基于凸包的棋盘格角点自动识别与定位方法

 采用Harris方法提取角点,应用对称算子剔除棋盘格外圈角点与伪角点,基于灰度梯度方法精确提取棋盘格亚像素角点。在此基础上,提出了基于凸包的棋盘格角点分层识别与自动定位方法,实现了棋盘格角点物像坐标的自动匹配,从而可实现摄像机自动精确标定。实验结果表明,该方法具有较高的精度与可靠性,适合于摄像机在线自标定。     

黑白棋盘格角点检测算法

分析了现有棋盘格角点检测算法存在的不足,提出了一种新的棋盘格角点检测算法.该算法定义4个特征方向,并通过黑白检测算子(BW)检测特征方向上像素的灰度分布特征,获得像素级精度的角点坐标位置;再根据局部窗口内响应值的相似度与影响因子对角点坐标加以修正,实现了亚像素级精度的角点坐标定位.该算法对图像的旋转和亮度变换具有鲁棒性.将本方法应用于实际拍摄的棋盘格图像,证明了其对棋盘格角点检测的有效性和实用性.     

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。     

棋盘格图像角点坐标亚像素提取方法

针对基于视觉测量的物体位姿测量系统要求标定系统精度较高的需求,提出了一种自动识别和亚像素提取黑白平面棋盘格模板图像内部角点的方法.该方法在详细分析了棋盘格图像局部特性的基础上,建立了准确高效的改进SUSAN角点检测算法和精确的亚像素级提取角点坐标的方法,计算出总体标定误差为0.2个像素.通过实验验证了该算法的可行性和有效性,能够为高精度标定系统提供可靠数据.     

摄像机标定的棋盘格亚像素角点检测

针对传统最小核值相似区(small univalue segment assimilating nucleus,SUSAN)算子对棋盘格角点检测时会将角点与边缘混淆的缺点,提出了一种运算速度快、定位精度高的改进SUSAN亚像素角点检测算法。根据SUSAN模板中角点的特性,提出了灰度对称度的概念,利用灰度对称度区别出棋盘格的角点和边缘。在利用改进的SUSAN算子进行亚像素角点检测时,综合应用了索贝尔边缘算子、灰度平方重心法等方法。提出的亚像素级角点检测方法快速有效,在摄像机标定试验中,其重投影平均误差小于0.2个像素。     

一种改进的Harris-RANSAC长焦相机标定算法

长焦相机采集近距离棋盘格图像时易出现相机离焦现象，导致棋盘格图像产生散焦模糊，极大地增加了相机标定的难度，同时传统的Harris角点检测算法对散焦模糊的棋盘格图像进行角点检测的结果即使经过非极大值抑制处理也仍然存在大量冗余角点.针对上述问题，基于随机抽样一致(random sample consensus, RANSAC)算法提出一种改进的Harris-RANSAC长焦相机标定算法.首先，引入感兴趣区域将Harris角点检测的区域缩小到棋盘格区域以避免背景干扰；其次，采用随机抽样一致算法替代传统的非极大值抑制方法剔除冗余角点；最后，针对模糊棋盘格图像的特性构造新的响应函数，进行亚像素级角点定位，从而得到精确的角点坐标.结果表明，改进的Harris-RANSAC算法对模糊棋盘格图像进行角点检测时耗时短且精度较高，角点检测的反投影误差仅为0.432像素.     

棋盘格模板角点的自动定位

棋盘格模板角点的定位是摄像机定标过程中的重要环节,定位的正确与否直接关系到定标的成败.提出了一种利用棋盘格模板图像中的消失点和栅格线特征以及局部灰度特征,实现棋盘格模板角点自动定位的方法.结果表明,与手动定位相比,该方法明显地减少了定位过程所用的时间,提高了工作效率,尤其适合于利用多幅棋盘格模板图像对摄像机进行自动化定标.     

