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。     

基于单应性矩阵的棋盘格角点检测研究

针对三维视觉测量中棋盘格标定板的角点检测,给出了基于单应性矩阵这一计算机视觉重要工具为基础的检测方法。首先通过点选得到待测角点外接四边形的4个角点坐标,接着利用单应性矩阵映射得到所有角点的初始位置,最后综合内插值法、Harris算子、Forstner算子、SVD方法等方法对所有角点进一步精确定位。实验表明,该方法对棋盘格角点位置检测效果好,能够满足实际应用要求。     

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。     

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。     

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。     

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。     

线结构光条纹中心亚像素自适应提取算法

为了解决传统条纹中心提取算法对物体材质及噪声敏感问题, 采用自适应结构光条纹中心提取算法来提取条纹亚像素坐标。该算法首先对图像进行预处理, 利用图像掩模操作提取条纹图像感兴趣区域, 通过自适应卷积模板消除噪声干扰, 得到条纹区域截面宽度及条纹中心坐标的像素集合; 其次根据中心坐标的像素集合采用二次加权灰度重心法求取条纹中心初始坐标值, 将此作为种子点进行区域生长运算, 并结合主成分分析分解特征矩阵; 最终得到线结构光中心的亚像素坐标点。结果表明, 该算法能够有效快速地获取结构光条纹中心亚像素坐标, 相比灰度重心法, 所提算法实验结果波动性较小且标准误差也相对较小, 提取速度相比基于Hessian矩阵的Steger法提高近4倍, 满足工业测量系统实时性要求。所提出的结构光条纹中心提取算法具有较高的提取精度和良好的稳健性, 计算复杂度低, 具有较高的实时性, 可为后续3维视觉测量系统提供良好的精度保障。     

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。     

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。     

一种快速的亚像素图像配准算法

图像超分辨率重建是在现有红外探测器基础上提升空间分辨率的一种有效方法。超分辨率图像重建是利用一组相互之间存在亚像素位移的低分辨率图像构造出一幅高分辨率的图像,快速、高精度估计图像间的位移是其关键技术之一。提出了一种用于超分辨率重建的亚像素配准算法,算法由特征检测、像素级配准和亚像素级配准三个处理过程组成。在特征检测过程,首先采用梯度算子对图像进行边缘检测,然后对边缘点进行角点预检测,排除非角点像素点,之后再进行Harris角点检测,大大减少了计算量;在像素级配准过程,用NCC算法进行像素级配准,用统计方法去除误匹配点对;在亚像素级配准过程,先对像素级匹配点的邻域进行插值放大,再进行亚像素匹配,误匹配点剔除,相对偏移量计算。对提出的算法进行了仿真实验,结果显示本算法的速度较类似算法速度有较大的提高。     

基于OpenCV的高精度零件角点距离测量研究

提出了一种基于OpenCV的非接触式的测量方案,为提高零件角点的测量精度提出了新的应用方案.首先使用摄像机标定方法来矫正透镜畸变,采用了中值滤波消除噪声,从图像中获得更多的细节和信息,利用哈里斯角点检测和亚像素检测方法实现角点提取.最后,实验分析和比较了基于OpenCV的高精度零件角点测量的应用效果.     

一种改进的图像快速高精度角点检测算法

针对传统的图像角点检测方法精度不高、速度较慢的情况,为提高速度抑制噪声,提出了一种快速、高精度的图像角点检测算法.利用改进的Harris算法提取出候选角点,再通过USAN区域所对应的弧的像元灰度与角点的相似性来完成最终角点的提取,使得处理的数据大为减少,同时能保证检测准确性等其他指标.通过和SUSAN算法、Harris...     

基于改进Harris算法的图像角点检测

针对Harris角点检测算法运行速度慢且单一阚值选取不当容易造成漏检正确角点或提取出较多伪角点的问题,提出了一种快速预筛选方法以提高检测效率,并结合多阈值角点提取及邻近角点剔除策略来改进算法.实验结果表明:单独使用该预筛选方式的改进算法仅用32.71％的时间就可以检测出原算法94.97％的角点;配合多阈值角点检测方法及临近点剔除策略时,改进算法的运行时间仅为原算法的61.94％,且检测出的角点分布更均匀,既能充分代表图像信息又有效地避免了角点簇拥现象.     

一种新的Harris多尺度角点检测

Harris角点检测是一种经典的角点检测算法,但不具有尺度变化特性。该文把多分辨分析的思想引入到该算法中,构造了基于小波变换的灰度强度变化公式,并得到了具有尺度变换特性的自相关矩阵,从而构建了一种新的基于小波变换的Harris多尺度角点检测算法。这样,使得新的角点检测可以在不同的尺度下获取角点,并克服了单一尺度的Harris角点检测可能存在的角点信息丢失、角点位置偏移和易受噪而提取出伪角点等问题。通过对比实验,新算法明显地提高了图像角点检测性能。     

双目视觉中的角点检测算法研究

为了实现双目视觉中的特征提取与立体匹配,在研究现有角点检测算法的基础上,提出一种改进的Harris角点检测算法。该算法首先采用图像分块和邻近角点剔除的策略,实现了阈值的自适应调节,并保证角点分布的均匀和避免角点聚簇的产生。结合Forstner检测算法,将精度提高到亚像素级。编程计算结果验证了该方法的准确性和稳定性。     

Harris角点提取实现亚像素级摄像机自标定

在摄像机自标定过程中,可根据Harris的检测算法提取对角点。该算法简单有效,非常稳定。在图像旋转、灰度、噪声影响和视点变换的条件下,与其他算子相比,是最稳定的一种点特征提取算子。为了获得亚像素级的角点坐标．需要引入迭代算法进行优化。试验证明该方法可大幅度提高摄像机的标定精度。