CN101206116B - 目标点全局自动定位方法 - Google Patents

Abstract

一种摄影测量图像中目标点全局自动定位方法，包括：执行目标点的粗定位以粗略确定目标点的中心位置；根据目标点粗定位的结果，执行目标点的精定位精确确定目标点的中心位置。目标点可以是白色的或者黑色的。在所述粗定位中，根据图像中目标点的高亮特征来预先设定二值化阈值。在所述精定位中，根据目标点粗定位的结果来动态确定包含目标点的最小区域。该方法只需预先设定四个参数，即可一次性获取图像中的所有特征点的图像坐标，极大地提高了视觉测量的效率和自动化程度。

Description

目标点全局自动定位方法

技术领域

本发明涉及一种摄影测量图像中目标点定位方法，更具体地讲，涉及一种摄影测量图像中目标点全局自动定位方法。

背景技术

近景摄影测量是通过摄影和后续的图像处理及摄影测量处理的相关技术以获取待测目标形状、大小和运动状态的一种测量技术。一般地，凡可摄取其影像的目标，均可作为近景摄影测量的对象。具体实施中，需要从不同站位拍摄若干幅图像，求取点群在不同像面上的图像坐标作为原始数据，最后按照一定的算法获取目标点群的三维空间坐标。点群的构成是通过在待测目标上布置若干标志点作为目标点或者控制点，一般选用圆形回光反射标志作为标志点，以便从不同角度都能获得高清晰和高对比度的点群图像。根据透视投影变换固有的特性，圆形的回光反射标志点在摄像机成像平面上所成的像一般为椭圆，该椭圆中心的图像坐标就代表圆形标志点(成像在像面上的椭圆形标志点即为待求的目标点，以下称像面上的椭圆标志点为目标点)，因此求取像面上椭圆中心的坐标是摄影测量处理的首要工作。

一般地，在物体上布置的圆形回光反射标志的数量和密度是根据待测物体的大小、形状以及实际测量精度要求来决定的。当进行大尺寸物体面形测量时，应在物体上布置较多的回光反射标志点，如果物体还具有较复杂的自由曲面部分，则在此部分需要布置更多标志点，以便获取大量的数据来满足后续的面形拟合等任务要求。但传统的目标点定位方法是对每幅图像的每个目标点坐标进行逐一求取，这是一件十分繁琐的工作，大大降低了测量效率。

针对以上现有技术获取目标点中心坐标效率低下的问题，本发明提出了一种能够提高视觉测量的效率和自动化程度的目标点全局自动定位方法。

发明内容

在下面的描述中将部分地阐明本发明另外的方面和/或优点，通过描述，其会变得更加清楚，或者通过实施本发明可以了解。

根据本发明的一方面，提供了一种摄影测量图像中目标点全局自动定位方法，包括：执行目标点的粗定位以粗略确定目标点的中心位置；根据目标点粗定位的结果，执行目标点的精定位以精确确定目标点的中心位置，其中，目标点为白色或黑色。