基于局部单应性矩阵的结构光系统标定研究

在基于结构光测量系统中,投影仪标定对物体的三维测量精度有着直接的影响。通过投影仪投射多幅正交格雷码至棋盘格标定板表面,利用未标定摄像机获得受棋盘格标定板调制的变形格雷码条纹图像,通过局部单应性矩阵方法获得棋盘格标定板各角点所对应的投影仪图像坐标。根据摄像机图像坐标、投影仪图像坐标与棋盘格标定板角点对结构光测量系统进行标定,获得摄像机与投影仪的内参数矩阵以及投影仪图像坐标系在摄像机图像坐标系的位姿矩阵。最后对结构光测量系统进行了标定实验;并使用Samuel Audet标定工具箱、Douglas Lanman标定工具箱与提及的标定方法进行标定误差对比。实验结果表明该方法操作简便,精度高,能较好地标定结构光测量系统参数。     

基于遗传算法的摄像机标定

为提高摄像机标定的精度, 提出一种基于遗传算法的2D棋盘格摄像机标定方法。 通过对棋盘格图像的参考角点的提取, 计算参考点的图像坐标, 从而求解摄像机的内部参数及相应的外部参数初始估计值。并利用遗传算法对摄像机内参数进行优化, 通过一代代的进化、 选择、 变异, 最终收敛得到最优解。仿真结果表明, 该方法得到的平均投影误差为0.255 9像素, 标准差为0.139 3像素, 可有效地提高标定精度。     

一种改进的快速SUSAN棋盘格角点检测算法

针对传统SUSAN角点检测算法不能区分棋盘格内角点和边缘点,以及因曝光过度导致的角点分离问题,本文提出改进的SUSAN角点检测算法。改进算法求取2组不相邻特征方向3像素灰度和差值,配合门限阈值和差阈值,提取角点集合;利用角点集合的对称分布特性确定角点集合的质心坐标作为此位置角点的坐标,坐标值可直接达到亚像素精度。实验表明:本文提出的改进的SUSAN角点检测算法可以有效、快速地提取角点,重投影误差在0.3个像素以内,可用于相机标定。     

基于圆形特征点的非线性相机标定方法

针对高精度标定板制作困难费用高的问题,提出了一种快速简易的相机标定方法。用数码相机对一张具有不同大小圆形特征点的标定表绕着光轴旋转拍摄几幅图像,利用亚像素边缘轮廓检测算法检测图像中的轮廓;采用最小二乘椭圆拟合方法得到亚像素椭圆中心坐标,用稳定的图像点与空间点的对应算法确定图像点与空间点的对应,计算过程中对所求参数进行了非线性优化。实验表明,重投影平均误差在0．2个像素以下,证明了该方法的可行性和较高的标定精度。     

微零件图像亚像素边缘定位算法

为快速而精确地检测微零件图像边缘,提出了一种新的图像亚像素边缘定位算法.此算法与常用亚像素边缘定位算法区别在于不需要进行边缘初定位,而直接提取亚像素边缘点.应用一种新的图像坐标排序方法,使无规律的边缘点能够按照一定时针顺序链接成闭合曲线.以微齿轮图像作为实验对象测试了算法的精度与速度,结果表明该算法在边缘定位精度满足亚像素的情况下,能够快速提取边缘曲线,处理时间不超过1s.     

基于双目立体视觉的海浪波面三维重建技术

为了提高海面特征点检测的准确度和三维重建的精度,在基于传统的Harris算法的基础上,提出1种基于高斯金字塔图像的改进Harris特征点检测算法.利用搭建的双目相机平台,对海浪图像进行采集并完成相机的标定过程,然后根据改进的角点提取算法对图像的角点进行检测,利用尺度不变特征变换(scale-invariant feature transform,SIFT)算法对海浪图像特征点进行立体匹配得出视差图,最后根据三角测量原理获取图像的深度信息,实现海浪波面的三维信息重建.实验结果证明,在针对海浪图像时,该方法具有更高的精度和准确度.     

