CN117635729A - 一种线相机背光标定器及方法 - Google Patents
一种线相机背光标定器及方法 Download PDFInfo
- Publication number
- CN117635729A CN117635729A CN202311605829.XA CN202311605829A CN117635729A CN 117635729 A CN117635729 A CN 117635729A CN 202311605829 A CN202311605829 A CN 202311605829A CN 117635729 A CN117635729 A CN 117635729A
- Authority
- CN
- China
- Prior art keywords
- backlight
- camera
- calibrator
- unit module
- pixel
- 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 28
- 238000004458 analytical method Methods 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000003491 array Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种线相机背光标定器及方法，涉及摄像测量与计算机视觉技术领域，其方法包括：将背光标定器放置于条形光源上，调节相机位置和角度，使得每个相机均可得到背光标定器的局部图像；对局部图像进行图像识别，定位对应局部图像中存在的单元模块ID；根据定位的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息，计算每个相机拍摄的背光标定器的范围；根据每个相机拍摄的背光标定器的范围，计算相邻相机的重叠范围，并标定输出，解决了目前线阵相机和背光组合的方式下，难以标定单个相机视野和多个相机重叠区域的问题。
Description
技术领域
本发明涉及摄像测量与计算机视觉技术领域，特别涉及一种线相机背光标定器及方法。
背景技术
目前，用线阵相机检测材料上的孔洞等穿透性瑕疵时，光源和相机分别在材料两侧，光线透射过孔洞后，被线阵相机的CCD传感器捕获，从而实现孔洞等穿透性瑕疵的成像。但是，在实际生产中，线阵相机和背光组合的方式下，如何标定单个相机视野和多个相机的重叠区域有困难。
因此，本发明提供了一种线相机背光标定器及方法。
发明内容
本发明提供一种线相机背光标定器及方法，用以通过相机拍摄得到的背光标定器的局部图像进行图像识别，确定存在的单元模块ID，并基于单元模块ID的条纹尺寸信息，计算每个相机拍摄的背光标定器的范围，并计算相邻相机的重叠范围，解决了目前线阵相机和背光组合的方式下，难以标定单个相机视野和多个相机重叠区域的问题。
本发明提供一种线相机背光标定器，包括：
N1个相同的单元模块；
其中，每个单元模块由N2条黑白相隔的条纹组成，其中，N2为变量。
本发明提供了一种线相机背光标定器的标定方法，包括：
步骤1：将所述背光标定器放置于条形光源上，调节相机位置和角度，使得每个相机均得到所述背光标定器的局部图像；
步骤2：对所述局部图像进行图像识别，定位对应局部图像中存在的单元模块ID；
步骤3：根据定位的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息，计算每个相机拍摄的所述背光标定器的范围；
步骤4：根据每个相机拍摄的所述背光标定器的范围，计算相邻相机的重叠范围，并标定输出。
优选的，将所述背光标定器放置于条形光源上，调节相机位置和角度，使得每个相机均得到所述背光标定器的局部图像，包括：
将所述背光标定器与条形光源对齐放置，根据材料大小确定条形光源和所有相机的初步位置；
获取每个相机的拍摄图像，并标记所述拍摄图像中的条纹数量；
当所述条纹数量少于预设数量时，根据拍摄图像确定对应相机的拍摄情况，并基于对应相机的初始位置和角度，调节对应相机位置和角度，使得对应相机拍摄图像中的条纹数量高于预设数量。
优选的，对所述局部图像进行图像识别，定位对应局部图像中存在的单元模块ID，包括：
对所述局部图像进行二值化，得到所述局部图像的二值化图像；
对所述二值化图像进行条纹识别，确定所有特定条纹；
基于所述特定条纹将所述二值化图像分为多个部分，根据每个部分的黑白条纹以及对应关系，确定每个部分的单元模块ID。
优选的，对所述局部图像进行二值化，得到所述局部图像的二值化图像，包括：
