一种基于旋转不变性的角点检测方法研究

针对显微立体视觉标定过程中,因显微成像产生的畸变和模糊而造成棋盘格标定板角点误检的问题,提出一种基于旋转不变性的角点检测方法,研究了棋盘格角点间的几何特征,对所有特征角点进行排序,通过实验建立数学模型,计算筛选的特征角点的置信度,准确提取出棋盘格角点位置,并通过一系列实验对这种方法的准确度、噪点数量以及精度进行验证。结果表明,基于旋转不变性的棋盘格角点检测方法,准确率达到91.2%,重投影误差的均方差约为0.1像素,具有较高的准确性和精度。     

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的更加精确。该实验结果可应用于摄像相标定中。     

使用12像素对称模板的棋盘格内角点检测

棋盘图像的角点提取问题往往决定着三维测量中摄像机标定的精度。针对SUSAN（Smallest Univalue Segment Assimilating Nucleus）算法无法区分棋盘标定板内角点与边缘点的缺陷,提出一种12像素对称灰度模板检测算法。该算法首先根据棋盘格内角点周围像素的中心对称性分布,设计一种12像素对称USAN模板,可以迅速区分出内角点与边缘点,同时将内角点与平坦区域作为候选点。再结合灰度均方差算子,利用平坦区域灰度方差较小的特点将其剔除,最终实现对棋盘格内角点的高效检测。同时,该算法在检测过程中完全摒除易受外界因素影响的外圈角点,以保证角点提取时的精度。实验结果表明:新算法对9阶棋盘格的检测时间为1.244577s;用于张正友标定方法之后,得到的检测重投影误差仅为[0.3,0.3]像素。这两项指标,均优于传统SUSAN算法。     

基于角点灰度分布特征的棋盘格角点检测

在摄像机标定过程中,较差的光照条件和镜头畸变会造成棋盘格角点漏检和角点冗余。分析了角点的灰度分布特性,提出一种基于角点灰度分布特征的棋盘格角点检测算法。为确保在较差光照条件和镜头畸变下,棋盘格图像角点不漏检,算法首先利用角点的灰度分布特性提取候选角点;然后通过迭代的方式提高候选角点的精度并再次结合棋盘格角点的灰度分布特性剔除候选角点中非角点处的伪角点,避免棋盘格角点冗余;最后通过角点处的邻近点合并获得最终的棋盘格角点坐标。实验结果证明,在较差的光照条件和镜头畸变条件下,本算法角点无漏检和冗余。将该算法提取的棋盘格角点应用于摄像机标定,结果显示重投影误差的均方差在0.1pixel范围以内,优于其他算法。     

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。     

相机标定的精度影响实验分析

相机标定是机器视觉中的必要步骤,标定效果直接影响后续的测量精度.在张正友标定方法的基础上,对棋盘格尺寸、标定图片数量、棋盘格打印方式3个方面进行实验分析,实验过程中通过控制变量法进行对比实验.实验结果表明,棋盘格尺寸选择10～15 mm时标定效果较好;当棋盘格角点数目相同时,棋盘格尺寸越大,标定所需的图片数量越多;当棋...     

火炮身管指向的视觉测量方法

为解决自行高炮火控系统精度测试过程中的身管指向(高低角和方位角)这一难题,提出一个基于计算机视觉技术的非接触测量方法。测量前,在火炮身管上固定一个棋盘状平面模板作为测量标志物。首先,将Harris算法提取到的棋盘板上的角点坐标进行相机成像模型的解算(即相机标定),结合扩展卡尔曼滤波(EKF)算法得到相机的内参。然后,提取待测位置图像的角点,运用最小二乘拟合算法解出该位置的外参矩阵。最后,根据身管的运动模型以及标志物与之的相对位置关系,推导高低角、方位角与外参矩阵满足的约束方程,进而解出这两个角度。实验结果表明,本文方法的测量精度达到了0.1°以内,基本满足实际需求。     

基于平面模板的摄像机两步标定方法

摄像机标定是计算机视觉中的一个重要问题.基于平面模板的摄像机两步标定方法,该方法只要平面模板在摄像机前运动,并拍摄其不同位置的图像,标定中提取平面模板在每个位置获得图像的网格角点,建立每幅图像对应的单应性矩阵,第一步线性求解内外参数,第二步对线性结果进行非线性优化,实验结果表明该方法具有较高的精度,而且简单、有效、实用.     

