基于直线检测的棋盘格角点自动提取

针对现有棋盘格角点自动提取算法鲁棒性不足的缺点,提出了使用直线检测算法(LSD)来进行角点的自动提取。首先,使用LSD算法对标定图像进行处理,得出包含棋盘格子边缘的所有直线,并分别对所得直线的长度和角度进行伪排序以去除伪格子边缘。然后,对剩余直线的边缘端点进行近邻合并,得到角点的初始坐标并进行亚像素优化。最后,使用能量法对角点进行棋盘格结构复原与排序。实验结果显示:该方法可以正确提取含有阴影和噪声的玻璃材质标定板图像中的角点。与改进的Harris方法的角点坐标提取精度对比试验得到其最大偏差小于0.2pixel,平均偏差小于0.15pixel,表明该方法具有较高的鲁棒性且定位精度与改进的Harris方法相当,可用于工程实际中环境光源变化较大的场合。

基于Harris算法的黑白棋盘格角点检测

简述Harris角点检测算法的原理、算法的执行流程和黑白棋盘格亚像素坐标求取的基本方法。通过实验检测出了黑白棋盘格中的角点,得到了角点坐标,并运用二次曲面拟合法得到了角点的亚像素坐标。简要分析Harris角点检测算法中各参数对检测结果的影响,给出了参数设置的一些心得。实验结果可以用于摄像机的标定。

基于Hessian矩阵的黑白棋盘格角点检测

针对棋盘格角点的检测,提出了一种运算速度快、定位精度高的Hessian矩阵子像素角点检测算法。简述了Hessian矩阵的原理、算法的执行流程和黑白棋盘格子像素坐标提取的基本方法。通过实验检测出了黑白棋盘格中的角点,得到了角点坐标,并利用二阶泰勒展开式得到了角点的子像素坐标。最后,在不同的噪声水平下,与Harris算法作比较,计算出提取误差与提取时间。实验证明,Hessian矩阵对黑白棋盘格角点检测得更加精确。该实验结果可应用于摄像机标定中。

基于灰度差异的棋盘格角点自动检测

提出一种基于灰度差异的棋盘格角点自动检测方法,该方法利用一种圆形角点检测器,在不对棋盘格图像做预处理情况下,能够准确检测有一定噪声或者较模糊的图像上的棋盘格角点。首先,根据角点及领域附近点的灰度差异,采用角点检测器初步检测角点;其次,根据棋盘格角点张角近似为直角和角点灰度对称性,对初步检测的角点进一步筛选获得棋盘格目标检测角点;最后,采用灰度平方重心法将像素级棋盘格目标检测角点亚像素级化,精确确定角点位置。实验结果表明,该方法在图像较模糊的情况下能够较精确检测出角点,角点重投影精度达到0.1像素级,并能获得形成角点的张角角度值;该方法可以应用于具有特殊角度的角点检测,且由于运算速度快,误差小,能够应用于机器视觉摄像机的在线标定。

棋盘格模板角点的自动识别与定位

棋盘格模板角点的识别与定位是摄像机定标过程中的关键环节,而自动识别与定位则是实现定标过程自动化的前提条件。为了实现定标过程自动化,提出了一种有效的方法,即利用棋盘格模板图像内部角点的局部灰度特征和由栅格线构成的结构特征,实现了内部角点的自动识别与定位。实验结果表明,该方法是有效和实用的,其能明显地加快定标速度,缩短定标时间,从而为基于多幅棋盘格模板图像的摄像机定标过程自动化创造了条件。

基于轮廓曲线的快速高精度可靠图像匹配

为了提高一键式检测中图像匹配精度和速度,提出一种基于轮廓曲线的快速高精度图像配准算法:根据定义的图像匹配差异度度量,采用图像金字塔搜索匹配策略,利用相应的相似性度量进行图像匹配。具体流程为:对采集图像和模板分别建立图像金字塔,对每层图像和模板使用sobel算子提取边缘。对顶层图像使用归一化角点距离矩阵与模板进行粗匹配,然后使用同心圆划分法进行细匹配,获取精确位置后映射至金字塔下一层,再次使用同心圆方法细匹配获取精确位置,目标坐标逐层向下映射,最终获取原图中目标的真实位置。实验表明该方法提升了一键式测量仪的匹配速度和匹配精度,而且不受遮挡、非线性光照变化、对比度低、全局对比度反转、局部对比度反转等情响。减少测量准备时间,提升了一键式测量仪的性能。

基于双边滤波的Harris角点检测

角点是图像重要的特征之一。角点检测在图像处理和计算机视觉中起着重要的作用。原始的Harris角点检测不具有尺度不变性且常常将噪声作为角点,为了解决此问题,结合尺度空间理论和双边滤波的思想,对原始的Harris算法进行了改进。改进的算法加入高斯核,让算法具有尺度性,加入双边滤波,对检测的对象去噪保边,提高了检测精度。利用该算法,也可以快速准确地自动实现了对一定区域的棋盘格角点检测与提取。实验证明,该改进算法有较高的检测精度、准确率和稳定性,达到了预期的效果。

