆形图案的圆心的像素坐标以及预设的分布关系,确定标定图像中的多个第二圆形图案的圆心的像素坐标,包括:
根据预设的分布关系确定标定板上的第一圆形图案的圆心与第二圆形图案的圆心之间的第二距离;
确定第二圆形图案的半径与第二距离之间的第一比值;
根据第一比值和第一目标形状的半径,确定第三距离;
根据第三距离和第一圆形图案的圆心的像素坐标,确定标定图像中的第二圆形图案的圆心的像素坐标。
在第二方面的一种可能实现方式中,第一目标形状的半径是根据第一目标形状的轮廓中的多个轮廓点与第一目标形状的中心之间的距离确定的。
第三方面,本申请实施例提供了一种角点检测装置,包括:
获取单元,用于获取目标区域的标定图像,目标区域包括第一方面中任一项所述的标定板;
识别单元,用于识别标定图像中的多个第一圆形图案的圆心的像素坐标;
确定单元,用于根据多个第一圆形图案的圆心的像素坐标以及预设的分布关系,确定标定图像中的多个第二圆形图案的圆心的像素坐标,多个第一圆形图案的圆心和多个第二圆形图案的圆心为标定板上的角点。
第四方面,本申请实施例提供了一种角点检测设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第二方面任一项所述方法的步骤。
第五方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第二方面任一项所述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:本申请提供一种标定板、角点检测方法、设备及可读存储介质,先检测出标定图像中位于标定板中间区域的一组相邻的两个第一圆形图案,然后根据标定板上的第一圆形图案和第二圆形图案之间预设的分布关系以及第一圆形图案的圆心在标定图像中的像素位置,确定出外围区域中所有的第二圆形图案的圆心在标定图像中的像素位置,从而检测出标定板上的所有角点。在标定板的中心与采集标定图像的设备的高度不完全一致的情况下,标定图像中位于标定板上中间区域的第一圆形图案不易变形,第一圆形图案的圆心更容易识别出来,通过本申请提供的方法,可以在检测出标定板上的部分角点的情况下,根据预设的分布关系确定未检测出的角点所在的像素位置,解决了现有技术中的通过图像识别的方式检测标定板的角点时存在角点漏检的问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种标定板的结构示意图;
图2是本申请实施例提供的另一种标定板的结构示意图;
图3是本申请实施例提供的一种角点检测方法的流程示意图;
图4是本申请实施例提供的一种标定图像的示意图;
图5是本申请实施例提供的一种标定图像的二值图像的示意图;
图6是本申请实施例提供的一种标定图像的轮廓图的示意图;
图7是本申请实施例提供的一种多个目标图形的示意图;
图8是本申请实施例提供的多个第二直线的示意图;
图9是本申请实施例提供的与第二直线平行的多个直线的示意图;
图10是本申请实施例提供的一种角点检测装置的示意图;
图11是本申请实施例提供的一种角点检测设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
近年来,越来越多的车辆具备ADAS(AdvancedDriverAssistanceSystem,ADAS)系统,ADAS系统可以利用设置在车上的相机、毫米波雷达以及激光雷达等不同类型的传感器,采集车内外的环境数据以实现盲区检测、行人碰撞预警等功能,从而辅助用户安全驾驶。基于相机实现ADAS功能时,需要对ADAS相机进行标定。ADAS相机标定包括对消失点、地面单应矩阵以及角度位移等参数的标定。在标定的过程中,一般需要通过相机采集包含标定板的标定图像,然后通过图像识别的方式对标定图像进行角点检测,从而确定标定板上的所有角点在标定图像中的位置,最后基于每个角点的位置完成后续的标定过程,最终得到消失点、地面单应矩阵以及角度位移等参数。
