一種棋盤格角點檢測方法
【專利摘要】一種棋盤格角點檢測方法，利用Harris角點檢測算法檢測棋盤格圖像，獲取候選角點，將所述候選角點的坐標(biāo)精確至亞像素級，以每個所述候選角點為中心分別得到正方形對稱模板，使用所述正方形對稱模板對所述候選角點進(jìn)行處理，剔除偽角點，得到格角點。本發(fā)明提供的棋盤格角點檢測方法通過分析棋盤格圖像角點鄰域內(nèi)的灰度值分布的規(guī)律性，采用以候選角點為中心的正方形對稱模板，并使用所述正方形對稱模板對所述候選角點進(jìn)行處理，剔除偽角點，得到格角點，計算時間短，檢測精度高。
【專利說明】一種棋盤格角點檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像【技術(shù)領(lǐng)域】，尤其涉及一種棋盤格角點檢測方法。

【背景技術(shù)】
[0002] 在圖像中，角點是二維圖像亮度變化劇烈的點或圖像邊緣曲線上曲率極大值的 點，是一個重要的局部特征，角點的信息含量很高，可以對圖像處理提供足夠的約束，減少 運算量，極大地提高運算速度，有利于圖像的可靠匹配，使得實時處理成為可能，而且在各 種影像特征中角點具有旋轉(zhuǎn)不變性和不隨光照條件改變而改變的優(yōu)點，所以在目標(biāo)識別、 圖像匹配、圖像重構(gòu)方面角點具有十分重要的意義。
[0003] 其中，棋盤格角點作為一種特殊角點被廣泛應(yīng)用于攝像機(jī)標(biāo)定中。目前，棋盤格角 點檢測算法主要可以分為三類：第一類是基于圖像邊緣信息的角點檢測算法，該類方法存 在的主要問題是角點對邊緣提取算法的依賴性大，如果邊緣線發(fā)生中斷將會對角點檢測的 結(jié)果造成很大的影響；第二類是基于圖像灰度信息的角點檢測算法，此類方法主要是通過 計算曲率和梯度來達(dá)到檢測角點的目的。其優(yōu)點是避免了對邊緣的依賴，缺點是有時梯度 與曲率乘積的局部最大值點與角點的真實位置存在很大的偏移造成定位精度低，有時還會 將棋盤格上一些本來不是角點的干擾點誤認(rèn)為是角點或者漏檢一些實際的角點；第三類是 基于小波變換的角點檢測算法，此類方法的缺點是只有在物體的特征尺度相似的情況下算 法的性能較好，同時這些尺度信息還需要先驗知識。此外，目前廣泛使用的OPEN CV的標(biāo)定 函數(shù)也存在漏檢或者多檢棋盤格角點的情況。這無疑為攝像機(jī)標(biāo)定結(jié)果的準(zhǔn)確性帶來極大 的影響。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是提供一種棋盤格角點檢測方法，能夠精確得到棋盤格上的真實角 點，具有較強(qiáng)的實時性與可靠性。
[0005] 為了達(dá)到上述目的，本發(fā)明提供的一種棋盤格角點檢測方法，包括下述步驟：
[0006] 步驟SllO :利用Harris角點檢測算法檢測棋盤格圖像，獲取候選角點；
[0007] 步驟S120 :將所述候選角點的坐標(biāo)精確至亞像素級；
[0008] 步驟S130 :以每個候選角點為中心分別得到正方形對稱模板；及
[0009] 步驟S140 :使用所述正方形對稱模板對所述候選角點進(jìn)行處理，剔除偽角點，得 到格角點。
[0010] 優(yōu)選地，其中，步驟S110,利用Harris角點檢測算法檢測棋盤格圖像，獲取候選角 點，具體包括下述步驟：
[0011] 步驟Slll :構(gòu)造第一公式得到所述圖像的窗口內(nèi)灰度值變化值，其中，所述第一 公式為：
[0012]

【權(quán)利要求】
1. 一種棋盤格角點檢測方法，其特征在于，包括下述步驟： 步驟SllO :利用Harris角點檢測算法檢測棋盤格圖像，獲取候選角點； 步驟S120 :將所述候選角點的坐標(biāo)精確至亞像素級； 步驟S130 :以每個候選角點為中心分別得到正方形對稱模板；及 步驟S140 :使用所述正方形對稱模板對所述候選角點進(jìn)行處理，剔除偽角點，得到格 角點。