基于双目立体视觉系统的测量研究

为了实现摄像机与目标物体之间距离的信息,由双目测量原理,采取结合OpenCV与Matlab的方式,设计出一套关于双目测距的立体视觉系统;系统首先对双目摄像机的内外参数进行标定,从黑白格组成的标定板中获得角点信息,使用亚像素角点检测法对角点坐标信息进行更精确检测,在黑白格组成的标定板分别距离双目摄像机300、400、500、600、700mm处获取不同位置的标定图像,经过张正友标定法最终可以得到双目摄像机所需内外参数;其次通过BM(Block Matching)立体匹配算法在VS2017坏境与opencv3.4.7库配合下完成了摄像机的立体校正、立体匹配进而得到视差图;最后在实验中使用了双目摄像头,并编写了代码通过鼠标点击所得到的视差图获取对应的世界坐标来实现物距的测量;实验结果表明:被测物距离摄像头光心500~700mm这一范围时,实测距离和实际距离相对误差百分比在0.171% ~0.192%之间,且实测距离在2 950mm内实验误差小于5%满足实验精度要求。     

圆型图像特征点检测算法

为了提高圆型图像特征点检测算法的准确性和稳定性等,提出了一种基于圆型特征图像中心灰度对称的检测算法.先利用Sobel算子进行圆型特征图像边缘检测,然后采用灰度质心法求出圆型特征图像的中心,最后引入灰度对称因子获得圆型图像特征点的亚像素位置坐标.用仿真投影实验和实际实验来评估算法精度,结果表明新算法精度可控制在0.2个像素左右.     

基于圆形阵列标定板的张氏相机标定法

提出了一种基于圆形阵列标定板的张氏相机标定法.利用大恒水星系列相机对不同方向和不同姿态的圆形特征标定板进行20次拍摄,并利用亚像素边缘检测算法对图像视野中的特征进行边缘检测;接着对得到的边缘封闭的特征分别进行圆度、偏心率和凸度的条件限制,提取出图像中符合要求的圆形特征;最后通过标定板上圆形特征的圆心像素坐标与世界坐标的对应关系来进行相机标定.实验结果显示,圆形特征的圆心坐标平均重投影误差在0.007个像素以内,表明了该算法的可行性.      

气门几何尺寸的多种边缘高精度检测

目前边缘检测算法只能检测水平边缘、垂直边缘,且检测精度低、处理速度慢、抗噪性能差;针对上述存在的缺陷,提出一种气门几何尺寸的多种边缘高精度尺寸检测算法。首先采用中值滤波和高斯滤波对气门采集图像进行预处理,然后针对不同的边缘使用不同检测算法实现图像边缘的像素级定位。在像素级边缘定位的基础上采用几何质心法亚像素边缘定位实现图像边缘的亚像素级精确定位。最后采用畸变校正技术对图像中边缘像素点的坐标进行校正,得到没有畸变情况下边缘像素点的理想坐标,根据像素当量计算得到气门的各个尺寸。通过在光学图像检测系统中的实际应用,证明提出的算法精确且稳定,满足高精度视觉检测的要求。     

A design of space robot multi-target capture algorithm based on DSP

To correctly capture spatial targets from cluttered and motive celestial background, a new Multi-Target Capture algorithm was proposed, which is a comparative difference algorithm based on the combination of centroid extraction and despun registration of efficient points. Moreover, this algorithm was applied in an image processing system based on the DSP featuring high speed and high performance. The procedures of image processing are as follows: first, label efficient points in the frame and extract their centroids; second, make appropriate despun registration, according to the reference rotation angles provided by Space Robot position system; third, translate and register centroid coordinates of efficient points in reference frames and get the registration points according to the principle that there are the most same centroid coordinates of efficient points when completely registered; finally, eliminate the same background points by using comparative difference method. The result shows that this image processing system can meet the needs of the whole system.     

A design of space robot multi-target capture algorithm based on DSP

To correctly capture spatial targets from cluttered and motive celestial background, a new MultiTarget Capture algorithm was proposed, which is a comparative difference algorithm based on the combination of centroid extraction and despun registration of efficient points. Moreover, this algorithm was applied in an image processing system based on the DSP featuring high speed and high performance. The procedures of image processing are as follows: first, label efficient points in the frame and extract their centroids; second, make appropriate despun registration, according to the reference rotation angles provided by Space Robot position system; third, translate and register centroid coordinates of efficient points in reference frames and get the registration points according to the principle that there are the most same centroid coordinates of efficient points when completely registered; finally, eliminate the same background points by using comparative difference method. The result shows that this image processing system can meet the needs of the whole system.