附图说明

通过下面结合附图对实施例进行的描述，本发明总的发明构思的这些和/或其他方面和优点将会变得清楚和更易于理解，其中：

图1是表示根据本发明的目标点全局自动定位方法的流程图。

图2是表示图1中的粗定位的详细流程图。

图3是表示图1中的精定位的详细流程图。

图4是表示图3中的步骤S310的详细流程图。

具体实施方式

现在将参照附图对本发明进行更充分的描述，其中，本发明的示例性实施例表示在附图中。

图1是表示根据本发明的目标点全局自动定位方法的流程图。

参照图1，在步骤S100中，执行目标点的粗定位。也就是说，粗略确定目标点的中心位置。

在步骤S110中，根据目标点粗定位的结果执行目标点的精定位。也就是说，精确确定目标点的中心位置。

在执行步骤S110之后，可保存经精定位后得到的最终的点数据。

图2是表示图1中的粗定位的详细流程图。

参照图2，在步骤S200中，对灰度图像(由拍摄的彩色图像转换而得到，或直接拍摄灰度图像)进行二值化处理。

由于人工标志点具有的回光反射特性，实际拍摄时，标志点在特定光源(如闪光灯)的照射下，反射的亮度较周围漫反射表面高出数百倍，那么在不同角度采集的图像中，控制点或目标点在整幅图像中十分明显，按照0～255灰度级，其灰度值一般会达到200以上。目标点的粗定位正是基于这个事实，首先将拍摄的图像进行二值化处理，其二值化阈值的确定可以根据每幅图像中大部分目标点的亮度确定。例如，大部分目标点的亮度都在180以上，则该二值化阈值为180。这样，在经过二值化处理的图像上，目标点就会凸现出来。

在步骤S210中，按照8连通原则执行区域分割，并对每个分割后的连通区域进行标记处理，使得每个区域(即，目标点)拥有不同的标记值，以区分各个连通区域。

在步骤S220中，对各个区域计算其区域面积S，也就是像素个数，排除S＞Smax和S＜Smin的区域，其中，Smax是最大面积阈值，Smin是最小面积阈值，Smax和Smin可通过根据具体图像中目标点的大小特征估计最大和最小目标点所占像素面积(即所占像素个数)来相应地设置。

实际测量中经常出现两种情况：一种情况是有些待测物体表面较为光滑，反射率很高，从某些角度拍摄图像时会存在大片亮斑的现象，其灰度甚至大于回光反射标志；另外一种情况是出现孤立的非目标亮点，这些亮点所占像素极少，一般3～5个像素，其灰度值较大。通过在上述步骤S220中根据图像目标点大小特征设置目标点的像素面积阈值Smax和Smin，可以剔除大片高亮区域和孤立亮点，达到排除非目标点的目的。

在步骤S230中，计算余下的各个连通区域的重心(即余下的各个连通区域的粗略的中心位置)并存储。执行该计算操作时，可使用简单的形心法以提高计算效率。

在剔除掉大片高亮区域和孤立亮点之后，余下的连通区域即为各个目标点区域。一般地，对于一幅含有大约200个目标点的3000×2000像素的图像，步骤S100(即从S200～S230)中的计算步骤仅需4″～8″的计算时间。

图3是表示图1中的精定位的详细流程图。

参照图3，在步骤S300中，读取通过粗定位确定的目标点的中心坐标。

在步骤S310中，动态确定包含目标点的正方形区域。步骤S310仍在步骤S100处理得到的二值图像上进行，以确定只包含单个目标点的较小区域。

在步骤S320中，将步骤S310中确定的区域映射到灰度图像中，用最佳阈值法获得二值化阈值以二值化该正方形区域，并进一步获取该正方形区域中目标点的区域。

在步骤S330中，进行目标点的边缘检测，以获取该目标点的边缘。当进行目标点的边缘检测时，可利用数学形态学的方法。优选地，当进行目标点的边缘检测时，还获取目标点的面积信息及周长信息(可利用数学形态学的方法来获取)，通过利用目标点的面积信息和周长信息可判断目标点的圆度，并相应地剔除非椭圆目标点。

在步骤S340中，利用边缘进行椭圆拟合，并剔除误差较大的边缘点，以获取最终精确的目标点中心。

图4是表示图3中的步骤S310的详细流程图。

参照图4，在步骤S400中，对于每个目标点，以粗定位获得的点坐标为中心，以整个像面上最大目标点的直径为边长作为初值，初步确定目标点所在的正方形区域。这样，目标点就会位于区域的中心位置。所述最大目标点的直径可通过根据具体图像中最大目标点的大小特征来预先设定。

由于是按照最大目标点的直径确定正方形区域的边长，因此对于一些分布较为密集的小目标点，尽管也会位于正方形区域的中心，但与其相邻的一个或多个目标点的部分或全部可能会出现在正方形区域内。因此，为了保证每个正方形区域只有一个目标点存在，在步骤S410中，在该正方形区域内，进行区域分割，并计算每个连通区域的面积(方法同图2中的步骤S210、S220)，只保留面积最大的目标点，其他区域像素值设置为0。