2. 根據(jù)權(quán)利要求1所述的棋盤格角點檢測方法，其特征在于：其中，步驟S110,利用 Harris角點檢測算法檢測棋盤格圖像，獲取候選角點，具體包括下述步驟： 步驟Slll :構(gòu)造第一公式得到所述圖像的窗口內(nèi)灰度值變化值，其中，所述第一公式 為：
其中4(八\八7)窗口內(nèi)灰度變化值，1(\^)和1〇^+八1^+八）分別為窗口內(nèi)某 點灰度值以及該點偏移（Λχ，Ay)后的灰度值，W(Xi，yi)系數(shù)因子； 步驟Sl 12 :通過泰勒級數(shù)將所述第一公式變換為下述第二公式：
步驟S113 :構(gòu)造第三公式計算角點響應(yīng)函數(shù)，其中，所述第三公式為： CRF=det(M)-k(trace (M))2 del (Μ )- = AB - C2 其中， ，，，、'^ , , "，k 為 0.04 ?0.06; tracc(/V/ ) - α{jT λ2 - A f Bj CRF為角點響應(yīng)函數(shù)值，det (M)為矩陣M的行列式，trace (M)是矩陣M的跡； 步驟S114:設(shè)定閾值T并尋找局部最大值，當(dāng)某點同時滿足是局部最大值，且其角點響 應(yīng)函數(shù)值大于閾值T時，該點即為角點候選角點，其中，所述局部最大值為該點的水平曲率 和垂直曲率值都高于局部鄰域中其他點，所述閾值T=O. OlXmax(CRF)，max(CRF)為最大角 點響應(yīng)函數(shù)值。
3. 根據(jù)權(quán)利要求1所述的棋盤格角點檢測方法，其特征在于：其中，步驟S120中，將所 述候選角點的坐標(biāo)精確至亞像素級，具體包括下述步驟： 步驟S121 :構(gòu)造第四公式，所述第四公式為： ▽/// (?_盧) = 0,其中，VHiT為灰度梯度向量，泛為圖像原點指向角點的坐 標(biāo)，盧為圖像原點指向第i點的坐標(biāo)； 步驟S122 :將所述第四公式進(jìn)行變換，得到第五公式，通過所述第五公式將所述候選 角點的坐標(biāo)精確至亞像素級，其中，所述第五公式為：
其中，泛"+1為角點鄰域的一點指向原點的坐標(biāo)，月為圖像原點指向第i點的坐 標(biāo)，為該點的灰度梯度向量。
4. 根據(jù)權(quán)利要求1所述的棋盤格角點檢測方法，其特征在于：其中，步驟S140,使用 所述正方形對稱模板對所述候選角點進(jìn)行處理，剔除偽角點，得到格角點，具體包括下述步 驟： 步驟S141 :使用所述正方形對稱模板對候選角點進(jìn)行局部驗證，初步剔除偽角點； 步驟S142 :通過比較算法進(jìn)一步剔除尚未剔除的偽角點。
5. 根據(jù)權(quán)利要求4所述的棋盤格角點檢測方法，其特征在于：其中，步驟S141，使用所 述正方形對稱模板對候選角點進(jìn)行局部驗證，初步剔除偽角點，具體包括下述步驟： 將所述正方形對稱模板等分成8個正方形區(qū)域并按照（1，2, "·，8)依次進(jìn)行編號； 判斷(/「η-(/,.+4-η >/ = 1,2,3,4))是否成立，若是，則所述候選角點 為真正的棋盤格角點；若否，則所述候選角點為偽角點，其中，Ι?α=1，2···，8)為8個正方 形區(qū)域各自的平均灰度值，Γ為所述模板區(qū)域的平均灰度，f為Ti (i=l，2, 3, 4)的平均值，
6. 根據(jù)權(quán)利要求4所述的棋盤格角點檢測方法，其特征在于：其中，步驟S142,通過比 較算法進(jìn)一步剔除尚未剔除的偽角點，具體包括下述步驟： 將所述正方形對稱模板等分成為4個正方形區(qū)域； 判斷
k否成立，若是，則所述候選角點為真正的棋盤格角 點；若否，則所述候選角點為偽角點，其中，所述4個正方形區(qū)域的平均灰度值與整個模板 區(qū)域的平均灰度Ii之差為Di (i=l，2, 3, 4)。
【文檔編號】G06T7/00GK104517276SQ201310451928
【公開日】2015年4月15日 申請日期:2013年9月28日 優(yōu)先權(quán)日:2013年9月28日
【發(fā)明者】曲道奎, 徐方, 鄒風(fēng)山, 李邦宇, 賈凱, 鄭春暉 申請人:沈陽新松機(jī)器人自動化股份有限公司