投影仪标定中的相位误差补偿

为了减小由投影仪-摄像机γ非线性引起的红蓝棋盘格标定板相位误差,分析了非线性相位误差的产生原因和表现特征,建立了非线性相位误差和相位主值之间的数学模型,由该模型得到相位误差补偿矩阵并修正展开相位;同时采用MATLAB仿真并结合相关试验对该算法进行了验证。结果表明,误差补偿后棋盘格平面展开相位的均方根误差从0.0836rad下降到0.0218rad;由γ非线性引起的棋盘格角点在标靶图像中像素坐标的最大误差值约从补偿前的0.3pixel降低到0.1pixel。该方法有效减小了由投影仪-摄像机γ非线性引起相位误差,提高了标靶图像的角点坐标精度。     

基于Halcon的图像拼接算法研究

提出了一种基于机器视觉软件MVTec Halcon的图像拼接算法.该算法首先对摄像机进行标定,以及对图像进行预处理,然后采用Harris角点检测提取特征点,接着检测出的角点经归一化互相关匹配后使用RANSAC（random sample consensus,随机抽样一致性算法）算法剔除误匹配点,估算单应性矩阵,最后用改进的加权融合方法进行图像融合.针对提出的算法编制了相应的软件,并进行了拼接实验,结果表明该方法可以快速有效地对图像进行无缝拼接,精度可达到0.02mm.     

基于彩色同心圆的投影仪标定算法

本文研究主动视觉系统中投影仪的平面标定方法。用固定的投影仪向画有青色同心圆的标定板上投影黄色与洋红色相间的棋盘格,用固定的摄像机采集若干幅标定板不同朝向的图像,对采集图像进行颜色通道过滤,得到投影仪标定所需的同心圆分量和棋盘格分量,结合摄像机投影仪图像之间的映射关系和同心圆的秩2约束来标定投影仪。此方法仅需用三幅图像,不仅可以标定出投影仪的所有内参数(包括倾斜参数),如果再一步深入,还可以标定出摄像机的内参数矩阵和主动视觉系统的外参数矩阵。实验结果表明本文的标定算法精度比较可观。     

基于多视觉线结构光传感器的大尺度测量方法

为解决现有线结构光大尺度测量标定复杂、精度不高的问题,提出了一种基于多视觉线结构光传感器的大尺度、高精度测量方法。多视觉线结构光传感器含1个激光器和多个等间距并排的相机(一主多从),相互间有1/3左右重叠视场(OFOV),光束覆盖所有相机视宽。传感器标定只需简易的棋盘格靶标,按张氏标定法采集靶标图像、标定传统参数;此外,考虑相机视角的不变性,利用OFOV内标定图像的已知特征角点,经图像配准可预标定相邻相机图像拼接的变换矩阵。变换矩阵的逐步连乘得到任意从相机图像转换到主相机成像平面的透视变换模型(PTM)。该方法通过各相机同步采集大尺度物体的局部光条图像,再利用PTM将所有局部光条快速拼接成完整的光条图像,最终经光条坐标提取、换算得到光条位置的三维坐标。实验结果表明:与已有方法相比,该方法使用简便、精度更高,重构模型平均构造深度与真实模型仅差8.3%。     

基于神经网络的焊缝跟踪系统视觉标定方法

文中提出一种基于深度神经网络的焊缝跟踪系统机器人视觉标定方法，实现了机器人的简单快速标定。将焊缝跟踪传感器安装在机械臂末端，使用线激光器对被检测角点进行定位，工业相机拍摄对应的标定棋盘图像，用角点提取算法获取到相应棋盘格点的数字图像坐标，并通过示教器读取机械臂的各个关节角，利用神经网络极强的非线性映射能力，将其传入训练好的BP神经网络进行三维空间坐标的预测。此方法能够实现机器人的快速标定，避开传统标定方法中复杂的非线性运算，并减少坐标转换间的累积误差。实验结果表明，基于神经网络的标定方法具有较高的精度，且标定过程简单，为机器人视觉标定提供了一种新的方法。     