对所述局部图像进行像素灰度值处理，确定每个像素点的灰度值，
优选的，根据定位的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息，计算每个相机拍摄的所述背光标定器的范围，包括：
获取完整的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息、缺失的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息；
根据完整的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息，计算第一部分范围；
根据缺失的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息，计算第二部分范围；
根据所述第一部分范围和第二部分范围，确定相应相机拍摄的所述背光标定器的范围。
优选的，根据每个相机拍摄的所述背光标定器的范围，计算相邻相机的重叠范围，并标定输出，包括：
将每个相机拍摄的所述背光标定器的范围在同一背光标定器的范围进行嵌入，根据相邻相机的嵌入情况确定重叠区域；
根据所述重叠区域计算相邻相机的重叠范围，并标定输出。
优选的，对所述局部图像进行二值化，得到所述局部图像的二值化图像，包括：
依次遍历每个像素点的灰度值，并按照最小灰度值以及第二小灰度值的当下点集，对所述局部图像进行拆分，得到若干第一子图；
分别计算每个第一子图的灰度均值以及灰度方差，同时，统计每个第一子图中的边界像素点的第一个数以及边界像素点中最小灰度值与第二小灰度值的第二个数，并计算得到对应第一子图的灰度阈值；
将所有灰度阈值与设定前景阈值进行比较，确定大于等于设定前景阈值的前景平均灰度值以及小于设定前景阈值的背景平均灰度值；
根据拆分结果确定基于所述局部图像的拆分线，并分别提取基于每个拆分线上每个拆分点两侧的第一邻近像素点以及第二邻近像素点得到邻近对，并构建得到基于每个拆分线的邻近组；
分别获取所述邻近组中的每个邻近对中的像素点的像素差异，并绘制得到差异曲线；
确定所述差异曲线的差异中间值以及曲线拟合差异值，且结合对应拆分点的本身像素值，且结合前景平均灰度值、背景平均灰度值，确定对所述本身像素值的像素调节系数；
从所有像素调节系数中筛选小于等于对应拆分线的预设系数的第一系数，并按照第一系数对相应拆分点的本身像素值进行像素调节；
从所有像素调节系数中筛选大于对应拆分线的预设系数的第二系数；
获取与每个第二系数对应的分析点的像素分量数组，并根据颜色分量数组与预设系数匹配的标准分量数组的比较结果，确定不同分量的特征损失量；
根据所述特征损失量，且结合系数差异级别，对相应分析点的第二系数进行向小调节，并实现对相应拆分点的本身像素值的像素调节；
根据调节结果，得到新的灰度图，并对所述新的灰度图进行二值化处理，得到二值化图像。
优选的，确定对所述本身像素值的像素调节系数；
优选的，确定对所述本身像素值的像素调节系数；
;其中，B1表示对应拆分点的本身像素值；/>表示对应拆分点的左侧像素点的值；/>表示对应拆分点的右侧像素点的值；/>表示基于所构建曲线的拟合像素值；/>表示满足预设正态分布概率下的第i个差异中间值；/>表示曲线拟合差异值；T1表示像素调节系数。
优选的，根据所述特征损失量，且结合系数差异级别，对相应分析点的第二系数进行向小调节，包括：
；其中，/>为对应向小调节后的系数；B2为对应的第二系数；/>表示基于红色通道特征损失量；/>表示基于蓝色通道特征损失量；表示基于绿色通道特征损失量；/>表示损失量的级别转化系数；/>为对应的系数差异级别；Y0为预设系数；N3为第二系数的总个数。
与现有技术相比，本申请的有益效果如下：
通过相机拍摄得到的背光标定器的局部图像进行图像识别，确定存在的单元模块ID，并基于单元模块ID的条纹尺寸信息，计算每个相机拍摄的背光标定器的范围，并计算相邻相机的重叠范围，解决了目前线阵相机和背光组合的方式下，难以标定单个相机视野和多个相机重叠区域的问题。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种线相机背光标定器；
图2为本发明实施例中一种线相机背光标定器的单元模块：
图3为本发明实施例中一种线相机背光标定器的标定方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供一种线相机背光标定器，如图1所示，包括：
N1个相同的单元模块；
其中，每个单元模块由N2条黑白相隔的条纹组成，其中，N2为变量。