在进行ADAS相机标定时,标定板角点检测是影响整个标定流程顺利进行的主要因素。目前,通常采用图像识别的方式检测该标定图像中标定板上的所有角点。然而场景环境的多变性(例如环境亮度的变化)可能会导致相机采集到的标定图像不清楚,或者相机与标定板中心之间的高度不一致导致相机采集到的标定图像中标定板产生形变,从而导致图像处理设备无法识别到标定图像中属于标定板的所有角点,出现角点漏检的情况。由于标定过程需要使用标定板上所有角点的位置信息,因此一旦出现角点漏检的情况,就会导致后续的标定过程失败。
此外,现有技术为了准确的检测出标定板中所有的角点,一般需要使用尺寸较大的标定板(宽度通常在2.5米左右),并且为了提高检测精度,需要调整标定板的摆放位置,使得标定板的中心与相机的中心位于同一高度,导致标定板的移动和摆放过程相对繁琐。
为了解决上述技术问题,本申请实施例提供了一种标定板、角点检测方法、设备及可读存储介质。先检测出标定图像中标定板中间区域的一组相邻的两个第一圆形图案,然后根据标定板上的第一圆形图案和第二圆形图案之间预设的分布关系以及第一圆形图案的圆心在标定图像中的像素坐标,确定出标定板外围区域中所有的第二圆形图案的圆心在标定图像中的像素坐标,从而检测出标定板上的所有的角点。本申请提供的方法可以在检测出标定板上的部分角点的情况下,根据预设的分布关系确定未检测出的角点所在的像素坐标,解决了现有技术中的通过图像识别的方式检测标定板的角点时存在角点漏检的问题。此外,该本申请提供的方法在检测角点的过程中对标定板的尺寸以及摆放位置没有特殊要求,标定板的使用更加便捷。
图1为本申请实施例提供的一种标定板的结构示意图。请参考附图1,该标定板包括基板,基板上设置有圆形图案阵列。其中,圆形图案阵列的中间区域包括至少一组第一图形组合,每组第一图形组合包括基于预设间隔相邻设置的两个第一圆形图案,圆形图案阵列的边缘区域包括多个第二圆形图案,第一圆形图案的颜色不同于第二圆形图案的颜色,第一圆形图案和第二圆形图案之间存在预设的分布关系。其中,圆形图案阵列的中间区域可以为以基板中点为中心的预设范围内,边缘区域为圆形图案阵列中除中间区域以外的剩余区域。
进一步的,第一圆形图案的半径等于第二圆形图案的半径。第一圆形图案的颜色与位于第一圆形图案的第一范围内的背景区域的颜色不同,第二圆形图案的颜色与位于第二圆形图案的第二范围内的背景区域的颜色不同。示例性的,如图1中所示,第一圆形图案的颜色可以为黑色,位于第一圆形图案的第一范围内的背景区域的颜色为白色,第二圆形图案的颜色可以为白色,位于第二圆形图案的颜色可以为黑色。
本申请实施例提供的标定板上的第一圆形图案和第二圆形图案以阵列式进行分布,从而形成M行N列的圆形图案阵列,各行/列平行,行与列相互垂直,且每行任意相邻的两个圆形图案之间以第一间距等间距排列,每列任意相邻的两个圆形图案之间以第二间距等间距排列。任意相邻的两个圆形图案为相邻的第一圆形图案和第二圆形图案,或相邻的两个第一圆形图案,或相邻的两个第二圆形图案。相邻的两个圆形图案之间的距离为相邻两个圆形图案的圆心之间的距离。
在一个示例中,参见图1所示,圆形图案阵列的中间区域包括一组第一图形组合,第一图形组合包括基于第一间隔横向设置的两个第一圆形图案,圆形图案阵列中的边缘区域包括多个第二圆形图案。沿竖直方向相邻的两个第二圆形图案之间以及相邻的第一圆形图案和第二圆形图案之间均基于第二间隔等间距分布,沿横向方向相邻的两个第一圆形图案之间、相邻的两个第一圆形图案之间以及相邻的第一圆形图案和第二圆形图案之间均基于第一间隔等间距分布。第一间隔大于第二间隔。
在另一个示例中,参见图2所示,圆形图案阵列的中间区域包括一组第一图形组合,第一图形组合包括基于第一间隔竖直方向设置的两个第一圆形图案,圆形图案阵列中的边缘区域包括多个第二圆形图案。沿横向方向相邻的两个第二圆形图案之间以及相邻的第一圆形图案和第二圆形图案之间均基于第二间隔等间距分布,沿竖直方向相邻的两个第一圆形图案之间、相邻的两个第一圆形图案之间以及相邻的第一圆形图案和第二圆形图案之间均基于第一间隔等间距分布。第一间隔大于第二间隔。
可选的,为了适应于实际应用,本实施例中的标定板的宽度可以设置为0.5米左右。
基于上述实施例中提供的标定板,本申请实施例提供了一种角点检测方法,用于在进行相机标定的过程识别标定图像中与标定板上的与所有第一圆形图案的圆心以及第二圆形图案的圆心对应的角点。
