CN107274454A - 一种圆阵列标定板特征点提取方法 - Google Patents
一种圆阵列标定板特征点提取方法 Download PDFInfo
- Publication number
- CN107274454A CN107274454A CN201710445416.8A CN201710445416A CN107274454A CN 107274454 A CN107274454 A CN 107274454A CN 201710445416 A CN201710445416 A CN 201710445416A CN 107274454 A CN107274454 A CN 107274454A
- Authority
- CN
- China
- Prior art keywords
- center
- point
- ellipse
- coordinates
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 12
- 230000003993 interaction Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种圆阵列标定板特征点提取方法，属于摄像机标定技术领域。本发明首先针对摄像机标定的途径是根据摄像机模型，由已知特征点的图像坐标和世界坐标求解摄像机的模型参数这一关系，分析出特征点提取的精度直接决定标定结果，提出一种新的椭圆圆心特征提取算法，该方法有相对较高的精度，同时很好的解决了现有特征提取算法得到的特征点的图像坐标和空间点坐标的匹配问题，并实现椭圆圆心全自动提取。
Description
技术领域
本发明涉及一种圆阵列标定板特征点提取方法，属于摄像机标定技术领域。
背景技术
摄像机标定的途径是根据摄像机模型，由已知特征点的图像坐标和世界坐标求解摄像机的模型参数，特征点提取的精度直接决定标定结果，现有很多算法特征点提取的精度很高，特征点的图像坐标和空间点坐标的匹配度不高，有时还会出现相互混淆的情况，直接带去计算极大的影响了标定结果。
发明内容
本发明要解决的技术问题是提供一种圆阵列标定板特征点提取方法，首先针对摄像机标定的途径是根据摄像机模型，由已知特征点的图像坐标和世界坐标求解摄像机的模型参数这一关系，分析出特征点提取的精度直接决定标定结果，提出一种新的椭圆圆心特征提取算法，该方法有相对较高的精度，同时很好的解决了现有特征提取算法得到的特征点的图像坐标和空间点坐标的匹配问题。现有很多算法特征点提取的精度很高，特征点的图像坐标和空间点坐标的匹配度不高，有时还会出现相互混淆的情况，直接带去计算极大的影响了标定结果。本算法提取到的特征点圆心精度和匹配相对较高，可重复性好，使后续相机标定的效果更好。
本发明采用的技术方案是：一种圆阵列标定板特征点提取方法，包括如下步骤：
Step1、设计制作圆形阵列(6×8）标定板；
Step2、将标定板置于需要标定的CCD相机视野范围内采集圆形阵列标定板的图像；
Step3、通过调整阈值滑动块调整到合适的位置对采集到的图像进行二值化；
Step4、利用OpenCV中的findContours函数提取图像中所有的轮廓；
Step5、针对每一个椭圆轮廓，直接利用最小二乘拟合算法对椭圆进行拟合，求解出其中心坐标、长轴长和短轴长，并保存在设置好的变量中；
Step6、根据CCD相机畸变相对较小的特点，所采集到的图像中的椭圆的长轴与短轴之比近似等于1，把长轴与短轴之比大于4/3椭圆剔除；
Step7、计算余下椭圆的长轴长和短轴长的平均值；
Step8、由于设计制作的标定板椭圆大小是一样的，图像中所有椭圆轴长相差不大，根据步骤Step7计算得到的轴长平均值，把余下的椭圆中长轴长或短轴长小于3/4或大于5/4轴长平均值的椭圆剔除；
Step9、设定判定范围；
Step10、以人机交互的形式利用鼠标光标手动点出图像上的左上角椭圆圆心；
Step11、以光标点为判定范围的中心，在存有椭圆圆心坐标的变量找到属于该范围内的那个圆心坐标；
Step12、将步骤Step11找到的圆心坐标存储在(point[0][0].x， point[0][0].y)中；
Step13、利用鼠标光标手动点出图像上的右上角椭圆圆心；
Step14、执行步骤Step11找到该范围内的圆心坐标并存储在(point[0][7].x， point[0][7].y)
Step15、利用鼠标光标手动点出图像上的左下角椭圆圆心；
Step16、执行步骤Step11找到该范围内的圆心坐标并存储在(point[5][0].x， point[5][0].y)
Step17、利用鼠标光标手动点出图像上的右下角椭圆圆心；
Step18、执行步骤Step11找到该范围内的圆心坐标并存储在(point[5][7].x， point[5][7].y)；
Step19、根据四个角的圆心坐标和标定板的圆位置分布(6×8）计算所有特征点圆心的相对坐标，并根据步骤Step9中设定的范围以圆心相对坐标为搜索判定范围的中心，判断出所有圆心对应的序号，并存储在(point[i][j].x， point[i][j].y)中；角点提取完成，并最终得到以数组序号i，j为标号图像特征点的坐标。
所述步骤Step1中，所设计的标定板为直径为40mm的实心黑圆，进行(6×8）分布，圆心距为90mm。