该实施例中，相同的单元模块如图2所示，其中，N2、条纹宽度和条纹颜色均可根据实际需要改变，下面以N2为12举例，即每个单元模块有12个黑白相隔的条纹组成，每个单元模块的第1个条纹是黑色，第2个条纹是白色，第12个条纹是白色，用来识别每个单元模块ID，第3到11个条纹的颜色由单元模块ID的二进制编码决定，黑色表示0，白色表示1，第1个条纹的宽度是2mm，第2到12个条纹宽度是1mm。
上述技术方案的有益效果是：通过N1个相同的单元模块构成背光标定器，为标定线相机视野奠定了基础。
本发明实施例提供一种线相机背光标定器的标定方法，如图3所示，包括：
步骤1：将所述背光标定器放置于条形光源上，调节相机位置和角度，使得每个相机均得到所述背光标定器的局部图像；
步骤2：对所述局部图像进行图像识别，定位对应局部图像中存在的单元模块ID；
步骤3：根据定位的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息，计算每个相机拍摄的所述背光标定器的范围；
步骤4：根据每个相机拍摄的所述背光标定器的范围，计算相邻相机的重叠范围，并标定输出。
该实施例中，放置是将背光标定器与条形光源对齐放置，局部图像是
该实施例中，图像识别是将局部图像进行二值化，确定局部图像中的条纹信息，定位单元模块ID是根据单元模块的固定条纹识别单元模块，并根据剩余条纹的颜色确定单元模块ID。
该实施例钟，条纹尺寸信息是指条纹的宽度等信息，拍摄的所述背光标定器的范围是根据完整的单元模块ID和缺失的单元模块ID分别计算对应范围的得到的，比如，完整的单元模块ID是15-20，缺失的单元模块ID是14和21，对应的缺失的单元模块的条纹数量分别是5和6，对应范围是（14×13-5，（21-1）×13+（6+1））。
该实施例中，重叠范围是根据每个相机拍摄的背光标定器的范围嵌入同一背光标定器的范围确定重叠区域得到的。
上述技术方案的有益效果是：通过相机拍摄得到的背光标定器的局部图像进行图像识别，确定存在的单元模块ID，并基于单元模块ID的条纹尺寸信息，计算每个相机拍摄的背光标定器的范围，并计算相邻相机的重叠范围，解决了目前线阵相机和背光组合的方式下，难以标定单个相机视野和多个相机重叠区域的问题。
本发明实施例提供一种线相机背光标定器的标定方法，将所述背光标定器放置于条形光源上，调节相机位置和角度，使得每个相机均得到所述背光标定器的局部图像，包括：
将所述背光标定器与条形光源对齐放置，根据材料大小确定条形光源和所有相机的初步位置；
获取每个相机的拍摄图像，并标记所述拍摄图像中的条纹数量；
当所述条纹数量少于预设数量时，根据拍摄图像确定对应相机的拍摄情况，并基于对应相机的初始位置和角度，调节对应相机位置和角度，使得对应相机拍摄图像中的条纹数量高于预设数量。
该实施例中，对齐放置是指将背光标定器与条形光源平行放置且背光标定器的第1个单元模块与条形光源一侧对齐，初步位置是根据材料大小和相机的视角确定的，材料越大，相机的视角越大，条形光源和相机的初步位置越分散。
该实施例中，预设数量是提前设置好的，可以是48条，调节相机位置和角度是根据拍摄情况确定相机的初始位置和角度的偏向进而反向调节。
上述技术方案的有益效果是：通过每个相机拍摄图下那个的条纹数量与预设数量进行比较，确定需要调整的相机，并基于对应相机的拍摄情况、初始位置和角度，调整对应相机位置和角度，使每个相机均得到所述背光标定器的局部图像，为后续确定单个相机视野和多个相机重叠区域奠定了基础。
本发明实施例提供一种线相机背光标定器的标定方法，对所述局部图像进行图像识别，定位对应局部图像中存在的单元模块ID，包括：
对所述局部图像进行二值化，得到所述局部图像的二值化图像；
对所述二值化图像进行条纹识别，确定所有特定条纹；
基于所述特定条纹将所述二值化图像分为多个部分，根据每个部分的黑白条纹以及对应关系，确定每个部分的单元模块ID。
该实施例中，二值化图像是指局部图像的灰度值图像。
该实施例中，特定条纹是指第1、2、12个条纹，其中，第1个条纹是2mm宽的黑色条纹。
该实施例中，多个部分是按照背光标定器的单元模块进行划分的，一个部分表示一个单元模块，单元模块ID是根据每个部分的第3到11个条纹的表示的二进制编码确定的，当一个部分不是完整的单元模块时，根据对应部分相邻部分的单元模块ID确定。
上述技术方案的有益效果是：通过对局部图像进行二值化，对二值化图像进行条纹识别，确定特定条纹，并将二值化图像分为多个部分，根据每个部分的黑白条纹以及对应关系，确定每个部分的单元模块ID，为后续确定单个相机视野和多个相机重叠区域奠定了基础。