通过本申请实施例提供的方法进行角点检测的过程中,目标区域中的标定板的摆放位置可以设置为任意位置,包括竖向摆放和横向摆放。本实施例将角点检测时第一图形组合中的两个第一圆形图案沿水平方向摆放时的标定板称为横向标定板,可参见图1中所示;而将第一图形组合中的两个第一圆形图案沿竖直方向摆放时的标定板称为竖向标定板,参见图2所示。以下则以图1中所示的横向标定板为例,对本实施例提供的角点检测方法进行详细的解释说明。下文出现的标定板不做特殊说明时则默认为横向标定板。
图3为本申请实施例提供的一种角点检测方法的流程图,参见图3所示,该角点检测方法包括如下步骤S301-S303。
S301,获取目标区域的标定图像,目标区域包括标定板。
具体的,标定图像可以为通过待标定相机拍摄到的图像,目标区域中包括的标定板可以为前文所述的标定板。标定图像可以为灰度图像或者彩色图像。
图像处理设备和待标定相机可以是同一设备,也可以是不同的设备。当图像处理设备与待标定相机是同一设备时,待标定相机拍摄到的图像即为标定图像。当图像处理设备与待标定相机是不同设备时,待标定相机可以将拍摄到的标定图像发送至图像处理设备,再由图像处理设备做进一步处理。
为了提高角点检测和标定结果的精度,图像处理设备获取到的不包括其它背景信息。当然,标定图像也可以包括背景信息,背景信息为标定板所处的目标区域中的环境信息。此外,为了提高角点检测的准确度,所拍摄的标定图像中的背景图像中应避免出现类似于标定板上的圆形图案的噪声图案。
示例性的,图4为本申请实施例提供的一种标定图像的示意图。图4所示的标定图像中既包括标定板又包括背景信息,但背景信息中包含较少的类似于标定板上的圆形图案的噪声图案。
S302,识别标定图像中的多个第一圆形图案的圆心的像素坐标。
本实施例中的角点检测方法是基于灰度图像进行的,检测过程对不同光照环境的适应度高,且标定板上的角点为标定板上的所有圆形图案的圆点,检测过程能够多方位的检测出标定图像中所有的角点,即使标定图形中标定板上的圆形图案产生形变,即圆形图案的形状变成椭圆形,但与方形的标定板相比,圆心所在的像素位置更易检测。此外,改变待标定相机与标定板之间的位置,位于标定板中间区域的多个第一圆形图案比其他区域的第二圆形图案相比,标定图像中位于中间区域的多个第一圆形图案的产生的形变更小。因此,通过识别标定图像中的多个第一圆形图案的圆心的像素坐标,就可以根据预设的分布关系确定出其他角点的像素坐标,进而检测出标定图像中的所有角点。
在本申请实施例中,识别标定图像中的多个第一圆形图案的圆心的像素坐标具体包括以下步骤。
步骤一,从标定图像中确定满足预设形状的多个目标图形,多个目标图形包括与第一圆形图案的颜色相同的至少两个目标形状。
需要说明的是,若待标定相机获取到的标定图像为彩色图像,则需要先将彩色的标定图像转换为灰度图像,然后基于灰度图像进行后续处理。若待标定相机获取到的标定图像为灰度图像,则对标定图像进行二值化处理,得到标定图像的二值图像,然后,通过轮廓提取算法检测出二值图像中的多个闭合图形的轮廓,确定多个闭合图形中满足预设形状的闭合图形为目标图形。
在一个实施例中,以图4所示的标定图像为例,对图4所示的标定图像进行二值化处理后可以得到如图5所示的二值图像,通过轮廓提取算法对二值图像进行处理,得到如图6所示包含多个闭合图形的轮廓的轮廓图,每个闭合图形的轮廓是由多个轮廓点组合而成的。从图6中可以看出,通过轮廓提取算法检测出的多个闭合图形包括矩形、圆形以及其他不规则的图形,因此,需要从多个闭合图形中筛选中符合预设形状的目标图形。
在本申请实施例中,符合预设形状的目标图形为与标定板上的圆形图案的形状相似的图形,所谓形状相似是指目标图形的形状与标定板上的圆形图案的形状相同或者相似度大于预设阈值。具体的,预设形状可以为圆形,确定闭合图形的形状是否为圆形的方法包括:首先通过深度优化搜索算法确定每个闭合图形的中心的像素坐标;若闭合图形的轮廓上的每个轮廓点与该闭合图形的中心之间的距离均满足第一预设范围,且闭合图形的轮廓上的所有轮廓点与该闭合图形的中心之间的距离的均值满足第一预设范围,同时闭合图形的轮廓上的任意两个轮廓点之间的连线的中垂线均经过该闭合图形的中心,则可以确定该闭合图形的形状符合预设形状,即闭合图形的形状为圆形。在本申请实施例中,从图6所示的轮廓图中可以筛选出如图7中所示的多个目标图形,多个目标图形包括与标定板上的两个第一圆形图案分别对应的第一目标形状和第二目标形状,以及与标定板上的部分第二圆形图案对应的目标图形。