基于改进Harris角点算法的摄像机标定技术研究

针对传统的Harris角点提取算法对噪声敏感,执行效率低等不足,提出了一种改进的Harris角点提取方法;以Harris角点提取算法为基础,通过优化角点响应函数,消除系数K,提高角点提取算法的执行效率;采用改进的Harris算法对黑白棋盘表格进行内角点提取,利用张正友摄像机标定法计算USB摄像机的内外参数;实验结果证明了该方法可以有效的对黑白棋盘格内角点进行提取,准确高效,提高了摄像机的标定精度和准确性,是一种可行的摄像机标定方法。

一种角点自动检测与排序算法

为了提高摄像机标定精度,通过分析当下比较流行的几种角点检测算法的优缺点,结合Hessian矩阵理论,首先通过动态自适应确定角点和剔除伪角点,然后应用最小凸包原理自动识别拐点,对角点进行排序和亚像素定位。通过不同图样多次实验证明,该算法适用范围广、精度高、鲁棒性好。

基于角点检测的摄像机标定算法及应用

针对摄像机标定在航拍视频应用中所存在的问题,分析了传统标定法、自标定法和基于主动视觉标定方法的不足,总结了影响标定精度的关键所在,进而结合改进的棋盘格角点检测算法和改进的三参数模型标定方法,保证了物理信息的输入和标定过程的准确性。通过完成摄像机标定可以利用摄像机参数对图像进行畸变校正,从而进行视场角的测量。实验证明,该算法适用性广,稳定性好,精度高,具有一定的实用性和有效性。

采用棋盘格靶标的全自动相机标定方法

为了去除相机标定过程中的人为干预,提出了一种采用改进的棋盘格靶标的全自动相机标定方法。识别出每幅标定图像中的四个标志圆,利用四个标志圆圆心的图像坐标和物理坐标计算二维射影变换矩阵。依据该射影变换矩阵计算出棋盘格角点的初始图像位置,接着提取亚像素精度的角点位置。迭代求解需要标定的相机参数。由实验可知,该全自动相机标定方法的棋盘格角点识别能力和相机标定精度,与Bouguet的相机标定工具箱相当,且可以显著地减少标定时间和工作量。利用20幅分辨率为640×480的靶标图像标定相机仅需16 s。

煤矿井下自动加卸钻杆靶标图像清晰化方法研究

受煤矿井运输巷道空间限制,将钻孔机器人设计为灵活布局的钻进和钻杆加卸2个独立系统,利用基于合作靶标的单目视觉识别,将钻进和钻杆加卸2个系统关联,解决两系统递送钻杆的协同作业问题。然而,煤矿井下钻孔施工中场景复杂,存在孔口煤渣、污水污染合作靶标、粉尘浓度大能见度低、人造光源亮度低、光照不均匀使靶标图像对比度低,以及矿灯直射合作靶标反光等问题,会影响合作靶标图像清晰度,使基于靶标识别加卸钻杆的位置的精度降低,进而影响钻孔机器人自动加卸钻杆的成功率。因此,首先针对施工中孔口返出的煤渣、煤泥污染合作靶标的问题,利用形态学滤波中先腐蚀,再膨胀的开运算,清除煤渣间断斑块和突出靶标像素点;先膨胀再腐蚀的闭运算,消除小的孔洞和间断细小鸿沟,达到消除固体污染物对合作靶标的影响;其次针对粉尘、岩尘、水雾和污水影响图像对比度问题,通过暗通道先验求出初始透射率,采用梯度域导向滤波精细化透射率,利用导向滤波得到改进暗通道,并求大气光值,利用大气散射模型得到除雾后的图像,实现清晰化图像、增强图像对比度目的;最后对亚像素级角点和方向进行精细化,优化能量函数,使用种子棋盘格沿4个边缘生长棋盘格,用能量变化情况确认是否生长出最大的棋盘,补全因强光反射缺失的合作靶标图像。实验结果表明:将形态学滤波、去雾算法和棋盘格生长等方法相融合,可增强煤矿井下复杂场景钻孔施工中合作靶标图像的清晰度,提高基于视觉识别的图像精度,为钻孔机器人自动加卸钻杆的精确控制奠定基础。

基于亚像素边缘的棋盘格的角点检测

棋盘格标定广泛应用于高精度机器视觉中。针对棋盘格标定中最关键的角点检测技术,本文提出了一种基于亚像素边缘的角点检测算法。先确定棋盘格边缘线法线方向,再在法线方向插入虚拟像素;根据边缘像素灰度变化趋势,用反正切函数进行曲线拟合;然后通过曲线梯度,确定亚像素边缘。在得到各亚像素边缘后,根据边缘相交形式,采用形心法确定角点位置。本算法建立了边缘法向方向亚像素定位算法,不受棋盘格角点方位影响。采用结合像素插值和灰度曲线拟合的方法提取亚像素边缘,有效的提高检测精度。实验表明本算法相对Harris角点检测算法精度提高一倍。本算法已成功应用于石油管螺纹的图像检测中,满足实际应用需求。