本发明实施例提供一种线相机背光标定器的标定方法，对所述局部图像进行二值化，得到所述局部图像的二值化图像，包括：
对所述局部图像进行像素灰度值处理，确定每个像素点的灰度值，
本发明实施例提供一种线相机背光标定器的标定方法，根据定位的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息，计算每个相机拍摄的所述背光标定器的范围，包括：
获取完整的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息、缺失的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息；
根据完整的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息，计算第一部分范围；
根据缺失的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息，计算第二部分范围；
根据所述第一部分范围和第二部分范围，确定相应相机拍摄的所述背光标定器的范围。
该实施例中，完整的单元模块ID是指12个条纹均完整的对应单元模块的ID，缺失的单元模块ID是指12个条纹存在缺失的对应单元模块的ID。
该实施例中，第一部分范围=，其中，/>表示最小的完整的单元模块ID，/>表示最大的完整的单元模块ID。
该实施例中，第二部分范围=，，其中，/>表示最小的缺失的单元模块ID，/>表示最大的缺失的单元模块ID，m表示最小的缺失的单元模块ID的存在的条纹数量，n表示最大的缺失的单元模块ID的存在的条纹数量。
该实施例中，拍摄的背光标定器的范围=第一部分范围+第二部分范围。
上述技术方案的有益效果是：通过完整的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息，计算第一部分范围，根据缺失的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息，计算第二部分范围，根据第一部分范围和第二部分范围，确定相应相机拍摄的背光标定器的范围，实现了单个相机视野的标定。
本发明实施例提供一种线相机背光标定器的标定方法，根据每个相机拍摄的所述背光标定器的范围，计算相邻相机的重叠范围，并标定输出，包括：
将每个相机拍摄的所述背光标定器的范围在同一背光标定器的范围进行嵌入，根据相邻相机的嵌入情况确定重叠区域；
根据所述重叠区域计算相邻相机的重叠范围，并标定输出。
该实施例中，嵌入是指将每个相机拍摄的背光标定器的范围以不同颜色标注到同一背光标定器的范围中，重叠区域是指不同颜色标注的范围的重叠区域。
该实施例中，重叠范围是重叠区域的对应数据的体现。
上述技术方案的有益效果是：通过将每个相机拍摄的背光标定器的范围在同一背光标定器的范围进行嵌入，确定重叠区域，进而确定重叠范围，实现了多个相机重叠区域的标定。
本发明实施例提供一种线相机背光标定器的标定方法，对所述局部图像进行二值化，得到所述局部图像的二值化图像，包括：
依次遍历每个像素点的灰度值，并按照最小灰度值以及第二小灰度值的当下点集，对所述局部图像进行拆分，得到若干第一子图；
分别计算每个第一子图的灰度均值以及灰度方差，同时，统计每个第一子图中的边界像素点的第一个数以及边界像素点中最小灰度值与第二小灰度值的第二个数，并计算得到对应第一子图的灰度阈值；
将所有灰度阈值与设定前景阈值进行比较，确定大于等于设定前景阈值的前景平均灰度值以及小于设定前景阈值的背景平均灰度值；
根据拆分结果确定基于所述局部图像的拆分线，并分别提取基于每个拆分线上每个拆分点两侧的第一邻近像素点以及第二邻近像素点得到邻近对，并构建得到基于每个拆分线的邻近组；
分别获取所述邻近组中的每个邻近对中的像素点的像素差异，并绘制得到差异曲线；
确定所述差异曲线的差异中间值以及曲线拟合差异值，且结合对应拆分点的本身像素值，且结合前景平均灰度值、背景平均灰度值，确定对所述本身像素值的像素调节系数；
从所有像素调节系数中筛选小于等于对应拆分线的预设系数的第一系数，并按照第一系数对相应拆分点的本身像素值进行像素调节；
从所有像素调节系数中筛选大于对应拆分线的预设系数的第二系数；
获取与每个第二系数对应的分析点的像素分量数组，并根据颜色分量数组与预设系数匹配的标准分量数组的比较结果，确定不同分量的特征损失量；
根据所述特征损失量，且结合系数差异级别，对相应分析点的第二系数进行向小调节，并实现对相应拆分点的本身像素值的像素调节；
根据调节结果，得到新的灰度图，并对所述新的灰度图进行二值化处理，得到二值化图像。