在步骤S420中，在只含有一个目标点的正方形区域内，获取该目标点的所有像素坐标，利用最小闭合圆的方法，确定包围所有这些像素的最小的圆的半径R和圆的中心坐标。

在步骤S430中，以上述最小的圆的直径D(即，2R)作为新的正方形边长，以包围所有这些像素的最小的圆的中心为正方形中心，确定新的正方形区域。为了避免目标点边缘重合于正方形区域的边缘，可以适当设置2R+nR为正方形区域的边长，例如，n取0～0.5，但目标点中心不变。

由于初始正方形区域的大小是根据最大目标点的直径确定的(步骤S400)，通过动态地调整目标点所在区域范围后，每个区域就会根据目标的大小较为合适的确定下来，不但可以避免相邻目标点的影响，提高了目标点中心定位的精度，而且还可以减少对每个目标点所在区域进行边缘检测的计算量。

在以上图4的描述中，通过执行步骤S400至S430最终确定包含目标点的正方形区域。然而，动态确定的包含目标点的区域也可以是圆形区域。也就是说，在步骤S420中利用最小闭合圆的方法确定了包围所有这些像素的最小的圆之后，可将以该最小圆的中心为圆心并且以R+nR(n取0～0.2)为半径的圆形区域作为动态确定的包含目标点的区域，而不再执行步骤S430。

在近景摄影测量中，一般的回光反射标志为白色反光点，在光源的照射下，在像面上会呈现高亮显示。但在某些应用中，特征点是黑色的，例如用来进行相机标定的靶标，通常是由白色背景黑色圆形靶点组成。根据本发明，也可处理黑色特征点，其操作过程与白色点基本相同，只是在执行步骤S200之前，需要先将灰度图像进行灰度反转。具体地讲，如果灰度图像中一个像素的灰度值为x，则反转后的图像中该像素值变为255-x。

根据本发明，在进行实际计算之前，需要设定阈值参数，需要设定的四个参数为：步骤S200中使用的二值化阈值、步骤S220中使用的最大面积阈值Smax和最小面积阈值Smin以及步骤S400中使用的最大目标点的直径。选取合适的参数阈值对计算的速度和效率有一定的影响。例如，如果最大直径值设置的较大，那么对于较小的目标点，当确定该目标点所在正方形区域时，与之较近的另一目标点的一部分甚至全部可能会出现在同一个正方形区域内，这样为了保证该区域内只有一个目标点，就需要额外的计算以便排除其它目标。因此，最大直径设置过大会影响计算的效率。实际计算中，在不确定以上参数的情况下，可以根据经验和目测来进行1～3次的参数调整，以此确定较为合适的参数值。

在某些情况下，图像中目标点大小差别较大，此时选取适合大部分目标点的参数几乎是不可能的，为此可进行二次计算，即首先针对大目标点设置一组阈值参数，提取出大目标点中心坐标，如较大的圆形编码点，然后再次针对小目标点设置另一组阈值参数并计算，经过两次即可将整幅像面上的目标点全部求出。这样，避免了一组阈值求所有特征点时存在的精度损失的问题。

本发明针对大尺寸视觉测量中获取目标点中心坐标效率较低的问题，提出了一种目标点全局自动定位方法，该方法首先利用回光反射标志点的强反射特性粗定位目标点所在的区域，然后动态地调整每个目标点的区域并利用椭圆拟合方法进行精确中心定位。在实际计算之前，只需预先设定四个参数，即可一次性获取图像中的所有特征点的图像坐标，大大提高了视觉测量的效率和自动化程度，同时点中心的精度仍可达到0.1像素级。

尽管已参照本发明的特定优选实施例表示和描述了本发明，但本领域技术人员应该理解，在不脱离由权利要求限定的本发明的精神和范围的情况下，可以对这些实施例进行各种形式和细节上的修改。

Claims (9)