基于四邻域对角线上灰度约束的亚像素角点检测

针对微棋盘格亚像素角点检测过程中,存在漏检、多检及检测精度较低等问题,在研究现有算法的基础上,提出一种基于四邻域对角线上灰度约束的角点检测方法。通过角点的四邻域中心几何特征及其对角线方向上最大灰度特征的分析,采用SINC函数灰度分布约束角点位置,实现亚像素级精度的角点检测。开展对比实验及误差分析,其结果表明,与现有检测方法相比,该方法的多检率降低了约18%,漏检率降低了约2%,均达0;其检测精度提高了约50%,达到0.3Pix。该方法显著提高了亚像素角点检测的准确率、精度和重复率,在显微标定中具有一定的应用价值。

基于掩模的畸变棋盘格角点检测与排序

针对当前棋盘格角点检测算法对畸变棋盘格角点检测不足的问题,提出了一种基于掩模的畸变棋盘格角点检测与排序的方法。对所采集的畸变棋盘格图像,依次经过预处理,图像降噪,闭操作和Canny边缘检测以明确其在背景中的位置。然后,采用改进的Shi-Tomasi角点检测算法识别并提取棋盘格的所有角点(包括边缘角点),再通过递归排序算法获取棋盘格行列角点的坐标信息。实验仿真结果验证了所提出的方法的有效性,且相比于基于传统的Harris角点检测,Shi-Tomasi角点检测的算法,对具有一定畸变的棋盘格图像角点,具有更优的检测识别能力。

基于曲线拟合的棋盘角点提取算法

由于环境及相机拍摄效果的影响,导致对棋盘格进行角点提取时出现许多错误和冗余的角点,为此提出了一种基于曲线拟合的棋盘角点提取算法。该算法是在Harris角点检测算法的基础上,将多项式曲线拟合应用到提取的结果中,更加精确地提取出亚像素角点,实验结果表明该算法是有效可行的。

基于梯度与对称度提取棋盘格角点及角点递推定位

在摄像机标定中常用黑白棋盘格作为标靶,而获取棋盘格角点位置是标定的首要任务。介绍了使用8等分圆形模板获取棋盘图像的灰度梯度和中心对称度,并对其组合,显著增强了角点区灰度并抑制了非角点区灰度。再对局部峰值点孤立,使真角点与伪角点灰度明显区分。进一步对估计的角点集中心区取一样点作基点,由其5个最近邻角点判断棋盘格边缘方向,用线性预测和误差约束方法估计并向外递推取得所有邻接角点的像素级坐标,用角点行列数中值估计并确定棋盘格角点区及其左下角以完成定位。最后对所有角点区局部用更大的模板重新检测不对称度,并用角点及其4个邻点不对称度的线性模型估计角点亚像素级坐标。

基于双旋转模板的黑白棋盘角点检测算法

摄像机标定技术已被广泛地应用于三维重建技术中。针对标定时需要手动确认角点比较耗时且可能存在误差的问题,本文提出一种基于双旋转模板的黑白棋盘角点检测算法。该算法首先通过Harris算法获得初始角点,然后通过构造旋转模板对获得的角点进行迭代筛选,最终求解得到符合标定要求的角点。实验证明本文算法不仅具有较高的稳定性,还提高了黑白棋盘上有效角点的检测精度和效率。

基于灰度特征的棋盘格内角点检测算法

标定物特征点的定位精度能直接影响相机标定的精准度,为提高检测的精度和效率,提出了一种基于灰度特征的棋盘格内角点检测的改进算法。通过分析角点的灰度分布特征,首先利用3×3环形邻域模板对初始角点预筛选;随后通过计算初始角点的BW算子响应值实现对棋盘格边缘角点及伪角点的剔除;最后结合改进的角点响应函数确定最终内角点。实验结果表明:运用改进算法在不同光照及噪声的影响下检测结果无漏检及误检,单幅图像所需检测时间为0.225 s,平均重投影误差结果为0.045像素,能为相机的高精度标定提供更精准可靠的数据。

基于区域生长法的棋盘格角点检测

相机标定是机器视觉任务中很重要的一个研究项目,在三维重建、视觉测距测量的任务中都是基础环节。相机标定过程中最常使用的是基于平面棋盘格类型靶标的标定板,由于常用的棋盘格检测的算法通常针对一幅图片中的单个标定板且需要人工指定棋盘格一些参数,鲁棒性不足,因此笔者提出一种基于区域生长的高精度棋盘格检测方法。通过特征提取获得图像的角点信息,使用自相关函数进行角点位置确定,并且使用基于区域生长的方法对一张图片中的多个棋盘格靶标进行提取。实验结果表明,该方法对于复杂成像环境下的角点检测具有更好的鲁棒性且提取过程自动化,便于后续的标定使用。