优选的，确定对所述本身像素值的像素调节系数；
;其中，B1表示对应拆分点的本身像素值；/>表示对应拆分点的左侧像素点的值；/>表示对应拆分点的右侧像素点的值；/>表示基于所构建曲线的拟合像素值；/>表示满足预设正态分布概率下的第i个差异中间值；/>表示曲线拟合差异值；T1表示像素调节系数。
优选的，根据所述特征损失量，且结合系数差异级别，对相应分析点的第二系数进行向小调节，包括：
；其中，/>为对应向小调节后的系数；B2为对应的第二系数；/>表示基于红色通道特征损失量；/>表示基于蓝色通道特征损失量；表示基于绿色通道特征损失量；/>表示损失量的级别转化系数；/>为对应的系数差异级别；Y0为预设系数；N3为第二系数的总个数。
该实施例中，最小灰度值以及第二小灰度值是指的对局部图像进行灰度处理之后从中确定的最小以及第二小值。
该实施例中，当下点集是指的基于最小灰度值以及第二小灰度值所对应点位置构成的集合，根据这些点可以初步确定出划分边界，进而实现对图像的拆分，每个拆分图都视为一个第一子图。
该实施例中，灰度阈值=对应灰度均值
该实施例中，设定前景阈值是预先设定好的。
该实施例中，拆分线即为对应分第一子图像的边界线，且每个线上的每个点的左侧像素点为第一紧邻像素点，且右侧点为第二邻近像素点，其中，邻近对即为：第一紧邻像素点、第二邻近像素点；
该实施例中，邻近组即为同个拆分线上所有邻近对。
该实施例中，像素差异指的是同个邻近对中两个像素点的像素值的差异。
该实施例中，预设系数是预先设定好的，一般取值为0.1。
该实施例中，像素分量数组指的是该像素点的红色、蓝色以及绿色分量。
该实施例中，标准分量数组是基于预设系数从系数数组数据库匹配得到的，该数据库包含不同的数组以及匹配的系数。
该实施例中，比较结果为红色分量差异、绿色分量差异以及蓝色分量差异，且分别对不同的分量差异进行标准化，即可得到特征损失量。
上述技术方案的有益效果是：通过对局部图像进行图像划分，来对不同的子图进行均值以及方差像素的确定，进而通过对划分线上划分点以及邻近点的分析，便于有效确定对划分点的像素调节，保证局部图像的可靠性，为后续范围确定提供有效基础。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种线相机背光标定器，其特征在于，包括：
N1个相同的单元模块；
其中，每个单元模块由N2条黑白相隔的条纹组成，其中，N2为变量。
2.根据权利要求1所述的一种线相机背光标定器的标定方法，其特征在于，包括：
步骤1：将所述背光标定器放置于条形光源上，调节相机位置和角度，使得每个相机均得到所述背光标定器的局部图像；
步骤2：对所述局部图像进行图像识别，定位对应局部图像中存在的单元模块ID；
步骤3：根据定位的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息，计算每个相机拍摄的所述背光标定器的范围；
步骤4：根据每个相机拍摄的所述背光标定器的范围，计算相邻相机的重叠范围，并标定输出。
3.根据权利要求2所述的一种线相机背光标定器的标定方法，其特征在于，将所述背光标定器放置于条形光源上，调节相机位置和角度，使得每个相机均得到所述背光标定器的局部图像，包括：
将所述背光标定器与条形光源对齐放置，根据材料大小确定条形光源和所有相机的初步位置；
获取每个相机的拍摄图像，并标记所述拍摄图像中的条纹数量；
当所述条纹数量少于预设数量时，根据拍摄图像确定对应相机的拍摄情况，并基于对应相机的初始位置和角度，调节对应相机位置和角度，使得对应相机拍摄图像中的条纹数量高于预设数量。
4.根据权利要求2所述的一种线相机背光标定器的标定方法，其特征在于，对所述局部图像进行图像识别，定位对应局部图像中存在的单元模块ID，包括：
对所述局部图像进行二值化，得到所述局部图像的二值化图像；
对所述二值化图像进行条纹识别，确定所有特定条纹；
基于所述特定条纹将所述二值化图像分为多个部分，根据每个部分的黑白条纹以及对应关系，确定每个部分的单元模块ID。
5.根据权利要求4所述的一种线相机背光标定器的标定方法，其特征在于，对所述局部图像进行二值化，得到所述局部图像的二值化图像，包括：
依次遍历每个像素点的灰度值，并按照最小灰度值以及第二小灰度值的当下点集，对所述局部图像进行拆分，得到若干第一子图；
分别计算每个第一子图的灰度均值以及灰度方差，同时，统计每个第一子图中的边界像素点的第一个数以及边界像素点中最小灰度值与第二小灰度值的第二个数，并计算得到对应第一子图的灰度阈值；
将所有灰度阈值与设定前景阈值进行比较，确定大于等于设定前景阈值的前景平均灰度值以及小于设定前景阈值的背景平均灰度值；
