CN1896678A - 一种栅格型标定点亚像素提取方法 - Google Patents

Abstract

本发明属于计算机三维视觉测量技术，涉及对栅格型标定点栅格点亚像素提取方法的改进。本发明的步骤是：首先利用Hessian矩阵判定栅格点的像素位置；然后通过分层搜索确定栅格点的亚像素精确位置。本发明通过分层搜索可以很快得到栅格点的亚像素位置，提取过程简单。即使是在图像存在畸变及较大噪声的情况下，仍具有较高的提取精度。

Description

一种栅格型标定点亚像素提取方法

技术领域

本发明属于计算机三维视觉测量技术，涉及对栅格型标定点栅格点亚像素提取方法的改进。

背景技术

在计算机三维视觉测量中，通常需要利用靶标标定点的三维空间坐标及其二维图像坐标来标定系统的模型参数，其中，所采用的靶标标定点模式及相应图像坐标的提取算法将直接影响标定结果的精度及稳定性。栅格型标定点(见图1)是一种比较常用的视觉系统标定用靶标模式，为了保证系统的标定精度，通常需要对标定点图像坐标的提取结果达到亚像素级。传统的栅格点亚像素提取方法主要是先提取栅格点附近的线条中心点，然后进行直线拟合，再通过计算两条直线的交点确定栅格点的亚像素位置。这种算法的缺点主要有：一方面需要先提取线条中心点，提取过程繁琐；另一方面当镜头存在畸变时，栅格点附近的线条中心点并不是严格按照直线分布，因此，利用直线拟合求交点的方法会给实际的提取带来误差，提取精度不高。

发明内容

本发明的目的是：针对现有方法的不足，提出一种用于栅格型标定点提取的、提取过程简单、精度高的亚像素提取方法。

本发明的技术方案是：一种栅格型标定点亚像素提取方法，其特征在于，

1、利用Hessian矩阵判定栅格点的像素位置；

判定条件根据Hessian矩阵的特征值得到，Hessian矩阵的表达式如式1所示：

$H=\left[\begin{array}{cc}{f}_{\mathrm{xx}}& f_{\mathrm{xy}}\\ f_{\mathrm{xy}}& f_{\mathrm{yy}}\end{array}\right]---\left(1\right)$

其中，f_xx、f_xy、f_yy分别为图像灰度相对于x、y的二阶偏导数，可以通过图像灰度与相应微分形式的高斯算子卷积得到，对于栅格型标定点，Hessian矩阵的两个特征值均为正，则判定栅格型点像素位置的形状算子S表示为：

$S={\mathrm{\λ}}_1\·{\mathrm{\λ}}_2=f_{\mathrm{xx}}{f}_{\mathrm{xy}}-f_{\mathrm{xy}}^2---\left(2\right)$

其中，λ₁、λ₂为Hessian矩阵的特征值，理想情况下栅格点附近区域的S值分布的正极值点即栅格点的像素位置；

2、通过分层搜索确定栅格点的亚像素位置；

2.1、对理想图像中栅格点附近±1像素范围内的亚像素位置点进行灰度插值，令所获得的曲面在栅格点处沿各方向的一阶导数均为零，得到搜索栅格点亚像素位置的约束条件如下：

min(r_x ²(x₀+s，y₀+t)+r_y ²(x₀+s，y₀+t))|_{(s，t)∈[-1，1]×[-1，1]}    (3)

其中，(x₀，y₀)是栅格点的像素位置，r_x(x₀+s，y₀+t)、r_y(x₀+s，y₀+t)分别为点(x₀+s，y₀+t)处图像灰度相对于x、y的一阶偏导数；

2.2、以1.1中得到的像素位置为中心，对其±1像素范围内的亚像素位置点进行灰度插值，插值间隔选为0.1像素，然后根据约束条件(3)进一步判定栅格中心点；再以该点为中心，对其±0.1像素范围内的亚像素点进行灰度插值，插值间隔为0.01像素，然后再根据约束条件(3)判定栅格点；以此类推，进行分层搜索，搜索层数为2～6层，直到满足预定的精度要求为止。

本发明的优点是：

(1)相对于传统的直线拟合求交点的提取方法，本发明根据局部图像的灰度特征，通过分层搜索可以很快得到栅格点的亚像素位置，提取过程简单。

(2)本发明只是利用栅格点临近区域内的图像灰度，因此，即使是在图像存在畸变及较大噪声的情况下，仍具有较高的提取精度。

附图说明

图1是具有栅格型标定点的靶标示意图。

图2是理想情况下栅格点附近区域的S值分布，其正极值点即栅格点。

图3是对理想图像中栅格点附近±1像素范围内的亚像素位置点进行灰度插值之后的结果。

图4是本发明方法中的分层搜索示意图。

图5是本发明实施例使用的虚拟平面靶标。

图6是图5靶标经虚拟摄像机成像之后的靶标图像。

具体实施方式

本发明主要是根据栅格点附近区域的图像灰度变化，利用Hassian矩阵的特征值判定栅格点的像素位置，在此基础上，通过分层搜索确定栅格点的亚像素位置。具体方案如下：

(1)利用Hessian矩阵判定栅格点的像素位置

在提取栅格点的亚像素位置之前，需要先判定该点的像素位置，判定条件可以根据Hessian矩阵的特征值得到。Hessian矩阵的表达式如式1所示：

$H=\left[\begin{array}{cc}{f}_{\mathrm{xx}}& f_{\mathrm{xy}}\\ f_{\mathrm{xy}}& f_{\mathrm{yy}}\end{array}\right]---\left(1\right)$

