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.     

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.     

针对棋盘格角点快速检测的一种新方法

棋盘格图像在摄像机标定及视觉检测中有着广泛的应用。针对目前棋盘格图像角点检测的局限性,提出了一种棋盘格图像角点快速检测方法。该方法是利用存在过渡区和角点处灰度分布的独特性质,设计了环形检测方法。仿真及实测实验结果表明：该方法实时性强,对棋盘格图像的旋转变换、亮度变换和边缘模糊具有良好的适应性;与经典Harris角点检测算法相比,易于实现、计算量小。     

一种自动检测棋盘角点的新算法

提出了一种自动获取棋盘角点的新算法。该方法采用由粗到精的多层次检测策略,通过综合使用Radon变换、Harris算子以及Forstner算子,能够快速准确地提取出图像中的棋盘点。与传统方法相比,该算法具有两个明显的优点：无须人工干预,能够自动确定角点位置;定位精度高,角点的平均位置偏差在0.1个像素以内。     

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。     

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。     

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。     

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。     

摄像机标定中亚像素级角点检测算法

针对摄像机标定中棋盘图像的角点检测问题,提出一种简单而有效的亚像素级角点检测算法.综合使用Harris算子、SVD方法、内插值法以及Forstner算子,能快速准确的提取棋盘图像的角点.该方法具有两个明显优点:利用SVD方法,能够自动去除歧义角点;定位精度高,摄像机标定实验中,角点的平均位置偏差在0.1个像素左右.     

交通事故现场相机标定技术研究

在分析了交通事故现场处理特点的基础上,提出了基于棋盘格模板的照相机标定方法,即从不同角度拍摄多幅含有棋盘格模板的现场图像,在Tsai两步法的基础上先对相机进行线性标定,然后基于极大似然估计进行非线性优化,最后进行图像校正,获得照相机模型参数。实验结果表明该方法标定精度高,抗噪性能稳定,标定物简单,更加灵活易用。     

一种摄像机亚象素线性标定方法

提出了一种考虑径向畸变的摄像机线性标定方法。采用一个方格图样模板进行标定,先利用改进的Harris算子精确提取角点的亚象素坐标,通过预标定获得主点坐标;然后在考虑摄像机径向畸变的情况下建立摄像机模型,并求解摄像机内外参数。实验及误差分析表明:该标定方法具有较高的精度和较好的实时性。     

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Harris算子的棋盘式标定点自动提取方法

Harris算子是在计算机视觉领域使用非常广泛的点特征提取算子,它算法简单,而且稳定,但当在光照、震动等复杂情况下,准确率却达不到实际应用的要求。由棋盘角点周围灰度中心对称的特征,提出了一种基于Harris算子改进的棋盘角点自动提取方法。实验证明,该方法可以准确地自动提取标定点,有效地提高标定的精度。     

Harris角点检测的优化算法

针对Harris角点检测算法中提取出较多的伪角点和计算量大的问题,提出了一种基于Harris角点检测的改进算法. 为抑制Harris角点检测中的伪角点数目并且提高算法的效率,首先加入预筛选得到候选角点,在计算水平和垂直方向梯度时,对于梯度较小的像素点进行预处理,在进行非极大值抑制时采用自适应阈值,提高算法自适应性,最后利用USAN对角点进行进一步选择. 实验结果表明,改进的Harris角点检测算法不仅提高了检测精度和效率,而且对噪声具有一定的鲁棒性.     

一种自适应的Harris角点检测算法

分析Harris角点检测算子的实现原理及其不足,提出一种基于图像分块和邻近角点剔除策略的自适应Harris角点检测算法,检症测出的角点均匀分布,有效避免了角点聚簇现象。实验结果表明,该算法检测出的角点分布更均匀合理,能很好地适应图像拼接等实际 应用。     

散焦模糊量估计的相机加权标定方法

相机标定在计算机视觉领域中有着至关重要的作用.绝大多数相机标定方法假设相机为针孔模型,且需要良好聚焦的图像来保证相机内外参估计的准确性.然而,这些条件会受到相机景深的影响.在薄透镜相机模型假设下,提出了一种加权相机标定的方法,其权重考虑了控制点的模糊量信息.首先对棋盘格标定物上的每一个角点进行散焦模糊量估计,在标定过程中,将散焦模糊量的大小作为一个权重加入到标定能量函数最小化过程中,使得标定精度得到提高.该方法简单高效,不需要额外的数码设备或者特别定做的标定物.在Intel Core i7处理器的计算机下,使用合成数据以及真实数据上进行的实验结果表明,文中方法能够有效减小重投影误差,提高张正友标定方法的标定精度.     

基于改进Harris算法的角点检测

提出了一种改进的Harris角点检测方法.该方法在Harris角点检测求得角点响应函数后,利用双掩膜来定义进行非极大值抑制的局部范围,结合K均值聚类方法进行非极大值抑制,若像素点的角点响应函数值满足预设角点判定条件,则将该像素点定义为角点.实验结果表明,该方法无需进行阈值选择,提高了角点检测精度.