可选的,针对任意一个闭合图形,在检测出该闭合图形的轮廓后,可以采用深度优先搜索算法并基于该闭合图形的轮廓上的多个轮廓点确定闭合图形的中心的像素坐标。
步骤二,根据多个目标图形的中心拟合出至少两个第一直线。
在一个示例中,可以采用随机抽样一致(Random Sample Consensus,RANSAC)算法在多个目标图形中,根据每两个目标图形的中心所在的像素坐标确定一条第一直线。以这两个目标图形的中心{P0,P1}为例,图像处理设备可以根据这两个中心建立直线方程ax+by+c=0,其中a、b、c的具体数值根据{P0,P1}的具体像素坐标值确定。应理解,若从多个闭合图形中筛选出L个目标图形,则可以确定条第一直线。
其次,将处于第一直线上的目标图形的中点记为Pn={xn,yn},根据点到第一直线的距离遍历确定出的每条第一直线,筛选每条第一直线上包含的所有中点,其中a、b、c的具体数值根据需要遍历的具体第一直线确定。即确定目标图形的中点到各个第一直线的距离,若中点到某个第一直线的距离在阈值范围,阈值范围可以为如0-10- 2mm,将该中点确定为该第一直线上的中心。通过该方法,可以确定出每条第一直线上包括的目标图形的中心。
进一步的,图像处理设备可以从所有的第一直线中筛选出满足预设斜率条件,且分别经过一组第一图形组合中的两个相邻的第一圆形图案的圆心的两个第二直线,进而确定标定板上的第一圆形图案的圆心在标定图像中所在的像素坐标。
应理解,在本实施例中,当标定过程采用的标定板为图1所示的横向标定板时,则预设斜率条件为直线的斜率大于10或者小于-10。当标定过程采用的标定板为图2所示的竖向标定板时,则预设斜率条件可以为直线的斜率的大于-0.5且小于0.5。
需要说明的是,在实际应用中,为了适应于具体的算法,在进行标定板的选取时,通常情况下横向标定板相较于竖向标定板优势更为突出。由于在求取直线斜率时,正弦函数的公式,使得直线的倾斜角在90°左右的角度变化的比较大,因此容易从所有的第一直线中筛选出竖直的第二直线。而竖向标定板虽然也可实现同样的功能,但是从车间标定的环境来说,竖向标定板相较于横向标定板存在更多的直线干扰。当然,可以根据实际的应用环境进行选择,本实施例中只提供了一种应用场景以及实施方式,具体在应用时可以根据实际情况进行调整,本实施例不做限制。
在一个示例中,假设标定板上的中间区域设有一组圆形组合,则需要从所有的第一直线筛选出两条分别经过圆形组合中的两个第一圆形图案的第二直线,进而确定两个第一圆形图案的中心所在的像素位置。具体的,若至少两个第一直线中存在符合预设斜率条件的两个第二直线,两个第二直线分别经过至少两个目标形状中的第一目标形状和第二目标形状,且两个第二直线之间的斜率误差小于预设的第一阈值,则确定第一目标形状的中心和第二目标形状的中心为一组第一图形组合中相邻设置的两个第一圆形图案的圆心。
其中,第一目标形状和第二目标形状与标定板上圆形组合中的两个第一圆形图案一一对应。根据第一圆形图案在标定图形中的颜色,可以确定第一圆形图案所在的位置在二值图像中的颜色,进而目标形状中与两个第一圆形图案的颜色和形状对应的第一目标形状和第二目标形状。示例性的,以图1所示的标定板为例,第一圆形图案为黑色,第二圆形图案为白色,则对应的在二值图像中第一圆形图案所在的位置为黑色,第二圆形图案所在的位置为白色,进而可以确定所有目标形状中与两个第一圆形图案分别对应的颜色为黑色的第一目标形状和第二目标形状。
进一步的,为了剔除标定图像的背景信息中存在的符合预设形状的图案对检测结果的干扰,需要进一步的从目标形状中筛选出与标定板上的圆形图案对应的目标形状。因此,第一目标形状和第二目标形状在两个第二直线上应互为投影,且两个第二直线之间的第一距离与第一目标形状的半径之间的比值满足预设比值。示例性的,预设比值为标定板上第一图形组合中的两个第一圆形图案的中心之间的第一间隔与第一圆形图案的半径之间的比值。