基于单角区域特征的烟标图像配准方法

实时图像与标准图像高效配准是保证烟标质量检测效率的关键步骤之一。根据烟标的结构和印刷工艺，提出了一种单角区域配准方法。所提单角区域配准法包括粗配准和精配准两步：粗配准利用烟标的边界特征调整烟标在图像中的姿态和位置，并去除图像中的冗余像素；精配准利用单角区域中的特征点求出实时图像与标准图像之间的单应性矩阵，然后利用单应性矩阵完成配准。实验结果表明，所提单角区域配准方法在烟标图像的配准速度和效果上优于尺度不变特征变换、ORB和AKAZE算法，能满足烟标质量检测的实时性要求。     

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。     

飞行时间深度相机和彩色相机的联合标定

飞行时间（TOF）深度相机等深度传感器可以实时、准确地获取深度信息,在计算机视觉领域受到广泛关注。本文以获取同一视野下场景的纹理信息和深度信息为目的,在传统的棋盘格标定方法基础上,针对TOF深度相机的低分辨率和较大的径向畸变的特点,采用角点稀疏的棋盘格作为标定板以提高角点检测的精度,提出一种TOF深度相机和彩色相机的联合标定方法。首先对彩色相机和深度相机单独标定,使用传统的棋盘格标定方法获得彩色相机的内部参数,对使用深度相机所拍的强度图进行畸变校正后再求得深度相机的内部参数。然后,固定两相机内参,多次实验获得两相机之间的相对位置关系,并使用最小二乘法进行优化。实验结果表明,该方法标定精度高,彩色相机的重投影误差最多可减小0.15个像素,深度相机的重投影误差最多可减少0.09个像素,根据标定结果将深度相机所得的深度图投影到彩色相机的视野下所得的投影深度图能和彩色图像精确对齐。      

基于双目视觉的医疗机器人摆位系统测量方法

为了实现精确放疗过程中精确定位和肿瘤位置的精确测量,建立了基于双目视觉的医疗机器人摆位测量系统,并对系统所采用的摄像机标定方法、标记点识别及其三维坐标计算、摆位系统的位置验证等算法进行研究。建立基于双目视觉的医疗机器人摆位测量系统;提出了一种对摄像机采用基于平面棋盘格和立体标定模板相结合的摄像机标定新方法;采用Roberts梯度算子对图像分割的方法,识别标记点中心并计算其三维坐标;通过比较基于双目视觉计算和三维坐标测量仪器测量的各个标记点三维坐标的摆位误差,实现放疗过程中位置验证和精确摆位。实验结果表明:摄像机的标定精度为36.5×10-3 mm和各个标记点的三维坐标平均偏差为δX=0.573mm、δY=0.495mm、δZ=0.430mm,测量方法可获得较高的标定精度和摆位精度,能满足精确放疗对高精度摆位系统的临床需求。     

彩色图像特征点检测算子

图像特征点的定位检测是计算机视觉中的一个关键问题，特征点检测算子的性能会直接影响到相机参数标定和视觉测量结果。本文在传统的Harris灰度图像的特征点检测算子基础上，利用彩色图像RGB三分量数据融合，提出了彩色图像特征点检测算子；提出了2个空间位置约束条件，使检测到的特征点均匀分布在图像各个区域；还提出了采用Bilateral滤波器取代Gaussian滤波器，得到一种既能保持边缘信息又能有效平滑噪声的图像滤波方法。通过对加噪彩色图像的特征点检测实验证明所提方法特征点定位准确，分布合理，抗噪声干扰性能好。     

光场相机标定中亚像素角点检测方法研究

针对光场相机标定中亚像素棋盘角点检测速度慢、检测精度不高等问题,该文提出一种基于双曲正切模型的亚像素精度棋盘角点检测方法。首先,采用灰度差分与模版相结合的筛选策略进行初始角点集的筛选;然后,应用一种区域灰度自适应角点检测算法获取候选角点集;最后,建立候选角点的双曲正切模型,对亚像素级候选角点的灰度分布进行拟合,通过对模型进行优化从而剔除伪角点并精确定位亚像素级棋盘角点。该方法在光场相机标定中达到98%的角点检测率,重投影误差低于0.83像素。实验结果表明,所提方法不仅可以快速提取更多的角点,同时能有效剔除伪角点,提高亚像素角点检测精度。