其中，f_xx、f_xy、f_yy分别为图像灰度相对于x、y的二阶偏导数，可以通过图像灰度与相应微分形式的高斯算子卷积得到。对于栅格型标定点，Hessian矩阵的两个特征值均为正，则判定栅格型点像素位置的形状算子表示为：

$S={\mathrm{\λ}}_1\·{\mathrm{\λ}}_2=f_{\mathrm{xx}}{f}_{\mathrm{xy}}-f_{\mathrm{xy}}^2---\left(2\right)$

其中，λ₁、λ₂为Hessian矩阵的特征值。图2为理想情况下栅格点附近区域的5值分布，其正极值点即栅格点。

(2)通过分层搜索确定栅格点的亚像素位置

在根据形状算子初步判定栅格点的像素位置之后，可以确定栅格点的亚像素位置即位于该像素邻近区域内。图3是对理想图像中栅格点附近±1像素范围内的亚像素位置点进行灰度插值之后的结果，该曲面在栅格点处沿各方向的一阶导数均为零，可得搜索栅格点亚像素位置的约束条件：

min(r_x ²(x₀+s，y₀+t)+r_y ²(x₀+s，y₀+t))|_{(s，t)∈[-1，1]×[-1，1]}    (3)

其中，(x₀，y₀)是栅格点的像素位置，r_x(x₀+s，y₀+t)、r_y(x₀+s，y₀+t)分别为点(x₀+s，y₀+t)处图像灰度相对于x、y的一阶偏导数。

为了提高搜索速度，可采用分层搜索的方法。如图4所示，先利用形状算子(2)判定栅格点的像素位置，然后以该点为中心，对其±1像素范围内的亚像素位置点进行灰度插值，插值间隔选为0.1像素，然后根据约束条件(3)进一步判定栅格中心点，再以该点为中心，对其±0.1像素范围内的亚像素点进行灰度插值，插值间隔为0.01像素，然后再根据约束条件(3)判定栅格点，以此类推。在进行实际的栅格点提取时，搜索层数设为3，最后的插值间隔设为0.001像素，即可满足实际的标定要求。

仿真实例

以下是一组仿真实例。图5是一个由计算机生成的虚拟平面靶标，靶标上共有144个栅格点，每两点间距16mm。虚拟摄像机的图像分辨率设为512×512；内部参数设定为：α＝1000，β＝1000，γ＝0，u₀＝256，v₀＝256；外部参数设定为：r₁＝[0.951 -0.174 0.255]^T，r₂＝[0.168 0.9850.045]^T，t＝[0 0 500]^T；镜头畸变参数设定为：k₁＝-0.22，k₂＝0.20。图6是经虚拟摄像机成像之后的靶标图像。表1是传统方法与新方法提取结果的对比，本发明的提取精度要优于传统方法。

        表1两种方法的提取精度

噪声水平	提取精度
			传统方法	新方法
	0	0.105			0.048
0.02			0.106	0.054
	0.04	0.108			0.069
0.06			0.108	0.089
	0.08	0.112			0.111

Claims (2)

1、一种栅格型标定点亚像素提取方法，其特征在于，

1.1、利用Hessian矩阵判定栅格点的像素位置；

判定条件根据Hessian矩阵的特征值得到，Hessian矩阵的表达式如式1所示：

$H=\left[\begin{array}{cc}{f}_{\mathrm{xx}}& f_{\mathrm{xy}}\\ f_{\mathrm{xy}}& f_{\mathrm{yy}}\end{array}\right]---\left(1\right)$

其中，f_xx、f_xy、f_yy分别为图像灰度相对于x、y的二阶偏导数，可以通过图像灰度与相应微分形式的高斯算子卷积得到，对于栅格型标定点，Hessian矩阵的两个特征值均为正，则判定栅格型点像素位置的形状算子S表示为：

$S={\mathrm{\λ}}_1\·{\mathrm{\λ}}_2=f_{\mathrm{xx}}{f}_{\mathrm{yy}}-f_{\mathrm{xy}}^2---\left(2\right)$

其中，λ₁、λ₂为Hessian矩阵的特征值，理想情况下栅格点附近区域的S值分布的正极值点即栅格点的像素位置；

1.2、通过分层搜索确定栅格点的亚像素位置；

1.2.1、对理想图像中栅格点附近±1像素范围内的亚像素位置点进行灰度插值，令所获得的曲面在栅格点处沿各方向的一阶导数均为零，得到搜索栅格点亚像素位置的约束条件如下：

$\min (r_x^2(x_0+s,y_0+t)+r_y^2(x_0+s,y_0+t)){|}_{(s,t)\∈[-\mathrm{1,1}]\×[-\mathrm{1,1}]}---\left(3\right)$

其中，(x₀，y₀)是栅格点的像素位置，r_x(x₀+s，y₀+t)、r_y(x₀+s，y₀+t)分别为点(x₀+s，y₀+t)处图像灰度相对于x、y的一阶偏导数；

1.2.2、以1.1中得到的像素位置为中心，对其±1像素范围内的亚像素位置点进行灰度插值，插值间隔选为0.1像素，然后根据约束条件(3)进一步判定栅格中心点；再以该点为中心，对其±0.1像素范围内的亚像素点进行灰度插值，插值间隔为0.01像素，然后再根据约束条件(3)判定栅格点；以此类推，进行分层搜索，搜索层数为2～6层，直到满足预定的精度要求为止。

2、根据权利要求1所述的栅格型标定点亚像素提取方法，其特征在于，在进行分层搜索时，搜索层数为3层，第3层搜索时，对中心点附近±0.01像素范围内的亚像素点进行灰度插值，插值间隔为0.001像素。

Images