基于上述示例中提供的方法,可以从所有的第一直线中筛选出满足预设斜率条件且经过第一圆形图案的圆心并互相平行的至少两条第二直线。示例性的,如图8所示,根据图7中的所有的目标图形的中心可以拟合出多个第一直线,根据上述筛选条件可以从多个第一直线中确定出两个满足预设斜率且平行的两条第二直线。
S303,根据多个第一圆形图案的圆心的像素坐标以及预设的分布关系,确定标定图像中的多个第二圆形图案的圆心的像素坐标,多个第一圆形图案的圆心和多个第二圆形图案的圆心为标定板上的角点。
在一个实施例中,如图9中所示,根据分别经过第一目标形状和第二目标形状的两个第二直线之间的第一距离,可以确定与第二直线平行的其他N-2列的竖直直线所在的位置。根据第一圆形图案的圆心的像素坐标以及预设的分布关系,确定标定图像中的多个第二圆形图案的圆心的像素坐标的方法包括:根据预设的分布关系确定标定板上相邻的第一圆形图案的圆心与第二圆形图案的圆心之间的第二距离;确定第二圆形图案的半径与第二距离之间的第一比值;根据第一比值和第一目标形状的半径,确定第三距离;根据第三距离和第一圆形图案的圆心的像素坐标,确定标定图像中的第二圆形图案的圆心的像素坐标。其中,第一目标形状的半径是根据第一目标形状的轮廓中的多个轮廓点与第一目标形状的中心之间的距离确定的,具体为第一目标形状的轮廓中的所有轮廓点与第一目标形状的中心之间的距离的均值。
基于本申请实施例提供的角点检测方法,先检测出标定图像中标定板中间区域的一组相邻的两个第一圆形图案,然后根据标定板上的第一圆形图案和第二圆形图案之间预设的分布关系以及第一圆形图案的圆心在标定图像中的像素位置,确定出外围区域中所有的第二圆形图案的圆心在标定图像中的像素位置,从而检测出标定板上的所有的角点。在标定板的中心与采集标定图像的设备的高度不完全对齐的情况下,位于标定板上的中间区域的第一圆形图案与位于边缘区域的第二圆形图案相比不易变形,因此,第一圆形图案的轮廓更容易识别,通过第一圆形图案的轮廓上的多个轮廓点可以更精准的确定第一圆形图案的圆心的像素坐标,进而可以根据预设的分布关系准确的确定所有的第二圆形图案的圆心的像素坐标。本申请提供的方法可以在检测出标定板上的部分角点的情况下,根据预设的分布关系确定标定图像中所有的未检测出的角点所在的像素位置,解决了现有技术中的通过图像识别的方式检测标定板的角点时存在角点漏检的问题。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
图10为本申请实施例提供的一种角点检测装置的示意图,如图10所示,该装置10包括:获取单元1001,用于获取目标区域的标定图像,目标区域包括第一方面任一项所述的标定板。识别单元1002,用于识别标定图像中的多个第一圆形图案的圆心的像素坐标。确定单元1003,用于根据多个第一圆形图案的圆心的像素坐标以及预设的分布关系,确定标定图像中的多个第二圆形图案的圆心的像素坐标,多个第一圆形图案的圆心和多个第二圆形图案的圆心为标定板上的角点。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
基于同一发明构思,本申请实施例还提供了一种角点检测设备。如图11所示,该实施例的角点检测设备11包括:处理器1100、存储器1101以及存储在存储器1101中并可在处理器1100上运行的计算机程序1102。处理器1100执行计算机程序1102时实现上述工作记忆训练方法实施例中的步骤。或者,处理器1100执行计算机程序1102时实现上述各装置实施例中各模块/单元的功能,例如图10所示单元1001至单元1003的功能。
示例性的,计算机程序1102可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器1101中,并由处理器1100执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序1102在角点检测设备11中的执行过程。
本领域技术人员可以理解,图11仅仅是角点检测设备11的示例,并不构成对角点检测设备11的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如角点检测设备11还可以包括输入输出设备、网络接入设备、总线等。