所述步骤Step9中，设定的判定范围为1/4轴长为边长的矩形方框。
本发明的有益效果是：本发明方法有相对较高的精度，同时很好的解决了现有特征提取算法得到的特征点的图像坐标和空间点坐标的匹配问题。现有很多算法特征点提取的精度很高，特征点的图像坐标和空间点坐标的匹配度不高，有事还会出现相互混淆的情况，直接带去计算极大的影响了标定结果。本算法提取到的特征点圆心精度和匹配相对较高，可重复性好，使后续相机标定的效果更好。
附图说明
图1本发发明整体步骤流程图；
图2本发明所述方法中Step2摄像机采集到图像；
图3本发明所述方法中通过调整阈值得到二值图后，进行椭圆拟合后剔除无关椭圆后得到的椭圆及圆心图。
具体实施方式
以下结合实施例和附图对本发明作进一步阐述，但本发明的保护内容不限于所述范围。
实施例1：如图1-3所示，一种圆阵列标定板特征点提取方法，包括如下步骤：
Step1、设计制作圆形阵列(6×8）标定板；
Step2、将标定板置于需要标定的CCD相机视野范围内采集圆形阵列标定板的图像；
Step3、通过调整阈值滑动块调整到合适的位置对采集到的图像进行二值化；
Step4、利用OpenCV中的findContours函数提取图像中所有的轮廓；
Step5、针对每一个椭圆轮廓，直接利用最小二乘拟合算法对椭圆进行拟合，求解出其中心坐标、长轴长和短轴长，并保存在设置好的变量中；
Step6、根据CCD相机畸变相对较小的特点，所采集到的图像中的椭圆的长轴与短轴之比近似等于1，把长轴与短轴之比大于4/3椭圆剔除；
Step7、计算余下椭圆的长轴长和短轴长的平均值；
Step8、由于设计制作的标定板椭圆大小是一样的，图像中所有椭圆轴长相差不大，根据步骤Step7计算得到的轴长平均值，把余下的椭圆中长轴长或短轴长小于3/4或大于5/4轴长平均值的椭圆剔除；
Step9、设定判定范围；
Step10、以人机交互的形式利用鼠标光标手动点出图像上的左上角椭圆圆心；
Step11、以光标点为判定范围的中心，在存有椭圆圆心坐标的变量找到属于该范围内的那个圆心坐标；
Step12、将步骤Step11找到的圆心坐标存储在(point[0][0].x， point[0][0].y)中；
Step13、利用鼠标光标手动点出图像上的右上角椭圆圆心；
Step14、执行步骤Step11找到该范围内的圆心坐标并存储在(point[0][7].x， point[0][7].y)
Step15、利用鼠标光标手动点出图像上的左下角椭圆圆心；
Step16、执行步骤Step11找到该范围内的圆心坐标并存储在(point[5][0].x， point[5][0].y)
Step17、利用鼠标光标手动点出图像上的右下角椭圆圆心；
Step18、执行步骤Step11找到该范围内的圆心坐标并存储在(point[5][7].x， point[5][7].y)；
Step19、根据四个角的圆心坐标和标定板的圆位置分布(6×8）计算所有特征点圆心的相对坐标，并根据步骤Step9中设定的范围以圆心相对坐标为搜索判定范围的中心，判断出所有圆心对应的序号，并存储在(point[i][j].x， point[i][j].y)中；角点提取完成，并最终得到以数组序号i，j为标号图像特征点（即圆心）的坐标。
进一步地，所述步骤Step1中，所设计的标定板为直径为40mm的实心黑圆，进行(6×8）分布，圆心距为90mm。
进一步地，所述步骤Step9中，定判定范围可适当调整，本实施例中采用1/4轴长为边长的矩形方框。
以上结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (3)
1.一种圆阵列标定板特征点提取方法，其特征在于：包括如下步骤：
Step1、设计制作圆形阵列(6×8）标定板；
Step2、将标定板置于需要标定的CCD相机视野范围内采集圆形阵列标定板的图像；
Step3、通过调整阈值滑动块调整到合适的位置对采集到的图像进行二值化；
Step4、利用OpenCV中的findContours函数提取图像中所有的轮廓；
Step5、针对每一个椭圆轮廓，直接利用最小二乘拟合算法对椭圆进行拟合，求解出其中心坐标、长轴长和短轴长，并保存在设置好的变量中；
Step6、根据CCD相机畸变相对较小的特点，所采集到的图像中的椭圆的长轴与短轴之比近似等于1，把长轴与短轴之比大于4/3椭圆剔除；
Step7、计算余下椭圆的长轴长和短轴长的平均值；
Step8、由于设计制作的标定板椭圆大小是一样的，图像中所有椭圆轴长相差不大，根据步骤Step7计算得到的轴长平均值，把余下的椭圆中长轴长或短轴长小于3/4或大于5/4轴长平均值的椭圆剔除；
Step9、设定判定范围；
Step10、以人机交互的形式利用鼠标光标手动点出图像上的左上角椭圆圆心；
Step11、以光标点为判定范围的中心，在存有椭圆圆心坐标的变量找到属于该范围内的那个圆心坐标；
Step12、将步骤Step11找到的圆心坐标存储在(point[0][0].x， point[0][0].y)中；
Step13、利用鼠标光标手动点出图像上的右上角椭圆圆心；
Step14、执行步骤Step11找到该范围内的圆心坐标并存储在(point[0][7].x， point[0][7].y)
Step15、利用鼠标光标手动点出图像上的左下角椭圆圆心；
Step16、执行步骤Step11找到该范围内的圆心坐标并存储在(point[5][0].x， point[5][0].y)