1.一种摄影测量图像中目标点全局自动定位方法，包括：

执行目标点的粗定位以粗略确定目标点的中心位置；

根据目标点粗定位的结果，执行目标点的精定位以精确确定目标点的中心位置，

其中，目标点为白色或黑色，

其中，所述目标点的精定位包括：

根据目标点粗定位的结果，动态确定包含目标点的区域；

如果目标点为白色，则将已确定的区域映射到灰度图像中，用最佳阈值法获得分割阈值并获取目标点区域，如果目标点为黑色，则将已确定的区域映射到反转的灰度图像中，用最佳阈值法获得分割阈值并进一步确定目标点区域；

利用数学形态学的方法进行目标点的边缘检测，以获取目标点的边缘，当利用数学形态学的方法进行目标点的边缘检测时，还获取目标点的面积信息及目标点的周长信息，通过利用目标点的面积和周长信息判断目标点的圆度来剔除非椭圆目标点；

利用边缘拟合椭圆，并剔除误差较大的边缘点，以获取精确的目标点中心。

2.如权利要求1所述的方法，其中，如果目标点为白色，则所述目标点的粗定位包括：

对灰度图像进行二值化处理，其中，二值化阈值是预先设定的；

执行区域分割，对二值化的图像进行标记处理以区分各个连通区域；

对各个连通区域计算区域面积，并根据预先设定的面积阈值排除非目标点的连通区域；

计算余下的连通区域的中心位置。

3.如权利要求1所述的方法，其中，如果目标点为黑色，则所述目标点的粗定位包括：

对灰度图像进行灰度反转；

对反转的灰度图像进行二值化处理，其中，二值化阈值是预先设定的；

执行区域分割，并对二值化的图像进行标记处理以区分各个连通区域；

对各个连通区域计算区域面积，并根据预先设定的面积阈值排除非目标点的连通区域；

计算余下的连通区域的中心位置。

4.如权利要求2或3所述的方法，其中，所述二值化阈值是根据灰度图像或反转的灰度图像中目标点的高亮特征来预先设定的。

5.如权利要求2或3所述的方法，其中，所述预先设定的面积阈值包括最大面积阈值和最小面积阈值，当根据所述预先设定的面积阈值排除非目标点的连通区域时，排除面积大于最大面积阈值的连通区域和面积小于最小面积阈值的连通区域。

6.如权利要求2或3所述的方法，其中，当计算余下的连通区域的中心位置时，使用形心法。

7.如权利要求1所述的方法，其中，动态确定的包含目标点的区域是正方形区域或圆形区域。

8.如权利要求7所述的方法，其中，如果动态确定的包含目标点的区域是正方形区域，则所述动态确定包含目标点的区域的步骤包括：

对于每个目标点，以粗定位获得的点坐标为中心，以整个像面上最大目标点的直径为边长作为预先设定的初值，初步确定目标点所在的正方形区域；

在已确定的正方形区域内，进行区域分割，并计算每个连通区域的面积，确定面积最大的连通区域作为目标点，并剔除面积非最大区域，以保证每个区域只有一个目标点；

用最小闭合圆的方法确定包围上述确定的目标点的所有像素的最小圆的半径R和该圆的中心坐标；

以2R+nR作为新的正方形边长，以该圆中心为正方形中心，确定新的正方形区域，

其中，n取0～0.5。

9.如权利要求7所述的方法，其中，如果动态确定的包含目标点的区域是圆形区域，则所述动态确定包含目标点的区域的步骤包括：

对于每个目标点，以粗定位获得的点坐标为中心，以整个像面上最大目标点的直径为边长作为预先设定的初值，初步确定目标点所在的正方形区域；

在已确定的正方形区域内，进行区域分割，并计算每个连通区域的面积，确定面积最大的连通区域作为目标点，并剔除面积非最大区域，以保证每个区域只有一个目标点；

用最小闭合圆的方法确定包围上述确定的目标点的所有像素的最小圆的半径R和该圆的中心坐标；

以R+nR作为半径，以该圆中心为圆心，确定圆形区域，

其中，n取0～0.2。

Images