根据拆分结果确定基于所述局部图像的拆分线，并分别提取基于每个拆分线上每个拆分点两侧的第一邻近像素点以及第二邻近像素点得到邻近对，并构建得到基于每个拆分线的邻近组；
分别获取所述邻近组中的每个邻近对中的像素点的像素差异，并绘制得到差异曲线；
确定所述差异曲线的差异中间值以及曲线拟合差异值，且结合对应拆分点的本身像素值，且结合前景平均灰度值、背景平均灰度值，确定对所述本身像素值的像素调节系数；
从所有像素调节系数中筛选小于等于对应拆分线的预设系数的第一系数，并按照第一系数对相应拆分点的本身像素值进行像素调节；
从所有像素调节系数中筛选大于对应拆分线的预设系数的第二系数；
获取与每个第二系数对应的分析点的像素分量数组，并根据颜色分量数组与预设系数匹配的标准分量数组的比较结果，确定不同分量的特征损失量；
根据所述特征损失量，且结合系数差异级别，对相应分析点的第二系数进行向小调节，并实现对相应拆分点的本身像素值的像素调节；
根据调节结果，得到新的灰度图，并对所述新的灰度图进行二值化处理，得到二值化图像。
6.根据权利要求2所述的一种线相机背光标定器的标定方法，其特征在于，根据定位的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息，计算每个相机拍摄的所述背光标定器的范围，包括：
获取完整的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息、缺失的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息；
根据完整的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息，计算第一部分范围；
根据缺失的单元模块ID以及对应定位的单元模块ID的条纹尺寸信息，计算第二部分范围；
根据所述第一部分范围和第二部分范围，确定相应相机拍摄的所述背光标定器的范围。
7.根据权利要求2所述的一种线相机背光标定器的标定方法，其特征在于，根据每个相机拍摄的所述背光标定器的范围，计算相邻相机的重叠范围，并标定输出，包括：
将每个相机拍摄的所述背光标定器的范围在同一背光标定器的范围进行嵌入，根据相邻相机的嵌入情况确定重叠区域；
根据所述重叠区域计算相邻相机的重叠范围，并标定输出。
8.根据权利要求5所述的一种线相机背光标定器的标定方法，其特征在于，确定对所述本身像素值的像素调节系数；
;其中，B1表示对应拆分点的本身像素值；/>表示对应拆分点的左侧像素点的值；/>表示对应拆分点的右侧像素点的值；/>表示基于所构建曲线的拟合像素值；/>表示满足预设正态分布概率下的第i个差异中间值；/>表示曲线拟合差异值；T1表示像素调节系数。
9.根据权利要求5所述的一种线相机背光标定器的标定方法，其特征在于，根据所述特征损失量，且结合系数差异级别，对相应分析点的第二系数进行向小调节，包括：
；其中，/>为对应向小调节后的系数；B2为对应的第二系数；/>表示基于红色通道特征损失量；/>表示基于蓝色通道特征损失量；/>表示基于绿色通道特征损失量；/>表示损失量的级别转化系数；/>为对应的系数差异级别；Y0为预设系数；N3为第二系数的总个数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311605829.XA CN117635729B (zh) | 2023-11-28 | 2023-11-28 | 一种线相机背光标定器及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311605829.XA CN117635729B (zh) | 2023-11-28 | 2023-11-28 | 一种线相机背光标定器及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117635729A true CN117635729A (zh) | 2024-03-01 |
| CN117635729B CN117635729B (zh) | 2024-06-11 |
Family
ID=90031564
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311605829.XA Active CN117635729B (zh) | 2023-11-28 | 2023-11-28 | 一种线相机背光标定器及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117635729B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101763640A (zh) * | 2009-12-31 | 2010-06-30 | 无锡易斯科电子技术有限公司 | 车载多目摄像机环视系统的在线标定处理方法 |