处理器1100可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器1101可以是角点检测设备11的内部存储单元,例如角点检测设备11的硬盘或内存。存储器1101也可以是角点检测设备11的外部存储设备,例如角点检测设备11上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器1101还可以既包括角点检测设备11的内部存储单元也包括外部存储设备。存储器1101用于存储计算机程序以及角点检测设备11所需的其它程序和数据。存储器1101还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例提供的角点检测设备可以执行上述方法实施例,其实现原理与技术效果类似,此处不再赘述。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述角点检测方法实施例所述的方法。
本申请实施例还提供一种计算机程序产品,当计算机程序产品在角点检测设备上运行时,使得角点检测设备执行时实现上述角点检测方法实施例所述的方法。
在本申请所提供的实施例中,应该理解到,所揭露的装置/角点检测设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/角点检测设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种标定板,其特征在于,包括:基板,所述基板上设置有圆形图案阵列;
所述圆形图案阵列的中间区域包括至少一组第一图形组合,每组所述第一图形组合包括相邻的两个第一圆形图案;
所述圆形图案阵列的边缘区域包括多个第二圆形图案,所述第一圆形图案的颜色不同于所述第二圆形图案的颜色,所述第一圆形图案和所述第二圆形图案之间存在预设的分布关系。
2.根据权利要求1所述标定板,其特征在于,所述第一圆形图案的半径等于所述第二圆形图案的半径。
3.一种角点检测方法,其特征在于,包括:
获取目标区域的标定图像,所述目标区域包括权利要求1至2任一项所述的标定板;
识别所述标定图像中的多个第一圆形图案的圆心的像素坐标;
根据所述多个第一圆形图案的圆心的像素坐标以及所述预设的分布关系,确定所述标定图像中的多个第二圆形图案的圆心的像素坐标,所述多个第一圆形图案的圆心和所述多个第二圆形图案的圆心为所述标定板上的角点。
4.根据权利要求3所述的方法,其特征在于,所述圆形图案阵列的中间区域包括一组第一图形组合;
所述识别所述标定图像中的多个第一圆形图案的圆心的像素坐标,包括:
从所述标定图像中确定满足预设形状的多个目标图形,所述多个目标图形包括与所述第一圆形图案的颜色相同的至少两个目标形状;
根据所述多个目标图形的中心拟合出至少两个第一直线;
若所述至少两个第一直线中存在符合预设斜率条件的两个第二直线,所述两个第二直线分别经过所述至少两个目标形状中的第一目标形状和第二目标形状,且所述两个第二直线之间的斜率误差小于预设的第一阈值,则确定所述第一目标形状的中心和所述第二目标形状的中心为所述一组第一图形组合中相邻设置的两个第一圆形图案的圆心。
5.根据权利要求4所述的方法,其特征在于,所述第一目标形状和所述第二目标形状在所述两个第二直线上互为投影,且所述两个第二直线之间的第一距离与所述第一目标形状的半径之间的比值满足预设比值。
6.根据权利要求4所述的方法,其特征在于,所述从所述标定图像中确定满足预设形状的多个目标图形,包括:
对所述标定图像进行二值化处理,得到所述标定图像的二值图像;
通过轮廓提取算法检测出所述二值图像中的多个闭合图形的轮廓;
确定所述多个闭合图形中满足预设形状的闭合图形为所述目标图形。
7.根据权利要求4至6任一项所述的方法,其特征在于,所述根据所述多个第一圆形图案的圆心的像素坐标以及所述预设的分布关系,确定所述标定图像中的多个第二圆形图案的圆心的像素坐标,包括:
根据所述预设的分布关系确定所述标定板上的所述第一圆形图案的圆心与所述第二圆形图案的圆心之间的第二距离;
确定所述第二圆形图案的半径与所述第二距离之间的第一比值;
根据所述第一比值和所述第一目标形状的半径,确定第三距离;