Step17、利用鼠标光标手动点出图像上的右下角椭圆圆心；
Step18、执行步骤Step11找到该范围内的圆心坐标并存储在(point[5][7].x， point[5][7].y)；
Step19、根据四个角的圆心坐标和标定板的圆位置分布(6×8）计算所有特征点圆心的相对坐标，并根据步骤Step9中设定的范围以圆心相对坐标为搜索判定范围的中心，判断出所有圆心对应的序号，并存储在(point[i][j].x， point[i][j].y)中；角点提取完成，并最终得到以数组序号i，j为标号图像特征点的坐标。
2.根据权利要求1所述的圆阵列标定板特征点提取方法，其特征在于：所述步骤Step1中，所设计的标定板为直径为40mm的实心黑圆，进行(6×8）分布，圆心距为90mm。
3.根据权利要求1所述的圆阵列标定板特征点提取方法，其特征在于：所述步骤Step9中，设定的判定范围为1/4轴长为边长的矩形方框。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710445416.8A CN107274454B (zh) | 2017-06-14 | 2017-06-14 | 一种圆阵列标定板特征点提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710445416.8A CN107274454B (zh) | 2017-06-14 | 2017-06-14 | 一种圆阵列标定板特征点提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107274454A true CN107274454A (zh) | 2017-10-20 |
| CN107274454B CN107274454B (zh) | 2020-12-15 |
Family
ID=60067530
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710445416.8A Active CN107274454B (zh) | 2017-06-14 | 2017-06-14 | 一种圆阵列标定板特征点提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107274454B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108734745A (zh) * | 2018-05-18 | 2018-11-02 | 湖南拓视觉信息技术有限公司 | 标定方法、装置及投影设备 |
| CN114061480A (zh) * | 2020-08-03 | 2022-02-18 | 上海飞机制造有限公司 | 一种用于检测工件外形的方法 |
| CN114529613A (zh) * | 2021-12-15 | 2022-05-24 | 深圳市华汉伟业科技有限公司 | 一种圆阵列标定板的特征点高精度坐标提取方法 |
| CN114972509A (zh) * | 2022-05-26 | 2022-08-30 | 北京利君成数字科技有限公司 | 一种快速识别餐具位置的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1801896A (zh) * | 2006-01-17 | 2006-07-12 | 东南大学 | 摄像机标定数据的采集方法及其标定板 |
| CN101334894A (zh) * | 2008-07-31 | 2008-12-31 | 上海交通大学 | 采用单个圆为标定物的摄像机内参数标定方法 |
| CN101650828A (zh) * | 2009-09-07 | 2010-02-17 | 东南大学 | 摄像机标定中减少圆形目标定位随机误差的方法 |
| ES2392799A1 (es) * | 2011-03-22 | 2012-12-13 | Universidad De Vigo | Patrón para la calibración geométrica automática de cámaras termográficas |
-
2017
- 2017-06-14 CN CN201710445416.8A patent/CN107274454B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1801896A (zh) * | 2006-01-17 | 2006-07-12 | 东南大学 | 摄像机标定数据的采集方法及其标定板 |
| CN101334894A (zh) * | 2008-07-31 | 2008-12-31 | 上海交通大学 | 采用单个圆为标定物的摄像机内参数标定方法 |
| CN101650828A (zh) * | 2009-09-07 | 2010-02-17 | 东南大学 | 摄像机标定中减少圆形目标定位随机误差的方法 |
| ES2392799A1 (es) * | 2011-03-22 | 2012-12-13 | Universidad De Vigo | Patrón para la calibración geométrica automática de cámaras termográficas |
