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.     

CCD摄像机标定中角点亚像素定位方法

CCD摄像机的标定是实现光学三维轮廓测量技术的必要步骤,其标定精度在很大程度上取决于标定特征点的定位精度.在分析现有棋盘格角点像素级和亚像素级定位方法不足的基础上,提出了一种基于改进SV方法的棋盘格角点亚像素定位方法.首先,采用SV算子对角点进行像素级检测;其次,选取标定图像中以初定位角点坐标为中心的5×5像素区域,对其灰度值进行双线性插值;最后,计算插值图像的灰度质心,再根据插值放大倍数,将质心转换到亚像素坐标,实现了角点亚像素定位.实验结果表明,该方法可以获得亚像素级角点坐标,实现CCD摄像机的高精度标定,标定平均误差为0.108 mm.     

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.     

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。     

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。     

采用Hough变换和灰度变化的图像角点检测法

根据棋盘格图像的特点,提出了一种新的棋盘格角点检测方法.对图像进行边缘提取后,得到两组相互垂直的直线组,通过Hough变换求出直线组的代数方程,采用代数方法求两组直线之间的交点,确定角点的初始位置.对每一初始角点邻域采用灰度变化检测方法进行精确的角点定位.该方法既保证了角点检出的正确性,又提高了角点坐标的检出精度.试验结果表明,该方法具有较好的效果和较强的鲁棒性.     

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。     

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。     

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。     

基于强角点的SAR图像自动配准

图像配准技术在合成孔径雷达图像处理中占据至关重要的位置。针对合成孔径雷达图像配准对时间和精度的需求,提出基于角点特征的配准算法。提取两幅图像的角点构造三角形,计算三角形的角度,寻找两幅图像对应的相似三角形,用三角形的顶点坐标求得仿射变换系数,参考图像进行仿射变换,与待配准图像比较相似性,最大相似性对应的变换图像为配准结果。引入用于视频追踪的强角点,对该算法进行验证。实验数据表明该算法的快速准确,并具有一定的抗噪性。     

实景图像的形态学角检测研究

针对二值图像角检测提出了一种改进的形态学检测算法,此算法利用了圆盘算子的对称性,避免了结构元的旋转,提高了检测算法的运行效率.然后提出了一种改进的EM图像分割方法对灰度及彩色图像进行分割处理,增强了分割后图像的区域特征,为形态学灰度及彩色图像的角检测提供了更为合理的检测环境.实验结果证明在含有噪声及复杂背景情况下,该方法仍可获得较好的检测结果.     

成排连铸坯端面中心坐标视觉自动提取方法

为了实现成排连铸坯端面机器人贴标时各连铸坯端面中心坐标的快速提取,提出了先提取连铸坯端面图像角点像面坐标,再计算各连铸坯端面中心像面坐标的研究方案。首先,提出了一种改进型SUSAN角点检测算法,解决了图像中相邻连铸坯端面图像边界间距离过小和连铸坯端面图像角为弧形角所造成的角点漏检问题;然后,提取角点的像面坐标,并确定各封闭区域所包含连铸坯端面个数;最后,采用一种倾斜连铸坯端面图像中心像面坐标的提取方法,计算各连铸坯端面中心像面坐标。应用以上方法进行成排连铸坯端面机器人贴标实验,实验结果表明,连铸坯端面水平和竖直方向贴标位置误差范围分别为-0.625～0.850 mm和-0.550～0.875 mm,完全满足企业对多根连铸坯端面自动贴标位置误差允许值1 mm的要求。所提视觉方法在理论和实际应用上都是可行的,不仅为连铸坯端面贴标机器人提供了准确的贴标位置,而且为矩形图像元素的中心坐标提取提供了一种可靠的方法,具有一定的应用价值。     

基于角点检测的快速匹配算法

针对复杂图像的快速匹配,提出基于Shi -Tomasi角点检测的特征匹配算法.依据图像的角点特征、图像灰度和位置信息,采用最大互相关函数进行相似度计算和粗匹配,用随机样本一致性算法对匹配点对进行校正并消除错误匹配.将该算法应用于实景照片拼接,实验结果表明,对存在较大色差和形变的图像,其匹配精度为97％左右,匹配精度和速度均优于传统匹配算法.     