根据所述第三距离和所述第一圆形图案的圆心的像素坐标,确定所述标定图像中的所述第二圆形图案的圆心的像素坐标。
8.根据权利要求7所述的方法,其特征在于,所述第一目标形状的半径是根据所述第一目标形状的轮廓中的多个轮廓点与所述第一目标形状的中心之间的距离确定的。
9.一种角点检测设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求3至8任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求3至8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210535151.1A CN114972531B (zh) | 2022-05-17 | 一种角点检测方法、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210535151.1A CN114972531B (zh) | 2022-05-17 | 一种角点检测方法、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114972531A true CN114972531A (zh) | 2022-08-30 |
CN114972531B CN114972531B (zh) | 2024-06-11 |
Family
ID=
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117593422A (zh) * | 2024-01-19 | 2024-02-23 | 杭州灵西机器人智能科技有限公司 | 一种标定板、标定板识别方法、系统、设备及介质 |
CN117911542A (zh) * | 2024-03-19 | 2024-04-19 | 杭州灵西机器人智能科技有限公司 | 一种标定板、标定板识别方法、系统、设备及介质 |
CN117911542B (zh) * | 2024-03-19 | 2024-06-11 | 杭州灵西机器人智能科技有限公司 | 一种标定板、标定板识别方法、系统、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111401266A (zh) * | 2020-03-19 | 2020-07-10 | 杭州易现先进科技有限公司 | 绘本角点定位的方法、设备、计算机设备和可读存储介质 |
WO2021115071A1 (zh) * | 2019-12-12 | 2021-06-17 | 中国科学院深圳先进技术研究院 | 单目内窥镜图像的三维重建方法、装置及终端设备 |
CN113642552A (zh) * | 2020-04-27 | 2021-11-12 | 上海高德威智能交通系统有限公司 | 一种图像中目标对象的识别方法、装置、系统及电子设备 |
CN114463438A (zh) * | 2022-01-18 | 2022-05-10 | 湖南视比特机器人有限公司 | 一种标定板、标定板识别方法、装置及计算机可读介质 |
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021115071A1 (zh) * | 2019-12-12 | 2021-06-17 | 中国科学院深圳先进技术研究院 | 单目内窥镜图像的三维重建方法、装置及终端设备 |
CN111401266A (zh) * | 2020-03-19 | 2020-07-10 | 杭州易现先进科技有限公司 | 绘本角点定位的方法、设备、计算机设备和可读存储介质 |
CN113642552A (zh) * | 2020-04-27 | 2021-11-12 | 上海高德威智能交通系统有限公司 | 一种图像中目标对象的识别方法、装置、系统及电子设备 |