Non-Patent Citations (2)
| Title |
|---|
| AHMED KHALLAAYOUN等: "A blind iterative calibration method for high resolution DOA estimation", 《IEEE》 * |
| 杨根齐等: "基于圆环点的亚像素摄像机自标定方法", 《中国测试》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108734745A (zh) * | 2018-05-18 | 2018-11-02 | 湖南拓视觉信息技术有限公司 | 标定方法、装置及投影设备 |
| CN108734745B (zh) * | 2018-05-18 | 2021-02-09 | 湖南拓视觉信息技术有限公司 | 标定方法、装置及投影设备 |
| CN114061480A (zh) * | 2020-08-03 | 2022-02-18 | 上海飞机制造有限公司 | 一种用于检测工件外形的方法 |
| CN114061480B (zh) * | 2020-08-03 | 2024-04-05 | 上海飞机制造有限公司 | 一种用于检测工件外形的方法 |
| CN114529613A (zh) * | 2021-12-15 | 2022-05-24 | 深圳市华汉伟业科技有限公司 | 一种圆阵列标定板的特征点高精度坐标提取方法 |
| CN114529613B (zh) * | 2021-12-15 | 2024-07-09 | 深圳市华汉伟业科技有限公司 | 一种圆阵列标定板的特征点高精度坐标提取方法 |
| CN114972509A (zh) * | 2022-05-26 | 2022-08-30 | 北京利君成数字科技有限公司 | 一种快速识别餐具位置的方法 |
| CN114972509B (zh) * | 2022-05-26 | 2023-09-29 | 北京利君成数字科技有限公司 | 一种快速识别餐具位置的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107274454B (zh) | 2020-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103411553B (zh) | 多线结构光视觉传感器的快速标定方法 | |
| CN107274454B (zh) | 一种圆阵列标定板特征点提取方法 | |
| CN105538345B (zh) | 一种基于多镜头的智能机械手及定位装配方法 | |
| CN108107444B (zh) | 基于激光数据的变电站异物识别方法 | |
| CN110910454B (zh) | 一种牲畜三维重构移动式设备的自动标定配准方法 | |
| CN106650701B (zh) | 基于双目视觉的室内阴影环境下障碍物检测方法及装置 | |
| CN108416791A (zh) | 一种基于双目视觉的并联机构动平台位姿监测与跟踪方法 | |
| CN105931222B (zh) | 用低精度二维平面靶标实现高精度相机标定的方法 | |
| CN110084243B (zh) | 一种基于二维码和单目相机的档案识别与定位方法 | |
| CN108876903B (zh) | 一种基于玉米雄穗三维表型的玉米品种区分方法及系统 | |
| CN103278090A (zh) | 一种不规则物体体积的视觉测量方法 | |
| CN110648362B (zh) | 一种双目立体视觉的羽毛球定位识别与姿态计算方法 | |
| CN107977996B (zh) | 基于靶标标定定位模型的空间目标定位方法 | |
| CN101789126A (zh) | 基于体素的三维人体运动跟踪方法 | |
| CN107238374B (zh) | 一种不规则平面零件的分类和识别定位方法 | |
| CN106991705B (zh) | 一种基于p3p算法的位置参数估计方法 | |
| CN106651882A (zh) | 一种基于机器视觉的燕窝杂质识别与检测方法及装置 | |
| CN105654476A (zh) | 基于混沌粒子群优化算法的双目标定方法 | |
| CN116309847A (zh) | 一种基于二维图像和三维点云结合的堆叠工件位姿估计方法 | |
| CN108171753A (zh) | 基于形心特征点与邻域灰度互相关性的立体视觉定位方法 | |
| CN104851127A (zh) | 一种基于交互的建筑物点云模型纹理映射方法及装置 | |
| CN112720477B (zh) | 一种基于局部点云模型的物体最优抓取识别方法 | |
| CN105866782A (zh) | 一种基于激光雷达的运动目标检测系统及方法 | |
| CN105825501A (zh) | 一种模型引导下的3d打印额面肿瘤治疗导板智能化质量检测方法 | |
| CN116630423A (zh) | 一种基于orb特征的微小型机器人多目标双目定位方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |