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。     

摄像机在线标定中的棋盘格角点自动检测方法

针对摄像机在线标定的特殊需要，研究棋盘格角点的自动检测问题。利用棋盘格角点共面特点，将平面到平面的变换引入到角点检测中，实现了角点的自动粗定位。在粗定位窗口内，通过角点检测算子与区域能量中心共同实现了角点精确定位。该算法将角点的检测与排序巧妙地结合起来，不仅对全局和局部光照变化都具有较强的适应性，还解决了图像中某些角点检测失败时，其他角点的正确检测与排序问题。实验结果表明，该方法不仅在鲁棒性和检测精度方面高于常用棋盘格角点检测方法，而且全部处理过程可自动实现，在摄像机在线标定中具有很高的实际应用价值。     

一种改进的SUSAN算子棋盘格角点亚像素检测算法

SUSAN算子在检测角点时,只以USAN区域面积的大小作为判断准则,忽略USAN区域形状的影响。因此,该算法对棋盘格标定板中的内角点与边缘点难以区分。针对此问题,本文提出在SUSAN圆模板内再次采用SUSAN算子来实现对棋盘格标定板角点的有效检测。此外,在每个初定位角点的局部邻域内,采用二次曲面拟合法得到角点的亚像素坐标。实验证明,所提出的算法准确、有效、适应性好,能为摄像机标定提供亚像素精度的角点信息。     

自适应的Harris棋盘格角点检测算法

针时摄像机标定中的棋盘格角点检测问题,分析了Harris角点检测算法局限性,综合考虑了多个参数对角点提取的影响,根据每个参数影响程度的不同采取分步调整策略,实现棋盘格角点的自适应检测算法.该算法计算量小、易于实现,提高了运算效率,有效避免了角点聚簇和角点分布不均的角点空缺现象的产生.实验结果表明,该算法对摄像机各种畸变情况下的棋盘格角点可准确提取.     

一种新的棋盘格图像角点检测算法

鉴于棋盘格图案在摄像机标定中有着广泛的应用,因此为了对边缘模糊的棋盘格图像进行在线标定,针对目前棋盘格图像角点检测算法的局限性,提出了一种可以自动实现的棋盘格图像角点检测算法,该算法是利用周围图案对称和灰度值对比明显的独特性质,设计了由对称算子S和方差算子V组合而成的角点检测算子--对称方差算子（symmetry and variance）,简称SV算子.该算子不仅构思巧妙、易于实现、计算量小,而且对棋盘格图像的旋转变换和亮度变换具有鲁棒性和抗噪能力强的优点.实验结果表明,该算子对边缘模糊有良好的适应性,适用于摄像机的在线标定.     

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.     

基于形状识别的X型棋盘格角点检测

棋盘格角点检测是相机标定的一个重要环节,其准确率直接影响相机标定的精度,常规角点检测存在对棋盘格图像质量要求较高、检测准确率不高的问题.对此,依据棋盘格图像灰度分布的对称性,利用双层增强滤波器将其角点区域增强为X形状,待检测角点即为X形状中两个分支的交点,将角点检测问题转换为X形状的识别.进行X形状识别时,首先提取待识别区域像素的极坐标作为形状识别的初始特征集合,经特征选择后依据角度特征进行X形状识别.最后在识别出的角点区域内通过直线拟合确定亚像素级角点.实验结果表明,所提出方法进行棋盘格角点检测的准确率较高,且抗干扰能力较强.     

复杂背景下的角点检测

提出了一种能够在复杂背景下、用于实时视频下的棋盘格角点检测方法。其主要思路是：首先利用Douglas-Peucker算法方法逼近图像中的矩形区域,从而提取图像中的矩形区域,然后通过特征点的聚类及优化选取,筛选出所需要的棋盘格角点,从而达到自动提取特征角点的目的。通过实验,验证了算法的有效性与实时性。此特征点提取的方法,对于复杂背景情况下的目标特征检测仍具有借鉴意义。     