CN114463438A (zh) * | 2022-01-18 | 2022-05-10 | 湖南视比特机器人有限公司 | 一种标定板、标定板识别方法、装置及计算机可读介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117593422A (zh) * | 2024-01-19 | 2024-02-23 | 杭州灵西机器人智能科技有限公司 | 一种标定板、标定板识别方法、系统、设备及介质 |
CN117911542A (zh) * | 2024-03-19 | 2024-04-19 | 杭州灵西机器人智能科技有限公司 | 一种标定板、标定板识别方法、系统、设备及介质 |
CN117911542B (zh) * | 2024-03-19 | 2024-06-11 | 杭州灵西机器人智能科技有限公司 | 一种标定板、标定板识别方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kong et al. | Generalizing Laplacian of Gaussian filters for vanishing-point detection | |
CN109583280A (zh) | 车道线识别方法、装置、设备及存储介质 | |
US7561721B2 (en) | System and method for range measurement of a preceding vehicle | |
CN110502983B (zh) | 一种检测高速公路中障碍物的方法、装置及计算机设备 | |
US7561720B2 (en) | Single camera system and method for range and lateral position measurement of a preceding vehicle | |
CN113874927A (zh) | 停车检测方法、系统、处理设备和存储介质 | |
CN107356213B (zh) | 滤光片同心度测量方法及终端设备 | |
CN110827357B (zh) | 一种组合图案标定板以及结构光相机参数标定方法 | |
CN108986129B (zh) | 标定板检测方法 | |
CN111681285B (zh) | 一种标定方法、装置、电子设备及存储介质 | |
CN110807807B (zh) | 一种单目视觉的目标定位的图案、方法、装置及设备 | |
CN109828250B (zh) | 一种雷达标定方法、标定装置及终端设备 | |
CN109509200A (zh) | 基于轮廓提取的棋盘格角点检测方法、装置以及计算机可读存储介质 | |
US10235576B2 (en) | Analysis method of lane stripe images, image analysis device, and non-transitory computer readable medium thereof | |
CN111179360B (zh) | 一种高精度自动化标定板和标定方法 | |
CN111382658B (zh) | 一种基于图像灰度梯度一致性的自然环境下道路交通标志检测方法 | |
CN114067001B (zh) | 车载相机角度标定方法、终端及存储介质 | |
CN112801111B (zh) | 基于梯度方向的图像直线边缘点分类方法及装置 | |
CN104331695A (zh) | 一种鲁棒的圆形标志符形状质量检测方法 | |
JP5548212B2 (ja) | 横断歩道標示検出方法および横断歩道標示検出装置 | |
CN112560538A (zh) | 一种根据图像冗余信息快速定位受损qr码的方法 | |
CN107230212B (zh) | 一种基于视觉的手机尺寸的测量方法及系统 | |
CN110969612B (zh) | 二维码印刷缺陷检测方法 | |
CN114972531A (zh) | 一种标定板、角点检测方法、设备及可读存储介质 | |
CN114972531B (zh) | 一种角点检测方法、设备及可读存储介质 |
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 | ||
GR01 | Patent grant |