基于果蝇优化算法的零件图像边缘检测算法研究及应用

为实现零件图像的边缘检测,针对传统基于微分的边缘检测算法存在边缘点定位不准确、角点漏检等不足,提出一种基于果蝇优化算法(fruit fly optimization algorithm,FOA)的零件图像边缘检测算法.该算法首先通过Canny算子得到边缘点的先验知识,再利用希尔伯特变换提取角点信息,以边缘点和角点信息作为启发信息,建立基于FOA的零件图像边缘检测模型,最后通过随机平均移动机制和循环终止条件得到图像的单像素边缘.经实验验证,算法在无噪声边缘检测的条件下,相比传统的Canny算子,在零件图像检测的精度和准确性上有较大提升,可应用于工业零件的高精度无损检测.     

最大稳定极值区域与角点检测结合的医疗图像文本区域检测算法

医疗图像的文本区域检测在网络协同诊疗和医疗云的迅速发展中起着至关重要的作用。鉴于医疗图像相对复杂、文本字体太小而难以提取这一特殊问题,本文有针对性地提出了一种基于最大稳定极值区域算法与改进的角点检测算法相结合的医疗图像文本区域检测算法。该算法首先使用成分特征分析对最大稳定极值区域进行滤除,其次使用改进的SUSAN（Smallest Univalue Segment Assimilating Nucleus,最小核值相似区）角点检测算子对剩余最大稳定极值区域进行检测并滤除,最后将检测出的所有文本区域使用膨胀处理进行合并即可得到医疗图像的文本区域。实验结果表明,使用该算法提取出的医疗图像文本区域的准确率、召回率和综合性能分别为0.9、0.92和0.91,达到了理想的检测效果。     

基于角点检测的图像匹配算法及其在图像拼接中的应用

研究了图像匹配与图像角点匹配之间的关系．并在此基础上提出一种基于角点检测的图像匹配算法，成功地应用于图像拼接中．该算法将角点作为图像的特征点，并通过角点值、邻域角点数、角点间距及参数一致性等4个指标对角点集进行逐级筛选，有效地剔除了不匹配的角点，保证了匹配精度，同时避免了传统算法中进行模板匹配的繁重计算，大大提高了匹配速度．图像拼接实验验证了本文算法的快速、准确和稳定的特性．     

求解货物在线装箱问题的融合算法

实现集装箱的自动码放规划对于提高装箱容积率、提高经济效益具有重要意义.针对货物在线码放过程中存在的多种实际约束,提出一种由在线极值点(online improved extreme point,IE)算法与模拟退火(simulated annealing,SA)算法结合的在线融合码放(IES)算法,考虑货物尺寸约束,质量约束与装载顺序约束设定多种码放规则以及优化函数,对IE算法中角点坐标序列进行实时迭代更新,并将该角点序列作为初始解序列,基于模拟退火优越的局部搜索能力以及算法的灵活性,两者融合来寻求全局最优角点解坐标.实验结果表明IES算法平均容积率达到89.17％,相比IE算法提高10.34％,证明IES算法在强异构货物实时码放和提高集装箱容积率方面有较好效果.该算法提高了三维装箱算法的工程性,为实现集装箱货物的自动码放创造了必要条件.     

基于镜面反射原理进行水位视觉检测的新方法

在现有的水位视觉检测技术中,光照和水面倒影的干扰是不可避免的。针对这一问题,利用水面具有镜面反射现象提出一种水位检测的新方法。首先,采集不同水位高度的10幅图像作为训练样本,建立图像像素坐标与相应的实际水位高度之间映射关系的神经网络模型;然后,利用辅助光源照射在岸边产生镜面反射现象,采集水位图像并提取水位高度相应的图像坐标;最后,根据建立的神经网络模型,以200幅水位图像作为测试样本,计算出水位实际高度。在量程为400 mm的精度下,神经网络模型的平均误差为0.02 mm,计算结果的平均误差为0.53 mm。由于减少了镜面反射的影响,取得了较高的精度,为水位视觉自动检测装置的开发提供了理论基础。