改进的Harris亚像素角点快速定位

针对Harris算法检测角点存在偏差、运算慢、像素级精度难于满足实际应用需要等问题,改进了Harris角点检测方法。该方法在Harris提取角点过程中,通过两次角点筛选,剔除非角点和伪角点,利用角点响应函数执行非极大值抑制,以局部角点响应函数最大值的像素点作为初始角点,并以该初始角点为中心,以一定半径搜索角点簇,采用最小二乘法加权角点簇与待求角点的欧几里得距离,精化初始角点坐标,从而实现Harris亚像素角点准确快速定位。实验结果表明了该方法的有效性和实用性。     

基于角点网格的复杂地质模型表面提取算法

在低渗透、老油田的二次开发过程中,基于三维地质模型的综合分析、设计越来越重要。其中复杂三维地质模型的构建也是重难点。分析了实际工程应用中的现实需求,并基于现有技术选择了基于角点网格的地质模型作为切入点,在介绍角点网格的相关定义与特点的基础上,针对现有关于角点网格的研究主要集中在对角点网格的划分方法上的现状,提出了一种新的对基于角点网格形式表示的复杂地质体提取其表面模型的方法,并详细介绍了算法思路及处理流程。通过多组样例数据及实际油田数据的验证,得到了所需的表面模型并且效率满足实际要求,提出的方法能有效提取基于角点网格的复杂地质体表面模型。     

工业机器人视觉系统中双目摄像头标定算法研究

在三维立体视觉系统中,摄像机的标定是一项必不可少的工作.针对现有的摄像机标定法在进行角点提取时,由于光线变化产生的干扰问题,论文提出了一种将Harris算法与梯度阈值算法相结合的新方法.实验过程中采用大小各为600mm、150mm的基线距离对该方法进行验证,实验证明,基线为600mm的轴位移为582.068,基线为150mm的轴位移为162.125,误差大小约为15mm.因此,该算法在光线较弱或者光线变化的情况下能够准确的对双目视觉系统进行标定,且易于实现,标定结果准确且稳定,满足双目立体视觉应用的需求.     

基于USAN的棋盘角点检测算法

根据棋盘角点USAN区域几何结构的对称性,提出基于USAN的棋盘角点检测算法,该算法原理简单,容易实现,不仅能快速检测到角点,而且具有旋转不变性,用他可以检测实际拍摄的棋盘图像。通过实验结果表明该算法能快速准确地检测到从各个角度拍摄的棋盘图像的内部角点,有很强的实用性。     

复杂条件下DPM条码的角点检测

为了解决工况环境恶劣和拍摄条件差等因素导致的从复杂条件图像中快速准确地检测出DPM条码区域的困难,抓住DPM条码图像多直角角点及亮暗两类直角点共存等内部特征,提出一种新的基于掩膜思想的自适应角点检测算法。该算法使用小掩膜筛选出仅可能是直角顶点的那些点交予大的环状掩膜进行再过滤,掩膜形状和尺度、局部二值化阈值及相关的系列过滤条件的选定充分融入了DPM区域知识。实验结果表明,在样本为160幅DPM图像的实验中,DPM角点平均检出精度为88%。所提出的算法在面对复杂条件下的DPM图像时,有能力在检出DPM区域角点的同时抑制掉绝大多数非DPM区域角点。     

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。     

双目视觉的立体标定方法

为实现双目视觉系统的立体标定,分析了摄像机成像模型,并充分考虑了透镜的径向畸变和切向畸变,提出了一种新的立体标定算法。该算法利用张正友的灵活标定算法,初步求取摄像机的内参数,结合Brown算法并提取图像中角点的子像素级坐标,精确求取摄像机内参数和畸变向量。为方便后续的图像校正,基于前面的单个摄像机标定,通过计算空间中的景物点在左右摄像机成像平面上的位置关系,计算出双目视觉系统中两个摄像机之间的旋转矩阵R和平移向量T,从而实现了立体标定。实验结果表明,该算法能取得较高的精度,可以应用于双目视觉系统。     