| WO2013044875A1 (zh) * | 2011-09-30 | 2013-04-04 | Chen Ling | 线性条码识别方法和系统 |
| CN103400366A (zh) * | 2013-07-03 | 2013-11-20 | 西安电子科技大学 | 基于条纹结构光的动态场景深度获取方法 |
| CN103942802A (zh) * | 2014-04-29 | 2014-07-23 | 西安电子科技大学 | 基于随机模板的结构光动态场景深度获取方法 |
| CN105261025A (zh) * | 2015-10-26 | 2016-01-20 | 长安大学 | 一种高铁检测系统的线阵相机快速高精度标定装置 |
| CN111080716A (zh) * | 2019-12-20 | 2020-04-28 | 天津大学 | 基于彩色编码相移条纹的相机标定靶标及标定点提取方法 |
| CN112001926A (zh) * | 2020-07-04 | 2020-11-27 | 西安电子科技大学 | 基于多维语义映射rgbd多相机标定方法、系统及应用 |
| CN113870112A (zh) * | 2021-09-29 | 2021-12-31 | 北京拙河科技有限公司 | 一种阵列相机图像拼接处理方法及装置 |
| CN115690431A (zh) * | 2022-11-14 | 2023-02-03 | 东集技术股份有限公司 | 条码图像二值化方法、装置、存储介质及计算机设备 |
| WO2023028939A1 (zh) * | 2021-09-02 | 2023-03-09 | 深圳市大疆创新科技有限公司 | 信息采集系统及其标定方法、装置及计算机可读存储介质 |
| CN116433780A (zh) * | 2023-06-14 | 2023-07-14 | 深圳市恒鑫通智能精密科技有限公司 | 一种基于机器视觉的激光结构光自动标定方法 |
-
2023
- 2023-11-28 CN CN202311605829.XA patent/CN117635729B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101763640A (zh) * | 2009-12-31 | 2010-06-30 | 无锡易斯科电子技术有限公司 | 车载多目摄像机环视系统的在线标定处理方法 |
| WO2013044875A1 (zh) * | 2011-09-30 | 2013-04-04 | Chen Ling | 线性条码识别方法和系统 |
| CN103400366A (zh) * | 2013-07-03 | 2013-11-20 | 西安电子科技大学 | 基于条纹结构光的动态场景深度获取方法 |
| CN103942802A (zh) * | 2014-04-29 | 2014-07-23 | 西安电子科技大学 | 基于随机模板的结构光动态场景深度获取方法 |
| CN105261025A (zh) * | 2015-10-26 | 2016-01-20 | 长安大学 | 一种高铁检测系统的线阵相机快速高精度标定装置 |
| CN111080716A (zh) * | 2019-12-20 | 2020-04-28 | 天津大学 | 基于彩色编码相移条纹的相机标定靶标及标定点提取方法 |
| CN112001926A (zh) * | 2020-07-04 | 2020-11-27 | 西安电子科技大学 | 基于多维语义映射rgbd多相机标定方法、系统及应用 |
| WO2023028939A1 (zh) * | 2021-09-02 | 2023-03-09 | 深圳市大疆创新科技有限公司 | 信息采集系统及其标定方法、装置及计算机可读存储介质 |
| CN113870112A (zh) * | 2021-09-29 | 2021-12-31 | 北京拙河科技有限公司 | 一种阵列相机图像拼接处理方法及装置 |
| CN115690431A (zh) * | 2022-11-14 | 2023-02-03 | 东集技术股份有限公司 | 条码图像二值化方法、装置、存储介质及计算机设备 |