点到弦距离累加的自适应角点检测

提出了一种自适应角点检测算法(ACPDA),以解决CPDA算法采用全局阈值去除伪角点所存在的缺陷,即无法正确处理邻近角点、钝形角点和圆形角点的问题。该算法的优势主要包括:1)提出了角点邻域再检测方法,实现对邻近角点的有效检测,同时使角点定位更加精确;2)为每条曲线构造了一个曲线自适应阈值来去除伪角点,避免了钝形角点的丢失;3)构造角点局部自适应阈值来有效去除圆形角点。对比实验表明,ACPDA算法降低了漏检角点数和伪角点数,具有更好的检测性能。     

城市交叉路口背景提取与车道标定算法

目的 为解决车辆对车道标记的遮挡问题,提出一种新的背景提取算法,同时基于透视变换实现了城市交叉路口的多车道标定。方法 首先,通过均值与帧间差分方法的融合,进行城市交叉路口的背景稳定与更新;然后,利用Canny算子及Hough直线检测得到各类直线;其次,基于透视变换、聚类分析和先验知识建立了车道线的筛选数学模型,实现了车道线标定;最后,通过实验对算法进行了验证。结果 采用10min长度、分辨率为2592×2048像素的某城市交叉路口实际监控视频进行交叉路口背景提取。本文算法的背景提取准确率比均值法和传统高斯混合模型法分别提升20%和30%左右,车道线标定也优于其他类似方法。结论 算法具有收敛速度快、准确率较高、稳定性较好等特点,在车流量大时可快速更新并消除车辆虚影,适用于光照条件正常的城市交叉种口的车道线标定。     

图像边缘轮廓自适应阈值的角点检测算法

目的 基于边缘轮廓的角点检测算法的检测性能虽然相对比较稳定,但是它对边缘轮廓的局部变化敏感,并且只是给予一个经验门限去提取角点,为此提出一种对局部变化和噪声稳健的基于图像边缘轮廓自适应阈值的角点检测算法。方法 该算法利用各向异性高斯方向导数滤波器对不同边缘和角点模型进行表征,提取表征边缘和角点的灰度及几何变化的不变属性,并通过正则化计算得到区别边缘和角点的自适应阈值。该算法首先利用Canny边缘检测器检测输入图像的边缘映射并从边缘映射中提取出边缘轮廓;然后利用各向异性高斯方向导数滤波器对所提取出的边缘曲线进行滤波平滑,计算出每一像素点的响应并与自适应阈值作比较,把响应大于阈值的点作为候选角点;最后,对候选角点进行非极大值抑制得到最终角点集。结果 提出的算法分别与Harris算法,He & Yung算法,以及ANDDs算法在仿射变换和高斯噪声的实验环境下进行比较,其性能指标为平均重复率与定位误差;并且对每个角点检测算法在无噪声和有噪声的情况下进行了角点匹配比较。4种算法的两个指标的平均排名为Harris 3.375,He &Yung 2.625,ANDDs 2.625,本文算法 1.375。本文算法在仿射变换以及高斯噪声的情况下有着良好的平均重复率和定位误差,优于其他3种算法。匹配实验中的错误点以及丢失点也少于其他3种算法。结论 图像的特征检测在计算机视觉领域是一个重要的课题,在许多视觉系统中,检测特征往往作为复杂计算的第1步。因此,这一步的可靠性会极大地影响着视觉系统整体的结果。而角点作为图像的重要特征,对其研究具有重大意义。本文算法不同于传统的基于边缘的角点检测器仅利用边缘轮廓的信息,还利用到图像边缘像素的灰度信息。而且,本文算法还采用一个自适应全局阈值,避免了角点的误判。正则化的灰度变化有效减少了噪声或者光照对检测性能的影响。通过角点匹配实验、仿射变换实验以及高斯噪声实验,可以看出,本文的角点检测器拥有良好的检测性能,并且对噪声具有稳健性。     

基于对称性特征的棋盘方格角点自动检测算法

提出了一种针对棋盘方格角点的自动检测算法,用于摄像机标定过程中控制点的精确提取。该算法在分析现有算法的优缺点的基础上,结合棋盘标定物的几何特征,进行从粗到精的角点提取和坐标精确定位。首先粗略确定角点所在区域,然后在区域内应用对称性特征实现坐标的精确提取。实验表明,该算法能自动、有效地对控制点进行自动检测和精确提取。