| CN116433780A (zh) * | 2023-06-14 | 2023-07-14 | 深圳市恒鑫通智能精密科技有限公司 | 一种基于机器视觉的激光结构光自动标定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117635729B (zh) | 2024-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12002233B2 (en) | Systems and methods for estimating depth and visibility from a reference viewpoint for pixels in a set of images captured from different viewpoints | |
| JP7262614B2 (ja) | 位置決め方法、位置決め装置、及び記憶媒体 | |
| US8121400B2 (en) | Method of comparing similarity of 3D visual objects | |
| US20060067569A1 (en) | Image inspection device, image inspection method, and image inspection program | |
| US10109045B2 (en) | Defect inspection apparatus for inspecting sheet-like inspection object, computer-implemented method for inspecting sheet-like inspection object, and defect inspection system for inspecting sheet-like inspection object | |
| EP3119080A1 (en) | Method and system for dead pixel correction of digital image | |
| CN112801947A (zh) | 一种led显示终端坏点的视觉检测方法 | |
| CN110740314B (zh) | 彩色线阵相机坏点校正方法及系统 | |
| CN109459405B (zh) | 基于窄带图像处理去除土壤背景干扰的光谱指数测量方法 | |
| CN117635729B (zh) | 一种线相机背光标定器及方法 | |
| CN105229665A (zh) | 对基于图像的蛇形带子磨损评估的增强分析 | |
| CN113132693B (zh) | 一种色彩校正方法 | |
| US20230394706A1 (en) | Methods and arrangements for assessing camera system performance | |
| CN115376131A (zh) | 一种点状编码标志的设计与识别方法 | |
| CN114998346A (zh) | 一种防水布质量数据处理、识别方法 | |
| CN111928944A (zh) | 激光光线检测方法、装置和系统 | |
| US9183457B2 (en) | Shadow detection in a multiple colour channel image | |
| KR101912678B1 (ko) | 누수 검지 영상 처리 장치 | |
| CN117351021B (zh) | 一种光伏连接线生产质量智能检测方法 | |
| CN116168066B (zh) | 基于数据分析的建筑物三维点云配准预处理方法 | |
| CN114965487B (zh) | 一种隧道典型病害自动监测设备的标定方法及装置 | |
| Minagawa et al. | A color chart detection method for automatic color correction | |
| CN114219711A (zh) | 一种钢丝绳的柱面全景拼接方法 | |
| CN116682337A (zh) | 显示单元的检测方法、装置、终端设备、系统和存储介质 | |
| CN115546208A (zh) | 一种大田作物株高测量方法、装置及应用 |
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 |